STATISTICAL METHOD FOR TRANSPORT

ECV 5602

INDIVIDUAL ASSIGNMENT

THE STUDY OF VEHICLE KILOMETRE TRAVEL

AMONG MALAYSIA MOTOR VEHICLE USERS

ASSOCIATE PROFESSOR DR. LAW TEIK HUA

Presented by
Ø Sa’adiah Mohd Yusoh GS46511
 INTRODUCTION

THE STUDY OF VEHICLE KILOMETER TRAVEL

(VKT) BETWEEN
MOTORCAR & MOTORCYCLE
3

OBJECTIVES
The purpose of this task is to study the VKT between Cars and
Motorcycles. The objectives are as follows:

1 To determine annual vehicle kilometer travel (VKT) among 
Malaysia motor vehicle users  

To compare annual VKT between different groups of 
2 motor vehicle users (Age, household income, gender 
and etc.) 

3
To investigate the impact of demographic factors (income, 
age, education level) and family characteristics 
(household size, number of kids, and etc.) on annual VKT. 
 LITERATURE REVIEW
Vehicle  Kilometers  Travelled  (VKT) is  the  total in kilometers travelled by motor
vehicles on any particular road systems during a given period of time . VKT is  an 
indicator  commonly  used;  to  measure  road  safety  performance  in  a  particular  country 
and as an indicator for international traffic safety comparison purposes. 

The parameter provides additional information about the crash risk in terms of exposure 
for certain groups of road users. For instance, drivers who travel long distances are more 
at risk to be involved in an accident than those who make shorter trips.

The  VKT  survey  has  been  conducted  in  Malaysia  since  2003.  The  results  of  the 
previous  VKT  survey  (2007)  showed  that  the  average  passenger  car  in  Malaysia 
covered  a  distance  of  20,499  km  while  the  VKT  for  motorcycles  were  15,879  km.  In 
addition  to this,  VKT  is also utilised as a very useful indicator in describing the risk of 
travelling on the roads of any particular country . 
 LITERATURE REVIEW(CONT..)
Figure 1 shows the ranking of countries in terms of deaths per billion VKT in 
2009 respectively. In relation to road safety performance, the fatality index 
(death/ billion VKT) for Malaysia in the year 2009 was 17.27. It means that 
there were 17 deaths per every billion kilometer travelled in Malaysia in that 
year. (Source : MIROS)

Figure 1: Deaths per billion Vehicle-kilometers in 2009 (Source: MIROS)
 RESEARCH DESIGN
• Descriptive study
Methodology • Inferential study

• Field study
How?

• Personal interview, email, WhatsApp
Approach

• Random survey, families, friends, 
Respondent officemates, neighbors
7

METHODOLOGY
1) Set the objectives & hypothesis

2)   Preparation of Questionnaires

3)   Conduct Survey

4)   Analyze the data

5)   Conclusion
 QUESTIONNAIRE
The questionnaire is divided into TWO (2) parts. 

Part A is  the  Demographic  Data,  where  participants  would  easily  (/)  tick 
their own description. The data to be collected in this part are Gender, Age, 
Education Level, Occupation Field and Monthly income Range. 

Part B is the odometer reading of the participants’ vehicle. The reading is 
recorded between 9 to 15 days. The date is also recorded to avoid error. 

The questionnaire is distributed through e-mail, in-person and by-hand. 
Participants are also requested to send the photographs of their odometer 
reading to avoid mistakes in recording the data.

This  study  also  involved  known  respondent  where  there  are  only  verbal 
information collected without questionnaire.
QUESTIONNAIRE

SIMPLE 
QUESTIONNAIRE
1) Respondent Name : ______________
2) Age : ______
3) Gender : M/F
4) Monthly Income (RM) : _______
5) Highest education level :_______
6) Vehicle Reg. Number :_________
7) Odometer Reading
i. Reading Day 1 :__________
Date :
ii. Reading Day 14 :__________
Date:
SAMPLE OF THE RAW DATA
 The data collected are tabulated and shown in Table 1 and 2:
Odometer 
Education  Income range Annual 
No Name  Age Gender Occupation VKT
level  RM(K) 1 2 VKT
MOTORCAR
1 Azira 34 F Engineer Degree E 25512 25869 357
4284
2 Mat Yie 38 M Supervisor Degree E 39519 40449 930 11160
TABLE 1 : 3 Amir  35 M Technician Certificate  B 56660 56995 335 4020
DATA 4 Fauziah 58 F Entrepreneur Diploma E 243352 243812 460 5520
5 Bayati  29 F Storekeeper Certificate  A 163099 163205 106 1272
COLLECTED 6 Zafril 28 M Entrepreneur Certificate C 334281 333545 736 8832
FOR 7 Qila 26 F Student Diploma A 226304 226761 457 5484
MOTORCAR 8 Thilis 28 M Engineer Degree D 99221 100054 833 9996
9 Izman  44 M Manager Degree E 27768 28150 382 4584
10 Hamdan 31 M Engineer Diploma C 192874 193139 265
3180
11 Ijan 35 M Engineer Degree E 184185 184371 2232
186
12 Faizal 26 M Engineer Degree B 61113 61522 409
*Income Range, in RM: 4908
13 Shawal  42 M Executive Diploma  C 139012 139396 384 4608
A:<2,000 14 Eyda 24 F Entrepreneur Degree D 32326 32673 347 4164
B:2,001-3000, 15 Yusmira 31 F Admin Certificate  A 32904 33169 265
3180
C:3,001-4000, 16 Imi 36 F Engineer Degree E 809 1492 683 8196

