中華大學碩士論文

(1)

中華大學碩士論文

飼養寵物因素之研究

A study on the Factors of Raising Pets

系所別：應用統計學系碩士班學號姓名：M09809017 陳彩琳指導教授：羅琪博士

中華民國一百年一月

(2)

中華大學碩士班研究生論文指導教授推薦書

應用統計學系碩士班陳彩琳君所提之論文飼養寵物因素之研究，係由本人指導撰述，同意提付審查。

指導教授 (簽章)

中華民國九十九年十二月

(3)

中華大學碩士班研究生論文口試委員會審定書

應用統計學系碩士班陳彩琳君所提之論文飼養寵物因素之研究，經本委員會審議，符合碩士資格標準。

論文口試委員會召集人（簽章）

委員（簽章）

（簽章）

系主任（簽章）

中華民國九十九年十二月

(4)

摘要

近年來隨著經濟快速成長，在台灣飼養寵物的風氣日盛，以整體來說，養寵物者的人口比例逐漸攀升。

本論文以新竹、苗栗及台中三個地區的居民為調查對象，找出並探討會飼養寵物的因素，另外研究性別、年齡、身分、婚姻狀況、子女狀況及教育程度等變數對飼養寵物的因素是否有影響。

本論文採用因素分析法進行，利用問卷蒐集資料進行分析，結果歸納出影響飼養寵物的最重要的因素有「喜歡」、「介紹」、「人際關係」、「寵奴」、「同情和特別」、

「流行」六個，六個因素層面累積的解釋總變異量為 65.679%。另外性別對這六個因素沒有顯著的差異；年齡與教育程度在「介紹」、「寵奴」、「同情和特別」這三個因素有顯著的差異；身分在「介紹」、「同情和特別」、「流行」這三個因素有顯著的差異；婚姻狀況及子女狀況在「介紹」、「同情和特別」這二個因素有顯著的差異。

關鍵詞：寵物飼養、因素分析

(5)

ABSTRACT

With the rapid economic growth in recent years, the atmosphere of raising pet has become more popular in Taiwan. In the whole, raising pet's population proportion to increase gradually.

In this dissertation, the residents of Hsinchu, Miaoli, and Taichung regions are the research subjects. The purposes of this research are to find the factors of raising pets and to study whether the gender, age, identity, marital status, children status, educational level and other variables have significant effect on the pet raising.

This dissertation applied the factor analysis on the data collected from questionnaires. After the data analysis, the following results were obtained. The most important 6 factors that affect the pet raising are“liking”,“introduction”,“interpersonal relationship”, “pet slave”, “sympathy and special” and “popularity”. Gender has no significant effect on all 6 factors. Age has significant effect on “introduction”, “pet slave”, “sympathy and special”3 factors. Education level has significant effect on

“introduction”, “pet slave”, “sympathy and special”3 factors. Identity has significant effect on “introduction”, “sympathy and special”, “popularity”3 factors. Marital status has significant effect on “introduction”, “sympathy and special”2 factors. Children status has significant effect on “introduction”, “sympathy and special”2 factors.

Keywords: Raising Pet, Factor Analysis

(6)

誌謝辭

一年半的研究所生涯即將告一段落，能這麼順利完成學業，最感謝的就是羅琪副教授。在論文的寫作期間，羅琪老師對於我不明瞭的地方，總會不厭其煩的指點我，使我的統計觀念更加清楚，而且老師所給予我的不只是知識上的教授，生活上老師有條不紊的做事態度，也使我獲益良多，在老師的指導下，使我在統計領域上的知識更充實、完善，讓我覺得能成為羅老師的指導學生是我求學期間最幸福的事。

我也深刻體會到在人生的學習道路上能碰到好老師指導真的是一種福氣，在我本身也是一位國中數學教師的身分下，羅琪老師在教學上的認真態度，在我心中留下的也是一種典範。

其次還要感謝楊錦章老師的書報指導及教導我生活上的做事態度，以及陪伴我這一年半成長的所有同學及朋友們，謝謝你們的鼓勵、關懷與加油打氣，在我困難時給予我適當的協助。

最後我謹呈我的論文給我親愛的雙親以及家人，還有所有關心我的朋友們，因為有你們的默默支持與鼓勵，我才有今日的成就，謹以此論文獻予你們。

陳彩琳謹於中華大學應用統計學系碩士班

中華民國 99 年 12 月

(7)

表目錄

表 1.1 變數的名稱及編碼 ...10

表 2.1 極端組比較結果摘要表 ...18

表 2.2 題項與總分的相關性檢定結果摘要表 ...19

表 2.3 校正題項與總分的相關性結果摘要表 ...20

表 2.4 內部一致性信度係數值解釋表 ...21

表 2.5 題項刪除後的內部一致性信度係數值摘要表 ... 22

表 2.6 共同性與因素負荷量的結果摘要表……… ... 23

表 2.7 飼養寵物量表項目分析摘要表 ... 24

表 3.1 母體因素負荷量、共同性、獨特變異數計算表 ... 29

表 3.2 因素分析 KMO 適切性量數判別準則... 31

表 3.3 樣本因素負荷量、共同性、獨特變異數計算表 ... 35

表 4.1 次數分配表 ...43

表 4.2 各題項同意度選項的次數(百分比)分配表 ...45

表 4.3 選項比較集中在同意與非常同意這兩項的題項一覽表 ...54

表 4.4 選項比較集中在不同意與非常不同意這兩項的題項一覽表 ...55

表 4.5 選項比較集中在不能確定的題項一覽表 ...56

表 4.6 選項平均分佈的題項一覽表 ...56

表 5.1 第一次因素分析 KMO 統計量與 Bartlett’s檢定 ...57

表 5.2 「飼養寵物情形」量表 35 題項進行第一次因素分析解釋總變異量 ...58

表 5.3 「飼養寵物情形」量表 35 題項進行第一次因素分析轉軸後的因素分析摘要表 ...60

表 5.4 第二次因素分析 KMO 統計量與 Bartlett’s檢定 ...63

表 5.5「飼養寵物情形」量表 33 題項進行第二次因素分析解釋總變異量 ...65 表 5.6 「飼養寵物情形」量表 33 題項進行第二次因素分析轉軸後的因素分析摘要

(11)

表 ...66

表 5.7 第三次因素分析 KMO 統計量與 Bartlett’s檢定 ...70

表 5.8 「飼養寵物情形」量表 31 題項進行第三次因素分析解釋總變異量 ...70

表 5.9 「飼養寵物情形」量表 31 題項進行第三次因素分析轉軸後的因素分析摘要表 ...73

表 5.10 因素分析後各層面包含題項、解釋量及內部一致性信度係數 ...76

表 6.1 樣本基本資料變異數分析結果 ...81

表 6.2 綜合分析表 ...82

表 6.3 綜合比較表 ...82

(12)

圖目錄

圖 1.1 2002~2005 年有養寵物的比例 ...2

圖 1.2 國人飼養寵物的種類 ...8

圖 1.3 研究流程圖 ...12

圖 2.1 量表編製與建構流程圖 ...16

圖 2.2 獨立樣本 t 檢定流程圖 ...17

圖 3.1 因素分析的流程圖 ...33

圖 4.1 題項 1～4 同意度選項的長條圖 ...47

圖 4.4 題項 17～19，21～23 同意度選項的長條圖 ...50

圖 4.5 題項 24～27，30，32 同意度選項的長條圖 ...51

圖 4.7 題項 39 同意度選項的長條圖 ...53

圖 5.1 第一次因素分析後之陡坡圖 ...59

圖 5.2 第二次因素分析後之陡坡圖 ...64

圖 5.3 第三次因素分析後之陡坡圖 ...72

圖 5.4 前二個因素分數之散佈圖 ...78

(13)

附錄目錄

附錄一：預試問卷 ...86

附錄二：正式問卷 ...90

附錄三：極端組獨立 t 檢定的結果 ...94

附錄四：題項與總分相關性檢定的結果 ...98

附錄五：同質性檢驗的結果 ...102

附錄六：因素分析的結果 ...107

附錄七：變異數分析的結果 ...132

(14)

