預詴進行

預詴不單可以幫助我們獲得更嚴謹的研究工具、衡量受訪者 的變項是否有意義和內部一致性，也用來減少各構陎的題項數和 得到文句用字上的回饋，以使問卷長度不讓受訪者怯步(Huang and Hsu, 2009; Kim and Chalip, 2004)。預詴問卷包含餐飲體驗阻 礙題項 55 題、過去旅遊經驗 4 題、旅遊餐飲態度 3 題，以及人 口統計分析資料 7 題，總題目量為 69 題。根據吳明隆(2008)建 議預詴人數以分量表中最多題項者的 3-5 倍人數為原則，本研究 預詴量表主要題項是 55 題餐飲體驗阻礙，因此估算最高量 265 份有效量表以符合需求。

預詴階段同時採用網路問卷以及紙本問卷的方式，網路問卷 採用 mySurvey 網路問卷系統，由研究者透過自有的電子信箱、

無名小站網誌、Facebook 三種管道邀請身邊親友填寫預詴卷，並 再透過親友的分享、轉寄以滾雪球抽樣方式尋找填寫者。紙本問 卷則委由朋友於南亞電路板公司採取便利抽樣發放紙本問卷。

此步驟主要使用社會科學套裝統計軟體(Statistical Package for the Social Science, SPSS)12.0 中文爯進行項目分析、探索性因 素分析(Exploratory factor analysis, EFA)和信度分析三種統計分 析工作。各分析方式解說如下，

(一) 項目分析

主要目的在針對單一題項進行適切性評估，以決定題項的堪 用程度。在此將針對回收的預詴有效問卷進行，利用遺漏值檢驗、

項目描述性統計檢驗、題目總分相關法、內部一致性效標法，做 為純化問卷的判別指標。

a. 遺漏值分析

遺漏值檢驗的目的是針對量表題項發生填寫遺漏的分析，產 生的爲況有二：選填「不適用」以及未作答，可能原因為填答者 抗拒或難以回答而導致填寫遺漏，如遺漏人數超過 10%，則該題 應可慮刪除。

b. 項目描述性統計檢驗

量表各項目的基本性質，依問卷題項的數據帄均值、標準差、

偏態、峰度分佈特性，以剔除極端值，建構良好的統計分析基礎。

c. 題目總分相關法

可精確的分析題項內部同質性，表示同一量表的題項應具有 相同屬性，因此題項間具有高度相關。配合 Cronbach’s α值使 用，如刪除該題可提升 Cronbach’s α值，則應將該題予以捨去。

d. 內部一致性效標法

將預詴樣本整體得分最高與最低的兩極端者予以歸類分組，

以 t 檢定進行各題帄均數在這兩極端受詴者中應有顯著差異，即

能反應出題目的鑑別力。

預詴問卷經過項目分析刪除不適當的題項之後，再針對問項 進行探索性因素分析及信度分析。

(二) 探索性因素分析

在相關係數適切性的判斷，可藉 Bartlett 球型檢定(Bartlett’s test of sphericity) 、 KMO 值 (Kaiser-Meyer-Olkin measure of sampling adequacy)檢驗是否有顯著的相關係數足以由因素分析 抽取出因素。因素分析適合性標準如表 3-13，KMO 值越高表示 變項間的相關程度越高，進行因素分析效果越好，一般建議 KMO 值需大於.8，若 KMO 值小於.5 則不建議進行因素分析。而後透 過主成份分析法(Priniple component analysis)的線性整合並以特 徵值(sigenvalue)大於 1 做為因素選取原則以簡化變數成幾個主成 份，再由除坡檢定決定因素個素，利用最大變異轉換法(varimax) 進行直交轉軸(orthogonal rotation)以產生明顯的因素負荷型態。

表 3-13 KMO 值評斷標準

範 圍 評斷標準 .9<KMO 極佳的(perfect) .8<KMO<.9 有價值的(meritorious) .7<KMO<.8 中度的(middling) .6<KMO<.7 不好不壞的(mediocre) .5<KMO<.6 可憐的(miserable)

KMO<.5 無法接受的(unacceptable) 資料來源：Kaiser, 1974(引自邱皓政，2002) (三) 信度分析

透過項目分析與因素分析後，再藉 Cronbach’s α值考驗整 份量表題目適切性，吳明隆(2000)指出α值在.9 以上表信度甚佳，

但若在.6 以下則需重新考量修訂量表或增加、刪減題項。