機場運量需求預測模式之研究—南部國際機場
106
0
0
全文
(2) 謝 誌. 謝誌 首先，要感謝王瑞民老師兩年來的教導與關心，使我不論在論文本身或 是工作實務上均獲益良多，並於論文撰寫期間不辭辛勞耗時費力地改正學生 文章及觀念上的錯誤，使得本論文得以順利完成，在此由衷地感謝並獻上最 深摯的敬意。 論文口試時承蒙國立成功大學姜渝生教授及長榮大學呂錦隆教授對於本 論文之細心審閱與詳細指正，並賜予許多寶貴之意見，使本論文更加充實； 對於諸位教授的關照與指正，學生在此致上最衷心的謝意。 論文研究期間，感謝 208-1 研究室同學素慧、佳欣、麟達於論文撰寫期間 每日熬夜的互相砥礪，讓我有勇氣衝刺下去；以及感謝珮瑜學妹、佳倫學妹、 淵筑學妹、啟明兄在各方面的熱心協助及陪伴，還有 96 級碩專班的同學欣珊、 伊慧、耀宗以及崇啟班代等，讓我渡過愉快的研究所生涯。 更感謝在撰寫論文過程中協助我的各位貴人，長榮土開所的書正學弟、 英國陳博士及輔大鄔博士，謝謝您們在百忙之中抽空指導論文內容及模式架 構，使本論文更加完善。另外感謝台灣莫特麥克唐納工程顧問公司各位同仁 在工作及課業上的幫忙及體諒，讓我能在工作之餘完成碩士學位，在此均一 併感謝。 最後，謹將此論文獻給我最親愛的家人們：感謝爺爺、奶奶、爸爸、媽 媽、大妹小妹、弟弟在生活及精神上的支持與鼓勵，讓我能無後顧之憂的專 心於學業的追求，以及事業上的衝刺，您們是我永遠的驕傲與後盾。至此， 也將此份成果獻給任何曾經幫助過我的人，感恩！ 慈悲心化解怨敵，智慧心驅除煩惱 感恩心體驗生活，精進心善用生命 懷恩報恩恩相續，飲水思源源不斷. 李婉婷謹誌 2009 年 7 月 24 日 東港. i.
(3) 摘 要. 機場運量需求預測模式之研究 —南部國際機場 指導教授：王瑞民 博士 國立高雄大學都市發展與建築研究所 學生：李婉婷 國立高雄大學都市發展與建築研究所 摘要. 準確的運量預測不但可以提供規劃人員做為運輸規劃的依據，亦可做為 各項重大投資建設與各類作業計畫之參考，如：航點與航線選擇、機隊規模 與人力配置等問題；短期預測可以作為機場短期營運策略調整的參考依據因 為可以偵測預期最新的市場變化。本研究將針對南部國際機場運量需求特 性，以時間數列的方法，分析與預測各項影響航空運量之因素。 本研究回顧國內外各研究領域，利用時間數列模式為研究主題之各類相 關文獻，並就該研究之重點與應用於本研究之概念與模式構建基礎加以歸 納。針對本研究主題，分析南部國際機場運量需求特性，並以高雄國際機場 為例，蒐集旅運、貨運及航機架次資料，依據資料特性及內容，將資料分類 方法加以整理，並利用敘述統計分析法與圖表方式，敘述高雄國際機場之運 量需求特性與運量變動的情形，並探討國內外重大事件與顯著衝擊事件與運 量需求之間的影響程度。 在時間數列模式方面，本研究利用 Box and Jenkins 在 1970 年所提出的 自我迴歸移動平均整合模式（ARIMA）構建運量需求模式，預估模式中各變 數之參數值，並分析參數的意義及合理性。針對本研究所構建的自我迴歸移 動平均整合模式進行實證分析，蒐集民國 93 年至 97 年高雄國際機場的運量 月資料，建構短期的需求預測模式，將模式所預測出來的運量需求量與實際 資料作比較，並討論模式的預測準確度與預測能力。 經研究發現高雄國際機場的旅運量與兩岸三通及國際油價的波動並無顯 著影響，而國際油價的漲跌與高雄國際機場國際入境、出境及國內到站貨運 量卻有相互的影響，其原因除國際貨物運輸距離較長油價占整體運輸成本比 例較高外，國內貨運運輸因運輸距離較短，運具選擇替代性較高亦為可能之 ii.
(4) 摘 要. 因素。至於兩岸三通政策對於高雄國際機場國際出境人數有顯著影響，其原 因可能為此政策的發生時間點為春節期間，國人於春節期間出國旅遊的風氣 極為盛行，故造成此模式預測之結果。 此外，研究發現造成機場旅貨運量波動原因為多因素的複合結果，本研 究的方法可提供簡單可靠的短期分析預測模式，其結果可作為政府單位或營 運單位於擬定短期計畫施政及營運計畫時之參考依據。. 關鍵字：運量預測、時間數列、ARIMA 模式、介入模式. iii.
(5) 摘 要. The Study of Air Traffic Forecasting Model —The Southern International Airport Advisor: Ruey-Min Wang Institute of Urban Development and ArchitectureNational University of Kaohsiung National University of Kaohsiung Student: Wan-Ting Lee Institute of Urban Development and Architecture National University of Kaohsiung National University of Kaohsiung. ABSTRACT Accurate traffic forecast not only can be used for transportation planning but also be referred by large scale development planning such as selection of route and airports, size of fleet, and allocation of human resources etc. Short term traffic forecast can provide airport’s short term operational strategy adjustment aiming the predicted short term market. This study is to use time series method to analyze each of key factors for the traffic forecasting based on the unique characteristics of the southern international airport. The study reviewed and summarized domestic and foreign pushed literatures for the comparison of key issues against this study’s concept and model which lead to the conclusions. The core of this study was to analyze the characteristics of the southern international airport traffic forecast. The data was from Kaohsiung International Airport such as passenger and cargo flight numbers then classify the collected data, and then the results were presented by using descriptive statistics and charts. Otherwise, major incident events and traffic demand were also included in the model as intervening variables. The study adopted “Auto-Regressive Integrated moving Average” model published by Box and Jenkins in 1970 for time serious modeling and that lead to the forecasting of variable factors. These variable factors were analyzed for meanings and rationalities. For validation of the short-term demand forecast modeling results, monthly traffic data from 2004 to 2008 were collected for comparison, analysis for its accuracy and capability of the short-term forecasting.. iv.
(6) 摘 要. The study found that traffic volume at Kaohsiung International Airport had not been impacted by the opening up of direct flight between Taiwan and China and the international oil price hiking but there was inter-relationship between the oil price and quantities of the depart/arrival and the arrival cargo. The important factors could be the higher fuel cost for the longer distance of international flights and more non-air shipping alternatives of the domestic cargo. Regarding the increase of international departures at Kaohsiung International Airport was because of the timing of directly flight policy become effect during the Spring Festival holidays whilst most people would take overseas tours during the holidays, thus the phenomenon fit well of the short-term modeling results. In addition, the study showed that the fluctuation of the traffic volume was resulted by compounding effect of factors. The model provided a reliable short-term forecast and. suggestions for the authority or the airport management. to develop their short-term management strategies and operational planning.. Key words: Traffic forecast, Time Series, ARIMA model, Intervention model. v.
(7) 目 錄. 目錄 第一章 緒論................................................................................................................1 1.1 研究動機 ......................................................................................................1 1.2 研究目的 ......................................................................................................2 1.3 研究範圍 ......................................................................................................2 1.4 研究內容 ......................................................................................................4 1.5 研究流程 ......................................................................................................5 第二章 文獻回顧........................................................................................................7 2.1 預測概論 ......................................................................................................7 2.1.1 預測方法............................................................................................7 2.2 國內外相關文獻 ..........................................................................................9 2.2.1 機場運量需求預測報告及文獻........................................................9 2.2.2 時間序列法相關文獻......................................................................10 2.3 國際航空運輸發展概況 ............................................................................13 2.3.1 全球航空運量發展概況..................................................................13 2.3.2 台灣地區國際航空運量發展概況..................................................18 2.4 小結 ............................................................................................................23 第三章 研究方法......................................................................................................24 3.1 自我迴歸移動平均整合（ARIMA）模式 ...............................................24 3.1.1 分辦模式..........................................................................................24 3.1.2 參數估計..........................................................................................27 3.1.3 檢定模式..........................................................................................29 3.1.4 預測與評估......................................................................................30 3.2 介入模式(Intervention Model)...................................................................31 第四章 實證分析......................................................................................................32 4.1 研究資料初步分析 ....................................................................................32 4.1.1 旅運量..............................................................................................32 4.1.2 貨運量..............................................................................................34 4.1.3 航機架次量......................................................................................36 4.2 ARIMA 模式實證結果 ..............................................................................38 4.2.1 旅運量模式分析..............................................................................39 4.2.2 貨運量模式分析..............................................................................43 4.2.3 航機架次量模式分析......................................................................47 4.2.4 模式預測結果與分析......................................................................50 4.2.5 預測值與實際值比較結果..............................................................54 4.3 介入變數分析 ............................................................................................58 4.3.1 介入事件說明..................................................................................58 vi.
(8) 目 錄. 4.3.2 旅運量介入變數分析......................................................................60 4.3.3 貨運量介入變數分析......................................................................62 4.3.4 航機架次量介入變數分析..............................................................63 4.3.5 小結..................................................................................................64 第五章 結論與建議..................................................................................................66 5.1 研究結論 ....................................................................................................66 5.2 後續研究建議 ............................................................................................67 參考文獻......................................................................................................................68 附 錄..........................................................................................................................71. vii.
