รายงานฉบบท วพ.219 สานกวจยและพฒนางานทาง REPORT NO. RD.219 BUREAU OF ROAD RESEARCH AND DEVELOPMENT

รปแบบจาลองพฤตกรรมการเลอกเสนทางโดย Binary Logit (Revealed Preference)

โดย

กมล ทาเรอรกษ

ทรงยศนทร ชนปทาธป

รายงานฉบบท วพ.219

สานกวจยและพฒนางานทาง กรมทางหลวง

เมษายน 2548

ISSN 0125-8044

รายงานนเปนแนวความคดของผเขยนเทานน กรมทางหลวงไมมสวนผกพนแตอยางใด

กรมทางหลวง กระทรวงคมนาคม

DEPARTMENT OF HIGHWAYS, MINISTRY OF TRANSPORT RATCHATHEWI, BANGKOK10400, THAILAND

-ก- คานา

ความสาคญของการวางการพฒนาระบบขนสงทางบกของชายฝงทะเลตะวนออกของประเทศไทย โดยเฉพาะอยางยงบรเวณแหลงอตสาหกรรม ไดแก นคมอตสาหกรรมแหลมฉบง ชลบร และ นคมอตสาหกรรมมาบตาพด ระยอง และ แหลงทองเทยวตาง ๆ บรเวณบรเวณชายฝงทะเลแถบน จาเปนอยางยงควรจะมการศกษางานวจยในเชงลกเพอตอบสนองตอความตองการของพฤตกรรมการเลอกใชเสนทางของผขบข ความสาคญดงกลาวนาไปสโครงการวจยรปแบบจาลองพฤตกรรมผขบขในการเลอกเสนทางโดย Binary Logit (Revealed Preference) ดวยวตถประสงคของการศกษา คอ เพอหาแนวโนมของพฤตกรรมทเหมาะสมทสดของพฤตกรรมผขบขในการเลอกเสนทาง และ ศกษาและพฒนาโมเดลคณตศาสตร เพอหาความเปนไปไดของพฤตกรรมผขบขในการเลอกเสนทาง Binary Choice Model การศกษางานวจยฉบบนไดมงเนนขอมลสารวจแบบ Revealed Preference ทงในรปของขอมลพนฐานของผขบข และ เกณฑการเลอกเสนทาง นามาวเคราะหในรปของสมการLogit เพอนาผลทไดอธบายปจจยทมความสาคญตอพฤตกรรมการเลอกเสนทางของผขบข อาศยความแมนยาในการทานาย ความสอดคลองกบทฤษฏทางสถตและความเปนเหตเปนผล พบวา ปจจยขอมลพนฐานของผขบขทสาคญ ไดแก เพศ และ อาย สวนปจจยเกณฑการตดสนใจในการเลอกเสนทางของผขบขทสาคญ ไดแก เวลา นอกจากน ปจจยเกยวกบการใชเวลาในการตดสนใจเลอกเสนทางยงเปนตวแปรทมคาสมประสทธมคามากทสด สงผลใหตวแปรเวลามอทธพลสาคญทสดในรปแบบจาลองพฤตกรรมการเลอกเสนทาง แบบ 2 Route Choices ของงานวจยฉบบน ดงนน ผลการศกษาของงานวจยฉบบนทาใหทราบถงโครงขายระบบถนนเชอมตอระหวางเขตอตสาหกรรมโดยเฉพาระหวางนคมอตสาหกรรมในพนทชายฝงทะเลตะวนออกแถบนในอนาคตควรใหความสาคญกบประโยชนของการประหยดเวลาทใชในการเดนทาง เปนสงสาคญเปนอนดบแรกทตองพจารณา รวมทงปจจยพนฐานไดแก เพศ และอาย เพอนาผลทไดไปกาหนดนโยบาย ออกแบบและสรางระบบความปลอดภยในโครงการพฒนาเครอขายเสนทาง การสรางระบบถนนทเชอมกนในเขตเศรษฐกจตาง ๆ โดยอาศยการวจยรปแบบจาลองจงเปนบรรทดฐานทสาคญอนแรกทตองพจารณา (นายเทดศกด เศรษฐมานพ) อธบดกรมทางหลวง

-ข- บทคดยอ

ความสาคญของเขตเศรษฐกจชายฝงทะเลตะวนออกของประเทศไทยมความสาคญเปรยบเสมอนแหลงสรางรายไดประชาชาต ซงเปนหวใจหลกในการพฒนาอตราการเจรญเตบโตของประเทศ ทานองเดยวกนกบการพฒนาโครงขายเสนทางเพอรองรบความตองการของผใชเสนทางเพอตอบสนองวตถประสงคของผเดนทาง มความสาคญเปรยบเสมอนการลาเลยงเชอมโยงโครงขายเสนทางเพอบรรลเปาหมายของการสรางเขตเศรษฐกจใหบรรลผลอยางมประสทธภาพ และ ปลอดภยในการใชเสนทาง ความสาคญดงกลาวนาไปสโครงการวจยรปแบบจาลองพฤตกรรมผขบขในการเลอกเสนทางโดย Binary Logit (Revealed Preference) ดวยวตถประสงคของการศกษา คอ เพอหาแนวโนมของพฤตกรรมทเหมาะสมทสดของพฤตกรรมผขบขในการเลอกเสนทาง และ ศกษาและพฒนาโมเดลคณตศาสตร เพอหาความเปนไปไดของพฤตกรรมผขบขในการเลอกเสนทาง Binary Choice Model การดาเนนการศกษาจะทาการนาขอมลสารวจพฤตกรรมการเลอกเสนทาง ( 2 Route Choices) ทไดทาการสารวจขอมลแบบ Revealed Preference ณ เสนทางเชอมระหวางเขตอตสาหกรรมแหลมฉบง จงหวดชลบร กบ จงหวดระยอง มารวบรวมและจดลาดบขอมลอกครง โดยทาการคดขอมลของผขบขรถยนตสวนบคคล ทมจดเรมตนอยท แหลมฉบง จงหวดชลบร และ จดปลายทางอยท จงหวดระยอง ออกมาจากขอมลททาการสารวจทงหมด สวนเงอนไขขอมลยงคงเปนการสารวจในชวงทาการสารวจทไมตรงกบเทศการหรอวนหยดพเศษตาง ๆ ทจะมผลตอการตดสนใจเลอกเสนทางของผขบขใหเบยงเบนไปจากเกณฑปกต แลวนาขอมลมาวเคราะหตามรปแบบจาลองแบบ Logit Function (Log-likelihood Ratio) โดยอาศยตวแปรตาง ๆ ทไดจากการผสมผสานตามผลงานวจยทผานมา และ คานยสาคญทางสถตทได ออกมาเปนรปแบบจาลองทเหมาะสมหลากหลายรปแบบ ผลทไดจากการวเคราะหรปแบบจาลองสามารถสรปรปแบบจาลองทเหมาะสมตามการผสมผสานรปแบบทมหลากตวแปรตามตวแปร 2 ลกษณะ คอ ตวแปรขอมลพนฐานของผขบข และ เกณฑการตดสนใจในการเลอกเสนทาง ออกมาเปน 3 รปแบบจาลองทเหมาะสมโดยททงสามรปแบบจาลองมลกษณะทคลาย ๆ กน สามารถสรปไดวา ปจจยขอมลพนฐานของผขบขทสาคญ(ผานคาระดบนยสาคญ 0.05) ไดแก เพศ และ อาย สวนปจจยเกณฑการตดสนใจในการเลอกเสนทางของผขบขทสาคญ (ผานคาระดบนยสาคญ 0.05) ไดแก เวลา นอกจากน ปจจยเกยวกบการใชเวลาในการตดสนใจเลอกเสนทางยงเปนตวแปรทมคาสมประสทธมคามากทสด สงผลใหตวแปรเวลามอทธพลสาคญทสดในรปแบบจาลองพฤตกรรมการเลอกเสนทาง แบบ 2 Route Choices ของงานวจยฉบบน

-ค- Abstract

The East coast economic district of Thailand is a very important to the economic of Thailand. The improvement of road network in this district for a better and safer transportation will contribute to the success of Thai economic. As a result, this research project “Driver’s behavior model of route selection” was conducted with two objectives; to study the most suitable trends of the driver behaviors in route selection and to develop a mathematical model of the possibility of the driver behavior’s in route selection. The research methodology was to conduct revealed preference survey of the route selection (2 Routes Choices) of the highway connecting Lamchabang Industrial Estate to Rayong and analyze the data. The survey was conducted only for private vehicles (non-commercial) whose trip origination and destination are Lamchabang Industrial Estate and Rayong, respectively. The survey was conducted only on normal business days (no holidays or vacations) to avoids the effects of the holidays to the driver’s behavior. The data was then analyzed in Logit Funcion form (Log-likelihood ratio) using the variables obtained from literatures and statistical significance. The results of the analyses were models with several suitable results. Based on the results of the analyses, the three suitable models with multiple variables (driver’s background and decision criteria for route selection) were developed. The three models have similar characteristics and also yield similar conclusion (statistical significance of 0.05) that the most important driver’s backgrounds are gender and age while the most important decision criteria for route selection is time. In addition, the decision time for route selection is the most influenced variable in the 2 route choices model in this research.

-ง- สารบญ

หนา คานา…………………………………. ก บทคดยอภาษาไทย………………………………… ข บทคดยอภาษาองกฤษ……………………………… ค สารบญ…………………………………………. ง บทท 1 บทนา…………………………………… 1 1.1 ความสาคญและทมา………………….. 1 1.2 วตถประสงคของงานวจย……………… 2 1.3 ประโยชนทคาดวาจะไดรบ…………….. 2 1.4 ขอบเขตของแผนงานวจย……………… 3 บทท 2 แนวคดเชงทฤษฏ และวรรณกรรมปรทศน……… 4 2.1 ผลงานทเกยวของ…………………….. 4 2.2 ทฤษฏทเกยวของ…………………….. 13 บทท 3 วธการศกษา……………………………… 31 3.1 การรวบรวมขอมลทใชทาการวจย 32 3.2 การคดเลอกตวแปรและ และการกาหนดคากลมของขอมล 33 3,3 การกาหนดรปแบบจาลอง 36 3.4 การตรวจสอบคณสมบตของ binary logit model 39 บทท 4 ผลการศกษา………………………….. 50 4.1 ขอบเขตเงอนไขการสรางรปแบบจาลอง 50 4.2 ผลการตรวจสอบและการคดเลอกแบบจาลอง 52 บทท 5 บทสรปและขอเสนอแนะ………………………………… 62 5.1 บทสรปผลงานวจย…………………. 62 5.2 ขอเสนอแนะเชงนโยบาย…………………. 64

หนงสออางอง………………………… 66 ภาคผนวก……………………………………... 68 ภาคผนวกท 1 ขนตอนการลงขอมลและการคดสรรขอมล

เพอวเคราะหขอมล……………... 69 ภาคผนวกท 2 ผลการวเคราะหขอมลbinary logit model โดยspss program 83

1

บทท 1 บทนา (Introduction)

1.1 ทมาและความสาคญของปญหา

ปญหาความตองการเดนทางของประชาชนทมตอเสนทางการเดนทางมบทบาททสาคญ อยางมากตอระบบการวางแผนเสนทางการเดนทางในปจจบน โดยเฉพาะเขตอตสาหกรรมใหญหรอ เขตชมชนเมองทหนาแนนระบบการจราจรทไมเพยงพอหรอไมสามารถตอบสนองตอความตองการของประชาชนสวนใหญได จะสงผลกระทบโดยตรง โดยเฉพาะอยางยงกบสภาพเศรษฐกจและสงคม รวมทงยงบอนทาลายสขภาพของประชาชนในชมชน ซงสงผลเสยอนไมสามารถประเมนได

กรมทางหลวงและหลายหนวยงานทรบผดชอบไดเขามามบทบาทในการพฒนาแกไขการวางระบบแผนเสนทางการเดนทางและทาความเขาใจถงรากฐานความตองการการเดนทางของ ประชาชนทมตอเสนทางการเดนทาง เพอตอบสนองความตองการตอการวางโครงสรางของระบบ แผนงานการวางเสนทางเดนทางโดยเฉพาะเขตอตสาหกรรมตาง ๆ โดยเรมจากการศกษาพนฐานของ พฤตกรรมการเลอกเสนทางของผขบขเพอวเคราะหขอมลพนฐานและหลกเกณฑการตดสนใจเลอก เสนทางของผขบข แลวจงคอยนาไปสการพฒนาแบบจาลองประเภท Binary Choice Model เพอ ทานายความนาจะเปนทผขบขจะเลอกใชเสนทางแตละเสนทาง

ตามทไดทาการศกษาโครงงานวจยพฤตกรรมการเลอกเสนทางของผขบข (แหลมฉบง – ระยอง) ไดดาเนนการศกษาขอมลจากการสมภาษณผขบขทเดนทางอยแลวในปจจบนและสารวจ ณ บรเวณเสนทางทพจารณา ระหวาง แหลมฉบง ชลบร ถงมาบตาพด ระยอง นอกจากนน การศกษา ครงนนยงเลอกใชวธการสารวจแบบ Revealed Preference (RP) โดยสอบถามพฤตกรรมผขบขตามเสนทางทเกดขนจรงเพอแสดงการตดสนใจเลอกเสนทางตามสถานการณจรง

ดวยเหตตาง ๆ ทงสาเหตความจาเปนทตองศกษาเพอการแกไขพฒนาระบบการวางแผน เสนทางการเดนทางและการศกษาพฤตกรรมการเลอกเสนทางของผขบข (แหลมฉบง – ระยอง)ท ผานมา จาเปนอยางยงทจะตองพฒนาการศกษาเพมเตมถงการพฒนาแบบจาลองคณตศาสตร โดย เทคนคทางสถต Binary Choice Model เพอศกษาวเคราะหถงผลกระทบของปจจยตาง ๆ ทมอทธพล สาคญตอปจจยการเลอกเสนทางของ 2 เสนทางตามทศกษามาในเบองตน

ผลการวเคราะหของพฤตกรรมการเลอกเสนทางจกนาไปสหลกเกณฑในพฤตกรรมการ เลอกเสนทางอนไดแก เวลาการเดนทาง สภาพการจราจร ผวถนน ความปลอดภย ความสะดวก ฯลฯ สามารถนาไปพฒนาโมเดลพฤตกรรมการเลอกเสนทางใชรปแบบ Binary Choice Model เพอ

2

ทานายความนาจะเปนของผขบขทจะเลอกใชเสนทางการเดนทางในแตละเสนทาง โดยอาศยปจจยท มอทธพลในการเลอกเสนทางทไดมาจากผลการวเคราะหของโครงการวจยพฤตกรรมการเลอกเสนทาง ของผขบข ทงในแงคณสมบตของเสนทางและลกษณะของผขบข ดงนน การทานายความนาจะเปนในการเลอกเสนทาง โดย Binary Choice Model จงนบเปน เรองสาคญตอการศกษา พฤตกรรมการเลอกเสนทาง โดยอาศยเหตผลทางคณตศาสตรทจะมผลตอไป ยงการกาหนดนโยบายดานการควบคมการจราจรอยางเหมาะสม ดวยเหตทการศกษาพฤตกรรมผขบข ในการเลอกเสนทาง โดย Binary Choice Model จะทาใหทราบถงกระบวนการตดสนใจในการเลอก 2 เสนทางของผขบข และปจจยทมอทธพล ทงในแงคณสมบตของเสนทางและลกษณะของผขบข โดยการศกษาครงนไดมงเนนไปบรเวณเสนทางอนเปนเขตเศรษฐกจ ทงเขตอตสาหกรรมเบา (บรเวณ ทาเรอนาลก แหลมฉบง จงหวดชลบร) และเขตอตสาหกรรมหนก (บรเวณเขตอตสาหกรรมมาบตาพด จงหวดระยอง) ซงขอมลและผลการวจยครงน จะสามารถนาไปประยกตใชกบการวเคราะหความเปน ไปไดโครงการกอสรางทางหลวงใหมทอาจจะมขนในอนาคต รวมทงการพฒนาอรรถประโยชนตาง ๆ เพอตอบสนองกบความตองการการเลอกเสนทางของผขบขดวย

1.2 วตถประสงคหลกของแผนงานการวจย 1.2.1 เพอหาแนวโนมของพฤตกรรมทเหมาะสมทสดของพฤตกรรมผขบขในการเลอกเสนทาง

1.2.2 ศกษาหาปจจยทมอทธพลตอการทานายเพอหาความเปนไปไดของพฤตกรรม ผขบขในการเลอกเสนทาง Binary Choice Model 1.2.3 เพอพยากรณโอกาสพฤตกรรมการเลอกเสนทางแบบ Binary logit Model จากผลทไดการวเคราะห โดยเลอกตวแปรอสระทเหมาะสม เพอทาใหเปอรเซนตความถกตองในการพยากรณมคาสงสด

1.3 ประโยชนทคาดจะไดรบ

1.3.1 สามารถวเคราะหพฤตกรรมผขบขในการเลอกเสนทาง จากการวเคราะหโดย Binary Choice Model 1.3.2 สามารถพฒนา ปรบปรง เปลยนแปลง เงอนไขตาง ๆ ทไดจากโมเดล เพอประโยชนสาหรบการกาหนดหาความเปนไปไดของพฤตกรรมผขบขในการเลอกเสนทางแบบมเงอนไขตาง ๆ ทแตกตางจากเดม 1.3.3 ผลการวจยสามารถพฒนาปรบปรงเพอใชประกอบการพจารณาแนวทางการกาหนดนโยบายทางดานจราจรในอนาคต 1.3.4 เพอใชเปนความรพนฐานในการพฒนางานวจยพฤตกรรมการเลอกเสนทางของผขบขแบบ Binary Choice Model ตอไป

3

1.4 ขอบเขตของแผนงานวจย 1.4.1 โครงการวจยการสรางโมเดล Binary Logit เปนโครงการทสบตอเนองมาจาก

โครงการศกษาพฤตกรรมการเลอกเสนทางของผขบข ทจะพจารณาเสนทางการเดนทางระหวาง เขตอตสาหกรรมทาเรอนาลกแหลมฉบง จงหวดชลบร กบ เขตอตสาหกรรมมาบตาพด จงหวดระยอง โดยแบงกลมเปาหมายออกเปน 2 กลม คอ กลมผใชรถยนตสวนบคคลกบกลมผขบขรถบรรทกสนคา และจะทาการเกบขอมลในชวงเวลาปกต คอ จะไมทาการเกบขอมลในชวงเทศกาลตาง ๆ เชน เทศกาล สงกรานต เทศกาลปใหม ฯลฯ รวมทงกรณมการซอมแซมทางหลวงของกรมทางหลวง เพอเปนการวเคราะหพฤตกรรมการเลอกเสนทางของผขบขในสภาวะปกต

1.4.2 เมอไดสรปประเดนและรวบรวมขอมลโดยแบงการวเคราะหออกเปนประเภทตาง ๆ แลวจะนาขอมลทไดจากการสารวจของโครงการพฤตกรรมการเลอกเสนทางของผขบขมาแปลงเพอใหอยในรปทสามารถนามาวเคราะหเขาสโปรแกรม SPSS ไดเพอใหไดผลลพธออกมาในรป Binary Logit Model และสามารถบรรลผลใหการตความตามคาตางๆ

4

บทท 2

กรอบแนวความคดและการทบทวนวรรณกรรม 2.1 ผลงานวจยทเกยวของ

โครงการวจยพฤตกรรมการเลอกเสนทางโดยใช Binary Choice Model ทผานมา คอนขางจะเปนทนยมอยางมากในโครงการวจยตางประเทศ โดยเฉพาะการศกษาดานการวางแผนการ จราจร (Traffic Planning) เพอการพฒนาระบบขนสง และการวางแผนระบบจราจรใหมประสทธภาพ สงขน สวนการศกษาวจยลกษณะนในประเทศไทยจดอยในลาดบทกาลงเรมตน การศกษาการสราง โมเดล Binary Choice มพนฐานมาจากทฤษฎอรรถประโยชนบนความไมแนนอนทไมสามารถคาดการณไดในสวนของ Stochastic Error Term หรอทรจกโดยทวไปวา Random Utility Theory

การทบทวนงานวจยจงเปนสงสาคญในแงของการทบทวนทฤษฎ ระเบยบวธการวจย รวมทงความสามารถการวเคราะหและแกไขปญหาในแงมมทหลากหลาย เพอใหเกดความเขาใจใน กระบวนการสรางโมเดลการจาลองพฤตกรรมการเลอกเสนทางแบบ Binary Choice

สมพงษ ศรโสภณศลป (2541) ไดทาการศกษาวจยพฤตกรรมการเดนทางของคน กรงเทพมหานครเพอพฒนาแบบจาลองการวเคราะหการเลอกใชรถไฟฟาและพยากรณสดสวนของ ตลาดรถไฟฟาตอรปแบบการเดนทางประเภทอน ๆ โดยใช Binary logit หรอ Binary choice Model การวจยในครงนนไดดาเนนการสารวจขอมลของกลมตวอยางแบบ Stated Preference (SP) เนองจากการเดนรถไฟฟาสาหรบคนกรงเทพมหานครยงไมเคยปรากฏมากอน จงจาลองสถานการณ ใหผตอบแบบสอบถามเลอก เพอมงหวงในการพฒนาแบบจาลอง Binary logit หรอ Binary choice Model ซงมลกษณะของทางเลอกในการตดสนใจเลอกเสนทางมเพยง 2 ทางเลอก ไดแก การเลอก โดยสารโดยใชรถไฟฟากบการเลอกโดยสารโดยใชการเดนทางประเภทอนและการเดนทางโดยรถไฟฟา หลงจากการเกบขอมลแลวดาเนนการวเคราะหขอมล สามารถใหผลสรปสามารถแบงออกเปน 2 กลม ตามวตถประสงคของการเดนทาง ไดแก กลมผใชรถยนตสวนตวโดยมวตถประสงคการเดนทางเพอไปซอสนคาใหความสาคญกบเวลาการเดนทางคดเปนมลคาประมาณ 62% ของอตราคาจาง สวนกลมผใชรถยนตสวนตวโดยมวตถประสงคการเดนทางเพอไปทางาน แบงตามเพศ คอ เพศชายจะใหความ สาคญกบเวลาการเดนทาง คดเปนมลคาประมาณ 32% ของอตราคาจาง สวนเพศหญงจะใหความสาคญ กบเวลาการเดนทาง คดเปนมลคาประมาณ 66% ของอตราคาจาง

5

ธวชชย เหลาศรหงษทอง (2534) ไดดาเนนการศกษาวจยพฤตกรรมการเดนทางของคน

กรงเทพมหานคร ดวยแบบจาลองแบบ Multiple Choice Model โดยใช Logistic Regression เปน เครองมอการวจย โดยตองการศกษาจานวนครงในการเดนทางตอวนและการเลอกรปแบบการเดนทาง ซงมการตงสมมตฐานของการตดสนใจตอผตอบแบบสอบถามวา ผตองการเดนทางจะทาการตดสนใจ ใน 2 เรองในเวลาเดยวกน จากการสารวจขอมลและการวเคราะหรวมทงการสรปผลการทดลองสามารถสรปไดวา การพฒนาแบบจาลอง Logistic Regression(Multiple Logit Model) ททาการพฒนาขนไมสามารถนามาทานายการเลอกความถในการเดนทางตอวนได อยางไรกตาม สวนการศกษาเพอวตถประสงคการเลอกรปแบบการเดนทางยงอยในเกณฑมาตรฐานทสามารถใชดาเนนการทานาย หรอ เลอกรปแบบการเดนทางได

สวนการศกษาการสรางแบบจาลองพฤตกรรมการเลอกเสนทางโดย Binary choice Model คอนขางจะมหลายองคกร, หลายสถาบนการศกษาในตางประเทศทาการวจยในดานนคอนขางมาก ตามผลการศกษาวจยทผานมาตอไปน

