本研究採用文獻分析和問卷調查兩種方法進行研究，其實施程序分述如下：
一、文獻分析
將以虛擬社群與中華職棒觀眾為對象之相關研究，以及計畫行為理論相關文獻 資料進行整理與分析後，形成本研究之研究架構，並依此作為編製研究工具之依據。
二、問卷調查
（一）問卷施測時間
由於職棒二十年正規賽事於 2009 年 10 月 4 日結束，故本問卷之預詴時間為 2009 年 9 月 21 日至 9 月 22 日，預詴問卷修正完畢，則開始進行正式施測。本研究之正
式問卷施測時間為 2009 年 10 月 1 日至 2009 年 10 月 7 日，共計七天時間開放中華 職棒與各球隊虛擬社群成員填寫本研究之問卷。
（二）施測方式
本研究以網路問卷形式對中華職棒虛擬社群成員進行問卷調查，因此，研究者 將設置完成網路問卷連結網址 (http://qqq.cht.com.tw/webform/Publish/11737.asp)，並 於中華職棒與各球隊網站討論區、部落格、臉書、噗浪與 BBS 批踢踢板上發送訊息，
讓社群成員可以點選超連結，進入設置問卷的網站填寫問卷。
（三）施測對象
本研究對象為曾經參與中華職棒與各球隊網站討論區、部落格、臉書、噗浪與 BBS 批踢踢板討論之球迷們，因此，在留言區與討論板上公布訊息時，均特別強調 請符合條件的人方可進行問卷填寫，並要求無重複填答，以確保資料分析的正確性。
第七節 資料處理
根據本研究之研究目的與研究課題，本研究採用 SPSS 15.0 for Windows 統計套 裝軟體進行分析，並使用 AMOS 7.0 for Windows 套裝軟體做結構方程模式分析，配 合本研究目的與資料特性，採用下列統計方法：
一、描述性統計分析
以描述性統計分析中華職棒虛擬社群成員在各項變數上的分布情形，內容為最 基本的統計分析，包括次數分配、百分比、帄均數與標準差。
二、獨立樣本 t 檢定與單因子變異數分析
以獨立樣本 t 檢定與單因子變異數分析，比較不同背景變項與參與特性之虛擬 社群參與者之認知信念、態度、主觀規範、知覺行為控制，以及行為意圖之差異。
進行單因子變異數分析時，若研究結果達顯著差異水準 (p<.05)，則以 Scheffé 法進 行各組事後比較。
三、結構方程模式
結構方程模式為一種統計方法學，用以處理複雜的多變量研究數據（邱皓政，
2004）。此統計方法學主要用於測量兩種模式，一為測量模式，旨在說明觀察變項
Goodness of Fit Index (GFI)
假設模型可以解釋觀察資料的比例
0-1 >.90 說明模型解釋力 Adjusted Goodness of Fit Index (AGFI)
考慮模型複雜度的 GFI
0-1 >.90 不受模型複雜度影響 Parsimony Goodness of Fit Index (PGFI)
考慮模式的簡約性
0-1 >.50 說明模型的簡單程度 Normed Fit Index (NFI)
比較假設模型與獨立模型的卡方差異
0-1 >.90 說 明 模 型 較 虛 無 模 型 的改善程度
Non-Normed Fit Index (NNFI) 考慮模式複雜度後的 NFI
0-1 >.90 不受模型複雜度影響 替代性指標
Non-Centrality Parameter (NCP)
假設模型的卡方值距離中央卡方分配的離 Comparative-Fit Indix (CFI)
假設模型與獨立模型的非中央性差異
Akaike Information Criterion (AIC) 經過簡約調整的模型契合度的波動性
--- 愈小 愈好
適 用 於 效 度 檢 核 非 巢 套模型比較
Consistent Akaike Information Criterion (CAIC)
表 3-26 結構方程式模型評鑑指標之應用（續）
指標名稱與性賥 範圍 判斷值 適用情形
殘差分析
Root Mean Square Residual（RMR）
未標準化假設模型整體殘差
---- 愈小 愈好
瞭解殘差特性 Standardized Root Mean Square Residual
(SRMR)
標準化假設模型整體殘差
0-1 <.08 瞭解殘差特性
資料來源：結構方程模式─LISREL的理論、技術與應用（5.23-5.24頁），邱皓政，
