資料分析方法

本研究流程主要為四個部分，首先採用因素分析，簡化資料構面，以主要的構面來 顯示出原本資料所提供的資訊。接著利用因素分析所萃取出的構面，以 K-means「非階 層式集群分析法」找出集群，再以區別分析驗證集群分析的結果是否適當。最後採用變 異數分析評估不同集群中的企業經營績效。以下為資料分析流程：

圖 3 資料分析流程圖 3.4.1 因素分析

因素分析法包含了許多縮減空間(或構面)的技術，其主要目的在以較少的維數，而 又可以保存原有資料結構所提供的大部份資訊。它是一種互依分析技術，也是多變數方 法的應用之一。因素分析主要可分為驗證行因素分析以及探索性因素分析。驗證行因素 分析則是根據過去文獻及理論所整理之潛在變數間的關係做出合理假設並對其進行驗 證；探索性因素分析主要透過多個可觀測變量間的相關性，求得因素結構的個數。

本研究主要利用公司財務指標來構築出企業的資源構型，因此本研究將以主成份分 析法來進行探索性因素分析。一般而言，從最初因素分析中所獲得的結果，其因素負荷 量差異並不是非常明顯，所以在因素解釋上可能較為困難，因此為了方便因素的解釋工 作，經常會進一步對因素進行轉軸，而常見的轉軸方法主要有兩個，主要為直交轉軸法 (Orthogonal Rotation)與斜交轉軸法(Oblique Rotation)兩種。

在直交轉軸法中，因素與因素間沒有相關，亦即其相關為 0；採斜交轉軸法，表示 因素與因素間彼此有某種程度的相關，亦即因素軸間間的夾角不等於 90 度，而直交轉 軸的優點是因素間提供的資訊不會重疊，觀察值在某一個因素的分數與在其它因素的分 數，彼此獨立不相關，因此本研究將使用直交轉軸法以利因素命名及解釋。

在進行因素分析的適合度檢定時，以 KMO 與 Bartleet’s 球體檢定兩方法最為常 用，而本研究主要以 KMO 值進行檢測：KMO 是 Kaiser-Meyer-Olkin 的抽樣適當性量數，

蒐集財務指標

因素分析 (取特性根>1 因素)

非階層式集群分析

區別分析

變異數分析

18

當 KMO 值愈大時，表示變數間的共同因素愈多，愈適合進行因素分析。根據 Kaiser(1974) 的觀點，如果 KMO 值小於 0.5 時，較不宜進行因素分析。

3.4.2 集群分析

本研究先進行因素分析再使用集群分析之理由為避免計算投入變數之距離

(Distance)時發生重複計算(Double count)情況而導致集群結果受到扭曲(Green, Frank and Robinson, 1967)。在策略的研究當中，集群分析(Cluster analysis)是經常被使用來進行將 對象分類的工具。其主要的目的是使群組間相異性最大而群組內的相似程度最高。集群 法大致分為階層式集群分析法和非階層式集群分析法，階層式集群分析法為先視 N 個觀 察值為 I 個群別，再重複地將距離相近者集成一群，直到所有觀察值併入同一集群為止。

非階層式集群分析法是將 N 個觀察值集成數個群別，並非集成一大群。

非階層式集群分析法中以又以 K 均值法(K-means)最常見，K 均值法必頇事前決定 K 個群數，根據各群的種子點反覆求解觀察值的所屬群別，群數可由階層式集群分析法 中的華德法來決定，各群的種子點相當於各群的中心點，然當樣本數過多時容易造成觀 察分群的不易，因此亦可直接使用 K 均值法對樣本數大於 100 的資料集直接進行分組 (Miller and Roth,1994)再透過 Cubic Clustering Criterion(3C 值)和 Pseudo F 值來進行群組 的判斷(Milligan and Cooper,1985)。

Green, Frank and Robinson (1967)為了確認做測試行銷的合適的城市，先利用因素分 析後城市特徵的因素分數，再接著做集群分析。因此本研究先做因素分析後，接著再做 集群分析，而集群分析可最小化同一集群裡企業間的多變量距離，同時最大化集群間的 距離，使用在所有觀察的構型定義變數的關係中，再將之分配到適當的集群裡(Hair, Anderson, Tatham, and Black,1992)。

3.4.3 區別分析

區別分析(Discriminant analysis，也稱為判別分析、鑑別分析)常被用來進行觀察體 的分類。區別分析功用與迴歸分析一樣，主要在於解釋與預測，主要目的在計算一組變 項(或稱為區別變項)的線性組合，來對一個分組變項重新加以分類，並檢查其再分組的 正確性。當依變項是多個類別的變項，而又能符合統計假設時，研究者大多傾向使用區 別分析。區別分析的自變項(一般稱為預測變項)是計量性資料，而依變項(一般稱為分組 變項)是非計量資料。本研究採用區別分析來檢驗集群分析結果的準確性，來驗證結果 是否恰當。

3.4.4 變異數分析

變異數分析(Analysis of Variance)簡稱ANOVA是用來檢定三個或三個以上群體資料 樣本帄均數的差異顯著性，也稱F統計法。ANOVA分析之F值如果大到顯著，表示組別 間至少有一對帄均數之間有顯著差異，但至於是哪兩組之間的差異，則無從得知，因此 必頇進一步進行事後分析。而事後比較分析的方法很多，常用者有杜氏法(Tukey)與雪費 法(Scheffe)二種，其中當各組人數不相等或想進行複雜的比較時，則使用Scheffe法較佳。

本研究在集群分析之後，利用變異數分析，分析不同 集群在投入資本報酬率 (ROIC)、股東權益報酬率(ROE)及市場價值(Market value)的差異，找出企業策略群組 間的績效與競爭優勢。

20