中 華 大 學 碩 士 論 文

中 華 大 學 碩 士 論 文

題目：建構具預測能力之效率/效能評估模式-以 東亞航線為例

The Evaluation Model of Integrated Forecasting Ability, Efficiency and Effectiveness- An

Illustration of Airlines in East Asia

系 所 別：科 技 管 理 研 究 所 學號姓名：M09503036 楊 笠 詩 指導教授：謝 玲 芬 博 士

中華民國九十七年六月

此頁空白

謝辭

首先誠摯的感謝指導教授謝玲芬博士，研究的過程中，不時的討論並 指點我正確的方向，使我在這兩年中獲益匪淺，更在繁忙時候,不厭其煩的 檢視我的論文，老師對學問的嚴謹更是我學習的典範。在老師悉心的教導 使我得以一窺領域的深奧。

兩年裡的日子，實驗室裡共同的生活點滴，學術上的討論、言不及義的閒 扯、讓人又愛又怕的宵夜以及趕作業的革命情感，感謝你/妳們的陪伴讓兩年的 研究生活變得絢麗多彩。，感謝在我論文口試前為我加油打氣的大家。因 為有你們，因為有你們的支持與鼓勵使我能順利通過口試。

男朋友祥恩在背後的默默支持更是我前進的動力，沒有祥恩的體諒、包容，

相信這兩年的生活將是很不一樣的光景。感謝口試委員—靳炯彬博士與沙永傑 博士，在百忙中為我的論文提供最好的建議，使我的論文得以盡善。

最後，謹以此文獻給我摯愛的雙親，因為有您在財力上的支持，使的我無後 顧之憂，專心在學術研究上盡情發揮。

感謝所有關心笠詩的人，因為有你們的鼓勵，笠詩才得以獲得碩士學位的 榮耀，願將一切榮耀與關心笠詩的人分享，謝謝你們。

摘 要

面對臺灣消費型態隨著經濟發展與所得的提升，休閒旅遊已成為國人不可 或缺舒壓與調劑的活動。根據觀光局統計資料顯示，九十四年臺灣出國總人數 820 萬 8125 人較去年成長 5.5%，由此可知，臺灣人從事海外旅遊仍逐年成長，

因此觀光旅遊產業已成為全球不容忽視的市場，而觀光旅遊產業須靠航空業推 動，因此本研究針對航空業來探討其營運狀況。過去大部分的文獻都著重於效 率的評估以及如何提升效率而忽略了效能的重要性，近年來陸續有文獻開始對 效能進行評估，但卻沒有思考關於預測更深層面的問題，唯有透過預測才能改 善效能，進而提升效率。有鑑於此，本文首先，改善Fielding et at.所提出三角 績效模型，不僅包含了作業面與財務面的觀點，更加入了安全因素進行考量，

並結合資料包絡分析法 (Data Envelopment Analysis, DEA)，藉由 DEA 中的差額 變數(Slack Variable)提供無效率的單位進行改善。進而根據組織的特性將其分為 生產效率、行銷效能與執行效能等三構面，並分別建立效能及效率模式及其評 估指標，各部門主管可藉此了解其部門營運狀況，並有助於改善或提升其部門 之效能、效率。最後，考量即時進行有限資源之最適分配，因此採用灰預測來 預測其乘客量，藉由預測可提高其競爭力，事先準備及規劃亦可提升其效能、

效率。

關鍵字：績效評估、航空業、灰預測、資料包絡法(DEA)、效率、效能

ABSTRACT

Because of the economic development and earnings promotion, tourism has become a necessary activity for releasing stress and relaxation. According to the statistical data from the Tourism Bureau of Taiwan, Taiwan residents made 8,208,125 visits abroad in 2005 grows 5.5% in comparison to 2004, this shows that Taiwanese are very fond of traveling abroad and the number is still growing year by year.

Therefore, the tourism industry became a competitive market which can not be ignored in the whole world. However, the tourism industry must depend on the aviation industry to impel. This paper focuses on investigating the operation of the aviation industry, especially performance evaluation of specified airlines.

In the past, most studies concerning performance evaluation focused merely on efficiency, however, the importance of effectiveness is usually ignored. Recently, some literatures began to assess effectiveness but they did not consider the problem of forecasting. Forecasting can improve the effectiveness, subsequently raising efficiency. Therefore, at first, this paper improves the triangular transit performance evaluation model which created by Fielding et al.. The indicators not only include the operation and financial aspects but also the safety aspect. Furthermore, the model also combines with DEA (Data Envelopment Analysis). By the DEA method, the slack variable analysis provides the improvement direction for the inefficient DMUs.

Second, an efficiency and effectiveness model is constructed and the indicators are established for each organization characteristics including production efficiency, marketing effectiveness and execution effectiveness. Various department managers may take advantage of this to understand the operation conditions of its department and contribute to improve or enhance the efficiency and effectiveness of its department. Finally, we use gray prediction to forecast the passenger volume.

Prediction of passenger volume in advance can raise efficiency and effectiveness to lead to heighten the competitiveness of the aviation industry in the market.

Keyword: Performance Evaluation, Airlines, Grey Forecasting, DEA, Efficiency,

目 次

摘 要... i

ABSTRACT...ii

目 次... iv

表 次... vi

圖 次...vii

第一章 緒論... 1

第一節 研究背景與動機... 1

第二節 研究目的... 2

第三節 研究流程... 2

第二章 文獻回顧... 4

第一節 何謂績效... 4

第二節 運輸業績效評估... 5

第三節 多評準決策方法... 11

第四節 預測方法... 16

第三章 模式構建... 20

第一節 建立結合預測之通用績效評估架構... 20

第二節 研究方法... 23

第四章 實證分析... 36

第一節 2004 年至 2006 年各航線之經營績效... 36

第二節 預測結果... 41

第三節 灰預測結合DEA對未來進行規劃分析 ... 42

第五章 結論與建議... 49

第一節 研究結論... 49

第二節 研究限制與建議... 50

參考文獻... 51 附錄A航空業指標合適度之專家問卷... 58

表 次

表1 交通部大眾運輸營運評鑑指標與台北市聯營公車營運服務指標之比較... 6

表2 世界各大都市對大眾運輸系統的主要衡量指標... 7

表3 MAPE預測能力分類... 35

表4 2004 至 2006 年各航線生產效率之分析結果... 38

表5 2004 至 2006 年各航線行銷效能之分析結果... 39

表6 2004 至 2006 年各航線執行效能之分析結果... 40

表7 各航線於GM模式與RGM模式之平均絕對誤差百分比 ... 42

表8 灰預測結合DEA以 2006 年為基準推估 2007 年行銷效能之結果 ... 45

表9 灰預測結合DEA以 2006 年為基準推估 2007 年執行效能之結果 ... 46

表10 行銷效能方面加入經表 5 所提供東京之改善方向後之結果與本模式所提 供改善方向之比較... 47

表11 執行效能方面加入經表 6 所提供東京之改善方向後之結果與本模式所提 供之比較... 48

圖 次

圖1 研究流程圖 ... 3

圖2 結合預測之通用績效評估架構... 23

圖3 技術效率與價格效率圖... 25

圖4 固定規模報酬與變動規模報酬下之生產前緣... 30

第一章 緒論

隨著臺灣經濟的發展、人民生活品質提升以及消費型態的改變下，觀光產 業也隨之蓬勃發展，「觀光」不僅為台灣與世界接軌，也是國家、城市、地方對 外形象之指標，觀光業被視為無煙囪工業，所以當吸引的觀光人數愈多，其停 留的時間與消費金額越為可觀。觀光涵蓋的範圍涉及多項產業包括航空、運輸、

餐飲、旅館等，因此所能創造的產值不容小覷，除了創造觀光產值，更進一步 提升景氣，增加就業機會。根據世界旅遊委員會（World Travel & Tourism, WTTC）

