散裝船舶大型化及市場總船噸之影響因素與未來趨勢分析

國

立 交 通 大 學

交通運輸研究所

碩士學位論文

散裝船舶大型化及市場總船噸之影響因素與

未來趨勢分析

A Study on the Influential Factors and Prediction of

the Ship Size and Total Tonnage of World Fleet

研 究 生： 朱子昕

指導教授： 黃承傳 教授

散裝船舶大型化及市場總船噸之影響因素與未來趨勢

分析

A Study on the Influential Factors and Prediction of

the Ship Size and Total Tonnage of World Bulk

Fleet

        研  究  生：  朱子昕      Student：Tzu-Hsin Chu

指導教授： 黃承傳 Advisor：Dr. Cherng-Chwan Hwang

國

立

交

通

大

學 

交 通 運 輸 研 究 所

 

碩

士

論

文 

A Thesis

Submitted to Institution of Traffic and Transportation

College of Management

National Chiao Tung University

in Partial Fulfillment of the Requirements

for the Degree of

Master of Engineering

in

Traffic and Transportation

June 2008

Taipei, Taiwan, Republic of China

散裝船舶大型化及市場總船噸之影響因素與未來趨勢分析 學生：朱子昕 指導教授：黃承傳 國立交通大學交通運輸研究所

摘要

  本研究主要探討影響海岬型及巴拿馬極限型散裝船舶大型化與市場總船噸 之影響因素，並預測其未來發展趨勢。研究過程首先根據過去文獻及海運市場供 需理論，尋找並歸納可能影響船舶大型化及市場總船噸（載重噸）之影響因素， 再利用相關分析與多元迴歸分析分別建立海岬型船舶大型化、巴拿馬極限型船舶 大型化、海岬型市場總船噸以及巴拿馬極限型市場總船噸之迴歸模式，探討船舶 大型化及市場總船噸之影響因素並以相關分析及單迴歸分析探討船舶大型化及 市場總船噸兩者之關聯。最後使用時間序列自我迴歸移動平均模式（ARIMA）， 預測2008 年至 2010 年兩種船型之新造船平均噸位及市場總船噸變化趨勢。 研究結果顯示，影響海岬型及巴拿馬極限型船舶大型化之因素主要為運送貨 種之貿易量及全球貿易量；影響海岬型及巴拿馬極限型船舶市場總船噸除了貨物 貿易量外，全球價格指數、運價指數及貨物價格等經濟因素也會影響到市場總船 噸。而且船舶大型化與市場總船噸兩者間有密切的關聯，兩者會互相影響。最後 根據時間序列ARIMA 的預測結果，2008 年至 2010 年海岬型新造船平均噸位會 略微減少；巴拿馬極限型新造船平均噸位將持續成長；而海岬型及巴拿馬極限型 船舶市場總船噸皆會繼續增加，並穩定成長。整體而言，未來散裝新造船平均噸 位及市場總船噸仍將呈現正向成長。 關鍵字：散裝船舶、市場總船噸、相關分析、迴歸分析、時間序列分析

A Study on the Influential Factors and Prediction of the Ship Size and Total Tonnage of World Bulk Fleet

Student：Tzu-Hsin Chu Advisor：Dr. Cherng-Chwan Hwang

Institution of Traffic and Transportation College of Management

National Chiao Tung University

ABSTRACT

The main purpose of this research is to explore the factors that affect the size of capsize and Panamax bulk carriers and total tonnage（dead weight tonnage） of world fleet, and to predict the development trend. The study begins with collection of possible influential factors of ships size and total tonnage, based on literature reviews and demand-supply theory of shipping markets, and then use relation analysis and multi-regression analysis to establish regression models of average size of newbuilt Capsize, Panamax, and total tonnage of both types of ships, respectively, to conclude the main influential factors. Single regression analysis is also used to examine the relations between average size of newbuilt ships. Finally, ARIMA is used to predict the trends of average tonnages of newbuilt of the two types of carriers between 2008 and 2010 and those of total tonnage of world fleet.

The results indicate that the main factors of the size of capsize and Panamax are the trading amount of shipping cargo types and the world trade amount. Beside these factors, world price index, baltic dry index and cargo prices, etc. also affect total tonnage of world fleet. There is a close relation between average size of newbuilt ships and total tonnage of world fleet, manifesting in their mutual effects. Finally, according to the prediction by ARIMA, newbuilt Capsize carriers between 2008 and 2010 will slightly decrease in average tonnage; newbuilt Panamax carriers will continuously increase in average tonnage; the total tonnage of world fleet of Capsize and Panamax will both increase, and steadily grow. As a whole, the average tonnage of future newbuilt bulk carriers and the total tonnage of world fleet will continue to grow up in the next few years.

Key words：bulk carriers, total tonnage, relation analysis, regression analysis, time series analysis

誌 謝

首先感謝指導教授 黃承傳博士，承蒙老師悉心地指導，不斷給予關懷及教 誨，不時在論文寫作的過程中指點我正確的方向，並於論文完稿後輔導修正，使 論文能夠順利完成。不僅學業上的指導，老師人格的修養更是我學習的典範，讓 我受益良多，在此由衷感謝。 本論文完成，亦感謝口試委員國立台灣海洋大學航運管理學系梁金樹教授與 北台灣科技學院國際貿易系吳榮貴教授，在口試期間耐心地指導及給予寶貴的意 見與建議，使論文能更加完整。 在修課的兩年期間，感謝交研所黃台生所長、徐淵靜老師、馮正民老師、許 鉅秉老師、汪進財老師以及陳穆臻老師的指導與鼓勵，讓我能順利完成碩士學 位。此外亦感謝所辦洪瑛瓔、柳美智小姐在行政資源上的幫助，讓我這兩年研究 生生活能更專心於課業上及論文寫作。 另外要感謝博士班學長姐嘉陽、素如、昭榮、士軒的幫助及班上同學亦昕、 岱杰、育錚、依潔、邏耀、佳峰...等同學不厭其煩地教導我，替我解決許多問 題，也恭喜我們能一起畢業；另外也要感謝大學學長姊惠嬪、明宏及大學同學依 榕、哲維的幫助，使論文能順利完成。 最後要感謝一直在背後支持我的家人，讓我能夠專心於課業上，也感謝你們 一路的關懷及包容，才能順利完成學業。除此之外更要感謝姊姊子昀的支持，在 研究生的最後一年生活在一起，不論精神上及經濟上，都不斷給予我協助。僅以 本論文獻給最摯愛的家人。 朱子昕 謹誌 國立交通大學交通運輸研究所 民國九十七年六月

目錄

摘要 ... i ABSTRACT ... ii 目錄 ... iv 表目錄 ... vi 圖目錄 ... vii 第一章 緒論 ... 1 1.1 研究背景與動機 ... 1 1.2 研究目的 ... 1 1.3 研究範圍與限制 ... 2 1.4 研究項目與內容 ... 2 1.5 研究方法 ... 3 1.6 研究流程 ... 4 第二章 文獻回顧 ... 6 2.1 散裝航運市場 ... 6 2.2 影響因素之文獻 ... 8 2.2.1 影響造船趨勢之文獻 ... 8 2.2.2 影響船噸供需之文獻 ...10 2.3 迴歸分析與時間序列之文獻 ... 15 2.3.1 迴歸分析之文獻 ...15 2.3.2 預測方法之文獻 ...16 第三章 研究方法 ... 18 3.1 相關分析與迴歸 ... 18 3.1.1 相關係數 ...18 3.1.2 簡單線性迴歸分析 ...19 3.1.3 迴歸模式評估與修訂 ...21 3.2 多重迴歸分析 ... 23 3.2.1 多重迴歸 ...23 3.2.2 矩陣線性迴歸 ...23 3.2.3 變異數因子分析 ...24 3.3 時間序列分析 ... 26 3.3.1 自我迴歸模式 ...27 3.3.2 移動平均模式 ...27 3.3.3 混合自我迴歸移動平均模式 ...27 3.3.4 整合自我迴歸移動平均模式 ...28 第四章 迴歸模式之建構與分析 ... 29 4.1 船舶大型化 ... 29

