回上層

Enterprise Guide

用EG幫你寫論文 ,事半功倍,加速畢業![系列4-3-2]效度分析

 

步驟5:由於表3-14所得之相關係數均大於0.3(或0.4),刪除問題也無法再增加信度,因此「創新接受程度」總量表並未刪除任何問題,Cronbach a係數內在一致性信度為0.868245。進一步針對分量表進行信度分析,由表3-15與表3-16可以看出,兩個分量表(兩個因素)的相關係數也都大於0.3(或0.4),刪除問題也無法再增加信度,因此兩個分量表也毋需再刪除任何問題,Cronbach a係數內在一致性信度分別為0.840702與0.773107。

  

18

 

  19

 

20

 

 

步驟6:最後將步驟4與步驟5的結果整理如表3-17所示,因素一包含了問題「A2_R我不喜歡嘗試各種新發明與新觀念」、「A3我會尋求新方法來處理事情」、「A10我會挑戰難以解決的問題」、「A11_R我很不容易接受新的觀念」與「A12我樂於去挑戰解答問題」等5個問題,可解釋49.36%的變異,由於這些問題的內涵都與勇於嘗試、冒險、創新有相關,因此命名為『創新先驅者』;因素二包含了「A5在朋友中,我覺得自己是一個有影響力的人」、「A6我認為自己在思考與行為上具有獨創性和創造力」、「A7我是一個有創造發明力的人」與「A8我喜歡在團體活動中擔任領導性的工作」等4個問題,可解釋11.67%的變異,具有這些因素的人物均與具有自我的意識、領導能力,因此命名為『早期接受者』;兩因素合計的累積解釋變異為61.03%。

 

21

22

 

步驟7:計算因素分數矩陣

    最後,計算各觀察樣本的兩個因素分數,並建立兩個變數以儲存各觀察樣本的因素分數,以利後續的分析,如表3-18所示:

23 

24

 

 

EG操作

 

(2).「產品創新屬性」量表

 

 

 

步驟1:

由原始的量表資料進行因素分析後,由表3-19可看出,KMO值為0.81180671,大於0.8,故可以進行因素分析。以特徵值大於1的個數做為萃取因素個數的準則,可以萃取3個因素,第1個因素可解釋39.42%的變異,第2個因素可解釋14.98%的變異,第3個因素可解釋12.04%的變異,合計累積解釋變異為66.44%。轉軸後三個因素的負荷量矩陣如表3-20所示,由表中可以看出,並沒有任何問題在因素一、因素二與因素三的因素負荷量低於0.5,表示這些問題具有收斂效度;同時,也沒有任何變數在因素一、因素二與因素三的因素負荷量同時大於0.5,表示這些問題具有區別效度。由於這些問題均具有收斂效度與區別效度,因此表示本研究量表具有建構效度。最後,再觀察這些問題的共同性是否夠高,由表3-21可看出,所有問題的共同性均高於0.5,因此,就完成了以因素分析來進行建構效度分析的過程,由表3-18可以看出因素一包含了問題「B1創新產險商品最好能和我熟悉的業務員或通路購買」、「B2創新產險商品符合我所購買過保險的基本需求」與「B3創新產險商品與社會現行價值觀念一致是重要考量因素」等3個問題;因素二包含了問題「B4創新產險商品可以滿足更多我對保險的需求」、「B5創新產險商品不會讓我覺得物超所值」與「B6我認為創新產險商品內容特殊比一般保險更能獲得保障」等3個問題;因素三包含了問題「B7我會想從業務員或網路等其他通路了解創新產險商品」、「B8我會想要從廣告文宣上知道創新產險商品的存在和好處」與「B9我會想和親朋好友討論創新產險商品的存在和好處」等3個問題,將9個問題重新進行總量表的信度分析與3個分量表(3個因素)的信度分析,進入步驟2。

 

25

26

27

 

步驟2:

由於表3-22所得之相關係數均大於0.3(或0.4),刪除問題也無法再增加信度,因此「產品創新屬性」總量表並未刪除任何問題,Cronbach  a 係數內在一致性信度為0.804415。進一步針對分量表進行信度分析,由表3-23、表3-24與表3-25可以看出,三個分量表(三個因素)的相關係數也都大於0.3(或0.4),刪除問題也無法再增加信度,因此兩個分量表也毋需再刪除任何問題,Cronbach a係數內在一致性信度分別為0.647669、0.759949與0.767558。

 

28

 

29

30

31

 

 

步驟3:

最後將步驟1與步驟2的結果整理如表3-26所示,因素一包含了問題「B1創新產險商品最好能和我熟悉的業務員或通路購買」、「B2創新產險商品符合我所購買過保險的基本需求」與「B3創新產險商品與社會現行價值觀念一致是重要考量因素」等3個問題,可解釋39.42%的變異,由於這些問題的內涵都與產品的相容性有關,因此命名為『相容性』因素;因素二包含了問題「B4創新產險商品可以滿足更多我對保險的需求」、「B5_R創新產險商品不會讓我覺得物超所值」與「B6我認為創新產險商品內容特殊比一般保險更能獲得保障」等個問題,可解釋14.98%的變異,由於這些問題的內涵都與衡量實質利益與經濟因素有關,因此命名為『相對優勢』因素;因素三包含了問題「B7我會想從業務員或網路等其他通路了解創新產險商品」、「B8我會想要從廣告文宣上知道創新產險商品的存在和好處」與「B9我會想和親朋好友討論創新產險商品的存在和好處」,可解釋12.04%的變異,由於這些問題在使用創新產品後,可以跟旁人討論有關,因此命名為『可觀察性』因素;三因素合計的累積解釋變異為66.44%。

