臺灣半導體產業群聚與空間演化分析

國

立

交

通

大

學

土木工程學系

碩士論文

臺灣半導體產業群聚與空間演化分析

Analysis of Semiconductor Industrial Clustering and Spatial

Transformation in Taiwan

研 究 生：陳柏均

指導教授：黃玉霖 博士

Analysis of Semiconductor Industrial Clustering and Spatial

Transformation in Taiwan

研 究 生：陳柏均 Student：Bo-Jyun Chen

指導教授：黃玉霖 Advisor：Yu-Lin Huang

國 立 交 通 大 學

土木工程學系

碩 士 論 文

A Thesis

Submitted to Department of Civil Engineering

College of Engineering

National Chiao Tung University

in partial Fulfillment of the Requirements

for the Degree of

Master

In

Civil Engineering

August 2007

Hsinchu, Taiwan, Republic of China

中華民國九十六年八月

臺灣半導體產業群聚與空間演化分析

研 究 生：陳柏均 指導教授：黃玉霖 博士

國立交通大學土木工程學系（研究所）碩士班

摘要

民國九十一年行政院認為在全球化的競爭環境下，產業發展對於國家競爭優勢影響

甚鉅，推動了「兩兆雙星國家發展重點計劃」，扶植半導體產業及影像顯示產業全年產

值突破兆元大關，以開發科學工業園區藉由群聚效應發揮，加速這兩個產業領域龐大產

業鏈之成長。

諸如半導體產業等在國際間具有高度競爭力的產業而言，如何維持其優勢競爭力，

政府的政策配合成為關鍵點，但政府的資源仍屬有限，產業在不同的發展階段所需要的

資源有所差異，如何在最佳的時間點投入適當的資源於最有效的產業及區域中，政府需

透過產業分析來了解產業發展趨勢。

產業之分析需充分反應產業的特性，以及產業整體群聚之發展趨勢，才能明確分析

出產業之脈動。半導體產業乃我國重點發展產業之一，但國內在做產業群聚分析時卻鮮

少以量化資料分析產業發展之趨勢，而直接進行產業群聚之探討，未能預估產業之發展

趨勢，在做為政策上的參考時便容易受到質疑。

本研究採用工商普查半導體製造業廠商資料，透過類神經網路建構之方式建立臺灣

半導體產業發展空間演化之模擬模型，系統結果精確度約達八成，顯示本研究所建構之

模型有優良之準確性，而後再以模擬出之結果經由空間自相關之計算，了解出臺灣半導

體產業群聚之變動情況，以提供政府及相關產業作為基礎建設投資之參考。

關鍵詞：產業群聚、半導體產業、類神經網路模擬、空間自相關分析

Analysis of Semiconductor Industrial Clustering and Spatial

Transformation in Taiwan

Student：Bo-Jyun Chen Advisor：Yu-Lin Huang

Department of Civil Engineering

National Chiao Tung University

Abstract

The government speaks of in the recent years the promotion of the nation the project. To

develop quality of infrastructure to permeate industrial clustering effect and to develop of

industrial accelerated.

However, which time does the government invest resources in which area must permeate

the analysis of industrial clustering to understand.This study permeates Neural Network to

establish the simulate model of semiconductor industrial development in Taiwan.

The result of system is almost 70%. Obviously, this study has accurate in model which is

established. Then use this result to compute Spatial Autocorrelation to understand the

situation of the simulate model of semiconductor industrial development in Taiwan. To

private the government and industrials in basic construction of investment for reference.

