本研究是使用 SPSS18.0 以及 AMOSE18.0 統計套裝軟體進行資料分析與檢 定,主要使用的統計分析方式如下:
一、 敘述性統計之樣本分析
我們的研究進行敘述性統計分析是利用次數分配(Frequency distribution)來進行 樣本資料之人口統計變數方面的分析,藉以描述樣本資料分布狀況,包含性別、
年齡、教育程度、職業以及月所得。然後再計算問卷各問項之平均數(Mean)與 標準差(Standard deviation)來瞭解受測者們對每個問項之態度傾向以及資料分布 之情形。平均數是衡量資料集中量數(Central measures)中最常見的方式,數值越 高代表受測者對該衡量問項之認同度也越高,計算方式詳見公式 3-1;標準差是 衡量資料的離散量數(Dispersion measures)中最常見的方式,該數值越小則表示受 測者對該問項之看法差異越小,也就是說受測者對該問項之看法較一致,計算 方式詳見公式 3-2。
𝜒̅ =1
𝑛∑𝑖=1𝑛 𝑋𝑖
公式 3-1:算術平均數公式 註: n 為樣本資料個數。
29
SD = √ 1
𝑛 − 1∑𝑖=1𝑛 (𝑋𝑖− 𝑋̅)2 公式 3-2:標準差公式
註: n 為樣本資料個數;n-1 為自由度;𝑋̅為樣本計算平均數。
二、 信度(Reliability)與效度(Validity)分析
本研究採用驗證性因素分析來檢驗問卷之構面信度(Composite Reliability)、
內 容 效 度 (Content Validity) 、 收 斂 效 度 (Convergent Validity) 以 及 區 別 效 度 (Discriminant Validity)。
信度分析的部分是採用計算 Cronbach α係數來檢測問卷中各構面是否具有 可靠性與一致性,一般大於 0.7 即代表有可靠性與一致性(Nunnally,1978),計 算的方式如公式 3-3 所示,參考標準詳見表 3-4。
α = 𝑛
𝑛 − 1[1 −∑𝑠𝑖2 𝑆𝐻2 ]
註:𝑆𝑖2表示第 i 個問項𝑋𝑖的變異數;𝑆𝐻2表示所有問項的總和(H=𝑋1+ 𝑋2+ 𝑋3+
⋯ . +𝑋𝑛)的變異數(即整份測驗分數的變異數);n 是問項個數。
公式:3-3: Cronbach α係數公式 資料來源:陳順宇(2005)
30
表 3-4:Cronbach α係數參考指標
Cronbach α係數 評定標準
Cronbach α< 0.3 不可信 0.3 ≤ Cronbach α < 0.4 免強可信 0.4 ≤ Cronbach α < 0.5 稍微可信 0.5 ≤ Cronbach α < 0.7 可信 0.7 ≤ Cronbach α < 0.9 很可信
0.9 ≤ Cronbach α 十分可信 資料來源:吳統雄(1990)
本研究也使用組成信度(CR 值)來檢測問卷中各構面之信度的組成品質,
Hair et al.(1998)指出,CR 值可接受門檻為大於 0.7,Fornell and Larcker(1981)則認 為一般 CR 值大於 0.6 即可接受,計算方式有如公式 3-4 所示,而個別問項之信 度的評估準則為𝑅2必須大於 0.4,因素負荷量必須大於 0.5,並且因素負荷量要 具有顯著性才可(Bagozzi and Yi,1988)。
CR = (∑𝑖=1𝑛 𝐿𝑖)2 (∑𝑖=1𝑛 𝐿𝑖)2+ (∑𝑖=1𝑛 𝑒𝑖)
註: ∑𝑖=1𝑛 𝐿𝑖為標準化因素負荷量之總和;∑𝑖=1𝑛 𝑒𝑖為各測量變數的誤差之總和 公式:3-4 組成信度公式
資料來源:張偉豪(2011)
效度分析的部分,內容效度是參考專業學者們至實證研究之問卷內容;收 斂效度是採用平均變異數萃取量(Average variance extractedAVE 值)來檢驗問卷中 各構面之問項是否具有收斂效度,Fornell and Larcker(1981)認為,理想上 AVE 值 應大於 0.5,計算方式如公式 3-5 所示;而區別效度是採用當平均變異數萃取量 (AVE 值)之平方根值(對角線部分)若大於各構面相關係數時(下三角部分),則代 表具有區別效度(Fornell and Larcker,1981),詳見表 3-5。
31
AVE = ∑𝑖=1𝑛 𝐿2𝑖
∑𝑖=1𝑛 𝐿2𝑖 + (∑𝑖=1𝑛 𝑒𝑖)
註: ∑𝑖=1𝑛 𝐿𝑖為標準化因素負荷量之總和;∑𝑖=1𝑛 𝑒𝑖為各測量變數的誤差之總和 公式 3-5:平均變異數萃取量公式
資料來源:張偉豪(2011)
