資料分析方法

本研究依檢視台灣美食觀光策略模式之研究目的，採用 SPSS 14.0 和 LISREL 8.80 統計套裝軟體進行統計分析處理。SPSS 14.0 主要用來進行敘述性統計分析、探索性因素分析，以及內部 一致性分析等；而 LISREL 8.80 主要用來進行驗證性因素分析，

用以確認建構之模式成立與否。詳細分析流程說明如下：

一、敘述性統計分析(descriptive statistics)

為了瞭解受訪者的樣本特性，本研究以次數分配、百分比、

平均數來描述樣本，並對各美食觀光策略指標計算出平均值和標 準差，前者用以瞭解每個指標的實際執行狀況，後者則用以瞭解 指標的差異性，若標準差愈小，代表受訪者有一致性的看法。

二、信度和效度分析(reliability and validity)

信度(reliability)係指測量結果的穩定性與一致性，本研究採 用 Cronbach 所創之 α 係數(Cronbach α)以檢視美食觀光策略指標 間的一致性。而所謂效度(validity)係指測驗量表內容或題目的適 切性與代表性，即測量內容能反映所要測量的心理特質，能否達 到測量到所要測驗的目的或行為構念(吳明隆，2006)。故本研究 亦同時進行建構信度(construct reliability)與聚合效度(convergent validity)之分析，檢驗美食觀光策略指標內容的適切性與代表性。

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

EFA 是一種利用數學方式進行資料縮減(data reduction)與資 料彙整(data summarization)的精簡方法，能找出資料的結構(Clark

& Watson, 1995)。換言之，EFA 乃是為了試圖找出潛在之變項、

或是因子，以解釋一群已觀察的變數之間的關聯樣式。此外，EFA 的目的主要探討潛在變項的因素結構與存在之形式，確立潛在變 項的因素效度，以協助研究者進行構念效度之檢驗。因此，本研 究針對「善用美食觀光資源」、「政府推動美食觀光之方針」、「推 廣美食文化產業」和「建構飲食文化與觀光的教育環境」等四個 構面之問項進行縮減、歸納，簡化成數個代表性的因素，以利後 續的分析研究。

四、驗證性因素分析(Confirmatory Factor Analysis, CFA)

依據相關學術理論可以在執行 CFA 時，決定特定共同因素 之間有相關性、決定特定觀察變數受特定共同因素所影響、決定 特定觀察變數有唯一性因素的影響、決定哪些配對唯一性因素之 間有相關性。換言之，CFA 具有理論檢驗的功能，用以確認先前

設計的指標構面是否與實際觀察資源之分佈相契合，意即理論模 式基礎是否成立(Jöreskog & Sörobm, 1993)。本研究在進行 EFA 後，進行高階 CFA 假設模式之驗證。

此外，在評估因素結構的適配度方面，CFA 提供了多項指標 作為評鑑的依據。Kline (2005)指出模型的整體適配評估在於了解 觀察資料與理論假設模型間的配合情形，可以說是一種模型的外 在品質檢定。其中，最主要的評估模型適配度的指標有四個(黃 芳銘，2004；Kline, 2005)：

(一)卡方模型(Model Chi-Square)

概度比率卡方考驗值(x )就是 T 統計的卡方值，亦被視為是² 一種差性適配(badness-of-fit)的指標，其所產生的統計數值在呈 現模型的不良表現，數值愈大表示模型的表現愈差。其中，規範 卡方(normed chi-square, NC)乃是將卡方值以自由度來加以調 整，這個指標主要評估不適當的模型之方式為：當模式值大於 2.0 或 3.0，較寛鬆的規定是 5.0，則表示模式尚未真實地反映觀 察資料，因此，模式仍須改進，雖並未完全修正了樣本數的影響，

卻已減少了影響的程度。

(二)近似誤差均方根(Root Mean Square Error of Approximate, RMSEA)

它是一種無需虛無模式的絕對性指標，亦是一種評估接近適 配(close fit)的指標。當 RMSEA 等於或小於 0.05 時，被視為是良 好適配(good fit)，但若大於 0.10 則表示不良適配。

(三)比較適配指標(Comparative Fit Index, CFI)

其目的是企圖克服規範適配指標(normed fit index, NFI)在套 層模式(nested model)上所產生的缺失。然而，即使在小樣本之

下，CFI 對模式適配的評估表現依然相當好，實際上，對 CFI 而 言，由於虛無模式的影響，而使得其在做驗證分析時，仍存有某 些問題。因此，CFI 似乎比較適用於探測性的情境下。CFI 的值 介於 0 與 1 之間，其值愈大，表示模式適配愈好，要判斷模式是 否可以接受時，CFI 值通常在 0.9 以上。

(四)標準化均方根殘差(Standardized Root Mean Square Residual, SRMR)

其為平均殘差共變標準化的總和。由於殘差受到尺度的影 響，無法決定其大小，所以改用相關矩陣來衍生公式。SRMR 值 的範在 0 與 1 之間，當模式獲得完美的適配時，SRMR 值為 0。

值愈大代表模式適配愈差，而模式獲得接受的 SRMR 值為小於 1。