第五章 研究方法與實證分析
5.2 實證分析
5.2.1 研究對象與研究期間
本研究的研究對象為波羅的海乾散貨運價指數，探討影響其運價變動的 因數。研究期間選自 2002 年 1 月 1 日至 2007 年 12 月 31 日收集將近六 年72筆月資料。選取這段期間做為研究期間的原因為鋼鐵價格指數的資 料從 2002年1 月1日開始較完整，至於研究期間之所以到 2007年12月31 日為止是為了使解釋變數資料長度皆相同。不採用日資料分析，是因為 日資料易受戰爭、911恐怖攻擊...等干擾，變異較大，而不以週資料作 分析，是因為週資料的取不易，且經濟成長率為年資料，如果以週資料 作分析，可能會影響分析的結果。
5.2.2 資料來源
1.波羅的海乾散貨運價指數：取自Capital Link Shipping。
2.國際鋼鐵價格：取自www.steelonthenet.com。
3.西德原油價格、國際鐵礦砂價格、穀物價格、澳洲煤礦價格、全球經 濟成長率：取自國際貨幣組織。
4.中國經濟成長率：取自中國國家統計局。
5.澳洲港口擁擠指數：取自 Global Ports Congestion Index。
5.2.3 研究變數之選擇
本研究之應變數為波羅的海乾散貨運價指數，自變數根據本研究第四章 之散裝船運市場運價影響之因子尋找出影響波羅的海乾散貨運價指數之 變數。由於近年來中國的經濟的快速發展，所以在變數中加入了中國的 經濟成長率當作自變數。但是受限制於有限的資料與時間長度，最後僅 能使用如表 5-1 所列之九個變數當作解釋變數。
45
表 5.1 波羅的海乾散貨運價指數之自變數 變數代號 解釋變數名稱 資料來源
Steel 國際鋼鐵價格 www.steelonthenet.com Crude Oil 西德原油價格 國際貨幣組織 Grain 穀物價格 國際貨幣組織 Iron Ore 國際鐵礦砂價格 國際貨幣組織 Coal 澳洲煤礦價格 國際貨幣組織
Congestion 澳洲港口擁擠指數 Global Ports Congestion Index Season 季節性 虛擬變數
Economic Global 全球經濟成長率 國際貨幣組織 Economic China 中國經濟成長率 中國國家統計局 資料來源：本研究整理
5.2.4 複迴歸結果分析
本研究在探討散裝船運市場運價影響之因素，所以應變數設為波羅的海 乾散貨運價指數，自變數為表 5-1 所列之變數。本研究是用 statistica 6.0 軟 體進行數據分析，在 72 筆月資料數據代入模式後，先進行常態性假設檢定、再 來進行獨立性假設和變異數相等假設之檢定、最後進行離群值檢查。在進行常態 性假設檢定、獨立性假設和變異數相等假設之檢定，結果發現迴歸模式的常態 性、和獨立性、變異數相等之假設均成立，並且經離群分析後，也沒有發現資料 中有新的離群值，便進行複迴歸分析，分析結果如下表：
表 5.2 複迴歸分析結果
Beta Std.Err. B Std.Err. t(62) p-level
Intercept 1933.0 1262.45 1.53116 0.130818
steel 0.739699 0.173816 2.8 0.65 4.25564 0.000072**
Crude oil -0.070884 0.176299 -8.2 20.48 -0.40207 0.689019 grain 0.069774 0.076217 5.8 6.39 0.91547 0.363494 Iron Ore -0.612731 0.144940 -58.5 13.83 -4.22748 0.000079**
Coal 0.525620 0.118085 65.6 14.74 4.45122 0.000036**
Congestion 0.203226 0.082999 92.6 37.84 2.44852 0.017187**
Season 0.168679 0.042726 715.1 181.14 3.94791 0.000204**
Global economic -0.136912 0.124472 -34967.9 31790.57 -1.09994 0.275609 China economic -0.233412 0.082742 -1654.6 586.53 -2.82097 0.006423**
註：* 表示 p-value 小於 5%以下 **表示 p-value 小於 1%以下