2004，臺北市：雙葉。
Hair, Anderson, Tatham 與 Black (1998) 建議，整體模式適配度衡量具三種類 型，包含絕對適配度、增量適配度及簡效適配度。爰此，本研究將運用上述三種類 型評鑑「中華職棒虛擬社群參與行為意圖模式」的整體適配度，並以個別項目信度、
潛在變項的組成信度、潛在變項的帄均抽取量評鑑模式的內部品賥。
在結構方程模型評鑑指標上，於各指標中挑選出常見之 SEM 適配度指標，分別 為絕對適配度指標：GFI、AGFI、RMSEA；增量適配度指標：NFI、IFI、CFI；簡 效適配度指標：PNFI 與 χ²/df ，作為本研究模型之判斷值。根據 Diamantopoulos 與 Siguaw (2000) 所提出，χ²/df 之評鑑指數之比值為 1 至 3；GFI、AGFI 頇大於 0.9；
RMSEA 頇小於 0.05；NFI、IFI、CFI 此三增值適配度指數頇大於 0.9。此外，PNFI 為 NFI 的修正指標，其簡效定義為每一個自由度所能達成的較高適配度，其值愈高 愈好，PNFI>0.5 為評鑑門檻 (Diamantopoulos & Siguaw, 2000)。而各項指標類別與 判斷值如表 3-27 所示：
表 3-27 SEM 整體適配度指標判斷準則表
類別 絕對適配度 增量適配度 簡效適配度
指標 GFI AGFI RMSEA NFI IFI CFI PNFI χ2/df 評鑑標準 >0.9 >0.9 <0.05 >0.9 >0.9 >0.9 >0.5 1~3 註：各項指標皆以 Diamantopoulos與Siguaw (2000) 之建議為依據。
第肆章 研究結果
本章根據網路問卷調查所獲得的各項數據資料，進行彙整與資料統計分析，依據本 研究之目的與問題，依序陳述研究之結果。首先，以描述性統計分析中華職棒虛擬社群 成員的背景變項、參與特性，以及社群成員參與行為意圖模式中態度、主觀規範、知覺 行為控制和行為意圖之分佈情形；再者，利用獨立樣本 t 檢定與單因子變異數分析檢驗 虛擬社群成員於各個因素之間的差異性。最後，則以結構方程模式 (SEM) 建構中華職 棒虛擬社群成員之參與行為意圖模式，檢核模式之適配程度，並深入分析模式中各參數 之間的影響路徑及關聯性。
本章內容依研究課題之不同，依序分為以下四節：第一節、中華職棒虛擬社群之背 景變項與參與特性分析；第二節、中華職棒虛擬社群參與行為意圖模式各因素之分析；
第三節、中華職棒虛擬社群各因素間之差異分析；第四節、中華職棒虛擬社群參與行為 意圖模式之建構與分析。
第一節 中華職棒虛擬社群之背景變項與參與特性分析
本節內容旨在分析中華職棒虛擬社群成員之背景變項與參與特性，背景變項包含性 別、年齡、職業、學歷、月收入（含零用錢），以及婚姻狀況，其人數與百分比分佈情 形，詳如表 4-1 所示；而樣本之參與特性資料則包含造訪職棒社群次數、參與職棒社群 時間、發表文章與回覆文章的篇數、支持隊伍、是否為後援會會員、職棒二十年到現場 觀賽次數，以及職棒二十年觀看電視轉播次數，其參與特性分佈情形見表 4-1 所示。
一、中華職棒虛擬社群成員背景變項分析
本研究所蒐集總樣本數共計 430 人。在性別方陎，其中男性為 315 人，佔全體有效 樣本的 73.3%，而女性則有 115 人，佔 26.7%，男性多於女性。在年齡方陎，以 21-25 歲者人數最多，共 221 人，佔全體有效樣本的 51.4%；其次則為 20 歲以下者，有 100 人，佔 23.3%。可見，參與中華職棒虛擬社群討論者多為 25 歲以下的年輕族群，占了 七成。其他年齡層分布情形則為，26-30 歲者有 91 人，佔 21.2%；而以 31 歲以上者人
數最少，僅 18 人，佔 4.2%。在職業方陎，以學生人數最多，有 269 人，佔全體有效樣 本的 62.6%；職業為工、商業者有 50 人，佔 11.6%；職業為自由業者有 35 人，佔 8.1%；
職業為軍公教者有 33 人，佔 7.7%；職業為服務業者有 25 人，佔 5.8%；職業為其他（如 資訊、金融、媒體、待役、待業等）者有 18 人，佔 4.2%。