第一章緒論

寵物(pet)的定義，根據台灣維基百科，一般是指人為了消除孤寂或娛樂的目的而豢養的小型動物，其中貓、狗、鳥和魚最為常見。大多數寵物在主人那裡會受到很好的對待，也有少數主人虐待動物。

寵物一般是哺乳綱或鳥綱的動物，因為這些動物大腦比較發達，有的大腦能相當於 3 至 5 歲左右的幼兒的大腦，所以容易和人交流。但其實人可以把所有種類的動物變成寵物，包括魚綱、爬行綱、兩棲綱甚至昆蟲，不過一般寵物都是體型比較小的動物。

臺灣動物保護法將寵物定義為：「犬、貓及其他供玩賞、伴侶之目的而飼養或管領之動物。」並規定不得因「為肉用、皮毛用，或餵飼其他動物之經濟利用目的」而被宰殺、販賣。

1.1 研究背景

近年來隨著經濟快速成長，國人飼養寵物的風氣日盛，飼養寵物的範圍也十分廣泛，除了一般犬、貓外，蜥蜴、昆蟲、老鼠、蛇類等均是時下常見的寵物。

根據農委會最近統計，台灣有20 %的家庭飼養寵物，一年寵物市場（包含買賣寵物）規模已達160億元。

另外，根據農委會委託台灣大學獸醫系在2005年完成的「全國家犬、家貓數量」

電話調查推估，全國飼養的寵物狗大約有113萬隻、寵物貓約21.7萬隻。兩種主流的家庭寵物合計高達約135萬隻，其中以都會區商圈家庭飼養寵物的比率較高，單是大台北縣市飼養寵物狗和貓的比率就高占近三成，台中縣市、高雄縣市和桃園縣飼養寵物的家庭也比較多。

該調查並推估，全國 720 多萬戶家庭中，有飼養寵物的比率約 20.3%，相較於英

(15)

台灣家庭飼養寵物的比率仍有成長潛力。

圖 1.1 2002~2005 年有養寵物的比例

(取自中時行銷知識庫，邱俊龍(2006)寵物熱潮持續攀升—寵物市場人口初探一文)

根據 2005 年東方線上行銷資料庫的統計發現（如圖 1.1 所示），以台灣地區全體的有養寵物比例來說，2002～2005 年養寵物的比例的確是逐年增加，2002～2003 年有大量成長，2003～2005 則呈現穩定成長之態勢。另外再從性別觀察，發現到男性養寵物的比例與全體比例的發展相似；但女性則有著較不一樣的發展，2002～2004 呈現穩定成長的趨勢，但卻在 2004～2005 年呈現小幅下跌。但整體來說，養寵物者的人口比例逐漸攀升，其中以女性養寵物的比例高於男性，但二者在 2005 年已幾近伯仲之間。

1.1.1寵物的種類

寵物的種類很多，其中某些物種的貿易對野生種群有一定危害，並不鼓勵飼養。

以下列出的是作為寵物飼養的種類(取自台灣維基百科)：

哺乳類

犬類：馬爾濟斯、獅子狗、沙皮狗、拉布拉多犬、黃金獵犬、可卡犬、雪納瑞、吉娃娃、貴賓狗、鬥牛犬等。

貓類：美國短毛貓、英國短毛貓、異國短毛貓、蘇格蘭折耳貓、波斯貓等。

鼠類，嚙齒目：荷蘭豬、小白鼠、沙鼠、金花鼠、八齒鼠、大花鼠、寒號鳥（鼯

(16)

鼠）和金絲熊（黃金倉鼠）。其他：驢、猴、羊駝、刺蝟、貂、兔、馬、小豬。

魚類

金魚、錦鯉、熱帶魚。

鳥類鴿、雞。

鸚鵡類：虎皮鸚鵡、金剛鸚鵡、牡丹鸚鵡。

鳴禽類：百靈、畫眉、八哥、金絲雀。

兩棲類

蛙、蟾蜍、娃娃魚、鯢、蚓螈。

爬行類

蜥蜴、鬣蜥、蛇、龜。

鱷魚類：小灣鱷、寬吻鱷、短吻鱷、印度食魚長吻鱷。

蟲類

甲蟲、蟋蟀、蠶、蜘蛛、蠍子。

1.1.2養寵物的好處

寵物是人類的好朋友，不僅能替人們解悶，還對人體健康具有重要作用。美國網路醫學博士網就列舉了寵物改善健康的幾種好處。(資料取自：金羊網生活頻道 http://life.ycwb.com/2010-01/29/content_2384912.htm)

1. 寵物是自然的情緒調節劑。和貓狗在一起，或觀賞游動的魚兒 15- 30 分鐘，可減輕壓力。

2. 穩定血壓。一項研究表明，與寵物狗玩耍可預防兒童患高血壓。

3. 降低膽固醇。一項新研究發現，養寵物有助於降低膽固醇和三酸甘油酯水準。當然，寵物主人還應注意飲食控制等生活方式因素。

(17)

4. 寵物貓狗有益心臟。一項為期 20 年的研究發現，沒養寵物貓的人群，心臟病死亡率比養寵物貓的人高 40%。另一項研究發現，養寵物狗可以提高心臟病發作後的生存率。

5. 治療抑鬱。寵物會不厭其煩地聽主人傾訴。

6. 有益健身。每天遛狗 30 分鐘可達到適度運動最低標準，肥胖機率更低。

7. 健身夥伴。與寵物一起鍛鍊可以雙贏，比如將貓當啞鈴舉，與狗一道練習瑜珈等。

8. 寵物貓比其他動物更具有平靜作用，能促進血液循環，降低中風危險。

9. 促進主人們之間的人際交往，減少孤獨。

10. 減少孩子過敏症，增強免疫力。

11. 養貓防孩子哮喘養。

12. 充當糖尿病患者的零食鬧鐘。依些寵物狗(約有 1/3)可以嗅出主人身體某些化學物質的變化情況，並在主人血糖驟降之前發出警告，讓主人及時補充食物，避免危險。

13. 寵物狗可以緩解患者的緊張等過激情緒，常用於心理治療。

14. 癌症治療的好夥伴。貓狗的癌症與人類極為相似，對貓狗癌症的研究具有極大的現實作用。

15. 治療兒童過動症。過動症孩子與寵物一起玩耍，能促進孩子睡眠，增強自信。

16. 遛狗能強壯骨骼。遛狗有助於接受更多陽光，增加體內維生素 D。

17. 與貓一起伸懶腰，可防關節炎。

18. 治療兒童自閉症。與寵物在一起可以刺激患者觸覺、聽覺、嗅覺等感覺，增強注意力。

19. 與寵物狗一道治療關節炎。如果你的寵物狗有關節炎，可與寵物一道鍛鍊，同時服藥。

20. 騎馬有助於中風患者康復。

21. 緩解風濕病。與寵物散步或扔飛盤等活動，有益緩解風濕病。

(18)

22. 狗身體產生的熱量對慢性疼痛患者有"熱療"功效。

23. 幫助患癲癇兒童。一旦患者發病，特訓犬會及時"報警"。

24. 幫助帕金森病患者。經過特殊訓練的狗可以開門、關門、幫助主人保持身體平衡等，因而可幫助帕金森病患者保持獨立生活。

25. 提高失語症患者生活質量。特種犬能聽懂特殊的指令，可以改善失語症患者病情，增強其生活信心，提高生活質量。

26. 平靜重症患者心情。這方面，貓比狗的效果更好。

27. 寵物輔助療法。診所和養老院中患者與動物互動，有助於改善患者情緒。

1.1.3 養寵物的壞處

養寵物有許多好處，但有時也帶來許多壞處，將其整理如下：

1. 會造成家裡的污染(狗便便、寄生蟲…等)及影響鄰居的安寧(吵鬧狂吠不已…等)。

2. 要幫寵物洗澡。

3. 會亂咬東西。

4. 需要在寵物身上花許多的金錢。

5. 有可能咬傷人。

6. 要花許多時間關心寵物。

7. 必須關心寵物的健康，以免得到傳染病。

8. 養寵物有可能使寵物喪失天性。

9. 會變的很吵，因為寵物可能會一直亂吠亂叫。

10. 可能要隨時留意寵物狀況。

11. 寵物長途奔波會受驚嚇。

12. 增加父母負擔。

13. 耐性不長是多數人的毛病，久了、嫌煩，就遺棄、丟掉，造成了不少的社會問題。

14. 若飼主缺乏人畜共同傳染病及公共衛生的基本常識，常因一時「新鮮感」及飼養

(19)

