變異數分析-創校校長.ppt

《變異數分析-創校校長.ppt》由会员分享，可在线阅读，更多相关《變異數分析-創校校長.ppt（65页珍藏版）》请在装配图网上搜索。

1、第一章 社會科學的研究與數量 方法的基礎1-1社會科學的研究1-2數量方法的基礎統計學1-3資料的量測尺度(Scales of measurement)1-4量表1-5抽樣(Sampling)1-6理論 1-1 社會科學的研究在社會科學的研究中，一般分為定性(質性)研究Quality research和定量(量化)研究 Quantity research，我們簡介如下：l定性(質性)研究，只要是用質化研究的程序進行分析(包含部份的統計程序，都稱為定性研究)u定量(量化)研究，將研究問題概念化後，進行數量化，再使用數量方法，達成研究目的的方式，都稱為定量研究。u定性研究法(質性研究法)有：lHe

2、rmeneutics詮釋學lEthnomethodology 俗民方法學lDiscourse analysis語句分析lGround theory紮根理論lSymbolic interactionism 符號互動理論lActon theory行動理論 lEthnography民族法lFocus Group 焦點團體法lPhenomenology 現象學lMeta-analysis 後設分析lNarrative analysis 敍事分析lMulti-method 多元方法lCritical theory 批判理論lPost-modernism 後現代主義 u定量研究法(數量方法)常用的有： l

3、Analysis of variance變異數分析 (平均數比較)lFactor analysis因素分析lMultiple regression複迴歸lDiscriminant analysis區別分析lLogic regression 邏輯迴歸lUnivariate analysis of variance (ANOVA)單因子變異數分析lMultivariate analysis of variance (MANOVA)多變量變異數分析lCanonical correlation analysis典型相關分析lConjoint analysis聯合分析lStructure Equatio

4、n Model結構方程模式 1-1-1 Analysis of variance 變異數分析uUnivariate analysis of variance, ANOVA Y = X1+X2+X3+.+Xk(計量)(非計量, 例如： 名目)uMultivariate analysis of variance, MANOVA Y 1+Y2+Y3+Yi = X1+X2+X3+.+Xk(計量) (非計量, 例如： 名目) 1-1-2 Factor Analysis 因素分析因素分析的目的是在壓縮原始的一堆變數, 形成較少的代表性變數, 而且, 這些代表性的變數具有最小的資訊損失和保有最多原變的資訊(

5、最大的變異數)。 1-1-3 Multiple Regression 複迴歸Y = X1+X2+X3+.+Xk(計量)(計量)複迴歸的目的是用來預測當自變數X改變時，依變數Y會改變多少，計算的方式通常是使用最小平方法(lease square)來達成。 1-1-4 Discriminate Analysis 區別分析區別分析：在已知的樣本分類，建立判別標準(區別函數)，以判定新樣本應歸類於那一群中。 Y = X1+X2+X3+.+Xk(非計量, 例如： 名目) (計量) 1-1-5 Logic Regression 邏輯迴歸 Y = X1+ X2+X3+.(名義二分變數) (連續變數)但是邏輯

6、迴歸需要符合的是S型的Logic分佈, 邏輯迴歸和區別分析相同的是依變數是名義二分變數, 自變數是連續變數。 1-1-6 單因子變異數分析自變數只有一個的變異數分析, 稱為單因子變異數分析,也就是y1+y2+= x 1. 獨立樣本：受測者隨機分派至不同組別，各組別的受測者没有任何關係, 也稱為完全隨機化設計(1)各組人數相同: HSD法, Newman-Keals 法(2)各組人數不同 (或每次比較2個以上平均數時): Scheffe法, 2. 相依樣本：有兩種情形(1)重複量數：同一組受測者, 重複接受多次(k)的測試以比較之間的差異(2)配對組法：選擇一個與依變數有關控制配對條件完全相同,

7、 以比較k組受測者在依變數的差異變異數分析的基本假設條件： u常態：直方圖, 偏度(skewness)和峰度(kcat osis), 檢定, 改正 (非常態可以透過資料轉型來改正)u線性：變數的散布圖, 檢定, 簡單廻歸+ residualu變異數同質性：1Y, 用Levene檢定；= 2y時, 用Boxs M檢定 1-1-7 Multivariate analysis of variance (MANOVA) 多變量變異數分析MANOVA 是Anova的延伸使用, 用來作多個母群平均數比較的統計方法，MANOVA的3個基本假設與Anova相同都是共變數分析的基本假設有：u常態：直方圖, 偏度