Khaltck, Koppelman and Schofer (1993) ไดทาการศกษาการเปลยนเสนทางการเดน ทางของผเดนทางตามวตถประสงคเพอการทางานในเมองชคาโก สหรฐอเมรกา โดยการเกบขอมล แบบ Stated Preference (SP) ดวยการสรางสถานการณตาง ๆ เกยวกบการจราจรใหแกผเดนทาง สามารถตอบแบบสอบถาม ซงจะใหผเดนทางสามารถทราบขาวสารขอมลการจราจรเกยวกบเสนทาง ทใชอยและเสนทางใกลเคยง เปนจานวนทงหมด 16 สถานการณ ปจจยทกาหนด Utility Function เพอศกษาความนาจะเปนการเลอกเสนทางจะประกอบดวยปจจยตาง ๆ คอ ระยะเวลา, สาเหตของ ความลาชา, สภาพความปลอดภยของเสนทางการเดนทาง, จานวนสญญาณไฟจราจร, ความคนเคย เสนทาง และแหลงทมาของขอมลขาวสาร เมอทาการดาเนนการสารวจขอมลแบบ SP แลวนามา จดการวเคราะห โดยการพฒนาแบบจาลองแบบ Probit Model เพอตอบสนองเกยวกบปจจยทสาคญ ในการศกษาพฤตกรรมการเปลยนเสนทางของผเดนทางพบวา ทกปจจยทกาหนดในโมเดลมอทธพล ตอการตดสนใจเลอกเสนทางอยางมนยสาคญ สามารถเรยงปจจยทสาคญจากมากไปนอย ไดแก เวลา ของความลาชา, จานวนสญญาณไฟจราจร และความคนเคยกบเสนทาง

Bovy and Bradley (1985) ไดทาการศกษาพฤตกรรมการเลอกเสนทางจากบานสททางาน ในเมองครฟท ประเทศเนเธอรแลนด อาศยการรวบรวมแบบสอบถามชนดกรอกดวยตวเองพรอมกนกบการอธบายใชแผนทและอธบายโดยผทาการรวบรวมแบบสอบถามบรเวณหนามหาวทยาลยครฟท ซงดาเนนการพฒนาแบบจาลอง Binary choice Model โดยกาหนดรปแบบทางเลอกแบบ 2 ทางเลอกระหวางเสนทางปกตทใชเปนประจากบเสนทางทางเลอกทกาหนดใหม และในแบบ สอบถามททาการสอบถาม ไดดาเนนการจดการนารปแบบการใหลาดบคะแนนความพงพอใจใน ปจจยตาง ๆ รวมทงการใหคะแนนเปนเปอรเซนต จากการพฒนารปแบบจาลองคณตศาสตร Binary

6

choice Model โดย Logistic Regression สามารถสรปปจจยสาคญในพฤตกรรมการเลอกเสนทาง ตามลาดบ ไดแก เวลาทใชในการเดนทาง ลกษณะพนผวการจราจร สภาพการจราจร สงอานวย ความสะดวกตาง ๆ นอกจากน ยงมขอเสนอแนะวาการออกแบบแบบสอบถามควรกาหนดปจจย ทงายตอการนาเสนออาจจะเปนทงคาอธบายหรอรปภาพ เพอใหผตอบแบบสอบถามเลอกไดตรง ตามทเขาใจอยางถกตอง

Bradly, Marks and Wardman (1986) ไดดาเนนการศกษาการเดนทางของผขบข ของการเลอกเดนทาง 2 เสนทาง (Binary choice) ระหวางการเดนทางโดยใชอโมงคกบสะพาน การรวบรวมหรอสารวจแบบสอบถามใชวธ Revealed Preference (RP) อาศยเทคนค Logistic Regression เปนเครองมอในการวเคราะห และไดทาการสรปผลเกยวกบปจจยสาคญในการเลอก เสนทาง คอ อนดบแรก ไดแก ระยะเวลาการเดนทาง แบงออกเปนเวลาทใชในสภาพการจราจร คบคงกบเวลาทใชในสภาพการจราจรทคลองตว อนดบสอง ไดแก คาใชจายในการเดนทางทง รปแบบคาผานทางและการใชเชอเพลง ยงกวาน Wardman (1986) ยงไดกาหนดตวแปรทางดาน คาเชอเพลงทเปลยนไปดวย พรอมกบเสนอแนะการอธบายปจจยทมผลกระทบตอการเลอกเสนทาง ดงกลาวดวยและความแตกตางอาจจะเพมขน ถาผตอบแบบสอบถามคานงถงแตถนนทมอยจรง ตวอยางเชน ถาตวแปรทกชนดทเกยวของและการบงคบใหเลอกไมไดถกนามาพจารณา Wardman ยงไดกลาวอกวา ถาจดหยดรถถกทาใหเหนไดในทางเลอก ผตอบแบบสอบถามอาจจะเสแสรงท จะเลอกเสนทางทเปนจรง โดยทวไปพฤตกรรมทอาจจะไมกระทาเปนขนตอนหรอกระทาเปนประจา อาจจะสงผลใหไมใสใจกบปจจยทเปลยนแปลงทกาหนดขนในแบบจาลอง

นอกจากน ยงมการศกษาของสถาบนการวางแผนการขนสงทเมองนวคาสเซล องกฤษ (Transportation Planning Associates, 1990) ไดทาการศกษาพฤตกรรมการเลอกเสนทางระหวาง อโมงคกบสะพานสารวจรวบรวมขอมลโดยใชวธ RP แบงแบบสอบถามออกเปน 2 สวน ไดแก แบบสอบถามสาหรบผใชอโมงค ทาการรวบรวม ณ บรเวณดานเกบคาผานทาง กบ แบบสอบถามสาหรบผใชสะพาน ทาการรวบรวม ณ บรเวณสถานบรการนามน และตามถนนภายในเมอง แลวทาการพฒนารปแบบจาลองทางคณตศาสตร แบบ Binary choice Model อาศยปจจยตาง ๆ ในการเลอกเสนทางตามทกาหนดไวในแบบสอบถาม จากนนไดทาการสรปปจจยหรอหลกเกณฑในการเลอกเสนทางทสาคญ ไดแก ปจจยทางดานคาใชจายเชอเพลง, คาผานทาง และ เวลาในการเดนทางทงหมดตามลาดบ Nakamura and Kashiwa(1989) ไดดาเนนการศกษาพฤตกรรมการเลอกเดนทางของผโดยสารรถไฟฟาขนาดเบา(Light Rail Transit ,LRT) ทกรงมะนลา ประเทศฟลปปนส ทาการศกษาวจยเมอป ค.ศ. 1989 โดยมวตถประสงคเพอศกษาพฤตกรรมการเลอกใชรถไฟฟาของผเดนทาง และใชวธการศกษาแบบ Binary Logit Modelโดยทาการสมภาษณดวยวธการสารวจแบบ SP เพอใชอธบายทางเลอกทสมมตขนตามสถานการณทใหผโดยสารเลอกออกเปน 3 สถานการณ คอ

7

1) สถานการณเลอกระหวางการใชรถไฟฟากบรถยนตสวนตว 2) สถานการณเลอกระหวางการใชรถไฟฟากบรถโดยสารประจาทาง 3) สถานการณเลอกระหวางรถไฟฟากบรถรบจาง Jeepneyหรอ รถตกตกซงม

คอนขางมากในกรงมะนลา การคดสรรตวแปรทใชในการพฒนาโมเดลแบงออกเปน 2 กลมใหญดวยกน คอ

1) กลมตวแปรในรปตวแปรพนฐานของผเลอกใชเสนทางไดแก จานวนสมาชกครวเรอน รายไดผเดนทาง อาย เพศ และการมใบอนญาตการขบขยวดยาน

2) กลมตวแปรในรปตวแปรทบงบอกถงความพงพอใจของผเลอกเสนทาง ไดแก คาโดยสาร ระยะทางทใชในการเดนทางระหวาง 2 ทางเลอก ความยากงายในการเขาถงการใชบรการ และ เวลาทใชในการเดนทางระหวาง 2 ทางเลอก

ผลสรปจากการดาเนนการวจยของ Nakamura and Kashiwa สามารถสรปผลไดคอ - กรณสถานการณการเลอกเสนทางระหวาง การใชรถไฟฟากบรถยนตสวนตว ตวแปร

เกยวกบเวลาทใชในการเดนทางกบอายของผเลอกเสนทางไมมนยสาคญทางสถตตอการเลอกใชเสนทาง สวนผมรายไดสงมกนยมใชรถยนตสวนตวโดยไมคานงถงเวลาทใชในการเดนทาง แตผมรายไดไมมากมกนยมใชรถไฟฟามากกวา

- กรณสถานการณการเลอกเสนทางระหวาง การใชรถไฟฟากบรถประจาทางหรอรถโดยสาร ตวแปรทเกยวกบราคาคาโดยสารของรถไฟฟากบรถประจาทางมนยสาคญทางสถตหรอมอทธพลตอการเลอกใชเสนทาง สวนรายไดของผเลอกเสนทางและเวลาทใชในการเดนทางไมมนยสาคญตอการเลอกเสนทางทใชในการเดนทาง การเปรยบเทยบความนาจะเปนในการเลอกเสนทางผเลอกเสนทางจะเลอกรถโดยสารประจาทางมากกวารถไฟฟาอนเนองมาจากสาเหตความสามารถในการเขาใชบรการหรอเครอขายในการเขาถงมมากกวา

- กรณสถานการณการเลอกเสนทางระหวาง การใชรถไฟฟากบรถรบจาง ตวแปรทอทธพลตอการตดสนใจในการเลอกเสนทางอยางมนยสาคญ ไดแก เวลาทใชในการเดนทาง คาโดยสาร รายไดของผเลอกใชเสนทางตลอดจนความยากงายในเขาถงเครอขายทใชในการบรการ

Hague Consulting Group and Accent Marketing and Research (1999) ไดดาเนน การศกษาการสรางแบบจาลองทางคณตศาสตร พฤตกรรมการเลอกเสนทางของผใชเสนทางแบงกลม ผขบขออกเปน 3 ประเภท ไดแก ผใชมอเตอรไซด ผขบขรถบรรทกและผใชถนนภายในเมอง อาศยการรวบรวมขอมลหรอการสารวจขอมลแบบ SP ซงแบงออกเปน 5 สถานการณ ใหผตอบแบบสอบถามเลอกโดยสวนมากคานงถงคาผานทางเทานน และการรวบรวมหรอสารวจแบบสอบถามไดทาการสารวจตามสถานบรการนามนตาง ๆ ทวประเทศ โดยใหผเลอกเสนทางสามารถกาหนด

8

ทางเลอกในการตดสนใจเลอกเพยง 2 เสนทาง (Binary choice Model) การพฒนารปแบบจาลองพฤตกรรมการเลอกเสนทางอาศยเทคนคทางสถตเกยวกบ Binary choice Model สามารถทาการสรปปจจยทสาคญในการเลอกเสนทางจากการวจยในครงน คอ ระยะเวลาในการเดนทาง และคาใชจายในการเดนทางตามลาดบ

Tretvik (1993) ไดดาเนนการใช Logistic Regression ในการพฒนาการสรางแบบ จาลองพฤตกรรมการเลอกเสนทาง เพออธบายพฤตกรรมการเลอกใชเสนทาง และคานวณมลคา ของเวลา (Value of time) ของผเดนทาง โดยไดดาเนนการศกษาวจยในประเทศนอรเวย

การรวบรวมขอมลหรอการสารวจขอมลแบบ Pooled data ใชระยะเวลาในการสารวจ ประมาณ 2 ป และการออกแบบแบบสอบถามครงนนไดทาการกาหนดปจจยทจะมอทธพลสาคญ ตอพฤตกรรมการเลอกเสนทาง ไดแก วตถประสงคของการเดนทาง ความถทใชในการเดนทางและ ระยะทางของการเดนทาง หลงจากการเกบรวบรวมขอมล, วเคราะหขอมลแลวไดดาเนนการสรปผล พบวา มลคาของเวลาขนอยกบรายไดของผเดนทาง โดยสดสวนของมลคาของเวลาตอรายไดจะลดลง กตอเมอรายไดเพมขน นอกจากนทาการศกษาพฒนารปแบบจาลอง พบวา หลงจากการแบงแยกกลม (Segmentation) แลวดาเนนการพฒนารปแบบจาลอง สามารถสรปปจจยสาคญเลอกเสนทาง ไดแก วตถประสงคของการเดนทาง ความถในการเดนทาง และระยะทางการเดนทางตามลาดบ Bangkok Transport Planning Unit(1997) ไดทาการวจยเกยวกบพฤตกรรมการเลอกรปแบบการเดนทางของชาวกรงเทพมหานครแบบ Binary Choice Model แตภายในจะมการแยกออกเปนทางเลอกตาง ๆ ออกเปนหลายขนตอนหรอทรจกกนทวไปวา Hierarchical Choices ซงผเลอกเสนทางจะไมนาทางเลอกทมอยหลายเสนทางมาพจารณาพรอม ๆ กน แตจะแยกขบวนการตดสนใจเลอกรปแบบการเดนทางออกเปนหลายขนตอนซงแตละขนตอนจะมการเลอกเพยง 2 ทางเลอกเทานนและการวจยครงนจะมวตถประสงคหลกเพอทจะพฒนาแบบจาลองรปแบบทางคณตศาสตรอนมพนฐานมาจากทฤษฏอรรถประโยชนเพอทจะนามาใชในการพยากรณปรมาณการเดนทางในกรงเทพมหานคร(Wilbur Smith and Associate,1991) แบงขนตอนการดาเนนการวจยออกเปน 4 สวนตอเนองดงน ไดแก

- การทานายการเกดการเดนทาง (Trip Generation) - การวเคราะหจดเรมตนและจดปลายทางของการเดนทาง(Trip Generation) - การวเคราะหการเลอกรปแบบการเดนทาง (Mode Choice) - การวเคราะหการแจกแจงเสนทางการเดนทาง(Trip Assignment) วธการเกบขอมลใชวธการสมภาษณผเลอกเสนทางตามหมบานทพกอาศยตาง ๆ

ประมาณ 15000 ครวเรอน นอกจากนยงไดรวบรวมขอมลพนฐานของปจเจกผเลอกเสนทางในดานตาง ๆ เชน ขอมลเกยวกบเศรษฐกจ สงคมของครวเรอนอนไดแก รายได จานวนสมาชกในครวเรอน จานวนยานพาหนะทมไวครอบครอง และขอมลทแจกรายละเอยดเกยวกบจดเรมตนและจดหมายปลายทาง

9

การคดเลอกตวแปรมความคลายคลงการคดสรรตวแปรของ Nakamura and Kashiwa(1989) อยางไรกตามผลการศกษาไมไดทาการสรปแบบจาลองทพฒนาขนมาแปลความหมายเพอเจาะลกถงพฤตกรรมของผเลอกใชเสนทางทแฝงอยในการตดสนใจในการเลอกรปแบบจาลอง

10

ตารางท 2.1 สรปผลงานทผานมาของการศกษาพฤตกรรมการเลอกเสนทาง

สรปผลงานทผานมาของการศกษาพฤตกรรมการเลอกเสนทาง จานวนตวอยาง / วธการวเคราะห / ผวจย ตวแปรทใชศกษาพฤตกรรมการเลอกเสนทาง

วธการเกบขอมล Khattak et al. (1991) - แหลงของขอมลจราจร N = 700 / RP , SP / การสารวจทาง - จานวนเสนทางทเปนทางเลอก ไปรษณย - การตดขดของเสนทางทเปนทางเลอก - ความลาชา - เวลาการเดนทาง - ลกษณะของผขบข Khattak et al. , Koppelman - แหลงขอมลการจราจร N = 700 / RP , SP / การสารวจทาง and Schofer(1993) - ความลาชาทคาดหวง ไปรษณย - การตดขดของเสนทางทเปนทางเลอก - ลกษณะของผขบข - เวลาการเดนทาง - จานวนเสนทาง - ระยะเวลาความลาชา - สาเหตการตดขด - ทศทางการเดนทาง - จานวนทางแยก - ความคนเคย Abdel - Aty et al. (1994) - สภาพการจราจร N = 944 / RP / การสารวจทาง - ลกษณะของผขบข ไปรษณย และการสารวจทาง - เวลาการเดนทาง โทรศพท - ระยะเวลาในการเดนทาง - ขอมลทางดานการจราจร - ความถกตองของขอมลการจราจร Polydoropoulou et al. (1994) - ลกษณะการเดนทาง N = 1,300 / RP, SP / - ความสามารถในการรบรและทศนคต แบบสอบถาม - ขอมลจราจรกอนการเดนทาง

11

จานวนตวอยาง / วธการวเคราะห / ผวจย ตวแปรทใชศกษาพฤตกรรมการเลอกเสนทาง วธการเกบขอมล

- สภาพการจราจร - ลกษณะการเดนทาง - ขอมลการจราจรกอนการเดนทาง - ขอมลระหวางการเดนทาง - ลกษณะของผขบข Khattak et al. (1995) - ระบบขอมลทางดานจราจร N = 700 / RP / การสารวจทาง - การตดขด ไปรษณย - จานวนเสนทางทเปนทางเลอก - เวลาการเดนทาง Madanat et al. (1995) - เวลาของการตดขด N = 491 / RP , SP / การสารวจทาง - ลกษณะของผขบข โทรศพท - ทศนคต - ความสามารถในการรบร Khattak et al. (1996) - เวลาการเดนทาง N = 586 / RP , SP / การสารวจทาง - ความลาชาทคาดหวง ไปรษณย - ความลาชาทเกดขนเปนประจา - ความลาชาทเกดจากคอขวด - การตดขดทเสนทางทเปนทางเลอก - ความรเกยวกบเวลาการเดนทาง - แหลงของขอมล Polydoropoulou et al. (1996) - เวลาการเดนทาง N = 1,492 / RP, SP / การสารวจทาง - ความลาชาทคาดหวง ไปรษณย - การตดขดของเสนทางทเปนทางเลอก - ความรเกยวกบเวลาการเดนทาง - ทศทางการเดนทาง - สาเหตของความลาชา - แหลงขอมล

12

จานวนตวอยาง / วธการวเคราะห / ผวจย ตวแปรทใชศกษาพฤตกรรมการเลอกเสนทาง

วธการเกบขอมล Abdel - Aty et al. (1997) - ลกษณะของผขบข N = 707 / SP / การสารวจทาง - ทศนคต โทรศพท และการสารวจทาง - เวลาการเดนทาง ไปรษณย - การไดรบขอมลทางดานการจราจร Bovy and Bradly (1985) - เวลาทใชในการเดนทาง RP , SP / การสารวจโดยการ - ลกษณะพนผวการจราจร สมภาษณ - สภาพการจราจร - สงอานวยความสะดวก Bradly, Marks and - ระยะเวลาในการเดนทาง RP / การสารวจโดยการสมภาษณ Wardman(1986) - สภาพการจราจร - คาใชจายเชอเพลง - คาผานทาง Nakamura and Kashiwa(1989) - ระยะเวลาในการเดนทาง SP / การสารวจโดยการสมภาษณ - คาใชจายในการเดนทาง - อายของผเลอกเสนทาง - รายได - ความยากงายของการเขาถงเสนทาง Hague Consulting Group - คาผานทาง SP / การสารวจโดยการสมภาษณ and Accent Marketing and - เวลาในการเดนทาง Research (1992) - คาใชจายการเดนทาง Tretrik (1993) - วตถประสงคการเดนทาง SP / การสารวจโดยการสมภาษณ - ความถทใชใชในการเดนทาง - ระยะทาง - มลคาเวลา - รายไดของผเดนทาง - วตถประสงคการเดนทาง

13

2.2 ทฤษฎทเกยวของ 2.2.1สมมตฐานรปแบบการกระจายตวของความความคลาดเคลอนของ Probit และ Logit

การพฒนาแบบจาลองเพออธบายพฤตกรรมการเลอกเสนทางสามารถแบงออกเปน 2 ประเภทใหญๆ ดวยกน ตามรปแบบฟงกชนของความนาจะเปนตามสมมตฐานการกระจายตวของตวแปรทมความไมแนนอน รวมทงรปแบบการกระจายตวของความไมแนนอนของตวแปรความไมแนนอนนมอย 2 แบบททาการศกษากนอย คอ การกระจายตวแบบปกต (Normal Distritbution) และ การกระจายตวแบบกมเบล (Gumbel Distribution) มผลทาใหเกดการแบงเพออธบายการเลอกเสนทางออกเปน 2 ประเภทใหญ ๆ คอ

I) Probit Model การกระจายตวแบบปกต(Normal Distribution Curve) ของความไมแนนอนของตว

แปรจะเปนสมมตฐานของรปแบบจาลองชนดน โดยทคาเฉลยของการกระจายตวแบบปกตจะมคาเทากบ ศนย และความแปรปรวนจะมคาคงทเทากบσ 2 i , σ 2 j ทงคาแรกและคาหลง และทงสองพจนจะมคาของสวนเบยงเบนมาตรฐานรวม (Covariance) เทากบ σ ij (Cov (1,2)) ดงนน ความแตกตางของคา Error Term ทงสอง(ε jn - ε in) จะมการกระจายตวแบบปกตและมคาเฉลยเทากบ ศนย และมคาความแปรปรวนเทากบσ 2 i + σ 2 j - 2σ ij = σ 2 โดยทสมการดงกลาวจะเปนฟงกชนการแจกแจงความนาจะเปนคอ 2

f(ε ) = πσ 2

1 exp - 21

σµε −

จากสมมตฐานขางตนเปนผลใหสามารถวเคราะหความนาจะเปนทผเลอกคนท n จะเลอกทางเลอกท i ไดดงน Pn (i) = P (ε Jn - ε in ≤ Vin - Vjn )

= Vin - Vjn 2

∫ σπ2

1 exp - 21

σε n dε n , σ > 0

ε n β∑ k ( X ink - X jnk ) = Φ Vin - Vjn = Φ k

σ σ โดยท Φ ( ) คอ การกระจายตวแบบปกตสะสมมาตรฐาน (Standardized Cumulative Normal Distribution)

14

II) Logit Model การกระจายตวแบบปกต(Normal Distribution) ของ แบบจาลอง Probit Model จะเปนรปแบบ

จาลองทมรปแบบจาลองแบบงาย แตการกาหนดพารามเตอรตาง ๆ เพอใชในการแกไขหรอการหาสมการเพอหาคาตอบเปนสงทคอนขางยงยาก ดวยปญหาดงกลาวจงมวธการแกไขโดยการตงสมมตฐานโดยใหตวแปรทมคาไมแนนอนของการกระจายตวแบบกมเบล (Gumbel Distribution) ซงการกระจายตวแบบ Gumbel จะมลกษณะคลายกบการกระจายตวแบบปกตแตมรปแบบในการวเคราะหงายกวาโดยทมรปแบบการกระจายตวสามารถเขยนแจกแจงความนาจะเปนของการกระจายตวแบบกมเบลดงน -µ ( ηε − ) -µ ( ηε − ) ∫ ( ε n ) = µ l exp - l นอกจากน Logit Model สามารถแยกยอยออกไปไดตามลกษณะการแยกเสนทางไดอกดงตอไปนคอ

1) Binary Logit Model (Binary Choice Model) โครงสรางของการตดสนใจแบบนเปนโครงสรางของการวเคราะหการตดสนใจแบบ

พนฐาน โดยมสมมตฐานวา ในการตดสนใจเลอกเสนทางของผขบขของ 2 เสนทาง ทผขบขจะ พจารณาทางเลอกทงหมดพรอม ๆ กน

2) Multinomial Logit Model (MNL) โครงสรางของการตดสนใจแบบนเปนโครงสรางของการวเคราะหของการตดสนใจ

ของการตดสนใจทางเลอกทมมากกวาหรอเทากบ 3 ทางเลอก โดยมสมมตฐานวาในการตดสนใจเลอกเสนทางของผขบขทมทางเลอกมากกวาหรอเทากบ 3 เสนทางทผขบขจะพจารณาทางเลอกทงหมดพรอม ๆ กน

3) Nested Logit Model (NL) โครงสรางการตดสนใจแบบนบางครงเรยกวา Hierarchical Logit หรอ Sequential Logit

อาศยการตดสนใจในการเลอกเสนทางเปนลาดบขน ทง 3 รปแบบ หรอโมเดลของการพฒนาแบบจาลองการตดสนใจเลอกเสนทางสามารถ

สรปเปนแผนภาพการวเคราะหไดดงตอไปน

15

Binary Choice Model ถนน a ถนน b Multinomial Logit Model ถนน a ถนน b ถนน c Nested Logit Model ถนน a ถนน b