後「喜新厭舊」心態下，造成棄養及人畜共通疾病與動物疾病的傳染問題，加上近年來查獲不少走私動物的案件，已對公共衛生及環境生態上造成嚴重威脅。

1.2 文獻回顧

下面是一些與寵物研究有關的論文，這些研究大多不是在探討飼養寵物因素，

其中卓燕萍(2006)與陳芳娟(2009)的論文與本論文較接近，但其研究對象均為小學生與本論文的研究對象不同。下面將這些論文的研究重點摘錄如下：

卓燕萍(2006)在其論文中指出，兒童是目前家庭寵物的重要飼主，更是未來寵物飼養的決定者。了解兒童的寵物飼養行為及影響因素，可以作為學校發展動物飼養以及生態環境課程發展的參考。論文目的在於了解國小高年級學童的寵物飼養行為及其影響因素，以台中縣市國小高年級學童為研究對象，採用問卷調查法，以隨機抽樣法，

抽出1540位學童接受問卷調查，回收有效問卷1250份。

研究結果發現，超過九成的學童在學校的課程中曾飼養過小動物，五成的學童家中現在正在飼養寵物，以魚、狗最多，魚主要是用買來的，狗大多是親朋好友送的。

過去有飼養寵物的家庭中有四成七會持續飼養寵物。七成的學童表示長大後想飼養寵物，女生有此意圖的機率是男生的1.6倍；有寵物飼養經驗仍有此意圖的是沒有寵物飼養經驗者的2.5倍。學童對寵物的態度越正向、自覺寵物飼養知識越高者，在寵物飼養行為上與寵物的關係就更緊密，而且願意對寵物照顧所做的承諾就越高。影響學童的寵物飼養行為意向的因素中，其影響力大小依序為「對寵物的態度」、「自覺重要第三人的看法」、「便利性知覺」、「自覺寵物飼養知識」、「與寵物的關係」。

陳芳娟(2009)其論文在瞭解國小學童對於飼養寵物之動機，探討影響國小學童對於飼養寵物的動機因素。其做法是先運用探索性因素分析找出國小學童飼養寵物之動機的因素構面；其次再根據國小學童不同的背景變項分析其飼養動機的差異。

研究採用問卷調查進行資料收集，以高雄縣國小學童為研究對象進行抽樣，有效 回收問卷390份，回收率為90.70%。資料分析的方法包括：描述性統計、因素分析、t

(20)

檢定、單因子變異數分析，研究結果為：

一、國小學童對於飼養寵物的動機，經因素分析法萃取出八項動機因素，包括有陪伴作樂、學習成長、排遣寂寞、內心喜愛、飼養負擔、心理負荷、外在趨力、內在激發等八項。

二、從t檢定來測試動機因素構面各項因素，住家有無庭院之學童在心理負荷、內在 激發等二項動機構面達到顯著差異；住家附近有無公園或散步場所之國小學童在學習成長、排遣寂寞、心理負荷等三項動機構面達到顯著差異。

三、從單因子變異數分析，不同就讀年級、飼養寵物類型、身體狀況、家中排行、學習成就、零用錢、宗教信仰、家庭經濟狀況、住宅型態的國小學童，對於飼養寵物之動機均具有顯著的差異。

吳怡伶(2006)其研究對於「動物的存在是否促進人際之間互動」的可能性感到好奇，經過對國內外相關文獻的爬梳整理之後，發現國外對於動物促進人際溝通順利的確有正面影響，而國內的相關研究討論較少。國外文獻即使對此方面已有著墨，但仍較少將焦點集中在語言使用層面來討論，而語言又是人與人互動的主要方式，因此，

此研究將從溝通調節理論的觀點著手，討論動物在場且為溝通主題時，溝通雙方對於這樣的溝通情境，其心理層面的經歷，將如何影響溝通語言的使用及溝通行為的轉變。因此此研究問題有「人對動物的說話方式，對人際互動有何功能與意義？」以及

「以動物作為溝通中介時，人際互動的模式為何？」兩個。

研究場域主要設定在動物醫院當中。獸醫身為接觸動物的第一線，不僅要照顧動物的健康，也必須與飼主進行溝通溝互動。因此，在動物醫院這個以動物為主角的環境當中，獸醫與飼主之間的互動情況仍為該研究主要想了解的重點。為了解獸醫與飼主之間的語言使用及溝通行為，該研究使用對話分析研究方法來檢視獸醫與飼主之間的互動狀況，並期盼從中歸類出可遵循的模式。

研究結果發現人對動物說話的主要功能有四個，包括告知訊息、安撫情緒、緩和氣氛、抒解對方壓力。而人際互動模式則有兩個大分類，包括1.語言傳遞的對象為寵

(21)

物；2.語言傳遞對象為在場他人。

謝佳書(2009)其論文「現代寵物飼養─互動論取向」是從米德發生論角度出發，

經由文獻及理論統整，認為個人將被自身的先在條件影響，與社會結構相互動，而產生出各自不同的寵物概念及寵物行為照顧。研究使用深度訪談方法。研究後發現現代寵物飼養確實更重視寵物健康管理及寵物行為控制，雖然有這一個趨勢(社會結構)，

但會因個人的年齡、性別的不同(個人先在條件)，而與現代主流的寵物照顧資訊進行互動後，產生各自不同的寵物照顧行為表現(寵物概念及寵物照顧行為)。而個人與寵物照顧資訊互動的過程是一個不間斷的過程，會不斷重新型塑及調整個人的寵物照顧行為。且寵物意義為觸發寵物照顧行為、寵物訓練行為變化的重要因素。而寵物的意義是觸發一系列行動的動機，因寵物意義定義的不同，飼主會主動蒐集或被動接受可使用在他們寵物身上的寵物相關資訊。

1.3 研究目的與動機

圖 1.2 國人飼養寵物的種類

現今的民眾在工作之餘，很多人都會以飼養寵物來排遣寂寞或者增進生活的樂趣，根據 Pollster 波仕特線上市調網(http://www.pollster.com.tw)與雀巢普瑞納寵物食品公司(http://www.purina.com.tw)在 2009 年五月初針對「請問您目前飼養的寵物為

(22)

何？」進行調查，發現在眾多寵物中，飼養「狗」的受訪者還是最高的，有達到將近五成的比例(47.45%)，而一般認為應該是第二名的「貓」，反而輸給水族類的寵物(貓 15.52%，水族 16.99%)。

針對調查結果做進一步交叉分析後，依性別區分可以發現，男性養狗的比例高於女性(男性 51.01%，女性 45.61%)，而女性養貓的比例則與男性養貓的比例差不多，

女性略高於男性一點點(男性 15.38%，女性 15.59%)，所以可以發現男性對於狗喜愛的程度遠遠超過其他寵物。

透過婚姻狀況的分析可以發現，未婚者喜愛寵物的類別排名是 1.狗、2.貓、3.