4.1.1 海岬型船舶大型化影響因素分析 ...29 4.1.2 巴拿馬極限型船舶大型化影響因素分析 ...35 4.2 散裝市場船噸 ... 42 4.2.1.海岬型市場總船噸影響因素分析 ...42 4.2.2 巴拿馬極限型市場船噸影響因素分析 ...48 4.3 船舶大型化與市場總船噸之關聯 ... 54 4.3.1 海岬型船舶大型化與海岬型市場總船噸之關聯 ...54 4.3.2 巴拿馬極限型船舶大型化與巴拿馬極限型市場船噸之關聯 ...55 4.3.3 小結 ...56 4.4 迴歸模式綜合分析 ... 56 第五章 時間序列分析 ... 57 5.1 海岬型船舶新造船噸趨勢分析 ... 57 5.2 巴拿馬極限型船舶新造船噸趨勢分析 ... 63 5.3 海岬型船舶市場船噸趨勢分析 ... 71 5.4 巴拿馬極限型船舶市場船噸趨勢分析 ... 79 第六章 結論與建議 ... 88 6.1 結論 ... 88 6.2 建議 ... 89 參考文獻 ... 91 附錄一：基本資料表 ... 94 附錄二：迴歸輸出報表 ... 99                             

表目錄

表2.1 主要散裝乾貨輪船型之比較 ... 13 表3.1 一般線性迴歸模式 ... 25 表4.1 海岬型歷年新造船舶平均頓位 ... 29 表4.2 影響散裝新造海岬型船舶噸位之因素相關分析表 ... 32 表4.3 海岬船舶大型化模式變數處理 ... 34 表4.4 海岬型船舶大型化模式變數選擇過程 ... 34 表4.5 巴拿馬極限型歷年新造船舶平均頓位 ... 35 表4.6 影響散裝新造巴拿馬極限型船舶噸位之因素相關分析表 ... 39 表4.7 巴拿馬極限型船舶大型化模式變數處理 ... 41 表4.8 巴拿馬極限型船舶大型化模式變數選擇過程 ... 41 表4.9 海岬型歷年市場總船噸 ... 42 表4.10 影響散裝海岬型市場噸位之因素相關分析表 ... 45 表4.11 海岬型市場船噸模式變數處理 ... 47 表4.12 海岬型市場船噸模式變數選擇過程 ... 47 表4.13 海岬型市場總船噸模式各變數之 t 值 ... 47 表4.14 巴拿馬極限型歷年總船噸 ... 48 表4.15 影響散裝巴拿馬極限型市場噸位之因素相關分析表 ... 51 表4.16 巴拿馬極限型市場總船噸模式變數處理 ... 53 表4.17 巴拿馬極限型市場船噸模式變數選擇過程 ... 53 表4.18 海岬型新造船平均噸位與市場總船噸相關分析表 ... 54 表4.19 海岬型新造船平均噸位與市場總船噸相關分析表 ... 55 表5.1 海岬型新造船舶時間序列 ARIMA 模式判定比較 ... 59 表5.2 海岬型新造船舶噸位 ARMA（1,0）參數估計 ... 60 表5.3 海岬型船舶大型化 ARIMA 預測值之檢定輸出值 ... 61 表5.4 海岬型新造船平均噸位預測值 ... 62 表5.5 巴拿馬極限型新造船舶時間序列 ARIMA 模式判定比較 ... 67 表5.6 巴拿馬極限型新造船舶噸位 ARIMA（0,1,1）參數估計 ... 68 表5.7 巴拿馬極限型船舶大型化 ARIMA 預測值之檢定輸出值 ... 70 表5.8 巴拿馬極限型新造船平均噸位預測值 ... 71 表5.9 海岬型市場總船噸時間序列 ARIMA 模式判定比較 ... 75 表5.10 海岬型市場總噸位 ARIMA（1,2,1）參數估計 ... 76 表5.11 海岬型市場船噸 ARIMA 預測值之檢定輸出值 ... 77 表5.12 海岬型市場總噸位預測值 ... 78 表5.13 巴拿馬極限型市場總船噸時間序列 ARIMA 模式判定比較 ... 83 表5.14 巴拿馬極限型市場總噸位 ARIMA（2,2,1）參數估計 ... 84 表5.15 巴拿馬極限型市場船噸 ARIMA 預測值之檢定輸出值 ... 85 表5.16 巴拿馬型市場總噸位預測值 ... 86 

圖目錄

圖1-1 研究流程圖 ... 5 圖2-1 1886 年-1993 年油輪大型化趨勢 ... 7 圖2-2 國際貿易需求船噸與船噸供給關聯性 ... 11 圖2-3 交付船舶之時間變化落差預測統計 ... 17 圖3-1 迴歸模式示意圖 ... 20 圖3-2 迴歸分析流程圖 ... 22 圖4-1 海岬型歷年新造船平均噸位趨勢圖 ... 30 圖4-2 巴拿馬極限型歷年新造船平均噸位趨勢圖 ... 36 圖4-3 海岬型歷年市場總船噸趨勢圖 ... 43 圖4-4 巴拿馬極限型歷年市場總船噸趨勢圖 ... 49 圖5-1 每年海岬型新造船噸位趨勢圖 ... 57 圖5-2 海岬型新造船舶時間序列自身相關、偏自身相關圖 ... 58 圖5-3 海岬型新造船噸 ARMA（1,0）自身相關、偏自身相關圖 ... 61 圖5-4 海岬型新造船噸 ARMA（1,0）時間序列圖 ... 63 圖5-5 每年巴拿馬極限型新造船噸位趨勢圖 ... 64 圖5-6 每年巴拿馬極限型新造船噸位趨勢圖（取一階差分） ... 65 圖5-7 巴拿馬極限型新造船舶時間序列自身相關、偏自身相關圖 ... 66 圖5-8 巴拿馬極限型新造船舶時間序列自身相關、偏自身相關圖（取一階差分） ... 67 圖5-9 巴拿馬極限型新造船噸 ARIMA（0,1,1）自身相關、偏自身相關圖 ... 69 圖5-10 巴拿馬極限型新造船噸 ARIMA（0,1,1）時間序列圖 ... 71 圖5-11 每年海岬型市場總噸位趨勢圖 ... 72 圖5-12 每年海岬型市場總噸位趨勢圖（取二階差分） ... 72 圖5-13 海岬型市場總噸位時間序列自身相關、偏自身相關圖 ... 73 圖5-14 海岬型市場總噸位時間序列自身相關、偏自身相關圖（取二階差分） ... 74 圖5-15 海岬型市場總噸位 ARIMA（1,2,1）自身相關、偏自身相關圖 ... 77 圖5-16 海岬型市場總船噸 ARIMA（1,2,1）時間序列圖 ... 79 圖5-17 每年巴拿馬極限型市場總噸位趨勢圖 ... 80 圖5-18 每年巴拿馬極限型市場總噸位趨勢圖（取二階差分） ... 80 圖5-19 巴拿馬極限型市場總噸位時間序列自身相關、偏自身相關圖 ... 81 圖5-20 巴拿馬極限型市場總噸位時間序列自身相關、偏自身相關圖（取二階差 分） ... 82 圖5-21 巴拿馬極限型市場總噸位 ARIMA（2,2,1）自身相關、偏自身相關圖 .. 85 圖5-22 巴拿馬極限型市場總船噸 ARIMA（2,2,1）時間序列圖 ... 87 

第一章    緒論 

1.1 研究背景與動機

近幾年由於全球經濟復甦，以及新興國家的崛起，不僅對消費性物品需求擴 大，更增加對原物料、穀類及鋼鐵之需求，隨之帶動散裝船噸的需求。這使得造 船市場擴張，新造船舶噸位越來越大，而整個市場船舶的總噸位也隨著增加，不 僅全世界船舶訂單增加，老舊散裝船也紛紛回鍋散裝船市場。 散裝船噸供給最主要受到整個市場貨物運輸需求量的影響，近年來全世界散 裝總噸數不斷攀升，和市場貨運量之增加息息相關。散裝貨物在 1960 年代以前 所使用之船舶為雜貨船，1960 年代以後才演變為散裝貨輪，一直到今天發展出 各種依貨物特性而設計的不同船型。由於貨量大，對於船噸的需求相對增加，以 致於近年來船舶建造越來越趨向大型化，不僅承載的貨量能夠增加，每噸貨物的 平均運費價格也能降低。除此之外，是否尚有其他影響船舶大型化趨勢之因素為 一值得深入探討的問題。 海洋運輸是國際物流中最主要的運輸方式。目前，國際貿易總運量中的 2/3 以上都是利用海上運輸。全世界經濟景氣影響海運市場甚大，許多研究及報告都 表示，國際海運市場為完全競爭市場，市場上有許多各國業者、投資者及競爭者， 價格完全由市場供需來決定，世界貨物量及世界經濟活動深深地影響海運市場總 船噸供給。在國際海運市場的不確定情況之下，除了探討影響船噸增減的主要因 素之外，也有必要預測未來新造船舶平均噸位及市場總噸位之變化趨勢。 在造船趨勢越來越大型化之下，過去常用之適宜型散裝船舶，則逐漸被海運 市場淘汰，船東在訂購新船時，逐漸不考慮運量較小之船型，而以巴拿馬極限型 及海岬型為主。所以本研究選擇巴拿馬極限型及海岬型兩種船舶為研究對象。另 一方面，船舶大型化雖然與整個散裝市場的總船噸息息相關，但船舶大型化及市 場總船噸增加並非完全相同之情況，影相因素不必然完全相同，但兩者卻有相當 之關聯性，因此本研究亦將探討兩者影響因素的異同及其相關性。

