資料處理

問卷調查所得之資料係採 SPSS V12.0 for Windows 作為資料分析工具。為 達到本研究目的，並進行模式驗證，本研究使用資料分析方法包括敘述統計、因 素分析、問卷信度分析、獨立樣本平均數 t 檢定、單因子變異數分析與結構方程 模式等統計方法，茲分述如下。

壹、描述統計

本研究針對研究問題「一、臺東縣國民小學四至六年級新住民子女之同儕關 係為何」、「二、臺東縣國民小學四至六年級新住民子女之學習適應為何」進行平 均數、標準差分析，以瞭解臺東縣國民小學四至六年級新住民子女之同儕關係與 學習適應的現況。

本研究係使用敘述統計的統計平均數、次數分配與標準差，統計回收的樣本 統計分布情形，以有效了解樣本個人之背景變項分布情形。統計項目有：性別、

年級、手足數、排行、母親國籍、父/母親教育程度、父/母親教養態度及父/母親 職業等，藉以分析樣本回收情形各種資料之統計量。

貳、皮爾遜積差相關

本研究針對研究問題「三、臺東縣國民小學四至六年級新住民子女之同儕關 係與學習適應之相關情形為何」，將同儕關係與學習適應兩種變數所得資料視為雙 變項資料，進行皮爾遜積差相關分析，並以γ表示積差相關，γ係數範圍在－1.00 至 1.00 之間，相關情形則包括完全負相關、負相關、零相關、正相關、完全正 相關。

參、獨立樣本平均數 t 檢定

本研究針對不同性別新住民子女之正式問卷施測結果，將性別設定為自變 項，同儕關係及學習適應為依變項，進行獨立樣本平均數 t 考驗，以瞭解不同性 別新住民子女的同儕關係與學習適應是否有所差異。

肆、單因子變異數分析

本研究針對研究問題「四、不同背景變項之臺東縣國民小學四至六年級新住 民子女在同儕關係是否有所差異」、「五、不同背景變項之基隆市國民小學四至六 年級新住民子女在學習適應是否有所差異」，將年級、手足數、排行、母親國籍、

父/母親教育程度、父/母親教養態度及父/母親職業等設定為自變項，同儕關係與 學習適應為依變項，進行單因子變異數分析，若 F 值達顯著水準，則進行 Scheff’e 法事後比較。

伍、結構方程模式的關係檢定

在本研究問題「六、臺東縣國民小學四至六年級新住民子女同儕關係對學習 適應在結構方程模式的關係」的部分，本研究以結構方程模式來檢定其關係。

一、資料處理方法

本研究為瞭解新住民子女同儕關係對學習適應因素為何？嘗試建立結構 方程模式分析。以結構方程模式(SEM)探討新住民子女同儕關係對學習適應 之間關係。本研究將提出以下結構方程模式：

結構方程模式一：以新住民子女同儕關係中喜愛友伴同儕關係為潛在變 項，新住民國小四至六年級學童學習適應為依變項，則新住民子女喜愛友伴 潛在變項是否影響新住民國小四至六年級學童學習適應潛在變項。

結構方程模式二：與模式一一樣，但潛在變項改為為友伴所喜愛，其餘 變項都一樣。結構方程模式三：與模式一一樣，但潛在變項改為社交技能，

其餘變項都一樣。結構方程模式四：與模式一一樣，但潛在變項改為在團體 中覺得快樂，其餘變項都一樣。

整體來說，本研究架構四個結構方程模式，如以新住民子女同儕關係對 新住民國民小學四至六年級學童學習適應之潛在變項路徑圖，模式一可以圖 3-2 表示：

圖 3-2 新住民子女同儕關係與學習適應之路徑

圖 3-2 的符號意義說明如下:ξ1 表示喜愛友伴潛在變項(模式二表示為友 伴所喜愛潛在變項；模式三表示社交技能潛在變項；模式四表示在團體中覺得快 樂潛在變項)。η1 表示學習方法潛在依變項；η2 表示學習習慣潛在依變項；η3 表示學習態度潛在依變項。○：代表觀察不到的潛在變項。□：代表可觀察到的 變項，即在 X1-X4 的□中分別代表可觀察的喜愛友伴各題項。Y1-Y5 是影響學習 方法的變項。Y6-Y10 是影響學習習慣的變項。 Y11-Y15 是影響學習態度的變項。

λ1 為 X1 的估計係數。λ2 為 X2 的估計係數。λ3 為 X3 的估計係數。λ4 為 X4 的估計係數。λ5 至λ9 為 Y1 至 Y5 的估計係數。λ10 至λ14 為 Y6 至 Y10 的 估計係數。λ15 至λ19 為 Y11 至 Y15 的估計係數。r1 代表ξ1 對η1 的影響。r2 代表ξ1 對η2 的影響。r3 代表ξ1 對η3 的影響。δ1 至δ4 為各 X 變項的殘差 值。ε1 和ε15 為各 Y 變項的殘差值。

