第四章 資料處理與分析
第三節 結構方程模型分析
配。本研究學習自我效能及學習投入 RMSEA 值分別為0.127及0.131為不良 適配。根據Bentler & Yuan (1999) 表示 RMSEA 會在小樣本研究時有高估
貳、模型適配度分析
本研究使用 AMOS 20軟體進行結構方程模型分析(structural equation model, SEM)，以檢驗模式的適配程度及各別構面的關聯性。使用 SEM 驗 證模型的適配度為檢驗理論模式是否與資料試配，其中觀察指標以2為主，
但2容易受到樣本數量大小影響，因此還需要考慮其他相關統計指標 (Jöreskog and Sörbom , 1996)。本研究參考 Bagozzi and Yi (1988) 與 Jöreskog and Sörbom (1996) 的看法，訂定七項統計指標進行模型適配度的考驗，包 括2檢定、2自由度比、適配度指標 (GFI) 、調整後適配度指標 (AGFI)、
平均近似誤差均方根值 (RMSEA)、基準適配度指標 (NFI) 、及非基準適配 度指標 (NNFI)。
絕對適配度(absolute fit measures)的適配指標為 RMSEA、GFI、AGFI 等。GFI 及 AGFI 即類似於迴歸分析中的可解釋變異量 (R2) 及調整後可解 釋變異量 (Adjuested R2)，兩者皆為標準化數值，越接近1表示適配度越高。
RMSEA 是指假設模型與完美模型的差異程度，若數值越小則表示模型越理 想。若 RMSEA 小於0.05即為良好適配；0.05至0.08之間為合理適配；0.08 至0.1為中等適配；大於0.1為不良適配。
Hair 等人 (2010) 認為 GFI、AGFI 值越接近1越好，但並沒有一定的 檢驗標準，黃芳銘（2004）也表示究竟何種程度稱為理想適配也尚待討論。
從表4-11中可以看到，本研究的卡方自由度比 RMESA、GFI 皆有達到檢定
標準，AGFI 雖然偏低但也接近.8的水準，因此本研究模型在絕對適配度的
檢驗中尚稱適配。
表4-11
& Olsson (2001)、張偉豪（2011）及黃芳銘（2007）等國內外學者都建議應 該要高於0.5以上才能顯示模型沒有過度複雜。
如表4-13所示，本研究模型之檢效適配度指標 PNFI 及 PGFI 皆有達到 檢定值標準，因此本研究模型具有良好的簡效適配度。
表4-13
簡效適配度檢驗表
檢驗指標 檢定值 統計值
PGFI >.50 .641
PNFI >.50 .727
參、路徑分析
本研究以AMOS 統計軟體進行研究模型路徑分析，本節將說明研究模 型路徑分析之結果。本研究之模型路徑分析如下圖所示，其中「學習自我 效能」對「認知負荷」路徑係數為 -.257 (t=-3.337***)、「學習自我效能」
對「實用性價值」路徑係數為 .817 (t=11.136***)、「認知負荷」對「實用 性價值」路徑係數為 -.169 (t=-3.105**)、「認知負荷」對「學習滿意度」、
「實用性價值」對「學習投入」路徑係數為 .158 (t=2.570**) 以及「實用 性價值」對「學習學習滿意度」路徑係數為 .852 (t=10.895***)，皆有顯著 影響，唯有「認知負荷」對「學習投入」路徑係數為 .110 (t=1.791)沒有顯 著影響。構面解釋力的部分認知負荷解釋力有6.6%；實用性價值解釋力有 76.7%；學習投入解釋力有77.3%；學習滿意度解釋力有64.9%。
**p<0.01, ***p<0.001
表4-14
路徑分析假設檢定驗證表
假設 假設內容 檢定結果
H1 使用即時回饋系統之學習自我效能與認知負荷有
顯著負相關 支持
H2 使用即時回饋系統之學習自我效能與實用性價值
有顯著正相關 支持
H3 使用即時回饋系統之認知負荷與實用性價值有顯
著負相關 支持
H4 使用即時回饋系統之實用性價值與學習投入有顯
著正相關 不支持
H5 使用即時回饋系統之認知負荷與學習滿意度有顯
著負相關 不支持
H6 使用即時回饋系統之實用性價值與學習滿意度有
顯著正相關 支持
H7 使用即時回饋系統之認知負荷與學習投入有顯著
負相關 不支持