第四章 實證結果分析
第一節 天災變數處理
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果分析
第一節 天災變數處理
本研究依據內政部消防署之統計資料，包括當年度發生天災數總計、總 人員傷亡數、受損房屋總棟數、受損房屋總戶數、搶救災民人數、總出動救 災人員和總出動裝備數等7 項成份，作為天災變數之估計基礎。
本研究使用主成份分析法將這些可能能夠表示天災程度的成份進行分 析，做出一個表示天災程度的變數，再放入上述隨機效果模型做為本研究主 要之自變數，檢視天災房屋損失、天災頻率及天災程度是否會影響台灣產險 公司下年度再保費支出比例。
進行主成份分析前須進行KMO 與 Bartlett 檢定，檢視天災成份是否可 進行因素分析。當KMO 值越大表示成份間的共同因素越多，越適合進行因 素分析，惟若KMO 小於 0.5 則表示不能接受。此外 Bartlett 球形檢定亦可運 用於檢測資料成份是否適合做因素分析，該檢定是用來判斷資料是否為多變 量常態分配，若所選取之資料成份顯著性小於顯著水準0.01 則代表適合，
該變數可進行主成份分析。本研究之KMO 與 Bartlett 檢定如表 4-1 所示：
表 4-1 天災成份 KMO 與 Bartlett 檢定 KMO 與 Bartlett 檢定
Kaiser-Meyer-Olkin 取樣適切性量數 0.530 Bartlett 的球形檢定 近似卡方檢定 107.017
自由度 21
顯著性 0.000
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本研究之KMO 值為 0.53，大於 0.5，縱結果偏低但未達不能接受標 準，推測導致此結果的可能原因為內政部消防署的統計資料成份個數有7 個，但天災年份僅18 年，資料量不夠所致。惟根據 Bartlett 的球形檢定，顯 著水準小於0.01，代表該資料可進行因素分析，故本研究以下進行主成份分 析。
接著分析成份的共同性，共同性代表降維後能解釋各成份的程度。因為 每一個成份資料並非完全相同，因此降維過程中勢必會損失資料部分變異情 形。然由表 4-2 可知，天災變數每一個成份的萃取度皆大於 0.7，非常接近 1，表示降維後並沒有損失很多資料變異情形。
表 4-2 天災成份主成份分析 初始 萃取 發生天災數 1.000 0.920 總人員傷亡數 1.000 0.921 總棟數 1.000 0.936 總戶數 1.000 0.982 搶救災民人數 1.000 0.849 總出動救災人員 1.000 0.978 總出動裝備數 1.000 0.773
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
此外，本研究選用最大變異轉軸法（varimax）旋轉，釐清成份間的關 係，確立成份間的結構，並得出的轉軸後的成份矩陣圖分析。由表 4-3 可 知，天災成份中的總計與總戶數與其他成份並非在同一因素中，表示他們可 能代表天災的不同狀況，如當年度發生天災數代表當年度天災頻率，而總戶 數紀錄當年度天災房屋損失。
表 4-3 天災成份最大變異轉軸法結果
成份 1 2 3
總出動救災人員 0.962 0.227 總棟數 0.961
搶救災民人數 0.918
總人員傷亡數 0.826 -0.121 0.474 總出動裝備數 0.678 0.533 -0.171
總計 0.956
總戶數 0.991
擷取方法：主成份分析。
轉軸方法：使用 Kaiser 正規化的最大變異法。
因此本研究最後選用成份中的總出動救災人員、總棟數、搶救災民人 數、總人員傷亡數、總出動裝備數，加權出代表本研究天災程度的值。各成 份權重為表 4-4，而所得出之天災程度變數為表 4-5：
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2006 103 9
2005 170 6
2004 930 12
2003 0 8
2002 160 4
2001 2624 9