第四章 資料分析
第四節 、 進階分析
一. 加入開放資料集體效能之模型分析
本研究的樣本是曾經看過與開放資料相關新聞的民眾，而由於現今社交媒體 十分地普及，許多資訊也都會透過社交媒體傳送，當然也包含與開放資料相關的 資訊，因此民眾也能夠透過加入有興趣的社團或粉絲頁來與他人有所互動、交流。
因此本研究同時也想了解民眾是否參與社團或粉絲頁，與其開放資料素養及開放 資料公民參與有無差別。所以本研究將無參與社團或粉絲頁，和有參與的樣本區 分開來，無參與的樣本數為 225 筆，而有參與的則是 207 筆。但由於有部分問卷 是以紙本的方式予受測者填答，因此雖然有參與社團或粉絲頁的樣本數有 207 筆，但有填答集體效能的樣本數只有 205 筆。而開放資料集體效能與開放資料自 我效能的源頭皆屬於開放資料效能，因此下面將針對此二變數進行分析。
(1) 信效度分析
為了驗證開放資料集體效能的信效度，因此本研究同樣採用探索性因素分析 (Explorative Factor Analysis)以及 Cronbach’ s α 信度分析，來確認開放資料集體效 能是否能有效收斂，以及確保檢驗結果的一致性及穩定性。
開放資料效能共有 9 題題項，其 KMO 值為 0.747，確實大於 Kaiser (1974) 建議的判斷標準值 0.5。而 Bartlett 球形檢定結果也為顯著，代表能夠進行因素分 析。本研究中開放資料集體效能的第一題，由於共同性 (communalities) (0.361) 低於標準 0.5，故而刪除此題項。其餘題項的因素負荷量皆大於 0.5 以上的建議，
分析結果如表 23 所示，其累積解釋變異量為 61.418%。
78
而在信度的部分，Cronbach’ s α 值皆大於 0.7 (Nunnally, 1987)，因此能確保 此測驗結果的一致性與穩定性。開放資料效能之 Cronbach’ s α 如下表 24 所示。 分析 (confirmatory factor analysis, CFA)，以檢測量表是否具有收斂效度、信度及 區別效度。
此研究之信度分析結果如下表 25 所示，其組合效度皆高於標準 0.6，代表本 研究之衡量工具擁有良好的信度。而各變數的平均萃取變異量 (AVE)也都有達 到 0.5 的標準，因此具備收斂效度。而從表 26 可知，其平均萃取變異量 (AVE) 之平方根皆大於其他構念的相關係數，因此具備良好的區別效度。
79
CollEff_2 0.674***
0.864 0.615 CollEff_3 0.865***
CollEff_4 0.808***
CollEff_5 0.779***
對政府推動開放資料的懷疑
80
研究變數 問項 因素負荷量 CR AVE
FBAct_5 0.207***
FBAct_6 0.220***
開放資料處理
DaAct_1 0.292***
0.932 0.820 DaAct_2 0.380***
DaAct_3 0.430***
開放資料 活動參與
MoAct_1 0.325***
0.878 0.706 MoAct_2 0.409***
MoAct_3 0.449***
註 1：*p<0.1, **p<0.05, ***p<0.01
81
表 26、加入開放資料集體效能之相關係數表 (N=205)
變數 Mean Std. 1 2 3 4 5 6 7 8 9 10 11
1.了解 3.958 0.613 0.893
2.存取 3.673 0.770 0.582*** 0.842
3.判斷 3.709 0.650 0.471*** 0.673*** 0.821
4.應用 3.620 0.823 0.389*** 0.629*** 0.653*** 0.842 5.開放資料
自我效能 3.725 0.561 0.428*** 0.422*** 0.323*** 0.285*** 0.777 6. 開放資料
集體效能 3.740 0.566 0.214*** 0.050 0.042 0.013 0.117* 0.784 7.對政府推動開放
資料的懷疑 2.657 0.786 -0.182** -0.182** -0.233*** -0.179** -0.042 -0.015 0.856 8.對政府推動開放
資料的無能力 3.216 0.912 0.015 -0.166* -0.216*** -0.098 0.017 0.139** 0.525*** 0.872
9.Facebook 行為 3.361 0.763 0.115 0.132* 0.062 0.047 0.378*** 0.191*** 0.089 0.040 0.778
10.開放資料處理 3.070 1.002 0.144** 0.421*** 0.343*** 0.371*** 0.312*** -0.016 -0.026 -0.030 0.474*** 0.906 11.開放資料活動參
與 2.563 1.034 0.152** 0.266*** 0.176** 0.138** 0.366*** 0.068 0.141** 0.135* 0.666*** 0.525*** 0.840 註 1：對角線值為平均變異萃取量之平方根。