水族類；不過已婚者的喜好則有些微變化，排名是 1.狗 2.水族類 3.貓，而且已婚者飼養水族類寵物的比例遠遠高出未婚者的比例(水族類未婚 15.76%，已婚 20.97%)。

由年齡層的分析結果發現，25-34 歲以及 45 歲以上受訪者，除了狗仍是最喜愛的寵物外，喜愛貓的比例明顯較高，尤其在 45 歲以上的受訪者，對於貓的喜愛比例明顯的偏高(20.83%)，而 35-44 歲年齡層的受訪者，則有較高的比例偏愛水族類寵物 (24.06%)。

由以上調查結果可以發現，女性受訪者愛貓的程度略高出男性，而已婚的受訪者以及中年受訪者對於水族類寵物則有特殊偏好，但是每一個年齡層或者婚姻狀況的男女受訪者，對於狗永遠都是最情有獨鍾的寵物，所以說「狗是人類最忠實的朋友」，

這句話一點都沒有錯。

此調查針對波仕特的網路會員進行問卷調查，回收有效樣本為 5,470 份，調查時間為 2009/05/06~2009/05/14，在 95%的信心水準下，正負誤差為 1.33%。執行方式是波仕特線上市調網(Pollster Online Survey)透過網站市調平台，針對會員進行抽樣調查；由波仕特發送 email 邀請會員填寫波仕特所發佈的問卷，進行市場調查及市場訊息搜集。波仕特會員皆經過手機簡訊與 email 雙重認證通過，樣本資料可信度高於一般網站會員。

由以上調查可知，在台灣家庭中，寵物飼養非常普遍，寵物也是家庭中非常重

(23)

要的成員。由於受到這項調查的影響，引起了本論文研究的動機，本論文以台中、苗栗、新竹三個地區的居民為調查對象，研究的目的主要是找出並探討飼養寵物的因素，另外並研究性別、年齡、身分、婚姻狀況、子女狀況及教育程度等變數對飼養寵物的因素是否有影響，分析的結果可供學術研究或寵物相關業者參考之用。

1.4 資料來源與變數介紹

y

4.1 你飼養寵物的來源是花錢買的 0 否 1 是

y

4.2 你飼養寵物的來源是撿來的 0 否 1 是

y

4.3 你飼養寵物的來源是別人送的 0 否 1 是

y

4.4 你飼養寵物的來源是領養的 0 否 1 是

y

4.5 你飼養寵物的來源是別人寄養的 0 否 1 是

(25)

y

4.6 你飼養寵物的來源是其他 0 否 1 是

1 39

q  q

飼養寵物情形題項共 39 題

1 非常不同意 2 不同意 3 不能確定 4 同意 5 非常同意

1.5研究流程

本論文的研究重點集中在二個方向：一個是找出並探討飼養寵物的因素，另一個方向則是研究性別、年齡、身分、婚姻狀況、子女狀況及教育程度等變數對飼養寵物的因素是否有影響，使用統計軟體為 SPSS 15.0。研究的流程是先對國內有關飼養寵物之相關文獻做一回顧，然後將研究分析方法的理論部分做敘述，接著設計『飼養寵物因素之研究』問卷，然後做預試問卷調查，問卷回收過濾後得到有效問卷 174 份，

其中有養過寵物的問卷有 146 份，再將問卷資料輸入建檔，經過量表的項目分析後，

刪除不適合的題項，得到正式的量表。再做正式問卷調查，然後將資料回收整理後，

得到有效問卷 307 份，其中有養過寵物的問卷有 273 份，接著做基本的統計分析、繪圖，並做解釋及比較。然後用因素分析法，找出會飼養寵物的因素並命名，然後用一因子變異數分析檢定性別、年齡、身分、婚姻狀況、子女狀況及教育程度等變數對飼養寵物的因素是否有影響，最後則是結論與建議。接著將本論文的整個研究流程，用 Microsoft Office Visio 2003 畫成流程圖，如圖 1.3 所示。

(26)

研究動機

研究對象及目的

相關文獻探討

問卷設計與預試

問卷修改

問卷調查

問卷回收與整理

分析資料

結果解釋

結論及未來研究方向 圖 1.3 研究流程圖

(27)

第二章研究方法

本論文是研究台中、苗栗、新竹三個地區的居民飼養寵物之因素，資料取得的方法是問卷調查法(questionnaire survey)，在問卷調查法中，問卷的編製甚為重要，問卷如果編製或選用得宜，則研究結果才具可靠性與價值性。本章將介紹信度與效度，然後介紹利用預試問卷的方法，編製一份具有信度的正式量表，此量表將做為正式問卷調查所使用。

2.1 問卷設計與預試

根據研究的目的、相關文獻資料與研究架構等加以考量後，然後編製預試問卷，

問卷分成兩大部份，第一部份是個人基本資料，內容包含性別(男、女)，年齡 (18 歲以下、18 歲~22 歲、23 歲~30 歲、31 歲~40 歲、40 歲以上)，身分 (學生、非學生)，

婚姻狀況 (已婚、未婚)，子女狀況（有子女、無子女），教育程度（高中職以下、高中職、大學或專科、研究所及以上）。第二部分是飼養寵物狀況，內容包含是否曾經養過寵物（是、否），你曾經飼養過何種寵物？（貓、狗、魚、寵物鼠、昆蟲、鳥、

兔子、松鼠、蛇、蜘蛛、青蛙、烏龜、蜥蜴、其他），你飼養寵物的經驗有多久了？

（半年以下、半年到一年以下、一年到二年以下、二年以上），你飼養寵物的來源（花錢買的、撿來的、別人送的、領養的、別人寄養的、其他）。第三部份是飼養寵物情形量表，內容包含與飼養寵物狀況有關的 39 個題項，預試問卷放在附錄一中。飼養寵物情形量表採用李克特式五點量表(Likert-type 5-point scale)，使用的五個選項名稱為非常同意、同意、不能確定、不同意、非常不同意，回答非常同意給 5 分，回答同意給 4 分，回答不能確定給 3 分，回答不同意給 2 分，回答非常不同意給 1 分，雖然嚴格說來，量表的題項性質是次序變數(ordinal variable)，但次序變數是屬於類別變數 (categorical variable)，類別變數無法求其平均數、標準差或進行相關、t 檢定等統計分

(28)

析，因而無法驗證相關的研究假設，所以多數學者在編製多選項量表(multiple-item scale)時，皆把量表的題項視為等距變數(interval variable)來設計，如此才能進行有意義的統計資料分析。至於沒選擇三點量表主要是因為三點量表限制了溫和意見與強烈意見的表達，另外亦沒選擇七點量表，是因為七點量表對沒有足夠辨別力的人而言，

會導致信度的喪失，所以本研究選擇了最可靠的五點量表。

預試問卷編製完成後，應先實施預試，預試對象的性質應與將來正式問卷要抽取的對象性質相同，本論文研究對象為台中、苗栗、新竹三個地區的居民。預試時選取的樣本數應該多大最為適宜？根據學者 Tinsley(1987)建議，進行因素分析時，每個題項數與樣本數的比例約為 1：5 至 1：10 之間，如果受試者總數在 300 人以上時，這個比例便不是那麼重要。另一位學者 Comrey(1988)提出如果量表的題項數少於 40 題，中等樣本數約是 150 人，較佳樣本數則是 200 人。

本論文的預試問卷有 39 個題項，量表的題項數少於 40 題，中等樣本數約是 150 人，而實際的樣本數有 174 人，符合學者的建議。

2.2 量表編製與建構流程

預試問卷編製完成後，對預試對象進行預試，問卷回收後，加以整理建檔。然後進行量表的項目分析(item analysis)，包含極端組的比較、題項與總分相關分析及同質性檢驗，目的都是要刪除不適合的題項，最後才得到正式的量表，茲將整個量表編製與建構的流程圖，整理如下面圖 2.1。

(29)

圖 2.1 量表編製與建構流程圖

2.3 量表的項目分析 2.3.1 極端組比較

極端組比較在求出一個題項的決斷值(critical ratio；簡稱 CR 值)，其求法是將所有受試者在預試量表的得分總和依高低排列，得分在前 25%至 33%者為高分組，得分在後 25%至 33%者為低分組，求出高低分兩組受試者在每題項得分平均數的差異是否顯著(多數資料分析時均以測驗總分最高的 27%及最低的 27%，作為高低分組界 線)，以獨立樣本 student t 檢定考驗每題項高低分組平均數的差異，如果題項之 CR

(30)

值達顯著水準(p-value＜ =0.05)，即表示此題項能鑑別不同受試者的反應程度，所以應該保留此題項，反之，若 CR 值未達顯著水準，則此題項不能鑑別不同受試者的反應程度，所以應該刪除此題項。

