第四章 迴歸模式之構建與分析
4.1 散裝船模式
本研究依據文獻之結論，蒐集有關影響散裝船新造船數量因素的季與 年之資料，並分別討論各影響因素之相關分析。季資料長度從 1990 年第 一季至 2006 年第四季共計 68 筆；年資料長度從 1990 年至 2006 年共 計 17 筆，詳如附錄一。
以下為蒐集之變數資料：
1. Total Bulkcarrier Deliveries：散裝船總交船數量，即每季或每年的 新造船交船數量，單位：Million DWT。
（Dead Weight Tonnage（DWT）：載重噸，指船舶所能承載的重量，包含載 貨量、油、水、人員、糧食、日用品、物料等等。可做為衡量船舶、船隊 大小、造船能量和海運市場供需情況之標準）
2. Bulkcarrier Aaverage Newbuilding Prices：散裝船平均新造船價，
即每季或每年的新造船平均造價，單位：$（美金）/ DWT。
3. Bulkcarrier Secondhand Prices Index Average：散裝船二手船價平 均指數，即每季或每年的平均成交二手船價，單位：$（美金）/ DWT。
4. Total Bulkcarrier Demolition：散裝船總拆解數量，即每季或每年的 報廢船拆解數量，單位：Million DWT。
5. Weighted Average Earnings All Bulkers：所有散裝船加權平均收入，
即每季或每年的每日加權平均收入，單位：$（美金）/ Day。
6. Average Bulkcarrier $/cgt：每季的散裝船每補償噸位之平均造船價，
單位：$（美金）/ CGT。
（Compensated Gross Tonnage（CGT）：補償總噸位，總噸位（Gross Tonnage）
或載重噸位（DWT）雖能表示船舶本身大小，卻不一定能顯示出各型船舶之 建造工作量；因此歐、日造船廠發展出所謂的補償總噸位，可較合理顯示 建造船舶所需工作量，俾便統計比較各地造船能量。補償總噸位可由總噸 位（GT）乘上一加權係數而得，該加權係數依船型、大小不同而異，如大
型油輪為 0.3，而小型船則為 3.0 左右）
7. Total Bulkcarrier Fleet Development：每季或每年的船隊總數量，
單位：Million DWT。
8. 380CST Bunker Prices, Rotterdam：鹿特丹 380CST 燃油價格，即每 季或每年的鹿特丹港 380CST 燃油價格，單位：$（美金）/ Tonne。
（CST：Centistoke，黏度。380CST 為常用船舶燃油之產品型號，另外還有 180CST 及其它含硫量高低與雜質純度不一等等的各種船舶燃油，由於各國 港口燃油價格不一，本研究選擇歐洲第一大港鹿特丹的 380CST 代表燃油 價格變數）
9. Annual GDP World：每年的全球 GDP，單位：％ Year/Year。
（GDP：Gross Domestic Product，國內生產總額）
10. Total Bulk Dry Trade：乾散裝貨總貿易量，單位：Million Tonne。
表 4-1 為散裝船相關分析變數資料表，Average Bulkcarrier $/cgt 只有季的資料，而 Annual GDP World 及 Total Bulk Dry Trade 僅有年 資料，其餘變數之季與年資料皆有。上述之變數與資料以 SPSS 13.0 進行 積差相關分析（Product-Moment Correlation），結果如表 4-2、4-3 所示。
一、季分析
Total Bulkcarrier Deliveries 與其它變數之關聯程度：
（一）無相關或不顯著
1. Bulkcarrier Aaverage Newbuilding Prices 2. Total Bulkcarrier Demolition
（二）低度相關（0＜︱P︱≦0.3）
1. Average Bulkcarrier $/cgt（正相關）
（三）中等相關（0.3＜︱P︱≦0.7）
1. Bulkcarrier Secondhand Prices Index Average（正相關）
2. Weighted Average Earnings All Bulkers（正相關）
3. Total Bulkcarrier Fleet Development（正相關）
4. 380CST Bunker Prices, Rotterdam（正相關）
（四）高度相關（0.7＜︱P︱≦1）
無 二、年分析
由於樣本數小時相關係數必須較大才能說兩變數有相關存在，年資料 的樣本數僅 17 筆，因此以下之關聯程度必須從嚴論定。
Total Bulkcarrier Deliveries 與其它變數之關聯程度：
（一）無相關或不顯著
1. Bulkcarrier Aaverage Newbuilding Prices 2. Total Bulkcarrier Demolition
（二）低度相關（0＜︱P︱≦0.4）
無
（三）中等相關（0.4＜︱P︱≦0.8）
1. Bulkcarrier Secondhand Prices Index Average（正相關）
2. Weighted Average Earnings All Bulkers（正相關）
3. Annual GDP World（正相關）
4. Total Bulk Dry Trade（正相關）
5. Total Bulkcarrier Fleet Development（正相關）
