第三章 研究設計
第五節 量化研究
本研究將以內容分析法所獲得的各項要素為基礎，結合第二章所探討的各項 構念，再發展出本研究的正式問卷。
一、 各變數之操作性定義與衡量
本研究主要研究對象為「水湳洞聚落」的遊客，主要的研究變數有：遊憩屬 性、遊憩結果、個人價值、遊客個人資料（含個人背景及遊客遊憩特性）等，各 變數的操作型定義及衡量方法依序說明如下：
（一） 遊憩屬性
本研究之「遊憩屬性」是指遊客對於水湳洞聚落遊憩產品所產生的認知，內 容包含具體屬性及抽象屬性。根據質性階段的內容分析法所獲得的結果，萃取了 15 個問卷題項，如表 3-5-1。以李克特量表（Likert scale）五點尺度作為問卷衡量 方法，分為「非常不同意」、「有些不同意」、「普通」、「有些同意」及「非常同意」
五點，分別以數字 1-5 表示，數字愈大，表示同意度愈高。
表 3-5-1「遊憩屬性」構面題項
研究變數 題項內容 衡量方法
遊憩屬性 1. 我認為聚落的自然環境氛圍佳，很吸引我。
2. 我認為聚落的景觀獨特性（如：陰陽海、廢煙 道、十三層遺址……等等）很吸引我。
3. 我認為聚落內具有特色的建築物（如：依山勢 而建的房屋、日式宿舍群）很吸引我。
4. 我認為聚落的礦業歷史背景很吸引我。
5. 我認為聚落內的美食（如：甜蜜屋、山城食堂、
老頑童蔬食等等）很吸引我。
6. 我認為聚落呈現的時代感很吸引我。
7. 我認為聚落內居民親切純樸，很吸引我。
8. 我認為聚落內的旅遊景點多元（如：自然景觀、
歷史建物、濂洞國小等等），很吸引我。
9. 我認為此聚落鄰近其他旅遊景點（如：九份、
金瓜石、不厭亭、南雅奇岩）很吸引我。
10. 我認為聚落的寧靜很吸引我。
11. 我認為聚落內具備可攝影取景的元素很吸引 我。
12. 我認為能在聚落內探索新景點或秘境很吸引 我。
五點尺度
40
研究變數 題項內容 衡量方法 13. 我認為聚落鄰近市區，車程便利很吸引我。
14. 我認為聚落適合短期旅遊，很吸引我。
15. 我認為聚落親近大自然，適合戶外活動（如：
登山健行、玩水、攀岩）很吸引我。
資料來源：本研究整理。
（二） 遊憩結果
本研究所指「遊憩結果」是指遊客在水湳洞聚落遊憩體驗的過程中，透過參 與聚落遊憩型態和活動等，直接或間接得到的生理或心理方面的益處。研究者根 據內容分析法所得的結果，萃取了 15 個問卷題項，如表 3-5-2。以李克特量表（Likert scale）五點尺度作為問卷衡量方法，分為「非常不同意」、「有些不同意」、「普通」、
「有些同意」及「非常同意」五點，分別以數字 1-5 表示，數字愈大，表示同意度 愈高。
表 3-5-2 「遊憩結果」構面題項
研究變數 題項內容 衡量方法
遊憩結果 16. 此次旅遊讓我勾起美好的回憶。
17. 此次旅遊後，讓我想再回到這裡。
18. 此次旅遊讓我有放鬆、紓壓的感受。
19. 此處的旅遊景點讓我感覺神秘、未知。
20. 此處的旅遊景點讓我感覺充滿好奇。
21. 此次旅遊讓我感覺愉悅。
22. 此次旅遊使我親近自然。
23. 此次旅遊能促進我身體健康。
24. 此次旅遊讓我能分享回憶或旅遊經驗。
25. 此次旅遊促進我與親友間的互動。
26. 此次旅遊讓我體驗到不同的生活環境。
27. 此次旅遊讓我增廣見聞。
28. 此次旅遊讓我遠離塵囂。
29. 此次旅遊讓我獲得特別的旅遊經驗。
30. 此次旅遊讓我覺得用餐經驗佳，餐點美味。
五點尺度
資料來源：本研究整理。
（三） 個人價值
本研究所指的「個人價值」即為遊客透過遊憩體驗，個人所獲得其人生或生
41