圖 2.2 獨立樣本 t 檢定流程圖

在使用獨立樣本 t 檢定考驗高低分組平均數是否有顯著差異之前，必須先用 F 檢定考驗高低分組的分數的變異數是否相等，若兩組變異數相等，則用一般 t 檢定，

若兩組變異數不相等，則採用近似自由度 t 檢定。檢定的流程可參考圖 2.2 獨立樣本

t 檢定流程圖。

在本論文中，預試樣本數有 174 人，有效樣本數（有飼養寵物的人）為 146 人，

其前 27%人，為第 39 位受試者，其後 27%人，為第 108 位受試者，但因為有同分的關係，所以總分高於 125 分為高分組，總分低於 104 分為低分組，因此高分組有 39 人，低分組有 40 人。高低分組的獨立樣本 t 檢定之結果在附錄三中。極端組比較結 果整理如表 2.1。

(31)

表 2.1 極端組比較結果摘要表

題項決斷值備註題項決斷值備註

q1 -6.775** 保留 q21 -7.906** 保留 q2 -7.235** 保留 q22 -10.172** 保留 q3 -8.217** 保留 q23 -6.270** 保留 q4 -7.270** 保留 q24 -7.148** 保留 q5 -6.285** 保留 q25 -8.429** 保留 q6 -8.825** 保留 q26 -7.057** 保留 q7 -5.652** 保留 q27 -9.144** 保留

q8 -5.795** 保留 q28 0.864 刪除

q9 -5.430** 保留 q29 -1.650 刪除

q10 -4.628** 保留 q30 -7.082** 保留

q11 -3.593** 保留 q31 -1.083 刪除

q12 -5.458** 保留 q32 -7.219** 保留 q13 -5.250** 保留 q33 -6.922** 保留 q14 -5.165** 保留 q34 -6.115** 保留 q15 -3.029* 保留 q35 -10.708** 保留 q16 -5.003** 保留 q36 -8.430** 保留 q17 -6.355** 保留 q37 -8.345** 保留 q18 -5.405** 保留 q38 -6.725** 保留 q19 -5.498** 保留 q39 -6.244** 保留 q20 -0.861 刪除

**代表在＝0.01 時顯著 *代表在＝0.05 時顯著

由以上項目分析之決斷值來看，寵物飼養情形量表中，題項 q20、q28、q29、q31，

這四題因為決斷值不顯著，所以可以考慮刪除。

2.3.2 題項與總分相關

除了以 CR 值來挑選題項外，亦可求題項與總分的皮爾生相關係數(Pearson correlation)，若題項與總分的相關很低，且未達＝0.05 顯著水準，則此題項與整體量表的同質性不高，最好刪除。題項與總分的相關性檢定放在附錄四中。題項與總分的相關性檢定結果整理如表 2.2。

(32)

表 2.2 題項與總分的相關性檢定結果摘要表

題項相關係數備註題項相關係數備註

q1 0.564** 保留 q21 0.566** 保留

q2 0.609** 保留 q22 0.629** 保留

q3 0.629** 保留 q23 0.571** 保留

q4 0.601** 保留 q24 0.599** 保留

q5 0.559** 保留 q25 0.668** 保留

q6 0.601** 保留 q26 0.551** 保留

q7 0.534** 保留 q27 0.729** 保留

q8 0.460** 保留 q28 -0.088 刪除

q9 0.437** 保留 q29 0.168* 保留

q10 0.398** 保留 q30 0.590** 保留

q11 0.340** 保留 q31 0.186* 保留

q12 0.467** 保留 q32 0.608** 保留

q13 0.498** 保留 q33 0.640** 保留

q14 0.496** 保留 q34 0.600** 保留

q15 0.340** 保留 q35 0.700** 保留

q16 0.361** 保留 q36 0.593** 保留

q17 0.460** 保留 q37 0.637** 保留

q18 0.508** 保留 q38 0.586** 保留

q19 0.410** 保留 q39 0.583** 保留

q20 0.026 刪除

由上表可以看出：題項 q10、q11、q15、q16、q20、q28、q29、q31 的相關係數都小於 0.4，根據吳明隆(2009)一書，這八個題項與總分的相關性很低，其中 q20、q28 這二題項且未達＝0.05 顯著水準，所以此二個題項應考慮刪除。

除了上面題項與總分的皮爾生相關係數很低時，考慮刪除此題項外，另外還有校正題項與總分相關係數(corrected item-total correlation coefficient)，亦可作為判斷此題項是否要刪除的依據。校正題項與總分相關係數是每一個題項與其他題項加總後(不包括原題項的總分)的相關係數，如果校正題項與總分相關係數太低，表示題項與其餘題項的關聯性不高，即題項與其餘題項的同質性不高，所以考慮刪除此題項。校正

(33)

表 2.3 校正題項與總分的相關性結果摘要表

題項校正題項與

總分相關備註題項校正題項與

總分相關備註

q1 0.528 保留 q21 0.524 保留

q2 0.580 保留 q22 0.590 保留

q3 0.599 保留 q23 0.532 保留

q4 0.571 保留 q24 0.565 保留

q5 0.524 保留 q25 0.637 保留

q6 0.560 保留 q26 0.519 保留

q7 0.492 保留 q27 0.704 保留

q8 0.411 保留 q28 -0.138 刪除

q9 0.390 刪除 q29 0.119 刪除

q10 0.349 刪除 q30 0.554 保留

q11 0.287 刪除 q31 0.134 刪除

q12 0.433 保留 q32 0.575 保留

q13 0.462 保留 q33 0.609 保留

q14 0.459 保留 q34 0.567 保留

q15 0.287 刪除 q35 0.672 保留

q16 0.312 刪除 q36 0.557 保留

q17 0.420 保留 q37 0.603 保留

q18 0.464 保留 q38 0.552 保留

q19 0.365 刪除 q39 0.551 保留

q20 -0.013 刪除

從校正題項與總分相關可以看出，題項 q9、q10、q11、q15、q16、q19、q20、q28、

q29、q31，這十個題項與其餘題項總分的相關係數均非常低（小於 0.4 吳明隆(2009)），可考慮將之刪除。

2.3.3 同質性檢驗

同質性檢驗分成(一)信度(reliability)檢核與(二)共同性與因素負荷量兩種。

同質性檢驗(一)信度檢核

信度代表量表的一致性或穩定性。信度係數(Cronbach’s Alpha)在項目分析中，也

(34)

可作為同質性檢核指標之一。在態度量表法常用考驗信度的方法為 L. J. Cronbach 所創的係數，其公式為：

2

(1 2 ) 1

S

i

K

K S



 



其中

K

為量表所包含的總題數，

S

²為量表總分的變異數，

S

_i²為每個題項總分的變異數，

係數值介於 0 至 1 之間，但究竟要多大，才算有高的信度，學者 Nunnally(1978)

認為值等於 0.70 是一個較低，但可以接受的量表邊界值，另外學者 Devellis(1991) 提出以下觀點：

表 2.4 內部一致性信度係數值解釋表

內部一致性信度係數值層面或構面信度整個量表

係數＜0.50

不理想，捨棄不用非常不理想，捨棄不用

0.50≦係數＜0.60 可以接受，增列題項或修改語句

不理想，重新編製或修訂

0.60≦係數＜0.70 尚佳勉強接受，最好增列題項或修

改語句

0.70≦係數＜0.80 佳(信度高) 可以接受

0.80≦係數＜0.90 理想(甚佳，信度很高) 佳(信度佳)

係數 0.90

≧ 非常理想(信度非常好) 非常理想(甚佳，信度很高) 由 SPSS 報表可知預試的 39 個題項的寵物飼養情形量表的內部一致性之

係數

0.919  

，所以量表信度是非常好。

另外為了考慮某題項是否需刪除，可以求得此題項刪除後，整體量表的信度係數變化來評鑑，如果題項刪除後的整體信度係數比原先的內部一致性係數高出許多，

則此題項與其餘題項所要測量的屬性可能不相同，則此題項可以考慮刪除。所以當刪除後的係數值較原先的係數值為低，表示該題項的內部一致性相對較高，考慮保留，相反地，若刪除後的係數值比原先整體量表的係數值為高，則該題項的內部一致性相對較低，可考慮刪除。題項刪除後的內部一致性信度係數值摘要表在表 2.5 中，由表 2.5 可知題項 q11、q15、q20、q28、q29、q31，這六個題項的 值都大

