第六章 實證分析
第一節 迴歸分析
城市旅遊滿意度之量測採用李克特七等分量表(1~7 分)，分為購物滿意度、餐廳滿意 度、人情味滿意度、運輸滿意度、吸引力滿意度、環境滿意度、整體滿意度等。根據可 能影響城市旅遊滿意度的控制變數，進行迴歸模式校估。並將 BSS 相關變數投入迴歸分 析，找出顯著的變數。為了找出適合的迴歸模式，本研究測試了不同的迴歸分析，依據 應變數數值之特徵，測試了線性迴歸(使用 SPSS 22.0 軟體)、Ordered Probit、Ordered Logit、
Trunkated(以上三者使用 NLOGIT 5 軟體)等模式。由於 Ordered 模式之應變數須從 0 開始，
因此調整樣本資料從 0 開始遞增；且整體旅遊滿意度根據樣本資料最低值為 3，故調整城 市旅遊滿意度 1~3 分為 0，4 分為 1，5 分為 2，6 分為 3，7 分為 4。調整後之各城市旅遊 滿意度皆介於 0~4 間的等級。考量城市旅遊滿意度屬於次序離散資料(ordered discrete data)，且樣本為左偏分配，依模式理論較適合 Ordered Logit，且其配適度相較於其他模 式也沒有比較差，因此，本研究採用 NLOGIT 5 軟體的次序 Logit 模式進行迴歸分析。
一、 次序 Logit 基礎模式(Base Model)
將所有控制變數加入校估模式，並逐一刪除較不顯著的變數(附錄四)。表 6.1.1 為城
意度會受到不同控制變數的影響，除了 Xedu1與 Xincome4對所有應變數都不顯著之外，其餘 控制變數都分別對不同的應變數有顯著的影響。所有模式的μ(1)~μ(3)均為顯著，且 χ2檢 定統計量皆為顯著，表示模式具有解釋能力，ρ2介於 0.00427~0.04140，調整後的配適度 則介於 0.00000 ~0.02182 之間，配適度普遍不高。各變數間共線性低，VIF 值皆低於 1.603。
購物滿意度顯著地受歐洲、美洲、中文溝通能力、超高收入水準等因素的正向影響。
餐廳滿意度顯著地受年齡、港澳陸客、亞洲其他、研究所以上、下雨與否、超高收入等 因素的影響。住宿滿意度受性別、年齡等因素影響，雖然未達 0.1 顯著水準，但也很接近 (P 值分別為 0.1185 與 0.1120)。人情味滿意度顯著地受性別、港澳陸客、亞洲其他等因素 影響。運輸滿意度顯著地受亞洲其他、中高收入等因素影響。吸引力滿意度顯著地受年 齡、低收入、中低收入、中高收入等因素影響。環境滿意度顯著地受到性別、年齡、港 澳陸客、亞洲其他、下雨與否等因素影響。整體滿意度顯著地受到性別、年齡、歐洲、
美洲等因素影響。多數控制變數都有顯著，僅 Xedu1、Xincome4對所有滿意度都不顯著，推 測可能是受到共線性的影響。
觀察其正負符號，男性在住宿、人情味、環境、整體滿意度較女性更為滿意，與預 期關係相符(Qu and Li, 1997)。年齡越高，在餐廳、住宿、吸引力、環境、整體滿意度越 低，可能年齡越高，曾體驗過的高檔服務較多，因此預期心理也會提升，較不容易感到 滿意。來自大陸港澳的遊客對餐廳、人情味、環境滿意度有正向影響；而來自美洲、歐 洲的遊客對購物、整體滿意度有正向影響，其中美洲的遊客又比歐洲的遊客更滿意；來 自亞洲其他的遊客對餐廳、人情味、運輸、環境滿意度則有負向的影響；不同洲別的旅 遊滿意度有顯著不同，其原因可能受到與來源地國情的影響。中文溝通能力對購物滿意 度有正向的影響，可能是因其較能了解物品標示。研究所以上教育程度的遊客對餐廳滿 意度有正向的影響。是否下雨對環境滿意度卻有負向的影響，環境滿意度則包含了天氣 在內，下雨會使遊客對天氣有負面觀感，與預期關係相符(Denstadli and Jacobsen, 2011)；
然而，是否下雨對餐廳滿意度卻有正向的影響，可能是因為餐廳可以避雨，且雨天增加
了室內用餐的溫馨感。至於低收入、中低收入、中高收入對吸引力滿意度有負向的影響，
變數 Yshopping Yrestaurant Yaccom Yresident Ytransport Yattract Yenviron Yoverall constant 3.07737*** 6.27407*** 3.56156*** 4.31618*** 4.56737*** 6.45685*** 4.46532*** 5.59950***
χ2 31.17184*** 42.29641*** 4.68732* 21.99777*** 9.64033*** 19.72439*** 29.86412*** 23.31060***