D4,001-5000, 17 Yani 34 F Engineer Degree  E 17226 17343 117 1404

E:>5,001 18 Zalina  45 F Head Of Section Degree E 23014 23438 424 5088

Operations 
19 Imran  36 M Diploma  C 38497 39175 678 8136
Executive 
20 Hafiz  41 M Technician  Diploma  B 166824 167771 947 11364

21 Intan  27 F Admin/HR Clerk  Certificate  A 25405 26610 1205 14460

22 Muslim  35 M Storekeeper  Certificate  A 46993 47560 567 6804

 Odometer 
Education  Income range Annual 
No Name  Age Gender Occupation VKT
level  RM(K) 1 2 VKT

MOTORCYCLE 
1 Dailami 27 M Engineer  Diploma C 345270 347115 1845 22140

TABLE 2 : 2 Soon 30 M Engineer  Diploma D 527440 582664 1224 14688

DATA 3 Ikmal 32 M Engineer  Diploma C 932397 935562 3165 37980

COLLECTED 4 Idham 35 M Engineer  Master D 845983 847134 1151 13812

 Secondary 
FOR 5 Am  40 M Petrolling  
school 
B 24362 26262 1900 22800

MOTORCYCLE 6 Dayat  40 M Petrolling

 Secondary 
school 
A 73367 74766 1399 16788

 Secondary 
7 Yati  36 F Petrolling A 4276 4600 324 3888
school 
 Secondary 
8 Hidayat  38 M Petrolling A 27001 28007 1006 12072
school 
*Income Range, in RM: 9 Saiful 43 M Petrolling Certificate  B 27838 28877 1039 12468
A:<2,000 10 Shahrina 39 F Petrolling
 Secondary 
A 47032 48044 1012 12144
school 
B:2,001-3000, 11 Adel   20 M Student Matric A 66896 66999 103 1236
C:3,001-4000, 12 Rezani  29 M Worker SPM A 25362 26262 900 10800

D4,001-5000, 13
14
Qusais
Khaldon 
19
31
M
M
Student
Worker
Matric
SPM
A
A
4276
27001
4600
28007
324 3888
1006 12072
E:>5,001 15 Zahran  32 M Worker SPM A 27838 28877 1039 12468
 Secondary 
16 Azrul 31 M Petrolling A 20821 22128 1307 15684
school 
 Secondary 
17 Badrul 31 M Petrolling A 43558 43989 431 5172
school 
18 BLB9968 34 M Business Diploma B 2867 3215 348 4176
19 KCQ629 32 M Business Diploma B 23993 24396 403 4836
20 BNA2683 40 M Worker Diploma B 15890 16385 495 5940
21 BMY1270 44 M Worker Diploma B 8114 8184 70 840
22 JMS5949 36 F Education SPM B 51553 51613 60 720
DISTRIBUTION OF VKT
DESCRIPTIVE ANALYSIS
(SPSS & EXCELL)
Descriptive Analysis for Motorcar & Motorcycle

Histogram & Normal Distribution Curve 

This bar represent the 
small amount Annual 
VKT (Car & Motorcycle) 
frequency

The normal distribution is 
positive skewed where 
the Mean and Median 
value is at right side 
(positive) of Mode
Descriptive Analysis for Motorcar

Histogram & Normal Distribution Curve 

This bar represent the 
small amount Annual 
VKT (Car) frequency

The normal distribution is 
positive skewed where 
the Mean and Median 
value is at right side 
(positive) of Mode
Descriptive Analysis for Motorcycle

Histogram & Normal Distribution Curve 

This bar represent the 
small amount Annual VKT 
(Motorcycle) frequency

The normal distribution is 
positive skewed
HYPOTHESIS TEST & MLR
INFERENTIAL ANALYSIS
(SPSS & EXCELL)
 HYPOTHESIS TEST 1
TEST HYPOTHESES FOR THE DIFFERENCE BETWEEN
TWO POPULATIONS MEAN, WITH KNOWN VARIANCES

The two populations to be tested are:
1. VKT for Cars, VKT for Motorcycles, 

µcars = 6039.82 and σcars = 3458.83
  
µmotorcycle = 11209.64 and  σmotorcycle =  3888.00
H0 : The mean of the VKT for cars and VKT for motorcycles is similar at 
significance level,  α = 0.05
H0: µa - µb = 0 (claim)

And,

H1: The mean of the VKT for cars and VKT for motorcycles is different at 
significance level,  α = 0.05
H1: µa - µb ≠ 0 
 HYPOTHESIS TEST 1 CONT…
Compare z with α = 0.05
 
