137
地理研究 第67期 民國106年11月
Journal of Geographical Research No.67, November 2017 DOI: 10.6234/JGR.2017.67.06
應用空間統計於桃園地區土地利用變遷因素分析
Application of Spatial Statistics to Analyze Land Use Change
Factors in the Taoyuan Area
張文菘
a陳嘉惠
b張國楨
cWun-Song Jhang Jia-Huei Chen Kuo-Chen Chang
Abstract
A large amount of immigration attracted by the development of industrial areas and transportation construction has caused Taoyuan City to develop rapidly, and led to land use changes. Influenced by the historical and political context, there are dual developmental traits of Taoyuan District in the north and Chungli District in the south. However, most past research on land use changes neglected the spatial traits of the phenomena of geographical distribution, causing bias against the derivation of patterns. Innovation in spatial statistics methods has helped handle spatial effect problems. The purpose of this research is to help understand the distribution patterns and the influencing factors of the changes in the built-up areas of Taoyuan district, and examine the influence the spatial effects have had. This study used a spatial autocorrelation index to detect the spatial patterns of the built-up area change; furthermore, we used Geographically Weighted Regression to examine the influencing factors of the changes in the built-up areas, and the effectiveness of spatial heterogeneity.
The results of the research show built-up areas dramatically increased in the Taoyuan area from 1995 to 2006. In recent years the districts have developed the fastest in the peri-urban areas of Chulgli-Pingzhen as well as the peri-urban areas of Taoyuan District, and Gongsi, Guishan. We know from the local regression coefficient of Semiparametric Geographically Weighted Regression that, the changes in population density and growth of employees in the tertiary sector in such areas as the northern part of Taoyuan District, Luzhu, Guishan, Dayuan, have had a greater impact on the changes in
a 國立臺灣師範大學地理學系碩士
Master, Department of Geography, National Taiwan Normal University
b 國立臺灣師範大學地理學系碩士班研究生
Graduate Student, Department of Geography, National Taiwan Normal University
c 國立臺灣師範大學地理學系教授，通訊作者（e-mail：kcchang@ntnu.edu.tw）
built-up areas; effects of growth of employees in the secondary sector are confined to coastal districts; the proportion of negative effects is the largest in the original industrial land of Taoyuan District and Bade District; the changes in the build-up areas have had a greater impact on the distance from interchanges—only around specific interchanges, such as Linkou, Chungli, Neili, Danan—; the distance from train stations, the proportion of original agricultural land, and the proportion of original vacant land, these three in such core areas as Taoyuan District, Bade District, Chulgli-Pingzhen District, are crucial to the changes in the built-up areas. Overall, the factors of the changes of built-up areas in Taoyuan area show great differences between the north and south, as well as urban and rural areas.
Keywords: Taoyuan, landuse change, spatial effects, geographically weighted regression
摘
要
工業區開發與交通建設吸引大量人口移入，使桃園市近年發展迅速，並帶動土地利用變遷。 受歷史、政治脈絡影響，呈現北桃園、南中壢的雙元發展特性。然而過往土地利用變遷研究多忽 略地理分布現象所具有的空間特性，使模式推導產生偏誤，對此空間統計方法的創新有助於處理 此類空間效應問題。本研究目的在於瞭解桃園地區建成地變遷的分布型態與影響因素，並檢視空 間效應的影響。先以空間自相關指標偵測建成地變遷的空間型態；進一步利用地理加權迴歸探討 建成地變遷之影響因素，以及空間異質性的作用效力。 研究結果顯示，桃園地區於1995-2006 年間建成地大量增加，在中壢平鎮市區外圍、桃園市 區外圍、龜山公西地區發展最快。由局部迴歸係數得知，人口密度變遷與三級產業員工成長在桃 園區北區、蘆竹、龜山、大園等地對建成地變遷有較高的影響性；二級產業員工成長的效應侷限 於沿海地區；原工業用地比例於桃園區、八德區負向效應最大；與交流道距離僅在林口、中壢、 內壢、大湳等特定交流道周邊有較高影響性；與火車站距離、原農業用地比例、原空置地比例三 者在桃園市區、八德市、中壢平鎮市區等核心區域佔關鍵。總體而言，桃園地區建成地變遷因素 具有明顯的南北、城鄉差異性。 關鍵詞：桃園、土地利用變遷、空間效應、地理加權迴歸前
言
台灣在戰後數十年間經濟迅速發展，在工業化過程中眾多人口自鄉村移入都市尋求工作機會， 歷經了一段快速的工業化與都市化歷程。桃園市因位處台北都會區外緣，隨著台北盆地土地開發 日益飽和，為舒緩盆地內工業用地不足的壓力，政府遂於1960 年代起有計畫地於桃園廣設工業區， 帶動了桃園的經濟發展並提供大量就業機會，吸引眾多外來人口移入。加上桃園國際機場、中山 高速公路、鐵路電氣化等重大交通建設陸續完工，交通路網漸趨完備，至今已發展成一個以桃園 區、中壢區為核心的大都會區。 人口成長與工商業發展意味著對城鄉建設用地需求的提升，造成土地利用變遷，而土地利用 變遷的型態與過程正是地理學研究「人─地傳統」的重要課題。再則由於土地資源有限，不當與139
