초록
개인교통수단의 선호로 인한 자가용 승용차의 급증은 서울시의 교통혼잡을 가중시키는 주요한 요인이 되고 있다. 이러한 서울시의 교통혼잡을 완화하기 위해서는 대중교통 중심의 교통체계가 구축되어야 하며 승용차 이용자를 대중교통수단으로 유인할 수 있는 대중교통 활성화정책이 필요하다. 이러한 인식하에 버스를 이용하는 통근 및 통학목적 통행자의 버스이용횟수에 대한 개별행태모형을 통하여 버스 이용에 영향을 미치는 요인을 파악함으로써 승용차 이용자를 대중교통수단으로 유인할 수 있는 정책적인 시사점을 도출하고자 하였다. 본 연구의 목적은 일주일간 버스이용횟수 추정에 적합한 가산자료모형의 적용이다. 국내에서는 가산자료모형을 이용한 연구가 많지 않은 실정이며, 또한 모형의 설정시 과산포(overdispersion)에 대한 검정을 통하여 자료에 적합한 모형을 설정하는 것이 중요함에도 불구하고 적절한 검정없이 일반적으로 사용되고 있는 포와송 회귀모형을 주로 사용하여 왔다. 그러나 본 연구에서는 가산자료모형을 선정하기 전에 과산포에 대한 통계적인 검정을 시행한 결과 음이항 회귀모형이 본 연구의 자료에 적합한 것으로 판정되었으며, 모형설정의 중요성을 살펴보기 위하여 음이항 회귀모형을 이용하여 추정한 결과와 포와송 회귀모형을 이용하여 추정한 결과를 비교하여 보았다.
The rapid increase of Passenger cars which is caused by the discomfort of Public transit and the Preference of automobiles is the major factor of increasing traffic congestions in Seoul With the point that leading the automobilists to the Public transit can be the most important Policy to ease these traffic congestions, this study focuses on the behavioral aspects of company employees and university students and investigates factors influencing bus ridership. To be brief, by estimating bus ridership through count models, this study investigates factors which influence bus ridership and elicits Political suggestions which lead automobilists to Public transit. The Purpose in this study is the application of appropriate count data model. The count data models have been widely applied to the economic area from the middle of the 1980s and to transportation aspect mainly in the foreign countries from the latter half of the 1980s. Even though a few studies in this country employed count data model to count data. all of them were Poisson regression models without suitable tests for the importance of the model specification. In the end, as the result of statistical test, negative binomial regression model which is suitable for overdispersed data was found to be appropriate for the data of weekly bus ridership. To emphasize the importance of model specification, both of poisson regression model and negative binomial regression model were estimated and the results were compared.
