資料分析方法

本研究以統計分析軟體SPSS及AMOS進行問卷數據的量化分析，首先針對問卷 內容檢定其內部一致性(即信度)，並以探索性因素分析將繁多的問項精簡為少數 因素以利後續之分析，接著以結構方程模式驗證本文所建構之研究架構，確認理 論架構後再針對人口統計變數在量表各構面因素得分進行差異性檢定。

ㄧ、問卷信度與因素分析 (ㄧ) 內部一致性檢定

以Cronbach’s α係數來檢定各因素衡量問項間的內部一致性，α值愈 大則表示該因素內各問項之間的關係性愈大，亦即該因素之內部一致性愈 高。Guieford (1965) 曾提出Cronbach’s α係數之取捨標準，認為α值大 於0.7 者為高信度，小於0.35 則為信度過低。

(二）分項對總分相關 (Item to Total Correlation)

分項對總分相關是項目分析常使用的相關分析技術，係計算每一 個分項與總分的簡單積差相關係數，一般要求在0.3以上，且達統計的 顯著水準(邱皓政，2004)；分項對總分相關係數太低的問項則予以刪 除。

(三) 探索性因素分析(Exploratory Factor Analysis:EFA)

進行因素分析的過程中，先檢定取樣適切性量數(Kaiser-Meyer-Olkin Measure of Sampling Adequacy；KMO)，若KMO值大於0.6以上，表示問卷資 料適合做因素分析；接著以Bartlett球形值，檢定各變數所組成的相關矩 陣，若球形檢定達到0.05的顯著水準，則表示量表各變數的相關矩陣有共同 因素存在，然後採用主成份因素分析(Principal Components Analysis)來 萃取量表問項之共同因素；對於因素個數之選擇，吳萬益(2004)認為主要是 以尋求該因素的特徵值大於一作為取捨的標準，只有在因素特徵值大於一的 情況下才選擇使用，但此一原則之最適變數個數最好是介於二十至五十之

間，若變數個數並非處於該區間，則可透過調整特徵值大小來增加或減少因 素的個數。轉軸時，則採用直交轉軸法的最大變異轉軸法(Varimax)進行因 素萃取；最後，保留因素負荷量大於0.5以上之問項，再根據問項之題意進 行各因素之命名。

二、敘述性統計分析

針對填答者之人口統計變數進行描述分析，藉以瞭解樣本分佈情形。本問卷 之問項形式皆為李克特(Likert) 七點量表，經過編碼量化後，計算各問項之平均 數及標準差，以平均數代表一般人對於該問項的看法，亦可將不同層面之受訪 者，利用平均數做一比較，平均數愈高代表該屬性較為受訪者所重視。而標準差 則視為評鑑回收樣本對於該問項的一致性指標，樣本標準差愈小，表示受訪者對 於該問項有較一致的看法。

三、獨立樣本單因子變異數T檢定

以人口統計變數中性別因子對「知覺服務品質」、「滿意度」、「行為意向」

等構面進行檢定，了解性別在這些構面中是否存在明顯的差異。

四、單因子變異數分析 (One-way ANOVA)

檢定k組水準多個依變數X的平均數是否相等時，可利用單因子變異數分析

（One-way Analysis of Variance，One-way ANOVA），其虛無假設為所有k組之 平均數相等，而對立假設為虛無假設不成立；在使用上須先確認母體是否服從多 元常態分配，並檢定各組共變異矩陣是否具同質性；若母體服從多元常態分配且 共變異矩陣一致時，可透過Wilk’s Lambda統計量來檢定各組平均數是否相等。

本文利用單因子變異數分析檢定年齡、教育程度、收入及婚姻狀況在「知覺服務 品質」、遊客「滿意度」及「行為意向」等構面是否存在統計上的差異，若有顯 著差異，因本研究採立意抽樣，各水準之樣本數並不相同，因此再利用雪費法

架構。結構方程模式可區分為兩大部份：一為肯證式因素分析 (Confirmative Factor Analysis :CFA)模式，在結構方程模式中又稱為測量模式(Measurement Model)，係將觀測變數(Manifest Variable)連結到潛在變數(Latent Variable)；另一 部份則稱為結構模式(又稱為潛在變項模式)，主要在建立潛在變數間的因果關 係，結構模式相當類似於路徑分析模式(Path Analysis)，唯一不同的是路徑分 析使用觀察變項，而結構模式使用潛在變項(黃芳銘，2004)。

