第五章 資料分析
第二節 結構模型分析
本節首先會進行衡量模式分析，主要使用驗證性因素分析來加以判斷。首 先衡量驗證性模型之適配度。接著，檢驗測量模型(measurement model)構念的信 度與效度(Hair et al. 1998)，檢驗是否有負荷在不同因素的複雜測量變數(complex measurement item) ， 也 就 是 檢 定 模 式 中 兩 種 重 要 的 建 構 效 度 ： 收 斂 效 度 (convergent validity)及區別效度(discriminant validity)。經過測量模型的評估與檢 驗後，接著進行結構模式分析，此階段注重於觀察因徑係數並檢定研究假說。
一、驗 證 性 因 素 分 析 （ Confirmatory Factor Analysis, CFA）
先考慮測量模型的適配度，本研究使用 LISREL8.70，模型適配度的檢測方 面，本研究則採用以下七項適合度指標：χ２/df（卡方/自由度比例）、GFI（適 配度指標）、NFI（標準化適配指標）、NNFI（非標準化適配指標）、CFI（比 較適配指標）和 RMSEA（近似平均平方根誤差），用來檢測測量模型的適配度，
而在後續檢測結構模型也將以此六項指標為基準。
(1) 卡方/自由度比例
Hair et al.（1998）建議採用卡方／自由度的方式作為衡量指標，以避免 卡方檢定對於樣本數和偏離常態敏感的特性。卡方／自由度後之數值應 小於 3 為標準（Carmines & MacIver, 1981）。
(2) 適配度指標
當適配度指標（goodness-of- fit index；GFI）之值介於 0.80~0.89 之間就
屬合理的適配，而在 0.90 以上就達到最佳適配的標準（Joreskog &
Sorbom, 1988）。
(3) 標準化適配指標與非標準化適配指標
就標準化適配指標（normed fit index；NFI ）與非標準化適配指標
（non-normed fit index；NNFI）而言，在 0.9 以上的水準才能算是好的 模型（Bentler & Bonett,1980；Hair et al., 1998）。
(4) 比較適配指標
Bentler（1988）建議可採用比較適配指標（Comparative Fit Index；CFI）
作為衡量指標，而 CFI 只要高於 0.9 即具有好的適配度。
(5) 近似平均平方根誤差
就近似平均平方根誤差（RMSEA）而言，一般應低於 0.08(Hair et al.,1998)，Browne & Cudeck(1993)則認為 RMSEA 僅需大於 0.1，即具 備良好的適配度。
表 5-6 表測量模型適配度
適配度指標 觀測值 建議值 學者
卡方／自由度（χ2/df） 2.86 ＜3.00 Carmines & MacIver(1981) 適配度指標（GFI） 0.82 ＞0.80 Joreskog & Sorbom (1988) 標準化適配指標（NFI） 0.92 ＞0.90 Hair et al. (1998)
非標準化適配指標（NNFI） 0.93 ＞0.90 Hair et al. (1998) 比較適配指標（CFI） 0.94 ＞0.90 Bentler (1988)
近似平均平方根誤差（RMSEA） 0.099 ＜0.10 Browne & Cudeck(1993) 資料來源：本研究整理
從表 5-6 得知，驗證性因素分析模型之各項指標皆符合標準。顯示測量模型具 有相當的適配度。
在評估衡量模型的適配度後，須評估潛在變數的組合信度、區別效度、收 斂效度。收斂效度評估時可遵循下列兩項準則來評估各個構念的組合信度和萃 取變異量(Hair et al. 1998)。
1. 潛在變數的組合信度(composite reliability)
