中華大學

(1)

中華大學

碩士論文

臺灣住宿業與觀光資源之空間分佈關聯研究 Spatial Relevance between Accommodation

Industry and Tourism Resources in Taiwan

系所別：營建管理學系碩士班學號姓名：M09916026 吳立賢指導教授：朱達仁博士

中華民國 102 年 02 月

(2)

i

摘要

根據世界觀光組織（World Tourism Organization，簡稱 WTO）2000 年版的分析報告指出，「觀光」已成為許多國家賺取外匯的首要來源。觀光發展的殷切需求，全球趨勢皆然，臺灣的生態觀光事業亦正好走在歷史的轉捩點上。故觀光在 2001 推出了「觀光政策白皮書」，直至現在的「旅行臺灣‧就是現在」，臺灣的觀光產業不斷地發展，對於觀光遊憩資源及住宿業整合分析就更加重要。本研究在於針對臺灣之觀光遊憩資源及住宿業，以非計量多元尺度法(MDS)、集群分析法(Cluster Analysis)、GIS 克利金空間統計分析(Spatial Statistical Analysis:

Kriging Method)及套疊分析(Overlay Analysis)，進行臺灣住宿業與各類觀光遊憩資源的空間分佈關聯性分析。

以臺灣各縣市內住宿業之民宿、旅館業，及觀光資源之自然資源、人文資源進行調查與資料搜集，藉以探討各觀光資源與住宿業之關聯，研究結果顯示：

(1) 民宿與觀光資源的關聯性較高，推測古道數及節慶活動可推測未來民宿之數量，而旅館與觀光資源之關聯性較低。(2) 臺灣各縣市，依照住宿資源之分佈，

定義出旅館使用取向型（旅館區）、中間型（旅館、民宿區）及民宿使用取向型

（民宿區）等三個集群。另外亦將觀光資源依照資源之分佈，定義出人文資源依存取向型、中間型及自然資源依存取向型等三個集群。(3) 為瞭解空間關聯，應用 MDS 繪製臺灣各縣市住宿業與觀光資源之多元尺度法知覺圖，可依不同象限歸類資源特色。(4) 利用地理資訊系統空間統計分析之克利金，推估住宿業及各項觀光資源之空間等高圖，並進行疊圖分析，其結果顯示出花蓮縣及宜蘭縣有較高的住宿及觀光資源空間分佈。(5) 臺灣各縣市中民宿與自然資源之特殊景觀及人文資源之觀光果園與博物館有較高的對應關聯性，而旅館與人文資源之對應關聯區域皆較高。(6) 臺灣各縣市觀光資源所推估之民宿空間等高圖中，自然資源之古道所推估之民宿空間分佈等高圖與轄內現有民宿空間分佈等高圖有較高的擬合度。(7) 臺灣各縣市住宿業與各觀光資源之資源多樣性分析，以南投縣、花蓮縣及宜蘭縣有較高的資源多樣性分佈。

藉由本研究之分析結果，能適時的提供一個觀光遊憩資源多元資訊導入的規劃契機，且作為臺灣各縣市未來在觀光遊憩開發上合理之依據。

關鍵字：非計量多元尺度法、集群分析法、地理資訊系統、克利金空間統計、疊圖分析

(3)

ii

ABSTRACT

According to the analysis report issued by World Tourism Organization (WTO) in 2000, tourism has become a primary source of foreign exchange of many countries.

Under the worldwide trend of strong demand for tourism development, the ecotourism industry is now on the turning point of history in Taiwan. From Tourism Policy White Paper issued by Tourism Bureau in 2001 to the “Time for Taiwan” now, Taiwan tourism industry develops continuously, so it is quite important to integrate and analyze the tourism and recreational resources and lodging industry. Based on the tourism and recreational resources and lodging industry in Taiwan, this paper conducts the correlation analysis on spatial distribution of Taiwan lodging industries and various resources of tourism and recreations by Nonmetric Multidimensional Scaling (nMDS), Cluster Analysis, GIS Kriging method of spatial statistical analysis and Overlay analysis.

This paper focuses on pensions and hotels in cities and counties of Taiwan as well as both natural and cultural resources to investigate and collect data, so as to explore the correlations between the so-said resources and lodging industries. The results show that: (1) pensions are highly related to tourism resources while hotels are lowly related to it. It can be speculated the quantity of pensions in future based on the number of ancient roads and festival activities. (2) Three clusters can be determined in line with the distributions of lodging resources in cities and counties of Taiwan, i.e., hotel oriented (district of hotels), neutral type (district of hotels and pensions) and pensions oriented (district of pensions). Besides, based on the distribution of tourism resources, it can also be divided into three clusters, i.e. human resource oriented, neutral type and natural resources oriented. (3) To learn the spatial correlation, nMDS is used to draw out the multidimensional perceptual map for lodging industries and tourism resources in each counties of Taiwan, so that the resources features can be concluded based on different quadrants. (4) Through the Kriging spatial statistic analysis with geographic information system, it can estimate the spatial contour map for lodging industries and tourism resources to conduct overlay analysis, finding that Hualien County and Yilan County are higher in spatial distribution. (5) These counties of Taiwan, the pensions are highly correlated with the special landscape in natural resources and sightseeing gardens and museums in cultural resources, while the hotels

(4)

iii

have a higher correlation with all fields of cultural resources. (6) According to the spatial contour map for pensions based on tourism resources of cities and counties in Taiwan, it is deduced from ancient roads in natural resources that the pensions spatial distribution contour map is highly fit for the current distribution of pensions in the specific areas. (7) In terms of the diversity analysis on lodging industries and tourism resources in all Taiwan’s counties, i.e. Nantou County, Hualien County and Yilan County has a higher diversity in resources.

Based on the analysis results, the paper provides a timely planning opportunity for introducing multivariate information of tourism and recreational resources, to be served as a reasonable reference for the development of tourism in all Taiwan’s counties.

Keywords: Nonmetric Multidimensional Scaling (MDS), Cluster Analysis, Geographic Information System, Kriging Spatial Statistical Analysis, Overlay Analysis

(5)

iv

誌謝

在這兩年多篳路襤褸的日子，馳程在台北與新竹來回的公路上，每次受到幫助的當下，在此時此刻分外點滴在心，這篇論文的完成，要感謝的人很多，以此文表達我誠摯謝意。

本論文可以順利的完成，首先要感謝我的論文指導教授朱達仁老師在研究方向的指導與學術觀念的啟發，以及研究期間不間斷地激勵、鼓勵，均不厭其煩的指導與教誨，讓學生感受到恩師朱達仁教授對學術的嚴謹及熱誠，使學生獲益良多。另外，也要感謝口試委員汪淑慧老師與施君翰老師，於口試期間撥冗細閱、不吝指正，使論文內容更加完善，在此一併致上萬分謝忱。

此外，要感謝實驗室的每一位成員，感謝羿文、裕仁、宇德、暐軒、鴻君、

柏成、紹宇、懿珊、瑋婷，多謝你們兩年多以來的照顧，時常浮現大家忙碌於實驗室的模樣，你們是實驗室的支柱，有你們真好。有著靦腆又不失男人風雅的暐軒感謝你多次軟體、數據操作上的協助與討論，也是本論文得以完成的重要貴人。

接著，要感謝中華電信總公司李松波主任級工程師、北區分公司網路維運處李順益主任及林志洋股長、上海立華吳傳浩總經理的支持及鼓勵，讓我在工作上可以兼顧並順利取得學位。

最後要謝謝我的父母、老婆淑錦、弟弟立偉、姊姊美玲及美惠、還有兩個寶貝兒女，有你們的支持，才使得我沒有後顧之憂，全心於工作與課業上，我最感謝、最溫馨也最愛的家人!以及感謝學習路上曾經幫助過我的每一個人。感謝那些該感謝而沒感謝的人，因為有大家的協助本論文才得以完整。

