第三章 研究方法
第三節 研究設計
一、研究對象
由於觀察到近年來線上遊戲的市場規模不斷擴大，加上玩家非常注重線上遊 戲所帶來的社交互動功能，例如，玩家可以藉由線上遊戲與其他玩家相互溝通、
戰術討論、幫助隊友以及培養默契，遊戲外還能夠增加話題並提升同好間的社交 機會，進而達到人際互動的情感交流。因此，本研究選擇受到許多遊戲玩家歡迎 的「大型多人線上角色扮演遊戲(MMORPG)」進行探討，並將研究對象設定為 最近三個月有參與MMORPG的台灣地區玩家。
二、問卷設計
本研究採網路問卷調查法進行資料蒐集，問卷一開始即先告知填答者的條件 限制為「最近三個月有參與 MMORPG 的台灣地區玩家」的參與者。問卷共分成 八大部份，第一部份為受測者對於目前所主要參與的線上遊戲做基本調查，藉由 調查先喚起受測者對於自己所參與的線上遊戲的基本認知，包括主要參與的線上 遊戲名稱為何、是否有加入公會以及一同進行遊戲的經驗、接觸該線上遊戲的時 間、平均每日遊戲時間和每個月在遊戲中的平均花費等等，其中主要參與的線上 遊戲若不在選項中，則必須自行填寫目前參與的線上遊戲，未來回收問卷時再由 研究者自行透過遊戲名稱來確認篩選。第二到第七部份則分別衡量本研究中的重 要變數，問卷方式將採用 Likert 七點尺度量表，1 分為非常不同意，7 分為非常 同意，衡量公會認同、遊戲認同、虛擬角色相似性認同、虛擬角色希望性認同、
虛擬角色臨場感體驗、公會成員相似性、公會成員獨特性、公會成員尊榮感與購 買意圖。最後第八部份則為基本資料填寫。
三、問卷收集
本研究採網路問卷方式，利用 my3q 所提供的網路問卷系統建立問卷，且該 系統會記載受測者 IP 位址，可幫助過濾重複填答。此外，為了提高填答動機，
本研究告知填答者，問卷填答為有效問卷者，會舉辦獎金抽獎活動作為回饋。在 樣本取得的途徑上，需要尋找最近三個月有參與 MMORPG 的台灣地區玩家，所 以便選擇透過在台大 PTT 的各個線上遊戲版、巴哈姆特與遊戲基地線上遊戲論 壇上放置問卷連結，以接觸本研究所設定的研究對象。
四、資料分析
本研究欲探討線上遊戲的參與行為，使用線性結構關係模式(Linear Structure Relationship; LISREL)為主要分析工具。在施行程序上，首先對樣本進行敘述性 統計分析、因素分析、信度、效度之檢測，以了解衡量模式之適配性，其次再進 行結構方程模型的檢定，包含模型適合度分析和主要參數驗證，以進行本研究的 假說驗證。
36
第四章 研究方法
將依據下述章節對資料分析結果進行說明：(1)樣本初步敘述性統計分析，
旨在了解本研究的樣本組成結構；(2)進行驗證性因素分析，以修正衡量模式；(3) 進行結構方程模型分析；(4)研究假說檢定，以了解本研究整體模型之關係，進 行研究假說驗證。
第一節 基本資料分析
本研究於台大 PTT 各線上遊戲版、巴哈姆特、遊戲基地等線上遊戲論壇進 行問卷施放，回收期間為 2013 年 04 月 15 日至 2013 年 05 月 05 日，總計回收 405 份問卷。
為確保樣本之適切性，首先排除非三個月內有參與線上遊戲的填答者，以及 IP 位置重複之受測者，其次再以邏輯問題刪去填答矛盾的受測者，過濾無效問 卷共 84 份，總計最終有效問卷為 321 份。
一、 樣本組成分析
