第四章 研究方法
4.4 資料分析方法
本研究於問卷回收後,運用 EXCEL 對問卷資料作一簡單整理及運算後,
其次再以 SPSS 統計分析系統軟體作為資料分析的主要工具,包括下列資料驗 證與分析方法:
一、敘述統計
針對本研究所調查之客戶基本資料,主要運用平均數、標準差等分析 公司特性,以了解樣本結構及各研究構面之基本特性。
二、信度與效度檢定
信度分析是用來了解各量表的可靠程度,亦即量表的一致性或穩定性 指標,本研究採用 Cronbach’s α 係數的信度分析檢驗,藉以了解各受測者 對於各問卷量表的內部一致性情形如何,依 DeVellis【40】的建議,當 α 值低於 0.6 完全不接受;介於 0.6 至 0.65 之間最好不要接受;介於 0.65 至 0.7 為最小接受值;介於 0.7 至 0.8 相當好;介於 0.8 至 0.9 非常好。
本研究使用內容效度與建構效度,內容效度是指一個測驗本身所能包 含的概念意義範圍或程度。即測量的內容是否針對欲測量的目的,且具有 代表性與適當性;建構效度是指「量表能測量理論上某概念或特質的程
度」,即構念是否能真實反應實際狀況。
三、結構方程模式(structural equation modeling,SEM)
結構方程模式是一種以迴歸為基礎的多變量統計技術,由兩位瑞典學 者 Karl E. Jöreskog 和 Dog Sörbom 在七十年代初期所發展,用以進行複雜 的共變結構分析,整合兩大統計技術:因素分析與路徑分析,其目的在於 運用實證資料,驗證先驗假設模式或理論模式是否真實存在,以建立理論 或驗證理論【35】。SEM 體系又可以分為兩個次級體系:測量模式 (measurement model)次體系以及結構模式(structural model)次體系。
(一) 測量模式:
使用觀察變項來建構潛在變項的模式就是測量模式。測量模式在 SEM 的體系裡就是一般所稱的驗證性因素分析(confirmatory factor analysis,CFA)模式,是用來評鑑觀察變數可以定義潛在變項的程度。
測量模式可以界定為外因觀察變項或獨立觀察變項與內因觀察變項或 依賴觀察變項兩類。本研究共有一個外因觀察變項測量模式、及二個 內因觀察變項測量模式如圖 4.2、表 4.8。
圖 4.2 外因、內因觀察變項測量模式
外因觀察變項是以 X 表示,其所反映的潛在變項稱為外因潛在變 項(ξ),構成外因觀察變項與外因潛在變項間的結構參數是以 λx 表示 之,δ 為測量誤差。內因觀察變項則是以 Y 表示,其所反映的潛在變 項稱為內因潛在變項(η),構成內因觀察變項與內因潛在變項間的結構 參數以λy 表示之,ε 為測量誤差。
λ14
λ13
λ12
λ11
λ10
λ9
λ8
λ7
λ6
λ5
λ4
λ3
λ2
λ1
CRM
物流服務品質 H1
H2
H3 顧客忠誠度 X1
1
2
Y1 Y2 Y3
Y4 Y5
Y6 Y7 Y8
Y9 X2
X3
X4
X5 δ1 δ2 δ3 δ4 δ5
1
ε1 ε2 ε3 ε4 ε5 ε6 ε7 ε8 ε9
外因觀察變項 內因觀察變項
表 4.8 外因、內因觀察變項方程式
外因觀察變項測量模式 內因觀察變項測量模式
顧客關係管理 物流服務品質 顧客忠誠度
X
1=λ
1ξ
1+δ
1X
2=λ
2ξ
1+δ
2X
3=λ
3ξ
1+δ
3X
4=λ
4ξ
1+δ
4X
5=λ
5ξ
1+δ
5Y
1=λ
6η
1+ε
1Y
2=λ
7η
1+ε
2Y
3=λ
8η
1+ε
3Y
4=λ
9η
1+ε
4Y
5=λ
10η
1+ε
5Y
6=λ
11η
2+ε
6Y
7=λ
12η
2+ε
7Y
8=λ
13η
2+ε
8Y
9=λ
14η
2+ε
9(二) 結構模式:
結構模式又可稱為潛在變項模式(latent variable models)或線性結 構關係(linear structural relationships)。結構模式主要是建立潛在變項與 潛在變項之間的關係,結構模式相當類似於路徑分析模式,唯獨不同 的是路徑分析使用觀察變項,而結構模式使用潛在變項。本研究為一 個外因潛在變項預測二個內因潛在變項如圖 4.3、表 4.9。
圖 4.3 結構模式圖
在結構模式中除了外因潛在變項(ξ)、內因潛在變項(η),也包括潛 在干擾(ζ),內因潛在變項與內因潛在變項間結構參數以 β 表示之,外 因潛在變項與外因潛在變項間結構參數以γ 表示之。
