BCI、BPI、BHMI、BDI 之迴歸預測模式

在建立四項指數之迴歸模式時，所使用之參數個數多且有重覆 性，在此先定義各指數之變數。而後再分別將 BCI、BPI、BHMI、

BDI 影響因素納入作迴歸分析。

一、各變數之定義

本研究之各變數定義，如表 4.1 所示，分別說明如下：

（一）應變數（依變數）

Y

BCI ：波羅的海海峽型指數值，因 BCI 始於 1999 年 3 月，分析之資料範圍設定為 1999/3~2005/12，以 月為單位為一個樣本，共 82 樣本數。

Y

BPI：為波羅的海巴拿馬極限型指數值，BPI 始於 1998 年11 月，分析之資料範圍設定為 1999.1~2005.12，

以月為單位為一個樣本，共 84 樣本數。

Y

BHMI：為波羅的海輕便極限型指數值， BHMI 始於 2000 年 9 月，分析之資料範圍為 2000/10~2005/12，

以月為單位為一個樣本，共 63 樣本數。

Y

BDI：為波羅的海乾散貨指數值，分析之資料範圍設定 為 1999.1~2005.12，以月為單位為一個樣本，共 84 樣本數。

（二）自變數

1. 船噸數變數

BCIDWT

X

：為海峽型船舶市場上之船舶載重噸供給量。

BPIDWT

X

：為巴拿馬極限型船舶市場上之船舶載重噸供 給量。

BHMIDWT

X

：為輕便極限型船舶市場上之船舶載重噸供給 量。

BDIDWT

X

：為乾散貨船舶市場之船舶載重噸供給量，散乾 貨船共有三種主要不同船型船舶，在此考量海 峽型船舶、巴拿馬極限型、輕便極限型外，並 將載重噸較小之輕便型一起納入總載重噸。

2. CRU 鋼鐵指數(CRU steel price index-簡稱 CRUspi)⁴： Χ_CRUG：英國 CRU 國際鋼鐵指數值，因海峽型船舶以 載運鐵礦砂為主體，而鐵礦砂為煉鋼主要原料 故以其為變數。

ΧCRUA：英國 CRU 亞洲之鋼鐵指數值，因海峽型、巴 拿馬極限型船舶以載運鐵礦砂、與煤炭為主 體，近來中國鐵礦砂進口量需求強烈、日本對 煤炭需求增，故以其為變數。

ΧCRUM：英國 CRU 生鐵廢鋼指數，因輕便極限型船舶，

多載運生鐵廢鋼，美國廢鋼多以輕便極限型載運。

3. CRB 指數⁵：

ΧCRBI：美國CRB 工業用原料類指數值，所包含的種類

4英國商品研究所，主要從事國際市場分析，研究金屬、礦產、化學行業的成本與預測未來市場 發展情況。每週發佈鋼材、不鏽鋼、生鐵廢鋼價格指數等共8 項加權價格指數。Global 國際鋼 材價格指數的形成乃選擇美國中西部、德國、中國南方城市港口39 個鋼材市場中的五種鋼鐵產 品的市場交易價格進行採集，而後對這五種鋼鐵 產品在北美、西歐、亞洲市場的消費格加權後 得出國際鋼材價格指數，即為CRUspi(CRU steel price index)。

資料來源：http://www.cruspi.com/HomePage.aspx

5 CRB 商品指數 1957 年被開發出來後，常被用於反映商品價格整體水準的指標，該指數經歷了 9 次調整，綜合反映商品價格的整體走勢。紐約期貨交易所從 1986 年起開始交易 CRB 商品期 貨指數，2001 年該指數更名為路透社 CRB（Reuters CRB）指數。該指數是全球商品價格波動 的領先指標，涵蓋了能源、工業用原料、貴金屬、穀物、畜產品和軟性商品等商品期貨。由於 CRB 指數包括了核心商品的價格波動，因此，總體反映世界主要商品價格的動態資訊，廣泛用

