運動用品網路購物行為模式各因素分析討論 - 運動用品網路購物行為模式之研究

一、運動用品網路購物行為模式驗證 (一) 基本與模式的內在結構適配度分析

因本研究以結構方程模式驗證表運動用品網路購物行為模型之適配程度，驗證前，

先以驗證式因素分析測量各構面之模型，為清楚呈現所有驗證數據，研究者彙整出一完 整報表 (如表4-16) ，其中，包括模型參數估計值 (非標準化係數、標準誤、 t 值、 p 值) 、收斂效度 (標準化係數、多元相關平方、組成信度、平均變異數萃取量) 及模型配適度(卡方差異值、自由度、卡方/自由度、 GFI 、 AGFI 及 RMSEA) 等。

(二) 收斂效度與區別效度

結構方程模式包含了測量模式與結構模式，但驗證性因素分析一般是僅針對測量模式對構面結構作驗證，也就是沒有因果模式的推論。因此，研究過程在引用已發展出的測量工具當本研究之測量工具時，新發展出的題目是否完全適用於本次研究，研究者並無法確認，因此就必須加以檢定。檢定過程依據因素負荷量、殘差為正、組成信度與平均變異數萃取量來檢測題目，如果數據不佳，則予以刪除，此過程稱為變數縮減。為什麼會有引用自知名學者或有信效度評估的測量工具，還會出現有檢定數據不佳的情況出現，可能是測量工具本身沒有一般性，亦可能因跨文化、翻譯過程、領域不同、時間點不同等都造成測量工具須重新驗證信、效度。李茂能 (2006) 指出，測量相同建構的測驗會落在同一因素上，此即具有收斂效度 (convergent vilidity) ，而測量不同建構的測驗會落在不同因素上，此為區別效度 (discriminant validity) 。因此，本研究再以收斂效度與區別效度來檢定本研究之量表。

1.收斂效度

滿足收斂效度條件需符合：因素負荷量大於 .7、組成信度 (Composite reliability, CR) 大於 .7、平均變異數萃取量 (average of variance extracted , AVE) 大於 .5、多元相關平方 (square multiple correction, SMC) 大於 .5 (Hair ,Anderson, Tatham, & Black,2009；

Fornell & Lacker, 1981)。

表4-16所示，5個潛在構面因素負荷量與多元相關平方 (SMC) 除sn3、sn6、pbc3、

tru3未達 .7 與 .5的標準，但是也是可接受的範圍；組成信度為 .87、 .83、 .88、 .90、 .90；

平均變異數萃取量分別為 .68、 .55、 .71、 .75、 .74，表示模式內在品質佳，具有收斂效度。

2.區別效度

區別效度是指各構面的潛在的特質 (構面與其他構面間) 有存在顯著的差異或有低度相關 (吳明隆，2009) 。檢定構面之間是否有區別效度可用以下的方法，相關係數法、

信賴區間法 (bootstrap) 、平均變異數萃取法 (AVE) 、SEM 估計法、 ECVI 及 AIC 指標法。本研究選取其中之平均變異數萃取法來檢驗區別效度。

區別效度係利用構面間的關係矩陣來加以檢定，檢定標準是以潛在變項的平均變異數萃取量 (AVE) 之平方根值需大於其他不同構面下的相關係數。由表4-17顯示，各個潛在變項的平均變異數萃取量開根號後，其值皆大於構面下之相關係數，亦即各構面間具有區別效度。

表 4-17

區別效度分析

AVE PBC SN ATT BI BEH PBC 0.684

0.827

SN 0.546 0.450

0.739

ATT 0.708 0.571 0.542

0.841

BI 0.752 0.539 0.542 0.501

0.867

BEH 1.000 0.151 0.217 0.182 0.433

1.000

註：對角線粗體字為 AVE 之根號值，下三角構面為皮爾森相關。

(三) 整體適配度分析

在整體適配度方面，本節採用結構方程模式進行資料分析，來檢驗各潛在變數間之因果關係。在參數估計方面，運用模式最常用的最大概似估計法 (Maximum Likelihood Estimation, MLE) 來估計參數。曹校章 (2010) 指出，最大概似估計法是一種有效率的

