第五章 結論與建議
5.2 建議
5.2.2 未來研究建議
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
47
或季報型態發布，以利觀察月度或季度因素對實證議題的影響。
五、 獲取統計資料之便利性是實證研究者共同關心的議題，早期政府統計調查報告多半以 書面形式對外公布，在網際網路相當普及的今日，各項既有與未來的政府統計資料應 善用網路平臺呈現，對於早期的書面調查報告建議亦能數位化提供網路檢索，並建議 以直覺、便捷的查詢方式建置友善的網路介面，行政院主計總處的中華民國統計資訊 網總體統計資料庫、交通部的統計查詢網等網路平臺已提供相當豐富的統計資料，建 議有關當局能在現有基礎上持續充實資料庫內容，以更廣泛地滿足各類實證研究需要，
並有利於研究成果反饋作為政策擬訂之參考。
5.2.2 未來研究建議
一、 本研究發現臺灣汽車貨運業的自身需求價格彈性為正值，不符合價量應為負向關係的 需求法則，推測可能因自由度不足所致，未來如能收集到更長期間的統計資料克服自 由度不足之問題時，建議得就本研究議題重做實證分析，並與本研究實證結果做一比 較，以找出汽車貨運業自身需求價格彈性不符經濟理論的原因所在。
二、 囿於本研究所需官方統計資料並非全以月資料或季資料型態發布，因此本研究採用年 資料進行實證分析，欠缺對於月度或季度因素之觀察，未來倘能獲得月資料或季資料，
分析臺灣運輸市場受月度或季度因素影響的狀況應是值得研究的課題，當能挖掘出不 同的實證樣貌。
三、 本研究以總體角度分析臺灣海洋水運業、航空運輸業與汽車貨運業之經濟特性，不同 業別間個別廠商的市場規模、員工人數、生產技術等屬性並不相同，採用總體角度觀 察恐有失偏頗之虞，未來政府統計調查報告如能呈現個別廠商屬性，建議實證模型得 引入個別廠商屬性之虛擬變數，以降低樣本資料間之異質性（heterogeneity），提高 實證結果之準確性。
四、 現有文獻對於運輸業的研究較偏重於客運，貨運相關實證研究相對較不成熟，尤其是
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
48
以總體角度所做的貨運需求實證分析的研究更付之闕如，Albert 和 Schäfer（2013）
指出原因在於此類研究的實證資料不易取得，畢竟這些實證資料通常具有商業機敏性
（commercially-sensitive），且資料蒐集成本所費不貲。未來如能克服資料取得問 題，建議可採用 logit 模型等不同型式的模型進行貨運需求相關議題的研究，以充實貨 運需求相關實證研究。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
49
參考文獻
中華百科全書（典藏版），http://ap6.pccu.edu.tw/Encyclopedia/。
中華民國統計資訊網總體統計資料庫，http://ebas1.ebas.gov.tw/pxweb/Dialog/statfile9L.asp。 王丘明（1995）。基隆港貨櫃場站成本結構與生產力分析。國立交通大學交通運輸研究所
博士學位論文，未出版，台北。
行政院主計總處（編）（2013）。100 年工商及服務業普查報告第 7 卷運輸及倉儲業。台 北：行政院主計總處。
行政院主計處（編）（2008）。95 年工商及服務業普查報告第 7 卷運輸及倉儲業。台北：
行政院主計處。
行政院主計處（編）（2003）。中華民國九十年臺閩地區工商及服務業普查報告第 7 卷臺 灣地區運輸倉儲及通信業。台北：行政院主計處。
行政院主計處（編）（1998）。中華民國八十五年臺閩地區工商及服務業普查報告第 7 卷 臺灣地區運輸倉儲及通信業。台北：行政院主計處。
行政院主計處（2011）。行業標準分類（第 9 次修訂）。台北：行政院主計處。
交通部統計處（編）（1997-2013）。商品別貨品流量及運費率調查報告(國內水上及航空 貨運部分)。台北：交通部統計處。
交通部統計處（編）（2009-2011、2013）。運輸及倉儲業產值調查報告。台北：交通部 統計處。
交通部統計處（編）（2006、2008）。運輸倉儲及通信業產值調查報告。台北：交通部統 計處。
交通部統計處（編）（1998-2001、2003-2005）。臺灣地區運輸倉儲及通信業產值調查 報告。台北：交通部統計處。
交通部臺灣鐵路管理局（編）（1997-2013）。臺灣鐵路統計年報。台北：交通部臺灣鐵 路管理局。
交通部統計查詢網，http://stat.motc.gov.tw/mocdb/stmain.jsp?sys=100。
‧
陳振銘、陳筱俊（2004）。台灣本國銀行成本效率評估：一般化李昂鐵夫成本函數與 Translog 成本函數之比較。2004 財經學術研討會，台北。
Albert, A., & A. Schäfer (n. d.). Demand for freight transportation in the U.S.: a hight-level view. Journal of Transportation and Statistics.