http://www.crbtrader.com/crbindex

有銅片、鉛片、鋼鐵片、錫、鋅，故以其為變數。

ΧCRBG：美國 CRB 穀類指數值，所包含的種類玉米、

可可、小麥、糖類，故以其為變數。

4. 其他

ΧCI：中國對鐵礦砂之進口量。發展中國家－中國對鐵 礦砂之需求量大增，指數即有明顯的上揚，故在 此以中國對鐵礦砂之需求量為變數放入模式中。

將收集到各項變數之歷史資料，以 SPSS 10.0 之線性迴歸中 逐步分析方法，視變數與各指數之影響關係程度，並試圖建立各 指數之迴歸預測模式。

二、BCI

海峽型船舶以載運鐵礦砂為主體，將可能影響因素放入模式 中，藉由迴歸方法中之逐步分析法，找出顯著之解釋變數。資料 範圍為 1999.3~2005.12，以月為一個樣本單位，共有 82 個樣本，

如表 4.1。

表 4.1 BCI 模式之變數平均數、標準差、與個數資料

變數名稱 平均數 標準差 個數

BCI （Y_BCI ） 2989.5000 1974.0770 82 BCI 載重噸數(X _BCIPT ）/百萬噸 89.9887 8.8668 82

CRU 全球鋼鐵指數（Χ_CRUG） 104.1540 29.6227 82 CRU 亞洲鋼鐵指數（Χ_CRUA） 101.3674 31.6974 82 中國鐵礦砂進口量（Χ_CI）/千噸 11635.1220 6337.9605 82

依BCI 之變數定義，模式可寫成：

YBCI =

β

₀ +

β

₁XBCIDWT +

β

₂XCRUG +

β

₃XCRUA +

β

₄XCI +

ε

t (3)

BCI 之迴歸模式相關變數，經迴歸逐步分析法分析結果顯 示，初始自變數之中國鐵礦砂進口量（千噸）、海峽型載重噸數

（百萬噸）、CRU 全球鋼鐵指數，因不顯著而遭剔除。模式之 預測變數（自變數）僅剩 CRU 亞洲鋼鐵指數，如表 4.2 所示。

表 4.2 BCI 迴歸相關變數表

變數 項目

因變數 BCI

初始自變數 中國鐵礦砂進口量（千噸）、海峽型載重噸數（百萬噸）、

CRU 亞洲鋼鐵指數、CRU 全球鋼鐵指數

模式排除變數 中國鐵礦砂進口量（千噸）、海峽型載重噸數（百萬噸）、

CRU 全球鋼鐵指數 模式預測變數 CRU 亞洲鋼鐵指數

應變數與自變數之間或各自變數間，各有其相關性，藉由表4.3 Pearson 相關，可看出變數之間的關係與其顯著性。

表4.3 BCI 之 Pearson 相關表 相關

BCI BCIDWT CRUA CRUG CI BCI 1.000 .689 .883 .845 .721

BCIDWT .689 1.000 .818 .818 .970 CRUA .883 .818 1.000 .980 .861 CRUG .845 .818 .980 1.000 .851 Pearson 相關

CI .721 .970 .861 .851 1.000

BCI . .000 .000 .000 .000 BCIDWT .000 . .000 .000 .000

CRUA .000 .000 . .000 .000 CRUG .000 .000 .000 . .000 顯著性 (單尾)

CI .000 .000 .000 .000 .

由附錄得知，BCI 模式之 F = 282.0，P<0.05，達顯著水準，

我們即可說這一個預測變數來預測 BCI 是有根據的。模式之決定 係數 R²達 0.779 且

R

²= 0 .776。另外共線性診斷中之容忍度及變 異數波動因素（VIF）⁶，是作為檢定自變數項間是否有共線性重 合的依據，在 BCI 模式中無共線性問題發生。

在α＝0.05 之顯著水準下，依BCI 模式係數，迴歸模式可 寫成：

CRUA

BCI

X

Y = − 2582 . 47 + 54 . 968

(4) ( t =-7.432) ( t =16.793)

