本部分将运用AM OS17.0软件进行结构方程建模，从而进一步考察手机新闻采纳行为模型各因素之间的影响关系。结构方程模型（Structural Equation Modeling，简称SEM）技术适用于处理复杂的多变量数据探究与分析，它融合了传统多变量统计分析中的“因素分析”与“线性模型之回归分析”的统计技术，可以对各种因果模型进行模型识别、估计与验证。
1.手机新闻采纳行为的模型设立与检验
（1）手机新闻采纳行为的SEM模型设立。
通过AMOS软件绘制SEM模型图如图5－9所示。
完整的结构方程模型包含测量模型（measurement model）与结构模型（structural model）。测量模型中的观察变量以长方形表示，测量模型中的潜在变量以椭圆形表示。通过上一节中的因素分析，我们得到了12个潜在变量，这些变量无法直接观察测量，需要借助观察变量，即指标问题来反映。本研究的SEM结构模型如图5－9所示，包含1个外生潜在变量、11个内生潜在变量。而测量模型则包含12个测量模型，共59个观察变量。根据SEM模型的建模要求，增设潜在变量与观察变量之间的误差项及外生变量之间的公变关系。
图5－9 手机新闻采纳SEM模型图
注：图中字母缩写释义：PENJ代表感知娱乐性；PIMC代表感知互动融合性；PU代表感知有用性；PE代表感知易用性；PIQ代表信息质量；SN代表主观规范；UC代表感知情境；PMV代表感知价格；MD代表手机依赖性；ND代表新闻依赖性；TI代表科技创新性。
（2）手机新闻采纳行为的SEM模型识别检验。
SEM模型识别首先计算数据点数目和模型中参数数目（t）。数据点数目的计算公式为：（p＋q）*（p＋q＋1）/2，p为模型外生测量变量数目，q为模型内生测量变量数目。参数的数目为模型中带估计的回归系数、方差、协方差的总数目。根据t法则，当t小于数据数目，表示模型自由度大于0，数据点数目多于估计参数总数，满足模型识别的要求。
根据实际数据结果，模型的外生测量变量数目为40，内生测量变量数目为18，计算得出数据点数目为1711，t值为136，小于数据点数目，自由度大于0，满足模型分析必要条件（见表5－40）。
表5－40 手机新闻采纳SEM模型识别检验
（3）手机新闻采纳行为的SEM模型参数预估。
通过AMOS软件数据分析，模型通过识别检验。为了进一步检验理论模型的适配度是否良好，需对各个参数进行判别，下图列出模型适配度评估的各个参数指标，主要包括绝对适配度系数、比较适配度系数以及简约适配度系数。具体数值和判别标准见表5－41。
表5－41 手机新闻采纳行为的SEM模型参数预估
续表
从表5－41中适配度数据可知，在绝对适配度参数系列中，除卡方值c2显著性假设不成立外，其他参数都达标；在比较适配度系数指标中，NFI与TLI都大于0.8，而未达到0.9的适配标准；在简约适配度系数中，所有指标达到适配标准。
本研究模型的卡方值c2＝3695.265，显著性p＝0.00＜0.05，达到显著性水平。多数统计学研究表明，卡方值统计量不显著表示观察协方差矩阵与被估计协方差矩阵之间没有差异，因而显著性p值大于0.05时，表示假设模型与观察数据间的适配度良好。但在模型较为复杂和多样本的情况下，很容易得出显著的卡方值，造成无法有效辨别良好或不佳的模型。（吴明隆，2013）
本研究的模型相对而言是比较复杂的，而且样本数在250人以上，c2的统计意义不大，要辨别模型是否适配良好，还需要进一步参考其他参数。Martens（2005）认为，卡方自由度比值、GFI值、NFI值三个指标实际上会受到样本大小、每个因子中指标问题数量的影响，此外跨样本的类推也不佳，因此他将CFI及RMSEA作为模型适配度检验的最主要指标。本研究中CFI值为0.903，CFI＞0.9，RMSEA值为0.068，RMSEA＜0.08。关键指标达到适配度检验要求。