Key Words：industrial clustering, semiconductor industry, Neural Network, Spatial

Autocorrelation

誌 謝

時光飛逝，猶記得當初上榜的興奮，如今已經完成學位論文，要離開這個時間短但

卻有深刻情感的校園，這兩年的學習真的是滿載而歸，感謝這兩年來支持我、陪伴我、

教育我的所有人，有了你們的相助我才能圓滿畢業。

首先要感謝我的家人，感謝你們的付出，讓我能夠無後顧之憂地在外地求學，更在

我困頓時給予精神的支持，沒有你們的栽培不會有現在的我。

在這兩年的研究所求學過程中，感謝組上 曾仁杰老師、 王維志老師及 黃世昌老

師在課堂中及內審的指導，更誠摯的感謝指導教授 黃玉霖博士，老師不時的討論並指

點我正確的方向，使我在這些年中獲益匪淺。老師對研究的嚴謹更是我學習的典範。更

感謝口試時，姚老師、黃老師及林老師意見與指教，使得這本論文更臻完善。另外得感

謝博士班的文彬學長、健銘學長與明聰學長，感謝你們的幫助與指導，使我順利的完成

論文。

感謝研究生活一同陪伴我的同窗好友，曾組的名修、小倫與小白，王組的國賓、姜

林及文華，世昌組的欣怡、OJAY 和小黑，特別是同組患難修課的嘉正與育正，有了你

們的陪伴鼓勵與協助讓這段研究生涯更加精采與順利。另外也要感謝給予許多指導的黃

組學長起輝及俊男，謝謝你們不斷給予我建議與鼓勵。亦要感謝在碩二這一年給予許多

協助使得我能專注於研究的十七位學弟妹，尤其是黃組的學弟妹阿土、阿威、浩仰、醃

腸及小畢，感謝你們的幫忙。

論文的完成最要感謝行政院主計處的吳聲和先生及工研院的先生，在我研究最困難

的時候，願意抽空指導一個素未謀面的學子，謝謝你們。

最後感謝在類神經網路指導我的好友銘仁、小賴、市長及進國學長，在

GIS 協助我

的宗志與阿欽，一起進到交大的好室友康

SIR、紀勛和文欽，沒有你們的協助我不可能

獨自完成這個研究。最後要感謝的是陪伴我走過低潮不斷給我鼓勵的怡伶，謝謝你。

無論是文中提及的所有人，亦或是有所遺漏的貴人，柏均都衷心感謝大家，謝謝。

目錄

摘要

_____________________________________________________________________ I

Abstract __________________________________________________________________II

誌

謝

_____________________________________________________________ III

目錄

____________________________________________________________________ IV

圖目錄

__________________________________________________________________ VI

表目錄

_________________________________________________________________ VII

第一章

緒論

___________________________________________________________ 1

1.1

研究動機 _______________________________________________________________ 1

1.2

研究問題 _______________________________________________________________ 1

1.3

研究目的 _______________________________________________________________ 2

1.4

研究方法與流程 _________________________________________________________ 2

1.5

研究架構 _______________________________________________________________ 3

第二章

文獻回顧

_______________________________________________________ 5

2.1

產業群聚 _______________________________________________________________ 5

2.1.1

理論溯源

____________________________________________________________________ 5

2.1.2

群聚之定義

__________________________________________________________________ 6

2.1.3

產業群聚之優勢

______________________________________________________________ 9

2.2

產業群聚分析方法 ______________________________________________________ 11

2.2.1

區位商數

___________________________________________________________________ 11

2.2.2

投入產出

___________________________________________________________________ 13

2.2.3

問卷與訪談調查

_____________________________________________________________ 14

2.2.4

空間自相關

_________________________________________________________________ 15

2.3

擴張模型 ______________________________________________________________ 16

2.3.1

細胞自動機

_________________________________________________________________ 16

2.3.2

類神經網路

_________________________________________________________________ 18

第三章

研究方法

______________________________________________________ 21

3.1

類神經網路 ____________________________________________________________ 21

3.1.1

類神經網路之原理

___________________________________________________________ 21

3.1.2

類神經網路運作方式

_________________________________________________________ 22

3.1.4

倒傳遞演算法

_______________________________________________________________ 25

3.1.5

倒傳遞網路演算法

___________________________________________________________ 27

3.2

空間自相關分析 ________________________________________________________ 31

第四章

研究設計

______________________________________________________ 36

4.1

半導體產業概況 ________________________________________________________ 36

4.1.1

半導體產業成員

_____________________________________________________________ 36

4.1.2

我國半導體產業結構形成

_____________________________________________________ 38

4.2

研究範圍 ______________________________________________________________ 39

4.2.1

研究樣本

___________________________________________________________________ 39

4.2.2

研究期間

___________________________________________________________________ 39

4.2.3

資料選用

___________________________________________________________________ 39

4.3

類神經網路設計 ________________________________________________________ 41

4.4

空間自相關設計 ________________________________________________________ 48

4.5

模擬分析流程 __________________________________________________________ 49

4.6

研究設計討論 __________________________________________________________ 50

第五章

實證分析

______________________________________________________ 51

5.1

半導體產業發展模擬 ____________________________________________________ 51

5.1.1

類神經網路建構

_____________________________________________________________ 51

5.1.2

類神經網路結果

_____________________________________________________________ 51

5.1.3

區域資料分析

_______________________________________________________________ 55

5.2

半導體產業群聚分析 ____________________________________________________ 60

5.2.1

工廠單位數分析

_____________________________________________________________ 61

5.2.2

員工人數分析

_______________________________________________________________ 66

5.2.3

產值分析

___________________________________________________________________ 71

5.3

小結 __________________________________________________________________ 76

第六章

結論與建議

____________________________________________________ 77

6.1

結論 __________________________________________________________________ 77

6.2

後續研究建議 __________________________________________________________ 78

參考文獻

________________________________________________________________ 79

附錄一

類神經網路模擬值比較

_____________________________________________ 87

附錄二

空間自相關分析

__________________________________________________ 103

圖目錄

圖 1－1 研究流程圖 _______________________________________________________________________ 3

圖 3－1 人類神經系統示意圖 ______________________________________________________________ 21

圖 3－2 類神經元模型 ____________________________________________________________________ 23

圖 3－3 倒傳遞類神經網路架構圖 __________________________________________________________ 26

圖 3－4 G

和G

*示意圖 ___________________________________________________________________ 34

圖 4－1 半導體產業結構圖 ________________________________________________________________ 37

圖 4－2 單位級別示意圖 __________________________________________________________________ 40

圖 4－3 資料關係圖 ______________________________________________________________________ 42

圖 4－4 倒傳遞演算法流程圖 ______________________________________________________________ 47

圖 4－5 模擬分析流程圖 __________________________________________________________________ 49

圖 5－1 目標函數修正示意圖 ______________________________________________________________ 52

圖 5－2 家數模擬值比較圖 ________________________________________________________________ 53

圖 5－3 員工數模擬值比較圖 ______________________________________________________________ 53

圖 5－4 產值模擬值比較圖 ________________________________________________________________ 53

圖 5－5 工廠單位數趨勢圖 ________________________________________________________________ 58

圖 5－6 員工人數趨勢圖 __________________________________________________________________ 59

圖 5－7 產值趨勢圖 ______________________________________________________________________ 59

圖 5－8 工廠家數成長率圖 ________________________________________________________________ 59

圖 5－9 員工人數成長率圖 ________________________________________________________________ 60

圖 5－10 產值成長率圖 ___________________________________________________________________ 60

圖 5－11 民國 70 年工廠單位數Z（G

*） ____________________________________________________ 61

圖 5－12 民國 75 年工廠單位數Z（G

*） ____________________________________________________ 62

圖 5－13 民國 80 年工廠單位數Z（G

*） ____________________________________________________ 63

圖 5－14 民國 85 年工廠單位數Z（G

*） ____________________________________________________ 64

圖 5－15 民國 90 年工廠單位數Z（G

*） ____________________________________________________ 65

圖 5－16 民國 70 年員工人數Z（G

*） ______________________________________________________ 66

圖 5－17 民國 75 年員工人數Z（G

*） ______________________________________________________ 67

圖 5－18 民國 80 年員工人數Z（G

*） ______________________________________________________ 68

圖 5－19 民國 85 年員工人數Z（G

*） ______________________________________________________ 69

圖 5－20 民國 90 年員工人數Z（G

*） ______________________________________________________ 70

圖 5－21 民國 70 年產值Z（G

*） __________________________________________________________ 71

圖 5－22 民國 75 年產值Z（G

*） __________________________________________________________ 72

圖 5－23 民國 80 年產值Z（G

*） __________________________________________________________ 73

圖 5－24 民國 85 年產值Z（G

*） __________________________________________________________ 74

圖 5－25 民國 90 年產值Z（G

*） __________________________________________________________ 75

表目錄

表 2－1 產業群聚之定義 ___________________________________________________________________ 8

表 2－2 群聚優勢分類 ____________________________________________________________________ 10

表 2－3 群聚優勢 ________________________________________________________________________ 10

表 2－4 產業群聚分析方法整理表 __________________________________________________________ 16

表 2－5 類神經網路在時空資料之適用性 ____________________________________________________ 20

表 3－1 類神經網路學習方式 ______________________________________________________________ 25

表 4－1 各縣市鄉鎮數量 __________________________________________________________________ 43

表 4－2 隱藏層層數比較 __________________________________________________________________ 44

表 4－3 隱藏層神經元個數比較 ____________________________________________________________ 44

表 4－4 學習次數比較 ____________________________________________________________________ 46

表 4－5 類神經網路參數設定表 ____________________________________________________________ 46

表 5－1 新竹市東區數值比較表 ____________________________________________________________ 52

表 5－2 新竹市東區模擬準確率 ____________________________________________________________ 54

表 5－3 全國模擬值準確率 ________________________________________________________________ 55

表 5－4 誤差較大之地區 __________________________________________________________________ 55

表 5－5 臺灣地區分區表 __________________________________________________________________ 56

表 5－6 北北基宜半導體產業模擬值 ________________________________________________________ 56

表 5－7 桃竹苗半導體產業模擬值 __________________________________________________________ 57

表 5－8 中彰投半導體產業模擬值 __________________________________________________________ 57

表 5－9 雲嘉南半導體產業模擬值 __________________________________________________________ 58

表 5－10 高高屏半導體產業模擬值 _________________________________________________________ 58

表 6－1 全國模擬值準確率 ________________________________________________________________ 77

