臺灣博碩士論文加值系統

面對急遽變動的世界，預測的需求有增無減，並且，預測總是被期待有助於
達成更佳的規劃與決策，從而降低風險與提升效益。產業的產值反應了該產業的
經濟狀況，而各產業產值的總合即代表了國家整體的經濟狀況。做好對產值之預
測工作便愈顯其必要。
本研究根據行政院主計處工業生產統計資訊所公告之 2009 年到 2016 年台灣
產值，以 GM(1,1)、移動平均法、指數平滑法，針對台灣批發和零售服務業的年
產值進行預測與實證分析。
GM(1,1)結果顯示，該模型具有良好的預測能力，服務業產值預測精確度最高
為四期 99.79%，批發及零售產值預測測精確度最高為四期 99.51%，所有預測數據
都屬於具有極高參考價值的優良預測水平。因此，本研究表明，灰色模型 GM(1,1)
具有預測台灣產值趨勢的可行性。最後，根據預測結果進行討論，並提出相關建議，
以做為政府單位、後續學者及從事相關領域研究人員之參考。

Facing up to the rapid changing world, decision makers always consider some kind of forecast models that can help them achieve maximizing benefits and minimizing risks for the future. The output value of industry reflects the economic condition. The sum of output values indicates the economic situation of the country. Therefore, accurate forecast on the output value is quite important.
Based to the output value from 2009 to 2016 of Directorate-General of Budget, Accounting and Statistics (DGBAS), Executive Yuan, ROC (Taiwan), this study used GM(1,1) model of grey theory to build the model of forecasting annual output value of wholesale and retail service industry. Also, the forecast results of the built forecasting model, moving averages, and exponential smoothing are compared. The results of the built forecast model by using GM (1.1) show that the model has better forecasting ability than other two. That is, the built forecast model by using GM (1.1) has highest forecast
precision of service industry and wholesale and retail industry with four period data. Finally, the study provided some suggestions for reference to related organizations.

摘要 I
ABSTRACT II
誌謝 III
目錄 IV
表目錄 VI
圖目錄 VII
壹、緒論 1
第一節 研究背景 1
第二節 研究動機 2
第三節 研究目的 5
第四節 研究範圍與流程 6
貳、文獻探討 8
第一節 預測方法分析文獻 8
第二節 灰色預測分析之相關應用 18
參、研究方法 25
第一節 研究方法介紹 25
第二節 建立灰預測 GM(1,1)預測模型 35
肆、實證分析 39
第一節 服務業之預測方法比較分析 40
第二節 批發及零售業之預測方法比較 46
伍、結論與建議 50
第一節 結論 50
第二節 研究貢獻 51
第三節 研究限制 52
第四節 未來研究方向與建議 53
參考文獻 54

