第三章 研究設計與樣本資料蒐集
第二節 變數選取與資料來源說明
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 變數選取與資料來源說明
本節首先透過文獻回顧的方式，彙整過去相關都市能源消耗研究中所使用的 變數，再以具有代表性、資料可取得、可量化處理等原則篩選，並根據台灣發展 特性將變數適度修正。
一、變數選取
本研究依據過去文獻研究成果，將影響能源消耗的都市發展特性分為土地使 用密度、土地混合使用程度、交通屬性、產業屬性、家戶屬性、環境屬性。若預 期影響方向為正，表示隨著自變數的值越大，能源消耗越多；若預期影響方向為 負，表示隨著自變數的值越大，能源消耗越少。
(一)能源變數
本研究在都市能源消耗主要探討對象為交通運輸、產業發展、家戶行為三方 面的能源消耗情形，故分別以平均每人年耗油量、平均每廠商年耗電量、平均每 家戶年耗電量進行分析，此外亦將三者以熱值單位合併為平均每人每年能源消耗，
以下分別說明之:
1.平均每人年油耗量(林彥光，2006；卓宥瑄，2012)
根據交通部交通統計資料，交通運輸能源消耗主要來自對於石油產品以及電 力、天然氣的需求，其中又以石油產品為最大宗，而能源統計資料大多以全國總 消耗為主，而缺乏縣市別資料。故本研究僅以各縣市加油站全年汽柴油總銷售量 用以代表交通耗能。平均每人燃油消耗用以衡量每人在交通運輸行為所消耗的能 源。其值越大，代表交通能源消耗越多。
平均每人年油耗量 = 全年總汽柴油銷售量
居住人口數 (單位： 公秉 人⁄ ) 2.平均每廠商年耗電量(Steemers,2003；Morikawa,2011；王國權，2003)
根據經濟部能源局工業及商業部門的能源平衡表可發現，產業所使用的能源 種類十分多元，但以電力消耗為最大宗。受限於資料取得，能源統計資料多以全 國總消耗為主，故僅以都市及區域發展統計彙編中的電力資料代表產業耗能。平 均每產業年耗電量用以衡量每家廠商在生產行為所消耗的能源，主要以電力消耗 為代表。其值越大，代表產業能源消耗越多。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
平均每廠商耗電量 = 全年產業用電銷售量
工商業登記家數 (單位： 度 家⁄ ) 3.平均每家戶耗電量(郭柏巖等人，2004；Ewing,2008；Wilson,2012)
根據家庭收支調查的家庭費用得知，家戶在居住時所消耗的能源主要有電力、
天然氣，其中電力為主要能源使用項目，故以家戶電力使用代表家戶耗能情況。
平均家戶電力消耗用以衡量家戶在居住行為的能源消耗。其值越大，代表住宅能 源消耗越多。
平均家戶年耗電量 = 全年住宅用電銷售量
總家戶數 (單位： 度 戶⁄ ) 4.平均每人年能源消耗(林彥光，2006)
平均每人年能源消耗系將都市總能源消耗，包含交通、產業、家戶所耗費的 汽柴油以及電力進行加總10，為了能加總各項能源的消耗單位，並將能源消費量 全換算成熱值單位兆焦耳。平均每人能源消耗用以衡量都市活動人均能源消耗。
其值越大，代表人均能源消耗越多。
平均每人年能源消耗 = 全年能源總消耗量
居住人口數 (單位： 兆焦耳 人⁄ ) (二)土地使用密集度
1.人口密度(楊恩捷，2006；卓宥瑄，2012；Ewing,2008；Ko,2013)
人口密度最普遍用來衡量緊密都市特性，用以衡量地區人口活動分布的密集 程度。其值越大，代表人口活動程度越高。人口密度高的地區，通常會提供較密 集的都市設施，也常會吸引較多樣的活動，所以人口密度的提升可能會增加建成 環境設計在各項設施的提供，因緊密都市理論認為，緊密都市能夠縮短旅次距離，
減少能源基礎建設與運輸，故預期對能源的影響為負向，此外，Steemer(2003)指 出，越緊密發展的都市所消耗的能源，遠較分散式發展的都市少，尤其是在交通 部門耗能最為明顯。
10 由於電力消費的單位為度，汽柴油銷售量單位為公秉，因此將兩者單位皆轉換成同是能量單
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(四)交通屬性
1.人均道路面積(Boarnet and Crane,2001；Norman et al.,2006)
都市發展過程中，為了都市擴張需求，道路的提供會增加運輸的可及性，對 於汽車而言，有助於增加其便利性而助長其使用。然而，道路增加亦代表路口數 量多以及交通壅塞情況較可能發生，反而使汽車便利性下降，因此預期該變數對 於交通能源消耗預期影響有正負關係。
人均道路面積 = 道路面積
居住人口數(單位: 平方公尺 人⁄ ) 2.平均每年搭乘交通設施費用(蘇振綱，2008；卓宥瑄，2012)
本研究以搭乘交通設施費用作為使用大眾運輸系統的替代變數。其值越大，
代表越常使用大眾運輸系統。因大眾運輸系統的載客效率以及能源效率較高，故 預期其對交通耗能為負向影響。
(五)產業屬性