ถนน c ถนน d รป 2.1 โครงสรางการตดสนใจรปแบบโมเดลการเลอกเสนทางลกษณะตาง ๆ

งานวจยฉบบนไดดาเนนการศกษา Binary Choice Model โดยวเคราะหขอมลจากการสารวจ ขอมลถนนเชอมระหวาง เขตนคมอตสาหกรรมแหลมฉบง จงหวดชลบร ถง เขตนคมอตสาหกรรม- มาบตาพด จงหวดระยอง ประกอบดวยทางเลอกเสนทางเปนจานวน 2 ทางเลอก และกาหนดให ผเลอกใชเสนทางเลอกเสนทางทงหมดพรอม ๆ กนในทเดยว

ขอมลทงหมดทนามาวเคราะหแบบจาลองจะใชขอมลเฉพาะผขบขรถยนตสวนตว จานวน 280 ตวอยาง การทไมไดทาการวเคราะหแบบจาลองของผขบขรถขนสงสนคามเหตผลมากจาก พฤตกรรมการเลอกใชเสนทางของผขบขรถบรรทกดวนสลบซบซอนทาใหปจจยในการกาหนด ตวแปรคอนขางยงยากมากกวาทกาหนด นอกจากนผขบขรถขนสงสนคายงมขอจากดในการเลอก เสนทาง เชน การตดเวลาการใชเสนทางของรถบรรทก, การจากดนาหนกรถบรรทก, การกาหนด

16

เสนทางการเดนรถตามนายจางกาหนด ฯลฯ การพฒนาแบบจาลอง Binary Choice Model อาศยพนฐานหรอสมมตฐานจาก Random Utility Theory กบ Probability Theory เพอกาหนดรปแบบการกระจายความนาจะเปนแบบสมของ ผเดนทางจะเลอกใชเสนทาง สามารถสรปเปนสมการไดดงน ( )( )VVP

jninin −−+=

µexp11

= ( )( ) ( )VV

Vjnin

in

µµµ

expexpexp

+

= ( )

( ) ( )⎟⎟⎟

⎠

⎞

⎜⎜⎜

⎝

⎛

⎟⎟⎟

⎠

⎞

⎜⎜⎜

⎝

⎛

∈+ ∑ VV

V

jnin

in

Cj n

µµ

µµ

µ

expln1expexp

exp

= ( )( ) ( )∑

∈+

Cj n

VVV

jnin

in

µµµ

expexpexp

= ( )( )∑

∈Cj n

VV

jn

in

µµ

expexp

โดย Cj n∈ V in = ฟงกชนอรรถประโยชนของเสนทาง i Cn

= กลมเสนทางเลอก จานวน n เสนทาง µ = พารามเตอร จากสมการ ( )( )VV

pjnin

in *exp11

−−+=

µ

สามารถเขยนเปนสมการอยางงายไดโดยอาศยฟงกชนอรรถประโยชน XV ik

kki ∑= β

จะได

17

( )

1,1

1

01

=∑+

=

∑=

−

=

jX

e

j

jy

ep k

kkjkβ

และ

( )

∑=

= ∑+=

=

1

2

11

1

j

y

ep K

kkjk Xβ

X k = ตวแปรท K β jk

= สมประสทธของฟงกชนอรรถประโยชน ตวท k ของ สมการอรรถประโยชนของเสนทาง ท j

ในการวจยฉบบนใชแบบทางเลอกสองเสนทางหรอ Binary Logit Model โดยกาหนด เสนทางท 1 คอ ถนนสายบายพาส (บางละมง – ระยอง) เสนทางท 2 คอ ถนนสายสขมวท (แหลมฉบง – พทยา – สตหบ – ระยอง)

2.2.2 การวเคราะหความถดถอยโลจสตค(Logistic Regression Analysis) โดยปกตการวเคราะหการถดถอยสมการเสนตรงเบองตนมกจะมตวแปรตน หรอ

Independence Variable และตวแปรตาม(Dependence Variable) เปนตวแปรประเภทตวแปรเชงปรมาณทงตวแปรตนและตวแปรตาม ดวยเงอนไขของการจากดชวงของประเภทของตวแปรจงสงผลไปยงสมมตฐานการวเคราะหสมการถดถอยเชงเสนแบบUnbiased Estimator โดยมสมมตฐาน 7 ขอทตองตรวจสอบใหถกตองกอนทนาโมเดลสามารถไปใชพยากรณไดไดแก

1) ตวแปรอสระอาจเปนไดทงตวแปรเชงคณภาพและตวแปรเชงปรมาณ 2) คาคาดหวงของคาคลาดเคลอนของสมการมคาเปนศนย หรอ E(e) = 0 3) e (Error Term)ในแกน x และ แกน y เปนอสระตอกน(Autocorrelation) 4) e (Error Term)และ x เปนอสระกน 5) ไมมปญหาMulticollinearity คอ ตวแปรอสระไมมความสมพนธในเชงบวกและเชงลบทม

คา Correlation ท Strong 6) การกระจายคา Error Term เปนการแจกแจงแบบปกต (Normal Distribution) 7) ไมเกดปญหา Heteroskedasticity คอ คาแปรปรวนของคาคลาดเคลอนควรมคาคงท

(Homoskedasticity) อยางไรกตาม เงอนไขทกาหนดดงกลาวเปนเงอนไขปกตของการวเคราะหสมการถดถอยโดย

18

ใช Least Square Method แตถาตวแปรตาม(Dependence Variable) เปนตวแปรเชงกลมจะตองใชเทคนคการวเคราะหความถดถอยแบบโลจสตค และวตถประสงคของเทคนคการวเคราะหการถดถอยแบบโลจสตคยงคงมวตถประสงคเหมอนกนกบการวเคราะหการถดถอยแบบปกตหรอการใชเทคนคการวเคราะหแบบOLS (Ordinary Least Square) คอ เพอศกษาความสมพนธระหวางตวแปรตาม (Dependence Variable) กบ ตวแปรตน (Independence Variable) เพอใหอยในรปแบบของสมการหรอโมเดล กอปรกบการพยากรณเมอทราบคาตวแปรตนหรอสาเหตททาใหเกดผล การวเคราะหความถดถอยแบบโลจสตก (Logistic Regression Analysis) แบงออกเปน 2 ประเภทใหญ ๆ ไดแก

1) Binary Logistic Regression เงอนไขของ Binary Logistic Regression กาหนดอยทคาตวแปรตาม หรอ Dependence variable

คอ ตวแปรเชงกลมทมคาไดเพยง 2 คา สวนมากจะกาหนดคา y ในรป y = 0,1 หรอทเรยกกนวา Dichotomous Variable

2) Multinomial Logistic Regression เงอนไขของ Multinomial Logistic Regression กาหนดอยทคาตวแปรตามหรอ Dependence

Variable คอ ตวแปรเชงกลมทคาไดมากกวา 2 คาขนไป สวนมากจะกาหนด คา y =0,1,2 หรอ y = 0,1,2,3 นอกจากน การวเคราะหดวยเทคนคแบบ Binary Logistic Regression จะถกกาหนดหรอเรยกชอแบบนตามลกษณะการกาหนดของคาตวแปรตามหรอ คา Dependence variable แลว การวเคราะหแบบ Binary Logistic Regression ยงแบงรปแบบการวเคราะหเพอใชอธบายออกเปนอก 2 รปแบบคอ

- Binary Logistic Regression ทมตวแปรอสระเพยง 1 ตวแปร หรอทเรยกกนการถดถอย อยางงายทจะใหความสมพนธของตวแปรอยในรปเชงเสน ตามสมการตอไปน y = β 0 + β 1 x + lหรอ E(y) = c + ax โดยท E(y) อยในชวงบวก,ลบอนนต ดวยเหตผลเนองจากคา y ทกาหนดเปนคา Observation ในตอนทกาลงดาเนนพฒนาโมเดลมคาอยระหวาง 0 กบ 1 ทาใหความสมพนธระหวางคา E(y) หรอ y กบคา x ไมไดอยในรปของสมการเชงเสน เมอนาไปplot scatter diagram จะพบวาอยในรปของสมการ β 0 + β 1 x E (y) = l

β 0 + β 1 x 1 + l

19

จากสมการดงกลาว เรยกสมการแบบนวา สมการ Logistic Reponse Function โดยทคา E(y) จะอยในชวง 0 1)( pp yE และถาพจารณาแลวจะเหนสมการการทจะอยในรปของสมการความนาจะเปน(Probability Equation) คอ

E(y) = P(y) หรอ P(event) = P(เกดเหตการณทสนใจ) สวน P(เหตการณทไมสนใจ) = 1- P(เกดเหตการณทสนใจ) = 1-P(y) = 1-E(y) โดยท P(y) คอ คาความนาจะเปนของเหตการณทสนใจตามสมการ จากรปแบบของสมการ Binary Logistic ทไดสามารถอธบายเปนกราฟได 2 ลกษณะ

ตามคาบวกหรอคาลบของสมประสทธของสมการ Binary Logistic Regression ตามรปกราฟขางลาง

รปท 2.2 กราฟ Logistic เมอ β 1 > 0 และ กราฟ Logistic เมอ β 1< 0

- Binary Logistic Regression ทมตวแปรอสระมากกวา 1 ตวแปร เมอตวแปรอสระ มากกวาหนงคาจะมผลทาใหรปแบบสมการเกดการเปลยนในรปแบบของตวประกอบในคา ตวแปรตนจะมคามากขน สงผลทาใหรปแบบกราฟทไดเปลยนแปลงไปดวย และสมการทไดในกรณของ Binary Logistic Regression ทมตวแปรอสระมากกวา 1 ตวแปรจะกลายเปน P(เกดเหตการณทสนใจ) = E (y) β 0 + β 1 x1+...... + β n xn = l

β 0 + β 1 x1+...... + β n xn 1 + l

20

และสามารถแสดงกราฟในลกษณะของ Binary Logistic Regression ทมตวแปรอสระมากกวา 1 ตวแปรไดดงกราฟขางลาง ซงจะพบชวงคา y ยงคงมชวงเหมอนกรณ Binary Logistic Regression ทมตวแปรอสระหนงตวแปร แต Curvature อาจจะมรปแบบแตกตางกนเนองจากมปจจยตวแปรอสระเพมขน

รปท 2.3 กราฟLogistic แสดงลกษณะ Non-linear และ ชวงอยระหวาง 0-1

นอกจากเหตผลทจาเปนตองใชการวเคราะหการถดถอยแบบโลจสตคอนเกยวกบรป แบบชนดหรอประเภทของขอมลทกาหนดในคาตวแปรตามหรอ Dependence Variable วาตองเปนตวแปรทอยในรปของตวแปรเชงกลมแลว ยงมเหตผลอน ๆ ประกอบอกทจาเปนตองใชการวเคราะหการถดถอยโลจสตคแทนการวเคราะหการถดถอยทวไปทใช OLS(Ordinary Least Square) ไดแก ชวงของคา y มคาอยระหวาง 0-1 ทาใหเสนกราฟของสมการLogistic Regression ไมใชเสนตรงตามกราฟทแสดง , คา Stochastic Error Term หรอ คาคลาดเคลอนของสมการเปนไปไมไดทจะมการแจกแจงแบบปกต เนองจากคา Observation ของ คา y มคาอยระหวาง 0-1 ซงจะทาใหคาคลาดเคลอนแตละคามคาอยระหวางคา 0-1 ดวยจงทาใหการกระจายของคาคลาดเคลอน(Stochastic Error Term Distribution) ไมมการแจกแจงแบบปกตจงมผลทาใหเกดการละเมดสมมตฐานของUnbiased Estimator สงผลใหไมสามารถใชการวเคราะหความถดถอยแบบปกตได เนองจากคา Observation ของคา y มเพยง 2 คาคอ คา 0,1 ซงเปนการแจกแจงแบบเบอรนลลทาใหคาแปรปรวนกบคาเฉลยมความสมพนธกน จงมผลทาใหคาแปรปรวนไมคงทเทากนทกคา เกดปญหาเกยวกบ Heteroskedasticity จงมผลทาใหเกดการละเมดสมมตฐานของUnbiased Estimator สงผลใหไมสามารถใชการวเคราะหความถดถอยแบบปกตได ดงนน สมมตฐานเทคนคการวเคราะหความถดถอยแบบลอจสตคจงมไมมากเทากบเทคนคการวเคราะหความถดถอยแบบ OLS(Ordinary Least Square) ทวางพนฐานอยบน Unbiased Estimatorสาเหตเนองมาจากรปแบบสมการการถดถอยแบบลอจสตคทกาหนดใหคา y เปนตวแปรเชงกลมทมคาแบบลาดบคอ 0,1หรอ 0,1,2 อาจจะเปนรปแบบแบบ Multiple Logistic Regression ทมคาตวแปรเชงกลมมากกวา 3 กได สามารถสรปเงอนไขของเทคนคการวเคราะหความถดถอยแบบลอจสตคไดดงน

21

1) ตวแปรอสระ อาจเปนไดทงตวแปรเชงคณภาพและตวแปรเชงปรมาณ 2) คาคาดหวงของคาคลาดเคลอนของสมการมคาเปนศนย หรอ E(e) = 0 3) e (Error Term)ในแกน x และ แกน y เปนอสระตอกน(Autocorrelation) 4) e (Error Term) และ x เปนอสระกน 5) ไมมปญหาMulticollinearity คอ ตวแปรอสระไมมความสมพนธในเชงบวกและเชงลบทม

คา Correlation ท Strong หมายเหต: จานวนตวอยางทจานามาวเคราะหแบบLogistic จาเปนตองมตวอยางมากกวา การวเคราะหการถดถอยแบบปกต มเงอนไขทวไปวา n≥ 30x โดยท n = จานวนตวอยาง , x = จานวนตวแปรอสระ

2.2.3 การวเคราะห Logit Model จากเทคนคการวเคราะหความถดถอยแบบลอจสตก จะเหนไดวา รปแบบสมการทวไป คอ

E(y)= P(y) = P(เหตการณทสนใจ) = e/(1+e) ซงกคอสมการความนาจะเปนในการเกดเหตการณทสนใจ และตามหลกคณตศาสตรของทฤษฏความนาจะเปนจะสามารถสรางความสมพนธความนาจะเปนของเหตการณทสนใจกบเหตการณทไมสนใจไดจาก ∑ p = 1 p(เหตการณทสนใจ) + p( เหตการณทไมสนใจ) = 1

: p มความหมายถงความนาจะเปนในการเกดเหตการณ p(เหตการณทไมสนใจ) = 1 – p( เหตทสนใจ) p(y)= 1-p(y’)

β 0 + β 1 x1+...... + β n xn

ซง P(y) = l

β 0 + β 1 x1+...... + β n xn 1 + l

, P(y) = 1-P(y’) แลวจะเหนไดวาตวแปรตามหรอ Independence Variable ไมไดอยในรปของตวแปรเชงเสนจงทาใหการกาหนดตวแปรรปแบบใหมใหสอดคลองสมการเบองตนเพอปรบรปแบบใหอยในรปของสมการเชงเสนโดยกาหนดให

Odds = P(เหตการณทสนใจ)/P(เหตการณไมสนใจ) เพอปรบใหอยในรปสมการเสนตรง จงทาการ Take log ในสมการ Odds function Log(odds) = log(P(เหตการณทสนใจ)/P(เหตการณทไมสนใจ)) = β 0 + β 1 x1+...... + β n xn

22

ดวยสมการ log(odds)อยในรปสมการเสนตรงหรอรปสมการเชงเสน เรยกสมการแบบนวา Logit Function ยกตวอยางเชน ผลลพธ f(x) = log(P(A)/P(B)) = 0.500+0.65 male แสดงใหเหนถง 0.500 คอ Intercept Termหรอคาคงท และ ถา (P(A)/P(B)) = 1.60 แสดงวาคาความนาจะเปนโอกาสทจะเกดเหตการณ A มากกวาโอกาสทจะเกดเหตการณ B เทากบ 1.60 เทาของโอกาสทจะเกดเหตการณ B รวมทงถาแสดงผลลพธของ log(P(A)/P(B) ถามคาเปนบวกแสดงความนาจะเปนโอกาสทจะเกดเหตการณ A มคามากกวาความนาจะเปนโอกาสทจะเกดเหตการณ B

ตามทแสดงโมเดล Binary Logistic Model ทกาหนดคาตวแปรตามหรอ Dependence Variable ออกเปน 2 คา รวมทงการลดรปจากฟงกชน เอกซโปเนนเชยลมาเปนความสมพนธในรปสมการเสนตรงรปของ Odds Function หรอ Logit Model ตามสมการ

Log(P(เกดเหตการณทสนใจ)/P(ไมเกดเหตการณทไมสนใจ)) = β 0 + β 1 x1+...... + β n xn ตราบทใชรปแบบBinary Logit Model จะทาการเปรยบเทยบระหวาง 2 เหตการณทนามา

วเคราะหเทานน อยางไรกตามถาคาตวแปรตามมคามากกวา 2 เชน มโอกาสทจะเกดเหตการณทสนใจเปน 3 หรอ 4 เหตการณ จะไดสมการLogit หรอ Logit Model ม 2 และ 3 สมการตามลาดบหรอ n-1 โดยท n เปนจานวนเหตการณทสนใจและแตละคาหรอสมการจะทาการเปรยบเทยบกบ Baseline Category Logit เชน ถาให Baseline Category เปนคาคงท J จะไดวา Logit ของ Category ท iจะเปน

Log(P(Category i)/P(Category J))= β 0 + β 1 x1+...... + β n xn โดยท b เปนสมประสทธของ Category ทi การกาหนด Baseline Category ควรจะกาหนด สมประสทธของ Baseline Category มคาเทากบ

0 ทกสมประสทธ ยกตวอยางเชน ในกรณของ Multinomial Logit Model ของ คาตวแปรตามทถกกาหนดทางเลอก 3 คา หรอ J =3 โดยให Baseline Category = 3 เมอคานวณหรอ Run Program จะไดผลลพธทตามสมการจะม 2 สมการและมคาสมประสทธสองชดสาหรบสองสมการทคานวณจาก Logit Model โดยสมการชดแรกจะแสดงคาสมประสทธเมอ y=1 เปรยบกบเมอ y=3 และ สมการชดสองจะแสดงคาสมประสทธเมอ y=2 เปรยบเทยบกบเมอ y=3 หรออาจจะยกตวอยางการสรางโมเดล Multinomial Logit ของการเลอกวธการเดนทางเปน 3 ประเภท ไดแก ทางบก ทางนา และทางอากาศ เมอนาตวแปรตนทไดจากการสารวจมาดาเนนการวเคราะหโมเดล Multinomial Logit จะไดโมเดลออกมาอย 2 โมเดลหรอสมการLogit คอ

Log(P(ทางบก)/P(ทางอากาศ)) = -0.78+2.01x Log(P(ทางบก)/P(ทางอากาศ)) =-1.51+ 2.3x โดย Baseline Category ซงเปนตวเปรยบเทยบจะอยทการเดนทางอากาศ เปนตวฐานในการ

เปรยบเทยบ log(odds) หรอ สมการLogit

23

จากสมการOdd Function สามารถสรปไดวา ถาคา Odds มคามากกวา 1 แสดงวาเหตการณนนมโอกาสเกดมากกวาไมเกด สวนถานอยกวา 1 แสดงวาเหตการณนนมโอกาสไมเกดนอยกวาไมเกด

สวนสมการ Logistic Regression คอ P(y) = e/(1+e) คาสมประสทธจะไดจากการใชวธ Maximum Likelihood ซงแตกตางจากวธOLS(Ordinary Least Square)

สดทายสมการ Logit Function or log(odds) Function ตวแปรตามหรอ Independence Variable ทไดจากการพฒนาโมเดลจะเปนตวกาหนดอทธพลทผลตอความนาจะเปนในการเกดเหตการณมากหรอนอย,แมนยาหรอไมแมนยา ตามคาสมประสทธและคานยสาคญตามลาดบ

2.2.4 การทดสอบ Likelihood Ratio การทดสอบ Likelihood Ratio (อตราสวนความนาจะเปน) แบง การทดสอบ Likelihood Ratio

ออกเปน 2 กลมใหญ ๆ ไดแก I) การทดสอบ Likelihood Ratio (อตราสวนความนาจะเปน) ในตวอยางขนาดเลกทร

การกระจายขอมล ฟงกชนการกระจายแบบ Uncontrained หรอ Unrestricted parameter ของ ตวแปรสม y คอ

Y~N ( β , σ 2) โดยทคา y = ฟงกชนของ β กบ σ 2 อยในชวงทไมจากด สามารถกาหนดฟงกชนการกระจายแบบ Unrestricted parameter SpaceโดยทΩ (Space) = ( β , σ 2) ; -∞ ⟨ β ⟨ ∞ , 0 ⟨ σ 2 ⟨ ∞

สวนฟงกชนการกระจาย แบบ Restricted parameter Space ของตวแปรสม Y คอ Y~N (β , σ 2) โดยทคา y = ฟงกชนของ β กบ σ 2 อยในชวงทจากด สามารถกาหนดฟงกชนการกระจายแบบRestricted parameter โดยท ω (Space) = ( β , σ 2) ;β = β 0 ,0 ⟨ σ 2 ⟨ ∞ ดงนนจะเหนไดวา Space ทง Ω กบ ω เปนSpace ทอยในรปของ ( β , σ 2) ท Space ทงสองสามารถทาใหเกดคาสงสดของ Likelihood Function การกาหนดคาฟงกชนเพอหาคาสงสด ของ Likelihood Function โดยการกาหนดฟงกชนสองฟงกชน ทบงบอกถง Unrestricted Parameter Likelihood Function ( l( Ω ))กบ Restricted Parameter Likelihood Function (l ( ω ) ); l(x) = Likelihood Function โดยทฟงกชนความนาจะเปนอยางงายมเครองหมายคลายกน และ วางบนหลกการของ Maximum likelihood (l ( ω ) ⟨ l( Ω )) รวมทงเงอนไขของ Likelihood Ratio(λ = ( )

( )Ωˆ

ll ω ) คอ 0 ⟨ λ = ( )

( )Ωˆ

ll ω

⟨ 1 ซงสามารถ

ตความไดวา ถาλ มคาเขาใกล 1 แสดงวาคา β ทงของ Restricted Parameter Function กบ Unrestricted Parameter Function มคาเหมอนกน และ ถา λ มคาเขาใกล 0 แสดงวาคา β ทงของ Restricted Parameter Function กบ Unrestricted Parameter Function มคาตางกนมากทเดยว

24

การทดสอบสมมตฐานเกยวกบ Log-likelihood Ratio สาหรบการทดสอบ Null Hypothesis กบ Alternate Hypothesis คอ

H0 : β = β 0 H1 : β ≠ β 0

ทาการกาหนดคา α คอ คานยสาคญทางสถตและทาการทดสอบ H0 : β = β 0 โดยท P (λ ≤ λ 0 | H0 is true ) = α กรณการทดสอบเงอนไขผานแสดงวา H0 : β = β 0 ถาคาทไดเกนกวาคานยสาคญทางสถต แสดงวา ปฏเสธ H0 หรอ H1 : β ≠ β 0 ดวยเงอนไขของขนาดตวอยางขนาดเลก และ รการกระจายของขอมล เปนแบบปกต ซงทราบคาแปรปรวน (σ 2) จะไดวา การกระจายของ likelihood Ratio มคาเทากบ λ =exp -

22σT ( )20

ˆ ββ − สามารถพสจนเงอนไขดงกลาวได จาเปนตองใช T-student

Distribution ไดดงน จาก λ =exp -

22σT ( )20

ˆ ββ −

แลวจะได - ( )T/2

ˆ2

2

0

σββ − ≥ In 0λ

( )T/

ˆ2

2

0

σββ − ≥ -2 In 0λ

( )T/

ˆ2

2

0

σββ − ≥ 02 λIn−

( )T/

ˆ0

σββ − ≥ *λ

สมการทไดนเปนททราบกนดฐานะวางอยบนการกระจายแบบปกต (Standard Normal Distribution) และถาความแปรปรวน (σ 2) มทราบ การกระจายฟงกชนตวแปรสมแบบนควรจะเปนแบบ Student’s t

II) การทดสอบ Likelihood Ratio ในตวอยางขนาดใหญ สมมตวา กรณตวอยางขนาดใหญฟงกชนการกระจายของตวแปรสม ทราบคาความ

แปรปรวน (σ 2) แตไมทราบคาเฉลย(β ) หรอ ไมทราบการกระจายของตวแปรสม(Y) แตทราบคาความแปรปรวน (σ 2) และ ทราบคาเฉลย (β )

