第四章 結果與討論
第三節 驗證性因素分析
驗證性因素分析(Confirmatory Factor Analysis；CFA)是結構方程模式的一種 次模型，又稱為測量模型，是用來定義與評估模型中之潛在變項，其具有理論檢 驗與確認的功能（邱皓政，2011）。CFA 就是對因素結構提出架構，允許其有相 關，之後對因素負荷做限制，然後研究者檢定其架構是否合理，而因素分析也是 研究建構效度最有效之方法（陳順宇，2005）。CFA 可獨立進行分析，是進行整 合性SEM 分析的基礎架構或前置步驟（邱皓政，2011），於是本研究先進行驗證 性因素分析後，確認是否需要修改，再進行結構方程模式分析。
一、 資訊品質
資訊品質構面原有八題題項，進行驗證性因子分析後，將因素負荷量過低(小 於 0.5)之觀察變項予以刪除並參考 AMOS 裡的修正指標(MI)將有殘差不獨立現 象的觀察變項刪除，以達到可接受的模型適配度。資訊品質構面刪除不符之觀察 變項後為六題題項，因素負荷量皆大於0.5，組合信度為 0.878，平均萃取變異量 為0.547，如表 4-3。修正後資訊品質構面單因子驗證性因素分析圖如圖 4-1。
圖 4- 1 資訊品質單因子驗證性因素分析圖
表 4- 3
資訊品質題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
資訊品質
IQ1 0.673
0.878 0.547 IQ3 0.700
IQ4 0.801 IQ5 0.735 IQ6 0.769 IQ7 0.752
二、 系統品質
系統品質構面原有七題題項，進行驗證性因子分析後，將因素負荷量過低(小 於 0.5)之觀察變項予以刪除並參考 AMOS 裡的修正指標(MI)將有殘差不獨立現 象的觀察變項刪除，以達到可接受的模型適配度。系統品質構面刪除不符之觀察 變項後為三題題項，當一個潛在變項內只有三題觀察變項，會成為正好識別(just-identified)模型或稱飽和模型(saturated model)，唯一解，故無適配度指標。因素負 荷量皆大於0.5，組合信度為 0.783，平均萃取變異量為 0.551，如表 4-4。修正後 系統品質構面單因子驗證性因素分析圖如圖4-2。
圖 4- 2 系統品質單因子驗證性因素分析圖
表 4- 4
系統品質題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
系統品質
SQ1 0.742
0.783 0.551 SQ2 0.860
SQ3 0.601
三、 服務品質
服務品質構面原有七題題項，進行驗證性因子分析後，將因素負荷量過低(小 於 0.5)之觀察變項予以刪除並參考 AMOS 裡的修正指標(MI)將有殘差不獨立現 象的觀察變項刪除，以達到可接受的模型適配度。服務品質構面刪除不符之觀察 變項後為三題題項，為正好識別模型，唯一解，故無適配度指標。因素負荷量皆 大於0.5，組合信度為 0.764，平均萃取變異量為 0.519，如表 4-5。修正後服務品 質構面單因子驗證性因素分析圖如圖4-3。
圖 4- 3 服務品質單因子驗證性因素分析圖
表 4- 5
服務品質題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
服務品質
SEQ2 0.682
0.764 0.519 SEQ6 0.732
SEQ7 0.745
四、 確認
確認構面共有三題題項，為正好識別模型，唯一解，故無適配度指標。因素 負荷量皆大於0.5，組合信度為 0.905，平均萃取變異量為 0.760，如表 4-6。確認 構面單因子驗證性因素分析圖如圖4-4。
圖 4- 4 確認單因子驗證性因素分析圖
表 4- 6
確認題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
確認
CON1 0.900
0.905 0.760 CON2 0.902
CON3 0.810
五、 認知有用性
認知有用性構面共有三題題項，為正好識別模型，唯一解，故無適配度指標。
因素負荷量皆大於0.5，組合信度為 0.905，平均萃取變異量為 0.762，如表 4-7。
認知有用性構面單因子驗證性因素分析圖如圖4-5。
圖 4- 5 認知有用性單因子驗證性因素分析圖
表 4- 7
認知有用性題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
認知有用性
PU1 0.781
0.905 0.762 PU2 0.907
PU3 0.924
六、 認知玩趣性
認知玩趣性構面共有三題題項，為正好識別模型，唯一解，故無適配度指標。
因素負荷量皆大於0.5，組合信度為 0.851，平均萃取變異量為 0.661，如表 4-8。
認知玩趣性構面單因子驗證性因素分析圖如圖4-6。
圖 4- 6 認知玩趣性單因子驗證性因素分析圖
表 4- 8
認知玩趣性題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
認知玩趣性
PP1 0.863
0.851 0.661 PP2 0.922
PP3 0.623
七、 使用滿意度
使用滿意度構面共有三題題項，為正好識別模型，唯一解，故無適配度指標。
因素負荷量皆大於0.5，組合信度為 0.877，平均萃取變異量為 0.705，如表 4-9。
