第四章 定住空間變遷的另一隱含面
第二節 基本資料分析
表4-2-1 樣本之人口統計變數表
人口統計變數 基本資料 人數 百分比 人口統計變數 基本資料 人數 百分比 男 125 53.4％ 400萬以下 84 35.9％
性別
女 109 46.6％ 401-800萬 87 37.2％
25歲以下 15 6.4％ 801-1200萬 56 23.9％
26-30歲 69 29.5％
居住房子的購 買價格
1201萬以上 7 3.0％
31-35歲 105 44.9％ 新竹市東區 64 27.4％
36-40歲 38 16.2％ 新竹市北區 40 17.1％
41-45歲 5 2.1％ 新竹市香山區 17 7.3％
46-50歲 2 0.9％ 竹北市 44 18.8％
年齡
51歲以上 0 0.0％ 竹東鎮 20 8.5％
已婚 168 71.8％ 湖口鄉 3 1.3％
婚姻
未婚 66 28.2％ 新豐鄉 5 2.1％
高中（職） 28 12.0％ 寶山鄉 17 7.3％
大學（專） 128 54.7％ 竹南鎮 13 5.6％
碩士 67 28.6％ 頭份鎮 11 4.7％
教育程度：
博士 11 4.7％
目前居住地區
其他 0 0.0％
積體電路 136 58.1％ 新竹市東區 65 27.8％
電腦及周邊 26 11.1％ 新竹市北區 33 14.1％
通訊 55 23.5％ 新竹市香山區 19 8.1％
光電 12 5.1％ 竹北市 26 11.1％
精密機械 3 1.3％ 竹東鎮 11 4.7％
服務公司類別
生物 2 0.9％ 湖口鄉 4 1.7％
管理部門 19 8.1％ 新豐鄉 3 1.3％
行政部門 48 20.5％ 寶山鄉 17 1.3％
研發技術部門 105 44.9％ 竹南鎮 3 7.3％
職位
操作部門 62 26.5％ 頭份鎮 5 2.1％
50萬以下 15 6.4％
購買房子前的 居住地點
其他 48 20.5％
51-90萬 44 18.8％ 單身 70 28.2％
91-130萬 51 21.8％ 夫婦 46 29.9％
131-170萬 61 26.0％ 夫婦及小孩 50 29.9％
171-210萬 57 24.3％ 夫婦及父母 10 5.1％
年收入
210萬以上 6 2.5％
家庭型態
三代同堂 14 6.8％
有 23 9.8％
國外留學或工
作的經驗 無 211 90.2％
資料來源：本研究分析整理
二、建立定住區位變遷集群
依據第三章部份研究分析結果得知，新竹地區的住居空間演化主要從園區周
集群分析的方法，首先將蒐集所得之科技社群的性別、年齡、婚姻、教育程度、
公司產業類別、部門類別、年收入、家庭型態、居住房子的購買價格、購屋動機、
資訊來源、外部鄰近性、內部鄰近性、居住區位決策屬性等十四項變數資料先做 相關檢定，剔除了相關程度太高者（0.7 以上）避免使用該項變數的代表性相同，
及相關程度太低者（0.3 以下）避免分群後的結果群組間南轅北轍難以衡量，以這 個方法所選擇得變數最後為年齡、部門類別、家庭型態、居住房子的購買價格、
資訊來源、外部鄰近性、內部鄰近性、以及居住區位決策屬性等八項，利用SPSS 軟體將此11×11 的遷移型態進行集群分析。
表4-2-2 科技社群定住區位變遷交叉分析表
購買房子前的居住地區 東
區 北 區
香 山 區
竹 北 市
竹 東 鎮
湖 口 鄉
新 豐 鄉
寶 山 鄉
竹 南 鎮
頭 份 鎮
外 地