估計，2015 年全球旅遊及觀光需求將達到 10.7 兆美元，全球旅遊活動所創造的 觀光產業規模預估7.8 兆美元，占全球 GDP 的 11.3％，此外，旅遊與觀光活動 將增加2.7 億個就業機會，相當於全球 8.9％的工作機會是旅遊與觀光活動有關 的工作，可見觀光旅遊產業對提升整體經濟發展有巨大的貢獻。

第一節 研究背景與動機

台灣屬於海島型國家，對外交通全仰賴航空與海運，根據觀光局統計資料 顯示，九十四年臺灣出國總人次 820 萬 8125 人較去年成長 5.5%，由此可知，

臺灣人從事海外旅遊仍逐年成長，因此觀光旅遊產業已成為全球不容忽視的市 場，觀光旅遊產業須靠航空業推動，運輸事業的發展向來與各國商業繁榮及社 會演變有密切的關聯性，其原因是運輸業主要任務為運送旅客及大批物資，而 人潮與物資便是造成一個地區繁榮的主要因素。不僅背負長程運輸重任，同時 也對國家社會經濟的發展及國防均有重大貢獻。航空運輸業具有高度資本沉沒 性、產出不可儲存的特性，近年來全球性經濟不景氣及飛安事故頻傳的籠罩下，

在經營管理上更突顯其困難，如何使其達到資源最適配置便是重要的議題。

效率、效能為管理上常見評估重點，過去大部分的文獻都著重於效率的評 估以及如何提升效率而忽略了效能的重要性，近年來陸續有文獻開始對效能進 行評估，但卻沒有思考關於預測更深層面的問題，唯有透過預測需求才能改善 效能，進而提升效率。面對競爭日遽的航空產業環境，企業不僅要提高營運效

率，更應該提高其營運效能，以增加本身之競爭力。

經由文獻回顧後，可發現目前探討國內外航空公司之營運績效主要都是針 對航空公司整體績效進行評估，鮮少對其航線進行細部探討;另一方面，亦發現 關於顧客需求預測之文獻，大多都是著重於探討預測模型所產生預測值之精確 程度，並未利用預測之結果對未來營運績效作更深入的分析及探討，因此，促 使本研究之進行。

第二節 研究目的

本研究主要目的為結合預測與效率及效能的概念建立一通用之經營績效評 估模式，透過先行預測未來顧客之需求，再將資訊回饋至評估模式中，透過事 前預測未來之產出需求量，再由投入面提出修正，以滿足企業長期以來無法解 決之問題。藉由航空公司特殊航線之營運績效來加以驗證此模式，最後將其實 證結果回饋給業者，作為未來規劃最適資源配置之依據。

根據以往不同學者對於績效評估的研究可知，績效衡量指標構建、整合評 估指標績效值及評估結果運用，此三大類主題是建構完整績效評估制度所要同 時考慮的，基於上述理由，本研究目的如下：

一、結合預測能力以及效率/效能的概念，提出一概念性的營運績效衡量架構。

二、因應所建立之評估架構，依據產業特色建立其評估指標，並尋求最適決策 方法。

三、根據本研究提出之評估模式進行實證分析，將結果回饋給航空業者作為未 來經營績效改善的依據與方向，以提升其經營績效與競爭能力。

第三節 研究流程

本研究主要為建立一從結合預測能力以及效率/效能的角度探討航空公司 特殊航線之營運績效評估架構，首先藉由蒐集文獻，透過整理相關文獻提出研 究評估模式，並整理相關運輸業之評估營運績效指標，作為本研究之細項指標 的基礎，運用德菲法匯集群體意見，請專家學者考慮指標的合適性，並適當地

予以增加以及減少，建立本研究之評估準則。透過多評準決策方法中之資料包 絡分析法(DEA)，探討其經營效率/效能之關係，並結合預測，透過事前預測未 來之產出需求量，將資訊回饋至評估模式中，再由投入面提出修正，最後根據 資料包絡法分析之結果，提供業者作為規劃未來最適資源配置之依據。因此本 研究將研究流程整理如圖1。

圖1 研究流程圖

第二章 文獻回顧

本研究主要想建立一結合預測及效率/效能之經營績效評估模式，實證分析 以東亞航線為範例。因此本章節將針對相關文獻進行探討，分別為何謂績效、

運輸業績效評估文獻蒐集、多評準決策方法、預測方法。

第一節 何謂績效

對於績效(performance)的定義，學者至今仍無一致說詞，以下為國內外學者 針對績效的定義，Carroll and Schneier (1982)認為績效為評估人的行為表現或機 械作業系統成效有直接或間接相關，除此，績效不僅可以衡量，更是一種相互 比較的概念，而其比較的標準是可以被事先設定的。Venkatraman and Ramanujam (1986) 定 義 績 效 提 出 三 種 概 念 性 範 圍 ， 分 成 基 本 的 財 務 績 效 (financial performance) ; 如獲利率、營業成長率、資產報酬率等，事業績效(business performance)為財務績效加上作業績效(operational performance)如市場佔有率、

產品品質等；除了包括財務性績效與事業績效，涵蓋範圍擴大至達成組織各種 目 標 與 各 種 利 害 關 係 人 之 目 標 滿 足 如 員 工 士 氣 等 ， 則 稱 為 組 織 效 能 (organizational effectiveness)。Robbins(1990)提出績效是組織對目標達成度的衡 量，黃振球（1990）認為績效的意義，顧名思義是成績與效果。沈振芳(2000) 提 出，績效對企業組織ㄧ般而言具有兩種意義：(1) 代表企業在過去的資源運用是 否具有效能及具有效率。(2) 績效具有更正過去錯誤的行動，及指引企業未來資 源分配的方向。連世銘（2001）認為績效是一個企業或組織達到其所設定目標 之程度，其指標為其變數，可衡量部份系統或整體系統的效率或效能，以確認 整個作業的過程是否符合原先所設定的目標。辛雲光（2002）指出績效為表達 組織成員執行各項作業的成果。由上述可知績效進一步可分為效率與效能，以 下將針對效率及效能進行說明:

管理學之父杜拉克將效率定義為將事情做好(Do the things right )；效能為作 對的事情(Do the right things )，學者對其也有不同的定義，Hit and Mathis (1986)

認為效率是在短期內組織善用其資源的能力；而效能則為在一段時間內組織是 否有效達成其目標。Harty (1980)認為效率為投入與產出間的關係；效能則為目 標的達成率或是服務被消耗的程度。Gronroos and Ojasafo (2004)認為效率是內部 在成本影響下資源是否有效被運用；效能則為實際生產收入的能力，即為對外 的營運狀況。然而，過去大部分的文獻都著重於效率的評估以及如何提升效率 而忽略了效能的重要性，Kao and Hung (2008)曾利用資料包絡分析法(Data Envelopment Analysis: DEA) 去 評 估 大 學 內 各 系 所 資 源 分 配 的 相 對 效 率 。 Bergendahl and Lindblom (2008)使用DEA衡量瑞典88家儲蓄銀行在1997至2001 年服務效率方面的表現。Tsai, Chen and Tzeng (2006)使用傳統DEA方法、A&P 模式以及提出修正DEA的效率達成對全球電信業者進行評估。Tongzon (2001) 利用DEA評估澳洲四個港口與其他國際港口的相對效率，並藉由差額變數來改 善無效率的港口。因此本研究除了討論大部分學者所考慮的效率問題亦將效能 問題加入探討。