25

กรณแบบน สามารถแสดงฟงกชนการกระจายอยในรปของ Y ~ N ⎟⎟⎠

⎞⎜⎜⎝

⎛T

2

,σβ และ

เนองจากไมทราบการกระจาย ของตวอยางขนาดใหญ จงวางพนฐานตามสงทสมมตตอไปน L ( )β = คา Log-likelihood Function β = A Single Unknown Parameter ใน Unrestricted Parameter Space

Ω (Space) = ( β , σ 2) ; -∞ ⟨ β ⟨ ∞ , 0 ⟨ σ 2 ⟨ ∞ = The Unrestricted Parameter Space

ω (Space) = ( β , σ 2) ;β = β 0 ,0 ⟨ σ 2 ⟨ ∞ = The Restricted Parameter Space

β = ส.ป.ส Maximum likelihood ของ β เพอจะทาการทดสอบสมมตฐาน เกยวกบ Log-likelihood Ratio สาหรบการทดสอบ Null Hypothesis กบ Alternate Hypothesis คอ H0 : β = β 0

H1 : β ≠ β 0 จาก The Restricted Parameter Space (ω (Space)) ประกอบดวยตวแปร β 0 สามารถสราง Likelihood Ratio ไดคาเทากบ λ = l( β 0 )/ l( β ) ทาการ Take ln ทงสองดาน จะได LR = -2 In λ = 2 In ( ( ) ( ) )0

ˆ ββ ∫−∫ a ~ 2Jχ ซงจะนาไปทดสอบสมมตฐานตามทกาหนด โดยท

J มคาเทากบ จานวนพารามเตอรทมขอบเขตจากด ซงสามารถหาความสมพนธในรปของกราฟไดดงรปท

26

รปท 2.4 กราฟแสดงความสมพนธระหวาง คา β กบ คา L(β 0) ในการทดสอบ Likelihood Ratio in Large Sample จากรปจะเหนไดวา ยงคา β 0 และ คา β แตกตางกนมาก คา L(β 0) และ คา L( β ) จะแตกตางกนมากขนดวย ทาใหมผลตอการปฏเสธ H0 : β = β 0 Wald Statistic ตามทไดพสจนเบองตน จะเหนวา คาหรอขนาดของ คาทดสอบทางสถตL(β ) จะขนอยกบคา β -β 0 และความโคงของกราฟ ( Curvature) ดงนน คา Curvature ทแตกตางกน ถงแมวาคา β - β 0 จะเทากนใน 2 Likelihood Function ( L a , L b ) ผลทไดจะทาให คา LR ตางกน Curvature ของสมการ likelihood สามารถวดไดโดยอนพนธตดลบอนดบทสอง ของ Unrestricted Estimate คอ ยงอนพนธตดลบอนดบทสองยงมคามาก คาความชนยงมคามากตาม ตามรปแบบกราฟ และ สมการ Curvature ดวยเหตผลดงกลาว ทาใหมการกาหนดคา Wald Statistic ทมาจากการ Derivation Curvature ของ Likelihood Function โดยทาการอนพนธอนดบทสอง ของ Likelihood Function ของ คา β - β 0 ไดเปนสตร

W= ( ) ( )⎥⎦

⎤⎢⎣

⎡−−

=ββββββ ˆ2

22

0ˆ

dLd

27

โดยท W = Wald Stat β = ส.ป.ส Maximum likelihood ของ β β 0 = ส.ป.ส The Restricted Parameter Space (ω (Space)) ภายใตสตรของ Wald Statistic ดงกลาว ทาใหทราบถงการกระจายตวเพอทดสอบสมมตฐานของ β มลกษณะคลาย 2

1χ

รปท 2.5 กราฟแสดงความสมพนธระหวาง คา β กบ คา L (β 0) ในการทดสอบ Likelihood Ratio in Large Sample ทเปรยบเทยบ Curvature of the likelihood ทแตกตาง

2.2.5 ทฤษฏอรรถประโยชน ความพยายามทจะพฒนาทฤษฎทใชอธบายพฤตกรรมของผบรโภคเกดขนในชวงศตวรรษท 19

โดยมการสรางทฤษฎผบรโภคทมขอสมมตพนฐานวาบรโภคจะไดรบความพอใจหรออรรถประโยชนจาการบรโภคสนคาจานวนตาง ๆ กน และสมมตวาความพอใจดงกลาวสามารถวดออกมาเปนหนวยไดเรยกวา ยทล (Util) ทฤษฎผบรโภคทนาหลกอรรถประโยชนมาใชอธบายทเรยกวา ทฤษฎ

28

อรรถประโยชน นอกจากนยงมแนววเคราะห คอ การวเคราะหดวยเสนความพอใจเทากน ( Indifference Curve Analysis) เพอใชอธบายพฤตกรรมของผบรโภคเสรมทฤษฎอรรถประโยชน

แนวคดในการวดอรรถประโยชนตามทฤษฏอรรถประโยชนเปนทฤษฏพนฐานหลกของเศรษฐศาสตรจลภาคอนไดแก ทฤษฏพฤตกรรมผบรโภคอาศยความพงพอใจของผเลอกทไดรบจากการบรโภคสนคาและบรการโดยความพงพอใจดงกลาวกคอ อรรถประโยชนนนเอง การวดอรรถประโยชนมแนวคดในการวดอรรถประโยชนอย 2 แนวคดคอ

a) อรรถประโยชนเชงนบ (Cardinal Utility) คอ ความพอใจทถกกาหนดเปนหนวยของการวดความพงพอใจไดสามารถนามา

รวมกนเพอหาระดบความพอใจรวมไดซงเปนแนวความคดของนกเศรษฐศาสตรนโอคลาสลก ประมาณตนศตวรรษท 20 แนวคดไดถกนามาประยกตใชกบการอธบายการวเคราะหทฤษฏพนฐานของ Logistic Regressionในรปแบบของฟงกชนอรรถประโยชน(Utility Function)เพออธบายความนาจะเปนในการเลอกรปแบบตางๆ ตามฟงกชนอรรถประโยชนทได

b) อรรถประโยชนเชงอนดบ (Ordinal Utility) คอความพอใจทไมถกกาหนดเปนหนวยของการวดความพงพอใจได แตสามารถ

จดอนดบเปรยบเทยบความมากหรอนอยได หรอกลาวอกนยหนงวา ผบรโภคสามารถกาหนดอรรถประโยชนของทางเลอกในรปแบบของลาดบหรอตาแหนงความพงพอใจของทางเลอกเทานน ไมสามารถอธบายจานวนคาอรรถประโยชนมคาเปนเทาใด

2.2.5.1 แนวคดเกยวกบอรรถประโยชนเชงนบ (Cardinal Utility)

ตามนยามอรรถประโยชน ( Utility) หมายถง ความพอใจทเกดขนกบผบรโภคจาก

การไดมาไดใชไดบรโภคหรอไดรบผลประโยชนจากสนคาและบรการ ดงนน อรรถประโยชนจงเปนสงทมอยในตวสนคาและบรการ ในรปของความสามารถในการบาบดความตองการของผบรโภค ซงทมาและสาเหตของการเกดมอรรถประโยชนอาจมไดตาง ๆ นานา อาท สขภาพทดขน ความสวยงาม ความสะดวกสบาย ความภาคภมใจ ฯลฯ ซงจะมทงสวนทเปนรปธรรมและสวนทเปนนามธรรม เรองของอรรถประโยชน จงเกยวของกบ รสนยม แผนความพอใจ และความนกคดสวนบคคล อยางไรกตาม ในการศกษาแนวคดการวดอรรถประโยชนจากทฤษฎอรรถประโยชนตามอรรถประโยชนเชงนบ (Cardinal Utility)ไดมการกาหนดขอสมมตไววา อรรถประโยชนเปนสงทสามารถวดออกมาเปนหนวยได (Measurable Quality) โดยเรยกหนวยวา ยทล (Util) เพอระบวาเปนการศกษาทฤษฎอรรถประโยชนในลกษณะของการกาหนดใหอรรถประโยชนเปนสงทวดออกมาเปนตวเลขทแนนอน เชน 9,8,1, หรออน ๆ ได

29

นอกจากน อรรถประโยชนสามารถวดความเปนหนวยทแนนอนได ตามทฤษฎ อรรถประโยชนเชงนบยงมขอสมมตฐานเพมเตมอกวา อรรถประโยชนจากการบรโภคสนคาและบรการชนดหนง ๆ ตางเปนอสระตอกนกลาวคอ อรรถประโยชน ทผบรโภคไดรบจากการบรโภคสนคาและบรการชนดหนงและไมถกกระทบจากจานวนการบรโภคสนคาชนดทสองสามและอน ๆ ดงนน อรรถประโยชนทงหมดทผบรโภคไดรบจากการเลอกเสนทางทเลอกหลายชนดพรอม ๆ กนจงหาไดจากการนา อรรถประโยชนรวมของสงคมหรอสวสดการของสงคม นามารวม อรรถประโยชนของแตละบคคลในสงคมเขาดวยกนเทากบเปนการเพมขอสมมตอกขอหนงวา อรรถประโยชน สามารถนามารวมกนได ( Additive Quality) เพอ อรรถประโยชน (Total Utility ; TU) สามารถเขยนในรปของฟงกชนแสดงคา อรรถประโยชน รวมทเกดจากเลอกบรโภคเสนทาง A U = f(QA) QA = จานวนเสนทางทผบรโภคบรโภคอย U = f1(Q1) + f2 (Q2) + f3 (Q3) + ............... fn (Qn) U = ∑n fi (Qi) i = 1 ดงนน สามารถแสดงใหเหนวา อรรถประโยชนทเกดจากการเลอกเสนทางท i และ อรรถประโยชนทงหมดจากความพอใจสนคาหรอปจจยหลาย ๆ ชนดพรอม ๆ กน กจะหาไดจากการนา อรรถประโยชน รวมจากการบรโภคสนคาหรอเสนทางแตละชนดมารวมเขาดวยกน โดยสรปแลวสามารถกาหนด รปแบบในรปแบบทางคณตศาสตรได ในรปของฟงกชนอรรถประโยชนหรอฟงกชนความพงพอใจทนยมใชในรปของสมการเสนตรงได

2.4.5.2 ฟงกชนอรรถประโยชน (Utility Function) หมายถง ความสมพนธระหวางอรรถประโยชนกบปจจยหรอตวแปรทกอใหเกดอรรถประโยชน เชน Utility = U in

= ( )XXXXU nin ,...,,, 321 นอกจากน ฟงกชนอรรถประโยชนเปนรปแบบหลกของการอธบายการวเคราะห

ทฤษฏพนฐานของLogistic Regression ดวยเหตเปนฟงกชนทแสดงความสมพนธระหวางคาอรรถประโยชนกบปจจยตาง ๆ หรอตวแปรตาง ๆ ทเปนตนเหตทาใหเกดคาอรรถประโยชนหรอคาความพงพอใจในการเลอก จากนยามจะเหนไดวาฟงกชนอรรถประโยชนถกประยกตใชกบอรรถประโยชนเชงนบทสามารถแสดงรปแบบของฟงกชนอรรถประโยชนตามสมการ Utility = U(X1,X2,…………..,Xn) U(X) เปน Utility Function X เปนปจจยทมผลทาใหเกดอรรถประโยชน

30

2.4.5.3 การวเคราะหดวยทฤษฎอรรถประโยชน

จากหลกการของทฤษฎอรรถประโยชนทไดกลาวมาเหลานน พฤตกรรมของผบรโภคมกคดคานวณอยางละเอยดในการเลอกซอสนคาอยางมเหตผล ( Rational Behavior) และไดรบความพงพอใจสงทสดหรออรรถประโยชนสงทสดจากการใชจายไดจากดของเขา โดยถอเปนขอจากดของผบรโภคกคอ รายได และราคาสนคาทผบรโภคประสงคจะซอนนเอง

อยางไรกตามการวเคราะหตามทฤษฏความพงพอใจทจะนามาใชในการวเคราะหความพงพอใจในการเลอกเสนทางไดใชตามหลกการของ Louviere(1986)ไดกาหนดวธการวดความคดเหนความพงพอใจในการตดสนใจของผเลอกเสนทางออกเปน

1) การกาหนดสเกลเปนระดบคะแนนในแตละทางเลอกตาง ๆ เชน ในการขอความคดเหนปจจยในการตดสนใจในการเลอกเสนทางทมหลายปจจยเชน เวลาในการเดน, คาใชจาย , ความปลอดภย, ระยะทาง เปนตนจะใชระดบคะแนนเปนตวชวดในการขอความคดเหนปจจยในการตดสนใจการเลอกเสนทางในแตละปจจยจะแบงคะแนนออกเปน 0-10 คะแนนเรยงลาดบจากนอยไปมาก

2) การกาหนดลาดบความชอบเปนลาดบในแตละทางเลอกตาง ๆ เชน ในการขอความคดเหนปจจยในการตดสนใจในการเลอกเสนทางทมหลายปจจยเชน เวลาในการเดน, คาใชจาย , ความปลอดภย, ระยะทาง เปนตน แทนทจะใชระดบคะแนนเปนตวดชนชวดในแตละปจจย แตจะใชลาดบ 1,2,3,… มาใชแทน โดยท ลาดบท 1 แสดงถงมความพอใจมากทสด สวนลาดบท 2 ,3 ,4 รองลงมาตามลาดบ

3) การกาหนดความชอบทเพยงลาดบเดยวในแตละทางเลอกตาง ๆ เชนในการขอความคดเหนปจจยในการตดสนใจในการเลอกเสนทางทมหลายปจจยเชน เวลาในการเดน, คาใชจาย , ความปลอดภย, ระยะทาง เปนตน แทนทจะใชระดบคะแนน หรอการแบงลาดบความชอบเปนดชน จะใชความชอบสงสดเปนตวกาหนดเพยงลาดบเดยว

31

บทท 3 ระเบยบวธการวจย

การดาเนนระเบยบวธการศกษาขนดวยวตถประสงคของการศกษาเพอการพฒนาแบบจาลอง เพออธบายพฤตกรรมการเลอกเสนทาง แบบ Binary Choice Model โดยอาศยการสารวจขอมล ณ เสนทางระหวางเขตนคมอตสาหกรรมแหลมฉบง จงหวดชลบร ถง เขตนคมอตสาหกรรมมาบตาพด จงหวดระยอง ซงภายในแบบสอบถามไดกาหนดขอมลทตองการสอบถามจากสถานการณทเกดขน จรง(Revealed Preference) เพอการผสมผสานขอมลในการพฒนาแบบจาลองทางคณตศาสตรใหเกดความสามารถในการพยากรณแบบจาลอง มประสทธภาพและแมนยามากขน ขนตอนวธการศกษาทใชในการศกษาการสราง Binary Logit Model เพอพฒนาแบบ จาลองพฤตกรรมการเลอกเสนทางของผขบขในการศกษาวจยฉบบนสามารถแบงออกเปน 5 สวน หลก ๆ คอ

I) การรวบรวมขอมลจากการสารวจแบบสอบถาม แบบ RP II) การคดเลอกขอมล (Variable Selection)และการกาหนดคากลมขอมล เพอ

วตถประสงคในการพฒนาแบบจาลองใหสอดคลองกบความเปนจรงและการพยากรณใหมความแมนยามากขน โดยอาศยขอมลการสารวจตวอยาง โดยเฉพาะขอมลพนฐานของผขบข และ หลกเกณฑการตดสนใจในการเลอกเสนทางเปนขอมลพนฐานในการสรางแบบจาลอง

III) การสราง Binary Logit Modelโดยอาศยโปรแกรม SPSS เปนเครองมอในการประมวลผล

IV) การตรวจสอบคณสมบตของ Binary Logit Model ทไดหลงจากการประมวลผล ซงการตรวจสอบมวธการตรวจสอบ ไดแก การตรวจสอบนยสาคญของอทธพลของตวแปรโดยใชคาสถต Wald, การตรวจสอบระดบความสอดคลองแบบจาลอง(Goodness of Fit) ดวยดชน Log likelihood Ratio, การตรวจสอบความถกตองแมนยาในการพยากรณดวย % Correct สวนรายละเอยดจะกลาวตอไปหลงจากการแสดงรปแบบขนตอนการศกษาทเปนแผนภาพรวมของการศกษาวจยฉบบน ดงแผนภาพดานลาง

V) การสรปผล เปนการสรปตความจากผลการวเคราะหการสราง Binary Logit Model ทไดจากขบวนการหรอขนตอนวธการศกษาเพอบรรลรปแบบสมการหรอโมเดลทเหมาะสมทสดทสามารถนาไปใชและพยากรณสะดวกแมนยา

32

การรวบรวมขอมล

การคดเลอกขอมล

การสราง Binary Logit Model

โดย SPSS Program

การตรวจสอบคณสมบตของ

Binary Logit Model

การสรปผล

รป 3.1 ขนตอนการศกษา ขนตอนการวเคราะหขอมลของการสรางโมเดล Binary Logit สามารถแบงขนตอนการ วเคราะห

3.1 การรวบรวมขอมลทใชในการวจย ขอมลทใชสาหรบงานวจยฉบบนประกอบดวยขอมลทไดจากการสารวจขอมลแบบ

สอบถามการตดสนใจเลอกเสนทางระหวาง เสนทางแหลมฉบง จงหวดชลบร – จงหวดระยองของผขบขรถยนตสวนตวและขอมลของผขบขรถบรรทกสนคา โดยขอมลทกาหนดในแบบสอบถามประกอบ ขอมลทไดจากวธการสารวจแบบ RP ทกาหนดในแบบโดยขอมลการสมภาษณผเดนทางโดยตรงลกษณะตวตอตว ถงแมวาจะมคาใชจายสง แตไดขอมลทคอนขางมคณภาพมากทสดและมความยดหยนสง เนองจากผสอบถามสามารถตอบปญหาหรอปรบเปลยนการสารวจไดอยางไมยาก หรอสามารถแสดงการอธบายใหผเลอกเสนทางสามารถเขาใจไดดทสดในแตละวธการสารวจ เพราะสามารถใชสอตาง ๆไดอยางด เชน การใชแผนทประกอบในการอธบายใหผเลอกเสนทางเขาใจในการตอบแบบสารวจ หรอ การแสดงแผนภาพและการเขาถงอารมณของผเลอกเสนทางของแตละบคคล

ผาน

ไมผาน

33

ขอมลทไดจากการสารวจแบบ RP จะถกกาหนดในแบบสอบถามแบบตรงไปตรงมา การรวบรวมขอมลทไดจากการสารวจทจะนามาใชในการวเคราะหเพอพฒนา โมเดล Binary Logit จะใชขอมลสาหรบผเดนทางของรถยนตสวนตวทประกอบดวย - ขอมลเกยวกบผขบขหรอปจจยเกยวกบผขบข ไดแก เพศ, อาย และ ระดบรายได, และ เกยวกบเสนทางและการเดนทางหรอปจจยเกยวกบลกษณะการเดนทาง ไดแก จานวนผรวมเดนทาง , ความคนเคยตอเสนทาง และ จดหมายปลายทาง รวมทงวตถประสงคการเดนทาง - ขอมลเกยวกบหลกเกณฑในการตดสนใจเลอกเสนทางหรอปจจยเกยวกบคณสมบตของเสนทางไดแก เวลาทใชในการเดนทางในแตละเสนทาง, ความปลอดภย, สภาพการจราจร , คาผานทาง(ถาม) , ความใกลไกลของเสนทางจากจดเรมตนเดนทางทไดจากการสอบถามลกษณะการเดนทางทมอยหรอลกษณะการเดนทางทตองการสารวจจะเหนวา ขอมลลกษณะเชนนจะเปนขอมลหรอปจจยทถกคาดวามอทธพลตอการเลอกเสนทางมากทสด เมอทาการรวบรวมขอมลทไดจากการสารวจเขาในการจดหมวดหมในโปรแกรม SPSS (ตามทแสดงไวในภาคผนวก) จากนนขนตอไปจะเปนการคดเลอกตวแปรทไดจากการรวบขอมลทมาจากการสารวจขอมล ซงดาเนนการสารวจระหวางวนจนทรท 8 มนาคม 2547 ถง วนอาทตยท 14 มนาคม 2547 ไดทาการรวบรวมขอมลสารวจทงสนเปนจานวน 380 ตวอยาง รถยนตสวนตว ประมาณ 280 ตวอยาง และ รถขนสงสนคาประมาณ 100 ตวอยาง หลงจากทาการคดสรรขอมลโดยการจาแนกขอมลตามจดเรมตน-ปลายทาง คอ คดเลอกขอมลเฉพาะทมจดเรมตนท แหลมฉบง จงหวดชลบร สวนจดปลายทางอยท จงหวดระยอง จากขอมลของรถยนตสวนตว เพอศกษารปแบบจาลองพฤตกรรมการเลอกเสนทางทมจดเรมตน และ จดหมายปลายทางทแนนอน (Route Choice Decision)

3.2 การคดเลอกตวแปร (Variable Selection)และ การกาหนดคาของกลมขอมล (Dummy Variable encoding) ในการศกษานไดทาการรวบรวมขอมลทไดจากแบบสอบถามและสามารถกาหนดเปน

ตวแปรไดทงหมด 2 กลม ตามปจจยทเกยวของตามลกษณะตาง ๆ ในแบบจาลองของ Independent Variable หรอ ตวแปร x และ 2 ทางเลอก สาหรบ Dependent Variable หรอ ตวแปร y ปจจยทสามารถแสดงในแบบจาลองของ Dependent Variable (ตวแปร y) ประกอบดวย 1 ปจจยใน Dependent Variable ม 2 ทางเลอก ไดแก 1) ปจจยแสดงทางเลอกของเสนทาง เสนทางถนนสขมวท คอ เสนทางท 0 เสนทางถนนบายพาส หมายเลข 36 คอ เสนทางท 1 ดงนน ใน Dependent Variable จะเปนตวแปร Quality มคาทกาหนดเปน 2 คา

34

กลมทสามารถแสดงในแบบจาลองของ Independent Variable (ตวแปร x) ประกอบดวย 2 กลมตามลกษณะการแบงกลมในขนตอนการรวบรวมขอมลเบองตนทกาหนดไดในขนตอนแรก ในเรองเกยวกบการแบงลกษณะของกลมขอมลทไดจากการสารวจซงสบเนองไปถงการจดกลมของ Independent Variable แตละกลมทอยในแบบสอบถามสามารถกาหนดเปนคาตวแปร x ไดหลายคา ขนอยกบความเหมาะสมของการพฒนาแบบจาลอง Binary Logit ซงกลมทงสองท จะพจารณาใสในแบบจาลอง (ตวแปร x) จะประกอบดวย

1) ปจจยหลกเกณฑในการตดสนใจเลอกเสนทาง ไดแก เวลาการเดนทาง สภาพ การจราจร และความปลอดภยของแตละเสนทางทจะพจารณา จะเปนปจจยหลกทสงผลตอการตดสนใจมากทสด นอกจากนยงรวมไปถงความใกลไกลของจดเรมตนของเสนทางและความใกลไกลของระยะทางจากจดหมายปลายทางอกดวย

2) ปจจยเกยวกบผขบขและเสนทางการเดนทาง(รวมทงวตถประสงคการเดนทาง) ประกอบดวย เพศ อาย รายไดตอเดอน ความคนเคยการใชเสนทาง วตถประสงคการเดนทาง

กลมทงสองกลมจะอยในการกาหนดคาถามในแบบสอบถามททาการสารวจ และการ แจกแจงสวนประกอบทเปนตวแปรตน (ตวแปร x) ซงการสารวจแบบ RP จะถกบรรจอยในกลมท 1 และ ท 2 โดยจะนาปจจยหรอตวแปรอสระเหลานมาผสมผสานหรอรวมกนในการวเคราะหขอมลเพอใหไดสมการหรอโมเดลทเหมาะสมโดยตรวจดคณสมบตตาง ๆ ตามความเปนไปไดของทฤษฏคณตศาสตรทางสถตและทฤษฏการเลอกเสนทางดงทกลาวในหวขอตอไป กอนทจะดาเนนการวเคราะหขอมลโดยผานโปรแกรมการคานวณตองมาทาการคดเลอก จากการจดกลมปจจยทพจารณาเปนตวแปร x ไดทง 2 กลม ซงจะตองมาทาการคดเลอกตวแปรเพอสรางแบบจาลอง โดยทตวแปรอาจจะเนนคดเลอกมาจากกลมปจจยเกยวกบหลกเกณฑการตดสนใจเลอกเสนทาง ไดแก เวลาการเดนทาง, สภาพการจราจร และความปลอดภย ฯลฯ หรอ จากกลม ปจจยเกยวกบผขบข ไดแก เพศ อาย รายไดตอเดอน ฯลฯ แตละปจจยทถกกาหนดมาเพอพฒนา แบบจาลองถกเลอกมาจากพนฐาน

