資料分析方法

本研究使用統計套裝軟體 SPSS 24.0（Statistical Package for Social Science 24.0）版本系統作為主要的資料分析工具，再輔以 Microsoft Excel 完成本研究。

本節將說明研究中所使用的統計方法與其定義。

一、 敘述性統計

敘述統計為所有統計分析中最容易且基本的分析，可作為初級資料的參考與 利用，以了解相關樣本結構。本研究運用敘述統計來建立受測者的基本資料、從 最基本的人口統計變項如性別、職業等等到與本研究息息相關的參與健身俱樂部 相關問題等等，都可從次數分配中取得。

二、 聯合分析

聯合分析為本研究中最重要的分析工具，並利用複回歸的計算來了解個別屬 性水準的成分效用值以及其相對重要性。而受測者僅需在各屬性間做出取捨即可 獲得高信度的資料，對受測者來說好填答、對研究者來說也相對好分析。

（一）、成分效用值（Part-Worth）

‧

國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

成分效用值的作用是衡量模擬卡片的整體表現（包含屬性與其水準）的 數值，而當成分效用值越大，則表示受測者對於該模擬卡片的偏好越大。而 成分效用值的計算方式與步驟如下：吳萬益（2011）

1. 計算卡片分數：

只要將模擬卡片原始排名的分數加總即可獲得所有模擬卡片的分數。

2. 計算水準原始分數（X 值）：

將所有模擬卡片中有出現特定水準的卡片分數加總，接著除以水準出現 的次數後，即能獲得該特定水準的原始分數。如：某特定水準在十六張模擬 卡片中出現了五次，而那五張模擬卡片的分數分別為 L1、L2、L3、L4、L5， 則該特定水準的原始分數值（X 值）＝（L1＋L2＋L3＋L4＋L5）/5。

3. 計算成分效用值（Y 值）：

把第二步驟的 X 值做排序，並找出 X 的最大與最小值 Xmax 與 Xmin。

接著，把 Xmax 與水準原始分數 X 值相減。再來最後一步則是把相減過後 的值除以 X 值之全距，即可得該特定水準的成分效用值（虛擬例子請見表 3-4 計算成分效用值 Y 之虛擬範例）。

表3-4 計算成分效用值 Y 之虛擬範例

屬性 水準 X 值 Xmax與 X 值相減 X 值全距 成分效用值（Y 值）

價格

1000 元 100 200-100=100 200-100=100 100/100=1.00 2000 元 200 200-200=0 200-100=100 0/100=0.00

（二）、屬性相對重要性（Weight of attributes）

屬性的相對重要性為受測者對於該特定屬性的偏好程度。若該特定屬性的權 重百分比越高，即代表該屬性被受測者所重視的程度越高。Wind、Grashof 與 Goldhar（1978）提出屬性相對重要性可從各屬性最高與最低的成分效用值差距 來求得。公式如下：

‧

國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

𝑅𝐼𝐴

= 𝐴

( 最高成分效用值 _{− 最低成分效用值)}

∑

𝐴

( 高成分效用值 _{− 最低成分效用值)}

RIAi為屬性 I 之相對重要性，n 為產品屬性總數，而 Ai為屬性 I。

三、 卡方分析

以卡方分析做獨立檢定、配適度檢定來檢驗樣本與母體分配是否相符、同值 性檢定等等，以了解人口統計變相與屬性偏好的關係，以利接下來的集群分析做 不同群體的分類與擬定相關策略。

四、 集群分析

本研究透過 K-means 集群分析找到最分群群體。集群分析是將樣本中有相 同代表性的群體分門別類，藉著不同群體的特性可以了解到每個群體的差異與擬 定不同策略吸引不同市場區隔的群體。

五、 變異數分析

變異數分析可求得屬性成分效用值的估計值，使每一屬性的成分效用值加總 盡量與觀察值的等級順序有高度相關性。此外，ANOVA 可用來分析不同市場區 隔的特性，讓不同市場的行銷方案更為完善。

‧

國

立 政 治 大 學

‧

Na tiona

l Ch engchi University