第五章 大學生的網路行為之結果分析
5.2 因素分析
將項目分析後所要保留的18題項開始做因素分析，而本研究因素
分析是採用「主成分法」（Principal Components）來進行，並以「最 大 變 異 法 」（ Varimax ） 進 行 轉 軸 ， 而 KMO 是 Kaiser-Meyer-Olkin Measure of Sampling Adequacy的取樣適當量，當KMO值越大時，表 示變相間的共同因素越多，適合進行因素分析，根據Kaiser (1974)
的觀點，如果KMO值小於0.5時，較不宜進行因素分析，而本問卷的KMO 值為0.863（＞0.80）, 表示適合進行因素分析，同時從Barlett球形 考驗x2值為1904.367(自由度為153)達顯著，代表母群體的相關矩陣 間有共同因素存在，非常適合進行因素分析。
表5-1 KMO and Bartletts 檢定
KMO and Bartlett's Test
.863 1904.367 153 .000 Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Approx. Chi-Square df
Sig.
Bartlett's Test of Sphericity
利用因素分析中的「主成分析法」(PCA)後，且根據下面的陡坡 圖我們選擇 Eigenvalue 大於 1 的因素，因此選五個因素，且第五個 因素之後漸漸趨於平緩，因此選取了五個因素，可解釋的累積總變異 數為 64.459％。
Scree Plot
Component Number
18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Eigenvalue
7 6 5 4 3 2 1 0
此為各題項之共同性，共同性越高，表示該變項與其它變項可測 量的共同特質越多，也就是該題項重要性越大
表5-2 網路行為意向的重要成份的共同性
Communalities
1.000 .708 1.000 .532 1.000 .661 1.000 .629 1.000 .565 1.000 .560 1.000 .706 1.000 .640 1.000 .665 1.000 .702 1.000 .606 1.000 .581 1.000 .708 1.000 .681 1.000 .669 1.000 .574 1.000 .704 1.000 .714 1我會使用網路與朋友聊天
2在網路虛擬世界讓我感到 舒服自在
3我會利用網路來購物 4我會利用網路來傳達訊息 5若有一天不上網我會感到 不安
6我會利用網路來收集生活 資訊
7我會利用網路來玩遊戲 8我會利用網路來下載音樂 9我會利用網路來找尋樂趣 11在網路世界裡我較易有 成就感
13我會利用網路來完成老 師所交待的作業
15在網路平台我較易與他 人溝通
16在網路裡可以忘卻一些 不愉快的事
17在網路裡可使自己的情 感有所寄託
18我會利用網路來作為學 習的輔助工具
19在網路世界裡我會感到 刺激
20我會利用網路來查詢資 料
22我會利用網路來購票或 訂餐
Initial Extraction
Extraction Method: Principal Component Analysis.
表 5-3 「網路行為意向」的解說總變異量
Total Variance Explained
5.726 31.812 31.812 5.726 31.812 31.812 4.064 22.577 22.577 2.398 13.324 45.135 2.398 13.324 45.135 2.579 14.327 36.903 1.311 7.284 52.419 1.311 7.284 52.419 1.869 10.386 47.289 1.153 6.408 58.827 1.153 6.408 58.827 1.594 8.857 56.146 1.014 5.632 64.459 1.014 5.632 64.459 1.496 8.313 64.459
.761 4.229 68.688 .742 4.122 72.810 .659 3.664 76.474 .589 3.274 79.748 .551 3.063 82.811 .533 2.959 85.770 .461 2.564 88.334 .444 2.466 90.799 .419 2.328 93.127 .373 2.070 95.197 .323 1.796 96.993 .304 1.687 98.680 .238 1.320 100.000 Compo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Total of Varianumulative Total of Varianumulative Total of Varianumulative Initial Eigenvalues ction Sums of Squared Loation Sums of Squared Load
Extraction Method: Principal Component Analysis.
