第四章 實證分析
第三節 驗證性因素分析
驗證性因素分析（CFA），可說是結構方程模式最具應用價值的部份之一(黃 芳銘，2007)，用以評估模型的外在品質，確認模型所蒐集到的資料是否能精確 的代表所對應潛在變項之意涵。在結構方程模式的分析架構中，所檢驗的是測量 變項與潛在變項的假設關係，為結構方程模式最基礎的測量部分，不但在結構方 程模式中其他後續高等統計檢驗的基礎，更可以獨立的應用在信度的考驗與理論 有效性的確認（Bentler,1989）。因此本研究透過結構方程模式對兩個假設模型以 及 UTAUT 分析前，會先針對兩個假設模型進行驗證性因素分析，通過對測量模 型的修正後進行信度以及模型適配度的檢定。
一、測量模型分析
本研究之假設模型 1（不含干擾變項）如圖 4-1 所示，假設模型 1 依照 外衍變項與內衍變項，分成兩個測量模型：測量模型_L1 以及測量模型_R1；
88
圖 4 - 1 本研究之假設模型 1 資料來源:本研究提供
測量模型_L1 中的績效期望(PE)、群體影響(SI)、付出期望(EE)、焦慮 (ANX)、自我效能(SE)、使用科技態度(ATUT)以及配合設施條件(FC)七個外 因潛在變項，皆分別由四個觀察變項測量。測量模型_R1 中的行為意圖(BI) 內因潛在變項也由四個觀察變項測量；而使用行為(UB)內因潛在變項則是由 三個觀察變項所測量。
各項參數估計結果，提供了原始估計量、標準誤以及統計顯著性等三種 數據，其中顯著性考驗是以 t 檢定來進行，t 絕對值越大表示強度越強越為 顯著（邱皓政，2004），在測量模型_L1 中，所有的觀察變項變項之因素負 荷量與 t 值皆達 a=0.001 的顯著水準。
89
表 4-11 為測量模型_L1 整體模型執行驗證性因素分析的結果適配度評 鑑指標相較表，由表中我們可得知有三項指標尚未達到適配標準，顯示整體 模型的適配度尚有改善空間
表 4 - 11 測量模型_L1 適配度評鑑指標相較表
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
絕對適配 指標
χ2值 p>0.05 0.000 是
RMR 值 <0.05 0.007 是
SRMR 值 ≤0.05 0.056 否
RMSEA 值 <0.08 0.058 是
GFI 值 ≥0.90 0.887 否
AGFI 值 ≥0.90 0.861 否
比較適配 度指標
NFI 值 ≥0.90 0.923 是 RFI 值 ≥0.90 0.911 是 IFI 值 ≥0.90 0.950 是 TLI 值(NNFI 值) ≥0.90 0.942 是 CFI 值 ≥0.90 0.950 是
90
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
簡約適配 度指標
PNFI 值 ≥0.50 0.803 是 PGFI 值 ≥0.50 0.719 是 CN 值 >200 219 是 χ2/df ≤5.0 2.69 是
由於測量模型_L1 的適配度還有改善的空間，因此將進行模型的修正，
針對測量模型而言，修正的方法有（1）改變因素負荷量參數的固定與自由 估計狀態（2）改變設量殘差之間的共變的估計狀態，亦即增減測量殘差之 間的共變假設（邱皓政，2006）。由於改變因素負荷量參數的固定狀態，必 頇要有理論基礎的支持，故在本研究中，將使用 LIREL 所輸出的殘差統計 表（Residual Statistics）作為測量模型修正的輔助工具。
SEM 分析提供兩種殘差數據:非標準化殘差（un standardized residuals）
以及標準化殘差(standardize residuals)，非標準化殘差為假設模型與觀察資料 之間殘差距的原始量數，反應在 LISREL 所輸出分析表中的 Fitted Residuals 報表內，優點在於可以直接應用測量的原始量尺，來了解殘差數值大小的具 體意義，但不利於相互的比較，尤其是對於觀察變項的性質差異較大話是使 用不同的量尺或單位時，便無法反應實際觀察資料的變異量。標準化殘差則 勢將殘差量轉換成標準 Z 分數，也就是取標準化的殘差，將所有的殘差都 置於相同的量尺單位上，如此便能夠顯示出殘差的比較意義（邱皓政，
2004）。
SEM 的標準化殘差分析，與其他的統計分析作法類似，當標準化殘差 大於正 3 時，表示估計變異量或共變量不足，形成低適配度，模型需要以增
91
