組織採用資訊科技之彙整分析 - 政大學術集成

全文

(1)國立政治大學資訊管理學系碩士學位論文. 組織採用資訊科技之彙整分析政治. 大. 學. ‧ 國. 立 Organizational Adoption of Information Technology: A Meta-Analysis. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：梁定澎. 博士. 周彥君. 博士. 研究生：黃冠傑. 撰. 中華民國一零七年九月. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(2) 謝辭論文終於完成了，這一大段時間的辛勤耕耘終於可以享受豐收了！這篇論文能完成首先要感謝我的兩位指導教授，非常感謝梁老師在百忙之中仍然抽空和我開會討論論文，梁老師總是非常照顧學生，在整個碩班生涯中，我們的研究室總是不欠缺任何器材或文具，老師也會提供很多學習與工作機會給我們，讓我們從來不用擔心生活費，並且能從做中學，仔細回想這兩年寫的電子報，真的讓文筆進步很多呢！我也非常感謝周老師，周老師認真嚴謹的研究態度真的是每位學生的好榜樣，我在做研究的過程中，不僅學到了各種知識，更重要的是學到了做事. 政治大在寫論文的過程中有好多人需要感謝，首先特別感謝李畇的幫忙，各式各樣立. 的態度。真的非常謝謝周老師耐心地和我討論論文，一步一步引導我完成研究。. ‧ 國. 學. 跟研究室、老師、論文，又或者是行政程序相關的事務，李畇都幫了不少大忙，真的超級可靠。特別感謝老鐵智鈞，從進政大前就一路共患難，互相打氣與砥礪，. ‧. 一起工作一起玩樂，無話不談。也非常感謝室友俊閔跟聖翔的照顧，一起煮飯、. sit. y. Nat. 談心。感謝同 Lab 的典佑超級細心，每次都會事先把行政流程查清楚，讓我跟家. al. er. io. 宏省了不少心力，而且還會常常跟我們說笑話。感謝品甄學長在畢業之後還屢次. v. n. 接到我的電話問問題。也非常謝謝下一屆的學弟妹們在我們這一屆繁忙之時扛下. Ch. engchi. i n U. 電子報，還幫我在口試的時候做筆記。感謝宛庭學姊解答了我很多投研討會的疑問。也非常謝謝系辦的雨儒、嘉婷、欣伶，常常耐心又可靠地幫我們處理很多行政程序。最後要謝謝我的女友和家人，總是放心地讓我去嘗試許多事，在我有困難時成為我最堅強的後盾，如果沒有你們，就沒有今天的我。. i. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(3) 摘要本文針對過去 30 年來，眾多學者對於組織採用資訊科技因素之初級研究進行彙整分析，並透過 TOE 模式，將原因以科技、組織、環境，等三構面進行歸納。本研究目的是希望能將過去結果迥異的研究進行客觀且具科學性的整合，得到一個彙整性之結論。本研究針對 Web of Science 資料庫中的 31 篇相關論文逐篇進行編碼，記錄每篇初級研究其自變量與依變量的相關係數，以及樣本數與各項資料，並透過彙整分析，將 31 篇論文的各項自變量與依變量關係進行整合與運算，進而為每種. 政治大現，影響力最大且最穩固的前五個因素依序為：預期效益、組織準備度、技術感立變數關係獲得一個整體的效果規模，以評估該變數之間的真實關聯程度。結果發. ‧ 國. 學. 知有用性、高層支持，以及 IT 基礎建設。總體來說，科技面與組織面的因素擁有較強的影響力，環境面的因素則較弱。不顯著的因素則包括：相對優勢、系統. ‧. 安全性、營運之地理範圍、廠商技術支援，以及政府支持。. sit. y. Nat. 本研究針對文獻總數超過 10 篇的自變量設置三個調節變量，分別為：地區、. al. er. io. 組織規模、時間，並透過這三個調節變量將每個自變量切割成數個子集合，並再. v. n. 次進行彙整分析。結果發現 IT 基礎建設在「非亞洲」地區為顯著，且效果規模. Ch. engchi. i n U. 明顯強於「亞洲地區」；中小企業比大企業更容易因為自身組織規模的擴張，而更有意願去採用一項資訊科技，這與 Hameed et al. (2012).的研究結果高度相符。除此之外，大企業相較於其他規模的企業，更容易因為競爭壓力、高層支持，以及預期效益的因素，而去採用一項創新的資訊科技；小企業則是更容易因為「組織內部的技術知識」，而左右其是否採用一項創新的資訊科技。. 關鍵詞：彙整分析、TOE 模式、資訊科技、組織採用. ii. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(4) Abstract This research aims to do meta-analysis on the theses which were about finding the reasons for organizational IT adoption and were published during the last 30 years. TOE model is adopted in this thesis as research model due to the benefit from categorizing the reasons into 3 aspects: Technology, Organization and Environment. We hope to integrate the different results from the previous theses by a scientific methodology – Meta-Analysis and in order to get an overall result. 31 studies from the database Web of Science are encoded. The correlation coefficients. 政治大 data. These data are synthesized 立into Effect Size, which is able to indicate the overall and real between independent and dependent variables are collected, as well as sample sizes and other. ‧ 國. 學. extent to which each factor has through meta-analysis. The result shows that the top five significant and robust factors are Perceived Benefits, Organizational Readiness, Perceived. ‧. Usefulness, Top Management Support and Technological Knowledge. Overall, Factors in the. sit. y. Nat. aspect of Technology and the aspect of Organization have stronger correlations than those in. al. er. io. the aspect of Environment. Insignificant factors include Relative Advantages, System Security,. v. n. Global Scope, Support from Technology Vendors and Government Support.. Ch. engchi. i n U. Factors having at least 10 studies as samples are divided into several groups to analyze again by adding 3 moderators – Region, Organization Size and Time. The result shows that IT Infrastructure is significant in non-Asia area and has larger effect size than in Asia. SMEs are more willing to adopt a new information technology due to the increasing of its organization size than large firms, which is highly consistent with the findings from Hameed et al. (2012). Furthermore, large firms tend to adopt a new information technology due to Competitive Pressure, Top Management and Perceived Benefits while SMEs tend to do so due to the knowhow in its organization. Keywords: Meta-Analysis, TOE Model, Information Technology, Organization Adoption. iii. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(5) 目錄第一章. 緒論 ....................................................................................................................................... 1. 1.1. 研究背景 ............................................................................................................................... 1. 1.2. 研究目的 ............................................................................................................................... 2. 第二章. 文獻探討 ............................................................................................................................... 3. 2.1. 組織採用資訊科技之因素 ................................................................................................... 3. 2.2. TOE MODEL .......................................................................................................................... 4. 2.3. 針對 IT ADOPTION 進行彙整分析之文獻 ......................................................................... 11. 第三章. 