Chapter 1

緒論

全書介紹
 緒

Introduction
Chapter
緒 論

1.1 前言

「公共事務管理實用分析方法」旨在介紹公共事務管理必需之基礎分析方
法，提供此領域的學習者及實務工作者在處理公共事務課題時能有一套可供參考
運用的工具，以獲得較具體實用的說明與解答。所以書中已將複雜難懂的理論模
式與艱澀深奧的數學推導略去，而在內容方面則強調概念的形成與方法之結合，
以協助讀者深入淺出、循序漸進地學習與熟悉這些方法。本書的主要依據為由作
者歸納整理的「公共事務管理整合參考架構」，篩選整理了涵蓋區域科學、管理
科學及政策科學等公共事務管理基礎領域所必須瞭解具備的「區域分析」、「專
案分析」與「政策分析」等三個學域之精要部分，並於每一章末輔以實務案例，
 俾使讀者更為清晰地瞭解各方法應用的步驟與要領。本章首先說明公共事務管理
整合參考架構之內涵，與相對應後續各章節的內容要點。

1.2 公共事務管理整合參考架構

1990 年代初期起，美國於公共行政管理方面開始掌握以企業性改革為方向，
並以提升公部門績效為目的之「新公共管理」（New Public Management, NPM）。
新公共管理是由面對解決傳統行政部門官僚組織作風「已破敗」（broke）與「被
破敗」（broken），公眾對於政府喪失信任之問題開始。基此，所因而進行的改
革包括（Rosenbloom & Kravchuk, 2002）： 公共行政的焦點必須置於結果的達成之
上，而不是順應原先的程序； 為了達成結果，公共行政須於「市場性競爭」
（marketlike competition）之下提供較好的商品與服務； 「顧客導向」（customer-
driven）為形成公共行政較為市場性的必然結果； 政府必須「引導，而非操持」
（steer, not row）以實現市場觀念及民營化； 政府必須解除管制； 延伸解除管
制規定，允許員工運用其創造力以服務顧客與進行工作；以及 公共行政須全面
改變，使具彈性、創新、企業性、進取性且解決問題，並反對「規定—約束」
（rule-bound）與偏重程序。其後，世界其他國家亦隨之廣泛推行大規模改革計
畫，故過去所普遍採行的公共行政傳統模式似已呈現出派典（paradigm）的轉移，
有朝向「管理主義」（managerialism）或「新公共管理」發展的趨勢。
至於新公共管理的定義，則隨著諸多學者的解釋而有所異同，但可歸納為較
一致的新公共管理觀點則包括以下七個面向的改變（Hood, 1995）： 公共組織較
大型的崩解（disaggregation），移轉朝向「公司化」（corporatized），個別管理每
公 一公部門的「產出」（product）單元； 公部門組織彼此間及公私部門間之移轉
共
事 則朝向較高度的競爭； 公部門內部大多數管理訓練的實行移轉朝向至較廣泛地
務
管 取材於私人團體部門； 在資源使用方面移轉朝向著重於控制與節約，並積極探
理
研 索發現替選方案，以較不昂貴的方式提供公共服務； 移轉朝向「親手操作式管
究 理」（hands-on management），並反對傳統的「光說不練式管理」（hands-off man-
方
法 agement）； 公部門組織績效的標準移轉朝向明確性與可量測性，以區分等級、
水準和內容的方式提供服務，並反對依賴專家標準及意見，並任其橫跨於公部門
 緒
之間；與 嘗試經由預先安排的「產出量測」（output measures）控制公部門組織 論
為一較為「自我平衡」（homeostatic）的形式，而非來自傳統上層特別安排之「例
行規律」（orders of the day），抑或於「共振」（collibration）形式內不相容事物
間的微妙平衡（Hood, 1995 轉引自 Dunsire, 1978, 1990）。由以上七個面向的轉變，可
以對應出新公共管理的改革轉變，對照傳統的行政模式已有逐漸被新公共管理模
式有效取代的情形，這種變化代表一種派典遞移，亦即從行政的官僚模式轉變到
管理改革，其不僅意味著一種公共管理轉型，而且亦為市場與政府、政府與官僚
體制、政府與公民，以及官僚體制與公民之間關係的轉型（ 林鍾沂、林文斌譯，
1999）。基此，則國內公共事務管理教育的規劃與發展，勢必須與新公共管理的
潮流相結合，其中自需包含了企業性政府、地區經營、發展管理、導引菁英（elite-
directing）及認知動員（cognitive mobilization）等諸項重要議題。
由上述新公共管理所包含的內容與角度觀察國內的公共事務管理領域，則由
描述、解釋與預測問題演變及有效預應管理所形成的整合參考架構，可就「現象
面」、「本質面」及「條件面」等予以整理如下（參圖 1-1）。

1.2.1 現象面
現象面包括「行為」及「角色」，兩者之共同意義為在公共事務管理的過程
中，均能進行具體詳實之觀察，分述如下：

行為
產包含經濟、社會、政治與政府等四個團塊（sphere）及政策與管理兩個層
面（level）。由行為面的分析可以瞭解，經濟團塊基本上決定社會團塊，社會團
塊基本上決定政治團塊，政治團塊勢將基本上決定政府的施政管理，而政府亦須
透過公共政策與公共管理牽動形塑經濟與社會的發展，因而構成了公共事務管理
的主體結構循環，並得以解釋多元社會中公共事務整體發展現象相關各面向的關聯。

經濟
由以往政府的計畫分配朝向市場競爭之供需均衡發展，而與民眾生活
直接相關的地方經濟成為永續發展基礎。在開放多元的社會中，財貨分配
 公共政策（政策論證） 政策分析
公共管理（V.C.S.） 專案分析

計 市 菁 多 威 民 科 效
畫 英 元 權 主 層 能
場
經 社 政 政
濟 會 治 府
： ： ： ：
群
體 分 供 菁 導 一 兩 依 顧
配 需 英 引 黨 黨 法 客 行
（

專 制 為

（
流 管 競 領 菁 行
量 制 爭 導 英 政 衡 政 問
、 題 現
）

黨 認 象

）
分 行 產 就 職 階 功 文
析 銷 業 業 場 級 能 派 知 官 導 面

（
動

（
招 結 機 經 、 分 中 向
商 構 會 驗 族 工 員 議 立 主
群 題 體

）
決 政
動 策 策
員 集 參
中 與

民 政
務
需 供 菁 準 賦 受 角
眾 官
求 給 菁 權 權 色
方 方 英 英 者 者 政 事
務 務
個 官 官
體
道 智
（

數 資 知 智 倫 協
流 據 訊 識 識 德 慧 理 和
量 （辯證） 本
（傳播） （教育） （節制）
）

質
分 認 面
析 事實判斷 價值判斷 人際判斷 知
（

本
體
判斷分析
）

公
基
共 礎 條
事

〔 〕
實質條件：水電、住宅、交通、衛生、生產條件、公共設施…… 件
（

區域分析
務 存 社會條件：產業、人口、組織、制度、創業精神、社會資本……
基 面
盤
（

管 量 專案分析
自然條件：環境、空間、土地、區位、資源分布、風土氣候…… 載
）

理 體
分
研
）

析
究
方 圖例 ：運作機制 ：啟動關鍵
法
圖 1-1 公共事務管理整合參考架構：公民社會、公共管理與公共政策
 緒
不再主要由政府的計畫片面決定，而是由強調個人偏好與理性自利的市場 論
機制予以主導；地方則亦不能再如過去般的依賴中央，所以地方經濟的發
展必須重視「消費者導向」，將產業視為消費者，運用「行銷招商」之多
樣化手段吸引標的產業進駐，進而改善地方產業結構，創造全新優質之就
業機會。如此將能吸引中產白領人口定居，改變提升地區人口結構與素
質，而這些深具水平互動職場經驗的就業人口亦將成為進一步吸引第三產
業進駐之內生力量，藉由此方法步驟的良性循環將可真正厚植地方經濟發
展的根本實力，與多元開放社會所必須具備的公民文化與公民社會之基礎
條件。

社會
經由經濟的逐步發展與產業的結構轉型，社會或人口結構則亦因而產
生質與量上之諸多改變，例如所得分配、產業分工、多元開放及階層融合
等。在基本生活條件已獲滿足且逐漸改善提升後，隨著資訊開放與教育普
及使得中產階級得以興起茁壯，既有的傳統社會規範則亦往往因而式微，
可知經濟發展成為形成社會結構的基本要素。換言之，由物質主義（ma-
terialism）移轉至後物質主義（post materialism）之價值取向，將對公共事
務的決策參與主動積極，而原本不同階層價值觀間彼此對立的情形，將因
減少由於經濟條件所形成之階層衝突，達到對向流動、弭平差距、合作互
助與社會公平的境界，成為我國國情文化與發展階段之公共事務管理中亟
需面對因應的基本課題。

政治
當經濟發展與教育普及大幅提升後，由「菁英領導」（elite-directed）
轉朝「導引菁英」（elite-directing）的現象將會更為明顯，因為受過高等
教育之族群將較能適應非傳統式的政治參與方式；經濟發展則可充實較高
比例政治參與的社會面基礎，並影響社會階層與基本結構的改變。Inglehart
（1990）指出，舊有菁英領導方式已逐漸失去其原有控制力，加上後物質
主義的新價值觀均宣示了新政治參與及議題導向政治的必然興起，西德綠
黨之「意外」崛起就是最佳範例。從 1967 到 1987 年間，西歐高認知動員
 （cognitive mobilization）而無固定政黨忠誠度者增加了兩倍，此更代表導
引菁英的政治新形態即將成為主導，其目標亦非一再提供特定菁英群的支
持﹐而是必須落實地改革某項政策。故有效因應多元化社會問題之方式，
則須立基於經濟發展與知識普及的前提，將社會由少數菁英領導轉變為著
重多數公眾參與的導引菁英。

政府
傳統行政改革屢遭失敗的原因，其脈絡可歸納為（ 江岷欽、劉坤億，
1999）： 欲以政治控制的手段達到改革之目的，除了陷入治絲而棼外，
引發官僚體制的抗拒將促使改革更加困難； 改革之標的雖為官僚體制，
但實際執行改革工作的卻也是官僚體制；以及 抱持「技術萬能」的改革
心態，只著重內部行政程序與技術的改善，忽略官僚體制內在價值的重
整。因此，政府必須將公民視為顧客，以議題獲取公民認同；就地方發展
而言，地方政府並應透過地區經營的理念與技術，擴展有利地方的公共價
值，進而提升地方的發展與競爭力。

公共政策
在政策的制定中，必須對政策問題及方案進行分析，藉由分析進而瞭
解政策制定的原因、結果與績效。綜合而言，政策分析方法論的核心，應
為批判多元論（critical multiplism）。批判多元論植基於當事人的獨立思考
與支持的環境機制，使能藉由歸納的似真性（inductive plausibility）對於各
種對立的理論、觀點與假設進行認定、評估、排除或綜合，以對政策結論
提出質疑與挑戰。批判多元論跨越了政策分析的： 多元運作化主義；
公 多元技術研究； 多元分析綜合； 多元變項分析； 多元利益相關人分
共
事 析； 多元觀點分析；及 多元媒介傳播等領域（Dunn, 1994）。遵從批判
務
管 多元論將可避免因為對問題認知有限而產生的型 III 錯誤。
理
研
究 公共管理
方
法 現代化的公共管理著重於創造公共價值，政府乃為發揮公共管理功能
的主要部門。在進行公共價值創造的策略管理分析架構方面，係以價值—
 緒
能力—支持（value-capacity-support）三個構面建構策略分析模式以達成目 論
標（Moore, 1995；呂德育，2003；黃乃蓮，2004）：
價值面
管理者應界定組織的全面性目的和任務，並對監督者、顧客與受惠者於
實質上產出有價值的事務。
能力面（資源與可及性）
管理者必須觀察到顧客和潛在使用者的需求，並提供現存和潛在價值的
活動，督促組織在授權下及有價值之活動中執行組織目標，並確保操作
與管理上的可行。
支持面（授權與支援）
管理者必須與政治系統互動，關心政治系統中認為有價值的事務，確保
組織之存在和運作，在政治上獲得持續支持及合法性，亦即必須能在政
治認可的環境中持續地取得權力與資源。
故公共管理的策略意涵即在於激勵與再塑造公共目的，強化和增進短期、中
期與長期的公共價值。基此，成功的公共管理應是政府在各階段施政目標中，均
能創造出相當的公共價值。

角色
除前述的群體行為描述分析外，另可以其中的個體角色於經濟、社會、政治
與政府等四個團塊中，依據公共事務管理之「主動」（本、先）及「被動」（末、
後）概念加以區分如下：
經濟：主動之需求方與被動的供給方。
社會：主動之菁英與被動的準菁英。
政治：主動之賦權者與被動的受權者。
政府：主動之民眾與被動的政務官；主動之政務官與被動的事務官。
上述之個體角色係屬概念劃分，以掌握呈現公共事務管理中以個人為最終分
析單位之精義，並可視實際需要具體定義以供實務案例分析管理運用。此方面由
過去採用專案分析或政策分析進行公共事務議題之探討努力得知，其雖包含多種
分析模式，惟主要之共通精神即係按指定之個體角色定義（例如，決策者、執行
者、組織成員及社區居民等），掌握不同立場的個體角色以對各項方案之多元行
 為及觀點，作為公共事務管理中達成最佳選定方案的依據。
角色（現象面）的偏好與觀點將會受到後述之個體認知（本質面）的影響，
個體角色與個體認知則再結合構成現象面的群體（主體）基礎，此可由國父〈心
理建設自序〉：「國者，人之積，人者，心之器；而國事者，一人群心理之現象
也。」之諍言加以對映。如此依據個體意念乃至群體行為當為較完整緊密之公共
事務管理進程。

