第四章 研究結果與分析
4.2 區別分析
表4-3:使用者個人租屋偏好及元素值(續)
指標 內容 元素值 指標 內容 元素值
由 房 東 定 期 巡 視 維修
房屋及設備損害 1 之維修情形
通報後維修 2
附近週遭有餐飲店 及便利超商
1
鄰 近 交 流 道 及 道 路 車 輛 往 來 頻 繁 的主幹道
1 附近週遭只有餐飲
店
2
鄰 近 火 車 站 及 公 車 站 大 眾 交 通 工 具地點
2 附近週遭只有便利
超商 住宿地點環境及 3
對外交通
位 於 交 通 較 不 便 利 卻 較 為 寧 靜 的 住宅區
3
住 宿 地 點 附 近 的 飲 食 機 能
週遭無任何餐飲店 及便利超商
4
遠 離 坡 地 並 座 落 於 其 他 地 勢 較 為 平緩的地點
1
房屋座落的地點
座落於坡地,地勢 較為陡斜的地點
2
從表4-4、表 4-5 可以得知分三群及分四群的預測正確率為 98.96%,從表 4-6 顯示分五群時的預測正確率為96.37%,而從表 4-7、表 4-8 所示,分六群及分七 群的預測正確率為96.89%。而從表 4-9 中可以得知分在三群的模型中有 10 個變 數指標因F 值<0.05 具有顯著水準,具有區別的能力,在分四群中則有 11 個變數 指標達到顯著水準,而在分五群、六群、以及七群則具有13 個變數指標 F 值<0.05。
雖然分三群及分四群的模組在預測正確率上高達98.96%,但是因為達到顯著 水準的變數個數分別為10 個以及 11 個與分五、六、七群模組的結果相較之下較 差,此外分三群及分四群的模組在樣本分配上有過於集中於某一群組的現象,可 能還有再細分為更多群組的可能性,因此不適用作為系統的分群模組的使用。分 五群的預測正確率為所有模型中最差為 96.37%,且在樣本分配上也有過於集中 於某一群組的現象,因此也不適用作為系統分群模組的使用。而分六群及分七群 的模組其預測準確率比分五群模組較佳,有96.89%,具區別能力的變數有 13 個,
在樣本的分配上,分六群模組的樣本分群較為平均,而分七群模組的則有集中於 某一群組的現象,可能還有再細分的可能性。綜合以上分析結果,本研究最後挑 選分六群的群心以及群集樣本作為租屋推薦系統使用的分群模組,其群中心之元 素值如附錄C 所示。
表4-4:區別分析分群模組三群分類矩陣表
群組一 群組二 群組三 合計 正確率
群組一 27 0 0 27 100%
群組二 0 66 2 68 97.06%
群組三 0 0 98 98 100%
合計 27 66 100 193 98.96%
際 實 測
預
表4-5:區別分析分群模組四群分類矩陣表
群組一 群組二 群組三 群組四 合計 正確率
群組一 120 1 0 1 122 98.36%
群組二 0 39 0 0 39 100%
群組三 0 0 14 0 14 100%
群組四 0 0 0 18 0 100%
合計 120 40 14 19 193 98.96%
際 實 測
預
表4-6:區別分析分群模組五群分類矩陣表
群組一 群組二 群組三 群組四 群組五 合計 正確率
群組一 20 1 0 0 0 21 95.24%
群組二 0 14 0 0 0 14 100%
群組三 0 0 87 3 0 90 96.67%
群組四 1 0 1 34 1 37 91.89%
群組五 0 0 0 0 31 31 100%
合計 21 15 88 37 32 193 96.37%
際 實 測
預
表4-7:區別分析分群模組六群分類矩陣表
群組一 群組二 群組三 群組四 群組五 群組六 合計 正確率
群組一 23 0 2 0 0 0 25 92%
群組二 0 16 0 0 0 0 16 100%
群組三 0 1 45 0 0 0 46 97.83%
群組四 0 0 0 21 0 0 21 100%
群組五 0 0 1 1 40 0 42 95.24%
群組六 0 0 1 0 0 42 43 97.67%
合計 23 17 49 22 40 42 193 96.89%
際
實 測
預
表4-8:區別分析分群模組七群分類矩陣表
群組一 群組二 群組三 群組四 群組五 群組六 群組七 合計 正確率
群組一 70 2 0 0 0 1 0 73 95.89%
群組二 1 35 0 0 1 0 0 37 94.59%
群組三 0 0 34 0 0 0 0 34 100%
群組四 0 0 0 5 0 0 0 5 100%
群組五 0 0 0 0 17 0 1 18 94.44%
群組六 0 0 0 0 0 13 0 13 100%
群組七 0 0 0 0 0 0 13 13 100%
合計 71 37 34 5 18 14 14 193 96.89%
實際預測
表4-9:ANOVA 表
三群 四群 五群 六群 七群 變數 Pr > F Pr > F Pr > F Pr > F Pr > F Var1 <0.001* <0.001* <0.001* <0.001* <0.001*
Var2 0.0609 0.6260 0.7479 0.4935 0.8787 Var3 <0.001* <0.001* <0.001* <0.001* <0.001*
Var4 0.0626 0.0510 0.0474* 0.0145* 0.0914 Var5 <0.001* <0.001* <0.001* <0.001* <0.001*
Var6 0.1236 <0.001* 0.0835 <0.001* <0.001*
Var7 0.0011* 0.0144* 0.0031* 0.1712 0.0242*
Var8 0.3264 0.3223 0.0990 0.1953 0.0083*
Var9 0.5448 0.0887 0.0319* 0.2072 0.0931 Var10 0.0009* 0.2662 <0.001* 0.0003* 0.0013*
Var11 0.4535 0.0604 0.1949 0.0944 0.0520 Var12 0.2240 0.0281* <0.001* <0.001* <0.001*
Var13 <0.001* <0.001* <0.001* <0.001* <0.001*
Var14 0.0124* <0.001* <0.001* <0.001* <0.001*
Var15 0.0084* <0.001* 0.0401* 0.0085* 0.0079*
Var16 0.7050 0.3484 0.6401 0.1841 0.1328 Var17 0.2293 0.1391 0.3890 0.3000 0.1617 Var18 0.0002* <0.001* 0.0397* <0.001* 0.0028*
Var19 0.1196 0.0003* 0.0063* <0.001* <0.001*
Var20 0.0211* 0.3425 0.2101 0.0012* 0.0547
註一:*表<0.05 顯著