第四章 資料分析與實證結果討論
第二節 信度與效度分析
第二節
第二節 第二節 信度與效度分析 信度與效度分析 信度與效度分析 信度與效度分析
本研究分別以 Cronbach’s α 信度係數及驗證性因素分析來說明本研究各主 要研究構念其衡量量表的信度及效度。
一 一
一 一、 、 、信度分析 、 信度分析 信度分析 信度分析
研究衡量工具中使用的信度分析運用了兩個方法，第一，本研究的內部一 致性使用Cronbach’s α，若Cronbach’s α值高於0.7就可視為高信度(Nunnally, 1978)。第二，Fornell and Larcker (1981)認為，組合信度是一種較合適的指標，
因為其考慮了問項與模型的配適度，表2中的組合信度值介於0.78至0.84中，皆 高於高信度的標準0.70(Hair, et al., 1998)，另外，所有的平均變異萃取量(AVE) 皆超過門檻值0.50(Fornell & Larcker, 1981; Podsakoff, et al., 2000; Shock, et al., 2004)，由上述衡量信度的結果看來，本研究之衡量模型為有效的信度。
二 二 二
二、 、 、效度分析 、 效度分析 效度分析 效度分析
本研究之效度分析以三種研究方法檢驗：內容效度(content validity)、收斂 效度(convergent validity)、鑑別效度(discriminant validity)。驗證性因素分析係以 衡量模式進行模式的適合度檢定，以檢定各構面是否具有足夠的收斂效度 (convergent validity)和鑑別效度(discriminant validity)。
(一 一 一)內容效度 一 內容效度 內容效度 內容效度(content validity)
內容效度即指一個測驗本身所能包含的概念意義範圍或程度，即測驗的內 容是否針對欲測驗之目的，問項中具有代表性，且可從文獻中涵蓋了預測內容 的領域或面向，而此界定的觀念範圍是否在測量中真能代表此範圍，本研究之 變數衡量皆採納先前文獻的構念，由此推斷本研究具有內容效度。
(二 二 二)建構效度 二 建構效度 建構效度 建構效度(construct validity)
所謂建構效度是指問卷能夠測量到理論上的建構(construct)或特質的程 度，例如在心理學上智力、性向等等的理論構想或特質上其實是不可直接預測 到的，但在心理學的研究中假設它是存在的，如理論所建構預測一樣(Straub, 1989)。而建構效度還包含了兩個測量的成分：即為收斂效度(convergent validity) 與鑑別效度(discriminant validity)。
收斂效度的結果顯示其衡量的問項的各自題項都具有高因素負荷量，範圍 從0.70至0.92。根據Hair, et al. (1998)的研究，若衡量的問項係數具有大於0.60以 上的因素負荷量，則此問項可視為高因素負荷量，而本研究之因素負荷量皆大 於0.70以上(Fornell & Larcker, 1981)，如表2即為本研究樣本模型上對因素負荷量 及信、效度的分析。另外，本研究各構面與其對應問項之平均變異抽取量(average variance extracted, AVE)達到0.5以上，則可認定具有收斂效度。平均變異抽取量 主要來看觀察變項的總變異量有多少是來自於潛在構面的變異量，其他的變異 量則是由測量誤差所貢獻。平均變異抽取量的計算公式如下：
平均變異抽取量 =
2
c 2
( )
=
( ) + ρ λ
λ θ
∑
∑ ∑
另外，本研究亦參考評估了Fornell and Larcker (1981)對於鑑別效度的標 準，由表3我們可以得知，最小的AVE值(0.62)皆超過兩個變數之間開根號後的 相關係數，代表樣本具有足夠的鑑別效度。因此本研究在模型衡量上表現了合 適的信度值，並滿足了收斂效度與鑑別效度的標準。
表2
因素負荷量與信、效度分析
構念 平均數 因素負
荷量
t-value Cronbach’s α 平均變異
萃取(AVE)
組合信 度(CR) 社會資本
關係互信 3.68 0.72 7.86 關係結構 4.58 0.78 8.57 關係認知 5.22 0.85 10.23
0.734 0.62 0.7819
新產品創意
新穎性 4.21 0.86 12.13 意義性 5.39 0.78 6.68
0.8158 0.67 0.8295
新產品行銷創意
新穎性 4.97 0.85 8.86 意義性 6.24 0.85 9.39
0.8962 0.72 0.8205
新產品績效
市場績效 5.19 0.92 15.23 財務績效 5.56 0.82 12.28 整體績效 5.08 0.70 8.76
0.8487 0.67 0.8362
表 3
各構面變數之相關係數與平均變異量抽取
構念 平均數
(標準差)
1.