(9) 目 錄. 圖目錄 圖 1.1-1 圖 1.5-1 圖 2.3-1 圖 2.3-2 圖 2.3-3 圖 2.3-4 圖 2.3-5 圖 2.3-6 圖 2.3-7 圖 4.1-1 圖 4.1-2 圖 4.1-3 圖 4.1-4 圖 4.1-5 圖 4.1-6 圖 4.1-7 圖 4.1-8 圖 4.1-9 圖 4.1-10 圖 4.1-11 圖 4.1-12 圖 4.2-1 圖 4.2-2 圖 4.2-3 圖 4.2-4 圖 4.2-5 圖 4.2-6 圖 4.2-7 圖 4.2-8 圖 4.2-9 圖 4.2-10 圖 4.2-11 圖 4.2-12 圖 4.2-13 圖 4.2-14 圖 4.2-15. 總運量分類圖 ..............................................................................................3 研究流程圖 ..................................................................................................6 歷年全球航空旅客量變化趨勢圖 ............................................................13 歷年全球航空貨運量變化趨勢圖 ............................................................14 全球航空貨運市場成長率預測 ................................................................15 歷年台灣地區國際航空客運量變化趨勢圖 ............................................19 歷年台灣地區國際航空貨運量變化趨勢圖 ............................................21 歷年高雄國際機場航空貨運量變化趨勢圖 ............................................21 台灣地區國際航線歷年起降架次成長趨勢圖 ........................................23 國際入境人次每月運量趨勢圖 ................................................................32 國際出境人次每月運量趨勢圖 ................................................................33 國內到站人次每月運量趨勢圖 ................................................................33 國內離站人次每月運量趨勢圖 ................................................................33 國際入境貨運量每月運量趨勢圖 ............................................................34 國際出境貨運量每月運量趨勢圖 ............................................................34 國內到站貨運量每月運量趨勢圖 ............................................................35 國內離站貨運量每月運量趨勢圖 ............................................................35 國際入境架次每月運量趨勢圖 ................................................................36 國際出境架次每月運量趨勢圖 ..............................................................36 國內到站架次每月運量趨勢圖 ..............................................................37 國內離站架次每月運量趨勢圖 ..............................................................37 國際入境旅運量未經差分之 ACF、PACF 圖.........................................40 國際入境貨運量未經差分之 ACF、PACF 圖.........................................43 國際入境貨運量經ㄧ次差分之 ACF、PACF 圖.....................................44 國際入境貨運量經二次差分之 ACF、PACF 圖.....................................44 國際入境架次量未經差分之 ACF、PACF 圖.........................................47 國際入境架次量經ㄧ次差分之 ACF、PACF 圖.....................................48 國際入境旅運預測模式與實際值比較圖 ................................................54 國際出境旅運預測模式與實際值比較圖 ................................................54 國內到站旅運預測模式與實際值比較圖 ................................................54 國內離站旅運預測模式與實際值比較圖 ..............................................55 國際入境貨運預測模式與實際值比較圖 ..............................................55 國際出境貨運預測模式與實際值比較圖 ..............................................55 國內到站貨運預測模式與實際值比較圖 ..............................................56 國內離站貨運預測模式與實際值比較圖 ..............................................56 國際入境架次預測模式與實際值比較圖 ..............................................56 viii.
(10) 目 錄. 圖 4.2-16 圖 4.2-17 圖 4.2-18. 國際出境架次預測模式與實際值比較圖 ..............................................57 國內到站架次預測模式與實際值比較圖 ..............................................57 國內離站架次預測模式與實際值比較圖 ..............................................57. ix.
(11) 目 錄. 表目錄 表 2.1-1 表 2.2-1 表 2.2-2 表 2.3-1 表 2.3-2 表 2.3-3 表 2.3-4 表 2.3-5 表 2.3-6 表 3.1-1 表 4.2-1 表 4.2-2 表 4.2-3 表 4.2-4 表 4.2-5 表 4.2-6 表 4.2-7 表 4.2-8 表 4.2-9 表 4.2-10. 各種計量預測方法比較 ..............................................................................9 機場運量需求預測報告及文獻 ................................................................10 時間序列法相關文獻 ................................................................................11 2007 年 ACI 會員機場客運量前十名一覽表 ..........................................15 2007 年 ACI 會員機場貨運量前十名一覽表 ..........................................16 2007 年亞太地區主要國際機場進出旅客人數排名表 ...........................17 2007 年亞太地區主要國際機場進出貨物噸數排名表 ...........................18 歷年台灣地區國際航空客運量統計一覽表 ............................................18 歷年台灣地區國際航空貨運量彙整表 ....................................................20 MAPE 與 RMSPE 預測能力等級表 .........................................................31 國際入境旅運量之 ADF 檢定 ..................................................................40 國際入境旅運可能模式 ............................................................................41 國際出境旅運可能模式 ............................................................................41 國內到站旅運可能模式 ............................................................................42 國內離站旅運可能模式 ............................................................................42 國際入境貨運量之 ADF 檢定 ..................................................................43 國際入境貨運量二次差分後之 ADF 檢定 ..............................................45 國際入境貨運可能模式 ............................................................................45 國際出境貨運可能模式 ............................................................................46 國內到站貨運可能模式 ..........................................................................46. 表 4.2-11 表 4.2-12 表 4.2-13 表 4.2-14 表 4.2-15 表 4.2-17 表 4.2-18 表 4.2-19 表 4.2-20 表 4.2-21 表 4.2-22 表 4.2-23 表 4.3-1 表 4.3-2 表 4.3-3 表 4.3-4. 國內離站貨運可能模式 ..........................................................................46 國際入境架次量未經差分之之 ADF 檢定 ............................................47 國際入境架次量經一次差分之之 ADF 檢定 ........................................48 國際入境架次可能模式 ..........................................................................49 國際出境架次可能模式 ..........................................................................49 國內離站架次可能模式 ..........................................................................50 旅運模式預測結果 ..................................................................................50 旅運模式平均誤差率比較表 ..................................................................51 貨運模式預測結果 ..................................................................................52 貨運模式平均誤差率比較表 ..................................................................52 架次模式預測結果 ..................................................................................53 架次模式平均誤差率比較表 ..................................................................53 近五年的高雄國際機場兩岸三通航線大記事 ........................................59 93 年 1 月至 97 年 12 月國際油價統計表 ...............................................59 國際油價為介入變數之旅運量介入模式 ................................................61 兩岸三通政策為介入變數之旅運量介入模式 ........................................61 x.
(12) 目 錄. 表 4.3-5 表 4.3-6 表 4.3-7 表 4.3-8. 國際油價為介入變數之貨運量介入模式 ................................................62 兩岸三通政策為介入變數之貨運量介入模式 ........................................62 國際油價為介入變數之航機架次量介入模式 ........................................63 兩岸三通政策為介入變數之航機架次量介入模式 ................................63. xi.
(13) 第一章 緒論. 第一章. 緒論. 研究動機. 1.1. 台灣四面環海，屬一海島型經濟，對國際貿易依存度高，海運與空運運 輸之發展將影響我國之國際經貿與國內經濟甚鉅。近年來國家經濟與生活水 準提升、產業發展與國際貿易日趨頻繁，使得航空運輸成為必要的運輸方式。 由於國民所得提高，國人的旅遊觀念也逐漸開放，隨之而來的是每年大幅成 長的出國旅行需求，我國國際線之旅運量亦有所增長。在航空貨運方面，隨 著經濟發展與產業結構的改變，高附加價值與不易久存的貨品，例如，光電、 半導體、農林漁牧業，完全仰賴航空貨運的傳送，因此，航空運輸將是台灣 未來經濟發展重要的一環。 航空公司對其營運網路形態之設計與每一航線上機型及航機架次的規 劃，均須以各航空站對之旅客運量預測值與分佈為依據。亦即，旅客運量預 測為航空網路設計、航線機型派遣及架次規劃之前題。航空運量預測係指對 未來運量、發展動態進行估計與推測。未來航線設計、機隊選擇、班機頻次、 人員調派規劃等，甚至在旺季突增需求下作因應對策，均須以運量預測為基 礎。在台灣地區航空運量之預測方法上，過去即曾有甚多相關研究，然其分 析作業大多依賴歷史資料，採統計方法立基於諸多假設條件，建立一套量化 模式據以預測，故可視為一「有系統的」趨勢延伸方式；其囿限為對於足以 左右航空運量之變數，包括政經情勢之變異、科學技術之躍進、知識經濟之 興盛、地球村文化之形成等因素，並非此一「有系統的」趨勢延伸結果所能 掌握。 在過去航空運量預測之相關研究上，所應用的方法大多為多元線性迴歸 模式，如 Boeing commercial airplane group （1993 及 1995） ，不過線性迴歸模 式假設變數間獨立，且要求大樣本量、樣本具較好的分佈規律等條件，研究 上常面臨年運量數據資料不多、影響因素複雜、模式統計假設之合理性與對 未來發展動態捕捉之預測準確度是否足夠等問題；此外，近年來所發展的類 神經網路法等，如 Nam and Schaefer（1995）以倒傳遞類神經網路模式預測國 際航線旅客數量，在應用上也須大量數據資料，且須系統操作者提供實際預 1.
