模式預測結果與分析

表4.2-18 為旅運模式預測結果，其中各模式之 MAPE 皆小於 8.5%，

THEIL 亦小於 10%，顯見各類型之最佳模式達高精確度。

表4.2-18 旅運模式預測結果

資料類型 最佳模式 MAPE THEIL 評估結果 國際入境 （2,0,1） 8.47% 0.052 高精確度 國際出境 （2,0,1） 8.40% 0.051 高精確度 國內到站 （2,0,1） 7.37% 0.003 高精確度 國內出站 （1,0,1） 7.08% 0.003 高精確度

註 ：1. 泰 爾 不 等 係 數 (Theil’Inequality Cofficient ； THEIL) ， Lindberg(1982) 和 Mcness(1979)指出 THEIL 的值小於 0.55 時模式可被認為是良好。

2.MAPE＜10%為高精確度；MAPE 10 %～20%為良好；MAPE 20 %～50%為合 理；MAPE＞50%為不正確。

3.最佳模式(pdq)，pq 值係以各模式最小之 AIC、SBC 之矩陣判定，d 值則以差 分次數決定。

二、旅運平均誤差率比較

將 98 年 1 月至 5 月的各月資料所做出之預測值與實際值作誤差率之 加總，並將各月份之誤差率作平均值代表該年度的誤差率，並比較旅運預 測模式的準確程度。以時間數列法進行旅運量預測並與實際值相比較，正 值表示高估、負值表示低估。

國際入境旅運預測模式與國際出境旅運預測模式的總平均誤差值 為負值，係表示實際旅運量低於預測量有高估的現象，但誤差值最大為 -5％，可顯示該 ARIMA 模式預測能力有相當的準確度。而在國內到站旅 運預測模式與國內出站旅運預測模式中可發現，各月份的總平均誤差值為 正值有低估現象，總平均誤差值大致在10％左右，顯示此 ARIMA 預測模 式精準度良好。

表4.2-19 旅運模式平均誤差率比較表

國際入境旅運 國際出境旅運 國內到站旅運 國內出站旅運

TIME

實際 預測 差額 實際 預測 差額 實際 預測 差額 實際 預測 差額

2009M1 106352.00 106289.67 0.06% 99455.00 107526.36 -8.12% 41791.00 35875.27 14.16% 42629.00 35756.31 16.12%

2009M2 82917.00 111706.71 -34.72% 98073.00 107196.14 -9.30% 36660.00 37795.24 -3.10% 36972.00 39460.42 -6.73%

2009M3 108610.00 96979.40 10.71% 108822.00 105929.95 2.66% 40991.00 37954.92 7.41% 42187.00 37308.48 11.56%

2009M4 125618.00 112092.75 10.77% 127103.00 112019.78 11.87% 47961.00 38317.85 20.11% 48173.00 39753.29 17.48%

2009M5 109283.00 122241.63 -11.86% 110422.00 122838.69 -11.24% 50627.00 43634.92 13.81% 50721.00 44353.86 12.55%

平均 106556.00 109862.03 -5.01% 108775.00 111102.18 -2.83% 43606.00 38715.64 10.48% 44136.40 39326.47 10.20%

註：M 表該年度之月份。

二、貨運模式預測結果

表 4.2-20 為貨運模式預測結果，其中國際入境及出境模式之 MAPE 皆小於7%，THEIL 亦小於 10%，模式呈現高精確度。在國內貨運模式方 面，MAPE 係數介於 10 %～20%，THEIL 小於 0.55，模式呈現良好狀態。

表4.2-20 貨運模式預測結果

資料類型 最佳模式 MAPE THEIL 評估結果 國際入境 （2,2,1） 6.97% 0.040 高精確度 國際出境 （2,2,2） 6.48% 0.037 高精確度 國內到站 （2,2,2） 11.71% 0.074 良好 國內出站 （2,2,2） 11.05% 0.077 良好

註:1.泰爾不等係數(Theil’Inequality Cofficient；THEIL)，Lindberg(1982)和 Mcness(1979) 指出THEIL 的值小於 0.55 時模式可被認為是良好。

2.MAPE＜10%為高精確度；MAPE 10 %～20%為良好；MAPE 20 %～50%為合 理；MAPE＞50%為不正確。

3.最佳模式(pdq)，pq 值係以各模式最小之 AIC、SBC 之矩陣判定，d 值則以差 分次數決定。

三、貨運平均誤差率比較

將 98 年 1 月至 5 月的各月資料所做出之預測值與實際值作誤差率比 較，國際入境貨運預測模式與國際出境貨運預測模式的總平均誤差值為 負值，係表示實際旅運量低於預測量有高估的現象，誤差值最大為-13％，

