當欲進行預測分析之多個自變數間具共線性時，複線性迴歸模式預測效力不 佳，本研究針對不同模糊測度 Choquet 積分迴歸模式與脊迴歸模式進行比較分 析，並於本章撰寫結論與後續相關建議。
第一節 研究結論
當欲進行預測分析之多個自變數間具共線性時，複線性迴歸模式預測效力常 不佳，傳統改善方法為採用脊迴歸模式，本文建議採用新近發展之「模糊測度 Choquet 積分迴歸模式」。並針對 Sugeno 之
λ
測度、Zadeh 之 P 測度及劉湘川之L
測度之三種 Choquet 積分迴歸模式，與常用之 EMS 脊迴歸、VIF 脊迴歸模式及複 線性迴歸模式等六種預測模式，依據在學間理化、生物、地球科學三種學科上課 之時數比例，分別訂定該三種學科之單科測度，以苗栗某中學八個班級國中理 化、生物、地球科學畢業成績預測高中入學自然科基本能力測驗成績為實例，採 用不同交互驗證法，進行預測效力之比較研究。研究結果顯示，三種模糊測度 Choquet 積分迴歸模式中，基於L
測度之 Choquet 積分迴歸模式，優於基於λ
測度 及 P 測度之 Choquet 積分迴歸模式，且基於L
測度之 Choquet 積分迴歸模式優於 EMS 脊迴歸、VIF 脊迴歸模式及複線性迴歸模式，並同時驗證了兩種脊迴歸模式 一致優於複線性迴歸模式，在兩種脊迴歸模式之比較中，EMS 脊迴歸可能稍微優 於 VIF 脊迴歸模式。當欲處理整合記分之問題時，由於因子間存在著共線性的特性，不能以傳統 加法型測度觀念進行處理，本文利用 Choquet 積分對於非加法型測度的處理能 力，建立一個適用之迴歸模式，有效改善其預測效力，並以 MATLAB 撰寫其相 關程式，可供日後研究者參考使用。
第二節 後續相關研究建議
模糊測度及模糊積分的概念已被廣泛地應用在各種學科領域中，依其所應用 的情形做適當之改變，但常用之測度還是以 Sugeno 之
λ
測度及 Zadeh 之 P 測度 為主，在上述兩種測度不符合實際需求時，經由本研究分析比較結果，建議可採 用劉湘川之L
測度進行研究。傳統迴歸模式已被廣泛地使用，且統計迴歸理論至今已發展的相當完備，然 而有些問題卻是傳統迴歸模式難以處理的，當欲處理的資料具共線性時，便無法 準確地處理，一般改善方法為採用脊迴歸模式，本文建議亦可採用以模糊積分為 基礎之 Choquet 積分迴歸模式來進行處理，且在本研究六種迴歸模式中，基於
L
測 度之 Choquet 積分迴歸模式具有最佳的預設效力。參考文獻
中文部分
紀家維(2004)。應用脊迴歸分析於資料採礦預測系統之研究。輔仁大學應用統計 研究所碩士論文。
國中基本學力測驗推動工作委員會(2007)。九十六年國民中學學生基本學力測驗 Ｑ＆Ａ。民 96 年 5 月 20 日，取自：
http://www.bctest.ntnu.edu.tw/96QA.htm。
陳振東、莊順斌(2001)。模糊積分應用於決策分析之研究。中國工業工程學會九 十年度年會暨學術研討會，高雄，民國九十年十二月八日。
黃繼寬(2005)。考慮產業差異下信用評分模型效力分析以 Cross Validation 為例。
東吳大學經濟學系碩士論文。
劉湘川(2006)。基於 P 測度之改進模糊測度及其模糊積分。測驗統計年刊，第十 四輯上期，1-15。
劉湘川(2007)。
L
測度及其 Choquet 積分迴歸模式。測驗統計年刊，第十五輯上 期，未出刊。台中市，國立台中教育大學。劉應興(1997)。應用線性迴歸模型。台北市，華泰書局。499-503、533-541。
英文部分
Browne, M. W. (2000). Cross-validation methods. J. Math. Psych., 44, 108-132.
Choquet, G. (1953). Theory of capacities. Annales de l’Institut Fourier, 5, 131-295.
Dempster, A. P. (1967). Upper and lower probabilities induced by multi-valued mapping. Annals of Mathematical Statistics, 38, 325-339.
Devijver, P. A. & J. Kitter, (1982). Pattern Recognition: A Statistical Approach.
Prentice-Hall London.
Hoerl, A. E., R. W. Kenard and K. F. Baldwin(1975). Ridge regression: Some
simulation. Communications in Statistics. 4(2), 105-123.
Liu, Hsiang-Chuan, Yu-Du Jheng, Wen-Chih Lin, Guey-Shya Chen. (2007). A novel fuzzy measure and its Choquet regression model, International conference on machine Learning and Cybernetics 2007, 19-22 August 2007. Hong Kong. China, accepted.
Kohavi, Ron (1995). "A study of cross-validation and bootstrap for accuracy
estimation and model selection". Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence 2(12), 1137–1143. (Morgan Kaufmann, San Mateo)Shafer, G. (1976). A Mathematical Theory of Evidence. Princeton University Press, Princeton, New Jersey.
Sugeno, M. (1974). Theory of fuzzy integrals and its applications. PhD thesis, Tokyo Institute of Technology, Tokyo, Japan.
Wang, Z. and Klir, G. J. (1992) Fuzzy measure theory. Plenum Press, New York, 43-49.
Zadeh, L. A. (1978). Fuzzy sets as a basis for a theory of possibility, Fuzzy Sets and