受訪者電腦使用行為調查

受訪者使用電腦相關設施的行為，以九項變數來呈現（表四-2）。其中使用電腦經 驗與使用時數，在測驗時為開放式問項，基於容易表達理由，將其分別劃分為四點與九 點尺度。而多樣化使用行為與互補性產品兩變數，因為尺度太長，也分別皆縮短為四點 尺度（但進行資料分析時，以原來設計的尺度為主）。

在受訪者的使用行為特性當中，「使用電腦經驗」或年資分配較為平均，但以「5~8 年」佔最高比例（31.8％）。「每日使用時數」以「2 小時以下」居多（39.7％），顯示使 用自己所擁有的電腦時數少的人佔有蠻高的比例。若以「3」小時（中位數）來劃分高 低頻率使用者，低頻率佔56％、高頻率佔 44％。但這也並不代表受訪者中每日使用電 腦的時數偏向較少的情形，尚須考慮「使用其他電腦」的狀況，回答「經常」與「最常」

的受訪者共有47.7％。推測發生這些現象的原因可能是有職業的族群一般都使用公司的 電腦，或者學生常常利用學校的電腦，導致排擠到自身擁有電腦的使用。「最新電腦年 資」是在調查電腦功能的進化程度，這個問項可以反映出使用電腦多樣化的侷限。一般 而言，電腦的設備與功能有其一定的規格，同一時期的電腦功能大同小異，因此相對市 場上越新的電腦（剛購買的電腦）、功能就可能越先進。功能越先進的電腦，能夠多樣 化使用的程度可能性會越大。這個問項的分佈以一年至兩年中佔最多（38.9％），不過 沒有特別顯著集中的傾向。受訪者反應最常尋求協助與溝通電腦相關資訊的對象是「同 儕」（80.4％），顯示同儕對於自己使用電腦的情形影響非常顯著。而受訪者與他人溝通 的頻率以回答「偶爾」最多（51.7％）、「經常」次之（27％）。是否主動蒐集相關電腦 資訊、充實相關知識，可能會影響使用多樣化行為。受訪者中回應會「蒐集資訊」，以

「經常」（37.6％）最多、「偶爾」（33.3％）次之。在「多樣化使用活動」的回應中，以

「5 種以下」最多（30.4％）、「7~10 種」次之（27.4）；若以「7」種（中位數）來劃分 高低多樣化使用，低多樣化的族群佔54.4％、高多樣化族群佔 45.6％，以低多樣化族群 偏高。最後「擁有互補性產品」項目，以「2~4 項」最多（34.8％）、「2 項以下」次之

（25.7％）。

表 四-2 使用行為特性

第二節 研究構面信度與效度檢驗

本小節旨在描述與檢驗模型各構念之信度與效度檢驗。首先將檢驗顧客價值各因素 構面之信度與效度。第二部分將檢驗本研究其他構面之信度檢驗。第一部分的顧客價值 量表在各方面大致上有不錯的表現，顯示本研究所建立的顧客價值量表具有一定可信程 度與有效程度。第二部分其他構念量表，各項指標也在可接受的範圍，也表示具有一定 的可信程度。

一、顧客價值信度與效度檢驗

顧客價值量表的測量題項是本研究經由各家學者研究之文獻整理而出。透過前測，

進行項目分析萃取出最適的因素結構與衡量項目。顧客價值量表前測問項共有71 題，

經由項目分析後萃取31 題（包含反向題）作為正式問卷量表。正式問卷樣本回收與資 料整理後，將顧客價值量表進行「驗證性的因素分析」（Confirmatory Factor Analysis），

刪除不具解釋力或不符學者要求標準的題項（5 題），整份量表仍有 26 題、八項因素來 解釋顧客價值。以下將分別描述與檢驗顧客價值因素信度與因素結構效度。

（一） 顧客價值因素信度檢驗

經由前測資料透過項目分析與探索性因素分析，本研究將顧客價值構念萃取出八個 構面（與Holbrook 同）。正式問卷資料後，在驗證性因素分析前，本研究尚進行測試性 的動作，將整理過後的樣本進行探索性因素分析。分析結果的因素結構與前測資料量表 建立的結果相同。本研究更進一步利用驗證性因素分析來驗證 Holbrook 所提出顧客價 值架構與本研究所發展的量表。