1.工商業樓地板面積(Morikawa,2011；卓宥瑄，2012)
考量工業活動以及商業建築對都市能源消耗的影響，故以工商業樓地板面積 作為變數。其值越大，代表該縣市產業活動越強。其預期影響為正向。
工商業樓地板面積 = 工商業樓地板面積(單位: 平方公尺) 2.製造業員工人數(張翊峰等人，2011；Morikawa,2011)
根據文獻回顧，產業用電當中，以製造業的能源消耗需求最高，故本文以製 造業員工人數替代製造業的多寡。製造業員工人數越多，代表製造業生產所需能 源越多，故預期對產業耗能影響為正向。
(六)家戶屬性
1.每戶年經常性所得(楊恩捷，2006；卓宥瑄，2012；梁子珉，2014)
高所得的家戶，較容易產生更多交通行為，而且會偏向私人運具，增加交通 耗能；此外，家戶能源消耗方面，增添家電設備以及對於生活水準的要求，對電 力的依賴性較高。故預期每戶年經常性所得對於能源消耗為正向影響。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
每戶年經常性所得 =總經常性所得
總家戶數 (單位: 元 戶⁄ ) 2.每千人汽車擁有數
汽車擁有數越多，與交通行為有正向影響關係，且持有汽車者使用機會增加，
對於交通能源的消耗有顯著影響(Cervero,1991)。其值越大，表示擁有汽車數越多。
故預期對交通耗能為正向影響。
每千人汽車擁有數 =汽車登記數
居住人口數(單位: 輛 千人⁄ ) 3.平均每人居住面積(梁子珉，2014)
居住面積大小與家電能源消耗以及各項照明設備有正向關係，故預期每人居 住面積越大，家戶能源消耗越多。
平均每人居住面積 =住宅總樓地板面積
居住人口數 (單位: 坪 人⁄ ) 4.每百戶冷暖氣機擁有數
根據郭柏巖等人(2004)的研究指出，在全年耗電結構方面，家電設備的耗電 量占全戶耗電的 50.7%，而冷暖氣機又是家電較耗能的項目。預期其對家戶耗能 為正向影響。
每百戶冷暖氣機擁有數 =冷暖氣機數量
總家戶數 (單位: 台 百戶⁄ ) (七)環境屬性
1.人均公園綠地面積(廖夆淇，2009；Wilson,2012；Ko,2013)
都市微氣候受到都市環境的影響，其中公園綠地為都市降溫因子，能有效吸 收熱能，具有調節都市微氣候的效果，故預期家戶耗能的影響為負向。
人均公園綠地面積 =公園綠地面積
居住人口數 (單位: 平方公尺 人⁄ )
‧
‧
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
觀察工商業樓地板面積，以台北市為最高，共 90227585 平方公尺，以台東 縣為最低，共 2203189 平方公尺；以製造業就業人數而言，桃園縣最多，為 449414 人、新北市次之(409157 人)，台東縣最少，共 1743 人。觀察其時間變化，工商 業樓地板面積以及製造業就業人數均呈現增加的趨勢。
觀察每年每戶年經常性所得，以台北市最高，其平均每年每戶年經常性所得 為 1639320 元，其次為新竹市，其平均每年每戶年經常性所得為 1536754 元，最 低為台東縣，其平均每年每戶年經常性所得為 793606 元。每百戶汽車擁有率而 言，最高者為新竹縣，每百戶擁有 304 輛車，台中市次之(291 輛)；最低為基隆 市，每百戶擁有 204 輛車。以人均居住面積而言，最高為苗栗縣(16.2 坪)與南 投縣(16.2 坪)，可能與其建築型態有關，最低者為新北市(9.4 坪)、其次為台北 市(9.6 坪)。每百戶冷暖氣機擁有率，以新竹市最高，每百戶擁有 265 台冷暖氣 機，以南投縣最低，每百戶共 120 台冷暖氣機。人均公園綠地，以嘉義縣最高，
每人享有 7.8 平方公尺公園綠地，以宜蘭縣(1 平方公尺)、彰化縣(1 平方公尺) 為最低。觀察其時間變化，可發現每年每戶年經常性所得、每百戶汽車擁有率、
每百戶冷暖氣機擁有率、人均公園綠地均呈現增加的趨勢。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-2 敘述統計-各縣市平均數
縣市別 ROAD TRCOST FLOR EMPLOY INC CAR SPAC MECH GREEN 新北市 9.0 11909 52165175 409157 1177835 205 9.4 213 1.2 台北市 7.9 18654 90227585 33903 1639320 248 9.6 230 2.4 桃園市 18.7 7604 41818031 449414 1225573 276 13.7 209 1.3 台中市 25.4 5347 45357133 319502 1091305 291 14.6 184 3.0 台南市 35.7 5420 35752191 254938 972945 260 14.2 187 3.0 高雄市 19.7 5828 51305259 