資 訊 管 理 系
畢 業 專 題
樂悲觀對於資訊的選擇性接收研究- 以交通事故發生可能性為例
學 生：王中保 徐明廣 莊惟安 黃宏達 林民健 朱祐成
口試老師：＿＿＿＿＿＿ ＿＿＿＿＿＿
指導老師： 韓若平 老 師
系主任 ：＿＿＿＿＿＿
中 華 民 國 101 年 12 月 5 日(口試日期)
這份研究經過長久的努力即將完成，在經過老師的建議與指導和組員細心的 修改才能完美呈現；首先要感謝的是韓若平老師，他一直無時無刻給我們的援 助，不管是專題上的資料或者專題需要用到的工具「SPSS」，都準備的非常周到；
在 SPSS 的功能中，不用像以前需要耗費大量時間來進行資料處理分析，讓我們 能專注在更重要的事務上。另外在撰寫論文的過程中老師即便公務與研究繁 忙，仍能不厭其煩的撥出時間與我們討論，澄清我們許多在思考邏輯上的盲點，
讓學生獲益匪淺。另外也要感謝我們專題的組員們，能在百忙之中抽出時間來 為專題盡一份心力，雖然過程中難免發生爭執不悅，但經由不斷的磨合及討論 讓研究結果更加完整豐富。
在資料的部份，要感謝校外人士及本校同學熱心幫忙填寫問卷，使得本研究 有數據進行分析。也向參與此研究的組員們，和有協助過我們研究的老師、同 學、人員，深深地一鞠躬以表謝意，因有你們的指教建議，促成本研究最終開 花結果，願將此研究與每人分享切磋。
人類思考符合邏輯，但不見得是理性的。也會因樂悲觀程度的不同，會選擇 不同資訊來接收。為了研究樂悲觀在面對事情的預期心理，本研究探討樂悲觀 對於交通事故發生機率的影響。在本研究實驗中，便利抽樣 131 人，使用「生 活導向測驗樂悲觀量表」（LOT-R）測量樂悲觀指數。我們找了一些交通事故影 片並重新剪輯後給受訪者觀看，並記錄受訪者觀看影片前、後的交通事故可能 性及交通事故可能性主觀增加量和受訪者個人基本資料(如：性別、年齡、職業、
交通方式、婚姻狀況、子女個數、學歷、交通工具使用時間)。本研究使用 SPSS 13.0 統計軟體進行簡單回歸分析、變異數分析，來探討受訪者「樂悲觀指數」、
「交通事故可能性前測量」、「交通事故可能性後測量」、「交通事故可能性主觀 增加量」之間的相關性。結果發現，受訪者看影片前，樂觀者與悲觀者的想法 皆無顯著差異。看完影片後，悲觀者認為的事故機率顯著高於樂觀者(P =
0.001)，越悲觀的人，交通事故機率主觀增加量會顯著增加(P = 0.0025)。因此驗 證了，樂悲觀只是對資訊的不同選擇性接收。
關鍵字：交通事故可能性、樂悲觀、資訊選擇性接收
目錄
致謝 ... I 摘要 ... II 目錄 ...III 圖目錄 ... IV 表目錄 ... V
第一章、緒論 ...1
1-1 研究動機 ...2
1-2 研究目的 ...2
第二章、文獻回顧 ...3
2-1 樂觀/悲觀的定義及分類 ...3
2-2 樂悲觀的作用方式 ...4
2-3 樂悲觀相關研究 ...5
第三章、研究方法 ...7
3-1 研究流程 ...7
3-2 研究架構 ...8
3-3 研究假設 ...9
3-4 問卷設計 ...10
3-4-1 人口學變項 ...10
3-4-2 樂悲觀量表 ...10
3-4-3 問卷內容 ... 11
3-5 問卷資料預處理 ...12
3-6 問卷結果說明與抽樣 ...12
3-6-1 先導問卷測試結果說明 ...12
3-6-2 正式問卷結果 ...13
3-6-3 抽樣方法 ...13
3-7 統計分析 ...13
第四章、研究結果 ...14
4-1 人口學變項資料分析 ...14
4-2 對於連續自變項的因果探討 ...15
4-2-1 影響「樂悲觀指數」因子的研究結果 ...16
4-2-2 影響「交通事故可能性主觀增加量」因素的研究結果 ...19
4-3 對於兩個分類自變項的因果探討 ...23
4-4 對於多項分類自變項的研究結果 ...30
第五章、結論與討論 ...33
5-1 結論 ...33
5-2 研究限制與未來研究建議 ...35
參考文獻 ...36
圖目錄
圖 1 研究流程圖 ...7
圖 2 研究架構圖 ...8
圖 3 「樂悲觀指數」對於「交通工具平均使用時間」模型圖 ...16
圖 4 「樂悲觀指數」對於「子女個數」模型圖 ...16
圖 5「樂悲觀指數」對於「年齡」模型圖 ...17
圖 6 「樂悲觀指數」對於「交通事故可能性前測量」模型圖 ...17
圖 7 「樂悲觀指數」對於「交通事故可能性後測量」模型圖 ...17
圖 8 「交通事故可能性主觀增加量」對於「樂悲觀指數」模型圖 ...19
圖 9 「交通事故可能性主觀增加量」對於「交通工具使用時間」 ...19
圖 10 「交通事故可能性主觀增加量」對於「子女個數」模型圖 ...20
圖 11 「交通事故可能性主觀增加量」對於「年齡」模型圖 ...20
圖 12 「交通事故可能性主觀增加量」對於「交通事故可能性前測量」模型圖 .20 圖 13 「交通事故可能性主觀增加量」對於「交通事故可能性後測量」模型圖 .21 圖 14 交通事故可能性前後測量以「性別」分類比較圖 ...26
圖 15 交通事故可能性前後測量以「婚姻」分類比較圖 ...26
圖 16 交通事故可能性前後測量以「是否曾發生交通事故」分類比較圖 ...27
圖 17 交通事故可能性前後測量以「樂悲觀分類」分類比較圖 ...28
表目錄
表 1 樂悲觀量表 ...10
表 2 因果組合表 ...15
表 3 影響「樂悲觀指數」因子的研究結果表 ...18
表 4 影響「交通事故可能性主觀增加量」因素的研究結果表 ...21
表 5 兩個分類自變項的因果表 ...23
表 6 影響「交通事故可能性前測量」T 檢定研究結果表 ...24
表 7 影響「交通事故可能性後測量」T 檢定研究結果表 ...25
表 8 影響「交通事故可能性主觀增加量」T 檢定研究結果表 ...29
表 9 交通事故可能性之 ANOVA 檢定—職業分類 ...30
表 10 交通事故可能性之 ANOVA 檢定—學歷分類 ...31
表 11 交通事故可能性之 ANOVA 檢定—交通方式分類...32
第一章、緒論
現今社會中許多人認為人越樂觀越好，但真的是如此嗎？悲觀者在各方面較 樂觀者差嗎？
近 20 年來心理學者相當關心的議題，特別是隨著正向心理學運動(positive psychology movement)的興起，以正向特質或正向力量取代缺陷和疾病的觀點漸 漸蔚為風氣，而更加重對於「樂觀」等正向特質的重視(Seligman
&Csikszentmihalyi，2000)；再加上，Seligman (1990)提出樂觀是可以透過學習而 來，其強調在適當的培養下，人人都可以成為個樂觀的人。另外的「悲觀」，也 是一個對於探討憂鬱等情緒適應及心理問題之研究者相當重要的特質。
人們一直都認為樂觀是邁向成功的方法，所謂「船到橋頭自然直」，正是印 證了人們心理普遍的想法，然而大家可曾想過，這個想法真的百分之百正確嗎??