吳立賢謹誌 2013.02.18

(6)

v

表目錄

表 2.1 應用集群分析法之相關文獻彙整 ... 13

表 2.2 應用多元尺度法之相關文獻彙整 ... 15

表 2.3 各空間推估法特點比較 ... 17

表 2.4 應用克利金法之相關文獻彙整 ... 19

表 4.1 合法民宿及未合法民宿與各觀光資源迴歸分析彙總表 ... 63

表 4.2 合法旅館及未合法旅館與各觀光資源迴歸分析彙總表 ... 64

表 4.3 合法觀光旅館與各觀光資源迴歸分析彙總表 ... 65

表 4.4 臺灣住宿業集群分析劃分群及縣市分類表 ... 67

表 4.5 臺灣自然觀光資源集群分析劃分群及縣市分類表 ... 68

表 4.6 臺灣人文觀光資源集群分析劃分群及縣市分類表 ... 70

表 4.7 臺灣觀光資源集群分析劃分群及縣市分類表 ... 71

表 4.8 臺灣住宿業多元尺度法劃分群及縣市分類表 ... 73

表 4.9 臺灣自然觀光資源多元尺度法劃分群及縣市類表 ... 74

表 4.10 臺灣人文觀光資源多元尺度法劃分群及縣市分類表 ... 75

表 4.11 臺灣觀光資源多元尺度法劃分群及縣市分類表 ... 76

(9)

viii

圖目錄

圖 1.1 研究流程圖 ... 4

圖 2.1 101 年來臺旅客目的及人次圖 ... 8

圖 2.2 92-101 年來臺主要客源國旅客成長趨勢圖 ... 9

圖 2.3 90-100 年國人國內旅遊總旅遊人次圖 ... 9

圖 2.4 90-100 年觀光外匯收入、國內旅遊收入及總收入圖 ... 10

圖 3.1 壓力和維度對應圖 ... 25

圖 3.2 MDS 步驟流程圖 ... 26

圖 4.1 臺灣住宿業之百分率圖 ... 31

圖 4.2 臺灣合法民宿之數量分佈圖 ... 31

圖 4.3 臺灣合法旅館之數量分佈圖 ... 32

圖 4.4 臺灣合法觀光旅館之數量分佈圖 ... 32

圖 4.5 92-101 年臺灣合法民宿與臺灣非法民宿數量年間變化圖 ... 33

圖 4.6 92-101 年臺灣合法旅館與臺灣非法旅館數量年間變化圖 ... 34

圖 4.7 臺灣各縣市自然資源之百分率圖 ... 35

圖 4.8 臺灣各縣市人文資源之百分率圖 ... 36

圖 4.9 臺灣各縣市自然觀光資源數之分佈圖 ... 36

圖 4.10 臺灣各縣市人文觀光資源數之分佈圖 ... 37

圖 4.11 100 年臺灣主要觀光遊憩據點遊客人次月別變化圖 ... 37

圖 4.12 合法民宿與十一種自然觀光資源直線迴歸圖 ... 39

圖 4.12 合法民宿與十一種自然觀光資源直線迴歸圖(續) ... 40

圖 4.13 未合法民宿與十一種自然觀光資源直線迴歸圖 ... 42

圖 4.13 未合法民宿與十一種自然觀光資源直線迴歸圖(續) ... 43

圖 4.14 合法民宿與四種人文觀光資源直線迴歸圖 ... 45

圖 4.15 未合法民宿與四種人文觀光資源直線迴歸圖 ... 47

圖 4.16 合法旅館與十一種自然觀光資源直線迴歸圖 ... 49

圖 4.16 合法旅館與十一種自然觀光資源直線迴歸圖(續) ... 50

圖 4.17 未合法旅館與十一種自然觀光資源直線迴歸圖 ... 52

圖 4.17 未合法旅館與十一種自然觀光資源直線迴歸圖(續) ... 53

圖 4.18 合法旅館與四種人文觀光資源直線迴歸圖 ... 55

圖 4.19 未合法旅館與四種人文觀光資源直線迴歸圖 ... 57

圖 4.20 合法觀光旅館與十一種自然觀光資源直線迴歸圖 ... 59

圖 4.20 合法觀光旅館與十一種自然觀光資源直線迴歸圖(續) ... 60

圖 4.21 合法觀光旅館與四種人文觀光資源直線迴歸圖 ... 62

圖 4.22 臺灣住宿業集群分析樹狀圖 ... 67

圖 4.23 臺灣自然觀光資源集群分析樹狀圖 ... 68

(10)

ix

圖 4.24 臺灣人文觀光資源集群分析樹狀圖 ... 69

圖 4.25 臺灣觀光遊憩資源集群分析樹狀圖 ... 71

圖 4.28 臺灣非計量多元尺度法知覺圖（人文觀光資源） ... 75

圖 4.29 臺灣非計量多元尺度法知覺圖（觀光遊憩資源） ... 76

圖 4.30 臺灣住宿與各觀光資源分佈圖 ... 77

圖 4.30 臺灣住宿與各觀光資源分佈圖(續) ... 78

圖 4.31 臺灣住宿資源分佈圖 ... 82

圖 4.32 臺灣自然資源分佈圖 ... 83

圖 4.33 臺灣人文資源分佈圖 ... 83

圖 4.34 克利金函數推估臺灣合法民宿之空間等高圖 ... 84

圖 4.35 克利金函數推估臺灣非法民宿之空間等高圖 ... 85

圖 4.36 克利金函數推估臺灣合法旅館之空間等高圖 ... 86

圖 4.37 克利金函數推估臺灣非法旅館之空間等高圖 ... 86

圖 4.38 克利金函數推估臺灣非法旅館之空間等高圖 ... 87

圖 4.39 克利金函數推估臺灣休閒農漁業之空間等高圖 ... 88

圖 4.40 克利金函數推估臺灣風景特定區之空間等高圖 ... 89

圖 4.41 克利金函數推估臺灣海水浴場之空間等高圖 ... 89

圖 4.42 克利金函數推估臺灣國家公園之空間等高圖 ... 90

圖 4.43 克利金函數推估臺灣高爾夫球場之空間等高圖 ... 91

圖 4.44 克利金函數推估臺灣森林遊樂區之空間等高圖 ... 91

圖 4.45 克利金函數推估臺灣溫泉之空間等高圖 ... 92

圖 4.46 克利金函數推估臺灣濕地之空間等高圖 ... 93

圖 4.47 克利金函數推估臺灣古道之空間等高圖 ... 93

圖 4.48 克利金函數推估臺灣瀑布之空間等高圖 ... 94

圖 4.49 克利金函數推估臺灣水庫湖泊之空間等高圖 ... 95

圖 4.50 克利金函數推估臺灣古蹟之空間等高圖 ... 96

圖 4.51 克利金函數推估臺灣形象商圈商店街之空間等高圖 ... 96

圖 4.52 克利金函數推估臺灣博物館之空間等高圖 ... 97

圖 4.53 克利金函數推估臺灣觀光旅遊業之空間等高圖 ... 98

圖 4.54 克利金函數推估臺灣住宿業之空間等高圖 ... 99

圖 4.55 克利金函數推估臺灣自然觀光資源之空間等高圖 ... 100

圖 4.56 克利金函數推估臺灣人文觀光資源之空間等高圖 ... 101

圖 4.57 克利金函數推估臺灣觀光遊憩資源之空間等高圖 ... 102

圖 4.58 總套疊空間分佈圖 ... 103

圖 4.59 臺灣民宿與各觀光資源之對應關聯圖 ... 104

(11)

x

圖 4.59 臺灣民宿與各觀光資源之對應關聯圖（續） ... 105

圖 4.60 臺灣旅館與各觀光資源對應關聯圖 ... 108

圖 4.60 臺灣旅館與各觀光資源對應關聯圖（續） ... 109

圖 4.61 臺灣觀光館與各觀光資源對應關聯圖 ... 112

圖 4.61 臺灣觀光館與各觀光資源對應關聯圖（續） ... 113

圖 4.62 臺灣合法民宿與觀光資源套疊之空間等高圖 ... 116

圖 4.62 臺灣合法民宿與觀光資源套疊之空間等高圖(續) ... 117

圖 4.63 臺灣合法旅館與觀光資源套疊之空間等高圖 ... 120

圖 4.63 臺灣合法旅館與觀光資源套疊之空間等高圖(續) ... 121

圖 4.64 臺灣合法觀光旅館與觀光資源套疊之空間等高圖 ... 124

圖 4.64 臺灣合法觀光旅館與觀光資源套疊之空間等高圖(續) ... 125

圖 4.65 臺灣住宿業與觀光資源多樣性之空間等高圖 ... 126

(12)

