測量模式檢定分析

本研究採用研究方法為最小偏方帄方（partial least squares，PLS）之電腦軟體 為 SmartPLS 2.0 M3 版，和檢測此結構模型當中路徑的顯著程度。本章主要說明本 研究的「國中原住民學生之生活壓力、休閒參與、休閒動機及休閒滿意度影響關 係」其問卷回收情形與分析結果，本研究問卷共發出 809 份，汰除未填答、漏答、

不符合原住民身分等情形之廢卷外，收回之有效問卷共 414 份，回收率達 51.17％。

本研究針對所回收來的有效問卷，進行測量工具性質（信度與效度）、研究假 設與概念模式的檢定。測量模型的檢定包括了內部一致性，收斂效度和區別效度 的檢驗。有關構面的內部一致性是評估變數的組合信度（composite reliability，CR）

進行考驗（Fornell and Larcker，1981）。Nunnally（1978）建議組成信度值應在 0.7 以上，以確定測量變項達到內部一致性，根據 Fornell and Larcker（1981）建議，

收斂效度可採用最小偏帄方法（PLS）之驗證性因素分析作為衡量依據，其中個別 主構面之組合信度（CR）應大於 0.70，而帄均變異萃取量（AVE）應大於 0.5，方 達可接受之收斂效度。當個別變項對於它們所測量的構面之因素負荷量夠高時

（>0.707），同樣也可達成收斂效度之要求（Straub et al., 2004）。

本研究構面所檢定的相關面向組成信度皆高於門檻值 0.707 以上，因此各構面 其面向之內部一致性均符合標準。

表 4-16

表 4-16 本研究模式變數之信度、效度整理表(續)

本研究針對此測量工具方法用於相關構面的區別效度進行考驗，以嚴謹驗證 本研究概念架構建立主要的研究變項之整體構面效度。各構面的區別效度之檢驗 主要在測量各潛在變項（latent variable）對於不同的構面之間的鑑別程度。每個變 項與測量同樣一個構面的其他變項之相關程度，應該要高於與測量不同構面變項 的相關係數。為了通過區別效度的驗證，個別構面抽取之帄均變異萃取量（AVE）

的帄方根，應大於該構面與模型中其他構面的共變關係（Chin，1998）。表 4-17 為 各構面之間的相關係數矩陣，對角線所列之值及該構面的帄均變異萃取量（AVE）

帄方根。由表可知，任兩個構面之間的相關係數皆小於該構面之測量變項的帄均 變異萃取量（AVE）帄方根。顯示出測量模型中各構面的變項確實彼此相異，本研 究所設計的問卷具有足夠的區別效度。

表 4-17

構面之相關係數與鑑別效度

休閒參與 同儕 學校 家庭 心理 感情 放鬆 教育 智力 未來 熟練 生理 社交 社會 美感 逃避 休閒參與 0.86

同儕 -0.26 0.78

學校 -0.11 0.39 0.81

家庭 -0.15 0.45 0.48 0.80

心理 0.66 -0.29 -0.21 -0.24 0.87

感情 -0.13 0.48 0.40 0.34 -0.18 0.76

放鬆 0.62 -0.27 -0.19 -0.28 0.80 -0.16 0.89

教育 0.57 -0.26 -0.20 -0.24 0.81 -0.18 0.75 0.88

智力 0.67 -0.24 -0.18 -0.18 0.77 -0.15 0.72 0.71 0.88

未來 -0.08 0.47 0.51 0.45 -0.18 0.44 -0.14 -0.13 -0.12 0.77

熟練 0.62 -0.24 -0.15 -0.22 0.76 -0.18 0.71 0.72 0.76 -0.12 0.86

生理 0.59 -0.31 -0.22 -0.21 0.80 -0.19 0.75 0.71 0.68 -0.23 0.70 0.84

社交 0.60 -0.28 -0.16 -0.23 0.76 -0.16 0.74 0.76 0.78 -0.12 0.79 0.70 0.84

社會 0.57 -0.31 -0.22 -0.25 0.79 -0.16 0.77 0.80 0.70 -0.18 0.73 0.73 0.81 0.87

美感 0.53 -0.18 -0.18 -0.16 0.65 -0.10 0.69 0.64 0.66 -0.09 0.62 0.57 0.62 0.66 0.85

逃避 0.57 -0.23 -0.20 -0.23 0.70 -0.15 0.76 0.66 0.68 -0.14 0.69 0.66 0.70 0.69 0.62 0.81

*對角線數值為潛在構面的帄均變異萃取量（AVE）帄方根。