臺大管理論叢 NTU Management Review VOL.30 NO.1

213 NTU Management Review Vol. 30 No. 1 Apr. 2020 路購物時，具有相關服務失誤之經歷。本研究參考 Holloway and Beatty (2003) 對網 路零售業之服務失誤研究，列出「配送問題」、「網頁設計問題」、「顧客服務問 題」、「費用品質問題」、「安全問題」與「混雜型問題」等六大類電商服務失誤 類型，供受試者勾選。為了排除未曾經歷過網路購物服務失誤之受試者樣本，本研 究額外增列「未曾經歷網路購物服誤失誤」作為篩選題項，如此可確保接續填答者 均具有電商服務失誤之經驗，並請填答者以上述回想之服務失誤事件以及其相關補 救措施，做為問卷填答之情境依據。接著以前述研究架構為基礎，採用 Likert 七點 尺度衡量受試者對於服務失誤嚴重性、同理心及寬恕意願等層面之看法。 四、研究樣本 本研究旨在了解電商平台經歷服務失誤後進行失誤補救情境下，影響消費者寬 恕之因素，因此選定網路購物為本研究主要情境，但受限於個資法及研究經費之限 制，不易取得具網路購物服務失誤經驗之母體名冊，故採用便利抽樣法，以網路問 卷的方式進行樣本收集。研究訪問對象來源鎖定 Facebook 用戶及國內最大電子布 告欄 (BBS) －台大批踢踢實業坊 (PTT) 之網路購物、合購等與網路購物相關看板之 用戶，進行電子問卷發放。透過電子問卷在網路購物相關社群及電子看板內發佈， 可確保大多數填答者，均對研究主題有一定的認識及瞭解。網路問卷設計具有篩選 功能，限制具有網路購物服務失誤經驗者方能繼續填答、控制填答者不可跳答或漏 答等，並會記錄填答者 IP 位置，避免重複填答。 五、資料分析方法 本實證研究討論 4 個自變數、 2 個調節變數與 2 個應變數之間的結構關係，因 為具備多組變數之交乘項，傳統以共變矩陣為基礎之線性結構方程式 (Covariance- based Structural Equation Modeling; CB-SEM) 較難處理這類相對複雜之模型，因此遵 循 Urbach and Ahlemann (2010) 之建議，改用以部分最小平方法為基礎之線性結構 方程式 (Partial Least Squares-SEM; PLS-SEM) 做為本研究之主要資料分析方法，並 採用 BootStrap 法，經由資料的重新抽樣 (Re-sampling) 來進行路徑係數顯著性 （ T -value 值）之估計 (Bollen and Stine, 1992) ，進而判斷本研究所提出的假設檢定 之結果。並以 R 2 判斷研究模型的解釋能力以及使用檢定資料與模型的適配度。除 此之外，假說 6-9 的調節效果分析則採用 Hair, Hult, Ringle, and Sarstedt (2013) 所提 出之兩階段法，以分析潛在構念 (Latent Variables) 之因素分數 (Factor Scores) 的方式 來取代傳統上對潛在構念直接衡量的方式，目的在於降低調節變數交乘項之複雜程 度，藉此達到模型正定。