可發現國際出境貨運量的ARIMA 模式預測值比實際值高估一點，預測模 式能力大致良好。而在國內到站貨運預測模式與國內出站貨運預測模式中 可發現，其總平均誤差值為正值，總平均誤差值大致小於 5％，顯示此 ARIMA 預測模式有相當的精準度。

表4.2-21 貨運模式平均誤差率比較表

國際入境貨運 國際出境貨運 國內到站貨運 國內出站貨運 TIME 實際 預測 誤差率 實際 預測 誤差率 實際 預測 誤差率 實際 預測 誤差率 2009M1 3068.90 2613.33 14.84% 2075.40 3721.49 -79.31% 574.50 389.62 32.18% 396.42 391.82 1.16%

2009M2 2223.70 2910.66 -30.89% 3243.00 2933.22 9.55% 441.80 447.40 -1.27% 488.89 491.46 -0.53%

2009M3 2710.10 2545.95 6.06% 3759.60 3590.48 4.50% 419.60 437.11 -4.17% 427.63 422.01 1.31%

2009M4 2783.80 2693.31 3.25% 3950.50 3874.46 1.92% 406.60 432.45 -6.36% 461.95 462.94 -0.22%

2009M5 2759.00 2719.92 1.42% 3749.70 3971.12 -5.91% 456.20 422.98 7.28% 491.34 489.65 0.34%

平均 2709.10 2696.63 -1.06% 3355.64 3618.15 -13.85% 459.74 425.92 5.53% 453.24 451.58 0.42%

三、架次模式預測結果

表 4.2-22 為架次模式預測結果，其中各模式之 MAPE 皆小於 10%，

THEIL 亦小於 0.55，顯見各類型之最佳模式達高精確度。

表4.2-22 架次模式預測結果

資料類型 最佳模式 MAPE THEIL 評估結果 國際入境 （1,1,1） 6.18% 0.027 高精確度 國際出境 （1,1,1） 6.20% 0.026 高精確度 國內到站 （1,1,2） 9.75% 0.026 高精確度 國內出站 （1,1,2） 9.70% 0.021 高精確度 註:1.泰爾不等係數(Theil’Inequality Cofficient；THEIL)，Lindberg(1982)和 Mcness(1979)

指出THEIL 的值小於 0.55 時模式可被認為是良好。

2.MAPE＜10%為高精確度；MAPE 10 %～20%為良好；MAPE 20 %～50%為合 理；MAPE＞50%為不正確。

3.最佳模式(pdq)，pq 值係以各模式最小之 AIC、SBC 之矩陣判定，d 值則以差 分次數決定。

四、架次模式平均誤差率比較

將 98 年 1 月至 5 月的各月資料所做出之預測值與實際值作誤差率比 較，國際入境架次預測模式與國際出境架次預測模式的總平均誤差值為 正值，誤差值介於1％左右，可顯示該 ARIMA 模式預測值與實際值相當 接近，預測能力有極高準確度。而在國內到站架次預測模式與國內出站架 次預測模式中可發現，各月份的總平均誤差值為正值，誤差值也低於 5

％，表示此 ARIMA 預測模式精準度相當高。

表4.2-23 架次模式平均誤差率比較表

國際入境架次 國際出境架次 國內到站架次 國內出站架次 TIME 實際 預測 差額 實際 預測 差額 實際 預測 差額 實際 預測 差額 2009M1 830 787 5.18% 827 786.75 4.87% 918 783.26 14.68% 916 784.05 14.40%

2009M2 722 821 -13.66% 720 818.09 -13.62% 740 862.75 -16.59% 742 861.19 -16.06%

2009M3 778 736 5.43% 774 733.51 5.23% 762 788.6 -3.50% 763 790.75 -3.64%

2009M4 832 769 7.58% 830 765.21 7.81% 844 745.08 11.72% 842 746.24 11.37%

2009M5 831 819 1.40% 830 817.17 1.55% 980 796.35 18.74% 977 794.51 18.68%

平均 799 786 1.19% 796 784 1.16% 849 795 5.01% 848 795 4.95%

註：M 表該年度之月份。