6. 380CST Bunker Prices, Rotterdam（正相關）
（四）高度相關（0.8＜︱P︱≦1）
無
本研究依據文獻之結論，收集影響散裝船新造船數量因素的季與年之 資料，經過相關分析之後，對於各因素之影響程度有了初步結論。新造船 數量與各影響因素之間的關聯程度歸納於表 4-4，將作為迴歸建模時變數 篩選之依據。
表 4- 1 散裝船相關分析變數資料表 變數與資料筆數
季 資 料
年 資 料 1 Total Bulkcarrier Deliveries 68 17 2 Bulkcarrier Aaverage Newbuilding Prices 68 17 3 Bulkcarrier Secondhand Prices Index Average 68 17 4 Total Bulkcarrier Demolition 68 17 5 Weighted Average Earnings All Bulkers 68 17 6 Average Bulkcarrier $/cgt 68
7 Total Bulkcarrier Fleet Development 68 17 8 380CST Bunker Prices, Rotterdam 68 17
9 Annual GDP World 17
10 Total Bulk Dry Trade 17
資料來源：本研究整理自© Clarkson Research Services Limited (2007)
表 4- 2 影響散裝船新造船數量因素相關分析表（季）
Total Bulkcarrier
Deliveries
Bulkcarrier Average Newbuilding Prices
Bulk Carrier Secondhand Prices
Index Average
Total Bulkcarrier Demolition
Weighted Average Earnings
All Bulkers
Average Bulkcarrier
$/cgt
Total Bulkcarrier Fleet Development
380cst bunker prices, Rotterdam
Total Bulkcarrier Deliveries Pearson Correlation 1 .136 .639(**) -.036 .430(**) .244(*) .673(**) .621(**)
Sig. (2-tailed) .270 .000 .773 .000 .045 .000 .000
Bulkcarrier Average Pearson Correlation .136 1 .591(**) -.638(**) .525(**) .961(**) .024 .362(**)
Newbuilding Prices Sig. (2-tailed) .270 .000 .000 .000 .000 .849 .002
Bulk Carrier Secondhand Pearson Correlation .639(**) .591(**) 1 -.414(**) .829(**) .691(**) .714(**) .760(**)
Prices Index Average Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
Total Bulkcarrier Pearson Correlation -.036 -.638(**) -.414(**) 1 -.572(**) -.700(**) -.023 -.369(**)
Demolition Sig. (2-tailed) .773 .000 .000 .000 .000 .852 .002
Weighted Average Pearson Correlation .430(**) .525(**) .829(**) -.572(**) 1 .678(**) .601(**) .594(**)
Earnings All Bulkers Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
Average Bulkcarrier $/cgt Pearson Correlation .244(*) .961(**) .691(**) -.700(**) .678(**) 1 .228 .539(**)
Sig. (2-tailed) .045 .000 .000 .000 .000 .061 .000
Total Bulkcarrier Fleet Pearson Correlation .673(**) .024 .714(**) -.023 .601(**) .228 1 .840(**)
Development Sig. (2-tailed) .000 .849 .000 .852 .000 .061 .000
380cst bunker prices, Pearson Correlation .621(**) .362(**) .760(**) -.369(**) .594(**) .539(**) .840(**) 1
Rotterdam Sig. (2-tailed) .000 .002 .000 .002 .000 .000 .000
註 ：（**）、（*）代表顯著性
（**） Correlation is significant at the 0.01 level (2-tailed).
（*） Correlation is significant at the 0.05 level (2-tailed).
