第四章 研究方法
第二節 資料收集方法
本研究運用結構式問卷進行整體資料收集，問卷之題項皆根據文獻回顧之理 論基礎、研究架構及假設推導所發展整理之題項，並針對本研究情境作出設計，
因應產業特性、語意模糊之處進行調整再行發放。此外，於受測者完成所有題項 之填答後，若對本研究有高度興趣者，則留下 e-mail，以此洞見填答者之動機以 及對於本研究主題之興趣。表 4-2 即為各研究變數衡量之題項，量表皆採用李克 特七點尺度(Likert 7-point Scale)來計分予以量化，分別為「非常同意」、「同意」、
「有點同意」、「普通」、「有點不同意」、「不同意」、「非常不同意」，讓 受測者進行填答。
於問卷設計中，為避免產生共同方法變異(Common Method Variavce; CMV) 所導致的偏差(Avolio, Yammarino, and Bass, 1991)，故於事前處理中，將受測者 填寫之問卷採不記名方式設計，並且將研究之目的及變項名稱完整隱藏，以有效 減少受測者在填答時之疑慮，此外，針對各構面之題目進行隨機性的編排，以降 低受測者一致性填答的動機。於正式發放問卷前，本研究先行採取預試，將語意 模糊之題項進行修正，以確保其有效性。針對預測之問卷，審視受測者之回應，
發現部分受測者可能對網路紅人之定義不一致，故本研究與最終正式問卷中，於 問卷之始加入本研究對於網路紅人之定義，即為「藉由個人的個性魅力、互動能 力或特殊事件等掀起討論，吸引粉絲而走紅的人，其粉絲人數應高於十萬人，本 研究鎖定 YouTube 上的網紅進行討論。」以確立受測者對網紅定義一致，並降 低問卷填答所可能產生之偏誤。
二、抽樣方式
本研究採便利抽樣問卷調查法，茲以 SurveyCake 製作網路問卷，並發放於 社群網站中，由各大專院校生所組成之群組收集樣本資料，且邀請完成之受測者 進一步分享給身邊的家人、朋友及各群組中，以拓展整體樣本進行研究。發放期 間 2018 年 8 月 17 日至 2018 年 8 月 28 日。
三、抽樣對象
本研究之研究主題為網路紅人，並探討網路紅人與觀看者間之關係，故受 測者應對網路紅人具一定程度之瞭解，此外，於網紅世代下，許多網路紅人多半 從 YouTube 上快速竄升而走紅，更是多數關注網紅群眾所觀看之平台，故本研 究之抽樣對象以 YouTube 使用者為主。針對研究標的中，以 YouTube 上之頻道 類型為網路紅人做為區分，類型劃分為娛樂、教育、遊戲、喜劇以及人物類型之 網紅，其中鎖定目前網紅訂閱數前十大之網路紅人作為研究標的，如下表 4-3，
依序分別為這群人 TGOP、蔡阿嘎、阿滴英文、阿神、聖結石 Saint、放火 Louis、
小玉、眾量級 CROWD、安啾咪及人生肥宅 x 尊。使受測者得以依據自己最常關 注之網路紅人進行相關情境題項之填答，以利本研究進行抽樣問卷調查。
表 4-3 網路紅人研究標的(截至 2018/09/26)
排名 網路紅人 類型 訂閱數 研究標的編號
1 這群人 TGOP 娛樂 2,712,426 編號 1
2 蔡阿嘎 娛樂 1,874,289 編號 2
3 阿滴英文 教育 1,806,143 編號 3
4 阿神 遊戲 1,662,909 編號 4
5 聖結石 Saint 喜劇 1,398,952 編號 5 6 放火 Louis 喜劇 1,358,489 編號 6
7 小玉 人物 1,330,345 編號 7
8 眾量級 CROWD 喜劇 1,302,645 編號 8
9 安啾咪 人物 1,266,146 編號 9
10 人生肥宅 x 尊 人物 1,216,026 編號 10
四、樣本大小
針對研究回收之有效問卷樣本，採用 SPSS 進行敘述性統計分析，以深入瞭 解基本資料，當中包含性別、年齡、居住地區、教育程度、職業、平均每月所得、
每日網路使用習慣、網路使用經驗、最常用什麼平台觀看網紅、注重網紅什麼特 質(複選題)，透過次數分配和百分比統計分析後續結果，進一步瞭解樣本之基本 結構組成及整體分布概況。
(一)樣本描述
本研究共計回收 520 份問卷，刪除無效問卷 21 份，重複選擇填答之標的 13 份，剩餘 486 份為有效樣本，回收率為 93.5%。所回收之問卷經分析後顯示，男 性有 122 人佔全體 25.1%；女性有 364 人佔全體 74.9%。年齡則集中在 20-24 歲，