1.2 研究目的

本研究主要是探討全球近年來海岬型及巴拿馬極限型市場總噸位（本研究之 總船噸皆指載重噸）及新造船平均噸位之影響因素，並分析兩者之間之相互影 響。此外，並預測這兩種船型未來之新造船趨勢及市場總船噸供給量。主要目的 如下： 1. 分析近年來新造船舶平均噸位，以及市場總噸位之變化趨勢。 2. 尋找並探討影響全球散裝海岬型及巴拿馬極限型船舶總噸位增加之因素，構 建船舶總噸位增加與影響因素之因果關係模式。

3. 探討並找出影響全球散裝海岬型及巴拿馬極限型船舶大型化趨勢之因素，並 建構因果關係模式。 4. 預測散裝海岬型及巴拿馬極限型未來在全球海運市場之總噸數，並探討未來 船舶大型化趨勢。

1.3 研究範圍與限制

散裝船舶依運送貨物的性質及噸位，區分成幾種不同的船型，由小至大有適 宜型（Handy size Bulk）、極適宜型（Handymax size Bulk）、巴拿馬極限型 （Panamax）、海岬型（Capesize）、極大散裝貨輪（VLBC；Very Large Bulk Carrier） 及油輪。本研究只選擇巴拿馬極限型及海岬型之船舶大型化以及船舶總噸位作為 探討的對象。 本研究討論船舶大型化及噸位增加之因素，考慮海運市場對船舶需求之因 素，主要針對貿易國經濟統計量做分析，其他政策面、制度或技術面等無法量化 之因素，並未在本研究範圍之內。而對於市場經濟面只說明近年全球海運市場景 氣變化及船舶需求改變。 研究之各項海運統計數據引用來源，係以世界海運知名期刊 ISL 及 Clarkson research 所公佈之海運統計數據為主；貿易統計資料引用來源也以 ISL 所公佈之 散裝貨運資料為主，主要討論穀物類、煤礦及礦砂進出口國貿易量，若有資料不 足之地方，則再設法搜尋其他資料，對於無法蒐集之資料則不予考慮。

1.4 研究項目與內容

本研究主要研究項目與內容，敘述如下： 1. 研究範圍與內容之界定 2. 文獻回顧 （1） 有關海運散裝市場之文獻 （2） 影響因素文獻 影響造船趨勢之文獻 海運市場船噸需求之文獻 （3） 分析與預測方法之文獻 迴歸模式之文獻 時間序列模式之文獻 3. 資料收集與分析 （1） 船舶船型噸位資料收集 資料來源 ISL （2） 船舶需求資料收集

資料來源 ISL （3） 船舶市場總噸位影響因素資料 運費指數資料 ISL 全球經濟及貿易量資料 ISL、WTO、UNCTED 原物料價格資料 ISL （4） 船舶大型化影響因素資料 散裝新造船舶價格資料 ISL、Clarkson Research 二手船舶價格資料 ISL、Clarkson Research 4. 模式建構與影響因素分析 （1） 迴歸分析模式之建立 （2） 迴歸模式結果之分析 5. 未來新造船噸位之預測與市場總船噸之預測 （1） 時間數列預測模式之建立 （2） 未來船噸數量之預測 6. 結論與建議

1.5 研究方法

本研究參考相關文獻之研究結果，分別收集可能影響船舶大型化趨勢及海運 市場船噸增加之因素，以全球海岬型及巴拿馬船型為標的，分析各因素之間彼此 的相關性，並初步篩選適用的變數資料，以迴歸分析方法構建其因果關係模式， 探討各影響因素對於船舶趨勢及市場船噸影響程度及重要性。 由於應用迴歸模式預測未來造船噸位趨勢及海運市場船噸趨勢，必須先求得 模式中所有自變數之預測值，若無國際權威機構公佈之預測值可供引用，利用迴 歸模式進行預測有其困難，因此本研究採用時間序列方法進行預測。 本研究主要使用下列方法，來分析影響散裝船舶大型化及噸位增加之因素， 並對未來趨勢進行預測： 1. 文獻回顧法 收集相關文獻，找尋出影響船舶大小及市場船噸供給之因素，並評析歸 納出符合本研究範圍之影響因素。 2. 相關分析法 依據文獻所尋找出之影響船噸因素，以相關分析檢驗各因素間的關聯程度， 並初步選定影響船噸供給之因素。 3. 迴歸分析法 分別構建海岬型及巴拿馬極限型船舶噸位與各影響因素之因果關係模式。並 建構船舶大型化與總船噸位之關聯性迴歸模式。

4. 時間序列法。 分別將海岬型及巴拿馬極限型船舶平均噸位與總噸位逐一進行時間序列模 式之建構，預期未來船噸之變化趨勢。

1.6 研究流程

        本研究之研究流程如圖 1-1 所示，其扼要敘述如下： 1. 研究內容與範圍界定 散裝海岬型及巴拿把極限型船舶之大型化及市場船噸增加之影響因素分析 2. 文獻回顧 海運市場文獻

影響造船趨勢之文獻

影響船噸需求之文獻 迴歸分析及時間序列之文獻 3. 資料收集與整理

近十年海岬型及巴拿馬極限型船噸資料收集

由文獻回顧法得到之船舶大型化及船噸增加影響因素資料收集 4. 迴歸及時間序列模式建構 影響船舶大型化因素之模式建構

影響海運市場船噸增加因素之模式建構

船舶大型化及船噸增加兩者之聯立模式，並對此迴歸模式作應用

時間序列模式建構與未來造船與市場船噸之預測 5. 結論與建議

確立影響船舶大型化之因素及影響程度

確立影響海運市場船噸增加之因素及影響程度

船舶大型化與船噸增加兩者之相互影響關係

相關建議事項

研究範圍與 內容界定 1.海運市場文獻 2.影響造船趨勢文獻 3.影響市場總船頓文獻 4.統計方法文獻 文獻回顧 資料收集與整理 1.船噸平均噸位與總噸位 2.可能影響因素資料 迴歸模式建構與分析 1.船舶大型化模式 2.船舶總噸位模式 3.船舶平均噸位與總噸位關聯模式 時間序列模式之建構與預測 結論與建議 圖1-1 研究流程圖

第二章 文獻回顧

本章之文獻回顧分成三個部分。首先針對海運市場過去、現在以及市場走向 作回顧，認識海運市場。其次將整理有關造船趨勢、船噸供給之文獻，並初步歸 納影響船舶大型化以及散裝市場船噸變動之直接及間接因素。最後一部分則蒐集 若干迴歸分析、時間序列之文獻，作為本研究參考之用。

2.1 散裝航運市場

從1960年代，不僅散裝船市場，貨櫃船市場亦發展蓬勃，陳永順（民94）指 出，近代船舶科技進步與港口專用現代化，加上貨載包裝配合，除船舶朝向大型 化外，並走向專業化，以追求降低船舶單位投資成本與節省船舶在港裝卸貨時 間，加速船舶運轉效率，另外提高貨物運送服務安全品質。 歐陽承新（民93）提出，以載重量計，全球進出口貿易主要是經由海上運輸 （如南韓外貿99.8％依靠海運），空運量微不足道。據聯合國貿易與發展委員會 （UNCTAD, 2003）的統計，2002年全球海運總重量年增0.8％，達到58.9億噸， 其中原油及油品運量減少1.4％，達到21.4噸，乾貨運量年增2.1％，升抵37.5億噸； 同期全球總產值年增率為2.0％，外貿成長2.5％。 海運市場價格最主要以供需決定，無人可自行決定其價格。王旭堂、陳永順 （民93）指出，海運產業係以生產銷售船舶運輸服務以收取報酬的事業，其交易 型態雖有別於金融市場商品交易，但市場價格高低漲跌仍一樣由供需平衡強度來 決定。

陳永順（民96）提到，Clarksons Research Service將散裝乾貨船市場約略區 分為；海岬型（Capesize）市場、巴拿馬型（Panamax）市場、輕便極限型（Handymax） 及輕便型船（Handysize）市場等。海岬型船主要運輸服務對象為礦砂、煤炭及 穀類或甚鋁礬土、化肥、工業鹽及硫礦等，輕便極限型船為穀類、煤炭、次要原 料或大宗半成品等，輕便型船為輕穀類、大宗半成品及雜貨等。 Cashman（1985）指出，全世界船隊在最近幾年逐漸成長，1939年時，世界 船隊共有68.3mgrt，其中有一小部分的船噸為油輪，其餘的船噸都是現今大家沒 聽過即不認識的散雜貨船，而除了這些散雜貨船之外，其他的都航行於大的湖泊 上。1948年，第二次世界大戰之後，世界船噸快速成長至80.3mgrt。到了1960年 代，世界船隊成長至129.8mgrt，而到了1970年時，總噸位達到了227.5mgrt。1980 年時，總船隊噸為達到419.9mgrt，而船舶的噸位至今仍持續成長。

