驗證性因素分析 (Confirmatory Factor Analysis, CFA) ，主要的功能是確認潛在變
項是否能真正反映出該構面的特性。所以CFA 的主要功能是決定一組觀察變數是否真
39
圖4-1. 顧客模型-氛圍構面原始驗證性因素測量模型
註：Ambient=氛圍；A1=我覺得旅館大廳的背景音樂令人感到愉悅；A2=我覺得旅館內的色彩風格是合適 的；A3=我覺得旅館內的溫度是舒適的；A4=我覺得旅館擁有令人耳目一新的氣味；A5=我覺得旅館擁有 足夠的照明。
圖4-2. 顧客模型-氛圍構面修正後驗證性因素測量模型
註：Ambient=氛圍；A1=我覺得旅館大廳的背景音樂令人感到愉悅；A2=我覺得旅館內的色彩風格是合適 的；A4=我覺得旅館擁有令人耳目一新的氣味；A5=我覺得旅館擁有足夠的照明。
(二) 標識、符號與工藝品構面測量模型
標識、符號與工藝品構面只有三個測量題項，稱為恰好辨識 (Just identified) (Brown, 2006; Ullebø, Breivik, Gillberg, Lundervold, & Posserud, 2012)，亦即自由度為 0，
又稱飽和模型，因此看不到任何配適度指標，故保留三題做為下一階段分析。
(三) 空間/功能構面之測量模型
本研究將有效顧客樣本數234 份，經由驗證性因素分析結果如表 4-12、圖 4-3 及 圖4-4。由表 4-12 得知原始模型之配適度不佳，以 MI 修正，如表 4-11，刪除 SF2 題 項 (我覺得旅館擁有現代感的設備) 整體配適度達到良好。
40
& Sugawara, 1996)
資料來源：本研究自行整理
41 Correlation, SMC) >0.5。理想上，因素負荷量應該大於 0.7，表示該構面至少解釋該測 量變數50%以上的建議 (Hair et al., 2009) ，而因素負荷量 0.6 是可接受的程度，如表
42 而言，對於選擇這家旅館的決定我感到滿意；SMC (Square Multiple Correlation) =多元相關係數的平方；
CR (Composite Reliability) =組成信度；AVE (Average Variances Extracted) =平均變異數萃取量。
三、 顧客模型區別效度分析 號與工藝品構面外，其餘相關係數的估計值均落在 Bias-Corrected 95%的信賴區間與 Percentile 95%的信賴區間的上下限中，且兩種信賴區間法均未包含 1，表示構面間具 有區別效度 (Torkzadeh, Koufteros, & Pflughoeft, 2003) 。
表4-14
顧客模型區別效度
變數 點估計值
信賴區間法 Bias-Corrected
95%的信賴區間 註：1,000 Bootstrap sample
資料來源：本研究自行整理
四、 員工模型驗證性因素分析
(一) 氛圍構面之測量模型
本研究將有效樣本數 216 份，經由驗證性因素分析結果如表 4-15、圖 4-5。由表 4-15 得知原始模型之配適度達到良好標準。
43
& Sugawara, 1996)
資料來源：本研究自行整理
44
表4-17
員工模型-空間/功能構面驗證性因素分析結果摘要表
df 2 /df 2
GFI AGFI CFI RMSEA
原始模型 70.536 9 7.837 0.902 0.770 0.918 0.178 修正模型 1 37.431 5 7.486 0.944 0.832 0.944 0.174
建議值 1< /df <3 2 (Kline, 2005)
>0.8 (Hair et al., 1998)
>0.8 (Hair et al., 1998)
>0.9 (Bentler,
1993)
<0.1 (MacCallum, Browne,
& Sugawara, 1996)
資料來源：本研究自行整理
圖4-6. 員工模型-空間/功能構面原始驗證性因素測量模型
註：Space Function=空間/功能；SF1=我覺得旅館的空間佈局令人感到便利；SF2=我覺得旅館擁有現代 感的設備；SF 3=我覺得旅館的傢俱在視覺上十分吸引人；SF 4=我覺得旅館擁有全面性的保全系統裝置；
SF 5=我覺得旅館擁有足夠的設施；SF 6=我覺得旅館的洗手間內擁有足夠的設備。
圖4-7. 員工模型-空間/功能構面修正後驗證性因素測量模型
註：Space Function=空間/功能；SF1=我覺得旅館的空間佈局令人感到便利；SF2=我覺得旅館擁有現代 感的設備；SF4=我覺得旅館擁有全面性的保全系統裝置；SF5=我覺得旅館擁有足夠的設施；SF6=我覺 得旅館的洗手間內擁有足夠的設備。
(四) 員工滿意度構面之測量模型
本研究將有效樣本數216 份，經由驗證性因素分析結果如表 4-19、圖 4-8 及圖 4-9。
