憤怒感之羅吉斯迴歸分析

由上節結果得知，透過所量測出憤怒感與反應行為意向強度的連續變數，進而納入 多元迴歸模式當中，所得到的解釋能力皆小於 0.5。故本研究希望集群分析針對憤怒感 來進行駕駛分群，進而利用分群結果來構建羅吉斯迴歸來暸解社經變數與駕駛經驗對憤 怒感的影響因素，故本研究納入憤怒感分群結果為依變數，透過集群分析來進行樣本之 分群，並將定義出高憤怒感駕駛人(以 1 表示)與一般駕駛人(以 0 表示)。

69

5.3.1 憤怒感之集群分析

本研究擬將受試者分群，區分出「高憤怒感之駕駛人」與一般駕駛人兩群。由於此 為已知集群數且需處理大量的觀察值得情況，加上分群變數為連續變數，故採取 K-Means 集群分析法，與採用歐基里德直線距離來計算群組間之距離。

表表

表表 5.5 憤怒趕之憤怒趕之憤怒趕之憤怒趕之集群分析結果集群分析結果集群分析結果集群分析結果 類別 Cluster 1

(一般駕駛人)

Cluster 2 (高憤怒感之駕駛人)

反應行為意向(初始中心值) -3.10 3.69

反應行為意向(最終中心值) -1.07 -0.43

個數 245 168

由表 5.5 所示，本研究透過 K-Means 集群分析之結果顯示，樣本將分成兩群，Cluste1 共有 245 位，其憤怒感則由初始值-3.10 移至最終中心值的-1.07，且命名為「一般駕駛 人」；另一群駕駛人共有 168 位，其反應行為意向強度由初始值 3.69 移至最終中心值 -0.43，且命名為「高憤怒感之駕駛人」。透過集群分析的結果，可進一步進行驗證，本 研究擬採取判別分析與羅吉斯迴歸分析，來了解此分群是否為可信且一般性，於下節介 紹之。

5.3.2 憤怒感之羅吉斯迴歸分析

本研究透過上述集群分析的結果來進行羅吉斯特迴歸模式的校估，其中被說明變數 為「一般駕駛人(以 0 表示)」與「高憤怒感之駕駛人(以 1 表示)」之兩種變數。而在說 明變數方面則納入多元迴歸模式分析時相同的說明變數。

本研究在模式校估過程中採用逐步刪除說明變數之作法，首先將所有規劃之說明變 數均納入模式中，再逐步將邊際解釋力最小之不顯著說明變數給予刪除，直到模式中之 所有說明變數皆達顯著水準之設定值(本研究選定之顯著水準為α =0.1) 時即告停止。

對於資料是否符合模式之假設需求，則使用 HL 之配適度指標(Hosmer and Lemeshow goodness-of-fit test; HL)，以χ²之統計量來進行假設檢定，檢定之 p 值愈大表示資料與 模式之假設愈符合，當p<0.05時表示資料與模式之假設具顯著差異，即資料之配適度 不佳。至於整體模式之解釋能力則以類似最小平方法中R 概念之² Nagelkerke R²值作為 衡量指標，其值愈高表示模式之解釋能力愈佳(Thirunavukkarasu and Kathiravan, 2006)。

表表表

表 5.6 憤怒感之憤怒感之憤怒感之憤怒感之羅吉斯迴歸分析結果羅吉斯迴歸分析結果羅吉斯迴歸分析結果 羅吉斯迴歸分析結果

70 說明變數

說明變數 說明變數

說明變數 β 值值值值 P 值值值值 Nagelkerke R² HL 衝動性 0.30 0.041** 0.593 0.589 同理心 -0.38 0.060*

