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→