由表4-19 得知原始模型之配適度不佳，參考 MI 修正，如表 4-18，刪除 ES2 題項 (我 對同事感到滿意) ，可以減少卡方值 50.982，第二次刪除 ES3 題項 (我對主管感到滿
45
& Sugawara, 1996)
資料來源：本研究自行整理
圖4-8. 員工模型-員工滿意度構面原始驗證性因素測量模型
註：Employee Satisfaction=員工滿意度；ES1=我對整體工作感到滿意；ES2=我對同事感到滿意；ES3=
我對主管感到滿意；ES4=我對公司政策感到滿意；ES5=我對公司提供的支援感到滿意；ES6=我對薪資 感到滿意；ES7=我對公司晉升的機會感到滿意。
46
& Sugawara, 1996)
資料來源：本研究自行整理
47
圖4-10. 員工模型-服務績效構面原始驗證性因素測量模型
註：Service Performance=服務績效；SP1=我對顧客友善且樂於幫助他們；SP2=我對顧客需求能快速的 反應；SP3=我適時的詢問並傾聽以了解顧客的需求；SP4=我能夠在顧客需要時提供協助；SP5=我能在 顧客有需求時提供相應的事物；SP6=我能想在顧客前面；SP7=我針對顧客的異議，能站在顧客的立場 提供客觀的解釋與說明，來說服他們。
圖4-11. 員工模型-服務績效構面修正後驗證性因素測量模型
註：Service Performance=服務績效；SP1=我對顧客友善且樂於幫助他們；SP2=我對顧客需求能快速的 反應；SP3=我適時的詢問並傾聽以了解顧客的需求；SP4=我能夠在顧客需要時提供協助；SP5=我能在 顧客有需求時提供相應的事物；SP7=我針對顧客的異議，能站在顧客的立場提供客觀的解釋與說明，
來說服他們。
五、 員工模型信度與收斂效度分析
如表 4-22 示，本研究員工測量模型之因素負荷量少數幾項在 0.7 以下，而因素負 荷量為0.6 是可接受的程度 (Hair et al., 1992) ，因此不影響整體效度，CR 值介於 0.77 至 0.94 之間，且 AVE 均大於 0.5，而 SMC 值只有少數幾項在 0.5 以下，不影響整體 效度。
48 的解釋與說明，來說服他們；SMC (Square Multiple Correlation) =多元相關係數的平方；CR (Composite Reliability) =組成信度；AVE (Average Variances Extracted) =平均變異數萃取量。
49
六、 員工模型區別效度分析
由表4-23 顯示 Bootstrap 計算構面之間的相關係數值，氛圍構面對標識、符號與 工藝品構面的估計值為 0.826、氛圍構面對空間/功能構面的估計值為 0.752、氛圍構面 對員工滿意度構面的估計值為 0.537、氛圍構面對服務績效構面的估計值為 0.441、標 識、符號與工藝品構面對空間/功能構面的估計值為 0.919、標識、符號與工藝品構面 對員工滿意度構面的估計值為 0.661、標識、符號與工藝品構面對服務績效構面的估計 值為 0.603、空間/功能構面對員工滿意度構面的估計值為 0.768、空間/功能構面對服 務績效構面的估計值為 0.510、員工滿意度構面對服務績效構面的估計值為 0.552，以 上相關係數的估計值均落在 Bias-Corrected 95%的信賴區間與 Percentile 95%的信賴區 間的上下限中，且兩種信賴區間法均未包含 1，表示構面間具有區別效度 (Torkzadeh et al., 2003) 。
表4-23
員工模型構面之間相關係數信賴區間估計
變數 點估計值
信賴區間法 Bias-Corrected
95%的信賴區間
Percentile 95%的信賴區間
下界 上界 下界 上界
氛圍<-->標識、符號與工藝品 0.826 0.688 0.930 0.693 0.933
氛圍<-->空間/功能 0.752 0.634 0.848 0.630 0.847
氛圍<-->員工滿意度 0.537 0.395 0.664 0.390 0.661
氛圍<-->服務績效 0.441 0.311 0.573 0.299 0.571
標識、符號與工藝品<-->空間/功能 0.919 0.849 0.980 0.849 0.980 標識、符號與工藝品<-->員工滿意度 0.661 0.535 0.768 0.533 0.767 標識、符號與工藝品<-->服務績效 0.603 0.470 0.737 0.467 0.733 空間/功能<-->員工滿意度 0.768 0.695 0.835 0.691 0.831
空間/功能<-->服務績效 0.510 0.411 0.625 0.401 0.617
員工滿意度<-->服務績效 0.552 0.452 0.649 0.448 0.642
註：1,000 Bootstrap sample
50