不同生命週期產業（生技、半導體、汽車、紡織）永

二、研究內容與方法

2.1 不同生命週期產業（生技、半導體、汽車、紡織）永

本研究目的在於建構台灣四項不同生命週期產業（生技、半導體、汽車、

紡織）永續發展最佳政策之組合。本研究依此針對四項不同生命週期產業進行評估。

鄧振源（2002）提出計畫評估的方法有：成本效益法；2.統計決策分析法；

3.定量多評準決策分析法；4.定性多評準決策分析法層級分析法；5.優勢關係評估法；6.多目標決策分析法。

本研究利用模糊層級分析進行專家評估，主要思維係考慮舉凡社會科學、

公共政策、交通運輸、都市計畫、區域規劃、環保議題…等，均存在多目標且衝突性、多層面及複雜性等特性，而且評估委員會因為個人及社會屬性(例如學、經歷、成長背景及環境、職業角色別、社會定位…)之差異，對於同一事物之判斷必然存在主觀認知與語意表達之差異；因此，以模糊層級分析方法與模糊綜合評判，較能貼近問題本質及評估特性。本研究除了運用模糊多評準決策進行各項政策方案之優勢排序外，並且引進模糊集群分析，針對各項策略方案進行策略組合，從各項策略方案在各集群之歸屬度函數值，即可定義出最佳的策略組合，進而提供決策當局進行資源配置(Resource Allocation)之參考。

本研究期間自 2004 年 6 月至 2004 年 10 月止，四個產業各邀集產業界、

政府擔位、學術單位、研究機構等單位各 5-7 位（生技業 25 位、半導體業 23 位、汽車及零組件業 23 位、紡織業 23 位）專家擔任評估委員，四個產業合計 94 位委員）。至 2004 年 10 月止，本研究共計回收 89 份專家問卷，回收率為 94.7％。本研究依據評估階層體系設計 Fuzzy AHP(Analytic Hierarchy Process) 問卷以調查評估委員對本研究所擬定評估準則及策略方案提供個人之主觀判斷，其次利用模糊層級分析法計算所有準則之模糊權重值，所定義之內層模糊權重，係指本研究所提的層級分析系統中七大衡量構面(研發與技術、市場行銷、政府措施、相關支援產業、人力資源、財務、環境變化)，同一層級內部之模糊權重，而外層模糊權重則係指從評估體系最上層觀察，所得到的跨層級之模糊權重。

表 2-1 本研究在四項不同生命週期產業永續發展最佳策略組合研究之回收率

產業界政府單位學術單位研究機構合計回收率

發出專家問卷 7 5 6 7 25

生技業

回收專家問卷 7 5 5 7 24

96.0％

發出專家問卷 7 5 6 5 23

半導體業

回收專家問卷 7 5 5 5 22

95.7％

發出專家問卷 7 5 5 6 23

汽車及零

組件業回收專家問卷 5 5 5 6 21

91.3％

發出專家問卷 7 5 5 6 23

紡織業

回收專家問卷 6 5 5 6 22

95.7％

發出專家問卷 28 20 22 24 94

合計

回收專家問卷 25 20 20 24 89

94.7％

資料來源：本研究

2.1.1 模糊多評準決策 FMCDM〈Fuzzy Multi-criteria Decision Marking〉之方法 與評估程序

為了建構台灣四項不同生命週期產業（生技、半導體、汽車、紡織）

永續發展策略，本研究首先進行專家訪談及情境描述方法，擬定追求永續發展目標之評估階層架構（如圖 2-1），進而結合模糊理論、模糊層級分析、

模糊多評準決策、模糊集群分析等方法，導出台灣四項不同生命週期產業

（生技、半導體、汽車、紡織）永續發展之最佳政策組合，並進行比較研究，本節將針對上述分析方法及評估程序加以說明於後。

1. 模糊層級分析

層級分析方法(Analytic Hierarchy Process, AHP)係由 Saaty 於 1971 年所創，其目的在解決埃及國防部運輸應變計畫問題，利用層級結構將複雜問題由高層次往低層次分解，並加以層級結構化。AHP 法的操作程序有四：(1)建立層級關係；(2)建立各層級之成對比較矩陣；(3)求解各層級之權重並檢定一致性；(4)求解各方案之優勢比重值，以進行方案之優勢排序，多年以來，該方法已被廣泛運用於經濟規劃以及許多社會科學與管理的領域中(Saaty,1977,1980;鄧振源與曾國雄, 1989)。

本研究整理相關文獻後，針對四個不同生命週期產業之文獻，歸納出 28 項產業所遭遇之困難，及 7 項焦點。本研究並以 Rothwell, R. & Zegveld, W.