也是否想過，從古自今那些成功的名人他們都是抱持樂觀的想法嗎??
心理學家運用科學的方法發現，人們會普遍認為樂觀可以邁向成功是因為經 過長久的演化後，樂觀早已像電腦程式般深植在我們腦中，同時我們不僅會被 過去的經驗影響，也會被未來發生的事所影響。
悲觀者的缺點在於當他們在遇到事情時，會過度思考事情的嚴重性，而經常 陷入不安及恐懼中，反而造成悲觀者沒有心理準備面對問題。反之，樂觀者他 們在這方面就完全不同，當他們遇到事情時，都以積極正面的方向去思考。在 此本研究將探討樂悲觀在事情發生前、後，在面對事情上的預期心理是否會受 到影響，或是其他外在因素所影響。
1-1 研究動機
樂觀的確會為我們帶來一定的幫助，能夠讓我們勇往向前。但過度的樂觀可 能導致災難性的誤判，反而造成不好的結果。最常看到的就是闖紅燈的人不相 信「爭一秒毀一生」，總是自信滿滿地說：「這種事不會發生在我身上」，甚至高 速公路上，打出本月車禍死亡人數，都不能使人們減速不超車，這種不理性的 樂觀究竟是怎麼回事？(洪蘭，2011)。
選擇性接收是指在接收訊息的過程中，訊息傳送者或訊息接收者會依照自己 的經驗、喜好而選擇性的去接收部分訊息在訊息解碼的過程中，訊息傳送者或 訊息接收者會把自己感興趣或所期待的事情加在訊息上這個原因是導致不理性 樂觀的原因之一，而在本研究中，我們將會探討樂悲觀者對於接收資訊的選擇 性接收的影響。
1-2 研究目的
為了探討樂觀或悲觀在面對事情的預期心理，我們研究樂悲觀對於交通事故 發生的機率的影響。
在本實驗中，我們除了在不同樂悲觀程度用交通事故的影片給受訪者觀看，
來了解本影片對於人們的影響之外，也會以其他不同的因素，如婚姻狀況、交 通方式、性別等等作考量，探討人們的心理是否也會受到其他因素影響，是單 純的受到一個因素影響，還是多個因素影響。
藉由本次的實驗，將可幫助我們更了解人們的心理想法，讓我們在處理相關 問題時能更加容易。
第二章、文獻回顧
當問到樂觀與悲觀者的差異時，大家都會表示，樂觀者會比較快樂，悲觀 者則有比較多憂鬱且負面的情緒。在研究上也同樣證實了這樣的看法，如樂觀 與個體的身心健康及生活滿意度有關，悲觀則與憂鬱、焦慮等負向情緒有關(丁 明潔，民 92；何家齊，民 87)。而樂觀與悲觀者對於同一件事情是否真的會具有 截然不同的看法?要回答上述問題，應該先釐清何謂樂觀／悲觀開始。
2-1 樂觀/悲觀的定義及分類
重編國語辭典修訂本將樂觀定義為對人生或一切事物的發展充滿信心。悲觀 被定義為「沮喪或負面的人生態度。」；牛津字典將樂觀定義為「相信事情最後 會有好結果，傾向採光明面來看待事情，並對成功抱持著信心」，悲觀被定義為
「人們對未來生活事件作的負向預期」；辭海則以「人之觀世事一切無不快然自 足者」來形容樂觀；張氏心理學辭典視樂觀為「一種積極的人生態度，也是一 種頗為持久的人格特質。(重編國語辭典修訂本、牛津字典、辭海、張氏心理學 辭典)
樂觀（optimistic）是一種對未來充滿「信心」的人生態度。樂觀使人積極、
進取，做起事來「精神抖擻」，也「事半功倍」。樂觀使人隨時隨地在生活中看 到希望，而「興高采烈」地去追求希望的實現。樂觀的人即使處於逆境，也能 懷抱希望而奮鬥不懈。
悲觀（pessimistic）也是一種面對人生的態度時，它的影響就完全是「負面」
的了。悲觀的人消極、懦弱、自卑，總是預設困難、假想災難、凡事往壞處想、
為那些根本不會發生的事煩惱。悲觀的人沒有自信，但對自己「沒有自信」這 件事卻深信不疑。他們經常把「不行」、「作不到」掛在嘴邊，而且非常堅持。
你對這種人建議任何事情，他的答案永遠是否定的。因此，絕大部分的人都覺 得樂觀是屬於正面而悲觀就屬於負面的影響。
在研究上認為樂觀的人是預期好事將會發生在他們身上而且不管是在一般 的自然狀態或是特別的情況下，個體會傾向做出正向的結果預期，因此，不管 樂觀是一種認知的偏誤、態度、信念，亦或是西洋哲學史上非主流派的學說，
都算是樂觀的一種展現。
所謂的「樂觀傾向(dispositionaloptimism)」，是將其樂觀和悲觀視為一種廣泛 性地預期傾向，樂觀者傾向預期好事會發生在他們身上；悲觀者則傾向預期壞
事將會發生，此種以「預期」為基礎的樂觀和悲觀定義方式獲得研究者的認同 及支持，但是對於樂觀和悲觀究竟應該為單一向度或是兩向度模式則有許多爭 議。
「樂觀」和「悲觀」這兩個詞彙在現代的用法中常會給人誤導。例如：樂觀 永遠是正面的，而悲觀永遠是負面的。但是真的是這樣嗎？我們不妨重新審視 一下二者的出處和定義。
「樂觀」和「悲觀」是現代人對 optimistic 和 pessimistic 兩個英文詞彙的中 譯。而其實原文並不能肯定說具有樂或悲的含義，國人看到這個樂和悲字，就 替它們增添了更多的內涵。於是乎，樂觀就變成好字眼，悲觀就變成壞字眼。
從詞典上看到的定義，也只不過是綜合多數人的理解罷了。(康哲行，2012 年) 樂觀與悲觀是一種對於未來的思考、心態。並沒有說一個人會是絕對的，樂 觀的確是屬於正面，但是，過度的樂觀可能反而會出現負面的情況正所謂「樂 極生悲」，而適當的悲觀思考反而可以產生正面的效益，例：UPS 不斷電系統就 是基於這種想法所製作出來的，而過度的悲觀就會產生杞人憂天的想法。
許多人在本身所擅長的領域會漸漸產生過度的樂觀情況「善泳者溺於水」， 所以現在很多公司行號漸漸在重視這一個方面「在職訓練」，在工作崗位長期工 作沒有遇到事件，就會產生一種不會發生事件的過度樂觀心態，因此會利用訓 練將這種心態去除。
