第三章 研究設計與實施
第三節 資料分析
本研究運用內容分析法、敘述性統計、模糊德菲法 (Fuzzy Delphi Method)、分析層級程序法 (Analytic Hierarchy Process, AHP) 進行資料分析，
詳細內容如下：
一、 內容分析法
Fraenkel and Wallen (2003) 指出內容分析法是一種技術，經由分析人類 的溝通內容，幫助研究者以間接的方式研究人類的行為。因此本研究運用內 容分析法對於餐旅業專業能力的相關文獻進行分析，萃取出旅館業高階主管 專業能力。經旅館業高階主管訪談，其針對事前擬定之旅館業高階主管專業 能力領域與指標草稿提出建議，本研究繼而分析訪談內容並據以修正能力初 稿，發展出本研究之問卷工具。
二、 敘述性統計
運用敘述性統計的次數分配及百分比來陳述受訪者之基本背景資 料，並以幾何平均數與基本算數對於旅館業高階主管專業能力具備程 度調查進行結果分析。
三、 模糊德菲法(Fuzzy Delphi Method)
模糊德菲法資料分析的實施步驟包括建立能力指標項目、蒐集專家意見、
建立三角模糊數、篩選評估準則如下所示：
步驟一：建立能力指標項目
針對本研究運用模糊德菲法欲探究之研究目的－建立旅館業高階主管 應具備之專業能力指標，經過相關文獻分析與旅館業界專家之建議，找出旅 館業高階主管應具備之專業能力領域與能力指標，彙整成為進行此法之項 目。
步驟二：蒐集專家意見
利用專家問卷的方式，蒐集決策群體的意見，以建立旅館業高階主管應 具備之專業能力指標為目的，懇請專家由上一步驟所得之能力指標項目中，
針對各項對於身為旅館業高階主管應具備專業能力指標之重要性予以評分，
以取得決策群體對各能力指標之評估值。
步驟三：建立三角模糊數
將由專家問卷所蒐集到之各能力指標之評估值，依據下列方程式 (3.1 至3.4)，建立每項影響因素之三角模糊數，如圖3-3-1。
圖3-3-1 決策集體共識三角模糊數圖
A LA, MA, UA (3.1)
LA min X A , i 1,2,3, … , n (3.2)
MA X A XA … X A (3.3)
µA X 1
LA MA UA
X
UA max X A , i 1,2,3, … , n (3.4) 上列公式之各符號代表說明如下：
X A ：第i個決策者對A影響因素之評價；
LA：為決策群體對A影響因素評估值之下限；
MA：為決這群體對A影響因素評估值之幾何平均數；
UA：決策群體對A影響因素評估值之上限；
A ：影響因素；
i ：決策者；
A ：A影響因素重要性之模糊數
步驟四：篩選評估準則
利用上一步驟所得之三角模糊數A LA, MA, UA 可避免過往傳統的德 菲法運用統計運算裡的中位數或算術平均數，所會造成資料處理上的缺失。
本研究力求研究更加嚴謹，進一步採取Chen and Hwang (1992) 所提之模糊 集合反模糊化 (defuzzify) 的方法來求取步驟三運算出三角模糊數的總值 (total score)，此法係先假設最大集與最小集的隸屬函數概念，求出實際受測 指標的總隸屬值。其計算步驟如下：
步驟(一)：確立各能力指標的三角模糊數A
步驟(二)：建立最大集與最小集的隸屬函數，如方程式 (3.3至3.4) 最大集的隸屬函數：µ X x, 0 x 1
0, otherwise (3.3) 最 小 集 的 隸 屬 函 數 ：
µ X 1 x, 0 x 1 0, otherwise
(3.4)
µ X 和µ X 將分別與三角模糊數A的下限及上限產生交集，已知 A LA, MA, UA 代表三個點座標 LA, 0 、 MA, 1 、 UA, 0 ，由 LA, 0 、 MA, 1 兩點可建立模糊函數y ，由 MA, 1 、 UA, 0 兩點可建立模糊函數 y
步驟(三)：由最大值隸屬函數與A的模糊函數求出右界值，如下式 (3.5)：
μR A =sup µA X µ X (3.5) 步驟(四)：由最小值隸屬函數與A的模糊函數求出左界值，如下式 (3.6)：
μL A =sup µA X µ X (3.6) 步驟(五)：由左右界值計算運用下列方程式 (3.7) 計算模糊數A的總值 (total score)，並由此值表示此模糊數之明確值。
µT A μR A 1 μL A /2 (3.7)
