第四章 資料分析
第三節 結構方程模式
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 65 -
s1 .602 .830
s2 .576 .835
s3 .584 .833
s4 .688 .814
s5 .657 .820
s6 .689 .813
i1 .874 .935
i2 .846 .943
i3 .908 .924
i4 .884 .932
b1 .896 .940
b2 .928 .916
b3 .890 .944
第三節 結構方程模式
本 研 究 架 構 之 建 立 是 以 文 獻 理 論 為 基 礎 ， 故 先 進 行 驗 證 性 因 素 分 析 (Confirmatory factor analysis, CFA) ，以驗證假設模型本身是否適配於原理論。研 究架構模型必須符合信度及效度。本小節將針對結構方程模式衡量模型步驟中，
對信度及效度進行再次驗證，其中，效度包含整體配適度、收斂效度及區別效度。
一、 驗證性因素分析 (Confirmatory factor analysis, CFA)
(一) 模型基本配適度
本研究初始 CFA 模型如圖 4-5。Chi Square 為 162.866，自由度為 51，p 值 為 0。Normed Chi Square 為 3.193，未小於一般建議標準 3 (Hair et al., 2010)，代 表此模型的配適度不夠理想。因此，本研究為了改善模型的配適度，接著將對模 型進行修正指標 (Modification Index, M.I.) 。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 66 -
圖 4- 5 初始未 M.I. CFA model
模型修正的目標是使 Chi Square 減少，而讓 p 值增加，由表 4-18 中可看到 M.I.值，其中以 e3 e4 = 15.069 為最大，若增列誤差項 e3 與誤差項 e4 間的共 變關係，則可以降低 Chi Square，亦即如果 e3 與 e4 建立起關聯，將使 Chi Square 減少 15.069。因此，對 e3 及 e4 建立起關聯後，則進行模型 M.I.的修正。在第一 次 M.I.修正後的 Normed Chi Square 為 2.831，已小於衡量標準 3，但仍有相關的 誤差變數可建立關聯，為了讓模型的配適度更佳，仍繼續進行 M.I.，直到無相關 的誤差變數可建立關聯，則表示已達配適度最佳。由表 4-19 中可看到第一次模 型修正後的 M.I.值，其中有相關的誤差變數中以 e6 e7 = 9.793 為最大，因此
‧
‧
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 70 -
圖 4- 6 修正後 CFA model
‧
Model Fit Indices Criterion Guidelines CFA Results
Chi-square 111.577
Degree of freedom 48
Absolute fit measures
Normed chi-square < 3 (Hair et al., 2010) 2.325 GFI > .80 (MacCallum & Hong, 1997) 0.965 RMSEA < .10 (Steiger, 1990) 0.051 SRMR < .05 (Jöreskog & Sörbom, 1992) 0.031 Increametal fit measures
NFI > .90 (Bentler, 1992) 0.978 CFI > .90 (Gerbing & Anderson, 1992) 0.987 Parsimony fit measurement
AGFI > .80 (MacCallum & Homg, 1997) 0.943
(二) 組合信度與效度
信度分析是指各個衡量變數的可信度，亦即變數衡量結果的穩定性程度或一 致性。組合信度 (Composite Reliability, CR) 可作為檢定潛在變項的信度指標，
此種信度檢定值又可稱建構信度 (Construct reliability) 。本研究針對研究模型中 所有樣本的三個構念進行信度分析，當潛在變數的 CR 值越高，則代表其測量變 數是高度相關的，皆在衡量相同的潛在變數，也更能準確地測量出該潛在變數。
一般建議衡量標準為 CR 值須大於 0.7 (Hair et al., 2010) ，而本研究信度分析的 結果如表 4-21 所示，皆達衡量標準 0.7 以上，即表示本研究的構念具有良好的 內部一致性。
平均變異數抽取量 (Average Variance Extracted, AVE) 可以直接顯示被潛在 構念所解釋的變異量有多少的變異量是來自測量誤差，若是平均變異數抽取量越 大，則表示指標變項被潛在變項構念解釋的變異量百分比越大，相對地測量誤差
