交互作用、中介和调节干扰效果之验证

1、第二十章交互作用、中介和調節_ （干擾）效果之驗證20-1交互作用（Interaction）20-2中介效果之驗證20-3調節（干擾）效果的驗證些.20-1 交互作用(Interaction) 就是雙方會互相影響。在我們硏究社會現象時，若是有二個自變數，則稱爲二因子變異數分析，若是有三個自變數， 則稱爲三因子變異數分析，以二個自變數A和B影響一個依變數Y爲 例'除了A和B分別會影響依變數Y外，也會有AxB交互作用影響著Y， 如下圖：AxBAxB是交互作用項我們再以三個自變數A、B和C影響，一個依變數Y爲例，除了A、 B和C分別影響依變數Y外，還有AxB、AxC、BxC和AxBxC等四個

2、交 互項影響依變數Y。我們整理二個和三個自變數產生的交互作用項，如下表:自變數交互作，用項Tvvo-Way （二 I頁）Three- V«/ay （三項）AxBA、B、CAxBAxCE :CAxBxC在社會現象中，交互作用時常出現'我們舉例如下：1. 範例一：工作單位與性別對組織文化之交互作用A :工作單位（例如：財務、工務、業務）B :性別（例如：男、女）Y :組織文化（例如：成果取向、人員取向、團隊取向） 交互作用項=工作單位x性別2. 範例二：電腦自我效能與目標取向在學習方法的交互作用A:電腦自我效能B:目標取向Y:學習方法交互作用項二電腦自我效能X目標取向3. 範例三

3、：品牌組成策略與品牌擴張類型對品牌評價的交互作用A:品牌組成策略B:品牌擴張類型Y:品牌評價交互作用項=品牌組成策略x品牌擴張類型在一個混合式的組織中(同時存在機械式和有機式)，我們想了解組織的型態與領導特質對於組織績效的交互作用A :組織的型態-機械式和有機式B:領導特質-交易型領導和轉換型領導Y:組織績效-組織表現的好壞程度交互作用項=組織的型態x領導特質將光碟MMA目錄複製到C: MMA後，操作步驟如下：1-開啓SPSS檔案interaction，按卷軸向右，看到OS :組織的型態有機械式和有機 式，LS :領導特質有交易型領導和轉換型領導(2)，Performance :組織績 效(L

4、inkert scale 1-5)。2. 按 AnalyzeGe neral Lin ear ModelU nivariate。3. 將Performance 放入Dependent variable，將OS 和LS 放入Fixed Factor(s)。4. 按Plots，將OS 放入Horizontal Axis，LS 放入Separate Lines。5按Add。6. 按Continue，回至fjUnivariate。按OK。出現結果如下：Tests of Between-Subjects EffectsDependent Variable: PerformaneeSourceTvpe I

5、II Sum of SquaresdfMean SquareFSis-Corrected Model33.223(a)311.07424.422.000Intercept1621.65511621.6553576.240.000os7.&4017.84017.289.000LS.6311.6311.393.239OS *LS6.OSS16.08213.426.000Error156.895346.453Total5041.000350Coirected Total190.117349a R Squared = .175 (Adjusted R Squared = .168)我們看交互作

6、用項OS組織型態* LS領導型態的F値=13426，P=0.000達顯著， 顯示有交互作用影響。OS組織型態與LS領導型態同時對於組織績效的結果如下圖:逊 土kJw* 助"卜31川“为dv 出匕FQ 剑 'flO| ，|ff>izk| H| 丄上|-|冷口 ,Profit<1_l厂"Sadii tmMi* "工TEadu ,H 7?5.W W M.OS :組織的型態有機械式和有機式(2)，LS :領導特質有交易型 領導和轉換型領導(2)，Performance :組織績效(Linkert scale 1-5) 交互作用的簡易判定方式：圖中有交叉

7、線，代表有交互作用影響。圖中無交叉線，代表無交互作用影響。我們將結果圖放入報告中如下:Estimated Marginal Means of Performance3.2註解：OS :組織的型態有機械式 (1)和有機式(2)，LS :領導特質有 交易型領導和轉換型領導(2)， Performance :組織績效。中的交叉線，我們可以確定領導型態與組織型態同時對於組織績效有交互作用影響。轉換型的領導型態在機械式的組織中績 效較差，在有機式的組織中績效較好，而交易型的領導在機械式 和有機式組織的績效差異不大，我們也可以將結果整理成下表:交易型績效適中綾效適中轉換型紬效最差績效最好機械式有機式（領導