(14) 第一章 緒論. 測之經驗法則以供類神經網路進行學習程序。因此，發展一套具準確預測能 力且能充分了解營運需求之市場環境、分析需求的影響因素，並且具有捕捉 未來運量動態變化的航空運量預測方法實為當務之急。 本研究首先蒐集各類相關文獻、資料，參考過去對航空運量預測相關之 研究方法與成果，以及對影響因素之考量，並且探討近年來顯著事件對我國 航空運量所帶來的衝擊影響程度，例如國際油價波動及兩岸三通等因素，是 否對未來預測航空運量造成影響，故本研究採時間序列方法為研究工具，針 對短期需要模式建立預估模式，藉由介入的變動因子來測試模式敏感度，可 做為未來運量預測之參考，期能提供各研究規劃單位給予實質的建議。. 1.2. 研究目的 綜觀國內外有關機場運量預測的相關文獻，國內對於機場規劃通常採用. 長期預估模式為主，對於中短期之規劃並無太多相關論文著作。對航空運輸 規劃而言建立短期預估模式，也是可以降低風險並且從中獲得利潤，再加上 以往的研究方法相當耗費成本、不符合經濟效益，所以，如何利用短期資料 來做策略規劃將是航空運輸規劃者所面臨的一項重要課題。航空運輸涉及到 許多內外部相關影響因子，因此，本研究也將以此為出發點達到以下之目的。 ㄧ、建立以時間數列方法為主之預估模式，針對南部國際機場之總需求量建 立短期之預測分析。 二、針對近五年來國內外重大事件與顯著衝擊事件，建立介入模式分析，並 討論介入變數之影響程度。. 1.3. 研究範圍. ㄧ、研究範圍 本研究主要是探討南部國際機場需求模式，研究資料為高雄國際機場 的旅運量、貨運量及航機架次量等類計量資料，而旅運量可分為國際與國 內，包括出境旅運量、入境旅運量；貨運量也分國際與國內，可再分到站 及離站貨運量，在航機架次方面也是分國際與國內；再加國際油價、高鐵 通車、兩岸三通等為介入變數，詳圖 1.1-1 所示。. 2.
(15) 第一章 緒論. 旅運量. 出境旅運量 入境旅運量. 貨運量. 到站貨運量 出站貨運量. 航機架次量. 入境航班 出境航班. 國際線 總運量. 國內線. 圖 1.1-1. 總運量分類圖. 二、研究時間 蒐集自民國 93 年 1 月至民國 97 年 12 月止的月頻率資料，建構短期 的需求預測模式，爾後預估 98 年 1 月至 5 月之預測值與實際值做比較， 研究預測誤差。 三、研究重點 (一)僅能做短期資料分析 本研究僅用民國 93 年 1 月至民國 97 年 12 月止的月頻率資料，旅 運量、貨運量及航機架次量樣本筆數各為 60 筆。 (二)僅能做短期預測分析 影響需求之因素會隨著時空環境的轉變而變動，且時間越長，環 境中的不確定因子越多，往往無法有效掌控影響因素之變動，並無從 得知未來可能衍生的影響因素，所以長期的需求預測較無法達到準確 之要求甚至偏差頗大，而短期預測不但影響因素之變動較小、預測值 較精準，且能立即運用在實際營運上，因此，本研究將以短期預測為 主。 長短期的界定方法並無定論，但通常由研究者從取得資料之時間 間距來判定，以匯率之資料為例，匯率每分每秒皆在變動，若每分鐘 都有一筆記錄資料，則預測一天最終的收盤匯率，即可算是長期預測； 以航空運量資料而言，民航局從各航空公司取得資料並彙整，最詳細 3.
(16) 第一章 緒論. 的資料為每個月之運量，因此本研究界定，預測每月、每季之運量可 視為短期預測，預測一年的運量為中短期之預測，預測年期一年以上 則可歸類於中長期預測。而本研究之短期預測將以月資料為基礎預測 短期內之需求量。. 1.4. 研究內容 本研究主要以南部國際機場運量需求預測為研究重點，利用自交通部運. 輸研究所蒐集到的 93 年至 97 年旅運量、貨運量及航機架次年頻率資料分析， 並由歷史資料構建自我迴歸移動平均整合（ARIMA）模式，以民國 97 年實際 值驗證模式的預測準確度。基於研究目的的需要，本研究的主要內容將分為 研究動機與目的、相關文獻與模式理論之回顧、資料分析、模式建構與參數 評估、實證研究與模式比較等五大部分，其說明如下： ㄧ、研究動機與目的 準確的運量預測不但可以提供規劃人員做為運輸規劃的依據，亦可做 為各項重大投資建設與各類作業計畫之參考，如：航點與航線選擇、機隊 規模與人力配置等問題。因此本研究將針對南部國際機場運量需求特性， 以統計方法加以歸納說明，並分析各項影響航空運量之因素。 二、相關文獻與模式理論之回顧 回顧國內外各研究領域中，利用時間數列模式為研究主題之各類相關 文獻，並就該研究之重點與應用於本研究之概念與模式構建基礎加以歸納 說明之。 三、資料分析 針對本研究主題，分析南部國際機場運量需求特性，並以高雄國際機 場為例，蒐集旅運、貨運及航機架次資料，依據資料特性及內容，將資料 分類方法加以整理，並利用敘述統計分析法與圖表方式，敘述高雄國際機 場之運量需求特性與運量變動的情形，並探討國內外重大事件與顯著衝擊 事件與運量需求之間的影響程度。 四、模式建構與參數校估 在時間數列模式方面，本研究利用 Box and Jenkins 在 1970 年所提 出的自我迴歸移動平均整合模式（ARIMA）構建運量需求模式，評估模 式中各變數之參數值，並分析參數的意義及合理性。 五、實證研究與模式比較 4.
(17) 第一章 緒論. 針對本研究所構建的自我迴歸移動平均整合模式進行實證分析，蒐集 民國 93 年至 97 年高雄國際機場的運量資料，將模式所預測出來的運量需 求量與實際資料作比較，並討論模式的預測準確度與預測能力。. 1.5. 研究流程. 本研究之主要內容為分析航空市場特性及探討航空需求之影響因素，並且 選擇適合的預測工具進行需求預測。整體之思維及主要研究課題架構如圖 1.5-1 所示。. 5.
(18) 第一章 緒論. 確定研究方向. 文獻回顧與探討. 選擇研究方法. 選擇研究樣本及研究期間. 旅運量資料. 貨運量資料. 航機架次資料. 資料蒐集與整合. 介入變數分析. 時間數列分析. 1.五年間介入事件. 1.ARIMA. 2.顯著事件衝擊程度. 2.文獻回顧. 模式檢定與產生. 預測模式. 結果分析. 結論與建議. 圖 1.5-1. 研究流程圖. 6.
(19) 第二章 文獻回顧. 第二章. 文獻回顧. 本章主要分為四個部分，第一節為探討預測的理論以及方法，了解各種 預測的內容及發展，第二節為國內外相關文獻回顧，第三節為探討國際發展 概況。. 預測概論. 2.1. Thomas 與 Simpson（1992）認為預測有三項主要目的，其一為有助長期 規劃目標，其二為便於短期之作業性決策，最後目的為提供評估銷售績效之 基礎。. 2.1.1. 預測方法 預測方法依其資料性質可分為兩種基本型態，定量方法（quantitative. methods）與定性方法（qualitative methods） ，吳柏林（1995）認為定量法 是將歷史事件，化成時間數列資料趨勢圖，並判別出它們的特徵，以數理 方法模式化後在做量的預測；而定性法則以專家的意見為主，大多用於評 估新的技術方案，通常資訊很少或無法取得資訊，只能依據專家過去的經 驗或特殊感官功能，對未來事件進行本質和特性的預測。 林聰明及吳水丕(1981)將預測的方法分成定性分析法、時間數列分析 及投射法、因果分析法三大類。另外類神經網路（neural networks）為近 年來研究廣泛的自由模式。 一、時間數列分析與投射法(Time Series Analysis ＆ Projection ) 強調的論點是：未來是過去的延伸。由於未來是現有型態的延伸，所 以在短期內此法將比長期更為準確。本研究又可分為下列幾種： (一)移動平均法(Moving Average) 以過去資料為依據，將最近 N 期資料之算數平均或加權平均值做 為下一期之預測值。此方法之使用極為簡單，且可消除季節變動，不 規則變動或兩者之影響。 (二)指數平滑法(Exponential Smoothing) 與移動平均法相似，唯一的不同點是指數平滑法決定數值時最近 的資料所佔的比重較大，且所需保留的資料少，計算方便，且預期之 正確性較易獲得，為最便宜且應用廣泛的一種短期預測方法。. 7.
(20) 第二章 文獻回顧. (三)ARIMA 法 首先必須將歷史資料之時間數列確認應套入何種數學模式，使其 誤差達到最小，然後在估計其參數值。此方法是一種比較精確的統計 方法，但也是最不花時間與成本的方法。 (四)分解法 將時間數列四個特性：季節（S）、趨勢（T）、循環（C）及隨機 （I）等因素加以分析估計，包括趨勢投射，移動三角形法。美國人口 普查局所構建之 X-11 分解法最有名；是中期預測最有效的技術，可預 測出轉捩點和特殊事象。 (五)趨勢推論規劃法(Trend Projection) 將趨勢線配成一數學方程式，然後根據此方程式來預測未來，可 更細分為斜率特性法、多項式法、對數法等等。 三、因果分析法(Causal Models) 當歷史資料可資利用且足以分析並明確說明被預測事象的相關因素 和其它因素時，可使用因果分析法。 (一)迴歸模式(Regression Model) 利用迴歸找出自變數與應變數之關係，例如，利用最小平方法之 技術估計出銷售額與其它經濟的、競爭性的及內在的變數之間的關 係，此方法主要是建立於統計性的分析，故每種關係都應加以合理的 檢定。 (二)經濟的投入-產出模式(Economic Input-output Model) 為計量經濟模式與投入-產出模式合併使用所構成，投入-產出模 式用來提供計量經濟模式之長期趨勢，並使計量經濟模式更加穩定。 (三)投入-產出模式(Input-output Model) 利用輸入矩陣 A、生產矩陣（輸出矩陣）X、需求矩陣 D 間之關 係 X=AX+D，蒐集及詳盡的資料，構建一套專屬某區域或國家市場的 投入與產出模式，以顯示所有商品與服務，在產業間或區域間的各種 流動情形。 吳柏林（1995）將目前有關於預測研究領域中最常使用的定量方法作以 下比較，詳表 2.1-1。. 8.