8、(skewness)和峰度(kcat osis), 檢定, 改正 (非常態可以透過資料轉型來改正)u線性：變數的散布圖, 檢定, 簡單廻歸+ residualu變異數同質性：1Y, 用Levene檢定 = 2y時, 用Boxs M檢定 MANOVA可以指定二個或二個以上依變數的變異數和共數數分析(針對單一依變數的變異數分析, 請使用Anova), MANOVA 也可以分別對每個依變數進行檢定(如同Anova), 問題是分開的個別檢定無法處理依變數間的複(多個)共線性(multi Lolli neareity) 問題, 必須使用MANOVA才能處理。 1-1-8 Canonical Correl

9、ation 典型相關Y1+Y2+Y3+Yj = X1+X2+X3+.+Xk(計量,非計量) (計量,非計量)典型相關分析的目的是要找出依變數的線性結合和自變數的線性結合，這兩個線性結合相關最大化 1-1-9 Conjoint Analysis 聯合分析Y = X1+X2+X3+.+Xk(計量或非計量)(非計量, 例如： 名目)聯合分析是分析因子的效果，其目的是將受測者對受測體的整體評價予以分解，藉由整體評價求出受測體因子的效用。 1-1-10 Structural Equation Modeling 結構方程模式SEM的全名是 Structural Equation Modeling(結構方程

10、模式) 是一種統計的方法學，早期的發展與心理計量學和經濟計量學息息相關，之後，逐漸受到社會學的重視，因為結構方程模式除了結合了因數分析和路徑分析兩大統計技術外，更是多用途的多變量分析技術。Y1 = X11 + X12 + .+X1j Y 2 = X21+ X22 +.+X2j.Yi = Xi1 + Xi2 +.+Xij(計量) (計量，非計量)在應用方面，SEM 結構方程模式發展至今，已經應用到各種領域，我們列舉如下：企業管理、資訊管理、人力資源管理、健康醫療、 社會學、心理學、 經濟學、宗教的研究、國際行銷、消費者行為、通路的管理、廣告、定價策略、滿意度的調查。從以上的資料顯示出SEM已經逐

11、漸深入許多領域的研究了。 1-2 數量方法的基礎統計學1-2-1 描述性統計資料uPercentile Values 百分位數值：lQuartiles 四分位數，將數值排序後，分成四等份。lCut point for equal groups 自訂的幾個相等分組。lPercentile 百分位數，將數值排序後，分成 100等份，用來觀察資料較大值或較小值百分比 的分布情形。uCentral Tendency 集中趨勢：lMean平均數，將觀察值加總，再除以觀察值的個數，用來觀察資料的平衡點，但是較容易受 到極端值的影響。lMedian中位數，計算出位置排列在中央的數值，適用於順序資料，或比例資

12、料，較不受到極 端值的影響。lMode眾數 ，計算出次數最多的觀察值，適用於類別資料，例如民意調查，不受到極端值的 影響。 lSum 總和，將觀察值加總。lValues are group midpoints 分組的中間點的值。uDispersion 分散情形：lStd deviation 標準差，將變異數開根號，回歸原始的單位，標準差越大代表資料越分散。lVariance 變異數，將觀察值與平均數之差，平方後進行加總，再除以觀察值的個數，變異數 越大代表資料越分散。lRange 全距，將觀察值中的最大值減去最小值。lMinimum 最小值。lMaximum 最大值。lS.E. mean 平均

13、數的標準差，S.E.越小，資料的可靠性越大。uDistribution 分配情形：lSkewness 偏度，資料分佈的情形, 以偏度來看除了正常的常態分配外, 有可能是左偏或右偏 的資料分配。lKutorsis 峰度，資料的分佈, 以峰度來看, 除了正常的常態分配外,有可能是高狹峰態分佈和低 闊峰態分佈。 1-2-2 機率分配一般我們知道的機率分配，依照隨機變數的不同可以分為間斷的機率分配和連續的機率分配連續的機率分配，我們整理如下：間斷的機率分配 u二項機率分配 (binomial probability distribution) - 常用於每次測 試會有成功或失敗，1/2 的機率分配，例

