完成相關實驗設計與操作後，即可針對獲得之實驗數據，進行相關分析、必 要之檢定。以下兩小節，分別說明風險感知測驗與風險認知問卷之相關分析。
3.11.1 風險感知測驗數據
參考過去文獻[36]，可以了解評量駕駛人風險感知能力的指標，除了藉由點擊，
了解感知時間外，同時可以利用「正確判斷率」或「錯誤判斷率」，判斷駕駛人感 知過程可能犯下型一錯誤或是型二錯誤。型一錯誤為有風險情況下，未感知風險，
其意義可能為：對風險知識不足、掃視效率不足，未能在時間內感知風險，或不 了解該物體具有風險；型二錯誤為在沒有風險情況下，錯誤感知風險存在、高估 道路上潛在風險，但型二錯誤的發生，較不危及行車安全。因此藉由衡量正確判 斷率與感知時間，評估駕駛人對風險感知表現。
54
由風險感知能力測驗，可以得到兩種數據：感知時間與點擊次數。感知時間 為連續型變數，單位為秒；點擊次數為正確點擊於風險位置或事件之樣本。如圖 19 所示，以下將說明如何分析感知能力測驗之資料。
資料前處理部分，程式紀錄點擊位置與點擊時間，但僅依據位置與時間仍難 以判斷點擊影片中之位置，尚需要以人工方式比對各個點擊位置與影片中情境，
方能夠釐清各個點擊點所對應之風險位置或風險事件。由於程式紀錄點擊時間為 原始影片時間軸上之時間，無法進行比較、分析，因此需要轉為點擊時間差，方 能供後續分析用。轉換點擊時間差時，需要有基準時間做為基準點，各個受測者 點擊時間與其相減後，得到時間差。風險事件出現時間相當明確，能夠以出現時 間做為基準時間，但行駛於道路上，風險位置出現時間難以定義，因此風險位置 以車輛到達該位置之時間做為基準，兩者之基準時間與後算後之時間差意義有所 不同。考量風險位置與事件，兩者時間差特性不同，為求計算、分析與解釋之一 致性，改採以最早點擊者做為基準時間，其他受測者點擊時間與其相減，得到之 時間差為與最快感知者之落差。以此方式計算，能夠通用於風險位置與事件，且 轉換後數值恆為正，對於後續分析與解釋較為便利。
感知比率部分，計算各個風險位置與所有風險事件，被受測者點擊次數之和，
除以所有事件與各組受測者人數，例如：轉彎時穿越行穿道之類別，在測驗影片 中，總共出現 5 次，新手駕駛人有 10 人，人次數為 50，表示每個受測者在每個轉 彎時欲穿越行穿道前，若都有感知並點擊行穿道或車窗之位置，最多可以得到 50 個點擊樣本。在實際整理數據後，僅被點擊 7 次，兩者相除為 0.14，代表新手駕 駛人僅有 14%的比例，在轉彎欲穿越行穿道時，有感知行穿道可能出現潛在風險。
以各組受測者之各個風險位置與事件點擊比率，檢定各組受測者間，感知比率是 否存在顯著差異。
感知時間需進行必要之前處理，使各個風險因子之感知時間得以進行比較、
分析與檢定，檢定資料型態是否服從常態分配，若非服從常態分配，則採用無母 數方法之 Kruskal-Wallis 檢定；若服從常態分配，使用變異數分析。
經過變異數分析後，由於部分風險子類別、受測者型態多於兩種，如：新手 駕駛人、機車經驗駕駛人、汽車經驗駕駛人等三種，因此經過初步分析後，若組 間出現顯著差異，則需要進一步進行多重比較或兩兩比較，找出顯著差異者，或 是排出大小，如：新手駕駛人感知時間顯著較汽車與機車經驗駕駛人慢，而汽車 與機車經驗駕駛人兩者無顯著差異。
55
圖19 風險感知比率與時間統計分析流程
3.11.2 問卷資料
由測驗後的問卷，可以得到受測者於每個風險位置時，心理所預期可能發生 的風險事件、每個預期的風險事件或是實際出現的風險事件，主觀認知的嚴重程 度、在出現多個風險事件時，掃視的順序。
首先為預期風險事件之分析。每一個風險位置，可能發生數種不同的風險事 件，例如：執行欲通過非號誌化路口時，路口左右兩側可能出現車輛或機慢車欲 穿越路口、自左側左轉、自右側左轉或右轉、行人欲穿越路口、對向車道車輛欲 迴轉者，皆對行車安全產生危害，而視為風險事件。上述例子中，可能風險事件 個數共有 8 個(假設該路口各方向皆有行人穿越道)，若受測者能夠正確回答出 6 個，
預期之正確率為 0.75。先將所有受測者預期正確率平均與標準化，在與點擊正確 率、感知時間進行檢定，探討兩者是否有所關聯。
完成各組受測者預期完整性檢定後，將各情境之預期完整性與相同情境下，
所有風險事件之感知比率與感知時間建立線性迴歸式，以該迴歸式進行整體 F 檢 定(Overall F Test)檢定該迴歸式是否具有解釋能力，探討對於各個情境下預期的完 整程度，是否顯著影響感知比率與感知時間。
56
第二個與第三個數據為受測者主觀對風險事件嚴重性與出現頻率之認知，兩 者資料型態類似，以相同方法分析之。將相同子類別數據，依受測者組別分組計 算其平均，再進行檢定。由檢定結果推論不同經驗駕駛人，對一個風險事件，主 觀認知的嚴重程度與出現頻率是否有所差異。若有差異，再進一步藉由多重比較 或是兩兩比較分析，找出各組受測者對風險事件嚴重性與出現頻率大小順序關係。
檢定方法考慮每個問卷題目，每個受測者風險預期與感知事件之數量可能不盡相 同，某些預期風險位置或感知風險事件可能樣本數較少，因此考慮採用無母數方 法之 Mann-Whitney U 檢定，檢定各組受測者對於每個預期風險位置、感知風險事 件之分數是否一致。
完成各組受測者對風險事件嚴重性與出現頻率認知之檢定後，進一步衡量風 險事件嚴重性與出現頻率之認知，對該情境下知風險事件感知比率與感知時間，
是否存在顯著差異。考量事件嚴重性與出現頻率之資料型態為等級變數，感知比 率與時間為屬量資料，將事件嚴重性與出現頻率之五尺度設為虛擬變數，感知比 率與時間做為應變數，建立多元迴歸式，以該迴歸式進行整體 F 檢定(Overall F Test) 檢定該迴歸式是否具有解釋能力，探討駕駛人對風險事件嚴重性與出現頻率認知，
是否影響風險感知比率與感知時間。