結構方程模式分析

經過因素分析，萃取出網站服務品質量表的組成因素構面後，本研究使用 結構方程式模型分析法(Structural Equation Modeling, SEM)來進行假說驗證，檢 定上述會影響企業網站服務品質的可能因素，是否實際影響企業官方網站的整 體服務品質。此外，本研究亦進一步驗證網站服務品質與網站滿意度間的關連，

藉以瞭解網站服務品質的提升是否會增加消費者的使用滿意度。SEM 是一種以 迴歸為基礎(Regression-based technique)的多變量技術，並結合徑路分析，能同 時處理多組變項間的關係，其功能在於探究變數間的因果關係以驗證理論 (MacCallum, Rozmowski, Mar and Reith, 1994，Igbaria, Guimaraes and Davis, 1995)。因此，在使用驗證性研究方法時，研究者所提的研究模式必須具有理論 基礎，由理論來引導因素的結構。

本研究以 LISREL 8.54 軟體進行驗證性因素分析，數據取自本研究問卷有 效樣本共547 份，以經由探索性因素分析萃取因素後所得的七項自變數因素構 面(「網站服務與回應」、「網站使用效率」、「網站資訊品質」、「網站外觀 與視覺吸引力」、「網站隱私權保護」、「網站系統可得性與穩定性」、「網 站連線速度」)等，與「網站整體品質」、「網站整體滿意度」兩項應變數因素 構面，一共九項因素作為潛在變項，而以此九項因素各自被建構的問項變數一 共38 個作為測量變項(見表 4-6：測量變項代號對照表)，來進行模型的分析估計。

表4-6：測量變項代號對照表

SEM 的分析結果如圖 4-3 所示，相關參數估計數值列於表 4-8。由結果顯示，

「網站系統可得性與穩定性」與「網站連線速度」的標準化參數估計值分別為 -0.00 與 0.00，其 t 值則分別為-0.09 與 0.10；顯示此兩項潛在變項對網站整體品 質的影響呈現出不顯著的現象(以 α=0.05 為顯著水準)；而其餘潛在變項對於網 站整體品質的影響則均達顯著。然而，「網站隱私權保護」此潛在變項對「網 站整體品質」卻是呈現負向(t 值= -2.56)的影響，此與本研究架構的預期結果相 反。根據陳順宇(1998)的說法，在迴歸分析中，常出現迴歸係數與相關係數是異 號的情況，這是由於預測變數有高度相關(共線性問題)所造成，這樣的預測變數 稱為「怪異變數(suppressor variable)」。經與專家討論後，認為「網站隱私權保 護」對「網站整體品質」的參數估計值為負值，但經觀察潛在變項間的相關矩 陣，「網站隱私權保護」與「網站整體品質」之間的關係為正向，應屬於「怪 異變數」的現象。

網站外觀與視覺吸引力 網站服務與回應

網站使用效率

網站資訊品質

網站整體品質

網站滿意度 0.26**

網站隱私權保護

網站系統可得性

網站連線速度

0.36**

0.14**

0.00 - 0.00 - 0.08*

0.34**

0.98**

Note: Chi-square=1705.50, P=0.00000, CFI=0.98, RM SEA=0.055, *P<0.01, **P<0.005 .

圖4-3：結構方程模式分析模式圖

資料來源：本研究整理製作

此外，我們發現網站服務品質與網站服務滿意度間的標準化估計值高達 0.98。這樣的結果固然在方法學上可能有兩個構念鑑別效度不足的疑慮，但本研 究衡量整體網站服務品質與整體網站滿意度的量表，來自於不同學者所提出，

且文獻上經常被採用，在內涵上應具有鑑別性。因此，此結果亦可能代表對於 企業官方網站，消費者的滿意程度幾乎完全取決於網站服務品質，顯示企業經 營者若能細心維持消費者對其官方網站服務品質的正面感受，即能有效的提升 消費者對於網站服務的滿意度。

表4-7：結構方程模式分析結果

路徑 標準化參

數估計值 t-value 網站服務與回應 Æ 網站整體品質 0.34 6.55**

網站使用效率 Æ 網站整體品質 0.26 5.66**

網站資訊品質 Æ 網站整體品質 0.36 5.86*

網站外觀與視覺吸引 Æ 網站整體品質 0.14 3.38**

網站隱私權保護 Æ 網站整體品質 -0.08 -2.56*

網站系統可得性 Æ 網站整體品質 -0.00 -0.09 網站連線速度 Æ 網站整體品質 0.00 0.10 網站整體品質 Æ 網站整體滿意度 0.98 4.41**