8、型態）（組織型態）我們已經完成“交互作用”的實務操作了。20-2中介效果之驗證在社會科學的硏究中，自變數與調節（干擾）變數透過中介變數來影響 依變數。中介變數可以定義爲影響依變數的理論性因素，其對依變數 的影響，必須從觀察現象之自變數中進行推論。中介效果是指自變數 透過中介變數來影響依變數的效果，有三種情形：無中介效果、部份 中介效果和完全中介效果，我們分別介紹如下：無中介效果：如下圖部份中介效果，如下|b|完全中介效果，如下也就是一般常畫的中介效果之驗證圖如下:XY中介效果驗證流程:第一步瑟第二第珠第三势驟中介效果之驗證三步曲：以X預泯胖以X預測M以X和M同時預測JY 我們解釋如下： 1-第

9、一步驟：以X預測Y形和迴歸方程式表示如下:Y=0S +1!黑久為常數屈為迴歸係數檢驗门：要達顯著，執行第二步驟，否則中止中介效果分析2.第二步驟：以X預測M形和迴歸方程式表示如下:S SAo +Ao w常數Ai门週歸係數檢驗：要達顯著，執行第三步驟，否則中止中介效果分析3.第三圧課：以X和M同時預測Y形和迴歸方程式表示如下:Ai 0P爲常數屈為X的迴歸係數屈2為M的迴蹄係數檢驗：禺若爲不顯著且接近於0 -結果爲完全中介弘若爲顯著，且係數小於第一步驟的爲f結果爲部份中介靂我們想要驗證“高階主管的參與"對於“資訊品質"的影響中，” 乩"團隊合作”是否有中介效果？如下圖

10、：MI：高階主管的參與CO :隊合作IQ :資訊品質第一步驟：以MI預測IQ形和迴歸方程式表示如下:將光碟MMA目錄複製到C: MMA後，操作步驟如下:1. 開啓SPSS檔案MMA，按卷軸向右，看到MI ：高階主管的參與、CO :隊合作、IQ :資訊品質2按 An alyzeRegressio nLin ear3. 將IQ 選入Dependent，MI 選入Independent4. 按OK整理結果如下:IQ資訊品質自竇項MI :商階主管的翳與CO : IS隊合作0.217*R20.047調整R20.044F值17.137*SKP<0,05神 PW0.01spvO.OOl檢驗：內爲迴歸係

11、數，低介效果分桁°要達顯著，執行第二步驟否則中止中0*0.217，P=0.000達顯著，執行第二步驟。第二步驟：以MI預測CO形表示如下:Al操作步驟如下：1. 按Dialog Recall呼叫對話框2. 按Linear Regression，將CO 選入Dependent，MI 選入 Independent3 按OK整理結果如下:CO:匹隊合什自變頊MI :高階主管的余與CO :團隊合作0.314*R20.098調蹩P<0.05*P<0.01*P<0.001Ai為迴飜係數檢驗：爲要達顯著，執行第三步驟，否則中止中介效果分析。的二0314，P=0.000達顯著，執行

12、第三步驟。0.096F值37 94沪"第三步驟：以MI和CO同時預測IQ形和迴歸方程式表示如下:操作步驟如下：1.按Dialog Recall 呼叫對話框，按Linear Regression 將IQ 選入 Dependent，將MI 和CO 選入Independent2按OKIQ資訊品質自變頂0.0970一38 尸"0.1790.174Ml :高喈主管的參與CO :團隊合作LISREL中介效果之驗證我們想要驗證“高階主管的參與”對於“資訊品質”的影響中，“團隊合作”是否有中介效果？如下MI顯示模式適配度(GoodnessofFit)良好。執行結構方程模式(SEM)中介效果