佔全體 76.7%，其次則為 19 歲(含)以下以上，各佔全體 12.8%。居住地區則多以 南部為主，佔有 63.8%，其次為北部 17.5%；另外，教育程度方面，大學(專)佔全 體 82.3%為最多，其次為研究所以上佔全體 10.9%。職業部分學生佔 50.4%，其 次為一般白領佔 22.8%；平均每月所得，在 9,999 元(含)以下佔有 50.2%，其次則 為 20,000-29,999 元佔 26.5%。詳見如下表 4-4。
由《富比士》33所發佈「為何 YouTube 明星比傳統名人更能影響千禧世代」
報導中，表示在關注網紅的群體中，年輕族群相對更會受到 YouTube 上的網紅 影響，也顯示出在網紅世代下，對應之關注者多為年輕族群，而年齡較高的族群 影響力則屬持平，且依據 MIC 資策會調查34發現，以整體年齡分布於 20~25 歲者 僅有 10.7%不關注網紅，換言之，關注網紅之年齡層極為年輕化。
表 4-4 基本資料狀況分配表(N=486)
問卷內容 項目 次數 百分比(%)
性別 男 122 25.1
女 364 74.9
年齡 19 歲(含)以下 62 12.8
20-24歲 373 76.7
25-29 歲 30 6.2
30-34 歲 5 1.0
33 富比士(2017)，《為何 YouTube 明星比傳統名人更能影響千禧世代》，取自 https://goo.gl/2L9zDe
34 MIC 資策會調查，吳柏羲 數位媒體研究群，《有梗有料成功導流-網紅內容與商品置入偏好 分析》(2018)。
35-39 歲 5 1.0
以 YouTube 觀看網紅佔整體之八成之高達 81.5%，其次為 Instagram 佔 12.8%，
Facebook 則佔 5.1%。詳如表 4-5 所示。
依據資策會數位服務創新研究所35提出「2017 年 4G 行動生活使用行為調 查」，點出每日滑手機超過 5 小時，則屬於重度使用者，同樣可見本研究之樣本 近四成以上的受測者屬於重度使用者，其餘 41.8%使用 2~5 小時，故受測者每日 對於網路之使用時間相當高，更得清楚分析其對於網紅世代之關注及瞭解。此外，
2016 年被視為網紅元年，由樣本可發現多數受測者於網路使用習慣皆超過五年 以上，顯示其完整歷經網紅世代之興起，且極多數受測者皆以 YouTube 觀看網 紅，與本研究之探討方向依相當一致，故本研究之樣本為合適。
表 4-5 其他基本資料次數分配表(N=486)
問卷內容 項目 次數 百分比(%)
最常關注網紅類型 娛樂 270 55.6
教育 106 21.8
喜劇 46 9.5
人物 39 8.0
遊戲 25 5.1
每日網路使用習慣 1小時以下 12 2.5
1-2小時 72 14.8
2-5小時 203 41.8
5小時以上 199 40.9
網路使用經驗 小於6個月 3 0.6
6-12個月 2 0.4
1-2年 2 0.4
2-4年 46 9.5
大於5年(含)以上 433 89.1
最常用平台觀看網紅 YouTube 396 81.5
Instagram 62 12.8
Facebook 25 5.1
直播平台 2 0.4
其他 1 0.2
35 策會數位服務創新研究所，「2017 年 4G 行動生活使用行為調查」。
(二)複選題分析
本研究另加入一題「最注重網紅什麼特質」作為基本資料填寫，主要為瞭 解當網紅具備哪些特質將會吸引觀看者，如表4-6所示，顯示受測者多較為重視 幽默、親民及專業之特質，尤其是幽默之特質佔整體觀察值83.3%之高，其次親 民之觀察值61.5%，以及專業觀察值55.6%，從中可發現當網路紅人具有上述前 三大特質時，將可能成為觀看者持續觀看之主因，為當代之網路紅人點出幽默、
親民及專業之特質，更可能是未來新興網紅可自我塑造特質之方向，亦歸納出 目前受高度關注之網紅正可能是擁有上述該特質。
表 4-6 最注重網紅什麼特質之複選題分析表 題目:最注重網紅什麼特質
項目 填答次數 百分比 排序
幽默
405 83.3% 1
獨特才能
234 48.1%
6專業
270 55.6% 3
與粉絲互動
181 37.2%
7親民
299 61.5% 2
樂觀
236 48.6%
5外貌
102 21.0%
10獨特經驗
157 32.3%
8獨特價值觀
156 32.1%
9獨特風格
250 51.4%
4此外，針對最注重網紅什麼特質與性別做交叉分析，由表 4-7 所示，針對男 性最注重網紅之特質第一名之排序為幽默，其次，則由專業及親民並列第三排序，
