Factors Influencing Future Car Purchase Decisions in Bangkok. Case study of Department of Highways Personnel

Abstract

This study was conducted to investigate the factors that influence future car purchasing decisions—specifically the choices between internal combustion engine (ICE) vehicles, electric vehicles (EVs), and hybrid vehicles—and to develop predictive models for forecasting these decisions. A total of 390 personnel from the Department of Highways in Bangkok, Thailand, were surveyed using a structured questionnaire. Two modeling techniques were employed: the Multinomial Logit Model (MNL) and the Random Forest algorithm. From the MNL analysis, it was found that the key factors influencing the decision to purchase an electric vehicle included resale value, emission levels, and gender whereas, for hybrid vehicles, significant factors consisted of maintenance cost, resale value, fuel efficiency, vehicle type preference, age and educational level. According to the Random Forest analysis, the most influential factors in predicting future vehicle choices were vehicle type preference, age and maintenance cost. When the predictive performance of the two models was compared, it was demonstrated that the MNL model achieved a higher accuracy of 66.96%, which was superior to the Random Forest model's accuracy of 47.86%. These findings suggest that the MNL model is more appropriate for this specific dataset. However, the use of the Random Forest model as a complementary tool remains valuable for confirming the consistency of key factors and enhancing the overall credibility of the conclusions.

งานวิจัยครั้งนี้มีจุดประสงค์เพื่อศึกษาปัจจัยที่ใช้ในการเลือกซื้อรถยนต์ (รถยนต์สันดาปที่ใช้น้ำมันเชื้อเพลิง รถยนต์ไฟฟ้า รถยนต์ไฮบริด) ในอนาคตและพัฒนาแบบจำลองเพื่อคาดการณ์แนวโน้มในการเลือกซื้อรถยนต์ โดยศึกษาจากกลุ่มตัวอย่างบุคลากรกรมทางหลวง ในเขตกรุงเทพมหานคร จำนวน 390 ตัวอย่าง เครื่องมือที่ใช้ในการรวบรวมคือแบบสอบถาม โดยทำการวิเคราะห์ข้อมูลด้วย 2 วิธีได้แก่ การถดถอยโลจิสติคพหุกลุ่ม (Multinomial Logit Model, MNL) และเทคนิคโมเดลป่าแบบสุ่ม Random Forest ผลการวิเคราะห์ด้วยวิธีการถดถอยโลจิสติคพหุกลุ่ม (MNL) พบว่าปัจจัยที่มีผลต่อการเลือกซื้อรถยนต์ไฟฟ้า ได้แก่ ราคาขายทอดต่อตลาด การปล่อยมลพิษ เพศ ส่วนปัจจัยที่มีผลต่อการเลือกซื้อรถยนต์ไฮบริด ได้แก่ ค่าใช้จ่ายในการบำรุงรักษา ราคาขายทอดต่อตลาด การประหยัดเชื้อเพลิง ประเภทลักษณะรถยนต์ที่เลือกซื้อ อายุ วุฒิการศึกษาสูงสุด ขณะที่การวิเคราะห์ด้วยวิธีโมเดลป่าแบบสุ่ม Random Forest พบว่าปัจจัยที่ส่งผลในการเลือกรถยนต์ในอนาคตมากที่สุดคือ ปัจจัยประเภทลักษณะรถยนต์ที่เลือกซื้อ อายุ และค่าใช้จ่ายในการบำรุงรักษา เมื่อเปรียบเทียบประสิทธิภาพการพยากรณ์พบว่าการใช้การถดถอยโลจิสติคพหุกลุ่ม (MNL) มีความแม่นยำร้อยละ 66.96 ซึ่งสูงกว่าโมเดลป่าแบบสุ่ม Random Forest ที่มีความแม่นยำร้อยละ 47.86 ซึ่งบ่งชี้ว่าวิธีแบบจำลองโลจิตพหุกลุ่ม (MNL) มีความเหมาะสมกับลักษณะข้อมูลชุดนี้มากกว่า แต่การใช้วิธีโมเดลป่าแบบสุ่ม Random Forest มาช่วยตรวจสอบยังคงเป็นประโยชน์ในการยืนยันความสอดคล้องของปัจจัยสำคัญและเพิ่มความน่าเชื่อถือของข้อสรุปโดยรวมได้