灰系統理論應在建築工地職災預測之研究

Transcription

1 論 率 A Research on the Prediction Model for the Unit Rate of Construction Formwork 理 M 老 年 六

2

3

4

5 兩年 句 怒 樂 不 兩年 力 論 老 老 老 老 更 旅 了 老 論 邏 不 益良 劉福 李麗 理 理 理 諸 老 識 更 林 理 不 勞 臨 論 更 金 益 祥 金 理 盧 理 林 理 更 I

6 不 不 不 勵 更 更 利 綠 不論 不吝 若 路 更 更 更 參 了更 爛 路 勵 利不 不 了 兩年 離 兩 不 年 老 度 不 年 不 年 綠 不 年 流露 了 數 怒 樂 留念 都不 烙 留 不 行 論 2005/06 II

7 率 率 率 率 率 勞 數量來 率 不 狀 勞 理 落 行 率 都 量 率 率 來 理 率 率 率 狀 率 行 論 率 識 類 30 行 料 行 料 度 度 量 切 率 不 數 量 數 量 類 利 立 t 異數 類 類 III

8 聯 不 RC 樓 率 聯 度 力 不 率 立不 率 量 數 料 立 數 料 立 數 率 利 量 料 行 利 料 行數量 I 立 率 量 立 樓 兩 異 率 行 RC R 2 料 5 率 率 率 R 2 R 2 量 58.4% 77.5% R 2 量 56.0% 74.1% 樓 R 2 量 70.4% 84.2% 率 % 率 % 量 13.99% 10.19% 率 % 量 8.28% 7.32% 樓 率 % 量 8.83% 4.42% 行 率 RC 率 參 立 RC 率 理 行 率 率 參 IV

9 ABSTRACT Keywords: unit rate, evaluation factor of unit rate, Influence Factors of unit rate, unit rate of Formwork, Prediction Model of unit rate In general, Taiwan construction companies subcontract to others, in which the calculation of labor costs are all based on the amounts of construction units, which result in the continuous ambiguity of the actual unit rate of each labor and each work in the industry. Therefore, the actual labor costs and required working time could not be truly controlled, and indirectly result in the failure of implementing schedule of construction management in Taiwan. Furthermore, it is known from expert interview that at this moment, the analysis of unit rate by each unit (architect, construction consultant company, construction company, and construction personnel) is based on the unit wages requested from subcontractor, and fill in the unit rate of unit price analysis form after convert to unit rate from daily wages. The advantage of this method is that unit rate is closer to the unit rate of contracted unit price, and more comply with the status of unit rate of practical working item, but has difference with practical unit rate. For the reason, through the results of literature review, expert interview and research inference, this research collects 5 types with total 30 influential factors that influence the unit rate of formwork, including personal factor, knowledge and technological factor, environmental factor, technology and structure factor, and emotional factor, to execute on-site questionnaire survey on the formwork construction personnel of building construction in Taiwan, and file the data obtained from testees first, and confirm the appropriateness of sampling of the scale V

10 by reliability and validity analysis. However, the attribute of every inner and outer evaluation factor of unit rate is different, and could divide to factor could measure by numerical and factor could not measure by numerical. Therefore, the correlation between each factor (ordinal variable and categorical variable) and correlation and influence of each factor on the unit rate of RC structure (Classify to wall, beam and stair structure according to the investigation of phenomenon feature) are analyzed respectively by correlation analysis, independent sample t-test, and one-way ANOVA, and analyze the possible influence on working ratio by different condition combination as the basis of independent variable to establish the quantity factor model (model established by numerical data) and prime factor model (model established by non-numerical data) of the prediction of unit rate with different attribute. After realized the influential factors and structure of unit rate of building formwork, based on the result, this research utilized quantity factor to make multiple regression analysis, and utilized prime factor to make quantified I analysis, and established the predicted quantity factor model and prime factor model of the working ratio of construction formwork, respectively (Classify to wall, beam and stair structure according to status quo). Finally is to discuss the difference and error rate between two models, and compare the R 2 value of predicted model in each RC construction material and the error rate between the practical unit rate and predicted unit rate of model from the data of testee (5 random sampling); in which the compared results of R 2 value in each model are R 2 value of wall construction material, quantity factor model is 58.4%, prime factor model is 77.5%), R 2 value of beam construction material, quantity factor model is 56.0%, prime factor model is 74.1%, and R 2 value of stair construction material, quantity factor model is 70.4%, prime factor model is 84.2% ; the compared results of the error rate (%) between each VI

11 model is, error rate (%) of wall construction material, quantity factor model 13.99%, prime factor model 10.19%, error rate (%) of beam construction material, quantity factor model 8.28%, prime factor model 7.32%, and error rate (%) of stair construction material, quantity factor model 8.83%, prime factor model 4.42%. It is verified from the compared results that prime factor model is more accurate in the prediction of unit rate in formwork, and propose to the industry as the reference and application when predicting the unit rate of RC construction material in formwork. The achievement of this research could control the unit rate of each RC construction material in the formwork effectively through the prime factor model established in the research, and could be the effective and correct basis for construction consultant company, construction company and construction management consultant company to evaluate unit rate and computing working schedule while making construction quotation, and could also be the reference for the industry to evaluate the working efficiency of subcontractor. VII

12 錄 論 理論 流 RC 率 聯 類 類 率 聯 率 率 26 VIII

13 2.3.2 率 力 率 力 率 率 35 率 異 異 行 率 行 率 率 50 率 率 異 率 率 率 IX

14 率 率 類 率 率 度 率 度 率 率 聯 率 率 聯 率 率 聯 樓 率 率 聯 79 率 數量 I 數 力 率 量 量 數 率 量 立 數量 I 率 103 X