(35)

表 2.5 題項刪除後的內部一致性信度係數值摘要表

題項題項刪除後

的值備註題項題項刪除後

的值備註

q1 0.917 保留 q21 0.917 保留

q2 0.916 保留 q22 0.916 保留

q3 0.916 保留 q23 0.917 保留

q4 0.916 保留 q24 0.916 保留

q5 0.917 保留 q25 0.915 保留

q6 0.916 保留 q26 0.917 保留

q7 0.917 保留 q27 0.915 保留

q8 0.918 保留 q28 0.924 刪除

q9 0.918 保留 q29 0.921 刪除

q10 0.919 保留 q30 0.916 保留

q11 0.920 刪除 q31 0.921 刪除

q12 0.918 保留 q32 0.916 保留

q13 0.917 保留 q33 0.916 保留

q14 0.917 保留 q34 0.916 保留

q15 0.920 刪除 q35 0.915 保留

q16 0.919 保留 q36 0.916 保留

q17 0.918 保留 q37 0.916 保留

q18 0.917 保留 q38 0.916 保留

q19 0.919 保留 q39 0.917 保留

q20 0.922 刪除

同質性檢驗(二)共同性與因素負荷量

共同性(communalities)表示題項能解釋共同特質或屬性的變異量，如果限定只有一個因素時，表示只有一個心理特質，因而共同性數值愈高，表示能測量到此心理特質的程度愈多，反之，若題項的共同性數值愈低，表示題項與量表的同質性較少，因此可以考慮刪除此題項。至於因素負荷量(factor loading)則表示題項與因素關係的程度，題項在共同因素的因素負荷量太低(絕對值小於 0.450 吳明隆(2009))，表示題項與共同因素(總量表)的關係不密切，亦即同質性低，可以考慮刪除。預試量表的因素分析結果放在附錄五中，題項的共同性與因素負荷量的結果摘要表在表 2.6 中。

(36)

表 2.6 共同性與因素負荷量的結果摘要表

題項共同性因素負荷量題項共同性因素負荷量

q1 .403 0.635 q21 .298 0.546

q2 .271 0.52 q22 .448 0.669

q3 .288 0.537 q23 .397 0.63

q4 .278 0.528 q24 .491 0.701

q5 .217 0.466 q25 .590 0.768

q6 .306 0.553 q26 .469 0.685

q7 .267 0.517 q27 .657 0.81

q8 .179 0.424 q28 .073 -0.271

q9 .164 0.405 q29 .000 -0.009

q10 .069 0.264 q30 .462 0.68

q11 .039 0.199 q31 .000 0.021

q12 .346 0.588 q32 .455 0.674

q13 .139 0.373 q33 .500 0.707

q14 .146 0.382 q34 .414 0.643

q15 .067 0.26 q35 .565 0.752

q16 .054 0.232 q36 .405 0.636

q17 .098 0.313 q37 .498 0.705

q18 .365 0.604 q38 .395 0.629

q19 .080 0.282 q39 .467 0.684

q20 .015 -0.121

表 2.6 中，共同性小於 0.2(吳明隆(2009))的部份用灰底表示，因素負荷量絕對值小於 0.45 的部份用灰底表示。灰底部份都代表題項與總量表的同質性較低，可以考慮刪除。因此 q8、q9、q10、q11、q13、q14、q15、q16、q17、q19、q20、q28、q29、

q31 可以考慮刪除。

綜合以上的分析，將結果整理成表 2.7 飼養寵物量表項目分析摘要表，摘要表第一欄是題項，第二欄是決斷值，第三欄是題項與總分相關係數，第四欄是校正題項與總分相關係數，第五欄是題項刪除後值，第六欄是共同性，第七欄是因素負荷量，

第八欄是未達標準指標數，第九欄是備註欄，第二欄到第七欄是六個指標。

(37)

相關、同質性檢驗的統計量結果，經項目分析綜合考量後，原本的 39 題飼養寵物因素之研究，決定刪除 q20、q28、q29 及 q31 這四個題項，保留剩下的 35 個題項，所得到正式問卷如附錄二所示。

表 2.7 飼養寵物量表項目分析摘要表 極端組

比較題項與總分相關同質性檢驗

題項決斷值題項與總

分相關

校正題項與總分相關

題項刪除後的

值

共同性因素負

荷量

未達標準指標數

備註

q1 -6.775** 0.564** 0.528 0.917 .403 0.635 0 保留 q2 -7.235** 0.609** 0.580 0.916 .271 0.52 0 保留 q3 -8.217** 0.629** 0.599 0.916 .288 0.537 0 保留 q4 -7.270** 0.601** 0.571 0.916 .278 0.528 0 保留 q5 -6.285** 0.559** 0.524 0.917 .217 0.466 0 保留 q6 -8.825** 0.601** 0.560 0.916 .306 0.553 0 保留 q7 -5.652** 0.534** 0.492 0.917 .267 0.517 0 保留 q8 -5.795** 0.460** 0.411 0.918 .179 0.424 2 保留 q9 -5.430** 0.437** 0.390 0.918 .164 0.405 3 保留 q10 -4.628** 0.398** 0.349 0.919 .069 0.264 3 保留 q11 -3.593** 0.340** 0.287 0.920 .039 0.199 4 保留 q12 -5.458** 0.467** 0.433 0.918 .346 0.588 0 保留 q13 -5.250** 0.498** 0.462 0.917 .139 0.373 2 保留 q14 -5.165** 0.496** 0.459 0.917 .146 0.382 2 保留 q15 -3.029** 0.340** 0.287 0.920 .067 0.26 4 保留 q16 -5.003** 0.361** 0.312 0.919 .054 0.232 3 保留 q17 -6.355** 0.460** 0.420 0.918 .098 0.313 2 保留 q18 -5.405** 0.508** 0.464 0.917 .365 0.604 0 保留 q19 -5.498** -0.410** 0.365 0.919 .080 0.282 3 保留 q20 -0.861 0.26 -0.013 0.922 .015 -0.121 6 刪除 q21 -7.906** 0.566** 0.524 0.917 .298 0.546 0 保留 q22 -10.172** 0.629** 0.590 0.916 .448 0.669 0 保留 q23 -6.270** 0.571** 0.532 0.917 .397 0.63 0 保留 q24 -7.148** 0.599** 0.565 0.916 .491 0.701 0 保留

(38)

q25 -8.429** 0.668** 0.637 0.915 .590 0.768 0 保留 q26 -7.057** 0.551** 0.519 0.917 .469 0.685 0 保留 q27 -9.144** 0.729** 0.704 0.915 .657 0.81 0 保留 q28 0.864 -0.088 -0.138 0.924 .073 -0.271 6 刪除 q29 -1.650 0.168* 0.119 0.921 .000 -0.009 5 刪除 q30 -7.082** 0.590** 0.554 0.916 .462 0.68 0 保留 q31 -1.083 0.186* 0.134 0.921 .000 0.021 5 刪除 q32 -7.219** 0.608** 0.575 0.916 .455 0.674 0 保留 q33 -6.922** 0.640** 0.609 0.916 .500 0.707 0 保留 q34 -6.115** 0.600** 0.567 0.916 .414 0.643 0 保留 q35 -10.708** 0.700** 0.672 0.915 .565 0.752 0 保留 q36 -8.430** 0.593** 0.557 0.916 .405 0.636 0 保留 q37 -8.345** 0.637** 0.603 0.916 .498 0.705 0 保留 q38 -6.725** 0.586** 0.552 0.916 .395 0.629 0 保留 q39 -6.244** 0.583** 0.551 0.917 .467 0.684 0 保留判標