14、如 擲銅板u超幾何機分配 (hypergeometric probability) 常用於抽出的樣本 不放回母體，計算抽出成功的次數分配，例如 樂透彩u泊松機率分配 (poisson probability distribution) 常用於一段時間 內，隨機發生的機率分配，例如 1小時內到 7-11消費的人數連續的機率分配u常態分配 (normal distribution) 數量方法中使用最多、最重要的 分配，稍後介紹 u均等分配 (Uniform distribution) 用在連續的一段時間內，其事 件的分配是平均分配，例如：機械化生產的產品u指數分配 (exponential dis

15、tribution) 1-2-3 常態分配常態分配在統計學中，是相當重要的分配，其適用於相當多的自然科學和社會科學環境中，例如：人類的身高和體重，大致上都呈現常態分配，其函數數學式如下：f (x)= = 3.14159= 標準差e = 2.71828u = 平均數= 無限大 常態分配以圖來表示如右：常態分配的曲線最高點(最大值)是在平均數，平均數可以是正值、負值，也可以是零，圖形以平均數為中心會呈現對稱分佈，整個常態分配。所含蓋的面積總和等於1，剛好等於常態隨機變數的機率。21 22 2/)( uxe x 我們常用幾個標準差來代表品質的好壞，其意義是指有多少的機會會落在可以控制的範圍內，例如：

16、1個標準差，2個標準差，3個標準差，如下圖： 轉換成數值後，如下圖： 1個標準差：有68.26%的機率會落在離平均數 1個標準差的範圍內2 個標準差：有95.44%的機率會落在離平均數 2個標準差的範圍內 3 個標準差：有99.74%的機率會落在離平均數 3個標準差的範圍內我們通常使用常態分配來進行統計推論，由樣本來推論母體，這經常必須假設母體為常態分配下，我們經由樣本的抽樣分配，例如：t分配、F分配和卡方分配，才可以進行統計估計和假設檢定，以推論結果是否如我們所預期的，所以常態分配在我們的統計學中是相當重要的分配。2.1%2.1% 99.74%95.44%68.26%13.6% 34.1%

17、34.1% 13.6% 標準常態分配 (Z值表) 標準常態分配就是將常態分配進行標準化，使平均數 = 0，變異數 =1，標準差 =1，以得到一個Z score的機率分配，如下圖： 1-2-4 決定樣本數的大小 (使用於母體平均數)我們可以藉由可容忍的誤差值，反推出所需要的樣本數，由抽樣誤差不超過e值，演變至估計母體平均數之樣本數如下： 例如：有一家機械業的製造商，主要生產鑽孔的軸承，目前正在生產一批軸承，品管人員隨機抽樣16個軸承，平均大小為46公厘，標準差為5.7公里，在95%的信心水準，我們可以估算軸承可能的範圍大小為42.96 49.04公厘，但是顧客要求在95%的信心水準時，估計誤差不

18、得超過2公厘，這時候，我們應該需要多少樣本，才可以達到顧客的要求? 我們需要抽樣達32個樣本，才能達到顧客要求在95%的信心水準時，估計誤差不超過2公厘的要求。 1-2-5 中央極限定理中央極限定理：不論母體是否為常態分配，抽樣的樣本數夠大時，則樣本平均數的抽樣分配會趨近常態分配。注意：中央極限定理只適用於大樣本，至於大樣本需要多大，才能稱為大樣本，則決定於母體的分配情形，一般建議樣本30時，樣本平均數會趨近於常態分配。 1-2-6 t分配t分配適用於母體為常態分配，標準差未知，小樣本的情形下，大樣本：使用Z = 做估計小樣本：使用t = (以樣本標準差S代替母體標準差)ut分配的特性lt分配

19、是以平均數0為中心，呈現對稱分配情形如下： lt分配下的總面積等於1l當df趨近無限大 時，t分配會近似標準常態分配l在一般情形下，樣本數時，我們會以標準常態分配取代t分配ns ux/ ns ux/ 30 -2 -1 0 +1 +2df tf(t) 1-2-7 卡方分配 (X 分配)t分配使用於母體平均數，而卡方分配則是使用於母體變異數。在我們生活中，母體變異數或標準差對於我們的用品有很大的影響，例如：我們使用的光碟片 (聽音樂、儲存資料、看影片)，其中心直徑大小的圓圈關係著能否播放的問題，也就是說，光碟片中心孔的變異數不可以太大，它代表著光碟片的品質，我們可以利用抽樣方式來檢驗其產品的品質，

