資料分析方法

問卷回收後，先進行整理剔除明顯矛盾與填寫不完整的無效 問卷，再將剩餘問卷進行編碼、建檔，再利用 SPSS for Windows 及 LISREL 統計套裝軟體作以下的計量分析：

3.7.1 信度分析（ Reliability Analysis）

本 研 究 採 用Cronbach’s α的信度檢驗，以了解各受測者對各 問卷量表的內部一致性。

3.7.2 描述性統計（ Descriptive Statistics）

作 樣 本 分 佈 的 次 數 分 配 與 百 分 比 分 析 ， 求 出 各 變 項 的 平 均 數、標準差、最大值、最小值，說明受試者在各構面之集中趨勢 與重視程度、滿意度及印象分數。

一、因素分析（Factor Analysis）：因素分析是一種資料精簡技術，

用以找出一組較少數量之「構面或因素」以替代一群較多數 量之相關變數的統計分析技術。

二、T 檢定（T-test）：描述性統計彙整「行為意向」之平均數進 行人口統計變數中性別、年齡、教育程度、職業、婚姻狀況、

教育程度及收入這些項目的通路選擇是否有差異。

三、單因子變異數分析（One-Way ANOVA）：描述性統計彙整之

「行為意向」之平均數進行人口統計變數在這些項目的通路 選擇是否有差異。再利用單因子變異數分析求得不同通路選

24

擇在各構面的差異。

3.7.3 結構方程模式分析（ SEM）

一、卡方檢定（χ²test）：適配度分析是以研究模式與觀察資料間 無顯著差異為虛無假設（Null Hypothesis）進行卡方考驗，

因此若模式與資料間有良好的配適度，測驗統計量之 P-value 應大於 0.05 的顯著水準。χ²值越大表示該模式的配適度越 差、顯著水準 p 就越大。反之，χ²值越小表示該模式的配適 度越佳。

二、卡方考驗值（χ²）與其自由度（df）比值：自由度（df）則 是判定 χ²值是否太大之參考基準值。理想上，「χ²/df」的比 值應小於 0.2 通常較嚴謹的研究建議以不大於 3 為標準。卡 方檢定值與其自由度比值表示在估算模式時，每使用掉一個 自由度所增加的卡方值。實際上，「χ²/df」比值應該越小越 好，較嚴謹的研究建議以不大於 3 為標準。

三、配適度指標（Goodness of Fit Index, GFI）：雖然基本上結構 模式分析是以卡方檢定作為假設檢定之測驗統計量，但是因 為卡方統計量本身為樣本大小（N）的函數，因此易受樣本 數的影響（Bentler【38】）。在樣本大時，無論模式是否配適，

皆容易達顯著水準。相對的，在小樣本的時候，情況又正好 相反。有許多研究提出各種修正後的指標來克服這值種問 題，基本的方式是將自由度納入考慮，將卡方值轉換為介於 0 至 1 之間的指標，分別表示模式完全不配適到完全配適的

25

不同程度。DFI 指標計算理論與觀察資料共變矩陣之變異與 共變量，其值域界於 0 至 1.0 之間，理想上，在模式配適時 GFI 值應大於 0.9。

四、調整後適配度指標（AGFI）：如果將 GFI 指標以模式自由度 及其相對的變數個數比值加以調整，即可得更為穩定的 AGFI 指標，其適配值須大於 0.9。

(一)Bentler【38】的基準適配度指標（NFI）：NFI 是以虛無模 式（Null Model）作為基準所推導出的指標，其適配值須 大於 0.9。

(二)Bentler【38】的非基準適配度指標（NNFI）：NNFI 是在 考量樣本大小的情況下，對 χ²作轉換所推導出的指標，其 適配值須大於 0.9。

(三)Bentler【39】的比較適配度指標（CFI）：CFI 將 NFI 加以 修改，具備了更穩定的特性，其適配值須大於 0.9。

(四)殘值均方根（RMR）：RMR 計算觀察與估算間之差異，其 值須小於 0.05。

(五)漸近誤差均方根（RMSEA）：計算觀察與估算間之差異，

其值須小於 0.05。

(六)SEM 是一種用來處理因果模式關係的統計方法，本研究使 用 LISREL 軟體來探討“通路特性”、“產品特性”及“消費者 特性”及“通路選擇”因果關係模式驗証。

26