Critical Region: Z0.025 > 1.96 and Z0.025 <- 1.96  0.025 0.025

Calculate the sample test statistic  0
-1.96 1.96

Ztest is in the 
rejection 
region so 
Reject H0
Conclusion: Reject H0, 
The evidence indicates that the mean of VKT car and VKT 
motorcycle is significant different at significance level α = 0.05 
(95% confidence level)
 HYPOTHESIS TEST 2
Hypothesis Test 2 (Using Excel Data Analysis Tools) 
– To Compare Annual VKT Between Household Income

Ho : There is no significant difference in the average of annual VKT between 
Income < RM 5000 and Income > RM 5000.
Ho : µ1 - µ2 = 0

H1 : There is a  significant difference in the average of annual VKT between 
Income < RM 5000 and Income > RM 5000.
H1 : µ1 - µ2 ≠ 0
 HYPOTHESIS TEST 2 CONT..
Population normally distributed; large sample size > 30;  population 
variance unknown; population variance equal

Assume level of significance = 0.05

Ho : µ1 - µ2 = 0, H1 : µ1 - µ2 ≠ 0

Degree of Freedom, df = 44 – 2 = 42

Critical Region :
t < t0.025, 42  = (2.009 + 2.021)/2 = -2.015
t > t0.025, 42  = (2.009 + 2.021)/2 = 2.015
 Annual VKT for Income 
No Annual VKT for Income > RM5000

HYPOTHESIS
>RM5000
1 4020 4284
2 1272 11160
3 8832 5520

TEST 2 CONT.. 4
5
6
5484
9996
3180
4584
2232
8196
7 4908 1404
8 4608 5088
9 4164  
10 3180  
11 8136  
12 11364  
13 14460  
Data sorted as Table  14
15
6804
22140
 
 
1 before analyze 16 14688  
17 37980  
18 13812  
19 22800  
20 16788  
21 3888  
22 12072  
23 12468  
24 12144  
25 1236  
26 10800  
27 3888  
28 12072  
29 12468  
30 15684  
31 5172  
32 4176  
33 4836  
34 5940  
35 840  
36 720  
 From Excel
HYPOTHESIS
TEST 2 CONT..

    
t0.025,42     t0.025,42

Conclusion :

t statistic = 1.479       <     t0.025, 42 = 2.015

Fail  to  reject  hypothesis  null.  Therefore  there  is  no  significant  difference  in 
the average of annual VKT between Income < RM5000 and > RM5000
 Gender  Income range (Income 
Age (FEMALE = 0,  <RM4001 =0, Income  Annual VKT
MULTIPLE LINEAR 34
MALE = 1)
0
>RM4001 = 1)
1 4284

REGRESSION 38
35
58
1
1
0
1
0
1
11160
4020
5520
29 0 0 1272
28 1 0 8832
26 0 0 5484
28 1 1 9996
44 1 1 4584
Dependent Variable 31 1 0 3180
35 1 1 2232
= Annual VKT
26 1 0 4908
42 1 0 4608
24 0 1 4164
Independent Variable 31 0 0 3180
= Age, Gender and Income 36 0 1 8196
34 0 1 1404
45 0 1 5088
36 1 0 8136
41 1 0 11364
27 0 0 14460
35 1 0 6804
27 1 0 22140
30 1 1 14688
32 1 0 37980
35 1 1 13812
40 1 0 22800
40 1 0 16788
36 0 0 3888
38 1 0 12072
43 1 0 12468
39 0 0 12144
 RESULT OF MULTIPLE LINEAR REGRESSION

R2 not close to 1 indicate bad fit

R2 = 0.094 means that only 9.4% of annual 
VKT can be explained by gender, age and 
income

MLR :
ŷ = 4588.176 + 35.452x1 + 4396.937x2 – 995.518x3
Adjusted R2

P-value

Independent
Variables

Age
Gender 
Income

β p value
 MULTIPLE LINEAR
REGRESSION CONT..
Regression Line:

ŷ = 4588.176 + 35.452x1 + 4396.937x2 – 995.518x3

Where:  Y = Annual VKT;  X1 = Age;   X2 = Gender;   X3 = Income

1. When X1, X2 and X3 are zero, the estimated values of Annual VKT 
is 4588.176.
2. When X2 and X3 are held constant, the estimated values of Annual 
VKT increase by 35.452 for every 1 unit increase in age.
3. When X1 and X3 are held constant, the estimated values of Annual 
VKT increase by 4396.937 for every 1 unit increase in gender.
4. When X1 and X2 are held constant, the estimated values of Annual 
VKT decrease by 995.518 for every 1 unit increase in income.
 MULTIPLE LINEAR
REGRESSION CONT..
Conclusion:

1) F (1.385) > Significance F (0.261). Therefore the result   
    is not so reliable (slightly significant)

2) P Value for age, gender and income is more than 0.05   
    which it is not statistically significant. Therefore this   
    model can be replace with other independent variable   
    to get more effective value of Annual VKT