第三章 研究方法
第二節 研究設計
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 研究設計
發展影響因素之模型後，雖然可了解有哪些因素會影響決策的進行，但無法辨認彼 此之間的相對重要性。德菲法非常適合用在開創性研究與新議題上，而雲端運算為非常 新穎的研究方向，需要用探索式的方法去研究，而德菲法是以單面向做篩選排序，層級 分析法分別針對面向與因素，以多面向來探討不同層次的影響。故本研究先後使用德菲 法與層級分析法，針對業界的資訊主管或正在進行雲端運算外包專案的專案經理及管理 者等，透過訪談與發放問卷的流程，了解此類專家在進行關於雲端運算和外包之決策的 考量，排除不重要的因素，並對重要的因素做出排序，整體設計流程如圖 3-8 所示。
圖 3-8 研究流程之設計
本研究在探討研究架構時已建出影響因素模型，但尚缺乏對這些因素進行重要程度 的排序，服務供應商無法透過此初步模型了解到使用者最在乎的影響因素與相對重要程 度之排序。故本研究將進入下一階段，透過德菲法針對模型進行檢測，此種排序檢測法 在資訊管理領域中已被廣泛的應用(Brancheau & Wetherbe, 1987；Niederman. Brancheau
& Wetherbe, 1991)。
德菲法
德菲法為 1948 年美國藍得公司(Rand Corporation)在美國空軍之贊助下發展出來的 決策方法，決策過程為先選定相關領域的專家，反覆進行數回合匿名彼此不面對面的問 卷調查，且每次問卷分析後將結果連同下一回問卷分送給每個參與的專家，意見相左的
建立影響 因素模型
德菲法 檢測
排除不重要因素 排序重要因素
層級分析法 檢測與驗證
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
專家可根據上一回合的結果選擇是否改變原先的意見，經過多次回饋意見後，大多數專 家意見會趨向一致(Chitu & Suzanne, 2004)。德菲法是藉由專家各自的經驗、意見與專業 知識對一議題凝聚出共識，這樣的進行方式一方面可以保有集體決策的優勢，另一方面 亦可避免面對面的溝通造成的不良效果，如從眾效應或威權造成的領導式服從。面對面 的溝通方式固然可直接將問題完整呈現，讓參與者直接討論，但也可能會引發以下問題 (黃政傑, 1987)：
1.少數人支配整個會議。
2.容易受面子的影響使發言變得保孚。
3.容易受崇拜權威的影響。
4.容易受情緒化的影響。
5.容易受到會議時間的影響。
而德菲法有以下優點(Ilbery et al., 2004；Duffield, 1988)：
1.德菲法能分析複雜、多面向問題的研究方法，並且已被證實的確有效。
2.參與者無頇進行面對面的討論，因此打破時間、地點的限制，共識意見的取得上也較 其他研究方法有效率。
3.參與德菲法之專家在提供專業知識、經驗和意見貢獻時可在不同地區進行，維持專家 獨立判斷的能力。
4.在專家進行反覆的問卷討論時，德菲法的匿名特性可避免面對面討論受到的人為限制，
進而綜合專家之意見以達到集思廣益的效果。
5.匿名性在研究中能獲得較有價值意見與客觀的回覆。
6.具有一定的系統程序，且不需要複雜的統計方法，正確施行後可從專家共識中得到與 研究領域相關的見解，並且達到解決研究問題的研究結果。
因考慮問卷發送與收集的時間等因素，並且本研究希望從現有影響因素模型中找出 重要的因素，故採用修正式德菲法(Modified Delphi Method)。修正式德菲法是擷取德菲
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(3-1) 法的優點，減少問卷調查次數，在第一回合開放式調查問卷時改採參考大量文獻、彙整 多方資訊以及研究者之規劃後發展出的初步結構性問卷，作為第一回合的問卷調查，如 此 便 可 節 省 與 各 個 專 家 面 談或 開 放 式 填 答 的 時間 ， 並 提 高 問 卷 回 收率 (Murry &