研究架構與方法 ................................................................................................................. 12. 3.1. 研究架構 ............................................................................................................................. 12. 3.2. 研究方法 ............................................................................................................................. 12. 政治大. 3.2.1. 蒐集與篩選文獻 ............................................................................................................ 13. 3.2.2. 資料編碼 ........................................................................................................................ 16. 3.2.3. 資料分析 ........................................................................................................................ 27. ‧ 國. 學. 第四章. 立. 研究結果 ............................................................................................................................. 37 敘述研究法 ......................................................................................................................... 37. 4.2. 彙整分析法 ......................................................................................................................... 39. 4.3. 設置調節變量 ..................................................................................................................... 45. y. Nat. 研究結論與限制 ................................................................................................................. 56. io. sit. 第五章. ‧. 4.1. 研究結論 ............................................................................................................................. 56. 5.2. 研究貢獻 ............................................................................................................................. 60. al. v i n Ch 研究限制 ............................................................................................................................. 60 engchi U n. 5.3. er. 5.1. 參考文獻 ................................................................................................................................................ 62 附錄一 31 篇彙整分析之文獻 ............................................................................................................. 66 附錄二 31 篇文獻之編碼資料 ............................................................................................................. 70 附錄三自變量來源文獻與名稱 .......................................................................................................... 73. iv. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(6) 表次表 1 以 TOE 模式作為研究架構的文獻(OLIVEIRA & MARTINS, 2011) ............................................... 7 表 2 彙整分析文獻蒐集之關鍵字搜尋 (傅品甄, 2017) .................................................................... 14 表 3 論文編碼示意圖 ......................................................................................................................... 16 表 4 各年份區間的論文數量統計 ..................................................................................................... 16 表 5 樣本來源地區數量統計 ............................................................................................................. 16 表 6 組織規模數量統計 ..................................................................................................................... 16 表 7 科技面的自變量定義 ................................................................................................................. 20 表 8 組織面的自變量定義 ................................................................................................................. 20 表 9 環境面的自變量定義 ................................................................................................................. 21 表 10 文獻編碼結果 ........................................................................................................................... 22 表 11 敘述研究法結果 – 科技面 ...................................................................................................... 37. 政治大. 表 12 敘述研究法結果 – 組織面 ...................................................................................................... 38. 立. 表 13 敘述研究法結果 – 環境面 ...................................................................................................... 39 表 14 彙整分析結果 – 科技面 .......................................................................................................... 40. ‧ 國. 學. 表 15 彙整分析結果 – 組織面 .......................................................................................................... 41 表 16 彙整分析結果 – 環境面 .......................................................................................................... 43. ‧. 表 17 設置調節變量的彙整分析結果 - IT 基礎建設 ....................................................................... 47 表 18 設置調節變量的彙整分析結果 - 技術複雜性 ....................................................................... 48. y. Nat. 表 19 設置調節變量的彙整分析結果 - 高層支持 ........................................................................... 49. sit. 表 20 設置調節變量的彙整分析結果 - 組織內部的技術知識 ....................................................... 50. al. er. io. 表 21 設置調節變量的彙整分析結果 - 組織規模 ........................................................................... 51. n. 