1

第一章緒論

臺灣第 600 萬人次外國來臺旅客於民國 100 年 12 月 28 日誕生，100 年全年來臺旅客總數衝上 608 萬 7,484 人次新高，較 99 年成長 9.34%，象徵國內旅遊踏入新里程碑；此外各月份來臺旅遊人次均有斬獲，尤其 12 月來臺旅客達 64.8 萬人次，創下歷年單月新高紀錄，邁入民國 101 年觀光前景持續看漲。[1]

臺灣觀光旅遊潛力無窮，具備國際觀光度假吸引力，而廣大旅遊商機，亦刺激國內休閒、觀光、遊憩相關產業蓬勃發展，亟需大量且專業休閒、觀光、遊憩相關人力投入其中，因此，人力素質優劣及人才培訓成為觀光、休閒產業發展重要關鍵。[2]

臺灣不大，但蘊藏的自然資源和人文風貌卻十足可觀。在自然資源方面，由於地層板塊運動不斷的進行，造成臺灣複雜多變的地形地貌，高山、丘陵、平原、盆地、

島嶼、縱谷與海岸等景觀豐富；在人文風貌方面，由於兼融閩南、客家、外省及原住民等不同的族群，形成多姿多彩的人文色彩，無論在宗教信仰、建築、語言、生活習慣及飲食風味上，均處處展現和諧共榮的繽紛景象；其中「美食」為最鮮明的一項代表，舉凡臺菜、客家菜、湘菜、川菜、日式、韓式料理，或是傳統小吃、地方特產美食，呈現出多元豐富的美食饗宴，使臺灣「美食王國」之名備受世界肯定。[3]

1.1 研究動機

臺灣的地理位置，橫跨北迴歸線，氣候溫和雨量適中，且由於地形變化兼具熱帶、

溫帶、寒帶景觀；林木繁茂，百花盛開，山巒起伏，河谷縱橫，生物資源多樣，自然資源豐富。除自然資源之外，人文資源亦極具優勢。一方面有風俗習慣各具特色之原住民族；一方面有於不同時期由中國大陸遷移來臺的漢族。這些渡海來臺的漢族，集合了不同時代，不同地域的文化。再加上晚近由於婚姻關係由東亞南亞地區移入之新住民，使臺灣的人文景觀燦爛多采。尤其是晚近這半個世紀，政府與民間協力建設，

使農業精緻化，作物種類繁多而品質優良；工業科技發展，產品質優；商業市場擴大，

進出口興盛，處處呈顯出豐盛充實的面貌。國家公園、國家風景區、森林遊樂區、溫泉旅遊區、博物館、美術館、紀念館、寺廟道場，科學園區、觀光夜市、休閒農場、

百貨公司、美食餐廳，遍布全臺，可滿足各不同階層，各種不同偏好觀光客之願望。

[4] 因應此規劃所帶來的短期觀光遊憩規劃中住宿業的分佈與發展，常與其所在位置

(13)

2

的觀光遊憩資源有關，掌握此一關聯，對於提供觀光遊憩資源多元導入的規劃是一重要的資訊，及作為觀光遊憩開發一重要的依據。因應此規劃所帶來的短期觀光遊憩規劃中住宿業的分佈與發展，常與其所在位置的觀光遊憩資源有關，掌握此一關聯，對於提供觀光遊憩資源多元導入的規劃是一重要的資訊，及作為觀光遊憩開發一重要的依據。因臺灣縣市觀光遊憩，甚少有關住宿業的空間分佈及觀光遊憩資源的空間分佈之研究，更惶論住宿業及觀光遊憩資源的空間分佈關聯之研析。基於上述之重要性，

實有必要進行兩者的關聯分析。

1.2 研究目的

本論文針對臺灣各縣市之觀光遊憩資源及住宿業進行調查及資料搜集，研究目的在於以地理資訊系統(Geographic Information System, GIS)空間統計分析，及多變量統計之分析，希望瞭解住宿業與各類觀光遊憩資源的空間分佈關聯。藉此研析兩者各別的空間分佈現況及分佈型態，並進一步瞭解兩者間之空間分佈關聯，俾以能適時的提供一個觀光遊憩資源多元資訊導入的規劃契機，且作為臺灣各縣市未來在觀光遊憩開發上合理之依據。

1.3 研究範圍與限制

本研究的研究範圍主要以臺灣各縣市之住宿業及觀光遊憩資源為主，針對轄內住宿業之旅館業、民宿，及觀光遊憩資源中之水庫湖泊、休閒農漁業、森林遊戲區、風景特定區、海水浴場、高爾夫球場、國家公園、溫泉、濕地、古蹟、瀑布、古道、形象商店街、藝文場所、公園及橋樑等，進行相關資料搜集及調查。

本研究限制：(1) 本研究針對臺灣各縣市內住宿業係根據交通部觀光局旅館業及民宿管理系統所公告之旅館及民宿名冊為主。(2) 本研究之觀光遊憩資源係根據臺灣觀光旅遊網所公告之觀光資源為主。

1.4 研究流程

本研究之研究流程，主要分成五個階段，第一個階段主要是研究主題及方向的訂定；第二階段為針對臺灣各縣市內之住宿業及相關觀光遊憩資源、地理資訊空間統計

(14)

3

分析、多變量分析之空間關聯進行有系統化的資料調查、整理及文獻回顧；第三階段主要是分析方法的確認及應用，例如地理資訊空間統計分析、多變量分析等；第四階段主要是針對研究結果進行討論；第五階段為結論與建議，將已分析之結果與結論，

提供相關遊憩管理單位之參考依據，如圖 1.1 所示。

(15)

4

圖 1.1 研究流程圖訂定參考點研究動機與目的

文獻搜集與整理研究範圍調查資料與整理

GIS 資料檔建立

臺灣縣市資源套疊迴歸分析

結論與建議

自然資源克利金函數推估人

文資源克利金函數推估

多元尺度法

(Multidimensional Scaling) 集群分析法

(Cluster Anaylsis)

住宿業克利金函數推估

(16)

5

第二章文獻回顧

2.1 住宿業之定義

交通部觀光局將住宿服務業分為觀光旅館業、旅館業和民宿，並就觀光局定義整理如下[13]：

一、觀光旅館業：指經營國際觀光旅館或一般觀光旅館，對旅客提供住宿及相關服務之營利事。

二、旅館業：指觀光旅館業以外，對旅客提供住宿、休息及其他經中央主管機關核定相關業務之營利事業。

三、民宿：指利用自用住宅空閒房間，結合當地人文、自然景觀、生態、環境資源及農林漁牧生產活動，以家庭副業方式經營，提供旅客鄉野生活之住宿處所。

2.2 觀光遊憩資源之定義

所謂觀光遊憩資源，乃環境中凡能滿足觀光遊憩需求者，皆可稱之。因此，必須先有觀光遊憩需求存在，其次環境中應有某種特質能滿足該項需求，同時要有滿足觀光遊憩需求的技術及意願；觀光遊憩資源為遊客從事觀光遊憩活動之場所，主要是為滿足體驗，可不拘形式為之，且觀光遊憩資源可因空間、時間及經濟等背景條件之不同而具備獨有的特性[14]。

以下就不同學者將觀光遊憩資源的定義整理如下：

一、洛克計畫研究所[15]

於「觀光遊憩計畫論」指出，觀光遊憩資源泛指促進觀光遊憩活動之對象，能提供快適活動之全部空間而言。

二、陳昭明[16]

認為資源本身是中立的，乃因人為之利用而被稱為農業資源、林業資源、畜牧資源等。自然資源被遊憩利用稱為遊憩資源，與其他利用方式一樣，均在滿足人類之需求。

三、 Schwarz 等[17]

認為遊憩資源為凡土地及水域等自然環境條件之組合可提供遊憩機會，且人類有

(17)

