選擇實驗模型

一、選擇實驗模型的概念

選擇模型首先被用於市場行銷和運輸物流分析，Louviere et al.(1982)用於發展 非市場評估和營銷研究 (Louviere & Hensher, 1982; Louviere & Woodworm, 1983)，

其理論基礎為Thurstone(1927)提出的隨機效用理論(Random Utility Theory, RUT)架 構以及二元選擇條件評估(dichotomous-choice contingent valuation)，兩者為同一理 論架構。其後研究者發展出估計方式可利用數種不同的計量模型進行(McFadden, 1980；Manski & McFadden, 1980)，其中，選擇模型之中的微觀經濟基礎來自於 Lancaster(1966)提出的消費者理論，指出消費者的效用並非來自於商品或勞務本身，

而是來自於商品的多種特性(characteristics)，根據產品的特性所提供的效用加總起 來進而形成消費者所感受到的整體效用，並可加入費用屬性計算不具市場價值的 屬性之隱含價值，理性的消費者即是根據如此在追求效用極大化之下做出決定 (McFadden,1973)。其中又可以將效用分成確定性(Deterministic)與隨機性(Stochastic) 兩部分，藉由可觀察的問卷調查，詢問消費者對於有不同屬性(attributes)並擁有不 同等級(levels)的商品偏好，以估計其確定性效用；而消費者之特殊偏好和其他因 素則為不可觀察之隨機性效用。

二、選擇模型之步驟

透過選擇模型的研究可以得知受訪者偏好，根據Hanley et al.(2001)、Pearce et al.(2002)以及 Mourato & Wright(2001)整理之選擇模型步驟，主要有六個階段，分 別是屬性選擇(Selection of attributes)、等級界定( Assignment of levels)、選擇實驗設 計(Choice of experimental design)、建構選擇集(Construction of choice sets)、偏好測 量(Measurement of preferences)和評估程序(Estimation prcedure)。以下將根據本研究 對各流程進行詳細說明(表 4-2-2 )。

(一) 屬性選擇

選擇模型的第一個步驟即是先選擇屬性，由文獻回顧、訪問焦點團體或以直 接詢問的方式選擇所需評估商品之相關屬性。本研究根據目前已有之研究，在此 基礎上結合本研究之研究目的，列出較為合適之屬性，其中通常需要包含貨幣成

本變數，以便估計各屬性之邊際願付價值(marginal willing to pay, MWTP)。本研究 選擇模型之屬性為參考能高賽德克山村目前生態旅遊執行情況與其他生態旅遊效 益相關文獻，經專家訪談後篩選後決定屬性的種類以及後續討論的等級。

本研究最終將生態旅遊分成「旅遊天數」(Hanley et al., 2002、César & Sylvia, 2015、Helena et al., 2014)、「步道體驗與導覽解說」(Hearne and Salinas, 2002、Hearne and Santos, 2005、Helena et al., 2014、Wan et al., 2014、陳均龍，2019)、「文化體 驗項數」(Wang et al., 2014、Wan et al., 2014、周宜鞍，2017)、「提供原住民風味 餐數」與「遊程收費」(Juutinen et al., 2011、P. Chaminuka et al., 2012、Hearne and Salinas, 2002, Hearne and Santos, 2005、César & Sylvia, 2015、Brau and Cao, 2006、

Wang et al., 2014、Wan et al., 2014、吳禮軒，2013)等五個屬性，其中之原住民風 味餐為根據研究標的當地獨有特色所設置。

(二) 等級界定

屬性等級也同樣利用文獻回顧、訪問焦點團體，及問卷前測等方法。屬性水 準設置需具有非線性間隔、符合受訪者所有可能偏好的合理範圍以及具有可行性。

同時，避免線性區隔(Linearly Spaced)之情況，屬性水準衡量的基準在於需包含現 狀或接近現狀之等級。本研究之屬性(等級)項目包括：旅遊天數(一日輕旅行、兩 天一夜與三天兩夜)、步道體驗與導覽解說(無步道體驗且無導覽解、增加一條步道 體驗且有導覽解說項目)、文化體驗項數(兩項、三項與四項體驗)、提供原住民風 味餐數(一餐、兩餐與三餐)與遊程收費(一天遊程每人每次收費 1,400 元、2,500 元 與3,000 元)等五項，各屬性、等級與選擇模型之基本方案如表 4-2-1 所示。

(三) 選擇實驗設計

藉由統計設計理論將屬性等級結合形成選項(替代方案)，通常是使用專門的統 計軟體，以這些屬性等級作為影響因子，評估消費者所做的選項所產生的結果。

結合方式有全因子設計(full factorial design)以及部分因子設計(fractional factorial design)將屬性等級排列組合，全因子設計即包含所有可能的組合，優點為可全面 且準確的評估各個變動所產生的影響，進而估計受訪者對其偏好和願付價值，得 到受訪者之效用，缺點則為組合數多而較不易調查；改良後之部分因子設計則是