15 5.3.1 數 率 立 量 異 量 量 來 六 論 論 參 134 錄 料 139 錄 率 140 錄 率 144 錄 率 146 錄 率 Pearson 167 錄六 率 立 t 171 錄 率 異數 173 錄 177 XI

16 錄 類 類 類 率 率 率 行 率 參 率 類 料 率 北 年 數 率 率 率 率 率 類 類 65 XII

17 4.9 數 數 樓 數 率 度 率 率 類 率 率 類 樓 率 樓 率 類 率 聯 度 率 聯 度 樓 率 聯 度 DW 異 類 率 數 率 數 樓 率 數 數 量 異數 量 量 數 量 異數 量 97 XIII

18 5.12 量 樓 數 量 樓 異數 量 樓 量 率 類 數 率 類 數 樓 率 類 數 數 異數 數 異數 樓 數 樓 異數 樓 量 124 XIV

19 錄 1.1 理論 流 率 流 流 流 流 率 流 率 聯 流 量 量 率 量 率 年 量 率 量 率 數 量 量 量 率 量 率 說 劣 量 率 量 97 XV

20 5.13 樓 量 樓 量 樓 率 年 量 樓 率 量 率 率 度 率 率 率 率 率 數 率 率 率 率 年 率 率 率 度 率 率 率 113 XVI

21 5.38 率 率 易 率 率 樓 樓 樓 率 年 樓 率 樓 率 樓 率 度 樓 率 樓 率 樓 率 119 XVII

22 論 年 1 1 易 WTO 了 了 不 年來 WTO 精 WTO 量 勞 勞 率 更 來 率 率 落 若 1B 1 m 2 例 北 料 [1] 率 0.12~ ~0.18 [2] 羅列 率 率 行 料 例 [3] 率 若 量 率 異 580~720 / 練 720~960 / 1500 / 若 率 0.082~0.2 若 來 2000 / 1

23 2.44 異 率 不 狀 60 年 北 北 料 率 略 了 不 不 率 復 率 率 良 例 都 率 類 率 北 料 狀 率 不 度勞力 例 8.15%~10.13% [3-5] 50% [6] 1/2 若 RC 來 25.04%~38.04%[3-5] 1/3~1/4 了 例 度 率 率不 RC 率 行 率 率 立 率 立 率 參 2

24 1.1.2 理 說 勞 類 不 良 利 略 不 利 更 勞 勞力 50% [6] WTO 精 理 率 不 狀 落 率 率 不 8.15%~10.13% [3-5] 度 率 率 行 1.2 RC 率 行 率 行 料 率 異 3

25 不 理 率 不 率 例 歷 年 度 年 了 行 料數 不 利 Multiple Regression Analysis 數量 I Quantification Analysis I 立 率 量 兩 RC 率 理 率 異 率 率 料數 樓 類 立 率 量 數 料 立 數 料 立 RC 率 量 數 料 數 料 精 異 4

26 率 率 1.22 爲 率 行 利 Multiple Regression analysis 數量 I Quantification analysis I 立 率 量 說 行 率 率 率 利 Multiple Regression analysis 立 率 量 數 料 立 利 數量 I Quantification analysis I 立 率 數 料 立 六 量 率 行 5

27 1.3 行 理論 流 說 參 料 令 論 例 說 理 [7] 領 不 理 [8] 勞 [9] 1. 路 路 樂 宅 路 理 6

28 4. 5. 金 冷 降 不 參 例 2 路 路 行 [10] 例 勞 類 行 率 量 索 狀 [11] 7

29 類 [12] 論 行 都 度 練 練 [13] 度 練 六 RC 六 力 量 [14] member of framework [15] 8

30 structural elements [16] RC 料 [17] 拉 RC [18] RC 利 RC 率 率 率 例 數量 [19] 數量 / & 什 念 度 不 行 類 physical model sbstract model 易 都 9

31 例 行 量 洞 不 來 [20] 率 率 利 立 數 來 行 狀 不 不 不 不 說 路 例 50.29% 11.48% 19.24% 10.69% 8.30%[21] RC 行 不 了 率 北 行 率 量 不便 10

32 若 類 [22] 落 易 不 浪 [23] 來都 90%[24] 率 行 說 率 理 見 論 行 說 說 理 行 率 北 行 利 立 11

33 1.3.3 理論 率 理論 利 率 理 率 行 理 類 利 量 率 論 利 數量 I 樓 不 類 立 率 量 兩 RC 率 理論 1.1 率 年 年 識 率 利 數量 I 立 樓 理 論 1.1 理論 12

34 1.3.4 Multiple Regression Analysis 數量 I Quantification Analysis I 行 說 率 率 論 料 行 理 率 率 率 料 參 行 料 列 料 率 行 行 率 行 率 行 行 北 13

35 北 行 利 率 率 便 率 率 聯 說 1. 料 率 料 樓 度 說 力 率 行 率 理 見 論來 類 類 度 行 利 2. 度 理 狀 行 行 度 理 1. 度 北 理 行 14

36 立 2. 行 行 行 利 SPSS 率 立 率 聯 度 來 立 率 量 行 率 率 異 立 精 度 料 利 Multiple Regression Analysis 數量 I Quantification Analysis I 立 立 行 行 數 量 行 理 例 年 年 利 Multiple Regression Analysis 立數量 數 15

37 量 數 料 例 利 數量 I Quantification Analysis I 立 量 兩 樓 不 類 立 率 量 數 料 立 數 料 立 兩 料 理 率 例 數 量 Multiple Regression Analysis 略 行 利 數量 I Quantification Analysis I 料 立 精 立量 兩 行 率 理 行 來 率 精 度 行 參 率 參 16

