第四章 資料分析
第五節 控制變數的影響
從圖 21 可以得知使用者是否使用 SaaS 的一般路徑係數，本研究也認為使用 者的性別(Gender)、年齡(Age)、經驗(Experience)、職業(Job)與教育程度(Education) 對於整個係數也有影響，故將進行驗證。作法上，依本研究所得的資料，就各變 項加以平均數檢定(t-test)、異變數分析(ANOVA)與迴歸分析。平均數檢定，異變 數分析是為了了解各因素的反應強度在不同變數影響下是否有明顯差距。迴歸分 析是用來確認新的路徑關係。
一、性別的影響
依據本章第一節之人口統計資料的表 11 中得知，女性的比率為 62.7%，男生 的比率為 37.3%。為探討性別對於使用行為意向(BI)、對績效的期望(PE)、對付出 的期望(EE)與社群的影響(SI)是否有影響，其檢定的結果如表 26。
表 26 性別對於 BI、PE、EE、SI 的影響的平均數 t 檢定分析表
性別 平均數 標準差 F 檢定 顯著性 差異比較
BI (1)女生 3.78 0.631 2.055 0.153 (2)男生 3.89 0.628
PE (1)女生 3.76 0.596 0.003 0.954 (2)男生 3.85 0.554
EE (1)女生 3.74 0.473 6.958 0.009* (1)>(2) (2)男生 3.69 0.601
SI (1)女生 3.08 0.728 1.783 0.183 (2)男生 3.11 0.637
*p<0.05 **p<0.01 ***p<0.001
從表 26 中得知，性別對於對付出的期望(EE)的因素上，有明顯的不同，而且
*p<0.05 **p<0.01 ***p<0.001
表 28 不同性別的BI→UB 的路徑係數表
女生 男生
(N=201) R2=0.153 R2=0.112
β
p
βp
BI 0.391 0.000*** 0.335 0.003*
*p<0.05 **p<0.01 ***p<0.001
由表 27、表 28 得知：
4. 無論男女，使用者對 SaaS 的實際使用行為(UB)受到使用行為意向(BI)的正向影 響，且影響都顯著。
5. 使用者對 SaaS 的實際使用行為(UB)受到使用行為意向(BI)的正向影響，女生的 影響程度大於男生。
考慮「性別」影響的路徑關係圖，修正圖 21 的結果，見圖 22。
圖 22 考慮「性別」影響的路徑關係圖
二、年齡的影響
*p<0.05 **p<0.01 ***p<0.001
由表 29 得知，年齡層的不同，會影響到使用行為意向(BI)、對績效的期望(PE)、
表 30 年齡影響各構面→BI 的路徑係數表
*p<0.05 **p<0.01 ***p<0.001
表 31 不同年齡的BI→UB 的路徑係數表
青年組 壯年組 中年組
R2=0.177 R2=0.027 R2=0.350
(N=201) β
p
βp
βp
BI 0.421 0.000*** 0.164 0.117 0.591 0.002**
*p<0.05 **p<0.01 ***p<0.001
由表 30、表 31 得知：
6. 使用者對 SaaS 的實際使用行為(UB)會受到使用行為意向(BI)的正向影響，中年 組的組的影響程度大於青年組。
考慮「年齡」影響的路徑關係圖，修正圖 21 的結果，見圖 23。
圖 23 考慮「年齡」影響的路徑關係圖
三、經驗的影響
*p<0.05 **p<0.01 ***p<0.001
由表 32 得知，經驗的不同，會影響到使用行為意向(BI)、對績效的期望(PE)、
對付出的期望(EE)、社群的影響(SI)。並且得知：
1. 使用經驗 1~3 年的使用者對於 BI 與 PE 最為重視。
2. 使用經驗 3 年以上的使用者對於 EE 與 SI 最為重視。
3. 使用經驗極少使用的使用者對於 BI 與 PE 最不重視。
4. 使用經驗 1 年以下的使用者對於 EE 與 SI 最不重視。
變數「經驗」的控制下，各構面對於使用行為意向(BI)與使用行為意向(BI)對 於實際使用行為(UB)的路徑分析係數，如表 33、表 34 所示。
表 33 使用經驗影響各構面→BI 的路徑係數表
極少使用 1 年以下 1~3 年 3 年以上
R2=0.650 R2=0.144 R2=0.331
(N=201) β
p
βp
βp
βp
PE 0.533 0.011* 0.192 0.210 0.416 0.000***
EE 0.148 0.512 0.101 0.503 0.015 0.853 SI 0.311 0.090 0.226 0.099 0.236 0.007*
*p<0.05 **p<0.01 ***p<0.001
