四、 機場層級與轉運優勢
4.1 層級思維與方法
為瞭解需求面以及不同營運型態航空業者之航網供給面，對亞太地區貨運機場層級 之影響，藉由 2011 年各機場所屬國家與地區之「出口貿易額」與「機場貨運噸」之需求 面指標，以及各主要貨運機場航網中，對開航航點之集中、可及、重要與中轉程度為概 念，由「供給集中度」、「維度中心性」、「特徵向量中心性」與「中介中心性」衡量航網 供給面指標，透過集群分析來區分各機場在亞太地區的機場層級，最後由中介中心性來 詮釋各機場對不同區域市場的轉運優勢，瞭解亞太地區各機場航空貨運之競爭優勢與潛 力。其中，2011 年 13 座主要貨運機場於傳統航空業與專業航空貨運業航網共連結 222 個航點，供給集中度、維度中心性與特徵向量中心性計算方式簡單，涵蓋所有航點計算，
唯有中介中心性與彎繞係數之計算較為繁瑣，本研究為簡化分析，如表 4.1 所示，僅篩 選具有代表性的 29 個亞太區內航點，以及 27 個亞太區外航點作為衡量。選點原則如下：
1. 以 13 座機場所屬 9 個國家與地區之 2011 年出口至各區域之金額比例為依據，
決定各區域之航點數；
2. 再由 2011 年各區域內機場依貨運噸排名篩選出代表之航點。
表4.1 納入中介中心性指標計算之亞太區內與區外航點
國家與地區 篩選航點 出口額
比例6
貨運噸
比例7 航點數
亞 太 區 內
台灣 桃園 3% 97% 1
29 中國大陸
（港澳）
香港、上海浦東、北京首都、廣州白雲、深 圳寶安、成都、杭州、昆明、廈門、南京、
重慶、天津、西安、青島
27% 90% 15
日本 東京成田、大阪關西、那霸、福岡、名古屋 6% 74% 5
韓國 仁川 4% 87% 1
東南亞 新加坡、曼谷、吉隆坡、雅加達、馬尼拉、
河內、檳城 12% 93% 7
註：灰色標記為 13 座主要貨運機場。
6 「出口額比例」13 座機場所屬 9 個國家與地區 2011 年至各區域出口額比例。
表4.1 納入中介中心性指標計算之亞太區內與區外航點（續）
Redondi[55]將連結方式區分成可及性(accessibility) 與中心性(centrality)兩個面向。所謂 可及性是指機場能夠提供旅客與貨物直接或間接連結(direct or indirect connectivity)之可 及能力；中心性則是指機場能夠提供旅客與貨物轉運的機會，也稱樞紐連結性(hub connectivity) [30, 32, 55]。本研究藉由以下假設前提下，透過指標衡量上述連結方式：
直接連結 資料來源：Burghouwt & Redondi[55]
1. 供給集中度
一般而言，起迄機場較依賴特定航點，樞紐機場則較不依賴特定航點，由機場 直接連結至開航航點之供給集中程度可作為鑑別機場層級之依據。最大百分比、廠 商集中率與赫芬德指數皆可計算集中度。最大佔有率與集中率計算方式簡單，但僅 反應前幾大航點，忽略航網中其他航點；赫芬德指數為每個航點佔有率平方和，考
慮所有 n 個航點在航網中占有率，但該指標僅在母體中有極端百分比變化下，才能 有效看出其集中程度。吉尼指數原是透過資料變異程度衡量，反映家戶間所得不均 程度，如式(1)所示，其值介於 0 至 1 之間，若指數值愈大，代表所得分配越不均勻，
集中在特定族群中，並在任何百分比分配下，均可有效的計算集中程度，不受前述 指標特性所影響，為多數航網文獻所建議之指標[21, 30, 56]，故本研究選用之。
Gini = 1
n × (n − 1) × 𝑦̅∑ ∑|𝑦𝑖− 𝑦𝑗|
𝑗 𝑖>𝑗
(1)
其中，𝑦𝑖表示連結至 i 航點每週貨運運能，以航班所飛航之機型載運容量（立 方公尺，m3）計算；n 為該機場所開航的總航點數，𝑦̅為該機場航班所提供的平均載 運容量。當計算出的數值越愈小，表示該機場的運能愈平均分配在各航點中；若指 數值較大時，則表示該機場之運能集中於特定航點中。
2. 維度中心性