1.2.2 本質面
在現代自由主義及理性自利的趨勢前提下，公共事務的管理係以個人為最基
本之分析單位。惟欲有效運作的關鍵，則尚須觀察潛藏於行為現象下之本體認
知，方能較徹底地剖析與掌握公共事務管理全盤性的參考架構。公共事務管理的
本質面對應個體認知的組成部分，包括數據、資訊；知識、智識；道德、智慧與
倫理、協和，而傳播、教育、辯證與節制則係提升促成各組成部分的主要機制與
管道，分述如下：

數據、資訊（傳播）
傳播媒體在資訊的形成與傳遞上占有主導地位，不但提供民眾所需資訊，更
進而影響民眾的態度與行為，在開放的環境中充滿著各種資訊，須依賴各式媒體
方能達到充分傳播之目的，資訊社會的最高目標就是能確使民眾在需要任何數據
或資訊時，均能有效獲得。以美國而言，其推動國家資訊基礎建設之主要目的即
為期望提升至全民參與的民主層次，因為知識共享與資訊充分提供正是民主政治
的基礎。惟傳播媒體在台灣仍有相當大之改善空間，報導欠缺專業、公器私用、
公 不同政治立場相互攻詰與政黨企圖掌控媒體之情形時有所聞，民眾在資訊處理時
共
事 難免產生偏差失衡的現象。
務
管 民眾對於傳播媒體所傳達資訊之理解與運用多為選擇性的，包括認知、記憶
理
研 與接受，因此縱然媒體報導的資訊愈多，並不代表民眾接受到的資訊愈多，心理
究 決策理論（Psychological Decision Theory, PDT）（Tversky & Kahneman, 1981）之定錨
方
法 與調整法則（anchoring and adjustment heuristics）適足以說明此偏誤現象。以台灣
現況為例，民眾對於資訊的掌握總是局部與片斷的，對於政府所制定之法律、制
 緒
度與政策缺乏充分的判斷能力，在派系政治的現況前提下又難以獨立思考及選賢 論
與能，處事角度亦往往對人而不對事，顯現多數選民的公民意識及素養不足，普
遍有不成熟民主之種種現象。故如欲達到真正穩定民主的境界，增進傳播媒體對
於數據資訊的處理方式，以及民眾對於資訊之適切判斷能力均為不容忽視的課題。

知識、智識（教育）
上述數據、資訊的功能尚須結合利害當事人的個別偏好與價值，而可區分為
認知不清及認知不同的問題，必須培育啟發公民使具認知理解與判斷取捨多元意
見的能力，其重點在於必須經由多元開放的教育及學習與簡化普及的知識或常識
等過程達成。如此的公共事務管理教育對象主要包括： 公共管理者（主要但不
限於公務人力）：以公共價值與策略管理及如何結合民眾、專家與公權力的訓練
為主軸； 技術專家：以開放多元的專業知識與技術為主軸；及 民眾：以公民
教育培養提升公民素養與公民文化為主軸。
以往在公共行政專業人才的培育方面，存在著研究定向（認同）與研究方法
兩項危機（吳瓊恩，1993）；公共行政的基礎教育上則有實務（信任）危機、學術
（合法性、認同與研究品質）危機及教育重建（方法與內容省思）等必須重視
（江明修，1993）。此部分宜與上述意義之教育結合，俾使學術與實務有效參照整
合。

道德、智慧（辯證）
除資訊與知識外，公民形成判斷的另一基本要素即為道德與智慧。在公共事
務管理的運作中，國家的作用是不可抹煞的，但為能充分發揮比較利益的優勢，
有效處理解決人類的公共事務問題，則須在主權理論與官僚制度之外尋找有利於
管理公共事務的制度，那就是挖掘每一個人的理性和良知，使公共事務成為真正
公共的事務，而非極少數人的私人事務（毛壽龍，2000）。並且，公民在公共領域
的活動中透過和其他公民之互動激盪發展形成自我的獨立人格，藉由對共同事務
的關心，建立公民間彼此之認同感和歸屬感，進而奠定個人認同的基礎（彭如婉，
1997）。故於道德與智慧方面，則應包括了以辯證求取道德、以道德為智慧支撐、
以良知彌補自利理性的不足、建立民眾彼此間以及民眾與專家間的尊重、培養組
織內外的忠誠互信、形成認知動員以及採取導引菁英搭配菁英之領導等。
 此外，如道德等價值變數雖屬抽象但卻能經由適切之研究設計具體量測，其
方式可藉蒐集整理有關道德界定與衡量分類的文獻案例，萃取建立判斷分析領域
中具代表性之社會判斷理論（Social Judgment Theory, SJT）的決策參考變數（參第
33 章社會判斷分析），據以統計分析不同決策群體所賦予的權重及函數形態，即
可對道德進行衡量。
至於判斷分析領域內較進階之資訊整合理論（Information Integration Theory,
IIT）中的道德代數（moral algebra）（Anderson, 1996）研究，則更能衡量道德的認
知價值，並將科學帶入倫理，賦予善與惡等抽象概念以科學實證，例如，責任、
義務、誘惑、罪過、羞辱、責備、處罰、贖罪與寬恕等。道德代數提供日常道德
判斷與行為之概念基礎，而道德判斷與行動則係依賴情境分析所決定確認的每項
道德原則與內容。道德代數的探討包括個人認知、因果屬性、公平正義、社會態
度及家庭婚姻等判斷分析的認知代數，惟因 IIT 的研究超出本書的定位範圍，故
不在此詳加細述。

倫理、協和（節制）
中國傳統之人際規範係以君臣、父子、夫婦、兄弟與朋友之五倫為基礎。然
探究傳統五倫的根本乃以「公私不分」概念為基礎，亦即個人（體）與特定對象
間之相處原則，實際上乃是個體對個體在層級意識下的上大下小之分際分野。而
以發展與現代化為宗旨的公共事務管理觀點而言，真正著重焦點則在於任何個體
與群體間的互動之道，亦即所謂群體倫理，而係基於功能分工下的「水平公私」。
講求群體倫理的最終目的，實乃希冀以群己節制達到協和中所意涵之大同境界。
公共事務管理中所涵蓋的群體倫理本質上即為「第六倫」之群己關係，「第
六倫」係由被譽為台灣經濟奇蹟「建築師」與「科技之父」的李國鼎先生於 1981
公 年提出。「第六倫」係指個人與非特定之一般社會大眾間的關係，由於一般大眾
共
事 是陌生的，在很多情況下甚至是不可確指的，當個人行為對之產生傷害時較少引
務
管 起罪惡感，而且傷害分散也較少引起反應，因此公然為之，常不知節制，也不以
理
研 為恥（ 孫震，2001）。故若對照西方政經學者以財產權界定作為減少公共財、提
究 升供需效率、以至社會公平的主張，實有其精神本質的互通之處（Coase, 1960）；
方
法 然在以台灣為例的解嚴前後之公共事務管理方式操作實績下，卻因國情文化與發
展階段之不同而有極大的差異。
 緒

1.2.3 條件面
條件面可概略區分為「實質條件」、「社會條件」與「自然條件」三部分。
實質條件含括水電、住宅、交通、衛生、生產條件與公共設施等，亦即硬體基礎
設施；社會條件含括產業、人口、組織、制度、創業精神與社會資本等，亦即軟
體基礎設施；自然條件則含括環境、空間、土地、區位、資源分布與風土氣候
等。條件面係現象面與本質面的基盤（platform），現象面所包含的經濟、社會、
政治、政府、政策、管理與角色，以及本質面的個體認知判斷，皆在此基盤上相
互連動。換言之，現象面及本質面之所有互動均係以條件面為前提基礎。
公共事務管理整合參考架構兼具「存量」與「流量」之分析概念，「存量」
意指經由長期積累所形成的資源或條件，「流量」則代表不斷循環連動的運作。
依此兩項分析概念而言，則條件面所包含的實質條件、社會條件與自然條件為基
礎分析，屬於「存量」概念。本質面的認知與現象面之角色（此處強調個體意
涵）為個體分析，屬於「流量」概念。現象面所包含之群體行為與角色（由眾多
個體所組成）為群體分析，亦屬「流量」概念。「存量」對於「流量」的影響最
後勢必衝擊現象面，其影響包括了「支持」與「限制」兩方面。換言之，條件面
在一定程度上支持了本質面與現象面的連動運作，但亦在同時形成了某些程度上
的約束或限制。
以上的現象面即為公共事務管理的主體，本質面則以公共事務管理中的個體
為基本分析單位而為本體，而條件面則為承載現象面（主體）與本質面（本體）
的載體。以東方傳統成就大我的觀點，則重視群體主體的觀念較強，個體本體須
以群體主體的盛衰成敗為優先考量，不容有過多的小我觀點或意見。惟以西方近
代自由主義的觀點而言，對於個體本體獨立思考的意見偏好亦予以高度重視，個
體本體之重要性未必亞於群體主體。換言之，個體本體之創意見解，或有較群體
共識為之適切優越的可能，而由此在多元批判要求下所產生的矛盾衝突、討論辯
論與溝通協調等課題，實即為公共事務管理之普遍基本課題。
經由現象面（主體）、本質面（本體）與條件面（載體）等的系統連結，共
同形成了公共事務管理的整合參考架構，而在其中為求兼顧發展與民主，或謂謀
求充實具備公民社會條件的「訓政階段」所需，則經濟發展與公民教育實在整體
 架構中扮演了啟動關鍵的角色地位，而更宜優先考量以有效充實完備。本書之內
容即係在此參考架構之指引下，進行包括區域分析、專案分析與政策分析等公共
事務管理實用分析方法之介紹與說明。

1.3 章節架構概述

1.3.1 相關定義
在開始介紹章節架構之前，首先將系統（system）、方法（method）、模式
（model）與理論（theory）等基本名詞定義說明如下：

系統
系統須有範圍或周界，據以界定區分外部環境與內部系統，而內部系統之分
析元素則主要在於其中變數與變數間的關係；此外，系統亦具有投入及產出之區
分界定，由管理的角度視之，投入為「手段」，產出為「目的」。自「手段」而
「目的」，即在經由其間的連鎖提升增進功能、用處與價值。然「手段」與「目
的」之界定區分係價值判斷，如在習於資本主義市場競爭下的西方人觀念中，往
往生活成為手段，是為了工作之目的；然在傳統封建社會中所形成並延續至今的
東方人觀念裡，工作是謀生的手段，係為了生活之目的。又如對西方人而言吃是
為了活（eat to live），以補充營養維持健康；而東方人則傳統即有活是為了吃
（live to eat）的講法，所以較重視美味的感官滿足。惟「手段」或「目的」的界
定區分必須經由時空的檢驗，以調整系統的完整性與正當性。另就重要性而言，
公 則產出必須較投入為之重要或有用，否則系統分析是無意義的。
共
事
務 方法
管
理 方法係定位於系統的基礎之上，其主要分析重點在於如何經由投入達成產
研
究 出，而不考慮其系統的內部結構與轉換關係。換言之，方法的產出必須至少較其
方
法 投入來得重要或有用，而好的方法即是其經由投入至產出的過程所增加提升的相
對功能或價值十分顯著，而產出本身的絕對功能或價值，亦當然必須切合、適
 緒
用，甚至普遍廣泛。 論

模式
模式則係又在方法的基礎之上強調其系統的內部結構與轉換關係，故往往以
數學、文字、符號、圖形、實體乃至虛擬等方式描述其所代表之現象或實物，故
除了範圍周界與投入產出外，模式的關係結構必須有相當程度的具象性與似真
性，然亦必須有相當程度的抽象性與操作性。而好的模式尤其須兼具有較強的抽
象性與操作性。

理論
理論則又植基於系統、方法與模式，其功能要件為描述（內部結構）、解釋
與預測（投入產出），而相對於方法與模式，理論尤重其解釋功能，而一般較不
強調其具象性與操作性。故可以其與研究的關係來說明：理論指引研究，研究驗
證理論，以強調其解釋求證、探索知識的意義與過程。而好的理論在具有較強的
解釋功能後，亦往往具有較強的描述性，然亦有所謂的黑箱（black box）理論，
即「知其然而不知其所以然」，僅有預測性與描述性而缺乏解釋性，而與模式乃
至方法近似。
綜合上述，本書在求簡化普及、推廣應用的前提下，係以方法與模式的系統
分析為重點，而理論方面則基本上不予納入。

1.3.2 章節架構
本書所涵蓋的各種分析方法若依據公共事務管理整合參考架構，可共區分為
「區 域 分 析」、「專 案 分 析」與「政 策 分 析」三 個 部 分。以 本 質 面（本 體）而
言，區域分析主要在於自數據、資訊（投入）至知識、智識（產出）部分；專案
分析主要在於自知識、智識（投入）至道德、智慧（產出）部分；而政策分析則
主要在於自道德、智慧（投入）至倫理、協和（產出）部分，其中具有投入個體
產出群體之意涵。換言之，區域分析不含人的主觀（判斷）分析而只有客觀分析
的知識部分，亦即事實判斷；專案分析則以人的主觀（判斷）分析價值部分，亦
即價值判斷；政策分析則兼具客觀與主觀分析性質，強調個體與個體以及個體與
 群體之間，在事實判斷與價值判斷前提下，對於互動理念的選擇取捨（道德、智
慧與倫理、協和），即屬人際判斷。換言之，區域分析、專案分析與政策分析於
本質面（本體）分別對應了事實判斷、價值判斷與人際判斷；至於由事實判斷、
價值判斷與人際判斷所組成之判斷分析，則對應決策與判斷領域的分析方法。本
書之定位為公共事務管理之入門性質，故將判斷分析的基礎理論與模式併入政策
分析之章節中進行概略介紹，未來則計畫以編著進階專書方式，針對判斷分析內
容作較完整詳盡的說明。
綜合而言，區域分析主要對應條件面（載體）的實質條件、自然條件與部分
社會條件（例如，產業與人口等），以及現象面（主體）中的經濟與社會兩團
塊；專案分析與政策分析分別主要對應現象面（主體）的政治與政府兩團塊，以
及公共管理與公共政策兩層面；而專案分析尚且對應了條件面（載體）的部分社
會條件（例如，組織與制度等）。公共管理重在「行」或處理與解決各種公共事
務課題（小處著手）；公共政策重在「知」或分析與瞭解各種公共事務課題（大
處著眼）。此外，政治團塊與其他三個團塊相同，在有關「選擇」方面的分析，
均可運用最基礎的決策與判斷分析等方法；政府團塊則可運用專案分析中的組織
氣候分析等方法；區域分析、專案分析與政策分析等所對應的公共事務管理整合
參考架構的關係，參圖 1-2。
本書依據對應關係選擇了區域分析、專案分析與政策分析中較為重要或常用
之分析方法，進行系統性地介紹。為了編輯簡明的需要，有關章節內容之安排係
依據三類分析所涵蓋之範疇予以區分，惟書中各章並非彼此獨立的單元，抑或僅
限於應用於某特定層面及團塊，相對地，章節彼此間多具有一定程度的關聯，或
謂多數章節皆可交叉結合運用於處理及解決各種公共事務管理之相關課題，抑或
提供研究探索所需資料的分析。茲按本書章次架構內容擇要說明如下：
公
共
事 區域分析
務
管 區域分析的各種方法在公共事務管理整合參考架構內，主要運用於分析與瞭
理
研 解條件面（載體）的實質條件、自然條件與部分社會條件，以及現象面（主體）
究 之經濟及社會團塊，合計 17 章（第 2 章至第 18 章）：
方
法
 緒