圖2-1 1886 年-1993 年油輪大型化趨勢 而當海運市場景氣好時，許多投資者皆會投資新造船，增加市場供給。朱敬 汝，包張敬（民96）2002年年初以來，散裝貨輪海運市場逐漸好轉，運費費率開 始回升，並在近期達到運費費率回升以來的峰值。其中，大輕便型散裝貨船運費 費率近7 個月來持續緩慢增長；巴拿馬極限型散裝貨船海運市場行情上半年內小 幅波動，運費費率始終保持在6200 美元/天左右，但在九月中旬時突破7000 美 元/天，恢復到去年八月初的水平；海岬型散裝貨船運費費率在三月底時一度恢 復到13700 元/天(今年年初僅爲8056 美元/天)，儘管其後幾個月內又出現下跌， 但九月中旬再次恢復到15937 美元/天的水平，也是2001年九月以來的最高點。 由此看來，隨著經濟的緩慢復甦以及散裝貨運市場的持續成長，在此新船船價低 迷之際正是訂購新船的好時機。 沈康生、徐中康（民92）指出，2002年年初以來，散裝貨輪海運市場逐漸好 轉，運費費率開始回升，並在近期達到運費費率回升以來的峰值。其中，大輕便 型散裝貨船運費費率近7個月來持續緩慢增長；巴拿馬極限型散裝貨船海運市場

行情上半年內小幅波動，運費費率始終保持在6200 美元/天左右，但在九月中旬 時突破7000 美元/天，恢復到去年八月初的水平；海岬型散裝貨船運費費率在三 月底時一度恢復到13700 元/天(今年年初僅爲8056 美元/天)，儘管其後幾個月內 又出現下跌，但九月中旬再次恢復到15937 美元/天的水平，也是二○○一年九月 以來的最高點。由此看來，隨著經濟的緩慢復甦以及散裝貨運市場的持續成長， 在此新船船價低迷之際正是訂購新船的好時機。 2006 年，世界造船市場並沒有出現人們普遍預期的回落行情，在國際航運 市場繼續走低的情況下，造船市場卻一改 2005 年年中開始出現的下滑走勢而逆 勢走強，各項造船指標均創下歷史最高紀錄。2006 年成為世界現代造船史上名 副其實的高峰年。那麼，人們不禁要問，為什麼 2006 年造船市場會逆勢回升並 走出空前興旺的行情呢？原因是多方面的，其中，市場因素好於預期行情為行情 回升創造了條件，而非市場因素的作用是市場空前興旺的直接原因。

2.2 影響因素之文獻

2.2.1 影響造船趨勢之文獻 楊鈺池（民 95）第二次世界大戰以後，世界經濟復甦，遊於產業結構變化 造成各國間之貿易量突飛猛進，運輸系統需求更趨擴大。 為達到貨物處理效率提高、降低運輸成本之目的，近來貨物船之發展有兩種 趨勢：船舶之專門化與船型之大型化趨勢。 世界散裝船隊在 2004 年時快速增加。2004 年時，散裝船隊由先前的 17.5 百 萬載重噸增加到 319.2 百萬載重噸。2001-2005 年這段期間，散裝船隊載重噸， 每年平均增加4.1 個百分比。 David Glen（2006），造船工業和其他的製造產業一樣，在過去的三十年呈 現戲劇性地成長。而造船工業逐漸有原本的歐洲一轉到其他國家。1976 年，歐 洲造船產業有209,000 勞工，到了 2003 年時，下降至 49,000 勞工。 噸位較大之船舶在近幾年來成長快速，而噸位較小之船舶已逐漸被淘汰。楊 鈺池（民96），散裝船之乾貨運輸方面，例如鐵礦砂、煤碳、穀類經可用機械來 進行裝缷貨物作業，因此船舶大型化趨勢日益明顯。散裝船之船型，從6 萬載重 噸之巴拿馬型，提高到15 萬載重噸之 Cape Size 型。全球乾貨物船隊結構以艘數 來看，發現Handysize 型船從 2000 年 2857 千艘下降到 2770 千艘；HandyMax 型 船從2000 年 1013 千艘提高到 2005 年 1380 千艘；PanamaMax 從 2000 年 950 千 艘增加到2005 年 1212 千艘；Capesize 型船則從 2000 年 558 千艘上升到 2004 年 668 千艘。 而造船市場也深受二手船舶市場之影響。Roar,Haiying,Siri（2006），全球海 運市場長期以來被區分為四個市場：新造船是場、運費市場、二手船舶噸位市場

及船舶拆解市場。而二手船舶市場緊緊地和基本運費及新造船市場整合在一起。 楊鈺池、王志敏（民95），在國際乾散貨海運市場中，船舶租金代表收入， 船價則為成本的主要項目，兩者之間存在著極微妙的關係，其中對於新造船價、 二手船價與租金的任何投資決策，卻深邃地影響海運投資績效。 周武、陳潔、朱小明（民95），隨著經濟全球化過程的加快，貿易跨國經營 日益盛行。全球貨主和消費者對運輸服務質量提出更高要求，最為全球承運的船 公司不僅要有更廣泛的航線覆蓋，在主幹線上更有密集的航班，而且在航線的兩 端還要有＂門到門＂的多式聯運和具有附加價值的綜合物流服務。而隨著世界航 貿界的主型船舶朝向大型化或超大型化發展。 丁士展（民95）等人指出，專業船舶的大型化與自動化，可減輕航商所負擔 的平均成本，是近年來新造船的趨勢。而航商的聯合經營，是為了因應船舶大型 化所興起的策略，可使船公司擴大營運範圍，分散財務風險，海運市場的運價較 為穩定。 陳天（民87），關貿總協是當前全世界最大且重要之多邊經濟組織，要求各 國在公平、開放之自由化原則下良性競爭，海運業亦受此自由化趨勢之影響。在 自由競爭之環境下，運費費率取決於供需關係，並非個別海運業者所能操控。然 海運業者在瞭解市場需要某類型船後，如何決定建造何種噸位、何種航速之貨 輪，以便在不同航程與不同燃油價格下，仍具有競爭力。 影響海運業者競爭力之因素固然很多，然降低運輸成本是提高競爭力最有效 的方法。運輸成本一般而言可包括三方面，乃船之建造費用、營運之直接花費與 海運公司之管理成本。 船東考量是否訂購新船之因素甚為複雜，主要是以營運可否獲利為最優先考 量，船東最大的風險在於營運攬貨與運費費率上，至於其他的因素尚包括船價、 交船日期、貸款、船員人數容易操作與維修、船速、耗油率、載貨重量、裝卸效 率、安全、設計與操作上考量等。一艘設計品質較佳的船通常對船價影響不大， 但較易爭取到訂單。 船舶大型化從過去二、三十年來，一直為新造船舶趨勢，全球貿易頻繁後， 貿易量增加，所需船舶噸位相對也增加，然而建造更大型船舶，對船東來說是相 當大的風險，所以前提必定是船舶能夠達到滿載，意味著貨物量皆能和船舶噸位 相符。由以上文獻回顧，可歸納出影響海岬型及巴拿馬及線型造船趨勢之因素： 1.全球貿易量 2.二手船舶市場 3.世界經濟景氣 4.散裝船舶價格

2.2.2 影響船噸供需之文獻 陳 永 順 （ 民 94 ） 海 運 產 業 市 場 其 結 構 來 說 ， 接 近 於 完 全 競 爭 市 場 ， Koopman(1939)、Hawdon(1978)、及 Beenstock 等曾對海運的價格進行分析及研 究，其均支持海運市場為完全競爭市場的觀點。 不定期船產業既屬於完全競爭市場，則市場價格必須由外部供需所決定。除 須掌握最佳交易時機，獲取有利交易價格以增益營收外，另外須提高船舶運輸服 務的生產作業效率，以降低營運成本。 就長期利益而言，應尋求持續擴張業務規模，即增建或購置船噸。但因船舶 資產投資金額龐大，且船舶資產市場價格增值、貶值劇烈，若投資時機不當，可 能會拖累或侵蝕企業獲利，甚至導致企業陷入財務危機。 國際貿易需求船噸與船噸供給關聯性，依國際貿易理論，基於比較利益兩國 才形成貿易關係，本國因無法生產或生產該項商品比從他國教不利，於是向他國 進口，因此產生國際貿易流。全球商品需求量受到國民所得高低和經濟條件影 響，全球商品供給量除考慮比較利益外，也受到生產能量與庫存量影響，兩者間 達到共同目的後體現國際貿易需求量，國際貿易或務需求量亦隨時間變動。 國際貿易貨物需求量引申對海運船噸需求，進而帶動船舶產業活絡與商機， 海運企業因市場需求船噸旺盛，可支配船噸不足時，長期間考慮購置船噸貨租入 船噸，短期間暫時以現貨租入船噸貨以論成庸船將貨載運合約洽船承運。由上述 說明顯症船舶產業的繁榮與發達完全繫乎於國際貿易活絡，當全球經濟出現高度 成長時，往往帶動全球貿易量大幅增加，船舶產業因而欣欣向榮。 圖 2-2 為國際貿易需求與船噸供需之關聯性：