238957 1105784 244 14.3 211 5.2 宜蘭縣 48.7 5923 5320925 22347 981655 243 14.1 191 1.0 新竹縣 41.0 7014 10068935 128260 1343512 304 15.1 216 2.0 苗栗縣 48.8 6299 7339748 67706 1015400 288 16.2 186 1.2 彰化縣 33.4 6102 18965728 155968 953617 265 14.9 184 1.0 南投縣 64.7 5026 5761784 27592 952721 281 16.2 120 3.0 雲林縣 87.2 5231 10778056 47901 834129 251 15.1 166 1.2 嘉義縣 93.4 5805 5931919 38256 821842 249 14.9 146 7.8 屏東縣 61.3 8295 7824210 27207 916354 226 15.3 174 2.5 台東縣 81.5 5115 2203189 1743 793606 217 14.9 131 6.7 花蓮縣 58.1 6168 3930039 6946 901478 251 15.0 160 5.7 基隆市 15.3 17563 3251369 9086 1053012 204 10.1 176 2.9 新竹市 14.7 8575 13512066 101171 1536754 284 14.2 265 3.1 嘉義市 34.5 5077 3443226 5727 991992 259 15.5 197 1.7
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-3 敘述統計-各縣市平均數(續)
縣市別 AVGEN AVGHO AVGIN AVGTR POPD EMD COND JH RH RJ ENTRO 新北市 35332 7857 502951 0.5 29.5 82.7 0.9 1.0 3.4 6.9 0.6 台北市 33288 7883 1945092 0.4 97.0 94.5 1.4 0.8 5.6 12.4 0.7 桃園市 99727 8183 2188441 1.1 43.9 64.2 1.0 0.8 4.0 6.5 0.6 台中市 57724 8892 906903 0.8 45.5 49.3 0.7 0.9 3.9 7.4 0.6 台南市 71514 7937 1916090 0.8 29.8 37.1 0.5 0.9 3.2 5.6 0.6 高雄市 60067 6760 3435155 0.9 59.5 45.2 0.6 1.0 3.2 6.3 0.6 宜蘭縣 67214 6790 2217745 1.0 38.5 56.3 0.3 0.4 3.9 5.5 0.4 新竹縣 135127 7918 3938125 1.5 52.6 64.2 0.9 0.7 3.7 4.8 0.6 苗栗縣 107046 7320 3066658 1.3 45.1 66.6 0.8 0.8 2.8 3.6 0.5 彰化縣 80007 7894 803012 1.1 53.3 83.0 1.0 0.8 4.5 5.3 0.6 南投縣 72729 6130 1759467 1.4 22.4 56.8 0.6 0.8 4.0 4.7 0.5 雲林縣 109724 6695 2082139 1.7 29.2 69.2 0.8 0.7 7.3 6.3 0.6 嘉義縣 93303 6015 930300 1.7 13.5 45.4 0.5 0.7 4.6 4.0 0.5 屏東縣 66819 6852 2488983 1.2 28.6 55.5 0.6 0.8 3.8 4.6 0.5 台東縣 54144 5940 1914647 1.0 15.7 32.3 0.3 0.9 3.9 5.1 0.5 花蓮縣 62807 6727 444275 0.9 20.7 30.2 0.4 1.0 3.5 5.9 0.5 基隆市 31013 6092 2681998 0.5 51.7 44.8 0.5 1.0 1.4 3.1 0.5 新竹市 122976 8619 5898010 0.8 73.8 60.9 1.1 0.8 3.7 6.5 0.7 嘉義市 33621 7466 1076557 0.6 49.9 39.9 0.5 0.9 3.3 7.9 0.5
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-4 敘述統計-各縣市標準差