6

可能及有需要利用此等場所，以滿足遊憩需要者。

四、曹正[18-19]

認為凡能提供遊憩活動，使遊客達到遊憩目的者，即為遊憩資源，一般具有景觀上、科學上、自然生態上及文化等價值之資源，稱之為遊憩資源。具有景觀、科學、

生態或文化價值，並能提供遊憩使用之資源系統，且遊憩使用不惡性影響其資源之上述三項價值，稱之為遊憩資源系統。

五、行政院經建會[20]

認為觀光遊憩資源為可供觀光遊憩活動，滿足遊憩需求之自然資源，或雖非自然資源，但因該項資源有限，且具有不可再生性質者。

六、台大土研所都計室[21]

舉凡土地與水域等自然環境，以及人文歷史景觀於現在或未來可提供人類從事遊憩活動，滿足遊憩需求者。

七、林素貞[22]

將遊憩資源之特性歸納為三項：(a)可提供遊憩使用，滿足遊憩需求者(b)具景觀、

科學、生態、文化等價值者。(c)包括水域、土地等自然環境與人文歷史環境。

八、 Coltman[23]

在目的地內能吸引遊客前往的有價值東西，對遊客而言是一種觀光遊憩資源。

九、 Mill[24]

認為能夠提供觀光與遊憩活動的觀光遊憩資源，稱之為吸引物，可能由自然、人文、特殊或娛樂的資源所組成的。

十、林連聰等[25]

認為觀光資源為供人參觀欣賞及學習的各種自然、人文相配合之資源，就觀光資源與觀光活動相比較，資源是經長久歲月所鑄成，非財力與技術所能創造。

十一、鍾溫清等[26]

任何機會或任何非實質的東西，只要能夠提供觀光遊憩活動的機會或滿足人們觀光遊憩體驗需求，便可稱之為觀光遊憩資源。

十二、吳坤熙[27]

認為觀光遊憩資源係指人們在觀光旅遊的過程中，所感興趣的各類事物，提供觀光客遊覽、觀賞、知識、樂趣、渡假等美好感受的一切自然、人文景觀或勞務及商品。

(18)

7

2.3 觀光遊憩資源之分類

觀光資源包括的種類相當的多，然和其分類方式因為分類之基準不同而異[28]。

最基本之分類是自然與人文兩大類，以下引述「觀光遊憩資源規劃」一書所提出[14]，

普遍被採用的有 ORRRC 分類系統（美國戶外遊憩局，1962）、Dasman 分類系統 (1973)、ROS 系統（美國森林署 Stankey et al., 1995）、日本洛克計畫研究所之分類系統(1975)、Goeldner 分類系統(2000)、林務局之分類系統(1968)、中國科學院地理研究所之分類系統(1992)及資源價值等所發展之分類系統（曹正，1995）等。

本研究採用李銘輝等[14]之「自然」與「人文」兩大類系統為基礎，說明如下：

一、自然資源

由山、光、水、動物及植物等巧妙結合後所產生的物象或地域組合，以吸引遊客前往從事觀光遊憩活動之自然資源，諸如氣候、地植、地貌、水文及生態等。

二、人文資源

由古今人類所創造，具有時代性、民族性及藝術性之社會活動、文化成就、藝術結晶及科技創造等之記錄、現象或遺跡，能激起遊客產生觀光遊憩活動之人文資源。

2.4 臺灣觀光遊憩資源

本研究透過文獻回顧與整理，得知臺灣擁有豐富的觀光資源，包括有古蹟、休閒農漁業、形象山圈商店街、風景特定區、海水浴場、高爾夫球場、國家公園、博物館、

森林遊戲區、瀑布、溫泉、濕地及觀光遊樂業等觀光遊憩資源，將臺灣觀光遊憩資源 中自然資源及人文資源概分如下[2]。

一、自然資源

臺灣之自然觀光資源相當豐富，本研究將自然觀光資源分為八類，包括休閒農漁業（日月滿休閒農場、南寮漁港等）、風景特定區（淡水風景特定區、石岡水壩特定區等）、海水浴場（杉原海水浴場、馬沙溝海水浴場等）、高爾夫球場（永安高爾夫球場、霧峰高爾夫球場等）、國家公園（陽明山國家公園、太魯閣國家公園等）、森林遊戲區（合歡山國家森林遊樂區、阿里山國家森林遊樂區等）、溫泉（霧鹿溫泉、

寶來溫泉等）、濕地（關山人工濕地、成龍濕地等）、古道(六義山步道、二輪濁水夕照)、瀑布(十分大瀑布、神山瀑布)、水庫湖泊(情人湖公園、仁義潭水庫)。

二、人文資源

(19)

8

本研究將臺灣人文觀光資源調查與整理，並將人文觀光資源概分為四類，包括古蹟（士林潘宅、蘆竹五福宮等）、形象山圈商店街（關子嶺形象商圈、三義雕刻城等）、

博物館（十三行博物館、祥太博物館等）、觀光遊樂業（月眉育樂世界、萬瑞森林樂園等）等。

2.5 臺灣觀光市場現況

根據交通部觀光局 100 年統計資料[13]，整理臺灣觀光市場現況，包括一、來臺旅客目的及人次；二、來臺主要客源國；三、國人國內旅遊總旅遊人次；四、觀光外匯收入、國內旅遊收入及總收入，說明如下：

一、來臺旅客目的及人次

根據交通部觀光局 101 年統計資料，結果如圖 2.1。由圖所示，101 年來臺旅客以觀光為目的之人次最高，達 4,677,330 人次，顯示觀光為來臺灣旅客之主要目的。

101年

893,767

4,677,330

444,213

62,988 62,719 15,789 58,444

1,096,220

0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000

業務觀光探親會議求學展覽醫療其他

101年

圖 2.1 101 年來臺旅客目的及人次圖

資料來源：交通部觀光局 101 年統計資料（本研究繪製）

二、來臺主要客源國

根據交通部觀光局 101 年統計資料，結果如圖 2.2。由圖所示，歷年來臺主要客源近年來以中國大陸遊客人次最高，其次為日本遊客。

(20)

9

近十年來臺主要客源國旅客成長趨勢

0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 3,000,000

92年 93年 94年 95年 96年 97年 98年 99年 100年 101年

日本

港澳

韓國

中國大陸

美國

歐洲

東南亞單位:人次

圖 2.2 92-101 年來臺主要客源國旅客成長趨勢圖資料來源：交通部觀光局 101 年統計資料（本研究繪製）

三、國人國內旅遊總旅遊人次

根據交通部觀光局 100 年統計資料，結果如圖 2.3。由圖所示，歷年國內旅遊人次自 97 年起有上升的趨勢，至 100 年為 152,268,000 人次。

97,445 106,278 102,399 109,338 92,610

107,541 110,253

96,197 97,990

123,937 152,268

0 20,000 40,000 60,000 80,000 100,000 120,000 140,000 160,000

90年 91年 92年 93年 94年 95年 96年 97年 98年 99年 100年

單位:仟人

數列1

圖 2.3 90-100 年國人國內旅遊總旅遊人次圖

資料來源：交通部觀光局 101 年統計資料（本研究繪製）

四、觀光外匯收入、國內旅遊收入及總收入

根據交通部觀光局 100 年統計資料，結果如圖 2.4。由圖所示，外匯收入自 92 年起皆為上升的趨勢，而國人國內旅遊收入於 97 年有小幅下降的趨勢，至 98 年起逐漸上升。

(21)

10 0

20,000,000 40,000,000 60,000,000 80,000,000 100,000,000 120,000,000 140,000,000

90年 92年

94年 96年

98年 100

年

國人國內旅遊收入

外匯收入

觀光總收入

圖 2.4 90-100 年觀光外匯收入、國內旅遊收入及總收入圖資料來源：交通部觀光局 100 年統計資料（本研究繪製）

2.6 統計方法

2.6.1 集群分析

一、集群分析法理論概述

集群分析是一種傳統的多變量統計分類方法[29]，其主要是探討如何將資料或物件予以分群(cluster)或是分類(classify)，主要目的就是依照搜集的樣本將它分成數個群數，使得群內個體間高度的同質性，以及不同群體高度的異質性，而此資料或物件的表現方法最常用的是一組特徵向量[30]。

