本章將說明研究分析之結果，檢驗內容依序為樣本特性分析，再來是衡量模 式之驗證性因素分析(Confirmatory factor analysis, CFA)，包含了信度、效 度與衡量模式之檢驗，最後則是結構方程式，對於構念間的關係檢測，並對本研 究假說進行檢定。
第一節 樣本特性分析
本研究共回收 600 份問卷，剔除無效及多餘問卷後，最後總計 480 份，每一 份問卷的版本分別有 30 份，共 16 個版本。經由問卷回收過後所進行的統計分析 結果，在性別分配的部分，男生佔比 46.7%，女生佔比 53.3%，共 480 人；在年 紀的部分，20 歲以下佔比 16.7%、21-30 歲佔比 62.7%、31-40 歲佔比 11.7%、41-50 歲佔比 6%、51 歲以上佔比 2.9%；在教育程度方面，大部分受試者為大學(專)畢 業，其佔比 59%，另碩士以上者亦佔比 22.5%；最後在職業類別方面，學生佔比 35.2%為最高，服務業則佔比 18.5%。相關數據資料如下所示：
性別 次數 百分比 有效百分比 累積百分比
有效的
男生 224 46.7 46.7 46.7
女生 256 53.3 53.3 100.0
總和 480 100.0 100.0
表 4-1 性別比例表
年紀 次數 百分比 有效百分比 累積百分比
有效的
20歲以下 80 16.7 16.7 16.7
21-30歲 301 62.7 62.7 79.4
31-40歲 56 11.7 11.7 91.0
41-50歲 29 6.0 6.0 97.1
51歲以上 14 2.9 2.9 100.0
總和 480 100.0 100.0
表 4-2 年紀比例表
教育程度 次數 百分比 有效百分比 累積百分比
有效的
國中(含以下) 17 3.5 3.5 3.5
高中(職) 72 15.0 15.0 18.5
大學(專) 283 59.0 59.0 77.5
57
碩士(含以上) 108 22.5 22.5 100.0
總和 480 100.0 100.0
表 4-3 教育程度比例表
就讀科系 次數 百分比 有效百分比 累積百分比
有效的
醫藥衛生 15 3.1 3.1 3.1
生命科學 6 1.3 1.3 4.4
農林漁牧 6 1.3 1.3 5.6
地球與環境科學 7 1.5 1.5 7.1
建築與設計 19 4.0 4.0 11.0
藝術 31 6.5 6.5 17.5
社會與心理 18 3.8 3.8 21.3
大眾傳播 43 9.0 9.0 30.2
教育 33 6.9 6.9 37.1
商業財經 140 29.2 29.2 66.3
文史哲法政 78 16.3 16.3 82.5
其他 84 17.5 17.5 100.0
總和 480 100.0 100.0
表 4-4 就讀科系比例表
職業類別 次數 百分比 有效百分比 累積百分比
有效的
學生 169 35.2 35.2 35.2
製造業 58 12.1 12.1 47.3
大眾傳播業 12 2.5 2.5 49.8
資訊及科技產業 33 6.9 6.9 56.7
服務業 89 18.5 18.5 75.2
軍公教 54 11.3 11.3 86.5
金融保險業 16 3.3 3.3 89.8
其他 49 10.2 10.2 100.0
總和 480 100.0 100.0
表 4-5 職業類別比例表
58
第二節 信度分析
本研究進行了驗證性因素分析(CFA)，CFA 係依據理論建構事前已假設因素 之存在與其所包含的項目，而後驗證其符合的程度。本研究依照觀念架構設定進 行驗證性因素分析，其結果顯示：χ² = 2268.25, df =674，χ²/df=3.36，
RMSEA=0.077; CFI=0.96; NFI=0.94; IFI=0.96；SRAR=0.046，表示研究模型契 合度佳。
接著採用 Cronbach's α 來量測量表尺度的信度，如果尺度中的所有項目 都反映了相同的特質，則各項目間具備了真實的相關性；若某一項目和尺度中其 他項目之間並無相關性，應剔除該項目後再次進行量測。經由 SPSS 檢測
Cronbach's α 值後，依序可得本量表尺度各構面之值，分別為：
1.謠言傳遞行為：0.941 2.真相調查：0.944 3.關係建立：0.910 4.自我提升：0.907 5.合理性：0.941 6.好笑性：0.920 7.恐怖性：0.955 8.相關性：0.953
由上述可知，Cronbach's α 值皆大於 0.7，甚至皆大於 0.9，表示本研究 正式問卷之量測尺度具備相當良好的信度。
第三節 效度分析
