迴歸分析與時間數列模式之應用

本研究搜集若干有關迴歸分析與時間數列預測之文獻，其研究架構與 研究方法可資為參考，並按年代先後排列如下：

呂正毅【10】以迴歸、模糊線性迴歸理論、以及時間數列等方法預測 港埠運輸需求，分析 1981-1991 年台灣港埠進出口貨櫃運量，並預測 1992-2001 年之進出口貨櫃運量。該文中以未來工業生產指數為進口自變 數，以未來國內生產毛額為出口自變數。建立評估準則，並比較其預測台 灣地區港埠貨櫃運輸需求準確性。進而挑選較佳模式進行 基隆港貨櫃運輸 需求預測，並以實際基隆港貨櫃碼頭為例，進行最適碼頭規劃。

陳垂彥【18】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【6】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。

石珉宇【4】利用財政部關稅局的統計資料，建立預測海洋貨櫃商品運 量模式，將結果運用於實務上。以往關於海洋貨櫃運量預測之研究，其進 出口運量之資料來源大都來自交通部各港務局的統計。財政部關稅局之進 出口運量與價值統計月資料，係根據中華民國商品標準分類，各商品資料 共有二位碼、四位碼、六位碼、八位碼及十位碼等五種分類，較交通部的 統計更為詳實可靠。其使用二位碼共97 個商品章別1989.01 至2001.03 之 進出口月資料，以平均貨櫃運量多寡篩選適合海洋貨櫃運輸的商品章別，

並根據篩選結果，把各商品章別之進、出口價值，用線性迴歸、指數模式 以及42 種預測方法中配適度最佳的模式，轉換為進、出口運量預測，並比 較各方法的優劣。結果顯示進、出口價值與進、出口運量存在高度正相關，

可以互為替代變數，同時按商品運量及貨櫃運量計，大部分的商品章別經 轉換的運量預測結果優於不經轉換之預測。

Johnson Amoako And Liz Berryman【6】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）。

李綱紀【9】建立與比較四種常見簡易使用之單一變數預測方法，並決 定何者可提供最高之精確度。研究的對象為台中港進口貨櫃量之預測，所 蒐集資料範圍取自1998 年1 月至2001 年12 月。研究中先回顧相關港埠運 量預測文獻，由文獻中比較各預測模式與其適用性。透過古典分解法、三 角函數迴歸、季節性虛擬變數迴歸及灰預測四種方法之間的比較，利用實 證模式的建立再進行分析，探討何種模式較適合台中港進口貨櫃量的預

測。所得研究結果顯示，經由各項評估指標來比較預測精確度，不論採用 何種指標，古典分解方法與灰預測仍為四種預測方法中提供最佳準確度者。

梁容禎【17】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。

第三章 研究方法

本研究根據文獻之結論，蒐集新造船舶數量影響因素的變數資料，分 別以散裝船、貨櫃船與油輪為標的，分析各因素彼此之間的相關性，並初 步篩選適用之變數資料，以迴歸分析構建預測模式。

欲利用已構建散裝船、貨櫃船與油輪新造船數量之迴歸預測模式，求 取新造船數量之預測值，須先取得模式中所有自變數之預測值。因此自變 數若無國際權威機構公佈之預測值供參考引用，利用迴歸模式進行預測有 其潛在的限制。

根據本研究蒐集有關預測之文獻，隨著時間而紀錄觀測值的資料型 態，可利用時間數列分析法預測其未來值。1970 年初 Box 與 Jenkins 兩 位教授推廣發展 ARIMA 模式及其構建法，多年來普遍應用於自然與社會科 學領域，效果卓著，因此本研究將以時間數列分析法中的 ARIMA 模式來進 行新造船數量之預測。