公共政策（IM）
公共管理（VCS）

群 現
體 象
（

面
流

（
量 經濟 社會 政治 政府
主
）

體
分

）
析

資訊 智識 智慧 協和
個 數據 知識 道德 倫理 本
體 質
（傳播） （教育） （辯證） （節制）
（

面
流

（
量 本
）

體
分
）
析

基
礎 條
件
（

存 基盤 面
實質條件
（

量
社會條件 載
）

分 自然條件 體
）

圖 1-2 區域分析、專案分析、政策分析與公共事務管理整合參考架構對應關係
 人口分析（第 2 章至第 6 章）
人口分析部分共含 5 章，重點為針對區域及都市之人口特性進行通盤
性的描述、解釋與預測。第 2 章介紹趨勢外推法模式（curve fitting/extrap-
olation），說明如何利用時間數列資料分析人口成長率與就業率等趨勢。
第 3 章利用小區域之人口預測模式（small area population project）加以說
明，包含家戶數、就業情況、消費支出、稅收、住宅、社區及交通等公共
設施，以及產業、經濟文化與休閒文化特性的預測。第 4 章之世代分析
（cohort component population projection）則由人口之分解因素（如年齡、
性別）探討區域人口之總量與分量的估算方式。第 5 章之比較分析（com-
parative analysis）則對於都市及區域等空間範圍所涵蓋的人口、住宅形態、
就業形態或其他等社會與經濟活動的空間分布提供了大量與空間具關聯性
資 料 的 分 析 模 式，使 資 訊 的 運 用 更 加 明 確。第 6 章 多 區 域 之 人 口 推 計
（multiple region population extrapolation）藉由出生、死亡與遷移三種人口
改變要素來推算人口總數，是一種適用於數百個小區域人口總數推計的方
法。上述 5 章彙集相關人口研究的常用方法，並進行了整合性的討論。

產業分析（第 7 章至第 11 章）
產業分析共含 5 章。第 7 章之經濟基礎分析（economic base analysis）
是將區域產業區分為基礎性與非基礎性兩種，並說明基礎性產業量或所得
增加後對於該地區就業量或所得的影響分析。第 8 章之變動分攤分析（shift-
share analysis）則提供固定分攤法與變動分攤法兩種，利用大區域之就業
量或特徵值推估小區域之就業量或特徵值的有效方法。第 9 章之投入產出
公 分析（input-output analysis）主要是對於產業間的結構關聯以及出口進口的
共
事 帶動狀況進行分析，被認為是一項可落實運用於描述產業關聯結構、預測
務
管 經濟發展趨勢與評估政策衝擊的較精確方法。第 10 章之會計價格比率分
理
研 析（Accounting Price Ratios, APRs）則提供計算會計價格的方法，會計價格
究 亦稱隱藏價格，是在確定目標（如經濟成長最大化、促進收支平衡及增進
方
法 就業機會等）下，對經濟體內財貨或勞務真實價格的衡量估算，當市場價
格扭曲時，會計價格可用以反映真實的市場價值。掌握會計價格的主要目
 緒
的，是為了具體衡量經濟體內財貨與勞務的真實價格，以達到國家及地方 論
發展與所需資源間調和之目的。第 11 章之不動產投資分析（real estate in-
vestment analysis）則對於開發規劃藉由不動產之收益和費用資料評估投資
報酬資訊，由此掌握投資競爭力與公、私部門協力參與開發之可行性。

設施分析（第 12 章至第 18 章）
設施分析共含 7 章。第 12 章之煙 空氣污染的擴散（smoke: air pol-
lution dispersion）係空氣品質方面的分析，空氣污染對於鄰近區域的影響
短期並不易察覺，而須長時間對於民眾造成顯著衝擊後方有可能列入政策
議程，本章即在於提出工業空氣污染源排放空氣污染之預測模式。第 13
章之地震風險分析（earthquake risk analysis）係估計各種級數之地震所可能
造成的自然災害損失分析，可作為減輕損害和緊急應變的參考。第 14 章
為時間數列分析與橫斷面分析（simultaneous time-series and cross-sectional
analysis），是以人類社會各種活動所產生之各式資料按發生時間區分為橫
斷面資料（cross-sectional data）與時間數列資料（time-series data），目的
是在觀察與分析既有資料作為預測未來的依據，此方法可普遍運用於公、
私部門之有關決策中。第 15 章之引力模式（gravity model）是最常用的空
間分析與都市模式之一，經常被採用來估計和預測經濟與社會活動之空間
交互作用，經由適當的調整，即可針對區域或都市的開發建設評估其連鎖
帶動之空間分布與未來實質效益。第 16 章之卡方分析（chi-squared analysis）
是社會調查的基本工具，有助於公共事務管理者在蒐集與決策相關資訊後
處理與分析不同類型的社會調查問題，經由交叉表則可顯示出行列間的變
數關係，屬於普遍常用的分析方法。第 17 章之導軌系統成本估算模式
（guideway system cost estimation）則係以市區自動導引轉換系統為例，說
明如何利用現成資料分析評估所衍生出之線性方程式，並根據使用者所面
對之不同狀況所產生之變動狀況。第 18 章之生命模式（life model）是在
相對於上述各章的各種模式分析之外，只要具備簡單的數學資料與理論架
構，即可描述都市與區域中有機體的開發與活動的空間分布規則與脫序現
象，由此可讓規劃者及管理者深切體認與有效掌握「生命」的空間脈動與
變化。
 專案分析
專案分析在公共事務管理之整合參考架構中，主要是用來處理與解決在既有
社經條件下之公私部門決策及組織資源分析，又可區分為以靜態為主的結構分析
與以動態為主的程序分析，合計 14 章（第 19 章至第 32 章）：

結構分析（第 19 章至第 27 章）
靜態的系統分析重在系統變數間的結構（多為線性層級），共含 9
章。第 19 章的樹形圖（tree diagrams）為各種線性層級分析的理論基礎，
亦即以提綱挈領、分進合擊（divide and conquer）的方式說明系統變數間
的組合，並以化繁為簡的樹狀圖形將因素間的複雜關係簡單呈現，公共事
務的管理與決策中經常可採用樹形圖來評估各項評準及替選方案之機率與
權重。事實上，樹形圖可謂是所有系統分析的基礎，並完全對應架構中認
知面的決策與判斷分析。第 20 章的橢圓圖（oval diagram）則係以系統變
數與環境變數間因果互動複雜關係的組合來進行問題描述，惟相較於較簡
單的樹形圖可廣泛應用於各種公共事務課題的管理與決策，橢圓圖一般較
適用於以技術專家為主體的動態策略規劃工作。第 21 章的目標樹（objective
tree）則係運用樹形圖來表達目標層級，在予以界定釐清後呈現目標的層
級劃分，並如何由下層的手段滿足充實逐級促使上層目標依次達成之技
術。第 22 章的功能擴展法（functional expansion）是以達成共同功能之系
統層級關係為分析基礎，亦即以線性層級分析在組織架構與組織績效上之
應用，可根據分析結果進行組織的重組再造或系統的因應調整。第 23 章
之意向結構法（intent structure）係以簡易之目標樹為基礎加以團隊部門間
公 的分工合作考量，為各分項目標確認其負責歸屬之單位部門，避免大型專
共
事 案很可能會發生的多頭馬車或多個和尚沒水喝等現象。第 24 章之層級分
務
管 析法 多評準評估（Analytic Hierarchy Process, AHP）主要說明如何利用
理
研 資訊及經驗，簡化繁雜問題對各項決策評準的評估，並找尋這些評準間的
究 抵換關係，俾作為選擇替選方案之依據，形成適切決策。第 25 章的形態
方
法 分析法（morphological analysis）係將問題情勢或替選方案之元素有系統地
加以組合，在對課題情勢或替選方案之分析認定上可以完整周全，避免疏
 緒
漏。第 26 章的情境分析法（contingency analysis）係以決策樹為分析工具， 論
以圖表方式分析行動及其後果間的對應關係，有助決策者在面對不確定情
況下選擇較適方案。第 27 章的系統定義矩陣（system definition matrix）係
根據系統原理，在計畫發展或設計時得以圖表方式界定系統細節與環境狀
況，以瞭解掌握系統功能、環境組成和彼此互動時內部關聯性的方法。

程序分析（第 28 章至第 32 章）
第 28 章的腦力激盪法（brainstorming）為引導獲取參與者之創新觀念，
並能集思廣益的集體互動程序。第 29 章的類推比擬法（synectics）則是利
用群體互動過程，將已知領域的知識與專業轉移發揮至所面對之陌生課題
領域中，以有助釐清問題結構、產生具創意解決方法的程序。第 30 章的
德菲法（delphi）是採多次問卷方式整合相關課題領域之專家學者與利益
團體的專業及意見，以釐清差異與尋求共識之程序。第 31 章的名義群體
技術（Nominal Group Technique, NGT）係以充分尊重集體互動中的個體意
見，並有效達成集體共識的互動程序，以有效克服傳統會議效率不彰之問
題。第 32 章之方案規劃法（program planning method）係名義群體技術的
延伸擴大，為一強調個人、使用者、管理者、專家與公眾團體等有效表
達、互動參與之程序，並且重視不同背景之意見，以共同設計有助界定與
解決問題與方案的規劃方法。

政策分析（第 33 章至第 35 章）
公共事務管理整合參考架構內的政策分析為一綜合性的決策判斷，主要重點
在於對客觀事實的判斷（即知識）與對主觀認知的判斷（即價值）。為求精簡應
用，此部分主要介紹社會判斷分析（Social Judgment Analysis, SJA）（第 33 章）、
政策論證（policy argument）（第 34 章）與互動管理（Interactive Management, IM）
（第 35 章）。

社會判斷分析
本章首先介紹決策與判斷分析的整合架構，並主要以 Hammond 等
（1975）所發展的社會判斷理論（Social Judgment Theory, SJT）來說明其在
 公共事務管理之應用。SJT 係根據 Brunswik（1955）原創的透鏡模式（lens
model）所引申發展，係針對當對環境線索變數的機率及其與評準變數間
關係認知不清，以及公共決策中參與者間常會產生的認知不同的情形下所
發生的認知衝突與決策輔助課題。其基礎概念有環境系統與認知系統之對
稱、表面線索與深層評準的區別，以及模糊地帶（zone of ambiguity）等，
強調不確定性主要來自對於生態環境及社會結構的認知，因此在問題界定
與操作衡量上須將評估區分為事實與價值兩部分，並強調二者間事先區分
與事後整合的必要。本章的內容則在說明該理論對於決策者的主觀認知與
客觀環境間差異所產生的「瞭解」問題，及各決策者主觀認知間的差異所
引致之「衝突」問題的分析架構與案例應用。

政策論證
政策分析中不僅使用多元方法來產生與轉化資訊，而更須以政策論證
的基本功能，針對以此類資訊為基礎的知識主張進行創造性和批判性之評
量。本章內容係以由 Dunn（1994）引用 Stephen Toulmin（1958）所發展的
政策論證六項要素為主，包括政策相關資訊（policy-relevant information，
即 I）、政策主張（policy claim，即 C）、依據理由（warrant，即 W）、依
據 支 應（backing，即 B）、主 張 的 反 證（rebuttal，即 R）與 主 張 的 條 件
（qualifier，即 Q），探討政策論證如何超越以實證研究為基礎的資訊產
生，進而將資訊轉化為似真信念（plausibly true belief）的作法與意義。

互動管理
互動管理係由 Warfield 於 1980 年代所發展，為針對複雜事務所開創的
公 管理系統，其目的係在組織中運用獨立思考、集思廣益、互動學習與圖示
共
事 呈現等技術，以克服超越一般形態方法無法釐清克服的問題。其方式係以
務
管 連續經由一個或多個回合的互動來達成三階段的活動，包括計畫階段（plan-
理
研 ning phase）、互動階段（workshop phase）與追蹤階段（followup phase）。
究 在程序中參與者的角色則區分為外部引介角色、內部專業角色與內部支援
方
法 角色等三種。本章內容則在介紹互動管理的結構程序與案例應用、七種互
動管理的方法與成果，以及與政策論證和判斷分析等方法間的關係。
 緒