13、的步驟如下:1.畫出結構方程模式(SEM)中介效果之的2寫出結構方程模式(SEM)的語法3. 開啓LISREL軟體，輸入上述結構方程模式(SEM)的語法或開啓C:MMAMediator.lpj4按RUN執行出結構方程模式(SEM)的結果5選Standardized Solution6.選values我們整理模式的適配度(GoodnessofFit)指標値，理想數値，建議的 學者，本模式的數値如下：理想JK值m的事本模式的樹值一43.77di.17Z2 /d.f.<3Hayduk(1987)2.57GFI>0.9Scott(1994)0.97AGFI>0.8Scott(1994

14、)0.94SRMR<0.1Hu and Bentler ( 1999)0.032CFI>0.9Bagozzi&Yi (1988)0.99RFvISEA<0.08Jarvenpaa et al. (2000；0.065NFI>0.9Bentler & Bonett(1980)0.98NNFI>0.9Bentler & Bonett(1980)0.98IFI>0.9Bentler & Bonett(1980)0.99顯示模式適配度(GoodnessofFit)良好。本研究以LISREL之最大槪似估計法的估計結果與模型路徑圖，可知各

15、潛 在變數的關係。除了以路徑係數衡量潛在自變數對潛在應變數之直接影 響外，潛在自變數尙可能經由其他變數對潛在應變數產生間接影響。其 中，直接影響又稱爲直接效果，間接影響又稱爲間接效果，二者皆可經 由路徑係數計算而得。直接效果與間接效果之加總，稱爲總效果（TotalEffects），我們整理如下表:潛在燮數Ml高階王管支捋co團隊合作CO度隊合作IO資訊品胃宜接宜接間接總效果0.260.450.350.1 0.160.45解釋力0.120.23解釋力：以模式解釋度而言，亦由查看報表項目如下:Squared WultiTsle Correlations for Structural Eauat-i

16、onsco120.130.26MI高階主管支持潛在變項對CO團隊合作潛在變項影響的解釋度亠 (Squared Multiple Correlations for Structural Equations)爲 13%，MI高階 主管支持和CO團隊合作對IQ資訊品質的解釋度爲26%、顯示模式解釋 潛在變項偏低。T-values:MI CO =6.40 顯著。COIQ=7.69 顯著。MIIQ=1.79 不顯著。MI：高階主管的參與 CO :團隊合作IQ :資訊品質檢驗：MI高階主管的參與，對於IQ資訊品質的直接影響是不顯著。MI高階主管的參與，對於CO團隊合作的直接影響是顯著。CO團隊合作，對於I

17、Q資訊品質的直接影響是顯著。口心MI高階主管的參與，對於IQ資訊品質的間接影響016大於MI高階主管 的參與對於IQ資訊品質的直接影響01，因此，結果是確認“高階主管 的參與”對於“資訊品質”的影響中，“團隊合作"有中介效果。士 203調節（干擾）效果的驗證調節（干擾）效果是用來探討影響自變數和依變數之間關係的強弱和方向（正 或負），也就是定義一個變數調節（干擾）自變數和依變數之間的相關形式或 強度。在一般的因果關係硏究中，依變數Y受到自變數X的影響表示，如下圖若是X和Y的關係受到第三個變數M的影響，包含方向（正和負）和強弱（大、小），我們稱爲M有調節（干擾）效果，表示如下調節變數M

18、的資料型態，可以是類別或連續的資料型態。在社會科學的硏究中，可以進行調節（干擾）效果的研究相當普遍，我 們舉例如下：通路型態對於產品知覺品質與客戶滿意度的調節（干擾）效果硏究 調節變數M是通路型態（例如：電視購物和網路購物），自變數X 是產品知覺品質，依變數Y是客戶滿意度，整體關係如下圖：，整體關係如下領導型態對觀光旅館等級與服務品質之調節（干擾）效果硏究調 節變數M是領導型態（例如：魅力型、轉換型、交易型），自變數X是觀光旅館科技任務適配（ITF）對組織知識與組織效能之調節（干擾）效果硏 究 調節變數M是科技任務適配（例如：Task作業和Technology技 術）自變婁無線網路系統之熟悉度

