研究架構

為分析上一節課題，本研究設計之研究架構如圖3.1 所示。本研究嘗以個體 選擇理論構建台北都會區民眾運具選擇行為模式，尋求轉乘優惠額度與民眾選擇 運具行為之關聯，以模擬各運具使用者價格彈性與優惠實施後轉乘運量之變化情 形。繼而利用運量變化轉換計算轉乘優惠之經濟、財務效益，得到政府、台北捷 運公司及公車業者之效益估算值，用以計算轉乘優惠經費分擔比例；另一方面，

觀察不同優惠額度情境下淨效益、益本比、邊際益本比與財務淨效益之變動情 形，由經濟效率與社會公平觀點提出最適優惠額度之建議。最後，針對四項課題 提出本研究之結論與建議。

圖3.1 研究架構

3.3 研究方法

個體選擇模式之理論基礎主要來自經濟學消費理論與心理學選擇行為理 論，於運輸及都市計畫領域上廣為人所應用，如Domencichm and

McFadden(1975)、Maddala(1983)用於運具選擇研究，McFadden(1978)用於居住區

位選擇研究，Choo and Mokhtarian(2004)用於車款選擇研究等。傳統個體選擇模 式是以效用（Utility）的概念來模擬決策者的選擇行為，假設消費者面臨各種替 選方案時，係基於最大效用原則（Utility Maximization）選取方案，亦即此方案 會帶給決策者最大的滿足感。

一般使用上，不論各效用之屬性變數是否為相同型態，皆設定各方案效用 為其方案屬性之線性組合。此效用結構顯示各屬性間具有補償作用，亦即具較 低效用的屬性可由具有較高效用之屬性得到補償，如旅運者願意以付出較高旅 行成本以換取較短之旅行時間。由於效用為連續型可加成函數，因此任何屬性 的改變，無論其值的大小均會改變方案的效用，進而改變決策者的選擇。

依據模式對決策法則之假設分類，可將個體選擇模式分成「可補償性模 式」、「非補償性模式」與「混合模式」三類。所謂「可補償性模式」係假設諸 屬性效用間具有相互補償之效果；「非補償性模式」則否定「可補償性模式」之 基本假設，其認定諸屬性效用間不具相互補償效果；而「混合模式」則介於兩者 之間，混合模式中有所謂「門檻值模式」，乃假設決策過程有門檻效應之存在。

可補償性模式是一種傳統的個體擇選模式，模式假設決策者對可行方案的 偏好（Preference）可以效用函數來描述。以效用函數為評估及決策基礎，假設 消費者在面對各種可行方案時，係以滿足最大效用的原則選擇方案，由於效用 是一種感受，無法精確衡量，各方案的效用由可衡量（observable）的效用及不 可衡量（unobservable）的誤差項（error）所組成，對效用的誤差項作不同機率 分配的假設，可以推導出不同的個體選擇模式，如極端值模式（Generalized Extreme Value，GEV）、普洛比（Probit）及羅吉特（Logit）模式等。

除可補償性模式外，根據心理學及行銷學之決策準則，亦建立許多非補償 性（Non-compensatory）結構的選擇模式。該模式假設決策者面臨選擇時，係分 別考慮方案的屬性，而非方案總體效用，故屬性間不具補償作用。在非補償性 的模式中，理論較完備者為逐步消去模式（Elimination by Aspects，EBA），EBA 模式係假設最佳方案的產生是經由一連串的消除步驟而完成。決策者首先將屬 性依重要程度排序，並對每一屬性設立一最低可接受水準，而後由最重要屬性 開始逐一消去未達滿意水準的方案，直到僅剩一個方案為止，此決策程序下所 產生之方案不必然為最大效用。

許多心理學及經濟學理論均指出，人們的選擇行為未必會隨著屬性的改變

1. 決策者：有別於總體運輸模式，羅吉特模式假設每一個旅行者皆為旅運行為

3.3.1 多項羅吉特模式（Multinomial Logit Model，MNL）

假設效用函數中的誤差項機率具有相同且獨立分配（Independently and Identically Distributed，IID）的特性，並服從 Gumbel 分配，透過此分配的累積 機率密度函數即可推出多項羅吉特模式，機率型式可以簡潔的指數函數表達， from Irrelevant Alternative，IIA）的缺點，意即決策者選擇兩替選方案機率之比 值，只與兩方案的可衡量效用有關，而與其他方案的效用無關，明顯不合理。

但其校估容易的優點，還是讓許多研究者持續使用該模式以分析受訪者的選擇 行為。為了改良 IIA 的缺點，後續亦發展出巢式羅吉特模式來克服相異的替選 方案間可能具有相關性時，多項羅吉特模式校估結果有所偏誤之缺點。

3.3.2 巢式羅吉特模式（Nested Multinomial Logit Model，NL） Information Maximum Likelihood Method，FIML），此種方法乃對所有可供選擇的 集合中之每一元素加以組合，將每種組合視為一替選方案，然後找出使對數概似

2. 模式結構檢定

分成概似比指標（Likelihood-Ratio Index）檢定與概似比統計量

（Likelihood-Ratio Statistics）二種，說明如下：

a. 概似比指標檢定

) 0 (

) 1 (

2

LL LL

β

ρ

^{= −} ……….……….(3-5) 其中

) (β

LL

：參數推估值為β之概似函數對數值，

) 0 (

LL

：等市場占有率（Equal Share）模式之概似函數對數值。

b. 概似比統計量

即以概似比檢定為基礎，檢定所有參數是否顯著。概似比定義如下：

[

(0) ( )

]

2LL −LL β

− ..………..（3-6）

上式為一卡方₍

χ

²₎分配，故以卡方檢定檢定之，其自由度為估計模式中所有 參數之總數。

在文檔中 台北都會區捷運與公車轉乘優惠效益之分析 (頁 28-35)