本章 4.1 節首先簡述前期問卷之調查結果，本研究年期則進一步透過卡方檢定，檢視本 研究蒐集樣本之代表性。4.2 節則以上一年期區內運具選擇模式為基礎，進一步納入新興運具 DRTS 於候選方案，以 RP（顯示性偏好）＋SP（敍述性偏好）方法重新進行模式之推估與調 校，並據以推估各鄉鎮市區公共運輸效用值，以作為總體與個體模式整合之建構基礎。4.3 節 則以上一期年城際及接駁運具選擇模式為基礎，除進一步納入 DRTS 於接駁運具中，重新以 RP（顯示性偏好）＋SP（敍述性偏好）方法進行模式之重新推估與調校外，再以巢式羅吉特 架構，探討不同選擇架構之差異（城際運具選擇在上層、接駁運具選擇在下層；城際運具選 擇在下層、接駁運具選擇在上層），並將城際與接駁運具選擇結合在同一模式中，以提昇模式 之整合性與應用性。最後，依據區內及城際模式之推估結果，進行彈性分析及市場佔有率分 析。
4.1 前期問卷調查結果與分群 4.1.1 問卷調查結果與檢定
表 4.1 為前期問卷各縣市有效問卷及抽樣份數比較。其中，本研究針對抽樣份數、區內 旅次實際回收樣本數，以及城際旅次實際回收樣本數進行卡方檢定，如表 4.2 所示，檢定結 果顯示各縣市有效問卷數及抽樣份數並無顯著差異。
表 4.1 各縣市有效問卷及抽樣份數比較
類別 縣市
(偏好系統)
預計抽樣樣本 數
實際問卷回收數
區內 城際
樣本數 樣本數
主要都會
臺北市(A) 566 938 1,766
新北市(A) 842 1,281 852
臺中市(B) 572 675 687
高雄市(B) 602 729 600
小計 1,973 3,623 3,905
次要都會
基隆市(A) 84 126 59
桃園縣(B) 430 565 358
新竹市(B) 89 103 75
新竹縣(C) 111 278 65
彰化縣(B) 285 428 150
臺南市(B) 408 555 321
小計 1,507 2,055 1,028
一般城市
宜蘭縣(C) 100 125 73
花蓮縣(C) 74 93 39
南投縣(C) 115 139 56
屏東縣(C) 192 202 149
苗栗縣(C) 122 162 65
雲林縣(C) 157 171 70
54
類別 縣市
(偏好系統)
預計抽樣樣本 數
實際問卷回收數
區內 城際
樣本數 樣本數
嘉義市(B) 59 90 38
嘉義縣(C) 119 114 125
臺東縣(C) 51 71 40
澎湖縣(C) 22 15 1
小計 1,521 1,182 656
合計 5,000 6,860 5,589
表 4.2 各縣市有效問卷及規劃抽樣份數間之卡方檢定值
旅次類型 區內 城際
樣本分佈型態 所有運具 公共及非機動運具 所有運具 公共及非機動運具 卡方值 0.070 0.329 0.447 0.362 註：95%信心水準下之卡方臨界值為 30.14。
表 4.3 顯示區內及城際問卷之公共運輸使用率。由表知，不論是區內問卷或是城際問卷，
其非車主之公共運輸使用率均遠高於車主使用率。而且，城際旅次使用公共運輸的比率也略 高於區內旅次。
表 4.3 各種類型問卷之公共運輸使用率 類別 縣市
本研究調查各類型問卷之公共運輸使用率
區內 城際
車主 非車主 車主 非車主
主要都會
臺北市(A) 9.21% 50.89% 15.58% 32.25%
新北市(A) 11.08% 41.42% 10.87% 19.32%
臺中市(B) 5.24% 13.14% 26.46% 38.78%
高雄市(B) 5.22% 24.46% 8.67% 25.54%
次要都會
基隆市(A) 4.35% 35.09% 12.50% 22.22%
桃園縣(B) 8.72% 39.34% 8.04% 23.90%
新竹市(B) 7.27% 27.08% 6.25% 18.52%
新竹縣(C) 5.56% 19.40% 15.79% 22.22%
彰化縣(B) 6.97% 27.17% 19.77% 32.81%
臺南市(B) 10.77% 34.11% 17.30% 22.06%
一般城市