(21) 第二章 文獻回顧. 表 2.1-1. 各種計量預測方法比較. 理論. 所需. 難易度. 時間. 成長模式. 1. 1. 2. 指數平滑法. 2. 2. 多項迴歸方程式. 3. 分解法. 資料最低. 準確. 要求比數. 預測時間 長度. T. 20. 中期. 1. 1. T. 10. 短期. 2. 4. 3. T,S. 30. 中期. 3. 4. 3. 5. A,T,S. 30（3S). 短期. 4. ARIMA. 5. 5. 4. A,T,S. 30（4S). 短期. 5. 狀態空間. 6. 6. 6. A,T,S. 30（4S). 長期. 8. 計量經濟. 7→8. 9. 9→8. T,S. 6. 長期. 8. 非線性模式. 8. 8. 7. 不規則. 40. 中期. 6. 類神經網路. 9→∞. 7. 8→∞. 自由. 60（4S). 長期. 8. 預測方法. 所需經費 資料特性. 程度. 資料來源：吳柏林 時間序列分析導論 華泰書局 1~9：得分之順序 1：最短或最少 9：最長或最多 A：stationary；T：trend S：seasonal. 國內外相關文獻. 2.2. 在文獻探討方面分為兩部分詳述，第一部分探討機場需求預測相關領域 論文，藉此了解國內外研究所使用之法與預估期間；第三部分探討以時間數 列方法運用於交通運輸或其他領域之論文，藉此觀察應用時間數列方法所應 該要注意之處。. 2.2.1. 機場運量需求預測報告及文獻 從下述的各機場運量需求預測報告及文獻說明中可發現，大多數的航空. 運量需求預測通常使用計量經濟或模糊理論來建立長期性的總需求量預測 模式。 以往國內預測航空運輸資料常採多元迴歸分析，預測的資料為長期性的 資料，對於有季節性需求的航空業者及貨運業者而言，僅能針對長期預估值 採用年度計畫。然而，由於航空運輸具有相當大的沉沒成本（Sunk–Cost）， 意味者若無法有效的掌握短期運輸需求，則公司的營運將暴露在極高的風險 當中。 9.
(22) 第二章 文獻回顧. 表 2.2-1 機場運量需求預測報告及文獻 時間. 2006. 作者. 民航局. 預測期間. 長期預測. 研究方法. 主要變數. 「TOP-DOWN & BOTTOM-UP」交 互驗證分析法. 內容 南部國際空運發展 專案研究－產業及 空運需求評析. 1.貿易額 多元迴歸 2005. 民航局. 長期預測. 「TOP-DOWN & BOTTOM-UP」交 互驗證分析法. 2.各國 GDP 3.外勞來台人數. 中正國際機場主計 畫修訂. 4.人口數 5.匯率 1.貿易額 2.各國 GDP. 2003. 民航局. 長期預測. 多元迴歸. 3.外勞來台人數 4.人口數. 台灣南部發展新國 際機場之整體評估. 5.匯率. 2002. Nigel P.S. Dennis. 長期預測. 多元迴歸. 實質個人消費 支出. 以分析歐洲各中型 國際機場之容量分 析，以及預測未來各 航線之發展趨勢。. 1997. 溫裕弘. 長中短期. 灰色預測. GDP. 預測台灣地區國際 航空運量. 資料來源：本研究彙整. 2.2.2. 時間序列法相關文獻 一般而言，傳統的預測方法為靜態迴歸分析，但此方法常忽略短期頻率. 運輸需求，具有週期性、季節性與循環性之特性，且亦忽略數列本身的動態 過程及自我相關現象。Box and Jenkins（1970）所提出的時間數列方法，可 以評估動態過程與自我相關，改善靜態迴歸分析的缺點。 ARIMA 方法之介入變數分析可以過濾及調整介入事件造成之衝擊，對 於預測人員而言可以作更準確之預測。由文獻探討得知利用 ARIMA 方法預 估季節性與趨勢性的資料可以得到高度的準確性，因此本研究採用 Box and Jenkins 所提出的時間數列方法「單變量 ARIMA 模式」，建立起以月為頻率 之 ARIMA 預測模式。. 10.
(23) 第二章 文獻回顧. 表 2.2-2 時間. 2006. 2004. 2000. 2000. 1999. 1994. 作者. 游智元. 楊文瑋. 李佳叡. 陳欣欣. 預測期間. 短期預測. 短期預測. 短期預測. 短期預測. 賴泰元. 短期預測. 陳敦基. 臺灣地區城 際客運需求 時間數列模 式建立之研 究. 時間序列法相關文獻. 研究方法. ARIMA 模式 與 Holt-Winters 模式. 單變量 ARIMA. 單變量 ARIMA. 主要變數. 內容. 不同班次、 發車時間、 每日特性. 不同班次會隨著發車時間、每 日特性等因素而存在不同的 特生，這些特性亦會表現在模 式 與 預 測 準確 度 上 。 ARIMA 模式與 Holt-Winters 模式對於 臺鐵短期旅運需求預測表現 良好。而進一步利用更新概念 來預測亦獲得不錯的績效。. 重大事件. 以時間數列方法對中正國際 機場之總需求量建立中短期 之預測模式，並針對近十年來 國內重大事件，建立介入模式 分析，並討論各種介入變數之 影響程度，以作為後續研究者 利用其他分析方法（例如因果 析法）時，可以參考之重要變 數。. 隔週休二日. 分析實施隔週休二日對到訪 森林遊樂區人數的改變，模式 分析結果顯示，隔週休二日的 實施會對到訪森林遊樂區的 遊客人數產生多樣的化的影 響。. 單一車站、. 單變量. 假日因素、. ARIMA. 季節特性. 單變量 ARIMA. 票 價 、 班 次、國內生 產毛額. 利用時間數列模式探討台鐵 旅運需求－以高雄站為例，以 Box and Jenkins 之時間數列模 式來預測高雄站之旅運需 求，探討解釋變數與高站之運 量與延人公里的因果關係。. 客運人數、 衝擊事件. 利用季節生自我迴歸移動平 均整合模式分別就臺灣地區 城際客運各部門－臺鐵、臺 汽、與航空之客運需求，分別 建立個別運具之單變量與雙 變量時間數列模式，並針對具. 單變量 ARIMA 多變量 ARIMA 移轉函數. 11. 台鐵旅運需求與預測之研 究，利用過去三年的旅運資料 來探討旅運量的變動趨勢，並 利用時間數列中的 ARIMA 模 式建立旅運需求預測模式。.
(24) 第二章 文獻回顧. 介入模式. 明顯競爭關係之鐵、公路客運 建構多變量轉移函數模式，模 式校估結果發現，客運人數模 式的解釋能力普遍優於延人 公里模式，並以公路衝擊與空 難事件等因素轉為顯者。 1.以 ARIMA 方法，對英國多 個國際機場進行旅運量預 測。. 1993. Pitfield,DE. 中短期. 單變量. 預測. ARIMA. 不同的定價 策略. 2.蒐集多個航線旅運量資料， 以月為單位進行分析。並針 對幾種不同的定價策略所帶 來的影響，建立介入變數分 析。 3.該預測模式可以準確的預估 出該國際機場之旅客數，介 入變數之分析顯著。. Williams 1998. 1993. 1993. 1988. Durvasula. 短期預測. 單變量 ARIMA 模式. Brown. 指數平滑模式. Kim & Hobeika. 單變量 ARIMA 模式 加入權重與平 值概念. Changkyun & Antoine. Moorthy 與 Ratcliffe. 短期預測. 短期預測. 短期預測. 單變量 ARIMA 模式. 單變量 ARIMA 模式. 資料來源：本研究彙整. 12. 交通流量. 發現 AR 較高表示道路較容易 產生擁擠；而指數平滑法的ａ 值較大亦是相同道理。比較預 測績效後發現兩方法階是可 以應用在短期預測。. 交通流量. 發現在極端值尚未發生時預 測績效相當好，可證明 ARIMA 可應用於短期預測， 亦發現可用即時修正的概念 以防極端值對預測之影響。. 交通流量. 蒐集公路上每分鐘的交通 量，並以 6 分鐘為一單位計 算，利用前期的交通流量資 料，以 ARIMA 模式為基礎， 預估此路段之未來三十分鐘 後的交通量。. 交通流量. 以 1978 年至 1984 年共 84 筆 月 資 料 構 建 季 節 性 ARIMA 模式，並利用模式所預測的 1985 年交通量與實際蒐集得 到的交通量做一比較。依據地 區特性的不同，分別找出各地 區之最適 ARIMA 模式。.