2-2 樂悲觀的作用方式
近代以來心理學研究顯示，正面思考的人，不論薪資與健康，都比負面思考 的人來得好，在這個充滿失敗與挫折的年代，你必須學會正面思考，才能立於 不敗之地……樂觀態度或悲觀態度，影響著我們的生活方式。態度對人的影響 到底有多大？美國醫生做過這樣一個實驗：他們讓患者服用安慰劑。安慰劑呈 粉狀，是用水和糖加上某種顏色配製的。當患者相信藥力，也就是說，當他們 對安慰劑的效力，持樂觀態度時，治療效果就顯著。如果醫生自己也確信這個 處方，療效就更為顯著了。這一點已用實驗得到證實。醫生們堅信自己的治療 質量，雖然為患者開了一付無效的藥方，但結果卻是：服用安慰劑以後，幾乎 90％的患者感到病情大大減輕，有人甚至痊癒。樂觀作用，實際上是暗示作用。
悲觀態度，由精神引起而又會影響到組織器官。有一個意外的事故可以證明 這一點。一位鐵路工人，意外地被鎖在一個冷凍車廂裏。這位工人清楚地意識
到：他是在冷凍車廂裏，如果出不去，就會凍死。不到 20 小時，冷凍車廂打開 了，那位工人死了。醫生證實是凍死的。可是仔細檢查了車廂，冷氣開關並沒 有打開。那位工人確實死了，因為他確信，在冷凍的情況下是不能活命的。所 以，在極端的情況下，一個極度悲觀的人會導致死亡。
然而，這裡有個迷思急需要打破：「樂觀者就是正面思考，悲觀者則是負面 思考，而且正面思考是無法學習的。」
迷思:樂觀不等於正面思考，悲觀也能成功，事實上，樂觀者若樂觀過度，
凡事以為天絕對不會塌下來，「根本不去解決問題，這也屬於負面思考。」換言 之，過度樂觀或過度悲觀，以致不去解決問題，都是負面思考
所以根據此研究我們可以得知，樂觀和悲觀思想會影響到生理反應，並且在 遇到挑戰或挫折時，正面思考的人們會產生解決問題的企圖心，並找出方法正 面迎接挑戰，反之，負面思考就是一遇到挫折，人們就被負面情緒打敗，且責 怪自己、環境，最後選擇退縮、放棄或報復。簡單來說正面和負面思考的主要 差異即在面對壓力時兩者因引發的反應不同而使兩者在面對壓力的因應行為上 有差異並進而影響後續的正負向情緒。
2-3 樂悲觀相關研究
在中央大學認知神經科學研究所所長洪蘭所著的研究報導中提到英國倫敦 大學所做的一項研究，他們先給十九名大學生做樂觀／悲觀的人格測驗，然後 請他們躺在核磁共振中觀看數十個事件，如在網路上買到假貨、腳踏車被偷、
不舉、不孕、盲腸炎、在路上被搶、高血壓、癌症、離婚、中風等等。請他們 就這些事件發生在他們自己身上的機率做個估計，然後再去告訴他們，這些事 件實際發生在跟他們同樣年齡，同樣社會文化地位的人的機率，最後再給他們 看這數十個事件，看他們知道實際發生的機率後，對這些事件發生在自己身上 的機率改變了多少。
例如，「癌症」這個字眼第一次出現時，受試者估計自己得癌症的機率大約 是百分之四十，然後實驗者告訴他，實際的機率是百分之卅。當「癌症」再度 出現時，他就作出了因應的改變，把估計值下降到百分之卅一；但是假如第一 次他估計自己得癌症的機率是百分之十，而實驗者告訴他實際的機率是百分之 卅，第二次再估計時，他的估計只增加到百分之十四而已。也就是說，大腦對 訊息的處理是不對稱的，假如新的訊息比他預期的好，對他有利，他會更新資 料，但是如果比他預期的不好，他會置之不理，或只作小幅修正，這叫「選擇 性的偏見」，人只聽自己想聽的。難怪溝通這麼困難，連面對面的溝通都會出錯，
被人懷疑誠意不足。
大腦前扣帶迴皮質及它附近的內側額葉區及兩側前額葉皮質區都跟這現象 有關係，其中樂觀者的右邊腹前額葉迴（inferior prefrontal gyrus，IFG）在接收 到不好的訊息時，會減低活化，降低負面訊息的影響，越樂觀的人，看到不好 訊息時，這個地方的活化越低；如果是好的訊息，那麼內額葉皮質區（ＭＦＣ）、 左邊的ＦＩＧ和小腦都大量活化，而高和低樂觀者在此活化的情形一樣。即不 論悲觀或樂觀，大家都愛聽好話。我們看到壞訊息只有右邊ＩＦＧ一個人在負 責，而好的訊息有三個地方在負責，就難怪忠言逆耳，人人都報喜不報憂了。
這實驗顯示了大腦是不對稱的處理訊息，選擇性的偏見，很多時候，真相不是 自己想像的那麼樂觀。(洪蘭，2011 年)
所以根據此一研究我們發現，樂觀與悲觀的人對於事物的看法不只是思想就 連大腦的生理都有所不同，而其結果發覺樂觀與悲觀在接受正面的訊息時大腦 活化情形一樣，而在接收負面訊息時才會出現不同程度的變化。
第三章、研究方法
3-1 研究流程
為了完成第二章內容所提及之研究目的，本文依據研究過程的各個步 驟，依序發展出本文之研究流程。進行研究之初，本文首先確定研究動機與 目的，之後，再根據研究動機與目的進而搜尋相關理論與文獻。在參考過去 學者們所發表之相關文獻後，進而確立本文之研究架構及假設。後續將針對 研究對象進行施測與資料蒐集，最後依據資料分析內容，進而提出研究結論 及建議。本研究之研究流程如圖 1 所示：
圖 1 研究流程圖 確立研究架構與假設
問卷輸入
問卷資料預處理
問卷資料分析
研究結論與建議 確立研究動機與目的
相關理論探討與文獻回顧
3-2 研究架構
本文之研究架構共由三個部份所組成，分別為資訊選擇性接收度、訊息刺 激、受訪者屬性（參見圖 2）。
