考慮顯示性偏好之多項羅吉特模式

本研究採用GAUSS6.0軟體進行羅吉特模式之參數推估，先前已利用「人口密度」

將各鄉鎮市區分成五類區隔市場族群，然而，受限於高偏遠地區、低偏遠地區及郊區三 群之回收樣本數過少較不宜單獨建模，故將此三群予以合併。以下就合併後之三類區隔 市場族群作基本方案集合之說明，如表5.1。

表 5.1 通勤旅次運具選擇方案集合之界定 區隔市場

（運具方案總數）

運具集合內容 說明

abc(5) 機車

自用小客車 自行車 公車 臺鐵

此群公共運輸發展條件 較差，屬於高偏遠地區、

低偏遠地區及郊區地 區，故命名為偏遠地區。

d 群(6) 機車

自用小客車 自行車 公車 捷運 臺鐵

此群為公共運輸發展條 件較佳之地區，如市中心 周圍之都會區，命名為都 會區。

e 群(7) 機車

自用小客車 自行車 公車 捷運 臺鐵 計程車

此群公共運輸發展條件 良好，屬於市中心地區，

命名為市中心。

34

(1) abc 群(偏遠地區)模式

此分群之選擇集合方案為機車(包含自行騎車及親友接送)、自用小客車(包含自行開 車及親友接送)、自行車、公車(含免費公車)及臺鐵。在此區隔市場分群之下之回收樣本 數中，選擇計程車之運具樣本數極少，百分比不足1%，故本研究進行模式構建與分析 時，排除計程車之方案，推估結果如表5.2及表5.3所示。

此模式以自行車方案作為基準進行模式構建與分析之情況下，相對於自行車而言，

旅運者選擇自用小客車方案之機率較高。本研究認為此分群因旅次距離普遍較長情況下，

使用自用小客車可達到速度快且便利的條件，故旅運者選擇使用自用小客車之現象就較 為普及。

在解釋共生變數之模式中，由於通勤旅次之車外時間會有較明顯之影響，因此本研 究將模式之車外時間分為等待時間及步行時間進行探討。共生變數包含步行時間、等待 時間、車內時間及旅行成本，然經模式推估後，各變數符號與模式構建前之預期符號相 同，且皆具顯著性。此結果可解釋為偏遠地區之旅運者在選擇通勤運具時，步行時間、

等待時間、車內時間及旅行成本越小越能夠提高選擇的機率。

另外，本研究納入服務屬性變數，包含方便性、可靠性、安全性及舒適性，其結果 顯示可靠性及安全性之t值未達顯著，故予以刪除。而方便性及舒適性皆具顯著性，且符 號符合先驗知識為正值，表示服務越好，旅運者選擇運具之機率會提高。在模式推估結 果亦發現，舒適性最高的原因是由於旅次時間普遍較長，在較長的旅次時間情況下，旅 運者選擇的運具若能夠提供較舒適的乘車環境即可提高旅運者搭乘的意願。

模式亦納入方案特定變數，分別將性別(設為虛擬變數：1=男性)指定於公車選擇方 案、所得指定於機車選擇方案、同行人數(設為虛擬變數：1=兩人以上)指定於自用小客 車選擇方案、距離變數指定於自用小客車選擇方案及自行車選擇方案。經過模式推估結 果發現，男性旅運者選擇公車之機率相對較高；使用機車所花費之旅行成本相對低於自 用小客車，故所得相對低的旅運者會偏好使用機車；此群之旅次距離普遍較長，在對於 公共運輸較不發達的情況下，當旅次距離越長，旅運者會選擇使用自用小客車的機率較 高，而為了節省花費，旅運者使用自用小客車時有同行人數的機率亦提高；相反地，較 短距離旅次之旅運者使用自行車之機率較高，因該分群為經濟發展相對較落後之地區，

其旅運者相對收入較低，使得使用自行車之旅運者具有一定比例。

35

36

37

(2) d 群(都會區)模式

都會區之選擇集合方案為機車(包含自行騎車及親友接送)、自用小客車(包含自行開 車及親友接送)、自行車、公車(含免費公車)、捷運及臺鐵，分類至此群之縣市為都會地 區。在回收之樣本中計程車之筆數偏低，未達總樣本之1%，故本研究在進行模式構建 與分析時，將計程車之方案排除在外，推估結果如表5.4及表5.5所示。

