遊憩環境契合度之集群分析

本 研 究 希 望 瞭 解 不 同 遊 憩 環 境 契 合 度 的 自 行 車 騎 士 之 遊 憩 專 門 化 及 心 流 體 驗 的 差 異 ， 因 此 利 用 華 德 法 執 行 集 群 分 析 ， 藉 由 群 數 凝 聚 過 程 的 係 數 差 異 改 變 及 樹 狀 圖 決 定 集 群 數 ， 得 知 2 至 4 個集群之係數差 異 改 變 最 大(如表 18)，再以非階層式集群分析法中之 K-eans 法進行 2 至 4 個之分群，經考慮讓每一集群樣本超過總樣本數 10%及集群命名 的 容 易 度，最 後 發 現 以 分 為 2 群為最適宜，其分群結果及示意圖如下。

表 18 遊憩環境契合度集群分析之群組凝聚過程(節錄) 群數凝聚過程

階段 組合集群

係數 先出現的階段集群 集群1 集群2 集群1 集群2 下一階段

1 341 359 .000 0 0 6

2 355 358 .000 0 0 3

3 4 355 .000 0 2 9

4 321 353 .000 0 0 12

5 333 344 .000 0 0 9

6 87 341 .000 0 1 8

: : : : : : :

: : : : : : :

: : : : : : :

367 15 18 1372.489 354 360 371

368 1 35 1415.768 365 352 372 369 2 10 1480.127 363 356 373

370 5 9 1552.347 366 361 374

371 15 39 1648.876 367 347 375

372 1 16 1753.267 368 364 373

373 1 2 1930.854 372 369 374

374 1 5 2316.975 373 370 375

375 1 15 3029.574 374 371 0

68

表 19 K-MEAN 集群分析之分群結果

集 群 樣本數 EF1 EF2 EF3 EF4 EF5 EF6 高度契合型 198

(52.66%) 4.2778 4.2104 4.3064 4.1907 4.0631 3.9781 中度契合型 178

(47.34%) 3.6161 3.5150 3.7247 3.3989 3.2809 3.1610 ｔ值 -14.124 -14.012 -11.652 -17.814 -13.753 -15.362

圖 21 K-Mean 集群分析之樣本分群結果

註 ：X軸 表 遊憩環境契合度之構面:EF1為 環 境 資 源 、 EF2為 社 交 機 會 、 EF3為 環 境 功 能 、EF 4為 活 動 知 識 /技 巧 、 EF 5為 環 境 設 施 及 EF 6為 經 營 管 理 ； Y軸 表 構 面 之 問 卷 平 均 值

經 集 群 分 析 劃 分 不 同 遊 憩 環 境 契 合 度 的 自 行 車 騎 士 ， 再 根 據 兩 群 受 訪 者 之 特 性 比 較 後 ， 分 別 命 名 為 高 度 契 合 型(n=198)及 中 度 契 合 型 (n=178)，

樣 本 數 各 佔 之52.66%及47.34%，其中高度契合型之遊憩境契合度各構面得 分 平 均 值 介 於3.98至4.31之間，而中度契合型則在3.16至3.62間，經由獨立 樣 本 ｔ 檢 定 ， 中 、 高 度 契 合 型 樣 本 組 群 之 在 遊 憩 專 門 化 及 心 流 體 驗 之 各 構 面t值皆達顯著(如表20)，表示高度契合型集群之遊憩專門化及心流體驗程 度 均 顯 著 高 於 中 度 契 合 型 集 群 之 騎 士 。

69

表 20 中、高契合度分群之遊憩專門化及心流體驗之差異

構面/變項 分群 平均值 t 值

RS1 中度契合型 3.5545

-8.759 高度契合型 3.9222

RS2 中度契合型 2.9277

-5.961 高度契合型 3.2828

RS3 中度契合型 3.2994

-10.268 高度契合型 3.8362

RS

中度契合型 3.2825

-9.389 高度契合型 3.6935

FL1 中度契合型 3.6067

-10.511 高度契合型 4.1296

FL2 中度契合型 3.9003

-8.170 高度契合型 4.3371

FL3 中度契合型 3.7528

-9.606 高度契合型 4.2717

FL

中度契合型 3.7337

-10.811 高度契合型 4.2323

70

第五節 驗證性因素分析

本 研 究 所 採 用 之 遊 憩 專 門 化 、 遊 憩 環 境 契 合 度 及 心 流 體 驗 等 量 表 存 在 特 定 之 因 素 結 構 。 為 確 立 本 研 究 所 收 集 之 資 料 ， 亦 符 合 理 論 因 素 結 構 之 假 定 ， 因 此 ， 本 研 究 在 進 行 整 體 模 式 評 鑑 前 ， 針 對 遊 憩 專 門 化 、 遊 憩 環 境 契 合 度 及 心 流 體 驗 等 三 個 量 表 進 行 驗 證 性 因 素 分 析 ， 以 檢 測 量 表 之 信 度 與 效 度 。

