旅行成本法於1947 年由 Hotelling 提出，從不同的居住區中觀察旅遊距 離和參與率，並據此導出遊憩需求函數，進而推估遊憩效益。Clawson and Knetsch(1966)將模型具體化，並應用於戶外遊憩資源價值之推估，其前提 為消費者願意支付於旅遊場所的時間與費用，即為其對此場所的真實價 值，以下對TCM 的模型加以說明(陳凱俐和林雲雀，2005)。
一般而言，旅遊成本(即遊憩價格)較高者，其需求量較低，符合需求法 則(Law of Demand)。推估消費者對旅遊地的旅遊需求函數後，即可估算代 表性旅遊者的消費者剩餘。欲推估旅遊需求函數，須先了解消費者的遊憩 效用，假設消費者的遊憩效用受到旅遊次數( q，其價格為旅遊成本p )及合 成商品(Z，其價格為 1)之影響，在所得(Y )限制下，消費者的效用極大化問 題為：
) , (Z q U Max
pq Z Y t
s. . = + (3-1)
在實證研究上，影響旅遊需求的解釋變數除了旅遊成本外，也可能包 括個人的社經特徵變數，因此建立如下的迴歸模型：
) , , , , ,
(X1 X2 X p Y f
q = K n (3-3)
其中X1,X2,K,Xn分別代表個人的社經特徵變數，如性別、年齡、教 育程度、職業別、至此地點旅遊的其他訊息等自變數。找出遊客個人的遊 憩效益需求函數後，依據此函數即可以積分法計算消費者剩餘，以作為遊 憩地點的遊憩經濟效益。計算如下：
= ∫ H
L
pp f X X Xn p Y dp
CS ( 1, 2,K, , , ) (3-4)
式中， f(X1,X2,K,Xn, p,Y)為旅遊需求函數，pH 為所有樣本中最高 的旅遊支出，pL為所有樣本中最低的旅遊支出。若欲計算每位遊客的遊憩 效益，則第i 位遊客的消費者剩餘為：
= ∫ M
i
pp n
i f X X X p Y dp
CS ( 1, 2,K, , , ) (3-5)
pM為Choke Price，此時之旅遊次數為 0，pi為第i 位遊客的旅遊支出。
Xn
X
X1, 2,K, 以及 Y 等自變數，對需求函數的影響視為常數，以各自變數的 樣本平均值代入函數中，並假設不再變動，如此便可將旅遊支出的變動視 為消費者剩餘變化量的唯一原因。
若旅遊需求為線性函數，表示為：
X Y
p
q =β0 +β1 +β2 +β3 (3-6)
將旅遊支出以外之自變數平均值代入函數中，可得：
整 數(Non-negative Integer) 、 截 斷 (Truncation) 、 內 生 分 層 (Endogenous Stratification)等特質，在預測遊憩需求時，若採常態分配假設，以最小平方 法(Ordinary Least Square, OLS)推估，將產生偏誤。因此他假設遊憩需求的 機率密度函數符合Poisson 分配，並應用 MLE 推估求解。而在 Shaw(1988) 中，則以旅遊次數減一為因變數的On-site Poisson 模型，解決現場抽樣可能 產生的非負整數、截斷、內生分層等偏誤，並為後續相關實證研究所採用。
Englin and Shonkwiler(1995)以四種計數資料 TCM 模型評估未來 40 年 美國華盛頓州居民前往 Cascade 牧場的旅遊次數及願付價值，研究採用 On-site Poisson、截斷式內生分層負二項(Truncated Negtive Binomial with Endogenous Stratification, TNBES)模型同時修正截斷與內生分層的問題。
國外實證研究已普遍採用 On-site Poisson 模型進行遊憩據點的遊憩效 益評估，例如Fix and Loomis(1997)估計美國猶他州 Moab 地區登山之遊憩 效益，Hesseln et al. (2003)推估美國新墨西哥地區健行與登山活動之經濟效 益，Loomis(2003)以現場調查及家戶調查進行研究評估 Snake 河之遊憩效 益，Hagerty and Moeltner(2005)評估 Tahoe 地區的六個湖泊之遊憩效益，Bin et al. (2005)則將當日來回及過夜遊客分開處理以估計 North Carolina 海灘之 遊憩效益。