1) ขอโตแยงทางทฤษฎ หรอ ตวแปรทมอยในทฤษฎ 2) ปจจยเคยถกใชเปนปจจยในผลงานทมาของงานวจยทมลกษณะการกาหนดตวแปร

คลายคลงกนทมผลการศกษาตางยนยนถงความสาคญของตวแปร เชน เวลาการ เดนทาง, สภาพการจราจร

3) ปจจยทสามารถใหผลทางสถตทด สอดคลองกบเนอหาทฤษฎทใชในการทาวจย

35

หลงจากการคดเลอกตวแปรจากพนฐานหรอบรรทดฐานในการคดเลอก 3 ขอดงทกาหนดขางบน จะตองทาการแบงแยกตวแปรอกเพอใหสอดคลองการใชโปรแกรม SPSS เพอใสตามคมอของการใชโปรแกรมโดยแบงเปน

• ตวแปรชนด String เปนตวแปรเชงกลม (Categorical variables) • ตวแปรชนดตวเลข(Numeric) เปนตวแปรเชงปรมาณ

จากตวแปรชนด String , ตวแปรเชงกลม(Categorical variable) หรอตวแปรเชงคณภาพ ถาขอมลมคา k คา จาเปนตองกาหนดDummy Variable เปนจานวน k-1 จานวนโดยท Dummy Variable จะมคาไดเพยง 2 คาคอ คา 0 กบคา 1 ยกตวอยางเชน ตวแปรเกยวกบสของรถยนตซงเปนตวแปรประเภท Nominal Scale มสทตองพจารณาอย 3 ส คอ สแดง สนาเงน สเหลอง สามารถสราง Dummy Variable ไดดงนคอ สแดง = 1 ถาเปนสแดงจรง

= 0 ถาเปนสอน ๆ สนาเงน = 1 ถาเปนสนาเงน = 0 ถาเปนสอน ๆ ดงนนเมอ ตวแปรDummy สแดงและสนาเงนมคาเปน 0 ทงสองตวแปร แสดงถงวาเปนตวแปร

Dummy สเหลอง ถอวาตวแปร Dummy สเหลองเปนตวแปรDummy ทเปนฐานใหเปรยบเทยบกบตวแปรDummy สแดงและสนาเงน สามารถแสดงตวอยางผลของการกาหนดDummy Variable ไวตามตารางตวอยางขางลาง

สของรถยนต คา ความถ(จานวน) Parameter Coding

(1) Parameter Coding

(2) สแดง 1 13 1 0 สนาเงน 2 20 0 1 สเหลอง 3 18 0 0 ตารางท 3.1 : Dummy Variable Results จากตารางท 3.1 จะเหนไดวา จานวนสแดงทแสดงผลลพธในตารางจะมจานวน 13 ตวอยาง

เนองจาก Parameter Coding ของสแดงกาหนดคา ท 1, จานวนสนาเงนทแสดงผลลพธในตารางจะมจานวน 20 ตวอยาง ตามทกาหนดจาก Parameter Coding สวนสเหลองจะมจานวนอย 18 ตวอยางตามทกาหนดจาก Parameter Coding (0,0 = สแดง,สนาเงน)

ในงานวจยฉบบน โดยเฉพาะสวนเกณฑการตดสนใจในการเลอกเสนทาง จะทาการออกแบบแบบสารวจเปนแบบใหระบความชอบหรอความพงพอใจเปนอนดบความพงพอใจใหเลอกเพยง 3 อนดบจาก 10 ทางเลอก ในการลงขอมลเพอทาการวเคราะหขอมลจะใชขอมลหลกเกณฑการตดสนใจ

36

เลอกเสนทาง ในฐานะเปนตวแปรเชงกลม หรอ ตวแปรDummy ซงมคากาหนด ตวแปร Dummy แตละคามเพยง คา 0 กบ 1 เทานน โดย 0 = เหนวาไมสาคญตอการตดสนใจ และ 1 = เหนวามความสาคญตอการตดสนใจ และการลงขอมลเกยวกบหลกเกณฑการตดสนใจในการเลอกเสนทางการเดนทาง จะนาเอาเกณฑการตดสนใจเลอก ปจจยการเลอกเสนทางทถกเลอกอนดบหนงในการเลอกเสนทางมาพจารณาในการสรางโมเดล ดงนนการลงขอมล หรอการกาหนดตวแปรในเรองหลกเกณฑการตดสนใจในการเลอกเสนทางจะมลกษณะคลายกบทฤษฏบททบรรยายในเบองตนทผานมา

ดงนน การกาหนดคาในการลงขอมลของตวแปร Dummy ดงกลาว สามารถสรปการลงขอมลของ ตวแปรเชงกลม หรอ Dummy Variable ไดดงน

กลมตวแปรขอมลพนฐาน - ตวแปรเพศ เพศชาย = 0 (Category Base) เพศหญง =1 - ตวแปรวตถประสงคของการ วตถประสงคเพอการทางาน = 1 วตถประสงคเพอการพกผอน = 2 วตถประสงคเพออน ๆ = 3 ( Category Base) กลมตวแปรขอมลหลกเกณฑการตดสนใจในการเลอกเสนทาง - ตวแปรหลกเกณฑในการเลอกเสนทางทงหมดแตละปจจย ไมใหความสาคญ = 0 ใหความสาคญ = 1 การศกษาผลงานทผานมาหลายแหง พบวา ปจจยทสาคญในการเลอกเสนทางทสาคญ เชน

เวลาและคาใชจายในการเดนทาง สวนมากมความสมพนธเชงเสนตรง งานวจยฉบบนเลอกใชวธการผสมผสานรปแบบขอมลทงขอมลพนฐานของผขบข และ หลกเกณฑการเลอกเสนทางในสถานการณ ทเกดขนจรง เพอสรางทางเลอกเพอกาหนดตวแปรทสรางแบบจาลองตอไป โดยจะเนนปจจยทมาจากปจจยหลกเกณฑการตดสนใจเลอกเสนทาง และขอมลพนฐานของผขบข ในการสรางรปแบบจาลอง

3.3) การกาหนดรปแบบจาลอง (Binary Logit Model)

การวเคราะหแบบโลจต (Logit Model Approach) เปนการพจารณาสมประสทธทได จากวเคราะหขอมล ทก ๆ ตวพรอมกน หรอ มการวเคราะหในระยะเวลาเดยวกน ( Simultaneous) เปนขอดในการประมาณคาหรอการวเคราะหผลทไดจากกลมตวอยางไดเปนอยางด นอกจากนยงเปนโมเดลทเหมาะสมกบแบบจาลองทนยมใชในการวเคราะหขอมลเชงคณภาพ ขอมลประเภทนสวนมากเปน

37

ขอมลทมลกษณะไมตอเนอง หรออยในลกษณะทางเลอกใดทางเลอกหนง (Choice) ซงในงานวจยฉบบนไดทาการแบงทางเลอกของตวแปรตาม (Dependent Variable) ออกเปน 2 ทางเลอก คอ เลอกเสนทางสาย บายพาส (หมายเลข 36 ) กบ เลอกเสนทางสาย สขมวท

หลงจากการรวบรวมขอมลและการคดเลอกตวแปรแลว จะตองนาขอมลทไดจากการสารวจและคดสรรมาวเคราะหทางสถตเชงทดสอบแบบ Logistic RegressionซงตางจากการวเคราะหสมการถดถอยเชงเสนอยางงายทอาศยเทคนคการวเคราะหทางสถตแบบOLS(Ordinary Least Square) แตการวเคราะหสมการถดถอยแบบ Logistic Regression หรอ Logit จะอาศยเทคนคการวเคราะหทางสถตแบบMaximum Likelihood ถงแมวารปสมการหรอผลลพธของสมการจะมรปแบบเชงเสนตรงทคลายกนแตเทคนคการวเคราะหนนตางกนเหตผลทตองใชการวเคราะหการถดถอยแบบ Logistic Regression ดงทไดกลาวในเบองตนแลวในบทท 2 ไดแก เมอ Plot Scatter Diagram โดยทคา y เปนคาตวแปรเชงกลมทสนใจ และตวแปรตนคอตวแปรหรอปจจยทมอทธพลตอการเกดเหตการณ Y พบวา ความสมพนธระหวางตวแปรตาม(Dependence Variable ) กบตวแปรตน (Independence variable) ไมไดอยในรปของสมการเสนตรงแตอยในรปของ

β 0 + β 1 x E (y) = l

β 0 + β 1 x 1 + l

สมการขางบนถกเรยกวา Logistic Response Function ; E(y)มคาอยในชวง 0-1 การทคา y เปน Dichotomous Variable ทาใหชวงของคาตวแปรตามอยในชวงเพยง 0-1

เทานนซงถาใชสมการเสนตรงอาจจะมคาไมอยในชวง 0-1 รวมทงเหตผลเนองมาจากการกระจายทไมปกตของ Stochastic Error Term และ ปญหาเกยวกบ Heterskedasticity ของ Stochastic Error Term ทาใหการวเคราะหการถดถอยแบบ Logistic Regression ทอาศยเทคนคการวเคราะหทางสถตดวยวธ Maximum Likelihood แทนทการวเคราะหการถดถอยสมการเชงเสนทวไปทอาศยเทคนคการวเคราะหทางสถตดวยวธ OLS(Ordinary Least Square)

เพอประมวลผลออกมาเปนแบบจาลองแบบตาง ๆ ของพฤตกรรมการเลอกเสนทางแบบ Binary Logit Model รปแบบจาลองทออกมาหลากหลายรปแบบเกดจากการผสมผสานตวแปรในฟงกชนความพงพอใจ โดยอาศยพนฐานทฤษฏพฤตกรรมความถงพอใจในการเลอกรปแบบการเดนทางจกตองอยในขอบเขตของหลกการเหตผลทสมเหตสมผลในเชงพฤตกรรมการเลอกเสนทางเนองจากการวจยลกษณะ Socio Economic ลกษณะแบบนจาเปนตองพงหลกการตดสนใจแบบเชงวจารญาณตรรกทางดานสงคมดวย

38

การกาหนดแบบจาลองจาเปนตองเลอกตวแปรทจะใชในการใสลงไปในแบบจาลองกอน จงไดทาการคดสรรตวแปรตามทไดกลาวมาในเบองตน คอ พจารณาจากกลมตวแปรททงทฤษฎและผลงานทผานมาไดใหการยอมรบการมนยสาคญในการกาหนดตวแปรนในโมเดลการสรางแบบจาลองพฤตกรรมการเลอกเสนทาง ตวแปรดงกลาวประกอบดวยปจจยพนฐานของผขบขไดแก อาย วตถประสงคการเดนทาง เพศ รายได เปนตน สวนหลกเกณฑการเลอกเสนทางในการเดนทางไดแกเวลาในการเดนทาง สภาพจราจร ความปลอดภย สภาพทาง ความคนเคยการเดนทาง ฯลฯ เมอนาตวแปรทงสามารถผสมผสานกนในรปแบบจาลองในฟงกชนความพงพอใจแลว จะทาการทาใหเกดความหลากหลายของโมเดลเพอหาความเหมาะสมตอไป

งานพฒนาโมเดล Binary Logit ของงานวจยฉบบนไดนาตวแปรทไดจากการสารวจแบบRP รวมทงใชบรรทดฐานของการคดสรรการเลอกตวแปรตนตามทกาหนดไวในเบองตน มาดาเนนการวเคราะหซงตวแปรอสระตาง ๆของปจจยพนฐานของผขบข ประกอบดวย เพศ รายได จดหมายปลายทาง วตถประสงคของการเดนทางและเกณฑการตดสนใจในการเลอกเสนทางโดยการวเคราะหการถดถอยแบบLogistic แบงตวแปรอสระทกาหนดมาออกเปนกลมการวเคราะหตามทฤษฏการเลอก(Combination Theory) ออกเปน 2 กลมคอ

- กลมตวแปรอสระ ของ ปจจยพนฐานของผขบข ไดแก เพศ รายได อาย ฯลฯ รวมทงวตถประสงคการเดนทาง - กลมตวแปรอสระ ของ หลกเกณฑการตดสนใจการเลอกเสนทางของ ผขบข ไดแก เวลาในการเดนทาง สภาพการจราจร ความปลอดภย ฯลฯ การกาหนดตวแปรเพอวเคราะหการถดถอยแบบLogistic แบบนจะทาใหไดรปแบบหรอ

โอกาสทครอบคลมการกาหนดตวแปรอสระแบบผสมผสานทงจากหลกเกณฑการตดสนใจในการเลอกเสนทาง และ ขอมลพนฐานของผขบข

การดาเนนการวเคราะหโมเดลเรมจากการกาหนดตวแปรอสระทงหมดใสลงไปในโมเดล แลวเลอกใชวธ Backward Stepwise Analysis ในการวเคราะห หลงจากนนคอยลดตวแปรทละตวโดยพจารณาจากการลดตวแปรแตละตวททาการลดวามผลกระทบตอรปแบบจาลองมากนอยอยางไร โดยพจารณาจาก คา Log likelihood ทไดจากการวเคราะหรปแบบจาลองแตละครงททาการวเคราะหในการกาหนดรปแบบพฤตกรรมการเลอกเสนทาง ขนตอนททาการคดสรรตวแปรหลากหลายในแตละรปแบบจาลอง แตละรปแบบจาลองจะถกตรวจสอบคณสมบตของ Binary Logit Model ซงจะกลาวตอไปหลงจากขนตอนน

39

3.4)การตรวจสอบคณสมบตของ Binary Logit Model การตรวจสอบคณสมบตของ Binary Logit Model แบงออกเปน 4 หวขอหลกสามารถ

สรปโดยยอในการกาหนดหลกเกณฑในการพจารณาการคดเลอกสมการหรอโมเดลทเหมาะสมไดดงตอไปนคอ

3.4.1 การตรวจสอบเครองหมายหนาสมประสทธของแตละตวแปรอสระ การตรวจสอบเครองหมายหนาสมประสทธของแตละตวแปรอสระวาตรงตาม

สมมตฐานหรอตรงตามทฤษฏทกาหนดไวหรอไม การตรวจสอบคณสมบตประเภทนเปนการตรวจสอบ คาสมประสทธทประมวลผลจากการสรางรปแบบจาลองวา มผลสรปนาเชอถอหรอมความเปนเหตเปนผลในเชงพฤตกรรมหรอไม โดยการตรวจสอบคณสมบตดานนมขนตอนในการตรวจสอบความนาเชอถอไดดงน

การตรวจสอบเครองแบบสมประสทธเปนอนดบแรกของการสรางรปแบบจาลอง จกตองตระหนกถงการกาหนดสมมตฐาน (Ho) ของสมประสทธทถกกาหนดไวในรปแบบจาลอง และการกาหนดสมมตฐานของเครองหมายสมประสทธจกตองคานงความเปนจรงและกรอบของทฤษฎความพงพอใจทกาหนดเครองหมายตางๆในสมมตฐาน ซงสมประสทธจะสะทอนถงทศทางของอทธพลของตวแปรตางๆ ทถกกาหนดในแบบจาลองทสงผลตอความถงพอใจของการเดนทาง สามารถจาแนกแจกแจงการอธบายเครองหมายของสมประสทธไดวา

ถาสมประสทธมคาเปนบวกแสดงวา log(odds) เพมขนหรอคาความนาจะ เปนของการเลอกทางเลอกอนหนงจะมโอกาสเกดมากกวาความนาจะเปนของทางเลอกทถกกาหนดเปนความนาจะเปนของ Baseline Categories คาสมประสทธของตวแปรจงมคาเปนบวก เพราะคาลอการทมของจานวนทคาอยชวงมากกวาหนง คาลอการทมมคาเปนบวก ทางตรงขามสมประสทธมคาเปนลบแสดงวา log(odds) ลดลงหรอความนาจะเปนของการเลอกของทางเลอกอนหนงจะมโอกาสทเกดความนาจะเปนนอยกวาคาความนาจะเปนของทางเลอกทถกกาหนดเปนความนาจะเปนของ Baseline Categories คาสมประสทธของตวแปรจงมคาเปนลบ ดงนนคาสมประสทธของตวแปรจงมคาตดลบ เพราะคาลอการทมของจานวนทคาระหวาง 0-1 มคาเปนลบ ดวยเงอนไขดงกลาวเหลานสามารถจะทานายสมประสทธวตถประสงคของการเดนทางไดคอสมประสทธของวตถประสงคในการเดนทางควรมคาเปนลบสาหรบในการวเคราะหของงานวจยฉบบน การทสมประสทธของวตถประสงคทใชในการเดนทางมคาเปนลบจะแสดงความสมพนธระหวาง logit กบวตถประสงคของการเดนทางจะมทศทางตรงขามและ สามารถสรปวาเมอผเลอกเสนทางเลอกการพกผอนหรอทองเทยวซงจดคะแนนอยลาดบทสงกวาการทางานแสดงถงความนาจะเปนทเลอกเสนทางพทยา-ระยอง (ถนนสขมวท) มากกวาความนาจะเปนเลอกสายบายพาสเพราะผเลอกเสนทางเพอวตถประสงคการทองเทยวจะไปใชเสนทางพทยา-ระยองมากกวา สวนผเลอกเสนทางเพอวตถประสงคเพอการทางานสวนมากจะเลอกใชเสนทาง

40

บายพาส เมอปจจยตางๆในแบบจาลองถกกาหนดไมเกดการเปลยนแปลง ดงนนสมประสทธของวตถประสงคทใชในการเดนทางเพอการทางานควรมคาเปนบวก หลกการนคลายกบหลกการทวไปในการวเคราะหสมการเพออธบายความหมายของสมประสทธ บางครงการวเคราะหลกษณะเชนน บางครงเรยก Partial Equilibrium

ในทานองเดยวกนกบการวเคราะหเครองหมายสมประสทธของเวลาทใชในการ เดนทางสามารถทใชการวเคราะหหรอการทานายเครองหมายสมประสทธของจดหมายปลายของงานวจยฉบบน กควรจะมคาเปนบวกเมอใชหลกการวเคราะห เชนเดยวกนกบหลกการทกลาวมาเบองตน โดยสามารถอธบายได ในกรณทสมประสทธของเวลาทใชในการเดนทางมคาเปนบวกจะระบถงความสมพนธระหวาง logit กบ ระยะเวลาการเดนทางทสามารถสรปวา เมอผเลอกเสนทางเลอกปจจยดานเวลามากแสดงถงความนาจะเปนทเลอกเสนทางบายพาสมากกวาความนาจะเปนเลอกสายพทยา-ระยอง สวนในกรณทสมประสทธของจดหมายปลายทางของงานวจยฉบบนกเชนกน สมประสทธของจดหมายปลายทใชในการเดนทางควรมคาเปนบวกจะระบความสมพนธระหวาง logit กบจดหมายปลายทางการเดนทางทสามารถสรปวาเมอผเลอกเสนทางเลอกปลายทระยองมากแสดงถงความนาจะเปนทเลอกเสนทางบายพาสมากกวาความนาจะเปนเลอกสายพทยา-ระยอง

ดงนนการกาหนดเครองหมายของตวแปรทใชในการวเคราะหBinary Logit Model ของพฤตกรรมการเลอกเสนทางโดยคดเลอกจากทฤษฏและแบบจาลองรวมทงงานวจยทเคยดาเนนงานลกษณะใกลเคยงกนสามารถสรปเปนตารางทแสดงถงการคาดคะเนทศทางการเคลอนไหวอาศยเครองหมายของสมประสทธตวแปรได โดยฟงกชนหรอโมเดลทวเคราะหออกมาไดกาหนดใหคาคงทและสมประสทธของสมการจะปรากฏอยเฉพาะในฟงกชนความพงพอใจทจะเลอกเสนทางสายบายพาส ขณะเดยวกน ความพงพอใจทจะเลอกเสนทางสายพทยา-ระยองจะถกกาหนดเปน Baseline categories function รวมทงโมเดลหรอสมการทไดจากการวเคราะหโปรแกรมจะเปน log(odds) function หรอ Logit model

41

ตารางท 3.2 ความสมพนธเครองหมายของสมประสทธตวแปรกบ พฤตกรรมของตวแปร

อสระ

ตวแปร ทศทางหรอเครองหมายของสมประสทธ

พฤตกรรมของตวแปรอสระใน Binary Logit Model

1) เวลาทใชในการเดนทาง บวก สมประสทธของเวลาทใชในการ เดนทางมคาเปนบวกจะระบความ สมพนธระหวาง logit กบ ปจจยหรอเกณฑการตดใจสน เกยวกบเวลาการเดนทางทสามารถสรปวาเมอผ เลอกเสนทางใหความสาคญเกยวกบเวลาในการตดสนใจโดยเลอกปจจยเกยวเวลามากแสดง ถงความนาจะเปนทเลอกเสนทาง บายพาสมากกวาความนาจะเปนเลอก สายพทยา-ระยองทใหความสาคญของสมประสทธ มคาเปนบวก เพราะวา ถนนสายบายพาส ม ระยะทางทสนกวาเนองจากเปนทางเลยงเมอง รวมทง มสภาพสแยกและปรมาณรถนอยกวา ถนนสายสขมวท

2) ความปลอดภย บวก สมประสทธของความปลอดภย ในเสนทางการเดนทางมคาเปนบวกจะระบความ สมพนธระหวาง logit กบ ปจจยหรอเกณฑการตดใจสน เกยวกบความปลอดภยทสามารถสรปวาเมอผ เลอกเสนทางใหความสาคญเกยวกบปจจย เกณฑการตดสนเกยวกบความปลอดภย โดยเลอกปจจยเกยวกบความปลอดภยมากแสดง ถงความนาจะเปนทเลอกเสนทางบายพาสมากกวาความนาจะเปนเลอกสายพทยา-ระยองทใหความสาคญของ สมประสทธมคาเปนบวก เพราะวา ถนนสายบายพาสม สภาพถนนคอนขางด และปรมาณการจราจรนอย จงควร มการเกดอบตเหต รวมทงความปลอดภยดกวา

42

3) จานวนรถโดยสารประจาทาง หรอ จานวนรถบรรทก

บวก สมประสทธของจานวนรถโดยสารประจาทาง หรอ จานวนรถบรรทก ในเสนทางการเดนทางมคาเปนบวกจะระบความ สมพนธระหวาง logit กบ ปจจยหรอเกณฑการตดใจสน เกยวกบจานวนรถโดยสารประจาทาง หรอ จานวนรถบรรทกทสามารถสรปวาเมอผ เลอกเสนทางใหความสาคญเกยวกบปจจย เกณฑการตดสนเกยวกบจานวนรถโดยสารประจาทาง หรอจานวนรถบรรทกโดยเลอกปจจยเกยวกบจานวนรถ โดยสารประจาทาง หรอจานวนรถบรรทกมากแสดง ถงความนาจะเปนทเลอกเสนทางบายพาสมากกวาความนาจะเปนเลอกสายพทยา-ระยอง ทใหความสาคญ ของสมประสทธมคาเปนบวก เพราะวา ถนนสาย บายพาส มปรมาณรถโดยสารประจาทางคอนขางนอย

3) สภาพผวถนนหรอ สภาพทาง

บวก สมประสทธของสภาพผวถนน ในเสนทางการเดนทางมคาเปนบวกจะระบความ สมพนธระหวาง logit กบ ปจจยหรอเกณฑการตดใจสน เกยวกบสภาพผวถนนทสามารถสรปวาเมอผ เลอกเสนทางใหความสาคญเกยวกบปจจย เกณฑการตดสนเกยวกบสภาพผวถนน โดยเลอกปจจยเกยวกบสภาพผวถนนมากแสดง ถงความนาจะเปนทเลอกเสนทางบายพาสมากกวาความนาจะเปนเลอกสายพทยา-ระยองทใหความสาคญของ สมประสทธมคาเปนบวก เพราะวา ถนนสายบายพาส ม สภาพผวของถนนคอนขางดกวา และเปนถนนทสราง ใหม สามารถวงดวยความเรวสงได

