第六章 量化資料分析與結果
第四節 假設檢定
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-3-3（續）
因素及信度係數 測量題項 因素負荷值
資訊性滿足
Cronbach’s α = 0.893
2. 通過電商直播，我瞭解了產品的使用方法。 .812 3. 電商直播能夠讓我看到產品最真實的樣子。 .777 4. 通過電商直播，我看到了不同商品之間的比較。 .689 1. 通過電商直播，我得到了價格的折扣與優惠。 .674
第四節 假設檢定
研究目的：探究使用者的個人特質與使用者對電商直播的使用動機之間的相關性。
假設一：電商直播使用者的人口變項，會影響其使用動機。
假設二：電商直播使用者的外向性特質及開放性特質，對其使用電商直播的動機 具有正向影響。
為瞭解使用者個人特質對其使用電商直播動機的影響，本研究以電商直播使 用者的人口變項、人格特質作為預測變項，以電商直播的使用動機作為依變項，
進行迴歸分析。
以往研究發現年齡、性別、教育程度、收入程度都會影響網路購物以及網路 直播的使用（Hiser et al., 1999；Morganosky & Cude, 2000；Seock & Bailey, 2008；
Punj, 2011；李佩珍、蕭惠文，2004；張卿卿，2016；黃博億、柯婉婷、廖宜珈，
2016 ）。而本研究通過問卷調查所蒐集的樣本，教育程度全部為大學本科及專科 以上學歷，屬於同質性較高的族群，故不納入教育程度作為自變項進行分析。另 外，本研究在問卷調查時，雖設置了職業與居住地的題目，然而從問卷所蒐集的 樣本情況來看，以職業或居住地區別樣本，進行迴歸分析，解釋力有限，不足以 進行推論——本研究樣本的職業分佈情形較為分散，除「學生」的樣本數達到 143 位外，其他職業的樣本數均較少；樣本的居住地分佈亦較為分散，除了北京及上 海的受試者佔比 65.6%外，其他地區的樣本數較少。另外，由於職業與居住地的 變項屬性，亦較難合併變項的類別。故本研究僅通過職業與居住地瞭解樣本的分 佈情形，不作為前置變項進行後續討論。
綜上所述，本研究納入年齡、性別、月均可支配金額三個變項作為人口變項，
進行後續的多元迴歸分析。本研究將性別轉變成虛擬變項，將男性編碼為 0，女
‧
月均可支配金額的變項，根據樣本的分佈情況，合併「9000-11000 元」、「11000 元及以上」兩個階層的樣本，以及「1000 元及以下」、「1000-3000 元」兩個階層 的樣本。「3000 元及以下」編碼為 1，「3000-5000 元」編碼為 2，「5000-7000 元」 題。人口變項及人格特質共四個變項之允差（Tolerance）均未小於 0.1，變異數 膨脹因素（VIF）皆小於 10，故任何兩個變項之間不存在共線性的問題。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-4-1（續）
社群互動性動機 β值
休閒娛樂動機 β值
資訊動機 β值 人格特質
外向性 0.160** 0.130** 0.190**
開放性 0.539** 0.572** 0.381**
ΔR2 0.238** 0.242** 0.238**
Total R2 0.271** 0.261** 0.268**
注：依變項為使用者對電商直播的使用動機；N=364；所有模式之允差皆大於 0.1，VIF 均小於 10。*p < 0.05, **p < 0.01。
迴歸分析的結果顯示，兩個階層的自變項——人口變項與人格特質對於三項 使用動機都具有顯著的預測能力（p<0.05），人口變項與人格特質可預測電商直 播三項使用動機的解釋力分別為 27.1%、26.1%、26.8%。
人口變項方面，性別對於休閒娛樂性動機具有顯著解釋力（β=0.183，p<0.01）， 即女性使用者相比男性使用者，使用電商直播的休閒娛樂動機更強。