表 4- 3 影響散裝船新造船數量因素相關分析表（年）
Bulk Carrier Secondhand Prices Index Average Earnings All
Bulkers
Annual GDP World
Total Bulk Dry Trade
Total Bulkcarrier Fleet Development
380cst bunker prices, Rotterdam
Total Bulkcarrier Pearson Correlation 1 .142 .610(**) -.014 .551(*) .749(**) .769(**) .763(**) .700(**)
Deliveries Sig. (2-tailed) .587 .009 .957 .022 .001 .000 .000 .002
Bulkcarrier Average Pearson Correlation .142 1 .667(**) -.776(**) .629(**) .171 .041 .085 .473
Newbuilding Prices Sig. (2-tailed) .587 .003 .000 .007 .511 .877 .747 .055
Bulk Carrier Pearson Correlation .610(**) .667(**) 1 -.506(*) .841(**) .667(**) .659(**) .696(**) .831(**)
Secondhand Prices Sig. (2-tailed) .009 .003 .038 .000 .003 .004 .002 .000
Index Average
Total Bulkcarrier Pearson Correlation -.014 -.776(**) -.506(*) 1 -.637(**) -.172 -.051 -.011 -.405
Demolition Sig. (2-tailed) .957 .000 .038 .006 .510 .846 .965 .107
Weighted Average Pearson Correlation .551(*) .629(**) .841(**) -.637(**) 1 .650(**) .659(**) .639(**) .713(**)
Earnings All Bulkers Sig. (2-tailed) .022 .007 .000 .006 .005 .004 .006 .001
Annual GDP World Pearson Correlation .749(**) .171 .667(**) -.172 .650(**) 1 .717(**) .691(**) .654(**)
Sig. (2-tailed) .001 .511 .003 .510 .005 .001 .002 .004
Total Bulk Dry Trade Pearson Correlation .769(**) .041 .659(**) -.051 .659(**) .717(**) 1 .986(**) .824(**)
Sig. (2-tailed) .000 .877 .004 .846 .004 .001 .000 .000
Total Bulkcarrier Pearson Correlation .763(**) .085 .696(**) -.011 .639(**) .691(**) .986(**) 1 .854(**)
Fleet Development Sig. (2-tailed) .000 .747 .002 .965 .006 .002 .000 .000
380cst bunker prices, Pearson Correlation .700(**) .473 .831(**) -.405 .713(**) .654(**) .824(**) .854(**) 1
Rotterdam Sig. (2-tailed) .002 .055 .000 .107 .001 .004 .000 .000
註 ：（**）、（*）代表顯著性
（**） Correlation is significant at the 0.01 level (2-tailed).
（*） Correlation is significant at the 0.05 level (2-tailed).
表 4- 4 影響散裝船新造船數量因素相關程度一覽表
Total Bulkcarrier Deliveries 與變數之相關分析 關聯程度-季 關聯程度-年 1 Bulkcarrier Aaverage Newbuilding Prices 不顯著 不顯著 2 Bulkcarrier Secondhand Prices Index Average 中等（＋） 中等（＋）
3 Total Bulkcarrier Demolition 不顯著 不顯著 4 Weighted Average Earnings All Bulkers 中等（＋） 中等（＋）
5 Average Bulkcarrier $/cgt 低度（＋）
6 Total Bulkcarrier Fleet Development 中等（＋） 中等（＋）
7 380CST Bunker Prices, Rotterdam 中等（＋） 中等（＋）
8 Annual GDP World 中等（＋）
9 Total Bulk Dry Trade 中等（＋）
4.1.2 變數選擇
散裝船的影響新造船數量因素模式，將以迴歸分析分別建立季與年之 預測模式。根據積差相關分析之結果初步篩選適用之變數，並使用應用軟 體 SPSS 13.0 進行線性迴歸分析（Linear Regression），多元迴歸程序預 測變數選擇法以下列兩種方法進行：
1. 強迫輸入法（Enter Selection）
首先建立初始迴歸模式，使用強迫輸入法初步檢視各變數的顯著性，並 將有共線性問題之變數依顯著程度選擇排除或保留。
2. 後退消去法（Backward Selection）