總 計 東區 14 5 9 5 5 0 2 6 0 1 1 63 北區 3 6 6 0 3 1 1 5 1 3 11 40 香山區 9 5 0 2 0 0 0 0 0 0 0 16 竹北市 8 0 4 9 3 3 0 6 2 1 8 44 竹東鎮 9 6 0 0 0 0 0 0 0 0 5 20 湖口鄉 2 1 0 0 0 0 0 0 0 0 0 3 新豐鄉 3 0 0 2 0 0 0 0 0 0 0 5 寶山鄉 6 5 0 1 0 0 0 0 0 0 5 17 竹南鎮 5 2 0 3 1 0 0 0 0 0 3 13 頭份鎮 4 3 0 4 0 0 0 0 1 0 0 12 外地 0 0 0 0 0 0 0 0 0 0 0 0
目前居住地區
總計 63 33 19 26 11 4 3 17 4 5 48 234 資料來源：本研究整理
（一）集群分析的運用與說明
集群分析的方法可分為階層式（hierarchical）與非階層式兩大類。階層式 分析方法的特性在集群過程中形成一樹狀或階層狀之結構，該法是先計算出觀 察體間距離，然後將最為接近的兩個觀察體合併成一集群，接著再計算合併後 之觀察體間距離，並重複以上程序，直到所有觀察體合併同一集群；而非階層 式集群方法是將在各階段分群過程中，將原有的集群予以打散並重新形成新的
集群，並且集群個數需預先決定，而後進行分群（陳正昌 等, 2003）。然而，
無論是階層式或非階層式集群分析在應用上皆有其缺點。階層式集群方法未考 慮誤差和變異的來源，所以集群的結果容易受到異常事物點的影響；同時集群 一旦形成便不再打散，因此必須檢查形成集群之後的集群構形是否合理。相對 而言，非階層式集群方法則在各階段分群過程中，將原有的集群予以打散並重 新形成新的集群；但由於集群數目與集群中心點須事先決定，一般是依據研究 者之經驗判斷或經由重複測試幾個不同的集群數，來找出最後的集群數目，故 顯得較不客觀。
因而有學者建議可用兩階段式的集群分析，先用階層法決定集群數，再用 非階層法進行分群（Hair et al., 1995），修正了階層法中對於集群一旦形成，
就無法對被併入不適當集群的樣本進行重新分群的缺點。同時，也克服非階層 法須事先決定集群數目與集群中心點的問題。因此，本研究為使集群分析結果 更為理想，將集群分析分為兩階段進行，第一階段以Ward 法4決定集群數，並 以歐幾里德距離（Euclidean distance）5計算距離矩陣；第二階段再以K 平均數 法6進行分群。
4 Ward 法又稱為最小變異數法，將每個觀察體視為單獨一個集群，計算其組內變異量（用離均差 平方和代表，
∑∑
= =−
= p
i m j
i
ij x
x SS
1 1
)2
( ，其中i 代表變項，j 代表觀察體）達到最小，即合併為一集群。
5 歐幾里德距離係指，若有 n 個觀察體，每個觀察體有 m 個屬性，則令 x 是 n×m 的資料矩陣，點 與點的歐幾里德距離為：
2 / 1
)2
( ⎥
⎦
⎢ ⎤
⎣
⎡ −
=
∑
m ip jpij x x
d
（二）集群分析結果
第一階段以Ward 法進行分群，並以樹狀圖、判定係數（R-Square, RS）、
以及半偏判定係數（Semi-partial R-Square, SPR）判斷集群數量；第二階段利用 Ward 法決定集群數目後，再利用經由 K 平均數法針對樣本進行分群。
1. 樹狀圖：由 Ward 法得出的樹狀圖顯示（圖 4-2-1），切點設為距離 10 的地 方可將科技社群定住區位變遷社群分為4～5 集群頗為合適。
2. 判定係數：判定係數的增量越大，表示其損失群間的相異性越大。如本研究 中，由五群凝聚成四群時其RS 的增量最大，即表示由五群凝聚成四群時其 群間的相異性將有最大的損失，而使得群間的相異性降低，也因而使得分群 的效果不理想。
3. 半偏判定係數7：偏判定係數的遞減量越大，表示其損失群內的相似性越大。