本研究模式意義與變項與潛在變項說明如下: 在 X1-X4 的□中分別代表可觀 察的喜愛友伴各題項，也就是：我盡可能躲開別人、有些人非常討厭我想修理他 們、我對朋友都保持距離比較安全、我喜歡與同學一起玩等變項屬高於平均值者，

以 X1-X4 代表。在學習方法潛在依變項方面：讀書時會將重點劃出來、遇到不懂 的會主動請教別人、時常複習上課的內容、上課時會把重點寫下來、考試會仔細 的檢查答案等，是影響學習方法的指標之一，也就是說學習方法高低代表某種程 度而言，對學習適應有助益，以 Y1-Y5 代表。在學習習慣潛在依變項方面：放學 後先寫功課、上課時專心聽講、準時繳交指定的作業、老師交代的學用品能帶到 學校、常常邊看電視邊寫作業等，是影響學習習慣的指標之一，也就是說學習習 慣高低代表某種程度而言，對學習適應有助益，以 Y6-Y10 代表。在學習態度潛在 依變項方面：喜歡來學校讀書、認為讀書很有幫助、是因為考試才念書、不喜歡 的科目還是會專心聽講、自己成績的好壞是自己的責任等，是影響學習態度的指 標之一，也就是說學習態度高低代表某種程度而言，對學習適應有助益，以 Y11-Y15 代表。以為友伴所喜愛為例，前述變項與潛在變項、潛在依變項關係如 表 3-6，表中+號表示測量變項與潛在變項、潛在依變項之間有正向關係；表中-號表示測量變項與潛在變項、潛在依變項之間有負向關係。

表 3-6 各變項與潛在變項的假設

變相與η1 關係 變相與η2 關係 變相與η3 關係 變相與ξ1 關係

Y1 + Y6 + Y11 + X1 +

Y2 + Y7 + Y12 + X2 -

Y3 + Y8 + Y13 + X3 -

Y4 + Y9 + Y14 + X4 -

Y5 + Y10 + Y15 +

二、檢定標準

本研究模式檢定以最大概似估計法，並運用下列各項檢定指標作為檢定 根據(余民寧，2006；邱皓政，2003；馬信行，1999；黃芳銘，2004；Joreskog

& Sorbom,1993)。

（一）絕對適配度檢定指標(absolute fit measure)

本研究結構方程模式的絕對適配度檢定指標如下：

(1)卡方值(?2)。卡方值是在檢定理論模式與觀察資料模式的適配程 度，以估計後不達顯著水準即(p＞.05)為判斷標準。

(2) Goodness-Of-Fit Index(GFI)。它的值會在 0-1 之間，但模式的 適配理想數值在.90 以上最好(Bentler,1982)。

(3) Adjusted Goodness-Of-Fit index(AGFI)。它的值會在 0-1 之間

，但是適配模式的理想數值在.90 以上最好(Bentler,1982)。

(4)殘差均方根(Root Mean Squared Residual,RMR)，理想數值必須 低於.05，最好低於.025。

(5)近似誤差均方根(Root Mean Square Error of Approximation ,RMSEA)，主要在找尋母群與模式的適配程度，其指標值應小 於或等於.05 表示「良好適配」；.05-.08 可視為「不錯的適配」

；.08-.10 之間可視為「中度適配」；大於.10 以上代表「不良 的適配」(黃芳銘，2004)。

（二）相對適配度檢定指標(relative fit measure)

本研究結構方程模式的相對適配度檢定指標如下：

(1) Non-Normed Fit Index (NNFI)，它的值在 0 與 1 之間，愈接近 1 愈好 ( Bentler & Bonett,1980)。

(2)正規化適配指標( Normed Fit Index, NFI )，它的值在 0 與 1 之 間，愈接近 1 愈好(Bentler & Bonett,1980)。

(3)比較適配指標( Comparative Fit Index , CFI )，它的值在 0 與 1 之間，愈接近 1 愈好(McDonald & Marsh, 1990)。

(4)增值適配( Incremental Fit Index, IFI )，它的值應在 0 與 1 之間，

愈接近 1 愈好(Bollen,1989)。

(5) Relative Fit Index (RFI)，它的值在 0 與 1 之間，愈接近 1 愈好。

（三）簡效適配指標(Parsimony fit measure)

(1) Parsimony Normed Fit Index (PNFI)，指標值應大於或等於.50。

(2)模式精簡適合度指標(Parsimony Goodness of Fit Index，PGFI)，

它的值在 0-1 之間，應以大於.50 以上會較好(Mulaik,James,Van Altine, Bennett, & Stilwell,1989)。

(3) Hoelter’s Critical N (CN)在反應樣本規模適切性，如果值 大於 200 以上為佳。

(4)卡方值除以自由度(?2/df)：它的適配值在 2 以下，就表示模 式適合度頗高(Marsh & Hocevar, 1985)。

（四）誤差分析的檢定指標

本研究模式的殘差分析有幾項檢定標準：模式的 Q 圖殘差分布線應 在 45 度或高於 45 度(即斜率大於 1)。模式內部適配標準(例如：標準誤 是否很大)；模型內品質(例如：標準化殘差值是否都小於 1.96)或修正 指標(例如是否都小於 3.84)等。