調查問卷回收後，即著手審視問卷情形，藉以剔除無效卷，採用 SPSS v.16.0 for Windows 統計套裝軟體進行統計分析。為探討本研究的目的，
乃進行下列之統計分析：
(一)描述性統計分析(Descriptive Statistics Analysis)
1. 以次數分配表及百分比來顯示受試者基本資料的分佈情形
2. 以次數分配、百分比、平均數與標準差以分析大仁科技大學學生之 節能意識、態度及行為現況。
(二)複選題分析(Multiple Response Analysis)
問卷的統計分析中，研究者分析方法配合研究假設，進行逐題或層 面分析。量化研究中，如果受試者圈選的答案不只一個選項，在統計上
即是所謂的複選題，經有複選題交叉表了解背景變項相關的影響。
(三)結構方程式分析(Structural Equation Model)
本研究另以結構方程模式(structural equation modeling, SEM)中的路 徑分析來檢驗研究架構與理論基礎的契合度。理論模型與觀察數據之適 配度(goodness fit)，有下列幾個指標可供參考：
1.卡方自由度比(χ 2 /df)
在SEM中，最常用的模式評鑑方式是卡方考驗(χ2 test)。而卡方值在 SEM中是由契合函數所轉換而來的統計量，反應了 SEM 假設模型的導 出矩陣與觀察矩陣的差異程度；在卡方檢驗的概念下，自由度越大的模 型越處於不利的地位，因此，若有兩個模型在進行 SEM 時，皆得到不 顯著的卡方值時，此時，自由度越大的模型，越有能力反應真實資料，
因此若利用卡方數據來檢驗模型契合度，除依循卡方值越小越好外，亦 需考量自由度大小的影響。一般而言，卡方自由度比在介於 1~5 之間時，
表示模型具有理想的契合度(邱皓政, 2003)。
2.契合度指標(goodness-of-fit index ,GFI)
GFI 指標類似於迴歸分析當中的可解釋變異量(R2 )，表示假設模型 可解釋觀察資料的變異數與共變數的比例(邱皓政, 2003)。其數值應數值 介於 0 至 1 之間，數值越大(越接近1)表示模型契合度越佳，反之，越 接近 0，表示契合度越差。一般來說 GFI 指標需大於.90 才可視為具有 理想的契合度(Hu & Bentler, 1999; 邱皓政, 2003)。
3.相對契合指標(comparative-of-fit index ,CFI)
CFI 指數反應了假設模型與無任何共變關係的獨立模型的非中央性 差距程度的量數。獨立模型是利用同一組觀察變項可能組合而成的無數 個假設模型當中，最基本的一種狀況，在概念上可做為其他模型的參照 模型(baseline model)。獨立模型表契合狀況最不理想的一種模型，因此，
當假設模型與獨立模型差異越大，CFI 數值將越接近 1，也表越能改善 非中央性的程度，模型將越契合，一般是以.95 為通用的門檻(Bentler,
1995; 邱皓政, 2003)。
4.常模契合指標(normed fit index, NFI)
NFI 指標的原理是計算假設模型的卡方值與虛無模型的卡方值的差 異量，可視為是某一個假設模型比起最糟糕模型的改善情形。因此，其 同樣反應假設模型與一個觀察變項間沒有任何共變假設的獨立模型的差 異程度。其值同樣介於0~1 之間，一般來說以.90 為門檻(邱皓政, 2003)。
5.增值契合指標(incremental fit index, IFI)
IFI 指數可處理樣本大小對 NFI 的影響，其值介於 0~1 之間，值越 大表契合度越佳，係數值同樣需大於.90 才可視為具有理想的契合度(邱 皓政, 2003)。
6.標準化殘差均方根指數(standardized root mean square residual, SRMR) RMR 值可衡量樣本(觀察)與估計(理論假設模型)的變異數或共 變數差異，其反映的是殘差的大小。SRMR 指數則是將 RMR 值加以標 準化，而得的標準化假設模型整體殘差，其數值介於 0 與 1 之間，數 值越接近 0，即代表模式越能契合觀察值。當數值低於.08 時，表示模型 契合度良好(Hu & Bentler, 1999)。
肆、結果與討論
本章主要係依據問卷調查所得資料，加以統計分析並說明結果。首 先描述研究樣本的基本資料分析與討論。而後再說明大學學生節能意識、
節能態度與節能行為的現況；再者，探討本校不同學制的學生背景變項 在節能意識、節能態度與節能行為的差異情形，最後，探討節能意識、
節能態度與節能行為三者間的關係。