第七章 實證結果
第一節 屬性等級變數定義與模型設定
一、屬性等級變數定義
本節會將問卷第三部分選擇實驗與第四部份受訪者個人基本資料進行變數定 義以及編碼(表 7-1-1)，利用效果編碼（effects coding）的模式進行資料編碼。在活 動類型的部分，共分為4 個等級，採用 3 個虛擬變數以避免共線性的問題，以 ACT1 表示「茶食DIY」，以 ACT2 表示「紀念品 DIY」，以 ACT3 表示「採製茶體驗」。
當活動為茶食DIY 時 ACT1 編碼為 1，否則編碼為 0；活動為紀念品 DIY 時 ACT2 編碼為1，否則編碼為 0；活動為採製茶體驗時 ACT3 編碼為 1，否則編碼為 0。餐 點類型方面，共分3 個等級，使用 2 個虛擬變數，以 FOOD1 表示套餐，以 FOOD2 表示合菜。若餐點為套餐則 FOOD1 編碼為 1，否則編碼為 0；若餐點為合菜則 FOOD2 編碼為 1，否則編碼為 0。在周遭旅遊資源方面，分為 3 個等級，採用 2 個 虛擬變數，以RES1 表示溫泉，以 RES2 表示自然風景。若旅遊資源為溫泉則 RES1 編碼為1，否則編碼為 0；若旅遊資源為自然風景則 RES2 編碼為 1，否則編碼為 0。體驗活動價格與餐點價格的部分不採用虛擬變數進行編碼而是直接輸入價格。
以 ACTPRICE 表示體驗活動價格，若每人活動價格為 150 元，則 ACTPRICE 為 150；以 FPRICE 表示餐點價格，若每人餐點花費為 200 元，則 FPRICE 為 200。
受訪者個人社會經濟變數的編碼部分，則是利用二分法編碼方式設定變數以 供LCM 分析之用（Juutinen et al., 2011）。受訪者性別以 SEX 表示，男性則編碼為 1，女性則編碼為 0；年齡以 AGE 表示，以平均年齡作為分界，40 歲以上編碼為 1，未滿 40 歲則編碼為 0；教育程度以 EDU 表示，以平均教育程度為分界，受訪
74
者平均教育程度為大學，因此碩士以上編碼為1，大學以下編碼為 0；職業以 JOB 表示，若受訪者為學生則編碼為 1，不是學生則編碼為 0；受訪者個人月收入以 INC_MTH 表示，以個人月收入之中位數為分界，若月收入為 8 萬元以上則編碼為 1，未滿 8 萬元則編碼為 0。
表7-1-1 受訪者選擇實驗變數定義
變數名稱 變數意義 效果編碼
屬性等級變數
ASC 常數項 1=基本方案；0=方案一、方案二
ACT1 茶食DIY 1=是；0=否
ACT2 紀念品DIY 1=是；0=否
ACT3 採製茶體驗 1=是；0=否
FOOD1 套餐 1=是；0=否
FOOD2 合菜 1=是；0=否
RES1 溫泉 1=是；0=否
RES2 自然風景 1=是；0=否
ACTPRICE 體驗活動價格 150、200、350，單位為元/人 FPRICE 餐點價格 200、300、400，單位為元/人 社會經濟變數
SEX 性別 1=男；0=女
AGE 年齡 1=40 歲(含)以上；0=未滿 40 歲 EDU 教育程度 1=碩士(含)以上；大學(含)以下
JOB 職業 1=學生；0=非學生
INC_MTH 個人月收入 1=8 萬(含)元以上；0=未滿 8 萬元
75
二、模型設定
本研究根據前面對於變數的說明，用下列模型表示當受訪者 k 選擇 l 方案時 個別受訪者的效用：
𝑈𝑘𝑙 = 𝐴𝑆𝐶 + 𝛽1(𝐴𝐶𝑇1𝑘𝑙) + 𝛽2(𝐴𝐶𝑇2𝑘𝑙) + 𝛽3(𝐴𝐶𝑇3𝑘𝑙) + 𝛽4(𝐹𝑂𝑂𝐷1𝑘𝑙) + 𝛽5(𝐹𝑂𝑂𝐷2𝑘𝑙) + 𝛽6(𝑅𝐸𝑆1𝑘𝑙) + 𝛽7(𝑅𝐸𝑆2𝑘𝑙) + 𝛽8(𝐴𝐶𝑇𝑃𝑅𝐼𝐶𝐸𝑘𝑙) + 𝛽9(𝐹𝑃𝑅𝐼𝐶𝐸𝑘𝑙) + 𝜀𝑘𝑙
模型中𝑈𝑘𝑙受訪者獲得的效用，ASC 為常數項，而各變數係數值是以最大概似 估計法(MLE)進行估計。在分析的時，發現加入常數項會產生共線性的問題，影響 估計，可能是因為在進行直交設計產生產品方案時，產品方案隨機排序時，可能會 存在相關性，因此本研究將常數項移除(shen & Gao，2008)。模型修改如下：
𝑈𝑘𝑙 = 𝛽1(𝐴𝐶𝑇1𝑘𝑙) + 𝛽2(𝐴𝐶𝑇2𝑘𝑙) + 𝛽3(𝐴𝐶𝑇3𝑘𝑙) + 𝛽4(𝐹𝑂𝑂𝐷1𝑘𝑙) + 𝛽5(𝐹𝑂𝑂𝐷2𝑘𝑙) + 𝛽6(𝑅𝐸𝑆1𝑘𝑙) + 𝛽7(𝑅𝐸𝑆2𝑘𝑙) + 𝛽8(𝐹𝑃𝑅𝐼𝐶𝐸𝑘𝑙) + 𝛽𝑝𝑟𝑖𝑐𝑒(𝐴𝐶𝑇𝑃𝑅𝐼𝐶𝐸𝑘𝑙) + 𝜀𝑘𝑙
本研究將先進行IIA 檢定以確認是否適合用 MNL 模型進行分析，若適合則會 先以MNL 模型進行分析，接著利用 RPL 與 LCM 模型分析不同社會經濟背景之消 費者的異質性偏好。
76