表 34 不同使用經驗的BI→UB 的路徑係數表
極少使用 1 年以下 1~3 年 3 年以上
R2=0.442 R2=0.050 R2=0.028 (N=201) β
p
βp
βp
βp
BI 0.665 0.001** 0.224 0.104 0.167 0.063
*p<0.05 **p<0.01 ***p<0.001
由表 33、表 34 得知：
1. 對於使用經驗 1 年以下與使用經驗 3 年以上的使用者而言，使用者對 SaaS 的 使用行為意向(BI)受到對績效的期望(PE)的正向影響，且影響顯著。
2. 使用者對 SaaS 的使用行為意向(BI)受到對績效的期望(PE)的正向影響，使用經 驗 1 年以下的使用者影響程度大於經驗 3 年以上的使用者。
3. 對於使用經驗 3 年以上的使用者而言，使用者對 SaaS 的使用行為意向(BI)受到 社群的影響(SI)的正向影響，且影響顯著。
4. 對於使用經驗 1 年以下的使用者而言，使用者對 SaaS 的實際使用行為(UB)受 到使用行為意向(BI)的正向影響，且影響顯著。
考慮「經驗」影響的路徑關係圖，修正圖 21 的結果，見圖 24。
圖 24 考慮「經驗」影響的路徑關係圖
四、職業的影響
*p<0.05 **p<0.01 ***p<0.001
由表 35 得知，職業的不同，會影響到對績效的期望(PE)與對付出的期望(EE)。
*p<0.05 **p<0.01 ***p<0.001
表 37 職業影響BI→UB 的路徑係數表
*p<0.05 **p<0.01 ***p<0.001
由表 36、表 37 得知：
考慮「職業」影響的路徑關係圖，修正圖 21 的結果，見圖 25。
圖 25 考慮「職業」影響的路徑關係圖
五、教育程度的影響
*p<0.05 **p<0.01 ***p<0.001
由表 38 觀察，不論任何的教育程度，對於使用行為意向(BI)、對績效的期望 (PE)、對付出的期望(EE)、社群的影響(SI)皆無顯著的差異。
變數「教育程度」的控制下，各構面對於使用行為意向(BI)與使用行為意向(BI)
*p<0.05 **p<0.01 ***p<0.001
表 40 不同教育程度的BI→UB 的路徑係數表
高中(職) 大學(專) 研究所(含)以上
R2=0.297 R2=0.192 R2=0.091
(N=201) β
p
βp
βp
BI 0.545 0.036* 0.439 0.000*** 0.301 0.002**
*p<0.05 **p<0.01 ***p<0.001
由表 39、表 40 得知：
4. 對於大學(專)與研究所(含)以上教育程度的使用者而言，使用者對 SaaS 的使用 行為意向(BI)受到社群的影響(SI)的正向影響，且影響顯著。
5. 使用者對 SaaS 的使用行為意向(BI)受到社群的影響(SI)的正向影響，大學(專) 教育程度的使用者影響程度高於研究所(含)以上教育程度的使用者。
6. 對於高中(職)、大學(專)與研究所(含)以上教育程度的使用者而言，使用者對 SaaS 的實際使用行為(UB)會受到使用行為意向(BI)的正向影響，且影響顯著。
7. 使用者對 SaaS 的實際使用行為(UB)會受到使用行為意向(BI)的正向影響，高中 (職)教育程度的使用者影響程度最大，其次為大學(專)的使用者，研究所(含) 以上教育程度的使用者受影響最小。
考慮「教育程度」影響的路徑關係圖，修正圖 21 的結果，見圖 26。
圖 26 考慮「教育程度」影響的路徑關係圖
六、綜合分析
在 BI、PE、SI 的強度上，以 Scheffe 檢定後得知青年組>壯年組>中年組。
在 EE 的強度上，以 Scheffe 檢定後得知壯年組>青年組>中年組。
(1)經 ANOVA 分析，在 PE 與 EE 的強度表現上，確實有明顯差異。在 PE 的 強度上，以 Scheffe 檢定後得知科技業>學生>服務業>軍公教>其它>自由 業。
(2)PE、EE、SI 對 BI 的路徑分析，經線性迴歸可觀察到軍公教、科技業與學 生對於 PE 的影響最為顯著；軍公教對於 EE 的影響最為顯著；服務業對 於 SI 的影響最為顯著。
(3)BI 對 UB 的路徑分析，經線性迴歸可觀察到軍公教、學生與其它，BI 的影 響顯著。
5. 考慮「教育程度」變數
(1)經 ANOVA 分析，皆無明顯差異。
(2)PE、EE、SI 對 BI 的路徑分析，經線性迴歸可觀察到高中(職)與研究所(含) 以上對於 PE 的影響最為顯著；高中(職)對於 EE 的影響最為顯著；大學(專) 與研究所(含)以上對於 SI 的影響最為顯著。
(3)BI 對 UB 的路徑分析，經線性迴歸可觀察到無論任何教育程度，BI 的影響 皆顯著。