一、敘述性統計分析
本節將對資料分析結果依序進行說明，為了驗證本研究的模型，使用SEM
（結構方程模型）進行分析。 使用Smart PLS 3.0創建假說模型並分析各種結 構和測量。首先對受訪者進行樣本的描述性統計，瞭解本研究樣本的組成結 構。接著，進行驗證型因素分析(confirmatory factor analysis, CFA)，在有 效性測試中檢驗研究測量。最後，使用結構方程模型分析並進行研究假說檢 定，以瞭解本研究整體模型之關係，進行研究假說驗證。
本研究使用Mysurvey平台進行問卷發放，回收期間為2016年05月11日至 2016年06月7日，回收共1116份問卷。
為了確保問卷結果的適配性，本研究刪除了回答不適切的無效問卷。首先排除 了非 Facebook 註冊會員的填答者，接著移除填答時間低於 2 分鐘 30 秒和多於 30 分鐘的問卷，以及第 4 題「請問您是否有在臉書上追蹤過名人臉書粉絲專 頁？」填答「否」的填答者。其次再移除第 6 題「請問您最常追蹤的名人臉書 粉絲專頁是哪位名人的專頁？請寫出這位名人的姓名。」填答的名人不屬於大 眾名人(大眾名人必須有明顯的新聞露出，且臉書追蹤人數達一萬人以上)，或 是宗教人士以及網路紅人。填答第 3、10 題以及第 2、9 題邏輯問題刪除填答出 現矛盾的受測者，最後則是移除連續 14 題答案皆相同的受測者。總計最終有效 問卷為 413 份
一、樣本組成特性
由人口統計變項可以發現，本研究的受測者女性為 58.6%，男性 41.4%，而年齡層分布顯示有 24.7%的受測者介於 30-35 歲之間，其次 為 23.5%的受測者介於 25 歲-30 歲之間。在教育程度方面，有 72.9%
的受測者擁有大學以上學歷，甚至有 15.3%的受測者擁有碩士以上文 憑，表明部分受測者受過高等教育。職業分佈最多的是製造運輸業及
20
21 Facebook 的使用介面。由於本研究旨在研究名人與粉絲間的互動關 係，調查顯示有 47.7%的受測者在一星期之內瀏覽 1-2 次(同一天算一
22
23
(二) Facebook /大眾媒體身份融合
本研究還調查了名人在大眾媒體上和粉絲專頁上身分識別之間的關 係，因此受測者被要求使用圖 4-1 來評估受測者追蹤的該位名人在大 眾媒體上和粉絲專頁上身分識別的重疊程度。
表 4-3 顯示有 40.4%的受測者認為他們追蹤的該位名人在大眾媒體上 和粉絲專頁上身分識別程度為非常相似，其次是相似(33.9%)，其後的 是完全相似(21.8%)。根據本研究受測者的調查結果發現，大多數的名 人試圖在粉絲專頁上維持自己在大眾媒體的形象。
圖 4-1
表 4-3
類別 樣本數 百分比
您認為這位名人 在大眾媒體和臉 書粉絲專頁的兩 種形象的重疊程 度（相似度）如 何？
完全不相似 非常不相似
相似 非常相似 完全相似
5 11 140 167 90
1.2 2.7 33.9 40.4 21.8
24
(三) 名人粉絲專頁身分識別
表 4-4 顯示受測者追蹤的名人類型，在 413 位受測者中，比例最多的 是歌手(27.1%)，其次是演藝人員(25.9%)及政治人物(14.8%)。
表 4-4
25
表 4-5 為 2017Facebook 名人絲專頁粉絲人數前 10 名相關訊息，在
Facebook 粉絲專頁上擁有最多粉絲人數的名人是現任葡萄牙國家足球隊隊 長，Cristiano Ronaldo (122,624,333)。其次是知名的拉丁女歌手，
Shakira(104,095,128)曾為 2010 年的南非足球世界盃主題曲《Waka Waka》及迪士尼動畫《動物方城市》主題曲獻聲。再者是以出演《玩命關 頭》系列電影而廣為人知的電影演員 Vin Diesel(100,932,606)
表 4-5 2017 Top 10 Celebrities on Facebook
排名 名人粉絲專頁 粉絲專頁人數 名人類型
Cristiano Ronaldo Shakira Vin Diesel
Eminem Lionel Messi
Rihanna Justin Bieber
Will Smith Taylor Swift
Bob Marley
122,624,333 104,095,128 100,932,606 89,808,914 89,415,780 81,276,278 78,641,120 74.958,390 74,444,611 73,108,947
運動員
26
27