論
兩岸公共事務管理教育實例探討（第 36 章）
第 36 章兩岸大學 MPA 課程結構分析方面，表面上似乎並未與「方法論」產
生直接關聯，惟如前述，教育在公共事務管理整合參考架構中，扮演著啟動關鍵
的角色，即就公共事務管理領域而言，教育事實上具有相當程度之重要性。除此
之外，本書所介紹的各項模式，均含括於兩岸大學推展公共事務管理教育時的課
程開設範疇內。基此，進一步瞭解兩岸大學課程結構，比較彼此間的不同特性，
相互觀摩切磋，實有其必要性存在。故本書採另闢單一篇章之方式，以兩岸大學
MPA 課程結構為實例，將分析成果提供與讀者參考。
經由以上的說明，應可瞭解公共事務管理的實用方法，含括了區域分析中的
人口分析、產業分析與設施分析，專案分析中的結構分析與程序分析，以及政策
分析中的綜合分析 社會判斷分析、政策論證與互動管理等。為使讀者易於掌
握整體架構，茲將第 2 章至第 35 章之內容，依據公共事務管理整合參考架構的
現象面、本質面與條件面予以對照整理，參表 1-1。

1.4 本書運用說明

本書的內容旨在介紹公共事務管理的各種系統分析方法，並以公共事務管理
整合參考架構作為主要撰寫依據。公共事務管理原即含括廣泛，可提供公共管
理、公共行政、公共政策、地政、市政、土地管理、都市計畫、環境規劃與資源
管理等相關科系的大學部、碩士班與碩士專班學生作為課程教材或自行研讀參考
使用。若原即具有相關統計、微積分或管理數學等基礎，則對學習成效將會更加
有所助益。然本書編寫之目的重點在於各種實用分析方法的介紹，故已將必須具
艱深數學與專業技術方能瞭解掌握的系統分析方法（如數學規劃、電腦模擬及作
業研究等）略去，以求與實務應用和推廣普及的定位初衷相符。
 表 1-1 本書第 2 章至第 35 章內容與公共事務管理整合參考架構對照表

公共事務管理整合參考架構
組成
經濟至社會、資訊至 公共管理、智識至智 公 共 政 策（政 策 論
智識與部分條件面 慧與部分條件面 證）、智慧至協和
方法 章別
區域分析 專案分析 政策分析

趨勢外推法 2 － －

人 小區域之人口預測模式 3 － －
口
世代分析 4 － －
分
析 比較分析 5 － －
多區域之人口推計 6 － －
經濟基礎分析 7 － －

產 變動分攤分析 8 － －
業
投入產出分析 9 － －
分
析 會計價格比率分析 10 － －
不動產投資分析 11 － －
煙 空氣污染的擴散 12 － －
地震風險分析 13 － －

設 時間數列分析與橫斷面分析 14 － －
施
引力模式 15 － －
分
析 卡方分析 16 － －
導軌系統成本估算模式 17 － －
生命模式 18 － －
樹形圖 － 19 －
橢圓圖 － 20 －

公 目標樹 － 21 －
共
結 功能擴展法 － 22 －
事 構
務 分
意向結構法 － 23 －
管 析 層級分析法 多評準評估 － 24 －
理
研 形態分析法 － 25 －
究
方 情境分析法 － 26 －
法 系統定義矩陣 － 27 －
 緒

腦力激盪法 － 28 － 論
程 類推比擬法 － 29 －
序
德菲法 － 30 －
分
析 名義群體技術 － 31 －
方案規劃法 － 32 －

綜 社會判斷分析 － － 33
合
政策論證 － － 34
分
析 互動管理 － － 35
Chapter 2
趨勢外推法

Chapter 3
小區域之人口預測模式

Chapter 4
世代分析

Chapter 5
比較分析

Chapter 6
多區域之人口推計

區域分析
人口分析
 趨
勢
外
推

Curve Fitting/Extrapolation
法

Chapter
趨勢外推法

2.1 前言

趨勢外推法主係針對時間數列性質的資料進行分析與規劃，使分析者能夠更
清楚地瞭解現況及未來發展趨勢。屬於預測方法中的定量分析，一般被廣泛應用
於各地區的人口成長率、就業率、死亡率及其他相關主題方面。

2.2 模式假設

在使用此方法前，必須先瞭解其技術需求和基本假設，分述如下（Klosterman
et al., 1993）：
 過去的趨勢會延續且不會改變；換言之，未來是過去變化的延續。
造成此趨勢的關係結構也不會改變。
過去的資料是可信的。
所選擇的技術適用於此趨勢。

2.3 使用方式

根據已知的歷史資料虛擬一條曲線，使得這條曲線能反映資料條件本身的增
長趨勢，然後依據此增長趨勢曲線，估計出未來某一特定時點的預測值。整個過
程原則上十分簡單，並且能於諸多情況之下提供確實的預測結果。此外，這種方
法屬於確定的外推形式，亦即在處理歷史資料、虛擬曲線與獲得類比曲線的推演
步驟中，都可以不考慮隨機誤差（ 潘國美，2002）。

2.4 模式概念

2.4.1 六種推論曲線模式
此方法共包括六種推論曲線模式。假設與數學運算，參表 2-1。可用以分析
及計畫規律時間間隔中的各種變數。

表 2-1 六種推論曲線的假設與數學運算

圖形 成長假設 數學運算
公
共 線性 常數成長增量 一階微分
事
務 幾何 常數成長率 對數的一階微分
管
理 拋物線 常數變動率 二階微分
研
究 修正指數曲線 常數比率的成長增量 連續一階微分的比率
方
法 高培茲曲線 常數比率增量的對數比率 對數一階微分的比率

邏輯曲線 常數成長增量倒數的比率 倒數微分的比率

 趨
勢
外
線性（Linear）模式 推
法
線性曲線係假設應變數在相同時間間隔中的成長量相同。例如，某地區每 10
年之人口成長量皆為 1,000 人〔10（n） × 100（a）〕。線性函數人口預測模式適
合運用在人口成長已趨穩定的地區，主要受到內生變數之影響（例如，出生率與
死亡率等）公式如下：

Pn = P0 ± na（負成長時為「 」） 【式 2-1】

Pn：預測年期 n 之人口數。
P0：基年人口數。
n：預測時間。
a：單位時間人口變動數量（利用過去的時間數列資料分析求得）。
【式 2-1】之函數形態可示意如圖 2-1，a 即為直線之斜率，P0 為截距。

Pn

P0

0
n' n' + 1 n
圖 2-1 線性模式

幾何（geometric）模式（指數曲線預測）
幾何曲線，成長率是穩定的。例如，每年的人口固定成長 2%（a = 1 + 0.02）。
公式如下：
 Pn + 1 = aPn 【式 2-2】

Pn + 1：時間 n + 1之人口數。
Pn：為時間 n 人口數。
n：預測時間。
a：常數，指的是固定的成長率值。
【式 2-2】之函數形態可示意如圖 2-2。

Pn +1

Pn

0
n
圖 2-2 幾何模式

拋物線（parabolic）模式
拋物曲線，成長是以穩定的比例增減，如式 2-3，函數型態示意參圖 2-3 與 2-4。

公
共 Pn + 1 = lPn 【式 2-3】
事
務
管
理 Pn + 1：時間 n + 1之人口數。
研 P n：為時間 n 人口數。
究
方 n：預測時間。
法
l：比例。
 趨
勢
Pn +1 Pn +1 外
推
法

Pn

Pn

0 0
n n
圖 2-3 正拋物線 圖 2-4 反拋物線

修正指數（modified exponential）模式
假設 L 為地區飽和上限值人口規模，任一時間點人口數與 L 的差距，及前一
時間點人口數與 L 差距間的比值為固定值 l，如式 2-4。函數形態示意參圖 2-5。其
中 P0 為基年人口數，L 為人口飽和上限值。

L Pn / L Pn 1 = l， n 【式 2-4】

Pt
L
(L Pn )
(L Pn 1 )

(L P0)

P0

0 n 1 n n
圖 2-5 修正指數模式
 Pn 1：時間 n 1之人口數。
Pn：為時間 n 之人口數。
n：預測時間。

高培茲（Gompertz）模式
亦稱雙指數函數模式。基本假設為人口成長率與人口水準成正比，但其比例
因子並非常數，而是隨時間成指數的增加，因此當達到已知的人口極限（P ）
時，成長率會加速遞減，函數形態示意參圖 2-6。公式如下：

Pn = P a b 【式 2-5】

Pn

P∞

P0

0 n' n
圖 2-6 高培茲模式

此模式的主要優點為對等式兩邊取雙對數時，模式即變為線性模式，此性質
公
共 可用來估計參數 b。另外當 n = 0時，則可估計 a，a 代表基年人口相對於最終人口
事
務 數的比值，參圖 2-7。
管
理
研 邏輯（logistic）模式
究
方 在指數成長模式中，成長率相對於人口為一常數。若此成長率為線性遞減函
法
數（a bPn），最後的模式即為邏輯函數，函數形態示意參圖 2-8。公式如下：
 趨
勢
外
log Pn 推
法

a = log (1 + r)

b = log P0

0 n' n' + 1 n
圖 2-7 指數成長模式取對數後之模式圖

Pn

a
= P∞
b

P0

0 n
圖 2-8 邏輯模式

1
Pn = 【式 2-6】
1 b an b
e +
P0 a a

最終的人口水準等於 a / b，當 b = 0時，可得指數模式。要決定參數 a 與 b 之

值時，將 Pn + 1 Pn / Pn 標示在縱軸，橫軸表示時間（n），若合乎邏輯函數，則
截距將為 a，斜率為 b。
若運用微積分的積分原則去推導邏輯模式裡的數學公式，則可獲得高培茲關
 係式。高培茲和邏輯模式均為經驗模式，所繪成的曲線為 S 形。由於兩者的運用
均要求長期性資料，在小地區方面較少具有所需之完整普查資料，所以高培茲和
邏輯模式極少採用於小地區規劃。

2.4.2 預測技術
主要區分成「模式驗證」和「模式推估」兩個步驟：

模式驗證：定義最適曲線
定義最接近過去趨勢的曲線或數學關係。將過去資料匯總後找尋出其關係，
並且與模式中所提供的六種推論曲線比較，按照何者最為相近之方式，即可選擇
出適合這些資料的最佳曲線。定義最適曲線計有以下三種方法：

投入評估準則
以統計方法檢測輸入的觀察值，觀察是否與成長曲線的假設相同。亦
即評估何種曲線最能符合過去的趨勢。一般常用相對變異數（Coefficient
of Relative Variation, CRV）來檢測，由於趨勢和模式並不一定能完全吻合，
故以相對變異數來測量此六種方法的相關離散程度。分析時選擇 CRV 最
小的曲線，因其最能符合過去的資料。

產出評估準則
以每一推論曲線產出的估計值和投入變化進行比較，觀察何種方法計
算得到的估計值最為接近觀察值。
公
共
事 目測法
務
管 此為最快速的判斷方法，直接將觀測值在圖上描繪並與過去的趨勢圖
理
研 加以比較，這種方法最適用於不規則和不連續之趨勢狀況。
究
方
法 模式推估：曲線的延伸和預測
在選定適用的曲線後，延續這個曲線的數學關係藉以預測推估未來。亦即，
 趨
勢
假設過去的趨勢將會延伸到未來，利用選定曲線計算得到所要預測時間的數值。 外
推
法

2.5 結論與評論

此方法並不需要很強的統計背景，並且就使用上的便利性而言，為其一大優
點。不過必須注意兩點要項（ 葉李華，2002）：

包含了各種不同的判斷準則
如選擇不同的觀察期間、假設不同的成長限制、對過去相關期間的判
定以預測未來或是剔除有問題的觀察值。

預測人員自身的素質
由於此法須加入主觀的經驗判斷，所以在解決實際問題的層面上，主
要依賴預測人員的判斷能力與經驗。
綜觀上述，除了要考量實際情況作出合理選擇外，還必須在可預測成本允許
的範圍內，對預測的有效性多加留意。

2.6 應用案例

在人口規模預測應用方面，趨勢外推法最適合於短期程的推計（十或少於十
年）（Shryock et al., 1976; Greenberg, 1978）。茲以下列台灣地區人口預測為例，說明
本模式的運用要領。

資料
以台灣地區 1974 年至 2001 年總人口資料為依據，參表 2-2。

模式
選用線性模式【式 2-1】作為推估模式。
 表 2-2 1974 年至 2001 年台灣地區人口資料

資料序號 年 人口 （人）
01 1974 15,927,167
02 1975 16,223,089
03 1976 16,579,737
04 1977 16,882,053
05 1978 17,202,491
06 1979 17,543,067
07 1980 17,866,008
08 1981 18,193,955
09 1982 18,515,754
10 1983 18,790,538
11 1984 19,069,194
12 1985 19,313,825
13 1986 19,509,082
14 1987 19,725,010
15 1988 19,954,397
16 1989 20,156,587
17 1990 20,401,305
18 1991 20,605,831
19 1992 20,802,622
20 1993 20,995,416
21 1994 21,177,874
22 1995 21,357,431
23 1996 21,525,433
公 24 1997 21,742,815
共
事 25 1998 21,928,591
務 26 1999 22,092,387
管
理 27 2000 22,276,672
研 28 2001 22,405,568
究
方 資料來源：內政部統計處（2004）。
法
 趨
勢
外
模式 推
法
P = 452475574（t 值 = 39.978）+ 237,522Y（t 值 = 41.710）
P：人口。
Y：年份。
R 2 = 0.985。
調整後 R 2 = 0.985。
F = 1739.692。
d f = 27。
MSE = 59247841690。
根據提供的資料完成分析後，檢視以上得到之估計值，作為運算的依據。例
如假設求算 2021、2026 及 2031 年的人口預測值，則令 Y 分別等於 2021、2026 及
2031 代入迴歸式。則可求得所對應之 2021 年的人口預測值為 27,556,388 人、2026
年的人口預測值為 28,743,998 人與 2031 年的人口預測值為 29,931,608 人。由此可
知，線性模式可以提供簡單的直線迴歸式，達到迅速計算預測結果之目的。
 小
區
域
之

Small Area Population Projection

人
口
預

Chapter 測
模
式

小區域之
人口預測模式

3.1 前言

在人口預測方面，居住人口預測之應用當屬最為普遍，且為各項城市政策規
劃、擬定、執行與評估的重要依據，特別是運用於住宅與公共設施面積之預估。
人口預測表面上觀之似乎是很容易的工作，但往往愈需進行人口預測的地方，預
測工作則愈為困難。本章將續針對小區域人口預測之六種基本模式予以介紹。
 3.2 模式概念

