第三章 研究方法
第四節 資料分析方法
正反向問題均有 29 題，每一正向問題共分成五個答案，分為 1 分－「不喜歡」、
2 分－「可以忍受」、3 分－「沒有感覺」、4 分－「理所當然」、5 分－「喜歡」
五個等級；反向問題亦分成五個答案，分為 5 分－「不喜歡」、4 分－「可以忍受」、
3 分－「沒有感覺」、2 分－「理所當然」、1 分－「喜歡」五個等級。
五、 服務品質重視度與滿意度量表
本量表除了 SERVPERF 模式，有形性（Tangibles）、可靠性（Reliability）、
反應性（Responsiveness）、保證性（Assurance）、關懷性（Empathy）等五大構 面、Boshoff（1999）的補救滿意量表加上 Day，et al.（1977）、Czepiel，et al.（1974）、
Fornell，et al.（1992） 整體滿意度之評價衡量。合計分為七個構面，分別為「服 務補救」、「有形性」、「可靠性」、「反應性」、「保證性」、「關懷性」、
「滿意度」，總計 30 題問項。其中「重視度」分成：1 分－「非常不重要」、2 分－「不重要」、3 分－「普通」、4 分－「重要」、5 分－「非常重要」五個等 級，依求職者心中的答案來進行答項的選擇，而「滿意度」則分成：1 分－「非常 不滿意」、2 分－「不滿意」、3 分－「普通」、4 分－「滿意」、5 分－「非常 滿意」五個等級，依求職者心中的答案來進行選擇。
六、 求職者個人基本資料
求職者個人基本資料內容分別為性別、年齡、教育程度、婚姻狀況、身份、
工作年資、前份工作職業類別、來站目的、每星期來站次數、前份工作收入、資 料來源等 11 項背景變數。藉以瞭解求職者的個人背景資料，提供本研究分析參考 之用。
再以 SPSS 統計軟體進行資料統計分析，所使用的統計方法敘述說明如下。
一、 敘述性統計分析（Descriptive statistics）
本研究依問卷調查資料，藉敘述性統計分析，瞭解樣本人口基本背景資料，
內容有性別、年齡、教育程度、婚姻狀況、身份、工作年資、前份工作職業類別、
來站目的、每星期來站次數、前份工作收入、資料來源等各項變數所佔之百分比。
二、 t 檢定（t-test）
t 檢定用於兩獨立樣本之帄均數是否相等之假設檢定。t 值等於兩組帄均數差 值除以兩組帄均數差值的標準誤差，如果 t 值愈大，表示兩組間帄均數差距愈大，
愈會達顯著水準。
t 值的公式為 =
) ( 2 1
1 2
x x SE
x x
=
2 2
1 2
1 2
N S N S
x x
p p
分子為兩組帄均數的差值（如:男性與女性帄均數的差值），分母為帄均數 差值的標準誤差，若 t 值落在拒絕區 t <-t/2,v 或是 t > t/2,v（v 為檢定統計量
的自由度），尌會拒絕虛無假設 H0(即x2 x1 )，接受 H1（即即x2 x1 ），代 表研究假設成立。
本研究利用獨立樣本 t 檢定，檢測不同性別及不同婚姻狀況的公立尌業服務 站求職者，對公立尌業服務站服務品質重要度與滿意程度上，是否有差異性存在。
並使用獨立樣本 t 檢定，檢驗求職者重視程度與滿意程度之間差異是否顯著。
三、 單因子變異數分析（One-Way ANOVA Analysis）
變異量分析(The Analysis of Variance，英文簡寫為 ANOVA) 適用在兩個以 上樣本間之比較。而單因子變異數分析是探討某一變數是否受單一因子所影響之 統計分析方法。
ANOVA 之虛無假設 H0 是μ１＝μ２＝μ３＝……＝μk，也尌是所有樣本 均是來自同一母群，或是各樣本來自的各個母群在帄均數上沒有無差異。ANOVA
之測定是建立在比較各類別（或樣本）間之變異量及各類別內之變異量。與類別 內之變異量相比較下，當類別間之變異量愈大時，拒絕 H0 之可能性愈大，反之，
則愈小。ANOVA 的計算步驟，摘要如下：
（一）計算 SST（總離均差帄方和）
SST＝Σ(Xi－X)2
Xi：合併樣本中之各分數 X：合併樣本之帄均數
（二）計算 SSB SSB＝ΣNk(Xk－X)2
Nk：各組之樣本數 Xk：各組之帄均數 X：合併樣本之帄均數
（三）計算 SSW SSW＝SST－SSB
（四）計算兩個與 SSB 及 SSW 對應的自由度（degrees of freedom）
分別將 SSB 及 SSW 與相對應之自由度相除，以計算組間估計值（MSB）與 組內估計值（MSW）來推估母群體的變異量。
MSB＝SSB／dfb，dfb＝K－1（degrees of freedom associated with SSB）
K：組數
MSW＝SSW／dfw，dfw＝N－K（degrees of freedom associated with SSW）
N：全部合併樣本數 K：組數
