量化資料分析

-1.073(0.285)

2.屏東 88 (7.15±1.92)

性 別 1.男 77 (6.69±2.28)

-1.652(0.101)

2.女 97 (7.22±1.83)

年 齡

1.13-18 歲 60 (6.62±2.20)

1.732(0.180) 2.19-22 歲 42 (7.36±1.72)

3.23-60 歲 72 (7.70±2.09)

婚 姻 1.未婚 112 (7.07±2.03)

0.061(0.951)

2.已婚 41 (7.05±2.04)

教育程度

1.國中小 42 (5.86±2.08)

7.279(0.000)*** 1<3、4

2.高中(職) 27 (6.81±2.11)

3.大學(二技) 80 (7.38±1.77)

4.研究所(以上) 25 (7.80±2.10)

職 業

1.軍公教 29 (7.69±1.89)

2.617(0.026)**

2.農漁牧^b 1 (無法計算)

由上表得知在單因子變異數分析(One way ANOVA)，教育程度的不同在 測驗成績有顯著上的差異 (F(3,170)=7.28，p<.001)，故拒絕虛無假設，而進 行雪費式(Scheffe)事後比較，可得知不同教育程度之間得分差異，其中以國

表 4- 6. 在一般聊天時使用成語的習慣與受測成績達到顯著相關 (t(172)=-3.650，

p<.001)，如此說明受試者在聊天使用成語習慣性不同所得受測成績有不同。

前在前項統計檢定僅檢定出變項之間是否有顯著性的差異，研究者認為 可針對受試者基本資料、受試者自我評量成語的使用頻繁度、困難度、知識 量、正確性及受試者受測成績等深入探討變項之間相關程度之研究，而在受 試者基本資料與自我評量中相關檢定採卡方(χ 2)檢定、斯皮爾曼等級相關係 數(Spearman's rho)檢定。換言之本檢定目的為受試者對自身成長背景與面對 成語自認頻繁度、困難度、知識量、正確性等題目是否有相關及相關程度為 何進行分析，一般而言，r 值於 0〜0.50 或 0〜-0.50 表示兩者變項間相關性低；

0.5〜0.75 或-0.5〜-0.75，兩變項間中度良好相關；0.75〜1.0 或-0.75〜 1.0，

兩變項相關為高度良好。

表 4- 7.

受試者基本資料與成語習慣自我評量相關性檢定

基本資料 變項 (Spearman's rho 係數)

頻繁程度 困難程度 知識程度 正確程度(合適性)

地區 .064 -.071 -.050 -.092

性別 .058 .094 .104 .155^*

年齡 .013 .077 -.017 .195**

婚姻 .080 .076 .032 .137

教育程度 -.056 .194^** .040 .153*

職業 .098 .009 .082 -.051

成語測驗成績 -.051 .375^** .229^** .249^**

註：^*P<0.05 ^**P<0.01。

上表中顯示受試者基本資料與成語自我評量間相關性達到相關之變項 為性別與受試者自認正確程度(p<.05，r=.155)、年齡與受試者自認正確程度 (p<.01，r=.195)、教育程度與受試者自認困難度(p<.01，r=.194)、教育程度與 受試者自認正確程度(p<.05，r=.153)，由此可知受試者基本背景中與自我評 量中有顯著的不同，但在相關程度上並非有特別相關。

而受試者在成語測驗成績與受試者自認困難度(p<.01，r=.375)、成語測 驗成績與受試者自認知識量充足(p<.01，r=.229)、成語測驗成績與受試者自 認成語正確程度(p<.01，r=.249)等三變項中皆達到統計上十分顯著的不同，

雖在相關檢定中相關性為中低度相關，但受試者自我評量與受測成績仍為正 向相關。

換言之，受試者自我評量認為學習成語困難程度低時，所得的受測成績 得分高；受試者自我評量認為所學成語知識量愈足夠時，所得的受測成績得 分高；而受試者愈是瞭解成語的正確使用意思時，所得的受測成績得分高。

在受試者成語習慣自我評量變項相關性檢定由下表得知，檢定結果說明 受 試 者成 語 自評 時認為 困 難程 度 與知 識量足 夠 程度 呈 現中 度正向 相 關 (p<.01，r=.542)，意即受試者自身所擁有成語知識量愈足夠，成語的困難度 愈低；而在困難程度與正確性間檢定顯示，受試者認為困難程度與正確程度 呈現中度正向相關(p<.01，r=.539)；此外，檢定結果顯示受試者認為成語的 知識程度高與正確性亦愈高(p<.01，r=.571)。

表 4- 8.