* p<0.01 ** p<0.005 資料來源：本研究整理製作

《模型配適度分析》

結構方程模式分析中各項配適度指標如表 4-9 所示。Hu and Bentler (1999) 認為GFI 與 AGFI 值一般應高於 0.90 才可以視為具有理想的模型契合度；然而 有學者認為以GFI 值 0.9 以上作為模式適配度標準或許有些保守(Bagozzi and Yi, 1988)，應以 0.8 以上即可(Cuttance, 1987)。AGFI 值之使用亦無所謂標準存在，

必須與模型複雜度、變數及樣本大小等條件做配合衡量。而本研究此次驗證性 因素分析的GFI 值為 0.86，介於 0.8 與 0.9 之間，相當接近 0.9，AGFI 值為 0.84，

兩者均在可接受的範圍內。其餘各項指標中，NFI、NNFI 與 CFI 都是常用的指 標。一般而言，NFI、NNFI 與 CFI 等指數需大於 0.90，模型才可視為具有理想

的契合度( Hu & Bentler, 1999 )，而本研究的 NFI(0.97)、NNFI (0.98)、CFI(0.98) 均超過0.95 的慣用標準，顯示出模型的配適性相當良好。在 RMSEA 指數方面，

過往有研究將門檻訂為0.05 ( Joreskog & Sorbom, 1993; Marcoulides &

Hershberger, 1997 )，Hu & Bentler (1999)則是建議指數低於 0.06 可視為一個好的 模型，高於0.10 表示模型不理想(Browne & Cudeck, 1993)；McDonald & Ho ( 2002 )建議以 0.05 為良好契合的門檻，0.08 為可接受的模型契合門檻上限；而 AGFI (Adjusted Goodness of Fit Index) >0.9 0.84 配適性尚可 NFI (Normed Fit Index) >0.9 0.97 配適性良好 NNFI (Non-Normed Fit Index) >0.9 0.98 配適性良好 CFI (Comparative Fit Index) >0.9 0.98 配適性良好 RFI (Relative Fit Index) >0.9 0.97 配適性良好 RMSEA (root mean square error of approx.) <0.05良好適配

0.05~0.08中度適配

表 4-9(續)：網站服務品質因素模型之結果數據一覽

《模型之信效度》

Hair et al. (1998)建議測量模型分析須確定兩件事：(1)在整體模型的考量 下，驗證模型中的測量變項是否正確的測量到其潛在構面；(2)檢驗是否有負荷 在不同因素的複雜測量變項(Complex Measurement Item)，亦即檢定模式中兩種 重 要 的 建 構 效 度 ： 收 斂 效 度(Convergent Validity) 及 鑑 別 效 度 (Discriminant Validity)。本研究根據Bagozzi and Yi (1988)的建議，挑選三項常用的指標來評鑑 測量模式，各指標說明如下：

1. 個別項目的信度(Individual Item Reliability)：

各測量變項的信度反映了量表用於衡量潛在構面時一致性的程度，運用 LISREL進行模型分析時，各測量變項的信度指標即為R-Square值，分析時以 Squared Multiple Correlation(SMC)來判斷。由表4-10可發現，整體而言各測量變 項之數值甚為理想，僅「網站服務與回應」中的 RES6 (SMC=0.39)與「網站外 觀與視覺吸引力」的 AES3 (SMC=0.36)兩項測量變項的SMC值較低之外，其餘 均有0.4至0.5，甚至高於0.6、0.7以上的水準。表示本研究測量變項整體而言具 有不錯可接受的信度。

2. 潛在變項的組成信度(Composite Reliability，CR)：

潛在變項的CR值是其所有測量變項之信度所組成，Fornell and Larcker (1981)的建議值為0.6以上。由表4-10顯示，各潛在變項的CR值除了「網站系統 可得性」為0.78略低於0.8外，其餘均在0.8以上，全部高於建議值0.6，合乎Fornell and Larcker (1981)的建議標準。

