4.1 資料來源說明
以下採用一份來自吳珮瑛與蘇明達（2001）調查墾丁國家公園經濟效益 評估問卷的資料，分析及驗證前述各模型之可行性。墾丁國家公園之環境資 源豐富，不但是國內唯一一座擁有海域的國家公園，其地形變化多端且富有 多樣性的景觀資源，可謂最佳之地形學戶外自然教室。在如此得天獨厚的地 理環境下，孕育了墾丁國家公園在地形景觀、動植物生態、海洋生態與人文 史蹟等各方面資源的豐富性與獨特性。然而，由於核三廠的溫水排放、餐飲 服務業之污水排放、沿岸地區土地的不當開發、大量遊客的遊憩活動與非法 的動漁獵行為等，均使得墾丁國家公園之環境資源遭受持續不斷的污染及破 壞。
因此，瞭解維護墾丁國家公園環境資源之經濟效益的大小，乃成為國家 公園管理當局的要務之一。該調查資料是以 CVM 評估墾丁國家公園之經濟 資源效益，該問卷除了有受訪者對國內六座國家公園的使用概況，尚包括了 受訪者對墾丁國家公園的一般印象、使用情形及受訪者的個人屬性資料。而 問 卷 之 第 二 部 分 即 是 以 開 放 雙 界 二 元 選 擇 誘 導 支 付 模 式 由 受 訪 者 提 供 WTP，即受訪者在被告知為避免破壞與污染繼續發生，而使國家公園內之資 源消失殆盡，以支付「資源維護費」所代表的 WTP，來顯示其對公園內現有 資源之評價。
此外，對於回答不願意支付任何資源維護費者，則進一步瞭解其不願意 的原因，並依據所答覆的理由判別出墾丁國家公園的資源對該受訪者是否有 價值可言。倘若墾丁國家公園的資源對該受訪者而言並非沒有價值，但該受 訪者回答之願意支付資源維護費為零時，則將此樣本觀察值視為抗議性樣 本。本文乃取用該問卷調查台灣本島各縣市居民這一部份的 800 個樣本觀察 值，此一樣本經過檢查後發現其中有 245 個抗議性答覆、52 個答覆「無法確 定」與 2 個極端值（outlier）答覆，其餘的 501 個觀察值我們稱之為不含抗
議性答覆之樣本。
為避免產生估計偏誤，對於有抗議性觀察值存在的 CVM 資料，慣例的 處理方式乃將抗議性答覆由整體樣本中刪除，再對剩下的不含抗議性答覆樣 本資料進行分析。因此，吳珮瑛與蘇明達（2001）亦採取如此的做法處理該 研究之訪問調查資料，將所選取的 800 個樣本觀察值，刪除其中 245 個抗議 性答覆、52 個答覆「無法確定」之樣本與 2 個極端值答覆後，可供該研究分 析之樣本觀察值共 501 個，即上述之不含抗議性答覆樣本，再將此 501 個觀 察值帶入標準 Tobit 模型中進行分析。而在這 501 個不含抗議性答覆的觀察 值中，我們發現總共只有 16 個觀察值最後顯示墾丁的資源對其價值為零。
然而，標準 Tobit 與 D-H 模型是專門針對樣本中有大量零觀察值所設計 的模型。倘若樣本中只有極少數的零觀察值，則僅需將此樣本資料帶入一般 迴歸式即可。但如果加入 245 個支付額度為零的抗議性答覆，由於標準 Tobit 模型對於大量零觀察值的處理還不夠周全，因此，倘若仍採用標準 Tobit 模 型進行這種包括大量零觀察值之資料分析，其結果勢必不具有效性。也因 此，過去利用標準 Tobit 模型分析有大量零觀察值之 CVM 樣本資料，都先 將大量的抗議性零觀察值刪除以避免估計偏誤。除此之外，Eulàlia（2001）
雖然也嘗試以更具估計有效性之 D-H 模型，來進行有大量抗議性零觀察值之 CVM 樣本資料分析，但是 Eulàlia（2001）忽略了 CMV 中誘導支付方式之選 擇過程。因此，本文所設計的複檻式決策過程模型，應是能分析利用開放式 雙界二元選擇誘導支付方式，同時，能處理含有大量抗議性零資料的理想模 式。
而為了確認本文所建構的複檻式決策過程模型，是一個相對較佳的消費 決策行為模式，我們乃將所獲得的樣本資料分為兩組，其中一組則依傳統上 分析 CVM 調查資料之處理方式，將抗議性答覆樣本刪除，僅分析不含抗議 性答覆觀察值的部分，即上述的 501 個不含抗議性答覆樣本，並將此 501 個 觀察值分別帶入 OLS、標準 Tobit 與 D-H 模型中進行分析。而另一組則保留 抗議性答覆於總樣本觀察值中，也就是將總樣本數扣除 52 個回答「無法確 定」之觀察值及 2 個極端值答覆後，亦將此 746 個觀察值分別帶入 OLS、標 準 Tobit 與 D-H 模式，同時亦採用本文所建構的複檻式決策過程模型進行分
析，將結果與前述只分析 501 個觀察值之 OLS、標準 Tobit 及 D-H 模型進行 比對。由於包含抗議性答覆的這一組樣本，是本文所建構之複檻式決策過程 模型所欲分析的樣本，因此，將此 746 個觀察值樣本稱為有效樣本，為了與 不包含抗議性答覆之樣本相對應，亦將其稱之為包含抗議性答覆之有效樣 本。
4.2 變數選擇與定義