38 料 論1.3.5 流 流 類 2. 率 3. 率 率 3. 率 料 率 NO 率 YES 利 數量 立 率 量 類 NO YES 論 1.2 流 17

39 歷年來 論 料 理 RC 類 率 率 理論 2.1 RC 歷年 RC 率 聯 行 論 RC RC 狀 度 數 RC 宅 樓 87% [25 26] 8.15%~10.13% 25.04%~38.04%[3-5] 1/3~1/4 理歷年

40 2.1 林 /01 沈 1999/ 逸 % 1/3 [27] 料 15% [28] 料 例 36.2% 28.3% 35.5% [29] 15% [23] 兩 20~30% 50% [30] 15% 1/3 [22] 10~25% [24] 37% 35% 28% 勞 更 勞 [31 32] 料來 理 [ ] 2.1 歷年 年 行 年 例 不 異 率 聯 不 度 更 率 聯 說 19

41 率 聯 不 若 度 來 率 降 率 聯 例 參見 料 理 立 理 料 若 料 來 例 不 力浪 率 度 率 聯 異 若 良 度 率 率 聯 不 更 20

42 率 降 2.2 類 歷年 RC 類 類 不 異 率 聯 類 類 類 說 類 類 類 類 類 說 樓 兩 類 料來 理 [22] 2.3 類 類 類 類 說 類 蘭 金 料 (Hand-Set Forming) (Gang Forming ) 兩 類 料來 理 [33] 21

43 類 來 兩 類 異 率 率 聯 類 兩 兩 兩 不 異 率 聯 說 利 量 料 切 料 行 累 異 了 連 1997 利 立 省力 力 降 [22] 22

44 行 行 省 量 類 滑 [34] 69 年 87 年 陸 行 類 類 ALUMA 樓 DOKA 樓 DH 樓 HUNNEBECK 樓 SYMONS 樓 MASCON 樓 樓 YH 樓 樓 EIW 樓 料來 理 [34] 23

45 異 類 流 異 異 參見 量 度 立 易 易 不 浪 力 量 量 量 量 易 精度 不易 精度 異 精度 力 省 力 滑 力 行 立 不 料 切 率 不 切 率 料 料 料 數 料 料 數 降 料 異 度 度 易 沈 不易 沈 量 切 料 亂 易 理 易 漏 料來 理 [33 34] 24

46 劣 論 類 不 率 率 聯 若 來 率 度 說 料 數 料 數 率 料 度 不易 率 切 率 率 力 量 量 率 不 率 度 不 行 25

47 年來 宅 力不 不易 見 率 例 來 都 90%[6] 理 行 行 2.3 率 歷年 率 率 率 理論 行 率 率 率 行 論 參見

48 2.6 率 / 年 / 說 論 立 理 率 劉 /2003/ 率 歷 料 理 來 立 率 率 歷 料 異 率 落 率 [35] 率 量 數 量 了 數 類 來 李 /2002/ 行 料 數量 料狀 立 率 例 料 立 理 力 R 2 率 理 度 行 85.58% 率 71.96% 例 來 量 率 更 理 [36] 精 度 力 行 力量 利 類神 路 路 度 力 /2002/ 路 路 行 力 力 路 力 R 2 量 料 立 52.08% 力 R 2 力 料 立 路 料 理 14% 路 力 力 力 精 度 力 [23] 精 度 林 /1997/ 料 料 利 料 行 料 料 行 料 11 行 數量 料 [37] 利 料 料 11 行 數 數量 率 行 料 料來 理 [ ] 27

49 歷年 率 歷年 率 量 略了 率 度 量 率 數 量 量 不 量 率 度 立 率 量 兩 精 度 率 率 率 識 來 利 理 見 論來 率 2.1 不 參見

50 率 識 數 年 歷 狀 數 度 易 度 說 力 度 料 離 劣 度 度 度 2.1 率 料來 2.7 率 數 1 2 年 歷 年 狀 6 說 料來 數若 [36] 年 年 降 率 降 論 若 歷 練 率 [6] 女 率 女 論 洛 理 率 [6] 率 [6] 29

51 2.7 率 7 ( ) 數 識 12 度 13 易 度 14 說 力 15 度 料 16 離 北 說 靈 度 連 率 靈 度 連 率 勞 率 勞 率 類 理 勵 度 力 率 力 數 力 降 率 降 理論 度 練 若 率 率 說 力 率 率 洛 度 率 料 離 省 浪 率 率 率 料 異 度 降 率 不 料 來 不 率 料來 論 論 [36] [6] 論 論 [23] 論 [6] 論 [37] 論 論 30

52 2.7 率 說 良 說易 不 浪 21 劣 度 讀 率 22 ( ) 率 不 率 23 利 若 24 不 不 了 度 率 若 25 來 降 率 度 度 26 度 率 宅 度 宅 27 宅 易 度 率 度 度 立 來 28 度 度 理 度 率 樂 率 29 率 洛 30 行 了 類 切 料來 理 [ ] 料來 論 [37] 論 論 [23] [23] [23] [6] [6] 31

53 率 30 行 利 行 率 度 立 數 2.4 力 率 歷年 力 率 率 行 力 力 Activity Sampling 量 [38] Field Rating 量 略 力 兩 力 Productivity Rating 異 Five-Minute Rating 32

54 更 數 數 錄 率 Working Rate 率 數 數 例 力 度 列 力 不 來 率 unit rate 率 見 率 類神 路 說 Linear programming Optimization 量 數 [39] Optimal 行 例 力 數 行 量 料來 易 理 不 Computer Simulation 立數 邏 來 33