黃錦煌(2006)以 TPOIS(Truncation Poisson)、TNB(Truncated Negtive Binomial)、On-site Poisson 模型評估華山地區公共投資產生之經濟效益，結 果顯示未修正截斷情形會高估消費者剩餘，僅修正截斷情形會低估消費者 剩餘，因此以同時修正截斷與內生分層之On-site Poisson 模型較佳。
徐崇堯(2008)採用 On-site Poisson、TNBES 推估旅遊需求，黃維貞(2009) 採用 TPOIS、TNB、On-site Poisson 三個計數模型，研究結果皆以 On-site Poisson 為最佳。
由於On-site Poisson 模型可同時解決樣本資料截斷與內生分層問題，因
此本研究採用此模型，並進一步建立其概似函數。以下對 On-site Poisson
∑∞
定分配，其共變量矩陣為zi，而β 則為母體係數。因此，現場樣本第 j 次的
因此，On-site Poisson 模型的概似函數可表示為：
}
表 3-1 權重法與區隔市場法之模型設定
方法 模型設定
旅遊成本權重法 lnq =β0 +β1(C1+WiC2)#+β2X Parsons and Wilson(1997)
區隔市場法 lnq = (β0 +α0D)+[β1(C1 + C2)+ α1DTC]#+β2X 其中：C1表示場內支出
C2表示交通支出與交通時間的機會成本 Wi為權重，Wi = 1 為專程，Wi < 1為順道
D為虛擬變數，D = 1表示為順道，D = 0表示為專程 DTC為價格交互項，DTC = D×(C1+C2)
進一步比較兩模型之專程與順道旅遊需求的截距項與斜率差異，如表 3-2。由表中可知，兩方法之專程旅遊需求模型相同，但權重法之順道旅遊 需求模型之斜率與專程不同，區隔市場法中順道旅遊需求模型之斜率和截 距項皆與專程旅遊需求函數不同。
表 3-2 權重法與區隔市場法之模型比較
情況 截距 斜率 m C1係數 C2係數 專程(SD) β0 +β2X |β1| β1 β1
順道(MD)權重法 β0 +β2X |β1Wi| < m < |β1| β 1 β1Wi
順道(MD)區隔市
場法 β0+α0D+β2X |β1+α1| β1+α1 β1+α1
若欲符合需求法則，β 必為負，而各項權重1 Wi < 1，因此權重法的順 道旅遊需求斜率比專程旅遊需求斜率小，即順道旅遊需求的斜率較陡，見 圖3-1。
圖3-1 旅遊成本權重法之專程與順道旅遊需求
Parsons and Wilson(1997)之區隔市場法在文獻上的實證方式又有些許 分歧，相關文獻之變數影響方向結果如表3-3。
表 3-3 多目的地旅遊增設變數
變數 定義 符號 相關文獻
專程=0，順道=1 正 Parsons and Wilson(1997) 專程=0，順道=1 負 Loomis(2006)
d
專程=1，順道=0 負 李俊鴻和陳吉仲(2007) 負 Parsons and Wilson(1997) dtc d*旅遊成本
正 Loomis(2006)
Parsons and Wilson(1997)表示，增設虛擬變數將使順道旅遊之需求函數 的截距項改變，截距項的差別意味著將受訪遊客區分為兩個不同的群體，
虛擬變數的係數若為正，表示順道旅遊會使平均旅次增加，而順道旅遊與 DSD
q DMD(非常重要)
DMD(重要)
DMD(非常不重要)
DMD(不重要)
DMD(普通)
p
專程旅遊需求模型皆相同(以編號0表示)；權重法之順道旅遊需求以編號1 表示；Parsons and Wilson(1997)之虛擬變數係數為正，價格交互項係數為 負，其順道旅遊需求以編號2表示；Loomis(2006)之虛擬變數係數為負，價 格交互項係數為正，其順道旅遊需求以編號3表示；李俊鴻和陳吉仲(2007) 僅增設一個虛擬變數，未加入價格交互項變數，且虛擬變數假設專程旅遊 為1，順道旅遊為 0，其係數為負，表示專程旅遊的截距項比順道旅遊小，
其順道旅遊需求以編號4表示。
進一步以圖形比較權重法與區隔市場法之差別，由圖中可知：
若α0為正，α1在顯著的情況下必為負(編號 2)，則區隔市場法的順道旅 遊需求截距大於權重法(編號1)，區隔市場法的順道旅遊需求斜率比專程旅 遊需求斜率大。
若α0為負，α1在顯著的情況下必為正(編號 3)，則區隔市場法的順道旅 遊需求截距小於權重法(編號1)，區隔市場法的順道旅遊需求斜率比專程旅 遊需求斜率小。