 

32

33

 

步驟4:計算因素分數矩陣

    最後,計算各觀察樣本的兩個因素分數,並建立兩個變數以儲存各觀察樣本的因素分數,以利後續的分析,如表3-27所示:

 

34

35

 

EG操作

(3).消費者知識」量表

 

步驟1:

由原始的量表資料進行因素分析後,由表3-28可看出,KMO值為0.92380743,大於0.8,故可以進行因素分析。以特徵值大於1的個數做為萃取因素個數的準則,可以萃取2個因素,第1個因素可解釋57.72%的變異,第2個因素可解釋10.14%的變異,累積解釋變異為67.87%。轉軸後的兩因素的負荷量矩陣如表3-29所示,在表中可以看出,問題「C5跟一般人比起來,我比較了解創新保險商品的市場價格」在因素一與因素二的因素負荷量分別為0.59084與0.53676,都大於0.5,表示該問題不具區別效度,可加以刪除,刪除問題C5後再進行一次因素分析,進入步驟2。

 

36

37

步驟2:

刪除問題C5後轉軸後兩因素的負荷量矩陣如表3-30所示,由表3-31中可以看出,並沒有任何問題在因素一與因素二的因素負荷量低於0.5,表示這些問題具有收斂效度;同時,也沒有任何變數在因素一與因素二的因素負荷量同時大於0.5,表示這些問題具有區別效度。由於這些問題均具有收斂效度與區別效度,因此表示本研究量表具有建構效度。但最後必須再觀察這些問題的共同性是否夠高,由表3-32可看出,所有問題的共同性均高於0.5,因此,就完成了以因素分析來進行建構效度分析的過程,由表3-31可以看出因素一包含了問題「C6我經常透過網路或書籍蒐集有關創新產險商品的資訊」、「C7_R我比別人更不了解各種創新產險商品的資訊」、「C8跟一般人比起來,我更清楚申請保險金給付的流程與細節」、「C9我的朋友要買創新產險商品時,我可以給他具體的建議」、「C10我比別人更可以分辨出創新產險商品的促銷花招和噱頭」與「C11我比別人了解創新產險商品的行銷目標與戰術」等6個問題,可解釋57.57%的變異;因素二包含了「C1我能分辨出哪些創新商品符合親朋好友的需求」、「C2我比身旁的親朋好友更了解國內創新產險商品的特色」、「C3_R在選擇創新商品時,我無法清楚說出各產品屬性的重要性」與「C4我了解哪裡可以買到符合自身需求的創新產險商品」等4個問題,可解釋11.14%的變異,兩個因素的累積解釋變異為68.71%。將剩餘的10個問題重新進行總量表的信度分析與2個分量表(2個因素)的信度分析,進入步驟3。

 

38

 

39

 

40

 

步驟3:

由於表3-33所得之相關係數均大於0.3(或0.4),刪除問題也無法再增加信度,因此「消費者知識」總量表僅刪除C5問題,Cronbach  a係數內在一致性信度為0.917226。進一步針對分量表進行信度分析,由表3-34、與表3-35可以看出,兩個分量表(二個因素)的相關係數也都大於0.3(或0.4),雖刪除問題C6後,信度可增加為0.909388,但所增加幅度有限(0.909388-0.906807=0.002581),因此兩個分量表也毋需再刪除任何問題,Cronbach a係數內在一致性信度分別為0.841176與0.906807。

 

41

 

42

43

步驟4:

最後將步驟2與步驟3的最後結果整理如表3-36所示,因素一包含了問題「C6我經常透過網路或書籍蒐集有關創新產險商品的資訊」、「C7_R我比別人更不了解各種創新產險商品的資訊」、「C8跟一般人比起來,我更清楚申請保險金給付的流程與細節」、「C9我的朋友要買創新產險商品時,我可以給他具體的建議」、「C10我比別人更可以分辨出創新產險商品的促銷花招和噱頭」與「C11我比別人了解創新產險商品的行銷目標與戰術」等6個問題,可解釋57.57%的變異,由於這些問題的內涵都與創新產險商品購買和使用知識有關,故命名為「消費使用」因素;因素二包含了問題「C1我能分辨出哪些創新商品符合親朋好友的需求」、「C2我比身旁的親朋好友更了解國內創新產險商品的特色」、「C3_R在選擇創新商品時,我無法清楚說出各產品屬性的重要性」與「C4我了解哪裡可以買到符合自身需求的創新產險商品」等4個問題,可解釋11.14%的變異,由於這些問題的內涵都與產品的屬性及聯想有關,因此命名為『屬性關聯』因素;二因素合計的累積解釋變異為68.71%。

 

44

45

步驟5:

計算因素分數矩陣

    最後,計算各觀察樣本的兩個因素分數,並建立兩個變數以儲存各觀察樣本的因素分數,以利後續的分析,如表3-37所示:

 

46 

47

 

EG操作

回上層