第四章 七股溼地遊憩價值實證模型建構與推估
第三節 迴歸結果分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 迴歸結果分析
本研究利用統計軟體 STATA 進行實證分析，總共有 9 個解釋變數，被解釋變數為實際 (未來)五年的旅遊需求次數。
因為對受訪者旅遊需求次數為 0 者，設定不同的旅行成本，分為過夜以及不過夜兩種。
而迴歸模型包括卜瓦松模型、負二項模型、廣義卜瓦松模型、托賓模型。在使用卜瓦松 模型作迴歸估計之後，對該模型作適合度檢定(Goodness of Fit Test)，檢定結果認為 使用卜瓦松模型並不適合(
p
(χ
2)>>0)，應嘗試使用負二項模型與廣義卜瓦松作估計，再加上托賓模型，四種模型來進行估計比較。
式(4-26)當日旅遊迴歸分析結果列於表 4-5。在 602 份有效樣本中，實際旅遊需求 次數為 0 的有 307 人，有去過七股溼地且住宿者為 60 人，有去過七股溼地但不住宿者 有 235 人，由此可知不過夜的迴歸估計模型樣本數為(307+235)*2=1084，也就是原先環 境品質不變之下的樣本數與環境品質提升的樣本數結合(pool)在一起，樣本數為 1084 份。
因過夜的迴歸模擬結果，旅遊成本的估計參數為正，由此可以觀察到樣本的過夜旅 遊需求與一般認知的旅遊需求與旅行成本為負向關係的結果不同，就不將迴歸結果列 出。
本研究認為原因如下，第一，對過夜者而言，他並不在乎旅遊成本抑或是越遠的旅 遊地點對他較有吸引力，因此才想要前往，第二，台灣地狹人稠，自然景點與居住的地 點並不如同其他國家(如歐美與中國)那麼遙遠，旅行成本即便會因為距離而上升，但也 太不影響旅遊需求的次數，也可以說是過夜者的旅遊需求價格彈性很低。
60
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-5 為當日旅遊者的模擬結果，符合理性消費者的需求函數，價格提高將導致需 求減少，旅遊需求次數因旅行成本上升而減少(P<0.001)，三個模型的估計參數皆為負 向顯著。年所得越高，擁有更多的預算去規劃額外休閒活動，對於七股濕地的旅遊需求 也越高，符合一般消費者理論預期結果。
環境品質提升的情況，會使當日旅遊者的旅遊需求增加，估計參數為正向顯著 (P<0.001)，也就是人們重視環境品質改變對他們帶來旅遊品質上的影響，在環境品質 提升 50%使可以觀察到的鳥類數量及種類增加之下，會增加人們去七股溼地的旅遊次 數。
環境品質與旅遊成本的交互項為負向顯著，對當日旅遊者的旅遊需求產生結構性的 改變，代表更不注重旅遊成本所帶來的影響。也就是旅遊成本提高對旅遊需求次數減少 的幅度更小了。
其他解釋變數如性別，顯示男性的旅遊需求次數比女性來的多，可能的原因為女性 可能相對於男性須兼顧工作與家庭，時間上較無法調整而被限制所導致。
參加環保團體或捐款顯示沒有參加的人比有參加的人的濕地旅遊需求次數少，由此 顯示對於環保意識較高的民眾，對於自然環境比較有認同感，參與自然環境相關的遊憩 意願也較高，與陳郁蕙等人(2011)有參加環保團體使旅遊次數提升的結論相同。年旅遊 次數與旅遊需求次數也呈正向關係，戶外活動頻率越高的民眾，去過七股溼地的旅遊次 數也越多。而教育程度越高與旅遊需求的關係則為負向關係，教育程度越高前往七股溼 地次數越少。
家庭人數與年齡的估計參數則不顯著，表示家庭人數以及年齡不太影響當日旅遊者 的旅遊需求。
在模型配適度方面，利用 AIC(Akaike Information Criterion)、BIC(Bayesian Information Criterion)與-2LL(-2 Log likelihood)進行比較模型優劣，AIC、BIC 與 -2LL 為最大概似估計法使用用來判斷模型配適度好壞的指標，以理論來說 Poisson model 的配適程度會較 Negative Bionomial model 差，因為 Poisson model 受到模型本 身的限制，變異數要等於期望值，無法真實反映樣本的期望值與變異數，Tobit model
61
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
則因為通常連續分配不一定能符合間斷型資料的分配，預期配適結果會不如計數模型，
