臺灣博碩士論文加值系統

近年來，受氣候與傳染病影響，人類旅遊需求改變，尤其當熱浪天數增加，極地旅遊人數明顯上升，而傳染病流行對旅遊需求也有著負面的影響。臺灣南部地區於2014及2015年受登革熱嚴重影響，造成當地旅遊人數減少，但登革熱對旅遊需求影響在國內外實證研究上卻相當匱乏。因此本研究目的在於分析當氣候變遷重要因子發生改變時對登革熱病媒蚊密度(布氏)指數影響後，進一步了解氣候與登革熱對臺灣南部縣市主要觀光景點旅遊需求影響。

本研究使用追蹤資料模型(Panel data model)中的固定效果模型(Fixed effect model)來估計氣候因子對布氏指數影響及氣候與登革熱對臺灣南部縣市主要觀光景點旅遊需求影響。結果發現，平均溫度、雨量及相對濕度對布氏指數皆有顯著的正向影響，且平均溫度對於布氏指數的增加幅度的影響明顯大於其他氣候因子。而氣候與登革熱對旅遊需求影響方面，平均溫度及雨量對旅遊需求呈顯著負面影響，平均每人實質所得以及寒暑假呈現顯著的正面影響，而登革熱確診人數雖無顯著影響但與旅遊需求成負相關。

In recent years, tourism demand changed by climate and infectious disease, especially when the days of the heat waves increased, the tourist in the polar region increased significantly. The infectious disease epidemic on tourism demand also has a negative impact. In 2014 and 2015, due to the dengue fever, the tourist decreased in South Taiwan. But the empirical analysis for the impact of dengue fever on tourism is quite scarce whether it is domestic or foreign literature. Therefore, the first propose of this study is to analyze the impact of climate variables changed on Breteau index. And the second is to understand how climate and dengue fever impact on the visitors to the principal scenic spots in south Taiwan.
This study used the fixed effect model to analyze. The first equation shows that the average temperature, rainfall, and humidity had a significant positive effect on Breteau index. The second one shows the average temperature, rainfall, average per real income and dummy variable for summer or winter vacation were significantly impact on tourism demand. Although the confirmed cases of indigenous dengue fever were not significant impact but negative related with the tourism demand.

第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 6
第三節 架構與流程 7
第二章 文獻回顧 8
第一節 氣候變遷的簡介 8
第二節 登革熱 9
第三節 氣候變遷與登革熱之間關係 11
第四節 傳染病對旅遊需求的影響 14
第三章 資料收集與研究方法 20
第一節 資料來源及變數定義 20
第二節 單根檢定 21
第三節 追蹤資料模型分析 23
第四章 氣候對登革熱影響之實證研究及結果 25
第一節 變數資料分析與模型設定 25
第二節 單根檢定 29
第三節 追蹤資料模型分析 30
第五章 氣候與登革熱對旅遊需求影響之實證研究及結果 32
第一節 變數資料分析與模型設定 32
第二節 單根檢定 40
第三節 追蹤資料模型分析 41
第六章 結論與建議 43
第一節 結論 43
第二節 建議 45
參考文獻 46