宜蘭縣(C) 4.29% 49.09% 17.07% 31.25%
花蓮縣(C) 5.66% 12.50% 22.73% 41.18%
南投縣(C) 6.41% 42.62% 23.53% 40.91%
屏東縣(C) 4.95% 20.79% 13.89% 35.06%
苗栗縣(C) 2.35% 35.06% 8.11% 28.57%
55
雲林縣(C) 9.09% 38.55% 12.50% 36.67%
嘉義市(B) 4.76% 48.15% 19.05% 17.65%
嘉義縣(C) 3.39% 54.55% 3.70% 20.45%
臺東縣(C) 4.65% 10.71% 3.70% 38.46%
澎湖縣(C) 0.00% 14.29% - -
此外，本研究針對回收問卷進行各重要變數樣本與母體間之卡方檢定，其目的主要係了 解本研究抽樣之區內旅次及城際旅次之樣本分佈是否符合各縣市母體實際分佈狀況。檢定之 重要變數包含人口比例、實際年齡、男女比例、學歷，以及車輛持有率等，檢定結果如表 4.4 所示。由表知，透過卡方值與臨界值之比較結果顯示，各種變數在 95%信心水準下，均無法 拒絕虛無假設，亦即本研究之抽樣結果確實與母體資料之分佈，也進一步說明本抽樣樣本之 代表性。
表 4.4 抽樣樣本及母體之卡方檢定結果
項目 人口比例
(20 縣市)
實際年齡 (20 縣市)
男女比例 (20 縣市)
學歷 (5 類)
車輛持有比例 (20 縣市)
區內 0.038 1.76 0.10 0.34 -
城際+接駁 0.033 2.06 0.16 0.35 0.78 臨界值 30.14 30.14 30.14 7.81 30.14 註：臨界值係指 95%信心水準下之卡方臨界值
4.1.2 分群方式與結果
本章依據回收有效之運具選擇有效問卷，進行個體運具選擇模式推估、結果詮釋，以及 應用分析。透過回收有效問卷之檢視發現，即便是同一縣市之旅運者，其所居住鄉鎮市區之 交通環境也可能存有相當大之差異，進而可能導致其對各項運具屬性之偏好明顯不同。因此，
本研究雖在進行問卷調查時，係以縣市為層級進行樣本數推估與問卷發放，但在後續建構個 體運具選擇模式時，則進一步將各鄉鎮市區予以分群，再依受訪者所居住地點之分類群組，
分別進行模式推估。
由於許多研究及國外經驗指出公共運輸沿線之人口密度高低，為公共運輸成功發展的首 要條件，這也是大眾運輸導向（Transit Oriented Development，TOD）的基本精神之一。基此，
本研究參考全國各縣市政府民國 99 年底統計要覽資料，蒐集全國各縣市(不含離島及連江縣) 以鄉鎮市區作為單位的人口密度資料，並參考內政部針對偏遠地區所作的定義：「人口密度低 於全國平均人口密度的五分之一之鄉(鎮、市)」，將本研究樣本以旅運者的旅次起點及該旅次 起點所在鄉鎮市，依前述偏遠地區定義將人口密度低於全國平均人口密度五分之一的鄉鎮市 定義為「高偏遠地區」，介於全國平均值五分之一至五分之二者定義為「低偏遠地區」，介於 全國平均值五分之二至五分之三者定義為「郊區」，介於全國平均值五分之三至五分之四者定 義為「都市區」，大於五分之四者則定義為「都會區」，各分群樣本數如表 4.5。
56
57
由於高偏遠地區、低偏遠地區及郊區的樣本數相較於都市區及都會區偏 低，難以分別獨立進行模式建構。因此，為利於模式構建，乃將此三群加以合 併。合併後，各分群改以「偏遠區」、「都市區」及「都會區」加以命名，以便 於後續模式建構結果及管理策略分析之說明，如表 4.6。
表 4.6 區內及城際旅次之回收有效問卷數量
原分群方式 調整後分群方式
類別 區內旅次 城際旅次 類別 區內旅次 城際旅次 高偏遠地區(a群) 65 31
偏遠區 (a, b, c群)
871 696 低偏遠地區(b群) 255 217
郊區(c群) 551 448
都市區(d群) 1,438 1,105 都市區(d群) 1,438 1,105 都會區(e群) 3,460 2,901 都會區(e群) 3,460 2,901 合計 5,769 4,702 合計 5,769 4,702
4.2 區內旅次模式