驗證性因素分析具有理論檢驗與確認的功能（邱皓政2003）。驗證性因素分析可以 讓研究者將測量的變數操控歸屬於某個因素或構念，並且利用配適度檢定與驗證所提出 的因素結構和測驗量表（Hair et al. 1998）。關於參數估計程序本研究是採用「最大概似 法」（Maximum Likehood），此法一般被認為具有強韌統計（Robust Statistics）的特性。

而最大概似法是基於常態分配的假設下，因此必須檢驗題項的是否違反常態。顧客價值 構念各變數的偏態（Skew）係數絕對值介於 0.031 與 1.592 之間，峰態（Kurtosis）係數 絕對值介於0.044 與 3.528 之間，符合學者所提出的標準（skew＜3, kurtosis＜10）（Kline 1998）。此外，若採用最大概似法，樣本數最好要夠大（e.g., 邱皓政 2003; Hair et al.

1998），才不致違反常態性假設。而且若模型越複雜，樣本也必須越大（Hair et al. 1998）。 本研究樣本達1114 份，相信已經符合大樣本需求。

在驗證性因素分析的過程中，為了維持一定的基本配適品質，本研究驗證性因素分 析的分析策略考慮將個別指標因素負荷量（Lambda-X）不足 0.5 者、或 P 值不顯著者

予以去除；多元相關平方（Squared Multiple Correlations, SMC）值相當於個別變數的信 度，因此若不足0.4 者也考慮刪除；但 Bagozzi 與 Yi（1988）認為最佳的 SMC 值為 0.5 以上。在修正過程中，若產生違逆估計値（Offending Estimate），也就是 Bagozzi 與 Yi

（1988）所說的 “anamolies”，則需要捨去該指標或是將之固定（fix）在一極小（例如 0.005）的正值（Hair et al. 1998; Bagozzi and Yi 1988），或者將變異數設定為一（Bagozzi and Yi 1988）。一般發生違逆估計值的情況有(1)負的誤差變異或不顯著的誤差變異、(2) 標準化係數大於一、(3)過大的標準誤。但本研究考慮採用直接刪除該題項，以取得基 本配適品質。

分析的結果如表四-4。在最適的模型下，總共有八項因素、26 題觀測變項來解釋顧 客價值構念，共刪除了五題（sta_1、sta_5、est_1、pla_1、反向題 rev）。因素負荷值最 低0.656（spi_1），最高 0.949（eff_2），而且皆為非常顯著。標準誤最高 0.022，沒有太 高的疑慮，而且每個值皆顯著。SMC 值只有一項（spi_1）為低於 0.5 為 0.43、但已屬 中度相關以上，最高達0.901（eff_2），表示個別題項具有一定的信度。

確認沒有違逆估計值的現象後，接下來需檢驗整體模型配適程度與衡量模式配適程 度。所謂的「配適」是衡量實際（或觀察）資料共變矩陣是否與預測（或理論）模型相 互一致（Hair et al. 1998）。測量的方式有三種（Hair et al. 1998）：絕對配適測量法（Absolute Fit Measures ）、 增 值 配 適 測 量 法 （ Incremental Fit Measures ） 與 儉 約 配 適 測 量 法

（Parsimonious Fit Measures）。絕對配適測量法是僅對整體模型的配適作評價，並沒有 對可能發生的過度配適（Overfitting）作調整。增值配適測量法是比較假設模型與其他 研究者指定的模型。儉約配適測量法是比較複雜程度不同與不同目的的模型。因為配適 度指標有很多種，也一直有學者提出或發展新的指標（Hair et al. 1998），表四-3 列舉說 明各測量法常用的配適度指標（本研究呈現的指標）。依據本研究的模型複雜度（較為 複雜）與樣本數大小（較大）而言，較為適合本研究的指標為χ²/df值、RMSEA、AGFI、