加路徑的修正方式來提高解釋程度；反之，當標準化殘差小於負 3 時，代表 估計變異量或共變量對於兩個觀察變項間的共變有過度解釋的現象，這種情 形則需要經由刪減路徑的修正方式以提高解釋程度（邱皓政，2004）。
經由上述觀點並參考測量模型_L1 的殘差統計表後，挑出相對問項間殘 差值較高的變項，經過多次調整與估算後並遵守每一個潛在變項必需以三個 以上測量變項估計之多元指標原則，確定刪除 PE4、SI4、EE4、ANX4、SE4、
FC4 六個觀察變項，修正後的適配度評鑑指標相較表如表 4-12。修飾後原本 未達適配標準的檢定統計量 SRMR 值以及 GFI 值皆符合適配標準值，其他 各項評鑑指標也均達判斷值的水準內，顯示測量模型_L1 的適配度極佳。
表 4 - 12 修正後測量模型_L1 適配度評鑑指標相較表
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
絕對適配 指標
χ2值 p>0.05 0.00 是
RMR 值 <0.05 0.006 是 SRMR 值 ≤0.05 0.047 是 RMSEA 值 <0.08 0.047 是 GFI 值 ≥0.90 0.932 是 AGFI 值 ≥0.90 0.909 是
92
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
比較適配 度指標
NFI 值 ≥0.90 0.950 是 RFI 值 ≥0.90 0.939 是 IFI 值 ≥0.90 0.973 是 TLI 值(NNFI 值) ≥0.90 0.967 是 CFI 值 ≥0.90 0.973 是
簡約適配 度指標
PNFI 值 ≥0.50 0.773 是 PGFI 值 ≥0.50 0.693 是 CN 值 >200 296 是 χ2/df ≤5.0 2.12 是
測量模型_R1 所有的觀察變項之因素負荷量與 t 值皆達 a=0.001 的顯著 水準，同樣表示此模型的參數具有統計上的意義。表 4-13 為測量模型_R1 的適配度評鑑指標相較表，由表中可得知所有的評鑑指標皆達判斷值水準內，
顯示測量模型_R1 不需經過任何的模式修正，為一個充分辨識且具完美適配 度的模型。
93
94
外衍變項與內衍變項，同樣分成兩個測量模型：測量模型_L2 以及測量模型 _R2；
圖 4 - 2 本研究之假設模型 2
測量模型_L2 中的績效期望(PE)、群體影響(SI)、焦慮(ANX)、自我效能 (SE)、使用科技態度(ATUT)以及配合設施條件(FC)七個外因潛在變項，皆分 別由四個觀察變項測量。測量模型_R2 中的行為意圖(BI)以及付出期望(EE) 內因潛在變項也由四個觀察變項測量；而使用行為(UB)內因潛在變項則是由 三個觀察變項所測量。
測量模型_L2 與測量模型_R2 中所有的觀察變項之因素負荷量與 t 值皆 同樣達 a=0.001 的顯著水準。但是測量模型_L2 的模型適配度卻有兩項指標 未達到指標標準，如表 4-14。
95
表 4 - 14 測量模型_L2 適配度評鑑指標相較表
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
絕對適配 指標
χ2值 p>0.05 0.000 是
RMR 值 <0.05 0.006 是
SRMR 值 ≤0.05 0.053 否
RMSEA 值 <0.08 0.05 是 GFI 值 ≥0.90 0.918 是
AGFI 值 ≥0.90 0.897 否
比較適配 度指標
NFI 值 ≥0.90 0.931 是 RFI 值 ≥0.90 0.919 是 IFI 值 ≥0.90 0.961 是 TLI 值(NNFI 值) ≥0.90 0.954 是 CFI 值 ≥0.90 0.961 是
96
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
簡約適配 度指標
PNFI 值 ≥0.50 0.799 是 PGFI 值 ≥0.50 0.726 是 CN 值 >200 277 是 χ2/df ≤5.0 2.24 是
使用跟測量模型_L1 相同的模型修正方法，以殘差統計表為工具，挑 出相對問項間殘差值較高的變項，經過多次調整與估算後並遵守每一個潛在 變項必需以三個以上測量變項估計之多元指標原則，確定刪除 PE4、SI4、
ANX4 三個觀察變項，修飾後的適配度評鑑指標相較表如表 4-15。修飾後原 本未達適配標準的檢定統計量 SRMR 值以及 AGFI 值皆符合適配標準值，
其他各項評鑑指標也均達判斷值的水準內，顯示測量模型_L2 的也達適配度 極佳的狀態。