其 中 此 分 析 結 果 的 R= .94866580 ， R-square= .89996681 ， Adjusted R-square= .88544586。在此一結果中發現，國際鋼鐵價格、國際鐵礦砂價格，
澳洲煤礦價格、澳洲港口擁擠指數、季節性及中國經濟成長率的 P-value 值皆為 顯著，西德原油價格、穀物價格及全球經濟成長率的 P-value 值皆為顯著皆為不 顯著。
在複迴歸的分析結果後，接下來再來進行逐步排除法，將不顯著的因素從模式中 排除，而進行逐步排除法的結果如下表：
表 5.3 逐步排除法之結果
Beta Std.Err. B Std.Err. t(65) p-level
Intercept 1261.74 503.0610 2.50812 0.014643
Coal 0.413164 0.076768 51.59 9.5856 5.38201 0.000001**
Iron Ore -0.730411 0.090607 -69.69 8.6447 -8.06135 0.000000**
Steel 0.833973 0.116378 3.11 0.4344 7.16609 0.000000**
China econpmic -0.157003 0.051218 -1112.94 363.0704 -3.06537 0.003165**
Season 0.176144 0.040796 746.79 172.9611 4.31769 0.000055**
Congestion 0.251782 0.069603 114.78 31.7288 3.61740 0.000582**
註：**表示 p-value 小於 1%以下
逐步排除法分析的結果，選取了國際鋼鐵價格、國際鐵礦砂價格，澳洲煤礦價格、
澳洲港口擁擠指數、季節性及中國經濟成長率，刪除了西德原油價格、穀物價格 及 全 球 經 濟 成 長 率 ， 而 刪 除 後 的 R-square= .89669615 ， Adjusted R-square= .88716041 。 接 下 來 進 行 檢 測 共 線 性 問 題 ， 共 線 性 的 設 定 值 為 1-R2=1-0.897=0.103，檢測結果如果Tolerance值小於 0.103 時，顯示有共線性 的存在，解決方法可以將具有共線性的自變數刪除。而共線性的檢測結果並無明 顯的共線性存在。共線性的檢查結果如下：
48
表 5.4 共線性檢測之結果
Beta in Partial Semipart Tolerance R-square t(65) p-level
Coal 0.413164 0.555212 0.214559 0.269679 0.730321 5.38201 0.000001**
Iron Ore -0.730411 -0.707067 -0.321373 0.193590 0.806410 -8.06135 0.000000**
Steel 0.833973 0.664345 0.285683 0.117345 0.882655 7.16609 0.000000**
China economic -0.157003 -0.355391 -0.122204 0.605830 0.394170 -3.06537 0.003165**
Season 0.176144 0.472104 0.172129 0.954922 0.045078 4.31769 0.000055**
Congestion 0.251782 0.409365 0.144211 0.328054 0.671946 3.61740 0.000582**
註：**表示 p-value 小於 1%以下
在逐步排除法中，刪除了西德原油價格、穀物價格及全球經濟成長率，而在複迴 歸分析中此三者的P-value值也不顯著。西德原油價格的上漲直接影響的是船用 燃油的價格，但對散裝船運市場的運價影響並不顯著，原因可能為燃油成本屬於 船舶營運變動成本是可從運費上轉嫁給貨主負擔，義同代收代付費用性質，而不 可能轉變成或影響外部收益效果。燃油價格雖可轉嫁給貨主負擔，然而近年來的 高油價對世界經濟發展前景蒙上陰影，過高的油價將會使貨主考慮其他替代方案 以減輕負擔，甚而影響到貿易結構的改變。而穀物價格的不顯著的原因是因為穀 物的海運量不及煤礦和鐵礦砂的海運量，穀物的海運量只佔總散裝海運量的一成 五，煤礦和鐵礦砂的海運量佔總散裝海運量的八成，且煤礦和鐵礦砂的海運量增 長量遠大於穀物的增長量，所以穀物的價格對散裝船運價的顯影響並不顯著。而 由於本研究採用全球經濟成長率的資料為年資料，再將年資料轉為月資料，這可 能是造成全球經濟成長率不顯著的原因。
49