註 2：*p<0.1, **p<0.05, ***p<0.01
82
(3) 結構化模型分析──加入開放資料集體效能
在結構化模式分析中，為確保各研究構面之穩定性，採用 bootstrapping 重新 取樣，以 1000 筆樣本做為模擬，進行研究模型的路徑檢驗。在統計檢驗水準方 p<0.01; β=0.368, p<0.01)。而懷疑只有對開放資料公民參與之中的 Facebook 行為 有顯著影響 (β=0.141, p<0.1)，無能力則無對任何便屬產生顯著影響。最後，集
*p<0.1, **p<0.05, ***p<0.01 0.043
83
表 27、加入開放資料集體效能之結構模式分析彙整表 (N=205)
假說 路徑 路徑係數 t 值 檢定結果 假說成立狀況
H1a Und→InEff 0.266*** 3.316 顯著 成立 H1b Acc→InEff 0.238*** 2.762 顯著 成立 H1c Jud→InEff 0.043 0.396 未顯著 不成立 H1d Appl→InEff 0.027 0.287 未顯著 不成立 H2a InEff→FBAct 0.371*** 5.957 顯著 成立 H2b InEff→DaAc 0.325*** 5.308 顯著 成立 H2c InEff→MoAct 0.368*** 5.692 顯著 成立 H3 Susp→InEff 0.033 0.367 未顯著 不成立 H4a Susp→FBAct 0.141* 1.706 顯著 成立 H4b Susp→DaAct 0.008 0.090 未顯著 不成立 H4c Susp→MoAct 0.115 1.350 未顯著 不成立 H5 Inc→InEff 0.057 0.640 未顯著 不成立 H6a Inc→FBAct -0.047 0.522 未顯著 不成立 H6b Inc→DaAct -0.035 0.389 未顯著 不成立 H6c Inc→MoAct 0.090 0.934 未顯著 不成立 H7a CollEff→FBAct 0.171*** 2.573 顯著 成立 H7b CollEff→DaAct -0.052 0.668 未顯著 不成立 H7c CollEff→MoAct 0.039 0.550 未顯著 不成立 註 1：Und 為了解、Acc 為存取、Jud 為判斷、Appl 為應用、FBAct 為 Facebook 行為、
DaAct 為開放資料處理、MoAct 為開放資料活動參與、Susp 為對政府推動開放資料 的懷疑、Inc 為對政府推動開放資料的無能力、CollEff 為開放資料集體效能
註 2：*p<0.1, **p<0.05, ***p<0.01
84
二. 開放資料參與者之跨理論模式分析
本研究也將跨理論模式 (Transtheoretical model, TTM)套用至開放資料實作 上，為了了解不同階段在不同經驗 (有無參與開放資料社團或粉絲頁)的樣本群 中，他們的開放資料素養與開放資料公民參與之間的差異，因此採用變異數分析 及事後檢定來測量這當中的差異為何。而將無參與社團或粉絲頁，和有參與的樣 本區分開來，無參與的樣本數為 225 筆，而有參與的則是 207 筆，因此部分無涉 及集體效能，因此有參與的部分採用 207 筆樣本。由於各組的樣本數並不一致，
因此在事後檢定的部分，本研究採用雪費法 (Sheffe method)來進行分析。
由下表 28 或圖 13、14 可看出，除了無參與社團/粉絲頁經驗在 Facebook 行為與開放資料活動參與這兩變數中，其 TTM 各階段之間並無顯著差異，其餘 包含整體及其他有無社團/粉絲頁經驗的族群樣本，他們在各變數的 TTM 各階段 之間，皆有顯著差異存在。
以開放資料素養底下的四個變數來說，無參與開放資料社團或粉絲頁的樣 本，其維持期的平均數皆顯著高於思考前期，而有參與開放資料社團或粉絲頁的 樣本，行動期和維持期的平均數都顯著高於思考前期及思考期。另外，在開放資 料公民參與的部分，無參與開放資料社團或粉絲頁的樣本，在 Facebook 行為和 開放資料活動參與上，經由檢定結果可知其五階段之間並無顯著差異，而在開放 資料處理上，維持期的平均數是顯著高於思考前期、思考期，以及準備期。至於 有參與開放資料社團或粉絲頁的樣本的部分，在 Facebook 行為上的維持期平均 數是顯著高於思考期，而在開放資料活動參與和開放資料處理上，其維持期平均 數是顯著高於思考前期及思考期的。
此外，分別以有無參與開放資料社團或粉絲頁經驗的樣本來看，在開放資料 素養上，有參與開放資料社團或粉絲頁的樣本，在 TTM 各階段的平均數大多都 高於無參與經驗的平均數，除了在思考前期部分的結果是相反的。而在開放資料 公民參與上，有參與社團或粉絲頁經驗的平均數，在 TTM 各階段確實都高於無 參與經驗。
85
表 28、TTM 各階段之變異數分析彙整表 題項
代碼 階段 1 2 3 4 5
p-value 事後比較
思考前期 思考期 準備期 行動期 維持期
Und