20、這時候，母體變異數是未知的，我們則可以使用樣本變異數來進行估計，也就是說，我們使用卡方分配來推論母體變異數。2 卡方分配會呈現大於等於 0 的分配，如下圖：u卡方分配的特性： l卡方分配會隨著自由度(df)的增加時，會呈現對稱分配。l卡方分配的df趨近無限大時，可以由常態分配取代卡方分配。l卡方分配的平均數等於自由度df，變異數等於2倍的df (自由度)f( x ) df X0 1 2 3 4 5 6 22 1-2-8 F分配t分配使用於母體平均數，卡方分配使用於母體變異數，而F分配則是使用於比較兩個母體變異數的大小，也就是說，兩個母體變異數的比較，可以使用F分配來作估計和推論F分配會呈現大於

21、等於0的分配，如下圖： uF分配的特性lF分配是由2個自由度df 和df 所決定lF分配的倒數還是呈現F分配1 2 1-2-9 統計估計和假設檢定我們在前面章節介紹過，t分佈是用來推論母體平均數 u，卡方(X )分佈是用來推論母體變異數 或標準差，F分佈是用來推論兩個以上母體變異數 的比值或標準差的比值，我們整理如下表：統計估計統計估計是先設定分佈的機率值，再推論母體的數值，例如： u設定t分佈的機率值，可以推論出母體的平均數u的值u設定x 分佈的機率值，可以推論出母體變異數的值或標準差的值u設定F分佈的機率值，可以推論出母體變異數 的比值或標準差的 比值22 22 22 假設檢定假設檢定是先

22、對母體的特性，提出一個假設hypothesis，再利用抽樣取得的樣本統計量，來檢定(test)母體特性是否符合提出的假設，以拒絕或接受此假設，使用區間估計時，我們稱母體可能會出現的區間為信賴區間(confidence interval)，以1-表示，也就是接受區，代表顯著水準，在顯著水準內的區域，我們稱為拒絶區，如下圖： 圖的中間為信賴區間，也就是接受區，兩端為拒絕區，臨界值是接受區 與拒絕區的分界值，若是只有一端拒絶區，則是使用，兩端拒絕區時為，拒絕區在兩端時，我們稱為雙尾檢定 (two-tailed test)，拒絕區只出現在右端時，我們稱為右尾檢定(right-tailed test)，

23、拒絕區只出在左端時，我們稱為左尾檢定(left-tailed test)，無論是使用右尾檢定或是左尾檢定，我們都稱做 單尾檢定 (one-tailed test)。2 我們使用樣本的統計量做決策(decision rule)時，有可能產生判斷錯誤，也就是說，母體Ho為真，而樣本的決策為拒絕Ho時，我們稱為型態錯誤(type I error)，用表示型態I錯誤的機率，另一個可能產生判斷錯誤的情形，是當母體Ho為假(H1為真)時，而樣本的決策為不拒絕Ho，我們稱為型態錯誤(type error)，用表示型態錯誤的機率，我們整理如下： 我們整理假設檢定的步驟如下：1. 設定兩個假設(虛無假設和對立假

24、設)2. 確認抽樣的樣本分佈 (例如：t分佈，X2分佈)設定顯著水準，一般設為0.05，訂出接受區和拒絕區3. 確定使用雙尾，左尾或右尾檢定，由顯著水準，樣本數、樣本標準差、計算後經查表得到臨界值4. 比較檢定的統計量與臨界值的大小，若是落在接受區，則接受虛無假設H 0，若是落在拒絕區，則拒絕虛無假設H0，接受對立假設5. 由檢定的結果 接受虛無假設或拒絕虛無假設 (接受對立假設) 進行討論，並做成結論。 n兩個母體平均數差的估計和檢定 獨立樣本n兩個母體平均數差的估計和檢定 成對樣本n兩個母體變異比的估計和檢定 F分配做檢定1-2-10 兩個母體的估計與檢定 在進行三個(含)以上母體的估計與

25、檢定時，我們通常是比較三個(含)以上母體的平均數是否相等，也就是說，在比較多個母體平均數之間是否有差異(變異)，所以會使用變異數分析(analysis of variance)，我們一般簡稱ANOVA，變異數分析除了用來檢定三個(含)以上母體的平均數，是否相同外，更常用來檢定因子對依變數是否有影響，因此，若是進行單一因子對依變數的影響分析，就稱為單因子變異數分析(one-way analysis of variance)，若是進行二因子對依變數的影響分析，就稱為多變量變異數分析( multivariate analysis of variance，簡稱 MANOVA)，變異數分析的ANOVA和

