第四章 資料分析與研究結果
4.2 結構方程式分析
4.2.3 結構方程模式的實施
SEM 模式的實施的階段一為模式的發展，如(圖 4-1)，其步驟為理論的發展、模 式的設定、模型的辨識。本研究依照模式的發展流程整理如下：
一、 理論的發展:從第二章文獻探討中已充分說明了本研究所提模型之相關文獻，而 本研究架構的理論發展，主要是以 Ajzen(1985)年提出的計畫行為理論為理論基
理論發展
(Theoretical Development)
模式設定
(Model Specification)
模型辨識
(Model Identification)
抽樣與量測
(Sampling and Measurement)
參數估計
(Parameter Estimation)
模型契合度估計 (Assessment of Fit)
模型修飾
(Model Modification)
討論與結論
(Dicussion and Conclusion)
礎，並透過整理有關計畫行為理論、經濟壓力、過去經驗之相關文獻，歸納出 影響減緩手機依賴行為意圖的相關因素，藉以提出一個能夠適用於減緩手機依 賴之理論模型，以探討其減緩手機依賴的行為意圖。
二、 模式的設定:在第三章中研究方法之中說明了研究模式的內涵，本研究模型之自 變數包括了「過去經驗」、「知覺行為控制」、「主觀規範」、「經濟壓力」，
而在依變數的部份為「行為意圖」，中介變數為「態度」。在相關性設定方面
「主觀規範」、「經濟壓力」會影響「態度」，而「過去經驗」、「知覺行為 控制」、「主觀規範」、「經濟壓力」、「態度」會影響「行為意圖」。
三、 模型的辨識:在第三章操作型定義中已將本研究各變數進行明確的定義，本研究 根據變數操作化定義，篩選文獻中具有較佳的信度與效度之量表來進行操作 化。本研究詳細的問項可參考表 3-3。在操作型定義部份整理為以下說明：
(一)過去經驗: 手機使用者過去是否有減緩使用手機的經驗。
(二)知覺行為控制：手機使用者對於減緩手機使用時，自己行為的控制力。
(三)主觀規範：手機使用者對於減緩手機使用時，所感受來自重要他人或團體的 壓力。
(四)態度：手機使用者對於減緩手機使用的信念與評價。
(五)行為意圖：手機使用者對於減緩手機依賴的意願。
(六)經濟壓力：手機使用者因為手機費用與家庭經濟而減緩手機使用。
SEM 分析流程的階段二是評估與鑑定，其步驟為抽樣與量測、參數的估計、模型 契合度的估計與模型的修飾、討論與結論(此部份以第四節進行討論)。本研究依照評 估與鑑定階段流程整理如下：
一、抽樣與量測:本研究是採用問卷調查法，而抽樣的方式是採取非隨機抽樣，所抽 樣的樣本需是台灣地區手機使用者。總計回收 779 份有效問卷，台灣整體樣本 基本資料分析的結果發現：各項統計皆合理，因此本研究樣本具有代表性。
二、參數的估計:在參數的估計方面，先計算出標準化迴歸係數、共變數、多元相關 係數的平方等參數以進行模型的顯著性、相關性與解釋力的評估，以提供模型 修飾時所必須參考的基本資料。本研究在模式修正前以 AMOS 軟體計算出上述之 參數，以提供模型修正的參考資料。
三、模型契合度的估計與模型的修飾:本研究採用驗證性因素分析(Confirmatory Factor Analysis, CFA)，主要評估觀察變數與潛在變數的信度、效度、估計參數的顯著水 準。方法是在整體模式考量下設定觀察變數與構面之間的因果關係以及各構念的 相關性之後進行修正，並參考模型適配度的指標排除影響適配度之變數。修正的 步驟包含信度檢驗、模型各構面 CFA 的檢驗及二階 CFA 模式修正三項。第一步驟 的信度檢驗主要是要在進行 SEM 結構模型之前，先將信度不符合標準的變數予以 排除；第二步驟的模型各構面 CFA 檢驗是要參考模型適配度指標的理想值，排除 影響適配度之變數，以獲得各構面的變數良好的適配性；第三步驟的二階 CFA 模 式修正，是要以整體結構方程模型進行適配度的檢驗，排除影響整體適配度之變 數後，以得到具有良好適配度的研究模型。以下分別說明整體模型修正的過程：
(一)信度檢驗：本研究根據 Cronbach(1951)所認為信度的標準：α 值小於或等於 0.35 為低信度；α 值大於 0.35 且小於 0.7 為中信度；α 值大於或等於 0.7 為 高信度。Item to Total Correlation 的值以大於 0.6 為佳，最低不宜小於 0.35(Hair et al.1998)。因為正式研究需要更嚴謹的標準，因此與前測 0.5 標 準不同，以整體的資料為評估基礎，刪除 Item to Total Correlation 低於 0.6 以下之變數，而刪除的變數為態度之「問項 1」，行為意圖之「問項 7」，
