第三章 研究方法
第四節 資料分析方法
本研究依據研究目的之需要，運用 SPSS19.0 (Statistical Package for the Social 版 Science) for windows 與 Amos19.0 之套裝軟體作為資料分析工具，分別採用以下 各分析方法進行研究實證之分析，研究方法包括：描述性統計、信度分析、效度分 析、多變量變異數分析、結構方程式分析。本研究主要統計分析方法如下述：
一、 SPSS 工具分析項目
(一) 描述性統計(descriptive statistics analysis)
本研究以次數分配與百分比統計量表進行分析，以描述受訪者基本資料分配情 況，說明樣本之特性。
(二) 信度分析（reliability analysis）
潘慧玲 (2006)信度是指一個測驗在重複地施測後能否獲得近乎一樣的結果，以 及測驗結果的一致性與穩定性。因此本研究檢測「休閒效益」、「主觀規範」、「知覺 行為控制」、「行為意圖」、「享樂價值」這五個量表的信度。同時本研究亦採用 Cronbach α 值來加以判別，依據 Nunnally (1978) 及 Churchill 和 Peter (1984) 所提 出的標準，Cronbach α 至少要大於.50，若大於.70 則代表量表具有良好的內部一致 性。周文賢(2002)曾提出 Cronbach α 係數的判斷準則，如表 3-4-1 所示。
表 3-4-1 Cronbach α 與信度表
Cronbach α 係數範圍 信度判斷
Cronbach α＞0.70 高信度
0.35＜Cronbach α≦0.70 中信度
Cronbach α≦0.35 低信度
資料來源：周文賢(2002)
(三) 因素分析(Factor Analysis)
透過因素分析以瞭解問題之建構效度。本研究採取因素萃取以主成份分析進行，
並採用正交轉抽的最大變異法(varimax)，保留特徵值(eigen value)大於 1 的因素，並 以±0.40 以上的轉軸後因素負荷量絕對值為選擇標準 (Duhachek, 2005; Tatham &
Anderson, 1998)，以檢測本研究「休閒效益」、「主觀規範」、「知覺行為控制」、「行 為意圖」、「享樂價值」這五個量表之效度。
(四) 多變量變異數分析 (Multivariate Analysis of Variance, MANOVA)
多變量變異分析在概念上是單變量變異數分析的擴展，除了可以提供自變項對 依變項的主要效果及交互效果的分析外，還可以進一步同時考驗 k 組間在兩個以上 依變項上的形心 (centroid) 是否差異。本研究運用此方法分析本研究運用此方法分 析人口變項與各構面間是否有顯著差異。
(五) 相關係數分析 (Correlation Analysis)
林清山 (1992)相關係數是代表兩個變數之間的關係密切與否的程度，代表相關 係數之符號是英文字母小寫 r。r 係數的範圍在＋1.00 至－1.00 之間，包括完全正相 關、正相關、零相關、負相關、完全負相關。本研究運用此方法分析業者和消費者 之間認知的成功關鍵因素之相關高低。下表 4-3-1 列出丘皓政 (2007)提出相關係數 的強度大小和意義標準。
表 3-4-2 相關係數的強度大小和意義標準
相關係數範圍 (絕對值) 變項關聯程度
1.00 完全相關
.70 至.99 高度相關
.40 至.69 中度相關
.10 至.39 低度相關
.10 以下 微弱或無相關
資料來源：邱皓政 (2007)
二、 AMOS 工具分析項目
結構方程式 (structural equation modeling, SEM) 是一種用來處理因果關係模型 的統計方法 (程炳林；陳正昌，2009)。邱皓政 (2003) SEM 可以看作為不同的統計 技術與研究方法的綜合體，它也可以進行路徑分析 (path analysis)、因素分析、迴歸 分析及變異數分析。也以不同的名稱存在如潛在變項結構模型 (latent variable structural modeling)、線性結構關係模型 (linear structural relations model)、共變數結 構模型 (covariance structure model) 無論是用何種名稱，這些分析技術具有一些基 本的共同特質，如下說明。
1. SEM 具有理論先驗性，必須建立在一定的立論基礎上，亦即是一種驗證性 而非探索性的統計方法。
2. SEM 同時處理測量與分析問題，不僅可以顧及過程當中的誤差，也可以用 來評估測量的信度與效度。
3. SEM 以共變數的運用為核心，亦可處理平均數估計。
4. SEM 適用於大樣本之分析，低於 100 份的樣本數的 SEM 分析是不穩定的，
一般而言，大於 200 以上的樣本，才可以稱得上是一個中型的樣本。
5. SEM 包含了許多不同的統計技術，以共變關係為主要內容，結合因素分析 和路徑分析，使用一般線性模型分析技術整合。
6. SEM 重視多重統計指標的運用，顯示了 SEM 的優勢是在於整體層次而非 個別或微視的層次。