集群技術目前已經非常明確被分隔成分層式與非層式分析，在分層式集群方法中，集群一旦形成，便不再打散，所以群數就固定。然而在非分層式集群方法中，是要求在各階段分群過程之中，將原有群數欲以打散，並重新形成新的集群。而兩階段方法就是結合了分層式與非分層式的優點，以求的最佳群數。

（一）分層式分群法：

主要是利用凝聚(agglomerative)與分離(divisive)的方式，將樣本的個體視為一群，然後將相近的個體合成同一群，依次的結合使得群組愈來愈少，最後所有個體結成一群，或是經由相反的程序，將所有個體從同一群，一一分離出為個別的群數。此種方法最大的好處可以使決策者依據實際需要，選擇最適當的群數，作為區隔市場之依據。

(22)

11

（二）非分層式方法：

首先是先決定 K 個集群中心，用來當作起始的分群中心，而後，依各個體到各中心點距離遠近，重新移動個體到最近的群體，並計算出各群體新的中心點，然後繼續再移動各個體到最接近的群體，直到群聚結果不再改變或滿足某種限制為止，如群聚中心值的改變量小於預設值、重複的次數超過預設值等等。

（三）兩階段方法：

Sharma 建議如果要求的更精確的分類結果，可以同時使用分層法與非分層法 [30]。第一階段以華德法做分群，以決定群組個數，第二階段再以 K-Means 進行群集，

以二階段方法目的是由於第一階段華德法是屬於分層式集群分析，當二個個體一旦被分在一群，則其後永遠就在同一群，而此時在第二階段所使用 K-Means 就是彌補此種缺點，以達到最佳組內同質、組間異質的群數。

此種分析的手法就是透過兩階段分群方法，修正了分層式集群法中對於集群分析一旦形成，就無法對併入不適當集群觀察值進行重新分群的缺點。同時也克服了非層級式集群法需事先決定集群數目與集群中心點的問題。

二、集群分析法之相關文獻

應用集群分析法進行研究的相關文獻不勝枚舉，本文彙整分述如下：

（一）陳君儒 [31]

該文透過集群分析法根據不同族群的使用者功能相關性之問卷，建立出來的 4 套選單架構來評估銀行績效，結果發現族群間對各選單系統的多項操作績效與滿意度呈現顯著差異。因此，選單介面設計者應依不同使用者族群建立適合於該族群的選單系統。

（二）王意婷 [32]

該研究探討本國商業銀行的經營績效，應用集群分析方法一句 22 家商業銀行 23 季的財務報表比率資料，分成 4 個不同經營績效群組，建立績效評估模式。

（三）吳明峰 [33]

該文利用問卷調查法與文獻探討法搜集資料後，運用階層式集群分析法以體驗活動觀點將全省休閒農漁園區加以分類，探討不同體驗活動類型園區及個別園區之體驗行銷策略運用，並提供園區體驗行銷策略建議，以提升經營績效。

（四）謝益銘等[34]

該研究以階層及 K-means 集群分析法針對銀髮族的旅遊市場做區隔，探討銀髮族的旅遊動機/利益追求。實證結果發現銀髮族旅遊動機方面在休息/放鬆、與家人相處、

(23)

12

放鬆、休閒感受、欣賞自然..等是 55 歲以上銀髮族認同度最高。研究結果貢獻，可提供給對銀髮族市場有興趣之行銷人員及業者作為參考，以有效的發展出符合行銷組合的計劃，開發潛在的銀髮族市場，使得銀髮族市場可蓬勃發展。

（五）詹前志[35]

該文運用 Bryan(1977)所提出的遊憩專業化概念，並使用集群分析法建立不同級群對活動屬性偏好與人工攀岩場環境屬性重視程度之差異性。結果發現就各集群類型在基本人口統計變數的卡方檢定，僅有性別與教育程度達到統計顯著性。就各集群類型在攀岩活動類型偏好的單因子變異數檢定，分析結果顯示出「初級層次」與「中級層次」族群以從事上方確保攀登為主，「涉入特殊化」與「技巧經驗特殊化」族群參與的攀岩型態則在抱石、上方確保及先鋒攀登均有所涉獵。

（六）張恬君[36]

該研究主要針對「國立故宮博物院」現行數位學習系統進行介面使用性評估，運用集群分析法(cluster analysis)將問卷所有評估項目之相似性概念予以群聚化。依其提出之準則予以重新設計系統驗證後，原版與新版的比較有顯著的差異，然而一般使用者與經驗使用者亦在整體的平均值均有提升的佳境，證明本研究應用之設計原則所量測出來的結果有達到改善介面的問題。

（七）陳羿文[37]

將中港溪河域各樣點，依照遊憩潛力特性定義出，資源依存型區(resource based areas)、中間型區(intermediate areas)、使用者取向型區(user-oriented areas)，就各河域環境資源之特性，評析其遊憩價值潛力，而此可提供作為河域遊憩規劃方面之應用，

判斷發展不同之策略。

（八）陳柏成[38]

透過集群分析法根據不同測點比較其族群生物功能群的相關性，建立出溪流淡水蝦於施工前、後的生態放流復育成效，結果發現在淡水蝦的復育中，納入標示放流技術可以有效評估放流之復育成果。

（九）施君翰[39]

該文透過集群分析法根據不同測點比較其族群生物功能群的相關性，建立出遊憩型海岸於施工前、後的復育成效，結果發現在遊憩型海岸的復育中，納入生態性的設施會比傳統設計方法有較好的復育成果。

（十）鄒惠貞[40]

透過集群分析法分析新北市住宿業分群、自然資源分群、人文資源分群，再把自

(24)

13

然資源及人文資源合併分群，藉由以上之因子把新北市以照不同屬性分區分群，以作為新北市未來發展觀光資源遊憩規劃方面之應用。

表 2.1 應用集群分析法之相關文獻彙整

研究者年度研究主題研究方法

王意婷 2001 建立本國商業銀行的績效評估模式集群分析方法陳君儒 2002 針對不同族群的 PDA 使用者建立

適合於該族群的選單系統集群分析法

吳明峰 2003 探討不同體驗活動類型園區及個別

園區之體驗行銷策略運用階層式集群分析法

謝益銘

陳詩惠 2003 針對銀髮族的旅遊市場做區隔，探

討銀髮族的旅遊動機與利益追求集群分析法詹前志 2005

建立不同級群對活動屬性偏好與人工攀岩場環境屬性重視程度之差異性

集群分析法

張恬君 2005

針對故宮博物院現行數位學習系統進行介面使用性評估項目之相似性概念予以群聚化

集群分析法陳羿文 2008 中港溪遊憩潛力評估研究集群分析法陳柏成 2010 石門水庫集水區湳仔溝溪日本沼蝦集群分析法施君翰 2011 遊憩導向型海岸人工生態棲地之復

育模式研究集群分析法

鄒惠貞 2011 新北市住宿業與觀光資源之空間分

佈關聯研究集群分析法

2.6.2 多元尺度法理論

一、多元尺度法理論概述

多元尺度法 (Multidimensional Scaling, MDS) 又稱為 ALSCAL(Alternative Least-Square Scaling)，是將一組個體間的相異性資料，經過 MDS 轉換成空間的構形，

且盡量能保留原始資料的相對關係。

MDS 是一種縮減維度的技術，不過它和因素分析最主要不同是，因素分析系以資料矩陣為主要輸入資料；多元尺度法則是以點距間的相異矩陣為輸入資料，然後找出一個具有較少維度的空間，使空間中的各個體點形成一構形(configuration，或稱空間圖)，並使在此特定構型中各點距間的距離和原始投入的資料兩者間有相當良好的一致性(goodness-of-fit)，並以 Kruskal 的壓力係數(Stress)來衡量兩者之配合度。主成

(25)