55 [40] 了 行 不 立 不 易理 說 立 來 度 類神 路 Neural Network 類神 路 神 路 神 連 神 類神 理 狀 理 類神 路 若 理 理 理 [41 42] 類神 路 [43] 類神 路 行 類神 路 數 數 不易 類神 路 路來 來 數 來 易 來 類神 路 不 路 理 數 數 率 參數 34

56 不 類神 路 練 數 Multiple Regression Analysis 利 料來 立 數 數 數 數來 數 數 量 若 [44] 數量 I Quantification analysis I 數量 I 理論 異 數量 I 說 量 數 數 理 領 數 Category 來 Dummy Variable 量 0 1 來 量 0 1 數量 I [45] 率 率 率 行 說

57 2.8 率 率 立數 邏 來 類神 路 神 路 易 數 利 數 數 數量 I 料來 理 [36] 類神 路 不 易 數量 I 利 說 數 數 數 量 率 立 行 數 類 量 不 量 率 數 數量 I 立 數不 數 率 36

58 率 論 料 理 理 不 率 率 參 3.1 異 理論 料 利 參見 A B 類 mm 類 類 類 類 類 六 類 料來 理 [46] 37

59 利 利 理 劣 參見 3.1 A B 倂 例 C 倂 理 3.1 料來 理 [46] 易 料 便 不 料 理 數 率 數 3~6 [33] 度 量 38

60 行 立 理 流 3.2 不 兩 來 說 39

61 (1) 讀 (2) 料 (3) (4) (8) 立 NO (5) (6) YES (7) 料 (9) NO YES (10) (11) (12) 理 3.2 流 料來 40

62 來 讀 4 ~8 行 數量 料 度 料 料 更 來 理 率 不 料 易 率 來 理 不 立 行 量 率 異 料 狀 量 若 不 易 率 41

63 立 切 精度 異 不 行 行 降 率 暴露 不 炙 來 率 六 不 率 力 劣度 度 率 率 不 異 例 紐 欄 益 量 量 42

64 略 降 度 力 度 度 3.2 異 流 流 利 行 異 利 流 3.2 流 參見 利 不 流 行 異 43

65 (1) NO (2) YES (3) (4) NO (5) 料 YES (6) (7) NO (8) (9) (10) YES 3.3 流 料來 44

66 NO YES (1) 讀 (2) 狀 料 (3) (4) (5) NO (6) (7) (8) 塞 路 (9) (10) (11) YES 3.4 流 料來 45

67 泥 (1) 讀 (2) 狀 料 (3) 料 (4) 理 NO (5) (6) (7) (8) (9) 理 NO (10) (11) YES 3.5 流 料來 46

68 3.2.2 異 利 不 流 異 度 說 度 數 度 度 度 度 拉 數 料來 理 3.2 不論 度 度 47

69 率 率 率 行 Multiple Regression Analysis 數量 I Quantification Analysis I 立 率 參 3.3 行 率 行 率 參 行 料 列 料 不 行不 率 異 率 行 率 狀 率 異 行 率 率 行 北 RC 行 行 理

70 3.3 行 率 參 行 率 參 行 率 例 來 行 來 行 率 參 不 率 率 異 不論 理 料 料 不論 行 行 行 率 若 來 行 率 度 數量 料來 理 3.3 料來 不論 都 不 料 來 率 量 數 / 量 率 率 來 理 率 率 率 狀 率 了 理 利 率 不 不 若 率 行 數 狀 量 數量 量 率 49

71 3.3.2 率 爲了 行 率 異 理 行 料 率 料 率 率 率 類 類 料 m 2 料數量 數量 數量 類 率 參 / 料 年 數量 m 2 料 1 路 年 路 ( ) 料 ( ) / 料 省 宅 ( ) 0.11 都 料 北 ( ) / 料 省 路 ( ) 料 1 / ( ) / 料 祥 / ( ) / 料 / ( ) 0.10~ / ~ 劉 / ( ) 0.13~ ~0.08 類 料來 [47] [48] [49] [50] [51] [2] [52] [53] [54] 50

72 3.4 率 / 料 參 年 數量 m 2 料 / ( ) 0.05~ / ~ 立 樓 隆 / ( ) /09 0 / ( ) /09 0 / ( ) / / ( ) 0.13~ / ~0.05 / ( ) / ( ) ( ) 聯 ( ) / 北 北 ( ) 金 立 栗 栗 車 館 ( ) 1 m m 2 ( ) / 梁 ( ) / ~0.09 ( ) / ( ) 料來 理 [ ] 類 料 來 [55] [56] [57] [58] [59] [60] [3] [4] [61] [5] [62] [63] [64] [65] [66] 51

73 3.4 料 料數量 數量 料 利 3.4 行 3.5 異 度 3.5 類 料 率 (m²) 料 料 料 料數量 ( ) 料數量 ( ) 料數量 ( ) 料數量 ( ) 料來 理 3.5 料數量 料數量 料數量 若 料數量 料 料 來 異 行 若 2000 / 1000 / 不 若 落 52

74 料數量 料 異 1.46 類 料 料 不 參 類 料 料數量 異 說 料年 料更 料 理 說 量 不 不 更 行 降 料數量 異 行 率 異 爲 率 勞 率 量 立 率 率 參 53

75 率 理 立 料 參見 錄 料 率 率 率 率 異 行 率 率 聯 度 來 立 率 4.1 利 參見 錄 率 北 行 285 行 料 不 料 北 54

76 4.1.1 料 行 料 北 說 例 233 女 19 數 92.46% 勞 力 女 不 來 省 數 65.87% 省 3.17% 20.24% 6.35% 數 4.37% 數 95.63% 了 降 率 狀 數 91.67% 8.33% 年 勞 力 力 歷 勞力 數 81.75% 不 10.71% 2.78% 勞 數 4.76% 不 55