本實驗步驟為填寫基本資料、填寫交通事故前測可能性(受訪者在未受刺激的 情況下做的測量)及樂悲觀量表(LOR-T)、觀看交通事故影片(訊息刺激)、填寫交 通事故後測可能性(受訪者受到刺激後的情況下做的測量)及交通事故主觀增加 量可能性(受訪者受到刺激後，受訪者本身認為自己發生交通事故的可能性增加 了多少)、回收問卷。本研究所使用的交通事故可能性(資訊選擇接收度)共有 6 點尺度從 1 至 6(分別是 1 無 2 非常少 3 少許 4 中等 5 很多 6 極多)。
其中，在受訪者屬性方面，主要為性別、年齡、職業、交通方式、婚姻狀況、
子女個數、學歷、交通工具使用時間、樂悲觀分類、樂悲觀指數、是否曾發生 交通事故等資料所組成；訊息刺激的影片資料來自於 youtube，經由本研究整理 剪輯，影片包含行車紀錄器、交通宣導影片、路口監視器、貨車爆胎、闖紅燈、
轉彎車未禮讓直行車、統聯客運連環車禍、倒車未注意後方、機車打滑塞入大 貨車、對向來車飛過來、大貨車死角未注意行人、跨越雙黃線行駛及未保持安 全距離等紀錄發生交通事故影片，長度約為 5 分鐘；至於在對於資訊的接收度，
分別為主觀增加可能性、後測可能性及前測可能性。在此我們要探討受訪者屬 性對於資訊選擇性接收度之間因果關係。
圖 2 研究架構圖
性別 年齡 職業 交通方式 婚姻狀況 子女個數
學歷
交通工具使用時間 樂悲觀分類 樂悲觀指數 是否曾發生交通事故 訊息刺激
主觀增加可能性
前測可能性 後測可能性
資訊選擇性接收度 受訪者屬性
3-3 研究假設
本節根據研究目的、文獻回顧及研究架構發展出下列各項研究假設：
(1) 樂悲觀對於訊息的選擇性接收度的假設
相對於悲觀者，樂觀者對於交通事故可能性前測量較少(假設 1-1)，交通事故 可能性後測量較少(假設 1-2)，交通事故可能性主觀增加量較少(假設 1-3)；
反之，悲觀者對於交通事故可能性前測量較多，交通事故可能性後測量較多，
交通事故可能性主觀增加量較多。
(2) 受訪者屬性中分類變項對於交通事故可能性的影響假設
「性別」對於交通事故可能性前、後測具有顯著差異(假設 2-1)；「婚姻狀況」
對於交通事故可能性前、後測具有顯著差異(假設 2-2)；「是否曾發生交通事 故」對於交通事故可能性前、後測具有顯著差異(假設 2-3)；「樂悲觀分類」
對於交通事故可能性前、後測具有顯著差異(假設 2-4)。
(3) 受訪者屬性中連續變項對於交通事故可能性的影響假設
顯示「子女個數」會影響「交通事故可能性主觀增加量」(假設 3)。
(4) 受訪者的屬性對於樂悲觀分類的影響假設
年齡較大者較為悲觀；年齡較年輕者較為樂觀(假設 4-1)。
「子女個數」較多者，較為樂觀；「子女個數」較少者較為悲觀(假設 4-2)。
3-4 問卷設計 3-4-1 人口學變項
本研究採用的人口學變項有性別、年齡、婚姻狀況、學歷、交通方式及平均 每天使用交通工具多久時間。性別分為男、女；交通方式分別為機車、汽車、
大眾交通工具、步行、腳踏車；年齡、及平均每天使用交通工具多久時間為受 訪者依照目前實際情況填寫。
3-4-2 樂悲觀量表
本研究使用「生活導向測驗」（The Life Orientation Test－Revised，LOT-R;
Scheier，Carver，& Bridges，1994）來測量樂悲觀。此測量工具有十個題目，用 來評量受試者對未來的期望，其中第 2、5、6、8 等四題不列入計分。
表 1 樂悲觀量表
問題
極同意 同意 普通 不同意 非常不同意
1. 許多時候，我都會預期最好的狀況。
2. 對我來說，隨時放輕鬆很容易。
3. 如果我認為我會把事情搞砸，就真的會發生。
4. 對於我的未來，我總是相當樂觀。
5. 我很喜歡與朋友相處。
6. 保持工作忙碌，對我非常重要。
7. 很少有事情是照著我期待的方向走。
8. 我不太容易感到不安。
9. 我幾乎不期待好事會發生在我頭上。
10. 生活中，我感覺自己好事情總是比壞事情發生 多。
樂悲觀量表計算：第 1、4、10 題極同意得 1 分、同意得 2 分、普通得 3 分、
不同意得 4 分、非常不同意得 5 分；第 3、7、9 題極同意得 5 分、同意得 4 分、
普通得 3 分、不同意得 2 分、非常不同意得 1 分；第 2、5、6、8 題不計分，將 以剩下 6 題總和，總分在 6 分至 30 分之間。
樂悲觀分類：總分 6 分為極度樂觀者，總分介於 7 到 18 分為樂觀者；總分 介於 19 到 29 分為悲觀者總分 30 分為極度悲觀者。
樂悲觀指數：總分數越低越樂觀；反之，則總分越高則越悲觀。
3-4-3 問卷內容
1、你個人認為發生交通事故可能性?
無 非 常 少 少 許 中 等 很 多 極 多 性別： 男 女 年齡：
職業：
交通方式： 機車 汽車 大眾交通工具 步行 腳踏車 婚姻狀況： 單身 已婚，已有 子
學歷： 國小 國中 高中 大學 碩士 博士 交通工具使用時間： 小時
是否曾發生交通事故？ 是 否
樂悲觀量表
問題
極同意 同意 普通 不同意 非常不同意
1. 許多時候，我都會預期最好的狀況。
2. 對我來說，隨時放輕鬆很容易。
3. 如果我認為我會把事情搞砸，就真的會發
生。
4. 對於我的未來，我總是相當樂觀。
5. 我很喜歡與朋友相處。
6. 保持工作忙碌，對我非常重要。
7. 很少有事情是照著我期待的方向走。
8. 我不太容易感到不安。
9. 我幾乎不期待好事會發生在我頭上。
10. 生活中，我感覺自己好事情總是比壞事情 發生多。
觀看後影片後在作答以下題目
2、觀看後你個人認為發生交通事故可能性?
