第三章 研究方法與設計
第二節 研究分析方法
一、參與式的地方評價（Participatory Local Appraisal；PLA）
是研究地方性或原始的知識系統方法，利用「參與性」的地方評價主要是希望助長 或激勵當地有關一個問題或事件的意識及能力（Ross，1999）。重點在於引導當地人使 他們能自行分析問題及分享他們的成果，外來者的角色主要是扮演催化劑的功能而非主 導的專家（Miller，1993）。其方法包括：
（一）次要的（間接的）資料來源—即二級資料蒐集
除書籍及期刊外，包括報告、地圖、航照圖、年鑑報告、電腦化資料、戶口普查紀 錄及報紙等
（二）半組織式的訪談—為 PLA 主要方法
訪談多數為非正式，受訪者可以是資源使用者（居民、遊客）、官員及地方菁英。
在訪談者熟悉的環境下進行，不需準備問卷，只要記錄一些主要想法及資料，一般不會 超過一小時，且在一段時間內可能對受訪者進行多次訪談。
（三）直接觀察—為證實次要來源或訪談所得的理解
分析者在一個地方觀察越久，越有機會觀察到不受「反應性的效果」，影響的人或 生態系統的模式。在 PLA 中，有一個好方法是要求資源使用者教導外來者及協助他們的
工作，可消除外來者與當地人的隔閡。
二、敘述統計法
敘述統計技術主要是利用位置變量與離散變量來描述樣本資料的特性，以協助研究 人員瞭解樣本特性。位置變量描述的是資料的集中性，亦即利用資料的集中位置來作為 特徵值，包括平均數、中位數、眾數等統計量；離散變量則是用來描述資料的分佈情形，
像是全距、變異數、標準差、變異係數等統計量。
三、模糊德爾菲法（Fuzzy Delphi Method）
首先針對傳統德爾菲法及模糊德爾菲法做比較：
傳統德爾菲法（Delphi Method）為專家預測法，也是群體決策法的一種。主要目 的在於獲取專家們的共識，以專家判斷為基礎所發展起來的一種直觀性預測方法。研究 者對專家們的每一輪意見都進行彙總整理，作為參考資料再發給每個專家，供他們分析 判斷，提出新的論證。如此多次反覆，專家的意見漸趨一致，亦可得到專家獨立判斷之 品質。傳統德爾菲法求取專家意見一致性的過程，如圖 3-2 所示，圖中灰色區域代表一 個可接受的範圍（a ,b），反覆詢問專家意見過程中，要求專家依前一次調查結果修改 自己的意見，如果修改後之專家評價值中位數（m）落於此範圍中，便稱專家意見已達 成一致。但究竟是哪一點並不確定，只要落於此範圍中，便接受它已達成一致性。由此 可看出傳統德爾菲法隱含了模糊性，但在處理過程中卻未將模糊性納入考量。
圖 3- 2 傳統德爾菲示意圖
資料來源：陳曉玲，1995
因此傳統德爾菲法有以下幾種缺點：（C. L. Hwang and M.L. Lin，1987）
（一） 蒐集專家意見耗時太久
（二） 投入成本太高
f （ j ）
1
0 a m b i
（三） 問卷回收率過低或無法回收
（四） 可能扭曲專家們的意見
有鑑於以上之發現，本研究採用模糊德爾菲法，以解決傳統德爾菲法之缺失。
Ishikawa et al.（1993）等人針對德爾菲法的缺失，將模糊理論概念引進德爾菲 法中，利用累積次數分配及模糊積分的概念，將專家意見整合成模糊數，其形成過程變 稱為模糊德爾菲法（徐明和，1998）。
由 Klir and Folger（1988）所提出一個平均數之一般化模式以此平均數一般化模 式表示決策群體共識如（1）所示：
ha（a1,a2,a……an）= ………（1）
其中 a 為不同平均數型態之參數。若將 a 帶入不同數值加以運算，則可得下列結果：
1. α→∞時，由（1）式可知
h-∞（a1,a2,a……an）=Min（a1,a2,a……an）………（2）
一般化平均函數之下限即為極小值。由此可知，極小值乃為最小的一種平均數函數型態。
2. α→∞時，由（1） 式可知
h∞（a1,a2,a……an）=Max（a1,a2,a……an）………（3）
一般化平均函數之上限則為極大值。由此可知，極大值乃為最大的一種平均數函數型態。
