人口統計與遊憩環境選擇相關分析

本節以卡方檢定檢測受訪者性別、年齡、職業、月收入及教育程度之與遊憩 環境選擇之相關性，分述如下：

(一) 性別

在性別方面，分析結果卡方值為 66.943，達顯著水準，表示性別與遊憩環境 具有相關性。女性選擇「人為設施環境」者為最多，其次為「半人為環境」，而 男性選擇「半人為環境」者為最多，其次為「人為設施環境」，如表 4-10 所示。

表 4-10 性別與遊憩環境選擇卡方檢定

性別 遊憩環境類型

人為設施環境 半人為環境 自然環境 總和

男 218(43.9%) 234(47.1%) 45(9.1%) 497 女 197(73.2%) 70(26.0%) 2(0.7%) 269

總和 415 304 47 766

卡方值=66.943*** p=0.000

(二) 年齡

在年齡層方面，為避免理論次數在五以下產生誤差，故將人數小於五之組別 合併為：18 歲以下、19-30 歲合併為「30 歲以下」，31-40 歲、41-50 歲合併為 31-50 歲，51-60 歲、61-70 歲與 71 歲以上合併為「51 歲以上」。分析結果卡方值為 46.761，

達顯著水準，表示年齡與遊憩環境具有相關性。30 歲以下與 51 歲以上選擇「人為 設施環境」者為最多，31-50 歲選擇「半人為環境」者為最多，如表 4-11 所示。

表 4-11 年齡與遊憩環境選擇卡方檢定

年齡層 遊憩環境類型

人為設施環境 半人為環境 自然環境 總和

30 歲以下 219(57.2%) 157(41.0%) 7(1.8%) 383 31-50 歲 93(42.1%) 107(48.4%) 21(9.5%) 221 51 歲以上 103(63.6%) 40(24.7%) 19(11.7%) 162 總和 415(54.2%) 304(39.7%) 47(6.1%) 766

(三) 職業

表 4-13 月收入與遊憩環境選擇卡方檢定

月收入 遊憩環境類型

人為設施環境 半人為環境 自然環境 總和

3 萬元以下 186(71.0%) 68(26.0%) 8(3.1%) 262 3-7 萬元 190(47.5%) 187(46.8%) 23(5.8%) 400 7 萬元以上 39(37.5%) 49(47.1%) 16(15.4%) 104 總和 415(54.2%) 304(39.7%) 47(6.1%) 766 卡方值=59.882*** p=0.000

(五) 教育程度

在教育程度方面，為避免理論次數在五以下產生誤差，故將人數小於五之組 別合併，即將國小以下、國中(初中) 、高中(職)合併為「高中(職)以下」，大學(專)、

碩士以上合併為「大學(專)以上」。分析結果卡方值為 23.116，達顯著水準，表示 教育程度與遊憩環境具有相關性。「高中(職)以下」與「大學(專)以上」選擇「人 為設施環境」者最多，如表 4-14 所示。

表 4-14 教育程度與遊憩環境選擇卡方檢定

教育程度 遊憩環境類型

人為設施環境 半人為環境 自然環境 總和

高中(職)以下 202(62.5%) 104(32.2%) 17(5.3%) 323 大學(專)以上 213(48.1%) 200(45.1%) 30(6.8%) 443 總和 415(54.2%) 304(39.7%) 47(6.1%) 766 卡方值=15.792** p=0.000

綜合來看，人口統計變項與自行車遊憩環境選擇，皆達顯著差異，表示不同 性別、年齡、職業、月收入及教育程度與遊憩環境的選擇上具有關聯性，如表 4-15 所示。綜合上述，本研究假設二「人口統計變項與遊憩環境選擇相關」成立。

表 4-15 不同人口統計變項與遊憩環境選擇相關分析結果

變數 卡方值 自由度 P 值

性別 66.943 2 0.000

年齡 46.761 4 0.000

職業 36.671 9 0.000

月收入 59.882 4 0.000

教育程度 23.116 2 0.000

第六節 建立自行車騎乘者遊憩環境選擇模式

本節以人口統計、遊憩專業化與環境態度為自變數或解釋變數，以遊憩環境 為依變數或預測變數，建立自行車騎乘者遊憩環境的選擇模式。其中，自變數的 人口統計為類別變數，轉換成虛擬變數後投入模式分析，其餘的遊憩專業化與環 境態度則為連續變數。而依變數的遊憩環境為類別變數，原本有三種類型，分別 為「人為設施環境」、「半人為環境」與「自然環境」，因自然環境的樣本數過 少，僅 47 份，因此將「半人為環境」與「自然環境」合併為「半人為與自然環境」，

