ௐˬ༼ ܧᄮۢԫਕ၆ጯ௫јಶ̝ᇆᜩ
3. 雙親職業地位
雙親職業地位選用家長問卷中「父親(含繼父、養父)：您的職業類別」（w1faocc）
以及「母親(含繼母、養母)：您的職業類別」（w1moocc）做為指標，變項數值依據黃 毅志（2003）所建構的「台灣地區新職業聲望與社經地位量表」分別給予，「各級學 校教師(含幼教)」為 6 分、「政府公務人員(含軍警)」為 6 分、「法官、律/醫師、工程/
會計師」為6 分、「專技人員(需學位證照)」為 5 分、「事／業務人員(需學位證照)」
為4 分、「買賣或服務工作人員」為 3 分、「生產、設備操作及體力工」為 2 分、「從 來沒有工作過」為1 分和「其他職業」設定為遺漏值。
（二）學生的性別
學生的性別變項選用第一波學生問卷的「你的性別」（w1s502），該進行虛擬編碼
（dummy variable），將「男生」界定為 0；「女生」為 1。
（三）學生的族群
學生的族群變項採用第一波家長問卷的「父親（含繼父、養父）：您父親是哪裡 人（w1faethn）」，該變項進行虛擬編碼，將「原住民族」界定為 0；「本省閩南人」、
「本省客家人」、「大陸各省市」設定為「漢民族」界定為1；「其他」設定為遺漏值。
（四）先前學習成就
先前學習成就變項選用第一波國中學生問卷中的「用3-p 模式估算「綜分析能力 測驗」學生能力（可與各波各學程比較）」（w1all3p）為指標。
˟ăĶܧᄮۢԫਕķតี
非認知技能共有「遵守規範」、「勤勉進取」和「通情達理」三個行為構面，題目 計分說明依序如下：
（一）遵守規範（Rule Obeying, RO）
遵守規範構面選用學生問卷中的「這學期以來，你有做過考試作弊」（w1s508）、
「這學期以來，你有做逃學或翹課」（w1s509）和「這學期以來，你有做在學校打架，
或和老師起衝突」（w1s510）依序命名為 RO1、RO2 和 RO3 變項簡稱。測量題目為 四點量表，透過反向計分為「從來沒有」為4 分，「偶爾有」為 3 分，「有時有」為 2 分，「經常有」為1 分，分數越高代表國中學生越能遵守規範。
（二）勤勉進取（Industry and Effort, IE）
勤勉進取構面選用學生問卷中的「從小學開始，我從不會讓別的事耽誤功課」
（w1s535）、「從小學開始，我回家都會複習上課教的東西」（w1s536）和「從小在學 習上碰到困難，我會設法搞懂」（w1s537）分別給予 IE1、IE2 和 IE3 變項簡稱。計分 方式為透過反向計分為「非常符合」為4 分，「符合」為3 分，「不符合」為2 分，「非 常不符合」為1 分，分數越高代表國中學生越勤勉進取。
（三）通情達理（Reasoning, RE）
通情達理構面選用學生問卷中的「我一向冷靜穩重，很少心浮氣躁」（w1s540）、
「對在活動中如何分工協調，我頗有概念」（w1s546）、「不論大小事，我都能有條不 紊的規劃清楚」（w1s547）、「無論和什麼人我都能合作的很好」（w1s548）和「生活 中沒有多少問題難得倒我，我總有辦法解決」（w1s551）依序命名為 RE1、RE2、RE3、
RE4 和 RE5。測量題目為四點量表，透過反向計分為「非常符合」為 4 分，「符合」
為3 分，「不符合」為 2 分，「非常不符合」為 1 分，分數越高代表國中學生越通情達 理。
ˬăĶጯ௫јಶķតี
學習成就變項選用第二波國中學生問卷中的「用3-p 模式估算「綜分析能力測驗」
學生能力（可與各波各學程比較）」（w2all3p）為指標。
ܑ3-1 ࡁտតีЩჍăؠཌྷീณ͞ё
ܑ3-1 ࡁտតีЩჍăؠཌྷീณ͞ёĞᜈğ
ܑ3-1 ࡁտតีЩჍăؠཌྷീณ͞ёĞᜈğ
តี̶ᙷ តีѨ̶ᙷ ώ͛តีЩჍ TEPS តีЩჍĞᗟཱིğ ؠཌྷᄃീณ͞ё
非認知 技能
通情達理
（RE）
RE4 無論和什麼人我都能合作的很好
（w1s548） 經反向計分為「非常符合」為4 分，「符合」為3 分，「不 符合」為2 分，「非常不符合」為 1 分。分數越高代表國中 學生越通情達理。
RE5 生活中沒有多少問題難得倒我，
我總有辦法解決（w1s551）
認知 技能
先前學習
成就 PSA 第一波用3-p 模式估算「綜分析能
力測驗」學生能力（w1all3p） 第一波IRT 估算學生綜合分析能力。
學習成就 SA 第二波用3-p 模式估算「綜分析能
力測驗」學生能力（w2all3p） 第二波IRT 估算學生綜合分析能力。
資料來源：修改自張苙雲（2003b）、張苙雲（2003c）和張苙雲（2003d）。
ௐ̣༼ ࡁտྤफ̶़ژ
本研究透過統計套裝軟體PASW（Predictive Analytics Software）第 19.0 版和 AMOS（Analysis of Moment Structures）第 20.0 版進行統計分析。研究所採用統計方 法為「結構方程模式」（structural equation modeling, SEM）分析，其屬於多變量統計
（multivariate statistics）的一環，由瑞士籍的統計學者 Karl Jöreskog 於 1970 年代提出 相關概念，根據諸多學者的觀點（吳明隆，2007；李茂能，2006；李茂能，2009；邱 皓政，2011；張偉豪，2011；陳順宇，2007；黃芳銘，2010；榮泰生，2008；Hair , Black, Babin, Anderson, & Tatham, 2006; Jöreskog & Sörbom, 1996; Kline, 2011），將透過結構 方程模式特性來說明本研究採用此統計分析的原因：
第一， 結構方程模式最重要的特性為具有理論先驗性，即該分析方法需要先透 過理論模型的提出，才能進行後續的適切性考驗。本研究正可以透過結構方程模式來 驗證「非認知技能」在我國的理論適用度，不論適切與否均可以帶來後續研究者的參 考及可供理論修正的空間。
第二，結構方程模式同時處理測量與分析問題，不僅估計測量的誤差，也可以評 估測量的信度和效度。而「非認知技能」正屬於不可直接觀察的構念，經結構方程模 式正可透過潛在變項的型式，利用觀察變項的模型來加以估計。
第三，結構方程模式適用大樣本之分析，基本上要大於200 個以上的樣本數。而 本研究正透過TEPS 次級資料庫來進行資料分析，而本研究的樣本數為 9,391 筆資料，
超過200 個樣本數，適用本資料分析方法。
第四，結構方程模式包含了許多不同的統計技術，即平均數檢定的變異數分析和 線性關係的迴歸分析兩大範疇。而本研究「非認知技能」涉及大量的變項分析，也需 要一般線性模式分析技術來整合變項，因此適用本資料分析。
研究者根據文獻探討後，依「結構方程模式」分析程序（圖3-3）發展非認知技 能的模型，經抽樣與測量過程後，接續透過參數估計等步驟達成研究目的，詳細統計
方法如下所述：
ဦ3-3 ඕၹ͞ሀёૄώԔ
資料來源：修改自邱皓政（2011：1-23）。