第二章 文獻回顧
2.3 迴歸分析與時間序列之文獻
2.3.1 迴歸分析之文獻
Amoako And Berryman（2002）利用經濟計量迴歸與時間數列分析，預測澳 洲2010年的貨櫃進出口數量。以澳洲的GDP（Gross Domestic Product）與 TWI
（Trade Weighted Index）、經濟合作發展組織（OCED：Organization For Economic Cooperation And Development）的GDP、七大工業國（G7 Countries）的GDP為經 濟影響因素作迴歸，建立經濟計量模型並預測至2010年，利用ARIMA作相同預 測，預測澳洲進出口貨櫃數量將由2001年的2.2 Million（TEU），以每年平均增 加5％的成長率，到2010年貨櫃進出口數量將為3.8 Million（TEU）。
陳垂彥（民96）以台灣地區進出口貨櫃運量為例，綜合評析各種不同的預測 方法，包括迴歸分析、時間數列方法、重力模式、單一及聯立迴歸模式，並對各 種預測方法提出比較。
交通部運輸研究所港灣技術研究中心（民96）於「港埠運量預測之研究」中 應用時間數列方析法，迴歸分析之單一方程式法與聯立方程式法等三種方法來進 行港埠運量預測，然後再將WTO組織、兩岸直航等因素對港埠運量之影響納入 模式中，修正運量預測，反應未來可能的變動。
迴歸分析應用於其他領域，李顯宗、蔡龍珆、孫立中（民95）應用迴歸分析，
對有機材料生油潛能作評估。以553 個樣品(36 個台灣地區、16 個大陸地區、
13 個澳洲地區樣品、488 個取自文獻)的各項生油潛能評估參數資料，用相關、
迴歸、主成分、因素及群集等統計分析方法，探討有機材料各項參數間的相關性，
並綜合統計評估有機材料生油潛能。
李惠妍、吳宗正、溫敏杰（民 95）應用迴歸模式與類神經網路預測台股指 數期貨的隔日收盤指數，以尋求最適宜的預測模式。在迴歸分析方面，去除三筆 偏離值之後，再經由逐步迴歸分析篩選出當日收盤指數、差基、漲跌、10 日威 廉氏指標、5 日乖離率等 5 種變數的模式最為適合。
2.3.2 預測方法之文獻
Cullinane（1999）利用時間序列 Box-Jenkins（ARIMA）方法，針對 BIFFEX
（Baltic International Freight Future Exchange）建立一適當預測模式進行短期預 測，以推測實體市場運價，作為市場經營決策之參考。
梁容禎（民 94）採用迴歸分析與時間數列方法中之 ARIMA 與介入模式，分 別建立乾散貨指數（BDI）模式與其所包含之波羅的海海峽型指數（BCI）、波羅 的海巴拿馬極限型指數（BPI）、波羅的海輕便極限型指數（BHMI）等四項指數 之預測模式。經將直接預測 BDI 模式之預測結果與分別預測 BCI、BPI、BHMI 三項指數模式再加權統合的結果加以比較，以直接預測模式效果較佳。此外，在 兩種時間數列預測模式，以介入模式的預測效果較ARIMA 為佳。影響指數變化 的各種可能因素中，則以船噸供給、穀類、亞洲鋼鐵需求之影響為顯著。
徐嘉陽（民96）利用灰預測滾動模式，預測船舶載重噸，求算未來三年載
重噸之預測值。藉由灰色理論之灰預測最常被使用之四點滾動建模，以構建全球 前十大航運國船噸發展預測模式，並檢驗模式之精確度。以四年資料建立之灰色 模式預測過程為例，2001 年預測值係利用 1997-2000 年四筆原始資料進行建模與 預測；2002 年預測值則利用 1998-2001 年四筆原始資料進行，其餘依此類 1997-2006 年全球前十大航運國船舶載重噸之統計。
陳思穎（民88）採用 ARIMA (Auto regressive integrated moving average)模
式與指數平滑法，預測原油期貨價格與即期匯率之變動。實證研究發現，若以增 加報酬為目標，則指數平滑法預測能力較優。
ARIMA模式其他用途，Lin and Liu（2003）運用X-12ARIMA中的RegARIMA
功能來處理農曆春節移動節日效果。該文將春節效果分為「春節前」、「春節期 間」、「春節後」3 個解釋變數，然後以AICC（F-corrected AIC）檢定判斷該解釋 變數是否能增強模型解釋力，來決定該變數之取捨。由於缺乏日資料，假定3 段 期間的影響效果分配為每日相同影響的矩形分配。
戴嘉南（民 95）則利用迴歸預測模式及自我迴歸整合移動平均模式(ARIMA)
探討並推估 A 公司鋁製嬰兒車未來需求量，作為嬰兒手推車相關業者未來在決 策生產量及市場對策參考。經多種比較檢定後時間序列法以 ARIMA(1,1,1)為較 佳之暫訂模式，其檢定誤差相當符合理論基礎。經由平均誤差百分比與均方根平 均誤差百分比來作為迴歸模式與ARIMA 模式預測能力的評估準則。
連聖皓、朱宜寧、謝邦昌（民 86）利用時間序列 ARIMA 預測模式，預測
台灣省汽車客運量，分析結果顯示民營汽車客運的延人公里在水平區間發展，但 長途客運里程增加、客運人數減少。公民營公車客運的延人公里、行駛里程、客 運人數均減少，此乃受自用小客車、機車數量增加所致。而省營汽車客運的延人 公里、行駛里程、客運人數也有減少的趨勢，但此只受自用小客車增加的影響並 未受機車數量的影響。
Adland and Jia(2006)利用矩陣時間序列方法，針對各種船型求算新船交付之
時間落差，分析此時間落後對整個海運市場及二手船舶市場之影響並預測運價市 場的成本變化，如圖2-3。
圖2-3 交付船舶之時間變化落差預測統計