無法全面，其評估能力較低一些。本研究中包含5 個屬性和 14 個屬性等級，全因 件評分」 (Contingent Rating)、「條件排序」 (Contingent Ranking)或「選擇實驗」

(Choice Experiments)，本研究所採用之選擇實驗法(CE)採用的是「選擇實驗」方式，

讓受訪者在提供之選擇集中選擇其最為偏好之選項即可。

(六) 評估程序

利用適當的模型對效用和價值進行評估，評估屬性的偏好程度通常可採用最 小 平方 法(Ordinary Least Squares Method ，OLS)、最大概似估計法(Maximum Likelihood Estimation，MLE)等各種 Logit 模型。

選擇模型是採用敘述性偏好法之價值評估技術，藉由問卷調查的方式向受訪 者提出敘述性方案，在各種實驗測量方式之中，根據Hanley et al., (2001)，選擇實 驗法較有評估願付價格的能力(willingness to pay, WTP)。而本研究採用的評估模型 包括多項羅吉斯模型、隨機參數羅吉斯模型和潛在類別模型評估受訪遊客之效 用。

表4-2-2 選擇實驗設計流程

研究步驟 內容

屬性選擇

藉由文獻回顧、焦點團體討論以建構研究標的的重要屬性，接著根 據專家意見進一步篩選。屬性中通常包含貨幣成本，以估計願付價 值。

等級區分

同樣透過文獻回顧、訪問焦點團體、專家意見協商等方式決定屬性 中如何劃分等級，其需具有非線性間隔、符合受訪者偏好的合理範 圍以及具有可行性。等級通常包括代表現狀的基礎方案。

選項設計

藉由統計設計理論將屬性等級結合形成選項(替代方案)，以這些屬 性等級作為影響因子，評估消費者所做的選項所產生的結果。結合 方式有全因子設計及部分因子設計，全因子設計包含所有可能的組 合，部分因子設計則是維持有效性的前提下減少組合數。

建立選擇集 將選項設計當中兩個或更多選項組合為選擇集來供受試者選擇，可 以單獨、成隊或是成群的方式顯示。

偏好測量 選擇適當的模型衡量受訪者偏好程度，例如評分、排名或是選擇。

選擇實驗法中是以「選擇最偏好之方案」。

結果估計 選擇適當的方法計算結果並進行價值評估。

資料來源：Hanley、Mourato & Wright(2001)、David Pearce et al.(2002)。

三、選擇實驗的分析方法

選擇實驗需藉由以消費者做選擇來建構隨機效用模型，如此才能評估商品或 是服務中各個變化之下屬性等級的邊際效益(Hanley et al., 2001)。將消費者選擇的 影響因素分為兩類，其一為特徵屬性等級可以被直接觀察的確定性效用成分 (Morrison et al., 1996)，另一項為間接觀察(無法直接被觀察到)的隨機性效用成分，

此部分造成的可能因素為消費者的偏好差異。

假設受訪者的偏好同質，則將可以使用多元羅吉斯模型；而若假設受訪者的 偏好異質，則消費者效用之估計將使用隨機參數羅吉斯模型或是潛在類別模型進 行，或是可以透過屬性估算消費者之邊際願付價格，以下就隨機效用模型、多元 羅吉特模型、隨機參數羅吉特模型、潛在類別模型以及邊際願付價格依序詳細說 明。

(一) 隨機效用模型(Random Utility Model，RUM)

隨機效用理論假設在預算有限的前提下，受訪者理性且做出效用最大之決策。

根據 McFadden(1974)的模型，隨機效用理論假設受訪者的總效用為(𝑈_𝑖𝑗)，並可以 被拆解成可觀察到之確定性效用(𝑉_𝑖𝑗)與不可觀察到之隨機性效用(𝜀_𝑖𝑗)，如(1)式：

𝑈_𝑖𝑗 = 𝑉_𝑖𝑗+ 𝜀_𝑖𝑗 (1) 𝑈_𝑖𝑗表示受訪者 i 選擇選項 j 方案所獲之效用，𝑉_𝑖𝑗表示受訪者所做的選擇可通 過變數被觀察到，𝜀_𝑖𝑗表示受訪者選擇中無法被觀察到的影響(隨機誤差項)。其中𝑉_𝑖𝑗 可再拆解為每個屬性𝑥_𝑖𝑗帶來的效用(Lancaster, 1966；Hanley et al., 2001)：

𝑈_𝑖𝑗 = ∑ 𝛽_𝑘𝑥_𝑖𝑗𝑘

𝑘 + 𝜀_𝑖𝑗 (2)

其中，其中𝑥_𝑖𝑗𝑘為受訪者i 選擇方案 j 時之第 k 個屬性，𝛽_𝑘為屬性k 之估計係 數(外生)，因此受訪者可觀察到之確定性效用𝑉_𝑖𝑗可以被視為𝛽_𝑘𝑥_𝑖𝑗𝑘之加總。