Hommons, 1995)。在進行德菲法時，選擇適當的目標專家為非常重要之步驟，本研究將 從業界中挑選資訊主管或正在進行雲端運算外包專案的專案經理及管理者，尋找方式包 含透過現有的雲端服務提供商之網站或者直接聯絡其公司取得其顧客名單，再分別連絡 目前有使用雲端運算服務的公司尋求協助與提供人選。本研究問卷設計將會讓專家針對 因素進行重要程度的排序，但使用排序形式的德菲法中有三大議題(Schmidt, 1997)需要 解決：
一、必頇知道至多少回合後頇停止問卷收集。
二、每一回合能有多少項目需要排序。
三、缺法統計分析之方法以支持結論。
Kendall 與 Gibbons(1990)於 Rank Correlation Methods 一書中，表示若要了解多個觀 察者對一群物件之排序後，排序彼此之關聯並做相關性分析，可藉由探討 W 函數以了 解並可得知統計結果何時收斂，稱為 Kendall’s W 係數一致性檢定。假設有 n 個物件，m 個觀察者，則全部排序加總出來的值為 mn(n+1)/2，而全部欄位帄均值為 m(n+1)/2。假 設每一欄真正之總和為 R1,R2,…Rn，則帄方偏誤(S)為以下公式所示：
𝑆 = ∑ [𝑅𝑖−𝑚(𝑛 + 1) 2 ]
𝑛 2
𝑖=1
= ∑ 𝑅𝑖2
𝑛
𝑖=1
−𝑛𝑚2(𝑛 + 1)2 4
若假設每個觀察者的排序皆相同時，則每一欄的總和如下：
1𝑚, 2𝑚, … , 𝑛𝑚 而最大帄方偏誤(max S)如下：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(3-2)
(3-3) max 𝑆 = ∑ [𝑖𝑚 −𝑚(𝑛 + 1)
2 ]
2
= 𝑚2(𝑛3− 𝑛) 12
𝑛
𝑖=1
W 值之解釋與信度見表 3-3，而最終衡量 W 係數之公式如下：
𝑊 = 𝑆
max 𝑆 = 12𝑆 𝑚2(𝑛3− 𝑛)
表 3-4 Kendall’s W 值之解釋與排序信度(引用自 Schmidt, 1997)
W 數值之解釋 排序信度
.1 非常低度同意 無
.3 低度同意 低度
.5 同意 中度
.7 強烈同意 高度
.9 非常強烈同意 非常高度
Schmidt 改良傳統德菲法之缺陷，在每回合採用無母數統計方法中之 Kendall’s W 係 數一致性檢定做為停止問卷測驗的準則，而已有研究證實 Kendall 能提供有效的支持 (Schmidt, 1997；Chitu & Suzanne, 2004；Johnson, 2009)。參考近年研究使用德菲法的步 驟，以下簡述本研究所使用之修正式德菲法之步驟(Grisham, 2009；Byrne et al., 2010；
Tang, 2010；湯金翰, 2010)：
1.前置作業：藉由探討文獻與訪談相關學者以蒐集因素，建立因素模型矩陣，並選定適 合的目標專家群。因為考慮目標專家對於各因素陳述中的名詞可能認知不 一，導致最後共識會有偏誤，故在問卷後附上相關名詞之參考解釋。
2.第一回合：製發第一份問卷給目標專家，讓專家針對因素的重要程度進行評估，並選 擇重要與否，採用二分法，重要選擇「1」，不重要則選擇「0」。專家亦可 將自身認為可能重要的因素回覆給研究者進行回饋。
3.第二回合：將第一份問卷中各專家的答案進行加總並進行由小到大的排序，並排除不 重要的因素，將剩餘重要的因素整理後製發第二份問卷交由專家們排序。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.第三回合：將第二份問卷中各因素於每份回收的問卷裡統計出來的排序，先進行轉置 後加總，由大到小排序給專家們參考，並製發第二份問卷給專家檢視是否 需要進一步調整排序。此時本研究將透過使用 Kendall’s W，以了解結果是 否收斂並趨於一致。