活的最終價值。研究者根據內容分析法所得的結果，萃取了 15 個問卷題項，如表 3-5-3。以李克特量表（Likert scale）五點尺度作為問卷衡量方法，將「非常不同意」、
「有些不同意」、「普通」、「有些同意」、「非常同意」，分別以數字 1-5 表示，數字 愈大表示同意度愈高。
表 3-5-3 「個人價值」構面題項
研究變數 題項內容 衡量方法
個人價值 31. 旅遊後帶給我身心靈充電的價值。
32. 旅遊後讓我有心靈上平靜的價值。
33. 旅遊後帶給我更尊重自然環境的價值。
34. 旅遊後帶給我更關注土地與環境政策的價值。
35. 旅遊後帶給我沉澱思緒的價值。
36. 旅遊後帶給我更有自信的價值。
37. 旅遊後讓我有燃起希望的價值。
38. 旅遊後帶給我創造美好回憶的價值。
39. 旅遊後帶給我昇華人與人之間的關係的價值。
40. 旅遊後帶給我重新出發的價值。
41. 旅遊後帶給我真正的快樂的價值。
42. 旅遊後帶給我幸福感的價值。
43. 旅遊後帶給我懂得珍惜的價值。
44. 旅遊後帶給我轉念的價值。
45. 旅遊後帶給我更能注意到周遭人事物的價值。
五點尺度
資料來源：本研究整理。
（四） 遊客個人資料
此題項分為兩個部分，總共十二題。其中一部分為「個人背景資料」，包含遊 客的性別、年齡、教育程度、職業類別、婚姻狀況、個人平均月所得、居住地點 等類別，共計七題；另一部分則是「遊憩特性」，包含：旅遊過的次數、旅遊停留 時間、同行人員、旅遊資訊來源、主要交通工具，共計五題。
二、 問卷前測
本研究於 2018 年 4 月 7 日到 4 月 15 日 9 天期間在正式問卷現場進行預試發 放，得到有效問卷共計 32 份後，將受試者填答後之建議進行問卷修改，最後再將 統計數據進行信度分析，分析結果以 Cronbach’s α 值來判定。研究者將「遊憩屬 性」、「遊憩結果」及「個人價值」等三個構面進行信度分析，各構面 α 值均已達 0.87 以上；Cronbach’s α 值若大於 0.7，則表示問卷題項間的一致性已具可信賴性 及穩定性（邱皓政，2010），經分析後，本問卷已達滿意之標準，可正式發放問卷。
42
量化問卷之構面信度分析如表 3-5-4。
表 3-5-4 構面信度分析
構面 Cronbach’s α 值 刪除題項
遊憩屬性 .914 無
遊憩結果 .914 無
個人價值 .951 無
資料來源：本研究整理。
三、 問卷正式發放
本研究在探討「水湳洞聚落遊憩」的價值認知結構，並探討不同的遊客在三 個層級中所重視的要素是否有所差異。在確立問卷內容後，以便利抽樣方式在水 湳洞聚落不同的旅遊景點進行問卷調查，本研究問卷發放期間為 2018 年 6 月 1 日 至 7 月 6 日，實地發放問卷數為 300 份，扣除無效問卷 8 份，有效問卷 292 份，
有效回收率達 97.33%；於現場回收問卷的同時，研究者與受訪者透過聊天的方式，
了解其遊憩經驗，並分享當地其他的旅遊景點，希望能藉此更了解受訪者的想法，
並為當地觀光做行銷。
在樣本數量的決定上，研究者依據學者 Roscoe（1975）所提出的樣本適用性 四項原則為參考標準：
(一) 適合做研究的樣本數為三十個至五百個之間較為恰當。
(二) 樣本數分成數個子樣本群時，每個子樣本群內，不應少於三十個。
(三) 從事多變量研究時，樣本數應大於研究中的變數，以十倍（或以上）為 佳。
(四) 對於有實驗控制的簡單實驗研究，樣本數在十個至二十個間較為適當。
為顧及受訪者回答不完整或相互矛盾等無效問卷需刪除，因此本研究將目標 樣本數增加為 250 份以上，以達到研究的有效性。
43
四、 量化研究資料分析