3. α→0 時，即為此函數之幾何平均數
h0（a1,a2,a……an）=（a1․a2․a...․an）1/n………（4）
4. α=-1 時，即為此函數之調和平均數
h-1（a1,a2,a……an）= ………（5）
5. α=1 時，即為此函數之算術平均數
h1（a1,a2,a……an）=（a1＋a2＋a……＋an）/n………（6）
由以上算式（2）~（6）可知，極小值與極大值分別是最小與最大的平均數函數型 態，即為一般化平均數函數之上下限。而幾何平均數、調和平均數及算術平均數乃是分 布於一般化平均數函數之上下限之間的平均數函數型態。其觀念圖形如圖 3-3 所示：
圖 3- 3 平均數一般化模式示意圖
資料來源：陳曉玲，1995
由圖可知，當參數值 a 在無限大與負無限大兩個邊界之間遊移，其所對應之平均數 型態便在平均數最大值與平均數最小值之間移動。可知在無限大與負無限大兩個邊界之 間，平均數以不同型態出現。由此可知，極小值與極大值分別是最小與最大的平均數函 數型態，亦即在決策群體中，決策者評價之極小值為最小的一種決策群體共識型態；相 同的，決策者評價之極大值為最大的一種決策群體共識型態。而且對不同的專家共識函 數，賦予不同的隸屬函數。
模糊函數尚有許多表達決策群體共識之方式，本研究以一般化平均數函數之上限
（極大值）、下限（極小值）為專家共識三角模糊數之兩端點，主要原因是三角模糊數 之運算及使用廣泛，較易讓一般人理解與接受。由於 Saaty（1980）認為以幾何平均數 表示專家共識的效果較佳，而且在實務應用上也大都採用幾何平均數，所以幾何平均數 代表大部分決策者之共識（如圖 3-4 所示）。
U：為決策群體共識之上限（極大值）
L：為決策群體共識之下限（極小值）
X0：為幾何平均數，代表大部份決策群體之共識
圖 3- 4 決策群體共識三角模糊函數圖
資料來源：陳曉玲，1995
由上圖得知，此三角函數涵蓋決策群體對此議題之意見，決策群體對此議題之最高 評價即為三角函數中的上限（U 點），決策群體對此議題之評價不可能比此點更高；相同 的，決策群體對此議題最低評價即為三角函數中的下限（L 點），決策群體對此議題之評 價不可能會低於此點。因此，決策群體對此議題之意見介於三角函數中的上、下限之間。
綜合以上所述，模糊德爾菲法更具以下之優點：
（一）個別專家的意見都會被考慮進去
（二）可減少調查次數、降低時間與經費的消耗
（三）預測項目之語意結構明確
（四）個別專家屬性皆具說明
應用以上所提之模糊德爾菲法，篩選出礦業觀光策略之因素，其步驟為：
步驟一：建立因素層級
根據研究目的，廣泛蒐集相關文獻資料，列出相關策略因素項目及層級。
步驟二：蒐集專家評估意見
利用問卷方式蒐集專家之意見，請專家針對各策略因素項目進行評分，取得群體對 各因素之評值。
步驟三：應用模糊德爾菲法篩選策略因素
將問卷所得之因素評價值依下列公式建立模糊三角函數：
ÑA=（LA , MA , UA） （7）
LA =Min（XAi），i=1 , 2 , 3…n （8）
MA =（XA1 , XA2 ,…XAn）1/n （9）
μ
Ñ（X）X
0 L X0 U
1
UA =Max（XAi），i=1 , 2 , 3…n （10）
其中
XAi：第 i 個專家對 A 策略因素之評價值 LA：專家們對 A 策略因素評價值之下限
MA：專家們對 A 策略因素評價值之幾何平均數 UA：專家們對 A 策略因素評價值之上限。
A ：策略評估因素 i ：專家
Ñ ：重要性之模糊數
經由以上（7）~（10）公式，可得各因素之模糊三角函數圖（圖 3-5）。
圖 3- 5 三角模糊函數圖
資料來源：陳曉玲，1995
步驟四：篩選策略因素之準則
依據研究目的設立門檻值（S），如 XA＞S 則接受 A 策略因素，反之，若 XA＜S 則刪 除 A 策略因素之原則來進行因素之篩選，以找出最適當的策略因素。
四、階層層級分析法（Analytic Hierarchy Process Method. A.H.P）