過度的開發會加速生態資源的耗竭和經濟資源的浪費，是故充分瞭解一地的土地利用變遷情形， 以作為探討城鄉發展與環境、社經、交通等因素關係的基礎，並提供規畫與管理之依據，實屬必 要。 不同地區相異的土地利用方式與土地利用變遷過程，反映各地特有歷史脈絡、地理意涵及文 化背景，這些作用機制是受到多方因素交互作用的結果（丁志堅，2002）。在歷史脈絡、族群、交 通、政治因素的影響下，桃園市除了屬於山地區域的復興區外，其餘自清代以降即概分為南、北 桃園二區 1，分別以中壢區、桃園區為核心都市，二區在生活機能上長久以來即分屬兩個都市影 響圈2。在各異的發展背景下，土地利用變遷情形與影響因素之異同，亦為值得探討之議題。 關於土地利用等空間分布現象之特性，Tobler 於 1970 年即提出地理學第一定律「任何事物皆 與其他事物相關，然而鄰近的事物比遠的事物相關程度更高」，指出了地理分布現象具有空間關聯 性的特質，違反古典統計中樣本獨立的假設；且地理分布現象的空間差異，亦違背了古典統計要 求所有樣本來自同一母體的假設（Anselin, 1988）。因此一系列用以分析空間資料的統計與計量方 法自1970 年代起逐漸被發展，對原有的古典統計方法加以修正，使其能適用於空間資料的分析。 基於此背景，本研究嘗試將空間效應的影響力亦納入土地利用變遷模式加以討論，期能更真實地 呈現桃園地區的土地利用變遷脈絡。 基於前述動機，本文提出兩點研究目的。一為掌握桃園地區土地利用變遷的空間分布及聚集 型態；二為分析桃園地區建成地變遷的各類影響因素，並探討建成地變遷模式中的空間效應。文獻回顧
（一）桃園地方發展
早期地理學者對於桃園地方發展的研究多採都市階層體系及都市影響圈等傳統計量地理觀點 探討，以克里斯徒勒（Walter Christaller, 1893-1969）的中地理論為基礎，藉由問卷調查與分級評 點方法，解析都市發展的結構，並呈現地方生活圈的範圍（鍾志章，1979；簡志雄，1985；賴如 崧，1987；曾繁浩，1995）。其貢獻為提供後人對於桃園都市發展結構及地方生活圈的劃分依據， 透過這些文獻，再次確定了桃園市南北二元發展的事實，而區域差異勢必將造成全域模式不適用。 此外亦有自歷史地理觀點切入者，探究移民祖籍、生活空間、政治力量於歷史脈絡上如何影 響桃園地區的發展特性，藉由文獻分析、田野調查與訪談，對桃園地區過往發展及區域特性做了 極佳的闡釋（陳雪玉，2003；唐菁萍，2005；林雅雯，2012）。但此類研究在土地利用分布及變遷 的空間型態描述上則較顯薄弱。 近年來陸續有研究以量化方法來分析桃園都市發展對於土地利用型態的影響。其利用衛星影 像、國土利用調查等各類圖資取得土地利用或土地覆蓋資料，並透過各種方式，對各類土地利用 （特別是建成地）進行度量，或建立解釋/預測模型（劉其輝，2005；Huang et al., 2009；陳惠玲， 1 係以清代南北陸路交通的相對概念定義，由於往新莊為北上、至竹塹城為南下，故以桃園區為主的六行政區為北 桃園、以中壢區為主的六行政區為南桃園，實際地理位置上桃園區及龜山區在東、中壢區及楊梅區在西。 2 北桃園以桃園區為核心，另包括八德、大溪、龜山、蘆竹、大園五區；南桃園以中壢區為核心，另包括平鎮、楊 梅、龍潭、觀音、新屋五區。2010）。其模型設定、影響因素選取、以及分析成果都是本研究重要的參考依據。然而這些研究仍 將桃園地區視為單一整體，忽略了地理現象發展的局部空間差異，故有需要使用以新的方法來捕 捉現象關係的空間變異性。
（二）土地利用變遷
1. 變遷型態的度量 從事土地利用變遷研究的第一步需先掌握變遷的實際情況，即透過各種度量方法取得土地利 用的相關資訊，以作為後續分析的基礎。丁志堅（2002）將度量的類型歸納整理成：量的度量、 空間型態的度量、衍生資訊的度量三類。量的度量又可分為「各類型土地數量的時間變化」，和「時 序上各土地類型轉換為其他類型數量」二種，是土地利用變遷研究的根基。空間型態的度量則以 空間型態與結構變遷的計量方法描述土地利用變遷，分析斑塊（patch）於時序上的幾何變化，透 過指標的計算將變化程度予以量化呈現（吳振發、林裕彬，2006；Huang et al., 2009）。衍生資訊 的度量則是利用空間分析的計量方法，將繁複的土地利用變遷資料轉換為系統性的空間資訊，相 關研究如周天穎等（2003）、Kamusoko et al. (2009)。 2. 變遷模式的建構 另一類研究為對土地利用變遷的情形，透過模式的建立來進行預測或解釋。Lambin et al.（1999） 將其歸納成文字敘述法（narrative）、行為者基礎模型（agent-based model）、系統/結構觀點（systems / structure perspectives）三類。其中文字敘述法大多藉由文獻回顧、田野調查、訪談等方式重建過 往土地利用實況，並討論土地利用的數量及型態在時序上的演變。行為者基礎模型由下而上地探 討每一個作用於土地利用變遷的行為者（agent），其個體本質、理性選擇、認知意象、偏好等來 瞭解土地利用行為的決策過程（Ligtenberg et al., 2004）。系統/結構觀點主要從社經結構、政策制 度、自然環境等面向剖析結構性因素對土地利用變遷的影響，以及不同時空尺度層級下的土地利 用變遷機制，是近年土地利用變遷研究的主流。當中的單一土地利用變遷模型常被用來探討都市 擴張、林地退化等現象（Cheng & Masser, 2003; Kamusoko et al., 2009; Long, 2010）。由於不同研究對於土地利用變遷的關心層次各異，因此選用何種變遷模式端視研究目的而定， 如系統模型僅以區域間的結構性差異推導土地利用變遷影響因素，相對地，行為者基礎模型則忽 略了大環境對土地利用的影響及限制。然整體而言土地利用變遷模型的內涵必包括了「土地利用 於何處改變」及「土地利用如何改變」二者，使空間外顯（spatial explicit）形式得以彰顯。 3. 變遷因子的探討 另一方面，「土地利用變遷的影響因子為何」亦是探討土地利用變遷的核心問題（Briassoulis, 2000），唯有辨明影響因子，才得以描述及了解土地利用變遷後複雜的互動機制。如丁志堅（2002） 將土地利用變遷的驅動力分為社會作用力、個體決定因子、空間決定因子三面向；Fox et al.（2003） 將土地利用/覆蓋變遷的作用力區分為直接作用因子（proximate cause）與潛在驅動力（more distal forces）二類；鄒克萬、張曜麟（2004）歸納出自然環境、社經環境、立地環境、計畫環境、五大 類都市土地利用變遷的影響因素。眾多研究進一步指出在相異的空間尺度下能觀察到的土地利用 類型不盡相同，各種驅動力的影響性也會各異其趣，故土地利用變遷影響因素的選取尚須考量其 在不同尺度下的適用性（Veldkamp et al., 2001; Briassoulis, 2001）。
141
藉由對桃園地方發展與土地利用變遷相關文獻的爬梳，本研究將桃園地區建成地變遷的潛在 影響因素分為社會經濟條件、交通區位、政策規劃、初始土地利用四個面向，各面向潛在影響因 素之選取與建置將於後文再行詳述。（二）空間統計
空間統計是一種基於地理關係（geo-referenced）的統計方法，將空間關聯加入統計中對變項 進行分析，以獲取事物於空間中的分布規律及結構，並處理空間相依性（spatial dependence）與 空間異質性（spatial heterogeneity）二類空間效應（Anselin, 1998）。地理學探討「人─地互動」關 係勢必對於空間的互動特別關注，因此利用空間統計得以更有效地挖掘地理現象背後隱含的意義， 其分析方法可分為探索式空間資料分析（exploratory spatial data analysis, ESDA）及空間迴歸模型 二類。1. 探索式空間資料分析
探索式空間資料分析是一種由資料驅動的探索過程，通過資料分析來發現問題、辨識異常區 位、偵測空間聚集型態或其他形式的空間異質性（Anselin, 1998）。依研究尺度可分為全域型空間 自相關（global spatial autocorrelation）與區域型空間自相關（local spatial autocorrelation）方法。 全域型空間自相關可測量全區整體的空間自相關性，其中最具代表性的度量指標為Moran’s I（Cliff & Ord, 1973）。區域型空間自相關指標則可用以衡量區域內的局部性空間關聯特性，找出空間聚 集的型態。常用者有 Anselin（1995）發表的區域型空間關聯指標（local indicators of spatial association, LISA）和 Getis & Ord（1992）提出的 Getis-Ord G G ) 統計指標等方法。