人格特質的方面，外向性特質對於使用電商直播的社群互動性動機（β=0.160， p<0.01）、休閒娛樂動機（β=0.130，p<0.01）、資訊動機（β=0.190，p<0.01）均具 有顯著的預測能力。開放性特質對於使用電商直播的社群互動性動機（β=0.539， p<0.01）、休閒娛樂動機（β=0.572，p<0.01）、資訊動機（β=0.381，p<0.01）均有 顯著的解釋力；從標準化係數 β 值來看，開放性特質相較其他變項來說，對三項 使用動機的預測力最高。總而言之，外向性特質、開放性特質越強的使用者，使 用電商直播的三種動機都越強。研究結果部分支持假設一，假設二成立。
研究目的：探究使用者對電商直播的使用動機與使用行為之間的關係。
假設三：使用者對電商直播的使用動機，正向影響其使用行為。
為了探討電商直播使用行為與使用動機、人口變項、人格特質之間的關係，
本研究以電商直播使用者的人口變項、人格特質、使用動機作為預測變項，以使 用者對電商直播的使用行為作為依變項，進行迴歸分析。
假設三的依變項為使用者對電商直播的使用行為，包括電商直播的使用頻率，
以及電商直播的五項使用方式（「瀏覽其他使用者的購買情況」、「瀏覽直播主與
‧
項之允差（Tolerance）均未小於 0.1，變異數膨脹因素（VIF）皆小於 10，故任何 兩個變項之間不存在共線性的問題。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-4-2 摘要呈現了上述三個階層的預測變項，對於依變項電商直播使用行 為之影響的迴歸分析結果。
預測「瀏覽直播主與其他使用者的討論記錄」、「為直播主按讚」行為的迴歸 分析數據顯示，第一層的變項並未顯著提升 R 平方值，即人口學變項對於「瀏覽 直播主與其他使用者的討論記錄」、「為直播主按讚」行為之解釋力未達統計學顯 著水準，故後續不再進行討論。
迴歸分析的結果顯示，性別對於「瀏覽其他使用者的購買情況」、「回覆參與 直播間討論」、「關注直播間」具有顯著的解釋力。電商直播的使用者中，男性比 女性更常瀏覽其他使用者的購買情況（β=-0.153，p<0.01）、回覆參與直播間討論
（β=-0.166，p<0.01）、關注電商的直播間（β=-0.097，p<0.05）。另外，月均可支 配金額越高的使用者，使用頻率越低（β=-0.085，p<0.05），且越少使用回覆的功 能（β=-0.144，p<0.01）。
人格特質對於電商直播使用頻率具有顯著的預測能力（p<0.01），且解釋量高 達 77.9%。外向性特質（β=0.609，p<0.01）、開放性特質（β=0.358，p<0.01）越 強的電商直播使用者，使用電商直播的頻率越高。另外，外向性特質與「瀏覽其 他使用者的購買情況」（β=0.348，p<0.01）、「瀏覽直播主與其他使用者的討論記 錄」（β=0.288，p<0.01）、「為直播主按讚」（β=0.250，p<0.05）、「回覆參與直播間 討論」（β=0.170，p<0.01）、「關注直播間」（β=0.277，p<0.01）這五項電商直播的 使用行為均有顯著的正向關係。開放性特質越強的使用者，越常在觀看電商直播 時「為直播主按讚」（β=0.282，p<0.05）、「回覆參與直播間討論」（β=0.128，p<0.05）、
「關注直播間」（β=0.251，p<0.01）。
在使用動機的方面，社群互動性動機（β=0.099，p<0.01）、休閒娛樂動機
（β=0.064，p<0.05）與資訊動機（β=0.071，p<0.01）越強的使用者，使用電商直 播的頻率越高。社群互動性動機越強的使用者，越常在觀看電商直播的時瀏覽其 他使用者的購買情況（β=0.186，p<0.01），越常瀏覽直播主與其他使用者的討論 記錄（β=0.209，p<0.01），也越常為直播主按讚（β=0.170，p<0.01），使用回覆功 能參與直播間討論（β=0.162，p<0.01）及關注直播間（β=0.586，p<0.01）。觀察 R 平方值的數據，可以發現三項使用動機對「關注直播間」這一行為的解釋力高 達 26.7%；從標準化係數（standardized coefficients）來看，社群互動性動機對「關 注直播間」這一行為的預測力（β=0.586，p<0.01），在眾多預測觀點中為最高。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
