第四章 資料統計與分析
第四節 資訊決策行為模式(iCT Model)建構及其驗證
結構方程模式(Structural Equation Modeling, SEM)係以統計分析為基礎 研究方法學，整合了傳統因素分析所代表的潛在變項研究模式與路徑分析所 代表的回歸因果關係聯結模式，用以處理複雜多變量研究數據的探究與分 析，目的在於探究變項間的因果關係以驗證理論。其構造可分為測量模式和 結構模式兩部分，測量模式用以描述觀察變項與潛在變項之間的關係，其所 構成的數學模式是驗證性因素分析；結構模式用以檢驗結構關係的假設，使 潛在變項之間的關係以路徑分析的概念來討論(陳寬裕、王正華，2010)。因 此結構方程的基本原理一般而言，應包含結構化、假設方程式與模式分析等 意涵(邱皓政，2004)。因此，本節將就假設檢定、結構化驗證與模式比較分 析等三個概念來說明如下。
壹、模式建構及假設檢定
本研究透過相關文獻整理、分析、推論，建構資訊決策行為模式(iCT Model)。理論基礎係基於科技接受模式和計畫行為、理性決策及自我效能等 理論相關文獻分析，進一步建立研究模式與假設，如下圖 4-1，各項研究假 設及理論概念分述如下：
圖 4-1 研究模式與假設圖
H13 H14 計畫行為理論
在資訊有用性知覺(IPU)方面，Lucas 和 Spliter(1999)研究認為資訊系統 知覺(IPSQ)顯著影響資訊有用性知覺(IPU)。Szajna(1996)也指出資訊內容特 性(IPIQ)會影響資訊有用性知覺(IPU)。而 Davis(1989)在其修正 TAM 模型研 究指出，易用性知覺(IPEOU)會影響有用性知覺(IPU)。
另一方面，在社群影響因素方面，Teo(2010)研究發現主觀規範(SN)也會 影響資訊系統的有用性(IPU)。因此，本研究假設如下：
H1：資訊系統品質知覺(IPSQ)對資訊有用性知覺(IPU)有直接正向的影 響。
H2：資訊內容品質知覺(IPIQ)對資訊有用性知覺(IPU)有直接正向的影 響。
H3：主觀規範(SN)對資訊有用性知覺(IPU)有直接正向的影響。
H4：資訊易用性知覺(IPEOU)對資訊有用性知覺(IPU)有直接正向的影 響。
據此，本研究提出之假設路徑為：
IPU=IPSQW1+IPIQW2+SNW3+IPEOUW4
在 Lin(2007)、Luca、Spitler(1999)、Smith(2008)研究發現資訊系統品質 (IPSQ)會影響資訊易用性知覺(IPEOU)。另一方面，Treiblmaier(2008)、Neale,et al.(2008)提出，資訊內容品質(IPIQ)會影響資訊的易用性知覺(IPEOU)。據 此，本研究假設條列如下：
H5：資訊系統品質知覺(IPSQ)對資訊易用性知覺(IPEOU)有直接正向的 影響。
H6：資訊內容品質知覺(IPIQ)對資訊易用性知覺(IPEOU)有直接正向的 影響。
據此，本研究提出之假設路徑為：
IPEOU=IPSQW5+IPIQW6
依據第二章文獻探討得知，行為意圖係因態度所決定。而相關研究指出 態度(ATT)由資訊有用性知覺(IPU)和資訊易用性知覺(IPEOU)態度共同決 定，甚至和資訊有用性知覺和資訊易用性知覺具有正向因果關係(Davis, 1993；Fenech,1998；Shin.2003；Teo,2010)。而 Bruner 和 Kumar(2005)、
Klopping、Mckinney(2004)等研究發現態度亦受到資訊有用性知覺影響。
此外，態度(ATT)也受主觀規範(SN)和行為控制知覺(PBC)影響，且彼此 間呈現顯著的正向關係(余泰魁、吳桂森、李能慧，2005;Chang, 1998;Stumpf Brief、Hartman, 1987)。據此，提出假設如下：
H7：資訊有用性知覺(IPU)對態度(ATT)有直接正向的影響。
H8：資訊易用性知覺(IPEOU)對態度(ATT)有直接正向的影響。
H9：主觀規範(SN)對態度(ATT)有直接正向的影響。
H10：行為控制知覺(PBC)對態度(ATT)有直接正向的影響。
據此，本研究提出之假設路徑為：
ATT=IPUW7+IPEOUW8+SNW9+PBCW10
資訊決策行為(IDB)係為係指決策者對於資訊決策行為所認定的主觀機 率。當個人對於決策行為的態度愈正向，其行為傾向愈高。反之，當個人對 於行為的態度愈負向，則行為傾向愈低。Fenech(1998)提出資訊有用性知覺 亦會影響決策者對資訊決策行為的影響。Henderson et al.(1993)、Moon、
Kim(2001)均證明決策者的態度對於行為傾向有正向的影響。另一方面，電 腦自我效能(CSE)及理性決策理論(DMT)亦會對資訊決策行為造成影響。依 據上述，提出假設如下：
