Page 150 - 臺大管理論叢第33卷第1期

Associations of Demand for Private Long-Term Care Insurance, Willingness to Pay, and Precautionary
Savings with Preferences for Long-Term Care Systems

Model 1 Model 2 Model 3 Model 4
Coef. Z Coef. Z Coef. Z Coef. Z
(Std. Err) (p value) (Std. Err) (p value) (Std. Err) (p value) (Std. Err) (p value)
exp(β) VIF exp(β) VIF exp(β) VIF exp(β) VIF
Cut1 0.063 0.065 0.130 0.179
(Std. Err) (0.412) (0.412) (0.413) (0.415)
Cut2 0.986* 0.988* 1.054* 1.103*
(Std. Err) (0.409) (0.410) (0.410) (0.412)
Cut3 2.972** 2.973** 3.049** 3.098**
(Std. Err) (0.412) (0.412) (0.413) (0.415)
Cut4 4.264** 4.267** 4.347** 4.397**
(Std. Err) (0.415) (0.415) (0.416) (0.418)
Number of obs 4097 4097 4097 4,097
LR chi2 722.7*** 724.8*** 745.1*** 748.6***
Prob > chi2 0.000 0.000 0.000 0.000
Log likelihood -5237.18 -5233.10 -5222.980 -5221.191
Pseudo R2 0.065 0.065 0.067 0.067
AIC 10532.36 10532.21 10513.96 10514.22
SIC 10734.54 10740.7 10728.78 10735.35
註： *** 表 1% 顯著、** 表 5% 顯著與 * 表 10% 顯著水準。被解釋變數為 Pub_LTC 的對數勝算比值，
其原始值值域為 1~5，各模型將分成四組迴歸 (1 vs 2; 1 vs 3; 1 vs 4; 1 vs 5) 進行 LR Test，驗
證各模型中的解釋變數是否適切；迴歸各解釋變數係數的 exp(β) 值，需經過 exp(β)/(1+exp(β))
的計算過程轉成機率值，代表各變數每變動一單位，相對於基準組，對於 Pub_LTC 的邊際影響效
果 (Logistic Marginal Effect)；VIF 是對模型進行多重共線性診斷 (Multi-collinearity)，若 VIF<1，
變數不存在共線性；VIF>10，則具有共線性的疑慮；Cut 1-4 分別表示被解釋變數數值的對偶
(1vs 2; 1 vs 3; 1 vs 4; 1 vs 5) 共 4 組迴歸，也就是針對四個子樣本分別進行次序羅吉斯迴歸後，
對於截距項的估值，亦即各項 dummy variables 的基準組對於長照制度偏好的解釋能力差異；
我們採用 Akaike Information Criterion (AIC) 與 Schwarz Information Criterion (SIC) 驗證 model
mis-specification，AIC 與 SIC 通常以數值愈小，模式愈佳為準則。實證結果係利用 Stata ologit
command 進行估計與檢定。

是相同的。觀察四個模型的 LR 檢定 (Likelihood-Tatio Test) 發現，儘管每一個模式
的 LR 檢定值 (LRχ) 皆為顯著，顯示（模型 1）原本控制及（模型 2 到 4）陸續加入
的變數，有充分證據說明這些變數對於長照制度偏好皆有顯著的解釋 / 分辨能力，
但仍未能排除每一模型中的某些解釋變數的係數，會因為不同對比組別而導致顯著
差異。

為了確認表 5 的橫斷面分析的實證結果是否具有穩定性 (Robustness)，其一，
我們先就資料結構本身來看，如果資料中存在相關性較強的幾個變數或較為特殊
的幾個樣本，便會影響模型的適合度效果，因此需要對四個模型進行多重共線性
診斷 (Multi-collinearity) 以及離群值識別，診斷方法為變異數膨脹因素（Variance
Inflation Factor, VIF, VIF<1，不存在共線性；VIF>10，則具有共線性的疑慮）。根
據表 5 的 VIF 數值，我們發現控制變數中的 Ocu_Labor 與 Ocu_Public 會有共線性
的疑慮，但我們有興趣觀察的變數（LTC_Ins、WTP 與 Pre_Saving）共線性程度甚

142