本研究以線上遊戲的玩家為研究對象，問卷限定最近三個月內有參與多人線 上角色扮演遊戲(MMORPG)的遊戲玩家作填答，由人口統計變項中可發現，參 與線上遊戲的性別，以男性為主，占整體樣本 85%，可知參與線上遊戲的玩家以 男性占極大宗。另外，從研究樣本中可發現，參與線上遊戲的玩家以學生為主 (63.6%)；年齡層分布最多為 21~25 歲間(42.4%)，15~20 歲玩家居次(28.7%)；教 育程度以公私立大學居多(48.6%)；個人年所得大部分為在 30 萬以下 (75.4%)，
茲將樣本統計結果整理為下列表 4-1。
表 4-1 樣本組成結構分析 (N=321)
38
二、 線上遊戲參與行為分析
為確保問卷的填答者曾經參與線上遊戲，問卷開宗採複選題，列舉目前巴哈 姆特電玩站所統計出的熱門線上遊戲，請填答者勾選「曾經參與過的線上遊戲」， 接續則請受測者就上述列舉之線上遊戲，填答「最主要參與的線上遊戲」。若勾 選之最主要參與的線上遊戲不在曾經參與過的名單列上，即認定為亂答者，將予 以刪除。前兩道題目皆提供其他選項，讓受測者可以填答其他曾經參與過或其他 最主要參與的線上遊戲，藉此消除線上遊戲的列舉限制；填答其他選項者，必須 註明線上遊戲名稱，不符合本研究所定義之線上遊戲，亦予以刪除。
另外，由於本研究為針對 MMORPG 來探討線上遊戲的參與行為，所以必須 要在遊戲中創建虛擬角色及加入某一特定公會來進行遊戲，並與公會中的其他成 員有所互動和一起完成任務的經驗，以及購買過虛擬寶物的經驗。因此，若不符 合上述條件亦予以刪除。在衡量線上遊戲參與行為方面之題項，共計 12 題，包 含參與這個線上遊戲的時間、每天停留的時間、所屬公會的人數與每月花費的金 額等等，有助於勾勒受測者對主要參與線上遊戲之參與行為的輪廓。
首先，圖 4-1 顯示填答者曾經參與過的線上遊戲，前三名分別為「魔獸世界」、
「新楓之谷」與「艾爾之光」以及「新仙境傳說」，推測這些線上遊戲為目前台 灣較受歡迎的線上遊戲。然而，圖 4-2 顯示填答者最主要參與的線上遊戲，前三 名為「魔獸世界」、「艾爾之光」以及「新仙境傳說」，其中「魔獸世界」與「艾 爾之光」佔大多數，分別為 33.6%及 29%，參與「新仙境傳說」的百分比則略低 許多，占 7.2%。
圖 4-1 曾經參與過的線上遊戲統計（複選）
圖 4-2 主要參與的線上遊戲統計（單選）
17.0%
11.5%
3.9%
14.0%
12.5%
14.0%
6.2%
2.1%
3.9%
0.3% 1.5%
0.7% 2.0%
5.2%
1.2%
3.9%
曾經參與過的線上遊戲（複選） N=321
33.6%
6.9%
0.6%
5.9% 7.2%
29.0%
3.7%
0.0% 3.1%
0.0% 0.6% 0.3% 0.6% 2.2%
0.0%
6.2%
主要參與的線上遊戲（單選） N=321
40
表 4-2 線上遊戲玩家參與行為分析（續）
42
第二節 信效度與因素分析之檢定
一、信度與效度
為初步了解問卷品質的優劣，將進行信度與效度的估計。信度(Reliability) 為指測量結果是否具有一致性或穩定性的程度。當信度愈高，表示對同一事物進 行重複施測的結果變異程度相對較低。本研究之信度將採用Cronbach’s α值來做 為判定信度的指標，Cuieford (1965)認為Cronbach’s α 大於0.7 者為高信度，介於 0.7 和0.35 之間為尚可，若小於0.35 者為低信度，應刪除較低相關的項目直到 達到高信度為止。
效度(Validity)指測量之正確性，表示所使用的測量項目確實能夠測得其所欲 測量的構念。當效度愈高，表示測量結果愈能顯現其所欲測量內容的真正特徵；