圖2-2 國際貿易需求船噸與船噸供給關聯性 陳永順（民96），散裝不定期船市場價格變動決定於市場船噸的供需強度。 市場船噸需求量增減變動除主要關鍵在國際間原料進出口貿易旺盛與否，其受到 全球經濟景氣榮枯及工業生產是否擴張或萎縮等經濟因素影響外，另又受到非經 濟因素所衝擊，如貿易障礙、惡劣天候中斷運輸供應或生產收成及戰爭重建與物 資援助等。散裝船噸需求來源主要仰賴礦砂、煤炭、穀類及其他次要原料。自 2004 年起受到中國大陸鋼鐵產業急速擴充的帶動下，全球礦砂美海運量以每年 60 至 80 百萬噸速度大幅成長，至 2007 年礦砂海運量首次超越煤炭海運量，除 成為最大散裝海運貨載外，也成為左右散裝船噸成長最具關鍵因素。 楊鈺池、王志敏（民95），自2002 年以來，國際散裝乾貨船海運市場行情， 因中國大陸突然大幅增加鐵礦砂進口量影響，海岬型船船噸供給量不敷需求量， 導致海岬型船市場租金上漲。承運礦砂占大多數之海岬型二手船價率先大幅飆 漲，新造船價除船廠訂單大量增加外，亦因占造船成本極高的鋼價大漲緣故，牽 動新造船價跟著一起飆漲。 全球商 品需求 海運船噸 需求預測 成本比 較利益 所得水準 經濟成長 具有成本 比較利益 需求波動 生產成本 實際 生產 商品庫 存量 生產能量 需求 預測 可用船噸 船噸不足 長期需求 船噸 短期需 求船噸 購買船噸 論程 租船 論時 租船 購現 成船 構建 新船 長期 租船 短期 租船 全球商 品供給

但是在海岬型船即期租金由高點下滑，跌幅達二分之一以上時，船價卻只有 下跌一至二成，兩者的走勢並不吻合，此現象可以由兩個理由來解釋，一為船價 不完全受到租金費率大漲大跌影響。另一船價下跌幅度較租金少的原因，是因為 目前造船廠造船訂單都已接單至2008 年，沒有降價搶單的需要，因此議價空間 有限，形成船價高居不下的情形。再者二手船船價高於新船船價，是因為購買二 手船可增加現有運力，立即獲取租金上漲的利益，而新船建造從簽約下訂至完工 交船，在目前船廠供給吃緊的情形下，最快也需要二至三年時間，以致於新船船 價呈現落後上漲且漲幅不如二手船的現象。 徐康生、徐中康（民 92），散裝貨輪的新船建造市場隨著世界景氣循環與海 運市場榮枯而發展，我們可以由圖一看出自一九九四年以來，市場歷經了兩大波 段的起伏，由一九九九年元月份開始，散裝貨輪的航運市場歷經了二年多的大起 伏，海岬型散裝貨輪的起伏最大（約一倍），其論時租船費率在 2000 年年中高 達 18,500 USD/day。2001 年底又回到 8,500 USD/day 的水準，2002 年開始至 今，海岬型散裝貨輪的指數又再度爬升，所以近來海岬型散裝貨輪又為船東所青 睞。 楊鈺池（民 96）全球乾貨海上物動量推移，鐵礦砂，從 2000 年 448 百萬噸， 提高到2006 年 686 百萬噸；煤炭貨物量，則從 2000 年 524 百萬噸，增加到 2006 年706 百萬噸；穀物量，則由 2000 年 264 百萬噸成長到 281 百萬噸，鋁礦則從 54 百萬噸上揚到 69 百萬噸；磷礦石，由 2000 年 28 百萬噸緩步上升到 2006 年 30 百萬噸；五大乾貨物，總計自 2000 年 1318 百萬噸，提高到 2006 年 1771 百 萬噸。 鐵礦砂及煤的運輸仍為最大宗的需求，在此兩大貨品運輸需求仍持續增加 下，散裝輪運價下跌空間有限。大型礦廠公司及大陸鋼鐵公司近年來持續增加長 約型的散裝船比重，因此雖然目前現貨價格遠低於04 年高點 10-11 萬美金/日的 水準，但合約價卻已高於當時水準，此將有助於運價維持較為穩定的走勢。 1970 年代後，鐵礦砂開始大量利用海上運輸來交易，意謂全球鐵礦砂市場 亦趨向於國際化。Astier (2001)研究指出，由於開發中國家的經濟發展，以及工 業先進國家的原物料需求，鐵礦砂的需求也不斷增加。根據德國航運經濟與物流 研究中心(Institute of Shipping Economics and Logistics；ISL)最新(2006)分析顯 示，全球鋼鐵生產量是影響散裝航運市場運價主因之ㄧ。

林光（民 92）研究指出油輪與散裝貨輪佔世界船噸主要部份，1995 年油輪 即佔全部船舶的36.4％，而散裝貨輪佔 35.6％，一般雜貨船與貨櫃船則各為 14.2 ％與6.0％，船型與噸位的增減、改變與世界經濟發展及貿易貨量有關。

表2.1 主要散裝乾貨輪船型之比較 適宜型 適宜極限型 巴拿馬極限型 海岬型 載重噸DWT 30000-38000 40000-52000 55000-70000 120000-200000 吃水 DRAFT 約 9 至 11 公尺 約 10.5 至 12 公尺 約 13 至 14 公尺 約 15 至 19 公尺 主要載運貨種 貨量較小的貨 物、鋁土等 貨量較小的貨 物、鋁土等 穀物、礦砂、煤、 鋁土等 煤礦、鐵礦等 裝卸設備 自備吊桿 部分自備吊桿 大多無自備吊桿 無自備吊桿 楊世成（民96）指出，目前，鋼鐵業與國際乾散貨60%的貨量密切相關，鋼 鐵業的發展是決定市場走勢的重要因素，鐵礦石和動力煤貿易量的快速增長仍是 全球乾散貨海運增長的重要力量。目前國際乾散貨運輸市場處於高位仍屬合理區 域，主要原因是由於匯率變化導致美元貶值，造就了目前市場的運價相對於2000 年虛高了32%，其次是燃油成本上升，新造船市場成交活躍，船臺緊張，新船造 價高企，同時用工成本高漲。

Adland and Strandenes（2004）將海運經濟模型分成兩類，一為古典學派模 型，所建構者為靜態的供/需模型(如，Zannetos，1966；Norman and Wergeland， 1981；Evans，1994)或動態的供/需模型(如：Eriksen and Norman，1976；Strandenes， 1986；Beenstock and Vergottis，1989；Lensberg and Rasmussen，1992)；二為近 年來發展的財務經濟模型，其著重於運價隨機模型的建立，如Ornstein-Ühlenbeck process (Bjerksund and Ekern，1995；Tvedt，1997；Martinussen，1993)、Geometric Mean Reversion process (GMR；Tvedt，1997)、及 Nonparametric method (Adland， 2003)。他們發現以上兩種方法都有其缺點，建構供/需模型需涵蓋大量的變數， 而大多的變數資料又難以取得(如：船速、船舶有效利用性等)，且亦需建立多組 方程式；至於隨機運價模型則是基本上僅考慮即期的運價與過去的運價，忽略了 其他重要的資訊，如：新船訂單上的船型、現今船隊的船齡等皆未列入考慮。在 建構海運的供/需模型需依賴大量變數，而眾多的變數資料又不易取得的情況 下，為簡化模型，近年的研究多傾向假設市場具有效率，即主張相關運價(freight rates)、船價(vesselvalue)已包含了所有公開資訊，進而運用運價或船價其自身資 料來建構多變量的時間序列模型，試圖在個體經濟理論的基礎下，建立一有意義 的模型，甚至進而預測。 梁容禎（民 94），船噸需求量易受到諸多無法預知的因素影響，包括長期間 主要影響貨載流量國家經濟成長條件、新興工業化國家發展、新礦區開發及主要 原料供需國家政策改變等產生結構變動，短期間受季節性淡旺季、或突發事件如 礦災、罷工、天候、基礎設施不足等影響，且影響因素可能有重疊出現甚至交互