(25) 第二章 文獻回顧. 國際航空運輸發展概況. 2.3. 本節針對國際航空運輸之發展概況進行瞭解。首先說明全球航空運量 發展概況，其次再從台灣地區之國際航空運量等資料彙整分析之。. 2.3.1. 全球航空運量發展概況. 一、運量成長趨勢分析 根據波音公司（Boeing）針對 2007 年至 2027 年的航空運輸市場發展 所預測的關鍵指標，未來 20 年全球經濟年均成長率(以 GDP 計)約為 3.2%、航空旅客量年均成長率為 4%、客運延人公里運輸量年均成長率為 5%、貨運延噸公里運輸量年均成長率可達到 5.8%、對於航空器的需求量 則將以 3.2%的年均速度成長之。此一預測資料顯示對於全球航空運輸市 場前景過去一段期間內各界均加以看好，可做為國家航空運輸政策發展方 向上之參考，以下分就全球航空客運及貨運量之發展情形概述之。最近逐 漸浮現的高油價問題對此一成長趨勢是否會有顯著的影響，尚難以評估， 值得繼續加以觀察。 (一)客運 根據國際機場協會（ACI）所發佈的最新資料顯示，全球航空旅 次量由 2000 年的 36 億人旅次/年成長至 2007 年已達 48 億人旅次/年， 平均成長率為 4.32%，其中 2001-2003 年間由於受到 911 恐怖攻擊及 爆發 SARS 疫情等事件影響造成運量成長之遲滯（圖 2.3-1）。 47.96. 48 46. 43.81. 44 億 42 人 40 次 38 36. 41.71 39.12 35.67. 34.78 34.71 35.31. 34 32 2000 2001 2002 2003 2004 2005 2006 2007 西元年. 圖 2.3-1 歷年全球航空旅客量變化趨勢圖 2007 年全球 ACI 會員機場所服務的旅客量約為 48 億人旅次/年， 較 2006 年成長 9.5%，其中國際航線旅客量之單年成長率為 6.8%，而 13.
(26) 第二章 文獻回顧. 以亞太地區的 9.1%及中東地區的 11.3%等區域之成長力道最為強勁， 而非洲地區亦較 2006 年成長 11.2%。ACI 推估，至 2025 年全球航空 客運量將可能倍增至 90 億人旅次/年；此外，倘若亞太區域高速成長 之趨勢持續，即有可能在十年內取代北美區域成為全球空運旅次量最 大的地區。而波音公司（Boeing）亦預測，至 2027 年全球航空國際旅 客量有將近 45%的比例屬於亞太區域之旅次（包括旅次起、迄的一端 為亞太地區、以及亞太地區內的區域旅次）。 (二)貨運 根據 ACI 所發佈的最新資料顯示，2007 年全球 1,200 個機場所裝 卸的貨運量已達到 8,850 萬公噸/年，較 2006 年成長 3.4%。另根據波 音公司的預測分析，1997-2007 年全球航空貨運量由 1,299 億延噸公里 成長至 1,936 億延噸公里，年平均成長率為 4.1%，參見圖 2.3-2；若無 特殊事件發生之影響，2007-2027 之未來 20 年全球航空貨運市場的發 展仍可期待，其平均成長率預估將有 5.8%（中推估值），2027 年全球 航空貨運量有機會達到 5,959 億延噸公里的水準；倘若受到特殊事件 的 影 響 ， 年 均 成 長 率 之 高 推 估 與 低 推 估 值 域 約 落 在 6.7%-4.8%( 圖 2.3-3)。 20.00. 17.47 17.81. 18.00 16.00 百 14.00 11.57 億 12.00 10.81 延 10.00 噸 公 8.00 里 6.00. 13.83 12.99 13.01. 14.96 14.11 14.89. 18.42. 19.36. 15.58. 4.00 2.00 0.00. 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 西元年. 資料來源：World Air Cargo Forecast 2008-2009,The Boeing Company. 圖 2.3-2 歷年全球航空貨運量變化趨勢圖. 14.
(27) 第二章 文獻回顧. 資料來源：World Air Cargo Forecast 2008-2009,The Boeing Company. 圖 2.3-3 全球航空貨運市場成長率預測 二、全球機場運量消長分析 (一)客運 根據國際機場協會（ACI）所統計全球機場客運量之資料顯示（如 表 2.3-1 所示），2007 年全球航空旅客量前 10 名的機場包括分佈於北 美的亞特蘭大、芝加哥、洛杉磯、達拉斯等 4 個機場、分佈於歐洲的 倫敦希斯羅、巴黎戴高樂、德國法蘭克福、西班牙馬德里等 4 個機場、 以及亞洲的東京羽田及北京等 2 個機場。若進一步針對國際旅客量統 計之，則可發現機場旅客量排名之鉅幅變化，同時亦可從中歸納出包 括歐洲的倫敦希斯羅及蓋特威克、巴黎戴高樂、荷蘭阿姆斯特丹、德 國法蘭克福、亞洲的香港赤臘角、新加坡樟宜、東京成田、曼谷、以 及中東的杜拜等機場可視為目前全球主要的空運中心區位所在。 表 2.3-1 2007 年 ACI 會員機場客運量前十名一覽表 總旅客量排名 國際旅客量排名 名次 機場別 旅客量 單年 名次 機場別 旅客量 單年 (人次/年) 成長率 (人次/年) 成長率 亞特蘭大 倫敦希斯羅 62,099,395 1.2% 1 89,379,287 5.3% 1 芝加哥 巴黎戴高樂 54,904,358 5.8% 2 76,177,855 -0.1% 2 倫敦希斯羅 68,068,304 0.8% 阿姆斯特丹 47,692,521 3.8% 3 3 東京羽田 法蘭克福 4 66,823,414 1.1% 4 47,087,699 3.0% 洛杉磯 香港赤臘角 46,304,879 7.0% 5 61,896,075 1.4% 5 巴黎戴高樂 59,922,177 5.4% 新加坡樟宜 35,221,203 5.6% 6 6 達拉斯 東京成田 7 59,786,476 -0.7% 7 34,237,175 1.1% 法蘭克福 杜拜 8 54,161,856 2.6% 8 33,481,257 19.9% 北京 曼谷 9 53,583,664 10.1% 9 31,632,716 6.9% 馬德里 10 52,122,702 13.9% 10 倫敦蓋特威克 31,140,044 3.7% 資料來源：Airport Council International, 2008.7；本研究整理 15.
(28) 第二章 文獻回顧. (二)貨運 根據國際機場協會（ACI）所統計全球機場裝卸貨運量之資料顯 示（如表 2.3-2 所示），2007 年全球航空貨運(含貨物及郵件)裝卸量前 10 名的機場包括分佈於北美的曼菲斯、安克拉治、路易斯威爾及邁阿 密等 4 個機場、分佈於亞洲的香港赤臘角、上海浦東、韓國仁川及東 京成田等 4 個機場、以及分佈於歐洲的巴黎戴高樂及德國法蘭克福等 2 個機場，其中僅曼菲斯機場為聯邦快遞(FedEx)公司專營國際快遞的 貨運機場，其餘皆為客運航班密集、客運量龐大的國際機場。 表 2.3-2. 2007 年 ACI 會員機場貨運量前十名一覽表 貨物及郵件量排名. 名次. 機場別. 貨運量 (公噸/年). 單年成長率. 1. 曼菲斯. 3,840,491. 4.0%. 2. 香港赤臘角. 3,773,964. 4.5%. 3. 安克拉治. 2,825,511. 0.6%. 4. 上海浦東. 2,559,310. 18.0%. 5. 韓國仁川. 2,555,580. 9.4%. 6. 巴黎戴高樂. 2,297,896. 7.9%. 7. 東京成田. 2,254,421. -1.2%. 8. 法蘭克福. 2,127,646. 8.4%. 9. 路易斯威爾. 2,078,947. 4.8%. 10. 邁阿密. 1,922,985. 5.1%. 資料來源：Airport Council International, 2008.7；本研究整理. 三、亞太地區國際機場營運概況 (一)客運 2007 年亞太地區 132 個主要國際機場之客運量，以涵蓋所有國內 外航線到離站及過境旅客總量統計之（如表 2.3-3 所示），以日本羽田 機場旅客人數 6,682 萬人次/年居首，中國大陸北京機場 5,358 萬人次/ 年次之，第 3 名為香港赤臘角機場 4,704 萬人次/年，泰國曼谷機場以 4,121 萬人次/年之旅客量名列第 4，第 5 名為新加坡樟宜機場 3,670 萬 人次，我國臺灣桃園國際機場 2007 年旅客量為 2,342 萬人次，高雄國 際機場 2007 年總旅客量為 566 萬人次。. 16.
(29) 第二章 文獻回顧. 表 2.3-3 2007 年亞太地區主要國際機場進出旅客人數排名表 機場. 日本 羽田. 中國 北京. 香港 赤臘角. 泰國 曼谷. 新加坡 樟宜. 日本 成田. 台灣 桃園. 台灣 高雄. 旅客數. 6,682. 5,358. 4,704. 4,121. 3,670. 3,548. 2,342. 566. 年增減(%). 1.1. 10.1. 7.3. -3.7. 4.8. 1.4. 2.4. -20.6. 2007 年排名. 1. 2. 3. 4. 5. 6. 14. 45. 2006 年排名. 1. 2. 3. 4. 5. 6. 13. 37. 註：進出旅客包含國內外航線離、到及過境之旅客；旅客數單位：萬人次 資料來源：Airport Council International, 2008.7；本研究整理. 進一步分析 2007 年亞太地區主要機場客運量成長率，其中以中國 大陸北京機場增加 10.1%最多，香港赤臘角機場客運年增率為 7.3%； 另臺灣桃園國際機場增加 2.4%，高雄國際機場則大幅下跌 20.6%。 (二)貨運 觀察 2007 年亞太地區 132 個主要國際機場貨運量（如表 2.3-4 所 示），前 10 名機場均維持其營運優勢，其中香港赤臘角機場以 377 萬 公噸排名居首，其次為中國大陸上海機場 256 萬公噸，再次者為韓國 仁川機場 255 萬公噸，日本成田機場 225 萬公噸居第 4 位，新加坡樟 宜機場 192 公噸居第 5 位，而我國臺灣桃園國際機場 160 萬公噸排名 第 6 位，與 2005 年同，高雄國際機場貨運量則縮減為 6 萬公噸。 進一步分析 2007 年亞太地區國際機場貨運量排名前 10 名者之成 長率，以中國上海及北京機場呈兩位數成長之漲幅最為顯著，韓國仁 川機場亦維持達 9.4%的成長率，而日本成田及新加坡樟宜機場的貨運 量則較 2006 年呈微幅減少，至於衰退幅度最鉅者則為臺灣桃園及高雄 國際機場，負成長幅度分別達到-5.5%及-10.7%之多，顯示台灣地區之 國際航空貨運環境在亞太地區的競爭力已面臨發展上的危機。. 17.