潛在變數的組合信度應在 0.7 以上，組合信度可用來衡量構念指標的內部ㄧ 致性(internal consistency)，組合信度愈高表示這些指標的一致性愈高，其計 算公式如下：
潛在變數的組合信度=(標準化因素負荷量的總和)/[(標準化因素負荷量的總 和)+測量誤差之總和]。
2. 潛在變數的萃取變異量(variance extracted)
潛在變數的萃取變異量應在 0.5 以上，潛在變數的萃取變異量反映潛在構念 可解釋構念指標多少的變異量，當指標能真實的代表潛在構念時便會有高的 萃取變異量，則表示潛在變數有愈高的信度與收斂效度，其計算公式如下：
萃取變異量=(標準化因素負荷量平方後的總和)/(標準化因素負荷量平方的 總和)/[(標準化因素負荷量平方的總和)+測量誤差之總和]。
表 5-7 驗證性因素分析結果
Larcker 1981)。
表 5-8 區別效度檢定結果
構面 認知易用
性
服務品質 認知有用 性
使用滿意 度
信任 認知易用性
0.84服務品質
0.46 0.87認知有用性
0.66 0.14 0.84使用滿意度
0.83 0.04 0.67 0.84信任
-0.03 0.51 -0.08 0.11 0.88 資料來源：本研究整理二、結構方程式
經過前述各項針對量表適用性之分析後，本節將進一步針對本研究之研究 模型進行適合度檢測，最後以結構方程式模型來分析驗證本研究的各項假說。
一、 結構方程式模型架構
在結構方程式模式中變數分為潛在變項與觀察變項。潛在變項（latent variable） 中，為因 果關係中「 因者」稱 為 外衍潛在變項 （exogenous latent variable ）， 以 ξ 表 示 ；為 「 果者 」 稱 為內 衍 潛 在變 項 (endogenous latent variable) ，以 η 表示。在觀察變項(measurement variable)中，可觀察的外生變數 稱為 X 變數，而可觀察的內生變數則稱為 Y 變數 （徐聖訓，2008） 。
本研究的外衍潛在變項為：認知易用性、服務品質。內衍潛在變項為：認 知有用性、使用滿意度與信任。本研究結構模型路徑示意圖可參考圖 5-1。
圖 5-1 結構模型與路徑標準化參數估計值示意圖
(一) 模型適配度（model fit）檢定
本研究依據之前所提的六個適配度指標來衡量本研究結構模型適配度。由 表 5-9 我們可知，本研究模型配適度指標皆能符合理論的建議值。
表 5-9 結構模型適配度檢定
適配度指標 觀測值 建議值 學者
卡方／自由度（χ2/df） 2.79 ＜3.00 Carmines & MacIver(1981) 適配度指標（GFI） 0.81 ＞0.80 Joreskog & Sorbom (1988) 標準化適配指標（NFI） 0.92 ＞0.90 Hair et al. (1998)
非標準化適配指標（NNFI） 0.93 ＞0.90 Hair et al. (1998) 比較適配指標（CFI） 0.94 ＞0.90 Bentler (1988)
近似平均平方根誤差（RMSEA） 0.097 ＜0.10 Browne & Cudeck(1993) 資料來源：本研究整理
(二) 結構模型路徑分析
由於本研究有效樣本數為 155 人小於 200 人，為避免資料有失常態性，因 此，本研究利用 SmartPLS 輔助 Lisrel 分析本研究模型。我們透過 SmartPLS 並 採用拔靴法(Bootstrapping) 重新取樣(Resampling)的程序進行顯著性檢驗。根據 結構方程式模型檢定結果，有關潛在變項的變異解釋量(R2)方面，由表 5-10 中 可知，三個內衍變項的變異數被解釋程度分別達到 0.35、0.59、0.16。
表 5-10 結構模型路徑分析
註：路徑係數之顯著性考驗係利用拔靴法(Bootstrapping)，重新取樣數= 300