探索式空間資料分析於土地利用變遷研究上可具體描述土地利用的空間分布、辨識特異區、 呈現土地利用的空間聚集性與暗示空間體制（spatial regimes），此外亦可用於檢驗土地利用變遷 模式中殘差值的空間分布特性。已被廣泛應用在眾多研究中（朱建銘，2000；賴進貴等，2004）。 2. 空間迴歸模型 空間異質性（spatial heterogeneity）表示在空間分析中函數型態或係數受到個人愛好與態度、 管理制度、政府政策、環境等條件差異的影響，會隨著地理位置不同而產生變數間關係的改變或 飄移（drift），形成空間不穩定（non-stationarity）。由於傳統線性迴歸視影響因素為靜態，對依變 項的作用為全區均值，並假定誤差項為變異相等，這些假設前提使固定的迴歸係數無法表現空間 局部差異，並使迴歸模型產生偏誤（Fotheringham et al., 2002）。 空間異質性在迴歸模型中以變異數異質的形式表現結構的不穩定性，當結構不穩定具特定空 間型態時，空間異質性會與空間自相關共同出現，此時傳統迴歸將產生偏誤而不再適用（Anselin & Griffith, 1988），這時可以用局部迴歸來改進，如 Casetti（1972）提出的空間擴張方法（spatial expansion method），此模型將係數視為自身地理座標位置的特定函數，讓每個觀察點皆具有獨自 的迴歸係數，使係數分布的空間變化可被度量。但由於空間擴張模型的係數變化取決於X,Y 座標 位置，因此只能呈現單一的變化趨勢，對於分析較複雜的空間現象有其侷限性（鄒克萬、張曜麟， 2004）。此外，隨機係數模型（random coefficient model）將迴歸係數的異質性視為隨機變量，但 未能考慮到係數分布的空間結構（Swamy, 1970）。空間調適濾波（spatial adaptive filtering）則是 透過對臨近觀察點間係數「估計─修正」的迭代運算來適應迴歸係數的空間漂移，然而缺點為係
數無法進行統計檢定（Foster & Gorr, 1986）。多層次模型（multilevel model）中迴歸係數為已知區 域變數的函數，使同一迴歸式的係數在不同地理位置有不同的值，然而區域之劃分需為先驗存在， 且係數分布在區域邊界將具不連續性（Goldstein, 1987）。
在上述眾多局部迴歸方法研究的基礎上，Fotheringham et al.（1996）發展出的地理加權迴歸 （geographically weighted regression, GWR），是近年來探討空間異質性問題常用的模式，通過讓 係數估計值隨空間位置變化，捕捉因結構不穩定所導致的殘差空間聚集現象。Fotheringham et al. （1998）的研究證實了相對於空間擴張模型中單一的係數變異趨勢，地理加權迴歸的局部係數估 計能呈現較高的變異自由度與較複雜的空間型態，獲得較佳的模型解釋力。
地理加權迴歸在土地利用變遷與地理學上的應用已日漸普遍。相關研究如Luo & Wei （2009） 利用Logistic GWR 模型分析南京地區都市用地的空間型態與變遷因素；Clement et al.（2009）以 地理加權迴歸分析越南Hoa Binh 省林地轉變的驅動力；Lin & Wen（2011）以 GWR 模式分析高 雄─鳳山地區幼蚊及人口密度對登革熱發生率之空間關係與空間異質性；張國楨等人（2011）透 過地理加權迴歸分析台北市醫療資源分布與老年人口比、土地利用型態間的關係。 部分研究對地理加權迴歸模式進行了擴展。如Brunsdon et al.（1999），引入驗證係數空間漂 移的檢定方法，提出混合地理加權迴歸（mixed GWR），將變數分為全域與局部二類，使模式具 有更加的解釋力。此研究考慮到並非所有變項都存在空間異質性之論點，引發本研究進行半參數 地理加權迴歸分析的構想。
研究方法
（一）研究區界定
考量研究區整體性及資料取得與處理成本，將桃園市內面積最大但建成地及人口稀少，且與 主要建成地分布無接連的復興區排除。故本文定義之「桃園地區」實為扣除復興區後的12 個區， 面積871.96 平方公里、人口 2,030,161 人（2012/12/31）。（圖 1） 圖1 研究範圍料取 區之 政區 為了 將村
（二
類標 置地 移矩 （bu 年村 本研 matr 空間 鄰與 近於 時， 空間 下： 由於土地利用 取得訂為1995 之一，而人口增 在考量研究目 區界不斷增修調 了建置跨時期的 村里單元進行整二）土地利用
由於1995 年 標準的統一，本 地、農業用地 矩陣掌握土地利 而後於村里層 uilt-up area ch 其中BCI 表 村里建成地面積 進一步以探索 研究所有空間 rix）定義之， 先使用Mora 間延遲間的相關 式中表區域內 與否構成 矩 於-1 表示空間離 在顯著水準p 接著透過Ge 間單元賦予一個 用圖資採用19 年至2006 年 增加與工商產 目的、資料品 調整，1995 年 的變遷資料，因 整併後留下35用變遷分析
年、2006 年兩 本研究將兩次 、水利用地、 利用類別間的 層級建置建成 ange index, B 示村里單元在 積，BA1995為 索式空間資料 權重矩陣皆以 即當村里單元 an’s I 統計量確 關係數，反映 內有n 個村里 矩陣。Moran’s 離散程度愈強 p=0.05 下當Z etis-Ord Gi*方 個指標值，代 995 年與 2006 年，其間桃園無 產業發展勢必帶 品質及軟硬體限 年桃園地區12 因此根據行政 57 個村里做為 兩次國土利用調 次調查的土地利 其他等7 類 的變遷情形。 成地變遷資料 CI）呈現時期 在 1995 年至 1995 年村里建 料分析偵測建成 以最廣泛被使 元共線或共邊 確定建成地變 映空間接鄰村里 里單元，每個單 I 值收斂於 1 強，趨近於0 則 I 1.96代表 方法尋找建成地 代表該空間單元 6 年二次國土 無論在人口成 帶動建成地需 限制下，以村 2 個鄉鎮市中僅 政院統計處「中 為研究基本單 調查在方法及 利用資料進行 ，作為後續分 ，此處參考Ti 期內建成地比例 2006 年間建成 建成地面積， 成地的空間聚 使用的一階相 邊即為相鄰 變遷指數的空間 里屬性值的相 單元內皆有觀測 1 與-1 之間， 則表示空間過 表區域內空間 地變遷的空間 元與鄰近空間 土利用現況調查 成長率、工商業 需求增加，故以 村里作為分析的 僅有359 個村 華民國行政區 單元，與二年度 及分類標準上不 行再分類，整併 分析之用，並將 ian（2005）的 例的變化，表 成地面積百分 TA 是村里總 集型態。為簡 相鄰后矩陣 1，反之無 間自相關性， 似程度，形式 測值 ， 為觀 愈趨近於1 代 過程隨機。對 間單元具有空間 冷、熱點，以 單元間屬性特 查之成果，故 業發展上皆為 以此為時間範 的最小空間單 村里，2006 年 區域及村里代 度的村里個數 不盡相同，為 併成：建成地 將二年度交叉 的方法，使用 表達形式為： 分比的變動量 總面積，單位皆 簡化空間關係 （1st contigu 無相鄰 0 Moran’s I 可 式為： 觀測值平均，村 代表空間聚集 Moran’s I 值 間自相關性。 以呈現空間型 特徵的空間聚1
時間範圍配合 全台最迅速的 圍有其代表性 元。由於村里 增加到461 個 碼增刪修訂表 皆不相同。 達到土地利用 、交通用地、 比對，以面積 建成地變遷指 ，BA2006為 2 皆為平方公里 及增加實用性 uity order qu 0。 視為觀測值與 村里單元i,j 的 程度愈高，愈 進行顯著性檢 態。其對每一 集程度，形式43
合資 的地 性。 里行 個， 表」， 用分 、空 積轉 指數 (1) 006 里。 性， ueen 與其 (2) 的接 愈趨 檢定 一個 式如 (3)式中 所建構的接鄰關係亦包含了位置i 與其本身的接連 ，若空間單元內 為正值， 表示該空間單元與鄰近單元的觀察值皆為高值，是空間熱點（hot spots）所在，反之負值則為空 間冷點（cold spots）。在顯著水準 p=0.05 之下，當Z 1.96代表區域內空間單元為顯著的空間 熱點；Z 1.96 代表為顯著的空間冷點。
（三）建成地變遷因素選取與處理
