資料處理

本研究以 SPSS 以及 SmartPLS 套裝軟體進行統計分析。茲將本研究各部分使用 統計方法說明如下：

一、 描述性統計分析 (1) 基本資料描述

以描述性統計方法，本研究使用 SPSS 將次數分配、次數百分比呈現，藉次 數分配表可判斷樣本的集中現象，以瞭解本研究之抽樣樣本的主要特徵與習性。

(2) 研究變項描述性統計分析

針對本研究提出之衡量問項，以描述性統計的集中量數(平均數、標準差)與 分散量數(偏態、峰態)加以分析，可藉以瞭解樣本是否符合常態分配，以及樣本 的分配是否適合進行結構方程模型(Structural equation modeling, SEM)。問卷使用 Likert 五點尺度量表，將整理後的問項資料，使用 SPSS 進行描述性分析，得出 集中量數與分散量數。

以平均數、標準差判斷樣本分配是否偏高或偏低；以偏態判斷樣本分配是否 符合常態分配，峰態則判斷常態分配屬於高峽峰、低峽峰或是正常。

二、 結構方程模式分析

結構方程模式是結合因素分析與路徑分析的多元統計方法。近年來 SEM 不 僅大量應用於社會科學與行為科學領域，且應用在市場研究中。SEM 的目的為

33

探索事物間的因果關係，常見的 SEM 方法是由瑞典學者 K.G. Jöreskog and D.

Sörbom 在 1970s 年代所發展的統計方法，線性結構關係(Linear Structure relation, LISREL)。另外常見之 SEM 統計軟體有 Amos 和 SmartPLS。

本研究根據相關文獻制定研究架構，因此將實體店面的「服務品質」、「店面

而驗證性因素分析主要是分析可量測的顯性變數(manifest variable, MV)與 不可直接量測的潛在變數(latent variable, LV)之間的關係，亦用來分析 LV 與 LV 之間的關係，進而評估研究構面是否適合。本研究使用二階層驗證性因素分析，

可以將 LV 分為外生變數(exogenous)與內生變數(endogenous)，外生變數即自變 數(independent variable, IV)，反映性自變數之間不存在關係，形成性自變數之間 存在關係；內生變數即應變數(dependent variable, DV)，反映性與形成性應變數 則可能會受其他應變數的影響。

收斂效度(convergent validity)則以平均變異萃取量(average variance extracted, AVE)為衡量方式，AVE 值越高，表示樣本解釋構面的變異量越大，具高收斂效

34

度。另外測量構面本身以及各構面之間的關係，以鑑定構面間具備區別效度。呈 現結果應為同構面之問項為高度相關，而不同構面之間無高度相關。

針對本研究各構面，包括實體店面的「服務品質」、「店面因素」、「商品特性」； 消費者「知覺價值」、「購物意願」，以內部一致性Cronbach’s α、組合信度、平均 變異數萃取量、因素負荷量等進行信度與效度分析。

(2) 結構模式分析

本研究使用反映性構面架構而成(圖 6)，模型中內生變數是由一階層的三個 構面所形成，但在於整體模型之中，仍然屬於外生變數(ξ)，因此整體結構模式 方程式沒有改變。

在反映性二階層模型中，一階層構面與二階層構面之間的路徑為λ，因此二 階層構面與內生變數之間的路徑為γ；但是因為二階層構面為形成性構面，因此 一階層構面與二階層構面間的路徑屬於γ。

表 9 符號表

符號 名稱 意義

ξ ksi 外生潛在變數 η eta 內生潛在變數

X 外生顯性變數

Y 內生顯性變數

γ gamma 外生對內生的作用路徑 β beta 內生對內生的作用路徑 δ delta 外生變數的測量項 X 測量誤差 ε epsilon 內生變數的測量項 Y 測量誤差 𝜆_𝑋 lambda 顯性變數至外生潛在變數的路徑 𝜆_𝑌 lambda 顯性變數至內生潛在變數的路徑

ζ zeta 內生變數未解釋的誤差

35

36