表 22 設置調節變量的彙整分析結果 - 預期效益 ........................................................................... 52. Ch. i n U. v. 表 23 設置調節變量的彙整分析結果 - 競爭壓力 ........................................................................... 53. engchi. 表 24 平均效果規模最強的前五個自變量........................................................................................ 56 表 25 結果不顯著的自變量 ............................................................................................................... 57 表 26 科技、組織、環境，三個構面平均效果規模最強之自變量 ................................................ 58. v. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(7) 圖次圖 1 TOE 模式....................................................................................................................................... 5 圖 2 研究架構圖 ................................................................................................................................. 12 圖 3 彙整分析流程圖 ......................................................................................................................... 13 圖 4 獲取該篇論文相關係數的流程 ................................................................................................... 17 圖 5 文獻中樣本數與權重關係示意圖.............................................................................................. 29 圖 6 固定效應模式示意圖 ................................................................................................................. 30 圖 7 隨機效應模式示意圖 ................................................................................................................. 31. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. vi. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(8) 第一章緒論. 1.1 研究背景資訊科技在現代對於一間企業而言，幾乎可以說是不可或缺的一項利器，其可為公司創造許多競爭優勢。例如對旅遊業而言，資訊科技的使用可增進其策略面與作業層級的優勢與競爭力(Buhalis, 1998)。組織可以透過不同方式來獲得競爭優勢，然而最有效的方法是建立優良的資訊科技能力、資訊基礎建設，與資訊系統 (Broadbent, Weill, & St. Clair, 1999)。. 政治大. 許多企業為了獲得競爭優勢，會選擇採用新的資訊科技。然而驅使一家公司. 立. 採用一種新型資訊科技的原因非常多，這些因素也會因為各種不同情況而有不同. ‧ 國. 學. 的影響力。如 Wang, Y. M., Wang, Y. S., & Yang, Y. F. (2010). 於研究中發現，對於台灣的製造業，影響其是否採用 RFID 的顯著因素為：資訊強度、技術複雜度、. ‧. 技術相容性、組織規模、競爭壓力，以及合作夥伴壓力；不顯著的因素為：相對. y. Nat. sit. 優勢、高層支持，以及組織內部技術能力。. n. al. er. io. 組織採用資訊科技之因素也一直是一個重要的研究議題，至今已有許多學者. i n U. v. 進行過研究，然而結果卻不盡相同。有的可能是產生了不一致的結果，有些可能. Ch. engchi. 連結果都互相矛盾，如「組織大小」對於「組織採用資訊科技」的因素，在各個研究中就產生了許多不一致的結果 (Lee & Xia 2006)。這些研究彼此之間可能有著許多差異，如：樣本數量、年代、地區、組織大小、分析方法，或是欲採用的資訊科技等。而正是因為這些條件的不同，導致了迥異的研究結果。因此若能透過一個客觀、科學性的分析方法，將這些研究互相比較或進行統整，最終得到一個綜觀性的結論，將會十分有幫助。. 1. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(9) 1.2 研究目的本研究希望能透過彙整分析，針對「組織採用資訊科技之因素」一議題，將過去的相關研究彙整出一個確切的結論。其中包括平均效果量的計算、統計顯著測試，以及同質性測試等。並且搭配 TOE 模式 (Technology-OrganizationEnvironment Model)，將組織內外的各種條件與狀況，歸類在科技、組織、環境等三個不同的面向當中，提供一個清楚的構面以利分析。最後再於彙整分析的結果中挑選合適的因素，為其設置調節變量，於分群後再次進行彙整分析，以獲得更精細的分類與結論。. 政治大價值與歷史脈絡，故選取近立30 年來的相關文獻進行研究。本研究也希望能將此本研究更希望能幫助未來學者在研究此一議題時，能藉由本研究而獲得參考. ‧ 國. 資訊科技採用的因素，欲藉此獲得一個一般化的結論。. 學. 議題的範疇加廣，所針對的資訊科技種類不再是單一技術，而是組織對任何一種. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 2. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(10) 第二章文獻探討 2.1 組織採用資訊科技之因素當不同組織欲採用資訊科技時，應針對該組織之特性，進而採取相對應之科技導入方法， Oliveira, Thomas, & Espadanal, (2014) 針對葡萄牙 369 個公司的實證研究發現，當組織欲採用雲端運算時，影響製造業與服務業採用雲端運算的因素有所差異，例如：影響製造業採用雲端科技之因素主要是相對優勢(即本次採用的資訊科技相較原有的資訊科技之優良程度)；影響服務業採用雲端科技之因素主要則是高階主管支持；而兩者皆有顯著正向影響之因素為技術就緒程度。由. 政治大. 此可見，針對同一項資訊科技，在不同組織特性的情況下，有著不同的影響因素。. 立. 當我們了解影響組織採用創新資訊科技的重要因素之後，我們便可做出相對. ‧ 國. 學. 的行動，以提升該組織採用該資訊科技的成功機率。Premkumar & Roberts (1999) 針對 78 個偏鄉小型企業進行研究，研究中指出，相對優勢、高階主管支持、組. ‧. 織大小、外部壓力、競爭壓力，這五點是決定偏鄉小型企業是否採用創新資訊科. y. Nat. sit. 技的重要決定因素。其中相對優勢被認為是一個影響偏鄉小型企業是否採用資通. n. al. er. io. 訊科技的重要因素，在研究中採用資通訊科技的企業表示，他們會採用該科技是. i n U. v. 因為覺察了使用該項科技的好處。該項研究的主要貢獻是可以透過讓使用者覺察. Ch. engchi. 到某項科技的好處，並增強其覺察此好處的強度，進而讓使用者對採用該項資通訊科技有正向的影響。針對這項特性，企業可以舉辦教育訓練提升使用者對該資通訊科技的相對優勢覺察程度，如此便能讓使用者對該科技更好上手(Premkumar et al., 1997)。. 3. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(11) 除此之外，Ramamurthy, Sen, & Sinha, (2008) 針對組織是否採用資料倉儲的實證研究中發現，若能了解一項創新科技的潛在好處以及與其相關的科技複雜度，將有效提升組織使用該項科技的意願。當瞭解一個組織採用資訊科技的各項決定因素之後，應該立即採取相對應的行動，以促進組織成員對於這些關鍵因素有近一步的認識(例如：組織吸收能力)，進而增加採用的可能性。組織採用資訊科技之相關議題，一直以來皆為研究的一大重點，尤其是探討影響組織是否採用創新資訊科技的相關因素。目前已有許多文獻探討過此一議題，學者們大多採用下列幾種理論：科技接受度模式(Technology Acceptance Model,. 政治大 (Task-Technology Fit Model, TTF)、計畫行為理論(Theory of Planned Behavior, TPB)、立 TAM)、創新擴散理論(Innovation Diffusion Theory, IDT)、任務–科技配適度理論. 理性行為理論(Theory of Reasoned Action, TRA)等等。然而最常用於組織層級的. ‧ 國. 學. 理論為科技–組織–環境模式(Technology-Organization-Environment Model, TOE). ‧ y. Nat. io. sit. 2.2 TOE Model. er. (Yeh, 2011)。. TOE 架構(Technology-Organization-Environment Model) 最早是由 DePietro,. al. n. v i n Wiarda, & Fleischer 於 1990 年所提出。其解釋一家公司採用創新科技時，會受 Ch engchi U 到科技、組織、環境，三個因素所影響之過程。這三個因素皆會在組織採用創. 新科技時產生阻力與推力，並影響一家公司探索本身組織之需求、尋找或採用創新科技的方式。(DePietro, Wiarda, & Fleischer, 1990)。. 4. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(12) External Task Environment 競爭壓力合作夥伴壓力政府支持. Organization 高層支持組織規模預期效益. Technological Innovation Decision Making. TOE 模式. al. n. Technology 科技方面. er. io. sit. y. 圖 1. ‧. Technology 技術相容性技術複雜性. Nat. 1.. 學. ‧ 國. 立. 政治大. Ch. engchi. i n U. v. 科技方面包含了該組織之內部科技與外部科技。內部科技是指該組織內部目前正在採用的科技與設備(Starbuck, 1976)；外部科技則是指已存在於市面上，公司可考慮採用，但尚未擁有之科技(Thompson 1967, Khandwalla 1970, Hage 1980)。 2.. Organization 組織方面組織方面是針對該組織狀態的描述，例如：組織規模、組織大小、管理結構. 