根據研究目的，在細究各變數的代表意義與可取得性後，共計選取四個面向9 個潛在影響變 數討論之，以下分就各類變數的選取原因及處理方式進行說明（表1）。 表1 迴歸模型投入變項表 類別 變數 單位 操作性定義 時間 依變項 建成地變遷指數 % 建成地佔村里面積比例的改變量 1995-2006 社會 經濟 人口密度變遷 人/公頃 單位面積戶籍人口變遷量 1995-2006 二級產業員工成長 ln（人/公頃)單位面積二級產業員工成長量 1996-2006 三級產業員工成長 單位面積三級產業員工成長量 交通 區位 與火車站距離 公里 村里中心點至縱貫鐵路火車站之直線距離 1999 與交流道距離 村里中心點至高速公路交流道之直線距離 政策 土地使用計畫 % 都市計畫區與編定工業區佔村里面積比例 2006 初始 土地 原工業用地比例 % 1995 年工業用地面積比例 1995 原空置地比例 1995 年空置地面積比例 原農業用地比例 1995 年農業用地面積比例 1. 社會經濟 係指緣於外在社經環境之先決條件作用力，影響土地利用型態。本文選取人口變遷、二三級 產業員工成長量做為影響因素。較高的人口成長意味該地有較為迫切的土地需求，特別是住宅的 需求，需求伴隨著利潤，將使土地開發者理性地選擇效用最大的土地進行開發，遂形成建成地之 發展；工商產業的發展亦會吸引人口移入與建成地開發。1995 年人口資料取於各鄉鎮市戶政事務 所、2006 年則來自內政部戶政司戶籍人口統計（圖 2）；從業員工資料取自主計處工商及服務業普 查，將行業類別歸併為二、三級產業二類，分別計算各村里二年度間二、三級產業的單位面積從 業員工成長量3。 2. 交通區位 交通區位是影響土地利用變遷的重要因素，一地交通設施可及性高，土地開發的機率亦將隨 之提高。本研究選取與火車站距離、與交流道距離作為交通區位因素。火車站僅選取縱貫鐵路沿 線的車站，支線桃林鐵路各通勤車站因班旅次極少故不納入分析。交流道定義為國道高速公路與 平面道路的匝道系統，因此排除作為國道銜接用途的系統交流道，另專為桃園國際機場劃設的機 場端匝道因功能不同亦不投入（圖3）。 3 因 BCI 值與二、三級產業員工變遷量皆呈 型相關，故透過數值轉換，將村里單元中此二變數值 1者取自然對 數、 1者設為 0，取得「二級產業員工成長」及「三級產業員工成長」兩個新變項，屏除二、三級產業從業員 工衰退的效應，僅探討從業員工成長所帶來的影響。145
圖2 1995-2006 年人口密度變遷圖 圖 3 火車站與交流道分布圖 3. 政策規劃 政府政策與土地使用規畫對土地利用開發具有一定程度的導向性與限制性。本研究引入都市 計畫區、非都市土地編定開發工業區（後文簡稱編定工業區）作為此層面的代表變數。都市計畫 區範圍基於內政部營建署「非都市土地使用分區圖」，對照桃園市政府都市計畫樁位查詢及管理系 統編修取得；編定工業區亦取自「非都市土地使用分區圖」，對照桃園市統計要覽、工業局工業區 成效開發報告編修出範圍。後將村里單元內二者面積加總並計算其占村里總面積比例，作為土地 使用計畫指標（圖4），預期位於計畫區域內的土地有較大的潛在開發性。 4. 初始土地利用 土地本身的屬性會影響發展的可能性，如空置地常作為建成地開發的預備用地，林地及水利 用地可能受環境保育政策而限制開發。本研究以村里單元內工業用地、空置地、農業用地面積比 例做為自變數，藉以描述各類土地利用對建成地開發的關係。1995 年工業用地選取第一次國土利 用調查第三級分類中的「工業」、「工業相關設施」、「倉儲」三項定義之，含括了都市計畫工業區、 非都市土地丁種建築用地、非都市土地編定開發工業區三者。（圖5） 圖 4 都市計畫與編定工業區分布圖 圖 5 工業、農業用地、空置地分布圖
（四）建成地變遷模式建立
1. 多元線性迴歸（Multiple Linear Regression, MLR）
空間迴歸是自傳統線性迴歸為基礎進行擴展，以處理空間效應問題，因此需由基本的多元線 性迴歸出發，推估建成地變遷的因素。設一組隨機抽樣依變項y 與固定自變項 的 MLR 模型為：
∑ ε ~ 0, (4)
當中 為常數， 為係數向量， 為殘差，一般以普通最小平方法（ordinary least square）估 計係數，故亦稱「OLS 迴歸」。為使模式為最佳線性不偏估計（best linear unbiased estimator, BLUE）， 誤差項須符合獨立同分配（independently identical distribution, iid）。
對多元線性迴歸係數進行統計推論前，須確定模式的設定是否恰當。第一步先檢視各變項是 否符合OLS 迴歸基本假設，包括：利用散點圖檢視依變項與每一個自變項間是否為線性關係及是 否存在極端值或異常值（outliers）；透過相關係數矩陣，以相關係數絕對值|r| 0.7為限制門檻， 排除自變項間的嚴重多重共線性（multicollinearity），以此對投入的變項進行篩選或數值轉換。 最後確認殘差是否符合線性迴歸假設。由於實際上土地利用單元間並非獨立，且背後的自然 環境、社經因素亦非均質，使得OLS 迴歸的估測常發生平均化效應與誤差項自相關問題，誤差項 自相關將導致標準誤產生偏誤而使 F 檢定與 t 檢定失效，R2也會不精確。對此，本文藉由 Breusch-Pagan 法檢定殘差變異數是否同質，如檢定結果顯著表示殘差具有變異數不穩定性，違反 線性迴歸假設。當殘差變異數不穩定與空間自相關同時出現時，即適合使用地理加權迴歸修正。 最後殘差須服從常態分配，本研究以單樣本Kolmogorov-Smirnov 進行檢定。 2. 地理加權迴歸 本研究使用由Tomoki Nakaya 等人組成的開發團隊所製作之 GWR4 軟體來進行地理加權迴歸 的校估。地理加權迴歸延伸自傳統迴歸理論的分析方法，加入空間座標作為加權變項，允許自變 項係數隨空間呈現連續變化，能體現空間不穩定性。其將多元線性迴歸方程式修改如下： , ∑ , ~ 0, (5) 當中 , 為空間點i 的座標， , 為點i 的迴歸係數， 為各空間點誤差項，模式中每 個觀察值皆賦予一個權重 ， 為 的單調遞減函數，以加權最小平方法（weighted least square, WLS）進行參數估計，點 i 的係數 為：
(6) 其中 為n n的空間權重矩陣，且只有對角線為非 0 數字，透過不同的空間核函數定義之。 一般常用的空間核函數有高斯（Gaussian）函數與雙平方（bi-square）函數二種。
空間核函數的帶寬分別可以固定核心（fixed kernal）及調適核心（adaptive kernal）二種方式 採樣，固定核心對於局部迴歸的帶寬設定以距離遠近為標準，適用於樣本點分布均勻的條件下；
調適 寬較 型態 敏感 criter 最小 間變 數 全 （se 下： 中使 表示 數的 每一 設定 屬於
（一
通用 適核心則以距離 較小、樣本稀疏 態而定，不同權 感（Fortheringh 最適帶寬的選 rion, AICc）法 其中 為誤差 小AICc 值時， 然而實際上模 變化並不顯著 全 域 定 值 的 擴 miparametric ∑ 式中 為具全 使用地理變異性 示該變項無顯著 由於本研究以 的選取上採用高 一個局部迴歸式 式中 為調 定下限為局部迴 於局部變係數或一）土地利用
桃園地區整體 用地、水利用地 離內樣本點數 疏區帶寬較大 權重函數的選 ham et al., 200 選取採最廣泛 法，其表達形 差項標準差、 此即為最佳帶 模式中往往並 （Brunsdon et 擴 展 型 地 理 加 geographicall , ∑ γ 全域固定係數 性檢定（geogr 著空間變異性 以村里為最小 高斯調適核心 式都具足夠的 exp 調適帶寬樣本數 迴歸的自由度 或全域固定係用變遷
體土地利用以 地面積則較小 數量為考量，其 大。空間核函數 選擇對係數估計 02）。 泛使用的小樣本 形式如下： 是帽子矩 帶寬。 並非所有迴歸係 t al., 1999）。 加 權 迴 歸 被 發 ly weighted re γ 數γ 的自變項 raphical variab 性。 小分析單元，村 心（Gaussian ad 的樣本，形式如 數量，以k 個 度不低於30。初 係數，以此建構結
以農業用地所占 。各類土地利 其帶寬會隨著 數類型與帶寬 計影響並不大 本修正赤池信 矩陣（hat mat 係數都具空間 。對此一種讓 發 展 出 來 ， gression, S-GW ~ 0, ，常數可以是 bility test）辨 村里單元面積 daptive kernal 如下： 個最近鄰單元定 初步迴歸結果 構半參數地理結果與討論
占面積最廣， 利用於11 年間 著樣本點疏密程 寬採樣方式的選 ，然而特定函 息量準則（c rix）的痕跡 變異性，可能 讓模型中部份係 依 其 結 構 被 WR）。半參數 是局部係數 辨識係數特性， 積大小及分布並 l），其帶寬會 定義之。最適 果再透過地理變 理加權迴歸。論
其次為建成地 間皆有相當程度 程度而改變， 選用視研究區 函數的帶寬則 orrected Akai （trace），特 能有部份係數 係數隨空間座 稱 為 半 參 數 數地理加權迴 , 或全域 ，若Diff of Cr 並不均勻，因 會隨樣本疏密 空間帶寬以A 變異性檢定， 地、林業用地 度的變化，當1
在樣本密集區 樣本多寡及分 對係數估計十 ike’s informat 定帶寬下模式 空間穩定，或 標變化、部分 數 地 理 加 權 迴 歸的形式描述 域係數γ 。GW riterion 為正值 此在空間權重 而變動，可確 AICc 法決定， 判別各迴歸係 ，而空置地、 中建成地面積47
