第四章 研究結果與管理實務意涵
4.1 基本資料統計
4.3.4 不同服務年資對於實際執行時「發生頻率」ANOVA 分析 91
表4.24 不同服務年資－實際執行時發生頻率同質性檢定 Levene 統計量 分子自由度 分母自由度 顯著性
需求不完整 2.050 4 73 .096
缺乏使用者參與 1.458 4 73 .224
缺乏資源 .662 4 73 .620
缺乏行政支持 2.466 4 73 .052
缺乏辨識風險能力 2.124 4 73 .086
技術能力不佳 2.037 4 73 .098
採購能力不佳 1.156 4 73 .338
管理不佳 1.510 4 73 .208
未執行品質保證 .401 4 73 .808
預算超支 1.579 4 73 .189
不切實際的期望 1.237 4 73 .303
資料來源：本研究整理。
表4.24 為不同服務年資者認為衡量構面於實際執行時所「發生 的頻率」之同質性檢定結果，統計結果得知此十一項衡量構面之顯 著性皆＞0.05，符合變異數分析之同質性檢定假設，因此 ANOVA 分析成立同時數據可直接使用。
接著以服務年資變數為因子，衡量構面為依變數進行衡量構面 於實際執行時所「發生的頻率」ANOVA 分析，若 ANOVA 分析拒 絕虛無假設，則進行事後檢定。因本研究填答人服務年資之樣本數 不同，因此使用Scheffe 法進行事後多重比較檢定。
92
93
ANOVA 分析結果得知，在 95%的信心水準下（p=0.05），此十 一項衡量構面之顯著值皆＞0.05，表示此十一項衡量構面於實際執 行時所「發生的頻率」，並未隨著填答人服務年資的不同，而有顯 著差異，研究分析結果不拒絕虛無假設，如表4.25。因研究分析結 果不拒絕虛無假設，衡量構面無顯著差異性，因此無須進行事後檢 定。
4.4 專案成功與失敗判別分析
本研究判別分析之案例係採用民國96 至 100 年間，公告於政府 電子採購網(http://web.pcc.gov.tw/pis/main/pis/client/index.do)之招標 公告案例，案例屬於整合軟體、硬體及通訊之資訊系統型專案，並 且已完成驗收結案，共計89 筆。依據政府採購法及本研究之定義，
本研究分析針對每一案例進行專案屬性分類及調查，案例屬性如表 4.26。
表4.26 案例屬性分類
案例屬性 屬性分類
採購標的 工程類 財物類 勞務類
採購金額級距 小額採購 公告採購 查核採購 巨額採購 招標方式 公開招標 限制性招標 未達公告金額
決標原則及決
標方式 最低標 最有利標 複數決標
是否委外 是 否
標案性質 新案 擴充維護案
驗收情形 通過 不通過
資料來源：本研究整理。
本研究分析調查案例依據上述的專案屬性定義進行分類，並針 對每一案例進行是否驗收通過之調查，調查方式為面訪專案之業務 經理，若專案於執行期間符合時間、品質及預算之規劃，則代表專 案為驗收通過，反之，若專案於執行期間曾經有延遲履約、交付項
94
目不符合專案驗收標準，導致專案被罰款或是專案超支等情形，則 代表該專案驗收不通過。
表4.27 案例屬性統計
案例屬性 採購級距 次數 總計
採購標的
工程類 1
財物類 37 89
勞務類 51
採購金額級距
小額採購 14
公告採購 49 89
查核採購 9
巨額採購 17
招標方式
公開招標 34
限制性招標 48 89 未達公告金額 7 決標方式
最低標 56
最有利標 32 89
複數決標 1
是否委外 是 62
否 27 89
標案性質 新案 57
擴充維護案 32 89
驗收情形 通過 73
不通過 16 89 資料來源：本研究整理。
本研究案例資料統計如表4.27，案例資料共計 89 筆，有效資料 共計89 筆。經統計結果得知，『採購標的』屬性以「勞務類」為最 多數，共51 筆，約佔 57.3%；『採購金額級距』屬性以「公告採購」
為最多數，共 49 筆，約佔 55.1%；『招標方式』屬性以「限制性招 標」為最多數，共 48 筆，約佔 53.9%；『決標方式』屬性以「最低 標」為最多數，共56 筆，約佔 62.9%；『是否委外』屬性以「委外」
為最多數，共 62 筆，約佔 69.7%；『標案性質』屬性以「新案」為
95
最多數，共 57 筆，約佔 64%；『驗收情形』屬性「驗收通過」，共 73 筆，約佔 82%；「驗收不通過」，共 16 筆，約佔 18%。
本研究以Box’s M 來檢定各群體的共變異數矩陣是否相等，採 用一次就將全部變數投入於判別函數當中，並使用 Fisher’s 判別方 法求得Fisher 判別函數，依照下列步驟進行判別分析：
1. 選擇分組變數與自變數。
2. 計算各組單變數敘述統計量，包括組內平均值、組內標準差、
總平均值、總標準差、各組共變數矩陣、組間相關矩陣，並 對組間平均值相等及共變數矩陣相等的假設進行檢定。
3. 推導判別係數，進行檢定。
4. 建立 Fisher 線性判別函數。
5. 根據 Fisher 規則進行判別分組。
6. 求出判別函數分類結果，計算判別分數及判中率(Hit Ratio)。
表 4.28 Box’s M 共變數矩陣相等性檢定結果
Box's M 共變數相等性檢定 36.314
F 檢定 近似值 1.463