小區域之人口預測模式是以數學分析工具所建立的理論模式為基礎，能夠嚴
謹而且精確地預測人口數，協助行政單位研擬議案，具有實務價值，同時亦為人
口統計學的理論實踐與應用。

3.3 預測模式

本預測模式所採之六種不同函數形態與第 2 章第 2.4.1 節相同。惟為能找尋確

認最為適合該分區之預測模式，故可採用相關係數判定其符合程度，選定相關係
數（絕對值）最大者為其最佳預測模式。

3.4 應用限制

上述六種函數形態的簡單預測模式，係將人口視為一個整數，不考慮其他的
人口特性，如性別、年齡與出生率等，因此是概略性的預測方法，無法解釋人口
成長或衰退的原因。但由於所需的資料較少，因此容易計算並不需花費過多的資
料蒐集時間。
影響人口變動的因素包括自然變動：出生率、死亡率；社會變動：遷入、遷
公 出。而大區域的人口預測不等於小區域人口加總之預測，且大區域因和外界的互
共
事 動程度相較於小區域多，所以不易準確預測大區域之人口規模。
務
管
理
研
究 3.5 應用案例
方
法
依據西元 1996 至 2001 年之人口資料，預測 2011 年高雄市之鹽埕區、鼓山
 小
區
區、左營區、楠梓區、三民區與新興區六個分區之人口數。總人口數則以高雄市 域
之
之總人口數列計，參表 3-1。各分區人口數之預測步驟如下： 人
口
預
表 3-1 各行政區人口數 測
模
行政區 式
鹽埕區 鼓山區 左營區 楠梓區 三民區 新興區 高雄市
年期

1996 年 32,991 109,981 128,028 141,003 340,197 63,112 1,433,621

1997 年 33,226 109,957 133,413 144,094 342,105 62,430 1,436,142

1998 年 32,393 110,549 141,788 148,179 349,108 62,199 1,462,302

1999 年 31,961 109,272 152,070 151,274 352,936 61,175 1,475,505

2000 年 31,506 108,667 160,363 154,073 357,024 60,738 1,490,560

2001 年 31,077 107,647 165,952 155,449 357,536 60,653 1,494,457

資料來源：高雄市政府主計處（2002）。

計算各分區占區域人口的百分比
各分區占區域人口百分比計算結果，參表 3-2。

表 3-2 各分區人口所占比率表

行政區 鹽埕區 鼓山區 左營區 楠梓區 三民區 新興區 總計

年期

1996 年 2.30 7.67 8.93 9.84 23.73 4.40 56.87

1997 年 2.31 7.66 9.29 10.03 23.82 4.35 57.46

1998 年 2.22 7.56 9.70 10.13 23.87 4.25 57.73

1999 年 2.17 7.41 10.31 10.25 23.92 4.15 58.20

2000 年 2.11 7.29 10.76 10.34 23.95 4.07 58.53

2001 年 2.08 7.20 11.10 10.40 23.92 4.06 58.77

 辨別參數
以六種預測函數模式辨別其最佳參數。

推算估計值
每個預測函數模式均能計算出六項人口估計值。

選擇最佳函數
由相關係數決定最佳模式，取每個分區的最大值（絕對值），參表
3-3。由表 3-3 可知鹽埕區適合使用線性函數模式；鼓山區適合邏輯函數模
式；左營區適合高培茲函數模式；楠梓區適合修正指數函數模式；三民區
適合邏輯函數模式；新興區適合修正指數函數模式；高雄市適合線性函數
模式。

表 3-3 相關係數表

拋物線 修正指數 高培茲

項目 線性函數 指數函數 邏輯函數 最大值
行政區 函數 函數 函數

鹽埕區 0.9493 0.8400 0.9482 0.9352 0.9346 0.9340 0.9493

鼓山區 0.9669 0.8299 0.9646 0.9767 0.9769 0.9771 0.9771

左營區 0.9936 0.9343 0.9929 0.9936 0.9936 0.9935 0.9936

楠梓區 0.9673 0.9933 0.9646 0.9953 0.9952 0.9952 0.9953

三民區 0.8310 0.9532 0.8301 0.9744 0.9744 0.9745 0.9745

新興區 0.9700 0.9279 0.9723 0.9772 0.9769 0.9765 0.9772

公
共 高雄市 0.9552 0.9044 0.9542 0.9494 0.9498 0.9502 0.9552
事
務 註：取每個分區的最大值（絕對值），以粗體字表示
管
理
研
究
方 預測比重及人口數
法
以最佳配合函數搭配表 3-2，預測目標年每分區人口百分比，參表 3-4。
 小
區
另可得到預測高雄市目標年之總人口數為 1,637,079 人。 域
之
人
表 3-4 各分區 2011 年預測比率 口
預
分區 鹽埕區 鼓山區 左營區 楠梓區 三民區 新興區
測
模
比率（%） 1.57 4.86 15.69 10.70 23.96 3.74 式

調整分區百分比
依據表 3-4，將計算所得之分區百分比總和調整為 100%。本步驟的目
的在於各分區目標年預測比率之加總不一定會等於 100%，故須利用比例
的關係將預測加總比例調整為 100%。但本案例總區域人口數（高雄市）
並非案例內各分區之加總，因此省略本步驟。

預測分區人口數
預測分區人口數 = 總區域人口數 × 分區比。所得各分區人口數，參表
3-5。

表 3-5 各區目標年預測人口

分區 鹽埕區 鼓山區 左營區 楠梓區 三民區 新興區 高雄市

預測人口 （人） 25,715 79,482 256,823 175,124 392,236 61,290 1,417,367

案例小結
按照本章模式預測 2011 年之高雄市人口數為 1,417,367 人，比 2001 年
人口數減少 77,090 人；鹽埕區為 25,715 人，減少 5,362 人；鼓山區為 79,482
人，減少 28,165 人；左營區為 256,823 人，增加 90,871 人；楠梓區 175,124
人，增加 19,675 人；三民區為 392,236 人，增加 34,700 人；新興區 61,290
人，增加 637 人。
 世
代
分
析

Cohort Component Population

Projection
Chapter
世代分析

4.1 前言

本模式以人口組成（年齡─性別、教育與職業群組）及人口變遷因素（出
生、死亡、遷移）來推估區域人口總量，進而以參數值（生育率、淨遷移率、存
活率）推估世代間之區域人口。
本模式假設地區過去各年齡層之出生、存活以及遷移特性在未來不會有重大
變化，抑或未來之變化趨勢明確且能加以掌握（ 馮正民、林楨家，2000）。
 4.2 模式概念

世代分析是大區域人口組成推估模式，所需資料如下：
以 20 年為一週期。
年齡組距為 5 年；由 0-4 歲到 80-84 歲，最高為 85 歲以上，共 18 組。其
中年齡層再加以性別（男女）區分。
時距為 5 年；以基礎年為起始點，推估未來 5 年、10 年、15 年與 20 年
的人口總數與組成。
使用者須輸入此區域基礎年之人口（年齡—性別）群組資料，基礎年人口
資料經由普查獲得。有三組資料需要建構：
性別與 18 個年齡群組建構之基礎年人口。
性別與 18 個年齡群組建構之基礎年前十年之人口。
性別與 18 個年齡群組建構之存活率。
模式參數值：方案之預測推估是建立在生育率、淨遷徙率等變遷因素之參
數變異準則上。世代間各年齡群組人口數的推估，乃藉諸於存活率、淨遷
徙率及出生率進行調整運算。相關定義如下：
出生率係 0-4 歲孩童與 10-49 歲育齡婦女，5-9 歲孩童與 10-49 歲育齡婦
女之比率。
淨遷徙率係時間週期內，各年齡組距─性別遷入、遷出之比率。
存活率係由區域人口之出生與死亡推估而得。
假設將人口區分為多個年齡組別，每個年齡組有一致的時間長度，如以人
公 口總年齡 70 歲為例，若以 10 年為時間長度，則可以分為 7 個年齡組別，
共
事 亦即一個世代的時間為 10 年。故若縮短或增加世代的時間，則年齡組別
務
管 之數目將隨之增加或減少。
理
研
究
方
法
 世
代
分
析

4.3 模式演進

有關世代分析模式的演進方面，簡述如後（Klosterman et al., 1993）：

由 Edwin Cannan（1895）提出，公式如下：

P1 = P0 + B D + IM OM 【式 4-1】

期間：t 1 t 0。
P1：下一期人口總數（t 1）。
P0：基期人口數（t 0）。
B：出生人口數（t 1 t 0）。
D：死亡人口數（t 1 t 0）。
IM：遷入人口數（t 1 t 0）。
OM：遷出人口數（t 1 t 0）。
B D：人口自然成長。
IM OM：淨遷移。
上述簡單的加減公式表示早期的人口計算方法。人口總數為：存在之人口
基數加上出生減去死亡，再加上遷入減去遷出之人口數。
由 Whelpton（1936）提出，公式如下：

P1 i = P0 i + b i d i + im i om i 【式 4-2】

i 表示未來時間點，P0 i 為 i 時間點各年齡群組之基期人口數，按 i 時間點之

出生人口數（b i）、死亡人口數（d i ）、遷入人口數（im i）與遷出人口數
（om i）進行計算，據以推估未來人口數組成，通常有三項步驟：
以存活率推估世代間之存活人口數。
以 10-49 歲育齡婦女與 0-4 歲兒童之比率推估出生數。
以同地區兩週期之人口普查，代入正確之出生與死亡人口數，推估淨遷
 移。
由 Ned Levine（1985）提出，應用上述之參數值，依類推估未來每隔五年
之人口數與組成。再以性別參數細分，公式如下：

P t + n = P mt + n + P f t + n
= P mt × S m + P mt × M m + P mt × B m + P f t × S f + P f t × M f + P f t × B f
= P mt S m + M m + B m + P f t S f + M f + B f 【式 4-3】

P t + n：n年後人口總數（假設 n = 15，則 P t + n 為 15 年後之人口總數）。

P mt + n：n 年後男性人口數。
P f t + n：n 年後女性人口數。
S m ：男性存活率。
M m ：男性淨遷徙率。
S f ：女性存活率。
M f ：女性淨遷徙率。
B m：男嬰出生率（生育率）。
B f：女嬰出生率（生育率）。

4.4 模式限制

本模式適用於推估人口總數較大之區域。人口總數愈大，誤差率愈小。

公 區域模式大小
共
事 區域模式愈小，受組構數值變化之影響程度愈大。輕微的偏差極有可
務
管 能顛覆整個模式，或造成推估數據上的誤差。
理
研
究 連續性偏誤
方
法 由於後一期的數值是根據前一期的預計值推估，假設有誤差產生，則
偏離情形會愈來愈嚴重。
 世
代
分
人口資料需要充分登錄 析

因制度的機制所造成的流動人口須充分登錄，例如在外地求學的學生
或工作者。遷移率會因流動人口是否充分登記而有誤差。

操作變數的一貫性
最好保持操作變數之一貫性，每一個可能影響變數的因素，在開始時
即應納入考慮。若方案之假設不正確則將影響結果的正確性。

個別與加總的差異
區域內子群體人口方案推計的加總，通常大於同區域總人口方案所推
計的結果。

4.5 資料信度

年齡失真
年齡失真是最普遍的錯誤。死亡率常因邊陲或醫院死亡人口未確實錄
冊，而難以正確掌控。

組距
群組資料以五年為組距而非以一年為組距，將影響存活率、遷移率與
生育率運算之精確度。

遷徙資料
遷移資料經由二週期之人口普查計算所得，遷移率因遷移資料是否確
實登錄而有誤差。此外，不僅應考慮人口遷徙量變化，更應考慮質的變化。

子群體資料
區域內子群體人口資料獲得不易，本模式無法用以推估子群體人口數。
 資料推估
使用基期與現行可觀察之兒童／育齡婦女比例，在推估過去十年或未
來十年的人口方案方面，具有掌控上之難度存在。

對未來人口成長因素作適當之假設
未來人口成長因素之假設，必須就過去趨勢詳加分析，並正確研判其
未來發展趨勢，再據以針對未來之死亡率、出生率、遷移率及嬰兒出生時
的性別比率等項目進行假設（ 孫得雄等，1988）。

4.6 結論與評論

本模式因有其範圍限制，故最好能於正確的戶口普查資料下進行將會較為準
確。此外，在資料信度上存有一定障礙，對於推估過去或未來較長時間的數據有
所困難，因此本方法在此方面並非被普遍運用。其他關於實務操作方面諸如選舉
幽靈人口、偷渡客、偏遠山區的原住民及未報戶口者之各項問題，都是屬於較難
掌握的部分。
另於生育率的計算方面，台灣一般將育齡婦女界定在 15-49 歲之間，與本方
法的假設不同，研究者可自行決定所採取的範圍，但不同時期前後的採取標準需
要一致，並因部分資料取得不易，或者並未按性別與年齡予以區分，故在實務運
用上仍宜再作調整。
世代分析之公式為簡易的四則運算，使用上的計算簡便性為其優點，在推估
公 較短時期與較大區域方面，可減少制度機制下流動人口對於數據之影響。因此在
共
事 台灣一些地方政府常採此模式進行短時期的人口總數和結構推估，以幫助瞭解地
務
管 方人口發展趨勢，或作為相關部門主管人員在政策制定與決策上的參考依據。
理
研
究
方
法
 世
代
分
析