等(Oliveira & Martins 2011)。. 5. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(13) 3.. Environment 環境方面環境方面所代表的是一間公司在日常經營的過程中，其所處的環境或活動場. 所。例如：該公司之產業類型、競爭者、與政府之間的關係等等(DePietro, Wiarda, & Fleischer, 1990)。環境方面也可以同時呈現出該組織採用該創新科技的機會與挑戰(Oliveira & Martins 2011)。 TOE 模式針對資訊科技創新領域之應用有很大的潛力，在不同的研究中，科技、組織、環境，這三個面向會各自擁有一些特定的因素(Oliveira & Martins 2011)。 TOE 架構已在許多實證研究中，被證實是一個在創新科技之採用上，能夠被. 政治大幅度改變整個組織原本的資訊基礎建設時，同時考慮科技面與組織面的相關因素立. 廣泛運用且有效的一個理論(Baker, 2012)。尤其當組織打算採用的創新科技將大. 將十分重要(Ramamurthy et al., 2008)。. ‧ 國. 學. 除了單獨使用 TOE 模式以外，也有許多研究將 TOE 模式與 DOI 理論(創新. y. Nat. 理論的搭配，探討組織採用雲端運算的因素。. ‧. 擴散理論)合併使用。例如：Premkumar & Roberts (1999)便透過 TOE 模式與 DOI. er. io. sit. 若要探討組織採用創新資訊科技之議題，如雲端計算，可以透過 TOE 模式考量科技、組織、環境三個面向，並加入創新擴散理論中不同創新採用者之類型，. al. n. v i n 這將會是一個十分科學的方式C 。如此一來可以提供學界與業界更全面性且更具價 hengchi U 值的洞見(Oliveira et al., 2014)。. TOE 模式針對組織採用不同種類的創新資訊科技，提供了一個有用的分析框架，讓學者們可以透過 TOE 框架，針對該議題進行研究。TOE 框架有著嚴謹的理論基礎，並有許多實證研究佐證。如下頁表 1，其列出了以 TOE 模式作為研究架構的文獻(Oliveira & Martins 2011)。這些研究與本文之差別在於其大多限定於單一資訊科技，而本文則未限定於某種特定之資訊科技，且將以彙整分析進行資料分析。. 6. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(14) 表 1.  . 科技面向 → 知覺直接效益、知覺間接效益組織面向 → 知覺財務成本、知覺技術能力. . 環境面向 → 知覺產業壓力、知覺政府壓力. io. al. n. B2B 電商的  部署：B2B 公司與非 B2B 公司之比較 . Ch. engchi. probit mode. y. 科技面向 → 未解決之科技議題、缺乏 IT 專家與 IT 基礎建設、缺乏相容性 ˙ 組織面向 → 組織變革困難度、專案管理之問題、 ˙ 缺乏高階主管支持、缺乏電商策略、損益衡量之困 ˙ 難性環境面向 → 未解決的法律問題、恐懼和不確定性. Nat. . correspondence analysis (MCA). (Oliveira 葡萄牙的 3155 家小企 and 業與 637 家一般企業 Martins 2008). ‧.  . 作者. (Kuan 香港 575 家小企業所 and Chau 做的問卷調查 2001). 政治大科技面向 → 科技就緒程度、科技整合性、安全應立用 ˙ Multiple 組織面向 → 電子聯繫之知覺效益、IT 訓練計劃、連接至公司的 IT 系統、網路與電子郵件規範環境面向 → 網站競爭壓力 ˙ 控制變量 → 服務類別. 資料與情境. Factor Analysis(FA) Logistic regression. 學. . ˙ ˙. sit. . 網站. 方法. ‧ 國. EDI. 分析變數. FA t-tests discrimination analysis. er. 採用之資訊科技. 以 TOE 模式作為研究架構的文獻(Oliveira & Martins, 2011). i n U. v. 249 家北美洲和加拿大 (Teo et 企業 al. 2006). 7. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(15) 採用之資訊科技. 科技支援程度、人力資本、科技潛力資訊的管理層級 ˙ 使用者滿意度、電商安全性 ˙ 公司資產.   . 科技面向 → IT 基礎建設、科技就緒度組織面向 → 組織大小、障礙知覺程度 ˙ 環境面向 → 生產與營運之改善程度、產品與服 ˙ 務之強化程度、競爭壓力、監管政策.  . 科技面向 → 科技就緒度、科技整合度、安全應用組織面向 → 電子聯繫之知覺效益、IT 訓練計劃、 ˙ 連接至公司的 IT 系統、網路與電子郵件規範 ˙ 環境面向 → 網站競爭壓力、電商競爭壓力控制變量 → 服務類別. io. n. al. 電商網站  . Ch. engchi. FA OLS. ‧. → → → →. Nat. ERP. 科技面向組織面向環境面向控制變量. 學.  電子商務開  發層級(0-14)  . FA Logistic regression. i n U. 2009) 於 2006 針對中國陝西 156 家公司進行電子郵 (Liu, 件問卷、線上問卷、電 2008) 話訪談. 與 99 家台灣公司面談. v. MCA probit model. 作者. (Martins 3155 家葡萄牙小型企 and 業 Oliveira. y. . 立. MCA. 政治 logit 大model. sit. . 科技面向 → 科技就緒度、科技整合度、安全應用組織面向 → 電子聯繫之知覺效益、IT 訓練計劃、連接至公司的 IT 系統、網路與電子郵件規範 ˙ 環境面向 → 互聯網競爭壓力、網站競爭壓力、電 ˙ 商競爭壓力控制變量 → 服務類別. 資料與情境. er. 電子商務.  . 方法. ‧ 國. 互聯網網站. 分析變數. 2626 家葡萄牙企業. (Pan and Jang 2008) (Oliveira and Martins 2009). 8. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(16) 方法.   . ˙ 科技面向 → IT 基礎建設、電子商務專業知識組織面向 → 公司規模、公司大小 ˙ 環境面向 → 消費者準備程度、競爭壓力、貿易夥. . 伴缺乏準備控制變量 → 產業與國家效果. secondorder modelling. factor. cluster analysis (CA). ˙ ˙. CFA Second-order modelling. ˙. SEM. io. n. Ch. engchi. 於 2000 年，針對 3552 (Zhu et 個歐洲企業進行電話 al. 2003) 訪談. 於 2002 年，針對總共 (Zhu and factor 10 個開發中與已開發 Kraemer, 國家的 624 個企業進 2005) 行電話訪談. y. 科技面向 → 科技就緒度、科技整合程度 ˙ 組織面向 → 公司大小、全球範圍、貿易全球化、 ˙ 管理障礙環境面向 → 強烈競爭、監管環境. ‧. 電子商務之啟用  電子商務之  採用電子商務之  慣例化. Nat. 科技面向 → 技術能力組織面向 → 組織大小、國際範圍、財務承諾環境面向 → 競爭壓力、監管支持. 學. ˙.  電子商務用  途 . al. Confirmatory factor analysis (CFA). 作者. 於 2002 年，針對總共 CFA 10 個開發中與已開發 (Zhu et structural equation 國家的 1857 個企業進 al. 2006) modelling (SEM) 行電話訪談. sit. 立. 資料與情境. 政治大 ˙ logistic regression. ‧ 國. 電子商務. 分析變數. er. 採用之資訊科技. i n U. v. 9. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(17) 採用之資訊科技. 分析變數. n. al. Ch. engchi. CFA SEM. 非實證研究. i n U. 作者. 台灣 163 家大企業於 (Lin and 2006 年透過 email 進行 Lin 問卷調查 2008). y. 科技面向 → 組織 IT 能力、KMS 相容性、KMS 相對優勢、KMS 複雜度 ˙ 組織面向 → 高階主管支持、階層式組織結構環境面向 → 外部供應商、內部員工. io.  . ˙ ˙. ‧. KMS. 科技面向 → IT 基礎建設、IT 專業知識組織面向 → 組織相容性、電子商務預期利益環境面向 → 競爭壓力、貿易夥伴準備程度. Nat. . 立. 學. 電子商務的內部整合  將電子商務  的採用進行  外部擴散. 政治 CA大. sit.  . 資料與情境. (Oliveira 於 2006 年對歐盟 27 個 and 國家(UE27)，共 6964 Martins 個企業進行電話訪談 2010). T-test FA. er. 電子商務. 科技面向 → 科技就緒度、科技整合度、安全應用組織面向 →電子聯繫之知覺效益、IT 訓練計劃、 ˙ 連接至公司的 IT 系統、網路與電子郵件規範 ˙ 環境面向 → 網站競爭壓力 ˙ 控制變量 → 服務類別. ‧ 國.  . 方法. 非實證研究. (Lee et al. 2009). v. 10. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(18) 2.3 針對 IT Adoption 進行彙整分析之文獻針對組織採用資訊科技一議題，如前面所述，已有許多學者做過相關研究，也正是因為如此，學者們發現許多研究結果並不一致，因此開始針對此一議題之相關文獻，進行彙整分析，以得出此一議題概括性的總結。 Hameed, Counsell & Swift (2012)為了釐清許多文獻的不一致與矛盾之處，他們針對 10 項影響組織採用資訊科技的組織面因素進行彙整分析，彙整分析後的結果發現，組織就緒度為最重要的因素、資訊部門大小為影響程度一般的因素，至於其他個別文獻中可能是影響程度極高的資訊科技基礎建設、高階主管支持、. 政治大 al., 2012)。該研究為針對立 10 項特定因素進行分析，而本研究則希望能彙整更多. IT 專業知識、組織大小等因素，在彙整分析後的結果只算是低顯著性(Hameed et. ‧ 國. 學. 因素，並針對更廣的面向進行分析。. Lee & Xia (2006)也針對組織採用資訊科技之因素進行彙整分析，他們發現. ‧. 組織大小作為影響組織採用資訊科技的一大重要因素，卻在不同研究中有許多不. sit. y. Nat. 一致的結果。針對 21 份實證研究中的 54 個相關係數進行彙整分析後，發現組織. al. er. io. 大小雖然對組織採用資訊科技有著正向關係，但其程度卻會受五個調節變量所影. v. n. 響，分別是：創新資訊科技之類型、組織類型、資訊科技採用程度、資訊科技採. Ch. engchi. i n U. 用範疇，以及大小衡量方式。該項研究是針對組織面進行分析，而本研究希望能分析科技、組織、環境等三個構面之因素，獲得更廣泛面向的結果。. 11. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(19) 第三章研究架構與方法 3.1 研究架構本研究以 TOE 模式作為研究架構，先將所收集之文獻進行彙整分析，再將結果所獲得的各項獨立變數，透過 TOE 模式，歸類於科技、組織、環境其中一個類別，如下圖 2 所示。. 科技因素. 組織因素. 