第四章 行人步行速率影響因子模式之建立
第二節 行人步行速率模式分析
第二節
第二節 第二節 行人步行速率模式分析 行人步行速率模式分析 行人步行速率模式分析 行人步行速率模式分析
(一)高齡者
高齡者部份，變數命名原理如上所述，其因子水準如表 119 所示。
表 119
高齡者變項之因子命名
有效樣本數為 277 個，平均速率為 0.89，透過 SPSS 的迴歸分析後，高齡 者迴歸模式資料如表 120。分析結果之解釋變異量(R2)為.174、調整後的 R2 為.159，代表此迴歸模式能夠解釋速率(y)部分為 15.9%。
因子 因子名稱 因子類別 因子代號
19 度以下 1 x1=1
氣溫 x1
20~25 度 0 x1=0
X2 晴天 1 (x2，x3)=(1，0)
X3 陰天 2 (x2，x3)=(0，1) 氣候
X4 雨天 3 (x2，x3)=(0，0)
X5 2 車道 1 (x5，x6)=(1，0)
X6 3~5 車道 2 (x5，x6)=(0，1) 車道數
X7 6 車道 3 (x5，x6)=(0，0)
表 120
高齡者迴歸模式數據分析資料表 因子名稱 迴歸係數
β 標準誤 t 值 P-value R2 調整後 R2 x1 .091 .074 1.226 .221
x2 .107 .081 1.314 .190 x3 .008 1.04 .075 .940 x4 .039 .059 .658 .511 x6 .236 .080 .2.956 .003 截距 .727 .057 12.743 .000
.174 .159
附註：α=0.05
由上表 120 的變數前的係數中可看出，高齡者顯著因子為車道數-3~5 車道 顯著，其他因子因樣本數不夠多，或是變數設定間影響步行速率程度不多，導 致因子結果無法有明確程度的差別產生。
(二)成人
成人部份，變數命名原理如上所述，其因子水準命名如表 121 所示。
表 121
成人變項之因子命名
因子 因子名稱 因子類別 因子代號
男性 1 x1=1
性別 x1
女性 0 x1=0
上午尖離峰 1 x2=1
調查時段 x2
下午尖峰 0 x2=0
19 度以下 1 x3=1 氣溫 x3
20 度以上 0 x3=0
晴天 1 x4=1
天候 x4
非晴天 0 x4=0
較窄：20 公尺以下 1 x5=1 道路寬度 x5
較寬：20.1 公尺以上 0 x5=0
表 121 (續)
有效樣本數為 3491 個，平均速率為 1.20，透過 SPSS 的迴歸分析後，成人 迴歸模式變數資料如表 122 所示。分析結果之解釋變異量(R2)為.179、調整後的 R2為.176，代表此迴歸模式能夠解釋速率(y)部分為 17.6%。
表 122
成人迴歸模式數據分析資料表（1）
因子名稱 迴歸係數 標準誤 t 值 P-value R2 調整後 R2 X1 .040 .007 6.212 .000
X2 -.010 .012 -.772 .440 X3 .121 .012 10.309 .000 X4 .272 .015 17.743 .000 X5 -.027 .017 -1.562 .118 X6 -.089 .014 -6.570 .000 X7 -.258 .061 -4.237 .000 X8 -.315 .060 -5.242 .000 X10 .224 .059 3.777 .000 X11 .003 .017 .168 .867 截距 1.079 .031 34.595 .000
.179 .176
附註：α=0.05
因子 因子名稱 因子類別 因子代號
2~5 車道 1 x6=1
車道數 x6
6 道以上 0 x6=0
x7 行車管制 1 (x7，x8)=(1，0) x8 行人專用 2 (x7，x8)=(0，1) 號誌種類
x9 無號誌 3 (x7，x8)=(0，0) 有行人倒數綠
燈秒數 1 x10=1
行人倒數
秒數 x10
無行人倒數綠
燈秒數 0 x10=0
有設置 1 x11=1
行人穿越
線 x11
無設置 0 x11=0
上述表 122 迴歸模式建立，看得知顯著因子分別為性別、溫度、天候、車 道數、號誌種類、行人倒數綠燈秒數，而無顯著因子亦不納入本研究之模式中，
故將顯著因子重新進行迴歸分析，其結果如表 123 所示。分析結果之解釋變異 量(R2)為.178、調整後的 R2為.177，代表此迴歸模式能夠解釋速率(y)部分為 17.7%。代表這個模型對成人速率是有解釋能力的。
表 123
成人迴歸模式數據分析資料表（2）
因子名稱 迴歸係數 標準誤 t 值 P-value R2 調整後 R2 X1 .040 .006 6.318 .000
X3 .127 .009 14.755 .000 X4 .284 .013 21.850 .000 X6 -.104 .009 -11.583 .000 X7 -.264 .060 -4.427 .000 X8 -.314 .060 -5.228 .000 X10 .224 .059 3.769 .000 截距 1.047 .016 66.103 .000
.178 .177
附註：p<0.05
建立迴歸模式如下：
1 3 4 6 7 8 10
1.047 0.040 0.127 0.284 0.104 0.264 0.314 0.224
y= + X + X + X − X − X − X + X
由上表 123 的變數前的係數中可看出，成人行人步行速率模式都是有顯著 性差異。
一、殘差分析
在選定模型之後要來進行殘差的測定分析，目的為檢定殘差是否符合獨立 性、常態性、恆常性的三大假設。
(一)獨立性：在迴歸模型中，檢定誤差項之間的相關性，假設如下：
Ho:迴歸模型中，誤差項之間彼此獨立。
Ha:迴歸模型中，誤差項之間具有正向自我相關。