由未轉軸的因素負荷矩陣中(表5-4)，有數個變數無法明顯的被 分類，因此再利用含Kaiser常態化的Varimax法,將它進行轉軸，得到 轉軸後的因素負荷矩陣（表5-5），因此我們可以很清楚的將變數與 以分類。
表5-4「網路行為意向」萃取後的成分矩陣
Component Matrix a
.744 -.364 4.473E-02 -.139 -1.138E-02 .697 .112 -.336 .221 7.091E-02 .689 -.434 5.199E-02 9.050E-02 -.167 .650 -.480 .155 1.705E-02 -5.282E-02 .644 -.281 5.206E-02 -.275 9.275E-02 .638 -.392 7.502E-02 8.761E-02 3.437E-04 .615 .381 -.111 -8.782E-03 -.156 .598 -.313 6.771E-03 -.144 .234 .588 .397 -1.012E-02 -.189 -.360 .558 -.197 .396 -2.896E-02 -.239 .550 .364 3.390E-03 -.186 .398
.536 -.185 -.447 .378 .204
.516 .537 -7.767E-02 -.211 -2.921E-02
.483 .490 -.121 -.261 -.385
.220 .364 .594 .328 .139
.310 .342 .469 .523 -8.285E-02 .433 .261 -.409 .465 -1.044E-02
.388 .387 .177 -.219 .573
16在網路裡可以忘卻一些 不愉快的事
9我會利用網路來找尋樂趣 11在網路世界裡我較易有 成就感
17在網路裡可使自己的情 感有所寄託
15在網路平台我較易與他 人溝通
19在網路世界裡我會感到 刺激
6我會利用網路來收集生活 資訊
2在網路虛擬世界讓我感到 舒服自在
18我會利用網路來作為學 習的輔助工具
5若有一天不上網我會感到 不安
4我會利用網路來傳達訊息 7我會利用網路來玩遊戲 13我會利用網路來完成老 師所交待的作業
20我會利用網路來查詢資 料
3我會利用網路來購物 22我會利用網路來購票或 訂餐
8我會利用網路來下載音樂 1我會使用網路與朋友聊天
1 2 3 4 5
Component
Extraction Method: Principal Component Analysis.
5 components extracted.
a.
表 5-5「網路行為意向」轉軸後的成分矩陣
Rotated Component Matrix a
.814 2.310E-02 .112 -9.975E-03 7.058E-02 .798 .181 .135 .134 -4.815E-02 .788 .120 .223 -.111 6.643E-02 .719 2.798E-02 .219 2.866E-02 8.133E-02 .683 .172 2.977E-02 .266 -.116 .637 1.664E-02 .148 .309 -9.255E-02 .636 .233 -.121 -5.426E-02 .299 6.135E-02 .831 6.303E-02 7.074E-02 1.259E-02 .212 .774 7.355E-02 7.498E-02 .120 3.697E-02 .660 .144 .375 8.404E-02
.187 .620 .298 .174 .149
.352 -3.483E-02 .753 8.948E-02 -7.084E-02 3.315E-03 .265 .740 1.036E-02 .146 .328 .329 .640 .193 4.341E-02 6.125E-02 .154 1.981E-02 .806 .171 .162 .324 .182 .676 9.186E-02 5.505E-02 .159 .156 4.514E-03 .813 1.294E-02 5.787E-02 -4.223E-02 .246 .771 17在網路裡可使自己的情
感有所寄託
16在網路裡可以忘卻一些 不愉快的事
11在網路世界裡我較易有 成就感
19在網路世界裡我會感到 刺激
15在網路平台我較易與他 人溝通
2在網路虛擬世界讓我感到 舒服自在
5若有一天不上網我會感到 不安
20我會利用網路來查詢資 料
18我會利用網路來作為學 習的輔助工具
13我會利用網路來完成老 師所交待的作業
6我會利用網路來收集生活 資訊
7我會利用網路來玩遊戲 8我會利用網路來下載音樂 9我會利用網路來找尋樂趣 1我會使用網路與朋友聊天 4我會利用網路來傳達訊息 22我會利用網路來購票或 訂餐
3我會利用網路來購物
1 2 3 4 5
Component
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
Rotation converged in 6 iterations.
a.
