y = 2.3845x + 0.2814 R2 = 0.7357
0.0 0.2 0.4 0.6 0.8 1.0
0.0 0.1 0.2 0.3
HSI(修正)
景觀美質(最大值)
圖5-6 BSI 值與景觀美質之關係
式建立後可做現有漁港植生綠化的美質評估和預測，只要有現地植栽 綠化因子的資料，就可求出BSI 值，數值趨近 1 表示是景觀美質高 的植物組成，趨近0 表示是景觀美質低的植物組成。
對植栽環境偏好度之關鍵。其他如植物多樣性、植物自然度等因子，
移除後對美質雖無顯著的變化，不過仍然比理想值 0.7357 低，由此 可見所建立的模式為各 SI 值之最佳組合。綜合驗證結果，設計者未 來操作漁港生態綠化設時，綠覆率與內緣比還是景觀設計上的重點，
與生態性較強的歧異度、自然度等似乎不具影響性，不過本研究之目 的與綠化因子的選定皆以生態綠化為主軸，操作生態綠化設計時若顯 著影響因子因其他考量因素，以致被限定範圍的情形下，此時設計者 便可藉由次要、非顯著因子增加美質效益，因此BSI 模式不宜去除非 顯著影響因子。
另外，植物分層結構為雖然定位為次要影響因子，但是將其與綠 覆率、植群內緣比之組合，統計與景觀美質之判定係數為 0.7066(綠 覆率與植群內緣之組合為0.624)，可見植物分層結構仍對景觀美質具 ㄧ定影響力，當顯著影響因子被限定範圍之情形下，植物分層結構可 以做為設計時優先思考的重點。
表5-4 驗證 BSI 數學模式之結果 移除
歧異度因子
移除 綠覆率因子
移除 分層結構因子
移除 自然度因子
移除 內緣比因子 與美質之
判定係數 0.728 0.357 0.683 0.724 0.569
第六章 美質適宜性指數模式與多元線性迴歸法之比較
為確認本研究在尋求植栽綠化因子與景觀美質的相關性上是否 有必要利用BSI模式為預測模型，本章探討單純利用多元線性迴歸法 (multiple linear regression analysis，MLR)，推導植栽綠化因子與景觀 美質之關係式，其有效性與BSI模式的有效性做一比較。
應用多元線性迴歸分析，有逐步分析、同時進入與階層迴歸三種 迴歸方法。邱皓政(2004)指出，預測型迴歸最常用的變項選擇方法是 逐步迴歸法(stepwise regression)，且逐步法比同時法可以找到最有預 測力的變項，同時也可以避免共線性的影響(表 6-1)。因此本文進行 多元線性迴歸分析時採用逐步迴歸法，分析過程如下所述：
表6-1 逐步分析與同時進入迴歸法之比較
1. 逐步分析法較同時進入法可以找到最有預測力的變項，同時也可以避免共 線性的影響，適合做探索性的研究使用。
2. 逐步法適合用以預測性研究，協助建立最佳預測模型
3. 逐步法是以統計程序處理變項重要性，在理論解釋性研究缺乏基礎 4. 同時法的優點則是可以從整體效果模式中看到所有自變項的效果，每一個
自變項的解釋力皆被考慮與呈現。
資料來源：邱皓政，量化研究法(二): 統計原理與分析技術
確認採用逐步分析法後，本章參考邱皓政(2004)，第一個以最佳 預測變項選入的是綠覆率(參考表 6-2，6-3)，綠覆率可以解釋景觀美 質的變異量為37.4% (F=19.675，p=0.000)。第二個被選入的預測變項
表 6-2 選入/刪除的變數 模
式
選入的 變數
刪除的
變數 方法
1 綠覆率 . 逐步迴歸分析法（準則\：F-選入的機率<=.050，F-刪除 的機率>=.100)
2 內緣比 . 逐步迴歸分析法（準則\：F-選入的機率<=.050，F-刪除 的機率>=.100)
a 依變數\：景觀美質 表6-3 模式摘要
變更統計量 模
式 R R2
調過 後的 R2
估計的標
準誤 R2改
變量 F 改變 分子 自由 度
分母 自由 度
顯著 性F 改變
Durbin-Watson 檢定
1 .611
（a) .374 .355 7.729E-02 .374 19.675 1 33 .000 2 .750
（b) .562 .535 6.560E-02 .189 13.806 1 32 .001 1.852 a 預測變數：（常數), 綠覆率 b 預測變數：（常數), 綠覆率, 內緣比 c 依變數\：景觀美質
表6-4 變異數分析
模式 平方和 自由度 平均平方和 F 檢定 顯著性
迴歸 .118 1 .118 19.675 .000（a) 殘差 .197 33 5.974E-03
1
總和 .315 34
迴歸 .177 2 8.848E-02 20.558 .000（b) 殘差 .138 32 4.304E-03
2
總和 .315 34
a 預測變數：（常數), 綠覆率 b 預測變數：（常數), 綠覆率, 內緣比 c 依變數\：景觀美質
表6-5 係數
未標準化係數 標準化
係數 相關 共線性統計
模式 量
B 之估 計值
標準 誤