整體 N=432 3.299 3.750 3.793 4.019 4.197 0.000 (4)(5)>(1); (5)>(2)(3);
(2)(3)(4)>(1) 無參與社團粉絲頁
N=225 3.333 3.643 3.679 3.872 4.161 0.000 (4)(5)>(1); (5)>(2)(3) 有參與社團粉絲頁
N=207 3.167 3.880 3.900 4.147 4.217 0.000 (2)(3)(4)(5)>(1)
Acc
整體 N=432 3.233 3.480 3.447 3.715 3.968 0.000 (4)(5)>(1) ; (5)>(2)(3) 無參與社團粉絲頁
N=225 3.282 3.370 3.400 3.587 3.843 0.010 (5)>(1) 有參與社團粉絲頁
N=207 3.042 3.613 3.492 3.827 4.039 0.000 (4)(5)>(1); (5)>(3)
Jud
整體 N=432 3.271 3.538 3.547 3.814 3.957 0.000 (4)(5)>(1) ; (5)>(2)(3) 無參與社團粉絲頁
N=225 3.303 3.380 3.374 3.664 4.009 0.000 (5)>(1)(2) 有參與社團粉絲頁
N=207 3.146 3.728 3.522 3.944 3.928 0.000 (4)(5)>(1); (5)>(3)
Appl
整體 N=432 3.047 3.380 3.489 3.721 3.876 0.000 (4)(5)>(1); (5)>(2)(3);
(3)>(1) 無參與社團粉絲頁
N=225 3.048 3.294 3.510 3.471 3.815 0.000 (3)(5)>(1); (5)>(2) 有參與社團粉絲頁
N=207 3.042 3.484 3.470 3.938 3.910 0.000 (4)(5)>(1)
86
題項
代碼 階段 1 2 3 4 5
p-value 事後比較
思考前期 思考期 準備期 行動期 維持期
FBAct
整體 N=432 2.616 2.839 2.996 3.041 3.268 0.000 (5)>(1)(2) 無參與社團粉絲頁
N=225 2.536 2.616 2.625 2.422 2.589 0.867 無事後比較 有參與社團粉絲頁
N=207 2.931 3.108 3.343 3.578 3.649 0.000 (5)>(2)
DaAct
整體 N=432 2.249 2.394 2.747 3.280 3.533 0.000 (4)(5)>(1);
(4)(5)>(2)(3); (3)>(1) 無參與社團粉絲頁
N=225 2.220 2.285 2.524 2.833 3.296 0.000 (5)>(1)(2)(3) 有參與社團粉絲頁
N=207 2.361 2.526 2.956 3.667 3.667 0.000 (4)(5)>(1)(2)(3)
MoAct
整體 N=432 1.831 2.013 2.259 2.351 2.733 0.000 (5)>(1)(2)(3) 無參與社團粉絲頁
N=225 1.787 1.865 1.964 1.987 2.099 0.628 無事後比較 有參與社團粉絲頁
N=207 2.000 2.193 2.534 2.667 3.090 0.000 (5)>(1)(2)
註 1：Und 為了解、Acc 為存取、Jud 為判斷、Appl 為應用、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與、
Susp 為對政府推動開放資料的懷疑、Inc 為對政府推動開放資料的懷疑 註 2：p<0.1
87
88
89
而透過社群媒體，民眾能夠更快的接觸到與開放資料相關的訊息，且能與 他人進行互動交流。因此本研究想探討有無參與相關社團或粉絲頁的經驗，與開 放資料素養及開放資料公民參與之間的關係為何。由下表 29 可知，在無參與經 驗的樣本中，開放資料素養除了了解之外，其餘與開放資料公民參與中的 Facebook 行為之間都有顯著關係存在。而且與開放資料處理和開放資料公民參 與都有顯著的關聯性。
表 30 則顯示有參與社團或粉絲頁的樣本中，開放資料素養在 Facebook 行為 與開放資料處理上的結果，只有基礎素養與 Facebook 行為有顯著關聯性。但是 開放資料素養與開放資料處理和開放資料活動參與之間，都有顯著的關聯性存 在。
90
表 29、無參與社團或粉絲頁之相關係數表 (N=225)
變數 Mean Std. 1 2 3 4 5 6 7
1.了解 3.676 0.687 0.909
2.存取 3.441 0.705 0.595*** 0.829
3.判斷 3.521 0.682 0.600*** 0.700*** 0.861
4.應用 3.379 0.739 0.469*** 0.572*** 0.636*** 0.828 5.Facebook
行為 2.576 0.859 0.089 0.114* 0.119* 0.123* 0.800 6.開放資料