77 4.1.2 料 行 數 數 年 歷 年 cm kg 度 / 數 / 度 欄 1 度 料來 理 4.1 北 說 年 年 45 年 數 1 數 0.40% 歷 年 1 年 41 年 歷 年 年 歷 年 數 1 數 0.40% 56

78 155cm 2 數 0.79% 190cm 1 數 0.40% cm 45kg 90kg kg 數 1 數 0.40% 年 度 都 略 度 北 料 略 1.01 度 參見 北 年 年 年 年 3 年 料來 理 [67]

79 行 說 類 立 類 略 類 立 1. 連 立 樓 樓 樓 狀 [68] 都 略 類 樓 類 立 率 類 行 立 RC 率 數 2-4 [68] 不 數 異 北 參見 數 數 數 樓 數 數 數 數 3-5 不 樓 2-3 料來 理 58

80 若 料 不 不 不 料 類 不 立 參見 螺 料 度不 力不 螺 兩 立 臨 力 來 料 料 料 料 不 留 #8 #10 #12 4mm 3.2mm 2.6mm 料來 理 4.2 率 異 利 率 率 樓 率 59

81 率 參 率 利 率 率 數 (m 2 / ) (m 2 / ) 數 (m 2 / ) (m 2 / ) 樓 率 量 率 料來 理 4.5 率 量 說 率 8.00 m 2 / m 2 / 率 m 2 / 率 9.00 m2/ m2/ 率 m2/ 類 類 率 樓 率 4.00 m2/ 9.00 m2/ 率 5.92 m2/ 類 類 率 60

82 率 類 來 率 > > 樓 例 率 行 率 量 量 率 料 北 北 例 數 率 m 2 / m 2 / m 2 / 率 m 2 / m 2 / m 2 / 樓 率 4.58 m 2 / 5.63 m 2 / 5.53 m 2 / 率 量 率 料來 理 4.6 率 量 說 率 m 2 / 樓 率 m 2 / 5.53 m 2 / 率 率 > > 樓 例

83 4.2.3 率 率 量 > > 樓 數 率 數量 來 率 率 樓 度 率 率 率 參見 率 率 料 率 率 率 % m 2 / m 2 / m 2 / m 2 / 6.80 樓 5.92 m 2 / 5.53 m 2 / 7.05 率 = 率 率 率 100% 料來 理 62

84 4.7 率 說 率 立 率 參 4.3 率 率 量 率 量 利 北 RC 行 料 類 不 類 樓 類 率 參見 類 量 類 不 量 類 料 行 Normality of the Error Term Distribution 度 Reliability analysis 度 validity analysis 立 度 度 利 行 Correlation analysis 立 t 異數 率 聯 63

85 0.01~ % 立 流 4.1 利 率 行 類 量 類 量 類 樓 樓 71 NO 度 度 YES 率 聯 度 率 流 料來 率 類 行 率 參見 量 類 不 量 類 類

86 4.8 率 類 類 率量 年 年 狀 度 數 數 度 易度 料 離 度 度 說 劣度 度 度 說 度 1 19 量 立 率 量 2 類 30 類 量 立 率 料來 理 4.8 類 參見 錄 率 率 樓 71 不 數 率 量 行 Normality of the Error Term Distribution 利 行 說 參見

87 4.9 數 數 率 m 2 / 數 數 2 率 料來 理 4.9 率 數 5 78 參見 數 數 率 m 2 / 數 數 2 率 料來 理 4.10 率 數 3 95 樓 參見 樓 數 數 率 m 2 / 數 數 2 率 料來 理 66

88 4.11 率 數 0 71 利 行 數 數 78 數 95 樓 數 率 度 行 度 利 SPSS 度 Reliability analysis 量 不 度 度 量 數 參見 率 度 類 類 量 數 率 率 樓 率 率 率 樓 率 料來 理 Devellis 1991 度 數 度 0.35 度 [44] 4.12 來 量 度 率 度 度 Validity 量 67

89 量 利 SPSS Factor analysis 來 量 度 Construct Validity 參見 錄 率 不 樓 類 類 說 率 度 利 78 料 類 說 量 1. 錄 D.1 KMO 行 2. 錄 D.2 列 量 3. 錄 D.3 1 量 欄 列 累 異量 % 4. 錄 D.4 19 量 量 量 度 0.3 良 度 參見

90 4.13 率 率 年 年 度 度 數 料 離 說 劣度 度 度 度 說 六 易度 度 數 料來 理 類 不 量 1. 錄 D.5 KMO 行 2. 錄 C.6 列 量 3. 錄 C.7 1 量 欄 列 累 異量 % 4. 錄 C.8 30 類 不 量 量 量 度 0.3 良 度 參見

91 4.14 率 類 率 年 年 狀 度 數 料 離 度 度 六 易度 度 說 度 度 度 說 劣度 數 料來 理 率 度 利 95 料 類 說 量 1. 錄 D.9 KMO 行 2. 錄 D.10 列 量 3. 錄 D.11 1 量 欄 列 累 異量 % 70

92 4. 錄 D 量 量 量 度 0.3 良 度 參見 率 率 度 說 劣度 說 易度 度 度 年 年 度 度 度 六 數 數 料 離 料來 理 類 不 量 1. 錄 D.13 KMO 行 2. 錄 D.14 列 量 3. 錄 D.15 1 量 欄 列 累 異量 % 4. 錄 D 類 不 量 量 量 71

93 度 0.3 良 度 參見 率 類 率 度 說 劣度 易度 說 度 年 年 度 度 度 六 狀 度 度 料 離 數 數 料來 理 率 度 樓 利 71 料 類 說 量 1. 錄 D.17 KMO 行 2. 錄 D.18 列 量 3. 錄 D.19 1 六 量 欄 72

