本研究經由蒐集台灣高速鐵路、台灣鐵路、國內航空及國道客運的旅運資料，
加以分析城際間各運具是否受高鐵營運而影響，首先利用成對樣本 t 檢定以探討各 運具於高鐵通車前後是否有顯著差異，再使用灰關聯分析以探討其間之關連度，接 著利用灰預測分析各運具未來之需求預測以探討其需求是否受影響，最後採用迴歸 分析以探討各相關運具間與高鐵之關係，分析其是否受衝擊。
1. 經由 t 檢定之分析，顯示台鐵縱貫線延人公里、國內西部航空運量、統聯客運運 量及延人公里皆為顯著之變數，即代表其於高鐵營運之前後有明顯之差異，而 台鐵縱貫線運量及高速公路小汽車通行車輛數則不顯著。
2. 透過灰關聯分析發現關聯度最高為統聯客運之運量，次之為台鐵縱貫線旅客人 數，而關聯度最低為國內航空西部總旅客數。而本研究發現關聯度之計算原理 以參考數列與其他相關數列資料之距離差運算，如此不難發現資料如果與參考 數列具有同幅變化，則關聯度比較高。如航空運量與高鐵運量成反向增減，故 以距離差作為計算時，高鐵與航空運量所呈現之關聯度則較低，但實際上航空 受到高鐵相當嚴重之衝擊。
3. 灰預測之 GM(1,1)對於台灣高鐵、台灣鐵路、國內航空及國道客運各旅運相關資 料構建模式以預測其未來之變化，其運量預測準確率均優於 90%以上，除航空 之運量灰預測僅82.80%，而航空運量預測之平均準確率較低狀況，受到於 2008 年 3 月之運量突增，故使運量預測產生偏頗。本研究故建議可採用灰預測之 GM(1,1)的模式做為未來進行各運具之運量預測模型，且準確率相當良好。下表 5.28 為各運具模式之結果。
表5.28、灰預測 GM(1,1)各運具模式比較表 運量
高鐵 台鐵 航空 統聯
滾動時階 8 滾動時階 7 滾動時階 4 滾動時階 7 滾動時階 MSE 33817871206.08 2.29497E+11 1487587189.52 4808390634.90
MAE 144546.36 473311.38 26653.10 62331.57
MAPE 8.72 3.60 18.92 6.47
RMSE 183896.36 479058.59 38569.25 69342.56 平均準確率 92.52% 97.75% 82.80% 94.33%
表5.28、灰預測 GM(1,1)各運具模式比較表(續) 延人公里
高鐵 台鐵 航空 統聯
滾動時階 8 滾動時階 8 滾動時階 -- 7 滾動時階
MSE 1.56495E+15 1.49571E+15 -- 2.46821E+14 MAE 31661646.48 38598834.12 -- 14220840.11
MAPE 8.61 6.25 -- 6.49
RMSE 39559416.91 38674454.20 -- 15710530.11 平均準確率 92.62% 96.43% -- 94.32%
營收
高鐵 台鐵 航空 統聯
滾動時階 7 滾動時階 -- -- 7 滾動時階
MSE 12754322637.45 -- -- 5.42209E+14 MAE 102018.42 -- -- 20343711.00 MAPE 7.14 -- -- 7.53 RMSE 112935.04 -- -- 23285391.16
平均準確率 93.75% -- -- 93.42%
4. 除採用灰預測模型預測高速鐵路之運量外，另嘗試建構迴歸模型討論預測模式 之因子關係，其分別為模式一及模式二，變數則是以高鐵優惠以及高鐵班次作 為解釋變數，並且發現其變數有顯著影響高鐵運量。而根據表 5.29，迴歸模式 之預測能力為93.84%(模式一)易較優於灰預測之 GM(1,1)滾動時階為 8 時之準確 度92.52%。
