關懷性(Empathy)

包括能對顧客提供個別關心注意及照顧，並能尊重顧客的權益。依據其定義，本研 究將關懷性視為建築師服務中的預算控制能力，衡量問項如下表3-11 所示：

表 3-11 關懷性衡量問項

構面 代號 衡量問項

關懷性 (預算控制能力)

E1 工程成本、期程與每年度經費需求之初估

E2 對於設計內容與預算內容之掌握應定期檢討以符合市場趨勢 E3 在既有的預算之下完成設計

E4 應就工程特性及施工現場之環境因素協助訂定合理之工期並 進行進度管制

3.4 資料分析方法

本研究依研究目的及假設，採用SPSS 統計套裝軟體進行樣本資料統計分析，並以 Visual PLS 1.04bl 版(Fu，2007)對 ACSI 模式進行結構方程模型之驗證與分析。以下為本 研究使用之統計方法，茲分別說明如下：

3.4.1 敘述性統計方法

敘述統計主要是針對回收資料進行初步的分析與整理，以了解全體樣本及各變數分 佈情形，包括百分比、平均數、標準差等。平均數代表受訪者對於該問項的看法，平均 數越高代表該屬性較為受訪者重視；標準差分析則為評量回收的樣本對於問項之一致性 指標，樣本標準差越小，表示受訪者對於該問項有較一致的看法。透過這些分析結果，

可了解回收樣本的分佈情形及受訪者對於各問項的看法與意見。

3.4.2 信度與效度分析

信度(Reliability)的意義指的是相同的量表，在不同的時間給予相同的受測者測試，

是否能得到相同的結果。信度分析的目的在了解量表數據的一致性 (Consistency)、穩定 性(Stability)及內部一致性(Internal consistency)，如果一個量表數據的信度愈高，代表量 表愈穩定。本研究採用部分最小平方法(PLS)中的組合信度(Composite Reliability；CR) 及一般常用的 進行信度的分析，Nunnally (1978)建議組合信度(CR)應大於 0.7 以上，而各問項之因素荷負量(loading)應大於 0.7 以上，以確定測量變量達到內部一 致性。

α

,s Cronbach

效度(Validity)即是正確性(Accuracy)，係指問卷量表所能測出欲受測對象的特質，

也就是問卷是否能真正測出顧客心理的反應。常應用的效度有內容效度(Content Validity) 與建構效度(Construct Validity)，分別說明如下：

1. 內容效度是指測量工具的適切性，亦即測量工具或問卷能夠涵蓋研究主題的程度。

如果測量工具或研究問卷能代表研究主題，則具有足夠的內容效度。

2. 建構效度是指測量工具能測量所建構理論的概念或特質的程度。主要分為：

(1) 收斂效度(Convergent Validity)：表示多重變項所測量皆為同一構念的相符程

度。各別構念所抽取之平均變異量 (average variance extracted；AVE) 必須大 於0.5，即可稱該構念具備足夠的收斂效度 (Fornell and Larcker，1981)。當變 項對於它們所測量的構念之因素荷負量夠高時（負荷量大於0.5），同樣也達 成收斂效度的要求(Nunnally,1978)。

(2) 區別效度(discriminant validity)：可藉由交叉負荷矩陣(cross-loading matrix)及平 均變異抽取量(AVE)之平方根檢驗測量變量對於不同構念之間的鑑別程度。各 構念的平均變異抽取量(AVE)之平方根，也就是每個變項與測量同一構念的其 他變項的相關程度，應大於該構念與其他構念的相關係數，即可稱該構念具備 足夠的區別效度(Chin,1998)。

3.4.3 結構方程模式(Structural Equation Modeling；SEM)分析

結構方程模式是路徑分析（path analysis）與因素分析（factor analysis）的一種延伸。

藉由同時分析一個封閉理論模型中一組（多個）線性迴歸方程式，而瞭解模型中變項間 之關係。SEM 主要包含兩個模式：一為經由驗證性因素分析模式將測量變數（Measured Variable；MV）連結到潛在變數(Latent Variable；LV)，在 SEM 中此部分稱為測量模式 (Measurement Model)；另一部份為經由結構模式(Structural Model)來辨認潛在變數之間 的因果關係。

利用結構方程模式進行參數估計時最常使用的兩種方法為部分最小平方法(Partil Least Square；PLS)和線性結構關係模式(Linear Structure Relation；LISREL)。PLS 是將 主成分分析與多元回歸結合起來進行迭代估計的一種因果建模方法；LISREL 是運用求 樣本共變異矩陣和母體共變異矩陣之間最小距離的原理，以估計出母體參數，也稱為共 變數結構模式。Fornell(1982)指出 PLS 與 LISREL 可以將測量模型與理論的結構模型同 時評估，因此優於傳統的回歸分析與因素分析方法。PLS 與 LISREL 的比較如表 3-12 所示，PLS 對變數須符合常態型、隨機性的要求較為寬鬆 (Wold,1982)，估計路徑係數 時對樣本數要求較小 (Anderson andGerbing,1988)，使其相較於 LISREL 的分析方法更適 用於本研究，且ACSI、ECSI 等亦皆使用 PLS 估算顧客滿意度模型。

因此本研究以PLS 作為研究結構模型的分析工具，並以拔靴法(BootStrap)檢定研究 模型中各路徑係數是否顯著，檢定後具有顯著性則表示假說如預期的成立。並藉由PLS 分析外生變數對於內生變數所能解釋變異量的百分比，檢驗本研究模型的預測能力。

表 3-12 PLS 與 LISREL 比較

比較項目 PLS LISREL

樣本數的需求 樣本數小 樣本數大

資料分配假設 無前提性的假設 假設多元常態分配

使用目的 因果預測應用 理論性的推導

精確度 樣本量很大或觀察變數

數目夠多時 模型及資料都正確時

統計假設檢定 須使用Jackknife or Bootstrap Available

可處理指標關係 反映性(reflective)指標及

形成性(formative)指標 反映性指標 潛在變數的分數 可得到確定的計算結果 因使用不同的適配量測

(fit measures)而產不同結果

一、 PLS 路徑模型建構流程 (PLS path modeling algorithm)

PLS 是基於最小平方法的假設為前提，將主成分分析與多元回歸結合起來，透過外 部和內部模式進行迭代估計，使所有參數估計值達到收斂狀態，並且令外部和內部模式 的殘差變異(residual varianc)達到最小。PLS 估計步驟如圖 3-2，詳細說明如下：

方程(4) 方程(5) 方程(6)

方程(2) 方程(3)

圖 3-2 PLS 估計步驟 (一) PLS 路徑模型 (PLS path model)

PLS 組成包含：(1)表示測量變數與潛在變數之間關連的測量模式，稱外部模式(outer model)；(2)反映潛在變數內部關係的結構模式，稱內部模式(inner model)。