本次研究問卷經過文獻探討與探索性因素分析後，透過網路平台發放後共回收 335 份正式問卷，其中有效問卷為 318 份，本節將藉由驗證性因素分析對研究模型各構面 進行配適度度檢定。
一、整體研究模型之構面配適度評鑑 (一)認知有用性構面之測量模式
認知有用性構面經由驗證性因素分析結果如表 4-3，圖 4-1 所示。由表 4-3 中配適 度指標得知原始模型配適度良好，且各項因子標準化因素負荷量皆大於.50，符合因素 負荷量指標，故無須刪減題項。
圖4- 1. 認知有用性構面驗證性因素測量模型 表4-3
認知有用性構面測量模型之驗證性因素分析結果摘要表
X2 df X2/df GFI AGFI RMSEA
原始模型 24.621 9 2.736 .974 .940 .074 配適度指標 1<X2/df <5 >.800 >.800 <.080
資料來源：本研究自行整理
(二)認知易用性構面之測量模式
認知易用性構面經由驗證性因素分析結果如表 4-4，圖 4-2，圖 4-3 所示。由表 4-4 中配適度指標得知原始模型配適度不佳，依據修正指標 (Modification Index, MI) 進行修 正，刪除 PEOU1 (學習如何使用餐廳 APP 對我來說是容易的)和 PEOU4 (熟練使用餐廳 APP 對於我而言是容易的) 的題項，此時模型恰好辨識，觀察其標準化負荷量均於.50 ， 模型符合要求 (張偉豪，2011)。
圖4- 2. 認知易用性構面驗證性因素原始測量模型
圖4- 3. 認知易用性構面驗證性因素修正後測量模型
表4-4
認知易用性構面測量模型之驗證性因素分析結果摘要表
X2 df X2/df GFI AGFI RMSEA
原始模型 40.976 5 8.195 .947 .841 .151 配適度指標 1<X2/df <5 >.800 >.800 <.080
資料來源：本研究自行整理
(三)安全與隱私構面之測量模式
安全與隱私構面經由驗證性因素分析結果如表 4-5，圖 4-4，圖 4-5 所示。
圖 4- 4. 安全與隱私構面驗證性因素原始測量模型
由表 4-5 中配適度指標得知原始模型配適度不佳，依據修正指標 (Modification Index, MI) 進行修正，刪除 SP2 (我在決定使用某一款餐廳 APP 之前已經確定此款 APP 之安 全性)、SP5(我相信我傳送至餐廳 APP 的資料無法被第三方更改)、SP7 (我認為餐廳 APP 很注重用戶的隱私)、SP9 (我認為餐廳 APP 遵守個人資料保護法)和 SP11 (我認為 餐廳 APP 在獲取用戶資訊時是尊重使用者保護權的) 等五題的題項，使得模型的整體 配適度達到良好，觀察修正後之標準化負荷量均大於.50 ，模型符合要求。
圖4- 5. 安全與隱私構面驗證性因素修正後測量模型
表4-5
安全與隱私構面測量模型之驗證性因素分析結果摘要表
X2 df X2/df GFI AGFI RMSEA
原始模型 376.398 54 6.970 .798 .709 .137 修正模型 41.752 14 2.982 .961 .922 .079 配適度指標 1<X2/df <5 >.800 >.800 <.080
資料來源：本研究自行整理
(四)自我效能感構面之測量模式
自我效能感構面題項共三題，模型恰好辨識。經由驗證性因素分析結果如圖 4-6 所 示。觀察其標準化負荷量均大於.50，模型符合要求。
圖4- 6. 自我效能感構面驗證性因素原始測量模型
(五)規範信念構面之測量模式
規範信念構面經由驗證性因素分析結果如表 4-6，圖 4-7，圖 4-8 所示。
圖4- 7. 規範信念構面驗證性因素原始測量模型
圖4- 8. 規範信念構面驗證性因素修正後測量模型
由表 4-6 中配適度指標得知原始模型配適度不佳，依據修正指標 (Modification Index, MI) 進行修正，刪除 NB4 (一般情況下，我比較願意聽從父母的建議)，此時模型 恰好辨識，觀察其標準化負荷量均大於.50，模型符合要求。
表 4-6
規範信念構面測量模型之驗證性因素分析結果摘要表
X2 df X2/df GFI AGFI RMSEA
原始模型 66.066 2 33.033 .921 .607 .318 配適度指標 1<X2/df <5 >.800 >.800 <.080
資料來源：本研究自行整理
(六)態度構面之測量模式
態度構面經由驗證性因素分析結果如表 4-7，圖 4-9，圖 4-10 所示。
圖 4- 9. 態度構面驗證性因素原始測量模型
圖4- 10. 態度構面驗證性因素修正後測量模型
由表 4-7 中配適度指標得知原始模型配適度不佳，依據修正指標 (Modification Index, MI) 進行修正，刪除 AT2 (使用餐廳 APP 很有趣)、AT3 (使用餐廳 APP 讓生活更 有吸引力)、AT4 (我傾向於使用餐廳 APP 完成全部的消費及餐飲相關資訊搜尋的動作) 等三題的題項，使得模型的整體配適度達到良好，觀察修正後之標準化負荷量均大 於.50 ，模型符合要求。
表 4-7
態度構面測量模型之驗證性因素分析結果摘要表
X2 df X2/df GFI AGFI RMSEA
原始模型 52.394 5 10.519 .934 .801 .173 配適度指標 1<X2/df <5 >.800 >.800 <.080
資料來源：本研究自行整理
(七)使用意願構面之測量模式
使用意願構面題項共三題，模型恰好辨識。經由驗證性因素分析結果如圖 4-10 所 示。觀察其標準化負荷量均大於.50，模型符合要求。
圖4- 11. 使用意願構面驗證性因素原始測量模型
二、整體研究模型信度與效度分析
潛在變項之信度檢定採用建構信度 (Construct reliability[CR])，其計算公式如公式 (1), Fornell 與 Larcker (1981) 指出，CR 是一個介於 0 和 1 之間的比值，CR 值越高代 表「真實變異佔總變異的比例越高」，亦即內部一致性越高，CR 值建議能達到 0.60 以 上為合適。
而潛在變項之聚合效度 (Convergent validity)則以平均變異抽取量 (Average Variance Extracted [AVE]) 最具代表性，其計算公式如公式 (2)。Fornell 與 Larcker (1981) 及
表 4-8
表 4-8
整體研究模型信度與效度分析表（續）
構面
非 標 準 化 估 計 值
標 準 誤
t-值 顯 著 性
標準 化估 計值
SMC
1-SMC CR AVE
IN1<---使用意願 1.000 .935 .874 .126
0.948 0.858 IN2<---使用意願 .860 .032 27.234 *** .895 .801 .199
IN3<---使用意願 .974 .030 32.588 *** .949 .900 .100
資料來源：本研究自行整理