SEM-量測模式分析

4.2 SEM-量測模式分析

本研究使用 SmartPLS 統計套裝軟體進行量測模式分析篩選具有鑑別力的題 目，並採用主成份分析法(principal component analysis, PCA)進行因素分析，量測 實體店面服務品質、店面因素、商品特性、知覺價值、信任、購物意願等六個構 念，並以 SmartPLS 2.0 M3 分析此六個構念的相關係數、內部一致性信度

Cronbach’s α 值。

本研究以學術上經常使用的信度檢驗方法 Cronbach’s α 係數檢測整份問卷，

根據 Nunnally(1978)提出 Cronbach’s α 係數若低於 0.35 屬低信度，應拒絕使用。

而係數若介於 0.5 與 0.7 之間為尚可接受，高於 0.7 表示信度相當高。整份問卷 進行檢測後，結果顯示為 0.875。

信度(reliability)即為可靠度，評估資料的集中程度。本研究使用驗證性因素 分析來量測收斂效度，首先以 CFA 進行檢驗，再以結構方程模式進行研究架構 驗證。本研究根據 Hair, et al. (2010)提出四種指標參考值作為測量評估，四種指 標分別為因素負荷量(factor loading)、組合信度(composite reliability, CR)、平均變 異數萃取量(average variance extracted, AVE)與 Cronbach’s α，各指標滿足此標準 為佳。

(1) 因素負荷量需大於 0.5(表 13)。

表 13 因素負荷量標準表 因素負荷量 狀況

0.71 以上 優秀 0.63 非常好 0.55 好 0.45 普通 0.32 不好 0.32 以下 不及格

43

(2) 組合信度需大於 0.7，值越高表示構念內部一致性越高，模型測量之判斷標 準(表 14)。

(3) 平均變異數萃取量需大於 0.5，AVE 為計算潛在變數之測量變數的變異數解 釋力，值越高表示構念有越高的信度與收斂效度。

(4) Cronbach’s α 值需大於 0.5，當 alpha 值大於 0.7 時，表示變數之衡量指標具 良好的內部一致性，信度越高表示問項之穩定性及一致性越高，參考標準(表 15) 。

表 14 模型測量之判斷標準表

指標 判斷標準 學者

組合信度(CR) 大於 0.7 以上 Fornell & Larcker (1981) 平均萃取變異量(AVE) 大於 0.5 以上 Fornell & Larcker (1981) Cronbach’s α 大於 0.5 以上 Jones & James (1979)

表 15 Cronbach’s α 測量之判斷標準表 Cronbach’s α 範圍 判斷標準

α≤0.3 不可信

0.3<α≤0.4 勉強可信 0.4<α≤0.5 稍微可信 0.5<α≤0.7 可信(最常見) 0.7<α≤0.9 很可信 α>0.9 十分可信

組合信度所使用的指標即為組合信度(composite reliability, CR)，亦稱為結構 信度(construct reliability)，CR 根據各構面進行評估，測量各構面的變項組成是否

44

具備一致性，CR 的評估標準為 0.7，CR 越高代表構面的內部一致性越高；若 CR 小於 0.7 即代表變項之間衡量的目標可能不集中，非共同衡量的構面內容。本研 究構面之 CR 最低為 0.7922(表 16)，所有構面之 CR 皆大於 0.7，代表研究構面的 組合信度皆良好，各構面的問項皆能確實量測目標，具備良好的內部一致性。

表 16 本研究之整體變項參數估計表

Cronbach’s α 為檢定各構面之衡量變項間的內部一致性，其評估標準為 0.5，

本研究之Cronbach’s α 皆大於 0.5，代表各構面之變項皆具備良好的內部一致性。

根據以上分析結果，組合信度均大於 0.7，表示各構面的內部一致性良好；

平均變異數萃取量均大於 0.5，表示潛在變數之測量變數具備足夠的變異數解釋 力；而Cronbach’s α 值均大於 0.5，且大部分變數大於 0.7，表示變數之衡量指標 具良好的內部一致性，構面中的變項達相當水準的穩定性及一致性，根據上述各 種判斷值，顯示本問卷信度已達相當水準。

平均變異萃取量(average variance extracted, AVE)表示變項解釋構面變異量 的比例，AVE 越高代表構面被變項解釋的變異量越大。AVE 的評估標準為 0.5，

表示變項應能夠解釋一半的構面變異量，可以代表該構面具備足夠的收斂效度 (convergent validity)及區別效度(discriminant validity)。效度(validity)代表正確度，

代表資料符合研究欲調查目標的程度。AVE 越高，代表構面內的收斂越好，能 構面 題數 CR AVE Cronbach’s α 服務品質 4 0.8736 0.6336 0.8072 店面因素 3 0.7873 0.5557 0.5918 商品特性 3 0.7922 0.5598 0.6085 知覺價值 4 0.9165 0.7332 0.8782 信任 3 0.8369 0.6315 0.7102 購物意願 3 0.8830 0.7159 0.8006

45

確實達 到調 查目 標的 程度越 高。 本研 究各 構面的 AVE 皆 大於 0.5，介於 0.5557~0.7332 之間，屬於良好範圍，代表研究構面的收斂效度良好。

區別效度(discriminant validity)代表構面與構面之間的區別能力，區別效度越 高代表構面之間能明確地分開需量測的目標，區別效度以平均變異數萃取量開根 號(√𝐴𝑉𝐸)後與各構面的相關性進行比較。若構面之間的相關係數大於、等於

√𝐴𝑉𝐸，表示構面間的區別不明確，構面間的變異量有重複解釋的可能性。本研 究之構面間的相關係數及變數分析結果(表 17)顯示，各構面間的相關程度皆小於 構面之√𝐴𝑉𝐸，表示研究之構面皆具備區別效度。

表 17 構念間相關係數及變數分析

服務品質 店面因素 商品特性 知覺價值 信任 購物意願 服務品質 (.796)

店面因素 .385 (.745)

商品特性 .303 .532 (.748)

知覺價值 .526 .559 .472 (.856)

信任 .606 .459 .401 .645 (.795)

購物意願 .513 .320 .281 .540 .607 (.846)

本研究採用驗證性因素分析法檢定因素負荷量及因素之間的相關性，特徵值 (eigenvalues)表示構面中變項能解釋的變異數程度。因素負荷量(factor loadings) 則表示各變項與各構面間的相關，因素負荷量的評估標準為 0.5，因素負荷量越 大，代表該變項與該構面的相關性越大。而本研究各構面的特徵值均大於 1；各 因素負荷量均大於評估標準 0.5，接近及大於 0.7；而各變數累積解釋變異量均大 於 55%。

46

47