而結果如(表 4-5)。刪除後態度各題項的 Item to Total Correlation 分別 為 0.767、0.788、0.765、0.661、0.795，而整體的 Cronbach，s α值由 0.889 上至 0.902，行為意圖各題項的 Item to Total Correlation 分別為 0.739、
0.653、0.713、0.686、0.737、0.568，而整體的 Cronbach，s α值由 0.882 變成 0.876。
表 4-5 初始信度彙整表 研究
構面 問項內容
Item to Total Correlati
on
Cronbach，s α
過去 經驗
1.我曾經因為家人不喜歡我經常使用手機而減
少手機的使用時間和次數。 0.682
0.887 2.我曾經因為朋友/同學不喜歡我經常使用手機
而減少手機的使用時間和次數。 0.729
3.我曾經因為主管/師長不喜歡我經常使用手機
而減少手機的使用時間和次數。 0.740
4.我曾經因為擔心視力受影響而減少手機的使
用時間和次數。 0.720
5.我曾經因為不想過度依賴手機而減少手機的
使用時間和次數。 0.675
6.我曾經因為睡眠不足影響生活作息而減少手
機的使用時間和次數。 0.674
知覺 行為 控制
1.如果為了在功課和學業上投入更多的注意力 而要減少手機的使用時間和次數，我相信我可以 減少使用手機。
0.726
0.908 2.如果為了不想過度依賴手機而要減少手機的
使用時間和次數，我相信我可以減少使用手機。 0.795 3.如果為了不想視力受到影響而要減少手機的
使用時間和次數，我相信我可以減少使用手機。 0.786 4.如果為了不想生活作息受到影響而要減少手
機的使用時間和次數，我相信我可以減少使用手 機。
0.807 5.如果我想要減少手機的使用時間和次數，我相
信我有信心可以減少使用手機。 0.721
態度
1.我認為減少手機的使用時間和次數，可以讓我
避免電磁波的傷害。 0.489
0.889 2.我認為減少手機的使用時間和次數，可以讓我
有更多時間睡覺。 0.771
3.我認為減少手機的使用時間和次數，可以讓我
有更多時間運動。 0.776
4.我認為減少手機的使用時間和次數，可以讓我
有更多時間跟家人和朋友互動。 0.746
5.我認為減少手機的使用時間和次數，可以讓我
避免視力受到影響。 0.690
6.我認為減少手機的使用時間和次數，可以讓我
投入更多時間在課業或工作上。 0.771
表 4-5 初始信度彙整表(續) 研究
構面 問項內容
Item to Total Correlati
on
Cronbach，s α
主觀 規範
1.因為我有某些家人開始減少手機的使用時間
和次數，所以我覺得也應該開始減少使用。 0.881
0.939 2.因為我有某些朋友/同學開始減少手機的使用
時間和次數，所以我覺得也應該開始減少使用。 0.891 3.因為我有某些主管/師長開始減少手機的使用
時間和次數，所以我覺得也應該開始減少使用。 0.884 4.因為某些專家開始呼籲減少手機的使用時間
和次數，所以我覺得也應該開始減少使用。 0.766
經 濟 壓力
1.因為經濟壓力，我會想要減少手機的使用次
數。 0.693
0.894 2.因為經濟壓力，我會想要減少每次講電話的時
間。 0.831
3.因為經濟壓力，我會想要減少下載付費的 APP
程式/遊戲軟體。 0.736
4.因為經濟壓力，我會想要降低撥打手機的費
用。 0.807
行 為 意圖
1.我計畫在未來可以減少手機的使用時間和次
數。 0.738
0.882 2.我計畫在未來可以減少隨身攜帶手機的次數。 0.635
3.我計畫在未來可以減少手機上網和玩遊戲的
時間。 0.717
4.我計畫在未來可以規劃好開、關機的時間。 0.676 5.我計畫在未來可以嘗試放假/無聊時儘量不使
用手機。 0.732
6.我計畫在未來可以嘗試家人或朋友聚會時儘
量不使用手機。 0.620
7.我計畫在未來可以嘗試上班/上課時儘量不使
用手機。 0.585
(二)模型各構面 CFA 檢驗:在進行模型各構面 CFA 的檢驗之前，首先必須了解何 謂 SEM 適配指標，依據所整理出的適配度指標說明可以分別的瞭解各適配 度指標的作用以及理想值，並做為適配度檢驗時的參考依據，因此先瞭解 以下適配度指標說明後，再進行模型各構面 CFA 的檢驗(如表 4-6)。
