PLS為結構方程模式的一種分析方法，主要是以驗證性因素分析分析並判斷下列兩 者：(1)整體模式的考量情況下，驗證模式當中的各變數是否正確的衡量到其潛在變數 (2) 檢定模式當中的收斂效度(convergent validity)與區別效度(discriminate validity)，與負荷在 不同因素的複雜測量變數。
本研究將使用 Visual PLS 1.04b 軟體進行結構方程分析，以 bootstrapping 抽樣方式 進行(500 resamples)，計算模型係數的顯著性。在進行 PLS 分析前必須先討論整體的收斂 效度與區別效度，確定個別構念之問項;因為此結構模型是否具備解釋與預測能力需要是內 部的一致性(internal consistency)、區別效度(discriminate validity)以及模型解釋力 (R2)等指標而定。
4.3.1 整體模型配適度與流程
關於 SEM 的流程，學者 Gerbing & Anderson (1988)曾指出研究者在以 SEM 分析研究 模式的同時，應該有兩個階段的進行，首先要進行模式分析，接著進行模式結構分析，模 式分析一般來說指的是驗證性因素分析(Confirmatory Factor Analysis, CFA)，藉此分析 得知構念的收斂與效度，第二階段的結構模式分析用以驗證潛在變數(Latent variables) 彼此之間的關係。
本節將會討論整體模型的內部一致性與區別效度和收斂效度與內部一致性等重要因 素，以作為下一階段的前提。
4.3.1.1 收斂效度
以平均變異萃取量(average variance extracted; AVE)來估計收斂的效度。平均變異 萃取量是反應潛在構念在解釋構念指標程度多寡的變異量，指標能真實的反應潛在之構念 時，平均變異萃取量便會相對的較高，就表示潛在變數的收斂效度與信度皆很高，其計算
公式如下：
( )
(
∑ ∑)
+ ∑ ε2 2
標 準 負 荷 量 平 均 變 異 萃 取 量 =
標 準 負 荷 量 i
其中，Σ 標準負荷量2為同一構念所有項目之個別標準負荷量平方後的總和，Σεi 為同一構 念所有項目之誤差總和。
關於結構方程中 AVE 值數的標準，學者(Fornell and Larcker,1981)認為若以 AVE 來 估計結構方程模型的收斂效度，一般的水準以 AVE 值大於 0.5 為一個標準，或是當變項對 於它們所測量的構念之因素荷負量 (loading)夠高時（負荷量大於 0.5），同樣也達成收斂 效度的要求(Nunnally, 1978)。下面列出收斂效度檢定後的結果;表 4-10 顯示出四個構面 的 AVE 均大於 0.5，表示結構方程的模型具有不錯的收斂度。
表 4- 10：構面的 AVE
潛在變數 AVE 值
供應關係 0.564131
信任 0.529034
IT 與 KM 0.505405
績效 0.733022
另外，在下表 4-11 中再列出每個構面的因素負荷量(loading)，根據學者(Nunnally, 1978)的說法，當潛在變數對於變數的負荷量大於 0.5 時，同樣可以達成收斂效度的要求。
表中除了 IDT1 的負荷量略低於門檻外，其他變項的數值均高於 0.5。
綜合以上兩種辨別收斂效度的方式，可以見得本研究具有良好的收斂效度，通過結構 模型的收斂度檢測。
表 4- 11：模型的變數負荷量表
潛在變數 題目 平均數 標準差 負荷量 殘差值 權重 信任
EBT1 3.786458 0.731651 0.7418 0.4498 0.1681 EBT2 3.786458 0.738772 0.7333 0.4622 0.1543 EBT3 3.802083 0.718051 0.7551 0.4298 0.1669 EBT4 3.411458 0.649183 0.5173 0.8258 0.0609 IBT1 3.338542 0.923783 0.5861 0.6565 0.0985 IBT2 3.604167 0.792361 0.6643 0.5587 0.1097 IBT3 3.677083 0.849944 0.5998 0.6403 0.0976 IBT4 3.677083 0.812143 0.6569 0.5684 0.1123 IDT1 2.9375 0.941342 0.4884 0.7614 0.1013 IDT2 3.447917 0.736054 0.6528 0.5739 0.1343 IDT3 3.583333 0.704015 0.7333 0.4622 0.1653 IDT4 3.604167 0.744673 0.6278 0.6058 0.1425 供應關係
Commit1 3.348958 0.804502 0.5599 0.8705 0.0248 Commit2 3.375 0.782666 0.5154 0.7343 0.1531 Commit3 3.484375 0.670833 0.7193 0.4826 0.2326 Commit4 3.557292 0.684036 0.7252 0.474 0.27 Vision1 3.333333 0.78822 0.7497 0.4379 0.2222 Vision2 3.65625 0.668328 0.7812 0.3897 0.1985 Vision3 3.536458 0.736998 0.7611 0.421 0.2988 知識分享
Kshare1 3.817708 0.7401 0.6594 0.5652 0.1386 Kshare2 3.447917 0.790914 0.6686 0.553 0.1138
Kshare3 3.869792 0.670019 0.6334 0.5988 0.1248 Kshare4 3.802083 0.725306 0.6315 0.6011 0.1543 Kshare5 3.651042 0.817414 0.6708 0.55 0.1411 ITSup5 3.572917 0.846858 0.7053 0.5025 0.1465 ITSup6 3.770833 0.903503 0.6486 0.5793 0.1533 ITSup7 3.317708 0.896823 0.6876 0.5271 0.1425 ITSup8 3.739583 0.918054 0.6082 0.6301 0.1402 ITSup9 3.5 0.915258 0.6753 0.544 0.1542 ITSup10 3.427083 0.912333 0.5759 0.6683 0.1237 組織績效
Perf1 3.9375 0.668083 0.829 0.3128 0.2118 Perf2 3.90625 0.695206 0.8657 0.2505 0.2314 Perf3 3.765625 0.710627 0.8765 0.2317 0.2369 Perf4 3.75 0.744966 0.8799 0.2258 0.2505 Perf5 3.723958 0.793857 0.8164 0.3336 0.2402
4.3.1.2 區別效度
區別效度主要的功用是檢定測量變項對於不同的構念之間的鑑別程度。也就是每個變 項與測量同樣一個構念的其他變項之相關程度，應該要高於與測量不同構念變項的相關係 數。根據學者(Chin, 1998)說法，個別構面的平均變異萃取量(AVE)的平方根，應該要大於 該構面與模型中其他構面的共變關係。本研究將相關係數與 AVE 值做成下表 4-12 表示。由 構念尺度相關矩陣表可以見得，以粗體表示的 AVE 平方根明顯大於其他構面的相關係數，
顯示出本結構模型中各個構面間存在確實的差異，也顯示本模型具有足夠的區別效度。
表 4- 12：構念尺度相關矩陣 Nunnally(1978)建議組成信度值應在 0.7 以上，以確定測量變項達到內部一致性。
組成信度其計算公式如下：
構面 組成信度(Composite Reliability) 信任 0.893409
供應關係 0.848073 知識分享 0.890385
組織績效 0.930778