本研究在經過理論性發展、模型設定、模型辨識、估計與評鑑等循環程序 後，即可得到契合實證資料的模型，同時進行結構係數和變項效果的討論，步 驟如下圖 3-4-1 所示。整體模型的評估或契合度指標將依據卡方檢定(χ2 test)、p 值、卡方自由度比(χ2/df)、適配度 (goodness of fit index, GFI)作為評鑑依據以檢 測本研究假設一至假設九。
圖 3-4-1 結構方程式的基本程序
資料來源：邱皓政，2003；陳寬裕和王正華，2010
(一) 模型發展階段
模型發展階段主要在於以理論為基礎，以推演出符合研究者所關切的議題的理 論模型，並使這理論模型能夠符合結構方程模型的技術要求。此部份包含了理論性 發展、模型設定、模型辨識三個步驟。理論模型的建立必須經過觀念的釐清、文獻 探討與分析、推導研究假設等過程，以作為模型辨識時的依據。
理論性發展
模型設定
模型辨識
抽樣與測量
參數估計
模型契合度 模型修飾
討論與結論 模型發展階段
估計與評鑑階段
(二) 模型評鑑階段
此階段為根據介定的指標取抽樣與測量，以便得到實際的樣本資料來檢驗所提 出的理論模型的適用性。將所有的資料進行處理後，輸入至結構方程模型的分析工 具中，便可以進行模型的適配度檢驗，同時求得各種參數值估計值。參數的估計值 是具有合理的取值範圍，如變異數為負值、相關係數的絕對至大於 1 等，皆屬於背 離的情形。簡言之，SEM 即是以觀察變項的共變數矩陣參數的函數進行運算，到出 特定的參數，以進行整體模型的評鑑與分析（陳寬裕和王正華，2010）
(三) 適配度檢定
依據參數估計的結果，進行各種適配度指標的比較與檢驗，以從中判斷理論建 構的模型與實際資料結構之間的配適程度 (model-data fit) 結構方程式模型的整體 模型適配度是用來評量整個模型與觀察資料的適配程度，以瞭解實證結果是否與理 論模型相符，藉由 AMOS 19 輸出的模型指標作為整體的驗證以下分別敘述主要評 鑑標準，分述如下：
1. 卡方考驗
卡方值(χ2)的 p 值大於.05，即表示模型具有解釋力。當卡方自由度比(χ2/df) 小於 2 時，表是模型具有理想的契合度 (邱皓政, 2003; Carmines & Mclver, 1981)，
2. 適配度指數 (Goodness of Fit Index, GFI) 與調整後適配度指數(Adjusted Goodness of Fit Index, AGFI)
GFI 類似於迴歸分析當中的可解釋變異量 (R2)，表示假設模型可以解釋觀 察資料的變異數與共變數的比例。而 AGFI 則類似於迴歸分析中的調整後可解 釋變異量 (adjusted R2) (邱皓政, 2003; Tanaka & Huba, 1989)。若此二指數越接
近 1 表示整體適配度高及模型解釋能力越高；相對的，指數越接近 0 則表示解 釋能力越低。Hu and Bentler (1999) 一般大於 0.90 即可視為具有理想的契合度。
3. 增值適配指數 (Normed Fit Index, NFI) 與 (Incremental Fit Index, IFI)
NFI 和 IFI 都是以理論模型的 χ2值或自由度和基準線模型 (獨立模型) 的值 或自由度相比較而來，可視為是某一個假設模型比其最糟糕模型的改善情形。
(邱皓政, 2003；李茂能，2006; Bentler & Bonnet, 1980)。NFI 和 IFI 一般都會介 於 0 至 1 間，數值越大表示契合度越佳，同時係數大於.90 才可視為具有理想的 契合度 (Bentler & Bonnet, 1980; Hu & Bentler 1999)。
4. 平均概似平方誤根係數 (root mean square error of approximation, RMSEA)
RMSEA 是用來作為對模型適合度的母群推估考驗，不受樣本數與模型複雜 度的影響 (邱皓政，2003)。指數越小，表是模型契合度越理想，Hu and Bentler (1999) 建議指數低於.06 可以視為是一個好模型，Browne and Cudeck (1993) 則 建議值在.05 以下表示適配性最佳，在.05~.08 之間適配性尚可 (MacCallum, Browne & Sugawara, 1996)，而在.10 以上則表示適配性差。
5. 比較適配指標(comparative- fit index, CFI)
CFI 反應了假設模型與無任何共變關係的獨立模型差異程度的量數，也考 慮到被檢驗模型與中央卡方分配的離散性 (Bentler, 1992)。CFI 一般都會介於 0 至 1 間，值高於.90 則表示可接受的模型配適度。
6. 殘差均方根指數 (root mean square residual, RMR)
RMR 是反應理論假設模型的整體殘差。由於 RMR 值是基於為標準化殘差 之所計算出來的，其數值沒有標準化的特性，所以其值越小表示模型越能契合
觀察值。
7. R 平方值 (R squares, R2)
R 平方值的涵義與迴歸分析中的涵義相同，室表示預測變項可以預測到效 標變項的變異數的百分比。因此研究者交期望有較高的 R 平方值。