結構模式和測量模式是互補的。在結構模式中每一個變數都代表一個理論構 念，其基本假設為：理論構念能被單一指標衡量，且沒有測量誤差存在， 但這是 不切實際的，實際上應考慮測量誤差；而測量模式雖然已考慮變數的測量誤差，

但測量模式所能提供的只是觀測變數與潛在變數間的相關而非因果關係。顯然 地，結構模式需要測量模式去從事變數測量誤差的考量，而測量模式則需要結構 模式去瞭解這些潛在變數間的因果關係。結構方程模式成就了這兩大模式的相互 需要，同時包含了測量模式和結構模式，它允許變數存在測量誤差，如在測量模 式中一樣，也允許方程中存在著誤差（或殘差）並估計潛在變數間的因果關係，

如在結構模式中一樣。

（一）模式適配度評鑑

1、違犯估計

所謂違犯估計是指不論是結構模式或測量模式中統計所輸出的估 計係數超出可接受範圍，也就是模式獲得不適當的解，檢驗模式的適配 度之前，須先檢視是否產生違犯估計，一般常發生的違反估計有以下三 種情形(黃芳銘,2004)：

A. 有負的誤差變異數存在。

B. 標準化係數超過0.95。

C. 有太大的標準誤(或標準化估計係數未達到顯著水準)。

2.本研究藉由以下九種量測指標，以評估整體模式對資料的適配情形：

(1

卡方值愈大，表示模式配適情形愈不好。但卡方值對大樣本與 偏離常態分配很敏感，樣本數多且資料偏離常態分配嚴重時，將造 成大的卡方值；且自由度在判斷卡方值大小中也扮演了重要的角 色，一般要求(卡方值/自由度)的值介於1~2之間才可被接受。

(2）適配度指標 (Goodness of Fit Index :GFI))

其值應介於0與1之間，但有時可能出現負值。GFI與卡方值不 同的是，GFI 與樣本數無關且其對偏離常態分配具有穩健性，但 GFI的分配不知道，所以無法做統計檢定的工作，但是當GFI 愈接 近1時，表示適配度愈佳，即被該特定模式所能解釋的變異和共變 異之相對數額愈大，通常學者建議當GFI大於0.9時表示良好的適 配。

(3) 已修正適配度指標 (Adjust Goodness of Fit Index :AGFI) AGFI與GFI性質相同，但AGFI經過自由度調整，故可對不同 自由度的模式進行比較。

(4) 基準化適配度指標(Normed Fit Index:NFI)

此指標是「設計模式」的「乖離度」除以「獨立模式」的「乖 離度」再由1減去其值求出，故其值範圍介於0到1之間，值愈大表 示模式的適配性愈好，一般認為接受模式的共同推薦值為0.9(含) 以上。

(5) 比較適配度指標(Comparative Fit Index:CFI)

這是修正受到觀察值個數影響的「基準化適配度指標」之缺點的一 種指標，其值介於0到1之間，完全是何數據的模式，值即為1，ㄧ般建 議接受模式的CFI值為大於0.9。

資料的適配情形，而 GFI與AGFI不但可達成此目的，也可以評估模式對 不同資料的適配情形。

(7) 近似誤差均方根指標(Root Mean Square Error of Approximation:RMSEA) 當RMSEA等於或小於0.05，表示理論模式可以被接受，通常將此訂 為「良好適配」，0.05到0.08視為「不錯的適配」；0.08到0.1之間則 是「中間適配」；大於0.1表示適配不良。

(8) 簡效性基準化適配指標(Parsimonious Normed Fit Index: PNFI)

PR(Parsimony ratio)稱為簡效比，即是將「設計模式」的自由度 除以「獨立模式」的自由度所得之值，自由度小表示估計的參數個數多，

對於數據的適配會變佳，但考慮在其他的數據上的適配時，不一定能說 適配佳。PNFI是將「簡效比」乘以「基準化適配度指標」所求得之值。

(9) 簡效性比較適配指標(Parsimonious Comparative Fit Index:PCFI) 將「簡效比」乘以「比較適配度指標」所求得之值。