資料分析

本研究旨在發展適合大專院校一、二年級學生使用的多元智能量表，進行量表品質 考驗，並透過施測，了解目前大專院校一、二年級學生的多元智能分佈狀況。根據研究 目的在回收施測量表，運用 SPSS 17.0 與 AMOS 20 統計軟體進行資料分析，剔除無效樣 本之後，將以下列統計方法進行資料分析與處理。

一、檢驗大專院校學生多元智能量表題目的適切程度。統計方法以項目分析法及 Cronbach’s α信度係數考驗大專院校學生多元智能量表的各分項題目的相關程度，以 瞭解量表的信度及內部一致性。預試時進行項目分析法是測驗發展最根本的一項工作，

其主要目的是針對預試題目進行適切性的評估（邱皓政，2008），並作為本研究刪除不 良題目的指標之一。信度（reliability）代表量表的一致性或穩定性，在社會科學領 域中有關 Likert 量表的信度估計，以 Cronbach’s α係數是最多學者採用的（吳明隆，

2011）。本研究以 Cronbach’s α係數作為考驗本量表信度的依據，其信度在.7 以上的 問卷是可接受的最小信度（DeVellis，1991，Nunnally，1978）；信度高於.9 以上時為 最佳信度（Gay，1992）。

二、檢驗大專院校學生多元智能量表的建構效度。統計方法以結構方程模式

（Structural Equation Modeling, SEM）進行驗證性因素分析（Confirmatory Factor Analysis, CFA），考驗大專院校學生多元智能量表的建構效度。結構方程模式是在已有 理論基礎上，整合迴歸分析及因素分析的原理，也是整合路徑分析及因素分析的一種技 術，目的在於探索互相之間的關係，並利用因果模式、路徑圖等表示（榮泰生，2009，

Kline，1998）。結構方程模式可分成驗證性因素分析（Confirmatory Factor Analysis, CFA）及探索性因素分析（Exploratory Factor Analysis, EFA）。本研究採用驗證性因 素分析，以多元智能理論為建構基礎，來驗證受試學生的智能分佈是否符合，並檢驗多 元智能量表的適切性。本研究採以下各項指標作為模式配適度的評鑑（黃芳銘，2002；

吳明隆，2007，榮泰生，2009）。

配適度指標（Goodness Of Fit Index，GFI）

1.係指理論模式所能解釋的變異與共變的

（Adjusted Goodness Of Fit Index，AGFI）

將 GFI 依自由度的值加以調整，其值介於 Mean Square Error Of Approximation，RMSEA）

1.試圖修正卡方值對大樣本過度敏感缺點

指標 意義 判斷準則

增值適配指標

（Incremental Fit Index，IFI）

1.以母群體為基礎的、懲罰複雜模式的、

樣本獨立的、以相對於基線模式來評鑑 適配的指標。

2.其值介於 0~1 之間，值愈接近 1，表示 模式適配愈好，理想建議值在 0.9 以 上。

IFI＞ .9

比較適配指標

（Comparative Fit Index，CFI）

1.假設模型與無任何共變關係的獨立模型 差異情形量數。

2.其值介於 0~1 之間，值愈接近 1，表示 模式適配愈好，理想建議值在 0.9 以 上。

CFI> .9

三、大專院校學生在多元智能量表中各智能是否有顯著差異。統計方法以描述統計 描述受試者在量表中的得分佈狀況，以瞭解大專院校學生的多元智能的分佈狀況。描述 統計（descriptive statistics）是一種利用整理、描述、解釋資料的統計技術，也是 一套數據從原始資料轉換成可被理解的統計量數的操作程序。（邱皓政，2008） 描述統 計可分為集中量數（measures of central location）、變異量數（measures of variation）。 本研究利用標準差、平均數來描述資料的離散、變動情形。