H11：資訊有用性知覺(IPU)對資訊決策行為(IDB)有直接正向的影響。
H12：態度(ATT)對資訊決策行為(IDB)有直接正向的影響。
H13：電腦自我效能(CSE)對資訊決策行為(IDB)有直接正向的影響。
H14：理性決策理論(DMT)對資訊決策行為(IDB)有直接正向的影響。
據此，本研究提出之假設路徑為：
IDB=IPUW11+ATTW12+CSEW13+DMTW14
依據第二章文獻探討，可得知大都研究只研究到資訊決策行為(IDB)。
而許多學者皆針對資訊決策行為會對其實際決策行為有直接顯著的正向關 係(吳錦波、林佳蓉，2008;Beck、Ajzen, 1991)。本研究依此提出假設：
H15：資訊決策行為(IDB)對實際決策行為(ADB)有直接正向的影響。
據此，本研究提出之假設路徑為：
ADB=IDBW15
貳、資訊決策行為模式(iCT Model)驗證
本研究經由結構方程模式(SEM)驗證以科技接受模式、計畫行為理論建 構資訊決策行為模式(iCT Model)。有關建立結構方程模式其樣本大小從國外 學者的研究來看，目前還沒有一個統一的樣本大小之選取標準，各篇文獻的 結論與建議都不盡相同，Boomsna(1982)研究發現樣本大小 n 越大，模型的 收斂性、參數估計的精確性越好。反之當樣本大小 n 低於 100 時，所產生的 相關矩陣不夠穩定，使得結構方程建模信度降低。Boomsama(1982)建議樣本 大小 n 最少要達 100，而最好能大於 200。Nunnally(1967)則建議樣本大小 n 除以觀察變數項目 p 應該大於等於 10。
根據 Kline(1998)研究發現，在結構方程模式分析中，若是樣本數低於 100，則參數估計結果是不可靠的。黃芳銘(2004)則採相關統計的「首要規 則」，亦即，每一個觀察變項至少要 10 個樣本，或 20 個樣本。對結構方程 模式分析而言，樣本數越大越好，此與一般推論統計原理相同，但在結構方 程模式適度性考驗中的絕對配適度指數χ2 值易受到樣本數愈多，χ2 值愈 容易達顯著水準，表示理論模式被拒絕的機會擴增，意即假設模式與實際資 料不契合機會愈大。因此，要在樣本數和整體模式配適度上取得平衡是相當 不容易(吳明隆，2009)。學者 Bentle(1990)認為研究的變項符合常態或橢圓 的分配情形，每個觀察變項 5 個樣本就足夠。
Rigdon(2005)認為結構方程模式分析，樣本數至少應在 150 位以上，若 是樣本數在 150 位以下，模式估計是不穩定，根據學者 Schumitt(1999)的觀 點，大部分的結構方程模式研究，其樣本數多介於 200 至 500 之間。
總結上述文獻，本研究樣本共計 483 份問卷，符合大部分理論標準，其 樣本如前表 4-1 所示。
另為進行模式的檢驗，茲就常態檢定、模式的評鑑敘述如下，再就各假
設檢定所形成之模式進行配適度檢定及模式路徑檢定如後：
一、常態檢定
本研究建構結構方程模式係採用 AMOS 軟體，有關參數估計程序採用
「最大概似法」，此法一般被認為具有強韌統計的特性，但最大概似法是基 於常態分配的假設下，因此必須檢驗題項是否違反常態。一般而言，偏態與 峰度係數如果介於正負 2 之間，則可研判資料符合常態分配(Mardia，1985)，
Kline(1998)提出偏態小於正負 3、峰度小於正負 10 的標準符合常態分配，本 研究以上述文獻為標準，先檢視樣本是否符合常態分配，若有，進行後續模
表 4-25 資訊決策行為模式(iCT Model)問卷觀察變項常態性分配摘要表(續)
IPEOU1
我覺得透過我選擇的網站
表 4-25 資訊決策行為模式(iCT Model)問卷觀察變項常態性分配摘要表(續)
表 4-25 資訊決策行為模式(iCT Model)問卷觀察變項常態性分配摘要表(續) 量模型(驗證性因素分析模型)與結構模型(路徑模型)。根據 Anderson、
Gerbing(1988)及 Williams 與 Hazer(1986)等學者的建議，進行結構方程模式 分析時應 分為 兩階 段，第一 階段 先針 對各研究 構面 及其 衡量題項 進行
(一)收斂效度
收斂效度是指構面所代表的潛在特質與其他構面所代表的潛在特質間 有低度相關或有顯著的差異存在。探討彼此間具有相關之程度，本研究以 Bagozzi 和 Yi(1988)所提出之個別觀察變項的信度、潛在變數組成信度(CR)，
以及平均萃取變異(AVE)等三個指標來作為聚斂效度的檢驗，可透過檢視因 素負荷量是否超過 0.70，組成信度係數均達 0.60 以上來判別，以及各衡量 項目之平均變異量是否大於 0.50 來表示模式之內在品質理想。
