能高地區生態旅遊多重屬性方案邊際願付價格評估

本研究使用選擇模型對受訪遊客對山村遊程之偏好及邊際願付價格進行分析，

採用上文第四章中所述之多項羅吉斯模型評估受訪遊客之效用，分析遊程屬性對 遊客選擇的影響。

一、山村生態旅遊屬性變數定義與模型設定

本研究之選擇模型涵蓋問卷第二部分之選擇實驗及第四部分之基本資料，其 變數定義及編碼如表6-2-1 所示。在遊程天數方面，等級數共為 3，基本方案為一 天，而為了避免共線性問題，以虛擬變數DAY2 與 DAY3 分別表示遊程天數為兩 天與三天，每一個選項(變數)若是則編碼為 1，若為否則 0。在步道體驗且導覽解 說方面，「增加一條步道體驗且有導覽解說項目」以虛擬變數TG，若是則編碼為 1，若否則為 0。在文化體驗方面，同樣等級數共為 3，故以虛擬變數 CUL3 與 CUL4 分別表示提供三項或是四項原住民文化特殊體驗，若是則編碼為1，若為否則為 0。

在餐點的部分，同樣等級數共為3，故以虛擬變數 MEAL2 與 MEAL3 分別表示提 供兩餐或是三餐原住民風味餐，若是則編碼為1，若為否則為 0。在遊程費用方面，

以變數 FEE 表示，編碼是採直接輸入每人每天費用等級，因此 1,400 元時，FEE 編碼為1,400。

在遊客社會經濟變數的部分，編碼方式參考Juutinen (2011)的二分法，將變數 重新設定，以利後續潛在類別模型(LCM)之類別分析。遊客性別以 Sex 表示，若為 男生則編碼為1，女生則為 0；婚姻狀況以 Marry 表示，若為已婚則編碼為 1，未 婚或其他則為0；教育程度以 Edu 表示，根據第一節之敘述統計，遊客平均教育程 度為大學(專)，因此以此為分界，若遊客教育程度為大學(專)(含)以上則編碼為 1，

若為高中(職)(含)以下則編碼為 0；遊客職業以 Job 表示，若遊客職業為農林漁牧 業、工業、商業、服務業或軍公教等則編碼為1，其他職業則編碼為 0；遊客個人 月收入以Income 表示，分界以收入中位數為標準，個人月收入為 5 萬元上則編碼 為1，若月收入 5 萬元以下則編碼為 0；遊客是否有參加環境教育或生態遊程協會 團體經驗以Exp 表示，是則編碼為 1，否編碼為 0；受訪者居住地以 Place 表示，

若居住於台北市或新北市則編碼為1，其他縣市則編碼為 0。

表6-2-1 遊客選擇行為及基本資料變數定義

變數名稱 變數意義 效果編碼

遊程屬性等級變數

DAY2 兩天一夜 1：是；0：否 DAY3 三天兩夜 1：是；0：否

TG 增加一條步道體驗且 有導覽解說項目

1：是；0：否 CUL3 三項體驗 1：是；0：否 CUL4 四項體驗 1：是；0：否 MEAL2 提供兩餐原住民風味餐 1：是；0：否 MEAL3 提供三餐原住民風味餐 1：是；0：否

FEE 遊程收費 1,400、2,500、3,000，單位為元/人/天 遊客社會經濟變數

Sex 性別 1：男；0：女

Marry 婚姻 1：已婚；0：未婚或其他

Age 年齡 1：高於 50 歲；0：小於等於 50 歲 Edu 教育程度 1：大學(含)以上；0：高中職(含)以下

Job 職業 1：農林漁牧業、工業、商業、服務業或軍公

教等，0：其他

Income 個人月收入 1：高於 5 萬；0：低於 5 萬 Exp 是否有參加環境教育或

生態遊程協會團體經驗

1：有；0：否

Place 居住地 1：台北市或新北市；0：其他

本研究參考Loureiro and Umberger (2007)、Edenbrandt et al. (2018)及 Lee and Wang (2017) 模型設定，本研究之效用模型設定為：

U_ij=ASC+β₁(DAY2_ij)+β₂(DAY3_ij)+β₃(TG_ij)+β₄(CUL3_ij)

+β₅(CUL4_ij)+β₆(MEAL2_ij)+β₇(MEAL3_ij)+β_price(FEE_ij)+ε_ij (19) 𝑈_𝑖𝑗表示遊客 𝑖 選擇 𝑗 方案的遊程方案所獲得效用，ASC 表常數項，並以最大 概似估計法(MLE)估計各變數之係數值。

二、選擇模型估計結果

根據第四章研究方法，本研究首先假設遊客符合各個方案選項選擇是不相關 的獨立性情況，亦即IIA 假設之下其具同質性偏好，因此適用於進行多元羅吉特模 型分析，而結果可代表遊客平均偏好情況。而若遊客偏好為異質性，又可分兩種 情況，若偏好為連續性分佈，則使用隨機參數羅吉特模型(RPL)，若偏好非連續分 佈或間斷分佈，則較適合以潛在類別模型(LCM)分析，且可進一步分析具不同社會 經濟變數類型遊客的異質性偏好。

