Full metadata record
DC FieldValueLanguage
dc.contributor.author黃琬玲en_US
dc.contributor.authorHuang, Wan-Lingen_US
dc.contributor.author邱裕鈞en_US
dc.contributor.author溫傑華en_US
dc.contributor.authorChiou, Yu-Chiunen_US
dc.contributor.authorWen, Chieh-Huaen_US
dc.date.accessioned2014-12-12T01:32:04Z-
dc.date.available2014-12-12T01:32:04Z-
dc.date.issued2008en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#GT079636521en_US
dc.identifier.urihttp://hdl.handle.net/11536/43016-
dc.description.abstract近數十年間,由於經濟成長與高速公路等基礎建設持續快速發展,使得個人與貨物間之流動更為便利,將無可避免地產生私人運具快速成長之情況。在私人運具持有率居高不下之趨勢下,不僅產生都市道路與成際間高速公路交通壅塞情形,更產生嚴重之能源消耗與污染排放等問題。基於永續運輸之目標下,有效減少高排放污染與低能源效率之汽機車數量為所需重視之重要課題,然而,欲研擬可有效降低用路者對於私人運具依賴性之管理策略則須仰賴於一能準確衡量預測其實施策略之方式,其中以個體選擇模式來研究汽機車持有數與使用量將可有效達成此目的。過去許多相關研究以發展汽機車持有數與使用量之靜態選擇模式為主,但實際上個體之決策過程係一受前期影響下之動態選擇行為。基此,本研究將針對台灣地區持有汽車或機車之家戶進行大規模問卷追蹤調查,藉以發展一考慮延遲特性下之家戶汽機車持有與使用需求模式。 羅吉特模式係一常用於研究車輛持有數間斷性選擇行為之分析模式,至於研究車輛使用量之連續性選擇行為之分析模式則多採用迴歸模式。此外,考量車輛持有數其替選方案間獨立性與個體異質性問題,共有三類模式將可進行分析與比較,分別係:多項羅吉特模式(MNL)、巢式羅吉特模式(NL),以及混合羅吉特模式(ML)。至於用於分析汽機車使用量之迴歸模式亦可以三類模式進行比較,分別係:傳統最小平方法、固定效果模式與隨機效果模式。此外,前期汽機車持有數及使用量變數將可置入模式中以考量延遲特性對於選擇行為之影響。 由實證校估結果得知,家戶汽機車於前期之持有與使用將會對於當期產生正向且顯著之影響,顯示狀態相依性對於家戶汽機車持有與使用決策具有重要顯著影響。此外,家戶於進行汽車持有決策時,其對於燃油成本之感受具有顯著差異性,顯示家戶之汽車持有決策行為具有異質性。 為驗證模式之可用性,本研究最終透過模式中顯著之成本變數進行價格手段之研擬,進一步模擬管制汽機車持有及使用之績效。經由模擬之結果得知,徵收購車稅之管制策略對於家戶汽車持有選擇最為敏感;機車持有方面,則以提高牌照稅與燃料費之策略反應最為敏感;而提高油價對於汽車與機車之使用者感受影響最大。此外,藉價格機制控制汽機車使用需求較持有具明顯之效果,故本研究建議應著重於以價格機制管制汽機車之使用需求。zh_TW
dc.language.isozh_TWen_US
dc.subject汽機車持有zh_TW
dc.subject汽機車使用zh_TW
dc.subject狀態相依性zh_TW
dc.subject異質性zh_TW
dc.subjectcar/motorcycle ownership and usageen_US
dc.subjectstate dependencyen_US
dc.subjectheterogeneityen_US
dc.title利用縱橫資料模化汽機車動態持有與使用行為zh_TW
dc.titleDynamic Disaggregate Models of Car/Motorcycle Ownership and Usage - a Panel Data Modeling Approachen_US
dc.typeThesisen_US
dc.contributor.department運輸與物流管理學系zh_TW
Appears in Collections:Thesis


Files in This Item:

  1. 652101.pdf

If it is a zip file, please download the file and unzip it, then open index.html in a browser to view the full text content.