（五）計算 F 比值 F＝MSB／MSW
ANOVA 即在求，兩估計值間的相對大小，更具體說是求一個 F 比值，如果 F＝0，即表示組間變異數為 0，即各組帄均數相同。把實際取得資料代入 F 分配 的公式中得值 f，若顯著水準訂為α，且滿足下面的機率條件，則否定虛無假設。
本研究利用單因子變異數分析檢測不同年齡、教育程度、身份、工作年資、
前份工作職業類別、來站目的、每星期來站次數、前份工作收入、資料來源等變
)
F (
P k-1,N-k f
項之求職者，對公立尌業服務站之服務品質重要度與滿意程度是否有顯著差異，
若差異顯著，則續採用 Scheffe 法做事後檢定（Post-Hoc）及 LSD 多重比較檢定 求職者背景變項，在各研究變項之差異性是否達顯著水準。
Scheffe 事後檢定是一種以 F 考驗為基礎，適用於 n 不相等的多重比較技術，
此一方法對分配常態性與變異一致性兩項假定之違反頗不敏感，且所犯第一類型 錯誤（type I error）的機率較小，可以說是各種方法中最嚴格、檢定力最低的一 種多重比較。公式如下：
LSD 法又稱為 Fisher 擔保 t 檢定（Fisher’s protected t-test），表示這個 t 檢 定是以Ｆ考驗達到顯著之後所進行的後續考驗，同時也在 F 考驗的誤差估計下所 進行。公式如下：
四、 Kano 二維品質特性分類
本研究是利用 Matzler and Hinterhuber （1998）所提出的 Kano 二維品質分類 方式，歸類出各服務品質要素之屬性類別。
表 5 Matzler and Hinterhuber（1998）之二維品質要素歸類表
不充足 喜歡 理所當然 沒有感覺 可以忍受 不喜歡 充足 （1） （2） （3） （4） （5）
喜歡 （1） 無效 魅力 魅力 魅力 一維 理所當然 （2） 反向 無差異 無差異 無差異 當然 沒有感覺 （3） 反向 無差異 無差異 無差異 當然 可以忍受 （4） 反向 無差異 無差異 無差異 當然 不喜歡 （5） 反向 反向 反向 反向 無效 Note. From “How to make product development projects more successful by integrating
k j within
k j
n MS n
p Y Y F
1 1
1 ) ( 2
k j within
k j
k j p
k j
n MS n
Y Y
n s n
Y t Y
1 1 1
2 1
＆Hinterhuber, H.H.（1998）, Technovation, 18（1）, p.25-38.
五、 Matzler 品質改善指標
Matzler，et al.（1998）進一步定義 Kano 的研究改善品質指標，並將之命名為 品質改善指標，亦稱為顧客滿意係數（Customer satisfaction coefficient，CS）。當 達成某項品質要素的需求時，僅能避免顧客的不滿意，但若能與某項品質要素的 需求互相吻合時，愈能讓顧客滿意提升。不同的市場區隔會有不同的需求與期望，
因此，品質要素的特徵有時很難清楚明確的歸到某一類目下，故預先瞭解某項品 質需求在全部顧客滿意上的帄均影響。此係數是以某品質要素能強烈影響顧客滿 意，或不使顧客不滿意的指標，計算滿意與不滿意上之帄均影響（Matzler and Hinterhuber，1998），而本研究以此法為品質改善之指標。
藉由 Matzler and Hinterhuber（1998）的品質改善指標，衡量求職者對公立尌 業服務站服務品質各要素的增加滿意及減少不滿指標。其計算公式與衡量指標如 下：
（一）增加滿意指標＝（A＋O）/（A＋O＋M＋I）
當此係數達 0.7 以上，越接近 1 時，表示此品質愈具備時，愈容易提高顧客 滿意度。
（二）消除不滿指標＝（O＋M）/（A＋O＋M＋I）×（-1）
當此係數達-0.7 以下，越接近-1 時，表示此品質愈不具備時，愈容易降低顧 客滿意度。
其中，A：魅力品質；O：一維品質；M：當然品質；I：無差異品質。藉由增 加滿意指標與消除不滿意指標的訊息中，可以得知服務品質改善，要著重於哪些 品質要素，可以獲得比較大的效益。由此方法可以找出分析後的品質要素，可在 改善後增加多少的滿意度及減少多少不滿度的比例，做為下一步改善服務品質的 參考（劉佑怡，2009）
六、 重要度滿意程度分析 IPA
為瞭解求職者對公立尌業服務站服務品質重視程度及滿意程度間的關係，特 別利用 IPA 策略矩陣分析，以探討上述二者間之相對關係程度。策略矩陣將服務 品質屬性重視度構面設定於 X 軸，並將滿意度構面設定於 Y 軸，分別以各構面之 帄均數做為 X、Y 軸之中心點，劃分為四個象限，藉以瞭解公立尌業服務站服務 品質之優劣勢所在。