高鐵運具選擇分析－以高鐵為主要運輸工具

本節主要是以多階層模型進行以高鐵為旅次主要運具之運具選擇分析，目的 是為瞭解決定以高鐵作為旅次主要運具之過程中，乘客受到高鐵車站區位可及性 及地方接駁型運輸系統之影響情形。本研究針對高鐵區位可及性及地方接駁型交 通運輸系統，與高鐵作為主要運具之關係設定假說（詳見第三章第一節）：其一 為高鐵車站與旅次起點（居工地）、旅次終點（外地）之間的距離，對於民眾選 擇以高鐵作為旅次主要運輸工具有影響；另一項假設地方接駁型交通運輸工具之 發展情形，對於民眾選擇以高鐵作為旅次主要運輸工具有影響。前一節對於以高 鐵為旅次主要運具之分析，僅將影響因素設定為單一變數間、同一層次進行分析，

尚未控制其他因素的影響。除此之外，同屬於一個空間為起點或訖點的旅次之間，

有違反統計上樣本不獨立的議題，故本研究選擇以多階層模型作為研究方法進行 分析。

本研究以多階層模式之二元羅吉斯迴歸模型作為研究方法。其中，設定依變 數為是否以高鐵為旅次主要運具，政策變數為高鐵車站可及性相關因素以及不同 空間尺度之地方運輸系統發展情形。又依變數為 1 代表以高鐵作為主要運具，依 變數為 0 則是未以高鐵作為旅次主要運具。由於依變數為兩類之類別變數，因此 在多階層分析模式中，選擇以二元羅吉斯迴歸進行分析。在統計之假設檢定中，

將假說一與假說二之虛無假設（𝐻₀）分別設定為高鐵區位可及性以及地方運輸系 統，不會影響乘客選擇以高鐵作為主要運具。除依變數及政策變數所包含之內容，

其他變數內容為控制變數，例如乘客社會經濟背景、旅次性質。

在多階層模式中，本研究之階層分類共分三層，依序為旅次（個人與家戶）、 鄉鎮市區、及縣市。在分析過程中，以旅次起點（居工地）所在縣市代碼及旅次 起點（居工地）所在之鄉鎮市區代碼作為分層依據。另外，關於運具選擇模型中，

欲選擇多階層模型中使用之變數，主要是依據以下兩個部分進行考量：一為前一 節分析結果中，其顯著性小於 0.1 之變數，即其具有顯著差異性之變數。另一考 量變數之依據為過去文獻回顧中，提到可能對於高鐵是否作為主要運具之變數。

分析結果如下表 4- 50 所示，其對數概似值（Log likelihood）為－433.65，

模型具有顯著性（P<0.1）。樣本數為 810。其中旅次樣本被分類於 166 個鄉鎮市 區中，又鄉鎮市區層級被分類於 17 個縣市層級中。針對影響高鐵作為旅次主要 運具之變數分析結果，以下分為三個層級進行說明：個人與家戶（旅次）層級、

鄉鎮市區層級、及縣市層級。

多階層模型分析結果－個人與家戶（旅次）層級

個人與家戶層級中，又可分為旅次性質與乘客社會經濟背景兩部分進行

說明。其中，旅次性質包含旅次起點（居工地）之高鐵車站位於市區內、旅 次起訖點之間路網距離、旅次起點（居工地）位於鐵路車站800公尺/10分鐘內、

旅次起點（居工地）汽車接駁耗時、旅次人數（個人旅次）、及旅次頻率，對 於高鐵作為旅次主要運具之影響情形進行說明。乘客社會經濟背景相關變數 於多階層模型分析結果中，僅高鐵乘客年齡小於18歲，與是否以高鐵作為旅 次主要運具之間於統計上具有意義。

旅次性質變數中，旅次起點（居工地）與旅次終點（外地）之分布情形，

及旅次起訖點之間距離對於高鐵作為旅次主要運具可能具有影響。旅次起點

（居工地）與旅次終點（外地）分布情形之相關變數中，經過多層次模型分 析，具有顯著性（P<0.1）的變數包括：旅次起點（居工地）之高鐵車站位於 市區內、旅次起訖點之間路網距離、旅次起點（居工地）位於鐵路車站800公 尺/10分鐘內、旅次起點（居工地）汽車接駁耗時、旅次人數（個人旅次）、及 旅次頻率。

旅次起點（居工地）高鐵車站位於市區內與在統計上具有顯著性（P<0.05）， 其係數0.3538，表示高鐵位於市區內，選擇高鐵為主要運具之可能性大。另外 旅次起訖點之間的路網距離經過多階層模型分析結果顯示在統計上具有顯著 性（P<0.05），其係數0.0036，表示旅次起訖點之間的路網距離越遠，則選擇 高鐵作為主要運具之可能性越大。另外，旅次起點（居工地）位於鐵路車站 800公尺/10分鐘內在分析結果中顯示於統計上具有顯著性（P<0.1），其係數為