而受訪者在選項j 之外，還有其他替代方案 h，選擇 j 的機率可表示為式(3)，

並將式(2)代入式(3)可得式(4) (Hanley et al., 2001)：

𝑃𝑟𝑜𝑏[(𝑈_𝑖𝑗 > 𝑈_𝑖ℎ)∀ℎ ≠ 𝑔] = 𝑃𝑟𝑜𝑏[(𝑉_𝑖𝑗− 𝑉_𝑖ℎ) > (𝜀_𝑖ℎ− 𝜀_𝑖𝑗)] (3)

𝑃𝑟𝑜𝑏 [(∑ 𝛽_𝑘𝑥_𝑖𝑗𝑘

(二) 多項羅吉斯模型(Multinomial Logit Model，MNL) 1. 多項羅吉斯模型設定

為了更準確表達上述隨機效用模型所估計出的值，當假設受訪者的偏好是同 質性的，且在隨機效用模型中𝜀_𝑖𝑗為獨立同質性分配(independently and identically distributed，i.i.d)，則此時可用多元羅吉特模型(McFadden & Train，2000)。

此時受訪者i 選擇選項 j 的機率可表示為式(5)：

𝑃𝑟𝑜𝑏[(𝑈_𝑖𝑗 > 𝑈_𝑖ℎ)∀ℎ ≠ 𝑗] = 𝑒^𝑉𝑖𝑗

∑^𝑗_ℎ=1𝑒^𝑉𝑖ℎ (5) 使用羅吉斯模型時將利用最大概似估計法(Maximum Likelihood Estimation, MLE)估計最大聯合發生機率係數，其概似函數 L 為式(6)，為了簡化估計之用，取

2. IIA(Independence of Irrelevant Alternatives)檢定

上述模型設定和式子成立的重要假設為IIA 假設，必須先使用統計方法確定是 否符合IIA 假設，此假設為受訪者在各個替代方案中選擇時對各個選項的偏好完全 獨立，選項間不存在交互影響，即受訪者完全依個別選項之效用做出決策(Train, 2002；Greene & Hensher, 2003)。

IIA 假設檢定經常使用 Hausman 檢定，其概念建基於若選項相互獨立，假使 從選項中刪去某一選項將不會影響其他選項被選擇的機率，故檢定方式為對所有 選擇方案情況估計其𝛽係數，同時也對刪去某選項方案後的情況去估計其𝛽係數，

並檢定兩者的數值是否有顯著差異，若有顯著差異則表示 IIA 不成立(Hausman &

McFadden，1984)，不宜使用多元邏輯特模型加以估計，需採其他的統計模型(Hanley et al., 2001)；若成立則適用。又因替代方案是由屬性與其等級組合，根據屬性為分 組依據作 HM 檢定，當多數組合符合 IIA 假設，表示消費者偏好具同質性，適用 多元羅吉特模型。由數學式表示，令 β_u為未受限制模型估計而得之參數、β_r 為受 限制模型估計而得之參數，δ 為 β_r 和 β_u 之差，即 δ = β_r− β_u。

在HM 檢定下，虛無假設H₀與對立假設 H_a如下：

{H₀：β_r= β_u

H_a：β_r≠ β_u 或 {H₀：δ = 0

H_a：δ ≠ 0 (8) 當 IIA 假設成立時，δ會機率收斂至 0；若否，則δ機率收斂值不為 0，因此 HM 檢定統計量為：

HM= (β_r− β_u)^′[Cov(β_r) − Cov(β_u)]⁻¹(β_r− β_u) (9) 其中Cov(β_r)為β_r之變異數矩陣，此檢定統計量服從卡方檢定，自由度為 Cov(β_r)和Cov(β_u)矩陣相減後之秩(rank)。由於卡方檢定為右尾檢定，因此當檢定 統計量大於臨界值，則拒絕虛無假設，表示IIA 假設不成立，反之，若檢定統計量 小於臨界值則不拒絕虛無假設，IIA 假設成立。IIA 假設不成立時，則採用隨機參 數羅吉特模型或潛在類別模型分析。

(三) 隨機參數羅吉特模型(Random Parameter Logit Model，RPL)

然而實際情況很可能並非如上述使用多元邏輯特模型所假設的如此理想，在 許多情況下受訪者偏好是異質性的(Haan, 2006)。此時將使用假設較為寬鬆的隨機 參數羅吉特模型，其假設允許受訪者偏好具有異質性，且不需要IIA 成立。在每個 受訪者都有異質偏好下，𝛽隨之變化，受訪者 i 選擇選項 j 可獲得的效用為式(10)：

然而實際情況很可能並非如上述使用多元邏輯特模型所假設的如此理想，在 許多情況下受訪者偏好是異質性的(Haan, 2006)。此時將使用假設較為寬鬆的隨機 參數羅吉特模型，其假設允許受訪者偏好具有異質性，且不需要IIA 成立。在每個 受訪者都有異質偏好下，𝛽隨之變化，受訪者 i 選擇選項 j 可獲得的效用為式(10)：