準則 ≧3.000

≧0.400 且未達

＝0.05

≧0.400 ≦0.919 ≧0.200 ≧0.450

總量表的值 = 0.919

2.4 效度

所謂效度(validity)是指量表能正確測量心理或行為特質的程度。研究的效度包括內在效度(internal validity)與外在效度(external validity)兩種。內在效度主要在研究敘述的正確性與真實性(量表內容的適切性與代表性)，而外在效度則在研究推論的正確性。而建構效度(construct validity)是指測驗能測量出理論的特質或概念的程度，是一種相當嚴謹的效度考驗方法，最常用來考驗建構效度的方法就是因素分析。若是蒐集到的資料，經過探索性因素分析(exploratory factor analysis)之後，發現與先前文獻所發展出來的構面相同，那麼這就表示問卷具有良好的建構效度。所以建構效度的意思就是測量工具(問卷)能夠充分反映理論架構。若跑出來的結果，符合先前的預期，就有良好的建構效度。

(39)

第三章因素分析的原理

因素分析(Factor analysis)是 20 世紀初期在心理學領域所發展出來的一種多變量統計方法，最初應用的範圍偏重於有關人類行為的研究，以後逐漸擴及於社會學、氣象學、政治學、藥學、地理學及管理學的領域。

因素分析在社會科學領域中，應用最廣的是把多個可觀察很難解釋，而彼此有關的變數(變項)，轉化成少數個有概念化意義(但不能直接觀察測量到的)，而彼此獨立性大的因素(factor)，這些因素可以保存住原有資料結構所提供的大部份資訊。

因素分析的用途很廣，包括 1. 減少多變量資料的維數。

2. 進行探索性的研究，以找出潛在的特徵，供未來建立新的假設、發展新的理論，

此種稱為探索性因素分析。

3. 假設研究者的理論架構已非常清晰且完善，可以利用因素分析來考驗這些理論與假設，此種稱為驗證性因素分析。

3.1 模式的介紹

因素分析是一種潛在的結構分析法，其理論模式中，假設每個變數(變項、題項、

觀察值、問卷問題)均由兩個部份所構成：一個部份是各變數共有的部份，稱為共同因素(common factor)，另一個部份是各變數所獨有的部份，稱為獨特因素(specific factor)，獨特因素與共同因素無關聯，與其他變數的獨特因素亦無關聯。假設有 p 個 變數，用 , ,…, 代表， , ,…, 的平均數分別為 , ,…, ，而每個獨立

變數只有一個獨特因素，用

, , …, 代表，而假設有 m 個共同因素，用 ,

,…, ，通常 ，一般希望 m 愈小愈好。

因此直交因素模式(orthogonal factor model)可表示如下：

(40)

上面模式亦可表示成矩陣的型式如下：

或

而模式的假設(assumptions)有下面 5 個：

1. m 是共同因素的個數( 。

2.

, , …, 是共同因素，且 F 的期望值

_i ，變異數，共變數 0, 。

3. 是第

i

個變數在第 j 個因素上的負荷量 (loading) ，亦稱為因素權重 (factor weight)，表示第 j 個共同因素

F

_j對第

i

個變數

X 的變異數的貢獻，所以矩陣

_i

L

稱為因素負荷量矩陣(matrix of factor loading)。

4.

, ,…, 是獨特因素(specific factor)，且

，，另外獨特因素

間獨立，所以，對所有。

5. 獨特因素與共同因素獨立，也就是，對所有。

上面模式的假設可表示成矩陣型式如下：

1. ，。

(41)

2. ，。

3. ，也就是獨立。

根據上面的模式與假設可以得到下面共變數結構(covariance structure)：

1.

或

與

COV X X (

_i

,

_j

)  l l

_i₁ _j₁

 l l

_i₂ _j₂

   l l

_{im jm}

下表的共同性(communality) 就是共同變異數，

也就是藉由共同因素與其他變數共同分擔的變異數，而獨特變異數(unique variance or specificity) 就是獨特因素的變異數。所以變數的變異數可分解成共同變異數加上獨特變異數。而與因為相關，所以其兩兩間的共變異為

。

至於特徵值 是每個變數在第 j 個因素之因素負荷量的平方總和(第 j 行因素負荷量平方和)，在因素分析之共同因素萃取中，特徵值最大的共同因素最先被萃取，其次是次大者。因此 代表第 j 個因素對總變異的貢獻，總變異 所以總變量可以被第 j 個因素所解釋的比

例(解釋量)為

2

1

tr( ) tr( )

m ij

j j



_

l

 



。

(42)

表 3.1 母體因素負荷量、共同性、獨特變異數計算表

因素共同性獨特變異數

變數

特徵值

解釋量

(43)

2.

或

3.2 因素分析的流程

因素分析具有簡化資料變數的功能，以較少的因素層面來表示原來資料結構，它根據變數間彼此的相關，找出變數間潛在的關係結構，變數間簡單結構關係稱為因素(factors)。因素分析的主要流程，可以簡述為下面四個步驟：

1. 計算變數間的共變數矩陣或相關矩陣：

, ,…, 的共變數矩陣為，其共變數結構為

。

若 , ,…, 的測量單位不同，則改用相關係數矩陣，其實就相當於先將

標準化得到，再求出

…, 的共變數矩陣

，所以共

變數結構為

。

另外由於與均未知，所以給定資料，可用樣本共變數矩陣

(sample covariance matrix) S 估計，可用樣本相關矩陣(sample correlation matrix) R 估計。

(44)

2. 檢查假定

資料矩陣應有足夠的相關，利用因素分析才有意義。因此在進行因素分析時，先檢查變數間的相關矩陣，如果只有很少比例的相關係數具有統計上的顯著性，則利用因素分析可能不適合。至於如何檢定是否適合進行因素分析，可依據 Kaiser(1974)的觀點，可由取樣適切性量數(Kaise-Meyer-Olkin measure of sampling adequacy; KMO)值的大小來判別，其判斷的準則如下(吳明隆(2009))：

表 3.2 因素分析 KMO 適切性量數判別準則

KMO 統計量值判別說明因素分析適切性

0.90 以上極適合進行因素分析

(marvelous)

極佳的 (perfect)

0.80 以上適合進行因素分析

(meritorious)

良好的 (meritorious)

0.70 以上尚可進行因素分析

(middling)

適中的 (middling)

0.60 以上勉強可進行因素分析

(mediocre)

普通的 (mediocre)

0.50 以上不適合進行因素分析

(miserable)

欠佳的 (miserable) 0.50 以下非常不適合進行因素分析

(unacceptable)

無法接受的 (unacceptable)

另外變數間的相關如果太高，會發生如迴歸分析中的多重共線性 (multicollinearity)問題，其區別效度有待檢驗，所獲得的因素價值性不高。

對於此問題，可透過 KMO 檢定或巴氏球形檢定(Bartlett test of sphericity)來檢查。要檢定的假設為：

：變數(題項)間不適合進行因素分析

：變數(題項)間適合進行因素分析

得到 KMO 或 Bartlett 檢定統計量，再算出 p 值(p-value)，決策法則為拒絕 若 p 值 ，若拒絕，表示母體相關矩陣間存有共同因素，適合進行因素

(45)

分析。

3. 估計因素負荷量

常用的估計因素負荷量的方法有主成份法 (principal component method) 、主軸因素法 (principal factor method) 及最大概似法 (maximum likelihood method)三種，在 3.3 節會對此三個方法簡述。

4. 決定轉軸方法

為了使各因素的意義更為清晰和明顯，以利於因素命名，常須將因素軸加以適當的旋轉，轉軸法(rotation)可以使得因素負荷量易於解釋。因素軸轉軸法有直交轉軸法(orthogonal rotation)與斜交轉軸法(oblique rotation)。直交轉軸法中，因素與因素間沒有相關，優點是因素間提供的資訊不會重疊，但缺點是在實際生活情境中，因素彼此間有相關的可能性很高，所以亦可採用斜交轉軸法，常用的直交轉軸法有最大變異法 (Varimax) 、相等最大值法 (Equamax)、四次方最大值法(Quartimax)，另外常用的斜交轉軸法有直接斜交轉軸法(Direct Oblimin)與 Promax 轉軸法。

5. 決定因素命名與解釋

轉軸後，要決定因素數目，選取較少因素層面，獲得較大的解釋量。然後就各因素所代表的意義加以解釋，並予以命名。在因素命名與結果解釋後，必要時可將因素計算後分數(factor score)儲存，作為其他統計分析，如：

迴歸分析、區別分析或相關分析之輸入變數，供後續研究之用。

最後將因素分析的流程畫成圖形如下：

(46)

確定研究問題

↓

進行研究設計與資料蒐集

↓

計算變數間的相關矩陣

↓

檢查是否適合進行因數分析

↓ 估計因素負荷量

↓ 決定轉軸方法

↓

決定因素命名與解釋 圖 3.1 因素分析的流程圖

3.3 因素負荷量的估計方法

取得樣本資料

, ,…,

後，究竟直交因素模式是否可以適當的代表資料?

