資料分析方法

本研究使用SPSS與LISREL等統計分析軟體進行分析，主要分析方法包括敘述性 統計、T檢定、變異數分析、信度與效度、結構方程模式(Structural Equation Model, SEM)等，茲分別敘述如下：

(一) 敘述性統計

對於本研究回收問卷之受訪者基本資料，應用敘述性統計瞭解數據在各分組內 散佈狀況以說明樣本資料結構，本研究將兩岸遊客基本資料的部分以次數分配瞭解 受訪者之分佈情形。 例如本研究問卷中之性別、年齡、教育程度、職業、月收入、

旅遊次數、同遊對象、旅遊資訊來源、旅遊目的作一概略呈現分佈情形。

(二)t 檢定

用以評估兩群樣本平均數間之差異是否顯著。本研究使用獨立樣本t檢定，來檢 測遊客基本資料中性別。分析不同性別對於旅遊動機、旅遊意象、遊客滿意度與目 的地忠誠度的偏好差異，檢視兩者差異是否達到顯著。若分析結果有達顯著性，則 比較其平均數。

(三)變異數分析

主要用以提供以自變數(X)預測或瞭解 1 個依變數(Y)之平均數是否具有顯著差 異，本研究藉由單因子變異數分析來檢定遊客基本資料中三個選項以上之題項對本 研究各構面評價之差異情形，例如本研究問卷中不同個人背景變項(年齡、教育程 度、職業、月收入、旅遊次數等)對各構面是否具有顯著差異，並針對有差異類別進 行 Scheffe 事後檢定，Scheffe 法係由於其適用於各分群樣本數不相等時，犯型一誤 差機率最小，為最嚴謹的多重比較法。

(四)信、效度分析

信度是指一個測量工具包含「變數誤差」的程度，主要是衡量工具之正確性與 準確性，包括測驗結果的穩定性與一致性，在設計一套評價量表後，為瞭解問卷之 可靠性及有效性，通常得進行信度分析。一般的問卷調查中的選項若屬多重計分選 項的方式，則採用探索性因素分析，使用Cronbach’s α信度來計算問卷題項間之內 部一致性。Nunnally(1978)指出最常見的Cronbach’s α信度範圍為0.5~0.7，大於0.7 者為高信度，小於0.3者為低信度，表示Cronbach’s α值越大，顯示構面內各題項之 間的相關性越大，也尌是說內部一致性越高。若問卷為結構式問卷則採用驗證性因 素分析，探討變數的組成信度(Composite reliability, CR)其能衡量測量變數對因素構 面信度的組成，表示構面中指標的內部一致性。Fornell and Larcker(1981)建議結構信 度值需大於0.6以上，測量變數才能測出該潛在變項。

效度是指一個經驗的測量，反應出概念之真實意義，有高的效度即代表問卷的 內容具相當高的代表性，即調查量表能真正衡量本身欲測量問題特性的程度。本研 究欲檢驗問卷量表能測量到理論上的構面的程度，即構面是否能真實反映出實際情 形。利用建構效度(Construct Validity)的收斂效度(Convergent Validity)與區別效度 (Discriminant Validity)來衡量工具能測量到理論上特質的程度。收斂效度是指以不同 方式衡量同一構面或研究變數之相關性，以各觀察變項之潛在變項其因素負荷量(λ) 檢視，其建議達0.3以上，若有達到其標準值表示每個潛在變項之各觀察變項間具有 收斂效度；區別效度是指相同構面的所有項目，彼此之間的相關性要高，由各觀察

之潛在變項的平均變異抽取量(Average Variance extracted, AVE)其值評估潛在變數，

AVE值高表示潛在變數間具有高區別效度，其建議值在0.5以上。

(五)結構方程模式(SEM)

結構方程模式(Structural Equation Modeling, SEM，以下簡稱為SEM)是一種處理 因果關係模式的統計方法，以迴歸為基礎的多變量技術並結合徑路分析，其屬驗證 性實證研究的資料分析法，其目的是探究變數間的影響關係以驗證路徑假設與理 論，因此在使用驗證性研究方法時，研究所提出的架構必頇具備理論基礎，由理論 來引導研究展開。SEM 是結合測量模式(measure model)與結構模式(structural model) 的統計方法，分別探討不同變項間關係，測量模式可以說是傳統因素分析的一種技 術轉換，用以表示模型中潛在外衍變項或潛在內衍變項與其觀察變項間關係的方程 式。而結構模式尌是路徑分析的一種應用，用以表示模型中潛在變項間關係的方程 式，屬於路徑分析的統計概念，意在探討各變項間之因果關係。因此，SEM 是因素 分析與路徑分析的一種統合技術。

本研究利用LISREL軟體來驗證路徑假設與理論，分析兩岸遊客旅遊動機、旅遊 意象、滿意度與對國家風景區忠誠度四者因果關係且評鑑整體模式之適合度。在模 式適合度評鑑中，各變項間的因果關係分析必頇建立於符合模式適合度的基礎上才 具意義，但模式的評鑑是以各個不同角度來衡量，因此需參照多種指標來做合理判 斷。模式配適指標分為絕對配適量測、增值配適量測與簡效配適量測，如表10所示，

最常見的卡方值、GFI 值、AGFI 值、RMR 值、NFI值、NNFI 值與CFI 值等各項 模式適合度指標來評估，可接受範圍與指標意義如下所示：1. 卡方值/自由度:卡方 值常隨著樣本數而波動，樣本數很大則幾乎所有模式都可能被拒絕，因此還必頇參 考其他指標做判斷。一般卡方值與自由度之比值以不超過3為佳。2. 卡方值之P值:

目的在檢定觀察值與理論值之變異數共變數矩陣是否相等的假設，P 值大於或等於 0.05可接受。3. GFI 值：介於0~1間，意義類似迴歸中的R²，用於檢測理論模式的變 異數及共變異數可以解釋觀察變數的變異數及共變異數程度，但容易受樣本數影

響，0.9以上可接受。4. AGFI值：意義類似GFI 值，但較不受樣本數多寡而影響，

0.8以上可接受。5. RMR值：是適配殘差變異數/共變數之平均值的平方根，反映的 是殘差的大小，小於0.05可接受。6. NFI 值：藉由理論模式對底線模式的改進程度 大小，0.9以上可接受。7. NNFI 值：為對NFI 值做自由度之調整，0.9以上可接受。

8. CFI 值：為非集中之卡方分配，0.9以上可接受。因此本研究第四章資料分析與討 論即以上述分析方法來實證分析結果來探討兩岸遊客對國家風景區之旅遊偏向。

表10

配適度指標

指標型態 配適指標 建議值

絕對性配適指標 χ²(Chi-square) 愈小愈好

χ2/d.f.(卡方值自由度比) <5

適合性指標 GFI(配適度指標) ≧0.8

AGFI(調整後配適度指標) ≧0.8

RMSEA(漸進性誤差均方根) ≦0.1

增值性指標 NFI(基準配適度指標) ≧0.9

NNFI(飛基準配適度指標=TLI) ≧0.9

CFI(比較配適度指標) ≧0.9

IFI(增值配適指標) ≧0.9

RFI(相對配適指標) ≧0.9

簡效性指標 PNFI(簡效規範適配指標) ≧0.5

PGFI(簡效良性配適指標) ≧0.5