效應影響。有些規律影響因素可藉由過去發生的歷史資料，透過合適計量模型可 加以模式化，作為預測未來市場變動。若非規則性或過去未曾發生判定會影響船 噸需求變動之事件，一般很難找到合適計量模型可加以模式化來預測未來可能影 響的變動，為企圖瞭解那些無法納入計量模型作為解釋變數之因素，可藉由事件 分析，將過去發生事件類別、衝擊大小、影響期間長短等，各事件依影響程度分 級加以量化，從而以情況假設來模擬，如此可得到各種重疊事件之主要影響效應 與彼此交互效應之總和對價格反應程度，以此結果作為未來市場發生類似事件 時，以人為主觀加判定之。（波羅的海乾貨指數影響因素之分析與預測，交大交 研所碩士論文） 早期學者認為運價費率是定態的，Tinbergen 對於乾散海運市場價格有兩個 重要觀察：一、由於效率的提升，價格會有降低的趨勢；二、市場力量調整的延 滯效果，其價格通常具有週期性。Tinbergen（1934）利用 1880 年到 1911 年期間 的資料研究運價的型態，儘管到至今貿易型態和貿易量有明顯差別，但當時候主 要運載的商品和今日主要運載的商品大致相同。他推導出運價發展、需求指數、 仔噸能力和燃油成本的關係，其研究的同時，海運界有了相當驚人的發展，運輸 成本明顯地降低了。Tinbergen 認為逐漸下降的成本及意謂著運價向下的趨勢， 故指出海運產業的競爭近似完全競爭市場。Tinbergen（1931）並介紹 durable good cycle 概念，以造船業之景氣循環為例，指出攀升的運價會讓船東有興趣下訂單 造新船，而當船廠交付新船至市場時，市場總船噸的增加會造成運價下跌的壓 力。由於存建造時間（time to build）的效果，使得船噸的需求和供給難以趨於一 致，從船東下單到到船廠交付船舶，中間有時間落差，有時運價不會立即反應回 跌，反而在建造新船的同時，運價可能最高點出現，但最後運價仍會因船噸供給 增加而回跌。Tinbergen 認為運價和建造船舶都有週期（循環）性，因此他建議 建構模型時可建構成s 型態（patterns as sine waves）。

黃文聰（民93）以產業經濟學中SCP(Structure-Conduct-Performance)模式， 藉由對市占率、價格水準、船隊效率三者間關係，來了解航商績效與市場結構之 關聯。由實證結果分析得知: 1. 航商投入大型船舶，雖然可以提高航商之市場力量，但卻使得運能過剩的問 題更加嚴重，而導致船隊效率降低及航商價格水準下滑。 2. 產業集中度與價格水準為正向關係且集中度逐年增加，代表領導航商有可能 採取價格策略來提高獲利。 3. 航商欲提高船隊效率與市占率，大多採取削價策略，但卻使得航商獲利因此 下滑。 4. 航商採取合作聯營的方式，可以提高價格水準但對市占率的提升無明顯的幫 助。

5. 雖然提高遠洋航線比率可以增加船隊效率，但卻使得市占率並無法有效提升。 綜合以上文獻，可之船噸供給受貿易量需求及全球經濟景氣影響甚鉅，影響 因素不外乎經濟因素，包括原物料價格及油價變動；而本研究最主要探討散海岬 型及巴拿馬極限型兩種船型之船噸供給增加及大型化因素，物料價格之變化以此 兩種船型之主要運載貨物為主，包括穀類、鋼鐵及煤炭。因素分析討論上述貨物 貿易量之變動，也加入油價之變動。而根據現有海運市場及船舶噸位文獻，本研 究歸納影響船舶大型化及船噸增加之因素如下： 1. 現有船噸（現有船隊規模） 2. 運價指數 3. 全球貿易量 4. 全球經濟成長率 5. 原物料價格：穀物、煤礦、鋼鐵 6. 原物料出口國之經濟成長率：原物料出口國之經濟成長，帶動國內產業復甦， 亦使原物料產業相對活絡，對於原物料之品質更能掌握，如此能提升國外對 於原物料之進口。 7. 燃油價格：燃油價格影響船舶營運之成本；而原油價格亦為影響全球經濟之 重要因素，因此亦會間接影響到貨物對船噸之需求，對於船噸的供給仍具有 一定之影響。

2.3 迴歸分析與時間序列之文獻

2.3.1 迴歸分析之文獻

Amoako And Berryman（2002）利用經濟計量迴歸與時間數列分析，預測澳 洲2010年的貨櫃進出口數量。以澳洲的GDP（Gross Domestic Product）與 TWI （Trade Weighted Index）、經濟合作發展組織（OCED：Organization For Economic Cooperation And Development）的GDP、七大工業國（G7 Countries）的GDP為經 濟影響因素作迴歸，建立經濟計量模型並預測至2010年，利用ARIMA作相同預 測，預測澳洲進出口貨櫃數量將由2001年的2.2 Million（TEU），以每年平均增 加5％的成長率，到2010年貨櫃進出口數量將為3.8 Million（TEU）。 陳垂彥（民96）以台灣地區進出口貨櫃運量為例，綜合評析各種不同的預測 方法，包括迴歸分析、時間數列方法、重力模式、單一及聯立迴歸模式，並對各 種預測方法提出比較。 交通部運輸研究所港灣技術研究中心（民96）於「港埠運量預測之研究」中 應用時間數列方析法，迴歸分析之單一方程式法與聯立方程式法等三種方法來進 行港埠運量預測，然後再將WTO組織、兩岸直航等因素對港埠運量之影響納入 模式中，修正運量預測，反應未來可能的變動。

迴歸分析應用於其他領域，李顯宗、蔡龍珆、孫立中（民95）應用迴歸分析， 對有機材料生油潛能作評估。以553 個樣品(36 個台灣地區、16 個大陸地區、 13 個澳洲地區樣品、488 個取自文獻)的各項生油潛能評估參數資料，用相關、 迴歸、主成分、因素及群集等統計分析方法，探討有機材料各項參數間的相關性， 並綜合統計評估有機材料生油潛能。 李惠妍、吳宗正、溫敏杰（民 95）應用迴歸模式與類神經網路預測台股指 數期貨的隔日收盤指數，以尋求最適宜的預測模式。在迴歸分析方面，去除三筆 偏離值之後，再經由逐步迴歸分析篩選出當日收盤指數、差基、漲跌、10 日威 廉氏指標、5 日乖離率等 5 種變數的模式最為適合。 2.3.2 預測方法之文獻

Cullinane（1999）利用時間序列 Box-Jenkins（ARIMA）方法，針對 BIFFEX （Baltic International Freight Future Exchange）建立一適當預測模式進行短期預 測，以推測實體市場運價，作為市場經營決策之參考。 梁容禎（民 94）採用迴歸分析與時間數列方法中之 ARIMA 與介入模式，分 別建立乾散貨指數（BDI）模式與其所包含之波羅的海海峽型指數（BCI）、波羅 的海巴拿馬極限型指數（BPI）、波羅的海輕便極限型指數（BHMI）等四項指數 之預測模式。經將直接預測 BDI 模式之預測結果與分別預測 BCI、BPI、BHMI 三項指數模式再加權統合的結果加以比較，以直接預測模式效果較佳。此外，在 兩種時間數列預測模式，以介入模式的預測效果較ARIMA 為佳。影響指數變化 的各種可能因素中，則以船噸供給、穀類、亞洲鋼鐵需求之影響為顯著。

徐嘉陽（民96）利用灰預測滾動模式，預測船舶載重噸，求算未來三年載 重噸之預測值。藉由灰色理論之灰預測最常被使用之四點滾動建模，以構建全球 前十大航運國船噸發展預測模式，並檢驗模式之精確度。以四年資料建立之灰色 模式預測過程為例，2001 年預測值係利用 1997-2000 年四筆原始資料進行建模與 預測；2002 年預測值則利用 1998-2001 年四筆原始資料進行，其餘依此類 1997-2006 年全球前十大航運國船舶載重噸之統計。

陳思穎（民88）採用 ARIMA (Auto regressive integrated moving average)模 式與指數平滑法，預測原油期貨價格與即期匯率之變動。實證研究發現，若以增 加報酬為目標，則指數平滑法預測能力較優。