針對前述問卷調查資料進行全國性區內旅次運具選擇模式之推估，首先重 新推估上一年期所建構之顯示性偏好（RP）多項羅吉特模式，再進一步建構顯 示性偏好及敘述性偏好（RP＋SP）整合之多項羅吉特模式。
4.2.1 RP 多項羅吉特模式 一、運具方案界定
參考回收有效問卷之各運具選擇情況，本研究進一步將各分群區內旅次之 運具選擇方案設定如表 4.7 所示。值得說明的是，並非屬於都市區或都會區的 所有鄉鎮市區居民均可選擇捷運作為其區內旅次運具。在這些居民選擇捷運之 相關運輸成本（旅行時間及旅行成本）將設定為一大值，以符合當地居民無一 選擇捷運系統之事實。
表 4.7 區內旅次運具選擇方案集合之界定
區隔市場 運具方案集合
偏遠區 自行車、機車、汽車、公車、臺鐵等 5 種運具。
都市區 自行車、機車、汽車、公車、捷運、臺鐵等 6 種運具。
都會區 自行車、機車、汽車、公車、捷運、臺鐵、計程車等 7 種運具。
註：汽車係指「自用小客車」。
58
59
60
加入共生變數之時間價值：步行= 433.04(元/小時)、候車=281.30(元/小時)、車內=208.91(元/小時)。
4.2.2 RP＋SP 整合多項羅吉特模式
61 二、模式建構及分析
（一）偏遠區模式
此模式以自行車方案作為基準進行模式構建與分析，由於處理原顯示性偏 好資料外，並整合敘述性偏好之四種選擇情境資料，故樣本擴充為 4,325 筆，
其模式推估結果如表 4.11 所示。
在加入共生變數之模式中，各變數符號與模式構建前之預期符號相同，且 皆具顯著性。此結果可解釋為此分群之旅運者對於運具之步行時間、候車時間、
車內時間、旅行成本、共乘人數，以及預約時間愈小愈好。
另外，納入服務屬性變數模式中，結果顯示方便性及舒適性皆具顯著性，
且符號符合先驗知識為正值，表示服務變數越好，旅運者選擇運具之機率會提 高。在模式推估結果亦發現，舒適性最高此結果與顯示性偏好模式相同，表示 旅運者選擇的運具若能夠提供較舒適的乘車環境即可提高旅運者搭乘的意願。
模式亦納入方案特定變數，分別將性別(設為虛擬變數：1=男性)指定於機 車選擇方案、年齡指定於汽車選擇方案、學歷指定於自行車及 DRT 小巴士選擇 方案、所得指定於機車及汽車選擇方案、旅次頻率指定於 DRT 計程車選擇方案 以及距離變數指定於汽車選擇方案。經過模式推估結果發現，女性旅運者選擇 使用機車之機率相對較高；年齡相對較大者選擇汽車之機率較高；學歷相對較 低者，如老人或小孩使用自行車之機率較高；另外，DRT 小巴士會吸引學歷相 對較高者使用；使用機車之旅運者所得相對較低，而使用汽車之旅運者所得相 對較高；旅次頻率相對較低，會使旅運者選擇使用 DRT 計程車的機率提高；當 旅次長度越長，旅運者會選擇使用汽車的機率較高。最後，模式亦嘗試加入總 體變數，但結果並無顯著意義。
此分群 RP＋SP 多項羅吉特模式之配適度為 0.13。尺度因子為 0.4157，且 具有顯著性，表示敘述性偏好資料之變異大於顯示性偏好資料之變異。而計算 時間價值結果顯示，步行時間之時間價值為每小時 404.41 元最高，其次為候車 時間之時間價值每小時 212.04 元，最低則為車內時間之時間價值，每小時 158.33 元。
62
63
在納入服務屬性變數之模式中，其結果顯示方便性及舒適性具有顯著性，
且符號符合先驗知識為正值，表示運具越方便越舒適，旅運者選擇該運具之機 率就會提高。
模式亦納入方案特定變數之解釋變數，分別將性別(設為虛擬變數：1=男性) 指定於 DRT 小巴士選擇方案、年齡指定於汽車、自行車及臺鐵選擇方案、學歷 指定於臺鐵及 DRT 小巴士選擇方案、所得指定於汽車及捷運選擇方案、旅次目 的(設為虛擬變數：1=上班上學)指定於機車選擇方案、旅次頻率指定於機車方
模式亦納入方案特定變數之解釋變數，分別將性別(設為虛擬變數：1=男性) 指定於 DRT 小巴士選擇方案、年齡指定於汽車、自行車及臺鐵選擇方案、學歷 指定於臺鐵及 DRT 小巴士選擇方案、所得指定於汽車及捷運選擇方案、旅次目 的(設為虛擬變數：1=上班上學)指定於機車選擇方案、旅次頻率指定於機車方