4.第四回合：分析第二份問卷後，比照第一份問卷處理的方式，將統計出來的排序取算 數帄均數，將結果一併附在第三份問卷並發給專家，直到結果趨於一致達 到強度同意之標準，即 W 值大於 0.7，則可停止發放問卷。
本研究在運用德菲法時，會在每個回合進行時將上一回合的結果陳列在旁讓專家參 考，再填答此一回合的答案。專家或多或少會因為上一回合所有參與者經過統計後的結 果而調整本身的答案，間接達到互相影響的效果。而本研究選擇此種每一回合答案會互 相影響的決策方法，肇因於專家學者對於雲端運算的認知大部分皆屬於自身的看法，需 要將知識外顯化，而進行外化的過程則需要與其他人討論或間接了解他人的看法。採用 德菲法則可將每一回合全部專家的看法進行整合，並在下一回合讓每位專家參考，達到 了解彼此的想法與互相良性影響的效果。藉由德菲法排出專家共識出來的重要順序後，
本研究將會排除排序在最後百分之二十五的因素，視這些因素對專家決策時的影響較小 以進行下一階段研究流程。接下來本研究將透過層級分析法分析出關鍵因素的權重，並 了解各因素之間的關係。
層級分析法
層級分析法(Analytic Hierarchy Process, AHP)為 1971 年 Thomas L. Saaty 發展出來以 輔助決策的方法，主要應用在情況不明確以及數個評量標準的決策問題上。AHP 發展目 的，是將複雜問題進行系統化分層，根據不同問題層面進行分解，採用兩兩成對比較，
再以量化的方式綜合評估以供選擇適當的決策方案(褚志鵬, 2003)。所謂層級是由至少兩 個以上的層級組成，而 AHP 則將各個層級連結貣來，計算出 AHP 層級之各因素間相對
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
整個層級的優先順序與相對權重。Satty(1980)發展層級分析法的基本假設包含下列數 項：
1.一個可以被分解成數個種類(Classes)或成份(Components)的系統，並形成如網路般的層 級結構。
2.層級結構中每一層級的要素均假設具有獨立性(Independence)。
3.每一層級內的要素，可延用上一層級中部分或者全部要素做為準則進行評估。
4.比較評估時，可將數值尺度轉換成比例尺度。
5.各層級要素進行成對比較後，可使用正倒值矩陣(Positive Reciprocal Matrix)處理。
6.偏好關係滿足遞移性(Transitivity)；不僅優劣關係滿足遞移性(A 優於 B 且 B 優於 C，
則 A 優於 C)，同時強度關係亦滿足遞移性(A 優於 B 二倍且 B 優於 C 三倍，則 A 優於 C 六倍)。
7.完全具遞移性不容易，因此容許不具遞移性的存在，但需測詴其一致性(Consistency) 的程度。
8.要素的優勢程度經由加權法則(Weighting Principle)而求得。
實行層級分析法，經過成偶比對較後，產生數個比較矩陣，進而找出矩陣之間的特 徵向量(eigenvector)，並找出元素間相對重要性比值。找出比值後求算各層的相對權重 並加以整合，評估出整個層級的一致性優先程度，而選擇整體而言優先權最高者為最佳 評選對象(Saaty, 1990)。層級分析法應用範圍包含極廣，Vaidya & Kumar(2006)進行文獻 蒐集後發現，在選擇、評估、成本效益分析、分配、計畫與發展、優先權與等級排序、
實行層級分析法，經過成偶比對較後，產生數個比較矩陣，進而找出矩陣之間的特 徵向量(eigenvector)，並找出元素間相對重要性比值。找出比值後求算各層的相對權重 並加以整合，評估出整個層級的一致性優先程度，而選擇整體而言優先權最高者為最佳 評選對象(Saaty, 1990)。層級分析法應用範圍包含極廣，Vaidya & Kumar(2006)進行文獻 蒐集後發現，在選擇、評估、成本效益分析、分配、計畫與發展、優先權與等級排序、