使用滿意度構面單因子驗證性因素分析圖如圖4-7。
圖 4- 7 使用滿意度單因子驗證性因素分析圖
表 4- 9
使用滿意度題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
使用滿意度
SAT1 0.753
0.877 0.705 SAT2 0.892
SAT3 0.867
八、 社群網站持續使用意圖
社群網站持續使用意圖構面共有三題題項，為正好識別模型，唯一解，故無 適配度指標。因素負荷量皆大於0.5，組合信度為 0.892，平均萃取變異量為 0.735，
如表4-10。社群網站持續使用意圖構面單因子驗證性因素分析圖如圖 4-8。
圖 4- 8 社群網站持續使用意圖單因子驗證性因素分析圖
表 4- 10
社群網站持續使用意圖題項分析表
潛在變項 觀察變項 因素負荷量 CR AVE
社群網站持續 使用意圖
CI1 0.826
0.892 0.735 CI2 0.931
CI3 0.809
九、整體適配度指標
適配度指標指的是模型與樣本資料的適配程度，適配度越好越代表模型與樣 本資料越接近。本研究挑選14 項適配指標，包括卡方自由度比值 (2/df)、適配 度指數 (GFI)、調整後適配度指數 (AGFI)、殘差均方和平方根 (RMR)、標準化 殘差均方和平方根 (SRMR)、漸進殘差均方和平方根 (RMSEA)、期望跨效度指 數 (ECVI)、增值適配指數 (IFI)、非規準適配指數 (TLI)、比較適配指數 (CFI)、
簡約適配度指數 (PGFI)、簡約調整後之規準適配指數 (PNFI)、Akaike 訊息校標 (AIC)、一致 Akaike 訊息校標 (CAIC)。
(一)卡方自由度比值
卡方自由度比值又稱規範卡方 (Normed chi-square; NC)，因卡方值易受樣本 資料影響，Jöreskog (1970)提出將自由度考量在內，用以評估模式適配度之比較。
且卡方值對樣本資料大小非常敏感，樣本資料越大則越容易顯著，如問卷調查法 樣本數200 以上，整體模式須參考其他適配指標（吳明隆，2009）。於是本研究 使用卡方自由度比值，其值越小表示越佳，反之則越差，Hair et al. (2010)建議小 於3 或更小。
(二)適配度指數 (GFI)、調整後適配度指數 (AGFI)
GFI (Goodness-of-fit index) 和 AGFI (Adjusted goodness-of-fit index) 是 由 Jöreskog 與 Sörbom (1981)提出，其值介於 0 至 1 之間，其值越接近 1 表示越佳。
GFI 就像迴歸分析中的可解釋變異量(R2) (Tanaka & Huba ,1989)，AGFI 就像迴歸 分析中的調整後可解釋變異量 (adjusted R2)。AGFI 值是計算 GFI 值時將自由度 納入考量所得到的，通常小於GFI。一般建議值為 0.9 以上，但此條件太過嚴格，
所以學者 Browne 與 Cudeck (1993)和 Doll、Xia 與 Torkzadeh (1994)及 Sharma
(1996)建議 GFI 值大於 0.8 即可合理解釋模型之適配度。Doll et al. (1994)和 Scott (1994)及 MacCallum 與 Hong (1997)建議 AGFI 值大於 0.8 即可合理解釋模型之適 配度。
(三)殘差均方和平方根 (RMR)、標準化殘差均方和平方根 (SRMR)、漸進殘差 均方和平方根 (RMSEA)
RMR (root mean square residual)由適配殘差概念而來，就是適配殘差變異數 共變數之平均值的平方根，沒有一個絕對門檻決定其數值，其值越小越好，一般 小於0.05 以下代表適配度良好（吳明隆，2009）。SRMR (standardizes root mean square residual)是將殘差標準化，其值為平均殘差共變異數標準化之總和，介於 0 至1 之間。Hu 與 Bentler (1999)提出其值小於 0.08 代表適配度良好。RMSEA (root mean square error of approximation)代表以每個自由度的平均∑和∑(θ)之間的差異 值（吳明隆，2009），是基於母群的近似誤之觀念（黃芳銘，2007），此適配指標 相當受到重視。Browne 與 Cudeck (1993)提出其值小於 0.05 表示適配度非常良 好，介於0.05 至 0.08 之間表示適配度合理，介於 0.08 至 0.1 之間表示適配度普 通，高於0.1 表示適配度不佳。McDonald 與 Ho (2002)也提出其值以 0.08 為可接 受門檻，小於0.05 表示良好。
(四)非規準適配指數 (NNFI) 、增值適配指數 (IFI)、比較適配指數 (CFI) 此三種適配度指標都是比較研究者根據理論提出之假設模型跟飽和或獨立 模型之適配度差異程度比較計算而來，都已經被量化介於0 至 1 之間，其值越接 近 1 表示越佳，一般建議值為 0.9 以上。NNFI (non- normal fit index)又稱 TLI (Tacker-Lewis index)，是修正其規準適配指數 (normal fit index；NFI)的計算公式，