立. 政治組織採用資訊科技大. ‧ 國. 學. 環境因素圖 2. 研究架構圖. ‧ y. sit. Nat. 3.2 研究方法. al. er. io. 彙整分析(Meta-Analysis)的定義為「針對一系列的多份研究之個別分析結果，. v. n. 進行統計分析，以整合該議題之研究結果。」(DerSimonian & Laird 1986)，其能. Ch. engchi. i n U. 將大量的個別研究結果進行計量結合(Glass, Smith, & McGaw, 1981)。彙整分析能夠消除各項誤差來源，發現變數之間的真正關係與強度(Hunter & Schmidt 1990)，進而獲得未來值得進行的研究方向。在彙整分析中，我們需要將不同研究中的各個統計變量轉換成一個通用指標 – 「效果規模 (Effect Size) 」，其通常以相關係數 (Pearson Product Moment Correlation)呈現。效果規模代表一個現象在母體之中表現的程度(Cohen, 1977)，為一現象之顯著性的通用衡量指標(Kelley & Preacher 2012)。而彙整分析的重點便在於探討平均效果規模的大小，至今已有許多學者提出實際方法並受到廣泛的應用(Glass et al., 1981; Rosenthal, 1991; Hunter et al., 1982; Wolf, 1986)。. 12. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(20) 彙整分析的產生主要是因為傳統分析文獻時，在進行資料整合的過程中，容易依賴研究者個人主觀的評論而定 (洪新原, 梁定澎, & 張嘉銘, 2005)，且僅針對研究結果進行整理、列舉，並進行解釋。除此之外，不同研究的研究方法、研究對象、樣本數量皆不盡相同，針對相同的問題，在不同的研究之間，可能存在著許多矛盾或不一致的結果。這些研究結果無法客觀地互相比較，導致無法一致解釋一份關係之強度或其效果(Wolf, 1986)。彙整分析便是一個能彌補此一缺陷之客觀且科學的分析方法。彙整分析主要有三大步驟，如下圖所示。首先針對本次研究的主題，列出篩. 政治大將文獻進行編碼，記錄每篇文獻值得關注的統計量。最後再進行彙整分析的運算，立選文獻的條件，並選定本次研究欲使用的資料庫進行文獻蒐集與篩選。第二步是. 將編碼階段所記錄之相關統計量進行整合與計算，獲得每份關係的平均效果規模。. ‧ 國. 學. 此時也可加入調節變量，將資料進行切割，獲得條件不同的子集合，再次進行條. ‧. 件更為精細的彙整分析。. n. al. 分析運算. er. io. 3.2.1. sit. y. Nat. 文獻編碼. 蒐集與篩選文獻. Ch. 圖 3. i n U. 彙整分析流程圖. engchi. v. 蒐集與篩選文獻. 本研究進行彙整分析時所採用的文獻是來自傅品甄(2017)，針對「組織採用資訊科技」進行彙整分析的研究中，其所篩選出來的 69 篇文獻；以及本研究文獻探討中所引述的 Oliveira & Martins (2011) ，其針對企業採用資訊科技的文獻探討之研究中，符合本研究主題的 6 篇研究。. 13. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(21) 在傅品甄(2017)的研究中，該 69 篇文獻並未完成編碼以及彙整分析的運算，僅初步篩選出文獻，故本研究將沿用其結果，將這些文獻繼續進行編碼與分析。此 69 篇文獻皆是從 Web of Science (WoS)資料庫收集而來。最初透過如下表的關鍵字篩選出 1574 篇論文(傅品甄, 2017)，接著再人工審閱每篇論文之標題與摘要，將非組織角度的論文剔除，例如：個人角度或家庭角度出發的文獻。並且將屬於資訊科技採用的相關文獻納入，此階段獲得 99 篇論文。接著再針對此 99 篇論文進行全文審閱，將不屬於「組織採用資訊科技」，以及沒有探討各變數對「組織採用資訊科技因素」的文獻剔除，最終獲得 69 篇論文。關鍵字 organization* adopt*. 立. enterprise adopt*. 學. ‧ 國. technolog* adopt*. 搜尋結果. 政治大. ERP adopt*. enterprise resource planning adopt*. 1574 篇. ‧. NOT personal NOT individual. n. 表 2. Ch. engchi. sit er. io. al. y. Nat. NOT family NOT old man NOT teacher 年份：文件類型：研究領域排除：Family studies, Women’s studies. i n U. v. 彙整分析文獻蒐集之關鍵字搜尋 (傅品甄, 2017). 本研究承接傅品甄(2017)的 69 篇論文，進行全文檢索以篩選出適用於本研究的文獻。符合下列條件的文獻將作為本研究彙整分析的資料集： 1.. 量化研究研究中必須包含自變量與依變量的相關係數，或是任何能透過公式進行轉換，進而得到相關係數的統計量或其他相關資料。若發現質性研究或文獻回顧類型的文章，將予以剔除。. 14. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(22) 2.. 初級研究研究所蒐集的樣本資料是為了做研究而刻意蒐集。若發現該論文本身屬於次級資料分析或彙整分析，將予以剔除。. 3.. 以「組織」為探討對象研究的探討對象為整個組織，或是可代表該組織的決策者或少數高層，若為探討組織內的每個「個人」採用因素，獎予以剔除. 4.. 以「資訊科技」為探討對象研究所探討的內容為欲採用的任何一種「資訊科技」，若為其他類型的科技，. 政治大以「採用因素」為探討對象立或是屬於流程而非科技，則予以剔除。. 5.. 研究所探討的內容為「為什麼會採用」，若為「採用所帶來的影響」，則予以. ‧. ‧ 國. 學. 剔除。. y. Nat. 將 69 篇論文進行全文檢索後，剔除 13 篇質性研究、3 篇文獻回顧、2 篇非. er. io. sit. 初級研究、2 篇彙整分析、4 篇探討「個人層級」、5 篇非探討「採用因素」，以及 12 篇於編碼過程中，其論文結果未提供相關係數，或無法經由公式轉換而獲得. n. al. i n 相關係數之論文，共得到 28 篇可供彙整分析的文獻。 Ch engchi U. v. 另外在 Oliveira & Martins (2011) 之研究中所挑選出來的 6 篇論文，刪除 1. 篇質性研究、1 篇非探討「採用因素」，以及 1 篇無法經由公式轉換而獲得相關係數之論文，共得到 3 篇可供彙整分析的文獻。加上先前所獲得的 28 篇文獻，最終共有 31 篇論文可供彙整分析。. 15. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(23) 3.2.2. 資料編碼. 在資料編碼階段，我們將閱讀每一篇文獻的全文內容，把彙整分析所需要的統計量記錄下來，供彙整分析的運算階段使用。需要記錄的內容可以包括：相關係數、樣本數、樣本來源、樣本產業類型、發表年份，以及其他任何有關的統計量等。本研究為了方便記錄，首先將每篇論文賦予一個不會重複的編號(ID)，接著依序將每篇論文的名稱、發表年份、樣本數、樣本的來源地區，以及樣本是針對大公司或中小企業等資料進行記錄，部分資料如下表所示。. 1 3. 年份. 治 2016 政 A model of adoption determinants of ERP 大 within T-O-E framework 立 A model of the adoption of radio frequency identification technology: The case of logistics service firms. 2012. A perception-based model for EDI adoption in small businesses using a technology–. 2001. SME. Hong Kong. ‧. mixed (large and SME). n. engchi. sit. y. SME. Bangladesh. SME. er. io. Ch. Port Harcourt, Taiwan. Nat. Adoption of information and communication 2016 technology for development: A case study of small and medium enterprises in Bangladesh 表 3 論文編碼示意圖. al. 組織規模. Nigeria. organization–environment framework 8. 地區. 學. 4. 論文名稱. ‧ 國. ID. i n U. v. 上述表格的完整資料如附錄二所示。將此 31 篇論文編碼後的資料，透過論文發表年份、樣本蒐集之國家，以及樣本組織規模進行簡單的統整，如下表格所列。年份. 數量. 地區. 數量. 2000 以前. 2. 亞洲. 2001~2005. 4. 非亞洲. 9. 中小企業. 10. 2006~2010. 10. 混合. 2. 混合. 12. 2011~2015. 10. 未提供資料. 2. 未提供資料. 2015~2016. 5. 18. 表 5 樣本來源地區數量統計. 組織規模大企業. 數量 5. 5. 表 6 組織規模數量統計. 表 4 各年份區間的論文數量統計. 16. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(24) 所蒐集的論文當中，大部分的論文年份集中在 2006 年至 2015 年之間，原先雖然是將資料蒐集範圍設定在過去 30 年之間，但文獻經篩選過後，最後用於資料分析的文獻縮減為過去 20 年之間。若依照地區來分類的話，大部分文獻的樣本來源則為亞洲地區。若是按照樣本組織規模來區分的話，大部分文獻為中小企業或是混合企業，即樣本包括大企業與中小企業。除了單篇論文整體的敘述資料外，也需記錄每篇論文中，每個自變量與依變量的相關係數。然而並不是每篇論文皆有提供自變量與依變量的相關係數，若該. 政治大標準化β係數，則予以紀錄，並透過公式轉換成相關係數；若屬於非標準化β係立篇論文未提供相關係數，則須尋找該篇論文進行迴歸分析的β係數，若該係數為. 數，由於無法透過公式進行轉換，須予以捨棄。流程圖如下所示：. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4 獲取該篇論文相關係數的流程. 17. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(25) 在本研究分析的文獻當中，有許多篇能夠直接從中取得相關係數，然而還有一種常見的情況為：該篇論文的研究結果並未提供相關係數，而是提供標準化的迴歸係數β(Standardized β)，其可透過公式轉換為相關係數(Peterson, R.A., & Brown, S.P. 2005)，如下所示： r = 0.98β + 0.05λ ，其中. λ={. 1,. 𝑖𝑓 β ≥ 0. 0,. 𝑖𝑓 β < 0. . r 為相關係數. . β為迴歸分析的標準化係數. 政治大在編碼階段記錄數據的過程中，發現某些文獻缺少一些關鍵資料，因而予以剔除。立文獻編碼階段雖於蒐集與篩選階段之後，但實際上在進行彙整分析時，容易. 本研究在編碼時，發現某些文獻中的邏輯迴歸分析結果屬於非標準化的β. ‧ 國. 學. (Unstandardized β)，其無法直接透過公式進行轉換，因此將這些文章剔除。也. ‧. 正因為彙整分析的實作過程中，需來回進行編碼與篩選，因此在將傅品甄(2017). y. Nat. 