違規經驗 -1.50 0.062*

開車年資 -2.84 0.000**

受傷事故經驗 -0.88 0.031*

財損事故經驗 -1.69 0.000**

* 表示 P<0.1

**表示 P＜0.05

由表 5.6 得知，羅吉斯特迴歸分析透過 15 個說明變數經逐步刪減剔除後，模式最後 僅保留 6 個顯著之說明變數，在人格特質部份為「衝動性」與「同理心」；衝動性越高 之駕駛或同理心越低之駕駛，其憤怒感較他人來得高，代表衝動性會降低憤怒感的抗拒 力，較易讓駕駛之負面情緒激發出來；而同理心會讓駕駛去感受、體會他人偏差行為的 產生，或許不為有意的，或是體悟自身在新手駕駛時也會犯此錯誤，較為體諒並容忍他 人，其憤怒感也較他人低。在駕駛經驗部份顯著變數為「開車年資」，表示開車年資越 久之駕駛者，其對於道路狀況之情緒波動較低，較能以平緩的情緒來面對進而應付他人 的偏差駕駛行為。在行車負面經驗則為「受傷事故經驗」與「財損事故經驗」，代表過 去曾有過事故經驗之駕駛，在面對道路狀況時會採取較為理性的態度，減少情緒化的應 對方式。模式配適度指標 HL 之 p 值為 0.589，顯示資料符合假設之需求；而模式之解 釋能力指標Nagelkerke R²為0.593，較上節多元迴歸模式解釋能力來得好。

本研究透過羅吉斯迴歸模型對觀察值的依變數進行估計，來檢查多少觀察值能夠透 過此模型來正確估計，由表5.7 得知總體分類正確率為 81.8%，然而本研究擬透過說明 變數的解釋來預測並找出高憤怒感之駕駛人，而此部分的預測正確率高達74.4%，屬良 好之分類結果，也正確驗證出上節集群分析的分類。

表 表 表

表 5.7 憤怒感之憤怒感之憤怒感之羅吉斯分析預測正確率憤怒感之羅吉斯分析預測正確率羅吉斯分析預測正確率羅吉斯分析預測正確率 預測值

一般駕駛人 高憤怒感之駕駛人 預測正確率 (%)

觀察值

一般駕駛人 213 32 86.9

高憤怒感之駕駛人 43 125 74.4

整體分類正確率 81.8

71

5.4

由上節結果得知，透過所量測出憤怒感與反應行為意向強度的連續變數，進而納入 多元迴歸模式當中，所得到的解釋能力皆小於 0.5，且由相關性分析結果得知，憤怒駕 駛傾向與反應行為強度具有高度相關性，且憤怒駕駛傾向具有正面顯著影響反應行為強 度的現象，然而變數間不應有高度相關。Eysenck(1960)提到人格特質與外顯行為的關 聯性，惟有在當事者之特質顯著高於他人時，其外顯行為才會有其差異。本研究希望透 過迴歸模式暸解外顯行為的影響因素，故本研究僅納入反應行為意向為依變數，透過集 群分析來進行樣本之分群，並將定義出高反應行為意向強度駕駛人(以 1 表示)與一般駕 駛人(以 0 表示)。

5.4.1 反應行為意向之集群分析

本研究擬將受試者分群，區分出「高反應行為意向強度之駕駛人」與一般駕駛人兩 群。由於此為已知集群數且需處理大量的觀察值得情況，加上分群變數為連續變數，故 採取K-Means 集群分析法，與採用歐基里德直線距離來計算群組間之距離。由表 5.5 所 示，本研究透過K-Means 集群分析之結果顯示，樣本將分成兩群，Cluste1 共有 99 位，

其反應行為意向強度則由初始值-5.84 移至最終中心值的-3.86，且命名為「一般駕駛人」； 另一群駕駛人共有 314 位，其反應行為意向強度由初始值 0.74 移至最終中心值-1.24，

且命名為「高反應行為意向強度駕駛人」。透過集群分析的結果，可進一步進行驗證，

本研究擬採取判別分析與羅吉斯迴歸分析，來了解此分群是否為可信且一般性，於下節 介紹之。

表 表表

表 5.8 反應行為意向之反應行為意向之反應行為意向之反應行為意向之集群分析結果集群分析結果集群分析結果 集群分析結果 類別 Cluster 1

(一般駕駛人)

