資料分析方法

壹、層級分析法(AHP)

當決策的選擇面臨選樣多並且考慮的因素又多的時候，無法靠著簡單的分析及經驗 法則來做出正確的決定，此時需要透過嚴謹的方法來協助做出決策，而層級分析法是由 美國著名的研究專家T.L.Saaty(1970)年代初所發展出來的一套決策方法，AHP是把一個 問題分解為一個樹枝狀的結構層級，並且建立有相互影響的階層結構，就可以在複雜的 問題上做出比較正確的決策，經過Saaty教授不斷的修正之後， Saaty(1980)將此一理論 完整的提出，層級分析法的應用相當的廣泛，目前在國外已應用於下列十三種決策問 題：

ㄧ、決定優先順序（Setting Priorities）。

二、產生可行方案（Generating a Set of Alternatives）。

三、選擇最佳方案（Choosing the Best Policy Alternative）。

四、決定需要條件（Determining Requirements）。

五、根據成本效益分析制定決策（Making Decision Using Benetits and Costs）。

六、資源分配（Allocating Resources）。

七、預測結果－風險評估（Predicting Outcomes-Risk Assessment）。

八、衡量績效（Measuring Performance）。

九、系統設計（Designing a System）。

十、確保系統穩定性（Ensuring System Stability）。

十ㄧ、最適化（Optimizing）。

十二、規劃（Planning）。

十三、衝突解決（Conflict Resolution）。 comparison matrix），矩陣下的三角形為上三角型之倒數，即aij＝1/aji，因此當結構 中含有N個要素時，僅需進行N（N-1）/2次的成對比較，即可求得完整矩陣，其架構 A_ij:為兩兩要素間之比值；ij=1,2,3…,n

A :為正倒值矩陣此矩陣有下列特性: a_ij 1/a_ji及a_ik a a_{ij jk}

表3.1 AHP評估尺度意義及說明

三、計算特徵值與特徵向量:矩陣完成後，可由特徵值（Eigen value）及其對應之特徵 向量值或優勢向量（Priority Vector），因而獲得各層級要素對於最高層目標的權重及 優先順序。

四、一致性檢定:由於決策者在進行成對比較時，主觀或層級因素過多等因素亦造成 前後準則的不一致，因此需透過檢定求得一致性指標（Consistence Index）、一致性比 率（Consistence Ratio），以確保其結果的真實性，也就是問卷的信度，若C.I.≦0.1，

表示決策者在建立成對比較矩陣時，此成對比較矩陣具一致性，其公式表示如下:

當 C.I.=0 時，則表示決策者前後判斷具一致性，C.I.之值越小表示一致性越高，Saaty 建議C I. .0.1時，為可接受之偏誤，C.R.亦同

(3-3) (3-2)

表3.2 隨機指標值表

階數 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

R.I. 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.58

資料來源:Saaty(1980)

本研究實施AHP層級分析法流程是依據下列流程:

圖3.2 層級分析法流程圖 資料來源:鄧振源、曾國雄(1989)

貳、因素路徑分析

路徑分析（path analysis）是一種將變項關係以模型化（modeling）的方式來進行分 析的一種統計技術，路徑分析的概念最初由遺傳學家Sewall Wright於1921年所提出，至 1960年代才廣泛受到重視，路徑分析由一系列的迴歸分析所組成，透過假設性的架構，

將不同的方程式加以組合，形成結構化的模式，以SPSS或SAS等軟體進行多次迴歸即可 完成模型參數的估計，稱為迴歸取向（regression approach）的路徑分析，自結構方程模 式（Structural Equation Modeling）發展以來，路徑分析已經逐漸改由LISREL、EQS、

AMOS、MPLUS等SEM軟體來處理，稱為結構方程模式取向（SEM approach）的路徑分 析，其主要特色是可以利用變數間的共變異情形，同時（simultaneously）估計模型當中 所有的參數，過程中可以把用以估計潛在變項（latent variable）的因素分析技術融合在 路徑模型中，配合研究者所提出的特定假設模型或競爭模型，來檢驗理論模型與觀察資 料的適切性，找出最佳的模型，近年來此種帶有潛在變項的路徑分析（path analysis with latent variable）或一般結構方程模式（general structural equation modeling）深受社會科 學領域的關注，成為當代最重要的統計方法之一。

本研究的題目皆是以Likert七點量表來作答，非常好得七分，大致好得六分、有點 好得五分、普通得四分、有點不好三分、大致不好得二分、非常不好得一分，所有的組 合變項的分數皆以題目分數加總除以題數作為計算方式。

参、基本敘述統計分析

將問卷基本對象資料，如:公司屬性、公司規模、公司人數、服務部門，做一個分類 並以敘述統計描述，例如:平均數及標準差，使研究對象的內容涵蓋範圍更清楚。