回歸分析

回歸分析是一種統計學上分析數據的方法，目的在於了解兩個或多個變數間是否 相關、相關方向與強度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變 數。

表 4‐4 為假設 H1 回歸的假設摘要，自變數為基本餐飲技能檢定；依變數為學習 情形，迴歸分析的 R 平方等於 0.004，表示依變項可以被一個自變數解釋的變異量為 0.4%，無法解釋的變異量為 99.6%，疏離係數等於 =0.998。表 4‐5 為 H1 迴歸 分析中的係數值，其中標準化迴歸係數(Beta 值)為路徑係數值。

表 4-4 基本餐飲技能檢定與學習情形的假設摘要

模式 R R 平方 調過後的 R 平方 估計的標準誤 1 .063^a .004 -.007 .42760

資料來源: 本研究整理

4‐5 為 H1 迴歸分析中的係數值

模式 標準化係數 t 顯著性

Beta 分配

1

(常數) 40.431 .000

通過乙級考試 .012 .166 .868 通過丙級考試 .062 .831 .407

資料來源: 本研究整理

從表 4-5 可以看出 H1 假設只有通過丙級檢定顯著，代表 H1 部分顯著，其原因本 研究認為多數學生只有考取丙級證照，去考取乙級證照的學生數太少，導致其顯著性 有落差，本研究認為與次數分配的分析原因相同，所以導致相同的結果。

表 4‐6 為假設 H2 回歸的假設摘要，自變數為基本餐飲技能檢定；依變數為升學 認知，迴歸分析的 R 平方等於 0.001，表示依變項可以被一個自變數解釋的變異量為 0.1%，無法解釋的變異量為 99.9%，疏離係數等於 =0.999。

表 4-6 基本餐飲技能檢定與升學認知的假設摘要

模式 R R 平方 調過後的 R 平方 估計的標準誤 1 .028^a .001 -.010 .60928

資料來源: 本研究整理

表 4‐7 為 H2 迴歸分析中的係數值，其中標準化迴歸係數(Beta 值)為路徑係數值。從表 4-7 可以看出 H2 假設完全不成立，本研究認為會有意想不到的結果出現，其原因為基 本餐飲技能檢定與升學認知沒有直接影響的關係，在表 4-2 的升學認知題項可以看出 端倪，除了三題明顯同意外，其他題項約三分之一的學生對於通過基本餐飲技能檢定 持普通的態度，代表部分學生認為基本餐飲技能檢定對於升學不一定有幫助，畢竟此 問卷沒有詢問升學意願的調查，所以本研究認為可能有近三分之一的學生打算就業，

所以導致 H2 不成立。

表 4‐7 為 H2 迴歸分析中的係數值

模式 標準化係數 t 顯著性 Beta 分配

1

(常數) 29.452 .000

通過乙級考試 .020 .273 .785 通過丙級考試 -.019 -.255 .799

資料來源: 本研究整理

表 4‐8 為假設 H3 回歸的假設摘要，自變數為學習情形；依變數為升學認知，迴 歸分析的 R 平方等於 0.335，表示依變項可以被一個自變數解釋的變異量為 33.5%，

無法解釋的變異量為 66.5%，疏離係數等於 =0.815。

表 4-8 學習情形與升學認知的假設摘要

模式 R R 平方 調過後的 R 平方 估計的標準誤 1 .579^a .335 .331 .49562

a. 預測變數:(常數), 學習情境

資料來源: 本研究整理

表 4‐9 為 H3 迴歸分析中的係數值，其中標準化迴歸係數(Beta 值)為路徑係數 值。表 4-9 可以看出學生們非常一致認為學習情形會影響升學認知，從表 4-2 也得出 相同的結論，大部分的同學都相當認同在優良的指導與實作機會多的教學環境下，不 只考取證照相當有幫助，升學更能有加分的效果，所以假設 H3 是完全顯著。

表 4‐9 為 H3 迴歸分析中的係數值

模式 標準化係數 t 顯著性

Beta 分配

1 (常數) 2.148 .033

學習情境 .579 9.525 .000 資料來源: 本研究整理