註：*P<0.05 **P<0.01。

經過前述檢定過程後，得知存在於有顯著差異及相關程度之各變項間，

0

在本研究顯示，受試者年齡與成語之合適性(R²= .0422)、教育程度與困 難程度(R²= .0302)、受試者看報章雜誌接觸與受測成語成績(R²= .0850)、受試 者一般聊天接觸與受測成語成績(R²= .0719)、教育程度與成語合適性(R²

= .0246)、困難程度與測驗成績(R²= .1759)、知識量與成績(R²= .0689)及合適 性與成績(R²= .0695)在前述檢定中雖有顯著差異，但在線性迴歸模型檢定下 顯示兩者因果解釋力並非十分顯著。

而在受試者自評成語知識量與使用成語困難程度(R²= .3321)、困難程度 與使用成語合適性(R²= .3503)及受試者自評成語知識量與使用成語合適性達 顯著性相關(R²= .3361)，意即此迴歸模型解釋能力分別達到 33.21%、35.03%

及 33.61%，換言之，在此兩變數之間可建立兩變數預測之線性模型能以成 立，若將自評者自評成語知識量為 x 值代入此線性迴歸模型，即可得知使用 成語合適性預測成績 y 值。

最終，研究者將受試者成語測驗成績作為 y 值，所有線性迴歸模式顯著 性變項為 x 值帶入逐步迴歸檢定，以建立整體複迴歸模型以作為所有變項之 解釋及預測能力之因素。在線性迴歸模型中檢定達著顯著結果之變項全部選 入複迴歸檢定，由下表顯示：

表 4- 9.

變數複迴歸檢定(選入法)

預測變項 原始 Beta 值 標準誤 標準後 Beta(β) t B 值信賴區間 (95% CI)

LL UL

常數 3.255 0.652 - 4.991** 1.967 4.542

年齡 -0.020 0.013 -0.121 -1.564 -0.046 0.005

教育程度 0.276 0.084 0.258 3.276** 0.110 0.442

看報章雜誌 0.629 0.289 0.153 2.173* 0.057 1.200

一般聊天 0.371 0.296 0.090 1.254 -0.213 0.995

困難程度 0.671 0.222 0.279 3.029** 0.234 1.108

成語知識量 0.189 0.238 0.070 0.796 -0.280 0.659

成語合適性 -0.025 0.278 -0.008 -0.091 -0.574 0.523

註：*P<0.05 **P<0.01。

由檢定結果顯示在線性迴歸中達顯著性差異的變數，在整體總迴歸模式 並非皆為顯著，例如年齡、一般聊天接觸情況、受試者自評成語知識量及使 用時成語合適性未達顯著性，故在複迴歸模式建立時將保留有顯著性變項，

採用逐步迴歸法進行檢定，最終僅留存對本研究最終有顯著影響之變數作為 整體複迴歸模型之代表。

表 4- 10.

變數複迴歸檢定(逐步法)

預測變項 原始 Beta 值 標準誤 標準後 Beta(β) t B 值信賴區間 (95% CI)

LL LL

常數 3.060 0.561 － 5.456** 1.953 4.167

困難程度 0.829 0.165 0.344 5.011** 0.502 1.155

教育程度 0.225 0.073 0.210 3.060** 0.080 0.370

看報章雜誌 0.656 0.287 0.159 2.288* 0.090 1.221

註：*P<0.05 **P<0.01。

由變數複迴歸檢定(選入法)檢定結果顯示，在受試者接受本研究之成語 測驗成績(y)達顯著差異之變數為受試者教育程度、日常生活中有接觸報章雜 誌的受試者及認為學習成語的困難程度，其複迴歸模型公式可建立為：

「成語成績= 3.060+0.829x 困難程度+0.225x 教育程度+0.656x 報章雜誌」

本複迴歸檢定最終的判定係數(R²= 0.255)，在其他條件因素控置下，教 育程度每增加一分，可使成語績可加 0.225 分；而困難程度每增加一分(得分 愈高表示愈容易)，可使成語成績可加 0.829 分；受試者看報章雜誌就加 0.656 分，為此樣本內之受試者成語成績是可被變數所預測。