若測量之項目不具有較高的效度，無論具有其他任何要件，亦無法發揮測量的功 能。本研究之效度將透過平均變異萃取量(Average Variance Extracted；AVE)來評 估，代表一個潛在變數能被一組觀察變數有效估計的聚歛程度指標，建議值以 0.5 為臨界標準，表示具有收斂效度(Fornell and Larcker, 1981)，若 AVE 之值達 0.5 以上，方可解釋構面 50%以上的變異量；而在潛在變數相關係數表中之對角 線為 AVE 之開根號值，非對角線為各構面間的相關係數，此值若大於水平列或 垂直欄的相關係數值，則代表具備區別效度，。
研究構面之信度與效度檢測結果由表 4-3 顯示，各個構面的 Cronbach’s α 值 皆有達到 0.7 以上，表示衡量項目具有高信度水準； 而 AVE 之值皆達 0.5 以上，
顯示皆有達到平均變異抽取量 50%以上之門檻，且表 4-4 之潛在變數之相關係數 表中對角線值皆大於各構面間的相關係數，故本研究資料品質為佳。
二、因素分析
本研究各構面所施測之題項皆為來自過去學者曾經施測過之題型，但為符合 研究線上遊戲之情境而稍做修飾。將透過驗證性因素分析(Confirmatory factor analysis；CFA)以檢驗各個問項是否有正確對應至同一個構面上，並採用主成分 分析法進行因素萃取，來確保每一個變數的衡量題項只能萃取出一個成分；當測 量題目的因素負荷量愈高，判斷題目能夠反映潛在變數的能力愈高。
然而，過低的因素負荷量或過高的交叉因素負荷量，皆會使各構面的內部效 度與區辨效度不足，故經過因素分析後，刪除不佳之題項共計 16 題，「公會認同」
2 題（我覺得自己與公會裡的成員互有連結、我與公會裡的成員有許多共同點）、
「遊戲認同」3 題（這個遊戲對我來說不只是一個遊戲、玩這個遊戲代表了部分 的我、玩這個遊戲對我來說不只是一個嗜好）、「虛擬角色相似性認同」2 題（我 的虛擬角色就是我的延伸、我認同我的虛擬角色）、「虛擬角色希望性認同」2 題
（我的虛擬角色擁有我所想要的特徵、我的虛擬角色對我而言是一個好榜樣）、
「虛擬角色臨場感體驗」1 題（當我進行遊戲時，我感覺我的虛擬角色的軀體好 像就是我自己的軀體）、「公會成員相似性」2 題（我和我的公會成員有著相似的 喜好、我和我的公會成員有著相似的價值觀）、「公會成員獨特性」2 題（我覺得 我公會的成員進行遊戲的方式和其他公會的成員不同、我的公會有某些別的公會 沒有的玩家高手）及「公會成員尊榮感」2 題（這個線上遊戲的其他玩家認為加 入我所屬的公會是值得自豪的、我的公會成員擁有好名聲）。
此外，由驗證性因素分析之結果可以得知：χ2(558)= 1084.988，p = .00；NNFI
= .98；CFI= .98；IFI= .98；RFI= .95； RMSEA = .05；SRMR=.05，故衡量模型 之配適度為佳。
44
表 4-3 樣本因素分析及信效度檢定
變數 題號 衡量題項 平均值 標準差 Factor
loading Cronbach‘s α AVE
相似性認同
1 我的虛擬角色和我個人本身在很多地方是很像的。 3.99 1.47 .87
.92 .75
3 我的虛擬角色和我很相像。 3.75 1.55 .91
5 我本身很像我的虛擬角色。 3.66 1.54 .94
6 我的虛擬角色和我極為相似。 3.76 1.54 .87
6 我的虛擬角色和我極為相似。 3.76 1.54 .87