本研究以區別效度(Discriminant validity)進行分析。而若一個測量模型具有區 別效度，其潛在構面間的關係程度必須小於潛在構面內的關係程度，因此，利用 構面間的關係矩陣來加以檢定，潛在變項的平均變異抽取量（Average variance extracted, AVE）之平方根值需大於其他不同構面下的相關係數（Hair et al.,1998 ）。本研究模式構面的相關係數是經由 CFA 報表得知之結果，其原始 PHI 矩陣如下所示：
59
表 4-6：PHI 矩陣表(對角線置換前) 資料來源：本研究整理
而本研究模式潛在變項的平均變異抽取量（Average variance extracted, AVE）之平方根值的計算如下：
1. KSI 1=SM 平均的變異萃取 = 0.85，開根號後 =0.92 2. KSI 2=FN 平均的變異萃取 = 0.75，開根號後 =0.87 3. KSI 3=TL 平均的變異萃取 = 0.85，開根號後 =0.92 4. KSI 4=RL 平均的變異萃取 = 0.83，開根號後 =0.91 5. KSI 5=FA 平均的變異萃取 = 0.74，開根號後 =0.86 6. KSI 6=RE 平均的變異萃取 = 0.64，開根號後 =0.80 7. KSI 7=SE 平均的變異萃取 = 0.62，開根號後 =0.79 8. KSI 8=FW 平均的變異萃取 = 0.74，開根號後 =0.86
是故，將開根號後之平均變異抽取量置入對角線，將可得一新的 PHI 矩陣，
如下表所示：
60
表 4-7：PHI 矩陣表(對角線置換後) 資料來源：本研究整理
如上表可得知，每一個構面的平均變異抽取量全都均大於該構面與其它構面 之相關係數的平方(意指對角線數值皆大於向左或是向下之數值)，因此，可認定 本研究模式構面間具有良好之效度。
第四節 結構方程模式分析-測量模型
針對本研究架構各行為變項間之相互影響關係係採用結構方程模式(SEM)來 檢驗。結構方程模式由測量模型(measurement model)及結構模型(structural model)所組成。測量模型之目的為在了解觀察變項與潛在變項間的關係，本節將 先探討測量模型，並檢視各適配度指標為何，並於下一截探討結構模型，係以路 徑分析(path analysis)來探討潛在變項間的關係。
本研究利用Lisrel軟體8.71進行結構方程模式的分析，Bagozzi 和 Yi（1988）
認為必須從下述指標來評量，分別為：整體模式適配度（overall model fit）
（SEM的外在品質）及模式內在結構適配度（fit of internal structure of model）
（SEM的內在品質）。下一節則會附上路經圖資料和結果。
一、 模型整體適配度評鑑
本研究以 LISREL8.71 版進行驗證性因素分析，在「整體模型適配度方面」， χ2(674)=2268.5， p=0.0 已達顯著。Hayduk(1987)認為/ d.f.小於3，可視為
61
良好之配適，其他學者認為其值小於5 即可接受 (Bollen 1989; Hair et al.1998)。本研究χ2/ d.f.為3.36，為可接受之數值。不過由於卡方值很容易 受到樣本與變項分配性質的影響，故不能過度倚賴卡方值來判斷，必須輔以其他 指標來進行評鑑。
Hair et al. (1998) 將由 LISREL 軟體提供 SEM 適配度
(Goodness-of-Fit) 指標值分成三類進行討論，分別是絶對的適配度 (Absolute Fit Measures )，増量的適配度 (Incremental Fit Measures) 和簡約的適配度 (Parsimonious Fit Measures )，整理如下：：
1.絕對適配度
絕對適配度之目的在於檢驗模型可以預測觀察資料的共變數矩陣或相關矩 陣的程度，也就是說，評鑑一個是前的模式能夠再製樣本資料的程度，常用的指 標有、SRMR(標準化均方根殘差，standardized root mean square residual)、
RMSEA(近似誤差均方根，root mean square error of approximation)等等，分 述如下：
(1)SRMR 指標
為殘差共變標準化的總和，學者 Jöreskog&Sörbom(1982)認為 SRMR 應該要小於 或等於 0.05(黃芳銘，2004)；學者 Hu&Bentler,1999 則以 0.08 為接受值(邱皓 政，2006)，本研究獲得之值為 0.046，故符合適配標準。
(2)RMSEA 指標
此指標為比較模式與飽和模式的差距，RMSEA 之數值等於或小於 0.05 表示理論 模式可以被接受，通常將此訂為「良好適配(good fit)」，0.05 到 0.08 之間可 以視為是「不錯的適配(fair fit)」，0.08 到 0.10 之間則是「普通適配(mediocre fit)」，大於 0.10 表示不良適配(黃芳銘，2006)。本研究獲得之值為 0.077，故 本研究之模式具有不錯的適配程度。