第一章 緒論

1.1 研究動機

民國九十五年臺灣半導體產業總產值達到一兆三千億元新臺幣，我國成為全球前三

大半導體貢獻國，然而在這耀眼的成績背後，其實是早在民國九十一年行政院就體認

到，在全球化的競爭環境下，產業發展對於國家競爭優勢影響甚鉅，推動了「兩兆雙星

國家發展重點計劃」，扶植半導體產業及影像顯示產業全年產值突破兆元大關，以開發

科學工業園區藉由群聚（cluster）效應，加速這兩個產業領域龐大產業鏈之成長。「國

家矽島計畫」提出兩大發展架構：基礎建設及國家晶片科技計畫，即是要發展優良的基

礎建設以開拓出臺灣矽經濟的新世紀。在民國九十五年底行政院所提出最新的國家計畫

－「2015 經濟發展遠景三年衝刺計劃」當中亦提到，為使臺灣未來產業能夠長期穩健發

展，以「營造優良投資環境」旗艦計畫，作為未來

3 年我國產業發展推動重點。

對於在國際上具有高度競爭力之產業而言，政府的配套措施成為發展成功與否之關

鍵，但政府資源仍然有所限度，如何在最佳的時間點投入適當的資源於最有效的產業及

區域中，是個需要深入探討之問題，相關單位需透過產業分析來了解產業發展趨勢，以

作為政府規劃整體產業發展政策參考依據。

產業之分析需充分反應產業的特性，以及產業整體群聚之發展趨勢，才能明確分析

出產業之脈動。半導體產業乃我國重點發展產業之一，但國內在做產業群聚分析時卻鮮

少以量化資料反應產業發展之趨勢，而直接進行產業群聚之分析，未能預估產業之發展

趨勢時，在做為政策上的參考時便容易受到質疑。

1.2 研究問題

全球公認臺灣半導體產業之發展成功，有很大的部份要歸功於產業群聚之效用發

揮，因此在做產業發產政策規劃時，應當考慮半導體產業群聚發展之趨勢，以作為基礎

建設規用參考依據。若未考慮到產業群聚之相關數值發展趨勢會使得國家資源投入錯

誤，造成產業未受到政策資源所輔助而喪失國際競爭力，進而影響到國內經濟發展。因

此未探討產業發展趨勢之群聚非量化分析會造成分析效用下降，且會喪失對未來聚集趨

勢量化之評估。

1.3 研究目的

本研究之主要目的為建構一個半導體產業發展之空間演化模擬量化分析模型，以預

估半導體產業之群聚發展趨勢。本研究試以類神經網路建構模擬半導體產業發展之預測

模型，再利用空間自相關之分析，以量化資料了解半導體產業群聚發展情形。

1.4 研究方法與流程

本研究將透過以下方法及步驟，來達到上述之目的：

1.範圍確認

本研究以民國七十年至民國九十年為研究期間，採計行政院主計處行業標準分類之

半導體製造業為研究標的。

2.資料蒐集與整理

蒐集半導體產業之基本資料、類神經網路及空間自相關分析等相關文獻，作為研究

參考之依據。

3.模擬半導體產業發展

以類神經網路之方法建構一網路模型來作為半導體產業空間演化模擬之用，亦具有

預測未來發展之能力。

4.半導體群聚分析

透過空間自相關之方法，利用類神經網路模擬出之數值，進行半導體產業群聚之趨

勢分析。

本研究之研究流程如下圖

1－1 所示。

確立研究方向、目的與範圍

文獻回顧

產業群聚理論回顧

產業擴展模型

空間自相關分析

類神經模型建立

工廠資料蒐集與整理

類神經網路模擬

空間自相關分析與呈現

評估分析結果

結論與建議

圖 1－1 研究流程圖

1.5 研究架構

本研究論文共分為六章，各章內容敘述如下：

第

1 章 緒論

說明本研究之動機、目的、方法及流程。

第

2 章 文獻回顧

回顧產業群聚分析以及產業擴張模擬相關之文獻，以了解其意義與適用情況，比較

其差異性。

第

3 章 研究方法

詳細說明本研究之進行方法，以及建構分析過程與依據。

第

4 章 研究設計

本章首先介紹臺灣半導體產業發展現況以及本研究所取樣資料範圍，接著類神經網

路建構之方法與過程，以及空間自相關分析之計算評估方式。

第

5 章 實證分析

使用前章所建構好之模型，以普查資料為依據，對於臺灣半導體產業進行實際之模

擬分析，並以

GIS 主題圖呈現之。

第

6 章 結論與建議

本章針對本研究之結果作一總結，並提出在本研究後續可發展的研究方向，以供後

續研究學者參考。

第二章 文獻回顧

本研究之核心為建構半導體產業群聚發展量化模型，期盼透過模型模擬能對國內半

導體產業群聚發展趨勢作一較準確之模擬，並透過群聚量化分析方法找尋臺灣半導體產

業發展之脈動。本章在文獻的探討可分為三個向度來說明：

一、產業群聚：首先對目前產業群聚理論進行論述，進而對於研究主題有更深一步

的認識。

二、群聚分析：產業群聚分析之相關研究因各研究之範圍、標的物、產業類別、資

料類型與研究目的均不相同，故學者對於產業群聚分析均沒有一固定之分析模式，因此

對於群聚分析方法之選擇需做論述與選擇。

三、擴張模型：介紹兩樣目前常用來做地學發展模擬預測之工具，細胞自動機與類

神經網路分別作一回顧。

2.1 產業群聚

2.1.1 理論溯源

眾所皆知的「產業群聚」一詞雖是

Porter（1990）在【國家競爭優勢】中才出現的

名詞，但其相關理念在更早之前便被各領域學者所提出討論。

Adam Smith（1776）在【國富論】提出產業的分工可使產能增加，小從工廠的規劃

進而為工業區、區域與國際的分工，而分工的生產技術改進與技術發明，代表知識累積

所帶來的技術進步會促使經濟成長。

經濟學者

Marshall（1890）在【經濟學原理】提出產業區（industrial district）理論，

開始注意到產業地方化（localization of industry）的現象對產業區發展的重要，指出無論

廠商大小透過坐落於產業區皆可獲得效益，而產業集中後會產生包括「專業技術市場」、

「補助性行業」和「增加新觀念的傳遞討論與改善」，後續學者

Krugman（1991）將產

業區的特徵進一步歸納為：1.勞動市場資源（labor pool）2.中間投入 3.技術及知識外溢

（spillovers）。Marshall 著重在廠商間所形成的外部經濟（external economies），提出

以外部規模經濟代替內部規模經濟的理念，導引後續研究學者對於外部經濟的觀念。

Weber（1929）提出工業區位理論（Industrial Location Theory），以工業區位理論

的角度詮釋產業聚集的現象。Weber 將產業聚集分成兩個階段，初步階段是企業本身規

模擴張所引起的產業集中化；第二階段則是大型企業利用完善的組織方式集中於某一區

域，而引發更多同類企業出現，大規模生產的經濟優勢就是有效的地方聚集效應。並歸

納出產業聚集的三個因素：技術設備發展、勞力組織發展及經常性開支成本。Weber 討

論最小成本的區位選擇概念，認為區位選址考量：運輸成本、勞力成本及聚集經濟，當

三個成本最低時，將是企業花費最小成本的時候，即最佳的設廠位置。其中所謂的聚集

經濟可分為：內部經濟－廠商因生產擴大，使平均成本隨著技術創新或效率提高而降

低；外部經濟－多數廠商集中分佈，產生外部效益。