综上，适配度检验的结论是：本研究模型较为复杂，潜在变量数目较多，样本规模属于中等，鉴于这些因素的影响，本研究模型拟合度没有达到很高的水平，但本模型适配度评估中的几个关键指标都显示合格，综合考虑，仍是可以接受的模型。
2.手机新闻采纳行为的模型解释与讨论
（1）影响力显著性检验。
通过适配度参数评估以后，验证本研究模型的拟合程度一般，与数据可以适配。接下来，通过AM OS软件对非标准化及标准化的路径系数和显著性进行计算，从而对本研究的假设进行一一检验。表5－42中P值表示显著性，当p＜0.05时，表示数据达到显著性关联，假设成立。其中若p＜0.001，则用“***”表示；若p＞0.001，则用数字直接显示。Estimate为未标准化系数，此值可以比较相对影响力；SE是标准化误差（Standard Error）；C.R.是临界比率值（Critical Ration），相当于t值。如果t＞1.95，则p＜0.05；如果t＞2.58，则p＜0.01。
表5－42 非标准化的路径系数及显著性检验
结果显示，在17个假设中，10个假设成立，7个假设不成立。其中，感知互动融合性对感知娱乐性影响显著，感知互动融合性对感知易用性影响显著，感知娱乐性对感知有用性影响显著，感知易用性对感知有用性影响显著，信息质量对感知有用性影响显著，感知情境对使用意愿影响显著，感知货币价格对使用意愿影响显著，新闻依赖性对使用意愿影响显著，科技创新性对使用意愿影响显著，感知有用性对使用意愿影响显著。
手机新闻采纳模型路径系数图如图5－10所示。
图5－10 手机新闻采纳模型的路径系数
注：图中字母缩写释义：PENJ代表感知娱乐性；PIMC代表感知互动融合性；PU代表感知有用性；PE代表感知易用性；PIQ代表感知新闻质量；SN代表主观规范；UC代表感知情境；PMV代表感知价格；MD代表手机依赖性；ND代表新闻依赖性；TI代表科技创新性。
根据各个影响因子对手机新闻采纳意愿变量的显著性检验，得到经过验证的手机新闻采纳模型图（见图5－11）。
图5－11 假设验证后的模型路径图
注：图中字母缩写释义：PENJ代表感知娱乐性；PIMC代表感知互动融合性；PU代表感知有用性；PE代表感知易用性；PIQ代表感知新闻质量；SN代表主观规范；UC代表感知情境；PMV代表感知价格；MD代表手机依赖性；ND代表新闻依赖性；TI代表科技创新性。
（2）各因素相对影响力比较。
表5－43中标准化路径系数显示出各个影响因素之间的相对影响力。
影响手机新闻采纳意愿的十个影响因素中，对其影响力最大的前五位因子由大到小排列分别是：感知情境因子、感知价格因子、感知有用性因子、新闻依赖性因子、科技创新性因子。其中，主观规范因子的影响呈负向关系，即社会影响对手机新闻采纳有负向影响作用。影响感知有用性有四个因素，影响力大小排名分别是，感知易用性因子、感知新闻质量因子、感知娱乐性因子、感知互动融合性因子。
表5－43 标准化的路径系数及显著性检验
3.受众特征对手机新闻采纳的影响分析
性别、年龄、职业、教育程度以及经济收入作为受众个人人口属性特征，属于外部因素。本部分将对这五个人口统计学变量对于手机新闻采纳的影响做平均数差异检验，以验证不同的人口统计学因素对采纳意愿是否存在统计学意义上的显著差异。
常用的平均数差异检验方法为独立样本t检验及单因素方差分析（one-way analysis of variance；简称为one-way ANOVA）。t检验统计方法适用于两个平均数的差异检验，当自变量为二分类别变量，因变量为连续变量；单因素方差分析法则适用于三个以上群体间平均数的差异检验。(www.xing528.com)
