資料分析方法

本研究根據研究目的及檢定研究假設的需要，以 SPSS13.0 英文版統計套裝 軟體作為資料分析工具，並以下列的方法進行分析：

一、敘述統計分析(Descriptive Statistics Analysis)

敘述統計分析是用來說明樣本資料結構，主要是將受測者之人口統計變數進 行敘述性分析，並計算各變數之平均數、變異數、百分比及次數分配表等來了解 樣本基本特性的分佈情況。

二、因素分析(Factor Analysis)

因素分析是一種利用數學方式進行資料縮減(data reduction)和資料彙整(data summarization)的精簡方法，能將眾多的變數濃縮成為較少的幾個精簡變數。所 獲得的精簡變數即是因素(factor)。

二、信度及效度分析(Reliability and Validity)

(一)信度分析(Reliability Analysis)

為瞭解實際測驗之內部ㄧ致性，本研究係採用Cronbach's α 係數為檢定各衡 量變項間之內部一致性。根據Kerlinger, Fred N.and Howard B.（2002）指出，當 α 值在高於 0.7 時，表示該量表具有相當高之內部一致性，其衡量結果具相當高 的信度；而當α 值低於 0.35 時，則該量表不適於測量，應另行發展新量表。

(二) 效度分析(Validity Analysis)

效度(Validity)指的是測量的正確性，表示一份量表中能真正的測出變數性質 的程度，也就是問卷的可靠性或有效性。一個量表的效度愈高，表示所測量的結

果，愈能顯現其所測量對象代表的真正意義。本研究各構面量表與題目均根據相 關基礎理論及參考相關文獻發展而來，因此具有一定的效度水準。

三、單因子變異數分析(One-way ANOVA)

對於包裝設計與消費者購買意願之比較，以及包裝設計與消費者購買意願之 比較，本研究以單因子變異數分析(One-way ANOVA)驗證其差異性，當 ANOVA 差異達顯著水準時並進一步以 Scheffe Method 多重比較以了解其間的差異是否 有顯著性並分析其高低順序。

四、獨立樣本 t 檢定(t-test)

當比較兩組實驗變數時，可以利用兩組樣本做t-test是否具有顯著差異。本研 究將品牌形象分為高、低兩組，使用t-test進行檢定。

五、相關分析(Correlation Analysis)

相關分析是用來量測變數關係方向及程度的一種指標，其相關係數值介於-1 與+1 之間，正負符號表示相關的方向(斜率)；若零相關或相關係數低時，即表示 變數之間不相關或相關係數程度低。

六、迴歸分析(Regression Analysis)

迴歸分析主要用以瞭解自變數對依變數的影響情況，迴歸必須以相關分析為 基礎，且迴歸帶有預測性質。也就是用來描述、預測、控制一個或一個以上的自 變數或依變數間的關係，並用以檢定整個架構的解釋力，觀察其結果是否能達到 顯著水準。迴歸分析根據自變數的多寡可分為簡單線性迴歸與多元迴歸，前者指 一個自變數對一個應變數的迴歸分析，後者指多個自變數對一個應變數的迴歸分 析。本研究將利用迴歸分析來探討包裝設計、品牌形象、知覺風險對於購買意願

間互相影響的關係。

七、卡方檢定(Chi-Square test)

卡方檢定適用於非連續變數之差異性分析(如性別、收入等)，卡方分配可以

協助我們利用樣本的變異數來推論母體變異數，母體變異數則代表著資料分散的 程度。卡方檢定則是利用卡方分配(卡方值)來進行檢定，適用於分類變數的分 析，若是單一類別的變數，可以算得次數的分配；若是有兩個類別，則可以使用 交叉表 (Cross-tabulation) 分析，並且使用卡方來作檢定。