第五章 結論
第二節 研究限制與建議
一、研究限制
(一) 使用村里界作為研究基本單元，各變項須以村里為基準進行加總或計算距離，
將可能產生可調整地區單元問題 (modifiable areal unit problem, MAUP)；並 且村里單元內將被視為均質區，使得村里內部的空間差異無法呈現。
(二) 將研究區視為封閉區域，無法直接考慮到桃園地區與相鄰的台北都會區、新 竹縣市以及其他區域間的互動。
(三) 二次國土利用調查的製作方式、測繪單位、判識標準皆不一致，僅能假設調 查結果完全正確，地目對照完全吻合。
(四) 即便全域線性模式的自變數間完全不具相關性，地理加權迴歸的局部係數估 計仍可能有局部多元共線性存在，將造成係數估計的偏誤 (Wheeler and Tiefelsdorf, 2005)。本研究透過相關係數矩陣及散點圖，發現部分變項間確實 有較高的相關性，對此僅能更加謹慎地對係數分布進行詮釋。
(五) 地理加權迴歸並不適合做為理論的推論，係數空間異質形式的解答，仍須以 其他方法進行驗證。
(六) 現階段缺乏整合空間延遲模型與地理加權迴歸的工具，對於空間延遲相依與 空間異質性二種效應只能個別討論。
二、研究建議
(一) 取得更精細的社經資料，透過地址對位等方法將村里人口、產業數據分派至 細緻且大小一致的網格單元，以呈現更細節的空間變化，減少可調整地區單 元問題；亦可透過在不同的空間尺度中進行分析，檢視在各種尺度下迴歸模 型的適用性 (Su et al., 2012)。
(二) 透過主成分分析 (principal component analysis, PCA) 等降維方法將具局部 多元共線性的變項萃取為意義涵括更廣的單一主成分；或以更小的基本單元 (更大的樣本) 進行分析，降低係數標準誤的膨脹。
(三) 建立含空間延遲變項的地理加權迴歸，以便同時處理空間相依性與空間異質 性問題。
參考文獻
一、中文文獻
丁志堅 (2002)。屏東平原土地利用變遷分析與模式建立。國立台灣大學地理環境 資源研究所，博士論文。
王翠華 (2007)。基隆河中上游流域聚落變遷型態之分析。台灣大學地理環境資源 學系，碩士論文。
白仁德 (2000)。高速公路及工業區對台灣西部走廊製造業空間分布影響模型之 建立。台灣大學建築與城鄉研究所，博士論文。
朱建銘 (2000)。土地利用空間型態之研究。國立台灣大學地理環境資源研究所，
碩士論文。
吳振發、林裕彬 (2006)。〈汐止市土地利用時空變遷模式〉。《都市與計畫》，
卷 33，期 3，231-259。
李瑞陽、陳勝義 (2010)。〈台中市搶奪犯罪熱點與犯罪區位之空間分析〉。《地理 研究》，期 53，23-47。
沈体雁、馮等田、孫鐵山 (2010)。《空間計量經濟學》。北京：北京大學出版社。
周孟嫻、紀玉臨、謝雨生 (2010)。〈台灣自殺率具空間群聚嗎？模仿效應或結構 效應〉。《人口學刊》，期 41，1-65。
宓群英 (2007)。桃園地區土地覆蓋變遷之研究。國立台北大學都市計畫研究所，
碩士論文。
林雅雯 (2012)。桃園縣八德市的都市發展特色─以城鄉邊緣區的角度探討。國立 臺灣師範大學地理學系，碩士論文。
洪志明 (2011)。空間次市場中明星學區之不動產價格分析─以台北市為例。國立 臺北大學不動產與城鄉環境學系，碩士論文。
紀玉臨、周孟嫻、謝雨生 (2009)。〈臺灣外籍新娘之空間分析〉。《人口學刊》，
期 38，67-113。
胡立諄、賴進貴 (2006)。〈臺灣女性癌症的空間分析〉。《台灣地理資訊學刊 》，
期 4，39-55。
唐菁萍 (2005)。桃園市與中壢市都市發展及機能的比較。國立台灣師範大學地理 系在職進修碩士班，碩士論文。
張國楨、張文菘、曾露儀 (2012)。〈都市土地利用與人口老化對基層醫療資源分 布之影響：以台北市為例〉。《地理研究》，期 56，25-40。
張曜麟 (2005)。都市土地使用變遷之研究。國立成功大學都市計畫研究所，博士 論文。
連美綺 (2011)。桃園海岸地區土地利用時空變遷。國立臺灣師範大學地理學系，
碩士論文。
陳章瑞 (2009)。運用地理加權迴歸模型探討都市公園之鄰里效應。中國文化大學 建築及都市計畫研究所，博士論文。