19、、易用性、兩用性與使用行爲意圖之硏究-知覺加價之干擾效果調節變數M是知覺加價，自變數X有熟悉度、易用性、兩用性，依變數Y品牌對消費者評價的影響：廣告的干擾效果調節變數M是廣告（電視廣告、網路廣告）自變數X是品牌（國外品牌、 國內品牌），依變數Y是消費者評價，整體關係如下：國外品牌阖內品牌調節效果分析的方法調節效果分析的變數，依變數Y，自變數X和調節變數M，可以是 直接觀測變數(observable variable)或潛在變數(latent variable)， 想要進行調節效果的分析就必須知道，依變數Y、自變數X和調節 變數M的資料型態，我們整理如下：依變數Y的資料型態：連續的變數自變數X的

20、資料型態：類別或連續的變數調節變數M的資料型態：類別或連續的變數由於依變數Y是由自變數X和調節變數M所共同預測，而且自變數X和 節調變數M都是有2種資料型態（類別或連續），形成有四種組合來預測 依變數Y（連續），我們整理如下：當我們使用SI變數Case自MJX調節邃數M依變數丫Case 1類別類別Case 2類別Case 3類別連績迪績Case 4連績連績'的情形，整理如下:CaseXMYSPSSLISREL闻在變項）Case 1類別類別連續VXCase 2類別迪續VVCase 3類別連續VXCase 斗連績連續連續VV我們就這四種Case，分別解釋如下。Case 1 :自變數X爲類別

21、，調節變數M爲類別當自變數X爲類別，二分變項dichotomous variable 例如：性別的男女， 調節變數M爲類別，二分變項dichotomous variable，例如：成績高低， 依變數Y爲連續變數時，適用2x2 ANOVA （單變量變異數分析），交互作 用的效用就是調節的效果，我們直接檢定自變數X和調節變數M是否有 交互作用，我們以下列範例說明：探討員工滿意度對組織績效的影響：領導型態之調節（干擾）效果硏究 調節變數M是領導型態（例如：魅力型、交易型），自變數X是探討員工 滿意度（例如：高和低），依變數Y是組織績效，整體關係如下圖：組織緻效員工滿意度將光碟MMA目錄複製到C: M

22、MA後，操作步驟如下：1. 開啓SPSS檔案moderator case 1，按卷軸向右，看到Satisfaction :員工 滿意度有低和高；LS :領導特質有交易型領導和魅力型領導； Performance :組織績效(Linkert scale 1-5)。2. 按AnalyzeGeneral Linear ModelUnivariate。3. 將Performance 放入Dependent variable，將Satisfaction 和LS 放入FixedFactor(s)。4. 按Plots，將Satisfaction 放入Horizontal Axis，LS 放入Separate

23、 Lines。5. 按Add o6. 按Continue，回到Univariate。按OK。出現結果如下：Tests of Between-Subjects EffectsDependent Variable: PerformanceSourceType III Sum of SquaresdfMean SquareFSig.CorrectedModel15.857(a)35.2869.857.000Intercept1704.10711704.1073177.855.000Satisfaction3.54313.5436.607.011LS.2541.254.473.492Satisfact

24、ionLS4.33914.3398.091.005Enoi185.541346.536Total>263.0003,0Corrected. Total201397349a R Squared = .079 (Adjusted R Squared = .071)我們看交互作用項Satisfaction員工滿意度*LS領導型態的F値=8.091， P=0.005達顯著，顯示有交互作用影響。Satisfaction * LS 4.33914.3398.091.005Satisfaction :員工滿意度與LS領導型態同時對於組織績效的結果如下绘十皿y4Satisfaction :員工滿意度有低

25、(1)和高(2) ； LS :領導特質有交易型領導(1)和魅力 型領導(2) ； Performance :組織績效。調節(干擾)效果的簡易判定方式： 圖中有交叉線'代表有調節(干擾)效果。 圖中無交叉線，代表無調節(干擾)效果。我們將結果圖放入報告中如下：EsLinukd Ividrguial Means urPtr forma neeMUEOSIcu'a！：./ POWEU总SiitisfacticnSatisfaction :員工滿意度有低和高，LS :領導特質有交易型領導 和魅力型領導，Performance :組織績效。從圖中的交叉線，我們可以瞭解員工滿意度對組織績效

