第三章 研究設計與實施
第五節 資料處理與分析
本研究為驗證各變項之間的關係，使用 IBM SPSS Statistics 19 for windows 7 進行問卷資料分析，所使用之統計方法為：描述性統計、獨立樣 本 t 考驗、單因子變異數分析、皮爾森積差相關分析、多元逐步迴歸分析，
並使用結構方程模式分析軟體 AMOS 16 進行模型路徑分析，茲說明如下：
一、描述性統計
本研究以描述性統計求取各變項之帄均值及變異數，分析高職室內設計 科學生知覺教師領導風格、班級氣氛與學生心流經驗之情形。
二、獨立樣本 t 檢定
本研究以 t 檢定分析不同背景變項的高職室內設計科學生，分冸在教師 領導風格、班級氣氛及心流經驗的差異情形。
三、單因子變異數分析
本研究以單因子變異數分析不同背景變項的高職室內設計科學生在感 知教師領導風格、班級氣氛及心流經驗的差異情形，並在達到顯著差異的 項目繼續施以 Scheffe 多重比較（Scheffe’s Multiple Comparison）以 了解各變項間的差異。
四、相關性分析
本研究以 Pearson 積差相關分析領導風格對班級氣氛和心流經驗；班級 氣氛對心流經驗各變項之間的相關程度分析。
五、迴歸分析
本研究以多元逐步迴歸分析，探討高職室內設計科學生知覺教師領導風 格、班級氣氛與學生心流經驗的預測力。
六、結構模式檢定
本研究之結構模式檢定，是以最大概似估計法，估計各迴歸加權係數參 數，以驗證高職室內設計科學生知覺教師領導風格、班級氣氛與學生心流 經驗之概念性架構適配度，以及三者間的影響關係，結構模式適配度之檢 測(Anderson & Gerbing, 1988) 如表 3-15 所示。
表 3-15
本研究測量模式適配度指標
適配度指標 冹斷準則
χ2（卡方檢定） 卡方值愈小愈好
χ2／ d.f. ratio（卡方值／自由度） ＜5 RMSEA （漸近誤差均方根） ＜0.06
CFI （比較適配度指標） ＞0.9
AGFI （調整後適配度指標） ＞0.9 NFI （基準適配度指標） ＞ 0.9 NNFI （非基準適配度指標） ＞ 0.9
本研究根據先前學者所建議的模式適配度指標，對本研究之模式加以 檢驗，茲說明如下：
卡方檢定(χ2)是由適配函數所轉換而來的統計量，反應了 SEM 假設模 型的導出矩陣與觀察矩陣之差異程度，若模式與資料之間有良好的適配 度，則統計檢驗之 P-Vaule 則不應該小於.05 的顯著水準。但易受到樣本 大小的影響，太小會導致不易顯著，太大會提高卡方值。
卡方自由度比(χ2/df)將樣本大小的影響問題加以考量，以卡方檢定 值與其自由度比值來檢定模式之適配度。而卡方自由度比(χ2/df)小於 5 時，表示模式具有理想的適配度。
均方根近似誤(Root-Mean-Square of Approximation, RMSEA)是用來衡 量某個具有未知但適當選定參數值之模式，用來適配母群體共變數矩陣時 的適配程度。RMSEA < 0.06 表示模式具有良好適配程度；0.06 < RMSEA <
0.08 表示模式適配程度能夠被接受，RMSEA > 0.08 為較不理想之適配程度。
適配度指標(Goodness-of-Fit Index, GFI)與廻歸分析內的解釋變異量 (R2)之功用是類似的，用來表示假設模型能夠解釋觀察資料的變異數與共變 數之比例。而適配度指標 GFI 之值若大於 0.8，即表示模式能被接受。
調整後適配度指標(Adjusted Goodness-of-Fit Index, AGFI)類似於廻歸 分析的調整後解釋變異量，在計算 GFI 係數時，將自由度納入考量之後所 計算出來的模式適配度指標。
基準適配指標(Normed Fit Index, NFI)反應了假設模型與一個觀察變項 間沒有任何共變假設的獨立模型之差異程度。NFI 應大於 0.9 以上，才能表 示模式具有良好的適配度。
非基準適配指標(Non-Normed Fit Index, NNFI)，則為即使一個具有理 想之適配度的假設模型，因為自由度的問題，導致 NFI 檢驗適配度出現低 估的現象，因此，NNFI 指標是考量了自由度因素的影響，能夠避免模型複 雜度的影響。而 NNFI 值應在 0.9 以上才能代表模式具有良好的適配程度。
比較適配指標(Comparative-Fit Index, CFI)，應大於 0.95 以上才稱得上 是良好的適配度。