敘述性偏好法

個體選擇模式的問卷設計技術主要包括顯示偏好 (Revealed Preference, RP) 與 敘述偏好 (Stated Preference, SP)，兩者皆廣泛地應用於運輸及行銷領域中。

兩種問卷設計形式各有其優缺點，在Kroes 與 Sheldon (1988)對於 SP 的探討文 獻中有詳細的比較，RP 須使用實際數據，若變數間的變異程度不夠，則無法進一 步分析，且使用的數據常以量化的單位表示，因此無法估計質化變數的影響。而 SP 無法測量實際行為，而是對模擬未存在的情境，作需求預測。此外，問卷設計 的情境組合替選方案，有時會導致受訪者無法正確選擇，其效用函數與參數校估

法，也沒有一定的準則。兩種方法各自的優點即為對方的缺點。

本研究基於探討託運人對於電子商務中動態電子交易的選擇行為，而顯示偏好 數據並無法提供與各方案有關的選擇數據，因此，本研究將以敘述偏好法進行研 究。

2.3.1 敘述性偏好法之基本概念

敘述性偏好法在1970 年代發展於行銷學領域中，至 1978 年被廣泛應用，1979 年英國學者將敘述性偏好法應用於運輸分析（Kroes and Shelden, 1988），此方法在 行銷領域亦稱作聯合分析（Conjoint Analysis），吳長生（1999）將其定義為：「由 不同屬性水準值所事先定義的替選方案供消費者評量，並依此資訊估計消費者偏 好結構之分解（decompositional）方法。」

敘述性偏好法是指研究者事先以ㄧ些決定好的屬性及其水準值組合成各種的 假設情境，在由這些客觀的假設情境構成替選方案供受訪者來做選擇，是為分析 消費者對新方案偏好的良好方法。此方法透過直交設計產生的屬性水準值可以有 效克服變數共線性問題，使重要變數顯著。選擇行為通常是利用評分、等級排序、

第一偏好的方式來評估，以了解受訪者對於上述替選方案整體的偏好。

2.3.2 敘述性偏好法之衡量尺度與參數校估方法

敘述性偏好法所衡量的效用函數為間接效用，而經濟學上之效用理論係在可用 資源下求得最大效用，但敘述性偏好模式所衡量的效用函數並沒有資源限制條件。

使用敘述性偏好法來分析偏好與屬性水準時，須注意對不同方案組合的描述方 式，不同的表達方式，分析程序不同，所使用的偏好衡量尺度亦不同，此外，不 同的偏好衡量尺度還會影響效用函數參數的校估程序，故偏好衡量尺度的選擇對 模式的應用影響甚鉅。一般偏好衡量的方法可分為等級排序法、評分法及第一偏 好法等三種。敘述性偏好法之參數校估方法，依研究目的、效用函數型態、偏好 衡量法、實用設計與可應用之軟體而不同。

等級排序法是由受訪者對於替選方案依其偏好給予順序的排列，測量層次屬於 等級尺度（Ordinal Scale），只能顯示偏好之高低，至於高低的強度則無從獲知，

所 以 當 替 選 方 案 過 多 時 ， 排 序 工 作 會 非 常 困 難 。 其 參 數 校 估 方 法 可 利 用 MONANOVA (Monotone Analysis of Variance)來操作（黃俊英，1998）。

而評分法是讓受訪者對於替選方案依其偏好打分數，偏好愈高者分數愈高，其 衡量層次屬於等距尺度（Interval Scale），即測量單位有相等之間隔。此法之問題 是等距尺度並沒有真正原點，所以例如 20 分並非 10 分之兩倍，一般評分法其分 數大都設在1-20 分左右，因為若分數範圍過大，受訪者較不容易將其偏好真正的 表現出來。其參數校估方法一般皆以最小平方迴歸（Ordinary Least Squares,OLS）

及 最 小 絕 對 誤 差 和 迴 歸 模 式 （Minimizing Sum of Absolute Error Regression, MSAE）。

第一偏好法則是受訪者對替選方案模擬其可能選擇的方案，被選擇的方案即為 此受訪者的第一偏好。此法可顯出受訪者對替選方案偏好之機率，研究上最常被 應用，乃因其基本假設符合個體選擇理論，可應用個體模式中的羅吉特（Logit）