26、的影響中，領導特質有調節（干擾）效果。交易型的領導在滿意度較高時績效較差，而魅 力型領導在滿意度較高時績效較好。我們已經完成員工滿意度對組織績 效的影響中：領導特質是否有調節（干擾）效果的實務操作了。調節（干擾）效果和交互作用的比較:相同點：兩者的檢定方（步驟）是樣的。不同點：統計上的意義是不一樣的，在調節的模式中，隱含著因果關 係自變數X和調節變數M是不可以互換的。而在交互作用中，兩個自變數是可以交換的，也就是兩個變數中的任何一個，都可以是對方的調節（干擾）變數。Case 2 :自變數X爲連續，調節變數M爲類別當自變數X爲連續，調節變數M爲類別，二分變項dichotomous variabl

27、e，例如： 性別的男女、成績的高低，依變數丫爲連續變數時，適用分組比較分析。以SPSS爲例，分別執行迴歸分析再檢定R 2解釋力是否有顯著差異有顯著差 異就代表有調節(干擾)效果。高階管理者介入對專案成功之影響高階主管的領導特質有轉換型領導(TF)與交易型領導(TS)二大類型。轉 換型領導是指領導者的行爲轉化或改變被領導者的行爲。交易型領導是指領導者與被領導者之間是以交換利益爲基礎的行爲。領導特質的干擾效果對高階管理者介入和團隊合作(CO)對專案成功之影響整體關係圖如下:型領導(嗫+為型 贮碟MMA目余複製到高階主管的介入(MI)、團隊合作(CO)、專案導入成功(PI)、領導特質(LS)， 高階

28、主管的領導特質有轉換型領導(TF) -類型，我们已經根據領導特質將檔案分戒乜疥工/“. 領導(TSM)二個檔，分別作回歸分析，請矗碟MMA目余複製到 C:MMA後，操作步驟如下：1. 開啓SPSS檔案TFM(轉換型領導)，按卷軸向右，看到高階主管的介入 (MI)、團隊合作(CO)、專案導入成功(PI)的平均數2. 按 Analyze ->regression-*Linear，將CO 放入Dependent，將MI放入 Independent3. 按OK4. 按Dialog recall5. 選Linear Regression，回到Linear Regression，將PI 放入 Dep

29、endent，將MI，CO 放入Independent6. 按OK7開啓SPSS檔案TSM(交易型領導)，按卷軸向右，看到高階主管的介入 (MI)、團隊合作(CO)、專案導入成功(PI)的平均數7. 按AnalyzeregressionLinear，將CO 放入Dependent，將MI放入 Independent8. 按OK9. 按Dialog recall10. 選Linear Regression 回到Linear Regression 將PI 放入Dependent 將MI、CO 板夭Independent11. 按OK高階主管的領導特質有轉換型領導(TF)與交易型領導(TS) 二大類

30、型'爲了計算Fishe厂z transformation，我們再次整理轉換 型領導和交易型領導的階層回歸模式如下：轉換型領導階層回歸模式交易型領導的階層回歸模式R2 =0.267pvO 01*n.=300PV0.001 +P< 0.1*R= 0.521Fisherz tran sformatio nr (yzl) = 0.527 nl = 261 r (y,2) = 0.521 n2 =300計算結果Z trans 1 = 0.58 Z trans 2 = 0.578 Z test = 0.097顯著判定値Z = 1.96P<0.05 Z = 2.58P<0.01Z

31、test = 0.097小於1.96所以是不顯著，代表轉換型領導(TF)與交易型領導(TS)没有顯著的差別，也就是領導型態没有調 節(干擾)效果。以LISREL爲例，則是執行多重組別選項，也就是將調節(干擾)變 項當成分組變數處理。高階管理者介入對專案成功之影響高階主管的領導特質有轉換型領導(TF)與交易型領導(TS) 二大類型。轉換型領導是指領導者的行爲轉化或改變被領導者的 行爲。交易型領導是指領導者與被領導者之間是以交換利益爲基 礎的行爲。領導特質的干擾效果對高階管理者介入和團隊合作 (CO)對專案成功之影響整體關係圖如下：高階主管的介入(MI)、團隊合作(CO)、專案導入成功(PI)、領