一、英文文獻
Alvarez, J. & M. Arellano. (2003). The Time Series and Cross-Section Asymptotics of Dynamic Panel Data Estimators. Econometrica, 71(4), 1121-1159. doi: 10.1111/1468-0262.00441.
Bai, J. (2013). Fixed-Effects Dynamic Panel Models, a Factor Analytical Method. Econometrica, 81, 285-314. doi: 10.3982/ECTA9409.
Bancroft T. (1906). On the etiology of dengue fever. Aust Med Gaz, 25, 17-18.
Banu S., Hu W., Guo Y., Hurst. C., Tong S. (2013). Projecting the impact of climate change on dengue transmission in Dhaka, Bangladesh. Environment International, 63, 137-142. doi: 10.1016/j.envint.2013.11.002.
Ebi K. L., Nealon J. (2016). Dengue in a changing climate. Environmental Research, 151, 115-123. doi: 10.1016/j.envres.2016.07.026.
Gnanapragasam S. R. & Cooray T. M. J. A. (2015). Time Series Models to Forecast Dengue Fever Incidences in Western Province of Sri Lanka. 8th International Research Conference, KDU.
Graham H. (1903). The dengue: a study of its pathology and mode of propagation. J Trop Med, 209-214.
Hamilton J. M., Maddison D. J., Tol R. S. J. (2005). Climate change and international tourism: A simulation study. Global Environmental Change, 15, 253-266. doi:10.1016/j.gloenvcha.2004.12.009.
Hansen L. P. (1982). Large Sample Properties of Generalized Method of Moments Estimators. Econometrics, 50(5), 1029-1054.
Hsu J. C., Hsieh C. L., Lu C.Y. (2017) Trend and geographic analysis of the prevalence of dengue in Taiwan,2010-2015. International Journal of Infectious Diseases, 54, 43-49. doi: 10.1016/j.ijid.2016.11.008.
Hung Y. L., Lee Y. H. (2011). Accurately Forecasting Model for the Stochastic Volatility Data in Tourism Demand. Modern Economy, 2011, 2, 823-829. doi:10.4236/me.2011.25091.
Hsiao C., M. H. Pesaran, and A. K. Tahmiscioglu. (2002). Maximum Likelihood Estimation of Fixed Effects Dynamic Panel Data Models Covering Short Time Periods. Journal of Econometrics, 109, 107-150. doi: 10.1016/S0304-4076(01)00143-9.
Im K. S., Pesaran M. H., Shin Y. (2003). Testing for unit roots in heterogeneous Panels. Journal of Econometrics, 115(1), 53-74. doi: 10.1016/S0304-4076(03)00092-7.
Kuo H. I., Chang C. L., Huang B. W., Chen C. C. Michael McAleer (2009). Estimating the Impact of Avian Flu on International Tourism Demand Using Panel Data. Tourism Economics, 15(3), 501-511. doi: 10.2139/ssrn.1365228.
Levin A., Lin C. F., & Chu C. S. J. (2002). Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties. Journal of Econometrics, 108(1), 1-24. doi: 10.1016/S0304-4076(01)00098-7.
Lin H. C., Wang C. H., Yang J. M. (2010). The Analysis of Asia Travel：Tourism Demand Forecasting with an EMD-based Random Forest. Sustainable development and management strategy, 2(2), 53-70.
Luz P. M., Mendes B. V., Codeco C. T., Struchiner C. J., & Galvani A. P.(2008). Time Series Analysis of Dengue Incidence in Rio de Janeiro, Brazil. Am. J. Trop. Med. Hyg, 79(6), 933–939.
M. Arellano and S.R. Bond. (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. Review of Economic Studies, 58, 277-297. doi: 10.2307/2297968.
Michael McAleer, Huang B. W., Kuo H. I., Chen C. C., Chang C. L. (2008). An Econometric Analysis of SARS and Avian Flu on International Tourist Arrivals to Asia. Environmental Modelling & Software, 25, 100-106. doi: 10.1016/j.envsoft.2009.07.015.
Min J. C. H., Tang H. W. V. (2011). Forecasting Chinese Tourism Demand in Taiwan Using GM (1, 1) Interval Prediction Model. Journal of Grey System, 14(1), 1-8.
Morin, C.W., Comrie A.C., Ernst, K. (2013) Climate and Dengue Transmission: Evidence and Implications. Environmental Health Perspectives, 121, 1264-1272. doi: 10.1289/ehp.1306556.
Naing C. M., Lertmaharit S. & Naing A. K. S. (2002). Time-Series Analysis of Dengue Fever/Dengue haemorrhagic Fever in Myanmar since 1991. Dengue Bulletin, 26, 24-32.
Promprou S., Jaroensutasinee M., & Jaroensutasinee K. (2006). Forecasting Dengue Haemorrhagic Fever Cases in Southern Thailand using ARIMA Models. Dengue Bulletin, 30, 99-106.
Sun J., Lu L., Wu H., Yang J., Xu L., Sang S., Liu Q. (2017). Epidemiological trends
of dengue in mainland China, 2005-2015. International Journal of Infectious Diseases, 57, 86-91 doi: 10.1016/j.ijid.2017.02.007.
Tang J. C. & Songsak S. (2013) Co-movement of China Outbound Tourism Demand: Singapore, Thailand and Malaysia. INTELLIGENT TECHNOLOGIES AND APPLIED STATISTICS, 6(3), 225-244. doi: 10.6148/IJITAS.2013.0603.02.
Tong M. X., Hansen A., Hanson-Easey S., Cameron S., Xiang J., Liu Q., Liu X., … , Bi P. (2016). Perceptions of capacity for infectious disease control and prevention to meet the challenges of dengue fever in the face of climate change : A survey among CDC staff in Guang dong Province, China. Environmental Research, 148, 295-302. doi: 10.1016/j.envres.2016.03.043.
Tseng W. C., Chen C. C., Chang C. C., & Chu Y. H. (2009). Estimating the Economic Impacts of Climate Change on Infectious Disease : A Case Study on Dengue Fever in Taiwan. Climatic Change. 92(1-2), 123-140. doi :10.1007/s10584-008-9437-6.
Wu P. C., Guo H. R., Lung S. C., Lin C. Y., Su H. J. (2007). Weather as an effective predictor for occurrence of dengue fever in Taiwan. Acta Tropica, 103, 50-57. doi:10.1016/j.actatropica.2007.05.014.
Xiang J., Hansen A., Liu Q., Liu X., Tong M. X., Sun Y., Cameron S., …., Bi P. (2016). Association between dengue fever incidence and meteorological factors in Guangzhou, China, 2005–2014. Environmental Research, 153(2017), 17-26. doi: 10.1016/j.envres.2016.11.009.

