第二章 文獻回顧
2.3 家戶機動車輛動態模式
由 2.1 節與 2.2 節所述相關文獻均為以納入橫斷面資料為主之研究，因而無法觀測 到隨時間變化之車輛持有與使用情形，因此有相關研究著墨於車輛持有與使用之動態分 析，相關研究主要可分為2 類，分別是機動車輛交易模式與考量納入縱橫面之模式，兩 者考量觀點有所不同，以下將分述此兩類研究。
1.機動車輛交易模式
由於家戶之車輛之持有係透過一連串交易行為調整而得，需透過長期觀測資料以進 行探究，早期研究如Berkovec 和 Rust (1985)與 Hensher and Plastier (1985)、Mohammadian and Miller (2003)，以及 Tuna and Shimizu (2005)結合車輛交易與車型選擇之研究，以下 個別針對上述各研究進行介紹。
Berkovec and Rust (1985)針對持有單一車輛之家戶進行研究，資料源自美國共蒐集 237 筆，以巢式羅吉特模式構建出小汽車持有選擇模式，並使用二階段校估方法，選擇 方案依據車型與車齡共可分為 15 種替選方案之組合，代入模式之解釋變數分別為車輛 與家戶屬性以及交易變數(去年曾進行車輛交易行為且繼續使用者，則令其值為 1)。經 由校估結果顯示，交易變數對於模式具有正向之影響性，表示去年若曾進行車輛交易行 為，則今年繼續使用之機率增加。此外，車輛成本及車齡變數對於車型均具有顯著負向 影響性，且車輛之績效(馬力充足性) 對於 45 歲以下之用車者較具吸引力。
Hensher and Plastier (1985)以 1975 至 1980 年間於雪梨地區 354 家戶之縱斷面資料，
逐年構建車輛數量與型式聯合選擇模式，研究方法為採用二層巢氏羅吉特模式，將車型 選擇方案置於底層，車輛數之方案則置於上層，由於模式架構較為複雜，故使用有限資 訊最大概似法(LIML)予以校估，亦即先以多項羅吉特模式校估底層之車型選擇方案，並 由計算得出包容值後，始代入上層之車輛數選擇方案以進行校估。另外此研究假設一年 度為一決策年度，認為選擇行為會受到上一年度選擇行為的影響，故將經驗指標與延滯 變數代入調整模式中，建構動態聯合選擇模式。最後利用概似比檢定法測試各年間之模 式是否有顯著差異，由研究結果發現當間隔時間愈長，模式間之差異性愈顯著。
Mohammadian and Miller (2003)透過多倫多地區之 718 筆縱斷面家戶追蹤資料，發 展個體車輛動態交易選擇模式，藉以分析家戶車輛持有行為。此模式為巢氏羅吉特模式 架構，其決策過程分為兩階段，首先為車輛交易選擇階段(報廢車輛、換車、購車與無 交易行為)，其次為車型及車齡選擇階段。近期之模式校估方式多使用完整資訊最大概 似估計法 (FIML)，但於此研究中並不適用，其原因在於車型與車齡選擇為階級選擇方 案，使整體決策樹過於複雜以致不易收斂。由於一事件發生變化將可能促使交易決策行 為產生，故研究中將隨時間產生變化之家戶人口與社經特性納入考量因素，並將狀態依 賴度 (state dependence)列入影響車輛交易行為特性之一，探討過去交易行為間之關聯 性。此外，考慮家戶間異質性，使用隨機參數羅吉特模式進行測試，由結果顯示各校估
參數之標準差近似於0，表母體內之參數範圍變化不大，各項變數可使用非隨機參數之 設定下進行校估，即以多項羅吉特模式取代即可。
Tuna and Shimizu (2005)調查 2003 年越南河內城市 299 個家戶資料，建立機車交易 及車型的聯合選擇模式以探討家戶機車動態持有選擇行為。該研究之模式分兩階段進 行，第一階段以二元羅吉特模式分析機車交易選擇行為，考慮變數包含家戶大小、工作 人數、收入、機車市場價格。模式第二階段採用多項羅吉特模式進行車型選擇分析，就 車輛交易行為而言，由於報廢及換車者很少，因此方案只有購買新車及不購買新車兩 種，並針對家戶購買新車時，分析車型選擇行為車型方案包含車齡(新車或舊車)、製造 地(日本、越南、大陸、其他)、排氣量(100cc 以上、100cc 以下)的組合，影響變數有家 戶及個人特性、車輛屬性、及先前持有機車之比例。
除了上述結合車型與交易之研究，Roorda et al. (2000)針對車輛交易其背後之影響因 素進行探討，該研究認為動態模式需進行縱斷面之資料蒐集分析，故針對該區調查自 1990 年至 1998 年之家戶車輛持有情形與家戶人口及社經資料，包括家戶所得、家戶車 輛持有數、家戶車輛持有駕照數、家戶車輛持有數與住屋持有型態(租屋或買屋)。由於 家戶車輛持有水準受長期交易決策行為影響，研究中將交易決策分為無交易決策、換 車、購車與報廢或賣車四種方式並進行深入探討。經由交叉分析結果得出當家戶所得愈 高時，則換車與購車之比例上升；當家戶車輛持有數愈高時，則換車與報廢車輛之比例 愈高；若家戶車輛駕照持有數增加時，則換車與購車行為上升之比例尤其明顯；至於家 戶車輛持有駕照數大於家戶車輛持有數時，則購車之比例將會增加。
