第四章 迴歸模式之構建與分析
4.2 貨櫃船模式
本研究依據文獻之結論，蒐集有關影響貨櫃船新造船數量因素的季與 年之資料，並分別討論各影響因素之相關分析。季資料長度從 1996 年第 四季至 2006 年第四季共計 41 筆；年資料長度從 1996 年至 2006 年共 計 11 筆，詳細資料於附錄頁。
以下為蒐集之變數資料：
1. Total Container Deliveries：貨櫃船總交船數量，即每季或每年的新 造船交船數量，單位：,000 TEU。
（TEU：Twenty Feet Unit，二十呎貨櫃單位，貨櫃裝載之基本計算單位）
2. Containership Aaverage Newbuilding Prices：貨櫃船平均新造船價，
即每季或每年的新造船平均造價，單位：$（美金）/ TEU。
3. Containership 10 Year Old Secondhand Prices Index Average：貨 櫃船十年二手船價平均指數，即每季或每年的平均成交十年二手船價，
單位：$（美金）m/ TEU。
4. Total Container Demolition：貨櫃船總拆解數量，即每季或每年的報 廢船拆解數量，單位：,000 TEU。
5. Containership Timecharter Index：貨櫃船論時租傭指數，即每季或 每年的每 TEU 論時租傭收入指數，單位：Base On $（美金）/ TEU For 1993=100。
6. Average Containership $/cgt：每季的貨櫃船每補償噸位之平均造船 價，單位：$（美金）/ CGT。
7. Total Container Fleet Development：每季或每年的船隊總數量，單 位：,000 TEU。
8. 380CST Bunker Prices, Rotterdam：鹿特丹 380CST 燃油價格，即每 季或每年的鹿特丹港 380CST 燃油價格，單位：$（美金）/ Tonne。
9. Annual GDP World：每年的全球 GDP，單位：％ Year/Year。
10. Total Container Dry Trade：乾貨櫃總貿易量，單位：Million Tonne。
表 4-7 為貨櫃船相關分析變數資料表，Average Containership $/cgt 只有季的資料，而 Annual GDP World 及 Total Container Dry Trade 僅
有年資料，其餘變數之季與年資料皆有。上述之變數與資料以 SPSS 13.0 進 行積差相關分析（Product-Moment Correlation），結果如表 4-8、4-9 所 示。
一、季分析
Total Container Deliveries 與其它變數之關聯程度：
（一）無相關或不顯著 無
（二）低度相關（0＜︱P︱≦0.3）
無
（三）中等相關（0.3＜︱P︱≦0.7）
1. Containership Aaverage Newbuilding Prices（正相關）
2. Containership 10 Year Old Secondhand Prices Index Average （正相關）
3. Total Container Demolition（負相關）
4. Containership Timecharter Index（正相關）
（四）高度相關（0.7＜︱P︱≦1）
1. Average Containership $/cgt（正相關）
2. Total Container Fleet Development（正相關）
3. 380CST Bunker Prices, Rotterdam（正相關）
二、年分析
由於樣本數小時相關係數必須較大才能說兩變數有相關存在，年資料 的樣本數僅 11 筆，因此以下之關聯程度必須從嚴論定。
Total Container Deliveries 與其它變數之關聯程度：
（一）無相關或不顯著
1. Total Container Demolition
2. Containership Timecharter Index 3. Annual GDP World
（二）低度相關（0＜︱P︱≦0.4）
無
（三）中等相關（0.4＜︱P︱≦0.8）
1. Containership Aaverage Newbuilding Prices（正相關）
2. Containership 10 Year Old Secondhand Prices Index Average （正相關）
（四）高度相關（0.8＜︱P︱≦1）
1. Total Container Dry Trade（正相關）
2. Total Container Fleet Development（正相關）
3. 380CST Bunker Prices, Rotterdam（正相關）
本研究依據文獻之結論，收集影響貨櫃船新造船數量因素的季與年之 資料，經過相關分析之後，對於各因素之影響程度有了初步結論。新造船 數量與各影響因素之間的關聯程度歸納於表 4-10，將作為迴歸建模時變數 篩選之依據。
表 4- 7 貨櫃船相關分析變數資料表 變數與資料筆數
季 資 料
年 資 料 1 Total Container Deliveries 41 11 2 Containership Aaverage Newbuilding Prices 41 11 3 Containership 10 Year Old Secondhand Prices
Index Average 41 11
4 Total Container Demolition 41 11 5 Containership Timecharter Index 41 11 6 Average Containership $/cgt 41
7 Total Container Fleet Development 41 11 8 380CST Bunker Prices, Rotterdam 41 11
9 Annual GDP World 11
10 Total Container Dry Trade 11
資料來源：本研究整理自© Clarkson Research Services Limited (2007)
表 4- 8 影響貨櫃船新造船數量因素相關分析表（季）
Total Container Deliveries
Containershi p Average Newbuilding
Prices
Containership 10 Year Old Secondhand Prices Index Average
$/TEU
Total Container Demolition
Containership Timecharter
Index
Average Containership
$/cgt
Total Container
Fleet Development
380cst bunker prices, Rotterdam
Total Container Deliveries Pearson Correlation 1 .669(**) .658(**) -.340(*) .452(**) .709(**) .772(**) .838(**)
Sig. (2-tailed) .000 .000 .030 .003 .000 .000 .000
