個體屬性

一、遺漏值處理

本研究的設計雖然透過網路發問卷，但樣本並非如一般網路問卷為開放性樣 本，本研究的樣本限定為8 月 13 日至 8 月 15 日在 nb_shopping 板參與互動討論 的板友共354 名，以批踢踢站內信寄送問卷的結果，扣除重複填答及無效問卷，

t1 問卷共回收 121 份。8 月 18 日寄發 t2 問卷後，扣除無效問卷共回收 103 份，

由於態度與行為必須兩次都填答，因此確實具有兩次資料的問卷共103 份，遺漏 值251 份，遺漏值比例達 70.9%。問卷回收率是網絡研究中的重大困難之一

（Kossinets, 2006），對於遺漏值應如何處理，目前學界尚未達成共識。

統計學上關於遺漏值的處理方是主要有以下幾種（Quinlan, 1986）：

1. 忽略法：排除具有遺漏值的欄位，僅處理有完整資料的欄位，當遺漏值 數量過高時，會產生嚴重的偏誤。

2. 刪除法：將具有遺漏值的項目直接刪除，但此方法容易造成關鍵資料被 刪除。

3. 取代法：從現有的樣本資料中，推估可能數值來取代遺漏的部分。目前 有平均數取代法、經驗資料取代法、迴歸法等各種估計方法。

過去的網絡研究經常採用刪除法的方式（Burk et al., 2007; Steglich et al., 2005; Van de Bunt & Groenewegen, 2007），將遺漏值刪除。但採用此方法的學者，

其研究對象均為較小規模的班級或組織，問卷遺漏值數量很小，以刪除的方式處 理對資料而言影響並不大。但本研究為網路問卷，遺漏值比例高達70.9%，且由 於本研究的研究重點為網絡結構關係與個體行為屬性之間相互影響的效果，必須 同時考慮網絡關係與個體屬性，若採用刪除的方式，等於將70.9%的關係資料刪 除，導致無法窺見網絡結構全貌，將會嚴重影響到關係資料與樣本的代表性，因

此必須採用取代法的方式，填補問卷測量中的遺漏值。

取代法的各種方法中，EM 演算法（Expectation Maximization Algorithm）是 一種從觀察樣本推測群組分布最大可能性的方法，是目前學界認為填補遺漏值較 為精準的方法（Thomas, 1982），因此本研究使用 EM 演算法填補問卷測量中的 遺漏值。然而，本研究問卷測量的項目包括購買行為、購買態度、性別、年齡、

t2購買意願 57 298 4.8070 1.50521 t2購買升級版意願 61 294 4.7377 1.70198 t2鼓勵程度 118 237 5.2458 1.23991 t2推薦意願 118 237 5.3814 1.20483

二、信效度檢測

扣除重複填答與填答未完全的無效問卷，本次態度行為測量問卷總共回收8 月16 日的 t1 問卷 121 份及 8 月 18 日的 t2 問卷 103 份。

問卷態度行為的測量使用SPSS16 版進行分析。由於本研究在設計問卷時將 填答者區分為已發生購買行為／未發生購買行為兩大族群，接下來分別就兩個部 份的問卷進行題項的信效度檢測。

首先是已發生購買行為的態度題項因素分析。KMO 達.92，Bartlett's Test 顯 著值為.00，表示題項非常適合因素分析。接著檢驗共同性指數，「購買升級版的 意願」的解釋量只有.23，其他八個題項的解釋量都大於.5，此題項的解釋量顯著 較低。

表 4-3-2 題項共同性指數

初始 萃取 吸引程度 1.000 .662 正確程度 1.000 .823 購買價值 1.000 .758 喜好程度 1.000 .844 滿意程度 1.000 .796 感覺 1.000 .789 購買升級版意願 1.000 .225 鼓勵程度 1.000 .546 推薦程度 1.000 .766

九個題項總共只萃取出一個因素，「購買升級版意願」的因素負荷量為.48，

接下來是未發生購買行為部分的信效度分析。根據九個題項，KMO 達.92，

Bartlett's Test 顯著值為.00，表示題項非常適合因素分析。檢驗共同性指數，九個 題項解釋力均大於.6，九個題項總共能解釋 71.43%的變異量。

的題項加總取平均數做為態度的數值。並且由於因素負荷量過低而刪除已購買樣 本中用來測量購買態度的「購買升級版意願」題項，為避免以購買與未購買的樣 本態度計算題項不同，因此在計算態度時，將未發生購買行為樣本中的「購買意 願」題項也移除，以其他八個題項的平均做為態度。

三、態度變動

本研究以SPSS16 版檢驗兩時間點的購買態度是否具有差異，354 名樣本 t1 的購買態度平均值為5.32，t2 購買態度平均值為 5.46，經由相依樣本 T 檢定結 果p=.00，t2 的購買態度顯著高於 t1 得購買態度，表示在參與筆記型電腦購買板 的討論之後，購買態度確實會顯著增加。