94 列 六 累 異量 % 4. 錄 D 量 量 量 度 0.3 良 度 參見 樓 率 率 年 年 說 度 度 度 數 數 料 離 說 劣度 度 度 六 易度 度 料來 理 類 不 量 1. 錄 D.21 KMO 行 2. 錄 D.22 列 量 3. 錄 D.23 1 量 欄 列 累 異量 % 73

95 4. 錄 D 類 不 量 量 量 度 0.3 良 度 參見 樓 率 類 率 年 年 狀 說 數 六 度 度 度 易度 度 料 離 度 說 劣度 度 度 數 料來 理 4.4 率 率 聯 度 度 量 類 量 類不 量 利 Pearson Correlation analysis 類 不 量 利 立 t 數 異數 數 參見 錄 率 Pearson 參見 錄六 率 立 t 參見 錄 率 異 74

96 數 不 樓 率 聯 度 立 率 量 數 流 4.2 度 度 率 聯 度 量 類 量 Pearson 立 數 異數 數 率 0.01~ % 0.01~ % 利 立量 利 數量 立 4.2 率 聯 流 料來 率 率 聯 不 量 類 不 量 率 類 聯 0.01~ % 說 75

97 率 聯 錄 E.1 Pearson 率 年 年 度 數 度 率 年 年 年 度 數 不 易 累 降 率 聯 度 率 聯 度 聯 度 聯 度 % 50.4% 年 47.9% 度 44.1% 年 44.0% 28.2% 六 度 27.1% 數 25.6% 料來 理 立 率 量 數 料 立 年 度 年 度 數 行 率 類 聯 錄六 F.1 錄 G.1 立 t 76

98 異數 率 狀 年 年 度 數 數 度 度 率 狀 理 率 年 年 度 數 度 度 易 度 立 率 數 料 立 狀 年 年 度 數 數 度 度 行 率 率 聯 不 量 類 不 量 率 類 聯 0.01~ % 說 率 聯 錄 E.2 Pearson 率 年 年 易度 說 劣度 度 說 77

99 率 年 年 年 易度 易 說 劣度 度 說 力 聯 度 率 聯 度 聯 度 聯 度 % 47.2% 度 45.4% 說 劣度 44.5% 年 42.1% 說 37.2% 六 31.0% 年 28.7% 24.6% 易度 20.8% 料來 理 立 率 量 數 料 立 度 說 劣度 年 說 年 易度 行 率 類 聯 錄六 F.2 錄 G.2 立 t 異數 率 年 年 78

100 度 易度 說 劣度 度 說 率 年 年 度 易度 易 說 劣度 不 易 累 降 率 度 說 力 立 率 數 料 立 年 年 度 易度 說 劣度 度 說 行 樓 率 率 聯 不 量 類 不 量 樓 率 類 聯 0.01~ % 說 樓 率 聯 錄 E.3 Pearson 率 年 年 度 樓 率 79

101 年 年 年 度 聯 度 樓 率 聯 度 聯 度 聯 度 % 年 79.6% 年 72.8% 68.3% 30.2% 29.7% 六 度 25.6% 料來 理 立 樓 率 量 數 料 立 年 年 度 六 行 樓 率 類 聯 錄六 F.3 錄 G.3 立 t 異數 率 年 年 度 樓 率 年 年 率 度 勞 80

102 率 立 樓 率 數 料 立 年 年 度 行 81

103 第五章 建築模板作業工率值預估模型的研擬 本章主要係依據第四章的研究成果, 並利用量的因子資料進行多元迴歸分析 (Multiple Regression analysis), 與利用質的因子資料進行數量化 I 分析 (Quantification analysis I), 分別建立建築工程模板作業工率值預估的量因子模型與質因子模型 ( 依現況區分, 建立柱牆 版樑及樓梯的預估模式 ) 最後比對兩個模型間的差異性 ( 誤差率 ), 並建議較合適的預估模型, 以期能夠有效地掌握各 RC 構材中的工率值, 並可做為工程顧問公司 營造廠及營建管理顧問公司於進行工程估價作業時在評估工率值與計算工期時有效而正確的依據 5.1 多元迴歸分析法與數量化 I 分析法的特性分析於模式的建立前, 首先針對研究所選用的建模方法 ( 多元迴歸分析與數量化 I 分析 ) 進行特性探討 而由於數量化 I 分析亦是迴歸分析的一種, 其間的差異僅在於數量化 I 分析的自變項是屬於類別變項, 分析之前應先轉換為虛擬變項, 即可代入建立迴歸方程式, 故將兩種建模方法視為同類進行探討 預估變數的選取基準預估變數的選取基準主要係利用 Pearson 相關分析 (Correlation analysis) 法 獨立樣本 t 檢及單因子變異數分析, 以檢定依變數與自變數間是否達顯著 若達顯著亦即表示變數間具有關聯程度, 即可做為納入選取預估的自變數, 並藉以進行多元迴歸分析與數量化 I 分析, 82

104 以達預測之目的, 其分析的結果 ( 參見 4.4 小節 ), 其分析的流程步驟 如 ( 圖 5.1), 並說明如下 [69]: 計算簡單相關矩陣 選擇與 Y( 依變數 ) 相關最大的 X( 自變數 ) 建立簡單迴歸模式 X( 自變數 ) 解釋的變異是否達統計顯著水準? NO 找不出合適的迴歸模式 YES 確認有無其他的解釋變數 X( 自變數 )? 已求得最佳模式 選擇與 Y( 依變數 ) 之偏相關最大的一個新 X( 自變數 ) 進入模式 模式中各個 X( 自變數 ) 的偏相關係數是否顯著水準? 捨棄不顯著的 X( 自變數 ) 進行多元迴歸分析 圖 5.1 迴歸分析步驟 一 計算每一個預測變數與依變數的簡單相關係數 (r), 可得一相關 矩陣 二 由簡單相關矩陣中選取與依變數之相關係數最大的預測變數 ( 變 數 1), 得到迴歸方程式, 並檢定兩者的統計顯著性 ( F 檢定 ) 三 當 ( 變數 1) 檢定顯著, 確定引入方程式後, 計算其餘所有變數 83

