第三章 研究方法
第三節 資料分析方法
本研究資料是以 SPSS 19. 0、Smart PLS 3.0 之統計套裝軟體進行統計分析，包含 敘述統計分析及結構方程模型進行資料分析。
一、敘述統計分析 (Descriptive Statistics Analysis)
針對樣本之基本資料及研究構面進行基本敘述統計分析，以了解樣本之基本資料 統計分布與行動購物的使用狀況之次數分配情形及使用行動裝置瀏覽或購買產品的 頻率和各研究變數構面的帄均數、標準差、百分比和次數分配。
二、結構方程模型
本研究的結構方程模型分析採用偏最小帄方法(partial least squares, PLS)。PLS 源 自於一種以迴歸分析為基礎的結構方程模式(structural equation modeling, SEM)，是探 測或建構預測性模型的分析方法，特別是潛在變數間的因果模型(causal model)分析。
使用 PLS 分析模型之優點包括：(1)能同時處理多個反應性指標(reflective indicator) 和形成性指標(formative indicator)；(2)能克服多變量共線性的問題；(3)對變數之誤差 要求較其他統計分析方法寬鬆；(4) 樣本數要求較小；(5)對樣本常態分配要求限制較 為寬鬆(何雍慶與葉青姿，2009；Wold, 1982；Anderson & Gerbing,1988)。相反地，使 用上有二個缺點：無預設的樣本資料分配及不提供係數信任區間的估計值和統計顯著 性檢定(何苔麗、徐慧霞、章家誠，2012)，因此需加入拔靴法(bootstrapping)進行檢測 路徑係數與推論研究假設。
本研究依據 Anderson 和 Gerbing (1988) 建議，使用兩步驟驗證本研究之結構方 程模型，第一個步驟進行構面衡量問項的驗證性因素分析(CFA)，第二步驟驗證假設。
(一) 測量模式分析
首先以驗證性因素分析(confirmatory factor analysis，CFA)進行測量模式
(measurement model)的信度(reliability)和效度(validity)分析。信度分析工具包含各題項
29
(items)因素負荷量(loading)、Cronbach’s alpha 值、潛在變數的組合信度(composite reliability, CR)與帄均萃取變異數(averaged variance extracted, AVE)，衡量準則有二 項：1. 各題項因素負荷量必頇大於 0.6(Barclay et al., 1995; Chin, 1998b)；2. 組合信度 (CR)和 Cronbach’s alpha 值皆必頇大於 0.7，才能確保內部一致性(Hair, Anderson, Tathan & Black, 1998)。
而在效度分析方法主要有內容效度(content validity)與建構效度(construct
validity)。內容效度主要檢測構面之量表問項內容是否能反應出研究主題之架構與內 容。本研究問卷以相關理論為基礎，並參考過去國內、外學者之相關研究文獻及其問 卷題項來設計問卷問項及經與指導教授進行討論，並實施前測，故具有一定程度之內 容效度。建構效度意指問項能所測量到理論上的變數之程度，建構效度包括收斂效度 (convergent validity)與區別效度(discriminant validity)。收斂效度為指各構面間的衡量 問項彼此是否有高度的相關性，其衡量標準為 1. 各問項在其對應構面需比對應其他 構面的負荷量高且需大於 0.7 (Bagozzi and Yi, 1988; Hair, Back, Babinm, Anderson &
Tatham, 2006)；2. AVE 值需大於 0.5 ( Fornell & Larcker, 1981)；而在區別效度，為測 量不同構面問項間的相關性(蕭文龍，2013)，測量準則為各構面的 AVE 帄方根需大於 其對應構面的相關係數(Fornell & Larcker, 1981)且相關係數需小於 0.71( Mackenzie, Podsakoff & Podsakoff, 2011)。
(二) 結構模式分析
PLS 結構模型之檢驗方法，主要為觀測路徑係數(path coefficient)是否達顯著性與 以 R2值的模型解釋力。標準化路徑係數代表研究變數間的關係程度與方向，以顯著 性驗證假設是否成立；R2值指外生變數對內生變數能解釋變異量的百分比，為判斷 研究模型的解釋能力。
另外，本研究依由 Efron (1979) 提出之拔靴法(Bootstrapping)的概念，利用已知 樣本數重覆抽樣(re-sampling)之方法來模擬大的隨機樣本，並對此隨機樣本進行檢定
30
與估計。優點是即使小樣本(如：20 筆樣本)的研究仍具有適用性(Zhang, Pantula &
Boos，1991)；對變數的誤差要求較為寬鬆。由於樣本數不大，因此本研究進行重覆 抽取 500 個樣本的拔靴重覆抽樣法(bootstrap resampling method)作為路徑參數估計與 推論。
31