與IFI，但本研究列出更多的指標，以提供更多的訊息。

在顧客價值量表整體模型配適程度方面，χ²值達838.264、而且非常顯著。Bagozzi 與 Yi（1988）認為如果樣本數增加、甚至非常大，則無論該模型是好是壞，被拒絕的機率 相當高。Hair et al.（1998）也認為樣本數如果超出 100~200 之間的範圍，顯著性檢定就 不具可靠性。因此χ²値容易受到樣本大小而影響其顯著程度，還需要配合其他配適度 指標才能判斷模式配適度的好壞程度。χ²的期望值是它的自由度，因此χ²値與自由度 的差距過大，顯示理論模式與觀測模式之間有顯著的差異（Bollen 1989）。本研究顧客 價值量表的χ²/df值為 3.093，雖不符學者的標準，但也相當接近。其他配適度指標如 GFI=0.945、RMSEA=0.043、AGFI=0.929、NFI=0.955、CFI=0.969、以及IFI=0.969 等，

都符合學者建議的門檻（如表四-3），顯示本研究的顧客價值量表理論模型與實際觀測 資料具有一定吻合程度，在可接受的範圍。

整體模型配適評價在可接受的範圍後，接下來進行衡量模式配適（Measurement Model Fit）評價。Hair et al.（1998）認為應該要分為兩部分。首先檢驗所有因素負荷值 是否顯著；再者評估「構念信度」（Construct’s Reliability）與「萃取的變異量」（Variance Extracted）兩種信度的衡量，構念信度應該要大於 0.7，而萃取變異量應大於 0.5，才稱 的上具有良好的信度。信度計算方式請參閱附錄三。顧客價值量表各觀測變項的因素負 荷值介於 0.656~0.949 之間，而且非常顯著。各潛在因素的構念信度介於 0.786~0.936 之間，萃取變異量介於0.552~0.825 之間，皆有達到學者建議的門檻。因此，顧客價值

(Carmines & McIver, 1981)

不 受 模 式 複 雜 度 影 響

GFI (Goodness-of-fit index)

假設模型可以解釋觀察資料的比例 0-1 >.90

(Bentler, 1982) 說明模型解釋力 RMSEA (Root mean square error of approximation)

比較理論模式與飽和模式的差距 0-1 <.10

(Browne & Cudeck, 1993)

不 受 樣 本 數 與 模 型 複雜度影響

增值配適測量法

AGFI (Adjucted goodness-of-fit index)

考慮模式複雜度後的 GFI 0-1 >.90

(Bentler, 1982)

不 受 模 式 複 雜 度 影 響

NFI (Normed fit index)

比較假設模型與獨立模型的卡方差異 0-1 >.90

(Bentler & Bonett, 1980)

說 明 模 型 較 虛 無 模 型的改善程度

儉約配適測量法

CFI (Comparative fit index)

假設模型與獨立模型的非中央性差異 0-1 >.95

(Bentler, 1988)

說 明 模 型 較 虛 無 模 型的改善程度，特別 適合小樣本 IFI (Incremental fit index)

類似 NFI 但不受樣本大小影響 0-1 >.95

(Hu & Bentler,1999)

說 明 模 型 較 虛 無 模 型的改善程度，不受 樣本大小影響 資料來源：Hair et al.（1998）、邱皓政（2003）、本研究整理

表 四-4 顧客價值構念驗證性因素分析結果

Chi-square with 271 degrees of freedom ＝838.264***

卡方値/自由度＝3.093

GFI AGFI CFI NFI IFI RMSEA 0.945 0.929 0.969 0.955 0.969 0.043 註：*表 P<0.05，**表 P<0.01，***表 P<0.001

（二） 顧客價值因素結構效度檢驗

有關於效度的檢驗，本研究使用已被許多學者所接受的方法（參照 Bagozzi 1980;

Batra et al. 1990）。首先，要具有高的信度，例如內部一致性信度與構念信度要高。其次，

要具有一定程度的「聚斂效度」（Convergent Validity）。聚斂效度指的是衡量同一構念的 觀測變項之間的相關程度。Fornell and Larcker（1981）曾認為若各因素負荷值達顯著水

要具有一定程度的「聚斂效度」（Convergent Validity）。聚斂效度指的是衡量同一構念的 觀測變項之間的相關程度。Fornell and Larcker（1981）曾認為若各因素負荷值達顯著水