4)ปรมาณการจราจร บวก สมประสทธของปรมาณการจราจรในเสนทางการ เดนทางมคาเปนบวกจะระบความ สมพนธระหวาง logit กบ ปจจยหรอเกณฑการตดใจสน เกยวกบปรมาณการจราจรทสามารถสรปวาเมอผ เลอกเสนทางใหความสาคญเกยวกบปรมาณการจราจร โดยเลอกปจจยเกยวกบปรมาณการจราจรมากแสดง

43

ถงความนาจะเปนทเลอกเสนทางบายพาสมากกวาความนาจะเปนเลอกสายพทยา-ระยองทใหความสาคญของ สมประสทธมคาเปนบวก เพราะวา ถนนสายบายพาส ม ปรมาณการจราจรคอนขางนอย รวมทงมสแยกไฟเขยว ไฟแดงไมมาก เหมอนเสนทางผานพทยาของ ถนนสขมวท

5)รายได บวก หรอ ลบหรอ ศนย

สมประสทธของรายไดของผขบขมคาเปนลบจะระบความสมพนธระหวาง logit กบ รายได ของผเดนทางทสามารถสรปวาเมอผเลอกเสนทางเลอก มรายไดมากขน แตกลบเลอกเสนทางสขมวท ทาใหความนาจะเปนทเลอกเสนทางสขมวทมากกวาความนาจะเปนเลอกสายบายพาส ถาสมประสทธของวตถประสงคทใชในการเดนทางมคาเปนบวกจะระบความสมพนธระหวาง logit กบรายได ของผเดนทางทสามารถสรปวาเมอผเลอกเสนทางม รายไดมากขนเลอก แตเลอกเสนทางสายบาย พาส ทาใหความนาจะเปนทเลอกเสนทางบายพาส มากกวาความนาจะเปนเลอกสายสขมวท

6)วตถประสงคการเดนทาง ลบ,บวกหรอศนย

สมประสทธของวตถประสงคทใชในการเดนทางมคาเปนลบจะระบความสมพนธระหวาง logit กบวตถประสงค ของการเดนทางทสามารถสรปวาเมอผเลอกเสนทางเลอกการพกผอนหรอการทางาน แตกลบเลอกเสนทางสขมวททาใหความนาจะเปนทเลอกเสนทางสขมวท มากกวาความนาจะเปนเลอกสายบายพาส ถาสมประสทธของวตถประสงคทใชในการเดนทางมคาเปนบวกจะระบความสมพนธระหวาง logit กบวตถประสงค ของการเดนทางทสามารถสรปวาเมอผเลอกเสนทางเลอกการพกผอนหรอการทางาน แตเลอกเสนทางสายบาย พาส ทาใหความนาจะเปนทเลอกเสนทางบายพาส มากกวาความนาจะเปนเลอกสายสขมวท

44

7) อาย ลบ บวก หรอ

ศนย สมประสทธของอายในเสนทางการเดนทางมคาเปนบวกแสดงวาความสมพนธระหวาง logit กบ ปจจยพนฐาน เกยวกบอายมทศทางตามกน คอ เมอผเลอกเสนทางหรอ ผขบขมอายมากขน พฤตกรรม การเลอกเสนในการเลอกเสนทางสายบายพาส มากขน หรอ คาสมประสทธของเพศ อาจจะมคาเปนลบ แสดงวาความสมพนธระหวาง logit กบ ปจจยพนฐาน เกยวกบอายมทศทางตรงขามกน คอ เมอผเลอกเสนทางหรอ ผขบขมอายมากขน พฤตกรรม การเลอกเสนในการเลอกเสนทางสายบายพาส นอยลง

8) เพศ ศนยหรอ บวก,ลบ

สมประสทธของเพศในเสนทางการเดนทางมคาเปนบวกแสดงวาความสมพนธระหวาง logit กบ ปจจยพนฐาน เกยวกบเพศมทศทางตามกน คอ เมอผเลอกเสนทางหรอ ผขบขเปนเพศหญงสวนมากในกาเลอกเสนทางสายบายพาส เหตผลเนองจากการกาหนดรหสขอมลในการลงโปรแกรมของปจจยพนฐานดานเพศ(การกาหนดรหสขอมลใน SPSS ใหเพศหญง = 1 , เพศชาย =0 ) หรอ คาสมประสทธของเพศ อาจจะมคาเปนลบ แสดงใหเหนถง ปรมาณ หรอสดสวน เพศหญงเลอกใชเสนทาง สขมวท มากกวา บงบอกวา ความนาจะเปนในการเลอก สายบายพาสนอยกวาสายสขมวท

45

3.4.2 การตรวจสอบนยสาคญของอทธพลตวแปร การตรวจสอบนยสาคญของอทธพลตวแปรเปนการตรวจสอบนยสาคญของ

สมประสทธ(Coefficient)วามคาแตกตางจากคาทคานวณไดหรอไม คลายๆกบการตรวจสอบนยสาคญของตวแปรแบบการกระจายแบบปกต โดยอาศยคาสถต Wald Statistic สาหรบใชในการตรวจสอบ ตามสมมตฐานเพอจะทาการทดสอบสมมตฐานเกยวกบ Log-likelihood Ratio สาหรบการทดสอบ Null Hypothesis กบ Alternate Hypothesis คอ H0 : β = β 0

H1 : β ≠ β 0 โดยท The Restricted Parameter Space (ω (Space)) ประกอบดวยตวแปร β 0 สามารถสราง Likelihood Ratio ไดคาเทากบ λ = l( β 0 )/ l( β ) ทาการ Take คา ln ทงสองดาน จะได

LR = -2 In λ = 2 In ( ( ) ( ) )0ˆ ββ ∫−∫ a ~ 2

Jχ ซงจะนาไปทดสอบสมมตฐานตามทกาหนด โดยท J มคาเทากบ จานวนพารามเตอรทมขอบเขตจากด

ภายใตสตร Wald Statistic

W= ( ) ( )⎥⎦

⎤⎢⎣

⎡−−

=ββββββ ˆ2

22

0ˆ

dLd

โดยท β - β 0 = คาความแตกตางระหวาง ส.ป.ส Maximum likelihood Ratio กบ ส.ป.ส. ของ The Restricted Parameter Space

L ( )β = Likelihood Ratio Function

3.4.3 การตรวจสอบนยสาคญของความแตกตางระหวางรปแบบ การตรวจสอบนยสาคญของความแตกตางระหวางรปแบบ หมายถง การตรวจสอบนยสาคญของรปแบบแบบจาลอง 2 รปแบบทมโครงสรางเกอบเหมอนกนทกประการ แตอกแบบหนงมขอจากดในสมประสทธบางอยางมากกวาอกแบบหนงจาเปนตองตรวจสอบแบบจาลองทงสองวามรปแบบแตกตางกนหรอไมของทงสองรปแบบ โดยอาศยฟงกชนลอการทมความเปนไปได(Log-Likelihood Function) ของแบบจาลองทงสองมาเปรยบเทยบ ตามสมการ ( ) ( )[ ] 2

2/2,**2

Ru kkuR XLLLL −⟩−− ββ โดย Ku , KR = จานวนสมประสทธทอยในแบบจาลอง U และ R

22/2,RU KKX − = คาไคสแควรวกฤต ทองศาอสระเทากบ Ku , KR

อยทระดบความเชอมน 1- α

46

Ku , KR = องศาอสระทมคา Ku , KR α = คานยสาคญ ( )*

RLL β = คาลอการทมของฟงกชนความเปนไปไดผลมาจากการประมาณคากลม สมประสทธแบบจาลองทมขอจากดมากกวา (Restricted Model)

( )*ULL β = คาลอการทมของฟงกชนความเปนไปไดผลมาจาการประมาณคากลม

สมประสทธแบบจาลองทมขอจากดนอยกวา (Unrestricted Model) คาสถตทไดจากสมการขางบน มการแจกแจงแบบไคสแควร (Chi Square) โดยม degree of freedom = Ku , KR ถงคาความแตกตางของ Log-Likelihood function ทไดจากสมการขางบน ตามเงอนไข สามารถปฏเสธรปแบบจาลองทตงขนมาแบบมขอจากด ดวยระดบความ เชอมน (1 - α) 3.4.4 การตรวจสอบระดบความเหมาะสมของสมการ(Goodness of Fit) ตามสมการ ( )

( )oLLLL βρ −= 1 (Pseudo R-Square)

2ρ = Log – Likelihood Ratio or McFadden R-square, Cox&Snell R-Square,

(Nagelkerk R-Square=SquareMaxSnellRCox

SquareSnellRCox−−

&& )

( )*βLL = คาลอการทมฟงกชนความเปนไปไดทไดจากการประมาณคาสมประสทธ(Maximum Log-Likelihood Function)

( )oLL = คาลอการทมฟงกชนความเปนไปไดทใหสมประสทธทกตวมคาเทากบศนย(Log-Likelihood Function)

สมการขางบนจะเปนสมการทใชตรวจสอบระดบความสอดคลอง โดยทการตรวจสอบระดบความสอดคลองนน หมายถง การตรวจสอบความสามารถในการทานายของแบบจาลองทอธบายพฤตกรรมของผเดนทาง เมอตรวจสอบดวยสมการนแลวจะไดใหคาดชนชวดทเรยกวา ดชนวดความสอดคลอง (Likelihood Ratio Index) และดชนนจะมคาเทากบหนงลบดวยอตราสวนของคาลอการทมฟงกชนความเปนไปไดระหวางคาทไดจากการประมาณคาสมประสทธกบคาทไดจากการกาหนดใหสมประสทธทกตวในสมการมคาเทากบศนยการทสมมตใหคาสมประสทธทกตวมคาเปนศนย จะมผลทาใหความนาจะเปนของผเลอกเสนทางแตละทางเลอก มคา

47

เทากนหมดเนองจากคาความนาจะเปนของแตละทางเลอกจะมคาเทากบ ( )in

in

vpein

Pµ×

Σ=

1 โดย

ทมคาพารามเตอร (µ) หรอคาสมประสทธมคาเทากบศนย ดงนน ตามระดบการคาดการณแบบสามญสานกโดยใหคาเฉลยถวงนาหนกในการหาความ

นาจะเปนในแตละทางเลอกเทากนจะสามารถหรอกาหนดหาความนาจะเปนแตปกต ถาม 2 ทางเลอกความนาจะเปนใจแตละทางเลอก จะมคาเทากบ 0.5 หรอ กรณม 3 ทางเลอก จะมคาความนาจะเปนในแตละทางเลอก มคาเทากบ

31

ตามตวอยางการกาหนดหรอการหาคาความนาจะเปนในแตละทางเลอกดงกลาว จะสอดคลองกบสมการหรอโมเดลของ Logit ทไดจากการวเคราะหเมอกาหนดสมประสทธทกตวในสมการใหมคาเทากบศนยซงศนย จะมผลทาใหความนาจะเปนของผเลอกเสนทางแตละทางเลอก มคาเทากนหมด เนองจากคาความนาจะเปนของแตละทางเลอกจะมคาเทากบ

( )in

in

vpein

Pµ×

Σ=

1

และเมอนาการกาหนดคาสมประสทธทกตวในสมการทคาเทากบศนยไปแทนคาในสมการสมการ ( )( )oLL

LL βρ −= 1 (Pseudo R-Square) เพอหาคาดชนวดความสอดคลอง (Log – Likelihood Ratio)

Log Likelihood Ratio Index โดยท แทนคา ( )βLL ใหสมประสทธแตละตวในสมการมคา

เทากบศนย มผลทาใหคาPsuedo R-square มคาเทากบศนยแสดงถงความสามารถในการพยากรณของโมเดลหรอสมการทไดมระดบการพยากรณเพยงระดบการคาดการณความนาจะเปนทใหระดบการคาดการณในแตละทางเลอกทใหนาหนกในแตละทางเลอกเทากนเทานนโดยไมคานงถงปจจยตางๆ ในสภาพความเปนจรงทจะทาใหความนาจะเปนในแตละทางเลอกเกดคาความนาจะเปนทไมเทากน

ถาคาดชนวดความสอดคลองมคาเทากบ 1 แสดงวา แบบจาลองทไดมความสามารถในการ จะอธบายพฤตกรรมทเกดขนจรงไดอยางถกตองตามความเปนจรงเพราะคา ( )βLL ทมคาเทากบ คาลอการทมฟงกชนความเปนไปไดทไดจากการประมาณคาสมประสทธ(Maximum Log-Likelihood

Function) เมอนาไปเขาอตราสวนระหวาง ⎟⎟⎠

⎞⎜⎜⎝

⎛βLL กบ ( )oLL โดยทคา ( )oLL คอ คาลอการทม

ฟงกชนความเปนไปไดทใหสมประสทธทกตวมคาเทากบศนย(Log-Likelihood Function) ซง จะทาใหคาอตราสวนระหวาง ( )βLL กบ ( )oLL มคาอยระหวาง 0-1 ยงคาอตราสวนมคาเขาใกล 1 ทาใหคาของ Log Likelihood Ratio Index มคาเขาใกลศนย ทาใหมระดบการพยากรณของคา Log likelihood Ratio Index ใหคาความนาจะเปนเพยงคาดวาความนาจะเปนในแตละทางเลอกโดยปจจยทกปจจยทถกกาหนดในสมการ logit ไมมผลตอคาความนาจะเปนในการเลอก และ ถา ยง

48

อตราสวนมคาเขาใกล 0 ทาใหคา Log Likelihood Ratio Index มคาเขาใกล 1 ทาใหระดบการพยากรณของ Log Likelihood Ratio Index ใหปจจยหรอตวแปรทกาหนดมาเพอหาสมการของคาความนาจะเปนหรอความแปรผนของ Logistic Regression Model สามารถอธบายโมเดลของทางเลอกทตองการหาไดถกตองอยางสมบรณ

สรปไดวา คา Pseudo R-Square เปนคาสดสวนหรอเปอรเซนตทอธบายความแปรผนของ โมเดลหรอสมการ Logistic Regression ตวอยาง คา Nagelkerke R-Square มคาเทากบ 0.35 สามารถตความไดวา 35 % ของความแปรผนของ Logistic Regression Model สามารถอธบายดวยสมการทวเคราะหได

ตารางท 3.3 คาตาสดทยอมรบไดระหวางสองทางเลอกของดชนวดความสอดคลอง (Ortuzar และ Willumsen ,1994 )

สดสวนการเลอกระหวาง 2 ทางเลอก คาตาสดทยอมรบได 50/50 60/40 70/30 80/20 90/10 95/5

0.00 0.03 0.12 0.28 0.53 0.71

3.4.5 การตรวจสอบความสมเหตสมผลในเชงพฤตกรรม เมอไดทาการประมวลผลเพอหาผลสรปแบบจาลองทจะไดคาสมประสทธของ

ตวแปรแตละคาแลว ตองนาสมประสทธทไดของตวแปรมาเปรยบเทยบกนเพอตรวจสอบดถงความสมเหตสมผลในเชงพฤตกรรมหรอไม ดงตวอยางเชนการเปรยบเทยบความนาจะเปนในดานอทธพลของเวลาทใชในการเดนทางทมตอความพงพอใจของผเลอกเสนทางระหวางการเดนทางสายบาสพาสหมายเลข 36 กบสายสขมวท (พทยา – สตหบ – ระยอง) สายบาสพาสควรทจะมโอกาสในการเลอกปจจยการใชเวลาในการเดนทางมากกวาโอกาสในการใชเวลาในการเดนทางในถนนสายสขมวท ดงนนคาสมประสทธเวลาทใชการเดนทางของสายบาสพาสเมอใชสายทางบาสพาสเปนสายทเปรยบเทยบกบสายทางสขมวทซงเปนสาย Baseline จงควรมคาเปนบวก เหตผลการเกดลกษณะนเนองจากความสมพนธระหวาง log(odds) กบปจจยทมอทธพลตอการเลอกเสนทางซงจะผลทางเครองหมายบงบอกถงทศทางของความสมพนธ

49

ในทางตรงขาม การเปรยบเทยบคาสมประสทธของวตถประสงคของการเดนทางเพอทองเทยวสาหรบผเลอกใชเสนทางทประสงคไปจงหวดระยองในฟงกชนBinary Logit ของถนนสายบาสพาสควรจะมคาเปนลบ คาสมประสทธของวตถประสงคของการเดนทางสาหรบผเลอกใชเสนทางมคาเปนลบสามารถอธบายไดในลกษณะเดยวกนตามทอธบายในเรองการทสมประสทธมคาเปนบวกของสมประสทธของเวลาทใชในการเดนทาง

3.4.6 การตรวจสอบความแมนยา หมายถง การตรวจสอบความถกตองแมนยาในการพยากรณเปรยบเทยบพฤตกรรมผ

เดนทางทเกดขนจรงเพอเปนการคานวณอตราการทานาย การตดสนใจของผเลอกเสนทางไดอยางถกตอง (Percent correctly Predicted) จากแบบจาลองพฤตกรรมการเลอกเสนทางเทยบกบการตดสนใจทเกดขนจรง

% Correct = N

AN

nn∑

=1

โดย An = 1 กรณผลการทานายตดสนใจแบบจาลองตรงกบการตดสนใจทเกดขนจรง = 0 กรณเปนอยางอน

50

บทท 4 ผลการศกษา

การศกษาพฤตกรรมการเลอกเสนทางโดยอาศยรปแบบจาลองในการเลอกเสนทางดวยวธ Binary Logit Model มวตถประสงคเพอทจะอธบายความนาจะเปนพฤตกรรมผขบขในการเลอกเสนทางใดเสนทางหนงใน 2 เสนทางทมเสนทางการเดนทาง ระหวาง นคมอตสาหกรรม แหลมฉบง จงหวดชลบร ถง จงหวดระยอง ซงเสนทางดงกลาวถอเปนเสนทางทางเศรษฐกจของ ประเทศไทย เนองจากเปนเสนทางทเชอมพนทตาง ๆ ในเขตอตสาหกรรมหนก และ อตสาหกรรมเบา รวมถงทาเรอนาลกทงทาเรอนาลกแหลมฉบงและทาเรอนาลกทจงหวดระยอง นอกจากน ยงผานแหลงทประชาชนทวไปนยมทจะไปพกผอนกนมากในชวงสดสปดาหหรอชวงฤดรอน โดยเฉพาะ บรเวณเมองพทยาและชายหาดแถบจงหวดระยอง การเลอกเสนทางเปนการเลอกในแบบสอบถามทสรปจากขอมลจรงหรออาจจะกลาววา เปนการตดสนใจจากการเลอกจรงในปจจบน ( RP) มไดเกดการสรางแบบสอบถามทนาสถานการณสมมตขน ( SP) เมอทาการคดเลอกขอมลทจะนามาเปนปจจยในการตวแปรในสมการแลว หลงจากนนจงทาการประมาณคาสมประสทธในรปแบบจาลอง โดยใชโปรแกรมคอมพวเตอร (SPSS) 4.1 ขอบเขตเงอนไขการสรางรปแบบจาลอง การกาหนดขอบเขตเงอนไขการสรางรปแบบจาลองสามารถสรปเปนหลกเกณฑทสาคญไดดงน

1) การกาหนด Utility Function จะถกกาหนดใหมลกษณะเปนความสมพนธเชงเสนตรง (Linear Relationship) โดยคานงถงหลกทฤษฏพนฐานของ Utility Theory และ ความสะดวกในการประมาณคาของแบบจาลองทไดจากวเคราะหผานโปรแกรมคอมพวเตอรทประยกตกบโครงการวจยน

2) การกาหนดเสนทางทเปน Reference Category หรอ เสนทางอางองใชเสนทางสายสขมวท ( แหลมฉบง-พทยา-สตหบ-ระยอง) เปนเสนทางอางอง เพอเปรยบเทยบกบเสนทางอกเสนทางหนง คอ เสนทางสายบายพาส (สาย 36 )

3) การกาหนดตวแปรหลกเกณฑการเลอกเสนทางในแตละปจจยในการเลอกการตดสนใจในการเลอกเสนทาง ใหใช 0 ซงหมายถง ไมเหนความสาคญในการตดสนใจในการเลอกเสนทางเปน Reference Category รวมทง ตวแปรเกยวกบเพศ ใหใช 0 ซงหมายถงเพศชาย เปน Reference Category

4) สวนการกาหนดตวแปรดานวตถประสงคไดกาหนดใหวตถประสงคอน ๆ เปน Reference Category

51

5) การกาหนดตวแปรตาม (Independent Variable) ไดใชตวแปรทเกดจากการสารวจขอมลดวยวธ RP หรอ ขอมลทไดเกดจากสถานการณทเกดขนจรงจากการสอบถามขอมล มไดเกดจากการสรางสถานการณในการสมมตสถานการณ

6) การใชการวเคราะหแบบโลจต มขอสมมตฐานอยวา ลกษณะการกระจายแบบ Cummulative Logistic function(Gumbel Therom)

7) การวจยฉบบนเปนงานวจยแบบสองทางเลอกกาหนดใหทางเลอกแรกเกดขน n ครง และ ทางเลอกทสองเกดขน m ครง สามารถกาหนดอยในรปของสมการหรอ รปฟงกชนความนาจะเปน (Likelihood Function) ตามรป

L = Prob(y1)………Prob(y(m+n)) ขอสมมตฐานทง 7 ขอมไวเพอกาหนดขอบเขตของการสรางรปแบบจาลองของพฤต

กรรมการเลอกเสนทางแบบสองทางเลอกและจากขอบเขตเงอนไขขอท 7 สามารถลดรปสมการแทนทจะอยในรปของฟงกชนความนาจะเปนในรปของสมการเอกซโปเนนเชยลและสามารถเขยนอยในรปของสมการเสนตรงไดดงน

Log(P/(1-P)) = β 0 + β 1 x1+...... + β n xn โดยท Prob(y) คอ ความนาจะเปนทจะเลอกเสนทาง และ y คอ เหตการณทเลอกเสนทาง โดย y = 1 กตอเมอ เลอกเสนทางสายบายพาส y= 0 กตอเมอ เลอกเสนทางสายสขมวท xn = กลมตวแปรขอมลพนฐานของผขบข และ กลมตวแปรขอมลปจจยในการตดสนใจเลอกเสนทาง β = สมประสทธของพฤตกรรมการเลอกเสนทาง

อยางไรกตาม การเลอกรปแบบจาลองทเหมาะสมปฏบตตามหลกเกณฑในการพจารณา คดเลอกตามทกลาวเบองตน คอ -การพจารณาเครองหมายหนาสมประสทธถงความสมเหตสมผลสอดคลองกบทฤษฏทรองรบการสรางรปแบบจาลอง -พจารณาคา Wald Stat หรอ คา t-stat วาคาสมประสทธทไดอยคาทตางจากศนยหรอไม โดยระดบนยสาคญทกาหนดในงานวจยฉบบนอยท 0.05 -พจารณาคา log-likelikhood statistics LR = -2 In λ = 2 In ( ( ) ( ) )0

ˆ ββ ∫−∫ a ~ 2Jχ

หรอ -2 (L ( )0β -L ( )β ) = 2Jχ

52

โดยท L ( )β คอ คา Maximum Log-likelihood Function L ( )0β คอ คา Log-likelihood Function เมอกาหนดใหคาพารามเตอรทกตวเทากบศนย J คอ จานวนตวแปรทอธบาย การพจารณาคา Log-likelihood Function จะทาการเปรยบเทยบคาจากสมการ

LR = -2 In λ = 2 In ( ( ) ( ) )0ˆ ββ ∫−∫ a ~ 2

Jχ จากนนทาการเปรยบเทยบคา -2 (L ( )0β -L ( )β ) ยงมคามากขนแสดงวา สมการททา

การวเคราะหมความเหมาะสมในทกตวแปรตนมากขนหรอสามารถอธบายไดอกวา ตวแปรอสระทกตวสามารถอธบายตวแปรตามไดอยางมนยสาคญ

-สดทายคอ การตรวจสอบพจารณาคา McFadden R-Square หรอ คา Log likelihood Ratio ( ρ ) โดยมหลกอยทวา เมอคา ρ มคาเขาใกล 1 หมายถง ความสามารถในการอธบายของตวแปรตนทจะอธบายตวแปรตามมประสทธภาพด ในทางตรงขาม เมอคา ρ มคาเขาใกล 0 หมายถง ความสามารถในการอธบายของตวแปรตนทจะอธบายตวแปรมประสทธภาพตาสามารถเขยนรปแบบของสมการ Log likelihood Ratio( ρ ) ไดดงน

