第四章 研究分析與發現
第三節 各構面之信度與效度分析
一、信度分析
一個測驗的信度在於表示表示測驗內部各專案間是否相互符合，及兩次測 驗是否前後一致。一般通常以 Cronbach’s α 係數衡量同一構念下個項目之一致 性（黃俊英、林震岩，1994）。Nunnally（1978）認為量表的信度水準應在 0.7 以上，α 值大於 0.7 表示表示各題項內部一致性很高，α 值介於 0.35-0.7 之間，
則在首次發展量表的探索性研究中尚屬可接受水準，α 值小於 0.35 表食信度很
低，應予以刪除。
(一)消費者態度信度分析
消費者態度信度分析的結果如表17 所示，其中構面為認知態度與情感態度, 其Cronbach’s α 係數分別為 0.8595、0.9355，而消費者態度變項的 Cronbach’s α 係數為0.9391，信度水平均超過 Nunnally（1978）所建議之 0.7 的水準。
表17
消費者態度衡量量表信度分析
量表問項 Item-Total
Correlation
Alpha if Item Deleted
Cronbach’s α
消費者態度（6 題項）
認知態度
2.1 您覺得網上投保壽險是？
2.2 我覺得線上投保壽險很方便
2.3 您覺得壽險公司推出線上投保壽險業務 是？
.7062 .7439 .7552
.8285 .7950 .7846
.9391 .8595
情感態度
2.4 您對於線上投保壽險很感興趣。
2.5 線上上投保壽險讓您感覺很舒適。
2.6 壽險公司推出的線上投保業務對您很有吸 引力。
.8530 .8834 .8638
.8170 .8930 .9086
.9355
(二)促銷信度分析
促銷信度分析結果如表 18 所示，其構面分為價格促銷、贈品促銷，其 Cronbach’s α 係數分別為 0.9242、0.9074，而促銷變項的 Cronbach’s α 係數為 0.9473，信度水平均超過 Nunnally（1978）所建議之 0.7 的水準。
表18
促銷量表衡量量表信度分析
量表問項 Item-Total
Correlation
Alpha if Item Deleted
Cronbach’s α
促銷（4 題項）
價格促銷
3.1 您認為網上的壽險產品採取降價的促銷活 動會提高您的購買意願。
3.2 您可能因為降價促銷而進行網上投保活動。
.8582 .9032
.9473 .9242
贈品促銷
3.3 您認為網上壽險產品推出贈品促銷會提高 的您的購買意願。
3.4 您可能會因為想獲得贈品而進行網上投保 活動。
.8974 .8349
.9074
(三)涉入度信度分析
涉入度信度分析結果如表 19 所示，其構面分為訊息搜尋、做出決策，
Cronbach’s α 係數分別為 0.8990、0.6758，而涉入度構面的 Cronbach’s α 係數為 0.8192，按照 Nunnally（1978）所建議，並考慮到此次為首次發展量表的探索性 研究，三項Cronbach’s α 係數均在可接受水準。
表19
涉入度量表衡量量表信度分析
量表問項 Item-Total
Correlation
Alpha if Item Deleted
Cronbach’s α
涉入度（6 題項）
訊息搜尋
4.1 我很關心線上投保壽險的相關資訊 4.2 我會詢問並參考他人線上投保的經驗。
4.3 我對與線上壽險業務相關的廣告很感興趣。
.8100 .7838 .8063
.8471 .8695 .8503
.8192 .8990
做出決策
4.4 我認為在網上選擇合適的壽險產品是很複 雜的工作。
4.5 我會仔細比較線上各類壽險產品的特質，再 進行投保。
4.6 覺得線上投保與否會耗費我要用較長的時 間考慮。
.5329
.5153
.6470
.5211
.7395
.5695
.6758
(四)知覺風險信度分析
知覺分險信度分析結果如表20 所示，其構面分為時間風險、網店風險、財 務風險、安全風險、因素權風險， 時間風險、網店風險的 Cronbach’s α 係數分 別為0. 9000，0.6758，其餘三個構面為單題項，無需計算 Cronbach’s α 係數，
而知覺風險構面的Cronbach’s α 係數為.9114，信度水平均超過 Nunnally（1978）