Cluster 2

(高反應行為意向強度駕駛人)

反應行為意向(初始中心值) -5.84 0.74

反應行為意向(最終中心值) -3.86 -1.24

個數 99 314

5.4.2 反應行為意向之羅吉斯迴歸分析

本研究透過上述集群分析的結果來進行羅吉斯特迴歸模式的校估，其中被說明變數 為「一般駕駛人(以 0 表示)」與「高反應行為意向強度駕駛人(以 1 表示)」之兩種變數。

而在說明變數方面則納入多元迴歸模式分析時相同的說明變數。

72

73

74

第六章第六章第六章

第六章 結論與建議結論與建議結論與建議 結論與建議

6.1

本研究之目的在探討駕駛人在面對道路上他人侵略性駕駛行為時，所產生的憤怒駕 駛傾向與反應行為意向強度之量測與其影響因素。進而檢測衝動性、冒險性與同理心等 人格特質、性別角色、社經變數、駕駛經驗與過去行車負面經驗對於憤怒駕駛傾向與反 應行為意向強度之影響。本研究透過問卷設計與調查，計收到有效問卷530 份。憤怒駕 駛傾向之情境設計經因素分析後除得到文獻所陳述的行進阻礙、直接敵意與粗魯駕駛三 種類別外，本研究發現非直接影響之傾略性駕駛行為之此項類別。而透過Eysenck 所發 展出以三大性格向度來囊括個人之人格特質，藉由文獻指出衝動性、冒險性與同理心，

會經由外在刺激的激發進而產生個人不同程度的憤怒駕駛傾向與反應行為意向強度，並 發現各個構面之信度均達0.78 以上，顯示各構面具有高度之內部一致性。本研究隨後更 進一步以Rasch 模式對單一構面之能力進行量測與分析。本研究經一系列之調查與分析 後，計得到如下之結論：

(1)透過因素分析將首次引入我國之憤怒駕駛傾向量表分離出行進阻礙、粗魯駕駛、直接 敵意與非直接影響之侵略性駕駛行為等四個構面，較國外多出一個構面。較多之構 面將提供更精細之能力及行為量測與差異分析。

(2)在能力量測方法上採用 Rasch 分析，所校估得之試題難易度(即對特質之抗拒力)與駕 駛人能力(即為潛在特質)相較於以原始分數作為比較基礎之古典測驗理論，不僅能夠 提供較為嚴謹的校估結果，更能提供較多公平且客觀之資訊以利後續之比較分析。

(3)不論透過多元迴歸分析或羅吉斯迴歸分析，駕駛人之憤怒駕駛傾向與「衝動性」、「過 去事故經驗」及「過去衝突經驗」有顯著關係；而反應行為意向強度的部分則與「憤 怒駕駛傾向」、「冒險性」、「開車年資」及「事故經驗」等因素均存在顯著之相關性。

上述結果似乎提醒我們駕駛人的憤怒駕駛傾向與反應行為意向強度之發展會來自於 過去事故與衝突經驗的累積，故未來可試著透過駕訓教育時廣為宣傳難度較低的情 境案例，即為較易讓對方產生高度憤怒與激烈的反應行為，如「插隊駛入他人剛找 到的停車位」、「前車沒有打方向燈就直接轉入他方車道」、「開車時不斷對他人按喇 叭」、「夜晚開車時，用強光照對向車」來減少衝突或事故的發生。且反應行為意向

上述結果似乎提醒我們駕駛人的憤怒駕駛傾向與反應行為意向強度之發展會來自於 過去事故與衝突經驗的累積，故未來可試著透過駕訓教育時廣為宣傳難度較低的情 境案例，即為較易讓對方產生高度憤怒與激烈的反應行為，如「插隊駛入他人剛找 到的停車位」、「前車沒有打方向燈就直接轉入他方車道」、「開車時不斷對他人按喇 叭」、「夜晚開車時，用強光照對向車」來減少衝突或事故的發生。且反應行為意向