轉軸後的成分矩陣，是根據依據共同因素中題項之因素負荷量的
大小排序，可以很容易檢視出各共同因素所包含的層面題項，因此在 此部分一共有五個因素包含十八個題項，而經由因素分析出的五個因 素分別命名如下：
因素 1：可以解釋 31.812％的總變異，因此根據以下所列之題項將因 素 1 命名為網路沉迷引誘因素；其包含的變數有：
5. 若有一天不上網我會感到不安 11. 在網路世界裡我較易有成就感 15. 在網路平台我較易與他人溝通 16. 在網路裡可以忘卻一些不愉快的事 17. 在網路裡可使自己的情感有所寄託 19. 在網路世界裡我會感到刺激
因素 2：可以解釋 13.324％的總變異，因此根據以下所列之題項將因 素 2 命名為資料蒐集輔助因素；其包含的變數有：
6. 我會利用網路來收集生活資訊
13.我會利用網路來完成老師所交待的作業 18.我會利用網路來作為學習的輔助工具 20.我會利用網路來查詢資料
因素 3：可以解釋 7.284％的總變異，因此根據以下所列之題項將因 素 3 命名為娛樂平台媒介因素；其包含的變數有：
7. 我會利用網路來玩遊戲 8. 我會利用網路來下載音樂 9. 我會利用網路來找尋樂趣
因素 4：可以解釋 6.408％的總變異，因此根據以下所列之題項將因 素 4 命名為情意溝通傳達因素；其包含的變數有：
1. 我會使用網路與朋友聊天 4. 我會利用網路來傳達訊息
因素 5：可以解釋 5.632％的總變異，因此根據以下所列之題項將因 素 5 命名為網路購物採用因素；其包含的變數有：
3. 我會利用網路來購物
22.我會利用網路來購票或訂餐
下表是依據各個因素解釋的變異量大小作順序的排列，由大至小 依序排列，同時將各個因素所能解釋變異量列出以及總解釋變異量列 出。
表 5-6 「網路行為意向」之同意程度因素與其個別解釋變異量 解釋能力順序 構面名稱 內含題號 解釋變異量
1 網路沉迷引誘因素 2,5,11,15,16,17,19 31.812％
2 資料蒐集輔助因素 6,13,18,20 13.324％
3 娛樂平台媒介因素 7,8,9 7.284％
4 情意溝通傳達因素 1,4 6.408％
５ 網路購物採用因素 3,22 5.632％
總解釋變異量 64.459％
下表為有關「網路行為意向」的 Component Transformation Matrix 表用來說明計算各題項負荷量參數，功能在說明轉軸的方向及角度大 小。
表 5-7 Component Transformation Matrix 表
Component Transformation Matrix
.723 .472 .376 .291 .166
-.641 .597 .072 .343 .332
.222 -.132 -.647 .093 .711
-.113 -.334 .636 -.341 .596
-.061 -.541 .174 .820 -.030
Component 1
2 3 4 5
1 2 3 4 5
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
下表為有關「網路行為意向」的 Component Score Covariance Matrix 表用來偵測因素分析中個別變數取樣的適切性，由此結果可以 看出各淨相關系數皆為零，因此個別變數取樣具有適切性，同時由此 也可以得出個別題項適合進行因素分析。
表 5-8 Component Score Covariance Matrix 表
Component Score Covariance Matrix
1.000 .000 .000 .000 .000
.000 1.000 .000 .000 .000
.000 .000 1.000 .000 .000
.000 .000 .000 1.000 .000
.000 .000 .000 .000 1.000
Component 1
2 3 4 5
1 2 3 4 5
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.