正式調查與資料分析方法

一. 正式問卷調查

1. 本研究之正式問卷如附錄所示。

2. 抽樣日期：本研究正式問卷於 2015 年 2 月 1 日至 4 月 8 日發放。

3. 抽樣方式：非隨機抽樣法中之分層便利抽樣法。

4. 發放對象：臺北市國小五、六年級學生。

5. 抽樣數量：根據臺北市政府教育局統計室公告 103 學年度各級學校概況 統計資料(表 20)，臺北市國小學生總計 121,218 人，其中高年級(五、六 年級)學童人數分別北一區共計 22,363 人、北二區共計 19,361 人。施測 問卷共計發放 1280 份問卷，各行政區之詳細發放份數如表 21 所示，得 到有效問卷 1132 份，回收率 88%。其中，北一區共 730 份問卷(佔北一 區高年級學生 32.64‰)，北二區共 402 份問卷(佔北二區高年級學生 20.23‰)。

表 20：臺北市 103 學年度國小學生人數表

行政區 一年級 二年級 三年級 四年級 五年級 六年級 小計 總計

北 一 區

松山區 1,670 1,539 1,576 1,569 1,584 1,826 9764

63,857 信義區 1,616 1,508 1,534 1,621 1,641 1,770 9690

大安區 2,746 2,603 2,506 2,610 2,638 2,879 15982 中山區 1,310 1,353 1,369 1,325 1,376 1,567 8300 中正區 1,147 1,122 1,155 1,125 1,168 1,239 6956 大同區 878 891 847 904 900 1,045 5465 萬華區 1,251 1,251 1,190 1,278 1,310 1,420 7700

北 二 區

文山區 2,431 2,429 2,366 2,476 2,435 2,613 14750

57,361 南港區 765 696 703 759 776 834 4533

內湖區 2,180 2,181 2,035 2,142 2,302 2,403 13243 士林區 2,188 2,082 2,122 2,189 2,156 2,266 13003 北投區 1,919 1,922 1,888 2,020 1,949 2,134 11832 資料來源：臺北市政府教育局統計室

48

49

圖 12：本研究問卷施測之臺北市國小小學分布 (本研究自行繪製)

50

圖 13：本研究問卷施測之臺北市國小小學分布與綠地空間關係圖 (本研究自行繪製)

51

二. 資料分析方法

本研究以 SPSS 22 作為分析資料的工具，並採用不同的統計方法來獲得研究 內容的探究：

1. 以累積次數、百分比來呈現受測者背景資料。

2. 以平均數、標準差、偏態、峰度來呈現受測者綠地特徵認知、綠地的 行為信念等問項中的作答概況。

3. 使用探索性因素分析的主要成分分析(Principal Componet Analysis)，

並以直交轉軸法(orthogonal rotation)中的最大變異法(varimax)進 行因素分析，取得各量表之因素構面。

(1.)相關係數適切性的判斷：測量變項的相關情形可以透過 Bartlett 球形檢定與 KMO 檢定及共同性指數來檢驗。

A. Bartlett 球形檢定(Bartlett’s test of sphericity)：由 於因素分析使用相關係數作為因素抽取的基礎，一般而言，

相關矩陣中的相關係數必須顯著高於 0，某一群題目兩兩之間 有高相關，顯示可能有一個因素，多個群落代表多個因素。

如果相關係數都偏低且接近，則因素抽取越不容易，Bartlett 球形考驗即可用來檢驗是否相關係數不同且大於 0，顯著的球 形考驗表示相關係數足以作為因素分析抽取因素之用(邱皓 政，2006：9.8)。

B. KMO 指數(Kaiser-Meyer-Olkin measure of sampling adequacy)：該係數稱為去樣適切性量數，代表與該變項有關 的所有相關係數與淨相關係數的比較值，該係數越大，表示 相關情形良好，執行因素分析 KMO 指數的判準如表 22(邱皓政，

2006：9.9) 。而本研究採用大於「0.7」，作為判斷的準則。

表 22：KMO 統計量的判斷原則

KMO 統計量 因素分析適合性 0.90 以上 極佳的(marvelous) 0.80 以上 良好的(meritorious) 0.70 以上 中度的(middling) 0.60 以上 平庸的(mediocre) 0.50 以上 可悲的(miserable) 0.50 以下 無法接受(unacceptable)

52

C. 共同性指數：某一變項與其他所有變項的複相關係數平方，

得到的數值稱為共同性，表示該變項的變異量被共同因素解 釋的比例，其計算方式為在一變項上各因素負荷量平方值的 總和，變項的共同性越高，因素分析的結果就越理想(邱皓政，

2006：9.10)。本研究以大於「0.5」作為判斷標準。

(2.)因素個數的決定與其選取條件：因素個數的決定，主要依據的原 則是特徵值(eigenvalue)的大小，特徵值代表某一因素可解釋的 總變異量，特徵值越大，代表該因素的解釋例越強，一般而言，

特徵值需大於 1，才可被視為一個因素(邱皓政，2006：9.12) 。 此外，本研究旋轉後的因素負荷量需大於 0.5，且與其他因素負荷 值差距需大於 0.1 才可保留，同時 Cronbach’s α係數需大於 0.7。

(3.)因素命名：由因素和變數間相關係數之大小，可以知道某個因素 與哪些變數據有較高的關聯，與哪些變數的關聯較小或沒有關聯，

從而可以了解該因素之意義，並賦予適當的名稱。

4. 使用獨立樣本 T 檢定(t-test)、單因子變異數分析(one-way ANOVA)、

迴歸分析(Regression Analysis)來檢測不同分區之施測者在綠地可及 性、人口變項、綠地特徵認知、信念變項、結果變項上是否有所不同，

若 P<0.05 則進行事後比較。

(1.) H1：前置變項會顯著影響綠地使用行為

使用獨立樣本 T 檢定、單因子變異數分析、迴歸分析。

(2.) H2：綠地使用行為會顯著影響健康狀態與學習成效之結果變項 使用單因子變異數分析、迴歸分析。

(3.) H3：前置變項會顯著影響健康狀態與學習成效之結果變項 使用獨立樣本 T 檢定、單因子變異數分析、迴歸分析。

(4.) H4：綠地的信念變項會顯著影響綠地使用行為意圖 使用迴歸分析。

(5.) H5：綠地使用行為意圖會顯著影響綠地使用行為 使用迴歸分析。

53