(30) 第二章 文獻回顧. 表 2.3-4 2007 年亞太地區主要國際機場進出貨物噸數排名表 香港 中國 韓國 日本 新加坡 臺灣 泰國 中國 日本 日本 台灣 赤臘角 上海 仁川 成田 樟宜 桃園 曼谷 北京 羽田 關西 高雄. 機場 貨物量. 377. 256. 255. 225. 192. 160. 122. 119. 85. 84. 6. 年增減 (%). 4.5. 18.0. 9.4. -1.2. -0.7. -5.5. 3.2. 15.9. 1.5. 0.5. -10.7. 2007 年排名. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 40. 2006 年排名. 1. 4. 2. 3. 5. 6. 7. 8. 10. 9. 39. 2007 年 全球排名. 2. 4. 5. 7. 11. 16. 19. 20. 24. 25. 157. 註：進出貨物包含國內外航線裝、卸之貨物及郵件；貨物量單位：萬公噸 資料來源：Airport Council International, 2008.7；本研究整理. 2.3.2. 台灣地區國際航空運量發展概況. 一、客運 民國 96 年台灣地區國際航空客運量約為 2,685 萬人次，十年平均成 長率約為 3.56%，其中 87%集中於桃園國際機場，高雄國際機場約佔 13%。 桃園國際機場目前國際客運量約為 2,342.6 萬人次，十年平均成長率 約為 3.89%，其中過境旅客所佔比例約為 11%；高雄國際機場目前國際客 運量約為 342.5 萬人次，十年平均成長率約為 1.56%，其中過境旅客所佔 比例 96 年達到 1.7%（如表 2.3-5、圖 2.3-4 所示）。 表 2.3-5 民國 年期. 86 87 88 89 90 91 92 93 94 95 96. 桃園國際機場 出入境 過境. 1,418.5 1,382.6 1,501.5 1,670.6 1,649.3 1,699.9 1,360.3 1,772.2 1,921.3 2,028.5 2,085.5. 180.5 190.0 202.9 197.6 196.8 222.9 191.1 236.1 248.7 257.2 257.1. 歷年台灣地區國際航空客運量統計一覽表 合計. 1,599.0 1,572.5 1,704.4 1,868.1 1,846.1 1,922.8 1,551.4 2,008.4 2,170.1 2,285.7 2,342.6. 高雄國際機場 出入境 過境. 290.5 264.1 279.3 307.5 300.8 306.6 230.8 302.3 325.6 342.5 336.6. 18. 2.9 1.6 0.2 0.1 0.2 0.4 0.3 0.4 0.1 1.4 5.9. 合計. 293.4 265.7 279.5 307.6 301.0 307.0 231.0 302.7 325.8 343.9 342.5. 台灣地區 出入境 過境. 1,709.0 1,646.7 1,780.8 1,978.1 1,950.1 2,006.5 1,591.0 2,074.5 2,247.0 2,371.0 2,422.1. 183.4 191.6 203.1 197.7 197.0 223.3 191.4 236.5 248.9 258.6 263.0. 合計. 1,892.4 1,838.2 1,983.9 2,175.7 2,147.1 2,229.8 1,782.4 2,311.0 2,495.9 2,629.7 2,685.1.
(31) 第二章 文獻回顧 桃園出入境. 桃園過境. 高雄出入境. 高雄過境. 3,000.0 2,500.0 2,000.0 萬 人 1,500.0 次 1,000.0 500.0 0.0. 86. 87. 88. 89. 90. 91. 92. 93. 94. 95. 96 民國年. 圖 2.3-4 歷年台灣地區國際航空客運量變化趨勢圖. 二、貨運 目前台灣地區經營國際航空貨運之機場包括桃園及高雄國際機場，所 服務之貨運量組成包括進口貨、出口貨及轉口貨，轉口貨部分依貨物是否 須進出倉儲區尚可區分為轉口進倉貨及機下直轉貨，其中機下直轉貨過去 係由各航空公司自行統計而無官方彙整資料，直至民國 90 年民航統計年 報才開始就該類貨物運輸量進行彙整公佈。表 2.3-6 係彙整台灣地區各國 際機場過去 10 年之貨運量。以下分別就運量成長、貨運量組成及機場分 佈比例等變化情形說明之。. 19.
(32) 第二章 文獻回顧. 表 2.3-6 歷年台灣地區國際航空貨運量彙整表 單位：千公噸/年 桃園國際機場. 民國年期. 高雄國際機場. 進口. 出口 轉口進倉 機下直轉. 合計. 進口. 出口. 86. 355.2. 484.0. 74.4. -. 913.5. 27.4. 43.3. 0.2. 87. 350.6. 512.1. 69.4. -. 932.1. 26.3. 47.5. 88. 400.7. 578.2. 78.3. -. 1057.2. 31.5. 89. 482.8. 636.8. 89.2. -. 1208.8. 38.8. 90. 400.2. 552.7. 93.1. 143.9. 1189.9. 91. 425.1. 623.9. 188.6. 143.1. 92. 437.5. 671.4. 243.8. 93. 498.6. 677.5. 94. 489.5. 95. 台灣地區 合計. 進口. 出口. 轉口進倉. 機下直轉. 合計. -. 71.0. 382.6. 527.3. 74.6. -. 984.5. 0.6. -. 74.3. 376.8. 559.6. 70.0. -. 1006.4. 53.9. 0.3. -. 85.6. 432.2. 632.1. 78.5. -. 1142.8. 56.4. 0.3. -. 95.5. 521.6. 693.3. 89.5. -. 1304.3. 31.7. 51.0. 0.3. 0.0254. 83.0. 431.9. 603.7. 93.4. 143.9. 1272.8. 1380.7. 33.3. 55.3. 0.2. 0.0008. 88.8. 458.4. 679.2. 188.9. 143.1. 1469.6. 147.4. 1500.1. 26.2. 51.0. 1.8. 0.0020. 79.0. 463.7. 722.3. 245.6. 147.4. 1579.0. 344.4. 180.5. 1701.0. 25.6. 53.2. 2.7. 0.0025. 81.5. 524.2. 730.7. 347.1. 180.5. 1782.5. 641.9. 357.5. 203.5. 1692.4. 22.8. 48.9. 4.3. -. 76.0. 512.3. 690.8. 361.8. 203.5. 1768.5. 487.2. 641.1. 381.4. 176.8. 1686.4. 22.1. 45.2. 3.2. -. 70.5. 509.3. 686.3. 384.6. 176.8. 1757.0. 96. 488.5. 630.5. 377.0. 97.1. 1593.0. 20.4. 39.0. 3.5. -. 62.9. 508.8. 669.5. 380.5. 97.1. 1655.9. 年均成長率. 3.2%. 2.7%. 17.6%. -9.9%. 5.7%. -2.9%. -1.0%. 30.1%. -. -1.2%. 2.9%. 2.4%. 17.7%. -9.9%. 5.3%. 90貨類組成 33.63% 46.45% 7.83% 比例 96貨類組成 30.66% 39.58% 23.67% 比例 90-96貨類組成 比例成長率. -1.5%. -2.6%. 20.3%. 90機場分佈 92.66% 91.55% 99.72% 比例 96機場分佈 96.00% 94.17% 99.09% 比例 90-96機場分佈 比例成長率. 0.6%. 0.5%. -0.1%. 轉口進倉 機下直轉. 12.09%. 100.0% 38.21% 61.45%. 0.31%. 0.03%. 100.0% 33.93%. 47.43%. 7.34%. 11.3%. 100.0%. 6.09%. 100.0% 32.39% 62.09%. 5.52%. 0.0%. 100.0% 30.73%. 40.43%. 22.98%. 5.86%. 100.0%. -10.8%. -2.7%. 0.2%. 61.3%. -. -. -1.6%. -2.6%. 21.0%. -10.4%. -. 99.98%. 93.48% 7.34%. 8.45%. 0.28%. 0.02%. 6.52%. 100.0%. 100.0%. 100.0%. 100.0%. 100.0%. 100.0%. 96.20% 4.00%. 5.83%. 0.91%. 0.0%. 3.80%. 100.0%. 100.0%. 100.0%. 100.0%. 100.0%. -6.0%. 21.8%. -. -8.6%. -. -. -. -. -. 0.0%. -. 0.5%. -9.6%. 註：貨運乃採「國際機場協會(ACI)」之定義，包括郵件(mail)及貨物(fright)，不含行李 資料來源：民航統計年報，民航局，民國 86-96 年. (一)運量成長趨勢 圖 2.3-5 為歷年台灣地區國際航空貨運量變化趨勢，整體而言，10 年來除了在民國 90 年受到全球經濟因素之影響，致使當年運量較前一 年略為下降外，台灣地區國際航空貨運量在民國 86-93 年主要呈逐年 增加趨勢，惟自民國 94 年起因台灣地區政治、經濟及兩岸問題等因素 導致運量逐年減少。民國 96 年台灣地區國際航空貨運量為 165.59 萬 公噸，10 年之平均成長率為 5.3%，其中進口為 50.88 萬公噸、出口為 66.95 萬公噸，轉口為 47.76 萬公噸，轉口量之 10 年平均成長率達 20.4% （含轉口進倉與機下直轉） ，成為近年來支撐台灣地區國際航空貨運量 成長之主要因素。. 20.