如本研究中，由五群凝聚成四群時其 SPR 的減量最大，即表示由五群凝聚 成四群時其群內的相似性將有最大的損失，而使得群內的相似性降低，也因 而使得分群的效果不理想。
因此，綜合上述三種的判定方式顯示，科技社群定住區位變遷社群適當的 分群數應為五群。
圖4-2-1 Ward 法集群分析樹狀圖
7 SPR=(新結合集群之群內變異平方和－原本未結合前群內變異平方和)/所有樣本之組內變異平方 0
5 10 15 20 25
Rescaled Distance Cluster Combine
CASE
Dendrogram using Ward Method
圖4-2-2 各集群數 RS 與 SPR 判定圖
第二階段集群分析以第一階段的五個集群重心為種子（seed）、以K-means 演 算法進行非階層集群分析。為了進一步檢驗集群分析之分群有效性，本研究採用 區別分析（discriminant analysis）建構區別函數，並以 Wilks’ Λ 作為篩選的原則
（Wilks’ Λ 主要是考量群組間的異質性和群組內的同質性），用以檢視分群之準確 度。由表 4-2-3 可知，藉由卡方檢定的結果，此一區別函數有顯著的區別效果
（χ2=144.04, P=0.000）。再進一步利用實際分群與理論分群所產生的預測組來衡量 整體的區別率（hit ratio）達 90.9％，表示此區別函數具有相當高的區別能力，故 本研究之策略群組分群穩定性極佳。
表4-2-3 集群分析結果與分群平均差異檢定
區別函數 特徵值 Wilks’ Λ χ2 自由度 P 值
1 2.095 0.323 144.047 3 0.000
區別分析之理論分群 集群分析實際分群
G1 G2 G3 G4 G5 總和 區別率
G1 46 0 1 2 0 49 93.8％
G2 0 22 3 2 0 27 81.4％
G3 1 1 43 0 0 45 95.5％
G4 0 3 0 54 4 61 88.5％
0 0.2 0.4 0.6 0.8 1
0 1 2 3 4 5 6 7
集群數目 RS
SPR
（三）集群命名
本研究經由集群分析法後，挑選了觀察值為五個族群的集群組員，並進一 步檢視每一空間遷移樣本在各集群中的分佈情況（表4-2-4），而在居住社區的 分類上依據第三章的結果定義東區、北區與竹北市為核心社區，香山區、寶山 鄉為近郊社區，竹東鎮、湖口鄉、新豐鄉、竹南鎮與頭份鎮為外圍社區。從表 發現到這五組集群定經由定住區位轉化後，在空間遷移分佈上分別有各自不同 方向性的趨勢，像是第一組集群以核心社區往核心社區之科技社群為佔絕大多 數，同樣地第二組集群則為核心社區往近郊社區。故此，住居空間的變化共分 為五個群組，分別為：
集群一（G1）：核心社區往核心社區
集群二（G2）：核心社區往近郊社區
集群三（G3）：核心社區往外圍社區
集群四（G4）：近郊與外圍社區往核心社區
集群五（G5）：外地往新竹地區
各集群定住空間遷移路徑如圖4-2-3 所示，而其在定住區位選擇上之特性如下：
G1
G5
G3
G4
G2
G4
外圍社區
核心社區
近郊社區
圖4-2-3 科技社群定住空間遷移路徑
表4-2-4 五組定住區位遷移樣本區域轉化表
組別 定住區位遷移樣本 定住區域轉化
第一組集群 東區－東區（13）、北區－北區（6）、竹北－竹北（8）、
東區－北區（3）、北區－東區（5）、東區－竹北（8）、
竹北－東區（5）、北區－竹東（1）
核心－核心社區（48）
核心－外圍社區（1）
第二組集群 東區－香山（8）、北區－香山（5）、竹北－香山（2）、
東區－寶山（6）、北區－寶山（5）、竹北－寶山（1）
核心－近郊社區（27）