4.7 應用案例

依據以下台閩地區 2001 年人口數（ 內政部戶政司，2003）推算次年（2002

年）的人口總數為例。
在計算過程當中，將育齡婦女界定在 15-49 歲之間；存活率以 1 減去死亡
率得之；由於遷移率的資料並未按性別區分，故以總人口數之遷移加以推
估。相關資料如下：
總人口數：22,405,568 人。
男性總人數：11,441,651 人。
女性總人數：10,963,917 人。
出生數：260,354 人。
出生率：11.65‰。
男嬰數：135,596 人。
女嬰數：124,758 人。
生育率：1.40‰。
死亡數：127,647 人。
死亡率：5.71‰。
男性死亡率：6.96‰。
女性死亡率：4.43‰。
自然增加率 5.94‰。
遷入：2,018,647 人。
遷出：2,022,458 人。
淨遷移： 3,811 人。
遷移率： 0.17‰。
人口增加率：5.79‰。
 Pt+n = Pmt+n + Pft+n
= Pmt × Sm + Pmt × Mm + Pmt × Bm + Pft × Sf + Pft × Mf + Pft × Bf
= 11,441,651 × 993.04‰ + 11,441,651 × 1.40‰ + 10,963,917 × 995.57‰
+ 10,963,917 × 1.40‰ 22,405,568 × 0.17‰
= 22,304,922.81（人）

推估 2002 年人口數為 22,304,923 人。

台閩人口數之所以負成長，除生育率低以外，人口外流或許也是影響因素
之一。此外，在外籍勞工方面，亦不列為台灣戶籍調查之對象。所以整體
性之人口情形不能僅以表面數據而逕自定論，尚須考慮人口組成的多元與
複雜性，故完整的解釋不能全賴數據公式之計算結果。
依據高雄市政府 2002 年人口數統計資料（ 高雄市政府主計處，2003），推估
2003 年高雄市總人口數。
2002 年人口數統計相關資料如下：
總人口數：1,509,510 人。
男性總人口：760,228 人。
女性總人口：749,282 人。
男嬰數：7,299 人。
女嬰數：6,697 人。
男性淨遷移：3,816 人。
女性淨遷移：5,168 人。
男性死亡率：3.25‰。
女性死亡率：1.99‰。
公 由以上人口次級資料整理後可得：
共
事 男性存活率（S m ）：996.75‰。
務
管 女性存活率（S f ）：998.01‰。
理
研 男性淨遷徙率（M m ）：5.02‰。
究 女性淨遷徙率（M f ）：6.9‰。
方
法 男嬰出生率（B m）：4.84‰。
女嬰出生率（B f）：4.44‰。
 世
代
分
Pt+n = Pmt Sm + Mm + Bm + Pft Sf + Mf + Bf 析
= 760,228 996.75‰ + 5.02‰ + 4.84‰
+ 749,282 998.01‰ + 6.9‰ + 4.44‰
= 1,521,541（人）

經由以上計算推估所得高雄市 2003 年之人口數為 1,521,541 人。

 比
較
分
析

Comparative Analysis
Chapter
比較分析

5.1 方法目的

在都市及區域的描述性研究中，最初是檢驗與空間有關之基本資料，如人
口、就業、住宅及社會經濟活動空間分布等。此方面的分析方法除了傳統慣用的
地理資訊系統（Geography Information System, GIS）以外，「比較分析」的架構亦
可 提 供 人 口 統 計 單 位，在 進 行 區 域 性 人 口 調 查 與 經 濟 資 料 分 析 時 之 有 利 工 具
（Klosterman et al., 1993）。
 5.2 模式概念

與其有目標地去加強分析資料，不如先從資料本身去洞察機先，而「比較」
分析的概念，即建立在如何初步檢驗空間研究資料本質之基礎上。當進行研究分
析時，通常會產生假設，進而發展期望模式，然而這些假設模式是否正確則成為
重要之前提。「比較」分析技術係根據探索性資料分析的一般原則以及條件機率
概念而建立，提供一種架構來檢驗基本資料屬性，進而推演出假設之正確性。

5.3 資料處理

比較分析的資料處理方式是利用簡單之矩陣表示所需顯示的資料，區分下列
步驟加以說明：
對於探索範圍作定義，定義如下：
研究範圍：可以是城市、縣、都會區或計畫區。
次級地區：可以是人口統計區、較小之都市計畫分區或是更小的空間尺
度。
研究屬性：可以是人口統計、社會、經濟、土地使用或是住宅特性。
把研究範圍內之「次級地區」和「研究屬性」資料轉換為兩構面矩陣。
矩陣下的地區及屬性資料成為一系列之條件機率。
依據欲探索議題的需要，選擇適合之矩陣分析。
公 運用機率比較欲進行研究之各個次級地區，以及屬性的相似性或相異性。
共
事
務
管
理
研
究
方
法
 比
較
分
5.4 方法說明 析

5.4.1 基本資料矩陣

定義
將研究範圍內的「次級地區」及「研究屬性」的觀察資料，以交叉分類表或
矩陣形式表現出來。

表示法舉例
欲探討 A 市的收入分配，故將 A 市區分成甲、乙、丙與丁四個地區，收入則
區分成低、中及高三個屬性。A 市基本資料矩陣表示法，參表 5-1 所示：

表 5-1 A 市基本資料矩陣

i j 低收入 中收入 高收入 總和（N a ）

甲區 100 200 400 700

乙區 200 300 500 1,000

丙區 400 200 400 1,000

丁區 300 500 500 1,300

總和（N b ） 1,000 1,200 1,800 4,000

分析
表 5-1 中，N i j 為地區 i 與屬性 j 的觀測值（ i = 甲、乙、丙、丁；j = 低、中、
高）。例如：N甲低 = 100 = 甲區低收入戶共有 100 戶。
N a 為地區總和；N b 為屬性總和。A 市總戶數 = 全體總和 = N a b = 4,000。
由表 5-1 可觀察出 A 市中各收入戶的分布狀況（低，中，高）=（1,000，
1,200，1,800）。各區戶數的分布狀況（甲，乙，丙，丁）=（700，1,000，1,000，
1,300）。
 5.4.2 聯合機率矩陣

定義
一地區中某屬性占全體總和的百分比。

表示法舉例
A 市聯合機率矩陣表示法，參表 5-2-1 與 5-2-2（表 5-2-2 係由表 5-2-1 計算所
得）所示：

表 5-2-1 A 市聯合機率矩陣

i j 低收入 中收入 高收入 總和（a）

甲區 100/4,000 200/4,000 400/4,000 700/4,000

乙區 200/4,000 300/4,000 500/4,000 1,000/4,000

丙區 400/4,000 200/4,000 400/4,000 1,000/4,000

丁區 300/4,000 500/4,000 500/4,000 1,300/4,000

總和（b） 1,000/4,000 1,200/4,000 1,800/4,000 4,000/4,000

表 5-2-2 A 市聯合機率矩陣

i j 低收入 中收入 高收入 總和（a）

公 甲區 0.025 0.050 0.100 0.175

共
乙區 0.050 0.075 0.125 0.250
事
務 丙區 0.100 0.050 0.100 0.250
管
理 丁區 0.075 0.125 0.125 0.325
研
究 總和（b） 0.250 0.300 0.450 1.000
方
法
 比
較
分
分析 析

一地區中某屬性占全體總和的百分比為：

P ai , bj = Nij / Nab 【式 5-1】

表 5-2-1 依據【式 5-1】計算可得表 5-2-2，觀察表 5-2-2 得知 A 市中各收入戶

所占比例（低，中，高）=（0.250，0.300，0.450）。各區戶數所占比例（甲，乙，
丙，丁）=（0.175，0.250，0.250，0.325）。
聯合機率矩陣可以比例的方式，清楚歸納出群體特性並找尋出問題癥結。例
如，甲區中高收入戶占最多（0.100 > 0.050 > 0.025）。以丙區低收入戶此項屬性觀
之，則丙區是 A 市中低收入戶比例最高的地區（0.100 > 0.075 > 0.050 > 0.025）。

5.4.3 水平機率矩陣

定義
由一地區中某屬性占該地區總和之比例，可以反映出該地區中各個屬性的分
布狀況。

表示法舉例
A 市水平機率矩陣表示法，參表 5-3-1 與表 5-3-2（表 5-3-2 係由表 5-3-1 計算
所得）所示：
 表 5-3-1 A 市水平機率矩陣

i j 低收入 中收入 高收入 總和（a）

甲區 100/700 200/700 400/700 700/700

乙區 200/1,000 300/1,000 500/1,000 1,000/1,000

丙區 400/1,000 200/1,000 400/1,000 1,000/1,000

丁區 300/1,300 500/1,300 500/1,300 1,300/1,300

總和（b） 1,000/4,000 1,200/4,000 1,800/4,000 4,000/4,000

表 5-3-2 A 市水平機率矩陣

i j 低收入 中收入 高收入 總和（a）

甲區 0.143 0.286 0.571 1.000

乙區 0.200 0.300 0.500 1.000

丙區 0.400 0.200 0.400 1.000

丁區 0.231 0.385 0.385 1.000

總和（b） 0.250 0.300 0.450 1.000

分析
一地區中某屬性占該地區總和之比例為：

P b j a i = P a i , b j / P ai 【式 5-2】
公
共
事 表 5-3-1 依據【式 5-2】計算可得表 5-3-2，觀察表 5-3-2 可知一地區中各屬性
務
管 所占之比例。例如，甲區中以高收入戶最多（占 0.571）。而丙區中的低收入戶
理
研 與高收入戶所占比例相同（占 0.400）。
究
方
法
 比
較
分
析
5.4.4 垂直機率矩陣

定義
由一地區中某屬性占該屬性總和之比例，可反映出該屬性在各個地區的分布
狀況。

表示法舉例
A 市垂直機率矩陣表示法，參表 5-4-1 與表 5-4-2（表 5-4-2 係由表 5-4-1 計算
所得）所示：

表 5-4-1 A 市垂直機率矩陣

i j 低收入 中收入 高收入 總和（a）

甲區 100/1,000 200/1,200 400/1,800 700/4,000

乙區 200/1,000 300/1,200 500/1,800 1,000/4,000

丙區 400/1,000 200/1,200 400/1,800 1,000/4,000

丁區 300/1,000 500/1,200 500/1,800 1,300/4,000

總和（b） 1,000/1,000 1,200/1,200 1,800/1,800 4,000/4,000

表 5-4-2 A 市垂直機率矩陣

i j 低收入 中收入 高收入 總和（a）

甲區 0.100 0.167 0.222 0.175

乙區 0.200 0.250 0.278 0.250

丙區 0.400 0.167 0.222 0.250

丁區 0.300 0.417 0.278 0.325

總和（b） 1.000 1.000 1.000 1.000

 分析
一地區中某屬性占該屬性總和之比例為：

P a i b j = P a i , b j / P bj 【式 5-3】

表 5-4-1 依據【式 5-3】計算可得表 5-4-2，觀察表 5-4-2 可知某一屬性在各個

地區所占之比例，並藉此觀察該區域的問題。例如，低收入問題較嚴重的區域為
丙區（0.400 > 0.300 > 0.200 > 0.100），故政府可藉由此矩陣瞭解 A 市中哪些區域之
低收入戶較多，未來施政則可著重於健全發展丙區的相關產業。

5.4.5 差異矩陣

定義

垂直差異矩陣
一地區中某屬性占該屬性總和之比例，減去該地區總和占全體總和的
比例。藉由此公式的調整，則可明確觀察地區各屬性與全區各屬性之間的
差異。

水平差異矩陣
一地區中某屬性占該地區總和之比例，減去該屬性總和占全體總和的
公 比例。藉由此公式的調整，則可易於觀察各地區與全區之間的彼此差異。
共
事
務 表示法舉例
管
理
研 A 市垂直差異矩陣，參表 5-5-1 與表 5-5-2（表 5-5-2 係由表 5-5-1 計算所得）；
究 A 市水平差異矩陣，參表 5-6-1 與表 5-6-2（表 5-6-2 係由表 5-6-1 計算所得）所示：
方
法
 比
較
表 5-5-1 A 市垂直差異矩陣 分
析
i j 低收入 中收入 高收入

甲區 100/1,000 － 700/4,000 200/1,200 － 700/4,000 400/1,800 － 700/4,000

乙區 200/1,000 － 1,000/4,000 300/1,200 － 1,000/4,000 500/1,800 － 1,000/4,000
丙區 400/1,000 － 1,000/4,000 200/1,200 － 1,000/4,000 400/1,800 － 1,000/4,000
丁區 300/1,000 － 1,300/4,000 500/1,200 － 1,300/4,000 500/1,800 － 1,300/4,000

表 5-5-2 A 市垂直差異矩陣

i j 低收入 中收入 高收入

甲區 － 0.075 － 0.008 0.047

乙區 － 0.050 0.000 0.028
丙區 0.150 － 0.083 － 0.028
丁區 － 0.025 0.092 － 0.047
總和 0.150 0.092 0.075

表 5-6-1 A 市水平差異矩陣

i j 低收入 中收入 高收入

甲區 100/700 － 1,000/4,000 200/700 － 1,200/4,000 400/700 － 1,800/4,000

乙區 200/1,000 － 1,000/4,000 300/1,000 － 1,200/4,000 500/1,000 － 1,800/4,000

丙區 400/1,000 － 1,000/4,000 200/1,000 － 1,200/4,000 400/1,000 － 1,800/4,000

丁區 300/1,300 － 1,000/4,000 500/1,300 － 1,200/4,000 500/1,300 － 1,800/4,000

表 5-6-2 A 市水平差異矩陣

i j 低收入 中收入 高收入 總和

甲區 － 0.107 － 0.014 0.121 0.121

乙區 － 0.050 0.000 0.050 0.050
丙區 0.150 － 0.100 － 0.050 0.150
丁區 － 0.019 0.085 － 0.065 0.085
 分析
垂直差異矩陣為：

P ai bj P ai 【式 5-4】

將【式 5-4】計算所得數據垂直加總，即獲差異指標。
水平差異矩陣為：

P bj ai P bj 【式 5-5】

將【式 5-5】計算所得數據水平加總，即獲差異指標。
透過差異指標可以反應出某屬性或某地區的狀況與全部範圍的差異性。以
表 5-5-2 垂直差異矩陣而言，差異指標顯示低收入戶最為分散（差異指標：
0.150），高收入戶最為集中（差異指標：0.075）；以表 5-6-2 水平差異矩
陣而言，差異指標顯示與全區差異最大的區域為丙區（差異指標：0.150），
與全區差異指標最小的地區為乙區（差異指標：0.050）。

