1. NCCU Academic Hub
  2. Publications
  3. College of Commerce
  4. Theses
  5. Item

Publications-Theses

Article View/Open

Publication Export

Google ScholarTM

NCCU Library

Citation Infomation

Related Publications in TAIR

題名 影響離岸風力發電態度之研究
Research on the influence of attitude toward offshore wind energy
作者 吳貞儀
貢獻者 鄭宇庭
吳貞儀
關鍵詞 離岸風力發電
卡方分析
對應分析
決策樹
日期 2017
上傳時間 10-Aug-2017 10:20:32 (UTC+8)
摘要 綠色能源為大多數國家所追求之能源，我國政府也不例外，近年來開始推動綠色能源，如：太陽能、風力發電，依台灣各地區合適之發電條件，採取合適的綠能之發電方式，本研究為探討台灣西部地區離岸風力發電之民意調查，瞭解當地居民對於在當地外海興建離岸風力發電之看法，並深入了解是哪些因素影響對該計畫之贊成程度。
本研究問卷在台灣西部沿海縣市實施面訪，其中最多樣本數之縣市為彰化縣，因此除了觀察整體西部縣市受訪者回應之特性，亦觀察彰化縣之受訪者，並依問卷各項題目與計畫贊成程度題目做交叉分析，瞭解有哪些題目與受訪者是否贊成本計畫相關，並且以對應分析，將與贊成程度相關之選項來判斷與贊成度之關係，瞭解是具備哪些回答要素之受訪者會較不贊成本計畫，以及使用決策樹分析，利用分支來找尋贊成、不贊成、有條件贊成本計畫之因素。
研究結果顯示，所有題目均與計畫贊成與否之題目相關，唯獨有一題目與贊成程度不相關；在決策樹分析無不贊成該計畫之分支，因此若是要瞭解不贊成該計畫之原因，則這決策樹分析無參考價值，但由對應分析發現某縣與不贊成該計畫之選項相近，代表樣本較傾向於不贊成該計畫，因此將之樣本做決策樹分析，研究發現有部分特徵之受訪者一般最後會選擇不贊成本計畫。
參考文獻 一、 中文文獻
1. 千架海路風力機-風力資訊整合平台，http://www.twtpo.org.tw/。
2. 台灣電力公司，歷年電售量統計資料。
3. 用數據看台灣，https://www.taiwanstat.com/realtime/power/。
4. 林曉芳，2013，統計學SPAA應用，鼎茂圖書出版股份有限公司。
5. 謝邦昌、鄭宇庭，2015，資料採礦之技術及應用-Excel實例演練，新陸書局股份有限公司。
6. 謝邦昌、鄭宇庭，2016，大數據概論，新陸書局股份有限公司。
二、 英文文獻
1. Berry, M. J. & G. Linoff, 1997, Data Mining Techniques: For Marketing, Sales, and Customer Support, John Wiley & Sons, Inc. New York, NY, USA.
2. European Wind Energy Association, 2013, Deep water - The next step for offshore wind energy, European Wind Energy Association, p20.
3. Fayyad, U., G. Piatetsky-Shapiro & S. Padhraic, 1996, AI Magazine, Volume 17 Number 3.
4. Hu, S. Y., 2015, Policy and Promotion of Offshore Wind Power in Taiwan, Industrial Technology Research Institute.
5. Mehner, E., 2016, An investment case on offshore wind energy in Taiwan.
6. Shearer, C., 2000, The CRISP-DM model: the new blueprint for data mining, Journal of Data Warehousing, Volume 5 Number 4 p13—p22.
描述 碩士
國立政治大學
企業管理研究所(MBA學位學程)
104363110
資料來源 http://thesis.lib.nccu.edu.tw/record/#G0104363110
資料類型 thesis
dc.contributor.advisor 鄭宇庭zh_TW
dc.contributor.author (Authors) 吳貞儀zh_TW
dc.creator (作者) 吳貞儀zh_TW
dc.date (日期) 2017en_US
dc.date.accessioned 10-Aug-2017 10:20:32 (UTC+8)-
dc.date.available 10-Aug-2017 10:20:32 (UTC+8)-
dc.date.issued (上傳時間) 10-Aug-2017 10:20:32 (UTC+8)-