Beta 分 配
t 顯著
性 零階 偏 部分 允差 VIF
（常數) 0.314 0.036 8.843 0.000
1 綠覆率 0.271 0.061 0.611 4.436 0.000 0.611 0.611 0.611 1 1
（常數) 0.345 0.031 11.034 0.000
綠覆率 0.312 0.053 0.704 5.887 0.000 0.611 0.721 0.688 0.956 1.046 2 周長面
積比 -0.546 0.147 -0.444 -3.716 0.001 -0.297 -0.549 -0.435 0.956 1.046 a 依變數\：景觀美質
表6-6 排除的變數
共線性統計量 模式 Beta t 顯著性 偏相關
允差 VIF 最小允差 木本歧異
度 .086（a) 0.605 0.55 0.106 0.966 1.036 0.966 草本歧異
度 .021（a) 0.145 0.886 0.026 0.93 1.075 0.93 喬木草地
面積比 -.279（a) -2.043 .049 -.340 .930 1.076 .930 草地灌木
面積比 .352（a) 2.691 .011 .430 .934 1.071 .934 植物自然
度 .261（a) 1.936 .062 .324 .967 1.034 .967 1
周長面積
比 -.444（a) -3.716 .001 -.549 .956 1.046 .956 木本歧異
度 -.052（b) -.408 .686 -.073 .879 1.138 .870 草本歧異
度 -.001（b) -.010 .992 -.002 .928 1.078 .897 喬木草地
面積比 -.201（b) -1.677 .104 -.288 .897 1.115 .897 草地灌木
面積比 .222（b) 1.777 .085 .304 .820 1.219 .820 2
植物自然
度 .153（b) 1.248 .221 .219 .897 1.115 .887 a 模式中的預測變數：（常數), 綠覆率
內緣比
內緣比
(F=13.86，p=0.001)。模式二共有綠覆率與植群內緣比兩個預測變項 被選入，總計可以解釋景觀美質的變異量為56.2%。
逐步分析的係數估計發現，綠覆率首先被納入模式一中(表 6-5)，
其標準化係數為 0.611 (t=4.436，p=0.000) ，顯示綠覆率可以獨立預 測景觀美質。模式二的係數估計中增加了植群內緣比的進入，其標準 化係數為-0.444(t=-3.716，p=0.001)，而綠覆率的標準化係數此時提升 為0.704 (t=5.887，p=0.000)，顯示綠覆率變項的效果因為納入了植群 內緣比的影響而昇高，部份相關係數0.688 接近標準化係數可以證明 此一影響。
上述多元線性迴歸分析之結果顯示，最佳組合之方程式如下式 (15)，最關鍵影響美質的因子為綠覆率與植群內緣比因子，與 BSI 數 學模式相同，其原始迴歸之判定係數(相關係數平方)為 0.5623，小於 BSI 模式之 0.624(圖 6-1，6-2)，可見僅納入綠覆率和植群內緣比因子 下BSI 模式較佳；
y = 0.312x1 - 0.546x2 + 0.354
(x1:綠覆率 x2:植群內緣比 y:景觀美質) (式 15)
前述提到，雖然預測型迴歸適用逐步迴歸分析法，方程式宜以選 入的變數為主(判定係數為 0.5623)，BSI 模式適用納入所有影響因子 之合成(判定係數為 0.7357)。不過因為變數選定的基準不同，並無法 具體呈現BSI 模式的優點。因此本研究仍就將多元線性迴歸分析採同
R2 = 0.5623
0.0 0.2 0.4 0.6 0.8 1.0
0.2 0.4 0.6 0.8
預測值y
景觀美質
圖6-1 多元線性迴歸法預測模式
y = 0.9346x + 0.2283 R2 = 0.624
0.0 0.2 0.4 0.6 0.8 1.0
0.0 0.1 0.2 0.3 0.4 0.5 0.6
HSI(修正)
景觀美質(最大值)
圖6-2 美質適宜性指數(BSI)模式
時迴歸法，選入所有變數求其判定係數(相關係數平方)。同時迴歸法 統計之結果，其判定係數(相關係數平方)為 0.663 仍低於 BSI 模式所 有影響因子合成之0.7357。由此可見，無論變數選入所有因子或者少 數顯著因子，建立漁港植栽景觀美質預測模型，以 BSI 數學模式較佳。
表6-7 複迴歸之判定係數(相關係數平方)比較表
BSI 模式 多元線性迴歸法
所有因子 0.736 0.663
綠覆率、植群內緣比、植物分層結構因子 0.707 0.611
綠覆率、植群內緣比因子 0.624 0.562
預測值y’
美 質 評 值 y
BSI 值
美質評值