資料分析方法

  問卷調查所蒐集的資料，透過統計軟體 SPSS 22.0 版進行資料分析，包含：

基本資料的描述性統計、問卷效度與信度的分析以及假設驗證所需用到的統計分 析方法。

一、描述性統計（Descriptive statistics）

針對回收樣本的基本資料，使用次數分配、百分比、平均數和標準差等統計 量來描述資料分布情形，藉以瞭解樣本特性以及受訪者的分佈情形。

二、效度與信度分析

（一）效度分析（Validity analysis）

效度是指一個測量方法能夠測量出欲測目標特性的程度。本研究所採用的量 表是根據文獻以及各學者所提出的之量表加以彙整而成，再透過因素分析（Factor analysis）檢視量表的建構效度（construct validity）。因素分析的目的是將數個變 項，轉化成少數構面的概念來呈現資料的結構。使得各構面的內容差異最小，以 便於建構各構面中所包含的題項。本研究透過因素分析檢視各構面的題項，是否 需要刪除或保留，再進行後續的分析。此次研究使用 KMO 值以及 Bartlett 球 形檢定樣本是否適合進行因素分析。根據 Kaiser(1974) 提出的判斷觀點如下表 3-5：

表 3-5 KMO 值判斷標準

KMO 值 是否適合進行因素分析 0.90 以上 非常適合

0.80 以上 適合 0.70 以上 中等 0.60 以上 勉強 0.50 以上 不適合 0.50 以下 非常不適合

資料來源：Kaiser（1974）An Index of Factorial Simplicity

（二）信度分析（Reliability analysis）

信度是指量測結果是否具有一致性，用以檢視其數據可信賴的程度。信度分 析方法通常使用 Cronbach’s α 係數作為衡量的標準，α 值越高代表量表測得的 結果，在同一構面內在信度一致性高。吳明隆（2013）認為，分量表信度最好在 0.70以上，總量表信度最好在0.8以上，以便維持各問項間的一致性。

三、 Pearson 相關係數

相關係數在描述兩變數之間的關係，相關係數絕對值小於 0.4 為 『低度相 關』，相關係數絕對值介於 0.4～0.7 為『中度相關』，相關係數絕對值高於 0.7 為

『高度相關』。在本研究以 Pearson 相關係數來分析消費者創新性與創新認知屬 性，對於塑膠鈔票的使用意願是否有顯著相關。

四、迴歸分析（Regression Analysis）

迴歸分析的目的在於瞭解多個變項間的相關強度，解釋自變項對於依變項 的預測程度。本研究透過階層迴歸分析，在同時考量消費者創新性與創新認知 屬性的情況下，對於塑膠鈔票的使用意願影響程度。消費者創新性是否會受到創 新認知屬性的影響而對於使用意願的結果產生改變。

五、獨立樣本t檢定

在自變項為二分變數與間斷變項，依變項為連續變項時，可以使用獨立樣本 t檢定。本研究符合上述條件的人口統計變項為『性別』與『塑膠鈔票使用經驗』。 透過獨立樣本t檢定探討『性別』與『塑膠鈔票使用經驗』對於使用意願的影響 程度。

六、單因子變異數分析（one-way ANOVA）

在自變項為三分變數以上與間斷變項，依變項為連續變項時，可以使用單因 子變異數分析。本研究符合上述條件的人口統計變項為『年齡』、『教育程度』、『職 業』、『年所得』與『塑膠鈔票的認識程度』。透過單因子變異數分析來探討各變 項，對於塑膠鈔票使用意願的影響。