從表 124 中可得 Durbin-Watson 檢定統計量值=1.784 > 1.5，不拒絕 H0，表 示誤差項之間彼此獨立。模型中每個觀測值彼此間的誤差項為獨立，表示不同 的觀測值間彼此不互相影響，無相關性的存在。
表 124
Durbin-Watson 檢定
Model Durbin-Watson
1 1.784
(二)常態性：迴歸模型中，檢定誤差項成常態分配，假設如下：
Ho：迴歸模型中，誤差項成常態分配。
Ha：迴歸模型中，誤差項不為常態分配。
對於是否為常態的檢定中，我們可以從殘差值的次數分配圖15，看到資料的 分布有著常態的趨勢，並從殘差值的常態機率(P-P)圖16上能看到圖形呈現45%
直線，沒有離群值。檢定中不拒絕Ho，表示殘差項為常態分配。所有觀察值的 速率是一個常態分配，表示速率來自於一個呈常態分配的母體。而從模型中的 變數所預測出的速率與實際間的差異，亦會呈現常態分配。
圖15 成人殘差次數分配圖
Regression Standardized Residual Regression Standardized Residual Regression Standardized Residual Regression Standardized Residual
15 10
5 0
-5 -10
600
400
200
0
Dependent Va Dependent Va Dependent Va
Dependent Variable: riable: riable: 速率riable: 速率速率速率
Frequency Frequency Frequency Frequency
圖16 成人常態機率P-P 圖
(三)恆常性：迴歸模型中，檢定誤差項是否會受 X 的影響，假設如下：
Ho：誤差項不受 Xi之影響。
Ha：誤差項平方受 Xi之影響。
從殘差對速率估計值(Yˆ )畫散佈圖 17 中，可看到殘差以 0 為中心，大致成 一個水平帶狀分布，模型中沒有離群値。另外，殘差分別對依變數(速率)與解釋 變數畫殘差圖，以 0 為中心，在正負 3 倍標準差的範圍內，若大致呈水平帶狀 分布，表示殘差距有相同的變異數，支持其是一個合適的模型的論點。
圖17 成人殘差散佈圖
Observed Cum Prob Observed Cum Prob Observed Cum Prob Observed Cum Prob
1.0 0.8 0.6 0.4 0.2 0.0
E x p e c t e d C u m P r o b E x p e c t e d C u m P r o b E x p e c t e d C u m P r o b E x p e c t e d C u m P r o b
1.0
0.8
0.6
0.4
0.2
0.0
Dependent Variable:
Dependent Variable: Dependent Variable:
Dependent Variable: 速率速率速率速率
Regression Standardized Predicted Value Regression Standardized Predicted ValueRegression Standardized Predicted Value Regression Standardized Predicted Value
2 0
-2 -4
R e g r e s s i o n S t a n d a r d i z e d R e s i d u a l R e g r e s s i o n S t a n d a r d i z e d R e s i d u a l R e g r e s s i o n S t a n d a r d i z e d R e s i d u a l R e g r e s s i o n S t a n d a r d i z e d R e s i d u a l
15
10
5
0
-5
-10
Dependent Vari Dependent Vari Dependent Vari
Dependent Variable: able: able: 速率able: 速率速率速率
(3)孩童
孩童部份因子水準命名如表 125 所示。
表 125
孩童變項之因子水準命名
有效樣本數為 383 個，平均速率為 1.16，透過 SPSS 迴歸分析後，孩童迴歸 模式變數資料如表 126 所示。分析結果之解釋變異量(R2)為.144、調整後的 R2 為.143，代表此迴歸模式能夠解釋速率(y)部分為 14.3%。
表 126
孩童迴歸模式數據分析資料表
因子名稱 迴歸係數β 標準誤 t 值 P-value R2 調整後 R2 x1 .021 .021 .781 .193
x2 -.211 .025 -.321 .231 x3 .132 .028 .215 .413 x4 -.019 .032 -.597 .551 x5 .064 .040 .192 .112
.144 .137
截距 1.082 .013 .000
附註：p<0.05
由上表 126 的變數前的係數中可看出，孩童顯著因子為調查時段-離峰顯 著，其他因子因樣本數不夠多，或是變數設定間影響步行速率程度不多，導致 因子結果無法有明確程度的差別產生。
因子 因子名稱 因子類別 因子代號
上午尖峰及離峰 1 x1=1
調查時段 x1
下午尖峰 0 x1=0
26～30 度 1 x2=1
氣溫 x2
31 度以上 0 x2=0
行人專用 1 x3=1
號誌種類 x3
無號誌 0 x3=0
適中秒數 1 x4=1
行人綠燈倒數 x4
無秒數 0 x4=0
有設置 1 x5=1
行人穿越線 x5
無設置 0 x5=0