而 在 進 行 結 構 方 程 模 式 分 析 前 ， 首 先 對 資 料 特 徵 做 充 分 的 檢 視 ， 以 瞭 解 所 得 之 數 據 資 料 ， 是 否 符 合 結 構 方 程 模 式 的 假 定 。 由 表21得知本研究樣 本 所 有 題 項 之 偏 態 值 介 於-1.214至0.526之間，其偏態絶對值皆小於3，而樣 本 峰 度 值 介 於-0.533 至1.453間，峰度絶對值亦小於10，顯示本研究之樣本 符 合Kline(1998)提出無極端偏態及峰度之標 準，即樣本可視為趨於常態分 配 。 因 此 本 研 究 之 變 項 分 配 可 採 用 最 大 概 似 估 計 法(ML)進行估計。

表 21 模式所有問項之態勢與峰度分配

問卷題項

偏態 峰度

統計量 標準誤 統計量 標準誤

RS1.自行車騎乘路線長度對我來說是重要的。 -0.373 .126 -0.043 .251

RS5.指示設施完善的自行車路線對我來說是重要的。 -0.995 .126 0.471 .251 RS6.車道鋪面採用瀝青等較平整的自行車路線對我來說是重要的。 -1.214 .126 1.453 .251

RS7.與機動車輛分開之自行車路線對我來說是重要的。 -1.076 .126 0.943 .251

RS8.我認為自己騎乘自行車的技巧比別人還要純熟。 0.469 .126 0.832 .251

RS9.我時常會和同伴一起切磋討論自行車之騎乘技巧。 -0.224 .126 0.017 .251 RS10.我會定期上網或到書店查詢關於自行車的最新資訊。 0.069 .126 0.089 .251

RS11.我很清楚自行車活動的相關資訊。 0.081 .126 0.197 .251

RS12.我很清楚自行車社團比賽的活動內容。 0.149 .126 0.513 .251

RS13.我很清楚自行車修理保養的技能。 0.110 .126 0.192 .251

RS14.我比一般自行車騎士更常參加自行車社團的活動。 0.146 .126 -0.173 .251

RS15.我騎乘自行車的資歷比一般自行車騎士更久。 0.465 .126 0.520 .251

71

表 21 模式所有問項之態勢與峰度分配(續上表) 問卷題項

偏態 峰度

統計量 標準誤 統計量 標準誤

RS16.我經常參加自行車比賽活動。 0.370 .126 0.139 .251

RS17.我經常在騎乘自行車競賽中得獎或名列前矛。 0.329 .126 0.531 .251 RS18.我平均 1 年投資在自行車硬體的花費比一般自行車騎士多。 0.383 .126 0.170 .251 RS19.我平均 1 年投資在自行車的服裝的花費比一般自行車騎士多。 0.526 .126 0.310 .251 RS20.我平均 1 年投資在自行車的安全防護上的費用較一般騎士多。 0.122 .126 -0.011 .251

RS22.我很清楚鄰近自行車活動場所的路線狀況。 0.040 .126 -0.025 .251

RS23.參與自行車活動對我來說是件很重要的事。 0.180 .126 -0.123 .251

RS24.我認為沒有比參與自行車活動更好的休閒活動了。 0.093 .126 -0.406 .251

RS25.我從參與自行車活動過程中獲得許多樂趣。 -0.124 .126 -0.176 .251

RS26.在參與自行車活動的過程中可以重新肯定自己。 -0.236 .126 0.240 .251

RS27.我的生活中處處充滿了自行車活動的相關事物。 -0.194 .126 0.295 .251 RS28.參加自行車社團對我來說是生活中一種必須的事情。 -0.114 .126 -0.023 .251 RS29.訂閱自行車的相關雜誌與多媒體對我來說是生活中不可或缺的事。 0.047 .126 0.283 .251

EFl.此場域的地形特性適合我從事自行車騎乘活動。 -0.147 .126 -0.073 .251

EF2.此場域的資源條件適合我從事自行車騎乘活動。 -0.047 .126 -0.085 .251 EF3.此場域的天候(如氣溫、風向等)，適合我從事自行車騎乘活動。 -0.185 .126 0.228 .251