***P<0.001 **P<0.01 *P<0.05 資料來源：本研究整理
依據表 5-10，我們可得圖 5-2 路徑分析的結果。認知易用性對認知有用性 和使用滿意度的正向關係是顯著的。而認知有用性對使用滿意度的正向關係也 是顯著的。另外，虛擬社群服務品質對於信任，也有顯著的影響。
圖 5-2 研究變數間之關係圖
三、假說檢定
依據表 5-10 結構模型的路徑分析結果，以下針對本研究所提出之假設進 行檢定，檢定結果說明如下：
假說一：使用者對虛擬社群的認知易用性對虛擬社群的認知有用性有正向 影響。 由表 5-10 可知，認知易用性對認知有用性的標準化路徑係數為 0.60，T 值為 9.09，p<0.001 達相當顯著統計水準，顯示出使用者對虛擬社群的認知易用 性會正向影響虛擬社群的認知有用性，因此假說一獲得支持。
假說二：使用者對虛擬社群的認知有用性對虛擬社群的使用滿意度有正向 影響。由表 5-10 可知，認知有用性對使用滿意度的標準化路徑係數為 0.30，T 值為 3.28，p<0.01 達相當顯著統計水準，顯示出使用者對虛擬社群的認知有用 性會正向影響虛擬社群的使用滿意度，因此假說二獲得支持。
假說三：使用者對虛擬社群的認知易用性對虛擬社群的使用滿意度有正向 影響。由表 5-10 可知，認知易用性對認知有用性的標準化路徑係數為 0.54，T 值為 6.53，p<0.001 達相當顯著統計水準，顯示出使用者對虛擬社群的認知易用 性會正向影響虛擬社群的使用滿意度，因此假說三獲得支持。
假說四：虛擬社群的服務品質對於使用者的信任有正向影響。由表 5-10 可 知，認知易用性對認知有用性的標準化路徑係數為 0.40，T 值為 4.97，p<0.001 達相當顯著統計水準，顯示出使用者對虛擬社群的服務品質會正向影響虛擬社 群使用者的信任，因此假說四獲得支持。
表 5-11 假說檢定結果
假說內容 檢定結果
H1 使用者對虛擬社群的認知易用性對虛擬社群的認知有用性有 正向影響。
支持
H2 使用者對虛擬社群的認知有用性對虛擬社群的使用滿意度有 正向影響。
支持
H3 使用者對虛擬社群的認知易用性對虛擬社群的使用滿意度有 正向影響。
支持
H4 虛擬社群的服務品質對於使用者信任有正向影響。 支持 H5 使用者的信任對於虛擬社群使用者滿意度有正向影響。 不支持 資料來源：本研究整理
四、中介變項檢定
由於認知易用性、認知有用性和使用滿意度彼此間有正向影響的關係，因 此，我們接著透過 Sobel 檢定，來檢查認知易用性、認知有用性和使用滿意度 的中介關係。Sobel（1982）中介效果公式為（引自 Preacher & Leonardelli, 2006）：
公式說明：
以認知易用性、認知有用性和使用滿意度的路徑為例，a 為認知易用性對 認知有用性之未標準化路徑係數，b 為認知有用性對使用滿意度之未標準化路徑 係數，Sa為認知易用性對認知有用性之未標準化路徑係數的標準誤，Sb為認知 有用性對使用滿意度之未標準化路徑係數的標準誤。
表 5-12 Sobel 檢定結果
路徑 a b S
aS
bZ 值 p 值
認知易用性→認知有用性 0.62 0.08
認知有用性→使用滿意度 0.25 0.08
2.92 0.0038 資料來源：本研究整理
由表 5-12 可知，a = 0.62、b =0.25、Sa =0.08 與 Sb =0.08，代入間接效果之 考驗公式，求得 Z = 2.92，將 Z 值帶入常態分配表，即可求得 p 值。本研究 為求出較為精確的 p 值，故將 a = 0.62、b =0.25、Sa =0.08 與 Sb =0.08 等數值，
輸入能求出間接效果之 p 值的軟體中（Preacher & Leonardelli, 2006），求得 p 值 為 0.0038。由於 p = 0.0038＜α ＝0.05，所以認知有用性對於認知易用性與使用 滿意度的中介效果是顯著並成立。