因此依變數共有兩種類別。本研究採用二元邏輯斯迴歸進行統計分析，利用機率 與勝算比(odds ratio)的概念進一步了解選擇不同遊憩環境的自行車騎乘者特性。本 研究利用逐步選擇法(向前 Wald)將以上所有的自變數，包括自行車騎乘者之人口 基本資料、遊憩專業化與環境態度投入邏輯斯迴歸模式，目的在擷取達顯著性的 預測變項，其餘變數則予以刪除，以便建立自行車騎乘者遊憩環境選擇之最適模 式。本節分為兩部份，第一部份以遊憩專業化三大構面建立自行車騎乘者遊憩環 境選擇之最適模式，第二部份以遊憩專業化次構面建立自行車騎乘者遊憩環境選 擇之最適模式。分析如下：

一、 以遊憩專業化三大構面建立自行車騎乘者遊憩環境選擇之最適模式 本研究的人口統計變數共五個非計量變項，包括性別、年齡、職業、個人月 收入、及教育程度；遊憩專業化的三大構面，包含：認知、情感與行為與環境態 度共四個計量變項。以上變項經逐步選擇法投入二元邏輯斯迴歸模式中，共擷取 出九個變項達顯著水準，分別為：行為、認知、環境態度、性別、年齡(年齡=31-50

歲、年齡=50 歲以上)與月收入(月收入=2-4 萬元、月收入=4-6 萬元、月收入=10 萬 元以上)。其中，性別參照組為男性，年齡層參照組為 30 歲以下，月收入參照組為 月收入 2 萬以下。

表 4-16 為模式係數的 Omnibus 檢定、表 4-17 為 Hosmer 和 Lemeshow 檢定、

Cox & Snell 與 Nagelkerke 的 R 帄方檢定及表 4-18 為參數估計，檢定過程分述如 下：

由表 4-16 知，模式係數的 Omnibus 檢定結果顯示每個步驟的模式在解釋能力 上均達到顯著水準。代表以「人為設施環境」、「半人為與自然環境」分成兩群 時，所選取的自變數對遊憩環境選擇有顯著的影響。綜合上述，本研究假設 3-1「人 口統計變項、遊憩專業化三構面與環境態度對遊憩環境選擇有顯著的影響。」成 立。

表 4-16 模式係數的 Omnibus 檢定

卡方 自由度 P值

步驟 1 步驟 149.262 1 0.000 區塊 149.262 1 0.000 模式 149.262 1 0.000 步驟 2 步驟 31.806 1 0.000 區塊 181.069 2 0.000 模式 181.069 2 0.000 步驟 3 步驟 14.701 1 0.000 區塊 195.770 3 0.000 模式 195.770 3 0.000 步驟 4 步驟 15.897 3 0.001 區塊 211.667 6 0.000 模式 211.667 6 0.000 步驟 5 步驟 6.236 2 0.044 區塊 217.903 8 0.000 模式 217.903 8 0.000 步驟 6 步驟 4.206 1 0.040

區塊

由表 4-17 知，Hosmer 和 Lemeshow 檢定其步驟六的檢定結果 p 值為 0.293，

未達顯著水準(p=0.293＞0.05)，接受虛無假設，表示此迴歸模式適配度相當不錯；

負 2 倍自然對數概似值（-2LL 值）亦顯示每個步驟都有逐漸變小的趨勢；從 Cox

& Snell 與 Nagelkerke 的 R 帄方可以看出自變數與應變數間的關聯逐漸增強，綜 合以上得知第六步驟所得的模式之適配度良好。綜合上述，本研究假設 4-1「遊憩 專業化三構面之邏輯斯迴歸模式的配適度良好。」成立。

表 4-17 模式摘要 步

驟

Hosmer 和 Lemeshow 檢定

-2LL Cox & Snell Nagelkerke

卡方 自由度 P值 R² R²

1 22.227 8 0.005 907.286 0.177 0.237 2 17.988 8 0.021 875.479 0.211 0.281 3 12.802 8 0.119 860.778 0.226 0.301 4 16.408 8 0.037 844.881 0.241 0.323 5 10.936 8 0.205 838.645 0.248 0.331 6 9.618 8 0.293 834.439 0.252 0.336

由表 4-18 知，所有自變數的 p 值近似 0，表示自變數對遊憩環境分類有顯著 的影響。其中，對「人為設施環境」與「半人為與自然環境」具有顯著預測力的 變項為「認知」(wald=14.556，p=0.000＜0.05)、「行為」(wald=24.995，p =0.000

＜0.05)、「環境態度」(wald=11.908，p =0.001＜0.05)、「性別=女」(wald=4.200，

p =0.040＜0.05)、「年齡=30 歲以下」(wald=4.138，p =0.042＜0.05)、「年齡=31-50 歲」(wald=6.654，p =0.010＜0.05)、「月收入=2-4 萬元」(wald=6.234，p =0.013＜

0.05)、「月收入=4-10 萬元」(wald=7.411，p =0.006＜0.05)及「月收入=10 萬元以 上」(wald=10.911，p =0.001＜0.05)。