縣市別 AVGEN AVGHO AVGIN AVGTR POPD EMD COND JH RH RJ ENTRO 新北市 1104.6 393.1 22401.1 0.0 0.5 3.3 0.1 0.0 0.6 1.0 0.0 台北市 709.9 424.5 802231.4 0.0 1.0 3.3 0.1 0.0 0.8 1.5 0.0 桃園市 5399.2 287.9 70767.3 0.1 2.4 3.7 0.1 0.0 0.4 0.6 0.0 台中市 3763.7 262.2 152240.4 0.0 2.1 1.8 0.1 0.0 0.8 1.5 0.0 台南市 4292.3 2269.4 287116.1 0.0 0.8 6.3 0.1 0.0 0.2 0.4 0.0 高雄市 2184.9 207.0 87719.0 0.0 1.1 0.5 0.0 0.0 0.6 1.1 0.0 宜蘭縣 2863.3 119.2 163123.8 0.0 1.0 2.2 0.1 0.1 0.8 1.0 0.0 新竹縣 7830.9 226.2 346104.7 0.0 1.4 1.9 0.2 0.1 1.8 2.3 0.1 苗栗縣 9222.9 214.5 316287.9 0.1 3.8 2.0 0.0 0.0 0.9 1.2 0.1 彰化縣 5632.5 110.5 24981.1 0.1 3.4 1.7 0.0 0.0 0.6 0.4 0.0 南投縣 2607.2 94.8 71531.2 0.0 0.2 4.3 0.0 0.0 0.4 0.3 0.0 雲林縣 6576.9 112.5 202903.0 0.1 0.5 1.1 0.1 0.0 0.8 0.7 0.0 嘉義縣 2277.2 133.7 49217.7 0.1 0.2 0.7 0.0 0.0 0.3 0.3 0.0 屏東縣 4734.3 180.3 141671.2 0.1 1.6 4.1 0.1 0.0 0.5 0.5 0.1 台東縣 3563.1 77.0 41584.9 0.1 1.2 0.4 0.0 0.0 0.4 0.7 0.0 花蓮縣 2069.8 144.4 163525.6 0.0 0.5 0.5 0.0 0.0 0.7 1.1 0.1 基隆市 626.1 233.7 178340.6 0.0 0.8 1.1 0.0 0.0 0.2 0.4 0.0 新竹市 6195.5 463.0 617350.2 0.0 2.3 3.3 0.1 0.0 1.0 1.7 0.0 嘉義市 847.2 312.3 40983.3 0.0 0.2 1.7 0.0 0.0 0.7 1.5 0.1
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-5 敘述統計-各縣市標準差(續)
縣市別 ROAD TRCOST FLOR EMPLOY INC CAR SPAC MECH GREEN 新北市 0.7 1374.9 14831169.0 16242.7 24599.2 3.8 0.2 11.9 0.3 台北市 0.4 2385.0 8646122.0 4107.4 29365.4 4.1 0.2 7.9 0.1 桃園市 1.0 1330.6 12131936.3 22554.6 42238.5 8.1 0.7 11.9 0.1 台中市 0.6 492.1 11451982.8 33842.0 58204.0 11.0 0.7 14.2 0.5 台南市 2.2 789.3 7999118.1 19898.7 38892.9 9.6 0.8 13.3 1.0 高雄市 3.9 838.5 10484437.5 10883.2 31414.7 6.6 0.6 11.9 2.1 宜蘭縣 5.2 782.0 1771970.8 2002.2 65574.2 13.6 1.0 20.7 0.1 新竹縣 5.8 2185.6 4048811.5 11997.5 104971.3 12.0 0.9 25.3 0.5 苗栗縣 3.7 705.2 2016557.7 6394.5 49703.8 12.6 1.0 15.3 0.7 彰化縣 4.8 492.5 2795592.3 12948.1 26133.2 14.2 0.8 8.5 0.1 南投縣 5.6 709.2 1256233.0 1772.3 49622.4 15.2 0.8 10.3 0.4 雲林縣 15.2 708.1 2205651.7 6014.1 51677.3 15.5 0.7 22.9 0.1 嘉義縣 11.1 745.7 1244226.4 1742.9 46864.8 14.5 1.7 19.5 1.3 屏東縣 7.1 888.9 2073008.6 3026.4 34716.9 11.1 1.0 9.5 0.1 台東縣 7.0 663.0 494691.0 123.4 60199.0 14.4 1.6 16.7 0.8 花蓮縣 8.2 1093.2 1038915.5 511.9 54944.4 12.4 0.9 17.1 5.4 基隆市 4.0 2160.7 785283.9 395.3 38355.3 8.7 0.8 10.3 0.1 新竹市 0.8 2664.9 2342539.4 2636.4 55005.2 6.2 0.9 22.8 0.1 嘉義市 0.6 1117.8 905798.0 313.6 130711.4 9.8 1.2 16.6 0.2