二、結構方程式模型
本節將對資料分析結果依序進行說明，為了驗證本研究的模型，使用SEM
（結構方程模型）進行分析。 使用Smart PLS 3.0創建假說模型並分析各種結 構和測量。首先對受訪者進行樣本的描述性統計，瞭解本研究樣本的組成結 構。接著，進行驗證型因素分析(confirmatory factor analysis, CFA)，在有效性測 試中檢驗研究測量。最後，使用結構方程模型分析並進行研究假說檢定，以瞭 解本研究整體模型之關係，進行研究假說驗證。
通過首先執行驗證性因素分析（CFA）來檢查每個測量以衡量模型。 當測 量題項的因素負荷量愈高，才愈能反映潛在變數，因此我們將因素負荷量過低與 交叉負荷量過高的題項予以刪除。驗證性因素分析（CFA）結果表明，數據與所 感知的測量模型非常吻合。 所有相關的裝載量都是非常重要的。
在效度方面，以平均變異萃取量(Average Variance Extracted, AVE)進行 評估，平均變異萃取量(Average Variance Extracted, AVE)是計算潛在變項對 各觀察變項的變異平均解釋力，是一個潛在變數能被一組觀察變數有效估計的 收斂程度指標，一般來說建議在 0.5 以上，若 AVE 值愈高，則表示潛在變項有 愈高的信度與收斂效度。另一方面，我們根據 Fornell 和 Larcker(1981)提出 的「AVE 與潛在變項配對相關值之比較法」，檢驗所有 AVE 值之平方根是否大 於所有題項的相關係數，以證實因素之間具有區別效度。
28
29
表 4-8 驗證性因素分析結果
構面 項目
數
組合信度 (CR)
平均變異數萃取量 (AVE)
Cronbach’s Alpha
潛在變數之相關係數表
1 2 3 4 5 6
實際自我一致性 3 .94 .84 .91 .92
理想自我一致性 3 .89 .72 .81 .63 .85
名人與粉絲
之間的互動 1 na na na .36 .25 1.00
名人與我
之間的互動 1 na Na na .46 .36 .58 1.00
感知人類品牌
真實性 4 .92 .74 .89 .42 .39 .54 .31 .86
口碑特性 3 .95 .86 .92 .53 .44 .48 .36 .59 .93
30
表 4-9 間接效果與總效果
構面
感知品牌真實性 積極口碑
間接效果 總效果 間接效果 總效果
真實自我一致性 - .20 .12 .12
理想自我一致性 - .20 .12 .12
名人與粉絲的互動 - -.47 .28 .28
名人與我的互動 - -.13 -.08 -.08
名人與粉絲的互動*真實自我一致性 - -.02 -.01 -.01
名人與粉絲的互動*理想自我一致性 - -.10 -.06 .06
名人與我的互動*真實自我一致性 - -.08 .05 .05
名人與我的互動*理想自我一致性 - .08 .05 .05
感知品牌真實性 - - - .59
積極口碑 - - - -
31
32
33
三、結構模型之分析
結構模型分析目的於了解結構模型中各個變數的預測能力以及結構模 型整體的解釋力。變數的預測能力是由𝑅2進行判定，𝑅2值越高表示外生變數能 夠對內生變數解釋的比例越高，代表其預測能力就愈強，而結構模型的解釋力 是透過配適度(Goodness of Fit, GoF)進行評估，GoF 值為內生變數的衡量構 面之平均共同性以及平均 R2 的幾何平均數(GoF=√𝑐𝑜𝑚𝑚𝑢𝑛𝑎𝑙𝑖𝑡𝑦̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ ∗ 𝑅̅̅̅̅)，範圍於2 0 到 1 之間，GoF 值是一項能夠完整解釋 PLS 模型是否為有效的指標(Henseler
& Sarstedt ,2013) ，依據 Wetzels et al.(2009)界定 GoF 值的範圍:
GoF_small=0.1，GoF_medium=0.25，GoF_large=0.36
由表之數值可計算出結構模型之 GoF 值為 0.54，可知本研究結構模型 配適度良好。
由圖 4-3 可知本研究之內生變數，表 4-11 顯示感知品牌真實性之𝑅2 為 0.40、積極口碑之𝑅2為 0.35，顯示外生變數對於內生變數具有良好的解釋 能力。本研究使用配適度來分析 PLS 路徑模型對於不同資料集合的解釋力，。
34
圖 4-3 研究假說路徑模型
表 4-11 本研究模型之𝑅2值
