4. Data analysis results4.1. Logist

4. Data analysis results
4.1. Logistic regression overall models for all chosen stations
The correlation between distance and travel time, travel mode
and time, purpose and InboundOut and Waiting time and InboundOut
are 0.53, 0.45, 0.44 and 0.36 respectively (see Table 3).
Therefore, variables, travel time and InboundOut, were removed
before model selection. In addition, travel purpose was identified to
have 95% confidence interval (0, inf). Therefore, it was not
considered in the modelling process.
Table 4 presents the best-fitting logistic regression model for
predicting the nearest station choice for all seven stations. There
are 833 records for all the stations (Table 2), but the sample size for
this regression model is 732 with 101 missing records being
removed for the purpose of the analysis. Three significant variables
in the model were found to be statistically significant. The linehaul
cost was the cost from chosen station to the train station,
which is the nearest to the destination. The less the line-haul cost,
the more likely a chosen station would be a non-nearest station.
For example, a commuter could choose a transit station along the

ผลลัพธ์ (ไทย) 2:

4. การวิเคราะห์ข้อมูลผล
4.1 โลจิสติกการถดถอยแบบโดยรวมของสถานีได้รับการแต่งตั้งทุกความสัมพันธ์ระหว่างระยะทางและเวลาในการเดินทางที่โหมดการเดินทางและเวลาวัตถุประสงค์และInboundOut และเวลารอและ InboundOut จะ 0.53? 0.45? 0.44 และ? 0.36 ตามลำดับ (ดูตารางที่ 3). ดังนั้นตัวแปร เวลาในการเดินทางและ InboundOut ถูกถอดออกก่อนที่จะเลือกรูปแบบ นอกจากนี้จุดประสงค์การเดินทางที่ถูกระบุว่าจะมีช่วงความเชื่อมั่น 95% (0, INF) ดังนั้นจึงไม่ได้รับการพิจารณาในขั้นตอนการสร้างแบบจำลอง. ตารางที่ 4 นำเสนอสิ่งที่ดีที่สุดที่เหมาะสมแบบการถดถอยโลจิสติกสำหรับการทำนายทางเลือกสถานีที่ใกล้ที่สุดสำหรับทุกสถานีเจ็ด มี833 ระเบียนสำหรับทุกสถานีที่มี (ตารางที่ 2) แต่ขนาดตัวอย่างสำหรับรูปแบบการถดถอยนี้คือ732 กับ 101 ระเบียนที่ขาดหายไปจะถูกถอดออกมาเพื่อจุดประสงค์ของการวิเคราะห์ สามตัวแปรที่สำคัญในแบบจำลองพบว่ามีนัยสำคัญทางสถิติ linehaul ค่าใช้จ่ายเป็นค่าใช้จ่ายจากสถานีได้รับการแต่งตั้งไปยังสถานีรถไฟซึ่งเป็นที่ใกล้ที่สุดไปยังปลายทาง น้อยกว่าค่าใช้จ่ายสายไกลมีแนวโน้มที่สถานีได้รับการแต่งตั้งจะเป็นสถานีที่ไม่ได้อยู่ใกล้ที่สุด. ยกตัวอย่างเช่นพร็อพสามารถเลือกสถานีขนส่งตาม

ผลลัพธ์ (ไทย) 3:

4 . การวิเคราะห์ข้อมูล
4.1 . ถดถอยโลจิสติกรวมรุ่นทั้งหมดเลือกสถานี
ความสัมพันธ์ระหว่างระยะทางและเวลาเดินทาง
โหมดและเวลาเดินทาง จุดประสงค์ และ inboundout แล้วรอเวลา และ inboundout
เป็น 0.53  0.45 , 0.44 และ   0.36 ตามลำดับ ( ดูตารางที่ 3 ) .
ดังนั้นตัวแปรระยะเวลาการเดินทางและ inboundout ถูกลบออก
ก่อน การเลือกรูปแบบ นอกจากนี้วัตถุประสงค์ของการเดินทางที่ถูกระบุว่า

มีความเชื่อมั่น 95 เปอร์เซ็นต์ ( 0 , inf ) ดังนั้นจึงไม่พิจารณาในการจำลองกระบวนการ
.
4 ตารางแสดงที่ดีที่สุดกระชับตัวแบบการถดถอยเชิงเส้นสำหรับ
ทำนายการเลือกสถานีที่ใกล้ที่สุดทั้ง 7 สถานี มีประวัติกัน
เป็นสถานีทั้งหมด ( ตารางที่ 2 ) แต่ขนาดตัวอย่างสำหรับการถดถอยแบบนี้แต่ด้วย

101 บันทึกการขาดหายไปลบออกสำหรับวัตถุประสงค์ของการวิเคราะห์ สามตัวแปร
ในแบบจำลองพบว่ามีนัยสำคัญทางสถิติ ต้นทุนยังมี
คือค่าใช้จ่ายจากการเลือกสถานีสถานีรถไฟ
ซึ่งอยู่ใกล้ที่สุดเพื่อจุดหมาย ยิ่งเส้นลากค่าใช้จ่าย
มีแนวโน้มเลือกสถานีจะไม่ใกล้สถานี
ตัวอย่างเช่น ผู้โดยสารสามารถเลือกสถานีตาม