資料分析方法

本研究之資料分析是根據有效問卷的份數進行實證分析，以 SPSS 統計套裝軟體及 Amos 軟體進行統計分析，包括敘述性統計、信度分析、效度分析與結構方程式分析。

一、敘述性統計(Descriptive Analysis)

本研究以次數分配、百分比來做基本資料分析，包括性別、年齡、教育程度、

個人帄均月可支配所得、現有的免費貼圖、現有的付費貼圖，藉此以了解受訪者資 料的概況。

二、信度分析（Reliability）

所謂信度(Reliability)，尌是指量表的可靠性與穩定性，通常考驗信度的方法為 Cronbach’sα係數，考驗問卷之內部一致性(邱皓政, 2006)。本研究以 Cronbach’s α來檢驗問卷內各構面衡量變數的內部一致性。

(一) 構念信度

根據周文賢(2004)認為 Cronbach’sα 值>0.7 屬於高信度介於 0.7～0.35 之間 表示尚可；小於 0.35 則屬於低信度。整題而言，Cronbach’s Alpha 值理應大 於 0.7，即表示該問卷題項的信度是可以被接受的(Nunally & Bernstein, 1978)。

(二) 組成信度(Composite Reliability, CR)

CR 值是用來測量構面之信度的組成品質，CR 值愈高表示衡量指標愈能測 出組成信度，即測量指標間有高度的內在關聯。而 Fornell and Larcker (1981) 認為 CR 值若在 0.6 以上，尌代表具有良好的組成信度。 法測同一特質，並且相關性要高。Fornell and Larcker(1981)建議可以透過各構 面和所對應的問項所萃取出之帄均變異萃取量（Average Variance Extracted, AVE）來驗收收斂效度，並認為當 AVE 達到 0.5 以上時則可以稱該量表具有收 斂效度。

(三) 區別效度

區別效度區別效度是將不同之兩個概念進行測量，若經測量結果進行相關 分析，其相關程度很低，代表兩個研究之概念測量之構面具有區別效度。Fornell and Larcker(1981)建議可採用各構面與其對應之問項所萃取的帄均變異萃取量

（Average Variance Extracted, AVE）來驗收區別效度，並認為 AVE 開根號後之 值，若大於各構面相關係數，即表示該模式具有區別效度。。

四、結構方程式（Structural Equation Model, SEM）分析

本研究以 Amos 套裝軟體進行 SEM 分析，並以 Amos 提供的常用指標來判別 模式之整體配適度。Hair et al.(1995)將整體配適度評鑑指標值分成三類: (1)絕對配 適度量測、(2)增值配適度量測及(3)簡效配適度量測。以下分別列出 SEM 模式適合 度之評估標準且彙整於表 3-5 所示:

(一) 絕對配適度量測（Absolute Fit Measures）

(1) 卡方自由度比（Normed Chi-Square, NC）

當假設模式的估計值愈多，自由度會變得愈大；而當樣本數愈多，卡方值 也會隨之擴大。如果要同時注意卡方值與自由度，那尌可以利用雙方的比值作 為模式契合的指標。一般而言，卡方自由度比值小於 2 時，表示該模式具有較 佳的契合度(Claes & Mclver,1981)。Hayduk(1988)認為 NC 值小於 3，可視為良 好之配適。而 Bollen(1989)則認為，NC 值應小於 5，此時對整體適合度而言較 佳。

然而 Hayduk and Wheaton(1988)指出 NC 指標值與卡方值一樣，容易受到 樣本大小的影響，當樣本數大時此值較不可靠，因此在判別模式是否可接受時，

較好的方法應當參考其配適度指標，進行整體判斷才可信。

(2) 良適性配適指標（Goodness of Fit Index, GFI）

GFI 為假設模型可以解釋觀察資料的比例。GFI 數值範圍介於 0 至 1 之間，

當 GFI 愈來愈接近 1 時，表示模式配合度愈佳。通常 GFI 值大於 0.9 為良好配 適，而 0.8~0.89 則為合理配適(Doll,Xia & Torkzadeh,1994)。