26、MANOVA方法，我們在後面的章節中，會有詳細的介紹。1-2-11 三個(含)以上母體的估計與檢定 變異數分析 一般我們常用的量測尺度有 - 名目尺度(nominal scale)、順序尺度 (ordinal scale) 、區間尺度(interval scale)和比例尺度 (ratio scale)，我們分別介紹如下：u名目尺度(nominal scale)：名目尺度是用來處理分類的資料，也稱為類別尺度(ategorial scale)，在分類的資料中，都會以一個數字來代表一個類別，我們常用的範例如下：l性別 0 代表男性，1代表女性l婚姻 0代表未婚，1代表己婚l企業規模 0代表中小企業

27、，1代表大企業u順序尺度 (ordinal scale) ：順序尺度用來處理有前後關係的資料，以表示高、低，好、壞，等級等等，這些資料可以給予大小不同的值，這些值只代表順序，不代表差距有多大，也不代表有相同的距離，我們常用的範例如下：l教育程度 0代表國小，1代表國中，2代表高中職，3代表大專，4代表研究所，5代表博士l職位層級 - 0代表工讀生，1代表職員，2代表經理，3代表總經理，4代表董事長u區間尺度(interval scale)：區間尺度用來處理有標準化的量測，單位和相同距離尺度的資料，這些資料並無真正的零(無資料)，我們常用的範例如下： l溫度 有-5C、0C、10C等等l時間 有

28、 時、分、秒等等區間尺度的大小是有意義的，數值的之間的差距也是有代表的意義，由於處理的是相同距離尺度的資料，所以也稱為等距尺度或間距尺度。 1-3 資料的量測尺度 (Scales of measurement) u比例尺度 (ratio scale)：比例尺度用來處理其有標準化的量測單位和絶對零值的資料，絶對零值的意思是數值為零時，就代表無此資料，我們常用的比例尺度範例如下：l年齡 1歲、10歲、20歲、40歲、60歲、80歲、100歲l身高 20公分、60公分、100公分、150公分、200公分l體重 20公斤、40公斤、60公斤、80公斤以上介紹資料的4種量測尺度，若是以涵蓋的範圍來比較則

29、是名目尺度(類別)最小，接下來是順序尺度，區間尺度，最大範圍的是比例尺度，我們以下圖來表示：名目(類別)順序區間比例 處理資料的範圍愈大 uThurstone量表：研究人員在編製Thurstone量表時，會先寫好要測量的項目，交由專家來篩選項目(11點的評分方式)，我們對每一項計算其平均數和四分差(Q score)，四分差較高的題項代表一致性較差，適合被刪除，我們會選出較一致性的題項，進行後續的工作，由於Thurstone量表的編製較複雜，還有專家的主觀問題，因此，現在較少使用，在一般的期刊論文中也較少看到。uGuttman量表：研究人員在編製Guttman量表時，會先將題項依一定的方向排列，

30、也就是說，題項的意涵是由強到弱或由弱到強的方式編排，填答者依序作答時，會遇到轉折的題項，在轉折之前，填答者一致性的回答，就代表累積了多少分數，因此，也稱Guttman量表為累積量表。u語意差異量表：研究人員在編製語意差異量表時，主要是使用形容詞在語意上的差異，這些形容詞常常是成對出現，語意經常是正好相反的，例如：快的-慢的，好的-壞的，重的-輕的，強的-弱的，忙的-閒的等等，研究人員可以計算每個題項的平均數，還可以使用因素分析所取得的構面進行加總後，再進行後續的工作。u李克特量表(Likert scale)李克特量表在社會科學研究中，是最常出現的量表，廣泛的應用在行銷、組織行為、人力資源、學習

31、科技、教育、財務管理、心理測驗、等等，特別適用於感受或態度上的衡量，例如：商業品牌代表著產品的銷售好壞，李克特5點量表，可以使用數值1代表非常不同意，2代表不同意，3代表没有同意或不同意，4代表同意，5代表非常同意，李克特5點量表的數值 與數值之間是等距的，經由因素分析後的構面可以加總，以得到一個加總計分值，形成一個構面可以由一個值代表，因此，李克特量表也是可加總量表的一種。 1-4 量表 為什麼我們需要抽樣? 原因是母體太大，我們無法取得所有母體的數據，或則是因為取得母體數據的成本太高，負擔不起，因此，我們可以藉由抽樣取得的樣本來推論母體，如下圖：推論樣本母體常見的抽樣方式有簡單隨機抽樣(s