97
98
表 4 - 16 測量模型_R2 適配度評鑑指標相較表
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
絕對適配 指標
χ2值 p>0.05 0.000 是
RMR 值 <0.05 0.004 是 SRMR 值 ≤0.05 0.046 是 RMSEA 值 <0.08 0.057 是 GFI 值 ≥0.90 0.962 是 AGFI 值 ≥0.90 0.939 是
比較適配 度指標
NFI 值 ≥0.90 0.959 是 RFI 值 ≥0.90 0.945 是 IFI 值 ≥0.90 0.974 是 TLI 值(NNFI 值) ≥0.90 0.965 是 CFI 值 ≥0.90 0.974 是
99
指標類別 統計檢定量 適配標準 檢定結 果數據
模式 適配 判斷
簡約適配 度指標
PNFI 值 ≥0.50 0.715 是 PGFI 值 ≥0.50 0.598 是 CN 值 >200 293 是 χ2/df ≤5.0 2.60 是
二、信度評鑑
在使用驗證性因素分析探討假設模型 1 與假設模型 2 中測量模型的適配 度後，接著使用驗證性因素分析來評鑑本研究中兩個假設模型的信度。
估計信度的方法有許多種，包含重測信度、複本信度、評分者信度以及 內部一致性信度（包括折半信度、庫李信度、α 信度、霍意特變異數分析法），
在這些信度中，α 信度（Crobach α）可以說是最受到青睞（黃芳銘，2007）。
本研究中也使用α 信度作為本研究假設模型之內在結構適配度的評估，信度 越高，表示指標之間有高度關聯存在，多數學者表示信度係數α 在 0.9 以上 表示「非常優秀」；0.8 左右是「非常好」；0.7 則是「適中」；0.5 以上為「可 接受」；而信度低於 0.5 表示至少有一半的觀察變異來自隨機誤，測量中的 個別指標是不一致的，不應當接受(Kline,1998)。本研究假設模型 1 與假設 模型 2 在經過驗證性因素分析刪除適配度不佳的觀察變項後，重新分析之整 體信度值各分別為 0.85 及 0.83，各潛在變項間的最低信度為 0.70 如表 4-17 及 4-18，均符合一般研究標準信度，表示本研究問卷具有高度信度。
100
表 4 - 17 假設模型 1 信度與組合信度分析 潛在變項 題數
Cronbach α 值
組合信度 績效期望 3 0.82 0.79 群體影響 3 0.71 0.82 付出期望 3 0.87 0.85焦慮 3 0.80 0.71
自我效能 3 0.70 0.72 使用科技態度 4 0.80 0.83 配合設施條件 3 0.80 0.65 行為意圖 4 0.72 0.62 使用行為 3 0.87 0.84 整體問卷 29 題 0.85
表 4 - 18 假設模型 2 信度與組合信度分析 潛在變項 題數
Cronbach α 值
組合信度 績效期望 3 0.82 0.79 群體影響 3 0.71 0.82 付出期望 4 0.88 0.65焦慮 3 0.80 0.92
自我效能 4 0.73 0.66 使用科技態度 4 0.80 0.83 配合設施條件 4 0.80 0.83 行為意圖 4 0.72 0.64 使用行為 3 0.87 0.85 整體問卷 32 題 0.83
101
除了α 信度以外，還必頇對假設模型中的每個變項做檢定，這種檢定稱 為組合信度（Composite Reliability, CR）或變項信度（Construct Reliability, CR）
(Hair,1998)。組合信度主要用途在於評鑑一組潛在變項指標的一致性程度，
這種信度指標 CR 值越高，表示指標之間有高度相互關係存在，相關性越高 就越能測量出潛在變項的意念。有學者認為 CR 值指標大於或等於 0.5 即表 示此一測量具有一致性（Hair et al.,1998）。有些強調 CR 值指標需要大於或 等於 0.6（Bagozzi & Yi,1998）。黃芳銘（2007）則指出使用驗證性因素分析 對個別變項以及潛在變項的信度做檢定時，可使用 0.5 作為個別變項的低標，
而對於潛在變項的信度相對上就高一點，應使用 0.6 作為低標比較恰當。
組合信度是由個觀察變項的標準化因素負荷量總和的帄方加上測量誤 差變異數的總和，再除以標準化因素負荷量的總和帄方而得到。本研究將所
組合信度是由個觀察變項的標準化因素負荷量總和的帄方加上測量誤 差變異數的總和，再除以標準化因素負荷量的總和帄方而得到。本研究將所