測量模式與潛在變項

資料常態性檢定，是在進行 SEM 檢定之前，檢視相關資料是否能符 合多變項常態分佈(multivariate normality)的假設，了解誤差情形。Table 8

顯示，本研究資料符合單變量與多變量常態性檢定，故可執行最大概似 估計法(maximum likelihood)進行統計推論。

(一)單變量常態性檢定(univariate)

根據 Kline(2005)建議，當各觀察變項標準差(S.D)大於+3 以及小於-3 的觀察值，列為極端值(outlier)。結果顯示此研究觀察變項未有標準差(S.D) 大於+3 以及小於-3 的觀察值。也就是無極端值(outlier)出現。各觀察值的 偏態係數(Skewness)介於-1.27～-.59，峰度係數(Kurtosis)介於-.46～1.92，

滿足偏態係數 3 及峰度係數 10 的常態分配要求(Kline, 2005)。

二、多變量常態性檢定(multivariate normality)

比較 Mardia 係數與觀察變數的數量，Bollen(1989)提出當 Mardia 的 係數小於 時，( 為觀察變數的數量)，即可確認樣本資料符合多 元常態性假設。本研究觀察變項為 24，故 Mardia 係數(384.10)。

Table 8 模式測量變項之描述性統計表

測量變項 Min Max Mean S.D Skew Kurtosis easeto use

ETU1 1.00 5.00 4.10 0.90 -1.06 1.27 ETU2 1.00 5.00 4.16 0.84 -0.86 0.45 perceived usefulness

PU1 1.00 5.00 4.18 0.75 -0.69 0.58 PU2 1.00 5.00 4.20 0.79 -0.75 0.37 PU3 1.00 5.00 4.22 0.78 -0.96 1.10 PU4 1.00 5.00 4.14 0.79 -0.82 0.76 PU5 1.00 5.00 4.10 0.84 -0.78 0.58 perceived playfulness

PP1 1.00 5.00 4.05 1.00 -1.22 1.37

Subjective norms

SN1 1.00 5.00 4.03 0.87 -0.68 0.24 SN2 1.00 5.00 3.39 0.97 -0.83 0.40 SN3 1.00 5.00 3.91 0.91 -0.59 0.27 perceived behavioral control

PBC1 1.00 5.00 4.20 0.78 -0.59 -0.46 PBC3 1.00 5.00 4.16 0.77 -0.69 0.46 PBC2 2.00 5.00 4.13 0.88 -0.87 0.49 behavioral intention

I1 1.00 5.00 4.12 0.87 -0.96 0.99

I2 1.00 5.00 4.10 0.92 -1.27 1.92

I3 1.00 5.00 4.11 0.81 -0.97 1.34

Multivariate 384.10

二、測量模式之估計與驗證(Measurement model test)

本研究使用 Anderson & Gerbing(1988)的兩階段步驟模式，進行檢定 (two-step modeling)。首先，展開驗證性因素分析(confirmatory factor analysis, CFA)，分析所測量之模式的合適性。測量模式(measurement model)為驗證變數和潛在變數關係。其次，驗證結構迴規模式(structural regression model)，是為驗證潛在變項之個別因果路徑關係(Kline, 2005)。

(一)驗證性因素分析

理論與邏輯的合理性的建立，是透過驗證性因素分析。判斷各項測 量變量，可由個別信度、組合信度是否符合構念。本研究依據理論建構 之測量模式是參照觀察變項，應用驗證性因素分析(CFA)，推論理論和因 素結構適配程度，再依 AMOS 分析結果，評價參數估計值、信度指標、

組合信度、 -值、萃取變異量等，以此考量變項是否採用。因素負荷量 (Factor Loading)是為解釋共同因素、個別變項的關聯性，同時檢驗測量變 項與相對應因素之間的相關強度。Hatcher(1994) & Segars(1997)認為，當 因素負荷量達 0.7 以上，觀察變項之因素負荷量的 -值，有顯著成效，可 以推論潛在變項具有收斂效度。

本研究依 8 個潛在變項：態度、主觀規範、知覺行為控制、行為意 圖、知覺易用性、知覺有用性、知覺有趣性與自我效能分析(Figure 12)，

結果顯示，潛在變項與觀察變項之所有標準因素負荷量皆>.7，統計均達 顯著水準。

Figure 12 理論概念之測量模型圖(N=220)

註：

ATT=態度 SN=主觀規範 PBC=知覺行為控制 BI=行為意圖 PU=知覺有用性 ETU=知覺易用性 PP=知覺有趣性 SE=自我效能

(二)測量模型之配適度

在以下測量模式中，呈現出 AMOS 各項指標的適配程度(Table 9)，

進而評價適配狀況(模型與觀察值)。SEM 是觀察指標重要工具(chi-squares test)，然而 test 容易受樣本數之量影響，容易進入拒絕虛無假設，本 研究的卡方值 ，因為樣本數量較多，結果呈現顯著效果( )，

Bagozzi & Yi(1988)認為樣本數變大，可以使用 ，排除模式之複雜度 之影響，用以代替卡方值 ，檢定模型的適配程度。本研究將卡方值 ， 除以由自度(χ²/df)，最終發現小於 5，表示適配度佳(理論模型與觀察模 型)。殘差分析方面 SRMR=.04，RMSEA=.07，此兩種測量模式之殘差效 性良好，在增值適合度指標及精簡適配度指標方面，TLI、CFI 皆大於.9，

PGFI 也大於.5，表示模型解釋力良好。

Table 9 測量模型的適配度表

適配指標 適配標準 檢定結果 適配判斷

絕對適配指標

χ² Ns. 452.82

χ²/df 1-5 2.02 

SRMR < 0.08 0.04 

RMSEA < 0.08 0.07 

增值適配指標

TLI > 0.9 0.93 

CFI > 0.9 0.94 

精簡適配指標

PGFI > 0.5 0.63 

第四節 結構方程模式