32、imple random sampling)、分層抽樣(stratifies sampling)、群集抽樣(cluster sampling)和便利抽樣(convenience sampling)，我們分別介紹如下：u簡單隨機抽樣 (simple random sampling) 簡單隨機抽樣會使母體的每一個單位被抽中的機率都一樣，例如：A班有60位學生， 我們要從A班抽出10位學生參加啦啦隊比賽，則可以使用簡單隨機抽樣，常用的方式 是使用亂數表(random number table)來協助選出適當的樣本。簡單隨機抽樣的l優點：當母體較小時，容易執行以取得適當的樣本，l缺點：當母體較大時，母

33、體的完整名冊不易獲得，造成抽樣時的成本較大，執行起來 很困難。l使用時機：1. 母體有完整的資料，可以進行編號 2. 母體的抽樣單位差異小，才不會由出偏誤的樣本u分層抽樣 (stratifies sampling) 分層抽樣是將母體依某個準則，區分成N個不重疊的組，這些組我們稱之為 層 (strata)，我們先將母體區分成幾個不同的層，之後，再從每一層中分別抽取樣本，最 後將各層抽取的樣本，集合起來，成為我們所需要的總樣本，這就是分層抽樣。例 如：B系所有博士班、碩士班和大學部，我們可以從這三個不同的層，抽出一定比例 人數參加校長座談，這就是分層抽樣。l優點：樣本分配較平均，可以提高精確度，並

34、且可以比較各層樣本的差異可以做比較 分析使用。l缺點：分層的特性若是没有考慮好，則會有抽樣不均的情形，反而降低精確度。l使用時機：1. 母體的抽樣單位差異較大時 2. 母體經分層後，層與層之間的變異較大，該層內的變異較小 1-4 抽樣 (Sampling) u群集抽樣 (隨機抽樣的一種) 群集抽樣是將母體分成幾個群集(例如：部落或縣、市、鄰、里) 經過隨機選取群集後，只有選中的群集才進行抽出樣本或進行普 查，例如：研究人員想調查大專學生的生活支出時，可以從全國 150所大專院校中，先隨機抽出15所大專院校，再從這15所大專院 校中，每所學校抽出100位學生，當做樣本，這就是群集抽樣。 優點：可

35、以大量降低抽樣成本，容易實行 缺點：容易發生抽樣偏誤，風險較高 使用時機：群集與群集之間變異小，群集內的變異大時適用，剛 好與分層抽樣的使用時機相反u便利抽樣(非隨機抽樣) 便利抽樣從字面上解釋，是屬於很方便進行抽樣的方式，例如：街 頭訪問、資訊展的訪問等。 優點：成本低，樣本容易取得 缺點：抽樣取得的樣本，缺乏代表性，所以較少使用 什麼是理論？有關理論的說明是多面貌的，在2006年Gregor 在MIS Quarterly 的一篇文章中，區分理論使用的五大分類，有(1) theory for analyzing (理論用來分析), (2) theory for explaining (理論用

36、來解釋) (3) theory for predicting (理論用來預測) (4) theory for explaining and predicting (理論用來解釋和預測) (5) theory for design and action (理論用來設計和行動)。 1-6 理論 2004年10月，Wired雜誌主編Chris Anderson首次提出 長尾理論（The long tail），以簡單的圖表解釋了電子商務的利基所在。通路只要夠大，不是主流的商品、例如：需求量小的商品總銷量也能夠和主流的、需求量大的商品銷量競爭。在Internet上的實例就是 Amazon跟Google，

37、因此，長尾理論使得電子商務擁有一個具說服力的理論基礎。 1-6-1 長尾理論 (The long tail) 計劃行為理論(The Theory of Planned Behavior，簡稱TPB) 為美國心理學家Ajzen, I. 所倡導，用來預測行為之重要理論。計畫行為理論(Ajzen 1985, 1991)指出行為意圖(behavior intention, BI)是個人對從事某項行為(behavior, B)的意願，是預測行為最好的指標。意圖由三個構面所組成：(1)對該行為所持的態度(attitude toward the behavior, AT)；(2)主觀規範(subjectiv

