統計分析

本研究之模型分析分成兩階段，第一階段是評估測量模式(measurement model)的信效度，第二階段是結構模式評估(structural model)。再開始進行 PLS 測量模式前先執行因素分析和信度分析，以檢測建構效度(construct validity)和內 部一致性。接著在測量模式分析時，以組成信度(composite reliability)、收斂效度

49

(convergent validity)和區別效度(discriminant validity)進一步來檢測衡量工具的可 靠程度，並了解衡量工具是否能衡量到本研究想要探討的各研究變項。

一、信度與效度分析 (一) 建構效度

衡量建構效度是以探索性因素分析法(explorative factor analysis)來進行，因 此以球型考驗(Bartler's test of sphericity)來檢驗是否相關性足以做為因素分析抽 取因素之用，本研究針對獨立變數、中介變數和依變數執行因素分析，考驗結果 如表4-8 所示，都符合進行因素分析的要求。

表 4-8 Bartlett 球型檢定與 KMO 取樣適切性檢定

獨立變數 中介變數和依變數

KNO 取樣適切性 0.845 0.903

2749.363 7357.389 Bartlett 球型檢定

近似卡方分配

顯著性(p<0.05) 0.000 0.000

本 研 究 採 用 主 軸 法(method of principal axes) 中 的 主 成 分 分 析 (principal component analysis)進行因素的萃取，並以最大變異法(varimax)進行因素的直交 轉軸(orthogonal rotation)和以特徵值(eigenvalue)大於 1 為判斷進行檢驗。此外，

Churchill (1979) 建議若驗證結果未達可接受的標準，則研究者需對測量問項進 行增加、刪除或修正，即進行所謂的「純化」(Purify)。獨立變數之因素分析中，

個人互動、社會互動、人際互動均收斂於其歸屬之構面上，由表4-9 可知，IPI_1、

IPI_2、IPI_3、IPI_4 被歸納於同一個構面中，即為「人際互動」；PI_1、PI_2、

PI_3、PI_4，被歸納於同一構面，即為「個人互動」；最後 SI_1、SI_2、SI_3、

SI_4 被歸於同一構面，即為「社會互動」。並從表中得知，「人際互動」的因素 負荷量介於0.701 至 0.870 之間；「個人互動」的因素負荷量介於 0.508 至 0.899 之間；「社會互動」的因素負荷量介於0.602 至 0.773 之間。個別項目的因素負荷 量 (Factor Loading) 都在 0.5 以上，符合 Hair et al.(1998)之建議值。而且總解釋

50

IPI_1 0.833 IPI_2 0.870 IPI_3 0.844 人際

互動

IPI_4 0.701

PI_1 0.829 構面上，由表4-10 所示。在中介變數方面，歸納出 EM_1、EM_2、EM_3、EM_4、

EM_5、EM_6 被歸同一構面，即為「正向情緒」; EM_7、EM_8、EM_9、EM_10 被歸同一構面，即為「負向情緒」；而FL_1、FL_2、FL_3、FL_4、FL_5、FL_6 被歸納於同一個構面，即為「沉浸體驗」；最後在依變數方面，CON_1、CON_2、

CON_3、CON_4 被歸納於同一個構面，即為「持續使用行為」，由表 4-11 得知

「正向情緒」的因素負荷量介於0.709 至 0.900 之間；「負向情緒」的因素負荷量 介於0.710 至 0.821 之間；「沉浸體驗」的因素負荷量介於0.641 至 0.800 之間；「持 續使用行為」的因素負荷量介於0.785 至 0.854 之間；調節變數「成癮」的因素 負荷量介於0.534 至 0.828，皆符合 Hair et al. (1998)之建議值。而且總解釋變異

51 解釋變異% 18.657 10.227 13.089 12.710 16.405 累積解釋變異

%

18.657 28.884 41.973 54.683 71.088

52

(二) 信度分析

本研究確保內部一致性 (consistency) 與穩定性 (stability)，以 Cronbach’s α 來衡量，如表 4-11 所示。本研究構面 Cronbach’ s α 皆介於 0.783 至 0.958 之 間，符合Hairet al.(1998) 所建議需大於 0.7 以上的標準，因此，本研究 7 個構 面具有良好的信度水準。

表 4-11 研究變項之信度分析

研究變項 題數 Cronbach’s α

個人互動 4 0.834

社會互動 4 0.783

人際互動 4 0.873

沉浸體驗 6 0.878

正向情緒 6 0.942

負向情緒 4 0.847

持續使用行為 4 0.958

成癮 8 0.882

二、測量模式分析(measurement model)

研究架構和假說採用淨最小平方法 (partial least-squares; PLS) 來驗證，主要 原因是PLS可以預測因果關係(causality)和變異量(variation)，因此相當適合建立 理論模型之用，PLS也可以同時處理形成性因素(formative factors)和反映性因素 (reflective factors)，而且在量表、樣本數和殘差分配有最小的限制(Chin et al.