與普洛比（Probit）兩種方式校估參數。羅吉特（Logit）模式因函數形式簡單，實 用便利性高，且有適當的軟體可使用，所以應用較廣。本研究調查的是託運人的 第一偏好，並構建個體選擇模式中的二元羅吉特模式來校估參數。

2.3.3 敘述性偏好法之實驗設計

敘述性偏好法的替選組合方案是由研究者事先以決定好的屬性及其屬性水準 組成的情境來構成替選方案，一般相關屬性的選擇需符合研究目的，至於屬性的 多少並無定論，屬性愈少，則研究愈簡單，但若屬性過少，則無法顯示欲研究主 題的特性。

敘述性偏好法之實驗設計主要分為二因素法（two-factor at-a-time procedure）與 整體輪廓法（full-profile approach）兩大類（張顥鐘，2002）。

二因素法又稱為權衡法（trade-off procedure），乃是要受訪者每次只對一對屬性 中各水準值的不同組合加以評估，排列出偏好順序，然後再逐次地評估其他對屬 性組合（Johnson, 1974）。此法的優點是容易應用且受訪者容易填寫，但限制是在 實際應用時，由於每次只評估一對屬性，其他屬性皆不考慮，較不接近事實，且 受訪者所需評估的次數較多。

整體輪廓法又稱為觀念評估法（concept evaluation task），是在替選方案中列舉 所有重要的屬性，並由各屬性的某一水準值共同組成一替選方案，此替選方案可 視為一整體輪廓。此方法將替選方案中每一屬性同時列出，較接近事實，但受訪 者所需評估的替選方案組合太多，常超出受訪者所能負擔的範圍，因此整體輪廓 法在實際應用時則又分要因設計（Factorial Design）、部分要因設計（Fractional Factorial Design）及直交排列法（Orthogonal Arrays）。

方案、屬性、水準值產生所有可能組合，稱為全部要因設計。當屬性個數增加 或水準值增加時，情境可能大幅增加，受訪者無法回答太多情境，因此常採部分 要因設計，選擇重要的因素加以考慮。實驗設計之主要目的在組合各選擇方案之 屬性水準值，使各方案間相互獨立，稱為直交設計(Orthogonal Design)。

敘述性偏好中的各種情境組合大都採用實驗設計的直交設計法進行。它具有以 下特點：

1. 容易實驗：只要決定因子數目及因子水準後，便可知道配用那種直交表；試驗 者只要根據表內因子水準組合，便知道要取那些因子及水準從事試驗。

2. 容易計算：直交試驗配合電腦程式計算，可以快速有效率地解決許多計算複雜 的間題。

3. 彈性大：試驗因子間水準數目不同時，直交表亦能提供有效的解決方法，此外 直交設計還具有一致最適性的優點，每一列的實驗組合是彼此獨立的，意即某一 列的組合並不會影響到另一列組合的實驗結果。實驗設計關係到模式的有效度，

好的實驗設計可以精確的衡量受訪者的偏好或行為，並了解屬性水準對受訪者決 策過程的影響（段良雄與劉慧燕，1996）。

2.3.4 敘述性偏好法之相關研究

有非常多的研究將敘述性偏好法應用於運具選擇研究上，如Kroes and Sheldon

（1998）說明敘述性偏好法之內涵及其在運輸領域上之應用，Bunch et al. （1993）

探討敘述性偏好法中各屬性變數對不同消費者是否選擇使用電動車之影響，段良 雄與劉慧燕（1996）應用敘述性偏好法於路線選擇，許巧鶯等（1998）運用敘述 性偏好法對消費者電子購物與傳統購物選擇行為進行分析，陳玉屏（1999）以敘 述性偏好法探討消費者對電動機車的選擇行為，Wen and Koppelman（2000）運用 敘述性偏好法在區位選擇和家戶旅次上，來探討個體運具選擇模式，尤淨纓（2001）

以敘述性偏好法探討消費者對網路電話選擇行為的研究，張顥鐘（1999）以敘述 性偏好法探討迄點屬性對城際旅運者運具選擇行為之影響，蔡甲申（2001）以敘 述性偏好法探討高速公路用路人使用電子收費系統選擇，王維瑩（2008）以敘述 性偏好法探討家戶汽機車車型與車齡選擇模式等。