14

份分析、因素分析與多元尺度法都是討論資料簡化的工作，它們的目的之一是將 p 維的資料在 q(＜p)維空間來表達。MDS 也是希望在較少的 q 維度空間構面圖中來表達 p 維資料所含的資訊，尤其是當變數很多時，利用 MDS 更合適[29]。

二、多元尺度法之相關文獻

應用多元尺度法進行研究的相關文獻不勝枚舉，本文彙整分述如下：

（一）涂芳美[41]

以個案說明都市公園是都市環境中最具生態資源的開放空間之一，具有生態、景觀、防災、遊憩與緩衝等功能。以景觀生態學及保育生物學等相關文獻回顧為基礎，

發展都市公園生物多樣性之層級指標因子及評估準則，並透過機率性 MDS 建立指標因子的相對權重。

（二）林信惠、蕭文峰[42]

使用 MDS 來分析受試者進行口語意見綜合的共有內在維度。結果發現人類在綜合口語意見時會受兩個主要內在維度影響：極值與極性。此二維度皆屬於選擇策略中的補償性(compensatory)決策策略。其中「極值」策略又與 Tverksy et al. (1988)所提顯著性假說「愈顯著的屬性其權重值愈高」一致。該研究的發現可用來修正統計方法在分析主觀意見時之偏誤。

（三）陳麗珠[43]

研究中提出，迴歸分析法還有樣本數的限制，需要三十個以上的觀察值，而且誤差率不可避免地會較大。相較於迴歸分析法的種種限制，多元尺度分析法由於專家的權重為重要的考量依據，因此解釋結果時將比較接近事實，而且專家在給定權重時可以將權重全部設為正值，不會產生負值無法解釋的問題。其次，多元尺度分析法並無樣本數的限制，通常五個觀察值以上即可，所以誤差率較小。

（四）任立中等[44]

利用 MDS 轉換成品牌競爭圖(competitive map)。品牌競爭圖與傳統的知覺圖都是分析品牌競爭態勢的工具，但由於二者的資料來源不同，其所產生的策略意涵也是截然不同的。傳統的知覺圖多半來自於問卷調查的結果，衡量的是顧客對於各品牌的主觀認知或偏好。根據消費者實際品牌選擇行為資料所建立的品牌競爭圖，更能有效的反映品牌之間真正的替換關係，協助廠商辨認主要的競爭對手，從而衡量其行銷努力的績效及尋找出新的差異化定位策略。

（五）朱達仁等[45]

利用相關分析及多變量統計集群分析法，及多維尺度分析中非介量空間尺度藉以

(26)

15

瞭解該區域底棲生物時空分佈，及其與其週遭環境之相關性。另應用底棲生物整合性指標法(Benthic Index of Biotic Integrity，B-IBI)進行整體性的環境影響評估之探討，並以此作為分析人工養灘生態品質之參考依據。

（六）吳仁和等[46]

適確掌握市場偏好及其市場定位將是企業成功之關鍵因素。本研究採問卷調查法與 MDS，探討國內工業爐顧客選購之考量因素及對供應商之認知評價，並提出工業爐供應商之市場定位與建議。

（七）陳羿文[37]

利用 MDS 法繪製多元尺度法知覺圖，表示各樣點的彼此關係程度，有助於未來在發展水域遊憩活動時，不同的活動特色與生態旅遊路線之規劃。

（八）施君翰[39]

利用 MDS 法繪製多元尺度法知覺圖，表示遊憩型海岸各樣點的彼此關係程度，

有助於未來在發展水域遊憩設施施作時，不同的設施與生態之復育成效。

（九）鄒惠貞[40]

將新北市住宿業及觀光資源以二維空間 MDS 知覺圖顯示，以參考點概念可以將新北市的資源分佈關係清楚的表現出來，此結果有助於規劃人員掌握新北市之住宿業及觀光資源彼此的關聯性，未來在整體規劃上有一依據。

表 2.2 應用多元尺度法之相關文獻彙整

涂芳美 2000 發展都市公園生物多樣性之層

級指標因子及評估準則機率性多元尺度法林信惠

蕭文峰 2001 探討人類在綜合口語意見之決

策策略多元尺度法

陳麗珠 2002 探討國民教育經費基本需求多元尺度法任立中等 2005 以品牌實際選購行為建立品牌

競爭圖之研究多元尺度法

朱達仁等 2005

針對整體性的環境影響評估之探討，並以此作為分析人工養灘生態品質之參考依據

多元尺度法

吳仁和等 2005 探討國內工業爐顧客選購之考量因素及對供應商之認知評價

問卷調查法多元尺度法陳羿文 2008 中港溪遊憩潛力評估研究多元尺度法施君翰 2011 遊憩導向型海岸人工生態棲地

之復育模式研究多元尺度法

鄒惠貞 2011 新北市住宿業與觀光資源之空

間分佈關聯研究多元尺度法

(27)

16

2.7 地理資訊系統

一、地理資訊系統概述

過往的研究中必須考量許多空間因素的因子，例如，地點、距離、相鄰與否等等，

而地理資訊系統(Geographic Information System, GIS)則是人們用來處理空間資料所建立的資訊系統。Geography，拆解為 Geo 與 graphy，geo 意指地球上的事物；graphy 則是記錄事物的過程。整合來看即是描述有關地球上的事物。廣義地定義是指地表上下一切可見的特徵，以及解釋空間特徵的現象或事件[47]。

二、地理資訊系統特性

一是地理區位(Geographical Location)，指描述地理空間的相對或絕對位置。二是屬性(Attribution)，在於描述地理空間的現象特徵，由文字定義與數據組成。而地理資訊會隨著時間而改變，屬於一種動態的空間資訊，有別於傳統的靜態地圖[48]。GIS 並非是一獨立的研究領域，它可以運算空間與各個不同領域間的共同基礎，自從 1970 開始，其系統廣被過內外學者應用，並隨著時間的演進，不論是技術、工具或是周邊相關製圖技術及交流設備等的發展而改變。

三、地理資訊系統之空間分析

GIS 內建統計方法有許多種，而地理統計分析的分析結果常為一般研究點資料的定量分析與空間模式進行研究，其中以半變異圖分析及克利金等模式系統分析廣被使用。一般而言，空間推估之方法常用的共有四種，分別是：距離反比權重法(Inverse distance weighting, IDW)、曲線尺規法(Spline)、克利金法、趨勢面分析法(Trend surface analysis)，各空間推估法依照其方法特性、適用對象、各推估法缺點等整理如下表 2.3 所示，其匯出格式皆為網格式資料(Raster data) [49]。

四、空間分析之克利金法概述

眾多地理統計之空間推估方法中，克利金法是一套提供空間變異分析和空間內插推估的統計方法，而空間變異分析主要是以半變異圖或半變異數γ (h)來描述解釋資料的空間變異結構，並以「克利金法」的最佳線性無偏估式進行空間內插推估，其中半變異圖代表觀測資料於空間中與隨機變數間的關係，為克利金推估法之核心。在進行地理統計時，通常會先計算樣本的空間相關性與變異數圖形，並找出最適當的迴歸曲線，利用克利金半變異圖所推導之各函數間的關係，探討不同樣點於空間上之關聯性 [50-53]。

(28)

17

表 2.3 各空間推估法特點比較

空間推估法方法特性適用對象缺點

距離反比權重法

屬於移動平均法，

所推估之值不會超過原值的範圍。

可快速繪製等值線。

兩個或兩個以上觀測點距離非常近時，會產生錯誤訊息，且表面並非均質時不宜使用。

曲線尺規法

產生平滑曲面。變化較小、資料較少之區。

推估值易越過原始值，產生大變異之推估值。

克利金法

距離越近相關越大，變異數越小，

且具有最佳線性無偏估值。

對於繁雜之點資料，給予較為合理的內插推估。

計算半變異圖模式過程較為複雜。

趨勢面分析法可說明全區的分布規律及態勢。

可推估全體之趨勢狀態。

忽略區域性之變異。

資料來源：[49]

以克利金模式推估未知點資料為空間推估之重要方法之一，克利金模式是以空間統計學為基礎所發展出的推估方法，具有最佳線性無偏估 (Best linear unbiased estimator, BLUE)之特性，包含 n 個觀測點之線性組合。其中最佳是指觀測值與估計值之差的變異數最小、線性為推估值為觀測值的線性組合、無偏估是指理論上估計值的平均值等於觀測值，且推估值與觀測值之差的期望值為零[5，54-59]。