R=0.779 ,

R

²=0 .776 三、BPI

巴拿馬極限型船舶以載運鐵礦砂、煤炭與穀類等貨物種類，

將可能影響因素放入模式中，藉由迴歸之逐步分析法，找出顯著 之解釋變數。資料範圍為1999.1~2005.12，以月為一個樣本單位，

共有 84 個樣本。

6 容忍度為VIF 之倒數，其值介於 0~1。VIF 值愈大（即容忍度愈接近 0），即表示變項間線性重

表 4.4 BPI 模式之變數平均數、標準差、與個數資料

變數名稱 平均數 標準差 個數

BPI （Y_BPI） 2152.3333 1334.3746 84 BPI 載重噸數(X _BPIDWT )/百萬噸 76.4693 8.4312 84

CRB 穀類指數（Χ_CRBG） 183.0018 25.6471 84 CRU 亞洲鋼鐵指數（Χ_CRUA） 100.6507 31.6517 84

依 BPI 之變數定義，模式可寫成：

t CRUA CRBG

BPIDWT

BPI X X X

Y =

β

₀ +

β

₁ +

β

₂ +

β

₃ +

ε

(5)

BPI 之迴歸模式相關變數，經迴歸逐步分析法分析結果顯 示，初始自變數之巴拿馬極限型載重噸數、CRU 亞洲鋼鐵指數、

CRB 穀類指數，皆為顯著。故模式之預測變數（自變數）為巴拿 馬極限型載重噸數,CRU 亞洲鋼鐵指數,CRB 穀類指數三項，如表 4.5 所示。

表 4.5 BPI 迴歸相關變數表

變數 項目

因變數 BPI

初始自變數 巴拿馬極限型載重噸數、CRB 穀類指數、CRU 亞洲鋼鐵指數 模式排除變數 無

模式預測變數 巴拿馬極限型載重噸數、CRU 亞洲鋼鐵指數、CRB 穀類指數

應變數與自變數之間或各自變數間，各有其相關性，藉由 Pearson 相關，可看出變數之間的關係與其顯著性。

表 4.6 BPI 之 Pearson 相關表 相關

BPI BPIDWT CRBG CRUA

BPI 1.000 .607 .655 .887 BPIDWT .607 1.000 .510 .754

CRBG .655 .510 1.000 .600 Pearson 相關

CRUA .887 .754 .600 1.000

BPI . .000 .000 .000 BPIDWT .000 . .000 .000

CRBG .000 .000 . .000 顯著性 (單尾)

CRUA .000 .000 .000 .

由附錄二 BPI 的部分中，可知其 F=123.485，P<0.05，達顯 著水準。模式之決定係數R² = 0.822 且

R

²=0.816。另外，由共線 性診斷中之容忍度及變異數波動因素，可知BPI 模式之三變數容 忍度皆在可接受範圍，顯示變數之間沒有嚴重之共線性問題。

在α＝0.05 之顯著水準下，依 BPI 模式係數，迴歸模式可 寫成：

CRBG CRUA

BPIDWT

BPI

X X X

Y = − 1539 . 03 − 26 . 938 + 37 . 558 + 10 . 77

(6)

（t =-2.039） （t =-2.359） （t =11.477） （t =3.492） R = 0.822,

R

²= 0.816

四、BHMI

輕便極限型船舶載運貨種較多且較為複雜，在此將可能影響 因素放入模式中，藉由迴歸之逐步分析法，找出顯著之解釋變 數。又因 BHMI 始於 2000 年 9 月，故資料分析範圍設為 2000.10~2005.12，以月為一個樣本單位共有 63 個樣本。

表 4.7 BHMI 模式之變數平均數、標準差、與個數資料

變數名稱 平均數 標準差 個數

BHMI（Y_BHMI） 15893.6508 8624.9149 63 BHMI 載重噸數(X_BHMIDWT )/百萬噸 55.4300 5.6571 63

CRB 穀類指數（Χ_CRBG） 189.0825 26.7072 63 CRB 工業指數（Χ_CRBI） 209.2665 44.9368 63 CRU 生鐵廢鋼指數（Χ_CRUM） 126.3140 49.9126 63

依BHMI 之變數定義，模式可寫成：

t CRUM CRBI

CRBG BHMIDWT

BHMI X X X X

Y =

β

₀ +

β

₁ +

β

₂ +

β

₃ +

β

₄ +

ε

(7)

BHMI 之迴歸模式相關變數，經迴歸逐步分析法分析結果顯 示，初始自變數之 CRU 工業指數，因不顯著而遭剔除。模式之 預測變數（自變數）為輕便極限型載重噸數、CRB 穀類指數、