所列的 12 項創新政策工具為基礎，做為解決困難的政策方案。

半

另一方面，自從 Zadeh (1965)提出模糊理論，及 Bellman & Zadeh (1970) 發表模糊環境下之決策行為的研究論文以來，使得多評準決策(Multiple Criteria Decision Making, MCDM)的方法更豐富、更具彈性、各種相關模式亦不斷推出，以解決實質環境中具備多目標、相互衝突性之決策問題。

Dubois & Prade (1978)則認為模糊多評準決策之程序基本上可分為兩個階段，階段一為推導出每一個可行方案（或策略）的綜合效用值，階段二為根據階段一所得到之綜合效用值對每一個可行方案（或策略）進行優勢排序。因此，模糊多評準決策的層級分析程序的步驟概述如下(Tzeng, 1977;

Tzeng & Shiau,1987; Tzeng & Tsaur,1993; Teng & Tzeng,1996; Tsaur et al.,1997; Tang et al.,1999)：

（1）定義問題本質；

則元素

x 歸屬於集合 A 之程度可以隸屬函數

_i µ_A( )

x

_i 表示。此一定義將傳統資料來源：Dubois & Prade（1978）

根據 Zadeh (1965)的模糊數擴張原則，兩個三角模糊數

和的代數運算如下： c. 模糊數之可乘性（Multiplication）

( ) ( ) ( )

1 2 1, 1, 1 2, 2, 2 1 2, 1 2, 1 2

A A

L M U L M U L U M M U L

µΘµ = Θ = − − − (5) 4.模糊數之可除性（Division）

( ) ( ) ( )

1 2 1, 1, 1 2, 2, 2 1/ 2, 1/ 2, 1/ 2 ; 1 0, 2

A A

L M U L M U L U M M U L L L

µ∅µ = ∅ ≅ ≥ >0 (6) 3.模糊語意變數

根據 Zadeh（1975）的研究，對於那些複雜或難以定義的情境，吾人很難以傳統的量化方法來做一合理的表達，因此有必要運用語意變數的觀點來處理這類狀況。而語意變數係指本質上或人類語言上就為一個字或一句話所代表的變數，吾人可將語意變數劃分為數個適當且有效的語意尺度，

如「很好」、「好」、「中等」、「差」、「很差」等，讓評估者各自選擇他們認為合適的語意表達個人對受評估項目主觀感認之判斷（如圖 4）。進而透過事先設計好的各種語意尺度所代表的模糊數，推算全體評估委員對各項受評估項目的實際感受值。

0.5

很差

0 2 4 6 8

x

差中等好很好

A( )x µ

圖 2-3 五尺度語意變數之隸屬函數圖資料來源：Zadeh（1975）

傳統 AHP 評估尺度的基本定義包括 1、3、5、7、9 等五項衡量尺度，

分別表達評估者對受評估準則間成對比較之同等重要、稍重要、頗重要、

極重要與絕對重要等語義，而 2、4、6、8 等衡量值則表達介於五個基本尺度間之判斷值；本研究利用三角模糊數定義評估者主觀判斷之模糊語意變數如表 2-2 所示，雖然模糊語意變數可定義如表 2-2，但是在實際問卷調查時，則由受訪者依照其個人感認值給予不同之定義。

表 2-2 Fuzzy AHP 之模糊語意尺度釋義

評估尺度定義說明

1=(1,1, 3)

_同等重要兩比較方案的貢獻程度具同等重要性

3=(1, 3, 5)

_稍重要經驗與判斷稍微傾向喜好某一方案

5=(3, 5, 7)

_頗重要經驗與判斷強烈傾向喜好某一方案

7=(5, 7, 9)

_極重要實際顯示非常強烈傾向喜好某一方案

9 =(7,9, 9)

_絕對重要有足夠證據肯定絕對喜好某一方案

、

相鄰尺度之中間值需要折衷值時

資料來源：Zadeh（1975）

4.評估準則模糊權重之決定

運用多評準決策方法時，首先必須視問題背景之特性，決定評估群體的組成，通常應包含政策決策單位、執行單位、學者專家、相關的利害關係人等代表組成，若當決策問題是由決策群體進行決策時，則必須將決策群體成員的偏好（個別權重）加以整合。本研究四項不同生命週期產業之評估委員係由主管機關政策決策單位、產業界、學術單位，以及研究單位各 5-7 位專家學者，每個產業共 20-25 人組成評估小組，計 89 位委員，並以模糊層級分析問卷方式進行專家問卷調查。本研究以式（7）之三角模糊 數表示評估準則 j 之模糊權重。

(

j j j

w = l ,m ,u

)

(7) 其中

{ }

min ^k 1,..., ;

j j

l

w k

m

(8)