3. 潛在變項的平均變異抽取量(Average Variance Extracted，AVE)：

AVE是計算潛在變項之各測量變項對該潛在變項的平均解釋能力。若AVE

越高，表示該潛在變項有越高的信度以及收斂效度，Fornell ＆ Larcker (1981) 建議AVE值大於0.5表具有良好的信度以及收斂效度，表4-10顯示，只有「網站 服務與回應」此項潛在變項AVE值為0.49，略低於0.5。其餘潛在變項之AVE值 皆高於0.5，可見本研究模型中的大部分潛在變項均具有一定的信度以及收斂效 度。

另外在鑑別效度方面，若一個測量模型具有鑑別效度，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，利用構面間的相關係數矩陣來 加以檢定，潛在變項的平均變異抽取量(AVE)之平方根值需高於該項構面與其它 構面間的相關係數值(Hair et al.,1998)。表 4-10、4-11 為各構面間之相關係數矩 陣。

表4-10：潛在變項間之相關係數矩陣 (I)

構面 RES EFF INQ ASE PRI SYS CON

RES 0.70

EFF 0.59 0.74

INQ 0.74 0.70 0.71

ASE 0.43 0.65 0.59 0.74 PRI 0.51 0.41 0.48 0.43 0.81 SYS 0.54 0.48 0.58 0.38 0.44 0.73 CON 0.51 0.44 0.48 0.37 0.33 0.58 0.87

【註】對角線灰色區域為平均變異抽取量(AVE)之平方根值，對角線下方各欄之值 為各構面間相關係數。RES=網站服務與回應，EFF=網站使用效率，INQ=

網站資訊品質，AES=網站外觀與視覺吸引力，PRI=網站隱私權保護，SYS=

系統可得性。

資料來源：本研究整理製作

表4-11：潛在變項間之相關係數矩陣 (II)

構面 RES EFF INQ ASE PRI SYS CON OvQ OvS OvQ 0.77 0.77 0.83 0.62 0.42 0.52 0.48 0.84 OvS 0.76 0.75 0.81 0.61 0.42 0.52 0.47 0.98 0.85

【註】對角線灰色區域為平均變異抽取量(AVE)之平方根值，對角線下方各欄之值為各構面間相關係數。

RES=網站服務與回應，EFF=網站使用效率，INQ=網站資訊品質，AES=網站外觀與視覺吸引 力，PRI=網站隱私權保護，SYS=系統可得性，OvQ=網站整體品質，OvS=網站整體滿意度。

資料來源：本研究整理製作

由表 4-10 可以得知，「網站資訊品質」之 AVE 平方根值為 0.71，略低於

「網站資訊品質」與「網站服務與回應」的相關係數0.74，但相當接近。另外，

我們發現網站服務品質與網站服務滿意度間的相關係數高達0.98。這樣的結果 固然方法學上雖有兩個構念鑑別效度不足的疑慮，但整體網站服務品質與整體 網站滿意度的量表，各自有其發展脈絡，且於文獻上也常被視為不同的概念，

在內涵上應具有鑑別性。另一方面，滿意度與品質在概念上有其相似之處，

原本即具一定的相關程度，因此文獻上即便當兩者之間呈現高度相關性時，

難以斷言必然有鑑別效度不足的問題(e. g. Yang et al. ,2005)。因此，本研究結果 不可謂完全無鑑別性。滿意度與服務品質彼此間高相關的另一種解釋，亦可能 代表對於企業官方網站，消費者的滿意程度幾乎完全取決於網站服務品質。

除此之外其餘各構面本身AVE 平方根值皆高於其與不同構面之相關係數，具有 良好之鑑別效度。

綜合以上所述，本研究的各測量變項的信度、潛在變項的組成信度(CR)、平 均變異抽取量(AVE)與鑑別效度，絕大部分均符合理想值，表示此次分析模型中 各潛在構面有良好的信效度。

《假說驗證結果》

本部份主要探討檢查經由實證後的模型結果與所提出的假設模型間的一致 性，理論所提出的主要假設關係是否獲得實證結果的支持。結構方程式模型中 的路徑關係，主要以標準化係數呈現，其值愈高表示在構面因果關係中所扮演 的重要性愈高。本研究先前提出的研究架構中之七項假說，其中有五項假說(H1, H2, H3, H6, H7)經過樣本實證分析分析後達到顯著水準，支持這五項假說成立。

本研究假設驗證結果如表4-12所示。而在本研究原先所提出的假設中，H4的「網

本研究假設驗證結果如表4-12所示。而在本研究原先所提出的假設中，H4的「網