此模式以自行車方案作為基準進行模式構建與分析之情況下，相對於自行車而言，

旅運者選擇機車方案之機率為最高。透過基本統計分析資料可得到相同結果，在d群回 收的樣本中使用機車的比例最高，原因是價格相對比自用小客車便宜，且機動性較高，

故此分群旅運者選擇使用機車之現象就較為普及。

在解釋共生變數之模式中，包含步行時間、等待時間、車內時間及旅行成本，然經 過模式推估後，各變數符號與模式構建前之預期符號相同，且皆具顯著性。由此可知，

都會區之旅運者對於運具之步行時間、等待時間、車內時間及旅行成本越小，選擇運具 的機率越高。

另外，本研究納入服務屬性變數，包含方便性、可靠性、安全性及舒適性，其結果 顯示僅方便性具顯著性，且符號符合先驗知識為正值，表示運具越方便，旅運者選擇該 運具之機率就會提高。

模式亦納入方案特定變數之解釋變數，分別將年齡指定於自用小客車及自行車選擇 方案、學歷指定於自用小客車及自行車選擇方案、同行人數(設為虛擬變數：1=兩人以 上)指定於公車選擇方案及距離變數指定於自用小客車選擇方案。經過模式推估結果發 現，年齡相對較高之旅運者選擇使用自用小客車之機率較高，年齡相對較低之旅運者則 選擇使用自行車之機率較高；學歷相對較高者使用自用小客車之機率會提高，而學歷相 對較低的旅運者則會有較高的自行車使用率，以上的結果符合預期，因年長者且學歷較 高者普遍使用自用小客車的比例會提高，而學歷相對較低的年輕人即為學生族群，使用 自行車上下課的機率會較高；在同行人數中顯示搭乘公車之旅運者結伴搭乘之機率較高；

在距離變數中顯示，該分群之旅運者在通勤距離較長的情況下，使用自用小客車之方案 機率會提高。

最後，模式加入總體變數以便於觀察此分群中各鄉鎮市區的差異性，結果顯示機車 持有率越高的地區，使用機車的機率會較高，此結果為合理且具顯著意義。

38

39

40

(3) e 群(市中心)模式

市中心地區之選擇集合方案為機車(包含自行騎車及親友接送)、自用小客車(包含自 行開車及親友接送)、自行車、公車(含免費公車)、捷運、臺鐵及計程車。此模式以自行 車方案作為基準進行模式構建與分析之情況下，由於該分群之公共運輸發展相對發達且 便利，因此使得旅運者選擇公共運輸之方案機率提高。該分群之模式推估結果如表5.6 及表5.7所示。

在解釋共生變數之模式中，包含步行時間、等待時間、車內時間及旅行成本，然經 過模式推估後，各變數符號與模式構建前之預期符號相同，且皆具顯著性。由此可知，

此分群之旅運者對於運具之步行時間、等待時間、車內時間及旅行成本越小，選擇的機 率就會提高。

另外，本研究納入服務屬性變數，包含方便性、可靠性、安全性及舒適性，其結果 顯示可靠性及舒適性之t值未達顯著，故予以刪除。而方便性及安全性皆具顯著性，且符 號符合先驗知識為正值，表示服務變數越好，旅運者選擇運具之機率會提高。在模式推 估結果亦發現方便性為最高，代表此群之旅運者在選擇使用運具時會優先考慮運具之方 便性。

模式亦納入方案特定變數之解釋變數，分別將年齡指定於自行車選擇方案、性別(設 為虛擬變數：1=男性)指定於自用小客車選擇方案、同行人數(設為虛擬變數：1=兩人以 上)指定於捷運及臺鐵選擇方案以及距離變數指定於捷運及臺鐵選擇方案。經過模式推 估後發現，年齡相對較小之旅運者會使用自行車之機率較高，可推斷為學生族群；在性 別變數中，男性使用自用小客車之機率較高，此結果符合先驗知識；單獨通勤者會偏好 搭乘捷運及臺鐵；而當旅次距離越長，此分群之旅運者會使用捷運和臺鐵的機率提高，

此一結果可作為未來發展公共運輸之重要考量依據。

最後模式亦加入總體變數，可分析該分群中各鄉鎮市區的差異性，結果顯示汽車持 有率較低的地區使用捷運的機率會提高；機車持有率較高的地區使用機車的機率會提高，

兩結果皆為合理且符合先驗知識。

此分群完整顯示性偏好之多項羅吉特模式配適度為0.27，而計算時間價值結果顯示，

步行時間之時間價值為每小時433.04元最高，其次為等待時間之時間價值每小時281.30 元，最低則為車內時間之時間價值，每小時208.91元。

41

42

43