第二節 運輸業績效評估

本節將針對運輸業之經營績效文獻進行探討，並藉由文獻找出適合本研究 之評估指標，本研究將運輸業分為陸、海、空三個部份進行探討，分別為大眾 運輸業、海運以及航空業。

一、 大眾運輸業

依據交通部運輸研究所所訂之「大眾運輸營運評鑑方法」將客運業區分為 場站、車輛、服務水準以及經營管理指標等四類共20 項指標，此外，台北市交 通部亦對台北市聯營公車營運服務提出一套指標，區分為車輛及場站績效指 標、量化之乘客水準績效指標、質化之乘客水準績效指標與配合台北市交通局 重要措施指標共17 項。本研究依據大眾運輸營運評鑑方法所區分的四類指標對 台北市聯營公車營運服務作整理，如表1 所示。樊孝薇(2000)將經濟合作發展組 織(Organization for Economic Cooperation and Development, OECD)的研究報告

依平衡計分卡之四構面將11 個國家之主要城市所採用的大眾運輸績效指標重新 歸類，其中學習與成長構面尚無適合的指標，僅歸類出財務、顧客、內部流程 等三構面，如表 2 所示，我國推行的指標相較於各城市之大眾運輸指標可發現 我國指標缺乏財務面及內部流程之指標，且我國指標較著重於顧客服務之評 估，因此無法得知整體營運之實際情形。

表1

交通部大眾運輸營運評鑑指標與台北市聯營公車營運服務指標之比較

大眾運輸營運評鑑指標 台北市聯營公車營運服務指標

一、場站 1.停車空間 2.旅客候車服務設施 3.消防與環保

A2 場站空間

D1 行車安全與管理(站牌維修)

二、車輛 1.新車比率 2.消防逃生設施 3.車輛資訊服務設施 4.無障礙服務設施 5.冷氣車比率 6.車隊環保品質

A1 新車比率

D1 行車安全與管理(車輛安全設施檢查) B3 公車資訊服務設施

B4 環保品質 三、服務品質

1.發車準點率 2.路線及停站遵循

3.駕駛員服裝儀容及服務態度 4.車容及車廂整潔

5.駕駛平穩性 6.舒適與噪音 7.購票付費方便性

B1 發車準點性

B2 過站不停比率 C6 公車服務可靠度 C5 駕駛員遵循路線 C1 駕駛員服務態度與儀容

C3 車容整潔與資訊服務 C2 駕駛平穩性 C4 舒適與噪音

四、經營管理 1.合法經營 2.行車安全與管理

a. 業者每行車百萬車公里之交通違規次數

b. 業者每行車百萬車公里之肇事扣點數 c.行車記錄器之設置與管理

3.民眾申訴處理 4.政策配合度

B5 行車肇事率

D3 民眾申訴服務態度指標

D2 行車稽查服務 D4 提升公車服務品質活動

表2

世界各大都市對大眾運輸系統的主要衡量指標

財務構面衡量指標

指標名稱 實施的城市 數目

平均成本/行車公里數

Average cost per vehicle kilometer

阿德烈德(澳洲)、多倫多(加拿大)、赫爾辛基(芬蘭)、都柏林(愛爾 蘭)、米蘭(義大利)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、蘇黎 世(瑞士)、曼徹斯特(英國)、華盛頓(美國)

11

平均成本/行車小時數 Average cost per vehicle hour

阿德烈德(澳洲)、多倫多(加拿大)、赫爾辛基(芬蘭)、都柏林(愛爾 蘭)、米蘭(義大利)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、蘇黎 世(瑞士)、曼徹斯特(英國)、華盛頓(美國)

11

平均成本/總乘客人數 Average cost per passenger

阿德烈德(澳洲)、赫爾辛基(芬蘭)、巴黎(法國)、米蘭(義大利)、

阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、蘇黎世(瑞士)

7

收益/行車公里

Revenue per vehicle kilometer

阿德烈德(澳洲)、赫爾辛基(芬蘭)、米蘭(義大利)、斯德哥爾摩(瑞 典)、蘇黎世(瑞士) 、曼徹斯特(英國)、華盛頓(美國)

7

收益/行車小時 Revenue per vehicle hour

赫爾辛基(芬蘭)、巴黎(法國)、斯德哥爾摩(瑞典)、蘇黎世(瑞士) 、 曼徹斯特(英國)

5

收益/員工

Revenue per employee

米蘭(義大利)、蘇黎世(瑞士) 2

本益比

Revenue/cost ratio

阿德烈德(澳洲)、多倫多(加拿大)、赫爾辛基(芬蘭)、都柏林(愛爾 蘭)、米蘭(義大利)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、蘇黎 世(瑞士)、曼徹斯特(英國)、華盛頓(美國)

11

赤字/旅客

Deficit per passenger

米蘭(義大利)、蘇黎世(瑞士) 2

不同部門薪資成本/總成本

Payroll systems which calculate separate unit costs for different sections of workforce

赫爾辛基(芬蘭)、米蘭(義大利)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞 典)、蘇黎世(瑞士)、曼徹斯特(英國)

6

顧客構面衡量指標

指標名稱 實施的城市 數目

離峰時段服務車輛數 Off-peak vehicles in service

阿德烈德(澳洲)、巴黎(法國)、、都柏林(愛爾蘭)、阿姆斯特丹(荷 蘭)、斯德哥爾摩(瑞典)、蘇黎世(瑞士)、曼徹斯特(英國)、華盛頓 (美國)

8

尖峰時段服務車輛數 Peak vehicles in service

阿德烈德(澳洲)、巴黎(法國)、、都柏林(愛爾蘭)、阿姆斯特丹(荷 蘭)、斯德哥爾摩(瑞典)、蘇黎世(瑞士)、曼徹斯特(英國)、華盛頓 (美國)

8

表2

世界各大都市對大眾運輸系統的主要衡量指標(續)

顧客構面衡量指標

指標名稱 實施的城市 數目

站牌間距Stop spacing 多倫多(加拿大)、巴黎(法國)、都柏林(愛爾蘭)、斯德哥爾摩(瑞典) 4

乘客平均轉車數

Mean number of transfer per passenger

巴黎(法國)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典) 3

車輛數/服務居民總數 Vehicles per inhabitant

都柏林(愛爾蘭)、斯德哥爾摩(瑞典) 2

車輛客滿百分比 Percentage of vehicle full

都柏林(愛爾蘭)、斯德哥爾摩(瑞典) 、曼徹斯特(英國) 3

平均車齡

Categorisation of vehicle age

都柏林(愛爾蘭)、斯德哥爾摩(瑞典) 、曼徹斯特(英國) 3

肇事案件/1000 公里 Accidents per 1000 kilometers

阿德烈德(澳洲)、都柏林(愛爾蘭)、、斯德哥爾摩(瑞典)、曼徹斯特(英 國)、華盛頓(美國)

5

故障間公里數

Kilometers between breakdown

阿德烈德(澳洲)、都柏林(愛爾蘭)、斯德哥爾摩(瑞典)、曼徹斯特(英 國)、華盛頓(美國)

5

內部流程構面衡量指標

總行駛公里/總車輛數 Vehicle kilometer/vehicles

阿德烈德(澳洲)、赫爾辛基(芬蘭)斯德哥爾摩(瑞典)、蘇黎世(瑞士)、

曼徹斯特(英國)

3

總行駛公里/駕駛員人數 Vehicle kilometer/vehicle crew

阿德烈德(澳洲)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、蘇黎世(瑞 士)

4

總工作時數/員工人數 Hours worked/employee

巴黎(法國)、米蘭(義大利)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、

蘇黎世(瑞士)

5

燃料消耗/延車公里

Fuel consumed per vehicle kilometer

阿德烈德(澳洲)、都柏林(愛爾蘭)、斯德哥爾摩(瑞典)、曼徹斯特(英 國)、華盛頓(美國)

5

員工曠職次數 Staff absenteeism

阿德烈德(澳洲)、都柏林(愛爾蘭)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞 典)、蘇黎世(瑞士)、 曼徹斯特(英國)、華盛頓(美國)

