第五章 資料分析與討論
第二節 模型與假說驗證
本研究採用結構方程模式(structural equation model, SEM)來驗證研究模型與 假說，以瞭解研究模式變項間之因果關係。參數估計方法則採用最大概似法，並 使用 LISREL 8.52 軟體進行分析。在模型配適度檢定上，則包括測量模型 (measurement model)檢定與結構模型(structural model)檢定，茲詳細說明如下：
一、測量模型
此衡量模型配適度是以驗證性因素分析(confirmatory factor analysis, CFA)來 檢驗測量變項與潛在變項之假設關係。對於整體模式適配度之衡量方面，一般而 言是以 χ2值為衡量依據，若 χ2值未達顯著水準且數值愈小時，顯示整體模式配 適度良好，然而因為 χ2 值對於樣本的大小極為敏感，亦即當樣本愈大時，χ2值 愈容易達到顯著水準，而造成模式有失效的情形(Bentler & Bonnett, 1980)。因此，
為了彌補 χ2 值容易受到樣本數大小之波動情形進而影響判定模式適配度之缺 失，Hair 等人(1998)建議可採用絕對適配度(measures of absolute fit)、增量適配度 (incremental fit measures)、以及精簡適配度(parsimonious fit measures)等三項指標 來衡量整體模式適配度。茲將常用指標、評估標準以及本研究之分析結果彙整如 表5-4 所示。
(一) 絕對適配度
絕對適配度是用以決定理論的整體模式可以預測觀察的共變數矩陣或相關 矩陣之程度。除了上述以卡方檢定 p-value 大於 0.05 為評估準則之外，Bagozzi 與Yi (1998)表示卡方檢定為一個與樣本大小相關之統計量，建議需將樣本大小之 問題予以考量，其認為利用 χ2 值與其自由度之比值來檢定模式配適度較為佳。
該比值應該愈小愈好，其較嚴謹之評估準則建議以不大於3 為標準(Chin & Todd, 1995)。除此之外，尚可利用 GFI、RMSEA 以及 RMR 等常用指標做為評鑑準則 (Hair et al., 1998)。由表 5-4 分析結果顯示，除了 χ2(174)=387，p<0.01 不符合評估 準則，GFI=0.884 略低於評估準則外，其餘指標皆達到所要求之準則(χ2/df
=2.225<3；RMSEA=0.068<0.08；RMR=0.053<0.08)。
(二) 增量適配度
增量配適度之目的為利用一個較為嚴謹之基準模式(baseline model)與理論 模式相互比較，並測量其配適改進比率之程度，可說是一種基準模式與理論模式 相互比較的結果。此一基準模式通常稱之為虛無模式(null model)，在多數之情況 下，虛無模式為單一構念的模式，其所有指標皆完美的衡量此一構念(黃俊英，
2000)。本研究中五項與基準模式比較而得之配適度指標為 NFI、NNFI、CFI、IFI、
以及 RFI，由表 5-4 分析結果顯示其值分別為 0.936、0.949、0.961、0.962 以及 0.915 ，均高於評估門檻值 0.9(Hair et al., 1998)。
(三) 精簡適配度
精簡適配度之目的主要在調整適合度之衡量，並評估理論模式之精簡程度。
根據表5-4 之分析結果顯示，PNFI 值為 0.705 與 PGFI 值為 0.608 皆高於評估門 檻值 0.5。因此，在精簡配適度上，本研究所建構之模式符合其準則，應可屬一 個精簡的研究模式。
由以上測量模型之分析結果顯示本研究所建構之模式與觀察資料具有良好 之整體適配度，亦即本研究測量模型之整體模型適配度是可接受的。
表5-4 測量模型之整體模型適配指標與分析結果
適配指標 評估準則 分析結果 符合度
χ2
p>0.05 p<0.01
否χ2/df <3 2.225 是
GFI(goodness of fit index) >0.9 0.884 接近 RMSEA(root mean square error of approximation) <0.08 0.068 是
絕對適配度
RMR(root mean square residual) <0.08 0.053 是 NFI(normed fit index) >0.9 0.936 是 NNFI(non-normed fit index) >0.9 0.949 是 CFI(comparative fit index) >0.9 0.961 是 IFI(incremental fit index) >0.9 0.962 是
增量適配度
RFI(relative fit index) >0.9 0.915 是 PNFI(parsimonious normed fit index) >0.5 0.705 是 精簡適配度 PGFI(parsimonious goodness of fit index) >0.5 0.608 是