5.4.6 獨立／相關矩陣

定義

公 垂直獨立／相關矩陣
共
事 一地區中某屬性占該屬性總和的比例，除以該地區總和占全體總和的
務
管 比例。
理
研
究 水平獨立／相關矩陣
方
法 一地區中某屬性占該地區總和的比例，除以該屬性總和占全體總和的
比例。
 比
較
分
表示法舉例 析

A 市垂直機率矩陣除以對應邊際機率所得相關矩陣，參表 5-7-1 與 5-7-2（表

5-7-2 係由表 5-7-1 計算所得）；A 市水平機率矩陣除以對應邊際機率所得相關矩
陣，參表 5-8-1 與 5-8-2（表 5-8-2 係由表 5-8-1 計算所得）所示：

表 5-7-1 A 市垂直機率矩陣除以對應邊際機率所得相關矩陣

i j 低收入 中收入 高收入

甲區 （100/1,000）/（700/4,000） （200/1,200）/（700/4,000） （400/1,800）/（700/4,000）

乙區 （200/1,000）/（1,000/4,000） （300/1,200）/（1,000/4,000） （500/1,800）/（1,000/4,000）

丙區 （400/1,000）/（1,000/4,000） （200/1,200）/（1,000/4,000） （400/1,800）/（1,000/4,000）

丁區 （300/1,000）/（1,300/4,000） （500/1,200）/（1,300/4,000） （500/1,800）/（1,300/4,000）

表 5-7-2 A 市垂直機率矩陣除以對應邊際機率所得相關矩陣

i j 低收入 中收入 高收入

甲區 0.57 0.95 1.27

乙區 0.80 1.00 1.11

丙區 1.60 0.67 0.80

丁區 0.92 1.28 0.85

表 5-8-1 A 市水平機率矩陣除以對應邊際機率所得相關矩陣

i j 低收入 中收入 高收入

甲區 （100/700）/（1,000/4,000） （200/700）/（1,200/4,000） （400/700）/（1,800/4,000）

乙區 （200/1,000）/（1,000/4,000） （300/1,000）/（1,200/4,000） （500/1,000）/（1,800/4,000）

丙區 （400/1,000）/（1,000/4,000） （200/1,000）/（1,200/4,000） （400/1,000）/（1,800/4,000）

丁區 （300/1,300）/（1,000/4,000） （500/1,300）/（1,200/4,000） （500/1,300）/（1,800/4,000）

 表 5-8-2 A 市水平機率矩陣除以對應邊際機率所得相關矩陣

i j 低收入 中收入 高收入

甲區 0.57 0.95 1.27

乙區 0.80 1.00 1.11

丙區 1.60 0.67 0.80

丁區 0.92 1.28 0.85

分析
垂直機率矩陣除以對應的邊際機率所得相關矩陣為：

P bj ai / P bj 【式 5-6】

一地區中某屬性占該屬性總和的比例，除以該地區總和占全體總和的比
例。其所占全研究範圍總數之比例，可以反映該屬性在該地區的重要性。
水平機率矩陣除以對應的邊際機率所得相關矩陣為：

P ai bj / P ai 【式 5-7】

【式 5-7】係該地區某屬性占該地區人口的總人口比例，除以該屬性占全
體總和的比例，此即為區位商數之概念。
此外，無論採垂直機率矩陣抑或水平機率矩陣，計算所結果均為相同。
公 指標意義：
共
事 指標 > 1
務
管 代表該地區在此屬性方面的比例增加，即此地區與屬性群體為正相關。
理 指標 < 1
研
究 代表該地區在此屬性方面的比例減少，即此地區與屬性群體為負相關。
方
法 指標 = 1
代表兩屬性完全獨立，即此地區與屬性群為無相關。
 比
較
例如，由表 5-7-2 與 5-8-2 可知，高收入戶在甲區是顯著存在的，即如果 分
析
每一分區平均出現 1 次時，在甲區會出現 1.27 次。此外亦可觀察出多少
比例的屬性群體位於何分區，由表 5-7-2 與 5-8-2 可以瞭解約有 50%
（ 0.67 + 1.28 / 0.95 + 1.00 + 0.67 + 1.28 ）的中收入戶位於丙區與丁區之內。

引申

有關 B/N 比的概念
B：基礎部門，都市經濟活動都以都市以外居民為對象。
N：非基礎部門，都市經濟活動都以都市本身居民為對象。
B/N 比愈大，表示都市經濟活動以都市以外居民為對象的性質愈高，
意味著都市發展潛力愈高。

區位商數概念（LQ）（ 陳健全，1996）
區位商數係可衡量某一產業在一地區較具比較利益或相對專業聚集的
程度，並可作為比較某產業在某一（次）區域之相對重要性與占全國相對
重要性的一種測量方法。區位商數利用就業或產值等資料，有效分析地方
產業之相對集中化程度，成為瞭解地方經濟基礎、當地產業資源、地方經
濟優勢與產業活動流向的重要依據。其公式如下：

該區域某產業就業人口／該區域全部就業人口比
區位商數（LQ） =
該城市某產業就業人口／全城市全部就業人口比
【式 5-8】

LQ > 1：表示某地區之該種產業有集中該區重要性之趨勢，數字愈大，其
集中程度愈大，小於 1 時則相反。
LQ = 1：表示某地區之該種產業與全區域該種產業各別在某區域所占比重
相等。
LQ = 0：表示某地區無該種產業。
 亦 即，LQ > 1 時，則 該 產 業 即 為 可 供 輸 出 其 他 地 區 消 費 的「基 礎 產
業」，該產業生產過剩可再輸出予其他地區消費；而 LQ < 1時，表示該產
業為僅供當地消費的「非基礎產業」。

獨立相關矩陣與區位商數概念比較
獨立相關矩陣（垂直）
以某屬性總和來看，一地區中某屬性占該屬性總和之比例，除以該地區
總和占全研究範圍總和之比例。
區位商數
區位商數公式，參式 5-8。
例如：假設高雄市三級產業的區位商數，參表 5-9、表 5-10-1 與表 5-10-2
（表 5-10-2 係由表 5-10-1 計算所得）所示：

表 5-9 高雄市三級產業基本資料矩陣

高雄 製造業 服務業 農林漁業

鹽埕 100 200 400

苓雅 200 300 500

鼓山 400 200 400

左營 300 500 500

表 5-10-1 高雄市三級產業區位商數矩陣

高雄 製造業 服務業 農林漁業

公 鹽埕 （100/700）/（1,000/4,000） （200/700）/（1,200/4,000） （400/700）/（1,800/4,000）

共
事 苓雅 （200/1,000）/（1,000/4,000） （300/1,000）/（1,200/4,000） （500/1,000）/（1,800/4,000）
務
鼓山 （400/1,000）/（1,000/4,000） （200/1,000）/（1,200/4,000） （400/1,000）/（1,800/4,000）
管
理 左營 （300/1,300）/（1,000/4,000） （500/1,300）/（1,200/4,000） （500/1,300）/（1,800/4,000）
研
究
方
法
 比
較
表 5-10-2 高雄市三級產業區位商數矩陣 分
析
高雄 製造業 服務業 農林漁業

鹽埕 0.57 0.95 1.27

苓雅 0.80 1.00 1.11

鼓山 1.60 0.67 0.89

左營 0.92 1.28 0.85

相關矩陣即區位商數的觀念
以數學的角度來觀察：
相關矩陣中，N甲,低 的相關係數 = 100/1,000 / 700/4,000 。
區位商數中（參表 5-10-1），N鹽,製 的區位商數 = 100/700 / 1,000/4,000 。
其運作過程僅為內項相乘項交換，所得出的值相同，此亦證明為何獨
立相關矩陣即為區位商數的概念。

相關集中度圖示
表 5-7-2 可以吉尼（Gini）係數表示（由垂直機率矩陣得到）。邊際機
率置於 X 軸；條件機率置於 Y 軸。以累積的方式依序畫出相關的強度曲
線圖（參圖 5-1）。例如，由低收入戶的分布曲線圖可知丙區低收入戶最多。

2
1.6
1.5

值 1
0.57 0.8 0.92
0.5

0
甲區 乙區 丙區 丁區

低收入

圖 5-1 A 市低收入戶分布曲線圖
 5.5 結論與評論

比較分析為一般性原理的方法論，對於各項相關研究的屬性皆可適用。可以
作為整合散亂資料的架構性方法。惟比較分析一次只能分析一個地區的某一種屬
性，並且係屬靜態面之討論，並未能考慮遷移效果。此外，比較分析亦不能進一
步針對資料加以分析，這些運用限制在採行此項分析方法時，必須加以注意。惟
比較分析或雖有上述缺失，但卻能夠以簡單的數學分析方式，有效獲得具體的探
討成果，故可相當程度的提供實務層面加以採用。

5.6 應用案例

以台北市各行政區產業特色之探討為假設案例，分述如下：

基本資料矩陣
以行表示台北市行業屬性（行業別），以列表示次級地區（行政區）。基本
資料，參表 5-11。

表 5-11 台北市各行政區產業別基本資料

金融 社會
產業 礦業及 批發零 運輸倉
水電 保險業 服務及 工商
別 土石採 製造業 營造業 售業及 儲業及 總計
行 燃氣業 及不動 個人服 服務業
公 取業 餐飲業 通信業
共 政區 產業 務業
事
務 松山區 1 654 7 694 10,632 1,809 1,079 1,556 1,877 18,309
管 信義區 2 486 0 690 7,650 1,237 520 1,337 1,382 13,304
理
研 大安區 5 744 7 1,034 15,175 975 1,316 2,375 3,224 24,855
究 中山區 13 1,235 3 719 17,366 2,323 1,397 2,391 2,364 27,811
方
法 中正區 7 509 7 424 8,805 1,058 655 1,477 1,677 14,619
大同區 3 1,055 1 193 9,884 558 346 919 590 13,549
 比
較
萬華區 4 1,265 0 330 9,049 1,174 191 1,499 555 14,067 分
析
文山區 2 242 6 368 3,440 1,282 163 730 379 6,612
南港區 3 902 4 259 2,375 769 71 506 201 20,679
內湖區 0 807 4 474 4,159 1,268 146 804 368 8,030
士林區 6 1,336 4 442 7,272 1,189 254 1,149 546 12,198
北投區 3 543 3 284 4,324 1,312 128 852 254 7,703
總計 49 9,778 46 5,911 100,131 14,954 6,266 15,595 13,417 166,147

資料來源：台北市統計要覽（2002）。

聯合機率矩陣
台北市各行政區產業別聯合機率矩陣，參表 5-12。

表 5-12 台北市各行政區產業別聯合機率矩陣

金融 社會
產業 礦業及 批發零 運輸倉
水電 保險業 服務及 工商
行 別 土石採 製造業 營造業 售業及 儲業及 總計
燃氣業 及不動 個人服 服務業
取業 餐飲業 通信業
政區 產業 務業

松山區 0.00001 0.00394 0.00004 0.00418 0.06399 0.01089 0.00649 0.00937 0.01130 0.11020

信義區 0.00001 0.00293 0.00000 0.00415 0.04604 0.00745 0.00313 0.00805 0.00832 0.08007

大安區 0.00003 0.00448 0.00004 0.00622 0.09133 0.00587 0.00792 0.01429 0.01940 0.14960

中山區 0.00008 0.00743 0.00002 0.00433 0.10452 0.01398 0.00841 0.01439 0.01423 0.16739

中正區 0.00004 0.00306 0.00004 0.00255 0.05300 0.00637 0.00394 0.00889 0.01009 0.08799

大同區 0.00002 0.00635 0.00001 0.00116 0.05949 0.00336 0.00208 0.00553 0.00355 0.08155

萬華區 0.00002 0.00761 0.00000 0.00199 0.05446 0.00707 0.00115 0.00902 0.00334 0.08467

文山區 0.00001 0.00146 0.00004 0.00221 0.02070 0.00772 0.00098 0.00439 0.00228 0.03980

南港區 0.00002 0.00543 0.00002 0.00156 0.01429 0.00463 0.00043 0.00305 0.00121 0.12446

內湖區 0.00000 0.00486 0.00002 0.00285 0.02503 0.00763 0.00088 0.00484 0.00221 0.04833

士林區 0.00004 0.00804 0.00002 0.00266 0.04377 0.00716 0.00153 0.00692 0.00329 0.07342

北投區 0.00002 0.00327 0.00002 0.00171 0.02603 0.00790 0.00077 0.00513 0.00153 0.04636

總計 0.00029 0.05885 0.00028 0.03558 0.60267 0.09000 0.03771 0.09386 0.08075 1.00000
 由表 5-12 可獲得以下之分析結果：
台北市產業別的比例，參表 5-13。

表 5-13 台北市產業別比例

金融 社會
礦業及 批發零 運輸倉
水電 保險業 服務及 工商
產業別 土石採 製造業 營造業 售業及 儲業及
燃氣業 及不動 個人服 服務業
取業 餐飲業 通信業
產業 務業

比例 0.00029 0.05885 0.00028 0.03558 0.60267 0.09000 0.03771 0.09386 0.08075

台北市不同行政區所擁有的廠商數占總廠商數的比例，參表 5-14。

表 5-14 台北市不同行政區擁有廠商數占總廠商數比例

行政區 比例 行政區 比例

松山區 0.11020 萬華區 0.08467

信義區 0.08007 文山區 0.03980

大安區 0.14960 南港區 0.12446

中山區 0.16739 內湖區 0.04833

中正區 0.08799 士林區 0.07342

大同區 0.08155 北投區 0.04636

水平機率矩陣
台北市各行政區產業別聯合機率矩陣，參表 5-15。
公
共
事
務
管
理
研
究
方
法
 比
較
表 5-15 台北市各行政區產業別水平機率矩陣 分
析
金融 社會
產業 礦業及 批發零 運輸倉
水電 保險業 服務及 工商
行 別 土石採 製造業 營造業 售業及 儲業及 總計
燃氣業 及不動 個人服 服務業
取業 餐飲業 通信業
政區 產業 務業

