第六章 研究結果
第三節 交通生活方式的邏輯迴歸模型(民眾日常使用運具狀況調查)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
近U字型,也就是年輕的時候較可能騎機車,隨著年紀增長而逐漸降低騎機車 的機率,直到某個年紀以後,又會小幅增加以機車為主要交通工具的機率。綜 觀此模型,可以總結出若以機車為主要交通工具的台灣民眾,較可能具備「年 紀較輕」、「教育程度較低」的特性。居住區域的影響也非常大,大眾交通最 發達的地區,如台北、新北、基隆,就相對其他縣市較不會以機車為主要交通 工具,與上一節的描述統計結果如出一轍。
表 3 主要交通方式為機車之二元邏輯迴歸
依變項:主要交通方式為機車
ß z
女性 0.240*** 15.00
個人月收入對數 0.0003 0.18
年齡 -0.044*** -9.67
年齡平方項 0.0002*** 5.14
教育程度類別(對照組:小學及以下)
國中 0.159*** 4.84
高中 -0.088*** -3.06
大專 -0.425*** -14.00
研究所以上 -1.014*** -22.51
大眾交通工具較發達地區(對照組:剩餘其他縣市)
台北、新北、基隆 -0.779*** -35.03
常數項 1.869*** 20.25
N
72348 Pseudo R2 0.0333 Log Likelihood -47818.478註:*p<.05 **p<.01 ***p<.001。 使用 Logistic Regression。資料來源:交通部
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4 是「主要開汽車」對比「非主要開汽車」為依變項的二元邏輯迴歸,
其中自變項「年齡」、「收入」、「教育程度」都是正向顯著,代表年紀愈 大、收入愈高、教育程度愈高,會顯著提升台灣人民以汽車作為主要交通工具 的機率,可以看到係數隨著高中、大專、研究所以上,汽車為主要交通工具的 機率愈來愈高,性別則是女性相對男性會大幅降低主要開汽車的機率,主要自 變項係數正負向剛好與主要騎機車相反。如果單看年齡的影響力,會是隨著年 紀增加會顯著提高以汽車為主要交通工具的機率,但模型中年齡的平方項同樣 顯著,代表年齡與主要騎機車的關係更接近倒U字型,也就是年輕的時候較可 能比較不會以汽車為主要交通工具,隨著年紀增長而逐漸提高開汽車的機率,
直到某個年紀以後,又會小幅降低以汽車為主要交通工具的機率,筆者推測可 能是因為生理因素所導致,個人到達一定年齡以後身體各方面機能逐漸退化,
變得漸漸不適合開汽車。
綜觀此模型,可以總結出若以汽車為主要交通工具的台灣民眾,較可能 具備「年齡較高」、「收入較高」、「教育程度較高」的特性,與主要騎機車 的群體形成強烈對比。
表 4 主要交通方式為汽車之二元邏輯迴歸
依變項:主要交通方式為汽車
ß z
女性 -0.565*** 15.00
個人月收入對數 0.071*** 31.24
年齡 0.187*** 32.81
年齡平方項 -0.001*** -28.92 教育程度類別(對照組:小學及以下)
國中 0.177*** 4.32
高中 0.517*** 14.21
大專 0.823*** 22.04
研究所以上 1.292*** 25.88
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4 主要交通方式為汽車之二元邏輯迴歸
大眾交通工具較發達地區(對照組:剩餘其他縣市)
台北、新北、基隆 -0.583*** -21.43
常數項 -5.994*** -50.83
N
72348 Pseudo R2 0.082 Log Likelihood -39804.294註:*p<.05 **p<.01 ***p<.001。 使用 Logistic Regression。資料來源:交通部
透過以上兩個邏輯迴歸模型,確認了個人主要交通工具的選擇,與個人 在社會上的條件習習相關,因為性別、教育程度、收入都會顯著影響個人選擇 不同主要交通工具的機率。
表 5 是將主要交通方式分成「機車」、「汽車」、「大眾交通工具」、
「 其 他 」 四 個 類 別 作 為 依 變 項 的 多 元 無 序 邏 輯 迴 歸 ( Multinomial Logistic Regression) ,與表 4 表 3 的差別在於表 5 是將所有主要交通方式皆納入考量,
而且可以將「主要騎機車」與「主要開汽車」直接進行比較,也可以看到相對 於「主要騎機車」,個人採取汽車、大眾交通工具、其他這三種主要交通方式 的機率,會不會因為性別、教育程度、收入而有顯著的影響。模型結果顯示,
相對於主要騎機車,個人主要開汽車的機率確實會因為「年齡」、「教育程 度」、「收入」的增加而顯著提升,然而,收入的影響力比預期來得小。性別 的影響力則相當大,台灣女性相對男性會顯著降低主要開汽車的機率。機車與 汽車透過 MNL 直接進行比較後,得到的結果與表 4 相當一致,年齡、收入、教 育程度皆是正向顯著,性別則是負向顯著。與表 3 相異的部分是個人月收入對 數,此變項在表 3 並不顯著,但在表 5 的 MNL 中變成顯著,代表機車與汽車直 接比較的話,主要開汽車的人群相對更有錢一些,可是這個結果在主要騎機車 與非主要騎機車的人群之間無法顯著。
‧
(0.002) -0.061***
(0.003) -0.097***
‧
(0.029) 2.762***
(0.034) 0.428***
Log Likelihood -67527.301
註:*p<.05 **p<.01 ***p<.001。 使用 Multinomial Logistic Regression。資料來源:交通部
表 6 台北市與新北市主要交通方式之 MNL
(0.007) -0.039***
(0.007) -0.090***
(0.010)
‧
(0.000) 0.002***
(0.000) 0.001***
(0.216) 1.345***
(0.362) 1.140*
(0.530)
N
7285Pseudo R2 0.076
Log Likelihood -8024.1355
註:*p<.05 **p<.01 ***p<.001。 使用 Multinomial Logistic Regression。資料來源:交通部
上述的結果都是在對比到主要騎機車的前提下,可說是從另一個角度驗