第四章 研究結果與分析
第三節 學生學習動機、學生學習投入與學生學習成效之線性結構關係分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 學生學習動機、學生學習投入與學生學習成效之線 性結構關係分析
本節使用結構方程模式來分析學生學習動機、學生學習投入與學生學習成效 之線性結構關係。本研究曾於第二章第四節探討學生學習動機、學習投入與學習 成效之相關研究，並提出假設如下：H1：學生學習動機對學生學習成效有正向顯 著影響；H2：學生學習動機對學生學習投入有正向顯著影響；H3：學生學習投 入對學生學習成效有正向顯著影響；H4：學生學習投入在影響學生學習動機與學 習成效關係中具有中介效果。因此，本節即以前述的假設為基礎，運用結構方程 模式來加以驗證，並建構出理論模型。本節共分成四個部分：壹、學生學習動機、
學生學習投入與學生學習成效之線性結構關係的理論模型；貳、模式之整體適配 度考驗；參、學生學習動機、學生學習投入與學生學習成效的線性測量模式之標 準化參數估計；肆、學生學習動機、學生學習投入與學生學習成效的線性結構模 式之各變項間的效果；最後，學生學習動機、學生學習投入與學生學習成效之線 性結構關係的綜合討論。
壹、學生學習動機、學生學習投入與學生學習成效之線性結 構關係的理論模型
基於文獻探討，本研究將「學生學習動機 (LM) 」做為潛在自變項，並分為 內、外在動機；學業、角色認同；自我效能三個層面；「學生學習投入 (LEn) 」 做為潛在自變項，並分為主動投入、師生互動、認知努力三個層面；「學生學習 成效 (LO)」做為潛在依變項，並分為問題解決能力、基本能力與軟實力兩個層 面，且設定三條影響路徑分別為，學生學習動機直接影響學生學習投入，路徑係 數為γ1（學生學習動機→學生學習投入）、學生學習投入直接影響學生學習成效，
路徑係數為β1（學生學習投入→學生學習成效）、學生學習動機直接影響學生學 習成效，路徑係數為 γ2（學生學習動機→學生學習成效），以及含中介效果的學
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
生學習動機透過學生學習投入影響教學生學習成效（學生學習動機→學生學習投 入→學生學習成效）。基於上述，繪製而成圖 4-1 學生學習動機、學生學習投入 與學生學習成效之線性結構關係的理論模型。
圖 4-1 學生學習動機、學習投入與學習成效之線性結構關係的理論模型
貳、模式之整體適配度考驗
本研究模式依據絕對適配度指標、比較適配度指標、精簡適配度等三項指標 檢視模式之整體適配度；絕對適配指標方面採用χ2、RMSEA、GFI、AGFI、RMR、
SRMR 等指標參數；在比較適配指標方面採用 NNFI、NFI、IFI、CFI、RFI、ECVI 等指標參數；在精簡適配度檢定指標採用 NC、PNFI、PGFI 等指標參數，分析結 果如表 4-38 所示：
一、絕對適配度指標
（一）卡方值（χ2）
卡方值從 0 到正的實數，其值愈小，表示適合的情形愈好（余民寧，2012；
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
林震岩，2007）。當所計算出的卡方值未達顯著時，即表示模式與資料之間是適 配的；反之，則否（余民寧，2006）。本研究的報表顯示，理論模型與觀察資料 整體適配度卡方考驗 χ2= 45.515，N = 406，p＜.001，達顯著水準，表示觀察所 得之共變數矩陣與理論上的共變數矩陣均等的假設必須予以拒絕，亦即理論模式 與觀察資料並不適配，故判定不符合此標準。然而，卡方檢定對樣本數相當敏感，
並且資料是否呈現多變量常態分配有較嚴格的要求，一旦樣本過大或資料偏離多 變量常態分配會造成卡方統計量急遽上升而導致拒絕虛無假設。因此，尚須參考 其他重要適配指標作為評鑑之依據（李敦仁和余民寧，2005）。
（二）均方根近似誤（RMSEA）
RMSEA 值從 0 到 1 。RMSEA = 0，表示完全適配；RMSEA < .05，表示 良好適配；.05 < RMSEA < .08，表示合理適配；.08 < RMSEA < .10，表示普通適 配；RMSEA > .10，表示不良適配（余民寧，2006；吳明隆，2007，2009）。本 研究的報表顯示，RMSEA = .064，有合理適配程度，故判定符合此標準。