處理 2.516 0.970 0.250*** 0.247*** 0.296*** 0.338*** 0.437*** 0.909 7.開放資料
活動參與 1.916 0.902 0.158** 0.153** 0.128* 0.154** 0.627*** 0.648*** 0.877 註 1：對角線值為平均變異萃取量之平方根
註 2：*p<0.1, **p<0.05, ***p<0.01
表 30、有參與社團或粉絲頁之相關係數表 (N=207)
變數 Mean Std. 1 2 3 4 5 6 7
1.了解 3.961 0.615 0.893
2.存取 3.675 0.771 0.588*** 0.847
3.判斷 3.712 0.648 0.474*** 0.673*** 0.817
4.應用 3.619 0.821 0.391*** 0.630*** 0.652*** 0.843 5.Facebook
行為 3.360 0.761 0.117* 0.136* 0.063 0.049 0.754 6.開放資料
處理 3.071 1.004 0.154** 0.428*** 0.345*** 0.375*** 0.475*** 0.907 7.開放資料
活動參與 2.558 1.031 0.144** 0.259*** 0.172** 0.136* 0.664*** 0.516*** 0.822 註 1：對角線值為平均變異萃取量之平方根
註 2：*p<0.1, **p<0.05, ***p<0.01
91 能、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：*p<0.1, **p<0.05, ***p<0.01
0.297**
*p<0.1, **p<0.05, ***p<0.01 0.296
92 能、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：*p<0.1, **p<0.05, ***p<0.01
0.479***
*p<0.1, **p<0.05, ***p<0.01 0.001
93 能、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：*p<0.1, **p<0.05, ***p<0.01
0.346***
*p<0.1, **p<0.05, ***p<0.01 0.081
94 能、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：*p<0.1, **p<0.05, ***p<0.01
0.497***
*p<0.1, **p<0.05, ***p<0.01 -0.076
95 能、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：*p<0.1, **p<0.05, ***p<0.01
表 36、各變數在 TTM 各階段之間的平均數
*p<0.1, **p<0.05, ***p<0.01 -0.140
96 能、FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：p<0.1
FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與 註 2：*p<0.1, **p<0.05, ***p<0.01
由表 37 的路徑係數可發現，TTM 第五階段的模型分析與整體模型分析結
97
由於 TTM 第五階段是最理想的狀態，因此本研究將第五階段與其他四個階 段分別進行差異分析，想了解第五階段的模型分析與其他四階段的模型分析的差 異程度。本研究使用 Wetzels, Odekerken-Schröder, and Van Oppen (2009)所提出的 t 檢驗來比較在每個數據集中找到的路徑係數，詳細的計算公式如下：
98
階段 假說 路徑 路徑係數
(Std. Error) t-value 差異檢測
TTM1 0.296
(0.187) TTM5
H1d Appl→InEff
0.253*
(0.160)
7.079*** 有差異
TTM1 0.063
(0.146) TTM5
H2a InEff→FBAct
0.411***
(0.088)
5.912*** 有差異
TTM1 0.297**
(0.134) TTM5
H2b InEff→DaAc
0.415***
(0.089)
11.862*** 有差異
TTM1 0.134
(0.179) TTM5
H2c InEff→MoAct
0.377***
(0.091)
8.743*** 有差異
TTM1 0.108
(0.246)
註 1：Und 為了解、Acc 為存取、Jud 為判斷、Appl 為應用、InEff 為開放資料自我效能、
FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與
FBAct 為 Facebook 行為、DaAct 為開放資料處理、MoAct 為開放資料活動參與