7

總行車公里數 vehicle kilometer

阿德烈德(澳洲)、多倫多(加拿大)、赫爾辛基(芬蘭)、都柏林(愛爾 蘭)、米蘭(義大利)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞典)、蘇黎世 (瑞士)、曼徹斯特(英國)、華盛頓(美國)

11

行車速率 Rout speed

多倫多(加拿大)、巴黎(法國)、阿姆斯特丹(荷蘭)、斯德哥爾摩(瑞 典)、蘇黎世(瑞士) 、 曼徹斯特(英國)

6

資料來源: 樊孝薇，2000，p.44。

Chu , Fielding and Lamar (1992) 衡量公路客運之營運績效，在衡量經營效率 部份以收益公車小時數作為產出項，營運費用、維修費用、一般行政費用以及 其他費用作為投入項。陳俊杰與孫遜 (2001)以員工數、司機數、車輛數作為投 入項，公車數、班車數、乘客數作為產出項衡量台北市聯營公車營運績效。

Karlaftis (2004)則使用行車公里作為產出項，勞工、燃料以及資本當投入項作為 評估城市大眾運輸系統的準則。在勞工部分包含行政、維修以及作業等費用，

燃料為每年所需花費在此運輸系統下之數量，資本則為總車輛數。由上述可知，

在評估大眾運輸系統所採用的準則大多偏向OECD 所公佈的指標，故本研究在 指標的選取將參考OECD 所公佈的為主。

二、海運

王榮祖與馮正民 (2000)以8家上市海運公司民國87年的財務報表為研究範 圍，利用灰色關聯度從27個初選財務比率，從中擷取15個代表性財務比率，並 以理想解類似度偏好順序評估法(Technique for order preference by Similarity to Ideal Solution, TOPSIS)進行財務績效排序。林光、李選士與王昱傑 (2003)以財 務比率評估海運業財務營運績效，將財務比率分為償債能力、獲利能力、投資 報酬率及資產與負債週轉率等四構面，並利用所提出之關係函數，對同一層面 的財務比率進行分群，再以TOPSIS法進行營運績效評估。林聰敏 (2004) 以獲 利能力、資產運用效率、員工生產效率、財務結構四構面，藉由股東權益報酬 率、資產報酬率、營業毛利率、純益率、總資產週轉率、固定資產週轉率、每 人營收、每人淨利、負債比率、流動比率等十項評量指標進行研究，研究結果 顯示陽明海運民營化後，平均營業毛利率減少6.47%，平均純益率減少2.13%，

股東權益報酬率及資產報酬率均降低，平均總資產週轉率增加0.28 次，顯示資 產運用效率於民營化後已大幅提昇。陳佳婉 (2006)評估台灣海運公司經營績效 以員工人數、岸勤人員、貨櫃數目、裝卸費用、船舶總載重噸數、轉運成本、

空櫃調度成本、船舶數量、固定成本作為投入項，以定期航運收入、載運量、

載運里程、營業收入、總承攬貨櫃數作為產出項，除了採用基本的DEA中的CCR 模式更進一步使用A&P模式對台灣三家海運公司之經營績效進行排序。

三、航空公司

陳俊男 (1999)探討 1984 年至 1998 年國籍航空發展現況，運用 DEA 之 CCR 與BCC 模式評估，以固定資產、勞動費用、燃料費與維修費作為投入項，營業 收入、提供座位公里數與延人公里作為產出項，結果顯示大部分航空公司都處 於規模遞減狀態，且產生一不合理之狀態為不論在規模遞增或遞減之狀態下都 需增加「提供座位公里數」。林進榮 (2002)衡量國內航空公司於 1996 年至 2001 年的經營效率且比較整併前後經營效率的差異，投入項為固定資產、證照人數 以及營業成本，產出項為營業收入及載客公里數，結果顯示整併後的整體表現 效率較整併前提升。盧芸聖 (2004)應用 DEA 與灰關聯評估國內線航空公司之營 運績效，以總資產、員工數、維修費用為投入項，飛航班次、延座公里與營業 收入做為產出項，結果顯示遠東表現最佳。陳玉萍 (2004)評估 1996 年至 2002 年國內各家航空公司之經營績效，利用DEA 中的差額變數分析、敏感度分析與 Tobit 回歸找出影響航空公司營運之重要因素，並將其分為 A、B 兩組變數進行 評估，A 組投入項為營業成本、固定資產、薪資費用，產出項目為飛行班次、

營業收入與延人公里，B 組投入項為營業成本、固定資產、薪資費用與維修費 用，產出項目為飛行班次與延人公里。陳進鴻 (2004)使用灰關聯對財務比例進 行分群並擷取其指標可分為「短期安全性」、「資本結構健全性」、「獲利能力」、

「投資報酬率」及「資產負載週轉率」等五大構面對國籍航空公司之財務績效 進行評估。

討論其經營效能，以下為本研究所收集到有關運輸業在經營效率/效能的研究，

Fielding, Babitsky and Brenner (1985)以勞工、資本、與燃料費用為服務投入項，

以行車小時數、行車公里作為服務產出項，而以載客人數、乘客公里、載客收

益作為服務消費，以衡量公路客運之營運績效。Feng and Wang (2000)加入了財 務因素評估航空公司的績效，其服務投入項目有員工數、機隊數、資產以及資 本，服務產出為座位公里數、總負債以及利息費用，服務消費則有乘客公里數、

淨收入以及作業收益。陳慧紋(2004)以成本效能的層面評估國內五家航空公司，

以勞動費用、維修費用、其他費用與固定資產作為投入項，產出項為載客人數、

延人公里數與營業收入，結果顯示華航與長榮為高效率年度所佔比例較高之經 營者，而立榮為低效率年度所佔比例較高之經營者。楊絜如(2005)評估 1999 年 至2003 年之國藉航空業者之經營績效，依照成本效率、服務效果以及成本效果 建立指標，並使用灰關聯分析擷取各構面之指標，最後以資料包絡法評估其績 效，結果顯示沒有一家航空業者同時具有成本效率、服務效果以及成本效果，

而復興航空為績效表現最好的航空公司。Chiou and Chen (2006)使用 DEA 衡量 某一航空公司於台灣國內航線之效率、效能，其服務投入項目有燃料成本、人 事成本、以及飛機費用包含維修、折舊以及利息給付，服務產出為機隊數以及 座位公里數，服務消費則有乘客公里數以及乘坐旅客數。Lin 則指出 Chiou and Chen (2006)於服務消費構面中指標的選擇不適當，因乘客公里數可視為乘坐旅 客數乘上公里數，因此這兩項指標具由極度的正相關，對於使用DEA 分析後的 結果會造成差異。Keh, Chu and Xu(2006)使用 DEA 去衡量行銷服務的效率效能 以及其生產力，結果顯示當行銷預算超過總花費預算百分之十二時會造成行銷 無效率，此外在生產力部分亦顯示需縮小投入規模。

第三節 多評準決策方法

多評準決策(Multiple Criteria Decision Making, MCDM)可分為多屬性決策 (Multiple Attribute Decision Making, MADM)與多目標決策(Multiple Objective Decision Making, MODM)，其中多屬性決策適用於有限個替代方案且為已知之 狀態，而多目標決策則適用僅知道目標式及限制式之條件卻未知替代方案之情 況。Diaz. and Romero (2008)更透過文獻的整理將多評準決策的研究分為九大領

域分別如下，其中二、三、四、五等四大類許志義(1994)又區分為有偏好之多目 標規劃。

一、多目標規劃(Multi-Objective Programming, MOP)