中文部分
[1] 于宗先，1972，經濟預測，中央研究院經濟研究所。
[2] 方世杰，1988，市場預測方法一百種，書泉出版社。
[3] 方世榮，1988，行銷管理，台北，三民書局。
[4] 王怡清，2013，以灰色理論預測智慧型手機之銷售量，成功大學工業與資訊
管理學系學位論文，第 1-65 頁。
[5] 王國華，李姿瑩，許雅淳，2012，灰色 GM(1,1)模型預測我國勞保職災給付
研究。健康管理學刊，第 10 卷，第 72-81 頁。
[6] 邱志銘，2009，灰色預測理論應用於國軍歲入預測之研究。國防大學管理學
院財務管理學系碩士論文。
[7] 余序江，許志義，陳澤義，1998，科技管理導論：科技預測與規劃，台北：
五南圖書出版公司。
[8] 吳漢雄，鄧聚龍，溫坤禮，1996，灰色分析入門，台北：高立圖書。
[9] 吳偉文，粘浩挺，李右婷，2016，不確定性環境下比較灰色預測模型績效，
東亞論壇季刊，第 492 期，第 1-16 頁。
[10] 吳明兼，2011，整合灰色理論與支援向量迴歸於易腐性商品銷售量之預測
以連鎖便利商店為例，國立雲林科技大學碩士論文。
[11] 周文賢，陳錦滄，1991，商情預測-理論架構與實務運作(初版)，台北:華泰書
局。
[12] 卓般玉，2014，應用灰預測 GM(1,1)預測遊客數-以台灣國家公園為例，大葉
大學休閒事業管理學系碩士論文。
[13] 林志鈞，張德明，謝建元，2012，應用專家系統及灰關聯分析於葡萄酒之選
購及品評，大葉大學生物產業科技學系研究所博士論文。
[14] 林庚達，2011，灰色理論於磷酸鋰鐵電池電量估測。國立高雄第一科技大學
系統資訊與控制研究所碩士論文。
[15] 陳彥琴，2005，應用灰色理論預測新上市之生技保健食品銷售量，成功大學
工業與資訊管理學系碩士在職專班學位論文。
[16] 陳妤庭，2012，「灰預測和 Malmquist 生產力指標評估策略聯盟績效-以美
國電信服務產業為例」，國立高雄應用科技大學碩士論文。
[17] 陳威志，2011，應用灰色理論於台灣行動電話銷售量之預測，義守大學工業
工程與管理學系碩士論文。
[18] 陳建舜，2011，「以灰預測探討網路犯罪之研究」，中華大學資訊管理學系碩
士論文。
[19] 陳柔諺，2010，運用灰色理論於飛機可靠度瞬間失效預測之研究，朝陽科技
大學企業管理碩士班，碩士論文。
[20] 黃馨玫，黃營芳，黃士滔，2013，應用灰色理論預測台灣糖果產業銷售量之
研究，商業現代化學刊，第 7 卷，第 2 期，第 243-258 頁。
[21] 黃慧佳，2014，台灣數位內容產業趨勢研究-灰預測之應用，數位內容設計與
管理學碩士班，碩士論文。
[22]. 黃營芳，張志瓏，2013，台灣飲料店業的銷售預測模型。商業現代化學刊，
第 7 卷，第 2 期，第 227-242 頁。
[23] 張志瓏，2013，運用灰馬可夫在台灣飲料店業的銷售預測，國立高雄應用科
技大學工業工程與管理系碩士班，碩士論文。
[24] 葉若春，1986，生産計劃與管制，中興管理顧問公司。
[25] 楊進興，文一智，2015，應用灰色理論預測臺灣地區房地產價格之研究。物
業管理學報，第 6 卷，第 2 期，第 25-33。
[26] 楊明錞，黃英傑，黎煥玄，2012，應用灰色馬可夫鏈預測 7-ELEVEn 營收，
明新學報，第 38 卷，第 1 期，第 147-161 頁。
[27] 温坤禮，趙忠賢，張宏志，陳曉瑩，溫惠筑，2013，灰色理論，台灣五南圖
書出版股份有限公司。
[28] 鄧聚龍，吳漢雄，溫坤禮，1996，灰色分析入門，高立圖書有限公司。
[29] 歐宗殷，2010，資料探勘為基礎之零售業銷售預測模式-以連鎖超商鮮食商品
為例，清華大學工業工程與工程管理學系學位論文，博士論文。
[30] 賴明勇，林正龍，孫楓林，1999，商情預測，台北:五南。
[31] 盧華安，陳秀育，尤郁晴，2012，應用灰色理論於港埠貨櫃吞吐量預測全球
貿易之研究，運輸計劃季刊，第 41 卷，第 2 期，第 113-133 頁。
[32]. 羅仕京，洪朝彬，2016，高速公路服務區經營之灰預測動態競合分析-以國道
三號中部服務區為例，運輸學刊，第 28 卷，第 4 期，第 429-453 頁。

