(二)统计整理
　　1．分析方法
　　(1)叙述性统计　　本研究使用SPSS中的叙述性统计过程．对自变量和因变量分别进行统计，得出消费者所选的每个因素的频数，进行加工整理可得到有效样本的人口统计变量结构分析结果、消费者对房地产绿色营销因子的重视程度分析结果，以及消费者对应用绿色营销的房地产商的评价分析结果。

　　(2)因素分析——主成分分析法　　因素分析是用来缩减变量维度的技术。而主成分分析也称为主分量分析，是一种通过降维来简化数据结构的方法，即如何把多个变量(指标)化为少数几个综合变量(综合指标)．而这几个综合变量可以反映原来多个变量的大部分信息。本研究从23项绿色营销因子中，归结出6项因素构面，借此构面得到主要的、可能的营销上的诉求。

　　2．具体操作
　　(1)共同性检定与绿色营销因子选取
　　在因素分析中，共同性(communality)为一项重要指标．可以从其大小判断问卷中量表项目与共同因素间的关系程度。只要共同性达到0.5以上，在量表的建构效度上即达到高效度。因此．本研究首先针对23项绿色营销因子进行共同性检定，检定结果见表3。通过问卷可看出，本问卷在“消费者对各绿色营销因子的重视程度”上解释能力颇高，所以本研究选取了共同性在0.55以上的项目．剔除了两个项目，它们分别是：建立小区公园和赞助或提供小区巴士。这样，所剩下的21个绿色营销因子进入后续的分析。

　　(2)因素分析检定与因素构面数决定　　进行因素分析前．应先经由KMO(Kaiser-Meyer-Olkin)取样适切性检定，信捷职称论文写作发表网，KMO值最大不超过1，当KMO值越大时，表示变量间的共同因素越多．越适合进行因素分析，根据Kaiser的观点，如果KMO值小于0-5．则不宜进行因素分析。本研究KMO检定结果值为0．831．再经由Bartlett球形检定，结果为：卡方值1925．761，P值0．000，达显著水平。表示本研究的绿色营销因子适合进行因素分析。因素构面数的确定以“特征值大于1”作为考虑基础，共提取出6个因素构面，累积解释变异量达66．925％(参见表4)。

　　(3)因素分析结果与绿色营销因素构面命名　　本研究采用主成分分析法(pirncipalcomponentanal—ysis)，并以最大变异法(Varimax)进行转轴．以得到转轴后的因素成分矩阵，转轴后在因素成分矩阵的显示表中(见表5)，所有的因素符合量均高于0.5。