dc.identifier (Other Identifiers) G0104363110en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/111888-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 企業管理研究所(MBA學位學程)zh_TW
dc.description (描述) 104363110zh_TW
dc.description.abstract (摘要) 綠色能源為大多數國家所追求之能源，我國政府也不例外，近年來開始推動綠色能源，如：太陽能、風力發電，依台灣各地區合適之發電條件，採取合適的綠能之發電方式，本研究為探討台灣西部地區離岸風力發電之民意調查，瞭解當地居民對於在當地外海興建離岸風力發電之看法，並深入了解是哪些因素影響對該計畫之贊成程度。
本研究問卷在台灣西部沿海縣市實施面訪，其中最多樣本數之縣市為彰化縣，因此除了觀察整體西部縣市受訪者回應之特性，亦觀察彰化縣之受訪者，並依問卷各項題目與計畫贊成程度題目做交叉分析，瞭解有哪些題目與受訪者是否贊成本計畫相關，並且以對應分析，將與贊成程度相關之選項來判斷與贊成度之關係，瞭解是具備哪些回答要素之受訪者會較不贊成本計畫，以及使用決策樹分析，利用分支來找尋贊成、不贊成、有條件贊成本計畫之因素。
研究結果顯示，所有題目均與計畫贊成與否之題目相關，唯獨有一題目與贊成程度不相關；在決策樹分析無不贊成該計畫之分支，因此若是要瞭解不贊成該計畫之原因，則這決策樹分析無參考價值，但由對應分析發現某縣與不贊成該計畫之選項相近，代表樣本較傾向於不贊成該計畫，因此將之樣本做決策樹分析，研究發現有部分特徵之受訪者一般最後會選擇不贊成本計畫。		zh_TW
dc.description.tableofcontents 第壹章 緒論 5
第一節 研究背景與動機 5
第二節 研究目的 6
第三節 研究流程 6
第貳章 文獻探討 8
第一節 資料採礦之概述 8
第二節 離岸風力發電之概述 11
第參章 研究方法 15
第一節 資料來源 15
第二節 變數定義 17
第三節 分析方法 22
第肆章 實證分析 26
第一節 敘述性統計分析 26
第二節 卡方檢定分析 54
第三節 決策樹分析 74
第四節 西部縣市與彰化縣之比較 78
第伍章 結論與建議 79
第一節 結論 79
第二節 建議 80
參考文獻 81		zh_TW
dc.format.extent 3123192 bytes-
dc.format.mimetype application/pdf-
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0104363110en_US
dc.subject (關鍵詞) 離岸風力發電zh_TW
dc.subject (關鍵詞) 卡方分析zh_TW
dc.subject (關鍵詞) 對應分析zh_TW
dc.subject (關鍵詞) 決策樹zh_TW
dc.title (題名) 影響離岸風力發電態度之研究zh_TW
dc.title (題名) Research on the influence of attitude toward offshore wind energyen_US
dc.type (資料類型) thesisen_US
dc.relation.reference (參考文獻) 一、 中文文獻
1. 千架海路風力機-風力資訊整合平台，http://www.twtpo.org.tw/。
2. 台灣電力公司，歷年電售量統計資料。
3. 用數據看台灣，https://www.taiwanstat.com/realtime/power/。
4. 林曉芳，2013，統計學SPAA應用，鼎茂圖書出版股份有限公司。
5. 謝邦昌、鄭宇庭，2015，資料採礦之技術及應用-Excel實例演練，新陸書局股份有限公司。
6. 謝邦昌、鄭宇庭，2016，大數據概論，新陸書局股份有限公司。
二、 英文文獻
1. Berry, M. J. & G. Linoff, 1997, Data Mining Techniques: For Marketing, Sales, and Customer Support, John Wiley & Sons, Inc. New York, NY, USA.
2. European Wind Energy Association, 2013, Deep water - The next step for offshore wind energy, European Wind Energy Association, p20.
3. Fayyad, U., G. Piatetsky-Shapiro & S. Padhraic, 1996, AI Magazine, Volume 17 Number 3.
4. Hu, S. Y., 2015, Policy and Promotion of Offshore Wind Power in Taiwan, Industrial Technology Research Institute.
5. Mehner, E., 2016, An investment case on offshore wind energy in Taiwan.
6. Shearer, C., 2000, The CRISP-DM model: the new blueprint for data mining, Journal of Data Warehousing, Volume 5 Number 4 p13—p22.		zh_TW