數據分析方法

本研究根據取得問卷的份數進行假設驗證與實證分析，其中運用SPSS 軟體 主要針對描述性統計資料分析以及複選題選項分析。而運用SmartPLS 軟體部份 則對取得數據資料進行信度與效度分析及結構方程式分析，最終進而驗證本研究 模型的構面及設定的假說是否成立。各種統計分析方法如下：

一、描述性統計(Descriptive Statistics)

描述統計是一個摘要統計定量地描述或總結的集合的特徵資訊，用於描述研 究中數據的基本特徵。通常用於描述數據裡的一些度量是集中趨勢的度量和可變 性或分散的度量。且提供了有關樣本和措施的簡單摘要。並與簡單的圖形分析一 起，它們構成了幾乎每個數據定量分析的基礎。也就是用幾個簡單的數字把資料 的大致趨勢或分配作出統整常見的方法，如平均值、標準差...等等。計算出平均 值愈高，代表此問題較為受測者所重視；樣本標準差愈小，表示受測者對於該問 題較有認同的看法。描述性統計與推論統計不同，因為描述性統計旨在總結樣 本，而不是使用數據來瞭解人口認為數據樣本代表。這通常意味著與推理統計不 同，描述性統計不是基於概率論開發的，並且通常是非參數統計。

而本研究將運用描述統計對人口統計資料與取得重型機車使用者的勾選意 願對其行為進行次數分配與百分比分析，在人口統計資料中內容包含性別、年 齡、教育程度、職業、月收入、騎乘重型機車品牌等變數；針對描述性統計，本 研究採用 SPSS 進行分析依其展現百分比的計算排序出順序瞭解樣本數的結構 分佈與組成。

45

二、複選題分析(Multiple Response)

研究中採用SPSS 中的複選題分析方法，對重型機車使用者勾選意願行為之 複選題，其內容包含改裝您的愛車的動機為何、您如何得到改裝重型機車的資 訊、「消費全返」的商業促銷方式，透過哪些管道的推薦比較能取得你的信任、「消 費全返」的商業促銷方式可以為您帶來哪些效益、你認為消費時廠商提供哪種返 利模式最吸引您等共五種問題，以所測的的數值的次數分配及所占的百分比例進 行分析排序及比較，以利瞭解重型機車使用者之相關改裝行為以及對新的商業促 銷手法的接受度及感觀。

三、交叉分析(Cross Analysis)

研究運用SPSS 軟體中的交叉分析方法，對取得的人口基本描述性統計資料 與複選題內容進行交叉比對分析進而探討研究中多個變數間的關聯，瞭解不同重 型機車消費族群對於改裝上的相關行為彙整成表格形式呈現，進一步瞭解各重型 機車使用者間對改裝的偏好與對促銷資訊的來源與可接受的商業促銷方式相互 關係。

四、信度與效度分析(Reliability and Validity Analysis)

信度（Reliability）與效度（Validity）指的是實際測得的指標數據與這些指 標所預測之構念（Construct）間的關係。信度指的是其所得資料的可靠性或測量 一致性。具有信度好的指標數據不管重複操作幾次也可得一致或穩定的結果。而 效度為關於測量方式能否能如實反映所欲測量或衡量標的的程度。在本研究中信 度方面求其構面信度(Construct Reliability)與組成信度(Composite Reliability；CR) 而在效度(Validity) 計算其收斂效度(Convergent Validity)並以平均萃取變異量

46

(Average Variances Extracted；AVE)來檢測其收斂效度。採用學者理論及變項數值 參考如下表3-10 所示。

表3- 10 採用研究變項數值整理

學者 採用研究變項數值整理

Cronbach (1951)

Cronbach's alpha克隆巴赫係數。α ≥ 0.9 Excellent 、 0.9 > α ≥ 0.8 Good 、0.8 > α ≥ 0.7 Acceptable 、0.7 >

α ≥ 0.6 Questionable、0.6 > α ≥ 0.5 Poor 、0.5 > α Unacceptable。

Nunnally (1978)

信度(Reliability)介於0.5~0.75屬可接受值且當組成 信度CR高於0.7表示屬於高組成信度。

Fornell (1981)

組成信度(Composite Reliability；CR)。當CR值>0.6 代表具有良好的信度且CR值愈高代表愈能測出潛 在變數。

Bagozzi (1988)

平均萃取變異量(Average Variances Extracted；AVE) AVE>0.50 表 示 該 測 量 變 數 具 有 收 斂 效 度 (Convergent Validity)，若所得數值愈大收斂效度高。

47

五、最小平方法(Partial Least Squares；PLS)

PLS（Partial Least Squares）是結構方程模型（PLS-SEM）的一種統計分析 方法，是一具探測或建構預測性模型的分析技術對於潛在變項的因果模型(Causal Model)分析功能上有優於一般的線性結構關係模式。而 PLS 其簡易用法來說可 以一次跑許多條迴歸模型快速得知因果變數而針對這樣的 SEM 也可稱做 PLS-SEM。過去在驗証實驗共變數為基礎的結構方程式模型(CB-SEM)多使用如 EQS、AMOS、LISREL 等軟體來計算，但在使用上需大樣本及常態性要求使得 在使用上具取得樣本數的限制無法靈活彈性運用。現如果針對小樣品分析已改用 PLS-SEM 來發展、驗證模型(以 SmartPLS 軟體執行)具直覺式的圖形用戶介面可 以在幾分鐘內使用SmartPLS 建立統計分析並展示出具數據性的路徑模型。所以 SmartPLS 軟體已應用在非常態且數據規模小至中規模樣本的資料進行統計分析 有一定準確成功範例。王淑慧、楊得芊、呂全才(2019)在信託公司聲譽風險評價 研究對金融性的風險評估採用此模型分析；Ayman Abdo Harb (2019)對社交媒體 營運評估影響會展顧客參會意願的各項因素論文中也採用本模型。所以在各方 面研究上皆使用偏最小平方法結構方程模型（PLS-SEM）的原理且運用 SmartPLS 軟體來運算、統計進行潛在變項的模型分析成功解析數據。

在本研究中取得重型機車使用者回饋樣本數為75 份偏小規模的樣本，所以 也是採用PLS 為本論文分析的方法，並以 SmartPLS 3.2.8 版本為本統計分析的 軟體。藉由SmartPLS 使用一非參數程式(Bootstrapping)測出 PLS-SEM 的統計顯 著性，如路徑係數Cronbach's alpha(克隆巴赫係數)、HTMT(異方差 - 單相關係 比)和R²(判定系數)值。

48