許志義 (1994)為一種明確且同時考量多個決策目標的數學規劃，目的在於 協助決策者在有限的資源下及目標衝突之限制下尋求最佳方案，如找工作時希 望找待遇越高越好、離家越近越好、升遷機會越多越好的工作，所追求的目標 可能不是同時存在最佳化，因此，MOP為尋求有效的解，如柏拉圖最佳解而不 是不存在於現實情況之最佳解。Cote, Marcotteand Savard(2003)利用二階多目標 規劃於航空業支票價訂價，吳坤暉(2001)利用二階多目標規劃於國防資源最適分 配，利用AHP分析對國防配置之各軍種的相對重要性，並利用五個情境構面來 了解國防人力、財力、物力之資源分配至各軍種之看法與認知，進而規劃出國 防戰力分配及資源分配最佳模式。

二、標的規劃(Goal Programming, GP)

GP為MODM之特例，其基本概念為針對每一個目標建立一目標值，並尋求 滿意解，以滿足每一目標與目標值之差總和為最小，同樣為找工作，GP問題則 為找一份4萬元月薪、離家15分鐘車程並能在3年內升經理的工作，由此可知當 決策者在執行GP時，如何設定標的將是重要的問題。如果決策者目標值設定的 太低將可能產生劣等解。Arthur(1981)提出兩階段求解護理人員排班問題之模 型。在排班週期為兩週、所有護理人員皆為全時間的人員、每天工作八小時、

每週工作五天的假設條件下，將護理人員排班分為兩階段求解。第一階段利用 0-1 目標規劃方式將最小人力需求、護理人員對排班型式的偏好意願及護理人 員的個人特別需求納入模式中加以考慮，第二階段再以啟發式的演算法則將護 理人員指派到各班別中。

三、 妥協規劃(Compromise Programming)

決策者選擇距離理想解最近的點當做最適解。妥協規劃與標的規劃有相似 處，如其有效解必須盡量靠近理想點(目標值)，但最主要不同為妥協規劃之理想 點為模式計算求得而非決策者所給定。Tzeng, Teng, Chen and Opricovic (2002) 利用AHP發展出五個構面11項準則，評估台北之四個候選地點，並且使用VIKOR 對其替代方案進行排序，研究結果為妥協解地點B與D皆為可接受方案。

四、 多屬性效用理論(Multi-Attribute Utilty Theory)

效用函數將每個方案給予一個值或次序函數，每個方案可以比較其優劣，

如A、B兩方案U(A)<U(B)，則決策者較喜歡B方案。曾國雄，鄧振源(1989)運用 多屬性效用函數於研究生選課行為之研究。

五、 模糊多評準規劃(Fuzzy Multi-criteria Programming)

由於現實環境中存在資訊不明確，許多主觀意思的表達，並不能夠明確說 明，而模糊最大特色在於隸屬函數的建立，將模糊得語義變數明確化，使其更 符合真實之情況。Bozbura, Beskese and Kahraman (2007)利用Fuzzy AHP找出人 力資本所重視之人員的特性，研究顯示創新、技能、知識分享為土耳其較為重 視之特性。Tsaur, Chang and Yen(2002)使用Fuzzy MCDM評估航空業之服務品 質，首先使用AHP求得各準則之權重後，將語義變數轉為三角模糊數，透過解 模糊的程序，將模糊數轉為明確值後，使用TOPSIS排序，結果顯示A航空公司 具有較好的服務品質。

六、 分析層級程序法(Analytic Hierarchy Process, AHP)

為Satty於1971年提出，希望決策者能將複雜之問題藉由系統化方法建立不 同層級架構，並將各層級之評估準則做成偶比較(pair comparison)將比較結果量 化建立比對矩陣(pair comparison matrix)，並假設為正倒數矩陣(positive reciprocal matrix)求得此矩陣之最大特徵植與特徵向量，並將特徵向量標準化，即為某一 層級各準則間之相對權重。王柏珩(2007)利用德菲法確立指標後，使用AHP法找

出市區聯營公車之經營關鍵成功因素。由上述可發現AHP能夠與許多不同之方 法結合，其原因為AHP能將複雜的問題系統化，亦可求得其權重，因此廣受學 者運用，但是AHP的基本假設為各準則間為獨立關係，然而在現實生活中是很 難達成的，因此後續又衍生出分析網路程序法(Analytic Network Process,ANP)，

ANP適用於準則間彼此有相依關係或存在相互回饋。Hsieh, Lin and Lin亦建議在 多準則下之決策問題更為複雜，因此必須考慮準則間之回饋關係，不應該忽視 其準則間之關係，如此一來衡量之結果也較為準確可信。

七、 資料包絡分析法(Data Envelopment Analysis, DEA )

資料包絡分析法是Carnes,Cooper and Rhodes在1978年根據經濟學中柏拉圖

最佳解的理念，所提出的線性規劃模式，適用於多投入多產出之情況下，利用 目標式與限制式之數學規劃的技巧衡量出評估單位之生產邊界，並計算出個別 受評量單位的相對效率值。除了上一節看到的DEA在運輸業已被大量運用外，

DEA亦涉及各項領域的運用如Kao and Hung (2008)曾利用DEA去評估大學內各 系所資源分配的相對效率。Bergendahl and Lindblom (2008)使用DEA衡量瑞典88 家儲蓄銀行在1997至2001年服務效率方面的表現。Tsai, Chen and Tzeng (2006) 使用傳統DEA方法、A&P模式以及提出修正DEA的效率達成對全球電信業者進 行評估。Tongzon (2001)利用DEA評估澳洲四個港口與其他國際港口的相對效 率，並藉由差額變數來改善無效率的港口。陳佩雯(2004)使用DEA評估圖書館服 務績效之效率與效能。張德儀與黃旭男(2006)利用灰關聯進行指標的擷取後，使 用DEA對台灣國際觀光旅館之經營績效進行評估。曹彥盛(2004)共六個投入項分 別是橋是起重機數量、貨櫃船席數、拖船數、貨櫃場棧總面積、總延滯時間與 勞動力，而以貨櫃總吞吐量、船舶工作數率作為產出項，以衡量基隆港以及其 他國際港口之效率，並結合TOPSIS排列出DMUs的先後順序。

八、 群體決策方法(Group Decision Making Techniques)

Herrear, Herrera and Verdegay(1996)定義群體決策為具有兩位以上成員參與

決策且每個人擁有各自的態度認知，並期望能達成共同的決策。如德菲法(Delphi method)藉著填答問卷使群體成員進行遠距離溝通，經過來為幾次填答問卷與修 正直到獲得共識即可停止。Hsieh, Lin and Lin利用德菲法確立其溫泉旅館之評估 指標，由上述可知德菲法大多為學者用來確立其研究指標而進行群體決策之方 法。

九、 其他離散方法(Other Discrete Methods)

在MCDM亦存在許多排序方法，以下將針對較常被學者拿來使用之方法進 行介紹如理想解類似度偏好順序評估法、VIKOR法。

(一)理想解類似度偏好順序評估法(Technique for order preference by Similarity to Ideal Solution, TOPSIS)

Hwang and Yoon(1981)所發展出多準則之評估方法，其概念為先界定出正理 想解(positive-ideal solution)與負理想解(negative-ideal solution)，並以距離理想解 最近且距離負理想解最遠之方案為最佳方案。Tsaur, Chang and Yen(2002)使用 Fuzzy MCDM評估航空業之服務品質，首先使用AHP求得各準則之權重後，將 語義變數轉為三角模糊數，透過解模糊的程序，將模糊數轉為明確值後，使用 TOPSIS排序，結果顯示A航空公司具有較好的服務品質。靳炯彬(2004)對台灣地 區42所大專院校圖書館之相關電子資料進行績效評估，利用德菲法彙整專家意 見，完成其評估架構，利用AHP計算出各層級之權重，最後將權重結合TOPSIS 作為電子圖書館排序之依據。

( 二 )VIKOR 法 (Serbian:VlseKriterijumska Optimizacija I Kompromisno Resenje, means: Multicriteria Optimization and Compromise Solution)

