資料處理與方法

將回收的問卷經過整理後，把有效問卷資料輸入電腦，經由 SPSS 18.0 版套裝軟體進行問卷資料統計分析。本研究根據研究目的、研究假 設及資料型態，對於回收的問卷，進行整理，將無效問卷剔除，對有效 問卷進行編碼、建檔，並以 SPSS 18.0 版統計套裝軟體作為分析工具，

進行資料之處理與分析，資料分析方法如下：

一、敘述性統計分析（Descriptive Statistic Analysis）

以描述統計的「次數分配表」與「百分比」對本研究調查之個人基 本資料及學習動機與學習滿意度狀況進行樣本分佈分析，以求取各研究 變項的平均數、標準差等，俾了解安親班學童在學習動機與學習滿意度 各層面排序高低，並進一步解釋樣本特性及答題集中的趨勢。

二、t 檢定

獨立樣本 t 檢定分析適用於兩個獨立不同群體間之測量分數的差異 比較。本研究採用獨立樣本 t 檢定，探討高雄市安親班學童在不同背景 變項下，「學習動機」與「學習滿意度」是否有顯著的差異。

三、單因子變異數分析

單因子變異數分析在於瞭解不同之實驗變數所造成的結果是否具有 差異性，並用來檢定三個以上獨立不同群體間之測量分數的差異比較。

本研究採用單因子變異數分析，探討高雄市安親班學童在不同背景變項 下，「學習動機」與「學習滿意度」是否有顯著的差異。若在單因子變異 數分析中的 F 值有達到顯著水準（p＜0.05），則再進行薛費法（Scheffe）

事後檢定，以瞭解各變項在各構面上的差異情形。

四 、 皮 爾 森 積 差 相 關 分 析 （ Pearson product-moment correlation

coefficient）

皮爾森積差相關分析係用來表示兩連續變項間的關聯程度。本研究 針對學習動機和學習滿意度進行皮爾森積差相關分析，以求得學習動機 和學習滿意度間各層面和整體間的相關情形。

五、逐步多元迴歸分析（Stepwise multiple regression）

多元迴歸分析之逐步迴歸法，乃是結合順向選擇法及反向剔除法等 方式之優點，順向選擇法的作法是將自變項逐一進入迴歸模式裡，首先 選擇具最大正相關或最大負相關者，其次再選取與依變項間淨相關最大 之自變項進入迴歸模式，在每個步驟中均使用 F 統計考驗進入迴歸模式 的自變項，如果其標準化迴歸係數顯著性考驗之 F 值大於或等於內定的 標準或 F 值進入的機率值小於或等於內定之標準，才將變項選入迴歸模 式中；而反向剔除法則先將所有自變項納入迴歸模式裡，再逐一將對模 式貢獻最小的預測變項剔除，直到所有自變項均達標準為止。逐步迴歸 法包含上述之兩種方法，首先於模式中選入與效標變項相關程度最高者 進入迴歸方程式，其次再控制迴歸方程式之變項，依據每個預測變項與 效標變項間的淨相關高低以決定進入方程式的順序（進入之預測變項的 標準化迴歸係數必須通過 F 值規定之標準），最後再透過反向剔除法的

考驗，以決定該變項是否保留。本研究以學習動機之各向度為預測變項，

學習滿意度之各向度為依變項，進行逐步多元迴歸分析，以瞭解學習動 機對於學習滿意度之預測力。