5.3. AnalysesStructural equation mo

5.3. Analyses

Structural equation models for categorical variables were used to assess the psychometric properties (dimensionality) of the ICT engagement scale. First, the measurement model was developed through an exploratory factor analysis (EFA) with promax rotation using a random half of the sample (Hypothesis 1). Second, the results based on the exploratory findings were cross validated through confirmatory factor analyses (CFA) using the other half of the sample. Two different models were specified, that is, a multi-factor model based on the results from the EFA to cross-validate them (Hypothesis 2), and, furthermore, a more parsimonious hierarchical g-factor model (g-factor CFA), assuming one general latent second-order factor (ICT engagement) representing the correlations among the first-order factors. Thus, in the multi-factor model the latent first-order factors were allowed to correlate, whereas the covariance among the first-order factors in the g-factor model was hypothesized to be explained fully by their regression onto the second-order factor (g-factor CFA).
For both CFA models, each manifest indicator was constrained to load on the first-order factor that it was designed to measure fol-lowing the EFA-model results. As an indicator for reliability,Cronbach’s alpha was computed for the items of each ICT engagement dimension as a measure of internal consistency. Furthermore, construct validity of ICT engagement dimensions was examined by correlating them with practical and theoretical computer knowledge as well as computer anxiety (Hypothesis 3).
As a result of our analysis, we give an overview of all items proposed to be included in the final measure of ICT engagement in Table A1 (Appendix A).
All exploratory (EFA) and confirmatory analyses (CFA) were conducted using structural equation modeling techniques with Mplus 7.0 (Muthén & Muthén, 1998–2012). Factors resulting from EFA were extracted by considering the residuals, the amount of variance explained and the interpretability of the results (Asparouhov & Muthén, 2009; Park, Dailey, & Lemus, 2002). For the CFA, robust weighted least squares estimator was applied (WLSMV) using the diagonal weight matrix with robust standard errors and mean-variance-adjusted v2 test statistics (Brown, 2006; Flora & Patrick, 2004). Several fit statistics were used to eval-uate the estimated model, therein the v2 statistic (Schermelleh-Engel, Moosbrugger, & Müller, 2003). Because this test statistic is sensitive to sample size, other commonly used (descriptive) fit indices were considered as well. To further evaluate model fit, we used the Root Mean Square Error of Approximation (RMSEA), indicating an adequate fit if the value is less than 0.08 and a good fit if it is less than 0.05 (Browne & Cudeck, 1993); the Confirmatory Fit Index (CFI), and Tucker–Lewis Index (TLI) which both indicate good fit if their values exceed 0.95 (Hu & Bentler, 1999); and last, the Weighted Root Mean Square Residual (WMRM), indicating a good fit if it is less than 1.0.

ผลลัพธ์ (ไทย) 1:

5.3 วิเคราะห์โมเดลสมการโครงสร้างตัวแปรแตกถูกใช้ในการประเมินคุณสมบัติไซโครเมทริกส์ (มิติ) ของ ICT ระดับการมีส่วนร่วม ครั้งแรก รุ่นวัดถูกพัฒนาขึ้นผ่านการวิเคราะห์สำรวจปัจจัย (EFA) ด้วย promax หมุนใช้ครึ่งสุ่มตัวอย่าง (สมมติฐานที่ 1) ที่สอง ผลคะแนนจากผลสำรวจได้ข้ามผ่านปัจจัยเมื่อวิเคราะห์ (CFA) อีกครึ่งหนึ่งของตัวอย่างโดยใช้การตรวจสอบ สองแบบที่แตกต่างระบุ กล่าวคือ แบบหลายปัจจัยขึ้นอยู่กับผลลัพธ์จาก EFA เพื่อข้ามตรวจสอบพวกเขา (สมมติฐานที่ 2), และ นอกจากนี้ parsimonious มากขึ้นปัจจัยลำดับชั้น g แบบ (g-ปัจจัย CFA), สมมติว่าหนึ่งทั่วไปแฝงสองสั่งปัจจัย (ICT หมั้น) แสดงความสัมพันธ์ระหว่างปัจจัยลำดับแรก ดังนั้น ในรูปแบบปัจจัยหลายปัจจัยแฝงอยู่ลำดับแรกที่ได้รับอนุญาตให้สร้างความสัมพันธ์ ในขณะที่ปัจจัยความแปรปรวนระหว่างลำดับแรกใน รุ่น g-ปัจจัยถูกตั้งสมมติฐานจะสามารถอธิบายได้อย่างเต็มที่ โดยการถดถอยบนตัวคูณสองใบสั่ง (g-ปัจจัย CFA)สำหรับทั้งสองรุ่น CFA ตัวบ่งชี้แต่ละรายการถูกจำกัดการโหลดบนตัวลำดับแรกมันถูกออกแบบมาเพื่อวัดผล fol-ควายเหล็กแบบ EFA เป็นตัวบ่งชี้ความน่าเชื่อถือ อัลฟาของ Cronbach ถูกคำนวณสำหรับรายการของแต่ละมิติการมีส่วนร่วมของ ICT เพื่อวัดความสอดคล้องภายใน นอกจากนี้ โครงสร้างอายุของ ICT มีส่วนร่วมมิติยาน โดยกำลังรวบรวมสำหรับพวกเขามีความรู้ทางทฤษฎี และปฏิบัติคอมพิวเตอร์เป็นคอมพิวเตอร์ความวิตกกังวล (สมมติฐานที่ 3)ผลการวิเคราะห์ของเรา เราให้ภาพรวมของสินค้าทั้งหมดที่นำเสนอที่จะรวมในวัดสุดท้ายของ ICT มีส่วนร่วมในตาราง A1 (ภาคผนวก A)สำรวจ (EFA) และเมื่อวิเคราะห์ (CFA) ทั้งหมดถูกดำเนินการโดยใช้เทคนิคกับ Mplus 7.0 (Muthén & Muthén, 1998 – 2012) การสร้างโมเดลสมการโครงสร้าง ปัจจัยที่เกิดจาก EFA ถูกสกัด โดยพิจารณาเหลือ จำนวนเงินของผลต่างอธิบายและ interpretability ผลลัพธ์ (Asparouhov & Muthén, 2009 สวน Dailey, & Lemus, 2002) สำหรับ CFA แข็งแกร่งเฉลี่ยกำลังสองน้อยสุดประมาณประยุกต์ (WLSMV) ใช้เมตริกซ์ทแยงมุมน้ำหนักกับข้อผิดพลาดมาตรฐานแข็งแรงทนทานและสถิติทดสอบหมายถึงอะไรต่างปรับ v2 (น้ำตาล 2006 พืชและแพทริก 2004) สถิติหลายพอดีใช้ eval uate แบบประเมิน บัญญัติสถิติ v2 (Schermelleh Engel, Moosbrugger, & Müller, 2003) เนื่องจากสถิติการทดสอบนี้มีความสำคัญกับขนาดของตัวอย่าง ใช้พอดี (อธิบาย) ดัชนีถูกพิจารณาเป็นอย่างดี การ ประเมินรูปแบบพอดี เราใช้การรากหมายถึงตารางข้อผิดพลาดของประมาณ (RMSEA), ระบุความพอดีพอถ้าค่าน้อยกว่า 0.08 และเหมาะสมถ้าเป็นน้อยกว่า 0.05 (ชิ้น & Cudeck, 1993); เมื่อดัชนีพอดี (CFI), และ Tucker – ลูอิสดัชนี (TLI) ซึ่งทั้งสองระบุเหมาะหากค่าเกิน 0.95 (Hu & Bentler, 1999); และล่า สุด การถ่วงน้ำหนักรากหมายถึงตารางเหลือ (WMRM), ระบุพอดีถ้ามันน้อยกว่า 1.0

ผลลัพธ์ (ไทย) 2:

5.3 การวิเคราะห์

แบบจำลองสมการโครงสร้างสำหรับตัวแปรเด็ดขาดถูกนำมาใช้ในการประเมินคุณสมบัติทางจิตวิทยา (มิติ) ของขนาด ICT หมั้น ครั้งแรก, รุ่นวัดได้รับการพัฒนาผ่านการวิเคราะห์ปัจจัยสอบสวน (EFA) กับการหมุน Promax ใช้ครึ่งสุ่มของกลุ่มตัวอย่าง (สมมติฐาน 1) ประการที่สองผลขึ้นอยู่กับผลการวิจัยสำรวจถูกข้ามผ่านการตรวจสอบการวิเคราะห์องค์ประกอบเชิงยืนยัน (CFA) โดยใช้อีกครึ่งหนึ่งของกลุ่มตัวอย่าง สองรูปแบบที่แตกต่างกันมีการระบุว่าเป็นรูปแบบหลายปัจจัยขึ้นอยู่กับผลจากปวงชนข้ามตรวจสอบพวกเขา (สมมติฐาน 2) และนอกจากนี้เค็มมากขึ้นรุ่น G-ปัจจัยลำดับชั้น (G-ปัจจัย CFA) สมมติว่าปัจจัยหนึ่งที่แฝงอยู่ทั่วไปลำดับที่สอง (มีส่วนร่วมของไอซีที) เป็นตัวแทนของความสัมพันธ์ระหว่างปัจจัยแรกที่สั่งซื้อ ดังนั้นในแบบหลายปัจจัยแฝงปัจจัยแรกที่สั่งซื้อได้รับอนุญาตให้มีความสัมพันธ์ในขณะที่แปรปรวนในหมู่ปัจจัยลำดับแรกในรุ่น G-ปัจจัยที่ถูกตั้งสมมติฐานที่จะอธิบายได้อย่างเต็มที่โดยการถดถอยของตนไปยังปัจจัยที่สอง-order ( G-ปัจจัย CFA).
สำหรับทั้งสองรุ่น CFA, แต่ละตัวบ่งชี้ที่ประจักษ์ถูกบีบบังคับให้โหลดบนปัจจัยแรกการสั่งซื้อว่ามันถูกออกแบบมาเพื่อวัด Fol-ควายเหล็กผลการศึกษาเพื่อปวงชนรุ่น เป็นตัวบ่งชี้สำหรับความน่าเชื่อถือให้อัลฟาครอนบาคได้รับการคำนวณสำหรับรายการของแต่ละมิติไอซีทีมีส่วนร่วมเป็นตัวชี้วัดความมั่นคงภายในที่ นอกจากสร้างความถูกต้องของไอซีทีมิติการมีส่วนร่วมได้รับการตรวจสอบโดยความสัมพันธ์ระหว่างพวกเขามีความรู้คอมพิวเตอร์ในทางปฏิบัติและทฤษฎีเช่นเดียวกับเครื่องคอมพิวเตอร์ของความวิตกกังวล (สมมติฐาน 3).
ในฐานะที่เป็นผลมาจากการวิเคราะห์ของเราเราจะให้ภาพรวมของทุกรายการที่นำเสนอจะถูกรวมอยู่ในขั้นสุดท้าย ตัวชี้วัดของการมีส่วนร่วมด้านไอซีทีในตาราง A1 (ภาคผนวก A).
ทั้งหมดสอบสวน (EFA) และการวิเคราะห์ยืนยัน (CFA) ได้ดำเนินการโดยใช้เทคนิคการสร้างแบบจำลองสมการโครงสร้างที่มี Mplus 7.0 (Muthén & Muthén, 1998-2012) ปัจจัยที่มีผลมาจากปวงชนถูกสกัดโดยพิจารณาเหลือปริมาณของความแปรปรวนการอธิบายและ interpretability ของผล (Asparouhov & Muthén 2009; Park, Dailey และ Lemus 2002) เดอะ สำหรับ CFA แข็งแกร่งถ่วงน้ำหนักน้อยสี่เหลี่ยมประมาณการถูกนำมาใช้ (WLSMV) โดยใช้เมทริกซ์น้ำหนักเส้นทแยงมุมกับข้อผิดพลาดมาตรฐานที่แข็งแกร่งและมีค่าเฉลี่ยความแปรปรวนปรับสถิติทดสอบ V2 (สีน้ำตาล 2006; Flora & แพทริค, 2004) สถิติพอดีหลายคนถูกนำมาใช้เพื่อ EVAL-uate รูปแบบการประเมินอยู่ในนั้นสถิติ V2 (Schermelleh-Engel, Moosbrugger และมุลเลอร์ 2003) เพราะสถิติการทดสอบนี้มีความสำคัญที่จะลิ้มลองขนาดอื่น ๆ ที่ใช้กันทั่วไป (พรรณนา) ดัชนีพอดีได้รับการพิจารณาเช่นกัน เพื่อประเมินพอดีรุ่นเราใช้ข้อผิดพลาดค่าเฉลี่ยกำลังสองของการประมาณ (RMSEA) แสดงให้เห็นพอดีเพียงพอถ้าค่าน้อยกว่า 0.08 และเป็นแบบที่ดีถ้ามันมีค่าน้อยกว่า 0.05 (บราวน์และ Cudeck, 1993); ยืนยัน Fit ดัชนี (CFI) และทักเกอร์ลูอิสดัชนี (TLI) ซึ่งทั้งสองแสดงให้เห็นแบบที่ดีถ้าค่าของพวกเขาเกิน 0.95 (Hu และ Bentler, 1999); และที่ผ่านมาถ่วงน้ำหนักค่าเฉลี่ยกำลังสองที่เหลือ (WMRM) แสดงให้เห็นเป็นแบบที่ดีถ้ามันมีค่าน้อยกว่า 1.0

ผลลัพธ์ (ไทย) 3:

5.3 . การวิเคราะห์โมเดลสมการโครงสร้างตัวแปรเชิงกลุ่มถูกใช้เพื่อประเมินคุณสมบัติไซโครเมตริก ( dimensionality ) ของไอซีที คู่ ขนาด แรก , การวัดรูปแบบการพัฒนาผ่านการวิเคราะห์ปัจจัยเชิงสำรวจ ( EFA ) กับการหมุนโปรแมกซ์ใช้ครึ่งหนึ่งของตัวอย่างสุ่ม ( สมมติฐานที่ 1 ) ประการที่สอง ผลที่ได้จากผลการวิจัยเชิงสำรวจตรวจสอบ วิเคราะห์องค์ประกอบเชิงยืนยัน และข้ามผ่าน ( CFA ) ใช้ครึ่งหนึ่งของกลุ่มตัวอย่าง สองรุ่นต่างกันที่ระบุไว้ นั่นคือ ปัจจัยหลายแบบขึ้นอยู่กับผลจาก EFA ที่จะข้ามตรวจสอบพวกเขา ( สมมติฐานที่ 2 ) และ นอกจากนี้ รูปแบบการตระหนี่ g - ปัจจัย ( g - ปัจจัย CFA ) สมมติว่าหนึ่งทั่วไป ปัจจัยที่สองแฝง ( ICT หมั้น ) แสดงความสัมพันธ์ระหว่าง ปัจจัยแรก . ดังนั้น ในรูปแบบปัจจัยหลายปัจจัยแรกแฝงได้รับอนุญาตให้มีความสัมพันธ์ และความแปรปรวนร่วมของปัจจัยแรกใน g - ปัจจัยรูปแบบการดำเนินชีวิตที่จะอธิบายอย่างเต็มที่โดยการถดถอยของตนลงบนปัจจัยที่สอง ( g - ปัจจัย CFA )ทั้ง 4 รุ่น แต่ละรายการตัวบ่งชี้ที่ถูกบังคับให้โหลดบนองค์ประกอบแรกที่ถูกออกแบบมาเพื่อวัด fol lowing รูปแบบ EFA ผลลัพธ์ เป็นดัชนีวัดความเชื่อมั่นครอนบาคแอลฟาถูกคำนวณสำหรับแต่ละรายการของไอซีทีหมั้นมิติเป็นตัวชี้วัดความสอดคล้องภายใน นอกจากนี้ ความตรงตามโครงสร้างของมิติหมั้นไอซีทีตรวจสอบโดยเทียบเคียงกับการปฏิบัติและทฤษฎีความรู้คอมพิวเตอร์ รวมทั้งความวิตกกังวล ( 1 3 )ผลของการวิเคราะห์ของเรา , เราให้ภาพรวมของรายการทั้งหมดที่เสนอให้รวมอยู่ในมาตรการสุดท้ายของไอซีทีหมั้นตาราง A1 ( ภาคผนวก )ทั้งหมดเครื่องมือ ( EFA ) และการวิเคราะห์องค์ประกอบเชิงยืนยัน ( CFA ) การใช้โมเดลสมการโครงสร้างด้วยเทคนิคมพลัส 7.0 ( มุธé n é n & มุธ , 1998 – 2012 ) ปัจจัยที่เป็นผลจาก EFA ถูกสกัดโดยพิจารณาจากค่าความแปรปรวนได้ ปริมาณและ interpretability ของผลลัพธ์ ( asparouhov & มุธé n , 2009 ; ปาร์ค เดลีย์ และ lemus , 2002 ) สำหรับ CFA ( ถ่วงน้ำหนักกำลังสองน้อยที่สุดประมาณประยุกต์ ( wlsmv ) โดยใช้เมทริกซ์น้ำหนักเส้นทแยงมุมกับข้อผิดพลาดมาตรฐานและสถิติทดสอบความแปรปรวน ( หมายถึงปรับ V2 ( สีน้ำตาล , 2006 ; พืชและแพทริค , 2004 ) สถิติแบบหลายใช้ eval uate ประมาณนางแบบ ใน V2 สถิติ ( schermelleh เจลมูสเบรอเกอร์ , & M ü ller , 2003 ) เพราะสถิติการทดสอบนี้มีความไวต่อขนาดตัวอย่าง , อื่น ๆที่ใช้บ่อย ( บรรยาย ) ดัชนีพอดี ถือว่าได้เป็นอย่างดี เพิ่มเติม ประเมินแบบพอดี เราใช้ Root Mean Square Error of ประมาณ ( RMSEA ) แสดงว่ามีเพียงพอ พอดี ถ้ามูลค่าน้อยกว่า 0.08 และพอดี ถ้ามันเป็นน้อยกว่า 0.05 ( บราวน์ & cudeck , 1993 ) ; ดัชนีพอดียืนยัน ( CFI ) และเกอร์–ดัชนี ( tli ) ลูอิส ซึ่งทั้งสองแสดงพอดี ถ้าค่าของพวกเขาเกิน 0.95 ( Hu & bentler , 1999 ) ; และสุดท้ายรากกำลังสองเฉลี่ยถ่วงน้ำหนักตกค้าง ( wmrm ) แสดงพอดี ถ้ามันเป็นน้อยกว่า 1.0