105 之偏相關係數, 選取最大者 ( 變數 2), 針對剩餘誤差的部分, 進 行檢定 (F 檢定 ) 四 依此循序漸進, 至所有變數算得之 F 檢定不再顯著, 則可確定 引入的變數到此為止, 即得最佳自變數組合 - 最佳模式 多元迴歸分析的假設檢定 多元迴歸模式具有四項基本假設, 符合該四項假設才能算是一個 有效且合適之模型, 其該假設說明如下 [36]: 一 殘差項的常態性 ( 殘差項須符合常態分配 ) 最簡單之方式為觀測殘差值的直方圖, 如直方圖接近常態分配, 則認為殘差項符合常態分配 另一方式為利用常態機率圖來作檢測, 若觀測值與常態機率圖之參考線愈接近則表示愈符合常態分配 但若資料不具常態性時, 則可觀察其分佈狀況, 以資料轉型的方式處理, 例如對數或平方根轉換 二 殘差項的等變異性 ( 在任何自變數值下, 殘差項的變異數相等 ) 要瞭解殘差項之等變異數是否相等, 可觀察預測值 (Y i ) 與殘差值之散佈情形, 若散佈的形狀呈不規則跳動, 則表示變異數不隨預測值擴大或縮小, 即具有變異數之性質 ; 但若散佈形狀呈現三角形或菱形, 則表示可能有變異數不相等之情形, 而發生這種現象時, 即須將資料作適當轉換 三 殘差項的獨立性 ( 殘差項彼此間須獨立 ) 在迴歸模型中一般都假設殘差項是一個獨立的隨機變數 而 84

106 在某些領域中資料通常與時間相關, 而這種現象即與殘差項是獨 立的假設不合, 故必須作獨立性檢定 最常用的檢定方式為杜賓 - 瓦生法 (Durbin-Watson Test), 如 ( 式 A) 所示 n (e i -e i -1) 2 DW= i=2 n ( 式 A) 2 e i=1 i 上式 ( 式 A) 中其中 e i =Y i -Y i,(i=1,2, n); 而 DW 值 的意義, 參見表 ( 表 5.1) 所示 表 5.1 DW 值的意義 殘差項 (e i,e i -1) 的相關 DW 的範圍 正相關 0-2 零相關 2 負相關 2-4 註 : 一般而言,DW 值大小的涵義為 1.DW 值愈趨近 2 時, 殘差項間愈趨近零相關 2.DW 愈趨近 0 時, 殘差項間愈趨近正相關 3.DW 愈趨近 4 時, 殘差項間愈趨近負相關 資料來源 : 本研究整理 [36] 四 非複共線性 ( 自變數間不具高度相關性 ) 判斷共線性的方法, 可應用相關分析 (Correlation analysis), 若指標接近 +1 或 -1 時. 即可判定為具有高度共線性 另外, 較常被用來檢測共線性的是變異數膨脹係數法 (Variance Inf1ation Factor) 若自變數與其他自變數具高度相關, 則複判定 85

107 係數會趨近於 1, 故膨脹係數 (VIF) 會很大 通常該值若大 於 10, 即可認為該變數具有共線性 當模型符合上述假設檢定後, 即須進行依變數與自變數間的顯著 性檢定, 即整體模型的 F 檢定與各個變數之 t 檢定, 其原理如下ㄧ節 (5.1.3 小節 ) 詳加說明 多元迴歸分析的顯著性檢定 一 斜率參數 t 檢定 t 檢定為一種顯著性檢定, 可以決定依變數 Y 與每個自變數 X i 之問是否有顯著的直線關係存在 其虛無與對立假設如下 : 虛無假設 (H 0 ):β=0 對立假設 (H 1 ):β 0 若顯著水準訂為 r(=0.05 或 0.01 等 ), 如果 t 分配的檢定機率 P( T >t 0 )=p<r 成立, 則可否定虛無假設, 也就是可以用自變數來解釋依變數, 反之若檢定結果不否定虛無假設 ( 即斜率為 0), 則表示依變數與自變數間的關係相當微弱, 此時無法用此自變數來解釋依變數 二 迴歸模型適合性檢定 (F 檢定 ) 模型適合性的檢定方法是檢討依變數的 總變異數 變化狀況, 其總變異可分解成 迴歸變異 與 殘差變異, 其各變異的 - 種類與意義如 ( 表 5.2) 所示, 其中 Y i 代表樣本資料值,Y 代表迴歸平均值, 而 Y 代表樣本預測迴歸值 86