資訊決策行為模式(iCT Model)問卷各觀察變項收斂效度檢核結果見表 4-26，各題項的因素負荷量均達0.70以上、同時，題項的組成信度均達0.60 以上標準，且其平均變異量亦均達0.50以上之標準，表示問卷內容能準確反 應在此構面上，具有收斂效度。
表4-26 資訊決策行為模式(iCT Model)問卷收斂效度摘要表
表4-26 資訊決策行為模式(iCT Model)問卷收斂效度摘要表(續)
Gerbing,1988)。在區別效度檢定方面，判斷準則為每一個構面的 AVE 平方 根大於各構面的相關係數之個數，至少須佔整體的比較個數 75%以上且任何 二個因素構念間的相關顯著不等於 1，表示兩個因素構念間是有區別的，具 有區別效度的測量模式，測量不同因素構念的測量指標會落在不同因素構念 上，而測量相同因素構念的觀察變項會落在同一個構念因素之中。本研究以
Anderson 與 Gerbing(1988)所提之觀點來進行區別效度的檢定，構念中的相 關係數設定為 1 時，其限制模式之卡方值與未限制模式之卡方值均有顯著差 異。
資訊決策行為模式(iCT Model)各構面區別效度檢核結果見表4-27，各構 面之AVE的平方根介於0.828~0.934，均大於各構面間的相關係數，所得分析 結果顯示各構面皆滿足判斷準則，顯示具有區別效度。
表4-27 資訊決策行為模式(iCT Model)區別效度摘要表
構面 A B C D E F G H I J K
IPSQ .855
IPIQ .526** .914
IPEOU .476** .740** .884
IPU .482** .807** .811** .871
SN .372** .686** .674** .716** .878
PBC .377** .714** .716** .737** .715** .848
ATT .443** .719** .708** .777** .776** .774** .828
CSE .407** .689** .729** .693** .668** .733** .754** .929
DMT .428** .691** .731** .715** .699** .756** .746** .802** .934
IDB .421** .737** .764** .778** .686** .743** .790** .742** .845** .914 ADB .350** .625** .668** .715** .663** .776** .758** .683** .744** .761** .881
註：1.*p <.05**p<.01***p<.001
2.A=IPSQ；B=IPIQ；C=IPEOU；D=IPU；E=SN；F=PBC；G=ATT；
H=CSE；I=DMT；J=IDB；K=ADB 三、配適度考驗
配 適 度 衡 量 有 許 多 指 標 ， 本 研 究 採 用 Hairs 、 Anderson 、 Tatham 與 Black(1998)之看法，將其分為三種類型：絕對配適指標、增值配適指標、簡
約配適指標。為提升研究模式之價值，資訊決策行為模式(iCT Model)各假設
RMSEA值 .027 <.08(若<.05優良；<.08良好)
GFI值 .908 >.90以上
AIC值 2197.112<2352.000 2197.112<24512.511
理論模式值小於獨立模式值，
且同時小於飽和模式值 CAIC值 7772.094<8443.700
7772.094<24761.152
理論模式值小於獨立模式值，
且同時小於飽和模式值
在絕對配適度指數部分，χ2值為 975.112，顯著性為.251>.05，且卡方 值與自由度之比值為 2.549，當顯著性大於.05 時，即可認定模式與資料的配 適度良好，而由於卡方檢定本身易受樣本數大小的影響，因此 Bagozzi 與 Yi(1988)認為不可只參考卡方值，應同時可量樣本的大小，各建議使用卡方 值與自由度之比值，即χ2 自由度比來取代卡方值以檢定模式配適度，同時 建議其比值宜介於 1~5 之間，最好小於 3 表示模型與資料的配適度佳；RMR 則是測量殘差的平均數，越小表示模式配適度越佳，通常 RMR<.05，本研
究的 RMR 值為.25，表示配適度良好；另一方面，RMSEA 代表平均概似平 方誤根係數，RMSEA 比較理論模式與完美契合的飽和模式的差距程度，數 值越大，代表模式越不理想；數值越小，代表模式契合度越理想，RMSEA 係數不受樣本數大小與模式複雜度的影響，一般而言，RMSEA 小於.05 時，
可 以 判 斷 模 式 的 配 適 度 佳 ， RMSEA 大 於 .1 時 ， 表 示 模 式 配 適 度
可 以 判 斷 模 式 的 配 適 度 佳 ， RMSEA 大 於 .1 時 ， 表 示 模 式 配 適 度