資料收集與分析

5.2.1 原始資料收集

本研究之資料收集，是透過花卉批發資訊分享熱線進行，於總資料倉儲中下載台北資 料超市之花卉交易資料。針對文心蘭的總平均價與總成交量進行最小平方法之迴歸分析，

驗證文心蘭成交的總平均價與總成交量之相關性，並確認其迴歸方程式是否滿足高斯馬可 夫定理的五大假設：

（1）常態性（Normality）

（2）平均數為 0（Zero mean）

（3）變異數齊一性（Homoskedasticity）

（4）無自我相關性（Nonautocorrelation）

（5）自變數 X 為非隨機（Nostochastic X）

當誤差項與自變數有相關性時，最小平方法違反高斯馬可夫定理第五項假設，將不滿 足一致性。必須找尋量測變數，對其進行二階段最小平方法之量測變數迴歸技術。

在本研究中，所需資料數據愈多進行迴歸之效果欲佳。考慮到花卉批發資訊分享熱線 的建置時間，因此在資料的分析時間區間長度上，將資料分析時間長度設定為 2000 年 1 月至 2005 年 12 月，共 72 筆資料。而對於分析的資料方面，則是蒐集台北資料超市文心 蘭的月總平均價及月總成交量時間序列資料進行分析。分析所使用的資料分析時間區間長 度，如表 5.1 中所示。圖 5.3 為文心蘭總平均價對總成交量之散佈圖，可以初步觀察出其 總平均價與總成交量間呈現相關性，當成交量愈高，總平均價也就愈低。

表 5.1 資料分析時間長度

市場別 花卉種類 資料類別 分析時間 資料筆數

總成交量 2000 年 1 月至 2005 年 12 月 72 筆 台 北 花 卉

批發市場 文心蘭

總平均價 2000 年 1 月至 2005 年 12 月 72 筆

圖 5.3 文心蘭總平均價對總成交量之散佈圖

5.2.2 單位根檢定

藉由第 2.3.4 節中時間序列資料的單位根檢定，可以判斷一組時間序列是否具有統計 非時變程序特性。本節將對文心蘭的總成交量與總平均價資料，自 2000 年 1 月至 2005 年 12 月做統計時變程序特性的探討。

在進行單位根檢定之前，必須對時間序列資料進行起始的檢定模型假設與分析，也就 是必須先觀察時間序列資料的趨勢，來選擇假設的模型，以及最適落後期數。圖 5.4 為文 心蘭的總成交量與總平均價之時間序列走勢圖。

圖 5.4 文心蘭的總成交量與總平均價之時間序列走勢圖

由圖 5.3 中可看出，文心蘭的總成交量與總平均價兩組時間序列資料，皆無顯著的遞 增或遞減趨勢。因此在本研究中，對於資料特性的單位根檢定，採第 2.3.4 節中擴大迪-富 氏檢定法的模型一，假設文心蘭的總成交量與總平均價兩組時間序列資料皆為無截距項及 趨勢項的隨機漫步模式。

除了檢定模型的選擇外，在進行時間序列資料的單位根檢定前，還需決定資料的最適 落後期數。當選取資料的落後期數不足時，將可能造成模型的殘差項存在序列相關，造成 估計偏誤；而過多的落後期數，則可能導致過度參數化。而富樂等[27]認為選取資料的落 後期數不足，所造成估計偏誤問題，遠較因選取過多的落後期數而導致過度參數化的問題 嚴重。因此建議採用赤池資訊準則值，做為最適落差期數選取準則。在本研究中，最適落 後期數的選取，是採用赤池資訊準則值法做為最適落後期數的選取準則。

單位根檢定的虛無假設( )為該時間序列資料存在單位根，亦即其具有統計時變程序 特性；而對立假設( )則為該時間序列資料不存在單位根，也就是該資料具統計非時變程 序特性。表 5.2 為文心蘭的總成交量與總平均價資料的單位根檢定結果。

H

H1

表 5.2 文心蘭的總成交量與總平均價資料之單位根檢定 分析資料

時間區段 變數 落後期數 t 檢定值 5%臨界值

總成交量 11 -2.3267 -1.95

文 心 蘭

2000.1~2005.12 總平均價 9 -7.3682 -1.95

在表 5.2 中可看出，文心蘭的總成交量與總平均價兩組時間序列資料，在 5%的顯著 水準下，皆拒絕單位根檢定的虛無假設。因此可以判定該兩組時間序列資料皆呈現統計非 時變程序特性。

5.2.3 迴歸方程式分析

經由 5.2.2 節確認文心蘭的總成交量與總平均價兩組時間序列資料，皆呈現統計非時變 程序特性，皆下來便建立此兩組時間序列的迴歸方程式。y 代表文心蘭的總成交量(把)，x 代表文心蘭的總平均價(元/把)。下列式子便是文心蘭的需求方程式，對變數取 log 是為了 要消除非線性關係。

log(y)= -0.597185 log( x) + 10.2647

文心蘭需求方程式的分析結果如表 5.3 所示。方程式的變數取 log 可消除非線性關係。

R-square 值達 0.587867，表示文心蘭的總成交量與總平均價之間相關性高。而獨立變數 log(x) 的標準差為 0.059764，常數項標準差為 0.611052，相對於係數之下非常小，顯示出該迴歸 方程式之準確性高。

表 5.2 文心蘭需求方程式之分析結果 相依變數：log(y)

方 法：最小平方法

樣 本：2000 年 1 月至 2005 年 12 月 觀 察 值：72 筆

變數 係數 標準差 t 檢定值 p 值

log(x) -0.597185 0.059764 -9.992396 0.0000 c 10.26470 0.611052 16.79839 0.0000 R-square：0.587867

但文心蘭的迴歸方程式尚為確認其是否滿足高斯馬可夫定理第五項假設，也就是必須 確認獨立變數與殘差是否具相關性。若為相關表示文心蘭之迴歸方程式無法作為合理之需 求方程式。圖 5.5 為獨立變數與殘差之散佈圖，文心蘭的總平均價代表獨立變數 X，殘差 代表 E。

圖 5.5 獨立變數與殘差之散佈圖

從圖 5.5 中可以發現其間存在二次相關，表示文心蘭的需求函數存在內生關係。亦即 獨立變數 x 為隨機變數，用來估計相依變數 y 有不確定性。此時可採用量測變數迴歸技術，

藉由二階段最小平方法降低不確定性，以解決此一問題。