ARIMA模式其他用途，Lin and Liu（2003）運用X-12ARIMA中的RegARIMA 功能來處理農曆春節移動節日效果。該文將春節效果分為「春節前」、「春節期 間」、「春節後」3 個解釋變數，然後以AICC（F-corrected AIC）檢定判斷該解釋 變數是否能增強模型解釋力，來決定該變數之取捨。由於缺乏日資料，假定3 段 期間的影響效果分配為每日相同影響的矩形分配。

探討並推估 A 公司鋁製嬰兒車未來需求量，作為嬰兒手推車相關業者未來在決 策生產量及市場對策參考。經多種比較檢定後時間序列法以 ARIMA(1,1,1)為較 佳之暫訂模式，其檢定誤差相當符合理論基礎。經由平均誤差百分比與均方根平 均誤差百分比來作為迴歸模式與ARIMA 模式預測能力的評估準則。

連聖皓、朱宜寧、謝邦昌（民 86）利用時間序列 ARIMA 預測模式，預測 台灣省汽車客運量，分析結果顯示民營汽車客運的延人公里在水平區間發展，但 長途客運里程增加、客運人數減少。公民營公車客運的延人公里、行駛里程、客 運人數均減少，此乃受自用小客車、機車數量增加所致。而省營汽車客運的延人 公里、行駛里程、客運人數也有減少的趨勢，但此只受自用小客車增加的影響並 未受機車數量的影響。

Adland and Jia(2006)利用矩陣時間序列方法，針對各種船型求算新船交付之 時間落差，分析此時間落後對整個海運市場及二手船舶市場之影響並預測運價市 場的成本變化，如圖2-3。

第三章 研究方法

3.1 相關分析與迴歸

3.1.1 相關係數 在統計分析上，當變數只有一個時，我們會算它的平均數及標準差等統計 量，也會畫圖看它長得像什麼樣子，是對稱還是左偏或右偏。 當資料有兩個變數時，我們要問這兩個變數間有無關係，如有關係，它的關 係有多大（相關係數）。再者某一變數對另一變數會有什麼影響（迴歸分析）。迴 歸的目的是要找出變數間的關係式，即找函數 f ，使應變數 y （或稱準則變數） 與獨立變數x（或稱預測變數）間有： ) (x f y = 的關係式，最常用的函數 f 是線性函數，即 x x f( )=β₀ +β₁ 我們稱這種線性關係式 x y=β₀ +β₁ 為簡單線性迴歸，其中β₁稱為迴歸係數（表示直線斜率），β₀表示截距（表示迴 歸與 y 軸交點的縱座標），當收集到一組資料後，迴歸第一步驟就是計算β₀、β₁， 然後再利用殘差圖評估模式是否合適，如不合適則作修正，直到修正的模式評估 合適為止，模式修正好後，就能做預測、解釋及控制等用途。 兩個變數x, 的關係是以相關係數來表達其兩者間相關性的高低，他必須要y 量化出一個數。對x, 兩變數，若有y n對資料(x₁,y₁),(x₂,y₂),...,(x_n,y_n)，則統計 上定義x, 的樣本相關係數y (Coefficient of Correlation)為：

(

)(

)

(

)

_∑

(

)

∑

∑

= = = − ⋅ − − − = n i i n i i n i i i y y x x y y x x r 1 2 1 2 1 由上列式子可改寫成： 1 1 1 1 − ′ ⋅ ′ = − ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ ₋ ⋅ − =

∑

∑

= = n y x n S y y S x x r n i i i n i y i x i 其中， x i i S x x x′ = − i i S y y y′ = −

分別代表x ,i yi的標準化分數，而 1 − = n S Sx xx 1 − = n S S_y yy 其中，

(

)(

)

_∑

_∑

_∑

∑

− − = − ⋅ = x x y y x y x y n Sxy i i i i i i/ 表示x, 的共變量y (Covariation)，而

(

x x

)

x

(

x

)

n S_xx =

∑

_i − 2 =

∑

_i2 −

∑

_i 2/ 是x的變異數(Varitation)。同樣的， y 的變異數是

(

y y

)

y

(

y

)

n S_yy =

∑

_i − 2 =

∑

_i2 −

∑

_i 2 / 而需注意的部分： （1） 由定義可以看出相關係數是純量，他與單位無關，或稱相關係數有單位不 變性。 （2） 由

∑

(

)

= − ′ ⋅ ′ = n i i i y n x r 1 1 / 看出，如果大部分x ,_i′ y_i′同向（同正或同負），則 r 是正的。反之，如果大部分x ,i′ yi′反向（一正一負），則 r 是負的。 （3） rxy >0表x值增加時， y 值有增加的傾向；rxy <0表x值增加時， y 值有 減小的傾向。 當算出兩變數的相關係數很高時，總認為兩者間有因果關係，事實上不然， 一者不知哪個變數是因，哪個變數是果？甚至可能兩者間並無因果關係，它們之 間的關係可能都是受第三者的影響。 3.1.2 簡單線性迴歸分析 迴歸分析是一種統計分析方法，它利用一組預測變數（或稱獨立變數）的數 值，對某一準則變數（或稱應變數）作預測，它也可以作為評估預測變數對準則 變數的效用。 迴歸的主要目的是做預測，目標是發展一種能以一個或多個預測變數的數值 來作為應變數預測的方法。一般預測需先收集資料，然後建立模式，再由給定的 預測變數值，求出對應的準則變數值是多少，迴歸分析就是找出變數間的關係 式。一般將變數分為兩類，一類變數是作為預測的提供者，稱為獨立變數 （Independent Variable）或稱為預測變數（Predictor Variable），以x表示；另一類 是真正關心的被預測者，稱為因變數（Dependent Variable）或準則變數（Response Variable），以 y 表示。所謂建立模式，就是找出 y 與x的函數關係式，即找函數 f

滿足。

( )

x f y= 最常用的函數 f 是線性函數，即

( )

x x f =β₀ +β₁

而y =β₀ +β₁x稱為簡單線性迴歸（Simple Linear Regression）式，式中的β₀是迴 歸線在 y 軸上的截距，而β₁是迴歸線的斜率，也稱為迴歸係數（Regression Coefficient）。

當針對某問題收集了資料之後，要找出迴歸式，第一步驟是作參數估計，所 謂參數就是β₀,β₁，而估計就是利用資料求出其β₀,β₁的數值是多少。在迴歸分 析上，最常用的估計方法是最小平方法（The Method of Least Square, LS）。假設 一條直線L 的方程式為：y=β₀ +β₁x 圖3-1 迴歸模式示意圖 資料來源：陳順宇（民85） 自第 i 筆資料點P

(

x_i,y_i

)

作x軸垂線，與L 交於點M

(

x_i,β₀ +β₁x_i

)

，則 PM 長度的 平方是

[

y_i −

(

β₀ +β₁x_i

)

]

2，所有這些平方和為：

(

)

[

]

∑

= + − n i i i x y 1 2 1 0 β β 設此平方和為 Q，而最小平方法就是要找β₀,β₁，使 Q 最小值。利用θ 對β₀,β₁微 分後令其等於0，知β₀,β₁解滿足下列之聯立方程式，

(

)

[

]

(

)

[

]

⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ = + − − = ∂ ∂ = + − − = ∂ ∂

∑

∑

= = 0 2 0 2 1 1 0 1 1 1 0 0 n i i i i n i i i x x y Q x y Q β β β β β β 將上列聯立方程式化簡成：

( )

x y p ,

(

x x

)

M i,β0 +β1   1 1 0 :y x L =β +β

( )

x y p ,

(

x x

)

M i,β0 +β1   1 1 0 :y x L =β +β x  y

⎪ ⎪ ⎩ ⎪⎪ ⎨ ⎧ + = + =

∑

∑

∑

∑

∑

= = = = = n i n i n i i i i i n i n i i i x x y x x n y 1 1 1 1 2 0 1 1 1 0 β β β β 上面兩方程式稱為正規方程式（Normal Equation），它是二元一次聯立方程組， 令其解為βˆ₀,βˆ₁，則

(

)(

)

(

)

∑

∑

− − − = ₂ 1 ˆ x x y y x x i i i β x y ₁ 0 ˆ ˆ _β β = − 而迴歸線為 x y=βˆ₀ +βˆ₁ 如果資料已經整理算出x, 的平均數y x,y與x, 的標準差y S ,_x S_y，及其相關係數 r ，則βˆ₁也可表示成 x y S S r⋅ = 1 ˆ β 而迴歸線也可表示成

(

x x

)