無 非常少 少許 中等 很多 極多 3、觀看後你個人認為發生交通事故可能性增加多少？
無 非常少 少許 中等 很多 極多
3-5 問卷資料預處理
問卷資料預處理如下：
(1)交通方式分類：
交通方式有機車、汽車、大眾交通工具、步行、腳踏車，同時也有複數選擇，
我們將其分類為機車、汽車、大眾交通工具、步行、腳踏車及交通方式兩種以 上。
(2)職業分類
以傳統士農工商進行分類；士為老師、公務員、教授、行政人員等；農為畜 牧業、農業、精緻農業、漁業、木業、礦業等；工為修路工、大樓工程人員、
建築工人等；商為服務業、買賣業、保險業、零售業等。
3-6 問卷結果說明與抽樣
問卷流程的順序如下：
1. 填寫基本資料
2. 填寫前測可能性及樂悲觀量表 3. 觀看交通事故影片
4. 填寫後測可能性及主觀增加量 5. 回收問卷
3-6-1 先導問卷測試結果說明
此次先導測試(pilot test)問卷共發出 200 份問卷，採群體抽樣方式以班為單位 選出受測班級，受測對象為中台科技大學資訊管理系及護理系學生。施測過程，
由訪談人員引導問卷題目加以解釋，並說明如何填答，問卷施測過程約為 15 分 鐘。
但以班級為單位抽樣，發生現場場面無法控制及學生叫囂等情況，而受訪結 果受到群體壓力（group pressure）的引響無法忠實反應出內心感受，並沒有達到
預期的效果，例如：同學之間互相觀看各自所選擇的答案，或者是互相嗆聲；
群體壓力（group pressure）就是群體對其成員的一種影響力。當群體成員的思想 或行為與群體意見或規範發生衝突時，成員為了保持與群體的關係而需要遵守 群體意見或規範時所感受到的一種無形的心理壓力，它使成員傾向於作出為群 體所接受的或認可的反應。
故本研究採用便利抽樣方法，以一對一或一對少數的方式進行訪問，以便收 到受訪者忠實的反應。
3-6-2 正式問卷結果
本研究發放問卷共 140 份，共回收 131 份，回收率 94%，每個組員平均回收 22 份，因採用便利抽樣法(convenience sampling)的關係，受訪者的職業有學生、
公務員、一般上班族、工人等其他職業，詳細請參照 4-1 章。
3-6-3 抽樣方法
本研究採用便利抽樣法，又稱偶然抽樣，樣本是在偶然的狀況下被選取的。
例如教師在課堂上調查修課學生們對就業等問題的意見；電視台的談話性節目 在某時段開放聽眾 call in 所得的民眾意見等，樣本是出於自願或基於方便取得 的，都無法推論到整個母體，最多只能說是部分的觀察，或初步的探討而已。
3-7 統計分析
本研究採用 SPSS 13.0 為統計分析軟體。以皮爾相關係數(Pearson’s correlation) 檢定連續變量之間的相關性，並以簡單回歸分析建立其間的影響線性模式，從 其中的斜率可具體看出其影響效果。
當依變項為連續變量，自變項為分類變量時，以獨立樣本 t 檢定(分類項為 2 個水準)或一因子變異數分析(ANOVA)(分類變量為 2 個以上水準)檢定自變項在 不同水準下，依變項是否有顯著差異。本研究的統計檢定之顯著水準一律設為 0.05。
第四章、研究結果
4-1 人口學變項資料分析
本研究的人口學特性，是指參與「樂悲觀對資訊選擇性接收的探討」之受訪 者的性別、年齡、婚姻狀況、學歷、平均每天使用交通工具多久時間等資料。
本研究之「性別」方面，總人數 131 人，無遺漏值，填「男性」有 73 人 (55.73%)，填「女性」有 58 人(44.27%)。
本研究之「年齡」方面，總人數 131 人，遺漏值 2 個，平均年齡 29.36 歲，標 準差為 13.189 。
本研究之「婚姻狀況」方面，總人數 131 人，無遺漏值，填「單身」有 94 人(71.76%)，填「已婚」有 37 人(28.24%)。
本研究之「學歷」方面，總人數 131 人，無遺漏值，填「國小」有 2 人(1.35%)，
填「國中」有 5 人(3.82%)，填「高中」有 22 人(16.79%)，填「大學」有 95 人(72.52%)，
填「碩士」有 5 人(3.82%)，填「博士」有 2 人(1.35%)。
本研究之「職業」方面，總人數 131 人，遺漏值 1 個，填「保母」有 1 人 (0.76%)，填「保全業」有 1 人(0.76%)，填「電子業」有 1 人(0.76%，填「服務 業」有 4 人(3.05%)，填「工程師」有 1 人(0.76%)，填「工人」有 9 人(6.87%)，
填「公務員」有 23 人(17.56%)，填「化工業」有 1 人(0.76%)，填「技術員」有 2 人(1.53%)，填「加油員」有 1 人(0.76%%)，填「家管」有 2 人(1.53%)，填「教 師」有 2 人(1.53%)，填「軍人」有 1 人(0.76%)，填「木工」有 1 人(0.76%)，填
「事務員」有 1 人(0.76%)，填「無業」有 1 人(0.76%)，填「學生」有 70 人(53.44%)，
填「業務員」有 1 人(0.76%)，填「營建業」有 1 人(0.76%)，填「製造業」有 1 人 0.76%)，填「資訊業」有 1 人(0.76%)，填「自由業」有 4 人(3.05%)。
本研究之「交通方式」方面，總人數 131 人，無遺漏值，填「機車」有 64 人(48.85%)，填「汽車」有 20 人(15.27%)，填「大眾交通工具」有 8 人(6.11%)，
填「步行」有 9 人(6.87%)，填「腳踏車」有 1 人(0.76%)，填「複選二種以上」
有 29 人(22.14%)。
4-2 對於連續自變項的因果探討
本研究使用簡單回歸分析，分別設定「樂悲觀指數」和「交通事故可能性主 觀增加量」為依變項，自變項分別為「樂悲觀指數」、「交通工具使用時間」、「子 女個數」、「年齡」、「交通事故可能性前測量」、「交通事故可能性後測量」等因 子，總共十一種組合，如表 2。結果請參見章節 4-2-1、4-2-2。
表 2 因果組合表
依變項 自變項
樂悲觀指數
交通工具使用時間 子女個數
年齡
交通事故可能性前測量 交通事故可能性後測量
交通事故可能性 主觀增加量
樂悲觀指數
交通工具使用時間 子女個數
年齡
交通事故可能性前測量 交通事故可能性後測量
4-2-1 影響「樂悲觀指數」因子的研究結果
利用簡單回歸分析，設定「樂悲觀指數」為依變項，自變項分別為「交通工 具使用時間」、「子女個數」、「年齡」、「交通事故可能性前測量」、「交通事故可 能性後測量」等五個因子，做簡單回歸分析。