不偏估計法，利用最大概似估計法作為參數估計工具時，樣本數不能太少，一般認為樣本數至少應大於 200 人才適合使用最大概似法。邱皓政 (2008) 指出，一般而言，模型的修飾必須在樣本數很大的情況下才比較安全，一般規模的 SEM 研究， 100 到 400 個樣本，執行模型修飾都有相當的風險。因此，本研究樣本數將收集至少 400 人以上，

再進行結構方程模式統計分析。本研究在整體適配度指標判斷準則上，以邱皓政 (2011) 與黃芳銘 (2006) 之建議為依據，在絕對適配度方面，GFI 要> 0.9、 AGFI 要> 0.9、

RMSEA 要< 0.05；在增量適配度方面，NFI、IFI、CFI 要> 0.9；在簡效適配度方面，卡方值除自由度 (χ²/ df) < 3，PNFI > .5。

從表 4-18 整體適配度指標顯示，在絕對適配度、增量適配度、簡效適配度大部份皆符合邱皓政 (2011) 與黃芳銘 (2006) 之建議數據，顯示運動用品網路購物行為模式具有良好之適配度，但仍有進一步調整之必要。

1. 絕對適配度

絕對適配度指標包含 GFI、AGFI 與 RMSEA，本研究之 GFI 為 0.921，AGFI 為 0.882，

RMSEA 為 0.08，除 GFI 符合學者所建議的水準，AGFI 與 RMSEA 都非常接近，本研究之理論模式，與觀察資料的模式，大致符合適配門檻，有進一步調整適配度之必要。

2. 增量適配度

增量適配度指標包含 NFI、IFI 與 CFI，本研究之 NFI 值為 0.927，IFI 值為 0.946，

CFI 值為 0.946，皆符合學者所建議的水準，由此可見，本研究之理論模式，與觀察資料的模式，皆符合適配門檻。

3. 簡效適配度

簡效適配度指標包含 PNFI 與 χ²/ df，本研究之 PNFI 值為 0.713，χ²/ df 為 3.562，除

PNFI 符合學者所建議的水準，χ²/ df 值非常接近，本研究之理論模式，與觀察資料的模式，大致符合適配門檻，有進一步調整適配度之必要。

表 4-18

SEM 原始模式整體適配度指標

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 原始模式 0.921 0.882 0.080 0.927 0.946 0.946 0.713 3.562 符合程度 O 接近接近 O O O O 接近註：各項指標以李茂能 (2006) 、邱皓政 (2011，2003) 與黃芳銘 (2006) 之建議為依據。

因本研究之原始模型有 3 項適配指標都非常接近適配水準，為更符合理論之建議，

本研究對原始模式進行適配度調整。

SEM 的分析假設是資料需符合多元常態，本研究的 Mardia 係數的多元關鍵值 (Multivariate critical ratio) 為 46，大於建議值要小於 3 (Bentler, 2004)，因為資料未能符合多元常態估計，會造成模型卡方值的膨脹，導致模型配適度變差，因此，根據 Bollen 與 Stine (1992) 及 Enders (2005) 的建議，進行模型卡方值的修正，稱之為 Bollen-Stine chi-sqare correction 。經過 Bollen-Stine Bootstrap 1000 次重新校正卡方值，並得到模型配適度如表 4-19。經校正後，所有配適度指標，均符合一般 SEM 學者的建議。

表 4-19

SEM 調整後模式整體適配度指標

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 原始模式 0.921 0.882 0.080 0.927 0.946 0.946 0.713 3.562 調整後模式 0.972 0.944 0.030 0.972 0.992 0.992 0.748 1.363

符合程度 O O O O O O O O

註：各項指標以邱皓政 (2011) 與黃芳銘 (2006) 之建議為依據。

二、運動用品網路購物行為模式分析 (一) 模型與路徑分析

本研究欲建立運動用品網路購物行為模式，經驗證後之徑路關係結構與結構模型路徑係數如圖 4-1 與表 4-20 所示。

本研究在經過基本與模式的內在結構適配度分析、整體適配度分析顯示，理論模式已符合所有適配水準，因此，可以進一步分析各研究假設之路徑關係是否支持研究假設。

由圖4-1顯示，運動用品網路購物之行為模式中，除調節變數需另外計算外，其餘 8 個研究假設為：H1：網購消費者的「態度」對「行為意圖」有顯著影響、H2：網購消費者的「主觀規範」對「行為意圖」有顯著影響、H3：網購消費者的「知覺行為控制」對「行為意圖」有顯著影響、H4：網購消費者的「行為意圖」對「行為」有顯著影響、H5：網購消費者的「知覺行為控制」對「行為」有顯著影響、H7：「態度」與「主觀規範」有顯著的正相關、H8：「主觀規範」與「知覺行為控制」有顯著的正相關、H9：「態度」