Proter（1990）結合商業組織、策略和區位等理論，提出鑽石模型及產業群聚理論

來分析產業之競爭優勢，開啟了競爭優勢與產業群去研究之契機。

Krugman（1991）指出，因為投入與產出之關聯，而創造出許多空間群聚之現象，

同時亦產生了產業聚落之優勢，其說明為：1.勞動市場之匯集，使產業聚落的中心可以

提供許多具有專業技術勞工的勞動市場，故不論在勞動者尋找就業機會或是廠商僱用技

術性勞動上都比較容易，勞動市場的供需雙方均因此受益。2.專業投入（specialized

inputs），產業聚集的中心可提供產業內的廠商在生產時，具多元化及低成本的非貿易

投入；3.資訊外溢（information spillover）效果而言，相關廠商匯集於一區域，有助於產

業聚落內訊息的流通，因而促使產業聚落中各項技術與知識訊息的外溢效果相當明顯。

Krugman 從新貿易理論作為基礎，擴大了聚集經濟的現象解釋。其工業聚集模型假

設一個國家有兩個區位，有兩種生産活動(農業和製造業)，在規模經濟、低運輸費用和

高製造業投入的作用下，利用數學模型分析，證明了工業集聚將導致製造業中心區位的

形成。另外，Krugman 的壟斷競爭模型在融合傳統經濟地理學理論的基礎上，也證明了

低的運輸成本、高製造業比例和規模有利於區域聚集的形成。

2.1.2 群聚之定義

群聚ㄧ詞最早是出現在生物學領域，主要是用來解釋生物體間共生現象。後來產業

研究學者用來描述產業活動集中在特定區位的聚集現象。以下整理出國內外學者對於產

業群聚的定義：

Porter（1990）指出產業群聚是在某特定領域中，一群在地理上鄰近、有交互關聯

的企業和相關的法人機構，並以彼此的共同性和互補性連結。並且在國家競爭優勢一書

中指出，產業群聚是國家競爭優勢的重要來源。

Bergman & Feser（1999）將產業群聚與新工業地域做區分，

把產業群聚界定為特定產

業或廠商間擁有相當緊密之關係，並在地理空間區位、創新來源、生產過程分享供應者來源方

面皆有相同行為

，認為產業群聚聚焦於產業供應鏈間之關係，而新工業地域則在單一產

業間之相互合作關係。

聯合國工業發展組織（UNIDO，2001）認為產業群聚是生產和銷售一系列相同或相

關的產品而面臨共同的挑戰和機遇的企業在部門上和地理上的集中。

王緝慈（2001）指出產業群聚是一組在地理上靠近的相互聯繫的公司和關聯的機

構，它們同處在一個特定産業領域，由於具有共通性和互補性而聯繫在一起，並具有專

業化的特徵。

李振文（2004）將產業群聚解釋為相關產業的廠商集中在鄰近的地區，這些廠商可

以提供很多競爭的優勢的來源，包括共享勞動資源、提高各廠商之間工作關係、減少交

易成本和與廠商顧客間交易時間，在群聚內廠商彼此分享最新的技術研發成果，有利廠

商制度的發展與刺激企業成長和創新。

馮怡心（2004）提到產業群聚是特定產業中互有聯繫的公司或是機構共同聚集在某

一區域，在區內的成員彼此之間建立一個長遠的合作關係並共同從事某一產業或相關產

業的生產及服務，共享資源、資訊及勞動市場，並透過彼此之間的合作關係創造產業的

競爭優勢。

陳禹芳（2005）採納 Porter 之定義，並指出這樣的群聚現象可視為一種網路形態，

可為廠商帶來效率與創新，然群聚的形成也易受政府政策所影響。

莊武雄（2005）將產業群聚解釋為廠商於地理空間上具有聚集現象，於產業上廠商

間彼此存在著競爭又合作的產業連帶關係。

羅美浩（2006）認為產業群聚乃是特定產業中互有聯繫的公司或是機構緊密在特定

地理位置的一種現象，群聚包括一連串上、中、下游產業以及其他的企業或是機構，這

些產業或是機構對於競爭都很重要，它們包括了零件、設備、服務等特殊原料品的供應

本研究將各學者的定義匯整如下表

2－1 所示：

表 2－1 產業群聚之定義

學者

定義內容

Porter（1990）

在某特定領域中，一群在地理上鄰近、有交互關聯的企業和

相關的法人機構，並以彼此的共通性和互補性連結。

Bergman & Feser

（1999）

特定產業或廠商間擁有相當緊密之關係，並在地理空間區

位、創新來源、生產過程分享供應者來源方面皆有相同行為。

聯合國工業發展組織

（2001）

生產和銷售一系列相同或相關的產品而面臨共同的挑戰和機

遇的企業在部門上和地理上的集中。

王緝慈（2001）

一組在地理上靠近的相互聯繫的公司和關聯的機構，同處在

一特定産業領域，由於具有共同性和互補性而聯繫在一起，

並具有專業化的特徵。

李振文（2004）

相關產業的廠商集中在鄰近的地區，這些廠商可以提供很多

競爭的優勢的來源，包括共享勞動資源、提高各廠商之間工

作關係、減少交易成本和與廠商顧客間交易時間，在群聚內

廠商彼此分享最新的技術研發成果，有利廠商制度的發展與

刺激企業成長和創新。

馮怡心（2004）

特定產業中互有聯繫的公司或是機構共同聚集在某一區域，

在區內的成員彼此之間建立一個長遠的合作關係並共同從事

某一產業或相關產業的生產及服務，共享資源、資訊及勞動

市場，並透過彼此之間的合作關係創造產業的競爭優勢。

陳禹芳（2005）

採納

Porter 之定義，並指出這樣的群聚現象可視為一種網路

形態，可為廠商帶來效率與創新，然群聚的形成也易受政府

政策所影響。

莊武雄（2005）

廠商於地理空間上具有聚集現象，於產業上廠商間彼此存在

著競爭又合作的產業連帶關係。

羅美浩（2006）

特定產業中互有聯繫的公司或是機構緊密在特定地理位置的

一種現象， 群聚包括一連串上、中、下游產業以及其他的企

業或是機構， 這些產業或是機構對於競爭都很重要， 它們

包括了零件、設備、服務等特殊原料品的供應商以及特殊基

礎建設的提供業者。

資料來源： 本研究整理

綜合以上學者與組織對產業群聚的定義，本研究將產業群聚定義為：一群具關聯性

之廠商聚集在鄰近之空間區域內，彼此具有互補性與相似性相互緊密聯繫之行為現象，

而產生集結的地區，能夠有效的繼續吸引其他專業服務者、資源及供應商的投入，使該

區域內之廠商具備超過其他地方相同產業的競爭優勢。

2.1.3 產業群聚之優勢

在日常生活中我們時常可以發現產業群聚帶來的優勢，例如台北市光華電子商場、

迪化年貨大街等，而

Porter（1990）更在國家競爭優勢一書中指出，產業群聚是國家競

爭優勢的重要來源。但產業的群聚到底會帶來哪一些明確的優勢呢?以下匯整各文獻所

提及產業群聚所形成之優勢。

Doeringer & Terkla（1995）認為廠商在空間地理位置上鄰近，使企業能從較低的運

輸成本與交易成本中獲利；也容易獲得大量的熟練勞動力。而群聚同時亦能激發競爭、

知識和技術的轉移擴散，進而得以促進新産業的衍生，擴大群聚的發展；另外藉由廠商

互動，可增加創新的產生與擴散等優勢。

根據

Nadvi（1999）的研究，群聚效應是透過集體效率（Collective Efficiency）而表

現出來的，它呈現在三個方面：外部經濟性、聯合行動與制度背景影響。

(王緝慈，2001)