分子自由度 21
分母自由度 2668.761
顯著性 .080
資料來源：本研究整理。
Box’s M 共變數矩陣相等性檢定結果如表 4.28，Box’s M 統計量 為36.314、F 值 1.463、自由度（21,2668）、顯著性0.080＞α=0.05，
得接受兩組之共變異數矩陣相等之虛無假設，符合判別分析的假定。
因此，本研究之資料符合判別分析之假設要求。
表 4.29 典型判別函數摘要表
函數 特徵值 變異數的% 累積% 典型相關 1 .243a 100.0 100.0 .442 資料來源：本研究整理。
96
表 4.29 為典型判別函數摘要表，共有一條判別函數，特徵值 (Eigenvalue)為 0.243，特徵值愈大，表示此函數愈具判別能力。
表 4.30 Wilks’ Lambda 值
函數檢定 Wilks' Lambda 值 卡方 自由度 顯著性 1 .804 18.300 6 .006 資料來源：本研究整理。
表 4.30 為 Wilks’ Lambda 值，以 Wilks’Λ檢定整組判別函數的 判別能力，Wilks’Λ值 0.804、卡方值 18.300、自由度 6、顯著性 0.006
＜α＝0.05，判別能力達顯著水準。
表4.31 標準化的典型判別函數係數 標準化函數
1
採購金額級距 .197
招標方式 -.130
決標方式 1.111
採購標的 -.460
是否委外 .105
標案性質 .279
資料來源：本研究整理。
表4.31 為標準化後之典型判別函數，其函數個數比組別數少一，
故組別數為二時就只有一條判別函數，係數即其重要性，代表自變 數對分組變數的貢獻程度，係數絕對值越大者，其重要性越高。由 上表中的值，整理出一個標準化典型判別函數如下：
F1=0.197x 採購金額級距－0.13x 招標方式＋1.111x 決標方式
－0.46x 採購標的＋0.105x 是否委外+0.279x 標案性質
正值部分以『決標方式』最高(1.111)，其次為『標案性質』(0.279)、
『採購金額級距』(0.197)及『是否委外』(0.105)等變數；負值部分 則為『採購標的』(-0.46)、『招標方式』(-0.13)等變數。
97
表4.32 結構矩陣
函數 1
決標方式 .875
採購金額級距 .364
是否委外 .148
採購標的 .116
招標方式 .110
標案性質 .031
資料來源：本研究整理。
表4.32 為結構矩陣，為判別變數和標準化典型判別函數之間的 合併後組內相關，與標準化典型判別函數的結果相同，變數係依函 數內相關的絕對大小加以排序，結構矩陣中的值較大，代表的影響 力也較大。
表 4.33 各組重心的函數
驗收情形 函數
1
不通過 1.042
通過 -.228
資料來源：本研究整理。
表4.33 為各組重心的函數，依據『驗收通過』及『驗收不通過』
兩組樣本之判別分數的均數（重心），『驗收不通過』之重心 1.042 為正值，故『決標方式』（1.111）、『標案性質』（0.279）、『採購金額 級距』（0.197）等幾個變數，就是決定專案會驗收不通過的主要判 別變數，因此『決標方式』採用最低標、『標案性質』採用新案、『採 購級距』採用公告採購等專案屬性，就越可能導致專案驗收不通 過。
驗收通過之均數（重心）-0.228 為負值，故前面標準化後之典 型區別函數係數為負且較大者：『採購標的』（-0.46）、『招標方式』
（-0.13）等變數，就是決定專案能夠驗收通過的主要判別變數，因
98
此『採購標的』採用勞務類、『招標方式』採用限制性招標，較可 能使得專案驗收通過。
表 4.34 組別的事前機率
驗收情形 事前 分析中使用的觀察值
未加權 加權
不通過 .180 16 16.000
通過 .820 73 73.000
總和 1.000 89 90.000
資料來源：本研究整理。
表4.34 為組別的事前機率值，依據組別大小佔總樣本的比率進 行計算。
表 4.35 Fisher's 線性判別函數之分類函數係數 延遲履約
是（CF1） 否（CF2）
採購金額級距 2.268 2.006
招標方式 -.556 -.402
決標方式 4.489 1.501
採購標的 5.898 7.014
是否委外 4.267 3.981
標案性質 5.909 5.179
(常數) -22.891 -17.969
資料來源：本研究整理。
表 4.35 為 Fisher's 線性判別函數之分類函數係數，用來判定收 集的案例是屬於哪一組，整理分類函數如下：
分類函數CF1=2.268x 採購金額級距－0.556x 招標方式＋
4.489x 決標方式－5.898x 採購標的＋
4.267x 是否委外+5.909x 標案性質－22.891
99
分類函數CF2=2.006x 採購金額級距－0.402x 招標方式＋
1.501x 決標方式－7.014x 採購標的＋
3.981x 是否委外+5.179x 標案性質－17.969 將所收集觀察值代入分類函數 CF1、CF2，計算得最大值，就 歸屬於該組，求得表4.36 之分類結果。 84.3%((5+70)/(16+73)=75/89)，表示 84.3%的原始組別觀察值已正確 分類。
100