32、導特質(LS)， 高階主管的領導特質有轉換型領導(TF)與交易型領導(TS)二大 類型，我們已經根據領導特質將檔案分成轉換型領導(TFM)與交易型 領導(TSM)二個檔，作Multi-Gro叩多組的基本SEM和因素恆等調節分 析，請將光碟MMA目錄複製到C: MMA後，執行結構方程模式(SEM) 調節效果的步驟如下：1.畫出結構方程模式(SEM) Multi-Gro叩 多組基本模式SEM的2寫出結構方程模式Multi-Gro叩中，二組基本模式SEM的語法3.開啓LISREL軟體，輸入上述結構方程模式(SEM)的語法或開啓C:MMAcase2Ml.ls84.按RUN執行出結構方程模式(SEM)的

33、結果，選Standardized Solution 5選values因素恆等SEM的操作步驟如下:1.畫出結構方程模式(SEM) multi-group多組因素恆等的 2寫出結構方程模式Multi-Group中，二組因素恆等SEM的語法。3. 開啓LISREL軟體，輸入上述結構方程模式(SEM)的語法或開啓C:MMAcase2M2.ls84. 按RUN執行出結構方程模式(SEM)的結果，選Standardized Soluti on5. 選values按Ctrl+F 出現適配度(Goodness-of-Fit)指標値結果整理如下：Multi-Gro叩多組的基本模型SEMDegrees of F

34、reedom = 114 Minimum Fit Function Chi-Square = 394.91 (P = 0.0)作Multi-Group多組的因素恆等套疊模型分析Degrees of Freedom = 115Minimum Fit Function Chi-Square = 401.66 (P = 0.0)毘本摸型因課恆等卖疊換型Clii-square(:)594.91401.66自由度114115標準卡方檢定（Z2 df）3.463.49CFI0 930.93NFI0.900.9GFI0.930.93SRNIR0.0590.072RMSEA0.0920.093本硏究將領導特質

35、(LS)兩個不同群組在高階主管的介入(MI)和專案 導入成功(PI)間的路徑設爲因素恆等，如此一來，這個有限制條件的多群組分析模型便成爲基本模型的套疊模型。經由卡方差異檢定後發現兩模型間在自由度爲1，在a=0.05情況下，卡方差異達3.84即代表存在調 節效果(Bentler and Bonnet,1980)。本研究經由卡方差異檢定後發現基本 模型和因素恆等調節模型，兩模型間在自由度爲1，在a=005情況下， 卡方差異達6.75，代表高階主管的領導特質中轉換型領導(TF)與交 易型領導(TS)在高階主管的介入(MI)和專案導入成功(PI)間存 在調節效果。Case 3 :自變數X爲類別，調節變

36、數M爲連續當自變數X爲類別，調節變數M爲連續，依變數Y爲連續變數時， 適用於使用虛擬變項(dummy variable)的迴歸分析。虛擬變項：自變數X爲類別，例如：性別年級別，無法適用於線性的迴歸 分析，此時應該如何處理？在迴歸分析方法中，特別使用虛擬 變項(dummy variable)來解決這個問題，也就是先將類別變項轉 換成連續性變項，再進行迴歸分析，我們以性別爲例。問卷編號性別001男002女003女004男問卷編皱性別虛擬變頂男虛擬變頂女00110002:10030100410我們由性別（男、女）2個變項可以轉換成2個虛擬變項，但是在 執行迴歸分析時，未經虛擬處理的參照組（例如：0的

37、樣本），也 是一個變項，所以會有2-1=1個虛擬變項，我們以男性爲參照組， 當成0的樣本，範例如下：問卷編號性別001男002女003女004男問卷編缺性別虛擬變項0010002100310040我們再以年級別爲例'大學有四個年級，可以轉換成4個虛擬變 項，我們假設未經虛擬處理的參照組爲大一（變成0的樣本），所 以會有3個虛擬變項。問卷編號00110022003300440051006200730064問巻編我年級虚擬變項二三匸001000002100003010004001005000006100007010003001Case 3的調節（干擾）處理步驟在Case 3中，適用的X類別