陳雪玉 (2003)。桃園閩客族群與地方政治關係的歷史探討(1950-1996)。國立中央 大學歷史研究所，碩士論文。
陳惠玲 (2010)。應用空間統計探討農業用地變遷與影響因素。國立臺北大學都市 計劃研究所，碩士論文。
陳斐 (2008)。《區域空間經濟關聯模式分析：理論與實證研究》。北京：中國社會 科學出版社。
陳菁瑤、洪志明 (2009)。〈租稅競爭與標竿式競爭〉。《經濟與管理叢論》，卷 5，期 1，55-82。
曾繁浩 (1995)。桃園地區都市及區域發展之研究。中國文化大學地學研究所，碩 士論文。
黃國慶、詹士樑 (2009)。〈台北都會區土地使用/覆蓋變遷驅動力之空間近鄰效果 探討〉。《都市與計畫》，卷 36，期 4，415-443。
楊書婷 (2008)。空間異質性對土地利用變遷模式的影響 新竹市個案研究。台灣 大學地理環境資源學系，碩士論文。
鄒克萬、張曜麟 (2004)。〈都市土地使用變遷空間動態模型之研究〉。《地理學 報》，期 35，35-51。
劉佳玲 (2007)。新竹地區建地土地利用變遷模式之建立。台灣大學地理環境資源 學系，碩士論文。
劉其輝 (2005)。結合遙測與地理資訊系統於都市發展之研究─以桃園縣 (復興鄉 除外) 為例。國立政治大學地政學系，碩士論文。
蔡博文 (2005)。〈土地變遷研究之回顧與展望〉。《全球變遷通訊雜誌》，期 48，
21-24。
賴如崧 (1987)。桃園及宜蘭兩縣雙中心發展之政經比較分析。中國文化大學政治 研究所，碩士論文。
賴進貴、葉高華、王韋力 (2004)。〈土地利用變遷與空間相依性之探討─以臺北 盆地聚落變遷為例〉。《台灣地理資訊學刊》，期 1，29-40。
謝啟賢 (2007)。養殖土地利用變遷預測模式之建立－個體施為取徑。台灣大學地 理環境資源學系，碩士論文。
鍾志章 (1979)。桃園台地都市體系之研究。國立臺灣師範大學地理研究所，碩士 論文。
簡志雄 (1985)。桃園縣都市體系發展之研究。中國文化大學地學研究所，碩士論 文。
顏子揚 (2006)。捷運沿線土地使用變遷模擬模式之建構與應用。國立交通大學交 通運輸研究所，碩士論文。
魏哲勛 (2011)。後工業化時期都市跳島發展之研究─以桃園縣南崁交流道周邊 地區為例。私立東海大學建築學系，碩士論文。
二、英文文獻
Anselin, L. (1988a). Spatial econometrics: Methods and models. Dordrecht: Kluwer Academic.
Anselin, L. (1995). Local indicator of spatial association ─ LISA. Geographical Analysis, 27(2), 93-115.
Anselin, L. (1998). Exploratory spatial data analysis in a geocomputational environment. Longley, P. A., Brooks, S. M., and McDonnell, R. et al., Geocomputation: A Primer. New York: Wiley.
Anselin, L. (1988b). Lagrange multiplier test diagnostics for spatial dependence and spatial heterogeneity. Geographical Analysis, 20(1), 1-17.
Anselin, L., Bera, A. K., Florax, R., and Yoon, M. J. (1996). Simple diagnostic tests for spatial dependence. Regional Science and Urban Economics, 26, 77-104.
Anselin, L. and Florax, R. (1995). New directions in spatial econometrics. Berlin:
Springer-Verlag.