38、e norm, SN)；(3)行為控制知覺(perceived behavioral control, PBC)。計劃行為理論的模式如下: 1. Ajzen, I. (1985). From intentions to actions: A theory of planned behavior. In J. Kuhl, Don Mills, Ontario: Addison-Wesley Pub. Co. 科技接受模型(Technology Acceptance Model, TAM)是Davis於1986年所提出的，Davis使用理性行為理論(Theory of Reasoned Actio

39、n, TRA)和計劃行為理論(Theory of Planned Behaviour, TPB)模式為基礎，發展成TAM科技接受模型，用來研究使用者接受資訊科技(Information Technology, IT)的影響因素。TAM認為影響使用者的使用意向主要認知有用性(Perceived Usefulness, PU)及認知易用性(Perceived Easy of Use, PEOU)這二個構面，再透過使用態度(Attitude Towards)及使用意向(Behavioural Intention to Use)的影響，進而實際地使用IT。1-6-4 科技接受模式 (Technolog

40、y Acceptance Model, TAM) 參考資料：1. Davis, F. D. (1986). A technology acceptance model for empirically testing new end-user information systems: Theory and results. (Doctoral dissertation, Sloan School of Management,Massachusetts Institute of Technology). 2. Davis, F. D. (1989). Perceived usefulness, p

41、erceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-339. 3. Venkatesh, V., Morris, M. G., Davis, G. B., Berry,Leonard L.;Zeithaml,Valarie A. 等為主要倡導學者，於1985年提出服務品質的概念模型。服務品質理論SERVQUAL 是用來衡量服務品質，其定義是認知服務品質為顧客的期望與感受之間的差距。 Parasuraman et. al., 1988 提出服務品質的五個構面有

42、1. Tangibles (有形性) - physical facilities, equipment, staff appearance, etc. 2. Reliability(可靠性)- ability to perform service dependably and accurately 3. Responsiveness (反應度)- willingness to help and respond to customer need 4. Assurance (信賴感) - ability of staff to inspire confidence and trust 5. Emp

43、athy (關懷度) - the extent to which caring individualized service is given 。服務品質理論(SERVQUAL，Service Quality)除了大量使用於行銷領域外，目前有談到服務的各個領域，大多都認同以SERVQUAL 做為衡量服務品質 的考量。 1-6-9 服務品質理論 (SERVQUAL， Service Quality) 參考資料：1. Parasuraman,A.;Berry,Leonard L.;Zeithaml,Valarie A., “A Conceptual Model of Service Quality

44、 and Its Implications for Future Research”, Journal of Marketing, 1985, 49, 4, 41-50.2. Parasuraman,A.;Berry,Leonard L.;Zeithaml,Valarie A., “SERVQUAL: A Multiple-Item Scale For Measuring Consumer Perceptions of Service Quality”, Journal of Retailing, 1988, 64, 1, 12-40.3. Parasuraman,A.;Berry,Leona

45、rd L.;Zeithaml,Valarie A., “Refinement and Reassessment of the SERVQUAL Scale”, Journal of Retailing, 1991, 67, 4, 420-450. 滿意度一般是指一個人感覺到愉快或失望的程度。由於對象的不同，使用的範圍和方式也會有所不同，以顧客對產品為例子，Miller(1977)認為顧客滿意度是由顧客的預期之程度和知覺之成效，二者交互作用所形成的程度。Kotler (1991)也認為顧客滿意度的高低是取決於顧客感受的知覺價值和顧客的期望水準。以顧客對服務為例子，Hernon 等人(1999)

46、認為建立顧客滿意度應包含對直接人員的滿意和整體服務滿意度兩部份。以使用者對資訊系統為例子，Bailey and Pearson(1983)是藉由文獻研究、專家訪問與訪問調查等方式，歸納整理出 39個問項（如正確性、及時性與人員的態度等）。以測量受訪者對各問項相對資訊需求之認知反應結果與強度。進而可以從研究結果中找出可以影響資訊系統滿意度的因素。對於一個組織而言，提供顧客滿意的服務，是組織生存的必要條件之，所以各行各業對於顧客滿意度都相當的重視。1-6-10 滿意度（Satisfaction） 參考資料：1. Bailey, J. E. and Pearson, S. W., “Developm

47、ent of a tool for measuring and analyzing computer user satisfaction,” Management Science, Vol.29,1983, pp.530-545.2. Hernon, P. N., Danuta A, and Altman, E., “Service Quality and Customer3. Satisfaction; an assessment and future direction,” The Journal of Academic4. Librarianship, 25, 9-17（1999）.5.