使用上述所選擇的依變項和自變項，建立簡單回歸模型，以便探討依變項和 自變項之間的相關性，以下為依變項和自變項的各種組合散佈圖和其估計的回 歸直線：
圖 3 「樂悲觀指數」對於「交通工具平均使用時間」模型圖
圖 4 「樂悲觀指數」對於「子女個數」模型圖
圖 5「樂悲觀指數」對於「年齡」模型圖
圖 6 「樂悲觀指數」對於「交通事故可能性前測量」模型圖
圖 7 「樂悲觀指數」對於「交通事故可能性後測量」模型圖
將以上模型圖與 SPSS 統計軟體所輸出的結果，整理成表格，如下表 3。
表 3 影響「樂悲觀指數」因子的研究結果表
註：(*)表示顯著
由表 3 可知，影響「樂悲觀指數」的顯著因子分別為「子女個數」(P 值 = 0.0025)、「年齡」(P 值 = 0.0000)、「交通事故可能性後測量」(P 值 = 0.0010)，
其中「樂悲觀指數」和「子女個數」呈現負相關( r = -0.2460)，所以當受訪者的 子女越多時，受訪者則越樂觀；「樂悲觀指數」和「年齡」呈現負相關( r =-0.3050)，
所以當受訪者年紀越大時，受訪者則越樂觀；「樂悲觀指數」和「交通事故可能 性後測量」呈現正相關( r = 0.2620)，當受訪者受到交通事故的刺激後，受訪者 越悲觀，「交通事故可能性後測量」則越高。
至於不相關的因子分別為「交通工具使用時間」(P 值 = 0.1385)和「交通事 故可能性前測量」(P 值 = 0.0570)，但此 P 值相當接近 0.05，所以當受訪者接受 刺激前，樂悲觀者都認為有相同交通事故可能性。
因此，當受訪者的子女個數越多時及年齡越大時，受訪者越樂觀，而越樂觀 者受到刺激後，交通事故可能性認為較低；反之，當受訪者的子女個數越少時 及年齡年輕時，受訪者越悲觀，而越悲觀者受到刺激後，交通事故可能性認為 較高。
依變項 自變項 相關係數 斜率 T 值 P 值(單尾)
樂 悲 觀 指 數
交通工具使用時間 -0.0960 -0.1640 -1.0920 0.1385 子女個數 -0.2460 -0.7130 -2.8850 0.0025*
年齡 -0.3050 -0.0710 -3.6140 0.0000*
交通事故可能性
前測量 0.1390 0.4750 1.5930 0.0570 交通事故可能性
後測量 0.2620 0.7110 3.0890 0.0010*
4-2-2 影響「交通事故可能性主觀增加量」因素的研究結果
利用簡單回歸分析，設定「交通事故可能性主觀增加量」為依變項，自變項 分別為「樂悲觀指數」、「交通工具使用時間」、「子女個數」、「年齡」、「交通事 故可能性前測量」、「交通事故可能性後測量」等六個因子，做簡單回歸分析。
使用上述所選擇的依變項和自變項，建立簡單回歸模型，以便探討依變項和 自變項之間的正負關係，以下為依變項和自變項的各種組合散佈圖和其估計的 回歸直線：
y = 0.07x + 1.3326
0 1 2 3 4 5 6 7
0 5 10 15 20 25 30
樂悲觀指數 交
通 事 故 可 能 性 主 觀 增 加 量
圖 8 「交通事故可能性主觀增加量」對於「樂悲觀指數」模型圖
y = 0.0214x + 2.49
0 1 2 3 4 5 6 7
0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00
交通工具使用時間 交
通 事 故 可 能 性 主 觀 增 加 量
圖 9 「交通事故可能性主觀增加量」對於「交通工具使用時間」
模型圖
y = -0.1956x + 2.6432
0 1 2 3 4 5 6 7
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
子女個數 交
通 事 故 可 能 主 觀 性 增 加 量
圖 10 「交通事故可能性主觀增加量」對於「子女個數」模型圖
圖 11 「交通事故可能性主觀增加量」對於「年齡」模型圖
y = 0.3801x + 1.6795
0 1 2 3 4 5 6 7
0 1 2 3 4 5 6 7
交通事故可能性前測量 交
通 事 故 可 能 性 主 觀 增 加 量
圖 12 「交通事故可能性主觀增加量」對於「交通事故可能性前測量」模型 圖
y = 0.6891x + 0.591
0 1 2 3 4 5 6 7
0 1 2 3 4 5 6 7
交通事故可能性後測量 交
通 事 故 可 能 性 主 觀 增 加 量
圖 13 「交通事故可能性主觀增加量」對於「交通事故可能性後測量」模型 圖
將以上模型圖與 SPSS 統計軟體所輸出的結果，整理成表格，如下表 4。
表 4 影響「交通事故可能性主觀增加量」因素的研究結果表
註：(*)表示顯著
依變項 自變項 相關係數 斜率 T 值 P 值(單尾) 交
通 事 故 可 能 性 主 觀 增 加 量
樂悲觀指數 0.1970* 0.0700* 2.2760* 0.0120*
交通工具使用時間 0.0360 2.4900 0.3900 0.3485 子女個數 -0.1900* -0.1960* -2.1950* 0.0150*
年齡 -0.0970 -0.0080 -1.0970 0.1375
交通事故可能性前測量 0.3120* 0.3800* 3.7350* 0.0000*
交通事故可能性後測量 0.7150* 0.6890* 11.6070* 0.0000*
由表 4 可知，影響「交通事故可能性主觀增加量」的顯著因子分別為「樂悲 觀指數」(P 值 = 0.0120)、「子女個數」(P 值 = 0.0150)、「交通事故可能性前測 量」(P 值 = 0.0000)、「交通事故可能性後測量」(P 值 = 0.0000)，其中「樂悲觀 指數」呈現正相關( r = 0.1970)，所以「樂悲觀指數」越高，則代表受訪者越悲 觀，則「交通事故可能性主觀增加量」增加越多；「子女個數」呈現負相關( r = -0.1900)，所以當「子女個數」越多時，則「交通事故可能性主觀增加量」也越 少；「交通事故可能性前測量」呈現正相關( r = 0.3120)，所以當「交通事故可能 性前測量」增加時，則「交通事故可能性主觀增加量」也會增加；「交通事故可 能性後測量」呈現正相關( r = 0.7150)，所以當「交通事故可能性後測量」增加 時，則「交通事故可能性主觀增加量」也會增加。
