本 研 究 根 據 研 究 目 的 之 需 要 ， 使 用 SPSS 20.0 (Statistical Package for the SocialScience ) for Windows 之統計套裝軟體作為資料分析工具，並分別採用以下各 分析方法進行本研究之實證分析，包括：敘述性統計、信度分析、效度分析、皮爾 森積差相關分析、雙因子變異數分析、多變量變異數分析、階層多元迴歸。本研究 將主要統計分析方法敘述如下：
一、 敘述性統計 (Descriptive Statistics)
本研究以次數分配、百分比、帄均數、標準差及交叉表等方法，描述樣本基本 資料分配情況，藉以瞭解樣本的結構與分佈情形。
二、 信度分析 (Reliability Analysis)
信度即可靠度，信度是指對同一群或相似的母體重複進行調查或測驗，其所得 結果相互一致之程度。本研究依 Nunnally 與 Bemstein (1994) 建議之 Cronbach’s α
係數大於 0.7 為臨界值，以作為衡量知覺價值、信任傾向及購買意願量表之信度的 依據。
表 3-6-1
Cronbach's α 與信度表
資料來源：Nunnally 與 Bemstein (1994)
三、 效度分析 (Validity Analysis)
所謂「效度」係指變項的衡量能夠確實測出研究者所測量對象的程度。本研究 使用因素分析來進行效度的驗證，將一群聚有共同特性的測量分數，分離出背後的 統計構念，以簡化測量的內容。本研究依 Duhachek (2005) 建議之因素萃取方式以 主成份分析法進行，並採用正交轉軸的最大變異法 (Varimax)，選取特徵值大於 1 的 因素，並以± 0.50 以上的轉軸後因素負荷量絕對值為選擇標準，並作為判斷知覺價 值、信任傾向及購買意願量表是否具有效度的依據。
四、 皮爾森積差相關分析 (Pearson’s Correlation Analysis)
相關係數為標準化係數，介於± 1 之間，正負號表示相關的方向，正相關表示 線性相關斜率為正，負相關則表示線性相關的斜率為負。本研究運用此方法分析本 研究的自變項之「Facebook 粉絲團人數」、「限量團購折價券數量」、「信任傾向」、
中介變項之「知覺價值」、依變項之「購買意願」因素間之相關高低程度。邱皓政 (2010) 提出相關係數的強度大小與意義準則，如表 3-6-2 所示。
表 3-6-2
相關係數的強度大小與意義表
相關係數範圍 (絕對值) 變項關聯程度
1.00 完全相關
.70至.99 高度相關
(續下頁) Cronbach's α 係數範圍 信度判定
Cronbach's α > 0.70 高性度 0.35 < Cronbach's α ≤ 0.70 中信度 Cronbach's α ≤ 0.35 低信度
表 3-6-2
相關係數的強度大小與意義表 (續)
相關係數範圍 (絕對值) 變項關聯程度
.40至.69 中度相關
.10至.39 低度相關
.10以下 微弱或無相關
資料來源：邱皓政 (2010)
五、 雙因子變異數分析 (Two-way ANOVA Analysis)
本研究以雙因子變異數分析來了解自變項對依變項的主要關係及交互關係，所 以本研究運用此方法分析粉絲人數與限量團購折價券數量對購買意願是否有顯著差 異。
六、 多變量變異數分析 (Multivariate Analysis of Variance, MANOVA)
多變量變異數分析可以提供自變項對依變項的主要效果及交互效果的分析外，
且可以進一步同時考驗ｋ組間在兩個以上依變項上的形心 (Centoid) 是否有差異。
本研究運用此方法分析粉絲人數、限量團購折價券數量與信任傾向對知覺價值是否 有顯著差異。
七、 階層多元迴歸 (Hierarchical Multiple Regression)
主要是探究不同區組 (Block) 的自變項對依變項的影響，以得知不同區組自變 項與依變項的關係。使用時機是當預測變項已經被確認對某個主變項有相關時，便 可將這些預測變項同時投入迴歸模式中，藉此了解預測變項對依變項的解釋力。
本研究的中介變項以四個步驟進行對購買意願影響之階層迴歸：模式一：以「請 問您喜歡吃美式食物嗎?」、「你喜歡吃漢堡嘛?」與「請問您喜歡使用 Facebook 嗎?」
作控制變項；模式二：除了控制變項，並加入「Facebook 粉絲團人數」、「限量團購 折價券數量」及「信任傾向」作為自變項；模式三：包含模式一、二外，並加入自 變項之交互作用；模式四：除了包含模式一、二及三，並加入知覺價值，藉以探討 不同層次之自變項對購買意願之影響情形，並了解知覺價值對 Facebook 粉絲團人數、
限量團購折價券數量及信任傾向與購買意願是否具有中介效果。