國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
三、實證模型
經變數挑選過後的實證模型，結果與交叉分析類似。如下表 5-11 及 5-14，通勤類的 使用意願較受不同社經背景、個人認知及使用經驗的影響，而檢定的部分在模型顯著性、
模型配適度及模型變數關聯程度都達到一定的水準。相較之下，休閒類的使用意願，如下 表 5-16 及 5-17，不受社經背景、個人認知及使用經驗的影響，雖然模型配適度非常理想，
但在整體模型顯著性及變數關聯程度均未達到顯著的水準。最後如表 5-19，在整體的使用 意願上，則是會受與通勤使用不同的社經背景影響，亦受到個體對系統認知的影響，但鮮 受使用經驗的影響。相關的模型實證表論述如下。
(一) 通勤使用
1. 白天通勤使用之檢定(表 5-11)
(1) 在白天通勤使用實證模型中，首先進行模式檢定。透過模式係數之 Omnibus 檢定 整體模型顯著性，整體模型卡方值為 64.507，顯著性小於 0.001，表示整體模型具 有顯著的解釋能力。
(2) 在整體模型配適度方面，Hosmer-Lemeshow 檢定之卡方值為 9.318，顯著性大於 0.05，
未達顯著水準，接受虛無假設：「二元羅吉特模型整體配適度佳」，表示模型之配 適度良好，自變數可以有效預測應變數。
(3) 在自變數與應變數之關聯程度檢定方面，採用類似 R2的指標，即 Cox & Snell R2 和修正過後的 Nagelkerke R2，此類指標用在模式間的比較，代表自變數與應變數 間 的 關 聯 強 度 ， 但 不 代 表 代 表 應 變 項 對 自 變 項 變 異 量 解 釋 的 百 分 比 ， McFadden(1974)也指出，當概似比指標在 0.2 到 0.4 之間，代表該模式的適合度是 相當高，而一般 Nagelkerke R2值超過 0.15 即代表該模型是被接受的。在白天通勤 實證模型中，Cox & Snell R2為 0.115，Nagelkerke R2為 0.199，顯示自變數與應變 數之間有低等程度的關聯。
(4) 在預估正確率的部分，如表 5-12，總預測正確率為 84.3%。
(5) 在變數共線性檢定的部分，如表 5-10，變數相關矩陣係數絕對值最大僅為 0.486，
故可知在此實證模型中不存在變數共線性。
(6) 在變數估計結果部分，顯著性小於 0.05，與白天通勤使用意願有顯著關係之變數 包括使用經驗的有無、高等教育背景的有無、私人自行車的有無、最常使用的交 通工具是否為綠色運具及個體對臺北公共自行車系統的認知。在上述所有變數中，
勝算比(odd ratio)大於 1 者，表示與在白天通勤使用公共自行車的意願有正向關係；
反之，則為負向關係。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
2. 傍晚通勤使用之檢定(表 5-14)
(1) 在傍晚通勤使用實證模型中，Omnibus 檢定整體模型顯著性，整體模型卡方值為 79.77，顯著性小於 0.001，表示整體模型具有顯著的解釋能力。
(2) 在整體模型配適度的 Hosmer-Lemeshow 檢定之卡方值為 12.84，顯著性大於 0.05，
未達顯著水準，表示模型之配適度良好，自變數可以有效預測應變數。
(3) Cox & Snell R2為 0.140，Nagelkerke R2為 0.229，顯示自變數與應變數之間有低等 程度的關聯。
(4) 在預估正確率的部分，如表 5-15，總預測正確率為 83.5%。
(5) 在變數共線性檢定的部分，如表 5-13，變數相關矩陣係數絕對值最大僅為 0.456，
故可知在此實證模型中不存在變數
共線性。
(6) 在變數估計結果部分，顯著性小於 0.05，與傍晚通勤使用意願有顯著關係之變數 包括使用經驗的有無、規律運動的有無，私人自行車的有無、最常使用的交通工 具是否為綠色運具，在認知部分，對臺北公共自行車系統的認知及對環境的認知 都呈現顯著的關係。
3. 通勤實證模型解釋