Anselin, L., and Griffith, D. A. (1988). Do spatial effects really matter in regression analysis?. Papers of the Region Science Association, 65, 11-34.
Anselin, L., and Rey, S. (1991). Properties of tests for spatial dependence in linear regression models. Geographical Analysis, 23(2), 112-131.
Baller, R. D., Anselin, L., Messner, S. F., Deane, G., and Hawkins, D. F. (2001).
Structural covariates of U.S. county homicide rates: Incorporating spatial effects.
Criminology, 39(3), 561-590.
Bitter, C., Mulligan, G. F., and Dall'erba, S. (2007). Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method. Geographical System, 9(1), 7-27.
Briassoulis, H. (2000). Analysis of land use change: theoretical and modeling approaches. Regional Research Institute, West Virginia University.
http://www.rri.wvu.edu/WebBook/Briassoulis/contents.htm (2011/11/13)
Briassoulis, H. (2001). Policy-oriented integrated analysis of land-use change: An analysis of data needs. Environmental Management, 27(1), 1-11.
Brunsdon, C., Fotheringham, A. S., and Charlton, M. (1999). Some notes on parametric significance tests for geographically weighted regression. Regional Science, 36(3), 497-524.
Burridge, P. (1980). On the Cliff-Ord test for spatial correlation. Journal of the Royal Statistical Society B, 42(1), 107-108.
Casetti, E. (1972). Generating models by the expansion method: Applications to geographical research. Geographical Analysis, 4(1), 81-91.
Cheng, J., and Masser, I. (2003). Urban growth pattern modeling: a case study of Wuhan city, PR China. Landscape and Urban Planning, 62, 199-217.
Clarke, K. C., and Gaydos, L. J. (1998). Loose-coupling a cellular automaton model and GIS: Long-term urban growth prediction for San Francisco and Washington/Baltimore. Geographical Information Science, 12(7), 699-714.
Clawson, M., and Stewart C. L. (1965). Land use information : critical survey of US statistics including possibilities for greater uniformity. Baltimore, Md.: Johns Hopkins Press.
Clement, F., Orange, D., Williams, M., Mulley C., and Epprecht, M. (2009). Divers of afforestation in Northern Vietnam: Assessing local variations using geographically. Applied Geography, 29, 561-576.
Cliff, A. D., and Ord, J. K. (1973). Spatial Autocorrelation. London: Pion.
Foster, S. A., and Gorr, W. L. (1986). An adaptive filter for estimating spatially-varying parameters: Application to modeling police hours spent in response to calls for service. Management Science, 32(7), 878-889.
Fotheringham, A. S., Brunsdon, C., and Charlton, M. (2002). Geographically Weighted Regression: the analysis of spatially vary relationships. West Sussex: John Wiley and Sons Ltd.
Fotheringham, A. S., Charlton, M., and Brunsdon, C. (1996). The geography of parameter space: an investigation of spatial non-stationarity. Geographical Information Systems, 10(5), 605-627..
Fotheringham, A. S., Charlton, M. E., and Brunsdon, C. (1997). Geographically weighted regression: a natural evolution of the expansion method for spatial data analysis. Environment and Planning A, 30, 1905-1927.
Fotheringham, A. S., Charlton, M., and Brunsdon, C. (1998). Geographically weighted regression a natural evolution of the expansion method for spatial data analysis.
Environment and Planning A, 30, 1905-1927.
Fox, J., Rindfuss, R. R., Walsh, S. J., and Mishra, V. (2002). People and the environment: Approaches for linking household and community surveys to remote sensing and GIS. Boston: Kluwer Academic Publishers.
Getis, A., and Ord, J. K. (1992). The Analysis of Spatial Association by the Use of Distance Statistic. Geographical Analysis, 24, 189-206.
Goldstein, H. (1987). Multilevel models in education and social research. USA: Oxford University Press.
Huang, S.-L., Wang, S.-H., and Budd, W. W. (2009). Sprawl in Taipei's peri-urban zone: Responses to spatial planning and implications for adapting global environmental change. Landscape and Urban Planning, 90, 20-32.
Hurvich, C. M., Simonoff, J. S., and Tsai, C-L (1998). Smoothing parameter selection in nonparametric regression using an improved Akaike information criterion.