Containership Average Newbuilding Pearson Correlation .669(**) 1 .945(**) -.587(**) .856(**) .993(**) .598(**) .702(**)
Prices Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
Containership 10 Year Old Pearson Correlation .658(**) .945(**) 1 -.600(**) .922(**) .949(**) .679(**) .722(**)
Secondhand Prices Index Average Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
$/TEU
Total Container Demolition Pearson Correlation -.340(*) -.587(**) -.600(**) 1 -.683(**) -.593(**) -.452(**) -.543(**)
Sig. (2-tailed) .030 .000 .000 .000 .000 .003 .000
Containership Timecharter Index Pearson Correlation .452(**) .856(**) .922(**) -.683(**) 1 .847(**) .550(**) .566(**)
Sig. (2-tailed) .003 .000 .000 .000 .000 .000 .000
Average Containership $/cgt Pearson Correlation .709(**) .993(**) .949(**) -.593(**) .847(**) 1 .646(**) .744(**)
Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
Total Container Fleet Development Pearson Correlation .772(**) .598(**) .679(**) -.452(**) .550(**) .646(**) 1 .892(**)
Sig. (2-tailed) .000 .000 .000 .003 .000 .000 .000
380cst bunker prices, Rotterdam Pearson Correlation .838(**) .702(**) .722(**) -.543(**) .566(**) .744(**) .892(**) 1
Sig. (2-tailed) .000 .000 .000 .000 .000 .000 .000
註 ：（**）、（*）代表顯著性
（**） Correlation is significant at the 0.01 level (2-tailed).
（*） Correlation is significant at the 0.05 level (2-tailed).
表 4- 9 影響貨櫃船新造船數量因素相關分析表（年）
Total Container Deliveries
Containership 10 Year Old Secondhand
Prices Index Average
$/TEU
Total Container Deliveries Pearson Correlation 1 .654(*) .643(*) -.343 .459 .364 .843(**) .831(**) .909(**)
Sig. (2-tailed) .029 .033 .302 .156 .270 .001 .002 .000
Containership Average Pearson Correlation .654(*) 1 .934(**) -.730(*) .897(**) .801(**) .615(*) .543 .724(*)
Sig. (2-tailed) .029 .000 .000 .003 .044 .084
Newbuilding Prices .011 .012
Containership 10 Year Old Pearson Correlation .643(*) .934(**) 1 -.756(**) .892(**) .839(**) .727(*) .664(*) .740(**)
Secondhand Prices Index Sig. (2-tailed) .033 .000 .007 .000 .001 .011 .026 .009
Average $/TEU
Total Container Demolition Pearson Correlation -.343 -.730(*) -.756(**) 1 -.782(**) -.837(**) -.499 -.428 -.584
.011 .007 .004
Sig. (2-tailed) .302 .001 .118 .189 .059
Containership Timecharter Pearson Correlation .459 .897(**) .892(**) -.782(**) 1 .769(**) .564 .488 .581
Index Sig. (2-tailed) .156 .000 .000 .004 .006 .071 .127 .061
Annual GDP World Pearson Correlation .364 .801(**) .839(**) -.837(**) .769(**) 1 .536 .464 .596
Sig. (2-tailed) .270 .003 .001 .001 .006 .089 .150 .053
Total Container Dry Trade Pearson Correlation .843(**) .615(*) .727(*) -.499 .564 .536 1 .995(**) .923(**)
Sig. (2-tailed) .001 .044 .011 .118 .071 .089 .000 .000
Total Container Fleet Pearson Correlation .831(**) .543 .664(*) -.428 .488 .464 .995(**) 1 .899(**)
Development Sig. (2-tailed) .002 .084 .026 .189 .127 .150 .000 .000
380cst bunker prices, Pearson Correlation .909(**) .724(*) .740(**) -.584 .581 .596 .923(**) .899(**) 1
Rotterdam Sig. (2-tailed) .000 .012 .009 .059 .061 .053 .000 .000
註 ：（**）、（*）代表顯著性
（**） Correlation is significant at the 0.01 level (2-tailed).
