一、描述性統計
以次數分配、百分比、平均數與標準差來統計受試樣本的背景變項與參與特性,
以及各因素之得分狀況。
二、獨立樣本 t 檢定與單因子變異數分析
以獨立樣本 t 檢定與單因子變異數分析,描述不同背景變項與參與特性之運動用品 網路購物消費者在態度、主觀規範、知覺行為控制與行為意圖是否有顯著差異?若呈顯 著差異 ( p < .05 ) ,則以雪費法 ( Scheffe’s Method ) 進行事後比較。
三、結構方程模式 ( Structural Equation Modeling )
結構方程模式是一門基於統計分析技術的研究方法學,用以處理複雜的多變量研究 數據的探究與分析。結構方程模式最重要的概念由兩個部分所組成,第一是測量模型 ( measurement model ) ,反應了觀察變數與潛在變數之間的關係,其構成的數學模型是 驗證性因素分析;第二是結構關係的假設考驗,透過結構模型 ( stucture model ) ,使潛 在變項之間的關係可以路徑分析的概念來討論 (邱皓政,2011) 。本研究以結構方程模 式瞭解運動用品網路購物消費者之態度、主觀規範、知覺行為控制、行為意圖與購物行 為各變項之間的影響路徑與模型適配程度,結構方程式模型評鑑指標契合度指數 (邱皓 政,2011) 如表 3-21 所示:
69
Goodness of Fit Index (GFI)
假設模型可以解釋觀察資料的比例 0-1 > .90 說明模式解釋力 Adjusted Goodness of Fit Index (AGFI)
考慮模型複雜度的 GFI 0-1 > .90 不受模式複雜度影響 Parsimony Goodness of Fit Index (PGFI)
考慮模式的簡約性 0-1 > .50 說明模型的簡單程度 Normed Fit Index (NFI)
比較假設模型與獨立模型的卡方差異 0-1 > .90 說明模型較虛無模型的 改善程度
Non-Normed Fit Index (NNFI)
考慮模式複雜度後的 NFI 0-1 > .90 不受模式複雜度影響 替代性指標
Non-Centrality Parameter (NCP)
假設模型的卡方值距離中央卡方分配的離散
Comparative-Fit Index (CFI)
假設模型與獨立模型的中央性差異 0-1 > .95
Akaike Information Criterion (AIC)
經過簡約調整的模型契合度的波動性 ---- 越小 越好
適用於效度檢核非巢套 模式比較
Consistent Akaike Information Criterion (CAIC)
經過簡約調整的模型契合度的波動性 ---- 越小
Root Mean Square Residual (RMR)
未標準化假設模型整體殘差 ---- 越小
越好 瞭解殘差特性 Standardized Root Mean Square Residual (SRMR)
標準化假設模型整體殘差 0-1 < .08 瞭解殘差特性
70
在適配評鑑指標選擇上,本研究挑選常見之 SEM 適配評鑑指標,絕對適配度:GFI、
AGFI、RMSEA;增量適配度:NFI、IFI、CFI;簡效適配度:PNFI、χ2/ df。根據邱皓政 (2011) 與黃芳銘 (2006) 針對各指標之判斷準則,在絕對適配度,GFI 大於 0.9、AGFI 要大於 0.9、RMSEA 要小於 0.05;在增量適配度,NFI、IFI、CFI 都需大於 0.9;在簡效 適配度,PNFI 要大於 0.5、卡方值除自由度為 χ2/ df < 3 之間。
本研究運用上述三種類型評鑑「運動用品網路購物行為模式」之整體適配度,並以 個別項目信度、組成信度、平均抽取量評鑑模式內部品質。整體適配度指標判斷準則表 如表 3-22 所示:
表 3-22
SEM 整體適配度指標判斷準則表
類別 絕對適配度 增量適配度 簡效適配度
指標 GFI AGFI RMSEA NFI IFI CFI PNFI χ2/ df 可接受值 >0.9 >0.9 <0.05 >0.9 >0.9 >0.9 >0.5 χ2/ df < 3 註:各項指標以邱皓政 (2011) 與黃芳銘 (2006) 之建議為依據。
71
第肆章 研究結果
本章主要將研究樣本資料,依據研究問題分節敘述。第一節,以描述性統計將研究 樣本之背景變項與參與特性作一呈現;第二節,運動用品網路購物行為模式各因素分析;
第三節,以獨立樣本 t 檢定與單因子變異數分析不同背景變項與參與特性,在態度、主 觀規範、知覺行為控制與行為意圖之差異情形;第四節,建構運動用品網路購物行為模 式,驗證模式適配程度,以及分析模式中各路徑之參數與顯著性。