松山區 0.00005 0.03572 0.00038 0.03790 0.58070 0.09880 0.05893 0.08499 0.10252 1.00000

信義區 0.00015 0.03653 0.00000 0.05186 0.57502 0.09298 0.03909 0.10050 0.10388 1.00000

大安區 0.00020 0.02993 0.00028 0.04160 0.61054 0.03923 0.05295 0.09555 0.12971 1.00000

中山區 0.00047 0.04441 0.00011 0.02585 0.62443 0.08353 0.05023 0.08597 0.08500 1.00000

中正區 0.00048 0.03482 0.00048 0.02900 0.60230 0.07237 0.04480 0.10103 0.11471 1.00000

大同區 0.00022 0.07787 0.00007 0.01424 0.72950 0.04118 0.02554 0.06783 0.04355 1.00000

萬華區 0.00028 0.08993 0.00000 0.02346 0.64328 0.08346 0.01358 0.10656 0.03945 1.00000

文山區 0.00030 0.03660 0.00091 0.05566 0.52027 0.19389 0.02465 0.11041 0.05732 1.00000

南港區 0.00015 0.04362 0.00019 0.01252 0.11485 0.03719 0.00343 0.02447 0.00972 1.00000

內湖區 0.00000 0.10050 0.00050 0.05903 0.51793 0.15791 0.01818 0.10012 0.04583 1.00000

士林區 0.00049 0.10953 0.00033 0.03624 0.59616 0.09747 0.02082 0.09420 0.04476 1.00000

北投區 0.00039 0.07049 0.00039 0.03687 0.56134 0.17032 0.01662 0.11061 0.03297 1.00000

總計 0.00029 0.05885 0.00028 0.03558 0.60267 0.09000 0.03771 0.09386 0.08075 1.00000

由表 5-15 可以瞭解某行政區之各產業別分布多寡，以松山區為例：
礦業及土石採取業廠商數占松山區的總廠商數的比例為 0.00005。
製造業廠商數占松山區的總廠商數的比例為 0.03572。
水電燃氣業廠商數占松山區的總廠商數的比例為 0.00038。
營造業廠商數占松山區的總廠商數的比例為 0.03790。
批發零售業及餐飲業廠商數占松山區的總廠商數的比例為 0.58070。
運輸倉儲業及通信業占松山區的總廠商數的比例為 0.09880。
金融保險業及不動產業占松山區的總廠商數的比例為 0.05893。
社會服務及個人服務業占松山區的總廠商數的比例為 0.08499。
工商服務業占松山區的總廠商數的比例為 0.10252。

垂直機率矩陣
台北市各行政區產業別垂直機率矩陣，參表 5-16。
 表 5-16 台北市各行政區產業別垂直機率矩陣

金融 社會
產業 礦業及 批發零 運輸倉
水電 保險業 服務及 工商
行 別 土石採 製造業 營造業 售業及 儲業及 總計
燃氣業 及不動 個人服 服務業
取業 餐飲業 通信業
政區 產業 務業

松山區 0.02041 0.06688 0.15217 0.11741 0.10618 0.12097 0.17220 0.09978 0.13990 0.11020

信義區 0.04082 0.04970 0.00000 0.11673 0.07640 0.08272 0.08299 0.08573 0.10300 0.08007

大安區 0.10204 0.07609 0.15217 0.17493 0.15155 0.06520 0.21002 0.15229 0.24029 0.14960

中山區 0.26531 0.12630 0.06522 0.12164 0.17343 0.15534 0.22295 0.15332 0.17619 0.16739

中正區 0.14286 0.05206 0.15217 0.07173 0.08793 0.07075 0.10453 0.09471 0.12499 0.08799

大同區 0.06122 0.10790 0.02174 0.03265 0.09871 0.03731 0.05522 0.05893 0.04397 0.08155

萬華區 0.08163 0.12937 0.00000 0.05583 0.09037 0.07851 0.03048 0.09612 0.04137 0.08467

文山區 0.04082 0.02475 0.13043 0.06226 0.03435 0.08573 0.02601 0.04681 0.02825 0.03980

南港區 0.06122 0.09225 0.08696 0.04382 0.02372 0.05142 0.01133 0.03245 0.01498 0.12446

內湖區 0.00000 0.08253 0.08696 0.08019 0.04154 0.08479 0.02330 0.05155 0.02743 0.04833

士林區 0.12245 0.13663 0.08696 0.07478 0.07262 0.07951 0.04054 0.07368 0.04069 0.07342

北投區 0.06122 0.05553 0.06522 0.04805 0.04318 0.08774 0.02043 0.05463 0.01893 0.04636

總計 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000

由表 5-16 可以瞭解某行業別在不同行政區的分布情形，以製造業為例：
製造業廠商數占松山區的總廠商數的比例為 0.06688。
製造業廠商數占信義區的總廠商數的比例為 0.04970。
製造業廠商數占大安區的總廠商數的比例為 0.07609。
製造業廠商數占中山區的總廠商數的比例為 0.12630。
製造業廠商數占中正區的總廠商數的比例為 0.05206。
公 製造業廠商數占大同區的總廠商數的比例為 0.10790。
共
事 製造業廠商數占萬華區的總廠商數的比例為 0.12937。
務
管 製造業廠商數占文山區的總廠商數的比例為 0.02475。
理
研 製造業廠商數占南港區的總廠商數的比例為 0.09225。
究 製造業廠商數占內湖區的總廠商數的比例為 0.08253。
方
法 製造業廠商數占士林區的總廠商數的比例為 0.13663。
製造業廠商數占北投區的總廠商數的比例為 0.05553。
 比
較
分
水平機率差異矩陣 析

台北市各行政區產業別水平機率差異矩陣，參表 5-17。

表 5-17 台北市各行政區產業別水平機率差異矩陣

產業 礦業及土 批發零 運輸倉 金融保 社會服務

水電 工商
別 石採取業 製造業 營造業 售業及 儲業及 險業及 及個人服
行 燃氣業 服務業
餐飲業 通信業 不動產業 務業
政區
松山區 0.00024 0.02313 0.00011 0.00233 0.02197 0.00880 0.02122 0.00888 0.02176

信義區 0.00014 0.02232 0.00028 0.01629 0.02765 0.00297 0.00137 0.00663 0.02312

大安區 0.00009 0.02892 0.00000 0.00602 0.00788 0.05078 0.01523 0.00169 0.04896

中山區 0.00017 0.01444 0.00017 0.00972 0.02176 0.00648 0.01252 0.00789 0.00425

中正區 0.00018 0.02403 0.00020 0.00657 0.00037 0.01763 0.00709 0.00717 0.03396

大同區 0.00007 0.01901 0.00020 0.02133 0.12684 0.04882 0.01218 0.02603 0.03721

萬華區 0.00001 0.03108 0.00028 0.01212 0.04061 0.00655 0.02414 0.01270 0.04130

文山區 0.00001 0.02225 0.00063 0.02008 0.08240 0.10389 0.01306 0.01654 0.02343

南港區 0.00015 0.01523 0.00008 0.02305 0.48781 0.05282 0.03428 0.06939 0.07103

內湖區 0.00029 0.04165 0.00022 0.02345 0.08473 0.06790 0.01953 0.00626 0.03493

士林區 0.00020 0.05067 0.00005 0.00066 0.00650 0.00747 0.01689 0.00033 0.03599

北投區 0.00009 0.01164 0.00011 0.00129 0.04133 0.08032 0.02110 0.01674 0.04778

垂直機率差異矩陣
台北市各行政區產業別垂直機率差異矩陣，參表 5-18。
差異指標：差異指標是傳統量度空間關係集中或分散的方法，並且顯示何
者須與其他地區因子交換位置，才能達到所有層級均等的次群成員比例。
將水平機率差異矩陣每一列的正值或負值加總取絕對值，可得不同行政區
的差異指標。台北市各行政區差異矩陣，參表 5-19。
 表 5-18 台北市各行政區產業別垂直機率差異矩陣

批發零 運輸倉 金融保險 社會服務

產業 礦業及土 水電 工商
製造業 營造業 售業及 儲業及 業及不動 及個人服
行 別 石採取業 燃氣業 服務業
餐飲業 通信業 產業 務業
政區

松山區 0.08979 0.04331 0.04198 0.00721 0.00402 0.01077 0.06200 0.01042 0.02970

信義區 0.03926 0.03037 0.08007 0.03666 0.00367 0.00265 0.00291 0.00566 0.02293

大安區 0.04756 0.07351 0.00258 0.02533 0.00196 0.08440 0.06043 0.00270 0.09070

中山區 0.09792 0.04108 0.10217 0.04575 0.00604 0.01204 0.05556 0.01407 0.00881

中正區 0.05487 0.03593 0.06419 0.01626 0.00005 0.01724 0.01654 0.00672 0.03700

大同區 0.02032 0.02635 0.05981 0.04890 0.01716 0.04423 0.02633 0.02262 0.03757

萬華區 0.00303 0.04471 0.08467 0.02884 0.00571 0.00616 0.05418 0.01145 0.04330

文山區 0.00102 0.01505 0.09064 0.02246 0.00544 0.04593 0.01378 0.00701 0.01155

南港區 0.06324 0.03221 0.03751 0.08065 0.10074 0.07304 0.11313 0.09202 0.10948

內湖區 0.04833 0.03420 0.03863 0.03186 0.00680 0.03646 0.02503 0.00322 0.02090

士林區 0.04903 0.06322 0.01354 0.00136 0.00079 0.00609 0.03288 0.00026 0.03272

北投區 0.01486 0.00917 0.01885 0.00168 0.00318 0.04137 0.02593 0.00827 0.02743

表 5-19 台北市各行政區差異矩陣

松山區 信義區 大安區 中山區 中正區 大同區

0.05422 0.05038 0.07978 0.03870 0.04860 0.14585

差異矩陣
萬華區 文山區 南港區 內湖區 士林區 北投區

0.08439 0.14115 0.75384 0.13948 0.05938 0.11019

公
共 以松山區為例，其差異指標值：
事
務 0.05422 = 0.00011 + 0.00233 + 0.0088 + 0.02122 + 0.2176
管
理
研
究 由表 5-19 可以瞭解：
方 南港區的差異指標值最大為 0.75384，可知南港區行業分布與全台北市
法
行業分布的差異最大。
 比
較
中山區的差異指標值最小為 0.03870，可知中山區行業分布與全台北市 分
析
行業分布的差異最小。
垂直機率差異矩陣每一行的正值或負值加總取絕對值，可得不同行業之差
異指標。參表 5-20。

表 5-20 台北市各產業別差異指標

金融 社會
產業 礦業及 水電
批發零 運輸倉
保險業 服務及 工商
別 土石採 製造業
燃氣業
營造業 售業及 儲業及
及不動 個人服 服務業
指標 取業 餐飲業 通信業
產業 務業
差異
0.2177 0.17765 0.27041 0.12656 0.03087 0.14327 0.19744 0.04529 0.18914
指標

以水電燃氣業為例，其差異指標：

0.27041 = 0.04198 + 0.00258 + 0.06419 + 0.09064

+ 0.03863 + 0.01354 + 0.01885

由表 5-20 可以瞭解：
水電燃氣業的差異指標最大為 0.27041，故水電燃氣業最為分散。
批發零售業及餐飲業最小為 0.03087，故批發零售業及餐飲業最為集中。

獨立相關矩陣
台北市各行政區產業別獨立相關矩陣，參表 5-21。
 表 5-21 台北市各產業別獨立相關矩陣

金融 社會
產業 礦業及 水電燃
批發零 運輸倉
保險業 服務及 工商
行 別 土石採 製造業
氣業
營造業 售業及 儲業及
及不動 個人服 服務業
政區 取業 餐飲業 通信業
產業 務業
松山區 0.18520 0.60695 1.38092 1.06543 0.96355 1.09776 1.56264 0.90542 1.26951
信義區 0.50973 0.62072 0.00000 1.45780 0.95412 1.03305 1.03639 1.07067 1.28636
大安區 0.68211 0.50863 1.01723 1.16933 1.01307 0.43584 1.40393 1.01802 1.60627
中山區 1.58498 0.75456 0.38962 0.72668 1.03611 0.92804 1.33193 0.91595 1.05261
中正區 1.62359 0.59162 1.72948 0.81523 0.99939 0.80409 1.18803 1.07639 1.42054
大同區 0.75078 1.32308 0.26658 0.40039 1.21046 0.45757 0.67713 0.72263 0.53924
萬華區 0.96417 1.52803 0.00000 0.65939 1.06739 0.92726 0.36003 1.13529 0.48857
文山區 1.02564 0.62191 3.27758 1.56440 0.86328 2.15422 0.65367 1.17624 0.70981
南港區 0.49191 0.74117 0.69866 0.35205 0.19057 0.41317 0.09104 0.26069 0.12037
內湖區 0.00000 1.70766 1.79920 1.65918 0.85940 1.75444 0.48210 1.06671 0.56750
士林區 1.66786 1.86106 1.18442 1.01851 0.98921 1.08300 0.55214 1.00355 0.55430
北投區 1.32056 1.19779 1.40668 1.03631 0.93143 1.89238 0.44061 1.17838 0.40833

由表 5-21 可以瞭解：
對松山區而言，金融保險業及不動產業是最有潛力的行業別。
對信義區而言，營造業是最有潛力的行業別。
對大安區而言，工商服務業是最有潛力的行業別。
對中山區而言，礦業及土石採取業是最有潛力的行業別。
對中正區而言，水電燃氣業是最有潛力的行業別。
對大同區而言，製造業是最有潛力的行業別。
公
共 對萬華區而言，製造業是最有潛力的行業別。
事 對文山區而言，水電燃氣業是最有潛力的行業別。
務
管 對南港區而言，製造業是最有潛力的行業別。
理
研 對內湖區而言，水電燃氣業是最有潛力的行業別。
究
方 對士林區而言，製造業是最有潛力的行業別。
法 對北投區而言，運輸倉儲業及通信業是最有潛力的行業別。