調節變項是指會影響自變項和依變項間關係的變項，也就是自變 項對於依變項的作用強弱和方向，會因調節變項的水準不同而有所不
同(Holmbeck, 1997; James & Brett, 1984)。在文獻中對於蔬果攝取行為 調節作用的探討，以蔬果可獲性為最多。本研究便以文獻中曾經發現 的有關「蔬果可獲性」對於「蔬果口味喜好」 (Neumark-Sztainer, Wall et al., 2003)、「蔬果攝取自我效能」(Kratt et al., 2000)、「蔬果攝取社 會支持」(Young et al., 2004)影響「蔬果攝取行為」的調節作用，進行 檢定分析。
分析步驟是先進行高、低蔬果可獲性的分組。將「水果可獲性」
和「蔬菜可獲性」相加之分數做為「蔬果可獲性」總分。以處理過極 端值之後的全部樣本，取「蔬果可獲性」分數的中位數為切點，將樣 本分為兩組——高可獲性組(n=535)和低可獲性組(n=511)。使用多群體 的檢定分析，從原修正模式中刪除蔬果可獲性潛在變項之後，進行兩 群體的模式適配度檢定。
表4-32的基本設定，是指將相同的模式結構套用到高、低可獲性 兩群組，但沒有設定任何的參數相等，是做為比較的基準。接著分別 設定兩組在
「
蔬果口味喜好」、「蔬果攝取自我效能」、「蔬果攝取 社會支持」影響「蔬果攝取行為」的徑路係數估計值相等，分別進行 與基本設定的卡方差值顯著性檢定。若卡方差值達顯著水準，代表將 兩組的該項徑路係數視為相等時，模式適配度明顯比無設定相等的模 式適配度為差。此時統計上支持兩組徑路係數不相等，也就是該項徑 路係數會因蔬果可獲性的高低不同而有不同的估計值，蔬果可獲性的 調節作用便能獲得支持(Holmbeck, 1997)。另外，如果該項徑路係數的估計值顯著性考驗，在不同群組有不一致的情況，也就是在其中一組 GFI=Goodness-of-Fit Index; NFI=Normed Fit Index; CFI=Comparative Fix Index;
SRMR=Standardized Root Mean Square Residual; RMSEA=Root Mean Square Error of Approximation
統計分析結果，設定高、低可獲性兩組的「蔬果口味喜好」→
「蔬果攝取行為」徑路係數相等的模式適配性，相較於基本設定的Δ χ2=4.48, Δd.f.=1, p<.05，達顯著水準(表4-32)。且兩組徑路係數估計 結果，高可獲性組的「蔬果口味喜好」對於「蔬果攝取行為」的徑路
係數達顯著水準(γ=.03, t=3.37, p<.001)；而低可獲性組的徑路係數則 呈不顯著(γ=.01, t=1.69, p>.05)(表4-33)。代表在高可獲性組，「蔬果 口味喜好」對於「蔬果攝取行為」存在有意義的影響力，但在低可獲 性組則無，符合前述學者所提的判斷標準。高、低可獲性兩組在「蔬 果攝取自我效能」→「蔬果攝取行為」徑路係數相等的設定，相較於 基本設定的Δχ2=27.21, Δd.f.=1, p<.001，達顯著水準。進一步檢視兩 組的係數估計值(表4-33)，可發現在高可獲性組的係數估計值(γ=.49) 大於低可獲性組(γ=.18)。代表在高蔬果可獲性的情形下，「蔬果攝取 自我效能」對於「蔬果攝取行為」的影響力大於低蔬果可獲性情形下 的影響力。高、低可獲性兩組在「蔬果攝取社會支持」→「蔬果攝取 行 為 」 徑 路 係 數 相 等 的 設 定 ， 比 起 基 本 設 定的 Δ χ2=.06, Δd.f.=1, p>.05，未達顯著水準。代表高、低可獲性兩組間的「蔬果攝取社會支 持」對於「蔬果攝取行為」的影響力是相同的。
表4-33 高、低可獲性兩組的潛在變項間徑路係數估計結果
0 0.5 1 1.5
0 5 10 15 20 25 水果口味喜好
水果攝取頻率
高可獲性 低可獲性
圖4-5 水果口味喜好與水果攝取頻率之迴歸預測方程式
註：高可獲性組迴歸方程式為：水果攝取頻率=.917+.022×水果口味喜好 低可獲性組迴歸方程式為：水果攝取頻率=.614+.001×水果口味喜好