研究对技术性特征量表的3个基本维度进行了相应的验证性因子分析。最终的拟合结果如表5.27所示，娱乐性特征在一维划分下由于只有3个子项，在对应的设计下基本达到了饱和状态，并且相关题项本身的系数大于0.3，且在0.000的显著性程度上显著。进一步考察CFI以及NNFI的值发现，相应的值都大于0.9，同时在这样的情况下，RMSEA值为0.000，说明体验价值一致性本身的一维划分是合理并且达到饱和状态的。而CFI和NNFI的值为1，则说明相应的量表的各个题项本身具有较好的聚合效度，这说明本研究所设定的量表是相对合理的。
对有用性特征的进一步分析表明，相关构念的RMSEA的值达到0.189，高于0.1，并且χ2/df值等于21.6，大于10，但CFI以及NNFI的值分别为0.92和0.97，同时各个测量指标值的系数明显大于0.75，比最低的要求0.3要高，且均在0的显著性程度上显著。本研究仍然认为本研究所利用的测量量表是可以反映有用性特征这一概念的，因此认为本研究设定的量表仍然是有效的。
对易用性特征的分析表明，相关量表在进行独立分析时RMSEA的值达到0.163，高于0.1，并且χ2/df值等于16.98，大于10，但CFI以及NNFI的值分别为0.98和0.95，同时各个测量指标值的系数明显大于0.79，比最低的要求0.3要高，且均在0.000的显著性程度上显著。本研究仍然认为本研究所利用的测量量表是可以反映易用性这一概念的，因此认为本研究设定的量表仍然是有效的。
同时研究还进一步分析了技术性特征及娱乐性、有用性和易用性整体量表的区分效度以及聚合效度。研究表明，当3个构念被划分为本研究所设定的3个维度的时候具有最好的拟合值，对应的研究设计下，相应的χ2/df值等于6.006，RMSEA值为0.093，低于0.1的最低要求。相比于把所有的几个构念维度划分为1个构念的情况，其χ2值比其他几类的划分模式具有更低的参数值（包括χ2值等），而CFI、NNFI值则会显著更高，如在3个维度的划分模式下，样本的CFI、NNFI达到了0.98和0.97，而在一维划分下想要的CFI和NNFI达到了0.88和0.85，同时Δχ2（2）值达到1237。这说明本研究最初设定的3个基本的维度的划分模式是最为合理的，在这样的情况下，聚合和区分效度都能达到最高。同时在整体模型的聚合到各个维度的背景下，所有的变量题项本身的模型系数都达到了0.76以上，并且在0.000的显著性水平上显著，这说明相应的构念维度之间具有较好的区分度和聚合度。
表5.27 技术性特征量表验证性因子分析(www.xing528.com)
注：数据分析采用了Lisrel8.7，相关系数矩阵采用Stata10.0的corr命令获得。
每组量表下方的指标参数是独立模型验证性因子分析得到的相关指标。对于约束和未约束模型，Δχ2都显著增加，这说明整体模型相关维度之间的划分是合理的，同时共同方法偏差的问题影响不显著。
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。
