本研究因研究資源有限，期能以最符合經濟方式進行，故採取問卷調查法為 之，使用網路問卷調查方式進行資料收集。本研究對於所回收之網路問卷進行相 關統計作業，在基本資料分析上將使用 IBM SPSS 20.0 進行敘述性統計分析，用 以了解樣本的基本資料的分佈，構面信度與效度之分析，續以結構方程模式 (Structural Equation Modeling；以下簡稱 SEM) 進行研究模式之驗證性因素 分析(Bagozzi & Yi, 1988; 余民寧, 2006; 黃芳銘 & 社會學, 2007)，將採用 IBM SPSS AMOS 21.0.0 版電腦統計套裝軟體進行模式關係資料分析，用以檢視 模式之適配度，說明本研究模式之建構效度。同時本研究將透過 SEM 進行分析，
使用系統運算後所輸出之數據資料，來觀察變項間之關係，並藉此完成假設檢測，
檢視變項間之顯著關係與否，以及藉由分析所得之數據資料來說明各項變項間之 相互效果，觀察預測變項對於效標變項可能之影響情形為何，其影響效果可分為 直接效果與間接效果以及總效果等。而當中的間接效果之值是由直接效果之標準 化迴歸係數β相乘積所得之值。
SEM 它是一種能夠同時進行估計及驗證複雜的理論模式與實證資料的方法 (Sarstedt, Ringle, Smith, Reams, & Hair Jr, 2014)。其可用於檢測潛在變 項(Latent variables) 和外在變項(Manifest variable)間之關係及與數個潛在 變項間之因果關係(Astrachan, Patel, & Wanzenried, 2014; Sarstedt et al., 2014)。
本研究實施測量模式之配適度檢測之目的，是希望藉由不同配適度指標來檢 測理想模式對於實證資料之解釋力。換言之，用以觀察其是否足以呈現實證資料 的真實情況，抑或用以驗證或評估理論模式與實證資料間之差距。Bagozzi et al.(1988)建議，在檢測模式時適度指標之選擇上可由以下三個方面：基本適配 度(preliminary fit criteria)、整體模式配適度(overall model fit)與模式 內在結構配適度(fit of internal structure of model)等進行分析與評鑑
57
(Bagozzi & Yi, 1988; Hair, Anderson, Tatham, & Black, 1998)。陳正昌、
程炳林(1998)指出，可從基本配適度、整體配適度與內在配適度等三個維度進行 評鑑(Bagozzi & Yi, 1988; Hair, Anderson, Tatham, & Black, 1998; 吳坤璋, 黃台珠, & 吳裕益, 2006)。模式配適度之評鑑，除整體適配度外，亦建議應納 入內在配適度為妥(吳坤璋 et al., 2006; 陳正昌 & 程炳林, 1998)。此外 Jackson et al.(2009)建議(Jackson, Gillaspy Jr, & Purc-Stephenson, 2009)，
當研究在進行模式配適度之檢測時，有關其用於檢測模式之估計值，基本上除了 需有良好的卡方檢測(chi-square)外，亦需搭配具有整體性(global)的適配指標 如 GFI(goodness-of-fit index)、AGFI(adjusted goodness-of-fit index)、
CFI(comparative fit index) 、 RMSEA(root-mean-square error of approximation) 、 NFI(normed fit index) 、 IFI(incremental fit index) 、 SRMR(standardized root-mean-square residual)等。
本研究將採用 Bagozzi et al.(1988)、Hair et al. (1998) 及 Jackson et al. (2009)之建議，以整體模式配適度來實施量測。其可分為絕對配適度、比較 配適度及精簡配適度(Hair, Anderson, Tatham, & William, 1998; Jackson et
al., 2009)。有關此三項配適度，分述如下：
(一)絕對配適度(Absolute Fit Measures)
χ2/df值為卡方檢測值χ2(chi square)除以自由度(df)之值，根據Bagozzi and Yi(1988)之建議，χ2/df之值以不超過指標值3為標準，檢測之估計值愈小，
則說明模式配適度愈高(Bagozzi & Yi, 1988)。一般而言如為較為嚴謹之研究其 χ2/df值通常會以不超過指標值3.0作為審查之標準(黃芳銘, 2004)。
Hu and Bentler(1999)建議，有關 GFI 與 AGFI（adjusted GFI）值的檢測 估計值應大於 0.9(F. Chen, Curran, Bollen, Kirby, & Paxton, 2008; Hu &
Bentler, 1999)，GFI 為契合度指標（goodness-of-fit index）之縮寫，當 GFI 值愈接近於 1 時，則表示模型契合度愈高(吳明隆, 2009)。一般普遍認為配適度
58
指標(GFI)值會隨著樣本數及估計參數的增加而增加，而調整後的配適度指標 (AGFI)值會在樣本數小時容易被低估的情形(吳明隆, 2009)。Tanaka and Huba( 1985)建議，有關配適度指標(AGFI)值應大於 0.9(Tanaka & Huba, 1985)。
Hu and Bentler (1999)建議，平均近似值誤差平方根(RMSEA)值可用於檢測 模式假設之錯誤，其建議平均近似值誤差平方根(RMSEA)值應近於0.05或0.06(F.
