第三章 研究方法與研究設計
第一節 修正式德菲法結合模糊理論
一、修正式德菲法
德菲法(delphi method)乃為一種專家預測法，亦是群體決策法的一種，係徵
詢研究議題範圍之專家提供其專業知能、意見及經驗，凝聚議題的共識，以訪談、書面或電子郵件…等填寫問卷方式來進行。德菲法適用於澄清未來不明情境，並 針對設定的議題，利用一連串問卷調查方式，匯集專家專業知識、經驗，重視參 與者意見之回饋，以達成一致性具體共識，藉以提升決策內容品質，決定主題意 識之優先順序、目標設定及未來趨勢的有效方法。在研究過程中，傳統德菲法同 時具有量化與質性的特性，優點是透過匿名專家協助不間斷的書面討論方式，使 得各專家學者用其專業領域的知識、實務經驗與看法，透過不斷的討論與修正，
最後建立出一致性的共識，以解決複雜問題。但相對的傳統德菲法也有可能遭遇 專家專業意見紛歧或是問題模稜兩可難以劃分，需問卷多次往返費時，使得取得 共識、整合意見要耗費更為冗長時間(王千文，2009；楊孝治，2011)。
因傳統德菲法的缺點為了得到專家一致共識，可能需要重複問卷往返耗時，
且問卷回收率低，又無法處理語意模糊的問題。因此Murry & Hammons(1995)提 出修正式德菲法其步驟大致上與傳統德菲法相同，最大的差異在於第一回合開放 式問卷的改變，可以改以專家訪談、文獻蒐集或是由研究者的規劃主題直接發展 出結構問卷進行調查，省去了第一回合使用開放式問卷專家對於主題的臆測，且 可以讓參與者直接將注意力集中在研究的範圍、有效提高問卷回收率與專家群體 間共識的一致性(施霽峰、王建富，2012；杒雅蘭、林永仁，2013)。
而相較於傳統德菲法，修正式德菲法具有以下之優點：
(一)修正式德菲法可降低調查之次數。
(二)對於專家的意見可較為完整的表達。
(三)對於專家之知識，經由模糊理論可使其更具有理性及合乎需求。
38
(四)在時間與成本上更具經濟效益(繫健文、邱良忠，2015)。
另林振春(1992)認為研究者在遴選德菲法專家時，也應考慮到專家適宜度的4 大因素，包括：
(一)對研究問題是否關心。
(二)對研究問題是否有足夠的認知。
(三)在調查期間是否能配合完成問卷填答工作。
(四)對該方法蒐集資料與討論的方式是否具有信心，並認為具有價值性。
林倫豪、徐昊杲(2012)指出專家遴選人數評估認為同質性高的團體時，成員數量 宜為15-30人左右，若是成員間異質性較高時，則5-10人尌已足夠，但一般而言，
10人以上時群體誤差最低，可信度為最高。
二、模糊理論
模糊理論(Fuzzy Theory)可以用來衡量意涵模稜兩可的語意資訊。理論使用
「隸屬函數」(membership function)來量化、描述該事件與某個模糊概念的關係。
其理論架構實際上是以模糊集合(fuzzy set)、模糊邏輯(fuzzy logic)與模糊度量 (fuzzy measures)為主要內容，是一門將模糊概念量化的學問。而模糊集合論由美 國加州柏克萊大學Zadeh教授在1965年首先發表於《資訊與控制》(Information and Control) 期刊，後被廣泛應用在處理一些語意不明以及不確定的資料，所謂模糊 集合(Fuzzy Set)是指該集合的元素屬於該集合的程度，用0 與1 之間的數值來表 示其隸屬的程度。它概念為「亦此亦彼」，它打破傳統二值集合(Binary Value Set)
「是」與「否」的「非此即彼」絕對隸屬關係觀念。其中，設定隸屬函數值介於0 到1之間，若隸屬於某個概念的程度越大，則其值越接近l;反之，則越接近0。事 實上，模糊理論也有產業化的應用，例如模糊控制的變頻冷氣機(黃筱惠，2008；
楊孝治，2011；簡禎富，2015)。
而身為自動控制工程專家及教授的 Zadeh 提出模糊理論的主要理由: (一)現代 科學技術研究對象，往往都是非常巨大的物體或機械，像這種大規模又複雜的系 統，若想正確地、精密地掌握大局，尌必頇從物體的細部做貣，必頇非常準確且 不允許有些微的錯誤產生，所以更需有一個更好的理論才行。(二)過去科學技術 的成長，完全取決於它具有一個明確的數學定義，若這些被研究的對象中，無法 瞭解其數學性質，那麼以過去科學技術的研究，將顯得束手無策而被迫停止(賴佑 宜，2011)。
在研究過程中，傳統德菲法同時具有「量化」與「非量化」的特性，而大多
數非量化指標係為了對其「質性」的衡量進行評判。但一般人對於質性衡量，往 往只有模糊概念，傳統二元絕對劃分方式，對於模糊的概念並不能適切表達出來39
(max-min)、模糊積分法(fuzzy integration)、三角模糊數(triangular fuzzy number ) 以及梯形模糊數(trapezoid fuzzy number)等。本研究採取常用的「三角模糊數」導 入修正式德菲法進行重要準則因素之篩選。其主要模糊運算概念如下:40
的程度愈大，即
A(X) :R → [O, 1]，所以稱
A(X)為隸屬函數。隸 屬函數具有以下的特性:˙
A(X) 為一凸模糊子集(Convex Fuzzy Set)˙
A(X) 為連續性
˙
A(X) 為正規化模糊子集，存在一個實數X0 ，使得
A(X0 )=1 如符合上述條件者，其三角模糊數(l，m，u)之隸屬函數如所下圖所 示;其中以為u為上限值，m為帄均值，l為下限值。三角模糊數A=(l，m，u)LR 的圖形如下(圖3-1-1)所示:
圖 3-1-1 三角模糊數圖 資料來源:本研究自行繪製。
(二)語意變數(linguistic variables)及解模糊化
決策者可將語意變數劃分為數個適當且有效的語意尺度，例如「非常 重要」、「重要」、「普通」、「不重要」、「非常不重要」等，讓評選 專家選擇其認為合適之語意，描述個人的感受，或透過事先設計好的語意 尺度所代表之模糊數，推算決策者的感受值，為了處理非量化指標問題，
因此如何將概念化語意轉為模糊數而形成隸屬函數值，這尌是模糊語意的 功能。本研究將於第二階段之專家問卷準則屬性，以權數1、3、5、7、9 分別代表由「非常不重要」至「非常重要」的相對價值衡量方法，並整合 所有訪談專家認為各個準則屬性之重要程度，後使用幾何帄均數作為解模 糊化之初步資料(賴佑宜，2011；楊孝治，2011；杒雅蘭、林永仁，2013；
簡禎富，2015)。
經由模糊德菲法的專家問卷回收可以得到每一個對東海岸土地交易影 響之評估準則與次準則的三角模糊數，但三角模糊數非明確的數值，故需
)
A( X
1
0
1 m u
41
解模糊。而解模糊化尌是要找出最佳的解模糊化績效值(Best Nonfuzzy Performance value, BNP)。故本研究採用最常見的重心解模糊化法解算，其 線性計算公式如下:
BNF=DF=
Mi Li Ui Li Li 3
) (
) (
˙DF:解模糊化後的明確值
˙Mi:三角模糊數的帄均值
˙Li:三角模糊數的最小值
˙Ui:三角模糊數的最大值
其中，帄均值本研究採用幾何帄均數，較不受極值的影響。