休閒娛樂動機對於「為直播主按讚」（β=0.474，p<0.01）、「關注直播間」
（β=0.128，p<0.05）這兩項電商直播的使用行為有著顯著的正向預測能力。觀察 R 平方值的數據，可以發現三項使用動機對「按讚」行為的解釋力高達 33.1%，
其中休閒娛樂動機的標準化係數最高，為 0.474，也就是說，休閒娛樂動機對於 電商直播使用者的按讚行為預測力最高。
至於資訊動機，則是對「瀏覽其他使用者的購買情況」（β=0.225，p<0.01）、
「瀏覽直播主與其他使用者的討論記錄」（β=0.155，p<0.01）、「為直播主按讚」
（β=0.108，p<0.05）及「回覆參與直播間討論」（β=0.207，p<0.01）的行為具有 顯著的解釋力。
綜上所述，研究結果部分支持假設三。
研究目的：探討使用者對電商直播的滿足程度，與其使用動機、使用行為之間的 關係。
假設四：使用者對電商直播的使用動機，正向影響其使用電商直播的滿足程度。
假設五：使用者對電商直播的使用行為，正向影響其使用電商直播的滿足程度。
假設四、假設五的依變項為使用者對電商直播的滿足程度，本研究以問卷中 滿足程度的三個因素所對應的測量題項的得分之平均數，分別設為滿足程度的三 個依變項——社群互動性滿足、休閒娛樂性滿足、資訊性滿足。以人口變項、人 格特質、電商直播使用動機、使用行為作為預測變項，進行多元迴歸分析，探究 使用行為、使用動機、人口變項、人格特質對於電商直播滿足程度的解釋力。
多元迴歸分析的四個階層分別為人口變項（性別、月均可支配金額、年齡）； 人格特質（外向性特質、開放性特質）；使用動機（社群互動性動機、休閒娛樂 動機、資訊動機）；使用行為（包括電商直播的使用頻率，以及電商直播的五項 使用方式：「瀏覽其他使用者的購買情況」、「瀏覽直播主與其他使用者的討論記 錄」、「為直播主按讚」、「回覆參與直播間討論」、「關注直播間」）。在討論結果之 前，先檢視變項之間的多元共線性問題。人口變項、人格特質及使用動機各個變 項之允差（Tolerance）均未小於 0.1，變異數膨脹因素（VIF）皆小於 10，故任何 兩個變項之間不存在共線性的問題。
表 4-4-3 摘要呈現了上述四個階層的預測變項，對於使用者對電商直播的滿 足程度之影響的迴歸分析結果。
‧
著的預測能力（p<0.05）。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
電商直播的使用者中，男性使用者相對於女性使用者，具有更高的資訊性滿 足（β=-0.092，p<0.05）。月均可支配金額越高的使用者，對於電商直播的社群互 動性滿足（β=-0.112，p<0.01）及資訊性滿足（β=-0.275，p<0.01）越低。
人格特質方面，外向性特質、開放性越強的使用者，對於電商直播的滿足程 度就越高。也就是說，外向性特質對社群互動性滿足（β=0.307，p<0.01）、休閒 娛樂性滿足（β=0.263，p<0.01）、資訊性滿足（β=0.258，p<0.05）均具有顯著的 正向預測能力；開放性特質對社群互動性滿足（β=0.099，p<0.05）、休閒娛樂性 滿足（β=0.093，p<0.05）、資訊性滿足（β=0.103，p<0.05）均具有顯著的正向預 測能力。
從使用動機的方面來看，休閒娛樂動機對電商直播的社群互動性滿足
（β=0.304，p<0.01）、休閒娛樂性滿足（β=0.718，p<0.01）、資訊性滿足（β=0.164，
p<0.01）均具有顯著的預測能力。社群互動性動機對電商直播的社群互動性滿足
p<0.01）均具有顯著的預測能力。社群互動性動機對電商直播的社群互動性滿足