所建議之0.7 的水準。
表20
知覺風險量表衡量量表信度分析
量表問項 Item-Total
Correlation
Alpha if Item Deleted
Cronbach’s α
知覺風險（7 題項）
時間風險
5.1 線上上投保壽險，我會擔心由於流覽網站而 浪費太多時間。
5.2 線上上投保壽險，我擔心由於尋找合適的產 品而浪費太多時間。
.6810
.7228
.9114 .9000
網店風險
5.3 線上投保壽險，我會由於沒有跟業務員實際 接觸而緊張。
5.4 線上投保數顯，我會由於沒有簽署紙質保單 而感到緊張。
.7383
.7708
.6758
財務風險
5.5 線上投保壽險時，我會擔心自己的金錢受到
損失。 --- --- ---
安全風險
5.6 線上投保壽險時，我會擔心信用卡數據被
盜。 --- --- ---
隱私權風險
5.7 線上投保壽險時，我會擔心個人資料發生外
泄。 --- --- ---
(五)消費者購買意願信度分析
消費者購買意願信度分析結果如表 21 所示，其構面的 Cronbach’s α 係數 為.7745，信度水平均超過 Nunnally（1978）所建議之 0.7 的水準。但其「分項
對總項的相關係數」（Item-to-Total Correlation）中，作為衡量內部一致性，題項
「6.1 請問您的線上投保壽險的經驗是？」低於 0.5 之標準（吳萬益，林清河，
2001），刪除後，各題項之 Item-to-Total Correlation 係數均超過 0.5，且構面的 Cronbach’s α 係數提高至 0.9398，故剔除題項 6.1。
表21
消費者購買意願量表衡量量表信度分析
量表問項 Item-to-Total
Correlation
Alpha if Item Deleted
Cronbach’s α
消費者購買意願（4 題項）
6.1 請問您的線上投保壽險的經驗是？
6.2 請問你願意在網路上投保壽險嗎？
6.3 您未來 1 年內會線上上投保壽險嗎？
6.4 您未來 1-3 年內會線上上投保壽險嗎？
.2149 .8225 .8557 .8552
.9398 .5705 .5459 .5421
.7745
二、效度分析
在建構效度檢驗方面，本研究採用區別效度分析與收斂效度分析來衡量量 表之效度。
(一)區別效度
區別效度是指能夠實證的區別一個概念與另外一個概念之差異，能夠指出 何者與此概念無關，若相關程度低，則區別效度好。區別效度可以通過探索性 因素分析（EFA）進行驗證。有研究表明，若能很好地區別各個變項，則題項 符合區別效度。原則上在進行探索性因素分析時應該將所有變項都納入到因素 分析中（Bentler, 1987）。依據變項因素之取捨標準，對樣本進行主成份分析，
取出特徵值大於1 之因素，之後將分析結果以最大變異轉軸法，進行直交轉軸，
各個變數所屬因素負荷量大於0.5 以上（Anderson, Tatham & Black, 1995）。因素 分析結果如表 22 所示。其中，Kaiser-Meyer-Olkin（KMO）是用於檢驗在所有 結構變數層面的樣本量充分性問題。這個指數是檢驗當前因素分析的樣本量是 否足夠。一般而言，KMO 高於 0.90 被認為是顯著的；高於 0.80 被認為是良好 的；高於0.60 被認為是可以容忍的；高於 0.50 的被認為是很勉強的；低於 0.50
將被認為是不可接受的。本研究以一般研究建議的0.60 作為臨界值。因素分析 結果顯示，每個題項在其假說之因素上都有較高的負荷，而在其他因素上負載 較低，KMO 值為 0.922，並通過 Bartlett（P<0.000）球形檢驗，能夠較好地區 別各個變項的衡量。由此上述分析說明本次研究的各個變數之間具有較好的區 別效度。
表22
變項探索性因素分析 Component
Item 1 2 3 4 5
2.1 .470 .636 -.062 -.142 .190 2.2 .388 .754 -.055 -.077 .084 2.3 .393 .680 -.105 -.094 .234 2.4 .379 .623 -.116 -.056 .210 2.5 .393 .646 -.096 -.015 .213 2.6 .478 .640 -.112 -.037 .191