二、中文文獻
王純陽，黃福才(2009)。中國入境旅遊需求影響因素分析及預測。商業經濟管理期刊，第215卷，第9期，頁88-96。
吳樹寰(2013)。臺灣地區性氣候因子及聖嬰/反聖嬰事件對登革熱發生之時間影響趨勢。中國醫藥大學公共衛生學系碩士班學位論文。
亞拉妮(2013)。降雨對於登革熱發病率的潛在衝擊：印尼與台灣的案例研究。國立成功大學環境醫學研究所碩士班學位論文。
林世然(2015)。大數據分析應用於登革熱疫情趨勢之研究。國立高雄應用科技大學電機工程系博碩士班學位論文。
林孟宜(2007)。國人前往亞洲國家旅遊需求體系之研究。亞洲大學休閒與遊憩管理學系碩士論文。
林靜瑜(2014)。探討國際事件對國際旅遊需求之影響以東亞地區國家為例。逢甲大學經濟學系碩士論文。
秋鳳臨、陳奕均(2010)。歐美地區對臺灣之旅遊需求預測。國家發展研究，第九卷，第二期，頁1-26。
柴蕙質、楊奕農(2009)。要素價格均等定理檢定:橫斷相關追蹤資料單根檢定之應用。人文及社會科學集刊，第二十二卷，第三期，頁275-302。
許晃雄(2001)。淺談氣候變遷的科學。科學發展，第29卷，第12期，頁867-878。
許登芳(2013)。國際對台觀光需求決定因素之分析。人文社會科學研究，第七卷，第二期，頁37-54。
陳雲蘭(2008)。百年來台灣氣候的變化。科學發展，2008年4月，第424期，頁6-11。
黃正中(1987)。溫度對埃及斑蚊與白線斑蚊幼蟲發育之影響及其成蟲族群介量與產卵行為之觀察。東海大學生物學研究所碩士班學位論文。
楊嘉慧(2010)。最易傳播登革病毒的溫度： 25~32 ℃。科學人雜誌，第441期。
廖斌斌(2009)。臺灣入境旅遊需求影響因素分析。臺灣農業探索，2009年4月第2期，頁11-13。
歐子廷(2011)。日本出境旅遊需求體系季節變動效果之研究。亞洲大學休閒與遊憩管理學系碩士論文。
謝振榮(2016)。登革熱疫情與氣象因子相關性之研究-以2015年台南地區為例。中華科技大學土木防災與管理碩士班學位論文。
鍾宜陵(2008)。國人於臺灣及國外地區觀光旅遊需求之研究。中國文化大學經濟學碩士論文。

三、參考網站
1. 衛生福利部疾病管制署：http://www.cdc.gov.tw/rwd.
2. 交通部觀光局：http://taiwan.net.tw/
3. 中央氣象局全球資訊網：http://www.cwb.gov.tw/V7/index.htm.
4. 台南市政府觀光旅遊局：http://www.twtainan.net/.
5. 臺南市政府全球資訊網：http://www.tainan.gov.tw/tainan/.
6. 高雄市政府全球資訊網：http://www.kcg.gov.tw/.
7. 屏東縣政府全球資訊網：https://www.pthg.gov.tw/.
8. 主計處總體資料庫：http://statdb.dgbas.gov.tw/pxweb/dialog/statfile9L.asp