‧
就越小。一般判別的標準是平均變異數抽取量要大於 0.5 (Fornell & Larcker, 1981)。
平均變異數抽取量是潛在變項可以解釋其指標變項變異量的比值，是一種收斂效
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 73 -
即表示此模型中各構念間的關係小於構念內的關係，則可認定該衡量模型具有區 別效度 (Fornell & Larcker, 1981)。本研究各構念之平均變異數抽取量之平方根與 各構念間之相關係數如表 4-24。該表對角線的數值為 AVE 的平方根，非對角線 為各構念間相關係數，由此表可知各構念之 AVE 的平方根皆大於各構念與其他 構念間的相關係數，即表示測量模型具有良好的區別效度。
表 4- 24 區別效度分析結果
價格敏感度 行動比價意圖 行動比價行為
價格敏感度 0.72
行動比價意圖 0.36 0.90
行動比價行為 0.32 0.77 0.94
二、 結構方程模式
本研究模型之標準化路徑係數 (尚未依自我效能高低分群) 如圖 4-7 所示。
價格敏感度與行動比價意圖之路徑係數為 0.36，R 解釋力為 0.13；行動比價意2 圖與行動比價行為之路徑係數為 0.77，R 解釋力為 0.59。由該圖可知價格敏感2 度與行動比價意圖為正向關係；行動比價意圖與行動比價行為亦為正向關係。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 74 -
圖 4- 7 模型標準化後之路徑係數
三、 多群組分析 (Multiple-group Analysis)
多群組分析的目的在於探討一個適配於某一樣本群體的模型，是否也適配於 其他不同樣本的群體 (吳明隆，2009) ，亦即評估本研究所提出的理論模型，在 不同樣本群體間是否相等。在多群組分析中，分組變數可作為干擾變數 (如將自 我效能分為高、低兩類族群) ，分別檢視在模型中變數的關係是否有顯著性的差 異。本研究欲探討自我效能高低群組之間在重要變數間的係數有無顯著差異，而
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 75 -
有無顯著差異在企業的策略運用上具有重要意涵。因此本研究的分組變數即為行 動裝置之自我效能。
本研究在 504 份的有效樣本中，利用中位數將行動裝置之自我效能區分為高、
低自我效能兩類，其中高自我效能組為 255 個樣本數；低自我效能組為 249 個樣 本數。在多群組分析中模型分為兩種，無設限模型 (Unconstrained Model) 與有 設限模型 (Constrained Model) ，其中，有設限模型的設限式為在高低兩類群體 間的價格敏感度與行動比價意圖間的係數相同 (即 b1_1 = b1_2 ；b1_1 為低自我 效能群的價格敏感度與行動比價意圖間之係數，b1_2 為高自我效能群的價格敏 感度與行動比價意圖間的係數) 。
理論上，無設限模型分析後結果會優於有設限模型之結果，但其結果有無顯 著優於有限制模型，可由分析後 p 值知曉。在假設無設限模式為真的情況下，其 分析結果如圖 4-8、圖 4-9 和表 4-25。由表 4-25 可知 p 值 = 0.047 < 0.05，表 示假設成立，無設限模型顯著地比有設限模式較佳，有設限模型之設限式 b1_1 = b1_2 是不成立的，亦即表示高、低行動裝置自我效能兩組的價格敏感度與行動 比價意圖間之係數 (因素負荷量) 上具有顯著地差異。由此可推斷低自我效能群 的價格敏感度與行動比價意圖間之係數 (0.31) 與高自我效能群組的價格敏感度 與行動比價意圖間之係數 (0.42) 具有顯著差異。因此，可以合理推斷行動裝置 之自我效能對於價格敏感度與行動比價意圖之關係具有干擾效果。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 76 -
圖 4- 8 低自我效能群組分析路徑係數
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 77 -
圖 4- 9 高自我效能群組分析路徑係數
表 4- 25 多群組分析結果
Assuming model Unconstrained to be correct:
DF CMIN P NFI
Delta-1
IFI Delta-2
RFI rho-1
TLI rho-2 1 3.963 .047 .001 .001 .001 .001
為了進一步瞭解行動裝置之自我效能的實際干擾效果，如圖 4-10 所示，為 行動裝置自我效能與價格敏感度之交互作用對於行動比價意圖之效果。本研究根 據行動裝置之自我效能的中位數將受試者切割成高分組與低分組兩群，又根據價
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
- 79 -