3.1 .763 .423 -.069 -.002 -.176
3.2 .823 .364 -.069 .018 -.187
3.3 .844 .303 -.028 .020 -.171
3.4 .862 .243 .003 .028 -.040
4.1 .417 .628 -.140 .290 -.008 4.2 .403 .619 -.069 .406 -.184 4.3 .417 .589 -.089 .314 .011 4.4 .047 .718 .362 .024 .094 4.5 .294 .659 -.001 .385 -.178 4.6 .011 .814 .260 .126 -.044 5.1 .005 -.258 .681 .365 .164 5.2 -.015 -.199 .726 .366 .219 5.3 -.157 -.167 .765 .205 .120 5.4 -.144 -.066 .834 .040 .037 5.5 -.077 -.100 .863 .009 -.132 5.6 -.069 .084 .815 .012 -.310 5.7 -.067 .138 .809 .049 -.304
6.2 .762 .278 -.175 .043 .272
6.3 .766 .220 -.134 .105 .334
6.4 .750 .296 -.169 .124 .253
（1）Extraction Method: Principal Component Analysis
（2）Rotation Method: Varimax with Kaiser Normalization
（3）a Rotation converged in 9 iterations
（4）KMO=0.932
(二)收斂效度
收斂效度主要測試以一個變數發展出的多項問項，最後會否收斂於一個因
素中。收斂效度可以採用兩種方法檢定：第一，對題項進行探索性因數分析
（EFA），如果每個題項在其因數上都有較高的載荷，並且在其他因數上載荷較 低，說明測量具有收斂效度；第二，對測項進行驗證性因數分析（CFA），如果 每個題項對其所在的潛在變數的估計的參數都具有統計意義，說明該測量具有 收斂效度。
在前一階段區別效度的檢定中，通過探索性因素分析，可知本次研究測量 量表的各個題項在其所在的假定因素上都有較高的載荷，在其他因素上載荷基 本小於0.5，即每個變項所發展出的各題項，最後都較好地收斂於一個構念上，
說明本次研究的衡量具有收斂效度。
在對樣本進行驗證性因素分析（CFA）之前，本研究採取近年來國外學者 普遍做法，首先將各變數的衡量題項合併為更少的問項，這裏將 5 個變項所對 應的各個題項均合併為2 個題項（侯傑泰，溫忠鱗，成子娟，2004），採用平均 值作為相應的取值。採用這種方法之目的在於提高衡量題項的可靠性，增加參 數估計的穩定性（Mavnodo & Farrell, 2000）。驗證性因素分析過程採用AMOS7.0 軟體實施，採用最大似然推估（likelihood estimation），分析結果如圖 4 所示。
結果顯示，各變異變數各自題項的負荷值均高於0.5，具有統計意義。在模式參 數的推估上，自由度（df）為 80，卡方（χ2）值為215.088，卡方與自由度之比 值為2.698，小於國外研究建議的 5 之標準；模式的契合指數 RESMA 值為 0.098，
小於Steiger（1990）提出的低於 0.1 為出色契合之標準；NNFI 指數的值為 0.912，
高於Bentler（1980）推薦的界值；IFI 指數值為 0.960，一般認為該指數高於 0.9 即表示好的契合（Bentler, 1980）；CFI 指數值為 0.96，該指數高於 0.9 即表示好 的契合（Bentler, 1980）。按照 Steenkamp and Trijp（1991）的做法，收斂效度通 過驗證性因素分析標準化因素負荷及其顯著性判斷，如果各個變項下因素負荷 均高於0.5，則說明該衡量具有收斂效度。從上述驗證性因素分析得出的結果，
說明本次研究具有顯著的收斂效度。
圖4 驗證性因素分析