38、爲二分變項（性別、成績高低），調 節變數和依變數都是連續變數，調節（干擾）效果的處理步驟如下:址霸一將自變數轉換成Dummy variable步孵二孰行込C+AjX得到解釋尢盒步驟三籾行Y=C+ 0：乂 +佻M得到解釋力莖執行YY+九工+念妞孑得到解釋力盗注意:XJDM當控制變項，XXI是艾和M的乘積步算五判定是否有調解效果有2種方式：方式一:处顯誉，代表有調節效果方式一:解釋力丘;顧晉JS於丘;代MM有調節效果使用交互項XM的迴歸分析(以SPSS爲例)童系統品質(SQ)對使用者滿意度(US)之影響:以團隊合作(CO)爲調節(干擾)效果系統品質(SQ)對使用者滿意度(US)之影響:系統品質(S

39、Q)有高與低二個類型。使用者滿意度(US)和團隊合作(CO)程度都是連續變數。隊合作(CO)的干擾效果對系統品質(SQ)和團隊合作(CO)對使用者滿意系統品質(SQC3)、團隊合作(C0C3)、使用者滿意度(USC3) 系統品質(SQ)有高與低二個類型，我們已經根據系統品質(SQ)高低轉換 成Dummy variable和0)，作階層回歸分析，請將光碟MMA目錄複製 到C: MMA後，操作步驟如下：1. 開啓SPSS檔案moderator case 3，按卷軸向右，看到系統品質(SQC3)、 團隊合作(COC3)、使用者滿意度(USC3)2. 按Analyze Regression Linea

40、r。將USC3 放入Dependent， 將SQC3 禾DCOC3 放入Independent(s)3. 按next，將SQC3COC3 放入Independent(s) Factor(s)4. 按Statistics，選Estimates，Model fit，R squared change， Descriptives5. 按Continue按OKModelRR SquareAdjusted RSquareStd.Error of theEstimateChange Statisticsdf2Sig.FChangeR SquareChangeF C hangedfl1.478(a).229.

41、224.6501.22951.400-»347.0002.491(b).241.234.6459.0125.55513460L9a Pfedictors: (Constant), COC3. SQC3結果如下:Model Sumuaarvarb Predictors: (Constant). COC3, SQC3. SQC3COC3Coe fficients (a)Mode!UnstandardizedCoefficientsStand-aidizedCoefficientstSig.BStd.ErrorBeta1(Constant)2.46015515.882.000SQC3.49

42、8.0783116.343.000COC3.252.043.2885.865.0002(Constant)3.015.28110.717.000SQC3285.341178837.403COC3.0$4.0S34951.003.347SQC3QOC3.229.097J832.357.019系統品質(SQ)對使用者滿意度(US)之影響：系統品質(SQ)有高與低二個類型。使用者滿意度(US)和團隊合作 (CO)程度都是連續變數。團隊合作(CO)的干擾效果對系統品質 (SQ)和團隊合作(CO)對使用者滿意度(US)之影響效果，我們整理 階層回歸分析結果如下：系統品質(SQ)對便用诸滿意度(US)之彩

43、辔Model 1Model 2Independent variables 自變數系統品質(£Q).311*.17gModerators調節變數團陳合#(CO)a s tInteiactio口 terms 交互作用頊SQ X CO.583*Model F51.45.555R：229*.241»*.012*CIO p<.05判定是否有調解效果有2種方式： 方式一 ：SQC3COC3顯著，代表有調節效果。SQC3COC3 的Standardized Coefficients=0.583 t=2.357 >1.96達顯著，代表有調節效果。或F =.019 <0.0

44、5達顯著，代表有調節效果。方式二：解釋力23 R顯著高於22 R，代表有調節效果。R Square Change =.012。F =-019 <0.05達顯著，代表有調節效果。Case 4 :自變數X爲連續，調節變數M爲連續當自變數X，調節數M和依變數Y都是連續變數時，適用使用交 互項XM的迴歸分析。在Case 4中，適用的自變數X，調節變數M和依變數Y都是連續 變數，調節（干擾）效果的處理步驟如下：步驟一*丫5二x得到解釋力疋步昭二抚行Y老咽必+傀M得到解釋力眉步羅三執行Y=C+0“X + 0少+你血得到解釋力R； 订怠：XM是X和M的乘樓步隠四判定是否有調解效果：XM顯苕代表有調了枠

