第四章、 資料分析
第二節、 敘述性統計
本研究樣本係來自台灣主要的單車社群論壇，透過網絡搜尋、專業人士詢問 等方式來瞭解台灣使用者較多之單車社群，其中 Mobile01 為大家公認之台灣主 要單車社群，此外，還有大蘋果單車論壇、台大 PTT、OZO 單車網、單車森林 論壇&台灣 Off Road、單車狂熱、單車道、鐵飯糰單車俱樂部、塔可單車等，利 用這些論壇來邀請單車社群之成員來填寫問卷，並且透過論壇聯繫各車隊的負責 人或總召來協助邀請其成員填寫。
本研究問卷回收210 筆問卷，進行資料淨化與扣除非樣本對象共 28 筆，總 計有效問卷為182 筆，有效問卷比率為 86.67%。
第二節、敘述性統計
一、人口統計變項
各個人口統計變項的敘述如表4-1 所示，並分述如下：
(一)性別
問卷填答者中，單車社群以男性居多，共149 位(佔 81.9%)，這原因來自單 車活動會包含登山路線或長程公路路線，較需要體力，參與者原本就以男性居 多；另一方面，虛擬單車社群中較多單車機械方面的資訊，也較容易吸引男性的
加入。
(二)年齡
研究樣本中，年齡最小13 歲，最長為 57 歲，這也突顯出單車活動是老少咸 宜的活動。另一方面，從人數來看，單車社群的參與者以 30~39 歲居多，共 90 位(佔 49.5%)，20~29 歲的參與者則位居第二，共 53 位(29.1%)；從體力來看，20~29 歲與30~39 歲的這個區間應是人們體力最好的時間，喜愛單車社群的成員會願意 且有能力投入時間在戶外活動；從財力來看，由於單車趨向高消費的工具，一輛 單車價格從6 千元以上到數萬元不等，而 30~39 歲階段的參與者工作較為穩定，
也較有能力為休閒運動投入更多成本。
(三)教育程度
單車活動的參與者，以大學學歷居多(48.4%)，其次為研究所(20.9%)，由此 可推知單車活動的參與者高學歷較多，而低學歷的參與者也不在少數。
表4-1、人口統計
人口統計變項 內容 有效人數 有效人數(%)
男 149 81.9%
性別 女 33 18.1%
10~19歲 5 2.7%
20~29歲 53 29.1%
30~39歲 90 49.5%
40~49歲 26 14.3%
年齡
50歲以上 8 4.4%
高中/高職以下 24 13.2%
專科 32 17.5%
大學 88 48.4%
教育程度
研究所以上 38 20.9%
二、社群使用狀況統計
社群使用狀況的敘述如表4-2 所示，並分述如下：
(一)最常去的單車社群
最 常 去 的 單 車 社 群 以Mobile01居 多 ， 共 122 位 (67%) ， 其 中 主 要 原 因 為 Mobile01為台灣主要之單車社群論壇，其內容豐富且分類完整，幾乎所有參與單 車活動者都知道Mobile01的單車社群且曾瀏覽過該社群論壇；另一方面Mobile01 有詳細的地區分類，各地的單車團隊會在該地區分類更新活動資料與聯絡資料，
而部分單車社群的成員雖然隸屬於某個單車社群的論壇，仍會定期去Mobile01 的論壇中找尋需要的資料，因此單車社群的參與者最常去的社群論壇會是 Mobile01。
(二)最常使用的分類討論版
在分類討論版中，社群成員最常去的為地區分類(24.2%)、自行車綜合(19.2%) 與自行車活動(15.4%)，由此可知道單車活動的參與者較關心的事情為各地區單 車活動的情形以及國內大型活動的資訊，畢竟對於單車社群的參與者而言這兩項 是切身相關的。
(三)參與社群的時間
本問卷發放對象的參與社群時間，以一年來區分的話，一年以內為97位 (53.3%)，而一年以上為85位(46.7%)。
(四)平均每週PO文數
從po文數來看，單車社群的參與者只瀏覽文章者佔大多數(44.5%)，由此可 知道單車社群的成員在社群中以閱讀各中單車活動資訊為主，此外，每週po文1~3 篇者仍不在少數(31.9%)，表示單車社群中的成員仍有不少成員願意在社群中分 享自己的知識或心情故事。
(五)平均每週回文數
以回文數來說，每週回文1~3篇為人數最多者，共53位(29.1%)，而4~6篇者 也有37位(20.3%)，由此可知，單車社群的成員願意和其他成員互動，透過回文 的方式來表示自己關心對方的話題，或是達到參與社群的討論。
(六)參與單車活動的原因
