線性迴歸分析

為了解所設立的研究假說是否成立，本研究透過回歸分析來驗證這些假說，各回歸式的實證結果列於表8。從表中的R平方/調整後R平方的數值來看，其模型街友相當之解釋力，其次，從第4條回歸式的方差膨脹因子(variance inflation factor, VIF)來看，各迴歸模型的VIF值介於1至1.4之間，顯示變數間不存在多重共線性問題。

       根據表8的結果來看，以使用ChatGPT動機構面為自變數，其他構面為應變數的前3條回歸結果的係數皆為正向顯著，顯示若大學生使用ChatGPT動機越高，則其對自我效能、程式設計素養、及新人也會越高，顯示回歸結果H1、H2及H3成立。

      其次從第4條回歸結果顯示，以學習成效為應變數的回歸模型：使用 ChatGPT 動機（H4）與信任（H6）對學習成效皆呈正向且顯著影響（p < .001及 p < .05），因此兩項假設成立，自我效能（H5）與程式設計素養（H7）雖呈正向，但未達顯著水準，故兩項假設不成立；此外，控制變項（性別、年齡、年級、科系、使用頻率及ChatGPT版本）在各模型中亦多未呈現顯著影響，與先前ANOVA分析結果一致。