其中外部經濟性包含有接近的便利性、企業新生的便利性、創新的便利性、社會資

本形成與積累的便利；而聯合行動（Joint Action）是指産業群聚中廠商間爲了某些共同

的目標而進行有意識地合作；制度背景影響指的是在各種制度的共同作用下，産業集群

中的交易費用更小、企業的合作關系更強、企業的成長性也就更好。

Sainsbury（2002）表示產業群聚可以為廠商們帶來的效益為：

1. 提昇專業的水準，深化供應鏈讓群聚內的廠商相互學習合作。

2. 廠商能獲取互補技術並形成一個規模化的生產方式。

3. 潛在的規模經濟：以聯合購買的方式取得原料並在共同市場取得折扣。

4. 社會及其他非正式的聯結增強可以創造出新的想法及新的事業。

5. 促進群聚內資訊的流動。

6. 發展專業化的基礎建設，法律，財務及專業化服務。

閻永祺（2004）則指出產業群聚的優勢可分為成本優勢創新優勢擴張優勢等三個項

目內容如表

2－2：

表 2－2 群聚優勢分類

優勢項目

優勢類型

成本優勢

交易成本優勢

資訊成本優勢

外部經濟優勢

創新優勢

形成有效的競爭壓力

形成有利的創新環境

擴張優勢

新企業的衍生與成長

産業鏈的擴張

馮怡心（2004）將群聚效應分為成本面及互動面兩項優勢如下表 2－3 所示：

表 2－3 群聚優勢

成本面

互動面

降低運輸成本

促進廠商之間的資訊互動

降低人力成本

激發創新

降低原料成本

提昇學習效果

共享基礎設施

降低風險

降低產品的搜尋成本

共享願景

李振文（2004）認同 Nadvi（1999）的觀點，指出產業群聚的效益分別為：外部經

濟效應、聯合行動與制度背景的建立。外部經濟效應是一種被動型的産業集群效應，即

産業集群一旦形成，這種經濟效應就會自發産生。聯合行動與外部經濟效應相比，則是

集群中行動主體之間的有意識、有目的的活動，是一種主動型集群效應。最後一點制度

背景的建立包含正式的合約關係將節省交易成本與社會資本累積所形成的非正式關係

可營造合作與誠信的氛圍，並且說明政府可以藉由政策的制定來促進群聚的發展

吳秉哲（2005）認為產業群聚擁有成本優勢（降低生產成本、提高生產力）、創新

優勢（創新速度快、能力強）、產業吸引力大、擴張能力強等方面，因此透過這些優勢

的發揮增強整個區域競爭力。

結合文獻的閱讀與整理本研究歸納出，產業群聚具有的優勢包括：

1.降低成本：降低運輸成本、降低交易成本。

2.競爭力提升：創新能力快且強、掌握商業資訊。

3.效率增進：節省運輸與溝通時間、縮短上市時間。

4.共同分擔：分散風險、共享基礎建設。

透過這些優勢的充分發揮和系統內優勢資源的整合可增強整個區域之競爭優勢。

2.2 產業群聚分析方法

群聚廠商的互動連結關係，會在空間上延伸達到擴散，故在產業群聚的空間結構變

遷需有一套合宜的分析方式，產業群聚的分析方法至今仍沒有固定的模式，主要是因為

分析結果會因為群聚的定義、探討向度層次、資料類別，與研究範圍選定的不同，而產

生不同的結果。以下探討歷年來學者利用不同方法進行產業群聚分析，分別整理如下：

2.2.1 區位商數

區位商數法(Location Quotient)常用於衡量區域產業專業化程度，亦可用以說明各地

區間與各產業的相對重要程度或各種產業在某地區的特殊程度。分析資料來源可使用產

值、員工數、營業收入、工廠單位數等。

區位商數是衡量區域內的產業是否具有基礎產業活動的特性，其定義如下：

ij i j t

E /E

LQ =

E /E

【2.1】

LQ：區位商數；

E

：i 地區 j 產業就業人口；

E

：i 地區總就業人口；

E

：j 產業全國總就業人口；

E

：全國總就業人口。

若

L.Q>1，表示某縣市某產業之產值(或營業收入、工廠單位數、員工人數)所佔比

率大於全國在某產業產值(或吸引更多的廠商聚集，或提供更多就業機會)，因此該產業

為其所在縣市的重要基礎產業。反之，若

L.Q<1，則非該縣市之重要基礎產業，區位商

數並非絕對指標，而是一相對的概念，表示該產業在空間層次上，相對於全國其他地區，

某產業具專業化程度。

根據

Bergman 和 Feser(1999)表示群聚的分析方法有專家意見、區位商數、投入產

出、網絡分析及調查等，其中以區位商數最為簡便並且可以彌補其他方法的不足，又適

用在產業之中。

Smith 等(2002)表示在群聚建立之初區位商數是一個較有效的衡量方法。

馮怡心（2004）採用區位商數的分析檢示紡織業是否為絲織專業區專區所在地的重

要基礎產業，研究發現就產業分析來看絲織專區的產業集中度很高，為所屬地區的目標

產業。

吳家豪（2005）利用區位商數來分析我國金融產業的空間分佈狀況，並且從產業群

聚相關理論以及亞洲金融中心案例（新加坡、香港、上海）中，歸納出基礎設施、人力

資源、知識資源、資本資源、市場需求、群體學習、相關及支援產業、政府因素等八個

關鍵的研究變數，然後透過深度訪談的方式，來對台北市金融產業進行分析，並且對政

府在金融產業的政策上提出建言。

區位商數僅能最大的優點為操作簡單、資料取得容易及計算方便，並能夠反應地區

主要產業特性，但無法分辨群聚與否，該方法著重靜態的分析，無法瞭解產業間的互動

與關聯，須搭配訪談或其他產業調查才有較全面性的結果產生。

2.2.2 投入產出

投入產出分析又可稱為產業關聯分析，其主要的概念是將一個地區或一個國家的全

體視為一個完整經濟體系，並由產業在整個經濟體系中產量分佈的一個線性方程式(總

產出=中間需要+最終需要)，將投入產出資料進行分析找出相關上下游緊密之產業群。

Scott ＆ Bergman（1997）研究加州運輸設備產業，利用投入產出資料計算產業間

相關係數再加上集群分析，找出加州運輸設備產業出現四個產業群。

Feser ＆ Bergman（1999）使用因數分析法建立美國價值鍊產業，並將之應用於北

卡羅來納州研究。隔年使用主成份因數分析法利用找出美國產業群聚概況。

陳玟君（2001）選擇產業群聚理論作為分析依據，以電子產業為分析對象，採用產

業關聯表的投入產出流量作為產業間生產關係強弱的依據以進行研究。研究發現不同類

別電子產業的地理集中程度不同，以資訊類元件最為集中，在分佈區位上，此兩類電子

產業都集中分佈於北部區域的台北縣、桃園縣、新竹縣市，或高雄縣的楠梓區。在「地

理鄰近性」與「強烈的購買/銷售關係」之前提條件下，此研究界定出兩組電子產業群聚：

半導體產業群聚與資訊電子產業群聚，並展現出前者以新竹市(新竹科學園區)為核心、

以及後者以桃園縣龜山鄉、蘆竹鄉、中壢市、平鎮市為核心，分別延伸出之地理空間輪

廓。

邱程瑋（2002）從產業群聚對於地方產業關聯之角度切入，其先從產業之經濟表現

著手找出該地區表現優異之產業，並利用投入產出資料找出與其關聯較強之產業並歸納

為一群，再針對該產業群聚之情況並研擬對策。

閻永褀（2004）以投入產出分析，界定出以驅動產業為核心的供給與消費產業，並