(33) 第二章 文獻回顧. 1,800 1,600 1,400. 高雄轉口 高雄出口. 1,200. 高雄進口. 千 1,000 公 噸 800. 桃園轉口 桃園出口 桃園進口. 600 400 200 0. 86 87 88. 89 90 91. 92 93. 94 95 96 民國年. 圖 2.3-5 歷年台灣地區國際航空貨運量變化趨勢圖 就各別機場觀之，桃園機場歷年之運量變化大致與台灣地區整體 趨勢相似，10 年平均成長率為 5.7%略高於台灣地區整體運量之水準， 民國 96 年貨運量為 159.3 萬公噸，其中進口為 48.85 萬公噸、出口為 63.05 萬公噸、轉口為 47.41 萬公噸；高雄國際機場歷年之運量變化趨 勢(如圖 2.3-6 所示)，在民國 89 年以前大致與桃園機場逐年成長之走 勢相似，之後則呈現大幅下滑而次年微幅上升的波動情形，94 年起則 呈逐年減少趨勢，運量高峰期至今仍停留於民國 89 年的 9.55 萬公噸。 民國 96 年貨運量為 6.29 萬公噸，10 年之平均成長率為-1.2%，其中進 口為 2.04 萬公噸、出口為 3.9 萬公噸、轉口為 0.35 萬公噸。 100 90 80 千 公 噸. 70 60 50. 高雄轉口. 40. 高雄出口. 30. 高雄進口. 20 10 0. 86. 87. 88. 89. 90. 91. 92. 93. 94. 95. 96 民國年. 圖 2.3-6 歷年高雄國際機場航空貨運量變化趨勢圖 21.
(34) 第二章 文獻回顧. 就貨運量組成之成長趨勢而言，民國 94 年以前台灣地區各類航空 貨運量歷年平均成長率均呈現正成長趨勢，其後僅轉口進倉貨持續成 長。高雄國際機場雖亦以轉口進倉貨成長幅度最大，惟其運量有限； 在進出口貨部分，其進出口貨十年平均成長率均呈現負成長趨勢，而 高雄國際機場進出口貨運量近年來皆達到一倍左右的差異，箇中因素 初步分析可能與進出口貨物之地區分佈有關。 (二)貨運量組成比例 在貨運量組成方面（如表 2.3-6 所示），台灣地區進出口貨所佔比 例由民國 90 年之 81%下降至民國 96 年之 71%，平均每年以 2.2%的負 成長幅度下降；高雄國際機場民國 90-96 年貨運量組成呈進口貨比例 下降而出口貨比例上升的趨勢，但進出口貨所佔比例仍高達 95%以 上，顯示高雄國際機場之營運仍以進出口為主。 (三)貨運量之機場分佈比例 在機場分佈比例方面（如表 2.3-6 所示），整體而言，台灣地區之 國際航空貨運量主要集中於桃園機場，所佔比例由民國 90 年的 93.48% 增加為民國 96 年的 96.2%，且貨運量組成之機場分佈比例亦均呈現愈 趨集中於桃園機場的情形，箇中因素應與高雄國際機場近年來所提供 的客運班次逐漸減少、連帶影響貨運利用客機之機腹載運的機會、導 致貨運在班次密度層面之服務水準低落、影響貨主選擇高雄國際機場 進行貨物運送管道的意願有關。 綜合前述分析可歸納：1）歷年台灣地區之航空貨運量成長趨勢主要 係受桃園機場之影響；2）在營運策略上，而高雄國際機場之國際貨物運 輸係以進出口貨為主；3）在貨運量之機場分佈比例上，受到高雄國際機 場減班影響，近年來有趨向集中於桃園機場之情形。 三、起降架次 歷年台灣地區國際航線之起降架次變化趨勢如圖 2.3-7 所示。民國 68 年台灣地區國際航線起降架次約 3.7 萬架次/年，至民國 96 年已增加為近 19 萬架次/年，30 年之平均成長率為 5.8%，高雄國際機場之國際航線起 降架次則由民國 68 年的 2 千架次增加為民國 96 年近 3 萬架次，平均成長 率為 9.2%。觀察圖 2.2-8 之成長趨勢線可以發現，台灣地區國際航線之起 降架次自民國 77 年起開始出現較大幅度的成長，研判應與台灣自民國 76 年底開放國人赴大陸探親、繼而帶動出國觀光之熱潮有關。. 22.
(35) 第二章 文獻回顧. 桃園機場. 起 降 架 次. 高雄機場. 合計. 200,000 180,000 160,000 140,000 120,000 100,000 80,000 60,000 40,000 20,000 0 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 民國年. 圖 2.3-7 台灣地區國際航線歷年起降架次成長趨勢圖. 2.4. 小結 綜合上述各項時間數列模式預測方法，依其資料特性與預測長度，將各. 種計量預測方法做一比較如表 2.1-1 所示。各類方法論並無所謂的優劣之分， 必須依照資料型態與特性而選用不同的方法論。由於旅運資料具有季節變動 趨勢與特性，故並不適合成長模式之應用；指數平滑法雖可利用歷史資料， 以特定的期數求得移動平均值做為預測值，但由於該研究方法較不能處理非 平穩型數列，故並不適合應用在本研究；由於該旅運資料型態並非平穩型態， 故不適合多變量迴歸模式；分解法雖具有處理非平穩數列的特性，但該方法 的最大缺點是無法引入其他因素；計量經濟模式除了考慮時間因素外還考慮 其他因素的影響，但由於蒐集資料的成本較高且費時，故本研究並不考慮採 用該類模式；非線性模式雖然具有處理非線性旅運資料的功能，但由於旅運 資料的變動幅度甚大且變動趨勢未知，因此並不適合應用在本研究中。由於 ARIMA 模式具有處理非平穩數列與季節性數列的特性，加上該模式可利用轉 換函數引入其他變數做討論，故比其他研究方法適合應用在每月航空運量需 求預測模式中，因此本研究將選定 ARIMA 模式做為主要研究方法。. 23.
(36) 第三章 研究方法. 第三章. 研究方法. 自我迴歸移動平均整合（ARIMA）模式. 3.1. 時間數列（Time series）是一種根據動態數據揭示動態系統（Dynamic System）結構和規律的統計方法，指某動態系統（Dynamic System）隨著時間 連續觀察所產生以順序的觀測值集合，通常以{y1}表示。（林茂文，1992） 自我迴歸移動平均整合模式（ARIMA），由 Box 與 Jenkins（1970）所提 出發展出來的模式，故亦稱為 Box-Jenkins 預測模式，是目前最常使用的時間 數列模式之一。其模式主要是利用歷史資料，檢定其自我相關與偏相關等特 性，亦是精確度相當高的預測方法，它將時間序列看成許多偶然因素共同作 用的隨機型波動，進行分析。隨機過程分為平穩隨機過程及非平穩隨機過程， 平穩時間序列之特徵為不會隨時間的平移而變化，非平穩時間序列可先進行 差分運算，然後再建立模式。 時間序列分析之程序稱為 Box-Jenkins 或 ARIMA 建構法。ARIMA 模式建 立系統化辨識、估計、診斷和預測的時間序列之實驗方法。而 ARIMA 模式建 立 可分為四個步驟，依序為「分辨模式」、「參數估計」、「檢定模式」、「預測 與評估」，以下分別將以上四大步驟的細節介紹於下：. 3.1.1. 分辦模式. ㄧ、模組形式 Stephen（1998）所著的「Forecasting Principles and Applications」一 書中指出，數據資料普遍存在著序列水準和變異數不穩定的現象，所以在 做模式配適或是序列預測之前，必須先檢定其水準與變異數的穩定性。 進行時間序列分析前，必須先確定時間序列是否屬平穩性，並對原始 資料進行消除數列不穩定的處理。依據 Dickey & Fuller（1976）提出的單 根檢定方法，對原始數進行稱定性測試之單根檢定與對數檢定。 所謂具有單根（unitroot） ，意指時間序列在經過差分後能夠達到穩定 性。D-F test 用來檢定時間序列資料是否具有穩定性或是用來決定不穩定 序列需要差異化多少時間來達到穩定性，其假說如下： H0：時間序列具有單根 H1：時間序列具穩定性. 24.
(37) 第三章 研究方法. 對非平穩時間序列，進行差分處理，得到一個新的時間序列，根據樣 本自我相關函數（Autocorrelation Function，簡稱 ACF）與偏自我相關函 數（Partial Autocorrelation Function，簡稱 PACF）的統計特徵，初步分辦 模式和確定模式階數，如果自我相關係數是 q 步截尾，而且偏自我相關係 數呈現指數衰減，具有拖尾性，則 MA（q）模式比較適合，如果偏自我 相關係數是 p 步截尾，且自我相關係數呈現指數衰減，具有拖尾性，則 AR（p）模式比較適合，如果自我相關係數偏自我相關係數皆不截尾，但 都收斂到 0，則可能是 ARMA 序列。 二、ARIMA 模式組合 時間數列本身之觀測值或及干擾項之間不同關係，分成三種時間數列 模式：自我迴歸模式（AR 模式）、移動平均模式（MA 模式）與結合 AR 模式與 MA 模式之整合自我迴歸移動平均模式（ARIMA）。 (一)自我迴歸模式（AR 模式：Autoregressive Model） 先假設時間數列屬於平穩性，p 階自我迴歸模式 AR（p）之涵義 為時間數列觀測值 y1 為過去 p 期觀測值（yt-1，yt-2，yt-3，yt-4…，yt-p） 以及當期的干擾項（ t）所組成的迴歸方程式。 y1=c+ψ1yt-1+ψ2yt-2+ψ3yt-3+……+ψpyt-p+ 1. （1）. 後移項因子（B）之定義為： By1=yt-1 B2y1=yt-2 B1y=yt-1. j=1,2,…. 後移項因子計算（1）式 Yt=c+ψ1yt-1+ψ2yt-2+ψ3yt-3+……+ψpyt-p+ t =c+. ψ1B+ψ2B2+ψ3B3+…+ψpBp. （. ）. yt+ t+ψ1Byt+ψ2B2yt+ψ3B3yt+……+ψpBpyt+ t =c+（ψ1B+ψ2B2+ψ3B3+…+ψpBp）yt+ t 移項後 （ψ1B+ψ2B2+ψ3B3+…+ψpBp）yt= t+c ψpByt= t+c. （2） （3）. 其中 ψpB=（1-ψ1B+ψ2B2+ψ3B3+…+ψpBp） 25.