ρ = 1 - L ( )β / L ( )0β โดยท ρ คอ คา Log likelihood Ratio L ( )0β คอ คา Log-likelihood Function ทกาหนดใหคาพารามเตอรทกตวมคา

เทากบ ศนย L ( )β คอ คา Maximum Log-likelihood Function 4.2 ผลการตรวจสอบและการคดเลอกแบบจาลอง การวจยฉบบนไดใชโปรแกรม SPSS เปนโปรแกรมทใชทาการประมาณคาสมประสทธ

ดวยวธ Maximum Log-likelihood โดยไดคดเลอกขอมลทจะนามาวเคราะหทมเงอนไขจดเรมตน และจดหมายปลายทางทแนนอน เพอจะทาการวเคราะหความนาจะเปนพฤตกรรมการเลอกเสนทางวา ผใชรถใชถนนทมจดเรมตนอยท แหลมฉบง จงหวดชลบรและจดหมายปลายทาง อยทจงหวดระยองจะมแนวโนมทจะเลอกเสนทางใดในทางเลอก 2 เสนทาง คอ เสนทางบายพาสและ เสนทางสขมวท ( แหลมฉบง – พทยา – สตหบ – ระยอง)

จากหลกเกณฑการคดเลอกแบบจาลองทไดทาการทบทวนมาในเบองตน กอปรกบ การนาขอมลพนฐาน ผสมผสานกบ เกณฑการตดสนใจในการเลอกเสนทางทได ซงเกณฑการตดสนใจในการเลอกเสนทางจะใชเกณฑการตดสนใจของผเลอกใชเสนทางททาการเลอกปจจยการเลอกใชเสนทางทถกเลอกเปนอนดบแรกนามาพจารณาใชในการวเคราะหรปแบบจาลอง

53

นอกจากน การวเคราะหขอมลยงไดทาการเลอกใช วธ Back ward Stepwise(LR) เปน วธหรอเทคนคหนงทการทดสอบตวแปรของสมการถดถอยโลจต วธแบบนจะขนอยความนาจะเปนของ Likelihood-Ratio Statistic ซงขนกบ Maximum-likelihood estimates และเปนวธการทโปรแกรมการประมวลผลจะทาการประมวลโดยวธทสะดวกและคอนขางแมนยา เพราะโปรแกรมจะทาการวนซาโดยอาศยหลกการความนาจะเปนเงอนไขของ เกณฑการคดเลอกตวแปรทเหมาะสมหลงจากทไดนาตวแปรตนเขาทงหมดเพอทาการวเคราะห แลวโปรแกรมจะทาการจดรปแบบทเหมาะสมทสดออกเปนผลลพธ

เมอทาการวเคราะหพจารณาผลการประมาณตามการวเคราะหพฤตกรรมทางเลอกเสนทาง โดยเทคนคแบบโลจต ซงคดสรรขอมลททาการวเคราะหทมจดเรมตนอยท แหลมฉบง จงหวดชลบร และจดปลายทางอยทจงหวดระยอง ทงนขอมลทนามาวเคราะหแบงออกเปนสองกลม คอ กลมขอมลพนฐานของผขบข ไดแก เพศ อาย รายได วตถประสงคการเลอกเสนทาง เปนตน สวนอกกลมหนง คอ กลมขอมลหลกเกณฑการเลอกใชเสนทาง ไดแก เวลาในการเดนทาง สภาพการจราจร ความปลอดภย สภาพผวถนน จานวนรถประจาทางหรอรถบรรทกทวงอยบนเสนทางทเลอก(ทมา: กลมตวแปรปจจยหรอเกณฑการตดสนใจในการเลอกเสนทางในแบบสารวจสอบถาม ) ความคนเคยกบเสนทาง เปนตน ซงขอมลทนามาวเคราะหดงกลาว เปนการขอมลทเกดจากการสารวจแบบ RP คอ การสารวจขอมลทไดจากการสารวจขอมลทเกดขนจรง ตามทไดทาการออกแบบสอบถามไป

ผลการประมวลการวเคราะหโลจตโมเดลตามทดาเนนการผานโปรแกรมSPSS กรณทาการสารวจขอมลพฤตกรรมการเลอกใชเสนทางแบบสองทางเลอกระหวาง เสนทางสายบายพาส กบ เสนทางสายสขมวท ( แหลมฉบง-พทยา-สตหบ-ระยอง ) ไดทาการสารวจขอมลรถยนตสวนบคคลทจดเรมตนท แหลมฉบง จงหวดชลบรและมเปาประสงคปลายทางไปจงหวดระยอง รวมทงทาการคดสรรและรวบรวมการเกบขอมลในชวงเดอนมนาคม พ.ศ. 2547 ทผานมาและทาการประมาณสมการหรอ รปแบบจาลอง ทเหมาะสมทสด ดวยเทคนควธ Backward Stepwise Analysis ซงไดดาเนนการวเคราะหในรปแบบของ Logit Analysis ไดทงหมด 3 สมการหรอรปแบบจาลอง

สมการกลมแรก หรอ รปแบบจาลองกลมแรก เปน กลมของการจดรปแบบผสมผสานของ

ขอมลพนฐานของผขบข หรอ ผใชเสนทางกบปจจยหรอเกณฑการตดสนใจในการเลอกใชเสนทาง โดยทาการ input กลมตวแปรของขอมลพนฐาน ไดแก วตถประสงคการทางาน เพศ อาย รายได ผสมผสานรวมกนกบ กลมตวแปรปจจยหรอเกณฑการตดสนใจในการเลอกเสนทาง ไดแก เวลาในการเดนทาง การจราจร การใกลจดเรมตน สภาพผวถนน ความปลอดภย คาผานทาง จดหมายปลายทาง ความคนเคย จานวนรถโดยสารหรอ จานวนรถบรรทกทวงบนถนน แลวนากลมขอมล

54

สองกลมนน ทาการประมวลผลโดยวธ Backward Stepwise Analysis จะไดสมการและคานยสาคญทางสถต ดงตารางท 4.1 รปแบบจาลองแบบท 1 Y = -3.371 + 3.871 เวลา + 2.311 เพศ + 8.436 รถโดยสารหรอบรรทก+ 0.074 อาย คา Wald Stat (0.000) (.040) (.818) (.041)

B S.E. Wald df Sig. เวลา(1) 3.871 1.105 12.271 1 0INCOME2 0 0 4.09 1 0.043SEX(1) 2.311 1.124 4.222 1 0.040AGE 0.074 0.036 4.192 1 0.041รถโดยสาร 8.436 36.662 0.0530 1 0.818Constant -3.371 1.314 6.58 1 0.010

ตารางท 4.1 ผลการประมวลการวเคราะหพฤตกรรมเลอกเสนทางแบบ โลจต โดยวธ

Backward Stepwise (กลมขอมลพนฐานของผขบข และกลมขอมลปจจยการตดสนใจเลอกเสนทาง)

โดย B = คาสมประสทธของรปแบบจาลอง S.E. = Standard Error Wald Stat = คาWald Stat สาหรบตรวจนยสาคญของคาสมประสทธ Df = degree of freedom Sig. = ระดบนยสาคญ ผลการประมวลการวเคราะหขอมลพฤตกรรมการเลอกเสนทาง แบบโลจตโดยวธ

Backward Stepwise Analysis เปนผลทผานการประมวลผลโดยโปรแกรม SPSS สาหรบการประมวลผลจะใชกลมขอมลพนฐานของ ผขบข และ กลมขอมลปจจยการตดสนในการเลอกเสนทางจะไดรปแบบจาลองหรอ สมการการประมาณการพฤตกรรมการเลอกเสนทางเชงเสนตรง หรอ log(odds) เรยกวา Logit response function สมประสทธทประมวลไดจะอาศยวธ Maximum likelihood เปนเกณฑในการประมวลผล

จากผลการวเคราะหรปแบบจาลองแบบโลจตทได( ตารางท 4.1 ) รปแบบจาลองแบบแรก จะไดตวแปรทมนยสาคญทางสถตทงหมด 5 ตวแปร โดยตวแปรทมระดบนยสาคญตากวา ระดบท 0.05 ไดแก เวลา (Significance at 0.00) , รายได(Significance at 0.043 ) , เพศ (Significance at 0.040) , อาย (Significance at 0.041) และ ตวแปรทมระดบนยสาคญมากกวา ระดบท 0.05 ไดแก จานวนรถโดยสารหรอรถบรรทก (Significance at 0.818) แตเนองจากงานวจยฉบบนใช Backward Stepwise Analysis

55

แบบ Likelihood-Ratio(LR) เปนวธหรอเทคนคหนงทการทดสอบตวแปรของสมการถดถอยโลจต จะขนอยความนาจะเปนของ Likelihood-Ratio Statistic ซงขนกบ Maximum-likelihood estimates เปนบรรทดฐาน หรอเปนเงอนไขหลกในการคดสรรตวแปร จดรปแบบจาลอง เปนหลกสาคญ จงไมไดใหความสาคญของนยสาคญของ คา Wald Stat เปนอนดบแรก โดยถอวา คา -2 LL ทเปลยนไป หรอ คา Log-likelihood estimate ซงเปนการพจารณาภาพรวมทงรปแบบจาลอง เปนตวกลนกรองทสาคญทสดเปนหลกสาคญในการพจารณา ดงนนจงยอมรบตวแปรปจจยการตดสนใจในการเลอกเสนทางทเกยวกบ จานวนรถโดยสาร หรอ รถบรรทก มอทธพลตอการตดสนใจ ถงแมวา อาจจะทาใหการทานายไมแมนมากนกเนองจาก คา Wald Stat ไมได Significance ทงน เหลาตวแปรทผานเขานามาจดอยในรปแบบจาลองแบบแรกมเครองหมายของสมประสทธ ตรงตามทคาดคะเน หรอ ตงสมมตฐานไว คอ สมประสทธของเวลาในการเดนทางทไดของรปแบบจาลองแบบแรกมคาเปนบวกและมคาสมประสทธประมาณ 3.871 แสดงวา ยงผขบขหรอ เลอกใชเสนทางเลอกปจจยเกยวกบเวลาเปนหลกเกณฑสาคญในการตดสนใจเปนสงสาคญแลว แสดงโอกาสทผเลอกใชเสนทางจะเลอกเสนทางบายพาสมากกวาเสนทางสายสขมวท สาเหตอาจจะเนองมาจากระยะทางสนกวาและการใชเวลาเดนทางนอยกวา เมอเปรยบเทยบกบการใชเสนทางสขมวท โดยผขบขมจดมงหมายปลายทางอยทจงหวดระยอง สมประสทธของรายไดมคาเปนศนย แสดงวา ปจจยการตดสนใจในการเลอกเสนทางของรายไดมไดมความสาคญตอความนาจะเปนในการเลอกเสนทาง สมประสทธของเพศ มคาเปนบวกและมคาประมาณ 2.311 เนองการกาหนดรปแบบการลงขอมลเกยวกบเพศถกสรางเปนตวแปร Dummy ซงไดกาหนดให เพศชาย มคาเปน 0 เพศหญงมคาเปน 1 แสดงวา ยงผขบขเปนเพศหญง ยงบอกไดเลยวา ถามจดเปาหมายปลายทางอย ทจงหวดระยอง แสดงวาสวนมากจะเลอกเสนทางบายพาส มากกวา เสนทางสายสขมวทอาจจะเปนไปไดไดวา ธรรมชาตในการขบขของเพศหญงสวนมากมกจะคานงถงความปลอดภยและการรกษา เวลาจงไมนยมทประวงเวลาเดนทางลดทองเทยวตามรายทางเสนทางสขมวทซงตองผานพทยา และสตหบ ตลอดจนสถานททองเทยวอน ๆ สมประสทธของอายมคาเปนบวกและมคาสมประสทธประมาณ 0.074 จะเหนไดวา อายของผเลอกใชเสนทางหรอผขบขทมเปาหมายปลายทางอยท จงหวดระยอง ยงมอายมาก ยงมโอกาสความนาจะเปนทเลอกเสนทางสายบายพาสมากกวา เสนทางสายสขมวท เนองจากวยของผขบขหรอผเลอกใชเสนทางทาใหผสงอาย ฐานะเปนผขบขจะมรสนยมทจะพกผอนตางจากผเลอกเสนทางทมอายนอยหรอไมมาก ดงนนจงทจะนยมเลอกการทองเทยวแบบมงไปทจดหมายปลายทางโดยตรง อยางไรกตาม อทธพลของอายมผลตอรปแบบจาลองนไมมาก เนองจากคา

56

สมประสทธมคาเพยง 0.074 เมอเปรยบเทยบกบตวแปรเกยวกบเวลาทใชในการเดนทาง เพศ ซงมคาสงถง 3.871 และ 2.311 ตามลาดบ สมประสทธของจานวนรถโดยสารและจานวนรถบรรทกมคาเปนบวกและมคาสมประสทธประมาณ 8.436 แตมคานยสาคญ 0.818 แสดงถงวา ยงผเลอกผเลอกเสนทางคานงถงเกยวกบปรมาณรถโดยสาร และ รถบรรทกเปนปจจยสาคญในการเลอกเสนทาง ความนาจะเปนทเลอกเสนทางสายบายพาสมากขนอาจจะเปนเพราะวา ผเลอกเสนทางมการคานงถงความปลอดภย และ ความสะดวกในการขบขทจะหลกเลยงในการขบขบนเสนทางทมรถบรรทก หรอ รถโดยสารไมมาก จงนยมเลยงเสนทางจากเสนทางสขมวท เปนเสนทางบายพาสซงไมคอยมรถโดยสารวงผานแทน อยางไรกตาม เนองจากคานยสาคญทางสถตมคาถง 0.818 จะสงผลทาใหการใชตวแปรปจจยการตดสนใจในการเลอกเสนทางทเกยวกบจานวนรถโดยสาร และรถบรรทกขาดความแมนยาในการทานาย ถงแมวาคา LL ซงเปนบรรทดฐานของคดเลอกแบบจาลองจะเปนทยอมรบ เมอพจารณาคาสถต Cox&Snell R-Square มคาเทากบ 0.201 และ Nagelkerke R-Square มคาเทากบ 0.404 รวมทง LR-Stat มคาเทากบ 102.894 ดวยการผานการวเคราะหแบบ Backward Stepwise Analysis(LR) ทาใหรปแบบของสมการเชอถอไดโดยผานการทดสอบเชงสถต ณ ระดบนยสาคญท 0.05

สวน%Correction มคาประมาณ 79.1 % แสดงความแมนยาในการทานายความนาจะเปนพฤตกรรมการเลอกเสนทาง ของ ผขบขในการเลอกเสนทาง ( ดรายละเอยดไดจากผลลพธของการประมวลผล SPSS ในภาคผนวก )

สมการกลมสอง หรอ รปแบบจาลองกลมสองเปนการแกไขความแมนยาอนเกดจากตวแปร

เกณฑการตดสนใจเกยวกบจานวนรถโดยสารหรอจานวนรถบรรทกทวงบนเสนทางทเลอกทมคาสมประสทธ ประมาณ 8.436 และคาระดบนยสาคญสงถง 0.818 โดยการลดตวแปรปจจยการตดสนใจเกยวกบจานวนรถโดยสารหรอรถบรรทกลง และ การแกไขการมตวแปรมากเกนความจาเปนโดยการลดตวแปรพนฐานประเภทรายได เนองจากเปนตวแปรทไมสงผลแบบมอทธพลตอรปแบบจาลอง จากนนทาการสรางรปแบบจาลองใหมโดยสราง กลมของการจดรปแบบผสมผสาน ของขอมลพนฐานของผขบขหรอผใชเสนทางกบปจจยหรอเกณฑการตดสนใจในการเลอกใชเสนทาง โดยทาการ input กลมตวแปรของขอมลพนฐาน ไดแก วตถประสงคการทางาน เพศ อาย ผสมผสานรวมกนกบกลมตวแปรปจจยหรอเกณฑการตดสนใจในการเลอกเสนทาง ไดแก เวลาในการเดนทาง การจราจร การใกลจดเรมตน สภาพผวถนน ความปลอดภย คาผานทาง จดหมายปลายทาง ความคนเคย แลวนากลมขอมลสองกลมนนทาการประมวลผลโดยวธ Backward Stepwise Analysis จะไดสมการและคานยสาคญทางสถต ดงตารางท 4.2

57

รปแบบจาลองแบบท 2 Y = -2.523 + 3.425 เวลา + 2.396 เพศ + 0.088 อาย คาWald Stat (.001) (.032) (.010) B(สมประสทธ) S.E. Wald df Sig.(คานยสาคญ) เวลา(1) 3.425 1.06 10.435 1 0.001 SEX(1) 2.396 1.12 4.574 1 0.032 AGE 0.088 0.034 6.621 1 0.01 Constant -2.523 1.202 4.404 1 0.036

ตารางท 4.2 ผลการประมวลการวเคราะหพฤตกรรมเลอกเสนทางแบบ โลจต โดยวธ

Backward Stepwise (กลมขอมลพนฐานของผขบข และกลมขอมลปจจยการตดสนใจเลอกเสนทางไมรวมปจจยเกยวกบจานวนรถโดยสารหรอจานวนรถบรรทก และ ตวแปรพนฐานเกยวกบรายได)

โดย B = คาสมประสทธของรปแบบจาลอง S.E. = Standard Error Wald Stat = คาWald Stat สาหรบตรวจนยสาคญของคาสมประสทธ Df = degree of freedom Sig. = ระดบนยสาคญ ผลการประมวลการวเคราะหขอมลพฤตกรรมการเลอกเสนทาง แบบโลจตโดยวธ

Backward Stepwise Analysis ทได ( ไมรวมตวแปรเกณฑการตดสนใจโดยจานวนรถโดยสารหรอ จานวนรถบรรทก) โดยใชกลมขอมลพนฐานของผขบขและกลมขอมลปจจยการตดสนในการเลอกเสนทางทไดจากการสารวจขอมลแบบ RP จะไดรปแบบจาลองหรอ สมการการประมาณการพฤตกรรมการเลอกเสนทางเชงเสนตรง หรอ log(odds) เรยกวา Logit response function โดยทสมประสทธทประมวลไดดวยวธ Maximum likelihood

จากผลการวเคราะหรปแบบจาลองแบบโลจตทได( ตารางท 4.2 ) รปแบบจาลองแบบแรก จะไดตวแปรทนยสาคญทางสถตทงหมด 3 ตวแปร โดยตวแปรทมระดบนยสาคญตากวาระดบท 0.05 ทงหมดในรปแบบจาลองทได สงผลตอความแมนยาในการทานายในแตละตวแปรทไดในรปแบบจาลอง ไดแก เวลา (Significance at 0.001) , เพศ (Significance at 0.032) , อาย (Significance at 0.01)

58

เทคนค Backward Stepwise Analysisแบบ Likelihood-Ratio(LR) เปนวธหรอเทคนคหนงทการทดสอบตวแปร ของสมการถดถอยโลจต จะขนอยความนาจะเปนของ Likelihood-Ratio Statistic ซงขนกบ Maximum-likelihood estimates เปนบรรทดฐานหรอเปนเงอนไขหลกในการคดสรรตวแปรในการจดรปแบบจาลอง เปนหลกสาคญ โดยถอวา คา -2 LL ทเปลยนไป หรอ คา Log-likelihood estimate ซงเปนการพจารณาภาพรวมทงรปแบบจาลอง เปนตวกลนกรองทสาคญทสดเปนหลกสาคญในการพจารณาและ เมอ drop ตวแปรปจจยการตดสนใจในการเลอกเสนทางทเกยวกบ จานวนรถโดยสารหรอรถบรรทกมอทธพลตอการตดสนใจ และ ตวแปรประเภทรายได จะสงผลทาใหคานยสาคญของตวแปรทไดผานคานยสาคญทางสถตทตรวจสอบโดยคา Wald Stat ในแตละตวแปรทระดบนยสาคญ ณ ระดบ 0.05 ทาใหการทานายคอนขางมความแมนยาสงมากกวา รปแบบจาลองอนแรกในแตละตวแปร เนองจาก คา Wald Stat อยในระดบคา Significance ทยอมรบได เหลาตวแปรทผานเขานามาจดอยในรปแบบจาลองแบบสองมเครองหมายของสมประสทธ ตรงตามทคาดคะเน หรอ ตงสมมตฐานไว คอ สมประสทธของเวลาในการเดนทางทไดของรปแบบจาลองแบบแรกมคาเปนบวกและมคาสมประสทธประมาณ 3.425 แสดงวา ยงผขบขหรอ เลอกใชเสนทางเลอกปจจยเกยวกบเวลาเปนหลกเกณฑสาคญในการตดสนใจเปนสงสาคญแลว แสดงถงโอกาสทผเลอกใชเสนทางจะเลอกเสนทางบายพาสมากกวา เสนทางสายสขมวท สาเหตอาจจะเนองมาจากระยะทางสนกวาและการใชเวลาเดนทางนอยกวา เมอเปรยบเทยบกบการใชเสนทางสขมวท โดยผขบขมจดมงหมายปลายทางอยทจงหวดระยอง สมประสทธของเพศ มคาเปนบวก และ มคาประมาณ 2.396 เนองการกาหนดรปแบบการลงขอมลเกยวกบเพศ ถกสรางเปนตวแปร Dummy ซงไดกาหนดให เพศชาย มคาเปน 0 เพศหญงมคาเปน 1 แสดงวา ยงผขบขเปนเพศหญง ยงบอกไดเลยวา ถามจดเปาหมายปลายทางอย ทจงหวดระยอง แสดงวาสวนมากจะเลอกเสนทางบายพาส มากกวา เสนทางสายสขมวท อาจจะเปนไปไดไดวา ธรรมชาตในการขบขของเพศหญง สวนมากมกจะคานงถงความปลอดภยและการรกษา เวลา จงไมนยมทประวงเวลาเดนทางลดทองเทยวตามรายทางเสนทางสขมวท ซงตองผานพทยา และสตหบ ตลอดจนสถานททองเทยวอน ๆ สมประสทธของอายมคาเปนบวกและมคาสมประสทธประมาณ 0.088 จะเหนไดวา อายของผเลอกใชเสนทาง หรอ ผขบข ทมเปาหมายปลายทางอยท จงหวดระยอง ยงมอายมาก ยงมโอกาสความนาจะเปนทเลอกเสนทางสายบายพาสมากกวาเสนทางสายสขมวท เนองจากวยของผขบขหรอ ผเลอกใชเสนทาง ทาใหผสงอาย ฐานะเปนผขบข จะมรสนยมทจะพกผอนตางจากผเลอกเสนทางทมอายนอยหรอไมมาก ดงนนจงทจะนยมเลอกการทองเทยวแบบมงไปทจดหมายปลายทางโดยตรง อยางไรกตาม อทธพลของอายมผลตอรปแบบจาลองนไมมากคลายกบ

59

แบบจาลองแบบแรก คอ สมประสทธของอายมคาเพยง 0.088 เมอเปรยบเทยบกบ สมประสทธตวแปรเกยวกบเวลาทใชในการเดนทาง เพศ ซงมคาสมประสทธสงถง 3.425 และ 2.396 ตามลาดบ เมอพจารณาคาสถต Cox&Snell R-Square มคาเทากบ 0.224 และ Nagelkerke R-Square มคาเทากบ 0.345 รวมทง LR-Stat มคาเทากบ 109.805 ดวยการผานการวเคราะหแบบ Backward Stepwise Analysis(LR) ทาใหรปแบบของสมการเชอถอไดโดยผานการทดสอบเชงสถต ณ ระดบนยสาคญท 0.05

สวน%Correction มคาประมาณ 77.70 % แสดงความแมนยาในการทานายความนาจะเปนพฤตกรรมการเลอกเสนทาง ของ ผขบขในการเลอกเสนทาง คอนขางดกวา รปแบบจาลองแบบแรก ( ดรายละเอยดไดจากผลลพธของการประมวลผล SPSS ในภาคผนวก )