參與單車活動的原因，以喜愛單車活動佔大多數，共118位(64.8%)，由此可 知單車社群的參與者大多是因為喜歡單車活動，而想了解單車知識者也有26位 (14.3%)，表示仍有為數不少的成員是為獲取單車知識而參與社群。
(七)參與單車活動時間
在參與單車活動時間中，以1~3年佔大多數，共75位(41.2%)，由此可知單車 社群的參與者中，多數早期是先加入實體社群，在實體社群中培養興趣與找到同 好之後，才再加入虛擬社群；另一方面，參與單車活動時間1~3個月也佔了 12.6%，也就是說這些社群成員可能是在加入單車社群後才開始參與單車活動。
表 4-2、社群使用狀況統計
社群統計 內容 有效人數 有效人數(%)
Mobile01 122 67.0
台大PTT 33 18.1
OZO單車網 1 0.5
大蘋果單車論壇 1 0.5
鐵飯糰單車俱樂部 7 3.8
單車森林論壇
＆台灣Off Road 2 1.1
單車狂熱 6 3.3
單車道 3 1.6
最常去的單車社群
其他 7 3.8
自行車綜合 35 19.2
自行車活動 28 15.4
登山車 19 10.4
公路車 12 6.6
折疊車 6 3.3
自行車周邊 2 1.1
遊記與路線分配 15 8.2
自行車賽事 4 2.2
消費經驗 1 0.5
最常使用的分類討論版
分區車隊討論 44 24.2
無分類 14 7.7
0.84至1.02之間，而平均數最高者為工具性支持，由此可知，在單車社群中，社 群成員最容易感受到工具性支持。
以虛擬社群意識來說，整體構面的平均數為5.10，標準差則是0.73，其中各 構念的平均數介於4.40至5.60之間，標準差介於0.92至1.33之間，平均數最高者為 會員關係，最低者為整合需求與滿足需求，由此可知，在單車社群之中，社群成 員最容易感受到周圍成員間的會員關係，也就是單車社群的成員會覺得自己是屬 於這個單車社群。
以關係資本來說，整體構面的平均數為5.30，標準差為0.76，各構面的平均 數介於4.93至5.50之間，標準差介於0.92至1.01之間，其中平均數最高者為信任，
也就是說，在單車社群中，社群成員最容易感受到的就是成員間彼此的信任，平 均數最低的為義務。
知識自我效能與知識分享行為的平均數為5.21與5.49標準差為0.99與1.07，都 高於7點尺度一半的3.5，也就是說，在單車社群中，個人的知識自我效能與知識 分享行為有較高的傾向。
在社會幸福感的部份，平均數為4.10，標準差為0.48，各構面的平均數介於 3.53至4.69之間，標準差介於0.63至0.88之間，其中平均數最高者為社會接受，也 就是說，在單車社群中的成員在經過社群的互動後，個人最容易感受到社會接 受，也就是社群成員會比較容易信任他人，對人性有比較正面的觀感。
表4-3、研究構面與子構面之平均值、標準差
研究構面 子構面 平均數 整體 標準差
情緒支持 5.100 0.841
訊息支持 5.132 1.023
社會支持
工具性支持 5.212
5.012
0.911
會員關係 5.595 1.009
虛擬社群意識
影響力 4.540
5.147
0.916
整合需求與滿足 (structure equation modeling, SEM)之最小平方法(partial least squares, PLS)來驗證 模型架構。其分析主要包含兩個階段，第一階段衡量模式(measurement model)，
用來檢測研究構念的衡量問項與構念間的關係，即衡量工具的信效度；第二階段 是結構模式(structured model)，目的在檢測研究構念之間關係的方向及強度。
一、建構效度
建構效度(constructive validity)係指衡量工具是否能正確測量某一個抽象概 念的程度。由於本研究是架構在社群心理學中探索社群的知識分享行為與個人幸 福感，過去較少有相關研究，屬於初探性研究，另外，本研究的社會支持、虛擬 社群意識、關係資本、社會幸福感皆為二階構面，未確認各子構面是否能夠有效 收斂，對各構面採用探索性因素分析。首先以球形檢定（bartlett’s test of sphericity）
和KMO （kasier-meyer-olkin）來檢驗各個構面是否適合進行因素分析，再透過
反映像矩陣 (anti-image) 的 measure of sampling adequacy(MSA)檢測各構念抽樣 的適切性。
KMO<0.5 時，表示不適合進行因素分析。球形檢定用來檢測衡量問項的相 關係數是否不同且顯著高於0；高於 0 表示問項間的相關矩陣有相同因素存在，