表 3-5:區別效度參考標準
變數一 變數二 變數三
變數一 √𝐴𝑉𝐸
變數二 相關係數 √𝐴𝑉𝐸
變數三 相關係數 相關係數 √𝐴𝑉𝐸
註:AVE 值開根號之值必須大於下方欄位與左方欄位之值。
資料來源:張偉豪(2011)
三、 獨立樣本 T 檢定與單因子變異數分析(One-way ANOVA)
本研究是使用獨立樣本 T 檢定來檢測不同性別之受測者對於領導力品牌、
品牌態度以及品牌忠誠度各衡量構面的認知上是否會有差異。以及也使用單因 子變異數分析來檢測不同年齡、不同職業、不同教育程度以及不同月所得之受 測者對於對於領導力品牌、品牌態度以及品牌忠誠度各衡量構面的認知上是否 會有差異,並且當單因子變異數分析結果呈現顯著時,我們在近一步使用 Tukey 事後多重比較來了解其差異。常見的事後檢定有 LSD、Scheffe 法、Tukey 法等等,其中樣本數小於 50 時適合用 LSD;當樣本數介於 150~300 時適合使用 Tukey 法;當樣本數大於 300 時適合用 Scheffe 法。獨立樣本 T 檢定公式詳見 3-6;
單因子變異數分析公式詳見 3-7。
32
註:SSB 為組間平方和;SSE 為組內(誤差)平方和;MSB 為組間均方和;MSE 為組內(誤差)均方和;k-1、k(n-1)為自由度
公式 3-7:單因子變異數 F 檢定公式 資料來源:江建良(2008)
四、 皮爾森相關係數分析(皮爾森 Correlation Coefficient)
本研究利用皮爾森相關來探討領導力品牌、品牌態度以及品牌忠誠度三者 之間的關係強度。一班來說皮爾森相關係數值( r )介於-1~1 之間,越接近 1 代表 變數(構面)之間的相關程度越高;反之越接近 0 代表變數(構面)之間的相關程度 越低。相關係數值的高低與變數(構面)之間的關係強度之界定詳見表 3-6。公式 詳見 3-8。
33
表 3-6:皮爾森相關係數值
相關係數值( r ) 相關程度
1 完全正相關
|𝑟| > 0.7 高度相關
0.3 ≤ |𝑟| ≤ 0.7 中度相關
|𝑟| < 0.3 低度相關
0 零相關
-1 完全負相關
資料來源:江建良(2008)
r =𝐶𝑜𝑣𝑥𝑦 𝑆̂𝑥𝑆̂𝑦 =
∑(𝑋𝑖− 𝑋̅) − (𝑌𝑖 − 𝑌̅) 𝑛 − 1
√∑(𝑋𝑖 − 𝑋̅)2 𝑛 − 1
√∑(𝑌𝑖 − 𝑌̅)2 𝑛 − 1
= ∑(𝑋𝑖− 𝑋̅) − (𝑌𝑖 − 𝑌̅)
√∑(𝑋𝑖 − 𝑋̅)2√∑(𝑌𝑖 − 𝑌̅)2
註:n 為樣本總數;n-1 為自由度;𝐶𝑜𝑣𝑥𝑦為共變數;𝑆̂𝑥為 X 值之標準差;
𝑆̂𝑦為 Y 之標準差。
公式 3-8:皮爾森相關係數公式( r) 資料來源:江建良(2008)
五、 迴歸分析(Regression Analyion)
本研究是利用簡單迴歸(Simple regression)以及複迴歸(Multiple regression)來檢 驗各項假設,並研究線性關係上領導力品牌(自變數)、品牌態度(中介變數)以及 品牌忠誠度(依變數)三者之間的影響性,以及檢驗中介效果之強度,公式詳見 3-9 與 3-10。另外本研究也透過變異數膨脹因素(Variance Inflation Factor,VIF)與杜 賓-瓦特森值(Durbin-Watson Statistic,D-W 值)來檢驗各變數(構面)之間是否存在共 線性問題或誤差項之間是否存在自我相關。
34
𝑌̂ = 𝑎 + 𝑏𝑋
公式 3-9:簡單直線迴歸公式
𝑌̂ = 𝑎 + 𝑏1𝑋1+ 𝑏2𝑋2+ ⋯ + 𝑏𝑘𝑋𝑘 註:a 與 b 為迴歸係數;Y 為依變數;X 為自變數
公式 3-10:複迴歸直線公式 資料來源:江建良(2008)
六、 配適度與路徑分析(Test of goodness-of-fit and Path Analysis)
本研究是使用 AMOS 跑模型配適度分析,以及利用 SPSS 跑路徑分析,利 用這兩種方式來檢驗模型的配適度與領導力品牌、品牌態度以及品牌忠誠度三 項變數之間的直接效果、中介效果、與整體效果,以及檢驗自變數與依變數之 間的因果關係(Causal relationship)與互相影響的程度。
35
第肆章 實證結果
本章為本研究實證分析結果,總共分成以下 8 節來說明,第一節為敘述性 統計分析之樣本分析,第二節為信度與效度分析,第三節為獨立樣本 t 檢定與 單因子變異數分析,第四節為皮爾森相關係數分析,第五節為迴歸分析,第六 節為配適度分析與路徑分析,第七節為中介效果,第八節為實證結果彙整。