表 4.9 結構模式方程式 結構模式方程式 η1=γ11ξ1+ζ1
η2= β21η1 + γ21ξ1+ζ2
結構方程模式的分析過程如下,如圖 4.4 所示:
Y
1δ
1δ
2δ
3δ
4δ
5ε
1CRM
物流服務品質 H
1H
2H
3顧客忠誠度 X
11
2
Y
2Y
3Y
4Y
5Y
6Y
7Y
8Y
9X
2X
3X
4X
51
ε
2ε
3ε
4ε
5ε
6ε
7ε
8ε
9β
21γ
21γ
11ζ
2ζ
1(一) 理論(theory):SEM 變項間關係的呈現,需要依靠理論來建立,而且 理論是假設模式成立主要的解釋依據,所以理論的建立就成為 SEM 的 第一個步驟。
(二) 模式界定(model specification):此一步驟乃是將理論所呈現的假設以 SEM 的形式加以表達。
(三) 模式識別(model identification):決定模式是否是可識別的(identified),
常用的是 Bollen【39】所提出的 t-rule 準則。如果模式是可識別的,
則表示理論上模式中的每一個參數皆可以導出一個唯一的估計值。如 果無法識別,那將無法對模式做出正確的估計。
(四) 選擇測量變項和收集資料:此一步驟乃是選擇用於模式中的測量變 項,並且收集測量變項的資料以作為後面分析模式之用。
(五) 模式估計(model estimation):此一步驟是使用所收集來的資料,以估 計模式中的參數。
(六) 適配度評鑑(assessment of fit):用以決定理論預測模式與所收集資料間 適配的程度。一般適配度的評鑑可以分為整體模式適配度檢定、測量 模式適配度檢定和結構模式適配度檢定,在整體模式適配度檢定達到 模式可接受的程度時,才接著檢定另外二類。
(七) 模式修正(Model modification):當整體模式適配度未達到可接受的程 度,可以依據理論假設和統計所呈現的結果,來將參數釋放或固定,
再重新估計模式。
(八) 解釋(Interpretation):對模式統計結果作解釋。通常在結果呈現時,會 牽 涉 非 標 準 化 參 數 (Unstandardized parameters) 估 計 與 標 準 化 參 數 (Standardized parameters)估計,以及直接效果、間接效果與總效果。
圖 4.4 結構方程式的分析過程
多數的學者目前都採用多元指標來判定結構方程模式的整體配適度,
學者建議的指標值和解釋如下:
(一) χ2/df 比值:自由度是判斷 χ2 值是否太大之參考基準值。一般而言,
「χ2/df」比值應該愈小愈好,學者建議以不大於 5 為標準。
(二) GFI 配適度指標(goodness of fit):表示由理論模式或假設模式所能解釋 的變異量,此值在 0 與 1 之間,愈接近 1 表示適配度愈佳。理想上,
在模式適配時,GFI 值應大於 0.9。
(三) AGFI 調整後配適度指標(adjusted GFI):係將 GFI 指數依自由度的數 目加以調整,其評鑑指標與 GFI 指數相同,AGFI 值一般以高於 0.9 的數值,為決定接受或拒絕的參考。
(四) NFI 規範配適指標(normed fit index):一般設定此數值必須超過 0.9 為 宜。
(五) IFI 增值適配指標(incremental fit index):IFI 數值介於 0 與 1 之間,數 值愈大表示模式適配愈好。一般設定此數值必須超過 0.9 為宜。
(六) CFI 比較適配指標(expect for a constant scale factor):CFI 數值介於 0 與 1 之間,數值愈大表示模式適配愈好。一般設定此數值必須超過 0.9 為宜。
(七) RMR 殘差均方根(root mean square residual):為適配殘差變異除以共 變的平均值的均方根,反應的是殘差的大小,因此 RMR 值愈小表示
配適度評鑑
理 論
模式界定
模式修正 解 釋
模式識別
選擇測量變項及蒐集資料
模式估計
未達可接受程度
達可接受程度
模式的適配愈佳。
四、單因子變異數分析
為了瞭解不同產業別、不同資本額及不同員工數在構面因素之差異 性,可用以比較與檢定客戶變項對顧客關係管理、物流服務品質及顧客忠 誠度是否有顯著差異。若群體間差異顯著時,則進一步使用最小顯著差異 法(least significance difference, LSD)來檢視哪些群體間存在顯著差異。