資料分析方法

本研究所使用的統計方法包含有敘述性統計、因素分析、信度分析、群集分析、卡 方檢定。

3.5.1 敘述性統計

本篇研究中，針對智慧型手機遊戲使用者進行樣本基本資料的敘述性分析，所分析 的項目包括性別、年齡、教育程度以及每月收入。

3.5.2 因素分析

因素分析是以縮減的幾個因素構面來解釋一個群體內變數與變數之間的關係。透過 對資料的結構進行分析，找出變數彼此之間的關係，此做法充分達到資料簡化和摘要的 目的。常用的因素分析有兩種：探索性因素分析（Exploratory factor analysis） 與驗證 性因素分析 （Confirmatory factor analysis）。本研究採用主成分分析法來進行探索性因 素分析替填答的題項區分構面。而為了得到較佳的解釋力，通常會對因素進行轉軸，常 見的轉軸法有直交轉軸法（Orthogonal Rotation）以及斜交轉軸法（Oblique Rotation）。

在直交轉軸法中，因素彼此間並無相關且優點為因素間提供的資訊不會重疊，因此本研 究以最大變異數法（Varimax）進行直交轉軸，並以轉軸後得到的因素負荷量來為智慧

於 1、個變數之因素負荷量絕對值大於 0.5、構面題數大於兩題，作為萃取因素及變數題 目的基準。

3.5.3 信度分析

信度分析主要是用來測量量表的可靠度與穩定度。如果回收的問卷經過測量多次後 的結果具有一致性，則可以說此量表的信度越高，代表著量表越穩定。最常被拿來最為 信度檢驗的方法是 Cronbach’s Alpha 係數檢定。在 Devellis (2011) 的文章中提到，當 Cronbach’s Alpha 係數值低於 0.65 時，則完全不接受這量表的穩定度；當 Cronbach’s Alpha 係數值介於 0.65~0.70 時，則稱此量表達到最小接受值；當 Cronbach’s Alpha 係數值介於 0.70~0.80 時，則稱此量表有著良好的穩定度；最後，當 Cronbach’s Alpha 係數值高於 0.80 時，則可以說明此量表達到非常好的穩定度。

另外根據另一個學者 Nunally(1987) 文章中提到，當 Cronbach’s Alpha 係數值高過 0.70 時，才能說明該量表達到可靠度與穩定度的標準。

3.5.4 群集分析

群集分析最常被拿來作為分類的工具，此分析之目的為找出少數幾個的群集，使得 群集內的資料有高度同質性，而群體與群體間的資料則有著高度的異質性。群集分析法 可分為階層式群集分析法以及非階層式群集分析法，而非階層式群集分析最常使用的是 K-means 法。此方法在事前要先決定群集數目並根據各群的種子點反覆求解觀察值得所 屬群別。而使用 K-means 法的另一個原因則是因為在樣本數大於 100 時，K-means 法有 較好的分群表現。而分組完畢後透過 Cublic Clustering Criterion（CCC）以及 Pseudo F 值，則可以找到最適的群集分類數目。

本研究透過群集分析法將問卷收集到的樣本進行分類，將不同沉浸狀態的智慧型手 機遊戲填答樣本分類，使得有同樣沉浸狀態的資料能夠歸類於同個群集。

3.5.5 皮爾森卡方檢定

本研究中利用卡方檢定來分析人口統計變數、使用行為以及下載與購買意圖的相關 性，探討在不同的沉浸狀態的智慧型手機遊戲使用族群區隔是否受到這些變數影響，並 同時探討各族群使用者之分布狀況。

圖 9、研究方法流程圖 不同沉浸構面

玩家類型 下載與購買意圖

人口統計變數 使用行為

卡方檢定

卡方檢定

沉浸量表 因素構面 沉浸量表

因素分析 信度檢測

群集分析

樣本資料結構

瞭解不同玩家族群的 下載與購買意圖

描繪各種類型遊戲玩 家類型特徵