受訪者性別為依變數之區別分析

以 49 個問卷題項使用逐步迴歸分析法，逐步選用高區 別力之題項變數進行探討。

表4-4-2-1相等母群共變異數矩陣的虛無假設檢定結果

Box's M 共變異數相等性檢定 19.633

F檢定 近似值 1.285

分子自由度 15

分母自由度 345345.170

顯著性 0.202

本部分是以Box's M 共變數相等性檢定性別之共變數矩

陣是否具有同質性（Homogeneity），顯著性0.202>α=0.05，得接受 性別之共變異數矩陣相等之虛無假設，符合區別分析的假設要求。

表4-4-2-2 Wilks' Lambda值

函數檢定 Wilks' Lambda值 卡方 自由度 顯著性

1 0.907 28.327 5 0.000

本部分是以Wilks' Lambda值檢定整組區別函數的區別

能力，Wilks' Lambda值0.907，卡方值28.327、顯著性0.000<α =0.05，

區別能力達顯著水準，效果不錯。

表4-4-2-3 逐步統計迴歸分析

統計量 精確的 F 值

步驟 輸入

Lambda

值

統計

量

分子

自由度

分母 自由度

顯著 性

1 V15是否常使我的知識

難題獲得解答 ^{.979 6.210 1 293.000 .013}

2 V20是否能增進自己對

不同性質書籍的閱讀 技巧

.957 6.606 2 292.000 .002

3 V17是否能使自己的班

級經營能力增加 ^{.942 5.988 3 291.000 .001}

4 V39是否能使教師與學

校形成良性互動 ^{.928 5.658 4 290.000 .000}

5 V38能否使自己獲得成

就感. ^{.907 5.920 5 289.000 .000}

輸入/刪除的變數(a,b,c,d)

在每個步驟輸入 將整體 Wilks' Lambda 值最小化的變數。

a 步驟個數的最大值是 98。

b 欲輸入的最小淨 F值是 3.84。

c 欲刪除的最大淨 F值是 2.71。

d F 水準、容忍度或 VIN 不足， 無法執行進一步的計算。

本部分使用逐步迴歸分析法，逐步選用高區別力之題項變

數進行探討，發現題項15、20、17、39、38有不錯表現，均達顯著。

表4-4-2-4 標準化的典型區別函數係數表

函數

1

V15是否常使我的知識難題獲得解答 .558 V17是否能使自己的班級經營能力增加 .596 V20是否能增進自己對不同性質書籍的閱讀技巧 -.756

V38能否使自己獲得成就感. .679

V39是否能使教師與學校形成良性互動 -.843

本部分是標準化後的典型區別函數，其函數個數恆比性

別組數少一，有二組將只有一條區別函數。其係數即重要性，係數絕 對值越大者，其重要性越高。正值部分以「能否使自己獲得成就感」

最高（0.679），其次為「是否能使自己的班級經營能力增加」（0.596）， 再次為「是否常使我的知識難題獲得解答」（0.558）；負值部分以

「是否能使教師與學校形成良性互動」（-0.843），其次為「是否能 增進自己對不同性質書籍的閱讀技巧」（-0.756），這幾個題項變數 將是判別男女受訪者的重要區別變數。

表4-4-2-5 Fisher's線性區別函數分類函數係數

性別

女 男

V15是否常使我的知識難題獲得解答 1.841 1.468

V17是否能使自己的班級經營能力增加 1.141 .731

V20是否能增進自己對不同性質書籍的

閱讀技巧 ^{1.389 1.931}

V38能否使自己獲得成就感. .972 .520

V39是否能使教師與學校形成良性互動 1.842 2.447

(常數) -13.224 -12. 861

本部分是依Fisher's線性區別函數分類函數係數，

分類函數係數可將觀察值分類，女男群組均有一組係數：

女=1.841*V₁₅+1.141*V₁₇+1.389*V₂₀+0.972*V₃₈+1.842*V₃₉-13.224 男=1.468*V₁₅+0.731*V₁₇+1.931*V₂₀+0.520*V₃₈+2.447*V₃₉-12.861 觀察值分類時，將每一個觀察值代入女男群組的分類函數，以其分類 函數值大小來比較，女>男則為女生；男>女則為男生。

表4-4-2-6 各組重心的函數

性別 函數

1

女 .322

男 -.316

未標準化的典型區別函數 以組別平均數加以評估

本部分是性別兩組樣本之區別分數的均數（重心），女性之重心

為0.322前面正值部分以「能否使自己獲得成就感」最高（0.679），

其次為「是否能使自己的班級經營能力增加」（0.596），再次為「是 否常使我的知識難題獲得解答」（0.558）幾個變數就是決定受訪者 為女性的主要區別變數。

男性之重心為-0.316前面負值部分以「是否能使教師與學校形 成良性互動」（-0.843），其次為「是否能增進自己對不同性質書籍 的閱讀技巧」（-0.756），這二個題項變數將是判別男受訪者的主要 區別變數。愈注重這二個題項，愈有可能是男性。

表4-4-2-7性別分類結果表^(a)

預測的各組成員 總和

性別 女 男

原始的個數 女 81 65 146

原始的個數 男 47 102 149

% 女 55.5 44.5 100.0 % 男 31.5 68.5 100.0

a 62.0% 個原始組別觀察值已正確分類。

本部分指出原為「女」者有146人，經區別函數指派為「女」

者有81人；原為「男」者有149人，經區別函數指派為「男」者有102 人。故此一區別函數正確判別率為62%（(81+102)/（146+149）

=183/295）。