區帶 分布 十分 tion (7) 式有 或空 分係 迴 歸 述如 (8) WR4 值， 重函 確保 (9) ，並 係數 、交 積增加了近52 平方公里，反映出桃園地區近年來迅速地發展趨勢；同期農業用地則衰減約 57 平方公 里，呈現耕地面積的快速流失。以土地利用面積轉移矩陣進行交叉比對（表2）。當中面積轉移量 最大者為農業用地→建成地（40.57km2 ），代表有大量農業用地因應發展轉為城鄉建設用地；自轉 移機率而觀，變遷幅度最大者為空置地→建成地（49.63%），顯示前期空置地在 11 年間泰半被開 發為建成地，是重要的發展預備地。 表2 桃園地區1995-2006年土地利用面積轉移矩陣表（單位：km2） 2006 1995 建成地 交通用地 空置地 農業用地 林業用地 水利用地 其他 合計 建成地 93.11 9.79 4.47 9.65 4.73 0.76 2.15 124.67 (0.7468) (0.0785) (0.0359) (0.0774) (0.0379) (0.0061) (0.0173) 交通用地 10.66 25.41 1.34 9.33 2.08 1.33 1.31 51.45 (0.2071) (0.4940) (0.0260) (0.1813) (0.0403) (0.0259) (0.0254) 空置地 11.27 2.28 2.46 2.92 1.35 0.28 2.15 22.71 (0.4963) (0.1004) (0.1084) (0.1286) (0.0592) (0.0122) (0.0948) 農業用地 40.57 17.82 15.18 264.04 19.03 8.33 13.89 378.85 (0.1071) (0.0470) (0.0401) (0.6969) (0.0502) (0.0220) (0.0367) 林業用地 6.54 2.93 1.74 7.10 60.46 1.39 8.75 88.91 (0.0736) (0.0329) (0.0196) (0.0799) (0.6799) (0.0156) (0.0984) 水利用地 4.52 3.17 1.60 20.24 3.01 18.63 3.69 54.87 (0.0824) (0.0578) (0.0292) (0.3689) (0.0549) (0.3396) (0.0673) 其他 9.94 3.24 2.91 8.43 18.59 1.72 47.44 92.28 (0.1078) (0.0351) (0.0315) (0.0913) (0.2015) (0.0187) (0.5141) 合計 176.62 64.64 29.70 321.71 109.24 32.44 79.38 813.74 註：( )內為土地利用轉移比例 1995 年桃園地區建成地總面積為 12,467 公頃，至 2006 年增加為 17,660 公頃，於 11 年間成 長率達41.6%，占整體土地利用比例由 15.33%提升至 21.72%，發展幅度之鉅由此可見（圖 6）。 進一步將建成地變遷情形整合至村里單元，建構1995 年至 2006 年間的村里建成地變遷指數，作 為後續建成地變遷模式之依變項。為確保模式的正確性，將第一次國土利用調查中村里單元缺圖 比例達50%以上的大溪區美華里、福安里、復興里、新峰里、康安里、義和里排除不予討論。此 外，檢視村里單元之特異樣本（outliers），將因眷村拆遷改建造成 BCI 值偏離平均值 3 個標準差 以上的楊梅區四維里、楊梅區金龍里、蘆竹區大華村三村里剃除，因此357 個村里單元中，投入 建成地變遷分析者僅剩餘之348 個村里。 接著透過探索式空間資料分析，探討建成地變遷的空間型態特徵。在一階相鄰后矩陣定義下 1995 年至 2006 年間村里建成地變遷指數的 Moran’s I=0.34（p<0.001），表示村里建成地變遷有空 間聚集現象，建成地變遷指數高的村里，周圍村里也具有高建成地變遷指數的特性，反之亦然。 而後以Getis-Ord Gi*指標辨識空間聚集的分布型態（圖 7）。1995-2006 年間建成地變遷指數 的空間聚集熱點多是沿著原建成地分布範圍擴張，大致可分為中壢平鎮市區外圍、桃園市區外圍、
149
龜山公西地區三個部分。中壢平鎮市區外圍熱點有兩區，一為環中東路以南的內壢及龍岡市區之 間，二為環南路兩側沿縣道113（中豐路）、台 1 線（延平路）往市區及平鎮北勢擴展。桃園市區 外圍熱點也分南北二區，北約略以三民路（舊市區外環道）為界，往北至蘆竹區公所一帶，此區 又可以國道1 號及南崁溪分為三個群集，國道 1 號以北為蘆竹南崁地區、以南的南崁溪東側為 1990 年代開發的大有路周邊，西側為2000 年後發展迅速的藝文特區周邊；市區往南自後火車站沿台 4 線往八德大湳為另一建成地變遷熱點。龜山區受到地形切割，主要建成地變遷熱點位於林口台地 上的公西地區，係林口都市計畫區的開發及華亞科技園區設置所致。建成地變遷冷點則絕大多數 位於新屋區；此外八德舊市區東邊台4 線與縣道 114（興豐路）交會處亦為一空間冷點，乃由於 工業區轉型及眷村改建之故。 圖6 建成地變遷分布圖 圖7 建成地變遷空間聚集區（二）多元線性迴歸
多元線性迴歸模式通過F 檢定（p<0.0001），adjusted R2=0.561，AIC 值為 2066.78。表 3 呈現 各變項係數值與t 檢定，所有變項皆達到顯著水準，「原空置地比例」、「土地使用計畫」| |最大， 其次為「原農業用地比例」、「與交流道距離」，顯示這些因素較大程度地影響了建成地的變遷。另 外各變數VIF 值皆遠低於 5，顯示模式中不存在共線性問題。 表3 多元線性迴歸分析結果 變項 係數 t 值 VIF 社會經濟 人口密度變遷 0.036 3.907** 1.414 二級產業員工成長 0.261 2.647** 1.163 三級產業員工成長 0.226 2.067** 1.489 交通區位 與火車站距離 0.310 3.635** 1.570 與交流道距離 -0.402 -4.252** 1.554 政策條件 土地使用計畫 0.059 6.598** 2.358 初始土地 原工業用地比例 -0.110 -3.891** 1.077 原空置地比例 0.450 9.365** 1.916 原農業用地比例 0.063 4.805** 2.066 *: p<0.05; **: p<0.01於社會經濟條件面向，「人口密度變遷」、「二級產業員工成長」、「三級產業員工成長」皆為建 成地發展的正向因素，顯示建成地的開發呼應了住宅與工商產業用地需求。在交通區位層面，「與 火車站距離」為正向影響因子，代表距離火車站愈近建成地成長幅度愈低，或甚至衰減，判斷乃 由於桃園地區各火車站周遭皆為發展悠久的舊市區，幾已無可開發之土地所致；「與交流道距離」 為負向因素，意味新增建成地傾向於分布在靠近交流道之處。「土地使用計畫」為正向因子，可知 政府施行都市計畫與工業區編定處具有較高的建成地開發可能性。 最後在初始土地利用層面，村里「原工業用地比例」愈高者，愈不利於新建成地的發展，這 是由於自1980 年代末期開始，隨著產業結構轉型，舊有的都市計畫工業區在土地法令、規模上已 不敷高科技廠房需求，而原有的傳產業搬遷後的棄置廠房又受限於法規難改做其他用途；「原空置 地比例」與「原農業用地比例」皆為正向因素，二者相當程度地提供了建成地發展空間。由上述 分析可推論桃園地區近年來快速的人口成長及工商業發展帶動了建成地開發，使大量空置地與農 業用地轉為建成地，都市計畫與工業區編定對建成地變遷分布具有相當程度的導向性，且有傾向 鄰近高速公路交流道之趨勢，此外工業轉型亦在過程中扮演了重要角色。 根據線性迴歸假設，誤差項應服從隨機獨立分佈、常態分配、變異數同質等特性。本研究使 用Moran’s I 檢定殘差隨機分佈特性得到 I=0.100（p=0.001）達顯著水準，顯示殘差分布具空間自 相關。另外變異數異質性檢定結果Breusch-Pagan=71.38（p<0.0001），加上殘差有空間自相關，可 得知殘差值具有強烈的空間不穩定性，適合以地理加權迴歸來分析。
（三）地理加權迴歸
1. 配適度檢定 以地理變異性檢定發現常數、「土地使用計畫」、「三級產業員工成長」三變項不具有顯著的地 理變異性，使用LtoG 逐步法篩選後常數、「土地使用計畫」二者被摘選為全域變項，以此建構半 參數地理加權迴歸。結果顯示，S-GWR 的 adjusted R2 達0.620，較多元線性迴歸（adjusted R2=0.561） 有明顯的提升，且AICc 值亦由 2069.57 下降至 2037.42，意味著 S-GWR 模式比傳統線性迴歸對 建成地變遷的影響因素具有更好的解釋力與模型配適度，且從K-S 與 Moran’s I 檢定的結果可知， 誤差項已呈現常態隨機分布之特性（表4）。 表4 MLR、S-GWR 模式配適度比較 MLR S-GWR Adjust R2 0.561 0.620 AICc 2069.57 2037.42 Kolmogorov-Smirnov 1.348 1.290 Moran's I of residuals 0.100** 0.004 *: p<0.1; **p<0.05 圖8 Local R2 分布圖151