在使用經驗變數中，白天通勤與傍晚通勤的使用經驗勝算比分別為 2.205 及 2.260，代 表有使用經驗的人願意在白天及傍晚以公共自行車通勤的機率為沒使用經驗的人的 2.205 及 2.260 倍。根據文獻回顧指出，自 1960 年代以來，自行車在國人心中已定位為休閒遊憩 的型式，不再扮演交通工具的角色，因此，並無於都會區騎乘自行車通勤的風氣，加上使 用經驗缺乏，對公共自行車系統亦不甚熟悉，民眾對於在臺北都會區以公共自行車成為通 勤工具的政策仍存遲疑態度。然而，在使用過公共自行車系統後，已了解系統的特性及帶 來的方便性，再加上逐漸養成騎乘自行車的習慣，因此對於在白天騎乘公共自行進行通勤 行為的意願也大幅度的提升。
在高等教育背景變數中，白天通勤的勝算比為 3.448，代表有高等教育背景的人願意 在白天時段以公共自行車通勤的機率為沒受過高等教育背景的 3.448 倍。根據第二章文獻 回顧內文顯示，學歷為研究所的民眾相較於其他教育程度的騎乘意願較高，而本研究實證 結果也證實，受過大學以上教育的民眾，較願意於白天時段使用公共自行車通勤。唯此變 數在傍晚通勤的實證模型內並不顯著，顯示教育背景對是否願意在傍晚的時段騎乘公共自 行車通勤是沒有影響的。
在規律運動習慣變數中，傍晚通勤的勝算比為 1.663，代表有規律運動習慣的人願意 在傍晚騎乘公共自行車通勤的機率為沒規律運動習慣的 1.663 倍；相較之下，在白天通勤
‧
‧
Nagelkerke R2
=.199
Hosmer –Lemeshow 檢定值=9.318n.s.
註：*P<.05 **P<.01 ***P<.001 n.s. P>0.05
‧
Nagelkerke R2
=.229
Hosmer –Lemeshow 檢定值=12.844n.s.
註：*P<.05 **P<.01 ***P<.001 n.s. P>0.05
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
(二) 休閒使用
1. 白天休閒使用之檢定(表 5-16)
(1) 在白天休閒使用實證模型中，整體模型卡方值為 24.382，顯著性小於 0.01，表示 整體模型具有顯著的解釋能力。
(2) 在整體模型配適度的 Hosmer-Lemeshow 檢定之卡方值為 8.327，顯著性大於 0.05，
未達顯著水準，表示模型之配適度良好，自變數可以有效預測應變數。
(3) Cox & Snell R2為 0.043，Nagelkerke R2為 0.128，顯示自變數與應變數之間的關聯 非常低，且兩個判定值皆未達到 0.15。因此白天休閒使用的實證模型是不被接受 的。
2. 傍晚休閒使用之檢定(表 5-17)
(1) 在傍晚休閒使用實證模型中，整體模型卡方值為 11.546，顯著性大於 0.05，表示 整體模型不具有解釋能力。
(2) 在整體模型配適度的 Hosmer-Lemeshow 檢定之卡方值為 14.21，顯著性大於 0.05，
未達顯著水準，表示模型之配適度良好。
(3) Cox & Snell R2為 0.021，Nagelkerke R2為 0.128，顯示自變數與應變數之間的關聯 非常低，且兩個判定值皆未達到 0.15，因此傍晚休閒使用的實證模型亦是不被接 受的。
3. 休閒實證模型解釋
相較於通勤實證模型，休閒實證模型的解釋力都非常低，因此我們拒絕休閒的實證模 型。本研究在進行研究設計時，是以公共自行車系統（或稱自行車共享系統）為研究標的，
相關文獻多從國外的執行經驗參考而得，而國外的公共自行車系統皆是以通勤接駁導向進 行規劃營運，在文獻回顧中也指出，部分國家為了避免休閒導向的使用占用公共自行車系 統的資源，會以梯形費率來避免長時間的租借，更有國家不接受短期會員租用的形式。我 國公共自行車系統初始設計亦是以市區接駁型公共自行車出發，直到近期才在許多觀光景 點附近設置租借站，也因此，由各文獻參閱而成的問卷設計自與通勤使用的變數會較相 關。
雖然休閒使用的實證模型結果呈現不佳的狀態，但這也證明了影響休閒使用與通勤使
‧
Nagelkerke R2
=.128
Hosmer –Lemeshow 檢定值=8.327n.s.
