第四章 資料分析與討論
第四節 研究模式與假說驗證
本研究使用 SmartPLS3.0 版本進行路徑係數分析，上兩個章節已針對個別問 項、構面的效度及信度進行分析，從各項數值中可知各構面皆具有信度和效度，
因此本章節將進行各構面和變數之間的實質關係檢測。
因 SmartPLS 3.0 版本之驗證不提供顯著性，因此採用拔靴法（BootStrapping）
用以分析路徑係數（Bollen and Stine，1992），透過樣本重新取樣的過程進行顯 著性檢驗，因此，當 t 值大於 1.96 時，則 p 值小於 0.05，表示已達顯著標準（以
*表示）；當 t 值大於 2.58 時，則 p 值小於 0.01，表示為非常顯著（以**表示）。
根據本研究結構模式路徑分析的結果如下圖 4-1，本研究所提出的六項假設有五 項獲得支持，獲得的結論如下所述：
一、研究假設
茲分別說明研究架構中的六個研究假設。
（一）H1：中學生之人格特質對參與日本動漫的動機程度有正向顯著影響。
由最小平方法（PLS）統計分析結果可知，中學生人格特質與參與日本 動漫休閒活動之休閒動機程度的路徑係數為 0.3579，t 值為 6.693，由於 6.693
＞2.58，達到 p < 0.01 之顯著水準，故假說 H1 成立。
（二）H2：中學生之人格特質對參與日本動漫的涉入程度沒有正向顯著影響。
由最小平方法（PLS）統計分析結果可知，中學生人格特質與參與日本 動漫休閒活動之休閒涉入程度的路徑係數為-0.002，t 值為 0.039，由於 2.58
＞0.039，並未達到 p < 0.01 之顯著水準，故假說 H2 不成立。
（三）H3：中學生之人格特質對參與日本動漫的休閒效益有正向顯著影響。
由最小平方法（PLS）統計分析結果可知，中學生人格特質與參與日本 動漫休閒活動之休閒效益程度的路徑係數為 0.729，t 值為 2.184，由於 2.184
86
＞1.96，達到 p < 0.05 之顯著水準，故假說 H3 成立。
（四）H4：中學生參與日本動漫的動機程度對休閒效益有正向顯著影響。
由最小平方法（PLS）統計分析結果可知，中學生參與日本動漫休閒活 動的動機程度對休閒效益程度的路徑係數為 0.171，t 值為 3.294，由於 3.294
＞2.58，達到 p < 0.01 之顯著水準，故假說 H4 成立。
（五）H5：中學生參與日本動漫的涉入程度對休閒效益有正向顯著影響。
由最小平方法（PLS）統計分析結果可知，中學生參與日本動漫休閒涉 入的動機程度對休閒效益程度的路徑係數為 0.729，t 值為 14.941，由於 14.941
＞2.58，達到 p < 0.01 之顯著水準，故假說 H5 成立。
（六）H6：中學生參與日本動漫的動機程度對休閒涉入有正向顯著影響。
由最小平方法（PLS）統計分析結果可知，中學生參與日本動漫休閒涉 入的動機程度對休閒效益程度的路徑係數為 0.729，t 值為 22.041，由於 22.041
＞於 2.58，達到 p < 0.01 之顯著水準，故假說 H6 成立。
二、可解釋變異量分析
關於不同人格中學生參與日本動漫休閒活動的休閒動機、休閒涉入與休 閒效益已經在上述中獲得驗證，因此本段將進行可解釋變異量之探討，本研 究模型之依變數的解釋力（
coefficeint of determination，
或稱 R2、R square）進行分析，其結果：
（一）中學生人格特質與參與日本動漫休閒活動之休閒動機可解釋變異量為 12.7％，所以對於休閒參與動機程度，有一定程度預測力。
（二）中學生人格特質與參與日本動漫休閒活動之休閒動機對於休閒涉入的 合併可解釋變異量達 53.1％，因此人格特質、休閒動機程度兩個變項
87 能有效預測休閒效益。
（三）參與日本動漫休閒活動的動機、涉入程度對於休閒效益的合併可解釋 變異量達 74.2％，所以參與日本動漫休閒活動的休閒動機、休閒涉入 兩個變項能有效預測休閒效益。
以上，顯示本研究模型的解釋力相當不錯。
表 4-17
本研究假說檢定之整理表
假說 假說內容 路徑係數 t 值 是否成立
H1 中學生之人格特質對參與日本動漫相關 活動的動機程度有正向顯著影響。
0.358 6.693** 是
H2
中學生之人格特質對參與日本動漫相關
活動的涉入程度有正向顯著影響。 -0.002 0.039 否
H3
中學生之人格特質對參與日本動漫相關
活動的休閒效益有正向顯著影響。 0.729 2.184* 是
H4
中學生參與日本動漫相關活動的動機程
度對休閒效益有正向顯著影響。 0.171 3.294** 是
H5
中學生參與日本動漫的涉入程度對休閒
效益有正向顯著影響。 0.729 22.041** 是
H6 中學生參與日本動漫的動機程度對休閒 涉入有正向顯著影響。
0.729 22.041** 是
*p<0.05；**p<0.01（t 值）
88
*p<0.05；**p<0.01（t 值）
89