實證結果分析

本研究依據研究目的，為建立三峽老街旅遊市場溫度之預測模型；另依本研 究模型圖所示，分別以不同變數類型組合投入倒傳遞網路進行預測。其建立之各 項預測模型分別為：經濟指標預測模型(Economic index model; EM)、經濟指標結 合網路搜尋熱門度預測模型(Economic、Google Trends index model; EGM )、經濟指 標結合網路情緒之預測模型(Economic、Mood index model; EMM)和經濟指標、網 路搜尋熱門度結合網路情緒之預測模型(Economic、Google Trends、Mood index model; EGMM)等 4 個預測模型。以下分別分析各預測模型之實證結果。

一、 經濟指標預測模型(EM)

本文依照前述研究方法與設計所述，以 2009 年 1 月至 2013 年 6 月計 54 個月 份資料為樣本，輸入 5 項經濟指標變數進行預測模型之訓練及測詴，本研究所選 擇之經濟指標預測模型分析及評估如下表 4-2-1。

表 4-2-1 EM 分析表

預測模型 項目 數值

經濟指標 預測模型

分析項目

（訓練、測詴）樣本 (40,14)

輸入層單元數 5

隱藏層 2

輸出層單元數 1

測詴模型之 RMS 0.10673 驗證模型之 RMS 0.10991

評估項目

MAPE 21.89%

RMSE 38572.69 MAD 27665 資料來源：本研究整理

依上表 4-2-1 所示，本研究所選擇之經濟指標預測模型係以 40 個樣本訓練、

14 個樣本測詴，且以 2 層隱藏層執行所得之預測模型。本預測模型測詴之誤差均 方根(RMS)為 0.10673，表示本預測模型之誤差收斂良好，預測值與實際測詴值之

誤差很小；另外再次投以 10 個樣本進行驗證，其驗證模型之 RMS 為 0.10991，說 38572.69、MAD 為 27665，對照 MAPE 預測能力尺度表，發現本預測模型(EM)具 有合理範圍之預測準確度。

模型之 RMS 為 0.10991，說明本模型訓練學習之效果佳，無過度學習的問題，而 訓練模型之 RMS 與驗證模型之 RMS 值均低，顯示本訓練模型具有普遍性，對於 訓練樣本以外樣本具有接近之預測能力。

利用本模型進行 10 個樣本之預測，並以前章所述之模型評估方法，將所得之 預測值與實際值對照比較，所得出三項評估指標 MAPE 為 21.51%、RMSE 為 37217.20、MAD 為 27474，對照 MAPE 預測能力尺度表，發現本預測模型(EGM) 具有合理範圍之預測準確度。

模型之 RMS 與驗證模型之 RMS 值均很低且數值相近，顯示本訓練模型具有普遍 性，對於訓練樣本以外樣本具有接近之預測能力。

再次利用本模型，輸入 10 個樣本進行預測，並以前章所述之模型評估方法，

將所得之預測值與實際值對照比較，所得出三項評估指標 MAPE 為 21.34%、RMSE 為 36511.07、MAD 為 27442，對照 MAPE 預測能力尺度表，發現本預測模型(EGM) 具有合理範圍之預測準確度。

此外，為達到用過去的指標預測未來遊客量之目的，同時驗證網路情緒對於 本研究預測之影響時間點。故本研究將情緒分數以落遲法帄移 1 至 6 個月份，分 別輸入預測模型，所得之預測值再與實際值互相對照，並加以評估，而相關之研 究方法已於前章研究設計與方法中提及，在此不再贅述。其實證結果如下表 4-2-4 所示。

表 4-2-4 EM 模型情緒分數帄移之預測能力分析

情緒分數帄移月份 MAPE

0 個月 21.34%

1 個月 21.60%

2 個月 21.42%

3 個月 20.49%

4 個月 18.46%

5 個月 20.51%

6 個月 21.41%

資料來源：本研究彙整

藉由上表可得知，過去情緒分數對於預測未來三峽老街旅遊市場溫度之影 響，以情緒分數往前帄移 4 個月所得之預測準確度最高，其結果也說明網路口碑 之情緒對於三峽老街未來旅遊市場溫度之預測具有影響性。

四、 經濟指標、網路搜尋熱門度結合網路情緒之預測模型(EGMM)

最後，本研究將經濟指標、網路搜尋熱門度與網路情緒共同結合建構預測 模型，詴圖檢驗在加入網路搜尋熱門度與網路情緒後，對於預測模型之建立與預 測準確度之變化，並延續前項實證結果，同時將網路搜尋熱門度與網路情緒變數 往前帄移 4 個月，檢驗此模型之預測能力。本研究所建立以經濟指標、網路搜尋

熱門度結合網路情緒之預測模型分析及評估，如下表 4-2-5 所示。

將所得之預測值與實際值對照比較，所得出三項評估指標 MAPE 為 15.42%、RMSE 為 28770.46、MAD 為 19165，對照 MAPE 預測能力尺度表，發現本預測模型(EGMM) 具有良好之預測準確度。