適合進行因素分析。反映像矩陣的MSA 的值高於 0.5 表抽樣的適切性。
接著會以主成分分析法(principle component analysis)萃取因素，因素轉軸採 用直交轉軸(orthogonal rotation)之最大變異法(varimax)，而特徵值(eigenvalue)的 部份通常會以其數值大於1 來決定因素個數，在本研究中，由於部分構面為二階 構面，因此透過文獻討論以及過去學者的建議來決定因素個數。
(1)社會支持：
社會支持的建構效度如下表 4-4、4-5 所示。在檢定抽樣適切性時，由於訊 息支持則在MSA 檢測中未達標準值而予以刪除。在轉軸因素分析的部份，情緒 支持的問項1、3、4、5、9 因為無法歸類於預期的因素構面上而刪除。
表4-4、社會支持建構效度檢定
構面 社會支持
KMO 取樣適切性 0.869 Approx.
Chi-Square 761.786
df 21 Bartlett
球形檢定
Sig. 0.000*
表4-5、社會支持轉軸後因素負荷量矩陣
問項 因素1 因素2
su_ins01 0.829 su_ins02 0.882 工具性支持
su_ins03 0.878
su_emo02 0.456
情緒支持
su_emo06 0.915
su_emo07 0.713
su_emo08 0.595
特徵值 4.345 0.903
Chi-Square 666.294
df 36
s_need01 0.733
情感連結共享
s_need02 0.846
特徵值 4.415 1.034 0.888
解釋變異量% 49.059 11.488 9.870
累積解釋變異量% 49.059 60.548 70.418
(3)關係資本：
關係資本的建構效度如下表 4-8、4-9 所示。在檢定抽樣適切性中顯示出 本構面抽樣的符合要求，適合進行因素分析。在轉軸因素分析的部份，認同的 問項4、規範的問項 1、義務的問項 2 因為無法歸類於預期的構面上予以刪除。
表 4-8、關係資本建構效度檢定
構面 關係資本
KMO 取樣適切性 0.861 Approx.
Chi-Square 862.160
df 45 Bartlett
球形檢定
Sig. 0.000*
表 4-9、關係資本轉軸後因素負荷量矩陣
問項 因素1 因素2 因素3 因素4
sc_trus01 0.765 sc_trus02 0.800 信任
sc_trus03 0.771
sc_iden01 0.710 sc_iden02 0.810 認同
sc_iden03 0.781
sc_norm02 0.816
規範 sc_norm03 0.823
sc_obli01 0.830
義務 sc_obli03 0.867
特徵值 4.793 1.503 0.826 0.669 解釋變異量% 47.927 15.029 8.264 6.688 累積解釋變異量% 47.927 62.955 71.222 77.908
(4)知識分享行為與知識自我效能：
知識分享行為與知識自我效能的建構效度如下表 4-10、4-11 所示。在檢 定抽樣適切性時表現出良好的抽樣適切性，因素分析也能做出區分。
表 4-10、知識分享行為與知識自我效能建構效度檢定
構面 知識分享行為與
知識自我效能 KMO 取樣適切性 0.922
Approx.
Chi-Square 2969.843
df 66
表 4-12、社會幸福感建構效度檢定
構面 社會幸福感
KMO 取樣適切性 0.800 Approx.
Chi-Square 661.300
df 28
wb_con02 0.859 社會貢獻
wb_con03 0.859
wb_cohe01 0.846 致性（consistency）和穩定性（stability）。本研究以Cronbach’ α 來評估各個研 究構念之信度，各個構念之Cronbach’ α 值列於表4-14。
在所有樣本中，除了整合需求與滿足需求(0.546)與社會實現(0.656)的信度值 較低，各構念的信度值都介於0.752(情感連結共享)至0.966之間(知識自我效
在所有樣本中，除了整合需求與滿足需求(0.546)與社會實現(0.656)的信度值 較低，各構念的信度值都介於0.752(情感連結共享)至0.966之間(知識自我效