資料分析方法

本研究利用問卷調查法取得相關調查資料後，先排除掉沒有填寫或填答不完 全之無效問卷後，再輸入電腦進行資料登錄，並採用SPSS統計軟體來作資料分析

，所使用的統計方法包括描述性統計分析、因素分析、項目分析、信度分析、獨 立樣本t檢定和結構方程模式方法。

一、描述性統計(Descriptive Statistical Analysis)

利用描述性統計來分析樣本特性，本研究首先針對性別、年齡、教育程度、

婚姻狀況、職業、個人月收入、居住地、隨伴者這幾項個人基本資料，進行次數 分配、百分比分析，以了解各樣本分佈情形。另外對銷售人員銷售行為、知覺風 險、衝動性購買行為，則利用平均數及標準差，以了解樣本在此變項的一般反應

。

二、項目分析(Item Analysis)

目的在確認量表題目的堪用程度(適切性評估)，並進行試探性的信度分析，

以作為題目改善的依據，如下：

（一） 遺漏值的數量評估法

檢驗受測者是否抗拒或難以回答某一個題目，導致遺漏情形的發生。過多的 遺漏情形表示該題目不宜採用。

（二） 描述統計評估法

利用各題目的描述統計量來診斷題目的優劣。如題目平均數評估法：各題目 之平均數應趨於中間值，過於極端值平均數代表偏態或不良試題，無法反應題目 之集中趨勢。題目變異數評估法：一題目之變異量若太小，代表者達題情形趨於 一致，題目之鑑別度低，屬於不良的題目。

（三） 題目總分相關法(相關分析技術)

計算每一個項目與總分的簡單積差相關係數，一般要求在0.3以上，且達統計 之顯著水準。SPSS軟體為項目分析提供了一項校正項目總分相關係數(corrected item-total correlation)的相關係數，使研究者清楚辨別某題目與其他題目之相對關 聯性。

（四） 內部一致性效標法(小樣本分析)

又稱為極端組檢驗法，係將預測樣本在該量表總分之高低，取極端的27%

分為高低兩組，並計算兩極端組的得分平均數。具有鑑別度的題目在兩極端組 的得分，應具有顯著的差異。

三、因素分析(Exploratory Factor Analysis)

目的是以因素負荷量來判斷個別項目與相對因素的關係，在於透過統計分析 檢測本研究各構面之量表以驗證問卷之效度。首先對各量表所輸入的資料進行主 成分分析，進而將分析結果最大變異轉軸法進行直交轉軸(orthogonal rotation)，萃 取重要的因素。對於各構面變數的取捨標準，本研究參照Hair等學者(1998)所提 出之建議，取出特徵值(eigenvalue)大於1、共同性(communality)大於0.5以及因素 負荷量(factor loading)大於0.5以上之因素。

四、信度分析(Reliability Analysis)

信度是指題目的可信度，即測量結果的一致性或穩定性。本研究信度分析主 要是以Cronbach’s α值來衡量同一概念下各問項之間內部一致性，α值愈大表示該 概念內各問項之間的相關性愈大，即內部一致性高。就一般而言，當α＜0.35時代 表低信度，0.35＜α＜0.7代表中信度，而α＞0.7則代表高信度(引自王信孚，2004)

。

五、獨立樣本t檢定

檢定二分變項對連續變項的影響，用來進行兩個樣本的顯著性差異考驗(潘淑 蘭，2006)，依此檢驗本研究社經背景之二分變項(如：性別等)與衝動性購買行為

、知覺風險、銷售人員銷售行為構面間，每組變項的平均數是否有顯著差異。

六、單因子變異數分析(One-way ANOVA)

單因子變異數分析是用來檢定一個類別尺度自變項(為三組以上)，對一個等 距尺度依變項的影響，本研究藉此來檢驗有購買旅展商品的參展者對於「衝動性 購買行為」、「知覺風險」、「銷售人員銷售行為」是否會因為人口統計變數的 不同而有顯著性的差異。如果差異達到顯著，且變異數同質假定未違反，就以 Scheffe法進行事後多重比較；當變異數同質假定違反時，則以Dunnett T3法進 行事後多重比較，用這兩種方法來了解兩兩群組間的差異情形。

七、相關分析(Correlation Analysis)

本研究以皮爾森(Pearson)積差相關分析，來了解本研究「衝動性購買行為

」、「知覺風險」、「銷售人員銷售行為」不同變項之間的相關程度及其顯著水 準。相關係數的大小與相對應的意義如表18。

表 18 相關係數的強度大小與意義

相關係數範圍(絕對值) 變項關聯程度

1.000 完全相關

0.70~0.99 高度相關

0.40~0.69 中度相關

0.10~0.39 低度相關

10以下 微弱或無相關

資料來源：採自量化研究與統計分析(基礎版)-SPSS中文視窗版資料分析範例解 析，邱皓政著，2010，頁13-6。

六、多元迴歸分析(Multiple Regression Analysis)

迴歸是在兩變項之間的線性關係基礎上，進一步來探討變項間的解釋與預測 關係的統計方法。如果使用單一解釋變數去預測依變項，稱為簡單迴歸，但通常 影響依變項的解釋變項不只一個，此時需要一套可以同時納入多個自變項來對依 變數進行解釋與預測，稱為多元迴歸(邱皓政，2010)。本研究有多個自變項(如：

知覺風險、銷售人員銷售行為)，因此使用多元迴歸作探討。

多元迴歸分析中，最單純的變項處理方法，是將所有的解釋變項同時納入回 歸方程式來對於依變項進行影響力的估計，稱為同時迴歸分析。一般在學術研究 上，由於每一個解釋變項對依變項的影響都是研究要探討的對象，不論顯著與否

，都有學術上的價值與意義，因此多採用同時法來分析(邱皓政，2010)。本研究 認為每一個解釋變項對依變項的影響，都有學術上的價值與意義，因此選擇多元 迴歸分析中，多採用的同時法，來探討變項之影響關係、以及各變項中的構面對 依變項之影響關係。