由Opricovic(1998)提出，以最接近最佳方案程度來排序，其特色為最大化

「群體效益」、最小化「個別遺憾」，所以求得的折衷解較容易被決策者接受。

Tzeng et. al. (2002)利用AHP發展出五個構面11項準則，評估台北之四個候選地 點，並且使用VIKOR對其替代方案進行排序，研究結果為妥協解地點B與D皆為 可接受方案。Hsieh, Huang and Chen (2007)利用DEA對14間台灣的觀光旅館進行 效率與效能之評估，並針對效率及效能值為1之DMU利用VIKOR進行排序。

上述之多評準決策方法中，以DEA最為適合本研究之方法，本研究欲探討 東亞航線之效率/效能，因此會有多投入以及多產出之情形產生，且DEA法不僅 可以得知各航線之效率/效能值，亦可藉由差額變數分析對各航線進行回饋，針 對無效能/效率之航線提供改善方向。然而在進行DEA前，除了透過文獻整理出 本研究之指標，並利用群體決策之德菲法確立本研究之指標，讓本研究更為可 信。

第四節 預測方法

近年來陸續有文獻開始對效能進行評估，但卻沒有思考關於預測更深層面 的問題，唯有透過預測需求才能改善效能，進而提升效率。故本研究加入預測 未來需求使本研究架構更臻完善。此章節主要為探討過去所使用之預測方法，

並找出適合此研究之預測方法。

有不少文獻在探討關於觀光需求方面，其中最常運用的便是傳統的時間序 列。時間序列是以時間先後為分類基準的統計數列，其自變數為時間，應變數 為各時點所對應之數值，因時間序列之資料並非隨機抽取，所以時間數列之資 料並不符合迴歸分析之基本假設，但其概念與迴歸分析相似。以下將簡單介紹 移動平均法、指數平滑法、ARIMA。

一、 移動平均法 (Moving average )

以過去資料為依據，利用近N年之資料之算術平均數或幾何平均數作為下一 期之預測值，是一種最基本而又有效的方法。

二、 指數平滑法 (Exponential Smoothing)

指數平滑法為加權移動平均的一種，不同之處在於指數平滑法在決定數值

Ft

時 ， 會 以 靠 近 預 測 點 之 近 幾 期 資 料 所 佔 比 重 較 大 ， 其 數 學 式 為

1 (1 )

t t

F₊ =αY + −α ，α為平滑係數，必須介於0~1之間，0.2到0.5的值為常用的 平滑係數，其意義為目前的預測應根據先前的預測誤差而調整 20% 到 50 %。

係數值愈大可產生較快的回應速度。

三、 Box-Jenkins (Autoregressive Integrated Moving Average , ARIMA)

指數平滑法為此法之特例，在使用此法須先將歷史資料之時間序列進行確 認之後再估計其參數值，此法較指數平滑法及移動平均法精確，但所消耗的時 間較長。Song and Li(2008)對有關觀光預測的文獻作整理，發現2000年之後有三 分之二的需求預測都使用Box-Jenkins’ Autoregressive Integrated Moving Average (ARIMA)去預測。施瑞峰（2000）針對台北、高雄、台中、花蓮、風景與其他 等六個地區國際觀光旅館國人住宿需求進行預測，採用ARIMA 模式，其研究 期間採用1989-1999月資料，結果顯示其預測模型有不錯的配適程度。Lim and McAleer (2002)利用ARIMA去預測分別由香港、馬來西亞以及新加坡至澳洲的 旅客。而又考慮到季節變動的因素，因此衍生出seasonal ARIMA(SARIMA)，Goh and Law(2002)提出SARIMA勝於沒有考慮到季節因素的ARIMA。

除了時間序列外，後續亦有學者使用類神經網路及灰預測進行預測以下將 對此兩種方法進行介紹。

四、類神經網路（artificial neural network）

由於電腦在處理大量的數值運算上的能力是人腦所無法比的，且所得到的 結果具有高度的精準性與可靠性，然而人腦的辨別、歸納以及決策工作等處理 整體資訊的速度卻遠超過電腦。因此許多科學家開始藉著數學模式的建立使電 腦模仿人類神經系統結構及資料處理方式，就是所謂的類神經網路（artificial neural network），為模仿生物神經網路的資訊處理系統。Law and Au(1999)首先

利用類神經去預測從日本到香港的觀光需求，結果顯示類神經模式的預測結果 優於多元回歸、指數平滑與移動平均。Law(2000)更提出了由倒傳遞類神經模 式，預測結果不只比時間序列模式、回歸模式更比前導式的類神經網路的準確 性高。

但時間序列與類神經等方法都需要大量的資料數據，才能產生較低的預測錯 誤率，但實際上很多數據是難以收集。因此在此限制下，部分學者則採用灰預 測進行預測。

五、灰預測

灰色系統理論由鄧聚龍教授於1982所提出，主要應用於系統模型在訊息不 完全、行為模式不確定、操作機制不清楚的狀況下，進行系統的關聯分析、模 型建構、預測、決策與控制等工作，灰色系統理論將一切隨機變量視為一定範 圍內變化之灰色量。對於灰色量的處理並非藉由統計的方式找尋資料與變數間 的關係或規律性，而是將雜亂無章的原始數據經過處理後，找尋其規律性，經 由處理過後的數列轉換為微分方程，建立灰色模型(grey model ;GM)，再以此進 行預測即稱為灰預測。其最大特色為灰預測不需要大量數據，甚至只用四個數 據即可建模進行預測，因此能夠解決不易收集數據之問題。韓季霖(2001)使用灰 預測預測台灣醫師人力供給需求。Wang(2004)提出使用模糊時間數列與利用馬 可夫鏈修正灰預測對從香港、美國以及德國來台需求預測，結果顯示原本GM(1,1) 模式較適用於香港與美國來台預測，而經過馬可夫鏈修正的灰預測則適用於德 國來台預測。Akay and Atak(2007)使用RGM(rolling grey model)對土耳其進行電 力需求預測，結果顯示RGM的誤差遠小於土耳其政府所預測的數據。許巧鶯與 溫裕弘(1997)使用灰預測對台灣國際航空客運量進行預測，結果顯示灰預測確實 比傳統迴歸分析與ARIMA更有預測的能力。Chang, Lai and Yu(2005) 將原本灰 預測中所設定P值為0.5進行改善，利用不同的P值對半導體產量進行預測，選出 各年度之最佳P值後，與各年度工業生產改變率進行迴歸並取得其迴歸方程式，

此後若要預測當年的產量則將其工業生產改變率帶入迴歸方程式求得P值後，再 進行灰預測，而其預測結果較原本設定P為0.5的模式下精確許多。

本研究將透過所收集數據之特性選擇其最適之預測方法，由於本研究所收 集資料資訊皆來自於年報以及民航局所公佈之統計資料，因此其年限有限，故 本研究將使用灰預測做為本研究之預測工具。

第三章 模式構建

本研究主要在於建構一個通用之經營績效評估模式，進而衡量其下年度為 達有效率、有效能的最適資源配置，以作為經營改善之依據。本章主要針對兩 大部分進行說明，第一節說明航空運輸業評估模式的建構、投入與產出變數的 選取;第二節為研究方法，分別介紹資料包絡法與灰預測的基本概念及使用程 序。

第一節 建立結合預測之通用績效評估架構

Fielding et al. (1985)曾提出運輸業之績效評估架構，主要分為服務投入

（Service Inputs ）、 服 務 產 出 （ Service Outputs ） 以 及 服 務 消 費 （ Service Consumption）三大類別。

關於服務投入到服務產出數量之衡量，稱為成本效率（Cost Efficiency）, 主 要是在探討運輸服務資源利用的程度；成本效能（Cost Effectiveness）則是探討 服務消耗的程度與服務投入；至於服務效能（Service Effectiveness）則衡量消費 者對於服務產出的使用程度。