五、克利金法之相關文獻

應用地理資訊系統之克利金法進行研究的相關文獻不勝枚舉，本文彙整分述如下：

（一）李育明[7]

主要回顧數種相關之克利金模式及其基本假設，除克利金法之模式回顧與理論建構外，並應用克利金法以臺北盆地地下水位資料進行應用實例之探討。

（二）鄭百佑[9]

結合克利金法空間分析之半變異圖模式，再配合模糊理論，擬合出符合資料型態的隸屬度函數，考慮空間資料的相互關連性、模糊性，來建立新的模糊推估法(Fuzzy Estimate) ，在土壤重金屬的推估上證實有良好的表現。

(29)

18

（三）梁玉琦[60]

研究以氣象局和水利處等氣象測站與雨量站為基礎資料，用其推估臺灣全島十二個月份之氣溫與雨量資料。氣溫資料以線性迴歸方式推估；雨量資料以克利金法進行空間推估，建立全臺灣氣溫與雨量空間圖層。

（四）蘇偉俊[61]

以臺灣地區耕地土壤的管理區界定為例，探討模糊集群分析結合克利金的兩種方法，一是將土壤性質經模糊集群分析後轉成的隸屬度值作克利金推估，另一是將土壤性質的克利金推估值代入模糊集群分類模式，界定管理區的適用性

（五）江博煌等[10]

應用 GIS 透過模式分析與統計檢定，結合健康資料與地理資料，探討地理空間資訊(geospatial information)與環境衛生之間的關係，結合克利金模式在預測及污染機率表現之不同方法，以套疊方式呈現，並建立 GIS 在暴露評估之標準流程，以迅速協助政府在政策分析之參考。

（六）陳俊德[62]

利用地理資訊系統之克利金法，取得研究區域內不足之生物資料量，並採取整數規劃(Integer programming, IP)建立三種空間分析模式，三種模式皆可保證獲得全域最佳解。利用量化之方式劃設保護區，提供明確數據給決策者作為參考。

（七）黃爾強[6]

研究探討桃園灌溉區中從 1971 至 2005 年間的年最大降雨量，並利用克利金法 (Kriging method)、面積遞減因子(Areal reduction factors，ARF)來分析降雨量在空間上隨時間的變化情況。

（八）鄭裕仁[63]

以克利金函數推估各項資源的空間等高圖，並進行疊圖分析，呈現出上游的區塊有較高的遊憩潛力與景觀資源，而下游鄰近城鎮區域皆呈現較低之遊憩景觀品質。

（九）鄒惠貞[40]

利用地理資訊系統空間統計分析之克利金法，推估住宿業及各項觀光資源之空間等高圖，並進行疊圖分析。

(30)

19

表 2.4 應用克利金法之相關文獻彙整

李育明 1997 應用克利金法以臺北盆地地下水位

資料進行應用實例之探討克利金法

鄭百佑 2002 配合模糊理論推估土壤重金屬克利金法梁玉琦 2004 推估臺灣全島十二個月份之氣溫與

雨量資料克利金法

蘇偉俊 2005 土壤性質的克利金推估值代入模糊集群分類模式

克利金法

江博煌等 2006 探討地理空間資訊與環境衛生之間的關係

克利金法

陳俊德 2008 取得研究區域內不足之生物資料量，利用量化之方式劃設保護區

克利金法

黃爾強 2008 分析降雨量在空間上隨時間的變化情況

克利金法

鄭裕仁 2010 探討苗栗中港溪遊憩潛力與環境景觀之關聯

克利金法

鄒惠貞 2011 新北市住宿業與觀光資源之空間分佈關聯研究

克利金法

(31)

20

第三章研究方法

3.1 資料分析方法

本研究使用 SPSS 10.0 中文版套裝軟體進行統計分析，依照統計方式之不同，選用適合的工具加以分析。以下為本研究所使用之統計分析方法：

3.1.1 描述性統計

本研究利用次數分配、百分比、平均數等，針對臺灣內住宿業之旅館業、民宿及觀光遊憩資源之古蹟、休閒農漁業、形象山圈商店街、風景特定區、海水浴場、高爾夫球場、國家公園、博物館、森林遊戲區、瀑布、溫泉、濕地及觀光遊樂業等，進行描述性統計，以描述樣本資料的分配情形。

3.1.2 迴歸分析

本研究利用迴歸分析以瞭解自變項對依變項的影響情況，迴歸分析必須以相關分析為基礎，利用迴歸分析係數對照簡單相關分析係數而確認變數間的相關情形。因此，本研究以一個自變項 x 預測另一個依變項 y 之單迴歸分析(simple regression analysis)，迴歸方程式則是：y=xb+e，b 為欲評估的迴歸係數(regression coefficient)，

e 為誤差(error)，依變項則為自變相乘以迴歸係數再加上誤差。而本研究將住宿業之民宿及旅館設為依變項，設各項觀光資源為自變項。

矩陣：

(3-1)

(32)

21

3.2 集群分析法

集群分析是一種數值分類法，非統計推論技術，是將一組觀察值的結構特性予以量化的一種客觀方法。利用集群分析法來對資料作簡化的工作與分類，也就是把相似的個體（觀察物）歸於一群。由於集群分析是把相似性大的物體歸為一群，所以對於相似性的探討也就格外重要。

一、相似性的衡量

集群分析的計算，通常需要利用觀察體的「距離」資料或「相似性」資料為根據。

兩者的「距離」量數愈小，則兩個觀察體在某方面就愈類似，「相似性」的量數也就愈大，所以利用計算出來的「距離矩陣」或「相似係數矩陣」，便可根據某些標準將 N 個觀察體依次加以歸併，最後可以聚集成幾個代表性的集群。

（一）距離式的衡量：

距離式的衡量係以點與點之間的距離為測度，較常採用的方法為歐幾里德距離 (Euclidean Distance)：若有 N 個觀察體，每個觀察體有 M 個屬性，則令 X 是 N*M 的資料矩陣，點與點的歐幾里德距離為

(3-2) 如果各屬性的衡量單位不同，則在計算歐幾里德距離前宜將各變數之數值予以標準化，使其平均數為 0，而標準差為 1。

（二）相似性的衡量：

相似性愈大表示兩種觀察體之相異姓愈小，因而再相似性矩陣運算中，要將相似性數值愈大的集群先加以合併。兩觀察體之間的相似性可用下述配合係數(matching coefficient)來衡量

(3-3)

上式中，a 為觀察 i 與 j 共同具有的屬性數目 b 為觀察 i 與 j 共同不具有的屬性數目 m 為屬性的總數

二、集群分析運算的方法

(33)

22

集群分析運算的方法種類繁多，歸納較有代表性的方法，大致分類如下：

（一）非階層式(non-hierarchical)的集群分析

直接由距離或相似性矩陣開始運算，可分為下列幾種：

1. 連續關鍵值法(sequential threshold)：使用本法時，事先要挑選一個集群核心，

並訂定一個關鍵值，所有與此一中心點之距離在某一預定關鍵值內的各觀察點即形一集群；然後再選擇另一新的集群核心，對尚未歸入集群之各觀察點則歸入第二集群，如此依次連續進行。

2. 平行關鍵值法(paralleled threshold)：此法一開始就同時將幾個集群核心選定並訂定關鍵值，然後根據關鍵值，將各個觀察點歸入最近的集群中心，形成各集群。同時關鍵值亦可加以調整，以允許較多(或較少)的觀察點進入各集群中。

3. 最適劃分法(optimizing partitioning)：此法是以某一效標(如平均之群內距離為最小)為基礎，不斷嘗試各種分類，直到效標值(eriterion measure)達到最佳值為止。

4. 平均數法(K-means Method)：此法是上述方法的一種整合應用，其步驟是將各觀察值分割為 K 個集群，然後計算觀察體到各集群重心的距離，並將各觀察體分派到距離最近的集群內。重新計算得到新觀察體與喪失該觀察體的集群重心，再依各觀察體到各集群重心的距離。如此反覆計算，直到各群沒有須重新分配的觀察體為止。

