第五章 分析結果與討論
第二節 模型與假說驗證
本研究使用結構方程模式(structural equation model, SEM)來驗證研究模 型與假說，並以LISREL 8.5 為分析工具，首先對服務品質此構念進行分析。
爾 後 ， 分 析 整 體 研 究 模 型 並 加 以 驗 證 之 。 參 數 估 計 方 法 採 最 大 概 似 法 (maximum likelihood)。在模型配適度檢定上，則包括測量模型(measurement model)與結構模型(structural model)檢定，茲說明如下：
一、服務品質檢定
首先針對服務品質構念進行探索性因素分析，確認是否與先前認知分類 族群一致。爾後，根據各類群體進行信度分析，在項目分析之進行上，以分 項對總項之相關係數(corrected item-total correlation)與該題項刪除後是否可顯 著提升整體信度值進行綜合考量，前者乃以係數值小於 0.4 為刪題依據，並 反覆此程序以獲得最佳的結果。爾後，再以Cronbach’s α 係數進行信度之檢 驗。然在探索性因素分析之結果，些許題項不符先前之分群，故依分析之結 果，將之重新命名為客服反應與網路品質、視覺美感、資訊品質以及系統品 質四類，最後結果如表5-3 所示，其 Cronbach’s α 值介於 0.834 到 0.864 間，
而累積變異量為70.370%。
由表5-3 可知資訊品質、視覺美感、與系統品質和先前分類的結果一致，
而客服反應與網路品質內之題項內容為先前所分類之系統品質以及管理與客 服反應所組成。爾後，進行驗證性因素分析(confirmatory factor analysis, CFA) 以檢驗測量變項與潛在變項之假設關係。在測量模型之整體適配度方面，最 初是以χ2值為依據，當χ2值未達顯著水準且數值越小時，表示整體模型適配 度良好。然而χ2值對樣本個數相當敏感，當樣本數越大時，χ2值越易達至顯 著水準，導致模型之結果失效(Bentler & Bonnett, 1980)。因此，為了彌補 χ2 值易受樣本大小而波動之缺點，Hair 等人 (1998)建議應综合考慮各種指標 後，再進行適配度之判斷。根據 Hair 等人 (1998)對於適配指標之分類，將 之分類為絕對適配量測(measures of absolute fit)、增量適配量測(incremental fit measures)與精簡適配量測(parsimonious fit measures)等三類，以下茲將常用之 指標、評估準則與本研究分析之結果彙整如表 5-4。由表 5-4 可知，除了 χ2(74)=117.229，p=0.001 不符合評估準則，其餘指標皆達評估準則之上，顯示 本研究服務品質之測量模型適配度可被接受。
表5-3 服務品質之因素分析
表5-4 服務品質之測量模型適配指標與分析結果
適配指標 評估準則 分析結果
χ2 p>0.05 p=0.001
χ2/df <3.00 1.584
GFI(goodness of fit index) >0.90 0.961 RMSEA(root mean square error of approximation) <0.08 0.039
絕對適配量測
RMR(root mean square residual) <0.08 0.034 NFI(normed fit index) >0.90 0.987 NNFI(non-normed fit index) >0.90 0.992 CFI(comparative fit index) >0.90 0.995 IFI(incremental fit index) >0.90 0.995
增量適配量測
RFI(relative fit index) >0.90 0.981 PNFI(parsimonious normed fit index) >0.50 0.695
精簡適配量測
PGFI(parsimonious goodness of fit index) >0.50 0.593
驗證性因素分析亦同時可檢定測量模型之測量變項是否能正確反映相對 應之潛在變項，意即評估測量模型之信度與效度。評估指標包含：
(一) 測量變項完全標準化係數
完全標準化係數即每一個測量變項在其所反映潛在變項上之因素負荷量 (factor loading)，若各係數之t的絕對值大於1.96(α=0.05)、2.58(α=0.01)或 3.29(α=0.001)，即達到顯著性亦表示具有收斂效度(Anderson & Gerbing, 1988) ，並可經由完全標準化係數計算其多元相關平方(squared multiple correlation, SMC)，用以反映個別測量變項之信度，當SMC愈高，則表示信度 愈高；反之當SMC愈低，則表示信度愈低，其理想數值應大於0.50(Bagozzi &