至於不相關的因子分別為「交通工具使用時間」(P 值 = 0.3485)、「年齡」(P 值 = 0.1375)。
因此，當受訪者越悲觀時，受到刺激後「交通事故可能性主觀增加量」顯著 增加。其子女越少時，「交通事故可能性主觀增加量」越多；反之，當受訪者越 樂觀時，受到刺激後「交通事故可能性主觀增加量」增加較少。其子女越多時，
「交通事故可能性主觀增加量」越少；當受訪者受刺激前，交通事故可能性前 測量越高者，受刺激後交通事故可能性主觀增加量會越多；當受訪者受刺激後，
交通事故可能性後測量越高者，交通事故可能性主觀增加量會越多。
4-3 對於兩個分類自變項的因果探討
本研究使用 T 檢定分析，分別設定「交通事故可能性前測量」、「交通事故可 能性後測量」和「交通事故可能性主觀增加量」為依變項，自變項分別為「性 別」、「婚姻狀況」、「是否曾發生交通事故」、「樂悲觀分類」等因子，總共十二 種組合，如表 5。詳情請參章節 4-3-1。
表 5 兩個分類自變項的因果表
依變項 自變項 分類
交通事故可能性前測量
性別 男、女
婚姻狀況 單身、已婚 是否曾發生交通事故 曾、不曾
樂悲觀分類 樂觀、悲觀
交通事故可能性後測量
性別 男、女
婚姻狀況 單身、已婚 是否曾發生交通事故 曾、不曾
樂悲觀分類 樂觀、悲觀
交通事故可能性 主觀增加量
性別 男、女
婚姻狀況 單身、已婚 是否曾發生交通事故 曾、不曾
樂悲觀分類 樂觀、悲觀
利用 T 檢定分析，設定「交通事故可能性前測量」為依變項，自變項分別為
「性別」(男、女)、「婚姻狀況」(已婚、單身)、「是否曾發生交通事故」(曾、不 曾)、「樂悲觀分類」(悲觀、樂觀)，等四個因子，做 T 檢定分析。
使用上述所選擇的依變項和自變項，建立 T 檢定表，以便探討依變項和自變 項之間的相關性，以下為依變項和自變項的各種組合的 T 檢定表，如下表 6：
表 6 影響「交通事故可能性前測量」T 檢定研究結果表
依變項 自變項 平均值(標準差) 平均數差 T 值 P 值(雙尾)
交 通 事 故 可 能 性 前 測 量
性別
男：2.22(0.837)
男-女：-0.022 -0.141 0.888 女：2.24(0.961)
婚姻狀況
單身：2.28(0.955)
單身-已婚：0.168 1.114 0.268 已婚：2.11(0.699)
是否曾發生 交通事故
不曾：1.94(0.725)
不曾-曾：-0.475 -3.254* 0.001*
曾：2.42(0.942)
樂悲觀分類
樂觀：2.18(0.880)
樂觀-悲觀：-0.141 -0.866 0.388 悲觀：2.32(0.911)
註：(*)表示顯著
由表 6 發現，不曾發生過交通事故平均數為 1.94、曾發生過交通事故平均數 為 2.42，平均數差為-0.475，有顯著差異(P 值=0.001)，曾發生交通事故顯著高於 不曾發生交通事故。男平均數為 2.22、女平均數為 2.24，平均數差為-0.022，無 顯著差異(P 值=0.888)。單身平均數為 2.28、已婚平均數為 2.11，平均數差為 0.168，無顯著差異(P 值=0.268)。樂觀平均數為 2.18、悲觀平均數為 2.32，平均 數差為-0.141，無顯著差異(P 值=0.388)。
由此可知交通事故可能性前測量不會因性別、婚姻狀況、樂悲觀指數的不同 而有差異性。
利用 T 檢定分析，設定「交通事故可能性後測量」為依變項，自變項分別為
「性別」(男、女)、「婚姻狀況」(已婚、單身)、「是否曾發生交通事故」(曾、不 曾)、「樂悲觀分類」(悲觀、樂觀)等四個因子，做 T 檢定分析。
使用上述所選擇的依變項和自變項，建立 T 檢定表，以便探討依變項和自變 項之間的相關性，以下為依變項和自變項的各種組合的 T 檢定表，如下表 7：
表 7 影響「交通事故可能性後測量」T 檢定研究結果表
依變項 自變項 平均值(標準差) 平均數差 T 值 P 值(雙尾)
交 通 事 故 可 能 性 後 測 量
性別
男：2.82(1.135)
男-女：0.029 0.145 0.885 女：2.79(1.120)
婚姻狀況
單身：2.98(1.191)
單身-已婚：0.600 3.349* 0.001*
已婚：2.38(0.794)
是否曾發生 交通事故
不曾：2.54(0.999)
不曾-曾：-0.449 -2.272* 0.025*
曾：2.99(1.171)
樂悲觀分類
樂觀：2.62(1.040)
樂觀-悲觀：-0.530 -2.647* 0.009*
悲觀：3.15(1.197) 註：(*)表示顯著
由表 7 可發現，男平均數為 2.82、女平均數為 2.79，平均數差為 0.029，無 顯著差異(P 值=0.885)；不曾發生過交通事故平均數為 2.54、曾發生過交通事故 平均數為 2.99，平均數差為-0.449，有顯著差異(P 值 = 0.025)，曾發生交通事故 顯著高於不曾發生交通事故。單身平均數為 2.98、已婚平均數為 2.38，平均數 差為 0.600，有顯著差異(P 值=0.001)，單身顯著高於已婚。樂觀平均數為 2.62、
悲觀平均數為 3.15，平均數差為-0.530，有顯著差異(P 值=0.009)，悲觀顯著高於 樂觀。而「性別」(P 值=0.885)不具有顯者差異，由此可知交通事故可能性後測 量不會因性別的不同而有差異性。
接下來使用表 6 和表 7 的各分類平均值來作圖比較「交通事故可能性前測量」
和「交通事故可能性後測量」之間的差別，如下圖(縱軸座標為交通事故可能性)：
圖 14 交通事故可能性前後測量以「性別」分類比較圖
由圖 14 可發現男性受訪者「交通事故可能性前測量」(平均值=2.22)與女性 受訪者(平均值=2.24)相差不大，對「交通事故可能性前測量」無明顯差異(P 值
=0.888)。
經過影片刺激後，男性受訪者(平均值=2.82)及女性受訪者(平均值=2.79)的
「交通事故可能性後測量」相較於「交通事故可能性前測量」有明顯上升，可 依然無明顯差異性(P 值=0.885)。
所以性別對於交通事故前後測並無明顯的差異。
圖 15 交通事故可能性前後測量以「婚姻」分類比較圖