－0.3906，表示旅次起點（居工地）位於鐵路車站800公尺內，選擇高鐵作為 旅次主要運具之可能性較低。此外旅次起點（居工地）汽車接駁耗時在分析 結果中顯示於統計上具有顯著性差異性（P<0.05），係數為0.4549，表示旅次 起點（居工地）至高鐵車站之汽車接駁耗時，對於高鐵作為旅次主要運具具 有影響，其耗時越長選擇高鐵作為主要運具之可能性越大，此部分尚無適當 解釋進行說明。旅次為個人旅次在分析結果中顯示為具有顯著性（P<0.05），

其係數為0.4220，即個人旅次選擇高鐵作為旅次主要運具之可能性越大。另 外，在統計分析結果中顯示旅次頻率具有顯著性（P<0.05），其係數為0.0498，

表示旅次頻率越高，捲則高鐵作為主要運具之可能性越大。

在乘客社會經濟背景相關變數中僅顯示高鐵乘客年齡對於高鐵作為主要 運具可能具有影響。在多階層模型分析結果，顯示高鐵乘客年齡小於18歲具 有顯著性差異性（P<0.05）。其係數為－1.0852，表示高鐵乘客年齡小於18歲，

選擇高鐵作為主要運具之可能性越小。

多階層模型分析結果－鄉鎮市區層級

在多階層模型分析結果中，鄉鎮市區層級之相關變數於統計上皆為具有 顯著性，即P > 0.1。鄉鎮市區層級之相關變數包含旅次起點（居工地）及終點

（外地）所在之鄉鎮市區內，各種地方交通運輸系統之分布情形，例如捷運

系統、公車系統、高鐵快捷公車系統。經過多階層模型之分析後，結果顯示 其鄉鎮市區之相關變數對於高鐵作為主要運具可能不具有影響。

多階層模型分析結果－縣市層級

縣市層級變數包含旅次起點（居工地）、旅次終點（外地）所在縣市之地 方運輸系統分布情形。此部分變數，經過多階層模型分析後，具有顯著性之 變數包含旅次終點（外地）行經高鐵車站公車車站數（含高鐵快捷公車）、旅 次起點（居工地）接駁鐵路車站數量、及旅次終點（外地）高鐵快捷公車車 站數量。

首先，在旅次起點（居工地）的部分，其結果顯示接駁鐵路車站數量在 統計上具有顯著性（P<0.1）。接駁鐵路定義為兩鐵共構或是傳統鐵路車站與 高鐵車站相距不遠。結果顯示係數為0.0174，表示旅次起點（居工地）所在縣 市之接駁鐵路車站數量越多，選擇高鐵作為旅次主要運具之可能性越大。可 能原因為接駁鐵路車站與高鐵車站之連結性高，對於乘客而言，至高鐵車站 之方便性提高，故選擇高鐵作為旅次主要運具之可能性越大。其次，在旅次 終點（外地）部分，多階層模型分析結果顯示行經高鐵車站之公車車站數（含 高鐵快捷公車）在統計上具有顯著性（P<0.05）。行經高鐵車站之公車數量是 指凡經過高鐵車站之公車路線，包含高鐵快捷公車，所有路線沿途停靠之車 站數量加總。結果顯示其係數為0.003，表示行經高鐵車站之公車車站數量越 多，選擇高鐵作為旅次主要運具之可能性越大。可能原因為公車車站數量越 多，乘客於各地至高鐵車站之方便性提高，則選擇高鐵作為旅次主要運具之 可能性越大。另外，旅次終點（外地）之高鐵快捷公車車站數量在分析結果 中，顯示在統計上具有顯著性（P<0.1），係數為0.0073，即旅次終點（外地）

所在縣市中，其高鐵快捷公車車站數量越多，選擇高鐵作為旅次主要運具之 可能性越大。可能原因為高鐵快捷公車車站數量越多，則乘客至高鐵車站之 方便性可能越大，則選擇高鐵作為旅次主要運具之可能性越大。

表 4- 50 高鐵運具選擇之多階層模型分析結果

var(_cons)(OR) 5.94e-44 1.95e-25 HomeWorkCityCountyCode

>HomeWorkD

var(_cons)(coef.)

5.37e-65 7.23e-41

var(_cons)(OR) 5.37e-65 7.23e-41 LR test vs. logistic regression: chi2(0) = 0.00 Prob>=chibar2 =

對數相似值（Log likelihood） ＝ -433.65

Wald chi2(19) ＝49.16 Prob > chi2= 0.0000