由於車輛交易為一長期決策行為，亦有學者利用時程模式(duration model)進行持有 車輛之時程研究，如Bunch et al. (1996)、De Jong (1996)與 Yamamoto et al. (1999)。Bunch et al. (1996)利用加州地區家戶資料建立車輛交易模式，其中將交易行為分為購車、報 廢，與換車行為。De Jong (1996)以荷蘭地區 1992 年至 1993 年之家戶為調查對象，其以 迴歸模式來分析車輛行駛里程及燃油使用效率外，並利用時程模式來估計小汽車持有時 間。於考量汽車持有之影響變數方面，此言就考慮前一部所使用汽車之情形、家庭或個 人屬性、總體社會經濟環境因素以及當時汽車市場之特性，此外，模式中放入政策變數 以進行分析，如稅制及燃油成本等，由此看出可能影響車輛持有之政策為何。由實證校 估結果顯示，教育程度較高、家中車輛數較少及所得較低之車輛主要駕駛人擁有較長的 持有車輛時程。
2.納入縱橫面資料之車輛持有模式
關於動態模式除了有針對車輛交易行為之探討，亦有針對持有機動車輛數之狀態相 依性之相關研究。研究方法為以納入縱橫面資料之方式建立車輛持有數選擇模式，所謂 縱橫面資料係針對同一受訪者進行重複調查所得之資料，為一兼具同期資料與時間序列 資料之數據型態，採用該資料型態之優點在於可以提供動態性分析(dynamic analysis)，
藉以瞭解受訪者其行為於時間上之變動情形，而藉由重複衡量相同受訪者來控制未觀察 到之影響因子，使其更能準確描述個體行為，此外，因數據常具有延遲(lag)或提前(lead) 的特性，故使用縱橫面資料來預測應較同期數據要為合理正確。
納入縱橫面資料相關研究如Mannering and Winston (1985)，其認為對於車輛持有數
之改變原因在於對車輛之偏好產生改變，而此該研究假設此偏好改變可取決過去車輛之 使用量，當使用量減少時，則表示其對於該輛車之偏好較低，因此誤來選擇該車型之機 率將會下降，進而導致車輛持有數下降。該研究藉由動態使用量方程式，利用狀態變數 作為工具變數，推導出受到落後期影響之使用量方程式，進一步利用非間接效用函數求 得車輛持有數選擇模式以及車型選擇模式。所謂狀態變數即為車輛於過去使用量之累 積，因該變數為不可觀察變數，需轉換為工具變數以進行模式推導。
Kitamura (1987)採用荷蘭地區於 1984 年至 1989 年間共 10 波之家戶持有機動車輛縱 橫面資料，並發展將家戶持有車輛與運具選擇同時考慮之模式，其中車輛持有替選方案 為0、1、2 輛，至於運具選擇則包含受訪者所有可能搭乘之運具，並利用線性方程式建 立模式以探討延遲效果。
Kitamura and Bunch (1990)則於相同資料庫中取四波資料，以排序普羅比模式來探討 家戶車輛持有 0 輛、1 輛，以及 2 輛以上之選擇行為，並以納入落後內生變數(lagged dependent variable)來探討狀態相依性(state dependence)之問題，所謂落後內生變數即為 家戶於前期所持有機動車輛數，該研究以虛擬變數之方式予以代入，由於普羅比模式可 假設不可觀測誤差項於不同時間或選擇方案間具有不獨立性，因此該研究針對誤差項之 設定進行模式之調整，其假設誤差項具有異質性成份存在，其家戶i 於 t 期之不可觀測 誤差項如式2.3.1 所示：
ε
it =qi +Uit (2.3.1) 其中 qi表示家戶特定之誤差成份，而 Uit表示一獨立性誤差項，假設兩者服從不同 變異數之一致且獨立之常態分配。由校估結果顯示，該虛擬變數係數值較其他變數要大 很多，且極為顯著，表示車輛持有行為確受前期影響，且前期持有數愈多，則日後亦趨 向選擇較多車輛數，亦即家戶之車輛持有選擇行為具有慣性偏好之特性，且由校估結果 顯示考慮狀態相依性將可增加對於不可觀測異質性之解釋能力。相關文獻如 Hanly and Dargay (2000)為延續上述研究，將前期車輛持有數亦即落後 內生變數以虛擬變數與直接代入兩種型式來觀察車輛持有行為受前期影響程度，亦採用 排序普羅比模式來建立模式，對於不可解釋之誤差項中存在一家戶特定成份，由實證校 估結果得知，前期車輛持有數以虛擬變數設定與直接代入方式均為顯著正值，與 Kitamura (1987)相符，且由納入該類變數後之模式校估結果顯示，代表異質性誤差項之 變異趨於不顯著，表示納入該變數將可大幅減少不可解釋之變異，可知納入狀態相依性 將可增加對於不可觀測異質性之解釋能力。至於納入前期車輛持有數之虛擬變數模式之 對數概似值由-7239.3 增至-5853.44，顯示該模式大幅改善整體模式之解釋能力。
相關文獻如 Hanly and Dargay (2000)為延續上述研究，將前期車輛持有數亦即落後 內生變數以虛擬變數與直接代入兩種型式來觀察車輛持有行為受前期影響程度，亦採用 排序普羅比模式來建立模式，對於不可解釋之誤差項中存在一家戶特定成份，由實證校 估結果得知，前期車輛持有數以虛擬變數設定與直接代入方式均為顯著正值，與 Kitamura (1987)相符，且由納入該類變數後之模式校估結果顯示，代表異質性誤差項之 變異趨於不顯著，表示納入該變數將可大幅減少不可解釋之變異，可知納入狀態相依性 將可增加對於不可觀測異質性之解釋能力。至於納入前期車輛持有數之虛擬變數模式之 對數概似值由-7239.3 增至-5853.44，顯示該模式大幅改善整體模式之解釋能力。