與 Oliveira & Martins (2011) ，總計 75 篇的論文進行篩選之前，本研究便已將這. er. io. sit. 75 篇論文加上編號，這也是最終的 31 篇文章中，其編號會超過 31 的原因。除了相關係數以外，也需記錄該論文中每個自變量與依變量之間關係的顯著. al. n. v i n 程度，才得以在資料分析時，能夠統計每種自變量總體上，正向顯著、負向顯著， Ch engchi U 以及不顯著的數量與比例。. 編碼時也需記錄每篇論文中，每個自變量的原始名稱、定義，以及原作者若在其論文中有採用 TOE 模式進行分類的話，該自變量被原作者歸類在科技、組織、環境，三者之中的哪一類，做為後續分析的依據。記錄原始名稱與定義的目的有兩個，首先是為了在記錄完所有文獻的資料之後，方便針對所有文獻中，具備同一涵義的自變量進行歸納，以利後續進行彙整分析運算時使用。例如在 ID 為 56 的文章中，有一自變量為「環境的不確定性」 (Environmental Uncertainty)，若是單看其名稱，仍然難以確定要將此自變量歸類在哪一個類別，透過編碼過程中所記錄的自變量定義，我們發現「環境的不確定 18. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(26) 性」指的其實是「來自競爭者的壓力」，如此將能準確地將每個自變量進行歸納。附帶一提的是，當文獻中的資料找不到作者針對該自變量的明確定義時，可以參考其問卷，整理針對該自變量的問項內容，進而進行歸類。如上述 ID 為 56 的文章中，作者並無明確給予「環境的不確定性」一個定義，因此透過整理問項的內容，我們可以得知「環境的不確定性」即指「來自競爭者的壓力」。記錄原始名稱與定義的另外一個目的是為了確認每個自變量與依變量之間的相關係數是否需要修正。如財務成本這一類的自變量當中，大部分的 Cost 皆指「花費的成本」，但在 ID 為 22、37 的文章中，自變量名稱雖為 Cost，但此處. 政治大因此須將這兩篇文章中 Cost 的相關係數乘以 -1，調整為與其他文章 Cost 同一意立意思為 Cost Saving，意即「省下來的費用」，此與其他文章中 Cost 的涵義不同，. 涵之狀態。另外一種情況是在單一篇文章中，需要將該文章的兩個自變量進行混. ‧ 國. 學. 合，才能完整地被歸類於其中一類自變量中。如 ID 為 13 的文章中有「夥伴壓. ‧. 力」與「顧客壓力」這兩個自變量，然而這兩個自變量的定義皆屬於本研究中「合. y. Nat. 作夥伴壓力」定義的其中一個部分，因此須將這兩個自變量結合，並計算其相關. er. io. sit. 係數之平均值，才能進行歸類。同理，ID 為 22 的文章中有「CEO 的技術知識」與「員工的技術能力」，其皆屬於本研究中「組織內部的技術知識」定義的其中. n. al. i n 一部份，因此須將這兩個自變量結合，才能進行歸類。 Ch engchi U. v. 本研究從 31 篇文獻中獲得了 260 個自變量，透過分類並剔除無法成類的自. 變量後，共篩選出了 185 個自變量。接著將這 185 個自變量依據其意涵分為 28 類，並對每一類自變量給予明確的定義。完成編碼後，透過 TOE 模式將整理出來的 28 類自變量進行分類，其中科技面有 6 類、組織面有 17 類，環境面有 5 類，其名稱與定義如下表所列。. 19. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(27) 表 7. 科技面的自變量定義. 自變量名稱. 自變量定義. IT 基礎建設. 採用該創新科技前必備的軟硬體設施，以及熟悉這些現有技術知識的人力資源. 技術複雜性. 認為某項科技難懂或難以上手的程度. 技術相容性. 與組織需求、組織流程，以及現有的 IT 結構一致的程度。. 系統安全性. 欲採用之創新科技，其令使用者感到無風險，能保護重要資料的程度. 相對優勢. 欲採用之創新技術相較於舊有技術的卓越程度預期創新技術能為組織帶來好處的程度。並沒有一特定參考項目，而是多種項目的集合體，如：增加競爭力、增加收益、減少成本、開拓新市場、客戶服務進步、增加企業流程的流暢度、增加合作夥伴等等。. 預期效益. 政治大. 本研究在編碼過程中，將「認知易用性」歸類在「技術複雜性」之中，原因. 立. 是兩者屬於相反的概念，只要將「認知易用性」的所有自變量之相關係數乘上-1，. ‧ 國. 學. 即可歸類為「技術複雜性」。這些自變量之所以能分類到科技面，主要是因為在. io. y. sit. 組織面的自變量定義自變量定義. er. Nat. 自變量名稱. 表 8. ‧. 這些自變量其原文章中，也是被原作者歸類在科技面。. CEO 年齡. CEO 或組織高層的生理年齡. CEO 教育程度. CEO 或組織高層所受的正式教育的程度. CEO 創新能力. CEO 或組織高層勇於接觸創新科技的程度. n. al. Ch. engchi. i n U. v. 決策者決策者面對問題時，其自認或公認的問題解決能力。解決問題的能力主觀規範. 決策者在進行決策時，受到重要他人意見的影響程度，如老闆、高階主管、專業人士等. 技術感知有用性認為使用某項科技可以增強其工作績效的程度財務支援. 組織採用該創新技術時，預計投入或可投入的財務預算. 財務成本. 採用該創新科技的所有預期財務支出. 高層支持. 組織中的 CEO、高階主管、或是決策者，對於該項創新科技的參與程度或態度。. 組織內部的技術知識. 組織的整體技術能力，特別是針對欲採用之科技的知識掌握程度. 組織規模. 該公司的員工數量 20. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(28) 採用該創新技術所需的組織資源之準備程度，其包含各種所組織準備度. 需的相關前置技術、員工訓練、使用準則、諮詢管道、預算、開發時間，以及 CEO 認為該組織已經「準備好」的程度。. 資訊強度. 組織期望系統所產生的資料，其能輔助決策者做出快速且精準的決策的程度。. 擁護者. 在公司內有助於推動創新點子並促進採用創新技術，且有能力說服 CEO 或決策者來支持該點子的人，其並不一定是高皆主管，也可能是基層員工. 營運之地理範圍一家公司於全球市場中營運的地理範圍大小組織對資源的. 組織能有效率地獲取內外部的資源，並加以利用，將其吸收、. 靈活運用度. 管理、轉換，進而因此快速做出決策或創造利益。. 現有資訊系統滿意度. 組織目前使用的資訊系統能滿足其使用需求，或是現有資訊系統的績效令組織感到滿意的程度。. 政治大 CEO 年齡雖為獨立個體的特徵，但仍屬於該組織的一個代表性因子，大部立 ‧. ‧ 國. 織面。. 學. 分文章都將其歸類為 CEO Characteristic，但也有歸類為 O 的，故在此歸類為組. 在本研究所分析的文章中，不同的文章所指的財務成本有兩種不同的意思，. sit. y. Nat. 分別是「花費的成本」與「節省的成本」，本研究將所有「財務成本」皆轉換成. al. er. io. 前者之涵義，將後者的相關係數進行正負號反轉，以符合前者的定義。除此之外，. v. n. 財務成本在不同的文章中有不同的分類，有一半的文章將其歸類至 T，一半歸類. Ch. engchi. i n U. 至 O。本研究認為財務成本屬於財務方面的花費多寡，故將其分類為組織面。至於上表中的其他自變量，之所以會分類到組織面，主要是因為在這些自變量其原文章中，也是被原作者歸類在組織面。. 表 9. 環境面的自變量定義. 自變量名稱. 自變量定義. 合作夥伴壓力. 來自上游供應商或下游合作夥伴、客戶，其已採用某項創新資訊科技，而自身組織也必須配合時所承受之外在環境壓力。. 法規支持. 政府所發布的法規對於採用該科技有益處的程度；或是對於該組織未採用該科技即會獲得懲戒的程度。. 21. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(29) 來自於政府或外界權威單位的推廣或補助，如財務支援、知. 政府支持. 識宣導、技術諮詢。. 廠商技術支援. 系統提供者或顧問的外部技術支援. 競爭壓力. 組織於其所在產業中所面臨的競爭壓力的程度. 上表中的自變量在其原文章中，皆被原作者歸類在環境面，故本研究也將其分類在環境面。. 完成編碼階段後，可以得到如下表所列之資料，作為下一階段彙整分析所使用。該表整理出每篇文獻之樣本數，以及該文獻中所擁有的自變量名稱、自變量與依變量之間的相關係數與顯著程度。其中 ID 為 24 與 38 的兩篇文獻皆在其研. 政治大. 究中，將樣本切割為兩群進行分析，因此於編號後進行標註，以區分同一文獻中. 立. 的不同樣本。ID 為 24_1 的樣本是針對大企業，ID 為 24_2 的樣本則是針對中小. ‧ 國. 學. 企業。ID 為 38_1 的樣本是針對政府中央機構，ID 為 38_2 的樣本則是針對地方行政單位。. 文獻編碼結果. ‧. 表 10. 自變量. 相關係數. 顯著程度. 1. 373. IT 基礎建設. 0.68994. 正向顯著. 主觀規範. -0.62132. 負向顯著. 技術相容性. iv n0.72228. 正向顯著. n. 3 4. 131 575. sit. er. io. al. y. 樣本數. Nat. 論文 ID. 0.61448. 系統安全性 C hengchi U 政府支持 -0.4704. 正向顯著負向顯著. 組織內部的技術知識. 0.21366. 正向顯著. 組織規模. 0.15094. 正向顯著. 預期效益. 0.49982. 正向顯著. 營運之地理範圍. -0.57722. 負向顯著. 競爭壓力. -0.4851. 負向顯著. 高層支持. 0.687. 正向顯著. 組織準備度. 0.7458. 正向顯著. 法規支持. 0.260896. 正向顯著. 財務成本. -0.485492. 負向顯著. 組織內部的技術知識. 0.812832. 正向顯著. 預期效益. 0.377957. 正向顯著. 競爭壓力. -0.739312. 負向顯著. 22. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(30) 8. 13. 150. 214. IT 基礎建設. 0.10488. 不顯著. 政府支持. 0.24402. 正向顯著. 財務支援. 0.23032. 正向顯著. 高層支持. 0.11172. 正向顯著. 預期效益. 0.5547. 正向顯著. 技術複雜性. -0.13. 不顯著. 合作夥伴壓力. 0.4845. 不顯著. 技術相容性. 0.532. 不顯著. 政府支持. 0.159. 不顯著. 相對優勢. 0.566. 正向顯著. 高層支持. 0.517. 正向顯著. 組織準備度. 0.469. 不顯著. 0.534 治政技術複雜性大-0.06174 競爭壓力. 不顯著. 技術相容性. 0.2558. 正向顯著. 高層支持. 0.24012. 正向顯著. 組織內部的技術知識. 0.21758. 正向顯著. 預期效益. 0.23914. 正向顯著. 廠商技術支援. 0.26168. 正向顯著. 競爭壓力. -0.06958. y. 不顯著. CEO 創新能力. 0.173. 正向顯著. 高層支持. 0.311. er. 正向顯著. 166. io. a組織內部的技術知識 v i0.3 l C n h e n g c h i U 0.272 組織規模. n. 21. 22. 30. 139. 學. -0.03038. Nat. 19. 不顯著. ‧. 立合作夥伴壓力. sit. 307. ‧ 國. 15. 正向顯著. 正向顯著正向顯著. 資訊強度. 0.114. 不顯著. 競爭壓力. -0.094. 不顯著. 高層支持. 0.4714. 正向顯著. 組織內部的技術知識. 0.0696. 不顯著. 組織規模. 0.36654. 正向顯著. 組織準備度. 0.1039. 不顯著. 預期效益. 0.90652. 正向顯著. 廠商技術支援. -0.1029. 不顯著. 擁護者. 0.49884. 