此外，利用驗證性因素分析檢定研究模式亦能檢驗觀察變數與潛在變數之 信 度(reliability) 、 區 別 效 度 (discriminant validity) 以 及 收 斂 效 度 (convergent validity)。本論文根據 Bagozzi 與 Yi (1998)之建議，以最常用之評估指標來判定 測量模式，茲將各項指標彙整如表5-5 所示並分述如下。
1.測量變項完全標準化係數
所謂完全標準化係數即表示每一個測量變項對於其反映潛在變項之因素負 荷量(factor loading)，若各係數之 t 的絕對值大於 1.96(α=0.05)或 2.58(α=0.01)，即 顯示具有收斂效度。表5-5 顯示本研究各題項係數之 t 值皆符合評估準則，因此 具有不錯之收斂效度。另外，由完全標準化係數亦可計算多元相關平方(squared multiple correlation, SMC)，當 SMC 愈高，則表示信度愈高；當 SMC 愈低，則表 示信度愈低。一般而言，SMC 之理想數值應大於或等於 0.5(Hair et al., 1998；
Bagozzi & Yi, 1998)，即表示此一測量具相當程度之一致性。由表 5-5 可知，其測 量變項之多元相關平方多數皆大於0.5，雖然 I5 之 SMC 為 0.476、PEOU3 之 SMC 為0.426、PC3 為 0.454、PC4 為 0.494，然而其值亦非常接近理想數值。因此，
大體而言，本研究之整體測量指標具有良好信度。
2.潛在變項之組成信度(composite reliability, CR)
潛在變項之 CR 值係由所有測量變項之信度組成，其可用來檢定個別潛在變 項相對應之測量變項間的內部一致性。若潛在變項之CR 值愈高，則代表構念指 標之內部一致性愈高，易言之，即表示在衡量潛在變項的同時，愈能測出該潛在 變項，一般來說，組成信度之評鑑門檻值以大於0.7 較為適宜(Hair et al., 1998)。
由表5-5 可知，本研究在組成信度評估上皆滿足評鑑標準。
3.潛在變項之平均萃取變異量(average variance extracted, AVE)
平均萃取變異量為衡量構念萃取各變項時的變異量，亦即評估各測量變項對 該潛在變項之平均變異解釋能力，其可用來檢視潛在變數之收斂效度與區別效 度。AVE 數值愈大表示，表示潛在變項具有愈佳的信度與收斂效度。Fornell 與 Larcker (1981)以及 Bagozzi 與 Yi (1998)建議 AVE 數值應大於 0.5。另外，若每一 個潛在變項之平均萃取變異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)。由表 5-6 亦可得知，各構念的潛在變 項之平均萃取變異量，其數值皆大於 0.5，且其值亦符合大於個別潛在變項的相 關係數平方值。
綜合上述各評估指標，就整體而言，本研究之測量模型具有非常好的信度與 效度。
表5-5 測量模式檢定結果與 SMC 指標及 CR 指標摘要表
PEOU1 0.970 15.568** 0.941 PEOU2 0.755 12.450** 0.570 知覺易用性
(PEOU)
PEOU3 0.653 10.739** 0.426
0.968
表5-6 潛在變項之平均數、標準差與相關係數摘要表
構念 平均數 標準差 I PU PEOU PC A BI I 3.727 0.548 0.877b
PU 3.220 0.664 0.160 0.918
PEOU 3.325 0.758 0.237 0.393 0.913
PC 4.150 0.619 0.253 0.043 0.035 0.925
A 3.483 0.609 0.215 0.579 0.534 -0.257 0.931
BI 3.620 0.556 0.188 0.296 0.314 -0.334 0.631 0.933 (相關係數矩陣中對角線數值為平均變異萃取量)
b.平均變異萃取量=
2 2
(Σλ )
[(Σλ )+Σ(θ)]；λ=因素負荷量；θ=各測量變項之測量誤差 I=個人創新特質；PU=知覺有用性；PEOU=知覺易用性；PC=知覺成本性；
A=態度；BI=行為意向 二、結構模型檢定
由表5-7 顯示，有關結構模型適配度指標之分析結果除了 χ2(177)=369，p<0.01 不符合評估標準；GFI=0.889 稍微低於評估值 0.9 之外，其餘指標皆在評估準則 之上，因此顯示本研究之假設模型可獲得實際資料的支持。
在路徑分析之部份，旨在評估本研究所設立之因果關係路徑是否符合實際資 料，亦即瞭解本研究提出的研究模型之主要關係能否獲得實徵結果的支持。評估 標準包括各項構念之間的方向性與顯著性，有關顯著性的判別準則是以t 之絕對 值大於 1.96(α=0.05)或 2.58(α=0.01)為標準。有關潛在變項之因果路徑關係如圖 5-1 所示。
