資料分析方法

本研究資料是以SPSS 12.0 及 Amos 18.0 統計套裝軟體進行統計分析，包括敘述 性統計、交叉分析、變異數分析及結構方程模式分析。

一、樣本資料之敘述統計分析

本研究進行的敘述統計分析大別為兩個部分：次數分配 (個數及百分比)及平均 數與標準差。樣本的人口統計分佈以及智慧型手機使用狀況提供次數分配。研究架構 的構念提供平均數與標準差。智慧型手機的經常使用功能同時提供次數分配、平均數 與標準差。

二、交叉分析(卡方檢定)

交叉分析方法係指將樣本人口統計與智慧型手機之使用狀況進行交叉分析與比 對，並以卡方檢定驗證人口統計與手機使用狀況是否有顯著差異。

三、變異數分析(ANOVA)

變異數分析係指以人口統計變數為分類變數，對智慧型手機經常使用功能與研究 架構構念的六個構念進行變異數分析，並且進行 Bonferroni 多重比較，以瞭解不同 人口統計變數對經常使用功能或構念是否有顯著差異。

四、結構方程模式

結構方程模式的驗證依Anderson 和 Gerbing (1988)建議的兩步驟方法(two -stage approach)檢驗。包括測量模式分析與結構模式分析。

(一)測量模式分析

本研究以驗證性因素分析 (confirmatory factor analysis, CFA) 進行測量模式 (measurement model) 的信度 (reliability) 與效度 (validity) 分析。信度的評估，包括 Cronbach’s alpha 信度、潛在變數的組合信度 (composite reliability) 與平均萃取變異 (averaged variance extracted, AVE)。Cronbach’s alpha 主要和 EFA (explanatory factor analysis) 使用，用來評估因素所屬題項的系統變異，組合信度則主要在 CFA 用來評 估一組潛在構念指標間的一致性程度 (黃芳銘, 2004)。AVE 是用來衡量一組潛在構 念內所有題項的變異佔潛在構念變異的百分比例。SEM 的建構效度分析包括收斂效 度 (convergent validity) 和區別效度 (discriminant validity)。建構效度指的是題項能夠 測量到理論上的構念的程度。收斂效度指的是各題項所測量的是否與構念有所相符。

本研究以下列三種方式進行收斂效度的驗證: 1.因素負荷大於等於 0.7(Nunnally, 1978)；2.組合信度>0.7(Fornell & Larcker, 1981)；3. AVE>0.5 (Fornell and Larcker, 1981)。

區別效度則是用來判斷不同構念間是否具有差異性。本研究以下列兩種方式分析區別 效度: 1.構念間的相關係數不為 1。以巢型模式 (nested model) 進行卡方差異檢定比 較構念間的相關係數是否為1。若卡方差異值大於 3.84 (自由度為 1)，表示支持兩構 面間的相關係數不為1 的假設 (Anderson & Gerbing, 1988)；2.個別構念的 AVE 大於 構念間的相關係數平方(Fornell and Larcker, 1981)。

(二)結構模式分析

本研究以 Amos 提供的指標來進行模式整體配適度的評估。Hair, Anderson, Tatham, and Black (1998) 將整體配適度評鑑指標值分成三類: 1.絕對配適度 (absolute fit measures)；2.增值配適度 (incremental fit measures)；3.簡約配適度 (parsimonious fit measures)。絕對配適度用來決定理論的模式是否能夠預測觀察共變數或相關矩陣的程 度。增值配適度是用來比較基準模式 (baseline model)和理論模式的配適度。基準模

式是假設所有觀察變數之間都不相關的獨立模式。簡約配適度用來評估模式是否有過 度配適的情況，對模式的複雜性加以懲罰。常用的配適度指標整理在表 3-2。

表3-2:配適度指標

指標名稱 指標性質 判斷準則

絕對 配適 度

Chi² 比較理論模型和觀察模型的配適程度。 p>0.05

RMSEA 比較理論模型與飽和模型的差距。 <0.05(Browne & Cudeck, 1993) RMR 未標準化假設的模型整體殘差。 <0.05

GFI 理論模型可以解釋觀察資料的變異數與共變 數比例。

>0.90 (P. Bentler, 1983)

AGFI 考慮自由度後的GFI。 >0.90 (Bentler, 1983) 增值

配適 度

CFI 理論模型與獨立模型的非中央性差異。 >0.95 (P. M. Bentler, 1990) NFI 比較理論模型與獨立模型的卡方差異。 >0.90 (Bentler & Bonett, 1980) IFI 降低理論模式自由度影響的NFI。 >0.90 (Bentler & Bonett, 1980) NNFI 考慮自由度避免模型複雜度影響的NFI。 >0.90 (Bentler & Bonett, 1980) 簡約

配適 度

Chi²/df 考慮模型複雜度後的卡方值。 1~3(Marsh & Hocevar, 1985) PGFI 考慮模型簡約程度的GFI (愈接近 1 愈簡約)。 >0.50 (Mulaik et al., 1989) PNFI 考慮模型簡約程度的NFI。 >0.50 (Mulaik et al., 1989) PCFI 考慮模型簡約程度的CFI。 >0.50 (Mulaik et al., 1989)