本研究運用反模糊化求得的總值來進行專業能力指標的篩選，並為其設 定門檻值。門檻值大小的決定，將會直接影響到篩選出來的專業能力指標數 目，若發現能力指標太少，可將門檻值降低；反之，若發現能力指標太多，
則可以提高門檻值。至於如何決定適當之門檻值，全依決策者之主觀認定。
四、 分析層級程序法 (Analytic Hierarchy Process, AHP)
分析層級程序法分成決策問題界定及結構建構、問卷設計與調查、計算 特徵向量及特徵值，求取各層級要素間相對權重、一致性檢定等步驟，如下 詳述：
步驟一：研究目的界定及層級架構
根據研究的目的，將可能影響目的之項目均要納入。由研究者整理與歸 納研究目的的相關資訊，提供決策專家參考，利用腦力激盪的方式，找出影 響研究目的的要素，包括目標、層面、準則與可行方案等。在建立結構時，
欲了解個要素的階層關係，建立架構圖。
步驟二：問卷設計與調查
根據評估的層級結構，在每一層要素影響的狀況下，由專家對於準則之 間的相對重要性作程度判斷。一般可藉由設計問卷的方式進行調查，問卷也 必須清楚地敘述每一成對比較問題，協助專家判斷。
步驟三：計算特徵向量及特徵值，求取各層級要素間相對權重
值，必有某程度的差異，故Aw nw便無法成立，因此 Satty 建議以 A 矩陣 中最大特徵值λ 來取代n 如方程式 (3.21) 與 (3.22)。
Aw λ w (3.21)
A nI w 0 (3.22)
矩陣A 的最大特徵值之求法，由方程式 (3.22) 可求得，所得之最大特 徵向量，即為各準則之權重。而最大特徵值之求法，以行向量平均值的標準 法 (Normalized by row vector average method)可求得較精準之結果，如方程 式 (3.23)。
w
∑ a
∑ a
n , i, j 1,2, … , n (3.23)
步驟四：一致性檢定
進一步欲檢測矩陣是否具一致性時，首先先計算比對矩陣的一致性指標 (Consistency Index, C.I.) 如 方 程 式 (3.24) ， 進 而 再 運 用 一 致 性 比 率 (Consistency Ratio, C.R.) 進行檢定如方程式 (3.25)，方程式 (3.25) 中的 R.I.
值稱之為隨機性指標 (Random Index, R.I.)，其代表在不同的階層數下所產生 的一致性指標，可藉由查表求得，如表3-3-1。
C. I. λ n
n 1 (3.24)
C. R. C. I.
R. I. (3.25)
C. R. H. C. I. H.
R. I. H. (3.26)
若C.R.值等於 0，即代表決策者之判斷完全區於一致；若 C.R.值大於 0，
則代表決策者之判斷不具一致性，C.R.值越大，表是決策者的不一致性越高。
根據Satty 的建議，若 C.R.值小於 0.1，代表成對比較矩陣的一致性程度是可 接受的；當C.R.值大於 0.1 時，代表專家或決策者在做兩兩比較時不夠理性，
決策結果不具一致性，此時 Satty 建議要求決策者在重新做兩兩比較。不過 除了各層級的須符合一致性外，整體亦需符合一致性，因此需要計算整體層 級的一致性比率 (consistency ratio of hierarchy, C.R.H.)，計算式如 (3.26)。
表3-3-1 R.I.值對照表
N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 R.I. 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.59
註:N 代表階層數
目前針對 AHP 法已有多種資訊套裝軟體作為運算時的輔助工具，根據 Ossadnik and Lange (1999) 研究顯示，目前市面上 AHP 分析軟體中以 AutoMan、Expert Choice 及 HIPRE 三種為主流，其以 12 個構面為基礎，包 括結果的圖形化顯示、轉換特定的AHP 程序、層級元素的數目、提供敏感 度分析、易學習性、調整問題結構、輔助配備、可理解的操作指令、相關輔 助及錯誤訊息的說明、初始投資，並利用AHP 法來分析此三種軟體之優劣，
最後得到結論為 Expert Choice 的成效優於其餘二種軟體，因此本研究將使 用Expert Choice 2000 2nd Edition 作為結果回收後的資料計算之輔助工作，以 期能更有效率的進行研究分析。