社會資本
2.
新產品創意
3.
新產品行銷創意
4.
新產品績效 1.社會資本 4.95(1.01) 0.62
2.新產品創意 4.70(1.19) 0.54 0.67
3.新產品行銷創意 5.11(1.04) 0.51 0.47 0.72
4.新產品績效 5.58(0.83) 0.46 0.46 0.55 0.67 註：對角線之數值代表 AVE 的結果，對角線以下之數值代表開根號後的相關係數。
第 第 第
第三 三 三節 三 節 節 節 模型適配度分析 模型適配度分析 模型適配度分析 模型適配度分析
近幾年來，線性結構關係(linear structural relationship, LISREL)分析方法在 社會科學與行為科學中受到重視。故本研究將以線性結構關係來做為驗證性因 素分析之工具。主要參考Williams and Hazer (1986)及Niehoff and Moorman (1993)
等學者之建議，以兩階段法進行模型的發展與資料分析。第一階段是進行測量 模型分析，亦即各別針對社會資本、新產品創意、新產品行銷創意以及新產品 優勢四個潛在變數進行驗證性因素分析，以確認本研究量表所包含的因素是否 與最初探究的構念相同。第二階段再進行結構模型分析，進行資料分析與假設 驗證。應用結構方程模式時，在測試結構模式之前，應先行測試測量模式(亦即 驗證性因素分析)。因為當測量模式無法被接受時(即其模式合適度未達一定之標 準)，則結構模式測試可能是僅流於空同的架構測試罷了(Joreskog & Sorbom, 1993)。
在執行分析整體結構模型的關係之前，首先要先觀察模型的適配度情形，
因此進行驗證性因素分析(CFA)，確認本研究之樣本與假設模型之間的適配度狀 況，再利用結構方程模型(structural equation model, SEM)進行本研究模型之結構 與路徑關係之分析。SEM方法可同時進行衡量模式分析及結構模式分析，前者 除了驗證模型中各衡量變數是否精確的測量到了潛在變數(即收斂效度)外，意即 驗證不同構面下所隸屬變數彼此的低度關聯性(即鑑別效度)。而後者除了進行研 究模式配適度分析外，亦驗證研究模式各變數的因果分析。本研究將分別以χ2 值、χ2與自由度比值、配適度指標(GFI)、調整後配適度指標(AGFI)或基準配適 度指標(NFI)…等進行研究模式配適度評估。
本研究根據Bagozzi and Yi (1988)的主張，評估模式適合度宜從基本配適標 準(preliminary fit criteria)、整體模式配適度(overall model fit)、以及模式內在結 構配適度(fit of internal structure of model)三個層面來進行各潛在變數之驗證性 因素分析，如表4。
表 4
測量模式適合度之衡量要素
衡量要素 衡量標準
基本適配指標(preliminary fit criteria)
1.因素負荷量(factor loading) > 0.5
2.誤差變異(error variance) 無負的誤差變異
整體模式配適度(overall model fit)
1. χ2 愈小愈好
2. χ2 / df < 3
3.調整後配適度指標(adjusted goodness of ft index, AGFI) > 0.9 4.配適性指標(goodness of fit index, GFI) > 0.9 5.基準配適度指標(normed fit index, NFI) > 0.9 6.比較性指標(comparative fit index, CFI) > 0.9 7.近似誤差均方根
(root mean square error of approximation, RMSEA)
< 0.08 模式內在結構配適度(fit of internal criteria)
1.個別信度(individual item reliability, R2) > 0.5 2.組合信度(composite reliability, CR) > 0.6 3.平均變異抽取(average variance extracted, AVE) > 0.5 4.參數估計值(parameter estimates) 達顯著水準 Note. From “Representaion of measurement error in marketing variables: review of approaches and extension to three-facet designs”, by R. P. Bagozzi, Y. Yi, and K. D.
Nassen, 1998, Journal of Econometrics, 89, pp.393-421.