EF4.此場域能讓我與其他自行車騎士分享該活動的經驗。 -0.329 .126 0.539 .251

EF5.此場域提供我認識其他自行車騎士的機會。 -0.329 .126 0.649 .251

EF6.此場域能讓我與其他自行車騎士學習該項活動。 -0.179 .126 0.067 .251

EF7.此場域能提供我消除壓力的管道。 -0.369 .126 0.759 .251

EF8.此場域能讓我在從事自行車騎乘活動感到身心舒暢。 -0.366 .126 0.867 .251

EF9.此場域能滿足我期望的遊憩體驗。 -0.088 .126 -0.047 .251

EF10.我的技能符合此自行車騎乘場域的要求。 0.031 .126 -0.357 .251

EF11.我的設備符合此自行車騎乘場域的要求。 -0.098 .126 -0.065 .251

EF12.我的知識符合此自行車騎乘場域的要求。 -0.245 .126 0.519 .251

EF13.我過去的經驗符合此自行車騎乘場域的要求。 0.117 .126 -0.497 .251

EF14.此場域提供的服務設施(如休憩亭)，符合我的期望。 -0.064 .126 -0.205 .251

72

表 21 模式所有問項之態勢與峰度分配(續上表)

問卷題項

偏態 峰度

統計量 標準誤 統計量 標準誤 EF15.此場域的自行車活動設施(如車道寬度、舖面)，符合我的期望。 0.041 .126 -0.412 .251

EF16.此場域的設施維護，符合我的期望。 -0.104 .126 0.048 .251

EF17.此場域的活動場地管理，符合我的期望。 -0.036 .126 -0.316 .251

EF18.此場域經營的價值觀與我的相符。 -0.025 .126 0.056 .251

FL1.專注於自行車活動時，我覺得自己需要高度的技巧。 -0.275 .126 0.375 .251 FL2.專注於自行車活動時，我覺得此活動具有高度的挑戰性。 -0.243 .126 0.280 .251

FL3.當我學會新的技巧時，會想多做練習以求進步。 -0.312 .126 0.471 .251 FL4.當我所學的技巧無法征服挑戰時，會想要做更多的練習。 -0.360 .126 0.757 .251

FL5.我可以運用所學的技巧，並從中得到樂趣。 -0.236 .126 0.893 .251 FL6.當我所學的技巧全部應用在騎乘自行車活動時，我會感到愉悦。 -0.285 .126 0.781 .251

FL7.從事自行車活動時讓我覺得快樂。 -0.156 .126 -0.090 .251

FL8.我覺得自行車是一項吸引人的活動 -0.181 .126 -0.220 .251

FL9.專注努力的從事自行車騎乘活動，讓我感到愉悅。 -0.185 .126 -0.368 .251

FL10.我懷著快樂的心情學習自行車活動所需的技巧。 -0.271 .126 0.051 .251

FL11.從事自行車活動能帶給我自信心。 -0.114 .126 -0.533 .251

FL12.從事自行車活動能帶給我優越感。 -0.130 .126 -0.460 .251

FL13.從事自行車活動能讓我得到滿足。 -0.084 .126 -0.417 .251

FL14.藉由自行車活動讓我獲得心理回饋感(自我肯定)。 -0.294 .126 0.592 .251

FL15.騎乘自行車是一門需要訓練、知識及技能的活動。 -0.445 .126 0.354 .251

以下就本研究三個變項之驗證性因素分析，敘述如下：

一、遊憩專門化量表之驗證性因素分析

本 研 究 所 採 用 之 遊 憩 專 門 化 量 表 係 引 用 自 鄭 育 雄 等 人(2005)提 出 之 自 行 車 騎 士 遊 憩 專 門 化 量 表 ， 共 計 涵 蓋 認 知 系 統 、 行 為 系 統 及 情 感 系 統 三 個 構 面，與 25 個對應之衡量指標，採用李克特 5 點量表，分別

