研究架構與假設

為了初步了解整個流程的運作，因此於圖 5.1 流程圖解說之。

圖5.1 流程圖

設定最小支持度

設定最小信賴度

分析颱風特性(颱風強度、降雨量、路徑、

移動方向、移動速度、中心最低氣壓、風速)

找出有意義的關聯 法則並做為決策之用

Yes 執行颱風特性與花卉量 分析之關聯性法則Apriori

是否大於最小 支持度與信賴度

收集相關1996 至 2005 年颱風資料 從資料倉儲下載1996 至 2005 年大宗花卉資料

定義與假設颱風特性與花卉量

排序、對應與整理颱風特性與花卉量資料 剖析花卉量的類型拍賣、成交等

是否為有意義的 關聯性法則 建立颱風特性與花卉量間的

關聯性法則

Yes

是否建立所有關 聯性法則10 種花)

Yes

No

No

No

5.1.1 研究架構

將第 2.1.2 節所定義好的大宗花卉進而排序出前十名之後，根據第二章 2.2 節的颱風特 性分析之文獻回顧，適當加以縮減為4 大颱風特性。接著，再把颱風特性與前十大之大宗 花卉產地量與總成交數量進行同步關聯分析。建立有意義的關聯性法則。

5.1.2 研究前提

依照第2.2節相關文獻回顧分析結果顯示，得知影響大宗花卉數量之颱風特性因素有颱 風強度、颱風移動路徑、最大總雨量、颱風最低氣壓。但以實際資料驗證推估時，若干變 數會因為資料欠缺而產生難以估計的問題，必須予以適當修正或剔除。例如：颱風侵襲台 灣的天數範圍內，如果發生所要分析的資料數據遇到花卉批發市場營業狀態為休市時，則 會導致「總成交量為零」的問題發生。另外還有「如何選擇適當雨量偵測站問題」與「資 料筆數之建構」三大問題以及「節慶與大宗花卉無相關性假設」和「大宗花卉合乎其季節 性假設」兩大假設。此時，不但會造成研究過程中的一大障礙；情況嚴重時，可能會讓整 個研究因此而無法繼續進行下去。為了探究三大相關問題與兩大研究假設，故將更進一步 於以下深入探討之，其三大問題與兩大研究假設如下所示。

1. 問題類型ㄧ：各家花卉批發市場遇到總成量為零的問題

每家花卉批發市場皆有其休市日，於休市日時，則停止營業，導致相關玫瑰花數 量數值呈現零單位。剛好休市日當天對應到颱風侵襲日，如此情形發生(如表5.1的陰 影區所示)，將會產生資料無法有效對應問題產生，因此需要予以適當的修正與刪除規 範機制。

表5.1 颱風對應各家花市休市與總成交量分佈表

颱風侵台期間 玫瑰總成交量(把) 花市正常營運與休市 問題

項目

編號 資料有問題日 台北 台中 彰化 台南 市場別 營業狀態 休市市場 型式 1 1998/7/8-10 0 4340 5327 3072 12739 正常休市 台北 型1 2 1998/8/3-5 7001 1981 3599 2290 14871 否 否

3 1998/9/27-29 6313 2518 3187 1683 13701 否 否 4 1998/10/14-16 2980 453 367 831 4631 否 否 5 1998/10/25-27 6109 2561 3455 1531 13656 否 否

6 1999/6/5-6 0 7091 10816 3932 21839 否 否 型2 7 1999/10/6-10 0 0 0 0 0 正常休市 四家市場 型3