由Local R2 分布（圖8）觀察，S-GWR 模式在沿海行政區的平地及桃園區有較佳的解釋力； 以平鎮山仔頂、南勢為中心，往周圍的龍潭烏樹林、楊梅埔心、中壢龍岡等地解釋力相對較低， 整體而言348 個村里的 Local R2 平均值為0.647，在 99%的區域擁有比多元線性迴歸更佳的解釋 力。 多元線性迴歸與半參數地理加權迴歸的分析結果整理於表5、表 6。表 5 比較了 MLR 與 S-GWR 的全域變項係數，二者的常數項皆不顯著，「土地使用計畫」於二模式中都是建成地變遷指數的正 向因子，但在S-GWR 中影響力略降；表 6 呈現 MLR 和 S-GWR 的局部變項係數，可看出 S-GWR 模式各變項係數值明顯的漂移情形，甚至有在不同地區出現正反兩向影響的情況。以下透過各局 部變項的係數分布圖逐一討論。 表5 MLR與S-GWR全域迴歸係數統計 全域係數 MLR S-GWR 係數 t 值 係數 t 值 常數 -0.958 -0.81** -0.522 -0.25** 土地使用計畫 0.059 6.59** 0.055 5.73** *: p<0.1; **p<0.05 表6 MLR與S-GWR局部迴歸係數統計 局部係數 MLR S-GWR 係數 平均值 標準差 最小值 最大值 | | 1.96 人口密度變遷 0.036** 0.030 0.015 0.000 0.064 55.5% 二級產業員工成長 0.261** 0.143 0.115 -0.181 0.390 15.2% 三級產業員工成長 0.226** 0.150 0.161 -0.146 0.503 22.1% 與火車站距離 0.310** 0.428 0.232 0.180 1.192 45.4% 與交流道距離 -0.402** -0.541 0.190 -1.010 -0.075 70.1% 原工業用地比例 -0.110** -0.125 0.060 -0.249 0.000 74.7% 原空置地比例 0.450** 0.500 0.056 0.407 0.646 100.0% 原農業用地比例 0.063** 0.079 0.024 0.020 0.113 94.5% *: p<0.1; **p<0.05 2. S-GWR 局部係數討論 本研究參考Mennis（2006）的方法，將 S-GWR 模式中各局部變項的係數值與 t 值整併於同 張地圖，使能聚焦於顯著區的係數分布情形。具體作法為利用遮罩（mask），將 t 值介於-1.96 至 1.96 間的區域遮蔽，以便於僅呈現達顯著水準之村里單元的係數值。 (1) 住商發展 圖9 呈現「人口密度變遷」對建成地變遷的影響，其在沿海四行政區及龜山、桃園區、中壢 西北側、楊梅國道1 號以東有顯著相關，皆為建成地變遷的正向因素。影響程度最高處位於桃園 區藝文特區周邊至大有路商圈一帶，往北向蘆竹南崁地區延伸。圖10 為「三級產業員工成長」的 係數分布，僅於大園、蘆竹、龜山及桃園區西北部達顯著相關，亦對村里建成地變遷有正向影響，與「人口密度變遷」相似地，係數值在桃園區、蘆竹、龜山交界區域最高，往四周逐漸下降。 二變項影響力最高處皆大致落於蘆竹南崁，南崁新市鎮在沉寂近20 年後，於 1990 年代起受 到桃園市區發展飽和、工業結構轉型及交通建設影響，自1990 年代初期的大有路周邊及南崁地區， 到2000 年後的藝文特區周邊，是桃園地區近年住商發展最迅速的新興開發區，兩項係數的分布具 體反映出此地立體廠辦、批發倉儲、物流業等三級產業活動的發展，以及大量人口移入與高層住 宅開發案，推動了建成地的增長。 圖9 人口密度變遷係數分布圖 圖10 三級產業員工成長係數分布圖 (2) 工業發展 「二級產業員工成長」的影響顯示於圖11，此變項僅在蘆竹海湖、大園、觀音、新屋等沿海 地區與建成地變遷有顯著正向相關，係數值最高處位在台61 線西濱快速道路與台 66 線東西向快 速道路交會的觀音大潭一帶，是為大潭濱海特定工業區、觀音工業區等新興工業區所在地，往周 圍影響力漸減。圖12 呈現「原工業用地比例」的係數分布，在桃園南區的新屋、楊梅、平鎮，以 及龍潭北部、觀音西南區不具顯著影響，其餘地區對建成地變遷皆為負向效應，負相關情形在桃 園區的市區、中路地區、後火車站往八德一帶最大，往四周逐漸衰減。 圖11 二級產業員工成長係數分布圖 圖12 原工業用第比例係數分布圖
153
上述二者皆反映出桃園地區工業發展對建成地變遷的影響，由於產業結構升級，紡織、塑膠 製品、鋼鐵等傳統產業在成本提高下，於1980 年代後逐漸遷出，使許多都市計畫工業用地廠房被 棄置，如桃園區後站地區、台1 線中華路沿線、桃園區春日路沿線、八德大湳等地。同時又面臨 了桃園市區發展飽和，對住商用地的亟需，因而此時期眾多新建成地穿插在各小型工業用地間發 展，部分交通條件及生活機能較佳處的工業用地，亦漸被轉為批發倉儲等商業用途，或改建為工 業住宅，使得工業用地比例與建成地變遷呈現較顯著的負相關。 (3) 交通易達性 「與交流道距離」的效應呈現於圖13，除桃園區、龜山市區、中壢龍岡往南經平鎮延伸至龍 潭及大溪南興、瑞源一帶外，其餘地區皆和建成地變遷呈顯著的負向關係。在林口交流道、中壢 交流道周圍效應最強，內壢交流道、大湳交流道周圍次之，往西北及東南兩側漸趨緩。 交流道可提高一地城際交通的便捷度，白仁德（2000）指出桃園地區的交流道建設能改善區 位可及性，帶來人口群聚遞近遞增的增強效應，且約在5 公里內有較明顯的影響。本研究呼應了 此論點，林口交流道周圍的公西地區，因交流道之便，1980 年代初期規劃了工三工業區，帶動當 地住商發展，1998 年民間開發創立華亞科技園區，吸引國內外科技廠進駐，進一步推動了近年的 建成地開發；中壢、內壢交流道的設置，使貨物連結輸送便利，帶動周圍物流業與大賣場的興起， 並促進交流道周邊如平鎮宋屋、中壢中園路沿線新興住宅區的出現；八德在1997 年國道二號機場 系統至鶯歌系統段通車前後，受惠於南桃園交流道與大湳交流道的設置，使因化學製品、紡織、 鋼鐵等傳統產業外移而閒置的工業用地，得重新被更變為住宅、商業或工商綜合區之開發。 圖13 與交流道距離係數分布圖 圖14 與火車站距離係數分布圖圖15 原空置地比例係數分布圖 圖16 原農業用地比例係數分布圖 (4) 土地可發展性 圖14 為「與火車站距離」的迴歸係數分布，在平鎮、龍潭、八德、大溪、中壢的大部分區域， 以及楊梅埔心、桃園市區和後站地區不顯著，於其餘地區對建成地變遷皆為正向影響，係數值在 桃園區中路地區與龜山區中心最高，往沿海逐漸下降。「原空置地比例」的影響在全區皆達到顯著 水準（圖15），1995 年空置地比例愈高的村里單元，在往後 11 年間建成地增加比例亦愈高，相關 性在中壢平鎮市區最強，往四周逐漸衰減，另外在桃園龜山市區為相關性次高區域，沿海四行政 區及桃園區北區為影響力相對較低處。「原農業用地比例」係數僅在觀音及新屋部分地區不顯著（圖 16），在全區皆對建成地變遷呈正向影響，當中以八德沿縣道114 至中壢龍岡、中壢平鎮市區係數 值最大，以此為中心影響力向四周漸減；與「原空置地比例」相似地在沿海地區影響力較低。 上述三個變項的迴歸係數在空間分布上較為類似，當中「原空置地比例」係數與「原農業用 地比例」係數的相關係數更超過 0.7，故將三者共同討論，避免局部共線性造成係數解釋上的偏 誤。「與火車站距離」的係數分布判斷並非鐵路建設的影響，而是反映了該村里單元與桃園、內壢、 中壢、埔心、楊梅等區中心的距離，愈近者建成地開發程度較高，相對地可開發用地較為缺乏， 因此愈靠近市區係數值愈高，唯高值分布區僅在桃園市區周圍的龜山市區、中路等地達顯著水準； 「原空置地比例」與「原農業用地比例」變項從另一角度呈現了村里可開發用地比例，同樣地在 都市地區係數值較大，特別位於都會區核心的桃園市區、八德全區、中壢龍岡、中壢平鎮市區， 由於生活機能與交通便利性大致合宜於發展之需，因此可開發用地的來源成為關鍵因素。 3. 局部迴歸係數集群分析（Cluster Analysis） 半參數地理加權迴歸的局部迴歸係數分布展現出明顯的空間差異性，且部分變數間具有高度 相關性，對此本文使用非階層式集群分析中較廣泛被使用的K 平均數法（K-mean methods），採 歐幾里得距離衡量點與點間的距離，以村里單元作為分群樣本，將局部迴歸係數的分布進行空間 體制（spatial regimes）之劃分，以此呈現桃園地區建成地獨特的地方發展特性。
155