2.增量適配度
此適配度目的在於用一個比較嚴格的或是套層的基線模式來和理論模式比 較，測量其適配改進比率的程度，包含 IFI(增值適配指標，incremental fit index)、NNFI(非規範適配指標，non-normed fit index)與 CFI(比較適配指標，
comparative index)，分述如下：
(1)IFI 指標
是以母群體為基礎的、樣本獨立的、以相對於基線模式來評鑑適配的指標，其值 會介在 0 與 1 之間，一般建議之標準為為 0.90 以上，本研究之 IFI 為 0.96，
符合適配標準。
(2)NNFI 指標
62 指標，parsimonious normed fit index)與 PGFI(簡效良性適配指標，arsimonious goodness of fit index)兩大指標，一般建議大於 0.50 以上為模型的接受標準，
本研究中 PNFI=0.86，PGFI=0.68 均超過 0.50，顯示本模式達可接受標準。
茲整理各式整體適配度評鑑指標如下表： Composite Reliability) 以及平均變異數抽取量(AVE, average variance extracted)來衡量測量模型的信度與效度。觀察變項的因素負荷量必須達到顯著 水準，且大於 0.45(Bentler & Wu,1993; Jöreskog & Sörbom, 1989;黃芳銘，
2004)。觀察變項個別信度的部分，以多元相關平方(SMC,Squared Multiple
63
Correlation)來衡量個別測量題目的信度。SMC 反應了個別測量變項受到潛在變 項影響的程度，SMC 越高，則表示信度越高。Bagozzi & Yi（1988）認為理想觀 測變數的 SMC 值應大於 0.5，也有學者主張 SMC 大於 0.2 即可(Bentler&Wu,1993;
Jöreskog & Sörbom, 1989;黃芳銘，2004)。
潛在變項的組成信度部分，則是評估潛在變項中各測量變項的內部一致性，
計算的公式為：(標準化因素負荷量的總和)2/(標準化因素負荷量的總和)2/+測 量誤差的總和，根據 Hair et al.(1998)的建議，組成信度應在 0.7 以上為佳。
潛在變項的平均變異數抽取量則是個別構面中，所有觀察變項的變異數被潛在變 項解釋的程度，Hair et al.(1998)建議 AVE 值應該要大於 0.5 為佳，計算的公 式為：(標準化因素負荷量 2)的總和/(標準化因素負荷量 2)的總和/+測量誤差的 總和。
本研究各變項構面之標準化因素負荷平方後的總和、測量誤差之總和、構面 信度、變異萃取、平均的變異萃取分別如下：
1. SM 構面
標準化因素負荷平方後的總和 = 0.88+0.93+0.94+0.93=3.68 測量誤差之總和 =0.22+0.14+0.11+0.14=0.61
構面信度=(3.68)2/(3.68)2+0.61=0.96 查看報表結果：
Squared Multiple Correlations for X - Variables SM1 SM2 SM3 SM4
0.78 0.86 0.89 0.86 變異萃取 = 3.68
3.68+0.61 =0.86
平均的變異萃取 = (0.78+0.86+0.89+0.86)/4=0.85
2. FN 構面
標準化因素負荷平方後的總和 =0.68+0.94+0.96+0.87=3.45 測量誤差之總和 =0.54+0.11+0.09+0.25=0.99
構面信度=(3.45)2/(3.45)2+0.99=0.92 查看報表結果：
Squared Multiple Correlations for X - Variables FN1 FN 2 FN 3 FN 4
0.46 0.89 0.91 0.75 變異萃取 = 3.45
3.45+0.99 =0.78
平均的變異萃取 = (0.46+0.89+0.91+0.75)/4=0.75
64
3. TL 構面
標準化因素負荷平方後的總和 =0.89+0.96+0.94+0.88=3.67 測量誤差之總和 =0.20+0.09+0.11+0.22=0.62
構面信度=(3.67)2/(3.67)2+0.62=0.96 查看報表結果：
Squared Multiple Correlations for X - Variables TL 1 TL 2 TL 3 TL 4
0.80 0.91 0.89 0.78 變異萃取 = 3.67
3.67+0.62 =0.86
平均的變異萃取 = (0.80+0.91+0.89+0.78)/4=0.85