本研究經模糊德爾菲法篩選後之策略因素架構，再應用階層層級分析法（AHP 法），
來求得各因素之執行權重值。
階層層級分析法為美國賓州匹茲堡大學教授 Thomas L. Saaty 於西元 1971 年替美
μ
Ñ（X）X
0 LA MA UA
1
國國防部從事應變計畫問題所發展出的一項決策方法，主要應用在不確定情況下及包含 數個評估準則的決策問題上，藉由系統化之組織架構，可將錯綜複雜之評估問題由目標 層逐步往下分散成數個層級，彙整為簡明的層級架構，而後以問卷方式依專家學者之評 估，來計算各階層要素對上一階層某一要素之貢獻程度或優先順序。再將此結果依據階 層結構加以計算，求得最低階層各元素對整個階層之權重值，以提供決策者做為方案選 擇的參考依據（Saaty，1980）。但在計算權重值方面 Saaty 認為，在一些合理的假設下，
應利用幾何平均數做為整合的函數，而不是算術平均數。因為假設某一個決策成員的判 斷值為 a，而其他成員的判斷為 1/a 時，其平均值應為 1，而不是（a+1/a）/2，所以 n 個決策成員的判斷值 X1,X2,……,Xn，其平均值應為（X1，X2，……Xn）1/n。
（一） 適用範圍
6. 決定優先次序（setting priorities）
7. 替選方案之產生（generating a set of alternatives）
8. 評選最佳方案（choosing a best policy alternatives）
9. 成果預估（predicting outcomes）
（二） 評估尺度
本研究採名目尺度（Norminal Scales），又稱為分類尺度，以數字或名稱來確認 對象，數字本身不具任何意義（如表 3-1 所示）。
表 3- 1 AHP 法評估尺度意義及說明
評估尺度 定義 說明
1 同等重要（Equal Importance） 兩比較方案的貢獻程度具同等重要性
․等強（Equally）
3 稍重要（Weak Importance） 經驗與判斷稍微傾向喜好某一方案․
稍強（Moderately）
5 頗重要（Essential Importance） 經驗與判斷強烈傾向喜好某一方案․
頗強（Strongly）
7 極重要（Very Strong Importance） 實際顯示非常強烈傾向喜好某一方案
․極強（Very Strong）
9 絕對重要（Absolute Importance） 有足夠證據肯定絕對喜好某一方案․
絕強（Extremely）
2,4,6,8 相鄰尺度之中間值（Intermediate values）
需要折衷值時
資料來源：林慧雯，2003
（三） AHP 法進行步驟 第一階段：建立層級架構
基於人類無法同時對 7 種以上事物進行比較假設之下，依 Saaty 的建議每一層級最
好不要超過 7 個要素。各要素特性不同而予以分類成多個層級，一般之層級關係如圖所 示，每一階層之要素都必須是獨立的且不可重覆或模糊兩可。另外，因研究需要可將一 般之層級關係圖修正為部份關係，如圖 3-6 所示。本研究之關係層級即採此一作法，得 到各因素之權重值後並提出執行策略之優先順序。
完整關係 部分關係
圖 3- 6 AHP 層級關係圖
資料來源：林慧雯，2003
第二階段：發放、回收問卷
第三階段：各層級要素間權重的計算 1. 建立成對比較矩陣
層級結構完成後，必須逐一評估在相同層次中各因素間之相對重要性。其評估方式 是以上一層級的個別因素為基準，將該層級中任意兩個因素對上一層級之個別因素的重 要性成對比較。若有 n 個要素時，則需進行 n（n-1）/2 個成對比較。成對比較時所使 用的數值，分別為 1/9，1/8，……，1/2，1，2，3，……，8，9（尺度內容與意義請詳 表 3-1），將 n 個要素比較結果的衡量，置於成對比較矩陣 A 的上三角形部分（主對角線 為要素自身的比較，故均為 1），而下三角形部分的數值，為上三角形部分相對位置數值 的倒數，即 aji=1/aji。有關成對比較矩陣元素，如圖 3-7 所示：