排除共線性問題之後，將所有適用之自變數納入修正迴歸模式，逐一將 對模式貢獻最小的預測變數排除，直到所有自變數均達到標準為止。剔 除的標準如下：
（1） 標準化迴歸係數顯著性檢定的 F 值最小
（2） SPSS 內建剔除標準 Minimum F-To-Remove FOUT ＞ 2.71
（3） 最大的 F 機率值
（4） SPSS 內建剔除標準 Maximum Probability Of F-To-Remove POUT ＜ 0.1
模式選用之應變數與自變數定義如下：
一、應變數
YTBD（Q）：Total Bulkcarrier Deliveries（Quarterly）
YTBD（A）：Total Bulkcarrier Deliveries（Annual）
二、自變數
XBANP：Bulkcarrier Aaverage Newbuilding Prices XBSPIA：Bulkcarrier Secondhand Prices Index Average XTBD：Total Bulkcarrier Demolition
XWAEAB：Weighted Average Earnings All Bulkers
XABCGT：Average Bulkcarrier $/cgt XTBFD：Total Bulkcarrier Fleet Development
X380CSTBPR：380CST Bunker Prices, Rotterdam XAGDPW：Annual GDP World
XTBDT：Total Bulk Dry Trade
以上變數與資料筆數沿用表 4-1 散裝船相關分析變數資料表，SPSS 13.0 之迴歸輸出部分報表詳於附錄二。
4.1.3 季資料模式
根據表 4-4 影響散裝船新造船數量因素相關程度一覽表得知，自變數 XBANP、 XTBD與應變數YTBD（Q）相關不顯著予以剔除，其餘自變數與應變數之初始 迴歸模式定義如下：
YTBD（Q）＝β0＋β1 XBSPIA＋β2 XWAEAB＋β3 XABCGT＋β4 XTBFD＋β5 X380CSTBPR
＋εt （4-1）
以迴歸強迫輸入法分析結果，所有自變數彼此沒有共線性問題。排除 共線性問題之後，初始迴歸模式並無修正之必要。
以迴歸後退消去法分析結果，自變數X380CSTBPR之POUT（sig.）= 0.624 ＞ 0.1 首先自動剔除，自變數XABCGT之POUT（sig.）= 0.369 ＞0.1 亦依次自動 剔除。最終模式常數（Constant）與其餘自變數之顯著性（sig.）皆小於 0.1，否定為 0 之虛無假設，自變數之篩選過程與最終預測模式之預測變數 整理如表 4-5 所示。
表 4- 5 散裝船季預測模式迴歸變數表
應變數 YTBD（Q）
依據文獻蒐集之自變數 XBANP、XBSPIA、XTBD、XWAEAB、XABCGT、XTBFD、X380CSTBPR
相關不顯著排除之自變數 XBANP、XTBD
初始迴歸模式之自變數 XBSPIA、XWAEAB、XABCGT、XTBFD、X380CSTBPR
初始模式排除之自變數 無
修正迴歸模式之自變數 XBSPIA、XWAEAB、XABCGT、XTBFD、X380CSTBPR 修正模式排除之自變數 XABCGT、X380CSTBPR
最終預測模式之自變數 XBSPIA、XWAEAB、XTBFD
根據附錄二之迴歸輸出結果，季預測模式的 F = 24.871，顯著性（sig.）
＜0.1，達顯著水準，複判定係數R2 = 0.538，校正複判定係數
R
2 = 0.517，季預測模式：
YTBD（Q）＝ -2.523＋0.008 XBSPIA－（8.46E-005）XWAEAB＋0.17 XTBFD （4-2）
（t=-2.609）（t=3.430） （t=-2.178） （t=3.685）
4.1.4 年資料模式
根據表 4-4 影響散裝船新造船數量因素相關程度一覽表得知，自變數 XBANP、 XTBD與應變數YTBD（Y）相關不顯著予以剔除，其餘自變數與應變數之初始 迴歸模式定義如下：
YTBD（Y）＝β0＋β1 XBSPIA＋β2 XWAEAB＋β3 XTBFD＋β4 X380CSTBPR＋β5 XAGDPW
＋β6 XTBDT＋εt （4-3）
以迴歸強迫輸入法分析結果，受限於年資料樣本數僅 17 筆，因此迴歸 模式僅可保留三個自變數，選擇相關性較高與無共線性問題之自變數
X380CSTBPR、XAGDPW與XTBDT，修正迴歸模式定義如下：
YTBD（Y）＝β0＋β1 X380CSTBPR＋β2 XAGDPW＋β3 XTBDT＋εt （4-4）
以迴歸後退消去法分析結果，自變數X380CSTBPR之POUT（sig.）= 0.652 ＞ 0.1 自動剔除。最終模式常數（Constant）之顯著性（sig.）= 0.110＞0.1，
無法拋棄其為 0 之虛無假設，其餘自變數之顯著性（sig.）皆小於 0.1，否 定為 0 之虛無假設，自變數之篩選過程與最終預測模式之預測變數整理如 表 4-6 所示。
表 4- 6 散裝船年預測模式迴歸變數表
應變數 YTBD（Y）
依據文獻蒐集之自變數 XBANP、XBSPIA、XTBD、XWAEAB、XTBFD、X380CSTBPR、XAGDPW 、 XTBDT
相關不顯著排除之自變數 XBANP、XTBD
初始迴歸模式之自變數 XBSPIA、XWAEAB、XTBFD、X380CSTBPR、XAGDPW 、XTBDT
初始模式排除之自變數 XBSPIA、XWAEAB、XTBFD
修正迴歸模式之自變數 X380CSTBPR、XAGDPW 、XTBDT
修正模式排除之自變數 X380CSTBPR
最終預測模式之自變數 XAGDPW 、XTBDT
根據附錄二之迴歸輸出結果，年預測模式的 F = 14.323，顯著性（sig.）
＜0.1，達顯著水準，複判定係數R2 = 0.672，校正複判定係數
R
2 = 0.625，年預測模式：
YTBD（Y）＝2.051 XAGDPW＋0.006 XTBDT （4-5）
（t=1.855） （t=2.169）