中心性指標衡量節點在網路中是否位於核心位置與重要程度[57]。其中，維度 中心性即衡量一節點連結其他鄰居的數量，若連結的鄰居數量越多，表示該節點之 連結性高。以航空網路觀點來說，若機場連結航點數多，貨物集散效果越好，藉此 衡量機場服務市場的範圍，透過式(2)之維度中心性，可計算機場直接連結至開航航 點之可及程度。
𝐶𝐷(𝑖) = ∑ 𝑎𝑖𝑗
𝑛
𝑗=1
(2)
若𝑎𝑖𝑗 = 1表示節點 i 至節點 j 有直接連結存在，否則𝑎𝑖𝑗 = 0。
3. 特徵向量中心性
若 A、B 機場所連結航點數相同，然而 A 機場於航網中連結較多的主要航點，
B 機場連結較多的次要航點，則 A 機場在航網中的重要程度明顯高於 B 機場。然 而，維度中心性卻未考量機場連結航點之重要程度，透過式(3)之特徵向量中心性，
可計算機場直接連結至開航航點之重要程度。
𝐶𝐸(𝑖) = 𝜆−1∑ 𝑎𝑖𝑗𝑥𝑗 (3)
𝑛
𝑗=1
若𝑎𝑖𝑗 = 1表示節點 i 至節點 j 有直接連結存在，否則𝑎𝑖𝑗 = 0；𝑥𝑗為節點 j 之維 度中心性；𝜆為由航網相連矩陣計算之特徵值。
4. 中介中心性
地理區位為影響樞紐機場發展之重要因素，網路中任兩點皆有連結此兩點的最 短路徑，中介中心性即是在衡量某一節點是否位於此等最短路徑之指標，若一節點 位於越多任兩點之最短路徑中，則表示該點可作為各節點間的連結橋梁；中介中心 性可衡量機場直接或間接連結至各航點間之中介程度，程度越高表示該機場具有作 為其他中轉機場貨物之優勢，具有成為樞紐機場之潛力。此外，考量中轉機場未必 一定要在最短路徑上，合理彎繞程度以計算中介中心性有其必要性，因此，於式(4) 與(5)中，根據過去研究經驗，彎繞係數設定為 1.2 與 1.3 [6, 10, 31]。
𝐶𝐵(𝑖) = ∑ (𝜎𝑘𝑗(𝑖) 𝜎𝑘𝑗 )
𝑘≠𝑖≠𝑗∈𝑁
(4)
𝜎𝑘𝑗為節點 k 至節點 j 間符合彎繞條件的轉運路線個數；𝜎𝑘𝑗(𝑖) = 1為節點 k 至 節點 j 間，若有一條經過節點 i 符合彎繞條件之轉運路線，否則𝜎𝑘𝑗(𝑖) = 0。
RF =𝑑𝑘𝑖+ 𝑑𝑖𝑗
𝑑𝑘𝑗 ≤ 1.2, 1.3 (5)
𝑑𝑘𝑖+ 𝑑𝑖𝑗為結點 k 至節點 j 經節點 i 的轉運距離，𝑑𝑘𝑗為結點 k 至節點 j 的直航 距離。
4.1.2 集群分析
供需面指標完成計算，並由式(6)標準化後，透過集群分析建立機場層級。集群分析 的目的在於將變數特性相似之觀察值劃分在幾個集群中，透過「衡量相似性」、「集群方 法」與「決定集群數」之方式，用以界定資料結構，使相同群體的變數具有同質性，不 同群體間則有高度異質性的概念。
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑡𝑖𝑜𝑛 = 𝑥
𝑥𝑚𝑎𝑥 (6)
集 群 方 法 可 分 為 層 級 集 群 方 法 (hierarchical methods) 與 非 層 級 集 群 方 法 (non-hierarchical methods)兩類。層級集群分法的概念在於將各觀察值視為單一集群，將相離 較相近的觀察值集結一群，直到所有觀察值併入同一集群為止，其中以華德法(Ward’s method)最受推崇，其原因在於華德法是讓組內總變異數產生最小增量優先合併，使得每 一集群的數目不會差距太大。非層次集群以 K 平均數法(K-means method)最廣為採用，
透過集群前先決定集群數目或重心，計算各觀察值至各群中心的距離，分派到距離最近 的群體中，而在各觀察值完全分派完後，再重新計算新的各集群重心並再分派一次[58, 59]。
由於層級集群方法之華德法，觀察值一旦分群無法更改，而非層級集群方法之 K 平 均數法可反覆求解觀察值所屬集群，但需要事先決定分群數目或重心，為兩種方法之缺 點，故本研究由 SPSS 20 統計軟體，以兩階段集群方法(two-stage clustering)處理。首先，
第一階段透過華德法，以群集凝聚過程之組內總變異係數的變化來決定集群數，第二階 段再以 K 平均數法取得分群結果，最後使用變異數分析(ANOVA)驗證集群的有效性。