45、使用交互項XM的迴歸分析(以SPSS爲例)系統品質(SQ)對使用者滿意度(US)之影響：以團隊合作(CO)爲調節(干擾)效果。系統品質(SQ)、使用者滿意度(US)和團隊合作(CO)程度都是連續變數。團隊合作 (CO)的干擾效果對系統品質(SQ)和團隊合作(CO)對使用者滿意度(US)之影響整體關係圖如下：厂fxI画隊合作 (COC4)系統品質(SQC4)、團隊合作(C0C4)、使用者滿意度(USC4)、系統品質 (SQ)、使用者滿意度(US)和團隊合作(CO)程度都是連續變數，我們作階層回歸分析，請將光碟MMA目錄複製到C: MMA後，操作步驟如下:1. 開啓SPSS檔案moderator

46、case 4，按卷軸向右，看到系統品質(SQC4)、 團隊合作(COC4)、使用者滿意度(USC4)2. 按AnalyzeRegressionLinear。將USC4 放入Dependent variable， 將SQC4 和COC4 放入Independent(s)3. 按Next，將SQC4COC4 放入Independent(s)4. 按Statistics，選Estimates，Model fit，R squared change， Descriptives5. 按Continue按OK結果如下：Model SuimnaivModelRRSquareAdjustedRSquareStd

47、Error oftheEstimateChange Statisticsdfldf2Si.FClianaeRSquareChangeFChange1518(a).269.264.6330.26963.7452347.000.553(b).285.278.0167.6691346.006a Predictors: (Constant), COC 4, SQC4b Predictors: (Constant), COC4? SQC4, SQC4COC4Coefficients (a)ModelUnsUiidafdized CoefficientsStandardized Coefficientst

48、Sig.BStd. ErrorBeta1(Constant)1.618.1908.502.000SQC4-.372.047.3927.842.000COC4.191.044.2174.343.0002(Constant)3.352.65山5.127.000SQC4-.085E72-.090-.495.621COC4-322.190-366-1.693.091SQC4COC4.133.048.9012.769.006a Dependent Variable: USC4系統品質(SQ)對使用者滿意度(US)之影響：以BR隊合作(CO)爲調<.10gpc.02節(干擾)效果，我們整理階層回歸分

49、析結果如下系統品質(SQ)對使用者滿意度(US)之影率Nfodel 1Model 2Independent variables 自變數系統品賞(SQ)39°衣农审090Moderators調節變數團隊台作(CO).217*-.366*Interaction teims 交互作用頊SQ X CO.901*Model I763.7457.669R2.269*.285*AR；.016+<.10gpc.02判定是否有調解效果：SQC4COC4顯著，代表有調節效果SQC4COC4 的Standardized Coefficients=0.901。 t=2.769 >1.96達顯著，

50、代表有調節效果。或F =.006 <0.05達顯著，代表有調節效果。使用交互項XM的SEM （以LISREL爲例）執行SEMY=C+ 足+ 0少 +XM顯著，代表有調節效果，XM是X和M的乘積隊合作(CO)爲調節統品質(SQ)對使用者滿意度(US)之影響：以 (干擾)效果。系統品質(SQ)、使用者滿意度(US)和團隊合作(CO)程度都是連續 變數。團隊合作(CO)的干擾效果對系統品質(SQ)和團隊合作(CO) 對使用者滿意度(US)之影響整體關係圖如下：黎器牖使霹蠶I福枠擾效杲對系統品質师)和系統品質(SQC4)、團隊合作(C0C4)、使用者滿意度(USC4)、系統品質 *團隊合作(SQ

51、C4COC4)是交互作用項。系統品質(SQ)、使用者滿意度(US)和隊合作(CO)程度都是連續變數，我們作SEM分析，請將光碟MMA目錄複製到C: MMA後，執行結構方程模式(SEM)調節效果的步驟如下:1-畫出結構方程模式(SEM)調節(干擾)模式SEM的圖示2寫出調節(干擾)模式SEM結構方程模式的語法3-開啓USREL軟體，輸入上述結構方程模式(SEM)的語法或開啓C:MMAcase4.ls84按RUN執行出結構方程模式(SEM)的結果，選Standardized Soluti on 5.選values調節（干擾）效果方法的整理 依變數Y都是連續變數調節（干擾） 變項（M）自變頂（X）類別Casel :SPSS :便