資料處理與分析方法

一、人工處理部份

首先剔除資料不完整、相互矛盾或跳答之無效問卷，總共71份，並扣 除第一部份第一題因填答無，未來無購買意願，而跳答第五部份之問卷152 份，隨後將實得之有效問卷402份進行資料編碼並建檔於SPSS統計軟體中。

二、電腦處理部份

本研究採用SPSS統計軟體作為分析研究之工具，將已編碼之資料進行 統計分析，並產生統計分析報表。本研究所使用的統計方法有以下幾種，

分述如下:

1. 次數分配

本研究採用次數分配來描述各人口統計變數資料出現的次數，並利用 百分比的方式來表達原始樣本資料的分佈狀況。

2. KMO取樣適切性量數與Bartlett球形檢定

KMO統計量用於研究數之間的偏相關性，它比較的是各數之間的簡單相 關和偏相關的大小，取值範圍在0~1之間。Bartlett球形檢定用於檢定相關 矩陣是否為單位矩陣，即各變數是否各自獨立(林傑斌等，2004)。因此，

本研究使用KMO取樣適切性量數與Bartlett球形檢定來判定資料是否適合 進行因素分析。

3. 因素分析

因素分析的主要目的為資料縮減(data reduction)，也就是用少數幾 個因素來描述許多指標或因素之間的關係，以較少幾個因素反映原資料的 大部分資訊的統計方法(林傑斌等，2004)。本研究用於分析生活型態變數 及產品屬性變數，並採用主成份分析法萃取其中共同因素，以達到變數縮 減的目的。

4. 信度分析

本研究採用Cronbach α來衡量本研究之信度，檢驗生活型態變數及產 品屬性變數中，各因素構面之變數的內部一致性。

5. 集群分析

集群分析(Cluster Analysis)是依據研究對象的個體特徵，對其進行 分類的方法(林傑斌等，2004)。本研究採用非階層式(Non-hierarchical) 集群分析法之K-means法，對消費者的生活型態因素構面進行分群，將相似 高的觀察個體集中在一起，使分群後群內個體差異小，而群與群間的差異 大。

6. 區別分析

區別分析乃根據事先訂定的類別或組別，將所有個體加以區分的多變 量技巧，這是一種類似複迴歸的多變量統計方法，主要目的在找出以預測 (區別)變數為基礎的區別函數以區別或預測觀察值隸屬之組別(黃俊英，

1999)。本研究以因素分析所得到的因素分數為基礎，找到區別函數以做預 測分組與實際分組予以比較來測試集群分析之效果，同時採用典型區別分 析之Wilks＇Lambda統計量，檢定集群分析後之群別在準則變數上是否有顯

著差異，來確保集群分析結果之正確性及適當性。

7. 單因子變異數分析(One-Way ANOVA)

用於進行兩組及多組間樣本平均數的比較，即成組設計的異數分析(林 傑斌等，2004)。本研究用來分析不同生活型態之消費者集群，在生活型態 因素構面及產品屬性因素構面上，是否有顯著差異。

8. 雪費(Scheffe)分析

雪費分析檢定的是各個平均數的線性組合，而不是只檢定某一對平均 數間的差異(林傑斌等，2004)。本研究針對變異數分析結果有顯著差異之 項目，進一步以雪費分析法分析組別間之差異。

9. 交叉列聯表與卡方檢定(Chi-square)

交叉列聯表(Crosstabs)又稱為多維度頻率分配表，它能對數值變數與 字元串變數產生一個2維到n維的交叉分析列表，以及相應的統計量(林傑斌 等，2004)。在卡方檢定上，交叉列聯之期望次數小於5的細格數不可超過 全部細格數的20%，且不可有期望次數為0的細格。因卡方檢定是一種整體 性的檢定，因此當檢定結果達顯著差異水準時，只能拒絕虛無假說，此代 表之意義為:至少有兩個組別的次數百分比例有顯著差異(黃俊英，1999)。

本研究用於檢定有意願購買智慧型手機消費者中，不同生活型態之各消費 者集群，在人口統計變數、購買決策過程變數及消費實態變數上是否有顯 著差異。

根據研究模式、研究假說、問卷內容與參考相關文獻，建立本研究之 分析架構，如圖3-2所示:

生活型態因素構面

N 個生活型態集群 生活型態分群 一般生活型態變數

因素分析 信度分析 集群分析 區別分析 KMO 取樣適

切性量數

單因子變異數分析雪費分析

Bartlett 球形檢定

( 產品屬性變數

)

選擇準則變數

因素分析 球形檢定 Bartlett

信度分析

產品屬性因素構面

KMO 取樣適 切性量數

雪費分析單因子變異數分析 人口統計變數 資訊來源變數 購買動機變數 品牌認知變數 消費實態變數

卡方檢定

AIO 量表

圖 3-2: 本研究之分析架構