4.3. Logistic regression models for

4.3. Logistic regression models for non-captive stations
It can be seen from Table 7 that the correlation between distance
and travel time, travel mode and time, purpose and InboundOut and
InBoundOut and travelFeeD are 0.5, 0.45, 0.5 and
0.35 respectively. Therefore, travel time and InboundOut were
removed for model selection.
Three variables were identified to be significant from the best
fitting logistic regression model for non-captive stations (see
Table 8). There are 559 records for the non-captive stations
(Table 2), but the sample size for this regression model is 486 with
73 missing records being removed for the purpose of the analysis.
The most influential variable is travel cost (from a chosen station to
a destination). The less the cost of travelling from a chosen station
to a destination, the more likely a chosen station will be a nonnearest
station, which is consistent with the results from the
overall model. However, different from the model for all chosen
station, cost (origin to station) was found to be significant. The less
the cost from origin to the chosen station, the less likely it is that
chosen stations will be the nearest station.

ผลลัพธ์ (ไทย) 1:

4.3 การแบบจำลองถดถอยลอจิสติกสำหรับสถานีไม่ใช่จำเลยจะเห็นได้จากตารางที่ 7 ที่ความสัมพันธ์ระหว่างระยะทางและเวลาเดินทาง เดินทางโหมด วัตถุประสงค์ และเวลา InboundOut และInBoundOut และ travelFeeD เป็น 0.5, 0.45, 0.5 และ0.35 ตามลำดับ ดังนั้น เวลาเดินทางและ InboundOut ได้เอาออกสำหรับเลือกรูปแบบระบุตัวแปรที่สามเป็นสำคัญจากดีสุดแบบจำลองถดถอยโลจิสติกเหมาะสมสำหรับสถานีไม่ใช่จำเลย (ดูตาราง 8) มีเรกคอร์ 559 สำหรับสถานีไม่ใช่ของจำเลย(ตาราง 2), แต่ขนาดตัวอย่างสำหรับรูปแบบการถดถอยนี้ 486 ด้วย73 หายไประเบียนถูกลบเพื่อการวิเคราะห์ตัวแปรที่มีอิทธิพลมากที่สุดคือ ต้นทุนในการเดินทาง (จากสถานีท่านจะปลายทาง) น้อยกว่าต้นทุนของการเดินทางจากสถานีท่านไปยังปลายทาง ยิ่งสถานีท่านจะเป็น nonnearestสถานี ที่สอดคล้องกับผลจากการแบบจำลองโดยรวม อย่างไรก็ตาม แตกต่างจากรูปแบบสำหรับเลือกสถานี ต้นทุน (จุดเริ่มต้นสถานี) พบเป็นสำคัญ น้อยลงต้นทุนจากจุดเริ่มต้นเลือกสถานี ยิ่งมีแนวโน้มที่จะสถานีท่านจะเป็นสถานีที่ใกล้ที่สุด

ผลลัพธ์ (ไทย) 2:

4.3 รูปแบบการถดถอยโลจิสติกสำหรับสถานีที่ไม่ได้เป็นเชลยมันสามารถเห็นได้จากตารางที่ 7 ที่ความสัมพันธ์ระหว่างระยะทางและเวลาในการเดินทางโหมดการเดินทางและเวลาวัตถุประสงค์และInboundOut และInBoundOut และ travelFeeD เป็น 0.5? 0.45? 0.5? 0.35 ตามลำดับ ดังนั้นเวลาในการเดินทางและ InboundOut ถูกลบออกสำหรับการเลือกรูปแบบ. สามตัวแปรที่ถูกระบุอย่างมีนัยสำคัญจากที่ดีที่สุดที่เหมาะสมแบบการถดถอยโลจิสติกสำหรับสถานีที่ไม่ได้เป็นเชลย(ดูตารางที่8) มี 559 ระเบียนสำหรับสถานีที่ไม่ได้ถูกคุมขังอยู่ที่(ตารางที่ 2) แต่ขนาดของกลุ่มตัวอย่างสำหรับรูปแบบการถดถอยนี้คือ 486 กับ73 ระเบียนที่ขาดหายไปจะถูกลบออกเพื่อวัตถุประสงค์ของการวิเคราะห์. ตัวแปรที่มีอิทธิพลมากที่สุดคือค่าใช้จ่ายในการเดินทาง (จากสถานีได้รับการแต่งตั้ง เพื่อปลายทาง) น้อยกว่าค่าใช้จ่ายในการเดินทางจากสถานีที่เลือกไปยังปลายทางให้มากขึ้นน่าจะเป็นสถานีที่ได้รับการแต่งตั้งจะเป็น nonnearest สถานีซึ่งสอดคล้องกับผลที่ได้จากการรูปแบบโดยรวม แต่แตกต่างจากรูปแบบที่เลือกสำหรับทุกสถานีค่าใช้จ่าย (ต้นกำเนิดไปยังสถานี) ก็พบว่ามีความสำคัญ น้อยกว่าค่าใช้จ่ายจากแหล่งกำเนิดไปยังสถานีที่เลือกมีโอกาสน้อยกว่าที่มันเป็นที่สถานีได้รับการแต่งตั้งจะเป็นสถานีที่ใกล้ที่สุด

ผลลัพธ์ (ไทย) 3:

4.3 . ตัวแบบถดถอยโลจิสติกไม่ใช่เชลยสถานี
มันสามารถเห็นได้จากตารางที่ 7 ว่า ความสัมพันธ์ระหว่างระยะทาง
และเวลาในการเดินทาง , โหมดและเวลาเดินทาง จุดประสงค์ และ inboundout และ
inboundout travelfeed และ 0.5 , 0.5 และ  0.45 , 
 0.35 ตามลำดับ ดังนั้น เวลา การเดินทาง และ inboundout ออกเพื่อเลือกรุ่นถูก
.
3 ตัวแปรที่ระบุไว้จะดีที่สุด
) จากการวิเคราะห์การถดถอยโลจิสติกที่เหมาะสมไม่ใช่เชลยสถานี ( ดู
โต๊ะ 8 ) มีแต่ไม่จับบันทึกสถานี
( ตารางที่ 2 ) แต่ขนาดตัวอย่างสำหรับการถดถอยแบบนี้แล้วกับ
73 ขาดประวัติถูกลบออกสำหรับวัตถุประสงค์ของการวิเคราะห์ ตัวแปรที่มีอิทธิพลมากที่สุด
เป็นค่าใช้จ่ายในการเดินทาง ( จากการเลือกปลายทางสถานี

)น้อยกว่าต้นทุนของการเดินทางจากสถานี
เลือกไปยังปลายทาง ยิ่งเลือกสถานีจะเป็น nonnearest
สถานี ซึ่งสอดคล้องกับผลจาก
รูปแบบโดยรวม แต่แตกต่างจากรุ่นทั้งหมดเลือก
สถานี ต้นทุน ( ต้นสถานี ) พบว่ามีความ น้อย
ต้นทุนจากต้นทางไปยังสถานีที่เลือกอาจน้อยกว่านั้น
เลือกสถานีจะเป็นสถานีที่ใกล้ที่สุด