2003)，不像LISREL(Linear structural relationship)這種明顯假設所有指標是反映性 的方法，不容易同時分析形成性和反映性之問項的模型，因此，由於本研究的個 人互動以及社會互動為形成性指標，以PLS做為分析工具較為適當。

53

測量模式分析的主要目的在於檢驗衡量工具的信度與效度，信度包括個別問 項信度 (individual item reliability) 和組成信度 (composite reliability; CR)，效度 則包括收斂效度 (convergent validity) 和區別效度 (discriminant validity)。組成信 度是用來檢測各變項對測量變項間內部一致性之信度指標，Fornell (1982) 建議 組成信度應大於0.6，其值越高越能測出該潛在變項。本研究的結果如表4-12所 (Fornell & Larcker, 1981)。研究的結果，AVE值介於0.609~0.888之間，已達學者 建議之標準，表示問項可以適當的衡量各個構面，擁有適當的收斂效度和區別效 度。另外，若每個構念的平均變異萃取量開根號之後的值，大於該構念與其它構 念之相關係數時，則表示具有區別效度 (Fornell & Larcker, 1981)，本研究中，各 構念之平均變異萃取量之平方根皆大於其他構念相關係數，如表4-13測量模型相

54

55

表 4-13 相關係數摘要表

變數 1 2 3 4 5 6 7

1.成癮 0.693

2.人際互動 0.423 0.852

3.持續使用行為 0.370 0.352 0.943

4.沉浸體驗 0.482 0.281 0.328 0.780

5.負向情緒 0.178 0.000 -0.271 0.126 0.828

6.正向情緒 0.279 0.458 0.651 0.381 -0.251 0.888

7.功能性互動 0.192 0.496 0.409 0.262 0.096 0.556 N/A

註 a. 相關係數摘要表中對角線粗體數值為平均變異萃取量(AVE)之平方根 b. 功能性互動是形成性因素，無 AVE 值，故以 N/A 表示。

三、結構模式分析(structural model)

本研究使用 PLS 進行檢測模式的因果關係，以 Smart PLS 2.0 作為分析軟 體，採用 bootstrapping(模擬 500 筆)重新抽樣方法來檢測模型路徑的顯著程度 (Chin, 1998)。由於研究假說皆是單一方向性關係，本研究使用單尾檢定，以顯 著水準小於0.05 作為判斷標準 (Bassellier & Benbasat, 2004)，研究模式之驗證結 果如圖4-2 所示。

56 沉浸體驗 (β=0.163, p-value<0.01)和正向情緒(β=0.437, p-value<0.001)；而功能性 互動會負向影響負向情緒(β=-0.127, p-value<0.05)，因此支持假說 H1a、H1b 和 H1c；另外人際互動對於遊戲體驗方面，人際互動會正向影響沉浸體驗 (β=0.200, p-value<0.01)；另外人際互動也會正向影響正向情緒(β=0.241, p-value<0.001)，因 此支持假說H2a 和 H2b；而人際互動對負向情緒沒有顯著的影響，H2c 尚未獲得 支持。最後在遊戲體驗對於持續使用行為方面，沉浸體驗正向影響持續使用行為 (β=0. 132, p-value<0.01)，支持假說 H3；正向情緒正向影響持續使用行為(β=0. 564, p-value<0.001)，支持假說 H4；最後，負向情緒會負向影響持續使用行為(β=-0. 164, p-value<0.001)，也支持假說 H5。

綜合而言，從驗證結果得知，互動性對於玩家的遊戲體驗有很深的影響，玩 家在和系統或其他玩家進行互動的時候，會引發玩家的體驗產生，根據期望確認 理論，這些體驗是一種玩家對於這項產品所產生的確認階段，確認此項產品是否 符合自己的需求，而這些遊戲所感受到的體驗會影響到玩家將來的使用行為。

解釋變異量可以用來了解研究變項間的解釋能力(表 4-14)。互動性(功能性互

57

動和人際互動)對於沉浸體驗有 9.9%的解釋力；對於正向情緒有 35.3%的解釋 力；最後在負向情緒方面只有 1.2%的解釋力。最後沉浸體驗、正向情緒、負向 情緒這三種遊戲體驗對於持續使用行為的解釋力為0.450。

表 4-14 研究變項之解釋變異量

研究構念 R²

沉浸體驗(Flow) 0.099 正向情緒(PA) 0.353 負向情緒(NA) 0.012 持續使用行為(CON) 0.450

四、總效果分析

根據本研究模型的路徑係數，可以了解各變項之問影響關係的強弱，再根據 本研究的結果，將各變數之間的直接效果與間接效果加以計算，所得之總影響效 果整理於下表4-15。在沉浸體驗的構念上，以人際互動最高。而正、負向情緒皆 是以功能性互動為影響最高。最後在持續使用行為方面，是以正向情緒影響力最 高。