48、 Kotler, P., Marketing Management, 7th ed., Prentice-Hall, 455-459（1991）.6. Miller,J.A. ”Studying Satisfaction Modifying Models, Eliciting Expectation, Posing Problem, and Meaningful Measurement,” In The Conceptualization of Consumer Satisfaction and Dissatisfaction. Hunt,H.(eds). Cambridge: Marketi

49、ng Science Institute(1977). 1-6-11 期望確認理論(Expectation confirmation theory) 期望確認理論最早由(Oliver 1977, 1980)提出的，為一般研究消費者滿意度之基礎模型，概念為消費者在購買前的預期，及實際購買後的績效，兩者比較之後，有正向確認、負向確認，最後產生滿意程度上的差異，如下圖。 Bhattacherjee 修正ECT，提出持續使用IS意圖模式，使其符合資訊系統之情境，如下圖：資料來源：Bhattacherjee 2001持續使用IS意圖Expectation SatisfactionDisconfirmat

50、ionPerceived performance + + +Perceived usefulnessConfirmation Satisfaction IS continuance intention 參考資料1. Oliver R. L, 1977, Effect of Expectation and Disconfirmation on Postexposure Product Evaluations - an Alternative Interpretation, Journal of Applied Psychology, 62(4), p. 480. 2. Oliver R. L,

51、1980, A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions, JMR, Journal of Marketing Research, 17(3), p. 460. 3. Spreng R. A, S.B. MacKenzie and R.W. Olshavsky, 1996, A reexamination of the determinants of consumer satisfaction, Journal of Marketing, 60(3), p. 15. 4. Bhat

52、tacherjee, A. (2001). Understanding information systems continuance: An expectation-confirmation model. MIS Quarterly, 25(3), 351 1-6-12 任務、科技適配理論 (Task technology fit theory) 由Goodhue 與 Thompson於1995年提出任務、科技適配理論（Task Technology Fit theory），如下圖。 任務、科技適配理論認為IT可以正面的影響使用者個人的績效，並且可以結合任務的能力，即很容易被使用者所使用。

53、參考資料：1. Goodhue,Dale L., “Understanding user evaluations of information systems”, Management Science, 1995, 41, 12, 1827-1844. 2. Goodhue,Dale L.;Thompson,Ronald L., “Task-technology fit and individual performance”, MIS Quarterly, 1995, 19, 2, 213-236. 3. Zigurs,Ilze;Buckland,Bonnie K., “A theory of

54、 task/technology fit and group support systems effectiveness”, MIS Quarterly, 1998, 22, 3, 313-334. 1-6-13 印象管理理論(Theory of impression management) 印象管理理論是由Erving Goffman 於1959所提出，如下圖。印象管理理論解釋了在複雜人際互動和事實背後的動機。也說明每個人都會配合情境，運用適合的策略呈現自己。 參考資料1. Dillard, C., Browning, L. D., Sitkin, S. B., and Sutcliffe,

55、 K. M. “Impression Management and the Use of Procedures at the Ritz-Carlton: Moral Standards and Dramaturgical Discipline” Communication Studies, 51(4) (Winter 2000) pp. 404-414. 2. Giacalone, R. A., and Rosenfeld, P. lmpression Management in the Organization. Lawrence Erlbaum Associates: Hillsdale,

56、 NJ, 1989. 3. Giacalone, R. A. and Rosenfeld, P. Applied Impression Management. Sage: Newbury Park, CA. 1991. 4. Goffman, E. The Presentation of Self in Everyday Life. Doubleday: New York, NY 1959. 5. Schlenker, B. R. Impression Management: The Self-Concept, Social Identity, and Interpersonal Relati

57、ons. Brooks/Cole Publishing Co.: Monterey, CA 1980 1-6-14 資訊系統成功模式(Delone and McLean IS success model) DeLone and McLean 於 1992年提出資訊系統成功模式(Information Systems Success model)。資訊系統成功模式有六大構面，分別是：系統品質(Systems Quality)、資訊品質(Information Quality)、使用(Use)與使用者滿意(User Satisfaction)、個人的影響(Individual Impact)與組織的影響(Organizational Impact)，如下圖： Information Systems Success Model (DeLone Olson, Marorethe H. (1989). An Assessment of the Contingency Theory of Management Information Systems. Journal of Management Information Systems, 6(1), 63.