與「知覺行為控制」有顯著的正相關，其路徑值分別為 .15、 .32、 .31、 .50、

-.12、 .54、 .45、 .57，除知覺行為控制對行為外，顯示研究假設1至9均成立，研究假

設5，雖達顯著，但 p 值非常接近 .05，且路徑值為負值，因此，研究者認為不宜貿然 接受知覺行為控制會顯著影響行為之假設。另外，從態度、主觀規範、知覺行為控制 3 個變項之相關值顯示，3個變項具有顯著正相關，此結果與 Ajzen (1991) 主張，態度、

主觀規範、知覺行為控制三者間呈現相關之假設檢定符合。整體來說，從態度、主觀規範、知覺行為控制 3 個變項對行為意圖有 .42的解釋力，對行為有 .20的解釋力。結構模型路徑係數如如圖 4-1 與表 4-20 所示：

圖 4-1 運動用品網路購物行為模式

表 4-20

運動用品網路購物行為模式結構模型路徑係數表

類別估計參數路徑 Unstd. S.E. t p Std. R²

因果關係

BI  ATT .137 .058 2.376 .018 .15 .416 BI  SN .318 .061 5.182 .000 .322

BI  PBC .239 .045 5.291 .000 .308

BEH  BI 1.37 .169 8.101 .000 .495 .197 BEH  PBC -.249 .125 -1.995 .046 -.116

相關關係

ATT

↔

^SN ^.352 ^.048 ^7.328 ^.000 ^.542

↔

^PBC ^.344 ^.051 ^6.753 ^.000 ^.450

ATT

↔

^PBC ^.471 ^.056 ^8.485 ^.000 ^.571

(二) 整體效果、直接效果與間接效果

邱皓政 (2011) 指出，對於每一個迴歸模式，自變數對於依變數的解釋力可由 R 平方及 F 考驗來表示，而每一個箭頭則可以獲自於迴歸係數，無論顯著或不顯著的迴歸係數，均需填註於路徑模式箭頭兩側。箭頭的迴歸係數若達顯著，代表該因果變數間具有直接效果。兩個變數之間，除了具有直接效果，亦可能存在間接效果，也就是說，兩個變數間，具有一個或多個中介變數，若有任何一個直接效果不顯著，間接效果無法成立。

本研究依據理論建構模式，結果顯示假設模式均顯著，間接效果如表 4-21 所示：

表 4-21

運動用品網路購物行為模式間接效果值分析整理表間接效果值

態度行為意圖行為 = .15  .50 = .075 主觀規範行為意圖行為 = .32  .50 = .16 知覺行為控制行為意圖行為 = .31  .50 = .155

(三) 調節變項檢驗

本研究的干擾假設檢定採用兩種統計分析進行，一為使用 SPSS 計算階層式迴歸，

二為簡化的潛在變數交互作用技術 (Ping, 1995) ，係採用 Amos 分析，這兩種檢定方法均為強韌 (robust) 的評估。階層式迴歸允許自變數增加時，R 平方改變量的檢定；SEM 則是檢定其交互作用項係數是否顯著，顯著則代表交互作用存在。

1.階層式迴歸調節變項檢驗

本研究假設 6 為「信任」會調節「行為意圖」與「行為」之間的關係。為檢驗信任是否具有調節作用，研究者根據 Baron 與 Kenny (1986) 所建議的階層式調節性迴歸 (moderated regression) 程序來檢驗調節變項的作用。將行為意圖與信任當作自變數放在第一層，觀察其依變數行為間的主要效果，第二層放入行為意圖與信任標準化之後的乘積，接著觀察所增加的 R 平方改變量是否有顯著，若有，則我們可以證實信任確實會扮演行為意圖與行為之間調節的角色，並影響行為意圖與行為之間的方向或強度。

從表 4-22 顯示，模式 1 只有信任與行為意圖，其增加的 R 平方改變量為 .165，模

在文檔中運動用品網路購物行為模式之研究 (頁 85-122)