6.2 模式估計
6.2.1 事故頻次模式推估－一般線性迴歸
本研究對線性迴歸分析之迴歸式設定如第(7)式：
(7)
線性迴歸式確認後，便分別對四種分割路段之方法：1 公里、兩兩交流道、
路段間事故件數自我相關最低及路段內解釋變數同質性最高，進行卜瓦松迴歸模 式及負二項迴歸模式的估計。其中，應變數 y 將以各樣本空間中之 A1、A2 及 A3 事故總和進行模式推估。
1. 路段分割方式：1 公里
由表 6-1 知，以一般線性迴歸為事故分析為基礎時，在 1 公里為一樣本單位 下之事故頻次模式以負二項迴歸模式的解釋能力較佳，其 Adj-Ro2為 0.20，由迴 歸估計結果得知，其共有 5 個顯著的解釋變數，分別為小型車 AADT、聯結車 AADT、最大上坡坡度、最大下坡坡度及克羅梭曲線參數。其中小型車 AADT 之係數值為 0.197，表示小型車車流量與事故件數存在正向關係，故小型車車流 量越多，事故件數就越多；最大下坡坡度之係數值為 0.163，表示下坡坡度與事 故件數存在正向關係，是故最大下坡坡度越陡，事故就越多。但聯結車 AADT、
最大上坡坡度及克羅梭曲線參數之係數值皆為負值，表示此些解釋變數與事故件 數呈反向連動關係，即聯結車車流量越少、最大上坡坡度越緩及克羅梭曲線參數 越小，事故件數就越多，此結果與原設定之邏輯不合。
44
表 6-1 以 1 公里為樣本單位下之一般線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 0.870 2.74*** 0.907 3.06***
α 值 0.111 3.28***
SADT 0.197 5.75*** 0.195 7.17***
MADT -0.026 -0.06 0.009 0.03 LADT -1.618 -3.64*** -1.692 -4.21***
USlope -0.108 -3.88*** -0.113 -4.48***
DSlope 0.163 5.73*** 0.159 6.11***
Ratio 0.002 0.16 0.004 0.37 Curve -0.282 -5.81*** -0.296 -6.45***
Lane -0.074 -0.78 -0.078 -0.88 TollnRest -0.001 -0.01 -0.013 -0.13
樣本數 746 746
變數個數 11 10
BIC 1999.867 2009.359
AIC 1955.720 1969.826
LL(M) -1201.898 -1201.898
LL(β) -966.860 -974.913
Adj-Ro2 0.20 0.19
註： 0.01***
0.05**
0.1*
45
2. 路段分割方式：兩兩交流道
由表 6-2 知，以一般線性迴歸為事故分析為基礎時，在兩兩交流道為一樣本 單位下之事故頻次模式以負二項迴歸模式的解釋能力較佳，其 Adj-Ro2為 0.33，
由迴歸估計結果得知，其共有 4 個顯著的解釋變數，分別為小型車 AADT 及聯 結車 AADT、最大下坡坡度及曲率半徑。其中小型車 AADT 之係數值為 0.186，
表示小型車車流量與事故件數存在正向關係，故小型車車流量越多，事故件數就 越多；最大下坡坡度之係數值為 0.063，表示下坡坡度與事故件數存在正向關係，
是故最大下坡坡度越陡，事故就越多；曲率半徑之係數值為 0.041，表示曲率半 徑與事故件數存在正向關係，故曲率半徑越小，事故就越多。但聯結車 AADT 之係數值為-1.664，表示聯結車車流量與事故件數間呈現反向關係，即聯結車車 流量越少，事故件數就越多，此結果與原設定之邏輯不合。
46
表 6-2 以兩兩交流道為樣本單位下之一般線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 2.171 4.66*** 2.250 8.28***
α 值 0.289 5.06***
SADT 0.186 3.55*** 0.195 6.91***
MADT -0.055 -0.09 -0.097 -0.28 LADT -1.664 -2.59*** -1.851 -4.61***
USlope -0.024 -0.48 -0.042 -1.56*
DSlope 0.063 1.28* 0.062 2.31***
Ratio 0.041 1.89** 0.035 3.41***
Curve -0.005 -0.07 -0.001 -0.01 Lane -0.128 -0.91 -0.124 -1.51*
TollnRest 0.033 0.71 0.037 1.46*
樣本數 124 124
變數個數 11 10
BIC 744.587 846.073
AIC 718.384 822.691
LL(M) -516.342 -516.342
LL(β) -348.192 -401.345
Adj-Ro2 0.33 0.22
註： 0.01***
0.05**
0.1*
47
3. 路段分割方式：空間自我相關最低
由表 6-3 知，以一般線性迴歸為事故分析為基礎時，以空間自我相關最低為目 標之樣本分割下之事故頻次模式，負二項迴歸模式及卜瓦松迴歸模式的解釋能力表 現相當，其 Adj-Ro2為 0.31，由迴歸估計結果得知，其共有 6 個顯著的解釋變數，
