罗文婷 等
Continued
计数
城镇
总数的%
生源地
计数
农村
总数的%
19.9%
25.6%
10.0%
9.5%
26.1%
42
54
21
20
55
31.3%
16.6%
10.0%
20.9%
17.1%
66
35
21
44
36
从表6可知，城镇中更多的是独生子女，而农村却相反，这与实际情况是相符合的。初三学生来自于农村所占比例最大，约为26.1%。
Table 7. Chi-square test-progressive Sig. (both sides) 表7. 卡方检验–渐进Sig. (双侧)
Pearson卡方 似然比 线性和线性组合
性别–年级 0.644 0.643 0.504
性别–生源地
0.485 0.486 0.985
独生子女–年级 独生子女–性别 生源地–独生子女 生源地–年级
0.379 0.374 0.204
0.553 0.553 0.554
0.005 0.004 0.002
0.002 0.003 0.012
从表7可知，仅有生源地–独生子女和生源地–年级的显著性P值小于显著性水平0.05，说明生源地对是否为独生子女是有显著性差异影响的，同时生源地对不同年级也是有着差异影响。
3.3. 志愿者行为特征描述
3.3.1. 参加志愿服务总数情况
Table 8. The total number of volunteer services 表8. 志愿服务总数情况
去年参加志愿服务总数
均值 众数
1.96 1
今年参加志愿服务总数
2.06 1
从表8可知，被调查的志愿者中，无论是去年还是今年参加服务的总数，大多数仅参加一项志愿服务，但从均值来看，基本平均每人参加两项志愿服务，而且今年参加服务总数比去年参加服务总数的均值高一些，说明人们对于参与志愿服务是有进一步提升的。
Table 9. Number of participation 表9. 参加次数情况
次数 0 1 2 3 4 5
频数 46 61 42 30 15 9
去年参加总数
百分比 21.8% 28.9% 19.9% 14.2% 7.1% 4.3%
频数 45 59 43 30 13 9
今年参加总数
百分数 21.3% 28.0% 20.4% 14.2% 6.2% 4.3%
DOI: 10.12677/sa.2020.93045
427
统计学与应用
罗文婷 等
Continued
6 7 8 9 10 11 12 13
1 1 2 1 0 0 3 0
0.5% 0.5% 0.9% 0.5% 0.0% 0.0% 1.4% 0.0%
5 1 1 1 1 0 0 3
2.4% 0.5% 0.5% 0.5% 0.5% 0.0% 0.0% 1.4%
表9的参加次数情况与表8得到众数的结果是一致的，参加次数在0到3次所占比例均在14%以上，而参加次数在7到11次的比例均在1.00%以下。说明志愿者在参加志愿服务次数上，参加0~3次的志愿者还是比较多的，而参加次数更多的志愿者却很少。
Figure 1. Line chart of number of participation
图1. 参加次数折线图
为了进一步对比去年与今年参加次数的情况，对表2中频数列做折线图进行趋势对比，得到图1，无论是在去年还是今年，参加0~4次的折线基本是重合，但随着参加次数的增加，今年相比去年有了提高趋势。
Table 10. The main content of middle school students participating in voluntary service 表10. 中学生参与志愿服务的主要内容
志愿服务事件 b1清洁校园卫生
没参加 98
参加 113
3.3.2. 主要参加的志愿服务类型
DOI: 10.12677/sa.2020.93045
428
统计学与应用
罗文婷 等
Continued
b4帮助老师做事 b7协助捐助
b2辅导低年级或其他同学学习 b13义务演出或义务讲解员 b3帮助老师学校整理图书
b6清洁社区环境 b10助残等弱势群体服务
b8心理辅导服务 b5参加公益宣传
b12敬老院献爱心/看望孤寡老人
b9资源回收 b11交通维护
总数 百分比
130 162 180 201 203 183 190 194 198 200 179 190 2308 84.14%
81 49 31 10 8 28 21 17 13 11 32 21 435 15.86%
由表10可得，参加志愿服务活动所占比例仅有15.86%，说明中学生参与志愿服务活动还是相对薄弱的，这与2017年曾楠[7]初探中学生志愿服务存在问题和对策的基本一致，参与校园志愿服务活动相对其他志愿服务活动还是比较多的。对于不参与志愿服务活动原因或影响因素有待进一步研究。 3.3.3. 人口学变量与参加不同志愿服务活动的讨论
在此仅陈列人口学变量与参加不同志愿服务存在显著差异的具体情况。
Table 11. Demographic variables-test for differences in the number of volunteers (proportion) 表11. 人口学变量–参加志愿服务人数(比例)的差异性检验
活动项 初一
年级
初二 初三 大城市
生源地
城镇 农村 是
独生子女
否
卡方检验
Sig.