Parsons and Wilson(1997)認為，順道旅遊之遊客有較多旅遊組合可供其 選擇，因此順道旅遊之價格彈性應比專程旅遊之價格彈性大，故實證結果 使順道旅遊需求(編號 2)之斜率較平，符合其經濟意義；Loomis(2006)的實 證結果則發現，專程旅遊的旅遊支出大約是順道旅遊的四分之一，而專程 旅遊的旅遊次數，將近是順道旅遊的7倍，不同於Parsons and Wilson(1997) 的結果，Loomis(2006)的遊憩效益估計結果中，順道旅遊者比專程旅遊者具 有更高的消費者剩餘。Loomis(2006)表示，相較於專程旅遊，由於順道旅遊 的旅遊地點選擇較具彈性，因此其旅遊成本增加幅度很小，故順道旅遊的 總願付價格幾乎等於消費者剩餘。
Parsons and Wilson(1997)與Loomis(2006)使用相同的模型估計，但實證 結果截然不同，經過詳細的比較發現，兩者對於虛擬變數的定義略有不同。
Parsons and Wilson(1997)表示，當受訪者前往旅遊地係屬於偶然的，則虛擬 變數設為1。
Loomis(2006)在調查遊客時，則將遊客前往該旅遊地的原因分為4類：
(1)此地點是從家中前往的唯一目的地；(2)從家中到達此地點是主要目的但 不是唯一目的；(3)此地點是許多同樣重要的原因或目的地中的一個；(4)這 次 到 達 此 地 點 只 是 在 其 他 目 的 或 其 他 目 的 地 的 旅 途 中 偶 然 經 過 。 Loomis(2006)將(1)和(2)視為同一類，其虛擬變數為 0，將(3)與(4)當作順道 旅遊，其虛擬變數為1。
Loomis(2006)的分類方式係依據 Loomis, Yorizane and Larson(2000)的 研究，其結果顯示，主要目的地與單一目的地的旅遊成本極為相近。
表3-4 權重法與區隔市場法之文獻實證結果比較 Espineira and Amoako-
圖 3-2 權重法與區隔市場法之旅遊需求比較
由此可知，當α1 >0時，區隔市場法與權重法之順道旅遊需求斜率均比 專程旅遊需求斜率小；但若α1 <0，表示區隔市場法之順道旅遊需求斜率比 專程旅遊需求斜率大，則權重法的設定可能並不適合。因此，本研究後續 之實證研究亦可檢視權重法的合宜性。
依據上述學者的模型設定，本研究同時採用旅遊成本權重法與區隔市 場法之實證模型估計來進行驗證與比較，本研究之多目的地旅遊的解決方 案整理如表3-5。
表3-5 多目的地旅遊的解決方案
解決方案 旅遊成本權重法 區隔市場法
旅遊地點類型 徐崇堯 (2008)
Loomis, Yorizane and Larson(2000)
Martinez- Espineira and
Amoako- Tuffour(2008)
Parsons and Wilson(1997)
專程 1 1 1 D=0
0.9 1 0.8
q 0
1
2 3 4
p
第肆章 實證研究
第一節 資料來源
一、抽樣對象與方法
本研究之實證係對2009 年 7-8 月期間至宜蘭縣內休閒農業場所的自由 行遊客進行抽樣調查。宜蘭縣內休閒農業場所，係根據歷年宜蘭縣休閒農 業經濟效益評估資料，參考包括「2009 年宜蘭縣休閒農場籌設情形一覽表」
及交通部登記合法民宿名單，依此追蹤是否有歇業、合併、純生產而不列 入休閒農業等情形做資料的彙整，經篩選後決定調查對象共 282 家宜蘭縣 休閒農業場所。98 年 6 月底前完成普查，共回收 250 家。
抽取之樣本數的決定方式為：設p 為本調查之全體對象的任一比例值，
在未知的情況下假設p 值為 0.5，要求以樣本比例值估計母體比例值的抽樣 誤差不超過可容忍的誤差界限E 之信賴係數至少為(1-α)，可以下式表之：
2 2
2
ˆ) 1 ˆ (
E
p p
Z n
−
×
×
=
α (4-1)
本調查考慮在抽樣誤差E 不超過 0.04 及信賴度(1-α)至少達 95%下，需 至少抽取有效樣本625 人。
抽樣係採分層隨機抽樣之比例配置方式，詢問宜蘭縣內休閒農業場所 過去一年(2008 年 7 月-2009 年 6 月)之遊客人數，彙整各休閒農業區之總遊 客人數後，依各休閒農業區遊客人數佔宜蘭縣休閒農業總遊客人數之比例 決定各休閒農業區之樣本數。
本研究採用人員訪問方式進行問卷調查，並設計「填問卷送小禮」活 動以增強遊客填答動機。為確保各訪問人員了解問卷用意及內容，便於遊