當RMSEA等於或小於0.05，表示理論模式可以接受，通常此訂為「良好適 配」(goodness of fit)( Browne & Mels, 1990; Steiger, 1989)；0.05到0.08可以視為 是「尚可接受的適配」(fair fit)；0.08到0.10之間則是「普通適配」(mediocre fit)；
大於0.10表示不良適配。本研究採納了Bagozzi and Yi (1998), Etezadi-Amoli and Farhoomand (1996)、Brown and Cudeck (1993)、Hair, et al. (1998)以及Bentler (1990)，因此，為衡量模型適配度的優劣，本研究利用了三個適配度指標：絕對 適 配 量 測 (absolute fit measurements) 、 增 值 適 配 量 測 (incremental fit measurements)、簡效適配量測(parsimonious fit measures)，表5即為本研究適配度
指標的衡量結果。
表 5
研究模型之適配度指標
適配度指標 結構模型數值 建議數值範圍
Normal χ2 2.12 < 5 (Bagozzi & Yi, 1988; Hair, et al., 1998) AGFI 0.93 > 0.8 (Etezadi-Amoli & Farhoomand, 1996) RMSEA 0.057 < 0.08 (Joreskog & Sorbom, 1996)
CFI 0.98 > 0.90 (Brown & Cudeck, 1993) NFI 0.98 > 0.90 (Bentler, 1990)
IFI 0.96 > 0.90 (Bentler, 1990) GFI 0.96 > 0.9(Hair, et al., 1998)
首 先 ， 關 於模 型 的 絕 對 適 配 量 測部 分 ， 包 含 的 指 標 有良 性 適 配 指標 (goodness of fit index, GFI) 與 近 似 誤 差 均 方 根 (root mean square error of approximation, RMSEA)。GFI 指數的限制範圍在[0, 1]之間，其值越高，代表適 配度越好；通常會建議當 GFI 值大於 0.9 時表示達到良好的適配，因此本研究 模型的適配度非常良好的(GFI = 0.96)。RMSEA 是在母體中每單位預期自由度 所產生的近似誤差值，通常 RMSEA 等於或小於 0.05，表示其理論模型可被接 受，而本研究之指標顯示 RMSEA 值為 0.057，與 GFI 值相同的結果，皆可代 表整體模型具有好的適配度。
再來，確認模型中增值適配量測對模型之適配度來說亦是必須的。增值適 配量測是用於將基層的模型與理論模式相比較，測量適配指標改進比率的程 度，因此也可稱為是比較適配指標(comparative fit index)。一般來說，數值大於 0.9 以上的增值適配量測值被認為較好，而在本研究模型中，增值適配量測指標 皆超過最小的門檻標準(AGFI = 0.93，CFI = 0.98，NFI = 0.98)，皆達一般建議 之標準值。
最後一個適配度檢測的指標為簡效適配量測。簡效適配指標主要在於更正
模型是否有任何過度適配的情形，即對模型的複雜性加以懲罰。之所以使用簡 效指標，適由於好的理論模型除需有足夠的解釋能力之外，還需涵括簡約性，
即稱為「簡效原則」(principle of parsimony)。本研究所使用簡效適配量測的指 標為規範卡方值(normed chi-squire)，衡量模型數值範圍至少需大於 1 以上，小 於 3 或 5 以下(5 是較寬鬆的規定)；小於 1 時則表示模型可能過度適配，大於 5 則表示模型可能未真實反映樣本資料，有改善的空間。本研究中其規範卡方值 為 2.12，即在接受範圍之內。
總結看來，本研究在基本適配指標、整體模式適配度、模式內在結構適配 度上，皆達到文獻學者建議之範圍內，因此本研究測量模式之適配度表現皆十 分良好。
第 第
第 第四 四 四 四節 節 節 社會資本 節 社會資本 社會資本 社會資本、 、 、創意與新產品績效關係之 、 創意與新產品績效關係之 創意與新產品績效關係之 創意與新產品績效關係之 實證分析 實證分析