Journal of the Royal Statistical Society, Series B (Statistical Methodology), 60(2), 271-293.
Kamusoko, C., Aniya, M., Adi, B., and Manjoro, M. (2009). Rural sustainability under threat in Zimbabwe – Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model. Applied Geography, 29(3), 435-447.
Lambin, E. F., Baulies, X., Bockstael, N., Fischer, G., Krug, T., Leemans, R., Moran, E. F., Rindfuss, R. R., Sato, Y., Skole, D., Turner II, B. L., and Vogel, C. (1999).
Land-use and land-cover change (LUCC) implementation strategy. IGBP Report No.48, HDP Report No.10.
Ligtenberg, A., Wachowicz, M., Bregt, A. K., Beulens, A., and Kettenis, D. L. (2004).
A design and application of a multi-agent system for simulation of multi-actor spatial planning. Environmental Management, 72, 43-55.
Lin, C.-H., and Wen, T.-H. (2011). Using Geographically Weighted Regression (GWR) to explore spatial varying relationship of immature mosquitoes and human
densities with the incidence Dengue. Environmental Research and Public Health, 8, 2798-2815. ISSN: 1660-4601.
Long, Y. (2010). Establishing urban growth boundaries using geosimulation for land use control. Paper presented at 46th ISOCARP Congress, Nairobi, Kenya.
Luo, J., and Wei, Y. H. (2009). Modeling spatial variations of urban growth pattern in Chinese cities: The case of Nanging. Landscape and Urban Planning, 91, 51-64.
Matthews, S. A., and Yang, T. C. (2012). Mapping the results of local statistics: Using geographically weighted regression. Demographic Research, 26(6), 151-166.
McDonald, R. I., and Urban, D. (2006). Spatially varying rules of landscape change:
lessons from a case study. Landscape and Urban Planning, 74, 7-20.
Mennis, J. (2006). Mapping the results of geographically weighted regression. The Cartographic Journal, 43(2), 171-179.
Nakaya T. (2012). GWR4 User Manual: Windows application for geographically weighted regression modelling. GWR4 Development Team.
Parker, D. C., Manson, S. M., Janssen, M. A., Hoffmann, M. J., and Deadman, P. (2003).
Multi-agent systems for the simulation of land use and land cover change: A eeview. Annals of the Association of American Geographers, 93(2), 314-337.
Partridge, M. D., Rickman, D. S., Ali, K., and Olfer, M. R. (2006). The geographic diversity of U.S. nonmetropolitan growth dynamics: A geographically weighted regression approach. Land Economic, 84(2), 241-266.
Piyathamrongchai, P., and Batty, M. (2007). Integrating cellular automata and regional dynamics using GIS. Koomen, E., Stillwell, J., and Bakema, A. et al.. Modelling land-use change. Netherlands: Springer.
Su, S., Xiao, R., and Zhang, Y. (2012). Multi-scale analysis of spatially varying relationships between agricultural landscape patterns and urbanization using geographically weighted regression. Applied Geography, 32(2), 360-375.
Swamy, P. A. V. B. (1970). Efficient inference in a random coefficient regression model.
Econometrica, 38(2), 331-323.
Tian G., Liu, J., Xie Y., Yang, Z., Zhuang, D., and Niu, Z. (2005). Analysis of spatio-temporal dynamic pattern and driving forces of urban land in China in 1990s using TM images and GIS. Cities, 22(6), 400-410.
Tobler, W. R. (1970). A computer model simulation of urban growth in the Detroit region. Economic Geography, 46(2), 234-240.
Turner II, B. L., Skole, D., Sanderson, S., Fischer, G., Fresco, L., and Leemans. R.
(1995). Land-use and land-cover change: Science/research plan. IGBP Report No.35, HDP Report No.7.
Veldkamp, A., Verburg, P. H., Kok, K., de Koning, G. H. J., Priess, J., and Bergsma, A. R. (2001). The need for scale sensitive approaches in spatially explicit land use change modeling. Environmental Modeling and Assessment, 6, 111-121.
Verburg, P. H., Schot P. P., Dijst, M. J., and Veldkamp, A. (2004). Land use change modelling: current practice and research priorities. GeoJournal, 61, 309-324.