（三）適配度指標（GFI）
GFI 值從 0 到 1 ，其值愈接近1，表示模式的適配度愈佳；其值愈小，表 示模式的契合度愈差。GFI > .90，表示有良好的適配程度（余民寧，2006；吳明 隆，2007，2009；林震岩，2007）。本研究的報表顯示，GFI = .972，有良好適配 程度，故判定符合此標準。
（四）修正的適配度指標（AGFI）
AGFI 值從 0 到 1，其值愈接近1，表示模式的適配度愈佳；其值愈小，表 示模式的契合度愈差。AGFI > .90，表示有良好的適配程度（余民寧，2006；吳 明隆，2007，2009；林震岩，2007）。本研究的報表顯示，AGFI = .941，有良好 適配程度，故判定符合此標準。
（五）均方根殘差（RMR）
RMR 值從 0 到正的實數，愈小愈好，愈小的RMR值表示模式的適配度愈 佳。RMR < .05，表示殘差較小，具有良好的適配程度（余民寧，2006；吳明隆，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2007，2009；林震岩，2007）。本研究的報表顯示，RMR = .021，有良好適配程 度，故判定符合此標準。
（六）標準化均方根殘差（SRMR）
SRMR 值從 0 到正的實數，數值愈大，表示模式的契合度愈差，其值為0 時，表示模式有完美的契合度。SRMR < .05，表示殘差較小，具有良好的適配程 度（余民寧，2006；吳明隆，2007，2009）。本研究的報表顯示，SRMR = .040，
有良好適配程度，故判定符合此標準。
二、比較適配度指標
（一）非正規化適配指標（NNFI）
NNFI 值從 0 到 1，愈接近 1，表示模式適配度愈佳，指標值愈小表示模式 契合度愈差。NNFI > .90，表示有比較良好的適配程度（余民寧，2006；吳明隆，
2007，2009）。本研究的報表顯示，NNFI = .937，有良好適配程度，故判定符合 此標準。
（二）正規化適配指標（NFI）
NFI 值從0 到1，愈接近1，表示模式適配度愈佳，指標值愈小表示模式契合 度愈差。NFI > .90，表示有比較良好的適配程度（余民寧，2006；吳明隆，2007，
2009）。本研究的報表顯示，NFI = .950，有良好適配程度，故判定符合此標準。
（三）增值適配指標（IFI）
IFI 值從0 到1，愈接近1，表示模式適配度愈佳，指標值愈小表示模式契合 度愈差。IFI > .90，表示有比較良好的適配程度（余民寧，2006；吳明隆，2007，
2009）。本研究的報表顯示，IFI = .968，有良好適配程度，故判定符合此標準。
（四）比較適配指標（CFI）
CFI 值從 0 到1，愈接近1，表示模式適配度愈佳，指標值愈小表示模式契 合度愈差。CFI > .90，表示有比較良好的適配程度（余民寧，2006；吳明隆，2007，
2009）。本研究的報表顯示，CFI = .968，有良好適配程度，故判定符合此標準。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
（五）相對的非趨中性指標（RNI）
RFI 值從0 到1，愈接近1，表示模式適配度愈佳，指標值愈小表示模式契合 度愈差。RFI > .90，表示有比較良好的適配程度（余民寧，2006；吳明隆，2007，
2009）。本研究的報表顯示，RFI = .918，有良好適配程度，故判定符合此標準。
（六）期望的交叉驗證指標（ECVI）
ECVI 值從0 到1，愈小愈好，最好比飽和模式和獨立模式下的ECVI 值還小，
表示有良好的適配程度。其次，如果理論模式的ECVI 值落入95%信賴區間時，
表示模式可以被接受（余民寧，2006；黃芳銘，2004；黃芳銘，2005）。本研究 的報表顯示，理論模式的ECVI = .206，介於飽和模式ECVI（.178）和獨立模式 ECVI（2.295）之間；且理論模式的ECVI 值落入95%信賴區間（即.166 至.265 之 間），有良好適配程度，故判定符合此標準。
三、精簡適配度指標
（一）正規卡方值（NC）
NC 值從 0 到正的實數。NC < 1.0，表示模式可能過度辨識；1.0 < NC < 5.0，