Feng and Wang (2000)將 Fielding et al. (1985)提出的服務投入（Service Inputs）、服務產出（Service Outputs）以及服務消費（Service Consumption）三 大類別視為作業活動的概念，而此三大作業活動需分別藉由生產、行銷以及執 行的作業循環，才能使這三個作業活動串聯起來，在競爭環境中，可將其活動 視為不斷循環的過程，作業員根據從前顧客消費的資料決定目前最適的投入，

除此透過生產過程追求產出最大以及透過行銷的活動尋求對大的顧客消費。因 此作者依據其組織的營運將視為生產效率(Production Efficiency)、行銷效能 (Marketing Effectiveness)及執行效能(Execution Effectiveness)。

本研究將以Feng and Wang (2000)依組織營運所命名的效率/效能模式為基

礎，分別建立效能及效率模式及其評估指標，期望各部門主管可藉此了解其部 門營運狀況，並有助於改善或提升其部門之效能、效率。並於此模式中加入預 測的能力，在滿足預測所得到之可能的服務消費前提下，對未來重新規劃最適 之資源配置，決定應有之服務投入量及所需之服務產出，避免資源的浪費。

由文獻可整理出航空業的服務投入項目有燃料成本、人事成本、以及飛機 費用包含維修、折舊、利息給付、員工數、機隊數、資產以及資本，服務產出 為機隊數以及座位公里數、總負債以及利息費用，服務消費則有乘客公里數、

乘坐旅客數、淨收入以及作業收益。由其他運輸業文獻可得知運輸業之經營績 效衡量的因素均差不多，Chu and Fielding (1992)於衡量客運之營運績效的服務 產出中提出班次數，因航空業具有高度資本沉沒性、產出不可儲存的特性，一 旦班機起飛後，若機位空位越多則會造成無效能的情況更明顯，因此航班數亦 是造成無效能的因素，故於納入本研究之考量範圍。先前對於航空業績效評估 的文獻中幾乎都沒有提到安全這方面，然而在消費者心中，除了準時以及準確 抵達目的地是必要的之外，安全因素也是一重大考量。Chang and Yeh (2005)將 影響公車的安全因素在組織因素中有司機平均交通違規的件數以及車隊的車 齡，另外還有一些管理的因素。Chang and Yeh (2004)將影響台灣主要航空公司 的安全因素分為四個構面，分別為管理、操作、維持以及潛在風險方面，其中 管理構面包含安全的政策與策略、管理人員的態度、員工的態度以及安全人員 的比例，在操作構面則是飛行人員的能力、是否依照飛行的程序進行、對於駕 駛的訓練程度以及事故率，維持構面則是在維修時是否依序進行、對於員工的 訓練程度以及全體人員持有證照的比例，潛在風險方面則是平均機齡以及飛機 的種類。Liou, Yen and Tzeng 指出以肇事率是不足以預測出未來的飛安問題。於 文獻中得之飛安問題除了管理、維修問題外亦有潛在風險的問題，在眾多構面 中，本研究採用最易清楚量化之機齡予以討論。

由文獻彙整找出本研究之細項指標，並且運用德菲法匯集群體意見，請專 家學者考慮指標的合適性，並適當的予以增加以及減少，建立本研究之評估準 則，文獻中大部分學者皆有列入的「總資產」，於本文並未列入考慮，因本研究 探討的 DMU 為以年為基準，特定航線為單位，雖然總資產的衡量皆以年為基

考慮。除此之外，專家皆認為因各航線的財務狀況無法清楚區別出來，即使能 區別出來也是極為機密之資料，故許多細項如飛航設備、飛機維修、折舊費用 皆歸屬於營業成本內。此外為了避免重蹈覆轍故將乘客公里數此項目予以刪 除。圖2 為本研究之架構及其衡量指標。

透過航班數以及提供座位數與員工數的關係可得知其員工的生產力，藉由 航班數以及提供座位數與機隊數的關係可得知其機隊生產力，而實際的服務產 出航班數以及提供座位數與實際顧客消費情形則可衡量其行銷效能，衡量行銷 部門對於行銷其公司所生產的產出以及顧客實際消費情形之間是否具有效能。

最後則是執行效能的部份，透過顧客消費的情形去衡量當初投入是否具有其執 行效能，若為無效能，下一期的投入則可藉由改善方向，進行調整。但未來具 有許多不確定的影響因素，實際上以所推薦改善方向進行改進，於未來年度仍 可能造成無效率/效能的情形，故本研究嘗試將灰預測與資料包絡分析法(DEA) 結合使用，先行預測未來年度產出項數據再藉由資料包絡分析法(DEA)進行效率 值評估，

圖 2 中黑色實線部份為衡量歷年各航線之效率/效能情形，紅色虛線部分為 透過事前預測未來之產出需求量(乘客人數)，藉由乘客人數的預測值可一併求得 服務消費中各細項目，將此構面中未來需求之服務消費構面加以固定，再分別 由服務投入的執行效能與服務產出的行銷效能之投入面提出修正，以滿足企業 長久以來無法解決之問題。研究結果將可提供管理當局用於未來經營活動之規 劃，以提昇經營績效。

註

黑色實線部份為衡量歷年各航線之效率/效能情形。

紅色虛線部分為將預測結果(乘客人數)回饋至評估模式中，進一步求得 下一年度預達到有效能之最佳資源配置。

圖2 結合預測之通用績效評估架構

第二節 研究方法

透過文獻評析可知，大部份針對效率或效能評估問題皆採用 DEA 來解決，

不難理解為何學者皆使用該方法來解決此類問題，因所討論的項目皆為多投入 與多產出問題，本研究亦探討效率/效能之議題，故本文亦採用 DEA 進行評估，

而本文之貢獻為加入預測模式與資料包絡分析法(DEA)結合使用，先以 DEA 法 進行各DMU 之相對效率的評估；再結合預測模式，預測各 DMU 下一年度之需

生產效率 執行效能

行銷效能 服務產出

Y1 飛機航班數 Y2 提供座位數

服務消費 Z1 營業收入 Z2 淨利 Z3 乘客人數 服務投入

X1 員工數 X2 機隊數 X3 燃料費用 X4 營業成本 X5 機齡

預測 P1 乘客人數

求，回饋至評估模式，進而分析各 DMU 於下一年度之最適資源配置，以彌補 傳統資料包絡分析法(DEA)之遺憾，透過事前預測未來之產出需求量，再由投入 面提出修正，以滿足企業長久以來無法解決之問題。以下將針對DEA 以及灰預 測進行詳述。

一、資料包絡分析法(Data Envelopment Analysis: DEA)之 基本概念

Farrell (1957) 提出確定性無參數前緣(deterministicnon-parametric frontier)的 觀念，「確定性」指所有DMU (Decision Making Unit, DMU)之技術水準相同，

面對共同的生產前緣，「無參數前緣」指未預設生產函數的型態，推估多項投 入的效率值，分別計算各DMU之各項產出與投入比值，依柏拉圖最適化(Pareto Optimality)的概念求得效率前緣(Efficiency Frontier)，柏拉圖最適化指的是在不 損及他人之利益的情況下增加另一個人之利益，以投入面而言，若要減少某個 投入項，除非減少產出資源或增加其他投入項之資源否則無法減少該投入項的 資源，再將效率前緣連接成所謂的包絡線，落在包絡線上之DMU為有效率，而 在包絡線內則為無效率，此概念奠定DEA 理論之基礎，而其模式有以下基本假 設：

1.生產前緣(production frontier)是由最有效率的 DMU 所組成。

2.固定規模報酬(constant return to scale, CRS)。

3.生產前緣凸向(convex)原點。

Farrell 將 生 產 效 率 (Production Efficiency) 定 義 為 技 術 效 率 (Technical Efficiency, TE)與價格效率(Price Efficiency, PE)之乘積，並以等產量線(Isoquant) 來評估技術效率與價格效率，其中，技術效率指在現有技術下，有效運用生產 要素得到最大產出；而價格效率為在既有技術及價格下，藉由生產要素的適當 分配求得最低投入成本，所以又稱配置效率(allocative efficiency)。若以兩投入 要素X1 與 X2 及單一產出 Y 為例，在 Farrell 假設生產函數為固定規模下，其