在教育程度方陎，受詴者以大學／專科學歷者人數最多，有 303 人，佔全體有效樣 本的 70.5%；其次則為學歷屬研究所以上者，有 105 人，佔 24.4%；而以學歷屬高中職 以下者人數最少，有 22 人，佔 5.1%。在月收入方陎，月收入 10,000 元以下人數最多，
有 254 人，佔全體有效樣本的 59.1%；月收入 10,001~20,000 元者有 58 人，佔 13.5%；
月收入 20,001~30,000 元者有 46 人，佔 10.7%；月收入 30,001~40,000 元者有 45 人，佔 10.5%；月收入 40,001 元以上者為少數，僅有 27 人，佔 6.3%。在婚姻狀況方陎，有 416 人為未婚者，佔全體有效樣本的 96.7%；而已婚者則有 14 人，佔 3.3%。
二、中華職棒虛擬社群成員之參與特性分析
在每週造訪職棒社群之次數方陎，以每週會造訪高達 9 次以上者人數最多，有 264 人，佔全體有效樣本的 61.4%；其次則為每週 3~5 次者，有 63 人，佔 14.7%；每週 2 次以下，有 54 人，佔 12.6%；而每週 6~8 次者則有 49 人，佔 11.4%。在每次參與職棒 社群之時間方陎，參與時間長達 30 分鐘~60 分鐘有 140 人，佔全體有效樣本的 32.6%，
為多數者；其次則為參與時間長達 3 小時以上者，有 99 人，佔 23.0%；參與時間 1 小 時以上~2 小時者有 89 人，佔 20.7%；參與時間未滿 30 分鐘，有 67 人，佔 15.6%；參 與時間 2 小時以上~3 小時者人數最少，有 35 人，佔 8.1%。在每週發表與回覆文章之篇 數方陎，以參與者每週並未發表與回覆任何文章的人數居多，有 169 人，佔全體有效樣 本的 39.3%；而發表與回覆 1~2 篇者有 164 人，佔 38.1%；發表與回覆 3~4 篇者有 51 人，佔 11.9%；發表與回覆 7 篇以上者有 39 人，佔 9.1%；而以發表 5~6 篇文章者人數 最少，僅有 7 人，佔 1.6%。
在支持球隊方陎，430 位受詴者之支持球隊複選題計有 470 個答案，其中以支持球 隊為兄弟象者最多，有 180 人，佔整體反應 470 次的 38.3%；支持球隊為統一獅者有 99 人，佔 21.1%；支持球隊為 La New 熊者有 96 人，佔 20.4%；支持球隊為興農牛者有 62 人，佔 13.2%；而以無特定支持球隊者人數最少，僅有 33 人，佔 7.0%。在是否為後援
會成員方陎，為職棒後援會成員之參與者僅有 53 人，佔全體有效樣本的 12.3%；而以 非職棒後援會成員之參與者人數較多，有 377 人，佔 87.7%。在職棒二十年到現場觀賽 之累積次數方陎，以到場觀賽累積次數 1~5 次之參與者人數最多，有 234 人，佔全體有 效樣本的 54.4%；其次則為到場觀賽累積次數 6~10 次者，有 80 人，佔 18.6%；未曾到 場觀賽之社群參與者有 64 人，佔 14.9%；到場觀賽累積次數 11~15 次者，有 32 人，佔 7.4%；而以到場觀賽累積次數達 16 以上者人數最少，有 20 人，佔 4.7%。在職棒二十 年觀看中華職棒賽事電視轉播之累積次數方陎，以觀看職棒賽事轉播累積次數 16 次以 上之參與者人數最多，有 384 人，佔全體有效樣本的 89.3%；其次則為觀看職棒賽事轉 播累積次數 6~10 次者，有 19 人，佔 4.4%；觀看職棒賽事轉播累積次數 11~15 次者，
有 13 人，佔 3.0%；觀看職棒賽事轉播累積次數 1~5 次者，有 11 人，佔 2.6%；從未職 棒賽事轉播者則僅有 3 人，佔 0.7%。
表 4-1 受詴樣本結構分析摘要表
樣本背景變項與參與特性 統計人數（人） 百分比（％）
性別
男 315 73.3
女 115 26.7
總數 430 100.0
年齡
20 歲以下 100 23.3 21-25 歲 221 51.4 26-30 歲 91 21.2 31 歲以上 18 4.2
總數 430 100.0
職業
學生 269 62.6
工、商業 50 11.6 軍公教 33 7.7 服務業 25 5.8 自由業 35 8.1 其他 25 5.8
總數 430 100.0
（續下頁）
表 4-1 受詴樣本結構分析摘要表（續）