由圖 15 可發現單身受訪者的「交通事故可能性前測量」 (平均值=2.28)略高 於已婚受訪者(平均值=2.11)，可是兩者對於「交通事故可能性前測量」並沒有 明顯的差異(P 值 =0.268)。經過影片刺激後單身受訪者的「交通事故可能性後測 量」(平均值=2.98)明顯高於已婚受訪者(平均值=2.38)，且產生明顯差異(P 值
=0.001)。
單身的受訪者受到刺激後對於交通事故可能性後測量，會相較於已婚的受訪 者高。
圖 16 交通事故可能性前後測量以「是否曾發生交通事故」分類比較圖 由圖 16 可發現曾發生過交通事故的受訪者的「交通事故可能性前測量」(平 均值=2.42)明顯的高於未發生過交通事故的受訪者(平均值=1.94)，有明顯的差異 (P 值=0.001)。
經過影片刺激後曾發生過交通事故的受訪者的「交通事故可能性後測量」(平 均值=2.99)仍高於未發生過交通事故的受訪者(平均值=2.54)，仍就存在的明顯差 異(P 值=0.025)。
發生過交通事故的受訪者對於交通事故可能性，相較於沒有發生過交通事故 的受訪者高。
圖 17 交通事故可能性前後測量以「樂悲觀分類」分類比較圖 由圖 17 可發現悲觀者「交通事故可能性前測量」(平均值=2.32)只些微高於 樂觀者(平均值=2.18)，但兩者之間對於「交通事故可能性前測量」並沒有明顯 差異(P 值=0.388)。
經過影片刺激後可能悲觀者的思考及想法，影響「交通事故可能性後測量」
極度升高(平均值=3.15)，而樂觀者「交通事故可能性後測量」無大幅度的升高(平 均值=2.62)，因此出現明顯差異性(P 值=0.009)。
所以悲觀的受訪者對於交通事故可能性，相較於樂觀的受訪者高。
接下來，經由 T 檢定分析，設定「交通事故可能性主觀增加量」為依變項，
自變項分別為「性別」(男、女)、「婚姻狀況」(已婚、單身)、「是否曾發生交通 事故」(曾、不曾)、「樂悲觀分類」(悲觀、樂觀)，等四個因子，做 T 檢定分析。
使用上述所選擇的依變項和自變項，建立 T 檢定表，以便探討依變項和自變 項之間的相關性，以下為依變項和自變項的各種組合的 T 檢定表，如下表 8：
表 8 影響「交通事故可能性主觀增加量」T 檢定研究結果表
依變項 自變項 平均值(標準差) 平均數差 T 值 P 值(雙尾)
交 通 事 故 可 能 性 主 觀 增 加 量
性別
男：2.49(1.069)
男-女：-0.076 -0.396 0.692 女：2.57(1.110)
婚姻狀況
單身：2.64(1.181)
單身-已婚：0.395 2.312 0.220 已婚：2.24(0.723)
是否曾發生 交通事故
不曾：2.33(0.964)
不曾-曾：-0.331 -1.725 0.087 曾：2.66(1.142)
樂悲觀分類
樂觀：2.43(0.997)
樂觀-悲觀：-0.274 -1.391 0.167 悲觀：2.70(1.214)
註：(*)表示顯著
由表 8 可發現，男平均數為 2.49、女平均數為 2.57，平均數差為-0.076，無 顯著差異(P 值=0.692)。不曾發生過交通事故平均數為 2.33、曾發生過交通事故 平均數為 2.66，平均數差為-0.331，無顯著差異(P 值=0.087)。單身平均數為 2.64、
已婚平均數為 2.24，平均數差為 0.395，無顯著差異(P 值=0.220)。樂觀平均數為 2.43、悲觀平均數為 2.70，平均數差為-0.530，無顯著差異(P 值=0.167)。
4-4 對於多項分類自變項的研究結果
此部份將對職業、交通方式及學歷三個多項分類自變項進行比較，「交通事 故可能性前測量」、「交通事故可能性後測量」和「交通事故可能性主觀增加量」
是否會出現明顯差異。由於本研究將交通事故可能性分成三種類別，因此後續 將採用變異數分析（ANOVA）來進行檢定。此外，在說明各分析結果時，本文 將針對不同分類分別說明。
表 9 交通事故可能性之 ANOVA 檢定—職業分類 平均數的 95%
信賴區間 ANOVA 個數 平均數 下界 上界 F 顯著性 交通事
故可能 性前測 量
無固定職業 8 2.38 1.61 3.14 0.461 0.631 士 101 2.19 2.01 2.36 工 22 2.36 1.96 2.76 總和 131 2.23 2.08 2.38 交通事
故可能 性後測 量
無固定職業 8 2.63 1.63 3.62 0.919 0.401 士 101 2.88 2.66 3.11 工 22 2.55 2.08 3.01 總和 131 2.81 2.61 3 交通事
故可能 性主觀 增加量
無固定職業 8 2.38 1.75 3 1.938 0.148 士 101 2.62 2.41 2.84 工 22 2.14 1.68 2.6 總和 131 2.53 2.34 2.71
在職業分類方面，根據表 9 內容可知，「交通事故可能性前測量」、「交通事 故可能性後測量」與「交通事故可能性主觀增加量」之 P 值各為 0.631、0.401 與 0.148，皆大於 0.05 顯著水準，意謂著在職業分類上，其分類結果不具有顯 著差異。
表 10 交通事故可能性之 ANOVA 檢定—學歷分類
平均數的 95%
信賴區間 ANOVA 個數 平均數 下界 上界 F 顯著性 交通事
故可能 性前測 量
國中小 7 2.57 1.52 3.62 0.677 0.568 高中 22 2.32 1.9 2.74 大學 95 2.17 1.99 2.35 碩博士 7 2.43 1.7 3.16 總和 131 2.23 2.08 2.38 交通事
故可能 性後測 量
國中小 7 3 1.69 4.31 2.559 0.058 高中 22 2.23 1.72 2.74 大學 95 2.91 2.68 3.13 碩博士 7 3.14 2.5 3.78 總和 131 2.81 2.61 3 交通事
故可能 性主觀 增加量
國中小 7 2.14 1.02 3.27 2.304 0.08 高中 22 2.05 1.58 2.51
大學 95 2.65 2.44 2.87 碩博士 7 2.71 1.69 3.74 總和 131 2.53 2.34 2.71
在學歷分類方面，根據表 10 內容可知，「交通事故可能性前測量」、「交通事 故可能性後測量」與「交通事故可能性主觀增加量」之 P 值各為 0.568、0.058 與 0.08，皆大於 0.05 顯著水準，意謂著在學歷分類上，其分類結果不具有顯著 差異。