表5-7 結構模型之整體模型適配指標與分析結果整理表
適配指標 評估準則 分析結果 符合度
χ2
p>0.05 p<0.01
否χ2/df <3 2.083 是
GFI(goodness of fit index) >0.9 0.889 接近 RMSEA(root mean square error of approximation) <0.08 0.064 是
絕對適配度
RMR(root mean square residual) <0.08 0.053 是 NFI(normed fit index) >0.9 0.940 是 NNFI(non-normed fit index) >0.9 0.956 是 CFI(comparative fit index) >0.9 0.966 是 IFI(incremental fit index) >0.9 0.966 是
增量適配度
RFI(relative fit index) >0.9 0.922 是 PNFI(parsimonious normed fit index) >0.5 0.721 是 精簡適配度 PGFI(parsimonious goodness of fit index) >0.5 0.622 是
圖 5-1 結構模式路徑圖
由圖5-1 可得知，本研究提出之九個研究假說中有七個假說可獲得實徵結果 之支持。茲將驗證結果說明如下。
假說 1 驗證之結果顯示消費者本身之「個人創新特質」對於 3G 行動加值服 務之「知覺有用性」有正向影響，但未達顯著水準(γ=0.066；t=1.042)，因此假說 1 並未獲得支持。假說 2 驗證結果顯示「個人創新特質」對於 3G 行動加值服務 之「知覺易用性」有正向影響，且達顯著水準(γ=0.237；t=3.712)，故本研究結果 支持假說2。因此表示本研究根據文獻探討所加入之外部變數「個人創新特質」
確實對於消費者之知覺易用性有顯著且正向之影響。在假說3 方面，檢定結果顯 示「知覺易用性」對於「知覺有用性」有正向影響，且達顯著水準(β=0.382；
t=5.306)，因此本研究提出之假說 3 可獲得支持，表示消費者對於 3G 行動加值 服務之知覺有用性會受其自身認為該服務之容易使用程度而影響。
在檢定影響消費者對於3G 行動加值服務之態度方面，假說 4 驗證之結果指 出消費者面對3G 行動加值服務之「知覺有用性」對於其「態度」具有正向影響 效果，且達顯著水準(β=0.430；t=7.014)。故本研究結果支持假說 4。假說 5 驗證 結果顯現消費者對於3G 行動加值服務之「知覺易用性」對於其「態度」亦具有 正向影響效果，且達顯著水準(β=0.356；t=5.384)，因此，本研究提出之假說 5 可獲得實徵資料的支持。另外，假說8 經檢定結果顯示消費者對於 3G 行動加值 服務之知覺成本性存在負向之影響關係，且達到顯著水準(γ=-0.225；t=-4.205)，
故本研究提出之假說8 亦可獲得實際資料之支持。
在檢定影響消費者對於3G 行動加值服務的行為意向方面，假說 6 之驗證結 果表示消費者之「知覺有用性」對於採用3G 行動加值服務之「行為意向」具有 負向影響效果，但未達顯著水準(β=-0.088；t=-1.391)，故假說 6 未獲得支持。假 說7 之驗證結果指出消費者對於 3G 行動加值服務之使用「態度」對於其「行為 意向」具正向影響，且達顯著水準(β=0.636；t=7.695)，因此假說 7 可被支持；最 後在假說9 方面，檢定結果顯示消費者對於 3G 行動加值服務之「知覺成本性」
會負向影響其「行為意向」，且達到顯著水準(γ=-0.176；t=-3.360)，故本研究提 出之假說9 可獲得實徵資料之支持。茲將研究假說與檢定結果彙整如表 5-8 所示。
表5-8 研究結果與檢定結果彙整表
研究假說 變項關係 係數值 驗證結果
H1 個人創新特質Æ知覺有用性(+) 0.066 不成立 H2 個人創新特質Æ知覺易用性(+) 0.237** 成立 H3 知覺易用性Æ知覺有用性(+) 0.382** 成立 H4 知覺有用性Æ態度(+) 0.430** 成立 H5 知覺易用性Æ態度(+) 0.356** 成立 H6 知覺有用性Æ行為意向(-) -0.088 不成立 H7 態度Æ行為意向(+) 0.636** 成立 H8 知覺成本性Æ態度(-) -0.225** 成立 H9 知覺成本性Æ行為意向(-) -0.176** 成立
* p<.05； ** p<.01
另一方面，在模型解釋能力上，由決定係數(R2)可以進一步瞭解每一個內生 潛在變項的變異可被具因果關係之潛在變項解釋之比例。決定係數愈高，則表示 結構模式愈理想。由結構模式路徑圖(圖 5-1)得知，「知覺有用性」可被「知覺易
變異比例，惟該解釋變異量過小，這顯示尚有其它解釋知覺易用性之因子未討論
變異比例，惟該解釋變異量過小，這顯示尚有其它解釋知覺易用性之因子未討論