而結果顯示符合對於配適度的預期，且可以看到廣義卜瓦松模型(Gpoi)的 delta 值為正 且顯著，表示有 overdispersion 的情況，模型中，以 Negative Bionomial model 以及 廣義卜瓦松模型具有較好的解釋能力。
模型選擇上，綜合文獻回顧連續變數模型以及計數資料模型優缺點，可發現說 Tobit 模型在估計旅遊需求次數方面沒有問題，但使得推估出來的旅遊需求函數所計算出來的 消費者剩餘(CS)會因為旅行次數有負數而有低估的情況，Poisson 模型雖然符合計數資 料非負整數的分配，但卻有期望值要等於變異數的限制。Negative Bionomial 模型能 只能解決 overdispersion 的情況，使用上仍有限制。廣義 Poisson 模型相較 Tobit 模 型以及 Poisson 模型，同時擁有非負整數的分配以及消費者剩餘估計上不會產生偏誤，
也能解決 overdispersion 以及 underdispersion 的情況，能正確地估計係數，不受期 望值要等於變異數的影響，與實際資料較能相符，是一個比較好且適用範圍廣的迴歸估 計模型。
62
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-5 當日旅遊者迴歸分析結果(n=1084)
資料來源:本研究整理
* p<0.05, ** p<0.01, *** p<0.001
模型 卜瓦松 負二項 托賓
變數 估計值 標準誤差 估計值 標準誤差 估計值 標準誤差
TTC -0.00132*** 0.000068 -0.000964*** 0.0001 -0.00563*** 0.00105 IC 0.00549*** 0.00064 0.00185 0.00143 0.0274 0.015 GEN -0.693*** 0.0494 -0.326*** 0.096 -2.448* 1.083 AGES -0.0127*** 0.00171 0.00156 0.00394 -0.00835 0.0477
EDU -0.196*** 0.00627 -0.101*** 0.0158 -0.736*** 0.208
FAMLIY
0.0243* 0.0115 0.0164 0.0278 0.00385 0.303 TYEARS 0.143*** 0.00485 0.0983*** 0.00945 0.514*** 0.113 Q 0.225** 0.0757 0.419** 0.153 5.383** 1.93TTC Q
* 0.000316*** 0.00008 0.000289* 0.00012 0.000303 0.00134 ENVG -1.316*** 0.0448 -0.807*** 0.0966 -6.219*** 1.153截距項 4.086*** 0.164 2.045*** 0.374 10.04* 4.764
lnalpha 0.119 0.0779
sigma 15.02*** 0.437
N 1084 1084 1084
AIC 5505.3 3356.3 5505.9
BIC 5560.2 3416.1 5565.7
-2LL 5483.4 3332.2 5481.8
63
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-5 當日旅遊者迴歸分析結果(n=1084)(續)
資料來源:本研究整理
* p<0.05, ** p<0.01, *** p<0.001
模型 廣義卜瓦松
變數 估計值 標準誤差
TTC -0.000691*** 0.000105 IC 0.00132 0.00111 GEN -0.165* 0.0799 AGES 0.00934** 0.00347
EDU -0.0182 0.0157
FAMLIY
0.00499 0.0210 TYEARS 0.0389*** 0.00852Q 0.561*** 0.155
TTC Q
* 0.0000758 0.000126 ENVG -0.384*** 0.0830 截距項 0.876* 0.367atanhdelta 0.700*** 0.0294
N 1084 AIC 3488.6 BIC 3548.5 -2LL 3464.6
64