（二）階層式(hierarchical)的集群分析

階層式的集群分析，其特性是每一個新的集群，都是由前一階層所形成的集群而集結或分裂而成，因此集群分析後可形成一個樹狀結構。

在階層式分裂法中，常見的方法為平均距離分裂法，其分析步驟是先找出一個與其他觀察體平均距離最遠者，將此觀察體稱為分裂群，其餘的觀察體稱之為主要群，

然後計算分裂群與主要群間、以及主要群之內各觀察體之間的距離。若主要群之間某一觀察體與主要群其它觀察體的距離，大於此觀察體與分裂群的距離，則將之歸入分裂群，反之則留在主要群中。

本研究分析目的在於將臺灣按照其所擁有的觀光遊憩資源劃分出若干個群體，使得分群後同一族群內的個體具有高度的同質性，而組間擁有較高的異質性。本研究集

(34)

23

群分析主要目的是屬於探索性質，無法事先確定集群數目，因而採用階層式集群方法 (hierarchical cluster methods)。

3.3 多元尺度法

多元尺度法(Multidimensional Scaling，MDS)，是將一組個體間的相異性資料，

經過 MDS 轉換成空間的構形，且盡量能保留原始資料的相對關係。

MDS 是一種縮減維度的技術，不過它和因素分析最主要不同是，因素分析系以資料矩陣為主要輸入資料；多元尺度法則是以點距間的相異矩陣為輸入資料，然後找出一個具有較少維度的空間，使空間中的各個體點形成一構形(configuration，或稱空間圖)，並使在此特定構型中各點距間的距離和原始投入的資料兩者間有相當良好的一致性(good-of-fit)，並以 Kruskal 的壓力係數(Stress)來衡量兩者之配合度。主成份分析、因素分析與多元尺度法都是討論資料簡化的工作，它們的目的之一是將 p 維的資料在 q(＜p)維空間來表達。MDS 也是希望在較少的 q 維度空間構面圖中來表達 p 維資料所含的資訊，尤其是當變數很多時，利用 MDS 更合適，林震岩[64]。

本研究由於試著處理無母數狀況，因此將利用 MDS 中之非計量 MDS。而在非計量 MDS 裡，我們所處理的目的資料通常是等第次序(rank order)資料或轉換而來的次序資料。非計量 MDS 的目的即在於根據這些次序性資料，構造出這 N 個刺激體在 R 度空間中的構形。Shepard[65]，Kruskal[66]在這方面的研究有很大的貢獻。非計量 MDS 有一個基本的假設是觀察所得到的次序資料必須與計算結果所得的構形之距離二者之間具有”單調關係”，亦即是各點的距離大小必須與次序相對應。事實上，N 個刺激體可能排出

n

(

n −

1)2個等級次序。如果將 N 個點表示在 R 個向度的構形上，需要有 nr 個數值才能表示各點的座標。而當等級次序得數目

n

(

n −

1)2比表示構形所須座標值的數目增加時，等級次序資料便會限制構形中各點的移動，即能導出唯一解的情形。此時，構形中各點之間如果擅加移動，將會破壞接近性資料的部份次序關係。這便是為何使用非計量 MDS 可以從輸入次序變項而得到連續性質的輸出結果的主要理由。因此，在 Kruskal-Shepard 的運算過程中，非計量 MDS 就好像最小平方法回歸分析，也要處理適合度統計的問題。也即是說，非計量 MDS 是要由次序資料中找到一個合乎”單調關係”且最適合此次序資料的構形。

非計量 MDS 的計算過程如下，

(35)

24

一、對向度數 n-1 選一個初步圖形結構 X。

設定 X=

r

~ n n

~ 2

~ 1

x . . . x x



×

 







 





其中 xi=(xi1,，xi2，…xir)，i=1，2，…，n (3-4)

二、計算幾何距離 d_ij(Euclidean distance formula or Minkowski distance)

D_ij=

r 1/2

1 k

2 jk

ik -x )

(x

 

 

∑

=

(或 d_ij= ^p

1 r

1 k

p jk ik -x x

 

 

∑

=

) (3-5)

三、計算一致不等值dˆ _ij

因為一致不等值dˆ 必須滿足”單調關係”(i.e._ij

δ

_ij

< δ

_i'_j'

⇒

dˆ_ij

≤

dˆ_i'_j')，所以如果d 和_ij

j'

d 兩者之間不滿足”單調關係”，則將違反”單調關係”的i' d 和_ij d 加以平均並令_i'_j' dˆ 和_ij

j'

dˆ 等於此平均值（二個以上不滿足”單調關係”者，其方法相同）i' 。

∑ ∑

= ₂

ij 2 ij ij

d ) dˆ -

Stress (d (3-6)

四、配合指數(index of fit)

計算 Stress 並判斷是否前一次的 Stress 相同（相近），若是則跳到第七步驟否則繼續第五步驟

2 1

2 2

dij ij) d' - ij

Stress (d 









= 

∑ ∑

^(3-7)

適合度判斷標準 Stress 適合度 20% 不良 10% 可 5% 良 2.5% 優 0% 完美

五、重新找一個構形（可利用數值分析法如 Steepest descent or Gradient method）

(36)

25

【原則】：如果d_ij

>

dˆ_ij則以某一比例α 將點 i 向點 j 移近。

如果d_ij

<

dˆ_ij則以某一比例α 將點 i 遠離點 j。

所以我們考慮將點 i 在軸ａ移向點ｊ的新座標表示為：

( ) ( )

(

^ja ^ia

)

ij j ij

ia j '

ia -

d -dˆ

1

χ χ α

χ

χ  





 

 + 

=

(3-8)

其中

0 < α < 1

，α 稱為比例係數(coefficient of proportionality，通常取 0.2)。

則從點 i 移向點 j，計算所有 n-1 點在軸 a 上的平均移動效果:

( ) _ ^





 





 





 

 + 

= ∑

≠ ja ia

n

i

j ij

ij ia

'

ia -

d -dˆ 1 1

-

n

α χ χ

χ

(3-9)

六、重複二、三、四、五各步驟。

七、而當向度數等於一時，則停止。

如果我們以向度數(Dimension)為橫軸，Stress 為縱軸作圖，則圖形為左上而右下遞減的形態。如（圖 3.1）所示。

以上七個步驟的流程圖如（圖 3.2）所示[67]。

圖 3.1 壓力和維度對應圖

中 華 大 學

中 華 大 學

碩 士 論 文

臺灣住宿業與觀光資源之空間分佈關聯研究 Spatial Relevance between Accommodation

Industry and Tourism Resources in Taiwan

系 所 別：營建管理學系碩士班 學號姓名：M09916026 吳 立 賢 指導教授：朱 達 仁 博士

中華民國 102 年 02 月

摘 要

ABSTRACT

誌 謝

目 錄

表目錄

圖目錄

第一章 緒論

1.1 研究動機

1.2 研究目的

1.3 研究範圍與限制

1.4 研究流程

第二章 文獻回顧

2.1 住宿業之定義

2.2 觀光遊憩資源之定義

2.3 觀光遊憩資源之分類

2.4 臺灣觀光遊憩資源

2.5 臺灣觀光市場現況

2.6 統計方法

2.6.1 集群分析

2.6.2 多元尺度法理論

2.7 地理資訊系統

第三章 研究方法

3.1 資料分析方法

3.1.1 描述性統計

3.1.2 迴歸分析

3.2 集群分析法

3.3 多元尺度法

n

n −

n

n −



 

 

 

 







 

 

 

 





 

 

∑

 

 

∑

δ

< δ

⇒

≤

∑ ∑

∑ ∑

>

<

(

)

χ χ α

χ

χ  





 

 + 

=

0 < α < 1

( )  





中華大學

中華大學

碩士論文

系所別：營建管理學系碩士班學號姓名：M09916026 吳立賢指導教授：朱達仁博士

摘要

誌謝

目錄

第一章緒論

第二章文獻回顧

第三章研究方法

( ) _ ^