正向顯著. 競爭壓力. 0.50864. 正向顯著. CEO 創新能力. -0.23422. 不顯著. 技術複雜性. -0.34694. 負向顯著. 23. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(31) 23. 技術相容性. 0.14114. 正向顯著. 相對優勢. -0.17542. 不顯著. 財務成本. -0.36164. 負向顯著. 高層支持. 0.1872. 正向顯著. 組織內部的技術知識. 0.48218. 正向顯著. 組織內部的技術知識. 0.60468. 正向顯著. 組織規模. 0.34302. 正向顯著. 資訊強度. -0.38318. 不顯著. 廠商技術支援. -0.07154. 不顯著. 競爭壓力. 0.48316. 正向顯著. CEO 創新能力. 0.43514. 正向顯著. 技術複雜性. -0.26952. 不顯著. 95. 0.13134 治政組織內部的技術知識大0.32244 0.80656 立組織規模. 正向顯著正向顯著正向顯著. 組織資源的靈活運用度. 0.12252. 正向顯著. IT 基礎建設. -0.004023863. 不顯著. 24_2. 853. IT 基礎建設. -0.000966184. 負向顯著. 30. 155. 技術感知有用性. 0.46748. 正向顯著. 技術複雜性. -0.23424. 負向顯著. 資訊強度. 0.34008. y. 正向顯著. IT 基礎建設. 0.237. sit. 正向顯著. 技術複雜性. −0.012. 不顯著. 37. 275. io. a l 合作夥伴壓力 v 0.197 i n C h e n g c h i U 0.12 系統安全性. n. 38_1. 39. er. 499. Nat. 24_1. ‧. 學. ‧ 國. 相對優勢. 正向顯著正向顯著. 財務成本. -0.224. 負向顯著. 高層支持. 0.302. 正向顯著. 預期效益. 0.31. 正向顯著. 競爭壓力. 0.268. 正向顯著. 技術複雜性. -0.1088. 不顯著. 技術相容性. -0.04018. 不顯著. 系統安全性. 0.50864. 正向顯著. 法規支持. -0.08232. 不顯著. 相對優勢. 0.1725. 不顯著. 財務成本. -0.28324. 不顯著. 營運之地理範圍. -0.00882. 不顯著. 競爭壓力. 0.43808. 正向顯著. 24. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(32) 38_2. 43 44. 現有資訊系統滿意度. 0.08232. 不顯著. 技術複雜性. 0.11858. 不顯著. 技術相容性. 0.07352. 不顯著. 系統安全性. 0.1382. 不顯著. 法規支持. -0.09898. 不顯著. 相對優勢. 0.23522. 正向顯著. 財務成本. -0.25678. 負向顯著. 營運之地理範圍. -0.00882. 不顯著. 競爭壓力. 0.30088. 正向顯著. 現有資訊系統滿意度. 0.10682. 不顯著. CEO 創新能力. 0.32048. 正向顯著. 法規支持. 0.41064. 正向顯著. 0.2352 治政財務支援大0.3832. 正向顯著. 63. 277. 政府支持. 1046. 正向顯著. 組織內部的技術知識. 0.2558. 正向顯著. 廠商技術支援. 0.2362. 正向顯著. 競爭壓力. 0.4959. 正向顯著. CEO 年齡. 0.024. 不顯著. CEO 教育程度. 0.196. 正向顯著. 組織規模. 0.416. y. 正向顯著. 組織準備度. 0.376. sit. 正向顯著. 預期效益. er. ‧ 國. 0.3244. 0.639. 正向顯著. 94. Nat. io. n. al. 52. 53. 56. 624. 1096. 574. IT 基礎建設. C法規支持 hengchi. 學. 49. 高層支持. ‧. 立. 正向顯著. 0.32538 iv n U. 正向顯著. 0.20974. 正向顯著. 財務支援. 0.25286. 正向顯著. 組織規模. -0.04116. 負向顯著. 營運之地理範圍. 0.06862. 不顯著. 競爭壓力. 0.17642. 正向顯著. CEO 年齡. 0.06. 不顯著. CEO 教育程度. -0.02. 不顯著. 組織內部的技術知識. 0.04. 不顯著. 組織準備度. 0.15. 正向顯著. 決策者解決問題的能力. 0.15. 不顯著. IT 基礎建設. 0.62. 正向顯著. 技術複雜性. -0.41. 負向顯著. 政府支持. 0.71. 正向顯著. 25. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(33) 59. 0.61. 正向顯著. 競爭壓力. 0.33. 不顯著. CEO 創新能力. 0.30578. 正向顯著. 合作夥伴壓力. 0.31754. 不顯著. 技術相容性. 0.05. 不顯著. 相對優勢. 0.15682. 正向顯著. 財務成本. 0.05. 不顯著. 高層支持. 0.25972. 正向顯著. 組織規模. 0.43906. 不顯著. 資訊強度. 0.25678. 正向顯著. 廠商技術支援. -0.60662. 負向顯著. 競爭壓力. 0.51256. 正向顯著. 0.171 治政競爭壓力大0.436. 合作夥伴壓力. 83. 立. 420. 正向顯著正向顯著. 0.112. 正向顯著. 技術複雜性. -0.311. 負向顯著. 組織準備度. 0.442. 正向顯著. 預期效益. 0.595. 正向顯著. 高層支持. 0.23228. 65. 283. 合作夥伴壓力. ‧. 正向顯著. 0.115. 正向顯著. 財務成本. -0.078. 不顯著. 高層支持. 0.456. 正向顯著. 組織規模. 0.086. 不顯著. io. al. 0.255 iv n U. 正向顯著. 0.173. 正向顯著. 組織資源的靈活運用度. 0.247. 正向顯著. 技術感知有用性. 0.319178925. 正向顯著. 相對優勢. 0.275095095. 正向顯著. 財務支援. 0.310949943. 正向顯著. 財務成本. -0.263927191. 負向顯著. 組織內部的技術知識. 0.222194499. 正向顯著. 預期效益. 0.350919282. 正向顯著. IT 基礎建設. 0.29. 正向顯著. 技術複雜性. -0.19. 負向顯著. 高層支持. 0.1. 正向顯著. 組織內部的技術知識. 0.2. 正向顯著. 組織規模. 0.11. 正向顯著. n. 67. 68. 278. 251. sit. 108. Nat. 61. y. 學. 主觀規範. er. 60. 129. ‧ 國. 58. 高層支持. 預期效益. C競爭壓力 hengchi. 26. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(34) 71. 72. 預期效益. 0.22. 正向顯著. 擁護者. 0.19. 正向顯著. 競爭壓力. 0.15. 正向顯著. 現有資訊系統滿意度. -0.13. 負向顯著. 決策者解決問題的能力. 0.06. 不顯著. IT 基礎建設. 0.2656. 正向顯著. 組織內部的技術知識. 0.295. 正向顯著. 技術相容性. 0.0892. 不顯著. 預期效益. 0.4126. 正向顯著. 競爭壓力. 0.2068. 正向顯著. IT 基礎建設. 0.5106. 正向顯著. 技術相容性. 0.3734. 正向顯著. -0.1176 治政營運之地理範圍大0.0794 0.0892 立競爭壓力. 負向顯著. 163. 1857. 3103. 不顯著正向顯著. 法規支持. 0.0794. 不顯著. 組織準備度. 0.5253. 正向顯著. 組織規模. 0.49296. 正向顯著. 競爭壓力. 0.4175. 正向顯著. 合作夥伴壓力. 0.3381. 正向顯著. 學. 73. ‧. ‧ 國. 組織規模. sit. y. Nat. n. al. er. io. 上表中值得注意的是，在本研究蒐集的文獻當中，並未特別針對「有採用 TOE. v. 模式的文獻」進行蒐集，因此有些文獻可能只含有單一構面之因素，並未完全包. Ch. engchi. i n U. 含科技、組織、環境，三個構面之因素。除此之外，有些文獻的自變量由於過於特殊，無法在其他文獻中找到相同之自變量湊成一類，須將其捨棄，因此上表中的某幾篇文獻，可能整篇只有一至兩個可進行資料分析的自變量。. 3.2.3. 資料分析. 彙整分析的目的是將多份初級研究的結果有系統性地進行整合、彙總，以及運算，最終獲得一個總體的結論。在本階段中，我們需要使用已經編碼完成的資料，實現彙整分析的數種運算，進而獲得能夠詮釋結果的關鍵統計量。如：平均效果規模(Mean Effect Size)、異質性檢定(Significance Test of Heterogeneity)、失敗安全係數(Failsafe N)。完成彙整分析的運算後，可再根據分析結果之情況，決定 27. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(35) 是否新增調節變量(Moderator)，將資料切割成數個子集合，再次進行彙整分析，進一步獲得子集合的分析結果。本研究採用 CMA (Comprehensive Meta-Analysis) 套裝軟體進行彙整分析之運算。. 3.2.3.1. 效果規模. 「平均效果規模」為彙整分析主要探討的目標統計量，而欲計算自變量與依變量之間的平均效果規模，必須先取得該類自變量中，每個自變量與依變量之間的相關係數，並將其轉換為「效果規模」，接著再透過一連串的運算，最終才能. 政治大本研究採用 Fisher 的調整法，將相關係數轉換為效果規模，轉換公式如下，立. 將所有效果規模整合，進而獲得平均效果規模。. 1 1+𝑟 Z𝑟 = ln ( ) 2 1−𝑟. 學. Zr 為效果規模(Effect Size). a l r 為相關係數 v i n Ch engchi U. n . 3.2.3.2. 論文權重. sit. io. . er. Nat. 𝑒 2Z𝑟 − 1 r = 2Z 𝑒 𝑟+1. y. 反之，也能將效果規模轉換回相關係數，公式如下：. ‧. ‧ 國. 其中 Zr 為效果規模(Effect Size)。. 在彙整分析的過程中，有些論文的解釋力較強，能提供較佳的平均效果規模預測能力，因此須賦予該論文較大的權重(Weight)，使該論文能在計算平均效果規模時，擁有較大的影響力。這是因為每篇論文的樣本數不盡相同，擁有較大樣本數的論文，其標準誤差(Standard Error)較小，能更精準地預測母群體的效果規模，概念如下圖所示，其中 N 為該文獻中的樣本數。. 28. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(36) 政治大. 圖 5. 學. ‧ 國. 立. 文獻中樣本數與權重關係示意圖. 文獻的樣本數愈大，則標準誤差愈小，導致該論文的權重愈大；反之，若樣. ‧. 本數愈小，會導致該文獻的標準誤差較大，其在預測平均效果規模時，較為不準. y. Nat. sit. 確，因此須賦予較小的權重。. n. al. 1. CSEZ𝑟 =. h e n g√𝑁c −h 3i. er. io. 欲計算每篇論文的權重，必須先獲得該篇論文的標準誤差，公式如下：. i n U. v. . SEZ𝑟 為該篇文獻的標準誤差(Standard Error). . N 為該篇文獻的樣本數. 獲得標準誤差後，即可獲得權重，公式如下：. 𝑤𝑖 =. 1 𝑆𝐸𝑖 2. . SEi為第 i 篇文獻的標準誤差(Standard Error). . wi 為第 i 篇文獻的權重. 29. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(37) 3.2.3.3. 固定效應模式與隨機效應模式. 彙整分析的目的即為透過一連串的運算，最終得以預測母群體的平均效果規模。然而在實際情況中，真實的母群體效果規模我們無從而知，因此我們只能透過分析，找到最接近真實情況的結果。平均效果規模有兩種運算模式，分別為固定效應模式(Fixed Effects Model)與隨機效應模式(Random Effects Model)。前者是假設真實的母群體效果規模為一個定值，且每一篇所收錄的文獻其效果規模都能包含到真實的母群體效果規模；後者則額外考量母群體效果規模的變異度 τ2 (population variability in effect sizes)，. 政治大能重疊到該區間。此二模式之概念如下圖所示。立. 認為真實的母群體效果規模為一個浮動的區間，每一篇文獻所預測的效果規模都. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. 圖 6. engchi. i n U. v. 固定效應模式示意圖. 30. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(38) 政治大. 立. 隨機效應模式示意圖. ‧. ‧ 國. 學. 圖 7. y. Nat. 除了透過示意圖描述此兩種概念以外，也可以透過公式解釋這兩種模式的特. n. al. er. io. 模計算公式如下：. sit. 性並進行比較。在固定效應模式(Fixed Effects Model)下，每篇個別文獻的效果規. C h𝐸𝑆𝑖 = 𝜃 + 𝜀𝑖 engchi. i n U. v. . 𝐸𝑆𝑖 為第 i 篇文獻在固定效應模式下的效果規模. . 𝜃 為母群體的效果規模. . 𝜀𝑖 為第 i 篇文獻與母群體效果規模之間的誤差. θ可透過固定效應模式下的平均效果規模公式取得結果，𝜀𝑖 則無從取得。但 𝜀𝑖 可透過每篇文獻的標準誤差，得知文獻彼此之間偏誤的分布。. 31. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(39) 而在隨機效應模式(Random Effects Model)下，每篇個別文獻的效果規模計算公式如下：. 𝐸𝑆𝑖 = 𝜇 + 𝜉 + 𝜀𝑖 . 𝐸𝑆𝑖 為第 i 篇文獻在隨機效應模式下的效果規模. . μ 為母群體效果規模分布的平均值. . ξ 為第 i 篇文獻與母群體效果規模分布平均值之間的誤差. . 𝜀𝑖 為第 i 篇文獻與母群體效果規模分布之間的誤差. 𝑖. 我們可以從上述兩種模式於計算𝐸𝑆𝑖 的公式中發現，此兩種模式最大的差異. 政治大. 在於，固定模式效應的θ在隨機效應模式中被拆解為μ與ξ ，主要是多考量了. 立. 𝑖. 母群體效果規模的分布，而不是一個定值。. ‧ 國. 學. 在上述兩種模式中，隨機效應模式比固定效應模式的應用範圍更廣，且更貼近真實世界的情況。固定效應模式的結論僅侷限於該次彙整分析所收集到的文獻. ‧. 資料集之中，隨機效應模式則可作為一般化的結論，套用於該次研究未蒐集到的. y. Nat. sit. 文獻之中。在文獻蒐集的過程中，即使盡可能地蒐集許多文獻，仍然有可能有遺. n. al. er. io. 漏的文獻未蒐集齊全。除此之外，未來的學者也可能針對類似議題進行新的研究。. i n U. v. 如此一來，在彙整分析的過程中，永遠難以將文獻完整蒐集齊全。因此，使用隨. Ch. engchi. 機效應模式將會比固定效應模式更能準確預測母群體效果規模。. 3.2.3.4. 固定效應模式下的平均效果規模 (Mean Effect Size in Fixed Effects. Model) 在固定效應模式(Fixed Effects Model)中，平均效果規模即為每篇文獻效果規模的加權平均數，相關公式如下：平均效果規模. ∑(𝑤 𝐸𝑆 ) ̅̅̅̅ 𝐸𝑆 = ∑ 𝑖 𝑖. 標準誤差. 𝑆𝐸̅̅̅̅ 𝐸𝑆 = √∑. 𝑤𝑖. 1 𝑤𝑖. 32. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(40) Z=. 平均效果規模下限. ̅̅̅̅ − 𝑍1−𝛼 𝑆𝐸𝐸𝑆 𝐸𝑆𝐿𝐵 = 𝐸𝑆 ̅̅̅̅. 平均效果規模上限. ̅̅̅̅ + 𝑍1−𝛼 𝑆𝐸𝐸𝑆 𝐸𝑆𝑈𝐵 = 𝐸𝑆 ̅̅̅̅. 𝑆𝐸𝐸𝑆 ̅̅̅̅. . ̅̅̅̅ 𝐸𝑆 為固定效應模式下的平均效果規模. . 𝐸𝑆𝑖 為第 i 篇文獻的效果規模. . 𝑤𝑖 為第 i 篇文獻的權重. . 𝑆𝐸̅̅̅̅ 𝐸𝑆 為固定效應模式下，平均效果規模的標準誤差. . 𝐸𝑆𝐿𝐵 為固定效應模式下，平均效果規模的下限. . 𝐸𝑆𝑈𝐵. . 𝑍1−𝛼 為某一給定的顯著性水平下，雙尾的標準常態偏差. 政治大為固定效應模式下，平均效果規模的上限立. 異質性檢定 (Significance Test of Heterogeneity). ‧. ‧ 國. 學. 3.2.3.5. ̅̅̅̅ 𝐸𝑆. 顯著性檢定. y. Nat. 如先前所述，在固定效應模式(Fixed Effects Model)的情況下，所有文獻的效. er. io. sit. 果規模都能包含到真實的母群體效果規模，此時我們稱這些文獻彼此之間具有同質性(Homogeneity)。然而在隨機效應模式(Random Effects Model)的情況下，並非. al. n. v i n 所有文獻的效果規模都能包含到真實的母群體效果規模，此時我們稱這些文獻彼 Ch engchi U 此之間具有異質性(Heterogeneity)。在進行彙整分析之前，我們必須確認欲進行. 分析的文獻彼此之間是否為異質。若是所收錄的文獻其效果規模並非都能包含到真實的母群體效果規模，此時採用固定效應模式來推估母群體的效果規模，將會變得不適用。因此我們在進行彙整分析之前需進行異質性檢定，根據檢定的結果來決定該以何種模式進行彙整分析。異質性檢定又稱為 Q test 或 Hedges’s test，其可檢驗該類自變量中的所有文獻是否具有異質性。虛無假設 H0 表示該類自變量中的所有文獻具有同質性 (Homogeneity)。欲進行異質性檢定，我們可以先透過如下公式計算出 Q 值：. 33. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(41) (∑(𝑤𝑖 𝐸𝑆𝑖 ))2 ∑ 𝑤𝑖. ̅̅̅̅)2 ) = ∑(𝑤𝑖 𝐸𝑆𝑖 2 ) − Q = ∑(𝑤𝑖 (𝐸𝑆𝑖 − 𝐸𝑆 . Q 值為異質性檢定的結果數值. . 𝑤𝑖 為第 i 篇文獻的權重. . 𝐸𝑆𝑖 為第 i 篇文獻的效果規模. . ̅̅̅̅ 𝐸𝑆為固定效應模式下的平均效果規模. 獲得 Q 值後，我們可以在卡方分布表中，根據相對應的自由度，透過查表得知 Q 值是否能夠拒絕 H0。若能拒絕 H0，即表示此類自變量中的文獻彼此之間具備異質性，須使用隨機效應模式或設立調節變量，以精確地獲得其平均效果規模。. 學. Model). ‧ 國. 3.2.3.6. 政治大隨機效應模式下的平均效果規模 (Mean Effect Size in Random Effects 立. 本研究欲透過隨機效應模式計算平均效果規模，其中包含下列四個步驟：. ‧. 1. 透過異質性檢定，取得 Q 值。. n. al. Ch. y. sit. io. τ2 =. 𝑄 − (𝑘 − 1) (∑ 𝑤𝑖 2 ) (∑ 𝑤𝑖 ) − (∑ 𝑤𝑖 )i v. er. Nat. 2. 透過 Q 值計算母群體變異度 (τ2)，公式如下：. n U engchi. . τ2 為隨機效應模式下的母群體變異度. . Q 值為異質性檢定的結果數值. . k 為擁有該自變量之文獻數量. . 𝑤𝑖 為第 i 篇文獻的權重. 3. 由於隨機效應模式額外在平均效果規模中考量母群體變異度 (τ2)，因此須透過τ2 來獲得隨機效應模式下的新權重(w*)，公式如下：. 𝑤𝑖 ∗ =. 1 𝜏 2 + 𝑆𝐸𝑖 2. . 𝑤𝑖 ∗ 為第 i 篇文獻於隨機效應模式下的新權重. . τ2 為隨機效應模式下的母群體變異度 34. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(42) . 𝑆𝐸𝑖 為第 i 篇文獻的標準誤差. 隨機效應模式下的新權重(w*)相較於固定效應模式下的權重，每篇文章彼此之間的權重差異較小，因此能有效改善離群值的影響力。 4. 透過 w*計算出隨機效應模式下的平均效果規模、標準誤差，且進行顯著性檢定並取得信賴區間。相關公式如下： ∗ 𝐸𝑆 ) 𝑖 ∗ 𝑤𝑖. 平均效果規模. ∑(𝑤 ̅̅̅̅ 𝐸𝑆 = ∑ 𝑖. 標準誤差. 𝑆𝐸𝐸𝑆 ̅̅̅̅ = √ ∑𝑤 ∗. 1. 𝑖. 顯著性檢定. 立. 大. 𝐸𝑆𝐿𝐵 = ̅̅̅̅ 𝐸𝑆 − 𝑍1−𝛼 𝑆𝐸̅̅̅̅ 𝐸𝑆 𝐸𝑆𝑈𝐵 = ̅̅̅̅ 𝐸𝑆 + 𝑍1−𝛼 𝑆𝐸̅̅̅̅ 𝐸𝑆. ̅̅̅̅ 𝐸𝑆 為隨機效應模式下的平均效果規模. ‧. . 𝐸𝑆𝑖 為第 i 篇文獻的效果規模. sit. Nat. . al. er. 𝑤𝑖 ∗ 為第 i 篇文獻於隨機效應模式下的新權重. io. . v. . 𝑆𝐸𝐸𝑆 ̅̅̅̅ 為隨機效應模式下，平均效果規模的標準誤差. . 𝐸𝑆𝐿𝐵 為隨機效應模式下，平均效果規模的下限. . 𝐸𝑆𝑈𝐵 為隨機效應模式下，平均效果規模的上限. . 𝑍1−𝛼 為某一給定的顯著性水平下，雙尾的標準常態偏差. n. 3.2.3.7. 𝑆𝐸𝐸𝑆 ̅̅̅̅. y. 平均效果規模上限. 治. ̅̅̅̅ 𝐸𝑆. 學. ‧ 國. 平均效果規模下限. Z政 =. Ch. engchi. i n U. 失敗安全係數 (Failsafe N). 失敗安全係數由 Rosenthal (1979) 所提出，是一種可以用來應對文屜問題 (file drawer problem)的方法。失敗安全係數能夠衡量一份彙整分析結果，當其受到樣本之外，未納入分析的文獻影響時，其結論的穩健程度。換句話說，失敗安. 35. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.

(43) 全係數反映了彙整分析結果被推翻的難度，N 即表示，還需要再加入多少篇效果規模為 0 的論文，才能讓平均效果規模低到某種程度，使其結論不再顯著。欲計算失敗安全係數，必須先透過 Stouffer 的顯著性結合公式，將該類自變量中每篇文獻的 Z 值透過如下公式進行結合，計算出 Zc：. 𝑍𝑐 =. ∑ 𝑍𝑖 √𝑘. . 𝑍𝑖 為第 i 篇文獻的 Z 值. . 𝑍𝑐 為結合所有文獻的 Z 之後所計算出的 Z 值. . 𝑘 為文獻數量. 政治大 (例如 1.645 代表單尾檢定中立p = 0.05)：. 接著透過 Zc 計算出失敗安全係數(N)，公式如下，其中 Zα為顯著性的門檻值. . 𝑍𝑐 為結合所有文獻的 Z 之後所計算出的 Z 值. . 𝑘 為文獻數量. . 𝑁 為失敗安全係數. n. al. y. sit. io. 𝑍𝛼 為顯著性的門檻值. er. Nat. . ‧. ‧ 國. 𝑍𝑐 ) 𝑍𝛼. 學. N = k(. i n U. v. 進行彙整分析時的文獻愈多，或是文獻中的顯著程度愈高，則失敗安全係數. Ch. engchi. 愈大，表示結論愈穩健，愈不易被推翻。Rosenthal (1979) 提出了失敗安全係數是否足夠穩健的標準，如下所示，若符合條件，即可視為足夠穩健：其中 k 為文獻篇數. N > 5k + 10. 3.2.3.8. . 𝑘 為文獻數量. . 𝑁 為失敗安全係數. 調節變量 (Moderator). 彙整分析的過程中，可以適當地加入調節變量，將該類自變量切割成數個子集合，再次進行運算，即可驗證該自變量是否受調節變量之影響，在不同子集合得到不同結果。 36. DOI:10.6814/THE.NCCU.MIS.004.2019.A05.