圖17 S-GWR局部迴歸係數集群分布圖 經嘗試後分成四個集群，各集群根據地理位置命名，分別為「桃園─龜山市區」、「中壢─平鎮 市區」、「北桃園地區」、「南桃園地區」（圖17）。四個集群的空間分布與傳統南、北桃園的分界頗 有相似之處，可有效體現桃園地區雙核心發展的地方特色。分群結果以8 個變項的係數值進行變 異數分析與Scheffe 多重比較檢定，確認四個集群內各變項的差異顯著性，結果呈現於表 7。 表7 S-GWR局部迴歸係數集群後ANOVA分析表 原始變數 桃園龜山 中壢平鎮 北桃園 南桃園 F 檢定 （村里=61) （村里=45) （村里=86) （村里=156) 人口密度變遷 0.042p 0.022q 0.028q 0.027q 25.7** 二級產業員工成長 0.035r 0.051r 0.131q 0.218p 85.7** 三級產業員工成長 0.228q -0.088s 0.316p 0.095r 206.1** 與火車站距離 0.844p 0.494q 0.417r 0.251s 568.6** 與交流道距離 -0.462r -0.817p -0.668q -0.425r 158.2** 原工業用地比例 -0.203p -0.115r -0.166q -0.077s 280.1** 原空置地比例 0.498q 0.606p 0.472q 0.485q 147.8** 原農業用地比例 0.082q 0.105p 0.084q 0.067r 42.3** 註1: * p<0.01, ** p<0.001 註2: 係數值右上標英文字母不同者代表該變數於二集群具顯著差異，反之亦然。 (1) 桃園─龜山市區 範圍包括桃園區多數里別及龜山西南側市區，為傳統上北桃園的核心都市地區。「人口密度變 空置地比例 (＋) 農業用地比例(＋) 與交流道距離(－) 與火車站距離(＋) 二級產業員工成長(＋) 三級產業員工成長(＋) 二級產業員工成長(＋) 與交流道距離(－) 工業用地比例(－) 人口密度變遷(＋) 與火車站距離(＋) 工業用地比例(－) 三級產業員工成長(＋)遷」係數平均值為桃園地區最高處；「三級產業員工成長」係數亦僅次於「北桃園地區」，意味著 住商用地需求較大強度地推動了土地利用類型轉為建成地。「與火車站距離」、「原工業用地比例」 的影響程度亦皆為四區之最，區內的桃園火車站周圍是發展悠久的桃園市區，建成地開發已趨於 飽和，因可開發用地缺乏而較無發展性；相對地，市區邊緣的諸多新興重劃區，提供完整的街廓、 充足的公共設施、寬敞的道路，加上近交流道的特性，使得住商開發較舊市區更具發展性。「原工 業用地比例」與建成地變遷指數呈現負相關性，由區域內工業用地分布發現，除工業局編列之龜 山工業區，近年有台達電子、明碁電腦等科技業，以及物流倉儲業進駐轉型外，其餘工業用地皆 為都市計畫區內依法劃設的工業土地，這些土地在規模及法規上難以迎合科技業廠房之需，也未 能順利轉為住商土地利用，致使多數用地淪為荒廢，因而遏止了當地的發展。 (2) 中壢─平鎮市區 主要範圍為中壢市區及平鎮市區，為傳統上南桃園的發展核心。其內「與火車站距離」的影 響性僅次於「桃園─龜山市區」，同樣係因中壢火車站周邊發展已趨飽和，在缺乏可開發用地之下， 新增建成地多向外擴展分布於距火車站較遠的外環道沿線。「原空置地比例」、「原農業用地比例」 係數皆為桃園地區最高處，二者皆代表一地可開發用地的多寡，顯示相較於其他地區，「中壢─平 鎮市區」內多剩零星土地可供開發，開發土地的稀少性使得農業用地、空置地的提供變得相對重 要。此外「與交流道距離」係數亦為各區中與建成地變遷之負相關程度最高者，乃受惠於交流道 的設置提高周圍對外交通便捷性，帶動了物流倉儲業與新興集合住宅區的開發。 (3) 北桃園地區 包含蘆竹、八德、大園菓林、龜山林口台地、以及中壢內壢。此集群最大特色為商業發展相 對具有影響力，「三級產業員工成長」係數值為全桃園之最。交流道的效應僅次於「中壢─平鎮市 區」，係因林口、南桃園、大湳等交流道的設置，帶動了龜山公西、八德大湳等地的發展。原工業 用地比例的影響與「桃園─龜山市區」相似，與建成地變遷呈現相對較高的負相關性。傳統工業 區面臨產業轉型下，部分地區轉型成工商綜合區或批倉儲業之用途，如南崁台茂購物中心原為亞 洲化學廠房、內壢愛買原為中南紡織廠、內壢家樂福原為原生紡織廠，皆為工業用地轉型開發之 例；另部分地區改建為工業住宅或變更為住宅用地。此二類土地利用型態的改變前後皆屬於本研 究定義之「建成地」，因此無法反映於建成地變遷；相對地部份工業用地廠房的棄置，與待轉型工 業用地提供住商開發用地，減少對新建成地的需求，則對本文欲探討的「建成地變遷」產生負向 作用。 (4) 南桃園地區 包括了新屋、觀音、楊梅、龍潭全境，大溪、大園、平鎮多數區域，以及中壢的西北部與龍 岡地區，占研究區面積的61%，並含括約 4 成的村里單元。相較於上述三個集群，此區域建成地 面積比例相對較低，分布也較為零散。最具特色者為「二級產業員工成長」的係數值明顯高於其 他三區 ，係因近年來區域內眾多新興工業區的開發所致；相對地「工業用地比例」於此地區的負 向影響也最為薄弱，乃由於此區工業發展較晚且可開發土地充足之故。此外，同樣地因為建成地 發展較少，可開發土地充足，使得與火車站距離及原農業用地比例的影響性亦相對不明顯。
157
結論與建議
桃園地區於1995 年至 2006 年間建成地大量增加，反映出快速的城鄉發展歷程，建成地變遷 熱點沿著原建成地分布擴張，分為中壢平鎮市區外圍、桃園市區外圍、龜山公西地區三處。而在 建成地變遷模型中，確實存在空間不穩定性，本文透過半參數地理加權迴歸修正此類空間效應所 衍生的模型偏誤，得到更為趨真的結果，並呈現出現影響因素的空間異質性。 在全域迴歸模式中具顯著影響性的因素，於 S-GWR 模型中往往只在部分地區達顯著水準。 大致而言，人口密度變遷與三級產業員工成長在桃園區北區、蘆竹、龜山、大園等地對建成地變 遷有相對較高的影響性；二級產業員工成長的效應侷限在沿海地區；因產業轉型，原工業用地比 例於桃園區、八德等早期傳統工業重鎮負向效應最大；與交流道距離僅在林口、中壢、內壢、大 湳等特定交流道周邊對建成地變遷有較高的影響性；與火車站距離、原農業用地比例、原空置地 比例三者在桃園市區、八德、中壢平鎮市區等建成地發展飽和且生活機能便利的核心區域佔關鍵。 總體而言，桃園地區建成地變遷因素之影響性具有明顯的南北、城鄉差異。 然而，即便全域線性模式的自變數間完全不具相關性，地理加權迴歸的局部係數估計仍可能 有局部多元共線性存在，將造成係數估計的偏誤（Wheeler & Tiefelsdorf, 2005）。本研究發現部分 變項間確實有較高的相關性，對此僅能更加謹慎地對係數分布進行詮釋。建議未來研究或能透過 主成分分析等降維方法，將具局部多元共線性的變項萃取為意義涵括更廣的單一主成分；或以更 小的基本單元（更大的樣本）進行分析，降低係數標準誤的膨脹。 經由多元線性迴歸與地理加權迴歸分析之結果，發現桃園地區土地利用變遷明顯存在著空間 異質性，無法使用傳統單一的土地變遷模型解釋之，因此本研究進一步縮小空間尺度，將局部係 數加入原始地理加權回歸模型，觀察住商發展、工業發展、交通易達性與土地可發展性等因素對 於不同空間所造成的影響，如此不但提高了模型解釋力，也可呈現出更細緻、更複雜的空間變化 型態，最終根據分析結果，將桃園地區土地利用變遷歸納出「桃園─龜山市區」、「中壢─平鎮市 區」、「北桃園地區」和「南桃園地區」四種空間發展單元，各空間發展單元展現了相異的變遷， 亦再次證實了地景的樣貌是經由一系列複雜的人地互動而形塑出的結果，以及桃園土地發展結構 複雜、易變且多樣的特性，本研究成果可提供政府單位及土地開發機構，以更多元的角度來思考、 解構桃園地區之土地利用模式，並考量各項影響因素後擬定未來規劃之方向。引用文獻
丁志堅（2002）：《屏東平原土地利用變遷分析與模式建立》，台北：國立台灣大學地理環境資源 研究所博士論文。【Ding, T. J. (2002). The analysis and modeling of land use change in Ping-Tung plain, Taiwan. Doctoral dissertation, Department of Geography, National Taiwan University, Taipei.】
白仁德（2000）：《高速公路及工業區對台灣西部走廊製造業空間分布影響模型之建立》，台北： 國立台灣大學建築與城鄉研究所博士論文。
manufacturing industry in Taiwan''s West Corridor. Doctoral dissertation, Graduate Institute of
Urban Planning, National Taiwan University, Taipei.】
朱建銘（2000）：《土地利用空間型態之研究》，台北：國立台灣大學地理環境資源研究所碩士論 文。
【Chu , C. M. (2000). Investigation of spatial patterns on land use. Master thesis, Department of Geography, National Taiwan University, Taipei.】
吳振發、林裕彬 （2006）：〈汐止市土地利用時空間變遷模式〉，《都市與計畫》，33(3)：231-259。 【Wu, C. F., & Lin, Y. P. (2006). Spatiotemporal trends and model in land-use patterns in Hsichih City.
