旅遊發展潛力因子之分析

旅遊發展潛力因子係根據文獻回顧與野外實察得出八項指標，並利用 問卷調查得知旅客對於研究區旅遊發展潛力與旅遊吸引力之看法，再進行 多元迴歸之研究，在本節中將針對問卷調查之結果作相關分析與說明。

一、旅客的基本屬性資料

研究者在收集完數據後，第一步就要對原始資料進行整備，整理成次 數分配的形式來描繪數據的特性，次數分配(frequency distribution)就 是研究者將所得的數據，依照變數數值與出現次數加以彙整而成的統計表 格，可用來檢視與描述資料的集中、離散、偏態與峰度，適用於類別變數 或數值類型較少的連續變數資料(邱皓政、林碧芬、許碧純、陳育瑜，2012)。

因此，為了解研究區受訪遊客之屬性分布情形，利用統計軟體 SPSS 製作 次數分配表如表 3-1。

本問卷調查回收的有效問卷共計 334 份，其中關於遊客屬性之內容包 含性別、年齡、教育程度、職業、個人月收入以及居住地等六大項問題，

根據次數分配表 3-1 說明如下：

在性別部分，男性受訪者有 148 位，占整體的 44.3％；女性有 186 位，

為全體的 55.7％，顯示受訪者中女性人數的比例較高。

在年齡的部分，以 21-30 歲的人數比例最高，有 107 人、佔整體的 32

％，次多的組別是 31-40 歲，共有 74 人、百分比是 22.2％，其中在 40 歲 以下的人數共計有 244 人，累積的比例有 73％，顯示戶外活動主要的活動 族群仍以青年為主，最少的是 61 歲以上的受訪者，人數有 14 人、比例為 4.2％，在發放問卷時，曾有受訪者表示因為年歲較大，對於騎自行車等 這些戶外活動會比較不喜愛，可能因此抽樣的人數也較少。

62 別有 119 人(35.6％)、114 人(34.1％)，佔了全體受訪者約七成的比例，

比例最少的 8 萬以上這一組，人數有 18 人(5.4％)，其他還有組別 4-6 萬

63

就會選擇使用迴歸分析方法，邱皓政等(2012)指出迴歸分析(Regression Analysis)就是利用線性關係來進行解釋和預測，當一個研究中使用多個自 變數對依變數進行解釋與預測，則稱為多元迴歸(multiple regression)。蕭文 龍(2009)說明在解釋方面，是從取得樣本計算出迴歸的方程式，得知每個 自變數對依變數的影響力(貢獻)，也可以找出最大的影響變數，以進行統

64 據 Howell(1987)綜合多方學者意見提出兩點建議：其一應優先採用強迫進 入法或是逐步迴歸法，若解釋變數不多，可優先使用強迫進入法；其二使 用強迫進入法時，可根據研究規劃的相關理論，決定變數投入的順序(引自 吳明隆，2009)。因此，研究者可參考學者建議，再依照研究目的是解釋型 或預測型而進一步決定使用的迴歸方法，若是研究偏向釐清變數間關係以 及對依變數的變異提出一套最合理解釋的迴歸模型，就適用解釋型回歸，

一般學術上多採用同時迴歸(simultaneous regression)，即不分先後順序、所 有的自變數都納入迴歸方程式，一起進行分析，在操作 SPSS 時選用強迫

65 123.842 126.066

8

66

結果顯示 R 平方為.018，表示自變數對於依變數的解釋性有 1.8％，

對於係數估計的結果可得知指標 7－交通區位( =.066)在個別指標中對於 依變數最有解釋力，其次為指標 2－水文( =.055)。根據模式考驗後，迴 歸效果顯著性=.665(p>.001)未達顯著水準，可能因為本區抽樣的樣本數變 異性太小或是所選取的指標與旅遊吸引力線性相關不明顯，無法經由迴歸 模式得知權重數值，與 Chhetri & Arrowsmith (2008)的問卷分析結果不同，

其多元迴歸有達顯著差異，並找出最佳模式內含五種因子，因此在本研究 的 GIS 疊圖分析中，擬以不加權的各圖層進行旅遊潛力之疊圖分析，即符 合旅遊發展潛力指標的各主題圖層都以 1 作為權重值。