由表5.1可以清楚看出有三種不同形式的問題，其問題分析與改善如下所示。

型1問題分析：編號1於台北批發市場總成交量顯示0。經查證結果，發現7月10日恰好 為台北批發市場之休市日，因此需適當刪除或改變分析型態。

型1問題改善：

a. 刪除表5.1之相關總成交量資料，減少缺乏資料因素。

b. 將缺乏玫瑰花總成交量之台北花市資料，往前一天、往後一天或內

插法方式求得台北花市玫瑰花的總成交量。

c. 四家花市皆改變分析型態為颱風開始至結束日所增加或減少的玫 瑰花總成交量。

型2問題分析：編號6於台北批發市場總成交量同樣也顯示0，再經查證結果，確定6月 6日並非為台北批發市場之休市日，因此判斷結果為未顯示出玫瑰花總 成交量。

型2問題改善：通知維修人員進行修復或刪除此列資料。

型3問題分析：編號7之所有批發市場總成交量皆顯示0，又恰好是休市日，故與型1問 題有部分類似的地方。

型3問題改善：可遵循型1問題來進行問題的改善。

2. 問題類型二：如何選擇適當雨量偵測站問題

每逢颱風侵襲時所帶來是大量豪雨，因此會有很多偵測站專門在測量颱風的降雨 量，其偵測站從南到北都有不同設站地點，故選擇適當雨量偵測站來記錄颱風降雨量 才會使分析結果更有其可靠信。

由第2.2.1節文獻整理得知，可以選定所要偵測降雨量的點，可分為北、東、中與 南部，其所對應的觀測站可為台北、花蓮、南投、高雄雨量觀測站。在此研究將考量 以台北雨量觀測站為準，如圖5.2所示。

圖5.2 雨量觀測站選擇分佈圖 3. 問題類型三：資料筆數之建構問題

基於受限於資料筆數的關係，故對於每筆颱風資料都必須更進一步探討與分析，

避免隨意的刪除資料筆數，最後讓分析結果不具代表性且無意義。

探討完三大問題後，接著將針對「節慶與大宗花卉無相關性假設」和「大宗花卉合乎 其季節性假設」兩大假設進行詳細解說。

台北雨量觀測站

花蓮雨量觀測站

高雄雨量觀測站 南投雨量觀測站

1. 假設一：節慶與大宗花卉無相關性假設

何種節慶應該送哪一種花，事實上並沒有一定之準則。依照文獻回顧得知在於情 人節節日來臨時，一般人固然都會立即聯想到要送情人美麗的玫瑰花，但是花卉行銷 工作者和花店業者聯盟仍可依照當季時令盛產的花卉作行銷宣傳促銷活動。除了玫瑰 花之外，亦可以用花中后的鬱金香，或婀娜多姿的金魚草替代價昂的玫瑰花，作為情 人間表達深切愛意的另外選擇。除了可增加當季花卉的消費量之外，同時消費者又可 享受價廉物美的花卉產品。因此假設節慶對應大宗花卉種類無一定對應的花卉標準。

2. 假設二：大宗花卉合乎其季節性假設

花卉依其種類的不同，也有其不同的開花及生產季節，而呈現出明顯地季節循環 變動性。通常依大自然的條件下，花卉生產仍以春季較多。如表5.2所示。有些花卉可 以找到其對應月份，有些花卉只能利用月份範圍。同樣地，也可以用圖形來解說，如 圖5.3所示。

表5.2 季節性花卉對應大宗花卉對應表

大宗花卉對應季節性

花卉名稱 火鶴花 小菊 香水百合 大菊 玫瑰

月份 6 月 11 月~3 月 3 月~5 月 11 月~3 月 3 月~5 月 花卉名稱 非洲菊 劍蘭 葵百合 康乃馨中輪 洋桔梗

月份 3 月 10 月~4 月 3 月~5 月 5 月 4 月

圖5.3 季節性花卉之玫瑰產量分析圖

由圖5.3可以了解到，在於3至6月份之玫瑰產量相對偏高的狀態，代表玫瑰在此月份範 圍內具季節性花卉的現象，因此在做關聯分析時，應該加以區分之，讓分析能夠更加精確。

經由以上四大問題與兩大假設之深入探討與解析後，面對可能發生的所有非對應資料 皆有其解決的方法。如此一來，方能進行下一節所要探究的關聯性法則之建立。