把自由度影響考量在內，陳寬裕與王正華（2010）也提到 NFI 值對資料偏離常態 和樣本大小相當敏感且又無法控制自由度影響，許多學者不建議使用，但NNFI
將自由度加入考量，推薦使用。IFI (incremental fit index)是 Bentler 與 Bonett (1980) 的 NFI 修正，能減低 NFI 對樣本量的依賴，此指標由 Bollen (1989)提出。CFI (comparative fit index)是由 Bentler (1990)所提出改良 NFI 的指標，是一種非中心 性卡方分配，Hair et al. (2010)建議其值 0.90 以上即適配度良好。
(五)簡約適配度指數 (PGFI)、簡約調整後之規準適配指數 (PNFI)
PGFI (parsimony goodness-of-fit index)是將模式複雜度考量進去，由 GFI 乘 以簡約比值計算而來，PGFI 值介於 0 至 1 之間，越大代表越簡約，一般以大於 0.5 為適配之標準。PNFI (parsimony adjusted NFI)是由 NFI 乘以簡約比值計算而 來，PNFI 值越大代表越好，若不做模式比較，一般以大於 0.5 為適配之標準。
(六)期望跨效度指數 (ECVI)、Akaike 訊息校標 (AIC)、一致 Akaike 訊息校標 (CAIC)
ECVI (expected cross-validdation index)的重點在於整體誤差，用於評鑑模式 的複核效化，就是相同母體卻不同樣本用在同一個假設模式所獲得適配度的期望 值。AIC (Akaike information criteria)就是將估計參數個數考量進評估概念裡。
CAIC (consistent Akaike information criteria)是調整 AIC 得來，其值將樣本大小效 果也考量進去。ECVI、AIC、CAIC 指標若是用於判斷適配度與否，一般以其理 論模式值必須小於飽和模式與獨立模式。
十、整體測量模型
本研究根據Anderson 與 Gerbing (1988)提出的兩階段方法 (two-step approach) 之建議，第一階段先使用驗證性因素分析對整體的測量模式 (Measurement Models)進行適配度檢驗與信度、收斂效度與區別效度之分析，第二階段為結構 模式 (Structural Model)，使用結構方程模式進行潛在變項間之徑路分析以驗證本 研究各個假說與其因果關係之分析。
本研究整體測量模型如圖 4-9，整體測量模型適配度如表 4-11， 2 自由度 比值為1.999、GFI 為 0.828、AGFI 為 0.780、RMR 為 0.044、SRMR 為 0.0626、
RMSEA 為 0.070、IFI 為 0.925、NNFI 為 0.910、CFI 為 0.924、PGFI 為 0.648、
PNFI 為 0.726。
其中雖然 AGFI 值低於學者的建議值 0.9，卻接近 Doll et al. (1994)和 Scott (1994)及 MacCallum 與 Hong (1997)的建議值 0.8。且根據 Baumgartner 與 Homburg (1996)研究與分析 1977~1994 年採用結構方程式之 184 篇發表的論文文獻裡發 現，AGFI 值低於建議值 0.9 的文獻比率高達 48%。又 Hair et al. (2010)認為 AGFI 值並無絕對的門檻標準值，其值是越接近1 越好。Sharma、Mukherjee、Kumar 與 Dillon (2005)也指出 GFI 和 AGFI 都會受到樣本量所影響，因此目前的共識是不 再使用。
Hair、Black、Babin、Anderson 與 Tatham (2006)指出不一定所有適配度指標 都要達到標準，只要大部份適配度指標達到標準，模型即有良好之適配度。（引 自李惠敏，2009）。且黃芳銘（2004）也建議以「多數決」來判斷模式可否接受
（引自張芳全，2006），陳寬裕與王正華（2010）也指出一般都採用「多數決」
來驗證模型配是否成功，多數指標呈現良好，模型適配度即為佳。由上述可得知，
本研究整體測量模型具有良好適配度。
圖 4- 9 整體測量模型圖
表 4- 11
十一、共同方法變異檢定
本研究亦根據Podsakoff 與 Organ (1986)的建議，使用 Harman’s 單因子檢定 法 (Harman’s one-factor test) 來 進 行 本 研 究 觀 察 變 項 間 共 同 方 法 變 異 (commonmethod variance；CMV)的之檢定。Sanchez、Korbin 與 Viscarra (1995)表 示假使單因子模式的適配度呈現極差或不佳，即可證明一個主要因素並無法解釋
本研究亦根據Podsakoff 與 Organ (1986)的建議，使用 Harman’s 單因子檢定 法 (Harman’s one-factor test) 來 進 行 本 研 究 觀 察 變 項 間 共 同 方 法 變 異 (commonmethod variance；CMV)的之檢定。Sanchez、Korbin 與 Viscarra (1995)表 示假使單因子模式的適配度呈現極差或不佳，即可證明一個主要因素並無法解釋