CRU 生鐵廢鋼指數共三項，如表 4.8 所示。

表 4.8 BHMI 迴歸相關變數表

變數 項目

因變數 BHMI

初始自變數 輕便極限型載重噸, CRB 穀類指數, CRB 工業指數, CRU 生 鐵廢鋼指數

模式排除變數 CRB 工業指數

模式預測變數 輕便極限型載重噸, CRB 穀類指數, CRU 生鐵廢鋼指數

應變數與自變數之間或各自變數間，各有其相關性，藉由 Pearson 相關，可看出變數之間的關係與其顯著性。

表4.9 BHMI 之 Pearson 相關表 相關

BHMI BHMIDWT CRBG CRUM CRBI

BHMI 1.000 .686 .618 .908 .776 BHMIDWT .686 1.000 .447 .842 .789 CRBG .618 .447 1.000 .487 .567 CRUM .908 .842 .487 1.000 .799 Pearson

相關

CRBI .776 .789 .567 .799 1.000 BHMI . .000 .000 .000 .000 BHMIDWT .000 . .000 .000 .000

CRBG .000 .000 . .000 .000 CRUM .000 .000 .000 . .000 顯著性

(單尾)

CRBI .000 .000 .000 .000 .

由附錄之 BHMI 部分，可知模式之 F=163.141，P<0.05，達 顯著水準。模式之決定係數 R² = 0.892，

R

²= 0.887。另外，在共 線性診斷中之容忍度及變異數波動因素中可看出三變數沒有強 烈共線性存在。

在α＝0.05 之顯著水準下，依 BHMI 之模式係數，BHMI 模 式可寫成：

CRUM CRBG

BHMIDWT

BHMI

X X X

Y = 3731 . 358 − 462 . 049 + 79 . 241 + 180 . 427

(8) (t =0.653） （t =-3.818） （t =5.003） （t =12.848）

R² = 0.892，

R

²= 0.887

t CRUA CRUG

CI CRBG

BDIDWT

BDI X X X X X

Y =

β

₀ +

β

₁ +

β

₂ +

β

₃ +

β

₄ +

β

₅ +

ε

五、BDI

BDI 為結合上述三項指數所加權計算出的值。故在此將上述 之所有可能影響因素放入模式中，藉由迴歸之逐步分析法，找出 顯著之解釋變數。BDI 資料分析範圍設定為 1999.1~2005.12，以 月為一個樣本單位共有 84 個樣本。

表 4.10 BDI 模式之變數平均數、標準差、與個數資料

變數名稱 平均數 標準差 個數

BDI（Y_BDI） 2222.8810 1389.8969 84 散乾貨船載重噸數(X _BDIDWT )/百萬噸 293.1677 22.1831 84

CRB 穀類指數（Χ_CRBG） 183.0018 25.6471 84 中國鐵礦砂進口量（Χ_CI）/千噸 11437.9762 6390.4912 84

CRU 全球鋼鐵指數（Χ_CRUG） 103.4663 29.5971 84 CRU 亞洲鋼鐵指數（Χ_CRUA） 100.6507 31.6517 84

依BDI 之變數定義，模式可寫成：

(9)

BDI 之迴歸模式相關變數，經迴歸逐步分析法分析結果顯 示，初始自變數之中國進口鐵礦砂量、CRU 全球鋼鐵指數，因 不顯著而遭剔除。模式之預測變數（自變數）為乾散貨船總噸數、

CRU 亞洲鋼鐵指數、CRB 穀類指數共三項，如表 4-11 所示。

表 4.11 BDI 迴歸相關變數表

變數 項目

因變數 BDI

初始自變數 散乾貨船總載重噸數、中國鐵礦砂進口量、CRB 穀類指數、CRU 亞洲鋼鐵指數、CRU 全球鋼鐵指數

模式排除變數 中國鐵礦砂進口量、CRU 全球鋼鐵指數

模式預測變數 散乾貨船總載重噸數、CRU 亞洲鋼鐵指數、CRB 穀類指數

模式預測變數 散乾貨船總載重噸數、CRU 亞洲鋼鐵指數、CRB 穀類指數

在文檔中 1.3 研究內容與方法 (頁 50-62)