ρ2 .03254 .04140 .00427 .02332 .01017 .01951 .02666 .02650
Adj -ρ2 .01584 .02182 .00000 .00848 .00000 .00368 .01059 .00831
***, **, * ==> Significance at 1%, 5%, 10% level.
a. 顯著性為P=0.1185 b. 顯著性為P=0.1120
二、 次序 Logit 延伸模式(Extended Model)
保留基礎模式的控制變數，加入 BSS 相關變數，包括騎乘樂趣、自行車品質、合理 價格、可及性、容易使用、效率、騎乘安全等，進行模式校估(附錄五)。表 6.1.2 為城市 旅遊滿意度的延伸模式，結果顯示控制變數對旅遊滿意度的的影響，在正負符號上與基 礎模式一致，但顯著水準有所不同，例如原先在基礎模式中顯著的 Xgender、Xage、Xcontinent3、
XChinese、Xrain、Xedu2、Xincome1、Xincome2在部分延伸模式中變成不顯著，可能是因為加入新
的變數之後，受變數間的共線性所引起的。所有模式的μ(1)~μ(3)均為顯著，且 χ2檢定統 計量皆為顯著，表示模式具有解釋能力，ρ2介於 0.02572~0.12252，調整後的配適度則介 於 0.00934~0.09524 之間，其中以整體滿意度的模式配適度最高。各變數間共線性低，VIF 值皆低於 1.674。將延伸模式(BSS 變數與控制變數)與基礎模式(只有控制變數)的最佳對數 概似函數進行概似比檢定(2ndχ2)，結果顯示延伸模式的配適度明顯地高過基礎模式，表 示納入 BSS 變數解釋旅遊滿意度具有意義。
購物滿意度顯著地受自行車品質、騎乘安全等因素的正向影響，可能是因為購物時 可使用 BSS 所配置的購物籃載運，故自行車品質會影響購物滿意度；而騎乘過程是否安 全，影響了其購物經驗，故騎乘安全會影響購物滿意度。餐廳滿意度顯著地受騎乘樂趣、
自行車品質等因素的正向影響，推測騎乘樂趣和自行車品質會影響前往餐廳的體驗，因 此當自行車品質和騎乘樂趣滿意度越高，則連帶影響餐廳滿意度。住宿滿意度顯著地受 騎乘樂趣、可及性、騎乘安全等因素的正向影響。由於 BSS 增加遊客在旅遊時的可及性，
同時本身也可以是一種遊客休閒遊憩的享受體驗，讓使用者更能享受旅遊、滿意度較高 (Gatersleben and Uzzell, 2007; Paige Willis et al., 2013)，因此與預期關係相符。而騎乘過程 越安全，會提升其使用經驗，能夠更放心地使用 BSS 來進行接駁，故連帶影響住宿滿意 度。人情味滿意度顯著地受騎乘樂趣、自行車品質、騎乘安全等因素的正向影響。運輸 滿意度顯著地受自行車品質、合理價格、騎乘安全等因素的正向影響，BSS 本身就屬於 運輸工具的一種，因此 BSS 的各項績效表現若滿意度提升，自然運輸滿意度也會隨之提
升。吸引力滿意度顯著地受自行車品質的正向影響，當 BSS 的自行車品質越好，會讓吸 引力(包括夜市、美景、活動、文化、娛樂、休閒放鬆等)提升，豐富旅遊經驗。環境滿意 度顯著地受自行車品質、騎乘安全等因素的正向影響，自行車品質會影響騎乘時的舒適 度，在欣賞沿路風景時帶來好心情；騎乘安全則包含了對環境的感知，會受到路況、交 通狀況等的影響， 因此會影響環境滿意度。整體滿意度顯著地受騎乘樂趣、自行車品質、
可及性、騎乘安全等因素的正向影響，騎乘 BSS 能夠帶來特殊樂趣，是旅遊過程中的一 種體驗，因此若騎乘樂趣越高，整體滿意度提升；自行車品質則是會帶給遊客使用上的 實際感受，若自行車品質佳，會大大提高騎乘的舒適度，也連帶影響整體的旅遊滿意度；
可及性則是受站點密度影響，若遊客越容易找到租借站，行動上就越便利，整體滿意度 越高；安全也是遊客重視的點，遊客希望旅途中不要發生交通意外，因此騎乘 BSS 時越 安全，整體滿意度越高。以上這些影響與預期關係相符。
BSS 變數的正副符號皆為正，但係數值不同，因此可以從中找到較為關鍵的因子。
以整體滿意度而言，其中以自行車品質的係數值最高，其他依序為是騎乘樂趣、可及性、
騎乘安全。另外，對住宿滿意度而言，可及性為係數值最高的 BSS 變數，可能是因為可 及性越高，方便連結景點與住宿的旅館。除了住宿滿意度中的自行車品質為不顯著之外(可 能是受到其他變數共線性的影響)，在滿意度的各屬性中，可發現自行車品質都是較為關 鍵的影響因子。然而，容易使用、效率對任何滿意度的影響都不顯著。這可能是因為遊 客對這兩項較不重視，例如較不趕時間的遊客，可能不像通勤使用者那麼在意 BSS 的效 率。或者是因為相較於容易使用或效率，使用者更在意騎乘樂趣或是操作流程時的體驗，
換言之，即使過程中遇到一些困難，也是旅遊中難得的體驗。至於其他更進一步的分析，
留待到第三節做深入的探討。
表 6.1.2 城市旅遊滿意度的延伸模式
變數 Yshopping Yrestaurant Yaccom Yresident Ytransport Yattract Yenviron Yoverall
constant .15611 2.84408*** .76043 .60609 1.60801** 3.65815*** .59854 -.26104
68.15419*** 84.28284*** 28.26239*** 66.58941*** 32.90814*** 56.59108*** 94.70455*** 107.77367***
ρ2 .07115 .08249 .02572 .07059 .03471 .05598 .08456 .12252
Adj -ρ2 .05027 .05900 .00934 .04939 .05172 .03817 .06491 .09524 2ndχ2=
-2(LL(βC) -LL(βR))
36.98236*** 41.98642*** 23.57508*** 44.59164*** 23.26782*** 36.86670*** 64.84044*** 84.46308***
***, **, * ==> Significance at 1%, 5%, 10% level.
LL(βR):延伸模式的最佳對數概似函數值(BSS 變數和控制變數) LL(β0):最差的對數概似函數值(所有係數值為 0 時)
LL(βC):基礎模式的最佳對數概似函數值(只有控制變數)