S S r y y x y − ⋅ + = 也就是只要算出此兩變數的平均數、標準差與相關係數就可求得迴歸線。 3.1.3 迴歸模式評估與修訂 對於一般檢定問題和變異數分析問題，在應用某種統計程序前必須注意其基 本假設條件是否符合要求。例如：兩組樣本平均值相等的檢定問題，必須先了解 （1）資料是否常態分配（2）兩組樣本是獨立或成對（3）兩組的變異數是否相 等，然後才能決定利用何種統計方法作檢定。 迴歸分析方面也有與上述同樣的問題，在做統計推論或是建立模式之前，必 須考慮基本假設是否符合，這樣所作的推論才正確，而建立的模式也才能用來做 預測。事實上，迴歸分析的基本假設也有三項，包括：（1）資料的常態性（2） 共同的變異數（3）誤差項的獨立性。 第一項假設，＂常態性＂，它要求給定每一個預測變數x值後， y 值的分配 具有常態性，就像一般 t 檢定、 F 檢定一樣具有穩健性，也就是說資料偏離常態 分配不很嚴重時，沒有太大關係。不過，強調所謂常態分配的要求，是給定x值 後 y 的分配是常態，至於全部的 y 值分配是否常態就不重要了。 第二項假設，＂均值性＂，也就是不論什麼樣的x值， y 的分配變異數都相

等，每一個鐘形的形狀都一樣，均值性的假設對以最小平方法作迴歸係數的估計 是重要的，如果各組變異數差別很大時，必須利用變數變換，或是加權最小平方 法處理。

第三項假設，＂獨立性＂，表示上一個誤差不會影響下一個誤差，這個假設 與一般一組樣本的 t 檢定要求資料隨機取樣一樣，也就是資料具有相同分配且獨 立iid（Identical and Independent）。當設定線性模式

i i i x y =β₀ +β₁ +ε ，εi ~ N

(

0,σ2

)

，i =1,2,...,n 並算出參數估計βˆ₁,βˆ₀得到迴歸式後，必須檢查此迴歸模式是否滿足我們的基本 假設。通常檢查的項目包括： 1. εi是否常態分配 2. εi是否有相同的分配，即變異數是否相等 3. εi是否獨立 4. 線性關係y =β₀ +β₁x是否正確 而這些檢查工作主要是利用殘差值e（或標準化殘差_i e_i/σˆ），以殘差值對x 的散佈圖當作評量方法。圖3-2 為迴歸分析之流程： 圖3-2 迴歸分析流程圖 資料來源：陳順宇（民85） 佳 修正 研究動機 因果分析（要因） 資料收集 提出模式 參數估計 殘差分析 解釋與預測及控制

有時殘差分析發現不良時，有可能是要因未抓到，需要重新思考模式，尋找 其他要因，並重新收集相關資料後再做分析。

3.2 多重迴歸分析

3.2.1 多重迴歸 多重迴歸分析在所有統計工具中是最被廣泛應用的一種。雖然在許多問題中 採用一個變數（自變數）來預測另一個變數（因變數）時可以得到相當精確的結 果，但是若能增加一項額外適切的資訊（變數）則預測必然更會改進。 許多數學公式能提供作為描述兩個變數以上之間的關係，但是在統計學上， 最被廣泛採用的是迴歸的形式（多重迴歸模式或多元一次複迴歸模式）。 1 , 1 2 2 1 1 0 ... ˆ − − + + + + = i i p ip i b b X b X b X Y 上式稱為估計迴歸模式，其一般性的多重迴歸模式為： i p i p i i i X X X Y =β₀ +β_{1 1} +β_{2 2} +...+β _{−1 , −1}+ε 其中b₀,b₁,...,bp−₁為β0,β1,...,βp−1之不偏推估量。此處的 Yˆ 是被預測的變數， 1 2 1,X ,...,Xp− X 是預測的變數或預測的基礎為p−1個已知的變數，而b₀,b₁,...,bp₋₁ 是需由觀察值決定的常數。 具有常態誤差εi的一般線性迴歸模式為： i p i p i i i X X X Y =β₀ +β_{1 1}+β_{2 2} +...+β _{−1 . −1} +ε 上式中：β₀,β₁,β₂,...,βp₋₁ 是迴歸參數 X_i1,X_i2,...,X_i,p−1 是已知常數 ε_i為服從N

(

0,σ2

)

的獨立隨機誤差項 若X_i0 =1，則模式可以寫成下列： i p i p i i i i X X X X Y =β_{0 0} +β_{1 1}+β_{2 2} +...+β _{−1 , −1}+ε 或

∑

− = + = 1 0 p k i ik k i X Y β ε 因E

( )

εi =0，所以上列模式的迴歸函數為：

( )

Y = 0 + 1Xi1+...+ p−1Xi,p−1 E β β β 因此一般線性迴歸模式具有獨立常態變數的觀察值Y 和平均數對應值_i E

( )

Y_i 及一 致的變異數σ2。 3.2.2 矩陣線性迴歸 一般線性迴歸模式以矩陣項表式的性質與簡單線性迴歸模式類似，其不同之 處為自由度、自變數的數目和一些矩陣的維數。

矩陣項本身需要經過複雜的計算過程。如12× 矩陣 A 的反置矩陣就需要12 龐大的計算數量。以矩陣表達一般線性迴歸模式： i p i p i i i X X X Y =β₀ +β_{1 1} +β_{2 2} +...+β _{−1 , −1}+ε 需要定義下列各式： ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = × n n Y Y Y Y M 2 1 1 ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = − − − × 1 , 1 , 2 1 , 1 2 1 22 21 12 11 1 1 1 p n p p n n p n X X X X X X X X X X M L L M M M L L ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = − × 1 1 0 1 p p β β β β M ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = × n n ε ε ε ε M 2 1 1 上式中的Y 和ε 向量和簡單線性迴歸中的表示一致。至於β則包含增加的迴 歸參數， X 則增加p−1個自變數， X 括弧中的元素X 表示第 i 次試驗的第_ik k個 變數。因此一般線型迴歸模式的矩陣表示法式： 1 1 1 × _× × × =n p_p +n nY X β ε 式中： Y 是觀察值向量 β 是參數向量 X 是常數向量 ε 是具有期望值E

( )

ε =0和變異數-共變異數矩陣σ2

( )

ε =σ2I 的獨立 常態隨機變數 隨機向量Y 的期望值是：E

( )

Y =Xβ 變異數-共變異數矩陣是：σ2

( )

Y =σ2I 3.2.3 變異數因子分析 設適合值Yˆi向量定為Yˆ ，殘差向量ei =Yi −Yˆi定為e。 ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = × n n Y Y Y Y ˆ ˆ ˆ ˆ 2 1 1 _M ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = × n n e e e e M 2 1 1 適合值的矩陣表示：Yˆ= Xb 殘差值的矩陣表示：e=Y−Yˆ 變異數分析中的平方和項為：

2 Y n Y Y SSTO= ′ − 2 Y n Y X b SSR= ′ ′ − Y X b Y Y SSE= ′ − ′ ′ 上式中，SSTO的自由度是n−1。因模式中的 p 個迴歸參數可由標準方程式 估計而得，因此損失 p 個自由度，所以SSE的自由度是n− ，而p SSR的自由度 1 − p 個表示模式中的 X 自變數X₁,X₂,...,X_p−1。 表3.1 一般線性迴歸模式 要因 平方和 （SS） 自由度 （d. ）f 均方和 （MS） 迴歸 誤差 2 Y n Y X b SSR= ′ ′ − Y X b Y Y SSE= ′ − ′ ′ 1 − p p n− = p−1 SSR MSR p n SSE MSE − = 總和 2 Y n Y Y SSTO= ′ − n−1 資料來源：吳宗正（民81） 表3-1 顯示這些變異數因子的分析和均方和和MSR及MSE項： 1 − = p SSR MSR p n SSE MSR − = MSE的期望值是σ2，和簡單迴歸的解釋一樣。MSR的期望值是σ2加上任一β_k （k =1,2,...,p−1）不等於0 時的正數量。例如，當p−1=2時：

(

)

{

(

)

2

(

_{2 2}

)

2 2 _{1 2}

(

_{1 1}

)(

_{2 2}

)

}

/2 2 2 1 1 2 1 2

∑

_{− +}

∑

_{− +}

∑

_{− −} = X X X X X X X X MSR E σ β _i β _i β β _{i i} 上式若β 和₁ β 等於 0，₂ E

(

MSR

)

=σ2，否則E

(

MSR

)

>σ2。 迴歸係數的F 檢定： 檢定因變數Y 和自變數組合X₁,X₂,...,Xp₋₁是否有關係，需設定下列假設： 0 H ：β₁ =β₂ =_L=β_p−1 =0 1 H ：β_k =

(

k =1,2,_L,p−1

)

皆非全為0 應用下列統計量： MSE MSR F* = 顯著水準為α ，其決策法則是： 若F* ≤F

(

1−α;p−1,n− p

)

，則接受H ₀