第四章 分析結果
第五節 線性回歸分析
線性回歸（Linear regression）是統計上在找多個自變數(independent variable)和依變數(dependent variable)之間的關係建出來的模型。只有一 個自變數和一個依變數的情形稱為簡單線性回歸(Simple linear
regression)，大於一個自變數的情形稱為多元回歸(multiple regression)。
本研究以研究手機遊戲美學、沉浸體驗、網路口碑對購買意願的影響，
39
再利用線性回歸分析探討正面網路口碑與負面網路口碑對手機遊戲美學與購 買意願、沉浸體驗與購買意願是否產生中介效果。
從表 4-5-1 共線性診斷上可看出手機遊戲美學、網路口碑與沉浸體驗兩 者 VIF 值 1<3，所以沒有共線性問題；
表 4-五-1 各構面共線性診斷
模式 共線性統計量
允差 VIF
網路口碑 .851 1.176
沉浸體驗 .860 1.163
手機遊戲美學 .912 1.096
a. 依變數: 購買意願
資料來源：本研究整理
從表4-5-2所知，手機遊戲美學對網路口碑的影響顯著性.001<.05，T值 的部分3.273>0代表有正向的顯著影響；
表4-五-2 手機遊戲美學對網路口碑的迴歸分析 模式 標準化係數
t 顯著性 共線性統計量
Beta 分配 允差 VIF
手機遊戲美學 .254 3.273 .001 1.000 1.000 a. 依變數: 網路口碑
資料來源：本研究整理
40
從表 4-5-3 所知，手機遊戲美學的三個構面對網路口碑的影響，視覺性 對網路口碑的影響顯著性.053>.05，代表視覺性對網路口碑的影響不顯著；
聽覺理解性對網路口碑的影響顯著性.744>.05，代表聽覺體驗性對網路口碑 的影響不顯著；體驗性對網路口碑的影響顯著性.014<.05，T 值部分是 2.478>0，
代表體驗性對網路口碑有正向顯著；
表 4-五-3 手機遊戲美學各構面對網路口碑的迴歸分析 模式 標準化係數
t 顯著性 共線性統計量
Beta 分配 允差 VIF
視覺性 .182 1.947 .053 .673 1.485 聽覺理解性 -.031 -.328 .744 .675 1.482 體驗性 .205 2.478 .014 .866 1.155
a. 依變數: 網路口碑
資料來源：本研究整理
從表 4-5-4 所知，手機遊戲美學對沉浸體驗的影響顯著性.003<.05，T 值的部分 2.973>0 代表有正向的顯著影響；
表4-五-4 手機遊戲美學對沉浸體驗的迴歸分析 模式 標準化係數
t 顯著性 共線性統計量
Beta 分配 允差 VIF
手機遊戲美學 .232 2.973 .003 1.000 1.000 a. 依變數: 沉浸體驗
資料來源：本研究整理
41
從表4-5-5所知，手機遊戲美學的三個構面對沉浸體驗的影響，視覺性對 沉浸體驗的影響顯著性.608>.05，代表視覺性對沉浸體驗的影響不顯著；聽 覺理解性對沉浸體驗的影響顯著性.549>.05，代表聽覺體驗性對沉浸體驗的 影響不顯著；體驗性對沉浸體驗的影響顯著性.000<.05，T值部分是6.260>0，
代表體驗性對沉浸體驗有正向顯著；
表4-五-5 手機遊戲美學各構面對沉浸體驗的迴歸分析 模式 標準化係數
t 顯著性 共線性統計量
Beta 分配 允差 VIF
視覺性 -.045 -.514 .608 .673 1.485 聽覺理解性 -.052 -.600 .549 .675 1.482 體驗性 .482 6.260 .000 .866 1.155
a. 依變數: 沉浸體驗
資料來源：本研究整理
從表 4-5-6 所知，手機遊戲美學對購買意願的影響顯著性.000<.05，T 值的部分 4.264>0 代表有正向的顯著影響；
表 4-五-6 手機遊戲美學對購買意願的迴歸分析 模式 標準化係數
t 顯著性 共線性統計量
Beta 分配 允差 VIF
手機遊戲美學 .323 4.264 .000 1.000 1.000 a. 依變數: 購買意願
資料來源：本研究整理
42
從表 4-5-7 所知，手機遊戲美學的三個構面對購買意願的影響，視覺性 對購買意願的影響顯著性.875>.05，代表視覺性對購買意願的影響不顯著；
聽覺理解性對購買意願的影響顯著性.005<.05，T 值部分是 2.840>0 代表聽覺 體驗性對購買意願有正面顯著；體驗性對購買意願的影響顯著性.102<.05，
43
從表 4-5-10 所知，網路口碑對購買意願的影響顯著性.000<.05，T 值的 部分 3.819>0 代表有正向的顯著影響； Bata 分配值從.225 降到.141，顯著性.005 變成.083>.05，故從此處可以知道 正向網路口碑對手機遊戲美學與購買意願有中介效果；
44