4. RL 構面
標準化因素負荷平方後的總和 =0.96+0.98+0.88+0.81=3.63 測量誤差之總和 =0.08+0.03+0.22+0.34=0.67
構面信度=(3.63)2/(3.63)2+0.67=0.95 查看報表結果：
Squared Multiple Correlations for X - Variables RL 1 RL 2 RL 3 RL 4
0.92 0.97 0.78 0.66 變異萃取 = 3.63
3.63+0.67 =0.84
平均的變異萃取 = (0.92+0.97+0.78+0.66)/4=0.83
5. FA 構面
標準化因素負荷平方後的總和 =0.86+0.89+0.83+0.86+0.81+0.90=5.15 測量誤差之總和 =0.25+0.20+0.31+0.26+0.35+0.19=1.56
構面信度=(5.15)2/(5.15)2+1.56=0.94 查看報表結果：
Squared Multiple Correlations for X - Variables FA 1 FA 2 FA 3 FA 4 FA 5 FA 6
0.75 0.80 0.69 0.74 0.65 0.81 變異萃取 = 5.15
5.15+1.56 =0.77
平均的變異萃取 = (0.75+0.80+0.69+0.74+0.65+0.81)/6=0.74
6. RE 構面
標準化因素負荷平方後的總和 =0.63+0.89+0.88+0.79+0.81+0.75=4.75 測量誤差之總和 =0.60+0.21+0.22+0.37+0.35+0.44=2.15
65
構面信度=(4.75)2/(4.75)2+2.15=0.91 查看報表結果：
Squared Multiple Correlations for X - Variables RE 1 RE 2 RE 3 RE 4 RE 5 RE 6
0.40 0.79 0.78 0.63 0.65 0.56 變異萃取 = 4.75
4.75+2.15 =0.69
平均的變異萃取 = (0.40+0.79+0.78+0.63+0.65+0.56)/6=0.64
7. SE 構面
標準化因素負荷平方後的總和 =0.63+0.69+0.82+0.86+0.83+0.87=4.7 測量誤差之總和 =0.60+0.52+0.33+0.27+0.30+0.24=2.26
構面信度=(4.7)2/(4.7)2+2.26=0.91 查看報表結果：
Squared Multiple Correlations for X - Variables SE 1 SE 2 SE 3 SE 4 SE 5 SE 6
0.40 0.48 0.67 0.73 0.70 0.76 變異萃取 = 4.7
4.7+2.26 =0.68
平均的變異萃取 = (0.40+0.48+0.67+0.73+0.70+0.76)/6=0.62
8. FW 構面
標準化因素負荷平方後的總和 =0.84+0.92+0.95+0.70+0.88=4.29 測量誤差之總和 =0.30+0.15+0.10+0.51+0.23=1.29
構面信度=(4.29)2/(4.29)2+1.29=0.91 查看報表結果：
Squared Multiple Correlations for X - Variables FW 1 FW 2 FW 3 FW 4 FW 5
0.70 0.85 0.90 0.49 0.77 變異萃取 = 4.29
4.29+1.29 =0.77
平均的變異萃取 = (0.70+0.85+0.90+0.49+0.77)/5=0.74
茲整理上述結果如下表所述：
潛在變數 觀測變數 因素負荷量 CR AVE Sense-making SM1
SM2
66
Fact-finding FA1 FA2
Forwarding FW1 FW2
67 χ²/df =4.2，RMSEA=0.082; CFI=0.96; NFI=0.94; IFI=0.96；SRAR=0.046，路 徑分析如圖 4-1 所示，並以表 4-10 說明結果如下：
68
H3：
自我提升動機會正向影響網路謠言傳遞的程度，由表 4-10 可以得知，自我提升 動機對於網路謠言傳遞的程度之γ=0.19 (t=4.30, p < 0.01)，故 H3 成立：自 我提升動機愈高， 網路謠言傳遞的程度愈高。
H4：
網路謠言合理性對於激發網路使用者真相調查動機的影響是不顯著的，由表 4-10 可以得知，網路謠言合理性對於網路使用者自我提升動機的程度之γ=0.14
網路謠言合理性對於激發網路使用者真相調查動機的影響是不顯著的，由表 4-10 可以得知，網路謠言合理性對於網路使用者自我提升動機的程度之γ=0.14