{ }

; max 1,...,

m k

j j

m w m

u w k

⎛ ⎞

= ⎜ ⎟

⎝ ⎠

= =

∑

m

此w^k_j表示第 k 位評估者對第 j 項評估準則之重要性評估值。

5. 策略方案之模糊績效計算

本研究首先請各評估者以區間值[0,100]定義其對各種策略方案在各評估準則之主觀語意判斷，給予「非常差」、「差」、「中等」、「好」、「非常好」

五等級尺度之三角模糊數，並以上述的語意變數表達各種策略方案在各評估準則之績效評估值。設E_ij^k表示第 k 評審委員對方案 i 在評估準則 j 的模糊

績效值，所有的評比項目定義為 S 集合：

其中

i j ij

LR l LE i

∑

⋅ ^∀ (17)

i j ij

MR m ME

UR u UE i

= ⋅

= ⋅ ∀

∑

∀

i

7. 解模糊化與方案排序

經由上述模糊綜合評判可得到各方案的三角模糊數，然因模糊數並非是明確的數值，無法直接用於方案的比較，因此必須將模糊數予以去模糊化（Defuzzification）以利排序。亦即，去模糊化的程序就是找出最佳解模糊化之績效值（Best Non-fuzzy Performance value, BNP），模糊數

R 的

BNP 值

_i 可由式(18)計算得到（Zhao & Govind, 1991; Opricovic & Tzeng, 2003）：

( ) ( )

i i i i i i

BNP

=⎡⎣

UR

−

LR

MR

−

LR

⎤⎦ +

LR

∀

i

(18) 最後，以計算出來的

BNP 值可以進行策略方案的優勢排序。

2.2 不同生命週期對產業政策工具之重視度、助益性之比較

本研究以 Rothwell, R. & Zegveld, W.所列的 12 項創新政策工具為基礎（如圖 2-1 之 12 項創新政策項目），依台灣現行創新政策實際措施（主要參考：1.經濟部工業局「製造業發展策略與措施」；2.經濟部技術處「產業技術白皮書」3..經濟部中小企業處「中小企業白皮書」；4.經濟部產諮會「產業發展白皮書」5.作者於工研院機械所出版之「1999 機械工業現況與趨勢」所撰寫之我國產業政策；6.蕭峰雄「我國產業政策與產業發展」；7.游啟聰「產業界如何運用政府資源」；8.行政院經建會「挑戰 2008：國家發展重點計畫」9.嵐德智庫之「台灣的研究發展管理政策」、「台灣的新興高科技產業發展政策」、「台灣的傳統產業之振興發展策略」、「台灣的科技人才獎勵、補助與資源管理政策」），將此 12 項之創新政策工具加以展開，

根據每一項目台灣重要的政策工具進行重視度及助益性之問卷調查，問項以李克特尺度（Likert scale），使用五點量表（重視度-非常重視、很重視、普通、不太重視、非常不重視；助益性-非常有助益、很有助益、普通、不太有助益、毫無助益），

對進行不同生命週期產業、不同規模別、不同地區別等進行分析。探討業者對政策創新政策工具之看法，做為未來政府施政之參考。所用之研究方法為敘述性統計（如平均數、標準差、、）及多變量分析（如 One-Way ANOVA、T 檢定等）。

12 項創新政策項目，每一項目當前台灣重要的政策工具歸納整理如表 2-3 所示。

本問卷將初稿完成後，為提高問卷效度，除問卷郵寄對象為總經理外將初稿諮詢五位政府政策專家，分別為：經濟部國貿局歐嘉瑞副局長（前工業局副局長）、經濟部投資處瞿大文處長、經濟部中小企業處黃文谷主任秘書、前經濟部技術處葛之剛副處長、工研院經資中心副主任游啟聰（前行政院科技顧問組主任、前工業局副組長、前技術處顧問），以提高問卷效度。利用 SPSS 軟體，進行信度檢定，

在文檔中不同生命週期產業創新政策之評估研究 (頁 17-0)

二、 研究內容與方法

2.1 不同生命週期產業（生技、半導體、汽車、紡織）永

x 歸屬於集合 A 之程度可以隸屬函數

x

( ) ( ) ( )

( ) ( ) ( )

L M U L M U L U M M U L

( ) ( ) ( )

L M U L M U L U M M U L L L

很差

x

評估尺度 定 義 說明

同等重要 兩比較方案的貢獻程度具同等重要性

稍重要 經驗與判斷稍微傾向喜好某一方案

頗重要 經驗與判斷強烈傾向喜好某一方案

極重要 實際顯示非常強烈傾向喜好某一方案

絕對重要 有足夠證據肯定絕對喜好某一方案

、

、

、

相鄰尺度之中間值 需要折衷值時

(

w = l ,m ,u

)

{ }

l

w k

m

{ }

m w m

u w k

∑

m

∑

MR m ME

UR u UE i

∑

∑

i

R 的

BNP 值

( ) ( )

BNP

UR

LR

MR

LR

LR

i

BNP 值可以進行策略方案的優勢排序。

二、研究內容與方法

評估尺度定義說明

_同等重要兩比較方案的貢獻程度具同等重要性

_稍重要經驗與判斷稍微傾向喜好某一方案

_頗重要經驗與判斷強烈傾向喜好某一方案

_極重要實際顯示非常強烈傾向喜好某一方案

_絕對重要有足夠證據肯定絕對喜好某一方案

相鄰尺度之中間值需要折衷值時