衡量構面 共同性指數 𝑅2 GoF 值
實際自我一致性 .84 -
.55
理想自我一致性 .72 -
名人與粉絲之間的互動 1.00 - 名人與我之間的互動 1.00 - 名人與粉絲之間的互動
*
實際自我一致性
.87
-
名人與粉絲之間的互動
*
理想自我一致性
.71
-
名人與我之間的互動
*
實際自我一致性
.89
-
名人與我之間的互動
*
理想自我一致性
.75
-
感知品牌真實性 .74 .40
積極口碑 .86 .35
註：GoF=√𝑐𝑜𝑚𝑚𝑢𝑛𝑎𝑙𝑖𝑡𝑦 ∗ 𝑅2
35
表 4-12 本研究整體模型之 HTMT 值
ASC ISC ICF ICI ICF*ASC ICF*ISC ICI*ASC ICI*ISC PBA PWM
真實自我一致性 (ASC) 理想自我一致性
(ISC) .73 名人與粉絲的互動
(ICF) .38 .28 名人與我的互動
(ICI) .48 .40 .58
ICF*ASC .03 .06 .20 .11
ICF*ISC .06 .09 .10 .08 .73
ICI*ASC .21 .13 .10 .16 .66 .45
ICI*ISC .15 .11 .07 .11 .45 .70 .76
感知品牌真實性 .46 .46 .57 .33 .22 .18 .13 .18
積極口碑 .58 .51 .50 .40 .12 .11 .12 .18 .65
36
四、假說驗證
表 4-13 假說之路徑係數與 p 值
假說路徑 路徑係數 β
Path coefficient p-value H1 真實自我一致性
→感知人類品牌真實性 0.185 0.001***
H2 理想自我一致性
→感知人類品牌真實性 0.211 0.000***
H3
名人與粉絲之間的互動
*
真實自我一致性
→感知人類品牌真實性
-0.096 0.050**
H4
名人與粉絲之間的互動
*
理想自我一致性
→感知人類品牌真實性
-0.025 0.598
H5
名人與我之間的互動
*
真實自我一致性
→感知人類品牌真實性
0.087 0.058**
H6
名人與我之間的互動
*
理想自我一致性
→感知人類品牌真實性
-0.080 0.093
H7 感知人類品牌真實性
→積極口碑。 0.592 0.001***
*p < 0.1, **p<0.05, ***p< 0.01
37
【H1】高真實自我一致性會提升感知人類品牌真實性的正面效果。
透過檢定結果可知，假說(一)的預測與實際驗證結果一致，且效果顯 著，(𝛽1 = 0.185；𝑝 = 0.001 ∗∗∗)。也就是說，當 Facebook 用戶追蹤的名人愈 貼近該用戶自身的真實自我一致性，愈能感受到感知人類品牌的真實性，兩因 素之間存在正向關係，故假說(一)成立。
【H2】高理想自我一致性高會提升感知人類品牌真實性的正面效果。
透過檢定結果可知，假說(二)的預測與實際驗證結果一致，且效果顯 著，(𝛽2 = 0.211；𝑝；0.000)。也就是說，當 Facebook 用戶追蹤的名人愈貼近 該用戶自身的理想自我一致性，愈能感受到感知人類品牌的真實性，兩因素之 間存在正向關係，故假說(二)成立。
【H3】名人與粉絲之間的互動，
會負向干擾真實自我一致性對感知人類品牌真實性的效果。
透過檢定結果得知，假說(三)具有顯著效果(𝛽3 = −0.09；𝑝 = 0.050)。
部分 Facebook 用戶嘗試頻繁的傳送訊息給名人，但名人可能會意外地回 覆其他粉絲，而忽略部分粉絲，這樣的情況會帶給部分粉絲複雜的情緒反應，
問卷統計結果也可以看出在有效的 413 份樣本之中，認為粉絲專頁上人們互動 回應的程度為偶爾或經常的比例為 67.8％，而從不或幾乎沒有在粉絲專業上回 應的比例高達 64.4％，由問卷調查內容可看出多數用戶能夠感知名人與其他粉 絲在粉絲專頁上的活動，但粉絲與名人多呈現單向互動。所以即使名人和粉絲 之間的自我形象存在真實自我或理想自我一致性，感知互動性並非總是能夠有 正向積極的效果，可推斷，即使該 Facebook 用戶追蹤的名人貼近此用戶的自我 一致性，而當該 Facebook 用戶感知到的是其被追蹤的名人與其他粉絲的互動性 高，會削弱該 Facebook 用戶感知其名人的人類品牌真實性，使用戶產生自己為
38
圈外人的想法，進而削弱用戶感知人類品牌真實性。
【H4】名人與粉絲之間的互動，
會負向干擾理想自我一致性對感知人類品牌真實性的效果。
會負向干擾理想自我一致性對感知人類品牌真實性的效果。