LISREL及類神經網路在乘客行為意向應用之研究

Applications of LISREL and Neural Network to Analyze the Passenger's Behavioral Intentions

胡凱傑(Kai-Chien Hu) ； 任維廉(Jen Willian)

《運籌研究集刊》 8期 (2005/12) Pp. 43-55

https://doi.org/10.7047/LRR.200512.0043

摘要

在探討影響消費者行為意向的研究領域，因果模式為研究者最常使用的方法。而線性結構關係(LISREL)與類神經網路便為近來研究者較常使用的分析方法。為了解這兩種方法在客運旅客行為意向應用之差異，本研究針對此二種方法進行實證研究，並討論其在理論上與應用時的特性。本研究以國道客運台中－高雄線、台北－台南線之旅客為調查對象。先利用LISREL驗證所建構之結構方程式模式之適配性，再以NN針對全連式與非全連式兩種模式進行分析。結果顯示，對於已知因果關係的模式，LISREL是一種方便且有效的分析工具；而NN則不論是否事先推導出因果關係，經由適當的學習程序後仍有相當的預測力。最後則提出本研究之結論與建議。

關鍵字

線性結構關係 ； 類神經網路 ； 行為意向

並列摘要

Casual model is one of the most powerful instruments in consumer behavioral intentions research. LISREL and neural networks have recently become the popular method to perform casual model. To recognize the differences between LISREL and neural networks methods, this study applied these two methods to passengers’ behavioral intentions and discussed the characteristics in theory and practice. We took passengers of Taichung-Kaohsiung line and Taipei-Tainan line of intercity bus on national freeway as our samples. First, this study applied LISREL to test the goodness of fit of research model. Then two kinds of NN model were tested which one is full connected network and the other is non-full connection network. The results indicated that LISREL can be a convenience and effective analysis tool while the causal relationships were known. On the other hand, no matter the causality was derived out in advance, NN still has suitable prediction after the proper training procedure. At last, we proposed our conclusions and suggestions based on our study results.

並列關鍵字

LISREL ； Neural Networks ； Behavioral Intentions

參考文獻

任維廉、胡凱傑(2001)。大眾運輸服務品質量表之發展與評估－以台北市公車系統爲例。運輸計劃季刊。30(2)，371-408。

任維廉、呂堂榮(2004)。國道客運業乘客知覺之服務品質，滿意度與移轉障礙對其行爲意向之影響。運輸計劃季刊。33(2)，421-448。

呂鴻德、賴宏誌、謝憶文(2000)。顧客滿意構面、品牌忠誠度與顧客終身價值關係之研究－LISREL模式之實證。中原學報。28(4)，25-36。

林清山(1984)。線性結構關係（LISREL）電腦程式的理論與應用。測驗年刊。31，149-164。

胡凱傑(2003)。應用服務品質量表與知覺價值模式探討旅客再消費意願之影響因素－以汽車客運業爲例(博士論文)。國立交通大學運輸科技與管理學系。