以關聯圖與

GIS 圖呈現其彼此關係與空間分佈狀態，描繪出南部區域產業群聚之整體

架構，及南部區域產業群聚的關聯效果與空間的分佈現象。

楊智盛（2004）引用投入產出方法，利用主計處之資料找出上下游關係緊密之產業

群，再利用九十年工商普查產業基本資料配合上下關係緊密產業群找出地理空間之確切

群聚地點。研究發現臺灣地區主要有十三個上下游關聯緊密之產業群聚，而半導體與電

子零組件產業群聚為臺灣地區之核心產業群聚。

吳秉哲（2005）嘗試利用投入產出中的產業關聯分析所界定出之臺灣地區產業上下

游關聯資料，整合近年來發展出的空間集中指標，進一步界定群聚內空間集中的現象並

了解集中現象之內涵，以了解出臺灣地區產業群聚的型態以及其空間分佈狀況。

利用投入產出資料雖可作為分析上下游緊密產業現象之基礎，但在研究上下游產業

緊密現象卻只能從單一產業為出發點，找出與該產業上游及下游緊密之產業，此種方式

雖可找出上下游緊密產業，但今若有一緊密之上下游產業，由於上下游產業分屬產業鏈

之不同位置，透過投入產出分析，將造成不同之上下游產業緊密之產業結果，事實上卻

同屬上下游關聯產業。而其研究假設為線性成長並不隨時間而改變，乃為不合理之處；

且投入產出之資料獲得不易乃研究上另一難題。

2.2.3 問卷與訪談調查

李振文（2004）藉由問卷與訪談調查方法，進行南科液晶顯示器產業群聚分析與策

略性資源分析，研究發現南科光電產業將來會朝向

TFT-LCD 產業群聚的發展，就目前

研究所呈現出來的是垂直關係的廠商聚集多於水平聚集。而充沛的高素質人力資源對產

業群聚程度有正面顯著影響，但優秀人才的獲得卻是最困難的。

陳禹芳（2005）利用專家訪談與問卷分析，採用網絡概念與空間分佈特性來觀察臺

灣製藥產業與生物技術產業廠商與上下游產業的關係，繪製出產業群聚圖。研究發現製

藥產業與生物技術產業的空間分佈特性大致相同，所繪製出的產業地圖也雷同，然而研

究機構是扮演技術擴散的重要角色。

莊武雄（2005）運用空間分佈資料進行統計分析、問卷調查與質性訪問方式，並配

合

Porter(1990)所提出的鑽石理論探討大甲地區自行車產業之空間群聚現象。研究顯示

大甲地區自行車產業的空間群聚現象以幼獅工業區周圍廠商群聚最為顯著，其產值、協

力廠商交流程度與創新研發的能力皆優於地區內的其他群聚點。

林計妙（2006）以問卷調查之方式探討臺灣 IC 產業現有產業空間分佈現象，即臺

灣

IC 產業技術創新擴散的鄰近效果與階層效果。研究結果顯示 IC 設計、製造區位偏好

為科學工業區、公共設施完善及鄰近交流道與機場等條件；

IC 封裝測試由於屬於下游廠

商，其區位選擇以加工出口區與鄰近港口為主要考量。

經由問卷與專家訪談之方式可瞭解產業時濟之互動關係與組織運作情形，可藉此分

析產業群聚之型態。然此方式將會受限於受訪者（填卷者）之主觀認定與價值判斷，有

偏頗之可能，亦難呈現實際之量化數據，且不易收集到大範圍區域或整體產業之資料概

況。

2.2.4 空間自相關

在進行空間資料分析時，若想知道性質相近的事物在空間分佈上是否有聚集的傾

向，而此並是否獨立存在，於空間分佈相關性的研究中，檢測空間事物的相關研究方法

稱之為空間自相關。許多地理現象由於受到在地域分佈上具有連續性所影響而在空間上

具有自相關，這些過程主要包括空間相互作用過程與空間擴散過程。某一區域變數值

高，其附近區域該變數值也高，這是正相關；反之則爲負相關。

朱健銘（2000）同時採用 Moran’s I 與 Getis 統計分析方法度量 1982、1988 及 1994

年雲林水產養殖土地利用空間聚集強度，並以

Getis 統計分析度量土地利用空間聚集的

分佈，並且比較空間聚集區的空間變遷。研究結果顯示空間自相關的分析方法對於土地

利用現象及其變遷的分析，可以有效地發掘其時空特性，對於土地利用變遷的研究有極

大的助益。

陳慈仁（2001）以台北市資訊軟體業與網際網路服務業為對象，以 89 年台北市工

商登記資料與門牌號碼數值檔為資料基礎，利用空間自相關分析再輔以深度訪談進行兩

業區位分佈特性及區位選擇考量之研究。研究發現兩業別在台北市確實有聚集的現象。

若單從圖面上觀察，兩業的聚集區所處位置各符合下列條件：（一）交通資源充足（二）

高密度商業區（三）資訊經濟活動頻繁。台北市則有兩處因政策而形成的聚集區，分別

是內湖六期重劃區以及南港軟體工業園區。利用中幅觀測法分析空間分佈發展趨勢，結

果顯示兩業廠商未來在空間分佈的發展趨勢，可能會朝東北方向（包含偏東或偏北）進

行。

林晶晶（2003）以空間自相關為研究方法，以觀察國內服務業之發展與結構變遷為

切入點，探究關鍵性知識密集服務業空間結構及其關聯產業之空間分布型態，以作為知

識密集服務業影響臺灣經濟地景之解釋。

曾文忠（2003）以雲林沿海為例，利用景觀生態分析法結合空間統計學中的「空間

自相關分析法」以顧及空間變異與空間不穩定性的存在，對土地利用變遷空間動態情形

進行探討；並運用衛星遙測與地理資訊科學技術，輔以社會經濟相關資訊以進行模式驗

景觀式空間自相關找尋出目前形狀破碎而又有空間自相關性質的區塊，作為將來優先整

頓規劃的地區。

黃聖峰（2004）利用空間自相關分析探討空間特性對於臺灣地區各項重要經濟指標

的影響，研究結果發現在縣市層級下所選取的經濟指標，與縣市層級下的薪資水準，大

抵呈現北部為空間正相關，南部為空間負相關，顯見臺灣南北地區的發展具有差異性。

利用空間自相關分析可得知空間現象之分佈是否具有關聯性，可以了解鄰近區域之

相關性。但假若單由數值高低來看，可能會有群聚值低之區域受周圍區域影響而呈現極

高數值之可能。

表 2－4 產業群聚分析方法整理表

分析方法

特點

困難處

區位商數

簡單且容易理解

無法了解產業互動情形

無法分辨群聚

投入產出

可知曉上下游貿易關聯情況

資料取得困難

產業鏈不易區分

問卷與訪談

瞭解實際產業互動情形

無法獲得全方面資料

易受主觀影響

非量化結果

空間自相關

瞭解區域分佈是否具有相關性

群聚值低之地區呈現極高值

本研究旨在了解臺灣地區各鄉鎮區域半導體產業群聚之成長情形，欲以量化結果了

解區域間產業成長是否具有關聯性，在比較完各種產業群聚分析之方法之後， 選定空

間自相關為本研究之群聚分析方法，來進行臺灣半導體產業群聚分析。

2.3 擴張模型

在此所謂的擴張模型乃是透過模型之建構方式，用來模擬空間資料的變遷情形，以

下介紹常用的兩種模型－細胞自動機與類神經網路。

2.3.1 細胞自動機

細胞自動體（Cellular Automata，CA，亦稱宮格自動機）是由「複雜科學」

（Complexity）

簡單且相同的演化規則相互作用的整個巨觀集合」，是一種在複雜科學範疇中適於用來

探討都市與空間複雜系統發展演變的一項空間演化模式與理論。

其原理簡單說明如下：

在圍棋方格上，放置任意數目的棋子(僅用一種顏色之棋子)，稱之為起始(第 0 期)