สมการกลมสาม หรอ รปแบบจาลองกลมสามเปน การทดสอบเกณฑการตดสนใจในการ

เลอกเสนทางของ ผใชรถใชถนน หรอ ผเลอกเสนทาง วาปจจยตวใดของเกณฑการตดสนใจ ทมอทธพลตอความนาจะเปนตอ พฤตกรรมการเลอกเสนทางสองทางเลอกของผเลอกใชเสนทาง เนองจากในสภาพการณทางปฏบตทวไปถาไมคานงถงวา จะเปนเพศหญง หรอ เพศชาย ( สมประสทธตวแปรทมอทธพลในงานวจยฉบบนในรปแบบจาลองแบบแรกและแบบสอง) มกจะใชเกณฑการตดสนใจในการเลอกเสนทาง ดงนน รปแบบจาลองแบบทสามจงไดดาเนนการสรางรปแบบจาลองเกยวกบเกณฑการตดสนใจในพฤตกรรมการเลอกสองเสนทาง โดยทาการสรางรปแบบจาลองอาศยกลมตวแปรทเปนเกณฑการตดสนใจในการเลอกเสนทาง ไดแก เวลาในการเดนทาง การจราจร การใกลจดเรมตน สภาพผวถนน ความปลอดภย คาผานทาง จดหมายปลายทาง ความคนเคย รวมทงจานวนรถโดยสารหรอ จานวนรถบรรทกทวงบนถนน แลวนากลมขอมลทงหมดนนทาการประมวลผลโดยวธ Backward Stepwise Analysis จะไดสมการ และ คานยสาคญทางสถต ดงตารางท 4.3

60

รปแบบจาลองแบบท 3 (พจารณาเฉพาะเกณฑการตดสนใจเลอกเสนทาง) Y = 0.710 + 3.220 เวลา คา Wald Stat (.002)

B S.E. Wald df Sig. เวลา(1) 3.22 1.034 9.695 1 0.002Constant 0.71 0.227 9.808 1 0.002

ตารางท 4.3 ผลการประมวลการวเคราะหพฤตกรรมเลอกเสนทางแบบ โลจต โดยวธ

Backward Stepwise (กลมขอมลปจจยหรอเกณฑการตดสนใจเลอกเสนทาง ) โดย B = คาสมประสทธของรปแบบจาลอง S.E. = Standard Error Wald Stat = คาWald Stat สาหรบตรวจนยสาคญของคาสมประสทธ Df = degree of freedom Sig. = ระดบนยสาคญ

ผลการประมวลการวเคราะหขอมลพฤตกรรมการเลอกเสนทาง แบบโลจตโดยวธ Backward Stepwise Analysis ทได กลมขอมลเกยวกบปจจยการตดสนในการเลอกเสนทางทไดจากการสารวจขอมลแบบ RP จะไดรปแบบจาลองหรอ สมการการประมาณการพฤตกรรมการเลอกเสนทางเชงเสนตรง หรอ log(odds) เรยกวา Logit response function โดยทสมประสทธทประมวลไดดวยวธ Maximum likelihood

จากผลการวเคราะหรปแบบจาลองแบบโลจตทได( ตารางท 4.3 ) รปแบบจาลองแบบแรก จะไดตวแปรทนยสาคญทางสถตทงหมด 1 ตวแปร โดยเปนตวแปรทมระดบนยสาคญตากวา ระดบท 0.05 สงผลตอความแมนยาในการทานายในตวแปรทไดในรปแบบจาลอง ไดแก เวลา (Significance at 0.002) ดวยเทคนค Backward Stepwise Analysisแบบ Likelihood-Ratio(LR) เปนวธหรอเทคนคหนงทการทดสอบตวแปรของสมการถดถอยโลจต จะขนอยความนาจะเปนของ Likelihood-Ratio Statistic ซงขนกบ Maximum-likelihood estimates เปนบรรทดฐาน หรอเปนเงอนไขหลกในการคดสรรตวแปรในการจดรปแบบจาลอง เปนหลกสาคญ โดยถอวา คา -2 LL ทเปลยนไป หรอ คา Log-likelihood estimate ซงเปนการพจารณาภาพรวมทงรปแบบจาลอง เปนตวกลนกรองทสาคญ

61

ทสดเปนหลกสาคญในการพจารณา ทาใหไดรปแบบจาลอง หรอสมการทมคา Log-Likelihood Ratio เปนเกณฑในการคดเลอกรปแบบจาลอง เมอนาเหลาตวแปรเกณฑการตดสนใจในการเลอกเสนทางผานเขานามาจดอยในรปแบบจาลองแบบสองมเครองหมายของสมประสทธตรงตามทคาดคะเน หรอ ตงสมมตฐานไว คอ สมประสทธของเวลาในการเดนทางทไดของรปแบบจาลองแบบแรกมคาเปนบวกและ มคาสมประสทธประมาณ 3.220 แสดงวา ยงผขบขหรอ เลอกใชเสนทางเลอกปจจยเกยวกบเวลาเปนหลกเกณฑสาคญในการตดสนใจเปนสงสาคญแลว แสดงโอกาสทผเลอกใชเสนทางจะเลอกเสนทางบายพาสมากกวา เสนทางสายสขมวท สาเหตอาจจะเนองมาจากระยะทางสนกวา และ การใชเวลาเดนทางนอยกวา เมอเปรยบเทยบกบ การใชเสนทางสขมวทโดยผขบขมจดมงหมายปลายทางอยทจงหวดระยอง นอกจากนปจจย หรอ เกณฑการตดสนใจในพฤตกรรมการเลอกเสนทางของผขบข คอนขางจะเปนปจจยสาคญของ พฤตกรรมการเลอกเสนทางเกอบหลายผลงานวจยทผานมา อาทเชน สมพงษ ศรโสภณศลป (2541,โครงการวจยพฤตกรรมการเดนทางของคนกรงเทพมหานครเพอพฒนาแบบจาลองการวเคราะหการเลอกใชรถไฟฟาและพยากรณสดสวนของตลาดรถไฟฟาตอรปแบบการเดนทางประเภทอน ๆ โดยใช Binary logit หรอ Binary choice Model ) , Khaltck, Koppelman and Schofer (1993, โครงการศกษาการเปลยนเสนทางการเดนทางของผเดนทางตามวตถประสงคเพอการทางานในเมองชคาโก สหรฐอเมรกา ) , Bovy and Bradley (1985,โครงการศกษาพฒนาแบบจาลอง Binary choice Model โดยกาหนดรปแบบทางเลอก แบบ 2 ทางเลอก ระหวาง เสนทางปกตทใชเปนประจากบเสนทางทางเลอกทกาหนดใหม และในแบบสอบถามททาการสอบถาม ) ฯลฯ ซงสวนมากจะไดผลสรป ออกมาในลกษณะเดยวกน คอ ปจจยในเรองเกยวกบเวลาทใชในการเดนทางคอนเปนปจจยหลกเกณฑในการตดสนใจในการเลอกเสนทางของผขบข เมอพจารณาคาสถต Cox&Snell R-Square มคาเทากบ 0.158 และ Nagelkerke R-Square มคาเทากบ 0.244 รวมทง LR-Stat มคาเทากบ 121.442 ดวยการผานการวเคราะหแบบ Backward Stepwise Analysis(LR) ทาใหรปแบบของสมการเชอถอไดโดยผานการทดสอบเชงสถต ณ ระดบนยสาคญท 0.05

สวน%Correction มคาประมาณ 78.6 % แสดงความแมนยาในการทานายความนาจะเปนพฤตกรรมการเลอกเสนทาง ของ ผขบขในการเลอกเสนทาง คอนขางดกวา รปแบบจาลองแบบแรก ( ดรายละเอยดไดจากผลลพธของการประมวลผล SPSS ในภาคผนวก )

62

บทท 5 บทสรปและขอเสนอแนะ

5.1 บทสรปผลงานวจย การศกษาโครงการวจยรปแบบจาลองพฤตกรรมเลอกเสนทางแบบBinary logit

(Revealed Preference) ทาการศกษาวจยฉบบนเพอสอดคลองกบแผนพฒนาพนทชายฝงทะเลทางดานตะวนออก และ เพอสนบสนนเครอขายการขนสงในเขตนคมอตสาหกรรมตามฝงทะเลทางดานตะวนออกเปนการสนบสนนแผนหลกในการพฒนาพนทชายฝงทะเลตะวนออก สวนวตถประสงคหลกการศกษาวจยฉบบนมวตถประสงคเพอศกษาหาแนวโนมของพฤตกรรมทเหมาะสมทสดของพฤตกรรมผขบขในการเลอกเสนทาง และ ศกษาหาปจจยทมอทธพลตอพฤตกรรมการเลอกเสนทางแบบสองเสนทาง โครงการวจยพฤตกรรมการเลอกเสนทางแบบBinary logit โดยใชการสารวจขอมลแบบ RP เปนการศกษาวจยพฤตกรรมการเลอกเสนทางแบบ Two Route Choice (เสนทางบายพาส กบ เสนทางสขมวท) ทมจดเรมตนท นคมอตสาหกรรมแหลมฉบง จงหวดชลบร จดปลายทางอยทจงหวดระยอง โดยใชรปแบบจาลองแบบ Binary Logit เปนเครองมอในการศกษาวเคราะหและประมวลผลการวจย กอปรกบการใชปจจยทจะนามาอธบายในรปแบบจาลองในพฤตกรรมการเลอกเสนทางการเดนทาง ออกเปนปจจยทสาคญ 2 ปจจย คอ ปจจยเกยวขอมลพนฐานของผขบข ไดแก เพศของผขบข (Sex) อายของผขบข (Age) รายไดตอเดอน(Income) วตถประสงคของการเดนทาง และ ปจจยเกยวกบเกณฑการตดสนใจในการเลอกเสนทาง ไดแก เวลาทใชในการเดนทาง ระดบสภาพการจราจร ความปลอดภยในการขบข จานวนรถโดยสารหรอจานวนรถบรรทกทวงบนเสนทาง ฯลฯ ผลการวเคราะหอทธพลของปจจยหรอตวแปรตาง ๆ ทไดจากการวเคราะหการสรางรปแบบจาลองพฤตกรรมการเลอกเสนทางแบบ Binary Choice Logit สามารถสรปออกมาได รปแบบจาลองทางเลอกออกมาทงหมด 3 รปแบบจาลอง ไดแก รปแบบจาลองแบบท 1 Y = -3.371 + 3.871 เวลา + 2.311 เพศ + 8.436 รถโดยสารหรอบรรทก+ 0.074 อาย คาWald Stat (0.000) (.040) (.818) (.041) รปแบบจาลองแบบท 2 Y = -2.523 + 3.425 เวลา + 2.396 เพศ + 0.088 อาย คาWald Stat (.001) (.032) (.010)

63

รปแบบจาลองแบบท 3 (พจารณาเฉพาะเกณฑการตดสนใจเลอกเสนทาง) Y = 0.710 + 3.220 เวลา คาWald Stat (.002) บทสรปรปแบบจาลองทไดสามารถสรป อทธพลของปจจย หรอ เกณฑการเลอกเสนทางในการเดนทางทมผลตอพฤตกรรมการเลอกเสนทางในการเดนทาง ทมจดเรมตนทนคมอตสาหกรรมแหลมฉบง จงหวดชลบร และ จดปลายทางทจงหวดระยอง คอ เวลาทใชในการเดนทาง มระดบนยสาคญคอนขางสง ตามทไดทราบผลจากการวเคราะหรปแบบจาลองท 1 , 2 และ แบบท 3 มคาคาสมประสทธประมาณ 3.871 , 3.425 , 3.220 ตามลาดบ และ ระดบนยสาคญเทากบ 0.00 , 0.01 , 0.02 ตามลาดบเชนกน นบวาเวลาทใชในการเดนทาง เปน เกณฑ หรอ ปจจยการตดสนใจทมอทธพลทสด และคอนขางแมนยาทสดในพฤตกรรมการเลอกเสนทางแบบ Two Route Choice Model สาหรบผใชเสนทางในพนททเชอมระหวางนคมอตสาหกรรมแหลมฉบง จงหวดชลบร กบ จงหวดระยอง สวนอกปจจยหนงไดแก รถโดยสารประจาทางหรอ รถบรรทก ทใชเสนทางอย ถงแมจะมอทธพลดานคาสมประสทธสงในรปแบบจาลองท 1 แตนยสาคญคอนขางไมดประมาณ 0.818 ทาใหตวแปรน ขาดความแมนยาในการทานาย นอกจากน อทธพลของปจจยขอมลพนฐานของผขบขทมผลตอ พฤตกรรมการเลอกเสนทางในการเดนทางทมจดเรมตนทนคมอตสาหกรรมแหลมฉบง จงหวดชลบร และ จดปลายทางทจงหวดระยอง คอ เพศของผขบข มระดบนยสาคญคอนขางสง ตามทไดทราบผลจากการวเคราะหรปแบบจาลองท 1,2 มคาสมประสทธประมาณ 2.311 , 2.396 ตามลาดบ และ มคาระดบนยสาคญเทากบ 0.040 , 0.032 ตามลาดบเชนกน นบวาลกษณะความแตกตางกนของเพศของผขบขสงอทธพลทางระดบคาสมประสทธคอนขางสง และ ความแมนยาในการทานายสาหรบพฤตกรรมการเลอกเสนทางในการเดนทางของงานวจยฉบบน แสดงถงเพศหญงมอทธพลเดนชดทจะเลอกเสนทางสานบายพาส สวนเพศชายไมไดลกษณะเดนทแสดงถงความจาเปนทจะตองเสนทางสายบายพาส สวนปจจยเกยวกบขอมลพนฐานของผขบขทมผลตอพฤตกรรมการเลอกเสนทางในการเดนทางทมจดเรมตนทนคมอตสาหกรรมแหลมฉบง จงหวดชลบร และ จดปลายทางท จงหวดระยอง คอ อายของผขบข มระดบนยสาคญคอนขางสง ตามทไดทราบผลจากการวเคราะหรปแบบจาลองท 1,2 ถงแมวาจะมคาสมประสทธไมมากประมาณ 0.074 ,0.088 ตามลาดบ แตมคาระดบนยสาคญคอนขางมาก ประมาณ 0.041 ,0.010 ตามลาดบ นบวาลกษณะขอมลพนฐานของอายผขบข มอทธพลทคอนขางแมนยาในการทานาย ถงแมวาอทธพลยงรองกวา เวลาในการเดนทาง และ เพศ อตราการพยากรณอยางถกตอง (Perfect correctly predicted) ในรปแบบจาลองท 1,2,3 มคาประมาณ 79.10% , 77.70% ,78.60% ตามลาดบ ซงถอวาอยใน

64

เกณฑทยอมรบได โดยสวนความคลาดเคลอนของการทานายอาจจะมผลมาจาก ความผดพลาดในขนตอนการสารวจขอมล เชน ความไมเขาใจในการตอบแบบสอบถามของผขบข หรอ ความไมตงใจตอบคาถามทตงอยางตงใจถกประเดนทถาม สรปผลทไดของงานพฤตกรรมการเลอกเสนทางของผขบขแบบ Two Route Choice Model ทาใหทราบวา ปจจยเวลาในการเดนทาง เปนปจจยเกยวกบเกณฑการตดสนใจในการเลอกเสนทางทผขบขรถยนตสวนบคคลทมเปาหมายการเดนทางระหวาง แหลมฉบง จงหวดชลบร กบ จงหวดระยอง ใหความสาคญมากทสด ในขณะทปจจยรองลงมา ไดแก ปจจยดานเพศ และ อายของผขบข ทซงเปนปจจยเกยวกบขอมลพนฐานของผขบข ในการเลอกเสนทางทผขบขรถยนตสวนบคคลทมเปาหมายการเดนทางระหวาง แหลมฉบง จงหวดชลบร กบ จงหวดระยอง 5.2 ขอเสนอแนะเชงนโยบาย

เพอพฒนาศนยเขตเศรษฐกจและแหลงอตสาหกรรมเรยบชายฝงทะเลตะวนออกท สาคญของประเทศ โดยเฉพาะเขตอตสาหกรรมหนกและเบาทงมาบตาพด จงหวดระยองและแหลมฉบง จงหวดชลบร รวมทงแหลงทองเทยวตาง ๆ ในเขตชายฝงทะเลตะวนออกของประเทศไทยจาเปน ตองดาเนนการวจยโดยใชรปแบบจาลองเพอศกษาพฤตกรรมการเลอกเสนทางและปจจยการเลอกเสนทาง

เพอนาผลทไดไปกาหนดนโยบาย ออกแบบและสรางระบบความปลอดภยในโครงการ พฒนาเครอขายเสนทาง การสรางระบบถนนทเชอมกนในเขตเศรษฐกจตาง ๆ โดยอาศยการวจยรปแบบจาลองจงเปนบรรทดฐานทสาคญอนแรกทตองพจารณา ผลการวเคราะหรปแบบจาลองพฤตกรรมการเลอกเสนทางไดบงชวา โครงขายระบบถนนเชอมตอระหวางเขตอตสาหกรรมโดยเฉพาะสายพเศษระหวางเมองหรอระหวางนคมอตสาหกรรมในพนทชายฝงทะเลตะวนออกแถบนในอนาคตควรใหความสาคญกบประโยชนของการประหยดเวลาทใชในการเดนทาง เปนสงสาคญเปนอนดบแรกทตองพจารณา นอกจากน การพฒนาโครงขายระบบถนนเชอมตอระหวาง เขตอตสาหกรรมในพนทชายฝงทะเลตะวนออกแถบนในอนาคตทจะเกดขน ยงตองคานงถงปจจยขอมลพนฐานของผขบข ( Drivers’ Characteristics) ในรปแบบจาลองความนาจะเปนในพฤตกรรมเลอกเสนทางแบบ Two Route Choice Model ไดแก เพศและอายของผขบข รวมทงปรมาณหรอจานวนดานเพศและอายของผขบข ในการกาหนดแผนพฒนาโครงขายระบบถนน ใหมความสอดคลองกน และ ควรมบรการใหหลากหลายททางหลวงสามารถทจะชวยอานวยความสะดวกระหวางทาง เชน จดพกของผใชรถใชถนน ฯลฯ เพอรองรบความหลากหลายความตองการของผเดนทาง

ปจจยทกลาวมาจะเปนพนฐานสาหรบการวางแผนเกยวกบ การออกแบบระบบความ

65

ปลอดภยในการเดนทาง การออกแบบสภาพพนผวถนนทรองรบปรมาณการจราจร และ ระบบการแกไขปญหาสภาพการจราจรระหวางการเดนทางในอนาคต

66

Reference

ภาษาองกฤษ

1) Pindyck, R.S., and Rubinfel,D.L..1992. Microeconomics 2nd ed. Singapore :Irwin/McGraw-Hill

2) Washing,P.,2003. Statistical and Econometric Method forTransportation Data Analysis p257-295

3) Wardman , M. 1988 A Comparison of Revealed Preference and Stated Preference Models of Travel Behaviors. Journal of Transport Economics and Policy 22(1): 71-91

4) Kroes , E.P., and Sheldon, R.J. 1988 Stated Preference Methods : An Introduction Journal of Transport Economics and Policy 22(1): 11-25

5) Ben-Akiva, M., and Lerman , S.1985. Discrete Choice Analysis: Theory and Application to Travel Demand . Cambrigde: M.I.T. Press

6) Bovy.P.H. and Bradley. M.A. 1985. Route Choice Analyzed with Stated-Preference Approaches. Transportation Research Record 1037: 11-20

7) Ju-Chin Huang, Timothy C. Habb and John C.Whitehead,”Willingness to Pay for Quality Improvements:Should Revealed and Stated Preference data be combined?”,Oct 1977,Department of Economics East Carolina University .

8) Note on Likelihood Ratio, Wald and Lagrange Multiphier: http://oll.temple.edu/economics/notes/likratio/likRatio.htm

67

ภาษาไทย 1) สมพงษ ศรโสภณศลป, 2541 . “แบบจาลองการเลอกใชรถไฟฟาขนสงมวลชนใน

กรงเทพมหานคร”, ทนวจยรชดาภเษกสมโภช. จฬาลงกรณมหาวทยาลย 2) นราทพย ชตวงศ. 2539 ทฤษฏเศรษฐศาสตรจลภาค คณะเศรษฐศาสตร จฬาลงกรณ

มหาวทยาลย 3) ณฐวฒ กองสทธ. 2542 . “พฤตกรรมการเลอกเสนทางและความเตมใจทจะจายเงนสาหรบ

ระบบแนะนาเสนทางของผขบขในกรงเทพมหานคร.” วทยานพนธปรญญามหาบณฑต ภาควชาวศวกรรมโยธา บณฑตวทยาลย จฬาลงกรณมหาวทยาลย

4) ธวชชย เหลาศรหงสทอง. 2534. “การพยากรณความตองการเดนทางดวยวธ.” ดสแอกกรเกต” สาหรบพนทกรงเทพมหานครและปรมณฑล.” วทยานพนธปรญญามหาบณฑต ภาควชาวศวกรรมโยธา บณฑตวทยาลย จฬาลงกรณมหาวทยาลย

5) กลยา วานชยบญชา.2540. “การใช SPSS for Windows ในการวเคราะหขอมล”. คณะพาณชยศาสตรและการบญช จฬาลงกรณมหาวทยาลย

6) กลยา วานชยบญชา. 2541. “หลกสถต”. คณะพาณชยศาสตรและการบญช จฬาลงกรณมหาวทยาลย

7) กลยา วานชยบญชา,การวเคราะหตวแปรหลายตวดวย SPSS for Window,พ.ศ. 2543

68

ภาคผนวก

69

ภาคผนวกท 1 ขนตอนการลงขอมลและการคดสรรขอมลเพอเตรยมวเคราะหขอมล ขนตอนท 1 หลงจากการสารวจขอมลเรยบรอย ดาเนนการkey ขอมลตามรปทแสดงดงขางลาง

70

ขนตอนท 2 นาขอมลท key ทงหมดมาจดลาดบใหมเพองายตอการวเคราะหขอมล โดยประกอบดวยขอมลพนฐาน ขอมลเกยวกบเสนทางและหลกเกณฑการเลอกเสนทาง

71

ขนตอนท 3 คดเลอกขอมลทมจดหมายปลายทางทระยอง โดย ทาการเลอก menu data แลวเลอก sort cases

72

ขนตอนท 4 เลอก destination variable ลงไปในตาราง

73

ขนตอนท 5 เลอก destination ตงแตอนดบ 2 ลงไปแลวทาการลบเพอเหลอแตขอมลทมเปาหมายปลายทางทจงหวดระยอง

74

ขนตอนตอไปเปนขนตอนการวเคราะหขอมลรปแบบจาลองพฤตกรรมการเลอกเสนทางแบบ Two Route Choice Model

ขนท 1 นาขอมลทไดจากการลงบนทกขอมลทไดจากการสารวจ แลวทาการคดเลอกขอมลทใชในการประมวลและวเคราะหผล โดยแบงออกเปน ขอมลพนฐาน และ หลกเกณฑในการเลอกเสนทาง

75

ขนท 2 คลกเลอก Menu Analyst แลวทาการเลอก หมวด Regression จากนนทาการเลอกตอเปน Binary Logistics ดงรป

76

ขนท 3 หลงจากทาการเลอกตามขนท 2 เสรจจะได ดงรป จากนน ใสตวแปร Route ในชอง Dependent และ นาตวแปรหลกเกณฑในการเลอกเสนทางในชอง Covariate รวมทงตวแปรพนฐานดวย

77

ขนท 4 เลอกปม Categorical แลวนาตวแปรเชงกลมใสลงไปใน ชอง Categorical Covariate จะไดดงรป

78

ขนท 5 ทาการเลอก Category Reference เลอก First สาหรบตวแปรเชงกลมประเภท เกณฑการเลอกเสนทางและเพศ แลวกด Change สวน ตวแปรเชงกลมประเภทวตถประสงคการเดนทางใหเลอก Last แลวกด Change เชนกน แลวเลอก Continue

79

ขนท 6 หลงจากทาการกาหนด Category Base แลว จะทาการวเคราะหขอมล โดยกาหนดการเลอกวธ BackWard Stepwise ตามรป

80

ขนท 7 เลอกปม Save แลวทาการคลก เลอก Probabilities , Group Membership ในชอง Predicted Values และ คลกเลอก Cook’s ในชอง Influence รวมทงคลกเลอก Unstandardized and Standardized ในชอง Residuals ตามรป

81

ขนท 8 หลงจากกด Continue จะกลบมาทหนาเดม แลวคอย คลก ok ตามรป

82

ขนท 9 เมอทาการRun ขอมลเรยบรอยแลวจะไดผลดงรปทแสดงขางลาง

83

ภาคผนวกท 2

ผลการวเคราะหขอมล Binary Logit Model โดย SPSS Program