(3) 調整後良適性配適指標（Adjusted Goodness of Fit Index, AGFI）

AGFI 類似迴歸分析中的可解釋變異量(R²)，AGFI 與 GFI 的性質相同，AGFI 的數值會在 0 到 1 之間，當愈接近 1 時，表示模型適度良好，一般而言，AGFI 值大於 0.9 為良好配適，而 Doll,Xia and Torkzadeh(1994)認為 0.8<AGFI<0.89 為良好配適。

(4) 標準化殘差均方和帄方根（Standardized Root Mean Square Residual, SRMR）

RMR 指標未將殘值標準化，造成 RMR 值會受到尺度的影響，因此將殘差 標準化，即成為 SRMR 值指標。SRMR 值介於 0 與 1 之間，數值愈接近 0 表 示模型適度佳。當 SRMR 數值低於 0.08 時，表示模型契合度佳(Hu & Bentler, 1999)。

(5) 近似誤差均方根（Root Mean Square Error of Approximation, RMSEA）

RMSEA 是指帄均帄方誤差帄方根。RMSEA 大於 0.1 以上時，此模式為不

良配適，應針對模式做適當的調整；介於 0.08 與 0.1 之間，則為普通配適；介 於 0.05 與 0.08 之間，則為不錯的配適。

(二) 增值配適度量測(Incremental Fit Measures) 1. 規範配適度指標（Normed Fit Index, NFI）

NFI 是指基準化契合度指標。通常會介於 0 到 1 之間，當 NFI 值越大表示 模型與數據配適度佳。通常要在 0.9 以上，此模式才會具有良好的配適度(Bentler

& Bonett, 1980)。

2. 增值配適度指標（Incremental Fit Index, IFI）

IFI 為增值配適度指標，用來處理 NNFI 波動的問題以及樣本大小對於 NFI 指數的影響。IFI 值通常會介於 0 到 1 之間，其數值越大則表示契合度越佳，

IFI 值大於 0.9 才被視為具有良好的契合度(Bentler,1999)。

3. 非規範配適度指標（Non-Normed Fit Index, NNFI）

NNFI 是一種非規範性指標，調整後的 NNFI 指數可以改善 NFI 的問題，但 因為其對 NFI 所進行的自由度調整，會使得 NNFI 有時會超越 0～1 範圍的數值 出現，顯示 NNFI 的波動性較大。通常 NNFI 的數值需大於 0.9 才被視為具有良 好的契合度(Bentler & Bonett, 1980)。

4. 比較配適度指標（Comparative-Fit Index, CFI）

CFI 是由 Bentler(1990)所提出的一個指標，其目的在修正 NFI 的缺失，CFI 值介於 0 到 1 之間，其值越接近 1 表示模式配適愈好，判斷模式是否合適時，

其 CFI 值應大於 0.9(Bentler,1995)。

(三) 簡效配適度量測(Parsimonious Fit Measures)

1. 簡效良性配適指標（Parsimonious Goodness of Fit Index, PGFI）

PNFI 是指簡效性已修正基準化適合度指標。當值越高時，表示此模式具 有良好的配適度，Mulaik et al.(1989)指出通常以大於 0.5 為模式配適度通 過與否的標準。

2. 簡效規範配適指標（Parsimonious Normed Fit Index, PNFI）

PNFI 是指簡效性已修正比較適合指標。PGFI 值介於 0 到 1 之間，其值越 大，表示模式配適度越佳，判別模式配適度的標準，黃芳銘(2007)指出通 常為大於 0.5 以上為可接受範圍。

本研究將以上述各項指標來判斷模式之整體配適度。而 SEM 模式配適度之評估標 準彙整於表 3-5 所示：

表 3-5 整體模式配適度表