0.003
0.014
0.001
14 (66.67%) 0.028
b1 3 (2.65%) 48 (42.48%) 62 (54.87%)
b4 8 (9.88%) 46 (56.80%) 27 (33.32%)
b7
18 (36.73%) 20 (40.82%) 11 (22.45%)
b11 7 (33.33%)
由表11可得，不同年级对于b7协助捐助这项志愿服务有显著差异性影响且初二年级的志愿者最明显；生源地对于b1清洁校园卫生和b4帮助老师做事这两项志愿服务同样有着差异性影响，来自农村的志愿者对b1清洁校园卫生最明显，而来自城镇的志愿者对b4帮助老师做事最明显；不是独生子女的志愿者更愿意服务于交通维护这项志愿活动。
DOI: 10.12677/sa.2020.93045
429
统计学与应用
罗文婷 等
Table 12. Gender-difference test of the number (proportion) of volunteers 表12. 性别–参加志愿服务活动人数(比例)的差异性检验
性别
女
卡方检验
Sig.
14 (28.57%) 0.008
3 (14.29%) 0.003
0 (0.00%) 0.003
服务项 男
b7 35 (71.43%)
b10
18 (85.71%)
b13
10 (100.00%)
从表12中可知，性别对于b7协助捐助、b10助残等弱势群体服务和b13义务演出或义务讲解员这三项志愿服务有着显著差异性影响，并且男性更为突出。
4. 志愿者动机类型研究
4.1. 使用因子分析的前提
在使用因子分析之前，样本量、变量之间必须满足一些条件才可使用，否则会使得一些统计量没有意义。本小节以流程图的形式展示使用因子分析的三个前提，如图2所示。
Figure 2. Factor analysis premise flow chart
图2. 因子分析前提流程图
表13给出了本次研究中相关的KMO值和Bartlett球形检验的结果。其中KMO值为0.837大于0.8。Bartlett球形检验概率值为0.000小于0.05的显著性水平，因此拒绝了原始变量之间构成单位矩阵的独立假设，即认为我们所要研究的变量之间具有相关性，可以通过因子分析方法进行研究。
Table 13. KMO and Bartlett’s inspection 表13. KMO和Bartlett的检验
取样足够度的Kaiser-Meyer-Olkin度量
近似卡方
Bartlett的球形度检验
df Sig.
0.837 615.942 66 0.000
4.2. 动机分类的结果
4.2.1. 总体情况
数据分析的结果如表14，特征根大于1的因子一共4个，这4个因子积累的方差贡献率为64.499%。按照特征根大于1，同时结合碎石图，如图3所示，原始的12个有关志愿者动机的变量可以被归纳为4种类型。所以原假设志愿者的动机可以进行归纳得到证实。
DOI: 10.12677/sa.2020.93045
430
统计学与应用
罗文婷 等
Table 14. Eigenvalue and variance contribution rate 表14. 特征根值及方差贡献率
初始特征值
成份
合计
1 2 3 4 5 6 7 8 9 10 11 12
4.184 1.418 1.127 1.005 0.736 0.696 0.588 0.538 0.486 0.454 0.409 0.359
方差的% 34.867 11.819 9.390 8.372 6.133 5.799 4.903 4.484 4.048 3.783 3.411 2.990
累积% 34.867 46.686 56.077 64.449 70.581 76.380 81.284 85.767 89.816 93.599 97.010 100.000
合计 2.298 2.109 1.880 1.447
方差的% 19.149 17.576 15.667 12.057
累积% 19.149 36.724 52.391 64.449
旋转平方和载入
Figure 3. Scree plot 图3. 碎石图
4.2.2. 各个动机类型的讨论
经过坐标轴旋转后，各个公因子的构成如表15。可以看出这12个变量分布在提取出来的4个公因子上，其中公因子1包括了3个变量，公因子2包括了3个变量，公因子3包括了4个变量，公因子4包括了2个变量，所有这些变量一共解释了方差的64.499%，于是可以认为这些公因子比较好的代表了所要研究的志愿者群体的特征。
DOI: 10.12677/sa.2020.93045
431
统计学与应用
中学生参与志愿服务动机研究 - 以南宁市为例 - 图文