資料分析方法分為三個部份：第一部份以 SPSS 22.0 版統計軟體進行構面信度 分析與大量遊客資料分析，接著以 T 檢定與單因子變異數分析不同遊客的個人資 料是否有差異，採用 Scheffé 多重檢定判別顯著性；第二部份以 Pearson 相關係數 分析驗證三個層級之間的相關性；第三部分以迴歸分析來解釋一個或多個自變數 對依變數的整體預測力。
(一) 描述性統計（Descriptive statistics analysis）
描述性統計是將蒐集的原始問卷資料，經整理後，轉化成為有意義的資訊或 統計量，內容主要包含：次數分配（Frequency distribution）、比例（Proportions）、
平均數（Mean）、標準差（Standard deviation；SD）等，目的是為了簡化分析資料，
了解樣本的分布概況等。本研究運用描述性統計來分析水湳洞聚落的遊客個人基 本資料，以及分析其遊憩「屬性」、「結果」、「價值」各構面同意度的分布情況。
(二) 信度分析（Reliability analysis）
信度（Reliability）即在探討量表的正確性和準確性，也就是測驗結果的穩定 性和一致性。在本研究中所採用的分析方法是學者 Cronbach 所提出的α 係數，其 適合針對李克特（Likert）量表進行信度分析，當α 值愈高，顯示量表內各變項的 相關性則愈高，量表內部一致性信度分析衡量標準，如下表 3-5-5（吳明隆，2009）。 表 3-5-5 量表內部一致性信度分析衡量標準
內部一致性
信度係數值 層面或構念 整體量表
α 係數≦.50 不理想，捨棄不用 非常不理想，捨棄不用
.50≦α 係數＞.60 可以接受，
增列題項或修改語句
不理想，
重新編製或修訂
.60≦α 係數＞.70 尚佳 勉強接受，
最好增列題項或修改語句
.70≦α 係數＞.80 佳（信度高） 可以接受
.80≦α 係數＞.90 理想（甚佳、信度很高） 佳（信度高）
α 係數≧.90 非常理想（信度非常高） 非常理想
資料來源：吳明隆（2009）
44
(三) 因素分析（Factor analysis）
因素分析是一種包含縮減空間（構面）的技術，主要目的在於將多個變項依 照其相關程度，縮減成幾類主要的因素，以簡化變項之間的複雜性，希望能建構 對原變項的最大可能解釋變異量。
本研究利用因素分析縮減資料，進行萃取成份，透過 Kaiser-Meyer-Olkin
（KMO）取樣適切性量數，並以 Bartlett 球形來檢定，取特徵值大於 1 為萃取成分 的指標，透過主成份因素分析法（Principal Component Analysis, PCA）及最大變異 轉軸法（Varimax）進行直交轉軸（Orthogonal rotation），萃取出主要共同因素，即 特徵值（Eigenvalue）大於 1 的因素，將轉軸所得之因素負荷量在 0.50 以上的變數 作為歸類的依據，再以Cronbach’s α 值檢驗各因素間的問項一致性程度（邱皓政，
2010）。
Bartlet 球形檢定則是用來檢驗相關矩陣是否具有顯著的相關係數。顯著的 Bartlet 球形檢定，代表相關係數足以作為因素分析抽取之因素；亦即，KMO 係數 愈大，代表了變項間的共同因素愈多，愈適合進行因素分析（邱皓政，2010），如
Bartlet 球形檢定則是用來檢驗相關矩陣是否具有顯著的相關係數。顯著的 Bartlet 球形檢定，代表相關係數足以作為因素分析抽取之因素；亦即，KMO 係數 愈大，代表了變項間的共同因素愈多，愈適合進行因素分析（邱皓政，2010），如