分別為小型車 AADT、聯結車 AADT、最大上坡坡度、最大下坡坡度、克羅梭曲線 參數及收費站與休息站座數。其中小型車 AADT 之係數值分別為 0.308 及 0.306，
表示小型車車流量與事故件數存在正向關係，故小型車車流量越多，事故件數就越 多；最大下坡坡度之係數值為 0.219 及 0.218，表示下坡坡度與事故件數存在正向 關係，是故最大下坡坡度越陡，事故就越多；另外，收費站及休息站座數之係數值 為 0.336 及 0.339，表示收費站及休息站座數與事故件數存在正向關係，故收費站 及休息站座數越多，事故件數就越多。但聯結車 AADT、最大上坡坡度及克羅梭曲 線參數之係數值皆為負值，表示此三項解釋變數與事故件數呈反向關係，故聯結車 車流量越少、最大上坡坡度越緩及克羅梭曲線參數越小，事故件數就越多，此結果 與原設定之邏輯不合。
48
表 6-3 以空間自我相關最低為樣本單位下之一般線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 -0.777 -0.75 -0.768 -0.79 α 值 0.055 0.49
SADT 0.308 2.71*** 0.306 2.83***
MADT 0.131 0.09 0.204 0.15 LADT -2.486 -1.64* -2.544 -1.74**
USlope -0.232 -2.37*** -0.239 -2.51***
DSlope 0.219 2.07** 0.218 2.12**
Ratio 0.000 0.00 0.000 0.01 Curve -0.308 -2.00** -0.310 -2.03**
Lane -0.081 -0.27 -0.085 -0.30 TollnRest 0.336 7.01*** 0.339 8.44***
樣本數 398 398
變數個數 11 10
BIC 420.905 415.109
AIC 383.040 381.231
LL(M) -262.565 -262.565
LL(β) -180.520 -180.615
Adj-Ro2 0.31 0.31
註： 0.01***
0.05**
0.1*
49
4. 路段分割方式：空間同質性最高
由表 6-4 知，以一般線性迴歸為事故分析為基礎時，以空間同質性最高為目 標之樣本分割下之事故頻次模式，負二項迴歸模式及卜瓦松迴歸模式的解釋能力 皆表現良好，Adj-Ro2為 0.35。由迴歸估計結果得知，負二項迴歸模式共有 4 個 顯著的解釋變數，分別為小型車 AADT、最大下坡坡度、克羅梭曲線參數及收費 站與休息站座數。其中小型車 AADT 之係數值為 0.422，表示小型車車流量與事 故件數存在正向關係，故小型車車流量越多，事故件數就越多；最大下坡坡度之 係數值為 0.310，表示下坡坡度與事故件數存在正向關係，是故最大下坡坡度越 陡，事故就越多；另外，收費站及休息站座數之係數值為 0.453，表示收費站及 休息站座數與事故件數存在正向關係，故收費站及休息站座數越多，事故件數就 越多。但克羅梭曲線參數之係數值為-0.284，表示與事故件數呈反向關係，故克 羅梭曲線參數越大，事故件數就越少，與原先設定之邏輯不符。
卜瓦松迴歸模式共有 5 個顯著的解釋變數，分別為小型車 AADT、聯結車 AADT、最大下坡坡度、克羅梭曲線參數及收費站與休息站座數。其中小型車 AADT 之係數值為 0.420，表示小型車車流量與事故件數存在正向關係，故小型 車車流量越多，事故件數就越多；最大下坡坡度之係數值為 0.308，表示下坡坡 度與事故件數存在正向關係，是故最大下坡坡度越陡，事故就越多；另外，收費 站及休息站座數之係數值為 0.453，表示收費站及休息站座數與事故件數存在正 向關係，故收費站及休息站座數越多，事故件數就越多。但聯結車 AADT 及克 羅梭曲線參數之係數值分別為-2.167 及-0.286，表示與事故件數呈反向關係，故 聯結車車流量越多及克羅梭曲線參數越大，事故件數就越少，與原先設定之邏輯 不符。
50
表 6-4 以空間同質性最高為樣本單位下之一般線性事故頻次模式
模式名稱 負二項迴歸模式 卜瓦松迴歸模式
Parameters Estimates t value Estimates t value 常數項 -1.509 -0.77 -1.510 -1.50*
α 值 0.033 0.44
SADT 0.422 3.78*** 0.420 3.87***
MADT -0.377 -0.29 -0.314 -0.26 LADT -2.145 -1.18 -2.167 -1.59*
USlope -0.052 -0.49 -0.055 -0.53 DSlope 0.310 2.67*** 0.308 2.93***
Ratio 0.014 0.46 0.015 0.47 Curve -0.284 -1.81** -0.286 -1.83**
Lane -0.016 -0.02 -0.020 -0.07 TollnRest 0.453 5.98*** 0.453 6.47***
樣本數 437 437
變數個數 11 10
BIC 416.677 410.659
AIC 377.877 375.940
LL(M) -275.61 -275.61
LL(β) -177.939 -177.970
Adj-Ro2 0.35 0.35
註： 0.01***
0.05**
0.1*
51