Yi, 1988)。
(二) 組成信度(composite reliability, CR)
相對於Cronbach’s α係數，SEM亦發展出組成信度以判斷潛在變項之信 度。組成信度係在檢定個別潛在變項相對應之測量變項間的內部一致性，若 潛在變項之組成信度越高，即表示在衡量潛在變數的同時，愈能測出該潛在 變項。而Hair等人(1998)認為，其值應達0.70才適宜。
(三) 平均變異萃取量(average variance extracted, AVE)
平均變異萃取量係指潛在變項之各測量變項對該潛在變項之平均變異解 釋能力。判斷標準為該數值大於0.50(Fornell & Larcker, 1981)，數值越大表示 潛在變數之信度與收斂效度越佳。此外，若每一個潛在變項之平均變異萃取 量大於各成對潛在變項間之相關係數平方值，則可視為具有區別效度(Fornell
& Larcker, 1981)。
服務品質之測量模型檢定結果如表5-5所示，而表5-6說明服務品質之潛 PBV 3.258 0.664 0.671 0.933 0.673 0.731 PIQ 3.372 0.627 0.607 0.673 0.952 0.596 PSQ 3.100 0.737 0.654 0.731 0.596 0.936 a.相關係數矩陣中對角線數值為平均變異萃取量
由表5-5與表5-6之資料顯示除了題項PSQ2之多元相關平方係數略小於判 斷準則之外，其他題項之係數皆達評估準則之上。在收斂效度與組成信度的 判定上，各題項之因素負荷量皆具有顯著性，且各構念之組成效度與平均變 異萃取量之係數值皆高於評估標準。另外，所有潛在變數之平均變異萃取量 皆大於各成對之相關係數平方值。因此，整體而言，本研究服務品質之測量 模型具有不錯之收斂效度、區別效度與組成信度。
二、整體模型之測量模型檢定
此部份以驗證性因素分析來檢驗測量變項與潛在變項之假設關係。以下 茲將常用之指標、評估準則及本研究分析之結果彙整如表5-7。由表 5-7 可知，
除了χ2(53)=151.784，p=0.000 不符合評估準則，其餘指標皆達評估準則之上，
顯示本研究整體模型之測量模型適配度可被接受，亦即本研究之假設模型可 獲得實際資料之支持，並將整體模型之測量模型檢定結果摘要表以及潛在變 項之平均數、標準差及相關係數整理如表5-8 與表 5-9 所示。
表5-7 整體模型之測量模型適配指標與分析結果
適配指標 評估準則 分析結果
χ2 p>0.05 p=0.000
χ2/df <3.00 2.864
GFI(goodness of fit index) >0.90 0.943 RMSEA(root mean square error of approximation) <0.08 0.0695
絕對適配量測
RMR(root mean square residual) <0.08 0.0324 NFI(normed fit index) >0.90 0.983 NNFI(non-normed fit index) >0.90 0.984 CFI(comparative fit index) >0.90 0.989 IFI(incremental fit index) >0.90 0.989
增量適配量測
RFI(relative fit index) >0.90 0.975 PNFI(parsimonious normed fit index) >0.50 0.668
精簡適配量測
PGFI(parsimonious goodness of fit index) >0.50 0.549
表5-8 整體模型之測量模型檢定結果摘要表
三、整體模型之結構模型檢定
結構模型適配度指標之分析結果如表5-10所示。由表5-10可知，除了 χ2(52)=137.955，p<0.01不符合評估準則，其餘指標皆達評估準則之上，顯示本 研究所提出之假設模型是可接受的，亦即本研究之假設模型可獲得實際資料 之支持。
表5-10 整體模型之結構模型之整體適配指標與分析結果彙整表
適配指標 評估準則 分析結果
χ2 p>0.05 p<0.01
χ2/df <3.00 2.653