(38) 第三章 研究方法. ψ1……ψp：自我迴歸參數 yt：第 t 期時間數列觀測值. t：第 t 期時間數列干擾項 (二)平均移動模式（MA 模式：Movng-Average Model） 同樣假設時間數列屬於平穩性，q 階自我迴歸模式 MA（q）之涵 義為時間數列觀測值 y1 是由過去 q 期以及當期干擾項（ t、 t-1、 t-2、. t-3、 t-q）加權平均構成之移動平均方程式： yt=μ+ t－θ1 t-1－θ2 t-2-……－θ1 t-1 =μ+ t－θ1 t-1－θ2B2 t－……－θqBq t =μ+（1－θ1B－θ2B2－……θqBq） t yt=μ+θq(B) t. （4）. 其中 θq(B)=（1－θ1B－θ2B2－……－θqBq） θ1……θq：移動平均參數 yt：第 t 期時間數列觀測值. t：第 t 期時間數列干擾項 （ 三 ） 整 合 自 我 迴 歸 移 動 平 均 模 式 （ Autoregressive Integrated Moving Avrage Model） 根據 Stephen 所述，在序列的分析上，通常可以利用序列的對數 轉換來達到變異數的穩定，對具有趨勢性或是周期性時間數列，必須 用差分的方式轉換才能使時間數列呈現平穩性。 差分轉換可分為一般差分與季節差分： 1.一般差分 一階差分：▽yt=yt－yt-1=(1-B)yt 二階差分：▽ 2yt=(1-B2)yt D 階差分：▽ dyt=(1-Bd)yt. （5）. 2.季節差分 ▽syt=yt－yt-s=(1-Bs)yt. （6）. 26.
(39) 第三章 研究方法. 對於同時具有趨勢性與季節性之資料，在進行時間數列分析時，採取 一般差分及季節差分兩項合用，來消除趨勢生與季節性。 ▽Ds▽ dyt=(1-Bs)D(1-B)dyt. （7）. S：季節性資料之週期性，D：季節差分之階數，d：一般差分之 階數對於非平穩型時間數列模式，原始數列經由差分後轉為平穩型時 間數列，再結合 ARMA 模式後，此模式稱為（p,d,q）階整合自我迴歸 移動平均模式（Autoregressive Integrated Moving Average Model）。 以 ARIMA（p,d,q）表示，其中 p 為自我迴歸過階數、q 為移動平 均過程階數。. (1－ψ1B－ψ2B2－ψ3B3－……－ψpBp)(1－B)d(yt－μ)= (1－θ1B－θ2B2 －……－θpBq) t. （8）. 如果時間數列在連續數年中每隔 S 期的數個觀測時間存在高度相 關的特性，但許多時間數列亦常在連時期的數個觀測值彼此具有相依 性時，必須同時考慮一般連續生與季節性模式，形成一個(p,d,q) × (P,D,Q)s 階的季節相成模式。 ARIMA(p,d,q)×(P,D,Q)s Φp(Bs)ψp(B)▽sD▽ dyt=Θq(Bs)θq(B) t. （9）. p：一般自我迴歸階數 d：一般連續差分階數 q：一般移動平均階數 P：季節性自我迴歸階數 D：季節性連續差分階數 Q：季節性移動平均階數. 3.1.2. 參數估計 模式中的未知參數，一般可利用最小平方法估出最佳或是最有效的估. 計值，若樣本數夠大時，可利用最大概似估計法（maximum likelihood） 求得有效的估計值。計算選取模式中之未知參數。 27.
(40) 第三章 研究方法. ㄧ、判定 d 的數值 (一)函數圖形判定 在進行時間序列觀察值分析時，當期觀察值可能受到前幾期或後 幾期資料影響，因此必須注意當期觀察值前幾期或下幾期觀察值之間 所存在的關係。在單奱量時間數列模式中，常利用自我相關函數（ACF） 與偏自我相函數（PACF）之理論圖形，協助判斷該模式的型態及判定 模式是否符合恒常生。當自我相關函數值（ACF）不容易很快消失時， 表示該數列為一無定向型數列，故必須對該數列進行差分步驟，直到 數列的 ACF 很快消失為止，故表示該數列已經轉換為平穩型數列，此 時的 d 值即表示數列所需之差分次數。 (二)ADF（Adjust Dickey-Fuller）單根檢定法 利用 Dickey & Fuller（ 1976）提出的 DF 單根檢定（Dickey - Fuller） 衍生擴充單根檢定方法（ADF）來決定原始數列是否是為恆定數列， 若單根檢定結果顯著，則表示該數列為恆定數列，反之表示該數列不 為恆定數列，必須進行差分才可進行分析。 m. y t y t pt y t 1 t i. m. y t y t 1 pt y t 1 t i. m. y t y t pt y t 1 t. （ 10）. i. m 為最適落後期數，使殘差項殘差項能近似於白噪音，當檢定結 果拒絕虛無假設，表示此數列不具單根，可視為一恆定數列。 二、判定 p 與 q 的數值 判定 p 與 q 的數值的方法是由樣本之 ACF 與 PACF 圖形及其標準誤 差，判定數列屬於何種模式。 （一） AR(p)之理論 ACF 呈漸漸消失（ Tails Off）型態，當 k＞p 時，其 理論 PACF 將切斷於 k。 （二）MA(q)之理論 ACF 將切斷於 k，當 k＞p 時，其理論 PACF 則呈漸 漸消失（Tails Off）型態。 （三） ARMA(p,q)之理論 ACF 及 PACF 均呈漸漸消失型態。此類模式之. ACF 在時差 q 之後，呈現指數衰退消失型態；PACF 是根據 ψ（ B） 28.
(41) 第三章 研究方法. =0 與 θ（ B）=0 之根呈漸漸消失型態。 Tasy 與 Tiao（ 1984）提出混合平穩型與無定向型 ARMA 模式建立之 方法，利用反覆逐步的自我迴歸方法，產生混合 ARMA 式自我迴歸係數 一致生估計，計算殘差數列的自我相關。這些自我相關的函數稱之為延伸 的自我相關函數（ Extended utoregression Function，簡稱 EACF），可針對. ARMA(p,q)模式中最大的 p、q 次數提供有用的資訊。. 3.1.3. 檢定模式. ㄧ、檢定模式 當數據被檢定為某一模式時，而參數亦經由電腦估計程式求得最佳估 計值後，還必須利用各種檢定方式來判斷此組數據是否可適合此模式，其 中，最常使用是計算殘差樣本自我相關函數。. ψp(B)Wt=θq(B)εt Wt=(1-B)d(yt-μ) 則最大概似法（ maximum likelihood）估計值為（ψ,θ）. ˆt ˆq 1 B ˆp B Wt. （11）. 二、利用整體法則 X2－Q 計量 利用 X2 整體準則，來判斷殘差序列{ε1}是否為白噪音數列，Box 與. Pierce(1970)提出 Q 統計量，近似 X2 分配，其自由度為（k-p-q）。 k. Q n k2 ˆt . （12）. k 1. 其中 n：為序列觀察數. k：為所計算之殘差自我相關的個數 p 與 q：為模式的參數個數 若 Q＞ X2（k-p-q）則表示殘差項的相關係太大，此模式不太適合。 三、模式選取準則 當數據被檢定為某一模式及估計出其參數值，然而此仍為是預估的暫 定模式，仍舊需要經由一些檢定法加以評估與判斷擬合之參數是否適合此 一式，一般常使用適合度準則定準則。 29.
相關文件
檢查及察查發現場地布置、機具設備及材料不符合規定，要求術科測試
請仲介機構提出所有承辦之雇主或國外仲介機構及 本國人（求職人）之文件卷宗及相關契約書，評鑑 人員於現場以抽查方式抽出
論文寫作指導 釋覺興 佛光山國際學部英文佛學院 佛教史、英文、國文 釋覺培 南華管理學院比較宗教研究所 佛教經典研究、佛門禮儀 釋覺機
一、研究動機 二、資料來源 三、模型建立 四、模擬預測 五、研究結果
The disadvantage of the inversion methods of that type, the encountered dependence of discretization and truncation error on the free parameters, is removed by
(a) Giving your answers in standard form, estimate (i)the total mass of the population of Europe.. (ii)how many more people live in Asia than
法新社報導，歐洲國際機場協會（ACI Europe）27 日表示，在新冠肺炎疫情的 影響之下，搭乘飛機的旅客人數驟降，而歐洲機場
If the bootstrap distribution of a statistic shows a normal shape and small bias, we can get a confidence interval for the parameter by using the boot- strap standard error and
