次數分配表

別

男 25 32 28 40 125

女 44 62 40 30 176

`總 69 94 68 70 301

第四節 次數分配表

大學生的教育程度比其他的好多了，但是他們不怎麼願意出來做擔任義工。

高中生的環境教育程度很低，因為他們上大學準備其他重要課程的考試，做義工 是同學交友的活動之一，雖然一年一次在夏天才舉辦，他們還是喜歡出來做義工。

表 4-8 使用者教育程度試題信效度分析 教育程度

次數 百分比 有效百分比 累積百分比

有效的 小學 16 5.3 5.3 5.3

中學 35 11.6 11.6 16.9

高中職 45 15.0 15.0 31.9

大學 145 48.2 48.2 80.1

研究所及以上 60 19.9 19.9 100.0

總和 301 100.0 100.0

43

表 4-9 使用者教育程度總數?

總數 總

0 2 3 4 5 6 7 8 9 和

教育程度 小學 0 0 0 0 2 6 6 2 0 16

中學 0 1 2 1 6 5 12 8 0 35 高中職 1 0 1 3 1 17 12 7 3 45 大學 0 1 1 6 11 41 56 24 5 145 研究所級以上 0 1 0 1 12 14 21 11 0 60

總和 1 3 4 11 32 83 107 52 8 301

圖 4-3 教育程度輿總數

捐款的對象住烏蘭巴托的人最多。因為蒙古國的最大的城市是烏蘭巴托，蒙

44

45

46

職業別與捐款的對象相關分析 R 值.017，為低度相關，P 值為.768，顯著性 不高。

表 4-12 職業別與捐款的 Pearson 相關分析 職業別與捐款的 Pearson 相關分析

職業別 捐款的對象

職業別 Pearson 相關 1 .017

顯著性 (雙尾) .768

個數 301 301

捐款的對象 Pearson 相關 .017 1

顯著性 (雙尾) .768

個數 301 301

捐款的額度與擔任環保義工的相關 R 值為-.111 負低度相關。Ｐ值為.054，

顯著性不高。

表 4-13 捐款的額度與擔任環保義工

捐款的額度 擔任環保義工

捐款的額度 Pearson 相關 1 -.111

顯著性 (雙尾) .054

個數 301 301

擔任環保義工 Pearson 相關 -.111 1

顯著性 (雙尾) .054

個數 301

47

三、主成分分析

本研究採用因素分析中的主成份分析，其中 KMO 來判定是否作因素分析。

KMO 的全名是 Kaiser-Meyer-Olkin，可以測試多重共線性(multicollinearity)。在 進行因素分析之前，本研究初步資料檢視它是處於 0 至 1 的連續分數式數值，當 KMO 值接近 1 時，意味著變量間的相關性越強，一般我們希望它至少能夠接近 0.6(或以上)，這個 KMO 的本意，也透露出在進行因素分析時樣本量，是否足夠；

如果使用不充分的樣本量，那麼這個值也就無法達到令人滿意的數字。本研究之 KMO 為 0.651，代表可以進行因素分析中的主成分分析。主成份分析在 SPSS 的 分析方式如下:

Analyze--Dimention reduction--Factor--Descriptives—KMO

KMO 與 Bartlett 檢定

Kaiser-Meyer-Olkin 取樣適切性量數。 .651

Bartlett 球形檢定

近似卡方分配 1535.445

自由度 210

顯著性 .000

萃取法：主成分分析（Extraction Method: Principal Component Analysis）

在進行因素分析之主成分分析之後，可以區分下列的因素，包含了環境知識

（實質環境知識、環保策略知識）、環境品質滿意度（實質環境滿意度、環保成

效滿意度），以及環境行為意向（問題理解度、環境參與意願）等相關構面，以

下圖 4-4 是這些構面的結構圖。在結構圖中可以知道，環境知識、環境品質滿意 度，以及環境行為意向，三者具備相互關連的成分，可以進行相關程度的歸納。

48

49

圖 4-4 主成分分析(分類)

50

51