生產函數可表示為:

( 1/ , 2 / ) 1 f X Y X Y =

(一)技術效率

圖3中之 為等量曲線(Isoquant)，代表生產一單位Y所需要X1與X2之最小 生產組合，Farrell將等量曲線當作效率前緣，並將定義其線上每一點皆具有完全 技術效率，因此等量線上之Q與 之技術效率皆為1，以P點來看，Q點為P之投 射，因此在相同的產出水準下，Q點的投入量為P點之OQ/OP倍，故可用OQ/OP 衡量P點之技術效率。

SS'

Q'

圖3 技術效率與價格效率圖

資料來源: Farrell, 1957, p.255 (二)價格效率

圖3中之 為等成本線，實際成本如果是所有投入組合中之最低者，則符 合價格效率，若生產時能達到 與 之相切點 則為最小成本，即使Q與 之技術效率皆為1，但 的生產成本僅為Q點之OR/OQ，DMU使用投入要素等 比例時會有相同的價格效率，因此P點之價格效率為OR/OQ。

AA'

AA' SS^' Q^' Q^'

Q'

(三)總效率

總效率為技術效率與價格效率之乘積，因此P點的總效率為OR/OP。

總效率 = 技術效率×價格效率 OR/OP = OQ/OP×OR/OQ

二、DEA 的基本模式

目前關於 DEA 模式的發展已有許多，而本研究將針對 DEA 中最基本 也最為大眾所使用之CCR 模式與 BCC 模式進行介紹。

(一) CCR 模式

Charnes, Cooper and Rhodes(1978)根據Farrell(1957)的效率衡量基礎，採用目 標式與限制式之數學規劃的技巧衡量出評估單位之生產邊界，並計算出個別受 評量單位的相對效率值，並命名此方法為資料包絡法（DEA）。由於此模式由 Charnes、Cooper 與Rhodes 所提出，因此又稱為CCR 模式。

CCR 模式主要假設規模報酬固定下，用來評估衡量整體的效率，也 就是每投入一單位所得到的產出量為固定，不會因規模大小而改變，可分 為投入導向及產出導向，以投入導向而言，假設內容項目有n 個DMU，每 一個決策單位稱為 DMU_j (j = 1....n)需被評估，一個決策單位使用m 種投入 ( i=1...m)來生產s 種的產出Yr (r =1...s) 則第k 個受評量單位的效率評量模式 (3.1)如下所示。

Yi

Max

∑

∑

=

= =_m i

ik i s

r rk r k

x v

y u h

1 1

t

s. j n

x v

y u

m

i ij i s

r rj r

,....

1 , 1

1

1 ≤ =

∑

∑

=

=

u_r,v_i ≥ε >0,r =1,....s,i =1,....,m (3.1)

h ：第j 個DMU 的相對效率值，k y_rj：第j 個DMU 的第r 項產出值，x_ij：第j 個 DMU 的第i 項投入值， u_r：第r 個產出項之虛擬乘數， v_i：第i 個投入項之

虛擬乘數。

由模式(3.1) 可以看出，此模式主要求解投入與產出比值關係，根據目標函 數式與限制式之關係，可以知道每一個DMU 都有可能成為另一個目標函數 式，因此可以相互的比較，而模式(3.1) 所求得的值，即便代表整體效率的綜合 效率值。又由於由模式(3.1)屬於非線性規劃模式，求解不易且可能產生無限多 組解之現象，所以Charnes et al.將模式(3.1) 轉換成模式(3.2) 的線性規劃類型，

假設總投入為1，使模式(3.2) 比模式(3.1)易求解，模式(3.2) 如下所示：

Max

∑

=

= ^z

r

rk r

k u y

h

1

t

s.

∑ ∑

=

=

=

≤

− ^m

i ij i s

r rj

ry v x j n

u

1 1

,...., 1 , 0

∑

= m =

i ik ix v

1

1

u_r,v_i ≥ε >0,r =1,....s,i =1,....,m (3.2) 模式(3.2)雖然已簡化成線性規劃之模式，為求簡易計算處理，在線性規劃 之方法，有一個對偶 (Dual) 轉換之技巧，此方法用於當限制式數目比變數個數 還多，為了使求解較迅速，因此將現性規劃模式轉為對偶模式，除了求解較迅 速外，亦可做後續的差額分析，以下為經過對偶處理之模式如模式(3.3) 所示。

Min ⎥⎦

⎢ ⎤

⎣

⎡ +

−

=

∑ ∑

= =

+ m −

r

s

r r i

k s s

h

1 1

ε θ

. .t

s x_ij x_ik s_i i m

n

r

j 0, 1,....,

1

=

= +

− ⁻

∑

y_rj s_r y_rk r s

n

j

j , 1,....,

1

=

=

− ⁺

∑

λ_j,s_i⁻,s_r⁺ ≥0,j=1,....,n,i=1,....,m,r=1,....,s, θ無正負限制 (3.3) 模式(3.3)中的 為差額變數(Slack Variables)，為達到有效率須減少的投入 量， 為超額變數(Surplus Variables )，為達到有效率所需增加的產出量，

si⁻

sr⁺ θ為

DMU之效率值，故當θ 為1且^* s_i⁻與s_r⁺均為0，此時DMU為相對有效率，若相對 無 效 率 之DMU 欲 達 到 相 對 有 效 率 ， 可 透 過 模 式 (3.3) 得 知 限 制 式 為

* *

1 n

j ij ik i

r

x x s *

λ θ ⁻

=

= −

∑

達到相對有效率，即投入減少

* *

1 n

j rj r rk

j

y s y

λ ⁺

=

= +

∑

xik

Δ 及產出增加Δ 。 y_rk

* *

( ), 1,....,

ik ik ik i

x x θ x s⁻ i

Δ = − − = m

* s

( ) , 1,....,

rk rk i rk

y y s⁺ y r

Δ = + − =

由上述的模式中可知投入導向主要的概念為在一定的投入下，期望產出能達到 最大的狀態，同樣的，在產出導向則是在固定的產出下，追求最小的投入。

(二) BCC模式

CCR模式假設生產過程為固定規模報酬，也就是當投入量等比例增加則產 出亦應等比例增加，然而生產過程可能屬於規模報酬遞增(Increasing Return to Scale, IRS)或規模報酬遞減(Decreasing Return to Scale, DRS)，當投入產出會隨規 模增加而提升稱之為規模報酬遞增，相對的，若生產規模過於龐大而產出減緩 則稱為規模報酬遞減。故Banker, Charnes and Cooper(1984)將CCR 模式擴充，提 出BCC 模式，放寬固定規模報酬的限制，改為變動規模報酬(Variable Returns to Scale, VRS)，並且將相對效率細分為純粹技術效率(Pure Technical Efficiency，

PTE)及規模效率(Scale Efficiency，SE)，而CCR模式因未考慮規模差異，其求得 之相對效率值為總效率(overall efficiency)，而兩模式之關係為「總效率等於純粹 技術效率與規模效率之乘積」，於CCR模式僅將DMU分為相對有效率以及相對 無效率，而在BCC模式中DMU若為無效率則可能為純粹技術無效率或規模無效 率。以下將以投入的角度來說明BCC模式。

以投入導向而言，假設內容項目有n 個DMU，每一個決策單位稱為

DMUj (j = 1....n)需被評估，一個決策單位使用m 種投入 ( i=1...m)來生產s 種 的產出Yr (r =1...s) 則第k 個受評量單位的效率評量模式。由模式(3.5)為Banker

Yi