Chen et al., 2008; Hu & Bentler, 1999)。Browne and Cudeck (1993)則建議，
平均近似值誤差平方根(RMSEA)值應近於0.05或是更低，因為這個數值相較於自 由度而言，可表示模型假設愈趨於嚴謹(Browne, Cudeck, & Bollen, 1993)。有 關0.05這項指標值在學術研究的上應用，早已被廣泛認定為是一項檢測設置之金 標準(gold standard)(F. Chen et al., 2008)。RMSEA值，介於0到0.05之間則 表示模式適配度是良好的，如其值是介於0.05至0.08之間則表示模式適配度是可 接受的(Schermelleh-Engel, Moosbrugger, & Müller, 2003)。Brown(2003) 認 為RMSEA值<0.08是可接受的(Brown, 2003)。
在AMOS輸出的整體模式配適度指標中是沒有SRMR指標值，使用RMR值檢測模 式 的 配 適 度 並 非 理 想 的 標 準 值 ， 但 可 在 AMOS 執 行 功 能 列 中 「 PLUGINS 」 /
「Standardized RMR」程序開啟後，按下工具列中的「Calculate estimates」
圖像鈕，即可產生SRMR指標值(吳明隆, 2009)。SRMR指標值會介於0與1間，當其 數值愈接近0時，則表示假設模式之配適度愈佳，它是一項模式要獲得支持的判 斷指標值，其值必須小於0.05(吳明隆, 2009)。SRMR值，如介於0到0.05間，則 表示是模式將會是理想的，如其值介於0.05至0.10間，則為可接受(Hinton, Nickerson, & Bryant, 2011; Schermelleh-Engel et al., 2003)。
(二)比較配適度(Comparative Fit Measures)
比較配適度在進行檢測時，本研究使用的配適度指標有四項分別為：(1)基準 配適度指標(NFI)、(2)非基準配適度指標(NNFI)、(3)比較配適度指標(CFI)、(4) 增值配適度指標(IFI) (Bagozzi & Yi, 1988; Bollen, 1990; Carlson & Mulaik,
59
1993; Hu & Bentler, 1999; 吳明隆, 2009; 蕭文龍, 2007)。本研究將使用上 述四項指標檢測研究模式之配適改進比率的程度。
(三)簡約配適度(Parsimonious Fit Measures)
在評鑑簡約配適度之檢測時，本研究使用之配適度指標項目有：(1)簡約基 準配適指標(PNFI)、(2)簡約後配適指標(PCFI) (Bagozzi & Yi, 1988; 吳明隆, 2009) 。
綜上所述，本研究參照 Bagozzi and Yi(1988)、Joreskog and Sorbom(1996)、
Jackson et al.(2009)等建議(Bagozzi & Yi, 1988; Bentler, 1992; Jöreskog
& Sörbom, 1996; Jackson et al., 2009; S.-Y. Lee, Poon, & Bentler, 1990)，
由以下指標進行整體模式配適度之檢測，詳如附表 10 所示。
表 10:整體模式配適度檢測摘要表
統計檢測量 指標值 文獻
絕對配適度(Absolute Fit Measures)
χ2/DF值 ＜3 (Bagozzi & Yi, 1988; 黃芳銘, 2004)
GFI值 ＞0.9 (F. Chen et al., 2008; Hu & Bentler, 1999; 吳 明隆, 2009)
AGFI值 ＞0.9 (Tanaka & Huba, 1985; 吳明隆, 2009)
RMSEA值 ＜0.08 (Brown, 2003; Schermelleh-Engel et al., 2003) SRMR值 ＜0.1 (Brown, 2003; Hinton et al., 2011;
Schermelleh-Engel et al., 2003; 吳明隆, 2009) 比較配適度(Comparative Fit Measures)
NFI值 ＞0.9
(Bagozzi & Yi, 1988; Bollen, 1990; Brown, 2003; Carlson & Mulaik, 1993; Hu & Bentler, 1999; 吳明隆, 2009; 蕭文龍, 2007)
TLI (NNFI) 值
＞0.9 CFI值 ＞0.9 IFI值 ＞0.9
簡約配適度(Parsimonious Fit Measures) PNFI值 ＞0.5
(Bagozzi & Yi, 1988) PCFI值 ＞0.5
60
肆、資料分析與研究討論
本章節內容呈現之目的，為闡述以第三章節研究方法所彙集之網路問卷數據 資料，再經由 IBM SPSS Statistics 20.0.0 (Windows 版)統計分析軟體進行數 據分析，最後形成本研究之結果，用以說明本研究之目的。首先，本研究對於樣 本的基本資料進行敘述性統計分析，目的在了解樣本的特質，其中包含樣本的性 別、年齡、教育程度、婚姻、是否有在玩網路線上遊戲、是否會花錢購買網路線 上遊戲軟體或貼圖、海報等相關周邊產品、玩網路線上遊戲的頻率等基本資料完 成相關描述性統計分析，接著進行信度、效度分析，後續將針對本研究所用之理 論模式進行驗證性因素分析，以結構方程模式（SEM）中之 SPSS AMOS 21.0 作為 分析工具，檢測理論模式下的因素結構等，最後本研究會根據相關資料之彙整，
說明假說驗證之結果以及說明構面間相互影響之效果等。