GFI(goodness of fit index) >0.90 0.948 RMSEA(root mean square error of approximation) <0.08 0.065
絕對適配量測
RMR(root mean square residual) <0.08 0.032 NFI(normed fit index) >0.90 0.984 NNFI(non-normed fit index) >0.90 0.985 CFI(comparative fit index) >0.90 0.990 IFI(incremental fit index) >0.90 0.990
增量適配量測
RFI(relative fit index) >0.90 0.976 PNFI(parsimonious normed fit index) >0.50 0.656
精簡適配量測
PGFI(parsimonious goodness of fit index) >0.50 0.542
接著以結構方程模型進行路徑分析，以評估本研究所建立之因果路徑關 係是否成立。評估指標包括(1)潛在變項因果路徑之方向與顯著性：在方向 上，即是檢驗最終結果之因果路徑方向與假設模型是否一致；在顯著性上，
則以t 之絕對值大於 1.96(α=0.05)、2.58(α=0.01)或 3.29(α=0.001)為判斷準則；
(2)決定係數(R2)：此係數代表每一個內生潛在變數之變異，可被具因果關係 之潛在變項解釋之程度。決定係數越高，表示結構模式越理想。本研究潛在 變項間之因果路徑係數與決定係數如圖5-1 所示。
圖5-1 結構模式路徑圖
由圖 5-1 可得知，各路徑之方向皆符合本研究之研究假說，且除「服務 品質」對「購後行為意向」之路徑係數(γ=0.001, t=0.016)未達顯著水準外，
其餘之路徑係數皆達顯著水準。因此，本研究多數之研究假說皆可獲得支持，
亦即；「服務品質」(γ=0.674, t=11.065)顯著正向影響「顧客價值」；「服務品 質」(γ=0.366, t=5.676)顯著正向影響「顧客滿意度」；「顧客價值」(β=0.531, t=7.519)顯著正向影響「顧客滿意度」；「顧客價值」(β=0.499, t=6.443)顯著正 向影響「購後行為意向」；「顧客滿意度」(β=0.387, t=4.947)正向影響「購後 行為意向」。此外，由決定係數(R2)近一步可得知「顧客價值」可被「服務品 質」解釋 45.5%之變異程度；「顧客滿意度」可被「服務品質」與「顧客價 值」共同解釋67.7%之變異程度；「購後行為意向」可由「服務品質」與「顧 客滿意度」以及「顧客價值」共同解釋 70.0%之變異程度。综合上述研究結 果可知，本研究之研究模型用以暸解消費者在行動加值服務之服務品質、顧 客滿意度、顧客價值與購後行為意向之關連性上，應是一個可接受之研究模 型。茲將本研究之假說與檢定結果彙整如表5-11 所示。
表5-11 研究假說與檢定結果摘要表
然而在本研究之結果顯示服務品質對於購後行為意向並無顯著正向直接 影響，研究結果與Wang 等人 (2004)研究中國電信產業環境結果相同。本研 究推判其原因可能與研究樣本本身之特性有關，本研究之研究對象為大學生 與研究生，其身處於科技發達與資訊爆炸時代，在其生活中高頻率地使用電 腦與接觸新事物，故經由其生活之經驗會認為加值服務所提供之服務品質本 身就應需具備有這些屬性如適合性、畫面協調、良好的事後服務以及系統穩 定等，故對於研究樣本來說行動加值服務之服務品質並不能有效影響其購後 行為意向。
在間接效果與總效果之討論上，整理上述檢定之結果並將之彙整如表 5-12 所示。可知在對購後行為意向之間接效果上服務品質(0.616)相較於顧客 價值(0.205)有較大之影響力；而在對購後行為意向之總效果上顧客價值(0.704) 與服務品質(0.617)較顧客滿意度(0.387)有較大之影響效果，故業者在設計加 值服務之時應加入會提升顧客價值與服務品質之因素以增強顧客之購後行為 效果。雖然研究結果顯示服務品質對於購後行為意向無直接顯著之影響，然 而服務品質可經由顧客滿意度與顧客價值間接影響購後行為意向。
表5-12 構念間直接效果、間接效果與總效果彙整表
直接效果 間接效果 總效果
CV CS PB CV CS PB CV CS PB
SQ 0.674 0.366 0.001 0.358 0.616 0.674 0.724 0.617 CV 0.531 0.499 0.205 0.531 0.704
CS 0.387 0.387
SQ=服務品質；CS=顧客滿意度；CV=顧客價值；PB=購後行為意向