狀態。我們可以設定一個簡單的演化規則，例如：某一方格之相鄰八個方格中若有

3 至

6 個棋子，則該方格在下一期應擺置棋子，否則該方格應留空，不能有棋子。根據此一

簡單規則及任意的起始(第 0 期)狀態，此一遊戲(系統)便可以自動演化，整個棋盤棋子

分佈的形態便會自動變化。

Clarke（1997）等人利用 CA 整合 GIS 的模型，預測舊金山海灣地區(San Francisco

Bay areas)天氣對都市成長的影響，且以 300 公尺的宮格大小進行分析，使用 diffusion、

spread、breed、slope、resistance 等五個變數進行模型的控制，利用了一百多年的土地

變化資料去校估模型，使模擬結果接近真實都市的演化情形。

Yeh（2000）利用不同的限制條件來模擬不同的條件下城市發展的情形，並且整合

了

CA 和 GIS 利用不同的参數設定，模擬出珠江三角洲七種都市發展型態和能源使用、

自然環境變化的關係。

Wu（2002）利用個體經濟模型來定義轉移函數，整合於 CA 模型架構之內，並以

此架構模擬不同的土地發展政策。土地開發者的邊際效益會隨者開發密度的提高而遞

減。土地開發者所造成的外部成本可利用賦稅的方式轉移給土地開發者。傳統理論、

CA

和

GIS 的結合，可在此模型架構內，檢視傳統理論下都市發展的情形，以做為決策和

相關研究之用。

林士弘（2002）宮格自動機與地理資訊系統結合來模擬台北盆地土地使用變遷，發

展一個

CA 整合 GIS 的元件軟體，並以台北盆地地區的資料進行校估，找出土地變遷背

後的演化参數和規則，可近似於真實的土地演化情形。

簡文謙（2003）建立以細胞個體行為的模擬來呈現都市內部空間的演化現象的一種

都市土地使用模擬方法，並以地理資訊軟體

Mapbisic 來建立本模擬方法之應用軟體，

將台中市內部地區作為實證地區來模擬都市內部空間的演變過程。研究發現模擬方法的

影響因素和

CA 的轉變規則變異性不足，致使模擬結果無法呈現複雜系統某些特性，未

來需要增加影響因素、CA 轉變規則數量等，即可建立更具體之 CA 模擬模式。

張永葵（2006）搜集以往都市建成區擴張地圖資料並運用地理資訊系統與細胞自動

機的模擬技術以預測都市未來可能之發展動向，研究結果預測準確度可達

65.6％，得知

模式之模擬成果具有可用性。若欲提高預測之可靠程度，模式仍須考量臺灣宜蘭地區快

速變遷之社會變動因子對宜蘭地區都市發展之影響條件。

由於

CA 模式空間與時間皆為離散的概念，意味著以 CA 模式模擬的都市成長，是

不受限制的由中心向外擴張的。傳統的

CA 模式雖可以對都市擴張進行模擬，也由於其

模式結構複雜，結果往往不佳，且其轉變規則之訂定實屬困難。

2.3.2 類神經網路

類神經網路（Neural Network，NN）是一種以電腦來模擬人類腦神經網路的科學，

它是由很多非線性的運算單元（神經元

neuron）與位於這些運算單元間的眾多連結

（links）所組成，每一個神經元可以接收多個來自其他神經元的輸入，每個輸入具有不

同的權重，經過非線性轉換後，傳為輸出值，透過實際案例的訓練學習，修正各神經元

間之權重值。由數個神經單元，可以分別組成輸入層、隱藏層、輸出層。此外類神經網

路不需提前假設，只需要有充足的歷史資料，即可進行分析，適合進行最佳化、分類（辨

識）與預測問題。

Halls（1999）嘗試採用類神經網路來建構一個空間分析方法，以用來分析空間資料

之趨勢與關連性。

O’Ryan 等（2001）應用類神經網路對智利首都聖地牙哥市 34 個地區的汙染進行預

測，認為類神經網路是都市空間發展預測與都市規劃的重要工具，並談到細胞自動機的

研究限制問題。

樓邦儒（2001）利用類神經網路研究臺灣觀光旅館之時空變遷，以 11 項變數進行

觀光旅館未來發展趨勢之預測，其誤差率在容許範圍之內。

鄭悅等（2002）使用類神經網路研究浦東地區發展以來上海市中心空間結構的演

變，預測了上海市中心

2002 年與 2005 年的土地利用結構與變化，發現類神經網路所建

構之方式有不錯之預測能力。

林祥偉（2003）提到人工智慧技術適合處理複雜性較高的非線性地理問題，並利用

地理資訊系統，整合類神經網路，建立新的

GIS 時空分析模式，讓研究者得以具體應用

在地理學的研究上，並適當地補強當前

GIS 在資料擷取與知識探索的不足。其成功整合

人工智慧的相關技術，並結合現有的

GIS 軟體，發展可具體與現有 GIS 軟體結合之人工

智慧時空資訊分析師，期使能更方便領域專家的應用。並以實際的時間趨勢與空間分布

之地理學應用案例─包含空氣污染預報及崩坍潛勢分析，證明前述時空分析架構與雛形

資訊系統之合理性與可行性。

李雙成（2003）整理出類神經網路應用在地理學研究的進展，發現類神經網路是一

種易於建構且性能優良適應性高的非參數化模型，它能有效的解決許多地理學中非線性

問題，然類神經網路模型技術發展歷史較短，其數理基礎仍需要進一步改善。

陳俊榮（2005）以類神經網路為模擬工具，進行台中縣大里市都市範圍的擴張預測，

以瞭解都市擴張的過程。該研究發現，倒傳遞網路模式在都市擴張的模擬能力較佳，其

土地與建築物變遷之預測能力較佳，不易受其他相似條件干擾而造成誤判。倒傳遞網路

用於本研究案例區域預測準確度達到

77.44％，較過去學者的研究成果為佳。

蔡婉容（2006）根據高雄市政府實際空地調查結果以類神經網路模式分析空地分

類，並說明空地分類結果之形成原因。分別以土地面積、土地價格、土地使用分區、土

地調查使用現況變數，並應用倒傳遞類神經網路進行高雄市三個主要空地衍生地區分

析。

類神經網路之架構只要決定輸入因子，再輔以過去的歷史資料，即能建構出輸入/

輸出的對應關係，其預測能力在某些方面比傳統的數學模型更佳；而比起其他方法類神

經網路更能有效的表現出時空資料的特殊性，詳見下表

2－5。

表 2－5 類神經網路在時空資料之適用性

GIS 時空資料的特殊性

類神經網路面對GIS 時空資料的策略

時空資料的比例尺特性

類神經網路的知識來自於學習的資料，對不同比例尺的來

源資料，屬於不同的問題，需要重新學習。所以面對不同

比例尺的資料來源，可以重新學習，並產生新的時空知識。

時空資料的空間性

GIS 圖層所隱藏的空間資訊，可利用類神經網路生成的資

訊，納入學習的知識訊號。

時空資料的時間性

時空資料的變動性

時空資料時間性和變動性的問題，乃是透過類神經網路自

我調適的知識機制自我調適。

時空資料的不連續性

時空資料的非常態分布

類神經網路知識來自資料的學習，不連續或是非常態的資

料，並不會影響學習的結果。

時空資料的不穩定性

透過類神經網路學習，對變數間權重的連結調整，不穩定

或錯誤資料給予較弱的連結權重。