（*） Correlation is significant at the 0.05 level (2-tailed).
表 4- 10 影響貨櫃船新造船數量因素相關程度一覽表
Total Container Deliveries 與變數之相關分析 關聯程度-季 關聯程度-年 1 Containership Aaverage Newbuilding Prices 中等（＋） 中等（＋）
2 Containership 10 Year Old Secondhand Prices Index Average 中等（＋） 中等（＋）
3 Total Container Demolition 中等（－） 不顯著 4 Containership Timecharter Index 中等（＋） 不顯著 5 Average Containership $/cgt 高度（＋）
6 Total Container Fleet Development 高度（＋） 高度（＋）
7 380CST Bunker Prices, Rotterdam 高度（＋） 高度（＋）
8 Annual GDP World 不顯著
9 Total Container Dry Trade 高度（＋）
4.2.2 變數選擇
貨櫃船的影響新造船數量因素模式，將以迴歸分析分別建立季與年之 預測模式。根據積差相關分析之結果初步篩選適用之變數，並使用應用軟 體 SPSS 13.0 進行線性迴歸分析（Linear Regression），多元迴歸程序預 測變數選擇法將以強迫輸入法（Enter Selection）與後退消去法（Backward Selection）進行。
模式選用之應變數與自變數定義如下：
一、應變數
YTCD（Q）：Total Container Deliveries（Quarterly）
YTCD（A）：Total Container Deliveries（Annual）
二、自變數
XCANP：Containership Aaverage Newbuilding Prices
XC10YOSPIA：Containership 10 Year Old Secondhand Prices Index Average XTCD：Total Container Demolition
XCTI：Containership Timecharter Index
XACCGT：Average Containership $/cgt XTCFD：Total Container Fleet Development
X380CSTBPR：380CST Bunker Prices, Rotterdam XAGDPW：Annual GDP World
XTCDT：Total Container Dry Trade
以上變數與資料筆數沿用表 4-7 貨櫃船相關分析變數資料表，SPSS 13.0 之迴歸輸出部分報表詳於附錄二。
4.2.3 季資料模式
根據表 4-10 影響貨櫃船新造船數量因素相關程度一覽表得知，沒有 自變數與應變數YTBD（Q）相關不顯著，因此自變數與應變數之初始迴歸模式定 義如下：
YTBD（Q）＝β0＋β1 XCANP＋β2 XC10YOSPIA＋β3 XTCD＋β4 XCTI＋β5 XACCGT
＋β6 XTCFD＋β7 X380CSTBPR＋εt （4-6）
以迴歸強迫輸入法分析結果，自變數XCANP、XC10YOSPIA與XACCGT三者的VIF過 大、Tolerance 過小，有嚴重共線性問題，由於顯著性XCANP＜XC10YOSPIA＜XACCGT，
因此自變數XCANP、XC10YOSPIA予以剔除。排除共線性問題之後，其餘自變數與應 變數之修正迴歸模式定義如下：
