第三章 研究方法
3.5 資料處理與分析方法
本研究問卷利用SPSS軟體進行資料的統計分析。所運用的統計分析方法分述如 下：
43
1. 敘述性統計分析：
敘述性統計可以將蒐集的原始資料（raw data）經整理後變成有意義的資料會統 計量，資料處理的方法包括以次數分配表呈現、以圖形表示、以資料各項統計量表示 等，不同的變項尺度有不同的呈現方式，量表、分數等連續變項（等距或比率變數）
通常會以統計量或圖形表示；而類別變項或次序變項通常會以次數分配表或圖形表示。
因此本研究將對問卷內的各項問題進行次數分配、百分比、平均數及交叉分析，從中 了解受訪者對問卷問題反應的特性及分配情形，以及描述受訪者對虛擬社群網站上廣 告的認知及人口統計分佈情形。
2. 因素分析：
因素分析（Factor Analysis）是一種潛在的結構分析法，其模式理論中，假定每個 指標（外在變項或稱題項、觀察值、問卷問題）均由兩個部分所構成，一為「共同因 素」（common factor）、「唯一因素」或「獨特因素」（unique factor）。共同因素的數目 會比指標數（原始變項數）還少，而每個指標或原始變項皆有一個唯一因素，亦即一 份量表共有 n 個題項數，則也會有 n 個唯一因素，至於共同因素的數目通常少於變數 的數目。唯一因素性質有兩個假定（Kleinbaum et al., 1988）：
(1) 所有的唯一因素間彼此沒有相關。
(2) 所有的唯一因素與所有的共同因素間也沒有相關。
而因素分析之目的在於再製變項的相關係數矩陣，而主成分分析之目的在再製變 項的總變異量。故因素分析（Factor Analysis） 是當檢測變數間彼此互相關係，屬於 多變量統計技術，亦屬於互依（Interdependence）分析技術，將原觀測值轉換為新主 成分因子的線性組合，以較少的構面數目（Number of Dimensions）取代原先的資料 結構，又能表達原來資料意義。
44
3. 信度分析：
因素分析完後，繼續要進行分析的是量表各層面與總量表的信度考驗，所謂的信 度（reliability）就是量表的可靠性或穩定性，在態度量表法常用考驗信度的方法為 L.J.Cronbach 所創的α 係數，其公式為：
α = K
K − 1 �1 −
∑ Si2 S2 � 其中 K 為量表所包括的總題數。
∑ Si2為量表題項的變異數總和、S2為量表題項加總後變異數。
α 係數值界於 0 至 1 之間，α 出現 0 或 1 兩個極端值的機率甚低（但也有可能），
究竟α 係數要多大，才算有高的信度，不同的方法論學者對此看法也未盡相同。學者 Nunnally（1978）認為 α 係數值為 0.70 是一個較低，但可以接受的量表邊界值。學者 DeVellis（1991）也提出以下觀點，α 係數值在 0.60 至 0.65 之間最好不要；α 係數值 界於 0.65 至 0.70 間是最小可接受值；α 係數值界於 0.70 至 0.80 之間相當好，α 係數 值界於 0.80 至 0.90 之間非常好。因此本研究以Cronbach’s α 來檢定問卷中各因素之 衡量變數，檢驗其題目是否具有一致性，並以測量內在信度的 Cronbach’s α 值，檢視 其是否測量單一概念。Cronbach’s α 判斷準則為：α＜0.3 代表低信度；0.3＜α＜0.7 代 表中信度；α＞0.7 代表高信度（Nunnally, 1978）。
4. 相關分析
積差相關（product-moment-correlation）此相關方法是由統計學家 K. Pearson 所創 建。相關係數值為正表兩變項間為正相關（positive correlation），相關係數值為負表兩 變項間為負相關（negative correlation），相關係數的絕對值表示係數大小或強弱
（magnitude），相關係數的絕對值越大，表示兩者變項間的關聯性越強，相關係數的 絕對值越小，表示兩者變項間的關聯性越弱，積差相關係數值大小介於-1 至+1 之間。
45
因此本研究所使用的相關分析為皮爾森相關係數檢定，從係數大小可指出兩變數關係 的密切程度，相關係數愈高則彼此間愈密切，愈低則愈無線性關係。
5. 單因子變異數分析
期望能了解不同人口統計變數與媒體使用時間是否會造成受試者有不同的「廣告 態度」，而在平均數差異檢定中，若是分組變數的水準數值在三個以上，則不能採用 獨立樣本 t 檢定方法，此時應改用變異數分析（analysis of variance； 簡稱為 ANOVA）。 因此本研究使用單因子變異數分析來檢驗其是否有顯著差異。
6. 路徑分析
路徑分析（Path Analysis）或稱徑路分析，又稱「結構方程式模式」（Structural Equation Models）或稱「同時方程式考驗模式」（Simultaneous Equation Models），因 為它同時讓所有預測變項進入迴歸模型之中，路徑分析不僅關注於變數間的相關，更 關注於變數間的因果關係，是多元迴歸分析的一種應用，可以用來研究有時間先後次 序的變數間，較先發生的變數經由什麼途徑來影響其後發生的變數；此外亦是一種探 索性的統計分析，在探討研究者所提出的因果模式是否適合實際的資料。
46