Blackorby, C., D. Primont, & R. R. Russell (1977). On testing separability restrictions with flexible functional forms. Journal of Econometrics, 5(2), 195-209.
Boyer, K. D. (1997). Principles of Transportation Economics. Michigan: Addision Wesley Longman.
Braeutigam, R. R., A. F. Daughety, & M. A. Turnquist (1984). A firm specific analysis of economies of density in the U.S. railroad industry. The Journal of Industrial Economics, 33(1), 3-20
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
51
Caves, D. W., L. R. Christensen, & M. W. Tretheway (1980). Flexible cost functions for multiproduct firms. The Review of Economics and Statistics, 62(3), 477-481.
Eberts, R. (2000). Understanding the impact of transportation on economic development. Transportation Research Board Conference, Transportation in the New Millennium, Washington, D.C.
Fuss, M., & D. Mcfadden (Ed.). (1978). Production Economics: A Dual Approach to Theory and Applications. New York: North-Holland Publishing Company.
Hesse, M., & J.-P. Rodrigue (2004). The transport geography of logistics and freight distribution. Journal of Transport Geography, 12, 171-184.
Mankiw, N. G. (2004). Principles of Economics (3rd Ed.). New York: Southwestern.
McGeehan, H. (1993). Railway costs and productivity growth: the case of the Republic of Ireland. Journal of Transport Economics and Policy, 27(1),19-32 Mitchell, D. (2010). Australian intercapital freight demand: an econometric analysis.
Australasian Transport Research Forum 2010 Proceedings, Canberra.
Oum, T. H., & Y. Zhang (1991). Utilisation of quasi-fixed inputs and estimation of cost functions: an application to airline costs. Journal of Transport Economics and Policy, 25(2), 121-134.
Rodrigue, J.-P. (2006). Challenging the derived transport demand thesis: issues in freight distribution. Environment and Planning, 38(8), 1449-1462.
Shephard, R. W. (1953). Cost and Production Functions. NJ: Princeton University Press.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
52
‧
/* calculate descriptive statistics */
PROC MEANS DATA=paperdata_raw MEAN STDERR MAX MIN SKEWNESS KURTOSIS CV N STD MEDIAN QRANGE MAXDEC=2;
VAR Csea Cair Croad;
OUTPUT OUT=outsea ; RUN;
PROC MEANS DATA=paperdata_raw MEAN STDERR MAX MIN SKEWNESS KURTOSIS CV N STD MEDIAN QRANGE MAXDEC=2;
VAR sea air road ; OUTPUT OUT=outair ; RUN;
PROC MEANS DATA=paperdata_raw MEAN STDERR MAX MIN SKEWNESS KURTOSIS CV N STD MEDIAN QRANGE MAXDEC=2;
VAR Psea Pair Proad;
OUTPUT OUT=outroad ; RUN;
/* calculate correlation coefficient between freight and fare rate */
PROC CORR DATA=paperdata_raw PLOT=matrix;
VAR Psea sea;
RUN;
PROC CORR DATA=paperdata_raw PLOT=matrix;
VAR Pair air;
RUN;
PROC CORR DATA=paperdata_raw PLOT=matrix;
VAR Proad road;
RUN;
/* plot expenditure, freight and fare rate */
PROC GPLOT DATA=paperdata_raw;