YTBD（Q）＝β0＋β1 XTCD＋β2 XCTI＋β3 XACCGT＋β4 XTCFD＋β5 X380CSTBPR
＋εt （4-7）
以迴歸後退消去法分析結果，自變數XTCD之POUT（sig.）= 0.293 ＞0.1 首先自動剔除，自變數XTCFD之POUT（sig.）= 0.144 ＞0.1 亦依次自動剔除。
最終模式常數（Constant）與其餘自變數之顯著性（sig.）皆小於 0.1，否 定為 0 之虛無假設，自變數之篩選過程與最終預測模式之預測變數整理如 表 4-11 所示。
表 4- 11 貨櫃船季預測模式迴歸變數表
應變數 YTBD（Q）
依據文獻蒐集之自變數 XCANP、XC10YOSPIA、XTCD、XCTI、XACCGT、XTCFD、X380CSTBPR
相關不顯著排除之自變數 無
初始迴歸模式之自變數 XCANP、XC10YOSPIA、XTCD、XCTI、XACCGT、XTCFD、X380CSTBPR
初始模式排除之自變數 XCANP、XC10YOSPIA
修正迴歸模式之自變數 XTCD、XCTI、XACCGT、XTCFD、X380CSTBPR 修正模式排除之自變數 XTCD、XTCFD
最終預測模式之自變數 XCTI、XACCGT、X380CSTBPR
根據附錄二之迴歸輸出結果，季預測模式的 F =38.692，顯著性（sig.）
＜0.1，達顯著水準，複判定係數R2 = 0.758，校正複判定係數
R
2 = 0.739，季預測模式：
YTBD（Q）＝－81.399－0.865XCTI＋0.122 XACCGT＋0.665 X380CSTBPR （4-8）
（t=-1.879）（t=-2.470）（t=2.917）（t=5.208）
4.2.4 年資料模式
根據表 4-10 影響貨櫃船新造船數量因素相關程度一覽表得知，自變
數XTCD、XCTI、XAGDPW與應變數YTBD（Y）相關不顯著予以剔除，其餘自變數與應變數
之初始迴歸模式定義如下：
YTBD（Y）＝β0＋β1 XCANP＋β2 XC10YOSPIA＋β3 XTCFD＋β4 X380CSTBPR＋β5 XTCDT ＋εt （4-9）
以迴歸強迫輸入法分析結果，受限於年資料樣本數僅 11 筆，因此迴歸
模式僅可保留兩個自變數，選擇相關性較高與無共線性問題之自變數XCANP與 XTCDT，修正迴歸模式定義如下：
YTBD（Y）＝β0＋β1 XCANP＋β2 XTCDT＋εt （4-10）
以迴歸後退消去法分析結果，自變數XCANP之POUT（sig.）= 0.366 ＞0.1 自動剔除。最終模式常數（Constant）之顯著性（sig.）= 0.455＞0.1，
無法拋棄其為 0 之虛無假設，其餘自變數之顯著性（sig.）皆小於 0.1，否 定為 0 之虛無假設，自變數之篩選過程與最終預測模式之預測變數整理如 表 4-12 所示。
表 4- 12 貨櫃船年預測模式迴歸變數表
應變數 YTBD（Y）
依據文獻蒐集之自變數 XCANP、XC10YOSPIA、XTCD、XCTI、XTCFD、X380CSTBPR、XAGDPW、 XTCDT
相關不顯著排除之自變數 XTCD、XCTI、XAGDPW
初始迴歸模式之自變數 XCANP、XC10YOSPIA、XTCFD、X380CSTBPR、XTCDT
初始模式排除之自變數 XC10YOSPIA、XTCFD、X380CSTBPR
修正迴歸模式之自變數 XCANP、XTCDT
修正模式排除之自變數 XCANP
最終預測模式之自變數 XTCDT
根據附錄二之迴歸輸出結果，年預測模式的 F = 22.102，顯著性
（sig.）＜0.1，達顯著水準，複判定係數R2 = 0.711，校正複判定係數
R
2= 0.678，年預測模式：
YTBD（Y）＝ 1.072 XTCDT （4-11）
（t=4.701）