City and Planning, 33(3)：231-259.】
林雅雯（2012）：《桃園縣八德市的都市發展特色─以城鄉邊緣區的角度探討》，台北：國立臺 灣師範大學地理學系碩士論文。
【Lin, Y. W. (2012). Characteristics of urban development in Bade – a study of rural-urban fringe. Master thesis, Department of Geography, National Taiwan Normal University, Taipei.】
周天穎、簡甫任、雷祖強 (2003)：〈都市地區土地利用變遷量化分析之研究〉，《台灣土地研究》， 6(1)：105-130。
【Zhou, T. Y., Jian F. R. & Lei, Z. J. (2003). Quantitative Analysis Study for Land Use Changes Detection of Urban Area. Journal of Taiwan Land Research, 6(1)：105-130.】
唐菁萍（2005）：《桃園市與中壢市都市發展及機能的比較》，台北：國立台灣師範大學地理系在 職進修碩士班碩士論文。
【Tang, J. P. (2005). Comparison of urban development and function between Taoyuan City and Zhongli
City. Master thesis, Executive Master of Department of Geography, National Taiwan Normal
University, Taipei.】
張國楨、張文菘、曾露儀 （2012）：〈都市土地利用與人口老化對基層醫療資源分布之影響：以台 北市為例〉，《地理研究》，56：25-40。
【Chang, K. C., Zhang, W. S., & Zeng, L. Y. (2012). The effect of urban land use and population aging to primary medical resources distribution in Taipei City. Journal of Geographical Research, (56): 25-40.】
陳雪玉（2003）：《桃園閩客族群與地方政治關係的歷史探討（1950-1996)》，桃園：國立中央大 學歷史研究所碩士論文。
【Chen, H. Y. (2003). A historical study on the local political relations between Hakka and Min-Nan
ethnicity in Taoyuan(1950-1996). Master thesis, Graduate Institute of History, National Central
University, Taoyuan.】
陳惠玲（2010）：《應用空間統計探討農業用地變遷與影響因素》，新北：國立臺北大學都市計劃 研究所碩士論文。
【Chen, H. L. (2010). A spatial statistical analysis for the determinants and characteristics of
agriculture land use change in Taoyuan Country, Taiwan. Master thesis, Graduate Institute of
159
曾繁浩（1995）：《桃園地區都市及區域發展之研究》，台北：中國文化大學地學研究所碩士論 文。
【Tseng, F. H. (1995). A Study of Urbanisation and regional development in the Taoyuan County. Master thesis, Graduate School of Earth Science, Chinese Culture University, Taipei.】
鄒克萬、張曜麟（2004）：〈都市土地使用變遷空間動態模型之研究〉，《地理學報》，35：35-51。 【Tsou, K. W. & Chang, Y. L. (2004). A spatial dynamic model for the study of urban land use change.
Journal of Geographical Science, (35): 35-51.】
劉其輝（2005）：《結合遙測與地理資訊系統於都市發展之研究─以桃園縣（復興鄉除外）》為 例，台北：國立政治大學地政學系碩士論文。
【Liou, C. H. (2005). Research on the urban development based on remote sensing and geographic
information system – a case study of Taoyuan (Except Fuxing Township). Master thesis,
Department of Land Economics, National Chengchi University, Taipei.】
賴如崧（1987）：《桃園及宜蘭兩縣雙中心發展之政經比較分析》，台北：中國文化大學政治研 究所碩士論文。
【Lai, R. S. (1987). A Comparative Analysis of of Politics and Economics in dual-core development of
Taoyuan and Yilan County. Master thesis, Department of Political Science, Chinese Culture
University, Taipei.】
賴進貴、葉高華、王韋力（2004）：〈土地利用變遷與空間相依性之探討─以臺北盆地聚落變遷 為例〉，《台灣地理資訊學刊》，1：29-40。
【Lay, J. G., Yap K. H., and Wang, W. L. (2004). Exploring land use changes and spatial dependence a case study of settlement changes in the Taipei basin. Journal of Taiwan Geographic Information
Science, (1): 29-40.】
鍾志章（1979）：《桃園台地都市體系之研究》，台北：國立臺灣師範大學地理研究所碩士論文。 【Zhong, Z. Z. (1979). A study on the metropolitan system of taoyuan tableland. Master thesis,
Department of Geography, National Taiwan Normal University, Taipei.】
簡志雄（1985）：《桃園縣都市體系發展之研究》，台北：中國文化大學地學研究所碩士論文。 【Jiang, Z. X. (1985). A study on the development of city system in Taoyuan. Master thesis, Graduate
School of Earth Science, Chinese Culture University, Taipei.】
Anselin, L. (1988). Spatial econometrics: Methods and models. Dordrecht: Kluwer Academic.
Anselin, L. (1995). Local indicator of spatial association – LISA. Geographical Analysis, 27(2): 93-115. Anselin, L. (1998). Exploratory spatial data analysis in a geocomputational environment.
Geocomputation: A Primer. (Longley, P. A., Brooks, S. M., & McDonnell, R. et al.). New York:
Wiley.
Anselin, L., & Griffith, D. A. (1988). Do spatial effects really matter in regression analysis?. Papers of
the Region Science Association, 65: 11-34.
Briassoulis, H. (2000). Analysis of land use change: theoretical and modeling approaches. Regional Research Institute, West Virginia University.
http://www.rri.wvu.edu/WebBook/Briassoulis/contents.htm (accessed 2011/11/13)
Briassoulis, H. (2001). Policy-oriented integrated analysis of land-use change: An analysis of data needs.
Environmental Management, 27(1): 1-11.
Brunsdon, C., Fotheringham, A. S., & Charlton, M. (1999). Some notes on parametric significance tests for geographically weighted regression. Regional Science, 36(3): 497-524.
Casetti, E. (1972). Generating models by the expansion method: Applications to geographical research.
Geographical Analysis, 4(1): 81-91.
Cheng, J., & Masser, I. (2003). Urban growth pattern modeling: a case study of Wuhan city, PR China.
Landscape and Urban Planning, 62: 199-217.
Clement, F., Orange, D., Williams, M., Mulley C., & Epprecht, M. (2009). Divers of afforestation in Northern Vietnam: Assessing local variations using geographically. Applied Geography, 29: 561-576.
Cliff, A. D., & Ord, J. K. (1973). Spatial Autocorrelation. London: Pion.
Foster, S. A., & Gorr, W. L. (1986). An adaptive filter for estimating spatially-varying parameters: Application to modeling police hours spent in response to calls for service. Management Science, 32(7): 878-889.
Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression: the analysis of spatially vary relationships. West Sussex: John Wiley and Sons Ltd.
Fotheringham, A. S., Charlton, M., & Brunsdon, C. (1996). The geography of parameter space: an investigation of spatial non-stationarity. Geographical Information Systems, 10(5): 605-627. Fotheringham, A. S., Charlton, M., & Brunsdon, C. (1998). Geographically weighted regression a
natural evolution of the expansion method for spatial data analysis. Environment and Planning A, 30: 1905-1927.
Fox, J., Rindfuss, R. R., Walsh, S. J., & Mishra, V. (2003). People and the environment: Approaches for
linking household and community surveys to remote sensing and GIS. Boston: Kluwer Academic
Publishers.
Getis, A., & Ord, J. K. (1992). The Analysis of Spatial Association by the Use of Distance Statistic.
Geographical Analysis, 24: 189-206.
Goldstein, H. (1987). Multilevel models in education and social research. USA: Oxford University Press.
Huang, S.-L., Wang, S.-H., & Budd, W. W. (2009). Sprawl in Taipei's peri-urban zone: Responses to spatial planning and implications for adapting global environmental change. Landscape and Urban
Planning, 90: 20-32.
Kamusoko, C., Aniya, M., Adi, B., & Manjoro, M. (2009). Rural sustainability under threat in Zimbabwe – Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model. Applied Geography, 29(3): 435-447.
161
R., Sato, Y., Skole, D., Turner II, B. L., & Vogel, C. (1999). Land-use and land-cover change (LUCC): implementation strategy. IGBP Report No.48, HDP Report No.10.
Ligtenberg, A., Wachowicz, M., Bregt, A. K., Beulens, A., & Kettenis, D. L. (2004). A design and application of a multi-agent system for simulation of multi-actor spatial planning. Environmental
Management, 72: 43-55.
Lin, C.-H., & Wen, T.-H. (2011). Using Geographically Weighted Regression (GWR): to explore spatial varying relationship of immature mosquitoes and human densities with the incidence Dengue. Environmental Research and Public Health, 8, 2798-2815. ISSN: 1660-4601.
Long, Y. (2010). Establishing urban growth boundaries using geosimulation for land use control. Paper presented at 46th ISOCARP Congress, Nairobi, Kenya.
Luo, J., & Wei, Y. H. (2009). Modeling spatial variations of urban growth pattern in Chinese cities: The case of Nanging. Landscape and Urban Planning, 91: 51-64.
Mennis, J. (2006). Mapping the results of geographically weighted regression. The Cartographic
Journal, 43(2): 171-179.
Swamy, P. A. V. B. (1970). Efficient inference in a random coefficient regression model. Econometrica, 38(2): 331-323.
Tian G., Liu, J., Xie Y., Yang, Z., Zhuang, D., & Niu, Z. (2005). Analysis of spatio-temporal dynamic pattern and driving forces of urban land in China in 1990s using TM images and GIS. Cities, 22(6): 400-410.
Tobler, W. R. (1970). A computer model simulation of urban growth in the Detroit region. Economic
Geography, 46(2): 234-240.
Veldkamp, A., Verburg, P. H., Kok, K., de Koning, G. H. J., Priess, J., & Bergsma, A. R. (2001). The need for scale sensitive approaches in spatially explicit land use change modeling. Environmental
Modeling and Assessment, 6: 111-121.
Wheeler, D., & Tiefelsdorf, M. (2005). Multicollinearity and correlation among local regression coefficients in geographically weighted regression. Geographical Systems, 7: 161-187.
投稿日期：106 年 09 月 27 日 修正日期：106 年 11 月 01 日 接受日期：106 年 11 月 19 日