AXIS3 LABEL=(angle=90 'ln(Freight)');
AXIS4 LABEL=(angle=90 'ln(Freight rate)');
LEGEND1 LABEL=(position=top);
PLOT lnCsea*t=1 lnCair*t=2 lnCroad*t=3 /overlay legend VAXIS=AXIS2 HAXIS=AXIS1 vref=17 vref=19 legend=legend1;
PLOT lnsea*t=1 lnair*t=2 lnroad*t=3 /overlay legend VAXIS=AXIS3 HAXIS=AXIS1 vref=3 vref=9.5 vref=13 legend=legend1;
PLOT lnPsea*t=1 lnPair*t=2 lnProad*t=3 /overlay legend VAXIS=AXIS4 HAXIS=AXIS1 vref=0 vref=1 legend=legend1;
RUN;
/* make scatter plots between freight and fare rate */
PROC GPLOT DATA=TR;
symbol1 i=none v=dot c=red ;
‧
PLOT lnTRsea*t=1 lnTRair*t=2 lnTRroad*t=3/ overlay;
RUN;
0.5*(B11*lnPsea*lnPsea + B12*lnPsea*lnPair + B13*lnPsea*lnProad+
B12*lnPair*lnPsea + B22*lnPair*lnPair + B23*lnPair*lnProad+
B13*lnProad*lnPsea + B23*lnProad*lnPair + B33*lnProad*lnProad )+
0.5*Byy*(lnY**2)+0.5*Btt*(t**2)+
B1y*lnPsea*lnY+B2y*lnPair*lnY+B3y*lnProad*lnY+
B1t*lnPsea*t+B2t*lnPair*t+B3t*lnProad*t+
Byt*lnY*t;
Sair=B2+B12*lnPsea+B22*lnPair+B23*lnProad+B2y*lnY+B2t*t;
Sroad=B3+B13*lnPsea+B23*lnPair+B33*lnProad+B3y*lnY+B3t*t;
FIT lnC Sair Sroad / itsur nestit outs=rest outest=fin1 out=resid1 converge=.00001 maxit=1000;
PARMS A0 B1 B2 B3 By Bt
/* calculate elasticities */
DATA fin1;
SET fin1;
DROP _name_ _type_ _status_ _nused_;
RUN;
‧
subelas[(i-1)*nk+j,1]=sub[i,j];
elas[(i-1)*nk+j,1]=e[i,j];
osubelas[(i-1)*nk+j,1]=osub[i,i];
oelas[(i-1)*nk+j,1]=oe[i,i];
end;
end;
mattrib sub colname=({sea air road}) rowname=({sea air road}) label='Substitution Elasticities Matrix';
print 'Substitution Elasticities'; print sub;
mattrib e colname=({sea air road}) rowname=({sea air road}) label='Cross-pric Elasticities Matrix';
print 'Cross-price Elasticities'; print e;
mattrib osub colname=({sea air road}) rowname=({sea air road}) label='Own-Substitution Elasticities Matrix';
print 'Own-Substitution Elasticities'; print osub;
mattrib oe colname=({sea air road}) rowname=({sea air road}) label='Own-pric Elasticities Matrix';
print 'Own-price Elasticities'; print oe;
create plotdata var{x y elas oelas subelas osubelas};
append;
close plotdata;
RUN;
QUIT;
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
‧
8 參考 Boyer, K. D. (1997). Principles of Transportation Economics. Michigan: Addision Wesley Longman.
9 按楊雲明（2007）的定義，完全競爭市場指廠商家數眾多，為價格接受者（price taker），產品同質，在長 期廠商可自由進出市場無障礙。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
於市場價格，運輸量最大，隨著運費提高，產地價格加上運費始為市場價格，當運費持續 高漲時，產地與市場間的價格差額也隨之變大，由此推知運輸需求函數為
𝑃𝑡 = 𝑃𝑑− 𝑃𝑠
= d −2𝑑 𝑏 × 𝑄𝑡
圖 A-2 貨物運輸需求線
資料來源：本研究整理。
當運費為 0 時，運輸量由(A.1)式產地供給函數與(A.2)式市場需求函數決定出運輸量為 b/2，此時產地價格與市場價格均為 d/2。當開始計收運費時，產地價格加上運費始為市場 價格，當市場價格超過 d 時，由於已超過消費者的願付價格，沒有消費行為發生，因而也 沒有將財貨運至消費市場的運輸需求，由此可知，在單一起點與單一終點的運輸市場下，
運輸需求為經濟活動的引申性需求，任何影響財貨供需因素，均會連帶影響運輸需求。
從供給函數、需求函數及運輸需求函數的斜率觀察，供給和需求函數的斜率絕對值均 為 b/d，運輸需求函數的斜率絕對值則為 2d/b，可知運輸需求的斜率或彈性受供給和需求 函數影響，當面對富有彈性的供需線時，運輸需求亦相對富有彈性，反之則反。
b/2 d
運輸量 運
輸 價 格
b
(A.3)