5. 探討高速鐵路對於國內整體市場之衝擊，如台灣鐵路、航空公司西部幹線、國 道客運統聯公司、國道小汽車通行量之影響，可以發現台鐵與航空西部幹線是 一直受到高速鐵路之影響。模式三及模式五則是探討高鐵營運後，其他運具是 否持續受著高鐵營運的影響，因此為探討2007 年 1 月以後之狀況；根據模式結 果發現，國內統聯客運之旅運量及國道高速公路之通行量，是受到高鐵作為現 存運具之影響不顯著之運具，意即高鐵已經營運之條件下，對於此兩項運具之 持續性影響則略顯不顯著；而解釋能力則是以加上高鐵優惠之變數解釋能力較 佳。準確率資料請參照表5.29。
6. 另外則是討論高鐵鐵路通車前後對於國內市場之衝擊影響，故討論分析範圍涵 蓋高鐵營運前之資料，意即完成之模式為模式四及模式六，根據模式摘要分析 結果顯示，所有運具均受到高鐵營運前後之衝擊，是故每項變數均為顯著影響 變數。而準確率之解釋能力上仍是以加上高鐵優惠之變數解釋能力較佳。準確 率資料請參照表5.29。
7. 本研究利用迴歸分析探討變數間之關係，經由模式三可知顯著之解釋變數有高 鐵優惠、台鐵縱貫線運量及國內航空西部運量，而統聯運量與高速公路小汽車 通行車輛數則較不顯著，本研究推斷由於其資料僅有13 筆，故僅觀察高鐵營運 後之結果，而未考量前後之差異，且統聯客運隨著高鐵採優惠措施，因此旅客 數不至於大幅驟減，導致統聯客運影響程度為不顯著；另外高速公路小汽車通 行車輛數不顯著也因高鐵營運期間其成長率仍維持持續增長，較不與高鐵有實 質之影響，是故為不顯著變數。此外，模式四加入高鐵營運前各相關資料以分 析討論，其模式顯示高鐵優惠、台鐵縱貫線運量、國內航空西部運量、統聯運 量及高速公路小汽車通行車輛數皆為顯著之變數，故若考慮高鐵營運前後之變 化，其皆具有顯著之差異。
8. 模式預測準確率中，依據表 5.29 所示其最佳預測模式為模式一，平均準確率高 達93.84%，而最低之預測模式為模式六，其平均準確率為 86.09%。因此本研究 認為，如要預測高鐵之運量，仍依高鐵優惠及高鐵班次做為解釋變數進行模式 預測較佳。
表5.29、迴歸分析之各模式比較表
模式一 模式二 模式三 模式四 模式五 模式六
資料樣本數 13 37 13 37 13 37
解釋變數個數 2 2 5 5 4 4
顯著變數個數 2 2 3 5 2 4
R2 0.928 0.969 0.936 0.963 0.742 0.919 調整後R2 0.914 0.967 0.890 0.957 0.614 0.909 MSE(千) 9607774 14649634 8781080 17610962 35290341 38000415 MAE 81287.37 88302.16 86388.52 106202.12 156128.09 150550.21 MAPE 6.67 5.18 6.70 2.77 12.26 5.02 RMSE 98019.26 121035.67 93707.42 132706.30 187857.24 194936.95 平均準確率 93.84% 85.66% 93.82% 92.34% 88.68% 86.09%
9. 而依據 t 檢定之結果，國內西部航空運量、統聯客運運量於高速鐵路營運前後是 有顯著差異，而台鐵與國道小汽車通行量為無明顯差異；但依據迴歸分析之結 果顯示，台鐵運量則有顯著影響，則兩檢定結果不一致之現象產生。本研究深 入了解緣由推測，台鐵之運量每月以百萬人進行旅運，因此可能於t 檢定之平均 數檢定認為前後差異不顯著，但迴歸分析則一併考量與高鐵運量之影響，其結 果發現是有受到高速鐵路營運之影響，因此為顯著變數。