在吳珮瑛與蘇明達（2001）進行墾丁國家公園整體資源經濟效益之評估 研究中，自變數的選擇除了受訪者對墾丁國家公園和其他五座國家公園之使 用狀況之外，亦選擇了一些受訪者個人的特徵變數，即受訪者個人之社會經 濟變數。該研究所採用變數之定義及其平均值如表 2 所示。由於 D-H 模型是 一種可同時涵蓋兩種隨機過程的決策模型，即允許影響「決定是否願意參與 支付」與「決定支付多少金額」這兩類決策因子是不相同的（Burton，Dorsett
& Young，1996；Eulàlia，2001）。由此可知，D-H 模型與標準 Tobit 模型最 大的差異是，標準 Tobit 模型只用一組變數同時影響「決定是否願意參與支 付」與「決定支付多少金額」之決策，亦即標準 Tobit 模型僅允許支出方程 式之存在，而 D-H 模型則允許不同組的變數分別影響參與及支出兩種決策。
為比較有無刪除抗議性觀察值之樣本資料分析結果，本文將 501 個不含 抗議性答覆樣本觀察值與包含抗議性答覆之 746 個有效觀察值樣本分別帶入 Tobit 模型中進行估計。在此兩組不同的樣本下，Tobit 模型中的支出方程式 均採用相同的自變數。進而，為比較 Tobit 模型與 D-H 模型之估計有效性，
亦將此兩組不同的樣本分別帶入 D-H 模型中進行估計。其中，D-H 模型中的 支出方程式將採用與 Tobit 模型之參與方程式相同的變數，以與 Tobit 模型之 估計結果有所對照比較，而參與方程式則依不含抗議性答覆樣本與有效樣本 兩組不同樣本，分別採用不同的變數。
要處理涵蓋 245 個抗議性答覆的有效樣本，如果認定影響抗議性受訪者 不願回答其心中願付金額的關鍵因素，是源自於外顯的選擇過程，與開放過 程中的「參與」，則外顯選擇之方程式所包含的變數，及開放過程的參與方 程式是相同的。然而，此二者與開放過程中的支出方程式的變數則可以不
同，以凸顯影響抗議性答覆屬性之特質（Eulàlia，2001）。而由吳珮瑛與蘇 明達（2001）的研究中，對抗議性答覆樣本與不含抗議性答覆樣本特質差異 之比較得知，抗議性答覆樣本與不含抗議性答覆樣本在部分的特徵上確實有 差異，而這些有顯著差異之特徵變數，如果是影響抗議性受訪者不願回答其 心中真正願付金額的主要變數，在此乃將這些變數，選取做為外顯選擇及開 放過程之參與方程式中的自變數。
而影響抗議性答覆的主要特性為，五年內平均去過其他五座國家公園的 總次數（Subfre）較低、男性比例（Sex）較高、年齡（Age）較高、教育總 年數（Edu）較低、軍公教者比例（Oc1）較低、農漁業者比例（Oc2）較高、
年總所得（Income）較低、曾經對環保組織捐過款的比例（Green2）較低，
而其他特徵變數之平均值並無顯著不同。因此，包含抗議性有效樣本中的外 顯選擇及開放過程之參與方程式的自變數，我們將只選取在 1％之顯著水準 下，不含抗議性答覆樣本與抗議性答覆樣本平均數顯著不同之特徵變數。依 此，被篩選出的變數共有五個，分別為受訪者過去五年內平均去過墾丁之外 其他國家公園的總次數（Subfre）、性別（Sex）、年齡（Age）、教育程度
（Edu）以及是否曾經對環保團體捐過款（Green2）。
由 於 不 含 抗 議 性 答 覆 樣 本 即 為 已 刪 除 大 量 抗 議 性 零 觀 察 值 之 樣 本 資 料，因此在不含抗議性答覆樣本下開放過程之參與方程式，其自變數的選取 與前述包含抗議性答覆有效樣本中，外顯選擇及開放過程參與方程式並不相 同。我們選取了三個自變數，其中年齡（Age）與教育程度（Edu）是過去許 多文獻中常採用的社經變數，而受訪者過去五年內平均去過墾丁之外其他國 家公園的總次數（Subfre），則可顯示受訪者對參與國家公園之使用的狀況。
至 於 開 放 過 程 之 支 出 方 程 式 自 變 數 的 選 擇 ， 則 沿 用 吳 珮 瑛 與 蘇 明 達
（2001）估計墾丁國家公園資源經濟效益時選擇之自變數，做為本文各種不 同模型之開放過程支出方程式的自變數。同時，為矯正 Eulàlia（2001）對解 釋變數的不當選擇，此處以支出差異為詮釋的開放過程支出方程式，則不包 含受訪者所面對的各種受訪金額。
表 2 估計模型使用之變數及其定義、平均值與標準差
不含抗議性
Subfre (次) 2.856 (6.529)
2.348 (6.241)
受訪者 5 年內平均去過其他五座 國家公園的總次數。
Sex 0.525
(0.500)
Family (人) 4.399 (1.589)
Oc1 0.166
(0.372)
0.147 (0.355)
虛擬變數，1 表示職業別為軍公教 者，0 表示其他職業別。
Oc2 0.022
(0.147)
0.036 (0.187)
虛擬變數，1 表示職業別為農漁業 者，0 表示其他職業別。
Oc3 0.068
(0.252)
0.067 (0.250)
虛擬變數，1 表示職業別為自由業 者，0 表示其他職業別。
Income (萬元) 100.709 (66.407)
95.838 (71.496)
受訪者 1999 年包括薪水、利息與
受訪者 1999 年包括薪水、利息與