第三組集群 東區－東區（1）、東區－竹東（9）、東區－湖口（2）、
東區－新豐（3）、東區－竹南（5）、東區－頭份（4）、
北區－竹東（5）、北區－湖口（1）、北區－竹南（2）、
北區－頭份（3）、竹北－新豐（2）、竹北－竹南（3）、
竹北－頭份（4）、香山－北區（1）
核心－核心社區（1）
核心－外圍社區（43）
近郊－核心社區（1）
第四組集群 香山－東區（9）、寶山－東區（6）、香山－北區（5）、
寶山－北區（5）、香山－竹北（4）、寶山－竹北（6）、
竹東－東區（5）、新豐－東區（2）、頭份－東區（1）、
竹東－北區（3）、湖口－北區 1）、新豐－北區（1）、
竹南－北區（1）、頭份－北區（3）、竹東－竹北（3）、
湖口－竹北（3）、竹南－竹北（2）、頭份－竹北（1）
北區－竹東（1）
近郊－核心社區（35）
外圍－核心社區（26）
第五組集群 外地－東區（16）、外地－北區（11）、外地－竹北（8）、
外地－竹東（5）、外地－寶山（5）、外地－竹南（3）、
竹北－竹北（1）、東區－香山（1）
外地－核心社區（35）
外地－近郊社區（5）
外地－外圍社區（8）
核心－核心社區（1）
核心－近郊社區（1）
1. 核心社區往核心社區（G1）
此集群在年齡上多為26-35 歲之間（91.9％），年薪以 50 萬以下與 51-90 萬為主（77.5％），家庭型態分佈的範圍較為廣泛以單身（27.6％）、夫婦（32.3
％）、夫婦與小孩（29.2％）所組成，對於定住區位的需求為住宅靠近工作地 點、住宅靠近學校。
2. 核心社區往近郊社區（G2）
採光及通風、私人庭院，在其日常生活中認為平時生活難得有清靜，嚮往鄉 野田間的恬淡閒適，購屋型態偏好獨棟大戶的別墅。這個集群多半有國外留 學或工作的經驗（68.5％），因此在定住區位搜尋上會與美式近郊住宅的意象 相連結，但是對於新竹地區地方情感的維繫相當的薄弱，對於地方的依附建 立在園區工作知識的交流上。
3. 核心社區往外圍社區（G3）
此類集群的科技社群之年齡為26-35 歲（77.4％），年薪大多分佈在 51-90 萬之間（39.0％），家庭型態以夫婦（47.1％）及單身（20.6％）為主，在教 育程度與職位上則是屬於高知識與技術密集的科技人，因此他們生活的重心 多半放在工作上，雖然他們亦偏好居住環境品質較佳的住宅，不過面對位於 近郊的千萬別墅只能卻步不前，因而轉向「30 分鐘等距時圈」內的地區，如 新豐、湖口、竹東台三線、竹南、頭份地區等透天別墅擁有平易近人的房價、
清幽 怡人的自然環境，自然也就吸引眾多喜愛，因此在交通考量上相當注意 交通動線的重要性。在定住區位搜尋上，主要透過園區工作伙伴與親朋好友 提供資訊。
4. 近郊與外圍社區往核心社區（G4）
此集群有兩個主要的遷移方向，一是近郊往核心社區，另一為外圍往核 心社區，其在年齡上多為30-40 歲之間（73.9％），家庭型態則以夫婦與小孩 為主（39.1％），在定住區位選擇上一來無法負擔高額的房價，二來考慮到小 孩就學的問題，會以較好的學區為主要購屋考量。在教育與職位上大多為低 知識密集的操作部門與行政部行，因此在定住區位資訊搜尋上多以傳統的方 式經由父母家人的意見、建設公司的諮詢為主，而不像「核心往外圍社區」
與「外地往新竹地區」的科技社群會善用網路的方式蒐集相關資訊。此類群 主要大多數是新竹地區當地居民，因此對於地方他們的生活和新竹地區緊密 結合，對他們來說，這裡是他們生活的好地方，不管是日常的生活活動或是 消費，有很多都是在當地進行。這亦顯示了在過去的居住經驗中，近郊與外 圍社區的商業活動機能較為不足，因此在選擇定住區位上則會偏向與過去居 住經驗相反的地方購買住宅。