反觀，女性所注重之特質，同樣第一名皆為幽默之特質，第二名排序則為親民，
第三名排序為專業，有鑑於此，女性對於親民之重視程度將可能相比男生略高些，
可見親民特質之網紅受女性之重視高於男性。
表 4-7 最注重網紅什麼特質與性別之交叉分析
項目 男性 女性
填答次數 百分比 排序 填答次數 百分比 排序 幽默 100 82.0%
1
305 83.8%1
獨特才能 51 41.8% 7 183 50.3% 5 專業 67 54.9%3
203 55.8%3
與粉絲互動 53 43.4% 6 128 35.2% 7親民 67 54.9%
3
232 63.7%2
樂觀 59 48.4% 5 177 48.6% 6 外貌 35 28.7% 10 67 18.4% 10 獨特經驗 39 32.0% 9 118 32.4% 8 獨特價值觀 42 34.4% 8 114 31.3% 9 獨特風格 65 53.3% 4 185 50.8% 4五、信度分析
(一)構念信度本研究針對開放性、認知互動性、擬社會互動、品牌認同及黏著度之五個構 念進行Cronbach’s α 信度分析，由表 4-8 所示各構念之 Cronbach’s α 值皆高於 0.8 以上，表示本研究之量表設計具有良好之信度。
表 4-8 各構念之信度分析
構念 整體Cronbach’s α
開放性 0.830
認知互動性 0.876
擬社會互動 0.881
品牌認同 0.839
黏著度 0.874
(二)組成信度
運用驗證性因素分析(Confirmatory Factor Analysis, CFA)進行信度與效度之 分析。依據 Bagozzi and Yi (1988)提出之因素負荷量應大於 0.50 以上，故由本研 究之表 4-9 所示，可見整體之因素負荷量介於 0.550~0.910 之間，符合學者所提 出之標準。
針對變項之組合信度(Component reliability, CR)是由所有測量之變項所組合 而成，據 Fornell and Larcker (1981)指出 CR 值越高，則表示衡量之指標越能夠測 出組合信度(CR)，其建議值為 0.6 以上，呈如表 4-9 之呈現，顯示本研究之各構 面組合信度(CR)值介於 0.834~0.884，符合 Fornell and Larcker (1981)之建議值，
表示本研究之量表具有良好的組合信度。
(三)內部一致性
本研究透過因素負荷量對個別項目之信度進行評估以及利用多元相關平方 (SMC)予以衡量，依據 Bagozzi and Yi (1988)的建議因素負荷量值應大於 0.50，
且各測量變數之 SMC 值皆應達到 Jöreskog and Sörbom (1993)所建議之 SMC 大 於 0.2 的門檻，得以顯示信度良好且內部一致性高。詳見於表 4-9 所示。
表 4-9 衡量構念之信效度分析(樣本=486) (Jöreskog and Sörbom, 1996)
cAVE=Σ(因素負荷量 2)/((Σ 因素負荷量)2+(Σ 各測量變項的測量誤差))(Jöreskog and Sörbom , 1996)
六、效度分析
(一)內容效度內容效度得有效反映測量工具本身之內容範圍及廣度的適切性，包含被衡量 建構之所有層面項目，問卷若以理論為基礎、實證研究、邏輯推論與專家共識等，
且進行過預測(pretest)，即可為具有相當的內容效度。本研究所探討之衡量題項 皆根據文獻編製並修訂，問卷同樣被多次引用，故可認為具有一定的內容效度。
(二)收斂效度
本研究進行驗證性因素分析檢測，根據 Hair et al. (1998)的建議，利用潛在變 數組合信度(CR)與潛在變數平均萃取變異量(
Average variance extracted
，AVE) 以衡量潛在變數和觀測變數之收斂效度。平均變異萃取量(AVE)則依據(Fornell and Larcker, 1981)建議標準需達 0.5 以上具有收斂效度，表示具有收斂效度。如 表 4-9 所示，本研究之各平均變異萃取量(AVE)數值介於 0.505~0.642 之間，表示 具有良好之收斂效度。(三)區別效度
針對區別效度之觀測方式，以對角線之 AVE 開根號該值應大於非對角線之
針對區別效度之觀測方式，以對角線之 AVE 開根號該值應大於非對角線之