本研究使用的分析軟體為LIMDEP 8.0 計量軟體作為實證工具，並根據隨機效 用理論說明係數含義及其顯著性，當係數為正，則表示該屬性等級可使遊客效用 提升，遊客偏好該屬性等級；反之則表示該屬性等級會使遊客效用水準下降，即 遊客較不偏好該屬性等級。

(一) 多元羅吉特模型

本研究使用多元羅吉特模型分析結果如表 6-2-2 所示，在旅遊天數方面，在 顯著水準10%下，兩天一夜行程(DAY2)的係數值為正且顯著，表示消費者較偏好

「兩天一夜」的旅遊。在步道體驗與導覽解說方面，在顯著水準1%下該係數值為 正且顯著(1.6566**)，顯示增加一條步道體驗且有導覽解說項目會增加遊客偏好；

在體驗項數方面，在顯著水準 5%下，四項體驗(CUL4)之係數(0.3146**)正的且顯 著，然三項體驗(CUL3)係數(0.1006)為正但不顯著，表示體驗項數須增加至一定程 度遊客偏好才會增加，其中四項優於三項；風味餐的部分，在顯著水準 10%下均 不為顯著；在費用方面，在顯著水準 10%下，該係數(-0.0032*)值為負且顯著。綜 合而言，以多元羅吉特模型進行遊客行程之偏好分析可知，遊客偏好兩天一夜、

有步道體驗且有導覽解說與四項體驗之遊程。

表6-2-2 以多元羅吉特模型估計遊客對旅遊行程各屬性偏好之係數結果

Log likelihood -285.59

Pseudo R² 0.0504 卡方值，尚可能出現Fixed Parameter(以 FP 表示)表示建議不予考量，以及 Could not carry Hausman test for IIA(以 CNT 表示)表示無法執行 HM 檢定此二項結果，而在 無法執行HM 檢定下，根據 Greene (2012)可視為 IIA 假設成立。

由表6-2-3 之 IIA 假設檢定結果可知，排除不考量部分，在僅剔除一個選擇方 案15 個檢定下，IIA 成立者共 15 個，表示 IIA 假設在本研究中成立，亦即遊客對 遊程之偏好具同質性，因此使用多元羅吉特模型分析即可。

表6-2-3 遊客不相關選擇的獨立性(IIA)假設之檢定結果

條步道體驗且有導覽解說項目等屬性，接著是文化體驗項數之四項體驗，以及提 供兩餐風味餐之屬性。

綜合而言，遊客旅遊天數較偏好兩天一夜，這可能和我國大部分行業均週休二 日有關，同時受訪遊客又多為上班族群，而依據能高生態旅遊協會之遊客統計資 料亦可知，其遊程同樣以兩天一夜遊客較多，而增加步道體驗與導覽解說、文化 體驗項數以及提供兩餐風味餐的確會增加遊客願付價格。

表6-2-4 屬性等級之遊客邊際願付價格

屬性 等級 願付價格(WTP)(元/人/天/次)

旅遊天數 兩天一夜 517.69

三天兩夜 350.56

旅遊體驗與導覽解說 增加一條步道體驗且 有導覽解說項目等

123.40

文化體驗項數 三項體驗 31.44

四項體驗 98.31

提供原住民風味餐數 二餐 71.72

三餐 48.41

表6-2-5 為遊客屬性水準合併之邊際願付價格，不包含無顯著性的風味餐，依 據金額高低排序可知，組合 1 和 2 之旅遊天數兩天一夜、增加一條步道體驗且有 導覽解說項目等與四項文化體驗和邊際願付價格平均每人每次每天為 739.4 元為 最高，以組合 7 和 8 之旅遊天數三天兩夜、增加一條步道體驗且有導覽解說項目 等與三項文化體驗總和邊際願付價格平均每人每次每天為505.4 元最低；由上述可 知，遊客屬性水準組合之總和邊際願付價格平均每人每次每天介於 505.4-739.4 元。

基本方案價格加上住宿費乘上旅遊天數，再利用屬性合併之總和邊際願付價 格(元/人/次/天)並將用餐費用加入，與每年至能高賽德克山村遊客人數(約 200 人) 相乘，再乘上每年至此地平均遊玩次數(1.45 次)，即可估算各項屬性等級變數的總 願付價值(元/年)。依據上述可估算出，能高賽德克山村生態旅遊之總效益為每年 144 - 225 萬元。

表6-2-5 遊客屬性水準組合之總合邊際願付價格 組合編號 旅遊天數 旅遊體驗

與導覽解 說

文化體驗 項數

提供原住 民風味餐

數

總和邊際願 付金額 (WTP)(元/

天)

不包含風味 餐之總和邊 際願付金額

(元/天) 1 兩天一夜 增加一條

步道體驗 且 有導覽解 說項目等

四項體驗 二餐 811.12 739.4 2 兩天一夜 四項體驗 三餐 787.81 739.4 3 兩天一夜 三項體驗 二餐 744.25 672.53 4 兩天一夜 三項體驗 三餐 720.94 672.53 5 三天兩夜 四項體驗 二餐 643.99 572.27 6 三天兩夜 四項體驗 三餐 620.68 572.27 7 三天兩夜 三項體驗 二餐 577.12 505.4 8 三天兩夜 三項體驗 三餐 553.81 505.4