註：*P<.05 **P<.01 ***P<.001 n.s. P>0.05
Nagelkerke R2
=.042
Hosmer –Lemeshow 檢定值=14.213n.s.
註：*P<.05 **P<.01 ***P<.001 n.s. P>0.05
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
(三) 整體使用
1. 整體使用意願實證模型檢定(表 5-19)
(1) 在整體使用實證模型中，首先透過模式係數之 Omnibus 檢定整體模型顯著性，整 體模型卡方值為 54.811，顯著性小於 0.001，表示整體模型具有顯著的解釋能力。
(2) 在整體模型配適度方面，Hosmer-Lemeshow 檢定之卡方值為 4.664，顯著性大於 0.05，表示模型之配適度良好，自變數可以有效預測應變數。
(3) 在自變數與應變數之關聯程度檢定方面 Cox & Snell R2為 0.099，Nagelkerke R2為 0.264，顯示自變數與應變數之間有低等程度的關聯。在預估正確率的部分，如表 5-20，總預測正確率為 93.7%。由於 Nagelkerke R2大於 0.15，因此此模型是可信 的。
(4) 在變數估計結果部分，顯著性小於 0.05，與整體使用意願有顯著關係之變數包括 性別、最常使用交通工具、年齡、對臺北公共自行車的系統認知。在上述所有變 數中，勝算比(odd ratio)大於 1 者，表示與在使用公共自行車的意願有正向關係；
反之，則為負向關係。
2. 變數解釋
在整體使用意願的實證模型中，可以發現在通勤實證模型中顯示為顯著的變數在此模 型不顯著了；相反的，性別及年齡兩項變數在通勤實證模型中皆不顯著，但在整體使用意 願的實證模型卻顯著了，相關說明如下。
在性別變數當中，勝算比為 0.354，代表整體來說，男性願意使用的機率為女性願意 使用的 0.354 倍，也就是女性願意騎乘的機率比較高。根據一般認知，我國女性對大眾運 輸系統的依賴性較男性為高，而根據前述調查結果，對大眾運輸系統依賴性越高，使用公 共自行車的意願越高，因此，女性對公共自行車的使用意願大於男性。
在年齡變數中，勝算比為 1.109，代表年紀越大，願意騎乘公共自行車的機率越大。
此外，與通勤實證模型相同的是，在最常使用的交通工具變數中，勝算比達到 2.508，代 表平常使用綠色運具的人，願意騎乘公共自行車的機率是使用非綠色運具的 2.508 倍。在 對臺北公共自行車系統認知變數中，勝算比為 1.073，代表對整體系統認知分數越高（越 正向），願意使用公共自行車通勤的機率越大。
‧
Nagelkerke R2
=.264
Hosmer –Lemeshow 檢定值=4.664n.s.
註：*P<.05 **P<.01 ***P<.001 n.s. P>0.05
‧
類似的結果，在通勤與整體使用模型中，Nagelkerke R2皆大於 0.15，自變數 與應變數之間有一定程度的關聯；但在休閒模型中，Nagelkerke R2皆小於 0.15，無法證明自變數與應變數有一定的關聯。值得注意的是，雖然休閒模型的解