資料來源： Openshaw＆Openshaw（1997）與林祥偉（2003）

相對於

CA 模式，以類神經網路模式模擬都市擴張的行為不但具方向性而且其架構

相較於

CA 模式來說也較為簡單，模擬的成果甚至更好，故現階段學者也常以類神經網

路模式進行都市擴張的模擬，而本研究選用類神經網路針對臺灣半導體產業發展情形作

一模擬。

第三章 研究方法

本研究主要之目的乃在於建立一個適用於模擬臺灣半導體產業發展情形之模型，並

利用模擬之結果進行半導體產業群聚之分析，故本章將所選用之模擬方法－類神經網路

與分析方法－空間自相關分析分別作一簡單之介紹，供讀者對其有基本之認識。

3.1 類神經網路

3.1.1 類神經網路之原理

當你現在看這本論文時，就正在使用一個複雜的生物神經網路。你有一個約

10

個神經元的高度互連的集合幫助你完成呼吸、閱讀和思考等動作。類神經網路的架構即

是源自於現今對人類神經系統的認識，而建構一個以電腦來模擬人類腦神經細胞網路的

科學。

我們的大腦約是由一千億個神經細胞所構成，每個神經細胞又經由一萬的突觸

（synapses）與其他神經細胞互相連結成一個高度非線性且複雜但具有平行處理能力的

資訊處理系統。

圖 3－1 人類神經系統示意圖

人類的神經系統可視為三個子系統互相協調而成的複合系統，如圖

3－1 所示，外

界的各種信號（如：聲、光等）透過感覺接受器轉換成電的信號，而這些電的信號便透

過腦神經細胞的傳輸，到達中樞神經系統，信號經過處理後，大腦所下達的命令又會經

由神經細胞傳遞至相關的受動器，以便對外界的刺激做適當的反應。

類神經網路的架構即是源自於現今對人類神經系統的認識，是由許多分線性的運算

單元（神經元）和位於這些運算單元間的眾多連結所組成，而這些運算單元通常是以平

行且分散的方式來進行運算，如此就能同時處理大量的資料。呈現的方式就是以電腦軟

硬體來模擬生物神經網路的資訊處理系統，從實際案例中學習，利用非線性函數的轉

換，能有效的對大量資料進行分析。類神經網路不需要做假設，只需要有充足的歷史資

中樞神

經系統

受動器

反應

(Output)

外界刺激

（Input）

感覺

接受器

料，即可進行分析，十分適合運用於分析、預測的工作。

目前以類神經網路作為解決方法之重要問題有：語音辨識、文字辨識、天氣預測、

股票指數預測與機器人控制等問題，將類神經所能解決得問題作一分類可歸納為以下幾

項：

1. 最佳化（optimization）：如最著名的路徑最佳化問題、管線佈線最佳化等。

2. 辨識/分類（recognition/classification）：如語音、文字、影像辨識等，且已日常

生活使用。

3. 評估/決策：如財務危機預警、醫療診斷等。

4. 預測：如股市、氣象或都市擴張等問題。

3.1.2 類神經網路運作方式

類神經網路係由許多神經元所組成的網路系統，神經元是整個神經系統的運作基

礎，如圖

3－2 所示可知，一個人工神經元是由輸入向量（X

）、權重組（W

）、活化

函數（ f ）與輸出值（Y

）組成的基本關係架構。人工神經元可分成三個主要部份：

1.

權重值：權重值

W

主要是模擬不同生物神經元間的連結強弱。權重為正值

且愈大，表示連結愈強，增益愈大；權重為負值且愈小，表示連結愈強，抑

制愈大；權重愈接近

0，表示連結愈弱。

2.

輸入訊號疊加器：主要是模擬生物神經元受多方刺激時的總變化量。輸入訊

號經過不同的權重加權後，在疊加器作線性的疊加。

3.

活化函數：用來轉化輸入訊息疊加後的輸出值範圍。

輸出值

Y

j

net

f（ ）

‧

‧

‧

∑

連結加總

作用函數

X

X

X

‧

‧

‧

Ｗ

Ｗ

Ｗ

圖 3－2 類神經元模型

資料來源：張斐章（2006）

類神經網路處理單元的工作包含兩部分：第一部分為將所有傳遞至此神經元的權重

信號值作一加總；第二部份的工作則是將第一部份之加總值作一非線性的轉換，此部分

稱為活化函數。其輸出值與輸入值關係式一般可用輸入值的加權乘積和之函數如下表

示：

net =

∑

W X

－

θ

【3.1】

Y =

f（

net

）

【3.2】

其中

Y

：輸出變數，乃模仿生物神經元的模型的輸出訊號；

f ：轉換函數，乃模仿生物神經元的模型之非線性處理機能，是一個將從其他處理

單元輸入值之加權乘積和，轉換成處理單元輸出的數學式；

W

：連結加權值，乃模仿生物神經元模型的突觸強度；

X

：輸入變數，乃模仿生物神經元模型之輸入訊號；

θ

＝閾值，乃模仿生物神經元的模型之閥值，作為修正網路之用，又稱偏權值。

由上列公式可知，介於處理單元間的訊號傳遞路徑稱為連結(connection)，而每一個

之影響強度。

類神經網路的運作總體來說可分三階段：

1. 訓練與學習階段 (training or learning phase)：利用訓練資料的目標輸出值與網路

訓練的推論輸出值，不斷地調整權重值，直到特定的輸入資料，產生所期望的輸出，即

類神經網路學習了輸入輸出之關係行為。

2. 回憶階段 (recall phase)：訓練後之網路，接受外來輸入，由網路運算輸出結果。

3. 預測(推廣)階段(generalization phase)：給予一個全新(未知)輸入，由網路運算，

輸出預測值。

3.1.3 類神經網路的學習方式

目前類神經網路模式種類繁多，茲將這些網路依其學習運作方式來做分類：

1.監督式學習網路（Supervised learning network）：

在學習的過程中，給予類神經網路訓練範例，每一個訓練範例中都會同時包含輸入

變數和目標輸出值，這個目標輸出變數便扮演老師的角色，不斷地督促網路修正傳遞權

重的值，藉由訓練過程中一再地調整網路連結得強弱，來降低網路輸出值與目標輸出值

之間的差距，直到差距小於一定的「臨界值」網路才宣告停止。簡言之是從問題的訓練

範例學習輸入變數與輸出變數的內在對映規則，以應用於新的案例中。

2.非監督式學習網路（Unsupervised learning network）：

從問題中取得訓練範例，並從中學習範例的內在對應規則，以應用於新的案例中，

在訓練過程中不提供輸出資料來作誤差訊息改善之用，僅以輸入資料加以聚類。

3.聯想式學習網路（Associate learning network）：

從訓練範例的狀態變數值學習，求得其內在之記憶規則，以應用於新案例之中。主

要是用於只有不完整的狀態變數值，而需推論其完整的狀態變數值的應用。

4. 最適化應用網路（Optimization application network）：

類神經網路除了學習應用外，還有一類特殊應用－最適化應用：對一問題決定其設

計變數值，使其在滿足設計限制下，使設計目標達最佳狀態的應用。