Wheeler, D., and Tiefelsdorf, M. (2005). Multicollinearity and correlation among local regression coefficients in geographically weighted regression. Geographical Systems, 7, 161-187.
附錄一：桃園地區村里增刪修表
地區 1995 年底 2006 年底 增刪修時間 地區 1995 年底 2006 年底 增刪修時間
地區 1995 年底 2006 年底 增刪修時間 地區 1995 年底 2006 年底 增刪修時間
附錄二：BCI 與潛在影響因素相關係數表
BCI Slope Pop ChPop Emp2 Emp3 GrEmp2 GrEmp3 DisTrain DisInter DisMrd DenRoad Plan Restrict PctInd PctVac PctAgri
BCI 1.00
Slope -0.08 1.00 Pop 0.17 -0.25 1.00 ChPop 0.45 -0.01 -0.17 1.00 Emp2 0.31 -0.11 0.21 0.20 1.00 Emp3 0.33 -0.22 0.74 0.01 0.52 1.00 GrEmp2 0.15 0.01 -0.18 0.16 -0.08 -0.14 1.00 GrEmp3 0.44 -0.09 0.15 0.33 0.28 0.29 0.28 1.00 DisTrain -0.21 0.20 -0.56 -0.04 -0.35 -0.58 0.08 -0.23 1.00 DisInter -0.35 -0.01 -0.35 -0.11 -0.44 -0.60 -0.07 -0.35 0.42 1.00 DisMrd -0.12 0.25 -0.46 0.03 -0.20 -0.57 0.13 -0.20 0.24 0.30 1.00 DenRoad 0.19 -0.23 0.87 -0.04 0.23 0.69 -0.19 0.18 -0.54 -0.35 -0.44 1.00 Plan 0.46 -0.05 0.57 0.09 0.34 0.73 -0.07 0.35 -0.54 -0.49 -0.41 0.58 1.00 Restrict -0.39 0.40 -0.50 -0.07 -0.28 -0.63 0.03 -0.31 0.40 0.33 0.40 -0.48 -0.75 1.00 PctInd -0.05 -0.03 -0.13 0.10 0.39 0.06 0.15 0.14 -0.09 -0.18 -0.01 -0.09 0.10 -0.10 1.00 PctVac 0.62 -0.17 0.39 0.42 0.33 0.44 0.01 0.42 -0.42 -0.29 -0.17 0.44 0.50 -0.44 0.06 1.00 PctAgri -0.20 -0.17 -0.70 0.04 -0.30 -0.72 0.07 -0.24 0.42 0.47 0.43 -0.70 -0.67 0.47 -0.15 -0.42 1.00 註 1：係數絕對值 0.7 以上者以粗體字表示
註 2：p<0.05 者以底線表示；p<0.01 者以雙底線表示
附錄三：Geoda MLR 報表
SUMMARY OF OUTPUT: ORDINARY LEAST SQUARES ESTIMATION Data set : ********
MULTICOLLINEARITY CONDITION NUMBER 12.876945 TEST ON NORMALITY OF ERRORS
TEST DF VALUE PROB Jarque-Bera 2 87.3256 0.0000000
DIAGNOSTICS FOR HETEROSKEDASTICITY RANDOM COEFFICIENTS
DIAGNOSTICS FOR SPATIAL DEPENDENCE
FOR WEIGHT MATRIX : 1st order queen matrix.gal (row-standardized weights)
TEST MI/DF VALUE PROB
附錄四：Geoda SLM 報表
SUMMARY OF OUTPUT: SPATIAL LAG MODEL - MAXIMUM LIKELIHOOD ESTIMATION Data set : ********
SPATIAL LAG DEPENDENCE FOR WEIGHT MATRIX : 1st order queen matrix.gal TEST DF VALUE PROB Likelihood Ratio Test 1 13.33193 0.0002609
========================= END OF REPORT==============================
附錄五：GWR4 S-GWR 報表
Program began at 201*/*/** 下午 06:27:33
*****************************************************************************
Method for optimal bandwidth search: Golden section search Criterion for optimal bandwidth: AICc
Number of varying coefficients: 8 Number of fixed coefficients: 2
Modelling options--- Standardisation of independent variables: OFF
Modelling options--- Standardisation of independent variables: OFF