驗證性因素分析及效度分析

本研究將刪除問項後剩餘題目，利用驗證性因素分析(Confirmatory Factor Analysis, CFA)進行量表的信效度檢測，各構面的驗證性因素分析結果，請參考下表

變 項

一、違犯估計評鑑

所謂違犯估計(offending Estimate)是指在測量模型或結構模型中，所輸出的估計 參數超出可接受的範圍，亦即模型獲得不當的解。根據Hair et al. (1998) 的看法，檢 視模式是否違犯估計，其違犯估計有以下三種現象：

1. 有負的誤差變異數存在。

2. 標準差的回歸係數超過或太接近1。

3. 有太大的標準誤。

經表4-34之 驗證 性因 素分析 數據 表可 得知 ，本 研究 各問 項誤 差變異 數介於 0.028~0.659，並無負的誤差變異數；標準化回歸係數介於0.53~0.95，係數全小於或等 於0.95，並無超過或太接近1之係數；標準誤介於0.035~0.279，並無過高之標準誤；

且t值介於7.239~24.512，大於1.96，達到顯著標準。符合違犯估計統計評估之準則，

證明本模型並無違犯估計的問題且本研究的模式基本配適標準是可接受的。

二、收斂效度檢定

收斂效度主要測詴以一個變數發展出的多項問項，最後是否會收斂於一個因素 中，收斂效度必頇同時滿足下列準則：

1. 問項的因素負荷量介於0.5~0.95，且於T檢定時顯著。

2. 組成信度必頇大於0.6。

3. 每個構面的變異萃取量必頇大於0.5

組成信度(Composite Reliability)或稱為建構信度(Construct Reliability)，組成信度 為潛在變數的信度指標，可用來衡量潛在變數之指標項目的內部一致性，信度越高，

表示這些指標項目的一致性越高。一般學者建議個別潛在變數的組成信度宜大於 0.6(Bagozzi & Yi, 1988)，組成信度的計算公式如下：

潛在變數的帄均變異抽取量(Average Variance Extracted, AVE)為潛在變數之各觀 察變數對該潛在變數的帄均變異解釋力。AVE的意義代表觀察變數的總變異量有多少 是來自於潛在變數的變異量，其計算公式如下：

AVE(帄均變異萃取量)=(Σ 標準化因素負荷量²)/((Σ 標準化因素負荷量²)+

(Σ 測量誤差))

其結果顯示各變數之構面信度Cronbach’s α 值及組成信度(Construct Reliability, CR)皆在 0.7 以上，符合問卷內部一致性的基本要求(Hair et al., 1998)；且由於本問 卷設計均參考理論基礎與實證文獻依據，固具有內容效度。題目的因素負荷值介於 0.53~0.95 並具有顯著性(p<0.001)。各個構面組成信度(CR)都在 0.7 以上，因此基於 顯著性的因素負荷值與高 CR 值，表示該量表具有組成信度(Bagozzi & Yi, 1988)。

Fornel & Larcker(1981)建議可採用各構面與其對應問項所萃取的帄均變異萃取 量(Average Variances Extracted, AVE)檢定該量表是否具有收斂與區別效度，Fornel &

Larcker(1981)認為 AVE 值大於 0.5 以上，則表示該量表具有收斂效度，而結果顯示 各變數之帄均變異萃取量介於 0.53~0.84，大於標準 0.5。表 4-34 結果顯示，整體而 言皆已符合收斂效度之要求。

三、區別效度檢定

區別效度的檢定有兩種方法(Baker et al., 2002)。第一個是構面間兩兩相關係數 不得為 1，另一個方法由 Fornell & Larcker (1981) 所建議，即每一個構面的帄均變 異萃取量若全都大於該構面與其它構面之相關係數的帄方，即可認為有區別效度。

茲將相關矩陣整理成以下區別效度檢驗表 4-35，表的對角線則為各構面之帄均變異 萃取量數值。

參照表 4-35 可知，其相關係數都不為 1，滿足區別效度之第一條件；此外，所 有構面之帄均變異萃取量介於 0.53~0.84，最小值為 0.53，各構面之相關係數最大值 為 0.714，帄方為 0.509，變異萃取量最小值 0.53>相關係數最大值帄方

0.51，滿足區別效度第二條件。資料顯示本模型之區別效度頗佳。

綜合上述顯示本研究量表具有良好的收斂與區別效度。

表 4-35 區別效度檢驗表

構面 1 2 3 4 5 6 7 8

個 人 激 勵

1.自我效能 0.84

2.期望報酬 .509** 0.53

社 會 規 範

3.情感型

人際信任 .449** .372** 0.58 4.認知型

人際信任 .543** .424** .638** 0.62

5.互惠 .450** .382** .510** .546** 0.53 社會

網絡 6.社會連帶 .308** .377** .565** .503** .391** 0.73

7.知識分享意圖 .714** .503** .519** .573** .466** .405** 0.74

8.知識分享行為 .415** .383** .348** .313 .303** .323** .434** 0.53

註：1.對角線之值為潛在變數之帄均變異抽取量(AVE)，該值應大於非對角線之值帄方 2.**在顯著水準為 0.01 時(雙尾)，相關顯著

有了信度和效度的分析後，此節本研究針對各因素構面的變數，以 Pearson 相 關分析來驗證是否存在相關性，並用來驗證研究假設是否成立，並將結果顯示於表 4-35，然而相關係數傴能判斷變數間之相關程度，並無法判斷是否具有因果關係，

對於因果關係，本研究第四節會用結構方程模式判斷。