即時分析系統的各項目解釋與說明

此分析功能主要利用 長條圖 呈現各題目被選擇的次數 以及呈現 描述性統計 結果。
勾選 欄位中的 單選按鈕 後,即會呈現該題的 長條圖
而在 總表 中,則利用 表格方式 呈現各題目選項 被填寫的次數 以及基本的 描述性統計表
交叉分析主要用來判斷兩變數是否具有相關性
在此利用 卡方檢定 統計方法
p值 <= 0.05
則表示兩變數 相關
p值 > 0.05
表示兩變數 不相關
差異分析主要是以基本資料與各頁籤中的滿意度題目做比較,探討構面是否會因為不同變項而有所差異
在此先進行了變異數檢定
p值 > 0.05
則不需進行事後多重比較
p值 <= 0.05
則進行事後多重比較(這裡採用'Tukey’s Test'),並會呈現出檢定圖型
若區間包含0,則無差異
若區間不包含0,則具有差異
結構方程模式目的在於探討複雜的變數相關性,是一種融合了 因素分析路徑分析 的多元統計技術,此模式可清晰地說明題目間的因果關係,並且應用於各種領域的問卷調查中。
例如
1.周君倚、陸洛(2014) ,針對了「數位學習系統使用者」的態度做調查,並以結構方程模式檢驗其研究模式;

2.Hasiao and Tseng(2020) 針對「護理師使用醫療管理信息系統使用意圖影響」做調查,使用結構方程模式檢驗其研究假設;

3.陳盈秀、陳昭秀(2020) 「以結構方程模式驗證工作需求與工作資源模型對藥物濫用防制人員的工作倦怠、離職意願之關係」。

 由上可知,結構方程模式對於問卷分析至關重要,並且能夠應用於多個領域。

適配度指標

(1) chisq:

 卡方值並無特定的標準,且會受到模式複雜程度與樣本數的影響,容易造成模式配適結果被拒絕,多作為參考用。

(2) RMSEA:

 為近似誤差均方根是一種缺適度指標,當值越小時表示模型與資料越適配,當適配度 <0.05 時表示模式良好、介於 0.05 與 0.08 間時表示模式為合理範圍、 > 0.1 時模式不理想

(3) GFI:

 表示模型可解釋觀察變數資料之變異數,GFI 的合理配適度的範圍界在 0.8 至 0.89 內>0.9 為模式良好

(4) AGFI:

 為了避免 GFI 因為樣本數過大、自由度太大而造成偏誤而採用, > 0.9 為良好配適度,但估計參數過多、樣本數小時 AGFI 有可能會被低估

(5) SRMR:

 SRMR 越小模式適配程度越好,等於 0 時模式完美配適, < 0.05 時配適度良好, < 0.08 時在可接受的範圍內

(6) CFI:

 不受樣本數大小影響,CFI 介於 0 至 1 之間 ,且最好 > 0.9 ,越接近 1 代表模式契合程度越高,但不代表是完美配適

(7) NFI:

 與 CFI 相同值皆 介於 0 至 1 之間 通常 CFI 採用 > 0.9 的標準

(8) PNFI:

 當越接近飽和模型時,會容易被低估,一般建議要以 0.5 為標準,表示模型沒有過度的複雜

(9) PGFI:

 越接近 1 表示模型越簡單,且 > 0.5 時,為良好的模型

八種品質指標

(1) R-squared:

 當 R-squared > 0.3 ,代表模式適配度十分完善,表示模式對解釋構面(潛在變項程度)

(2) f-squared:

 表示外生變數對內生變數的影響力, 當 0.02 < f-squared < 0.15 屬於弱度影響,當 0.15 < f-squared < 0.35 屬於中度影響,當 f-squared > 0.35 屬於強度影響

(3) AVE:

 AVE不僅可以評判信度,亦代表收斂效度(Discriminate validity),當 AVE > 0.5 表示具有收斂效度。

(4) CR:

 若潛在變項的CR值越高,其測量變項是高度相關的。若 CR > 0.7 ,表示SEM模式具有組合信度

(5) Cronbach’s α:

 若 α < 0.35 表示低信度, 0.35 < α < 0.70 表示中信度, α ≥ 0.7 表示高信度

(6) HTMT:

 當 HTMT < 1 時,表示具備區別效度

(7) VIF:

 VIF值需 < 5 ,介於5至10之間可能會發生共線性問題。

(8) SRMR:

 數值介於0到1之間,若 SRMR < 0.08 ,即代表具有良好的適配度

匯入資料