表示有精簡適配程度；NC > 5.0，表示模式需要修正（余民寧，2006；吳明隆，
2007，2009；黃芳銘，2004）。本研究的報表顯示，雖然 χ2= 45.515，N = 406，
p < .001，達.001 顯著水準而未能適配，但是進一步計算其正規卡方值（χ
2/df），則NC = 2.677，介於 1.0 至 5.0 之間，有精簡適配程度，故判定符合此標準。
（二）精簡正規化適配指標（PNFI）
PNFI 值從 0 到1，較高較好，表示有精簡適配程度，一般以PNFI > .50 作 為模式適配度通過與否的標準（余民寧，2006；吳明隆，2007，2009；黃芳銘，
2005）。本研究的報表顯示，PNFI= .577，有精簡適配程度，故判定符合此標準。
（三）精簡的適配度指標（PGFI）
PGFI 值從0 到1，較高較好，表示有精簡適配程度，判別模式適配的標準，
一般皆採PGFI > .50 為模式可接受的範圍（余民寧，2006；吳明隆，2007，2009）。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參、學生學習動機、學生學習投入與學生學習成效的線性測 量模式之標準化參數估計
依據本研究之調查數據，並使用 IBM SPSS Amos 21 軟體進行結構方程模式 的標準化參數估計，結果如圖 4-2 所示。表 4-39 可見學生學習動機、學生學習 投入與學生學習成效的各層面之因素負荷量具有統計顯著性，且學生學習動機平 均變異萃取量 (average variance extracted, AVE) 為 .448，組合信度 (component reliability, CR) 為 .705；學生學習投入平均變異萃取量為 .384，組合信度為 .649；
學生學習成效平均變異萃取量為 .499，組合信度為 .666。Fornell 與 Larcker (1981) 及 Bagozzi 與 Yi (1988) 都建議潛在變項的 AVE 最好能超過 0.50，但實務上不是 很容易達到，故 AVE 至少有達到 0.30 或 0.40 的標準，即大致可以接受；Fornell 與 Larcker (1981) 則是建議潛在變項的 CR 值能達到 0.60 以上，顯示正式問卷具 有良好的信度與可接受的效度。
圖 4-2 學生學習動機、學生學習投入與學生學習成效的之線性結構關係的標準 化路徑係數
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
（三）外衍潛在變項「學生學習動機」對內衍潛在變項「學生學習成效」產生直 接效果（γ2 = .44），且達 .001 顯著水準，因此，本研究的 H1：學生學 習動機對學生學習成效有正向顯著影響，獲得支持。
二、
各潛在變項間的間接效果
外衍潛在變項「學生學習動機」透過內衍潛在變項「學生學習投入」對內衍 潛在變項「學生學習成效」產生間接效果（ .72 × .44 = .32），且達 .001 顯著水 準，表示學生學習投入具有「部分中介」效果，此結果意味學生學習動機會直接 影響學生學習成效，且有一部分是透過學生學習投入的中介進行影響，因此，本 研究的 H4：學生學習投入在影響學生學習動機與學習成效關係中具有中介效果，
獲得支持。
三、各潛在變項間的整體效果
（一）由於外衍潛在變項「學生學習動機」對內衍潛在變項「學生學習投入」無 間接效果，因此全體效果與直接效果的值同為 .72，且達.001 顯著水準。
（二）由於內衍潛在變項「學生學習投入」對內衍潛在變項「學生學習成效」無 間接效果，因此全體效果與直接效果的值同為 .44，且達.001 顯著水準。
（三）外衍潛在變項「學生學習動機」對內衍潛在變項「學生學習成效」的整體 效果為直接效果與間接效果相加（.44 + .32 = .76）而得，且達.001 顯著水 準。
表 4-40 正式問卷的結構模式摘要表
影響方向 參數 標準化係數
直接 效果
學生學習動機→學生學習投入 γ1 .72***
學生學習投入→學生學習成效 β1 .44***
學生學習動機→學生學習成效 γ2 .44***
間接 效果
學生學習動機→學生學習投入→
學生學習動機→學生學習投入→