此外，「認知」的勝算比值為 1.873，表示自行車騎乘者遊憩專業化的「認知」

增加一單位，選擇人為設施環境的勝算會增加 87.3%；換言之，選擇「人為設施環 境」的機率是選擇「半人為與自然環境」的 1.873 倍。

「行為」的勝算比值為 2.382，表示自行車騎乘者遊憩專業化的「行為」增加

一單位，選擇人為設施環境的勝算會增加 138.2%；換言之，選擇「人為設施環境」

的機率是選擇「半人為與自然環境」的 2.382 倍。

「環境態度」的勝算比值為 1.785，表示自行車騎乘者的「環境態度」增加一 單位，選擇人為設施環境的勝算會增加 78.5%；換言之，選擇「人為設施環境」的 機率是選擇「半人為與自然環境」的 1.785 倍。

「性別=女」的勝算比值為 1.504，表示女性的自行車騎乘者選擇人為設施環 境相對於男性的勝算會增加 50.4%；換言之，選擇「人為設施環境」的機率相對於 男性是選擇「半人為與自然環境」的 1.054 倍。

「年齡=31-50 歲」的勝算比值為 1.626，表示自行車騎乘者的年齡為 31-50 歲 者，選擇人為設施環境相對於年齡為 30 歲以下者的勝算會增加 62.6%；換言之，

選擇「人為設施環境」相對於年齡為 30 歲以下者的機率是選擇「半人為與自然環 境」的 1.626 倍。

「年齡=50 歲以上」的勝算比值為 1.935，表示自行車騎乘者的年齡為 50 歲以 上者，選擇人為設施環境相對於年齡為 30 歲以下者的勝算會增加 93.5%；換言之，

選擇「人為設施環境」相對於年齡為 30 歲以下者的機率是選擇「半人為與自然環 境」的 1.935 倍。

「月收入=2-4 萬元」的勝算比值為 5.596，表示自行車騎乘者的月收入為 2-4 萬元者，選擇人為設施環境相對於月收入為 2 萬以下者的勝算會增加 459.6%；換 言之，選擇「人為設施環境」相對於月收入為 2 萬以下者的機率是選擇「半人為 與自然環境」的 5.596 倍。

「月收入=4-10 萬元」的勝算比值為 6.176，表示自行車騎乘者的月收入為 4-10 萬元者，選擇人為設施環境的勝算相對於月收入為 2 萬以下者會增加 517.6%；換 言之，選擇「人為設施環境」的機率相對於月收入為 2 萬以下者是選擇「半人為 與自然環境」的 6.176 倍。

「月收入=10 萬元以上」的勝算比值為 8.897，表示自行車騎乘者的月收入為

Y＝－9.171＋0.627×認知＋0.868×行為＋0.580×環境態度＋0.408×(X4＝女性)

＋0.486×(X₅＝年齡31-50歲)＋0.660×(X6＝年齡50歲以上)＋1.722×(X7＝月收入2-4萬元)

表 4-19 整體正確預測交叉分類表

觀察層次 預測層次

人為設施環境 半人為與自然環境 合計(%)

人為設施環境 323 92 77.8

半人為與自然環境 129 222 63.2

合計(%) 71.1

二、 以遊憩專業化次構面建立自行車騎乘者遊憩環境選擇之最適模式

本研究的人口統計變數共五個非計量變項，包括性別、年齡層、職業、個人 月收入、及教育程度；遊憩專業化共有九個計量變項，包括知識、技巧、重要性、

快樂性、自我表現、中心性、過去經驗、設備投入、及熟悉度等次構面；環境態 度共一個計量變項。將以上五個非計量變項與十個計量變項以逐步選擇法投入二 元邏輯斯迴歸模式中，共擷取出八個變項達顯著水準，分別為：知識、重要性、

快樂性、過去經驗、設備投入、熟悉度、環境態度與月收入，其中月收入參照組 為月收入 2 萬以下。表 4-20 為模式係數的 Omnibus 檢定、表 4-21 為 Hosmer 和 Lemeshow 檢定、Cox & Snell 與 Nagelkerke 的 R 帄方檢定及表 4-22 為參數估計，

檢定過程分述如下：

由表 4-20 知，模式係數的 Omnibus 檢定結果顯示每個步驟的模式在解釋能力 上均達到顯著水準。代表以「人為設施環境」、「半人為與自然環境」分成兩群 時，所選取的自變數對遊憩環境選擇有顯著的影響。綜合上述，本研究假設 3-2「人 口統計變項、遊憩專業化次構面與環境態度面對遊憩環境選擇有顯著的影響。」

成立。

表 4-20 模式係數的 Omnibus 檢定

表 4-21 模式摘要 步

驟

Hosmer 和 Lemeshow 檢定

-2LL Cox & Snell Nagelkerke

卡方 自由度 P值 R² R²

＜0.05)、「快樂性」(wald=12.812，p =0.000＜0.05)、「過去經驗」(wald=5.996，p

=0.014＜0.05)、「設備投入」(wald=19.790，p =0.000＜0.05)、「熟悉度」(wald=7.125，

p =0.008＜0.05)、「環境態度」(wald=12.689，p =0.000＜0.05)、及「月收入=10 萬 以上」(wald=5.962，p =0.015＜0.05)。

此外，「知識」的勝算比值為 2.235，表示自行車騎乘者遊憩專業化的「知識」