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-7 敘述統計-各年度平均數與標準差(續)
年度 ROAD TRCOST FLOR EMPLOY INC CAR SPAC MECH GREEN 2004 37.2 6937 14624246 119348 1040753 238 12.9 166.9 2.3
(23.4) (3820.7) (18681479.4) (140206.6) (226617.1) (27.9) (1.9) (31.5) (1.9) 2005 37.9 7176 16130899 119001 1051788 249 13.2 169.7 2.3
(24.0) (3759.0) (19720198.6) (139455.1) (230454.3) (28.1) (1.9) (36.2) (1.9) 2006 38.2 7171 17813728 119319 1070825 251 13.5 180.3 2.4
(22.9) (3529.0) (20940938.5) (139200.5) (218302.1) (28.0) (1.9) (34.4) (1.9) 2007 38.5 6981 19808461 121257 1072486 252 14.0 183.9 2.5
(23.3) (3561.7) (22471059.2) (141727.6) (235162.6) (28.8) (2.2) (34.8) (1.9) 2008 39.4 6816 21606571 117668 1051993 250 13.9 180.8 2.6
(24.1) (3351.8) (23899500.8) (135743.8) (245406.6) (28.2) (2.0) (38.2) (1.9) 2009 44.6 8475 23233267 115464 1044995 251 14.4 189.0 2.9
(29.0) (4532.3) (25337405.7) (132977.0) (235124.6) (28.3) (2.3) (35.1) (1.9) 2010 45.7 8119 24443545 126119 1046485 256 14.6 193.7 3.2
(29.4) (4694.1) (26454236.2) (144828.6) (247342.3) (29.1) (2.2) (34.9) (2.4) 2011 45.8 8772 25605100 127606 1076315 263 14.6 198.5 3.5
(29.7) (4995.2) (27553041.8) (146483.4) (243997.1) (29.7) (2.3) (38.8) (2.8) 2012 46.2 8489 26869330 133411 1110720 268 14.8 199.9 3.8
(30.7) (4599.9) (28512898.5) (153690.6) (229625.5) (30.1) (2.3) (36.0) (3.3) 2013 47.0 8407 28263046 135429 1122500 274 14.9 203.4 3.9
(30.6) (4388.3) (29629290.2) (154689.1) (241220.0) (30.4) (2.3) (37.1) (3.2)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實證分析
第一節 共線性診斷
為避免追蹤資料模型產生偏誤，本文利用相關係數矩陣與變異數膨脹因子，
檢定模型中變數是否存在線性重合問題，並將存有共線性問題之變數予以剔除，
以維持估計結果的穩定性。
(一)相關係數矩陣
觀察表(4-1)，可發現本研究選取之變數兩兩間相關係數高於 0.8 者，分別為 人口密度與每年經常性所得、及業密度與建築密度，顯示該變數間存在一對一高 度相關，有可能產生線性重合問題，因此再以變異數膨脹因子進行一對多線性關 係檢定。
(二)變異數膨脹因子
可發現修正前變異數膨脹因子大於 10 的有人口密度、及業密度、建築密度、
每居住人口之零售樓地板面積、每就業人口之零售樓地板面積、製造業員工人數、
年經常性所得，顯示上述解釋變數間存在一對多線性相關，有可能造成線性重合
年經常性所得，顯示上述解釋變數間存在一對多線性相關，有可能造成線性重合