第四章 大專學生機車死亡事故分析
4.3 大專學生機車死亡事故概況
4.3.6 兩因子交叉分析
本節考量兩事故因子之間的交互影響，透過發生頻率的交叉表(又稱列聯表)觀察兩 事故因子共同存在時事故發生的次數，藉由各細格(cell)內發生個數與期望個數比較得出 之殘差大小，判斷各細格的特殊性：殘差越大，各細格分布越不如期望般地出現；相對 的，當殘差值越小，表各細格分布越接近期望，表示兩事故因子為獨立無關聯。前述即 所謂殘差分析，僅是針對各細格次數進行單獨的檢驗，並非是兩事故因子關係的整體考 驗，為檢驗兩事故因子的整體關聯性，則必須使用卡方檢定。
本節從上述事故單一因子分析中，挑出數個事故因子進行兩兩分析，其分析如下：
1.學生性別與屬性
由表 4-14 性別與屬性的頻率交叉表可發現，各性別當中駕駛所佔比例皆為最高，
因此可以得知無論男女學生，在事故發生當時通常都扮演主動操控車輛的角色，但以男 學生為駕駛所發生的案件數為最大宗(207 件)，佔所有案件數的 66.6%。另外如將性別與 年級進行獨立性考驗可得知，「性別」與「屬性」兩變項間並非互為獨立，也就是說性 別與屬性之間有顯著相關存在(p<0.05)，詳細情況如表 4-15 所示，而由此檢定所得到的 結果也可以得知，各性別中各屬性所占比例顯著的不一致，因此可再進一步藉由調整後 殘差值找出差異性。
由調整後的殘差值可以得知，95.8%的男性與 76.8%的女性在駕駛的項目兩者所占 的比例有顯著的差異(調整後殘差值分別為 5.1 與-5.1)；而 4.2%的男性與 23.2%的女性在 乘客的項目兩者所占的比例也有顯著的差異(調整後殘差值分別為-5.1 與 5.1)，也就表示 當事故發生時男生通常都扮演駕駛的角色，而女生則多半是乘客。
表4-14 學生性別與屬性交叉表
性別 * 屬性 Crosstabulation
207 9 216
194.5 21.5 216.0
95.8% 4.2% 100.0%
73.9% 29.0% 69.5%
66.6% 2.9% 69.5%
5.1 -5.1
73 22 95
85.5 9.5 95.0
76.8% 23.2% 100.0%
26.1% 71.0% 30.5%
23.5% 7.1% 30.5%
-5.1 5.1
280 31 311
280.0 31.0 311.0
90.0% 10.0% 100.0%
100.0% 100.0% 100.0%
90.0% 10.0% 100.0%
Count
24.443 1 .000
24.113 1 .000
.000 .000
26.432 1 .000
311 Pearson Chi-Square
Continuity Correctiona Likelihood Ratio Fisher's Exact Test
Linear-by-Linear Association N of Valid Cases
Value df
Computed only for a 2x2 table a.
0 cells (.0%) have expected count less than 5. The minimum expected count is 9.47.
b.
2.碰撞型態與發生時間
根據表 4-16 碰撞型態與發生時間的頻率交叉表可發現，兩種碰撞型態的事故中皆 以白天為主要發生時段，其所佔比例皆將近有六成。另外將兩變項再進行獨立性考驗可 得知，「碰撞型態」與「發生時間」兩變項間並非互為獨立，也就是說碰撞型態與發生 時間之間有顯著相關存在(p<0.05)，詳細情況如表 4-17 所示，而由此檢定所得到的結果 也可以得知，各碰撞型態中各發生時間所占比例顯著的不一致，因此可再進一步藉由調
整後殘差值找出差異性。
型態 * 時間 Crosstabulation
47 10 23 80
46.5 21.0 12.5 80.0
58.8% 12.5% 28.8% 100.0%
25.8% 12.2% 46.9% 25.6%
15.0% 3.2% 7.3% 25.6%
.1 -3.2 3.7
135 72 26 233
135.5 61.0 36.5 233.0
57.9% 30.9% 11.2% 100.0%
74.2% 87.8% 53.1% 74.4%
43.1% 23.0% 8.3% 74.4%
-.1 3.2 -3.7
182 82 49 313
182.0 82.0 49.0 313.0
58.1% 26.2% 15.7% 100.0%
100.0% 100.0% 100.0% 100.0%
58.1% 26.2% 15.7% 100.0%
Count
19.340 2 .000
2.999 1 .083
313 Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear Association N of Valid Cases
Value df Asymp. Sig.
(2-sided)
0 cells (.0%) have expected count less than 5. The minimum expected count is 12.52.
a.
3.學生性別與發生時間
根據表 4-18 學生性別與發生時間的頻率交叉表可發現，男女學生於白天發生事故 的比例為最高，所占比例皆超過五成以上；而皆於凌晨發生事故的比例為最低。另外將 兩變項再進行獨立性考驗可得知，「學生性別」與「發生時間」兩變項間並非互為獨立，
也就是說學生性別與發生時間之間有顯著相關存在(p<0.05)，詳細情況如表 4-19 所示，
而由此檢定所得到的結果也可以得知，各性別中各發生時間所占比例顯著的不一致，因 此可再進一步藉由調整後殘差值找出差異性。
由調整後的殘差值可以得知，22.2%的男學生與 34.7%的女學生於晚上發生事故之 比例有顯著的差異(調整後殘差值分別為-2.3 與 2.3)；而 19.0%的男學生與 7.4%的女學生 於凌晨發生事故之比例也有顯著的差異(調整後殘差值分別為 2.6 與-2.6)，也就表示相較 於另一性別，男學生大多於凌晨發生事故，而女學生大多於晚上發生事故。
表4-18 學生性別與發生時間交叉表
性別 * 時間 Crosstabulation
127 48 41 216
126.4 56.3 33.3 216.0
58.8% 22.2% 19.0% 100.0%
69.8% 59.3% 85.4% 69.5%
40.8% 15.4% 13.2% 69.5%
.1 -2.3 2.6
55 33 7 95
55.6 24.7 14.7 95.0
57.9% 34.7% 7.4% 100.0%
30.2% 40.7% 14.6% 30.5%
17.7% 10.6% 2.3% 30.5%
-.1 2.3 -2.6
182 81 48 311
182.0 81.0 48.0 311.0
58.5% 26.0% 15.4% 100.0%
100.0% 100.0% 100.0% 100.0%
58.5% 26.0% 15.4% 100.0%
Count
10.390 2 .006
1.362 1 .243
311 Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear Association N of Valid Cases
Value df Asymp. Sig.
(2-sided)
0 cells (.0%) have expected count less than 5. The minimum expected count is 14.66.
a.
4. 事故大多發生於照明、天候及視距良好的道路。
5. 當事故發生時男生通常都扮演駕駛的角色，而女生則多半是乘客。
6. 相較於另一型態事故，多車輛事故大多會發生於晚上，而單一車輛事故則會發生於凌 晨時段。
7. 相較於另一性別，男學生大多於凌晨發生事故，而女學生大多於晚上發生事故。
根據事故概況分析結果可以得知，男性為機車死亡事故之主要族群，為探討男性機 車駕駛行為是否具獨特型態，後續進行分析時，樣本將依照性別區分成男性與女性兩族 群，並進一步比較模式是否因族群不同而有所差異存在。