資料分析

前側：信度與項目分析

發放並收回20位受試者的問卷，將資料進行信度與項目分析確保我們的問卷是有效且能夠收到我們所需的內容，最後進行修改。

信度分析：本研究採用 Cronbach's a 係數衡量各變數之內部一致性信度。

正式問卷：多元回歸分析

發放修改後的正式問卷給資訊與管理學院的學生，運用JASP進行多元回歸分析。在信賴區間為95%的情況下，p值<0.05的自變數對應變數具顯著性與影響，需要納入最後APP的提問；且我們的樣本數為225，自由度為224，臨界值約為1.960，如果t值的絕對值大於1.960，說明此變數對結果有統計上的影響。

我們同時也觀察了模型的R平方值與RMSE前者說明我們的模型的解釋能力，後者說明模型的預測能力，像在圖中，該模型的解釋能力雖然較弱僅有0.331，但預測能力的數值高達0.88。

正式問卷：關聯式分析

發放修改後的正式問卷給資訊與管理學院的學生，運用JASP進行關聯式分析。

當p值小於0.05時，我們得以拒絕H0假設，接受H1假設，說明兩個紓壓方式之間存在顯著關聯性，他們在統計上具有意義。當相關係數達到0.7時，顯示兩者具有高度相關，小於0.3則顯示兩者屬於低度相關。

紓壓方式：決策樹分析

利用回收問卷中的資料以及不同的紓壓方式，訓練決策樹分析，建立模型以預測得以改善APP使用者壓力的紓壓方式。

我們將依變數設為紓壓方式(例如：睡覺、看書等) ，自變數設為心理症狀、生理症狀、問題解決策略、尋求支持策略、逃避策略五大構面的分數。

我們在分析之前，對資料進行預處理。首先將自變數的分數分為25%, 50%, 75%, 100%四個群組，並分別給予VERY LOW, LOW, MEDIUM, HIGH, VERY HIGH五種標籤。在考慮樣本數的情況下，我們將成長方法設為CRT（Categorical Regression Trees），並將訓練樣本與測試樣本的比例設置為8：2。