1. χ2/df：二者的比值做為模式適配度是否契合的指標，卡方自由度比值愈 小，表示假設模式的共變異數矩陣與觀察資料間愈適配。
2. GFI：類似於迴歸分析中的 R 平方，表示假設模式共變異數可以解釋觀 察資料共變異數的程度，理想值＞0.9。
3. AGFI： AGFI 是考慮模式複雜度後，將適合度指標 GFI 以自由度調整。
使不同自由度的模式能以相同的基礎進行比較，理想值＞0.9。。
4. NFI：反應了假設模型與一個觀察變數間沒有任何共變假設的獨立模型 之差異程度，理想值＞0.9。
5. IFI：是指增值適合度指標，其值有可能大於 1，理想值＞0.9。
6. TLI：用來比較二個對立模式之間的適配程度，或者用來比較所提模式 對虛無模式之間的適配程度，其值可能大於 1，理想值＞0.9。
7. CFI：在測量從限制模式到最飽和模式時，非集中參數的改善情形，其 值可能大於 1，理想值＞0.9。
8. RFI：指相對適合度指標，其值大於或等於 0.95 時，則模式的適配度相 當完美，理想值＞0.9。
9. SRMR：為平均殘差共變異數標準化的總和，其值範圍介於 0 至 1 之間，
理想值＜0.1。
10. RMSEA：衡量某個具有未知但適當選定參數值之模式，用來適配母群 體共變數矩陣時的適配程度，理想值＜0.08。
表 4-6 適配度指標彙整說明表 適配度指標 理想值 建議學者 說明
χ2/df ＜5 Bollen(1989) 由於卡方值對於大樣本與觀察值偏離常態分 配相當敏感，因此當樣本數多且資料偏離常態 分配嚴重時，卡方值自然會變大，此時應再參 考其他的衡量指標。調整後的卡方值，較不受 樣本大小的影響。
GFI ＞0.8 Scott (1994) GFI 與樣本數大小無關，且其對於偏離常態分 配具有相當的穩定性，意義為假設模型可以解 釋觀察資料的比例。
AGFI ＞0.8 Scott(1994) GFI 受樣本數影響很大，AGFI 可以調整 GFI 的大小，用以避免受樣本數大小影響。當 AGFI 愈接近 1 時，表示模式適合度愈佳，反之則表
適配度指標 理想值 建議學者 說明 NFI ＞0.9 Bentler &
Bonett(1980)
模式基準合適尺度，比較假設模型與獨立模型 的卡方差異。
IFI ＞0.9 Bentler &
Bonett(1980)
增值適配指數，又稱「Delta2」，是根據預設 模式的乖離度，獨立模式的乖離度的值來計 算。
TLI(NNFI) ＞0.9 Bentler &
Bonett(1980)
非規範適配指標，對規範適配指標(NFI)作自 由度調整，用來避免受樣本數大小影響。
CFI ＞0.9 Bentler &
Bonett(1980)
比較適配指標，屬於非中心性分配，小樣本也 適用，用來說明研究者的模式較虛無模型的改 善程度。
RFI ＞0.9 Bentler &
Bonett(1980)
是根據預設模式的乖離度，獨立模式的乖離度 的值來計算。
SRMR ＜0.1 Hu&Bentler (1999)
標準化的均方根殘差，是平均殘差共變標準化 的總和，用來標準化研究模式的整體殘差，以 瞭解殘差特性。
RMSEA ＜0.08 Browne &
Cudeck(1993) Jarvenpaa et al.(2000)
近似誤差均方根，比卡方較不受樣本數大小影 響，研究者的模式與飽和模式的差距，越小越 好。
資料來源: 吳明隆(2009)、蕭文龍(2009)
所謂模型各構面 CFA 的檢驗，就是對於各個研究構面先各別進行模型適配 度的檢驗，如果各構面的適配度高，相對後續進行二階 CFA 模式檢驗時就更容 易適配。相反的，構面適配度過低就要考慮該構面是否不加入二階 CFA 模式修 正，或者必須重新進行此構面模式的設定。模型各構面 CFA 的檢驗並非最後模 型的結果，因此先以χ2/df、GFI、AGFI、CFI、RMSEA 等模式適配度指標進行 適配度的檢驗，待檢驗完成之後，再以完整的二階 CFA 模式進行適配度指標的 檢驗與結果的說明。本研究將模型各構面 CFA 的檢驗整理如以下各表，從修正 前與修正後的比較可以發現各研究構面的適配度都提升了，以下分別從各研究構 面修正的過程進行說明：
1. 過去經驗：從過去經驗構面觀察，在修正後刪除變數「過去經驗 5」，原因
「過去經驗 5」、「過去經驗 6」兩個變數的測量誤差彼此間具有高度的關係 (e5 e6 MI=50.694)，從「過去經驗 5」、「過去經驗 6」兩個變數比較，
因素負荷量低者予以刪除，故刪除「過去經驗 5」。因此將此變數刪除再進