回答此問題前，必須先確認共變異數結構， (或 )，但通

常與 P 均未知，必須用樣本共變數矩 S 及樣本相關矩陣 R 去分別估計與，

給定 S(或 R)必須去解 (或 )，也就是要估計因素負荷量

與獨特變異數。估計的方法將介紹主成份法、主軸因素法及最大概似法。

3.3.1 主成份法(Principal component method)

在主成份法中，假設可以忽略，然後分解 S 成 (或 )，利用

頻譜分解(spectral decomposition)，得到

(47)

因此用

L ^ˆ

估計因素負荷量矩陣

L

，用

 估計因素負荷量 ˆˆ

_j

e

_ij

l

_ij ，然後用估計變數的獨特變異數，另外用

估計變數的共同變異數 (若用 R 則將 改為 1 即可)。因此得到下頁表格。

由下表可得變數的變異數可分解成共同變異數加上獨特變異數 ˆ



_i

其中代表第 j 個因素對第個變數的貢獻，而第 j 個因素對總樣本變異數

的貢獻為 ，因此第 j 個因素可以解釋

總樣本變異數的比例(解釋量)為

若用 R 則為

。

(48)

表 3.3 樣本因素負荷量、共同性、獨特變異數計算表

因素共同性獨特變異數

變數

估計的特徵值解釋量

(49)

3.3.2 主軸因素法(Principal factor method)

主成份因素法是假設可忽略，而分解 S 成 ，在主軸因素法中，則

是先給一個起始值，再分解。方法如下面三步驟：

步驟 1：給定一個起始值 ，

其中的估計值取為，左式中 是樣本變異數 S 的反矩陣 的第 i 個 對角元素(或取 ，是樣本相關矩陣 R 的反矩陣 的第 i 個對角元素)，

因此共同變異數的估計值 (或 )。

步驟 2：分解 成 (或分解成 )，估計的負

荷量矩陣是由 ( 或 ) 的特徵值

與特徵向量所算出。

步驟 3 ：新的 值為，所以新的估計值

(或 )，因此新的共同變異

數的估計值為 )，重複步驟 2

與 3 直到收斂為止。

3.3.3 最大概似法(Maximum likelihood method)

假設是一個來自的隨機樣本及

的隨機樣本，且兩隨機樣本獨立，所以可得到

服從，因此

的聯合機率密度函數，也就是的概似函數(the likelihood function)為

(50)

概似函數經由的計算，所以與及有關，但是由於並沒有完全定義好(well defined)，所以加上限制條件，因此由數值分析的

方法可得到最大概似估計值(MLE) 。然後得到共同變異數的

(MLE) 為 ，所以第 j 個因素可以解釋總樣本變異數的比例為

(或 )。

3.4 因素個數的選擇

因素分析的主要功能之一是要把許多變數中關係密切的變數組合成數目較少的幾個因素，來描述所有變數之變異數，以達到執簡馭繁的目的。所以基本原則就是：選取的因素愈少愈好，而選取的因素能解釋各變數之變異數愈大愈好。下面介紹常用的四個選取因素的準則：

1. 累積變異數法(cumulative variance method)

在選取出的 m 個因素所能累積解釋的累積變異數已達某一預先設定的百分 比後就終止繼續選取。在自然科學領域，所選擇的共同因素通常要能解釋至少 95%的總變異數，而在社會科學領域，因資訊通常較不精確，通常能累積解釋 60%的總變異(有時更低)，就算令人滿意了。

2. 平均特徵值法(average eigenvalue method)

選取特徵值大於平均特徵值的因素，平均特徵值 (若用 R，則

)，選取特徵值大於 1 的因素，一般稱為 Kaiser’s準則。

3. 陡坡徒法(scree plot method)

(51)

素所能解釋的變異數 )，將各點連線，把陡降後曲線走勢趨於平坦之因素捨棄不用。

4. 假設檢定法(hypothesis testing method)

： (m 個共同因素的模式是適當的)

： (m 個共同因素的模式是不適當的)

檢定統計量

當為真時，檢定統計量，因此決策法則為拒決若

。

3.5 因素轉軸方法

未轉軸的因素負荷量可能不易解釋，所以可考慮使用轉軸法，將因素軸做適當的旋轉，以利於因素的命名與解釋。因素軸轉軸法分成直交轉軸法 (orthogonal rotation)與斜交轉軸法(oblique rotation)。

3.5.1 直交轉軸法(orthogonal rotation)

令 M 代表一個直交矩陣，是轉軸前的估計負荷量矩陣，是轉軸後的估

計負荷量矩陣，，經過轉軸後，估計的共變數(相關)矩陣不變，

殘差矩陣也保持不變，

因此與也保持不變。

常用的直交轉軸法有最大變異法(Varimax)、相等最大值法(Equamax)、四次方最大值法(Quartimax)。最大變異法最常被使用，是由 Kaiser(1958)所提出，其

(52)

目的在使每一個因素之內的負荷量的平方的變異盡量達到最大，以利因素的辨認與命名。研究者若希望探究因素間的重要程度，分析因素層面重要性高低，

則應採用最大變異法。而四次方最大值法則是讓同一變數在所有因素上的負荷量的平方的變異最大，如此常會造成每一變數在第一個因素上的負荷量都會很高，研究者若希望找一個最重要的因素，即找出一個最重要的普通因素(general factor)時，可採用四次方最大值法，而相等最大值法則介於上面兩種方法之間，

每一因素所能解釋的變異盡量相等，若研究者希望每一個因素層面的重要性相同時，可採用相等最大值法。

3.5.2 斜交轉軸法(oblique rotation)

若因素層面彼此間有相關存在並非獨立的，則應採用斜交轉軸法。或者有時採用直交轉軸法仍不能得到容易的因素的命名與解釋，則此時亦可考慮採用斜交轉軸法。常用的斜交轉軸法有直接斜交轉軸法(Direct Oblimin)與 Promax 轉軸法兩種，後者因計算速度較快，適合大型的資料集(datasets)使用。

3.6 因素分數

令代表第 j 筆樣本資料 m 個因素的估計值，j =1,2,…,n。一般稱為因素分數(factor score)，計算因素分數的目的有兩個：

1. 診斷檢察：為了檢察直交因素模式中的，的基本假設

是否滿足。

2. 後續研究：以因素分數做為後續研究，如：迴歸分析、區別分析或相關分析之輸入變數。

較常使用的計算因素分數的方法有加權最小平方法(weighted least square method) 與迴歸法 (regression method) 兩種。兩種方法都視與為真值 (true

(53)

如： (

X

_j  或

X

)

Z

_j

 V

^¹²

( X

_j

 X )

，是對角矩陣，第個對角元素為。

3.6.1 加權最小平方法

此法由 Bartlett 提出，所以亦稱為 Bartlett 法，Bartlett 建議估計使得加權平方和

最小，可解出

然後將 , 與帶入得到

。 若用相關矩陣 R，則上面公式改為

。

3.6.2 迴歸法

假設與服從多變量常態分配如下：

上式中，因此給定，的條件分配，仍是

，其中條件期望值為

。因素分數的估計值就是上面的條件期望值

(54)

然後將 , 與帶入得到

上式中可用取代，以降低取錯因素個數的誤差。因此迴歸法的

因素分數的估計值為

。 若用相關矩陣 R，則上面的公式改為

。

中 華 大 學 碩 士 論 文