參數值校估

本次攝影調查的時段為上午尖峰(上午七點到九點)、下午尖峰(下午五點到七 點)及離峰，針對這三個時段各有 50 筆的資料，而根據實際調查的結果車子本身 的重量為 1.30 噸，因此依據所調查的資料利用 SPSS 軟體中之迴歸分析法來做分 析。

5.1.1 參數值校估的結果(上午尖峰)

針對上午尖峰來分析可以得到下面的結果表 5.1.1、表 5.1.2、表 5.1.3：

表5.1.1 解釋能力(上午尖峰)

模式 R R 平方

調過後的

R 平方 估計的標準誤 上午尖

峰 .542(a) .294 .278 .36402

a 預測變數：(常數), 上午尖峰右方

表5.1.2 變異數分析(上午尖峰)

模式 平方和 自由度 平均平方和 F 檢定 顯著性

迴歸 .289 1 .289 2.183 .015(a)

殘差 3.048 49 .133

1

總和 3.337 50

a 預測變數：(常數), 上午尖峰右方 b 依變數：上午尖峰加速度

表5.1.3 係數(上午尖峰)

a 依變數：上午尖峰加速度

由以上結果可知，上午尖峰時的解釋能力不是很好，而常數 α₂ 的 t 檢定 P 值 則太大，顯示常數 α₂ 顯著為0，係數 α₁ 的 t 檢定 P值 則明顯拒絕 α =0 ₁ 的假設，而標準化係數為-0.294，表示感受到的心理動量值與加減速度的相關程 度為負的，亦即當駕駛者所感受到的心理動量值越大於0，則減速度會越大，但 因為要考量實際的加減速值，所以我們採用未標準化係數得出上午尖峰時的參數 α1 =-0.05。

5.1.2 參數值校估的結果(下午尖峰)

針對下午尖峰來分析可以得到下面的結果表 5.1.4、表 5.1.5、表 5.1.6：

未標準化係數

標準化係 數

模式 B 之估計值 標準誤 Beta 分配 t 顯著性

(常數) -.033 .135 -.244 .893

上午尖峰

上午尖峰 右方

-.050 .004 -.294 -1.477 .000

表5.1.4 解釋能力(下午尖峰)

.537(a) .288 .296 .15748

a 預測變數：(常數), 下午尖峰右方

5.1.3 參數值校估的結果(離峰)

針對離峰來分析可以得到下面的結果表5.1.7、表5.1.8、表5.1.9：

表5.1.7 解釋能力(離峰)

模式 R R 平方

調過後的

R 平方 估計的標準誤

離峰 .566(a) .320 .364 .26165

a 預測變數：(常數), 離峰右方

表5.1.8 變異數分析(離峰)

模式 平方和 自由度 平均平方和 F 檢定 顯著性

迴歸 .180 1 .180 2.629 .011(a)

殘差 1.575 49 .268

離峰

總和 1.755 50

a 預測變數：(常數), 離峰右方 b 依變數：離峰加速度

表5.1.9 係數(離峰)

未標準化係數

標準化係 數

模式 B 之估計值 標準誤 Beta 分配 t 顯著性

(常數) -.123 .055 -2.222 .119

離峰

離峰右

方 -.030 .002 -.320 -1.621 .001

a 依變數：離峰加速度

由以上結果可知，離峰時的解釋能力較上午尖峰和下午尖峰來的好，而常數 α2 的 t 檢定 P值 則太大，顯示常數 α₂ 顯著為0，係數 α₁ 的 t 檢定 P值 則 明顯拒絕 α =0 ₁ 的假設，而標準化係數為-0.320，表示感受到的心理動量值與加 減速度的相關程度為負的，結果和上午尖峰及離峰時相同，所以我們採用未標準

化係數得出離峰時的參數 α₁ =-0.03。

5.1.4 參數值校估的結果(總體資料)

針對總體資料來分析可以得到下面的結果表5.1.10、表5.1.11、表5.1.12：

表5.1.10 解釋能力(總體資料)

模式 R R 平方

調過後的

R 平方 估計的標準誤 總體資

料

.628(a) .394 .416 .27005

a 預測變數：(常數), 模式右方

表5.1.11 變異數分析(總體資料)

模式 平方和 自由度 平均平方和 F 檢定 顯著性

迴歸 .391 1 .391 5.366 .023(a)

殘差 5.324 149 .073

總體資 料

總和 5.715 150

a 預測變數：(常數), 模式右方 b 依變數：加速度

表5.1.12 係數(總體資料)

未標準化係數

標準化係 數

模式 B 之估計值 標準誤 Beta 分配 t 顯著性

(常數) -.129 .039 -2.274 .373

1

模式右

方 -.030 .001 -.262 -3.317 .000

a 依變數：加速度

由以上結果可知，資料為總體時的解釋能力較上午尖峰、下午尖峰及離峰來 的好，而常數 α₂ 的 t 檢定 P值 則太大，顯示常數 α₂ 顯著為0，係數 α₁ 的 t 檢定 P值 則明顯拒絕 α =0 ₁ 的假設，而標準化係數為-0.262，表示感受到的 心理動量值與加減速度的相關程度為負的，結果和上午尖峰、下午尖峰及離峰時 相同，亦即感受到的心理動量值越大於0，則減速度越大，但因為要考量實 際的加減速值，所以我們採用未標準化係數分別得出參數

α1 =-0.03 α2 =0

且我們由 α₁ 的值為-0.03可以發現，當心理動量值為正，也就是前車速度小於本 車時，駕駛者會進行減速的動作。

由此可得校估後的模式為：

~) (t

v

&_i

=

-0.03× M.W × Σ

w

_, (~

t

)

jF

i ×｛

jF

m ×［ v

_{j i}(t)

F→

∆ ］｝

=-0.03× ｛2.387+0.208*HRV－0.055*

v

_{j i}(t)

F→

∆ +0.031*AV｝×

Σ

w

_, (~

t

)

jF

i ×｛

jF

m ×［ v

_{j i}(t)

F→

∆ ］｝

在文檔中 駕駛者心智負荷模式之發展及驗證 (頁 66-72)