實證分析 實證分析
在確定整體模式之適配度與合理性後，可進一步評估測量方程式與結構方 程式之估計值，藉以探討觀測變數與潛在變數以及潛在變數之間的關係，而可 得最終整體模式的結構關係。結構方程模式係運用最大概似法(method of maximum likelihood, ML)估計出來的標準化路徑係數 γ 與 β 值，藉以檢定研究 假設是否達到顯著水準。在 LISREL 測量模式中觀測變數與潛在變數間的關係 須由估計所得之 λ 值來解釋，而 λ 值即為測量方程式的估計值，可用來衡量觀 測變數對潛在變數之影響；至於潛在變數間的因果關係須藉由估計所得之 γ 值 與 β 值來解釋，其中 γ 值與 β 值為結構方程式中的估計值，可用來衡量潛在變 數間的影響關係。
本研究模型之驗證結果如圖 5 所示，結果分析如下：
1. 社會資本對新產品創意的關係
社會資本對新產品創意的路徑係數值 β 為 0.97，表示社會資本對於新產品
2. 社會資本對新產品行銷創意的關係
社會資本與新產品行銷創意之間的路徑係數值 β 為 0.89，代表社會資本對 新產品行銷創意具有顯著且正向的影響關係，因此支持 H2。
3. 新產品創意對新產品優勢的關係
新產品創意對新產品優勢的路徑係數 β 值為 0.43，表示新產品創意對於新 產品的優勢具有顯著且正向的關係，研究結果指出 H3 成立。
4. 新產品行銷創意對新產品優勢的關係
新產品行銷創意對新產品優勢的路徑係數 β 值為 0.42，代表新產品行銷創 意對於新產品的優勢具有顯著且正向的關係，因此支持 H4。
本研究使用了結構方程式模型的最大概似估計法，用以估計並分析社會資 本、創意以及新產品優勢關係間的結構關係。表 6 顯示出社會資本對於新產品 創意上具有顯著且正向的影響[β = 0.97，t = 12.60，p < 0.001]，此研究結果支持 H1，研究結果提供了實證上的證據證明企業可透過密切的網絡關係、信任、以 及增進與供應商彼此的認知關係，以提高孕育新產品創意的能力，此點也證實 Link and Bauer (1989)、Moorman and Miner (1997)的文獻研究結果。此外，統計 的分析結果也顯示了社會資本對於新產品行銷創意的提昇具有卓越的貢獻[β = 0.89，t = 11.25，p < 0.001]，而有強烈證據支持 H2。
本研究的結果證實了企業與其供應商有著強健的網絡關係與信任程度，更 可分享彼此在工作上的共同願景之下，可以增進新產品的行銷創意。表 6 所提 供的數值可支持新產品具創意的程度可使企業增進新產品有效性的結果[β = 0.43，t = 3.24，p < 0.01]，此研究結果支持 H3。最後，新產品行銷具有高度創 意可視為是一間企業增進其新產品優勢重要的決定因素[β = 0.42，t = 0.58，p <
0.01]，其統計分析結果支持 H4。
圖 5 的研究結果顯示了社會資本中的三個構念(關係互信、關係結構、關係 認知)對新產品創意與新產品行銷創意兩個創意構念中介變數的影響，社會資本
的三個構念皆存在顯著且正向的關係；創意區分為新產品創意與新產品行銷創 意兩個構念，即為模型中的中介變數，對於新產品優勢皆會產生正向顯著的影 響，表示新產品創意與新產品行銷創意的提昇，會明顯提昇廠商在新產品上所 獲得的優勢。
表 6
假設驗證結果
結構模型假設 H1~H4
構念 direction 構念 標準化路
徑係數 β t-value p-value 假說 結果 社會資本 → 新產品創意 0.97*** 12.60 0.000 H1 支持
社會資本 → 新產品行銷
創意 0.89*** 11.25 0.000 H2 支持 新產品創意 → 新產品優勢 0.43** 3.24 0.0012 H3 支持 新產品行銷
創意 → 新產品優勢 0.42** 2.58 0.0098 H4 支持 註：p* < 0.05; p** < 0.01; p*** < 0.001
圖5 結構模式驗證結果
0.97***
0.89***
0.43***
0.42**
市場相關績效
財務相關績效
整體績效 關係認知
關係結構 關係互信
0.85 0.85
0.78 0.86
0.70 0.82 0.92
0.85 0.72 0.78
新穎性 意義性
社會資本
新產品創意
新產品行銷創意
新穎性 意義性
新產品優勢