73

賦 予 5 分到 1 分，分數值愈高，代表受訪者對於該題項同意度也愈高。

為 進 行 驗 證 性 因 素 分 析 之 檢 驗 ， 本 研 究 依 據 分 立 遊 憩 專 門 化 量 表 之 因 素 結 構 ， 建 立 遊 憩 專 門 化 量 表 之 驗 證 性 因 素 分 析 理 論 模 式 之 徑 路 圖(如圖 22 所示)。此一模式涵蓋 25 個觀察自變項(RS1_1、RS1_5 至 RS1_A13、RS2_14 至 RS2_20、RS2_22、RS3_23 至 RS3_29)、25 個觀 察 自 變 項 之 誤 差 項(δRS1_1、δRS1_5至 δRS1_13、δRS2_14至 δRS2_20、δRS2_22、 δRS3_23至 δRS3_29)與 3 潛在之外生變項(ξRS1、ξRS2、ξRS3)。因此，衍生 25 個 潛 在 之 外 生 變 項 對 於 3 個觀察自變項之迴歸係數(λRS1_1、λRS1_5、 至 λRS1_13、λRS2_14至 λRS2_20、λRS2_22、λRS3_23至 λRS3_29)與 3 個潛在之外生 變 項 與 潛 在 外 生 變 項 之 間 之 相 關 係 數(φRS1.RS2、φRS1.RS3、φRS2.RS3)。 本 研 究 依 此 進 行 遊 憩 專 門 化 量 表 驗 證 性 因 素 分 析 理 論 模 式 之 驗 證 。

遊 憩 專 門 化 量 表 之 驗 證 性 因 素 分 析 結 果 並 無 任 何 違 犯 估 計 之 現 象 產 生 ， 顯 示 整 個 模 式 之 估 計 值 ， 係 屬 正 確 之 數 值 無 誤 。 續 進 行 整 體 模 式 適 配 度 之 評 鑑，初 始 模 式 整 體 適 配 度 評 鑑 之 結 果 顯 示，x² test、GFI、

SRMR、 RMSEA、 AGFI、 CN 等 指 標 未 通 過 ， 模 式 適 配 情 形 不 佳 。 因 此 進 行 模 式 修 正 ， 經 檢 視 各 題 項 之 因 素 負 荷 量 、 修 正 指 標 及 標 準 化 殘 差 ， 作 為 模 式 修 正 之 依 據 ， 發 現 RS1_1、RS1_5、RS1_6、RS1_7 等題 項 表 現 不 佳，因 此 決 定 刪 除 題 項。再 依 據 修 正 指 標(Modification Indices, MI)之建議，選擇隸屬於相同構面，理論上具有高度相關之題項，並逐 次 釋 放 其 卡 方 值 下 降 較 顯 著 且 合 乎 理 論 假 定 之 參 數 估 計 ， 依 序 設 定 RS2_19 和 RS2_18、RS3_26 和 RS3_25、RS2_17 和 RS2_16、RS2_20 和 RS2_19、RS1_10 和 RS1_9、RS2_20 和 RS2_18、RS1_11 和 RS1_10，

以 及 RS3_29 和 RS3_23 之誤差項間具有共變異，經修正後 RMSEA 為 0.070，雖未小於指標理想值 0.05，但 Browne and Cudek 及 Jarvenpaa et al.(2000)認為其理想值小於 0.08 即可接受，此外 GFI、SRMR、AGFI 雖 未 通 過，但 已 接 近 指 標 評 鑑 理 想 值，其 模 式 適 配 已 有 改 善，而

x

² test 則 因 對 樣 本 數 極 為 敏 感 ， 當 樣 本 數 愈 大 時 ， 卡 方 考 驗 值 愈 易 達 到 顯 著 之 水 準 。 調 整 後 之 良 性 適 配 指 標 大 部 分 通 過 具 良 好 之 水 準 ， 因 此 整 體 模 式 適 配 度 評 鑑 之 結 果 顯 示 ， 遊 憩 專 門 化 量 表 驗 證 性 因 素 分 析 之 理 論 模 式 與 觀 察 資 料 之 間 ， 仍 頗 具 有 ㄧ 致 性 。

74

75

表 22 遊憩專門化量表驗證性因素分析模式適配度評鑑

評鑑指標 初始模式 修正模式

估計值 估計值

絕對配適量測

x

² test

p>0.05 p=0.0

未通過

p=0.0

未通過 NCP ^愈小愈佳 1195.28 485.80

GFI > 0.9 0.76 未通過 0.89 ^未通過 RMR 愈小愈佳 0.048 0.033

SRMR < 0.05 0.081 未通過 0.055 ^未通過 RMSEA < 0.05 0.11 未通過 0.070 ^可接受

ECVI 愈小愈佳 4.20 1.63

AGFI > 0.9 0.72 未通過 0.85 ^通過 增量適配量測 NFI > 0.9 0.92 通過 0.96 ^通過

AGFI > 0.9 0.72 未通過 0.85 ^通過 增量適配量測 NFI > 0.9 0.92 通過 0.96 ^通過

在文檔中 遊憩專門化、遊憩環境契合度與心流體驗之關係 (頁 76-102)