本研究中，BI（采纳意愿因子）为连续性变量，根据统计学法则，性别变量为二分别变量，适用于t检验方法；年龄、职业、教育程度及经济收入变量都属于三个群体以上平均数差异检验，适用于单因素方差分析法。具体分析结果如下：
（1）性别在BI上的t检验。
性别自变量是二分类别变量，采纳意愿是连续变量，要检验不同性别之间的采纳意愿是否具有显著差别，需利用独立样本t检验方法。Levene检验用于检验两组方差是否同质，检验结果表明，F＝0.799，p＝0.372＞0.05，未达到0.05的显著水平，表示应视两组方差假设相等（见表5－44）。男性在BI上的均值减去女性在BI上的均值，结果为正，说明男性取值大于女性，但p＝0.428＞0.05，这个结果不显著。也就是说，就手机信息服务采纳的意愿而言，男性的平均数值要高于女性，但t检验结果的统计量未达到显著性水平。
表5－44 性别因素在BI上的t检验
结论是：性别差异对手机新闻采纳意愿没有显著影响。
（2）年龄在BI上的方差分析。
年龄自变量的方差同质性检验结果表明，F＝1.324，p＝0.261＞0.05，同质性检验未达到显著性水平，未违反方差同质性假定（见表5－45）。
表5－45 年龄因素在BI上的方同质性检验
单因素方差分析结果显示，整体检验的F值＝0.772，显著性p＝0.544＞0.05（见表5－46）。
表5－46 年龄因素在BI上的单因素方差分析
结论显示：不同年龄的受众在“手机新闻采纳意愿”上的差异是不显著的。
（3）学历在BI上的方差分析。
学历自变量的方差同质性检验结果表明，F＝0.729，p＝0.572＞0.05，同质性检验未达到显著性水平，未违反方差同质性假定（见表5－47）。
表5－47 学历在BI上的方同质性检验
单因素方差分析结果显示，整体检验的F值＝1.681，显著性p＝0.154＞0.05（见表5－48）。
表5－48 学历在BI上的单因素方差分析
结论显示：不同学历受众在“手机新闻采纳意愿”上的差异不显著。
（4）职业在BI上的方差分析。
职业自变量的方差同质性检验结果表明，F＝0.341，p＝0.888＞0.05，同质性检验未达到显著性水平，未违反方差同质性假定（见表5－49）。
表5－49 职业因素在BI上的方同质性检验
单因素方差分析结果显示，整体检验的F值＝0.654，显著性p＝0.659＞0.05（见表5－50）。
表5－50 职业因素在BI上的单因素方差分析
结论显示：不同职业的受众在“手机新闻采纳意愿”上的差异是不显著的。
（5）收入在BI上的方差分析。
收入自变量的方差同质性检验结果表明，F＝0.769，p＝0.573＞0.05，同质性检验未达到显著性水平，未违反方差同质性假定（见表5－51）。
表5－51 收入因素在BI上的方同质性检验
单因素方差分析结果显示，整体检验的F值＝0.630，显著性p＝0.677＞0.05，表示不同收入水平的受众在“手机新闻采纳意愿”上的差异是不显著的（见表5－52）。
表5－52 收入因素在BI上的单因素方差分析
综上检验，受众人口统计学特征对于手机新闻采纳的差异分析结论为：
受众的性别差异不影响手机新闻采纳意愿；（见表5－44）
受众的年龄段差异不影响手机新闻采纳意愿；（见表5－45、5－46）
受众的学历差异不影响手机新闻采纳意愿；（见表5－47、5－48）
受众的职业差异不影响手机新闻采纳意愿；（见表5－49、5－50）
受众的收入水平差异不影响手机新闻采纳意愿。（见表5－51、5－52）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
