資料分析方法

問卷回收後，本研究以不同的統計工具來進行分析，將其說 明與整理如下所示。

3.5.1 描述性統計分析 (Descriptive Statistics Analysis)

本研究利用 SPSS 分析工具，進行回收問卷之描述性統計分 析，其主要功用在於描述樣本的基本資料，將其分析樣本的次數 分配、百分比統計等，瞭解其樣本結構與研究中各變數之間的相 關性，將其做有系統之整理與分析。

3.5.2 因素分析 (Factor Analysis)

因 素 分 析 分 為 探 索 性 因 素 分 析(Exploratory Factor Analysis, EFA)與 驗 證 性 因 素 分 析 (Confirmatory Factor Analysis, CFA) 兩 類，本研究主要採用線性結構方程模式驗證性因素分析，驗證本 研究顧客忠誠度、顧客關係慣性、使用頻率、價格和便利性之觀 察變項與潛在變項間關係與概念，並檢驗各衡量構面之配適度。

3.5.3 結構方程模式分析 (Structural equation model Analysis)

本研究採用 LISREL 8.70 軟體進行結構方程模式之資料分析 工具，進行本研究顧客關係慣性、顧客忠誠度及影響關係慣性之 前因變項模式配適度之衡量。

- 30 -

(1) 卡方考驗值(χ²)與自由度(df )比值：自由度(df )則是判定卡 方值(χ²)是否太大之參考基準值，理想上，卡方自由度比值 小於 2 時，表示模型具有理想的契合度。

(2) 契合度指標(Goodness of Fit Index, GFI)：假設模型可以解釋 觀察資料的變異數與共變數的比例，其值都會介於 0 至 1 之間，一般需要大於 0.9 才可以視為具有理想的契合度。

(3) 調整後適配指標(Adjusted Goodness of Fit Index, AGFI)：類 似於迴歸分析當中的調整後可解釋變異量，在計算 GFI 係 數 時 ， 將 自 由 度 納 入 考 慮 之 後 所 計 算 出 來 的 模 型 契 合 度 指 標，其數值越大，越有利於得到理想的契合度結論，其值都 會介於 0 至 1 之間，一般需要大於 0.9 才可以視為具有理想 的契合度。

(4) 規範適配指標(Normed Fit Index, NFI)：計算假設模型的卡方 值與虛無模型的卡方值的差異量，其值都會介於 0 至 1 之 間，一般需要大於 0.9 才可以視為具有理想的契合度。

(5) 非 規 範 適 配 指 標(Non-normed Fit Index, NNFI)： 調 整 後 的 NNFI 指數改善了 NFI 的問題，但是卻使的 NNFI 會有超越 0 至 1 範圍的數值出現，顯示 NNFI 的波動性較大，其值都 會介於 0 至 1 之間，一般需要大於 0.9 才可以視為具有理想 的契合度。

(6) 比較適配指標(Comparative Fit Index, CFI)：反應了假設模型 與無任何共變關係的獨立模型差異程度的量數，也考慮到被

- 31 -

檢驗模型與中央卡方分配的離散性，其值都會介於 0 至 1 之間，一般需要大於 0.9 才可以視為具有理想的契合度。

(7) 殘值均方根(Root Mean Square Residual, RMR)：其計算觀察 與估算間之差異，其值越小代表模型越能契合觀察值，由於 RMR 是基於未標準化殘差值所計算得出，其數值沒有標準 化的特性。

(8) 平 均 概 似 平 方 誤 根 係 數 (Root Mean Square Error of Approximation, RMSEA)：比較理論模式與完美契合的飽和 模式的差距程度，其值越小代表模型契合度越理想，其值小 於 0.05 為良好契合的門檻。

表 3.2 模式契合度指標

指標 判斷值

/d.f

χ² ＜2

GFI ＞0.9

AGFI ＞0.9

NFI ＞0.9

NNFI ＞0.9

CFI ＞0.9

RMR 其值越小越好

RMSEA ＜0.05

資 料 來 源 ： 邱 皓 政 【10】

- 32 -