英文部分
[1] Bernstein, G. L. (1984). The art of using forecasts effectively. Directors & Boards, 8, 23-26.
[2] Chin, Y. C., Lee, Y. H., & Chou, C. C. (2013). Appling Grey Relational Grade to Study the 92 Unleaded Gasoline.Journal of Grey System,16(2), 121-127.
[3] Chang, T. S., Ku, C. Y., & Fu, H. P. (2013). Grey theory analysis of online population and online game industry revenue in Taiwan.Technological Forecasting and Social
Change,80(1), 175-185.
[4] Draper, N. R., & Smith, H. (2014). Applied regression analysis. John Wiley & Sons.
[5] Julong, D. (1989). Introduction to grey system theory. The Journal of grey system, 1(1),
1-24.
[6] Georgoff, D. M., & Murdick, R. G. (1986). Manager's guide to forecasting.Harvard
Business Review. 64(1), 1-9
[7] Herbig, P., Milewicz, J., & Golden, J. E. (1993). Forecasting: who, what, when and how.
The Journal of Business Forecasting, 12(2), 16.
[8] Mohammadi, A., Moradi, L., Talebnejad, A., & Nadaf, A. (2011). The use of grey
system theory in predicting the road traffic accident in Fars province in Iran.
Australian Journal of Business and Management Research,1(9), 18.
[9] Makridakis, S., Andersen, A., Carbone, R., Fildes, R., Hibon, M., Lewandowski, R., ...
& Winkler, R. (1982). The accuracy of extrapolation (time series) methods: Results
of a forecasting competition. Journal of forecasting, 1(2), 111-153.
[10] Jansen, W. J., Jin, X., & de Winter, J. M. (2016). Forecasting and nowcasting real GDP:
Comparing statistical models and subjective forecasts. International Journal of
Forecasting, 32(2), 411-436.
[11] Kan, M. L., & Lee, Y. B. (2013). Application of Modified Grey Prediction Model to
Discuss Number of Tourists in Taroko. Journal of Grey System, 16(2), 139-148.
[12] Kolsarici, C., & Vakratsas, D. (2015). Correcting for Misspecification in Parameter
Dynamics to Improve Forecast Accuracy with Adaptively Estimated Models.
Management Science, 61(10), 2495-2513.
[13] Lebell, D., & Krasner, O. J. (1977). Selecting Environmental Forecasting techniques
from business planning requirements. Academy of Management Review, 2(3), 373-383.
[14] Lu, H. A., Chen, S. Y., & Yu, Y. C. (2012). An application of grey theory to global trade
predictions based on airport cargo traffic. Journal of Grey System, 15(4), 195-204.
[15] Lees, B., & Corchado, J. (1997). Case based reasoning in a hybrid agent-oriented
system. Proceedings of the 5th GWCBR Kaiserslautern, 139-144.
[16] Shen, X., & Lu, Z. (2014). The Application of Grey Theory Model in the Predication of
Jiangsu Province's Electric Power Demand. AASRI Procedia, 7, 81-87.
[17] Shieh, W. L. V. (1990). Using the Delphi technique to determine the most important
characteristics of effective teaching in Taiwan (Doctoral dissertation, University of
CinCinnati).
[18] Shyur, H. J., Luxhoj, J. T., & Williams, T. P. (1996). Using neural networks to predict
component inspection requirements for aging aircraft. Computers & industrial
engineering, 30(2), 257-267.
[19] Tsai, Y. L., Li, H. L., & Lee, K. Y. (2012). The Prices Prediction of Taiwan Stock via
GM (1, 1) Method. Journal of Grey System, 15(2), 95-102.
[20] Wu, H. H., Liao, A. Y. H., & Wang, P. C. (2005). Using grey theory in quality function
deployment to analyse dynamic customer requirements. The International Journal of Advanced Manufacturing Technology, 25(11), 1241-1247.
[21] Zeng, B., & Li, C. (2016). Forecasting the natural gas demand in China using a self
adapting intelligent grey model. Energy, 112, 810-825.

網路部分
[1] 行政院主計處，「國民所得統計及國內經濟情勢展望」，2017 年 2 月 15 日。
[2] 謝邦昌. (2000). 類神經網路概述及實例. 輔仁大學統計學系,(網路教材)http://www.stat.fju.edu.tw/Teachonline/BENCHANG/DOWNLOAD/neural. doc.