第三章 研究方法
第四節 資料蒐集與統計分析方法
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
第四節 資料蒐集與統計分析方法 一、 資料收集方法
(一)、量化研究方法：問卷調查法
本研究以台北世界設計大展中的「設計交鋒展」為研究個案，凡至「設 計交鋒展」參訪過的民眾皆為研究對象，因此將對其進行問卷收集。前測問卷會 針對 25 位參訪過「設計交鋒展」的民眾進行施測，施測結果透過因素分析後，
進行修改；正式問卷會於「設計交鋒展」展期間至現場收集，預計發放 800 份問 卷，不足數以網路問卷(mySurvey 及 BBS 平台)做補替。
前測問卷自民國一百年十月二十日至一百年十月二十五日為期五日，透過非 隨機抽樣之立意抽樣，尋找 25 位參觀過「2011 台北世界設計大展的設計交鋒展」
展館進行問卷調查。問卷回收後刪除與研究範圍及對象不符的廢卷，並檢定問卷 信度及是否可進行因素分析。透過因素分析及信度檢定後，加上本問卷以現場問 卷回收為主，過多題項容易造成現場受試者感到不耐而隨意作答或拒絕作答，故 合併及刪除不必要的問項後，最後形成正式問卷所有構面題項共 63 題。
正式問卷自民國一百年十月二十八日至民國一百年十一月三十日，透過兩種 方式進行正式問卷調查，共計回收 847 份問卷，其中 404 份為透過網路方式蒐集，
443 份則在台北世界設計大展-設計交鋒展展館門口做現場問卷調查。847 份問卷 經由進一步刪除不符合規定的填答者後，有效問卷共有 808 份。
(二)、質化研究方法：深度訪談法
本研究除了使用問卷調查法外，同時使用深度訪談法來彌補量化統計研究的 不足。預計訪問六位在「2011 台北世界設計大展的設計交鋒展」展期間參觀的 民眾進行深度訪談，希望藉此為日後舉辦大型展覽的業者或主辦單位，找出更具 體的行銷策略。
由於本研究在進行統計分析後，發現性別、婚姻及居住地等人口統計變項與 各變項間並無顯著正向關係，而教育程度、職業及月收入等人口變項則與各變項 有顯著正向關係。故本研究在進行深度訪談時，盡量挑選不同職業(月收入)及教 育程度的受訪者，期望能補充量化研究分析不足。訪談進行時，本研究已訪談前 預先擬定之訪談大綱逐一詢問受訪者意見，並針對部分問題做細部了解，詳實記 錄受訪者意見。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61
二、 統計分析方法
(一)、描述性統計
描述性統計可幫助分析樣本資料的基本特質，包含了所有相關資料的蒐集與 陳述，藉以獲取有訊息的方法。為了分析所收集到的資料特性，透過次數分配表、
平均數、變異數、標準差等指標以對資料做整體性的描述概念，其中，平均數值 越高，受試者月同意該問項；標準差數值越高，則代表受試者對該問項意見越分 散。
(二)、因素分析
因素分析的主要目的是對資料找出其結構，以少數幾個因素來解釋一群相互 有關係存在的變數，且能到保有原來最多的資訊，再對找出因素的進行其命名，
如此方可達到因素分析的兩大目標：資料簡化和摘要。進行因素分析前，預先利 用 KMO 值及 Bartlett’s 球型檢定來判斷是否可以進行。KMO 值大於 0.8 時，表 示很好(meritorious)，資料非常適合因素分析；KMO 值介於 0.7-0.8 間時為中等 (middling)，資料可以進行因素分析；KMO 值介於 0.6-0.7 間時為普通(mediocre)，
但 KMO 值若小於或等於 0.5 時，表示資料無法被接受(unacceptable)，且無法進 行因素分析。而篩選標準為，因素特徵值須大於 1；進行因素轉軸後，因素負荷 量的絕對值應大於 0.6，且最大與次大因素負荷量相減必須大於 0.3，否則表示問 卷設計不良而造成數據誤差。最後檢視共同性數值是否大於 0.5，及轉軸後累積 解釋總變異量是否大於 60%，以判定研究是否具有高可信度以及研究的價值。
(三)、信度分析
信度指的是測量結果的一致性與穩定性，也就是指對相似的群體，進行不同 的測量，而所得的結果應為一致。在因素萃取、因素轉軸及命名後，本研究會檢 測Cronbach’s α 值進行問卷的信度檢定，當 α 值越高，代表量表內部一致性越高，
在一般研究中，通常要求Cronbach’s α 值需高於 0.5，達到 0.7 以上才能稱作具 備良好的信度。
(四)、皮爾森積差相關分析
皮爾森相關分析法可分析兩者的相關程度，積差相關係數可作為兩個連續變 數間線性相關的指標。當積差相關係數越大，代表線性關聯性越強，若相反，則 表示線性關聯性越弱，兩變項可能沒有關聯性或呈現非線性關係。一般來說，當
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
62
相關係數介於 0.00-0.40 為低度相關或無相關；相關係數介於 0.40 至 0.70 為中度 相關；相關係數介於 0.70 至 1.00 為高度相關，而相關係數為 1.00 時，則為完全 相關。
(五)、迴歸分析
迴歸分析在建立一個依變數與一組自變數間的關係，以做為預測，利用多元 迴歸分析不但可以找出整體模型的顯著性，也可以找出個別參數估計值的顯著性。
主要是透過 R2(R-square)量表來判定資料與模式間的符合程度，R2的值反映了迴 規模型的解釋力，通常該值必須大於 0.1，且要再判斷 F 值。若 F 值所對應的顯 著性 p 值小於 0.05，則表示 R2具有顯著的解釋能力。本研究也將採用複迴歸分 析檢視體驗策略、體驗價值、服務創新對於顧客滿意度、顧客忠誠度；體驗策略 對於體驗價值；體驗價值對於服務創新；顧客滿意度對顧客忠誠度的影響。
(六)、獨立樣本 T 檢定
獨立樣本 T 檢定主要檢測兩獨立樣本問項是否存在顯著的差異性。若 P 值 小於顯著水準 0.05，則表示兩者間具有顯著差異性。本研究的獨立樣本 T 檢定，
用於人口統計變項性別、婚姻兩者與各變項是否具有顯著差異性。
(七)、變異數分析(ANOVA)
變異數分析通常用於檢定兩個或兩個以上變項是否具有顯著差異性，本研究 檢定人口變項年齡、教育程度、居住地、職業及月收入是否會對策略體驗模組(體 驗策略)、體驗價值、服務創新、顧客滿意度及顧客忠誠度造成顯著差異性。並 進一步透過 Duncan 值了解各群組的差異性。
(八)、深度訪談法
將訪談錄音內容建立逐字稿，以利資料分析，彌補量化研究的不足，為業者 提出行銷策略之建議。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
63