表 4-15 總效果分析

研究構念 沉浸體驗 負向情緒 正向情緒 持續使用行為 功能性互動 0.163 -0.127 0.437 0.286

人際互動 0.200 0.062 0.241 0.153

沉浸體驗 0.131

正向情緒 0.564

負向情緒 -0.146

五、高成癮和低成癮的結構模式驗證

本研究以成癮做為調節之用，用以探討高成癮族群和低成癮是否在遊戲體驗 與持續使用行為之間存在調節作用。針對跟高成癮與低成癮兩群進行 PLS 模式 驗證，後續針對遊戲體驗與持續使用行為的路徑係數，檢定是否有顯著的差異 性，因此採用Chin( 2000)所發展的多群體分析(multi-group analysis)來進行統計上 的比較，研究模式之驗證結果如圖4-3、圖 4-4 所示。

1. 高成癮(n=97)

58

R²=0.089 R²=0.233

-0.014 0.654***

0.103

0.378**

0.021 0.194

-0.177 0.469**

0.091

正向情緒 功能性互動

負向情緒 沉浸體驗

持續使用行為 R²=0.487

人際互動

R²=0.069

*p<0.05；**p<0.01；***p<0.001 ---表不顯著

圖 4-3 高成癮模式驗證分析

2. 低成癮(n=110)

60

沉浸體驗不會顯著影響持續使用行為，而負向情緒會顯著影響持續使用行為 (β=-0.265, p-value<0.01)。

在成癮調節方面，高成癮的玩家只有在正向情緒對持續使用行為之間具有調 節的效果，也就是說高成癮的玩家得到的正向情緒越多，他們就會越持續的遊玩 線上遊戲；而在低成癮玩家方面，低成癮玩家在正、負向情緒對持續使用行為之 間具有調節的效果。會有這樣的結果產生，是因為高成癮的玩家他們對於活動是 一種接近於無法戒斷的情形，就算他們在遊戲裡玩的很痛苦，他們還是不會不持 續玩遊戲，因為他們知道只有透過遊戲才能讓他們快樂。而低成癮的玩家，他們 只要在遊戲中有不愉快的情形產生，他們就越不會持續玩線上遊戲。進一步去檢 定兩族群在遊戲體驗與持續使用行為之路徑差異分析，結果如表 4-16 所示，成 癮確實會調節情緒，但是對沉浸體驗並沒有顯著調節影響。負向情緒對持續使用 行為的影響，低成癮的調節效果會比高成癮大；在正向情緒對於持續使用行為之 間，高成癮的調節效果會比低成癮的大。顯示出玩家的正向情緒會影響持續使用 行為，而成癮程度高的玩家越感受到正向情緒就會比成癮程度低的玩家更增強持 續使用；反之，在負向情緒對於持續使用行為之間的影響，成癮程度低的玩家會 比高成癮程度的玩家更增加持續使用行為。

表 4-16 多群體差異分析

路徑係數 標準誤

路徑 高成癮 低成癮 係數差

高成癮 低成癮 t 值 結果 FL-->CON 0.103 0.065 0.038 0.097 0.099 0.274 不顯著 PA-->CON 0.654 0.419 0.235 0.078 0.090 1.971 高成癮>低成癮 NA-->CON -0.014 -0.265 0.251 0.065 0.096 2.172 低成癮>高成癮

61

因此綜合上述分析結果，本研究之結構模式關係和假說檢定之結果彙整，如 表4-17 所示。

表 4-17 結構模式分析結果

路徑模式 假說 路徑係數 t-statistic(bootstrap) 檢定結果 PSIÆFL H1a 0.163 2.642** 成立 PSIÆPA H1b 0.437 8.399*** 成立 PSIÆNA H1c -0.127 2.185* 成立 IPIÆFL H2a 0.200 3.193** 成立 IPIÆPA H2b 0.241 4.918*** 成立

IPIÆNA H2c 0.062 0.950 不成立

FLÆCON H3 0.132 3.311** 成立 PAÆCON H4 0.564 13.630*** 成立 NAÆCON H5 -0.146 3.809** 成立 路徑模式 假說 高成癮 低成癮 t-statistic(bootstrap) 檢定結果 FLÆCON(調節) H6a 0.103 0.065 0.274 不成立 PAÆCON(調節) H6b 0.654 0.419 1.971* 成立 NAÆCON(調節) H6c -0.014 -0.265 2.172* 成立

62

在文檔中 以互動性觀點探討遊戲體驗與行為之研究 (頁 59-73)