108 表 5.2 各變異種類與其意義 變異種類 符號 公式 自由度 總變異 SST n - (Y i -Y) 2 i=1 n-1 迴歸變異 SSR n - (Y i -Y) 2 i=1 k 殘差變異 SSE n - (Y i -Y) 2 i=1 n-k-1 資料來源 : 本研究整理 [36] 將迴歸變異和殘差分別除以其自由度, 即可得迴歸均方 ( 式 B) 及殘差均方值 ( 式 C): 迴歸均方 (Mean Square for Regression)MSR=SSR/k ( 式 B) 殘差均方 (Mean Square Error)MSE=MSE/(n-k-1) ( 式 C) 檢定迴歸模型之適合度可先做假設該迴歸模型不適合, 無法用它來解釋依變數, 該虛無假設及對立假設如下 : 虛無假設 (H 0 ): 迴歸模型不適合對立假設 (H 1 ) 迴歸模型適合 檢定此虛無假設, 利用迴歸均方與殘差均方相除 ( 式 D), 可得統計量 F. 其變異數分析表下 ( 表 5.3): F=(MSR)/(MSE) ( 式 D) 表 5.3 變異數分析表 變異來源 平方和 自由度 均方 F 值 迴歸變異 SSR K MSR=SSR/K 殘差變異 SSE n-k-1 MSE=SSE/(n-k-1) MSR/ MSE 總變異 SST n-1 - 資料來源 : 本研究整理 [36] 87

109 以實際資料代入 F 值的公式中, 可得 F 之值為 f 0 若顯著水準訂為 r(0.05 或 0.01), 如果 F 分配的檢定機率 :P(F>f 0 )=P< r 成立, 則否定虛無假設, 即迴歸模型適合, 如果 F 分配的檢定機率 P>r 就表示迴歸模型不適合 多元迴歸分析預估模型的解釋能力預估模型的複判定係數 (R 2 ) 是衡量依變數 Y 的總變異可以由各自變數 Xi 的最佳線性結合解釋的程度 亦即 迴歸變異 愈趨近於 總變異, 則表示依變數之變化能由迴歸模型來解釋, 而 迴歸變異 與 總變異 的比值即稱為判定係數, 其公式如 ( 式 E)[36]: R 2 = SSR/SST=1-(SSE)/(SST) ( 式 E) R 2 介於 0-1 之間,R 2 =1 表示所有觀察值 Y i 皆落於估計的迴歸面上, 即該迴歸模型可以解釋 100% 的變異, 而當估計的斜率參數 β 皆為 0 時, 則 R 2 =0, 代表該模型完全無法解釋任何變異 此外有些統計學者認為多元迴歸模型中每增加一個自變數後, 一般會促使 R 2 增大, 因此 R 2 必須以下式 ( 式 F) 調整 : n-1 R 2* = 1-(1-R 2 ) ( 式 F) n-k ; 其中 n 代表樣本數,k 代表需估計之母體數目 5.2 多元迴歸分析於建築模板作業工率值量因子預估模型的研擬本節係利用多元迴歸分析 (Multiple Regression analysis) 建立建築工程模板作業工率值的量因子模型 ( 依現況區分, 建立柱牆 版樑 及樓梯的預估模式 ) 88

110 5.2.1 量因子預估模型變數的選取此單元研究僅針對影響建築模板作業工率值因素中的 次序變項 ( 可線性量化的影響因素 ) 納入考量, 做為迴歸式中的自變數, 並以工率值 ( 每天每人完成量 ) 為依變數 依據本文 (4.4 小節 ) 中其工率值與各次序變項之相關分析的結果 ( 即工率值與各次序變項達顯著關係的因素 ), 以做為量因子預估模型自變數選取之依據, 並按不同的施作構材 ( 柱牆 版樑及樓梯構材 ) 加以分類, 並給予各變數編號, 以利模式建立後對照之用, 結果彙整 ( 表 5.4) ( 表 5.5) 及 ( 表 5.6) 所示 表 5.4 模板作業人員柱牆構材工率值與各次序變項達顯著的自變數 自變數 名稱 自變數 名稱 自變數 名稱 A 1 工作薪資 A 2 年齡 A 3 結構複雜度 A 4 經驗 ( 年資 ) A 5 體重 A 6 建築高度 A 7 工作時數 註 :1. 依變數 (Y 1 ) 為工率值 ( 柱牆構材 ), 係指每天每人所能完成的作業數量 2. 表中的自變數為已經過 Pearson 相關分析, 其值介於 0.01~0.05( 信賴水準 達 95% 以上 ) 資料來源 : 本研究整理 表 5.5 模板作業人員版樑構材工率值與各次序變項達顯著的自變數 自變數 名稱 自變數 名稱 自變數 名稱 B 1 工作薪資 B 2 場所安全度 B 3 圖說優劣度 B 4 經驗 ( 年資 ) B 5 圖說認知 B 6 體重 B 7 年齡 B 8 身高 B 9 技術難易度 註 :1. 依變數 (Y 2 ) 為工率值 ( 版樑構材 ), 係指每天每人所能完成的作業數量 2. 表中的自變數為已經過 Pearson 相關分析, 其值介於 0.01~0.05( 信賴水準 達 95% 以上 ) 資料來源 : 本研究整理 89

111 表 5.6 模板作業人員樓梯構材工率值與各次序變項達顯著的自變數 自變數 名稱 自變數 名稱 自變數 名稱 C 1 年齡 C 2 經驗 ( 年資 ) C 3 工作薪資 C 4 規範約束 C 5 出工情緒 C 6 場所寬暢度 註 :1. 依變數 (Y 3 ) 為工率值 ( 樓梯構材 ), 係指每天每人所能完成的作業數量 2. 表中的自變數為已經過 Pearson 相關分析, 其值介於 0.01~0.05( 信賴水準 達 95% 以上 ) 資料來源 : 本研究整理 建築模板作業工率值量因子預估模型的建立研究依據工率值與各次序變項達顯著關係的因素, 利用 SPSS 套裝程式中之多元迴歸分析中的 逐步迴歸分析法 建立建築模板作業工率值預估的量因子模型 ( 分別建立柱牆 版樑及樓梯的預估模式 ) 所得建築模板作業工率值預估的量因子模型及其基本假設檢定及顯著性檢定, 分別如下所述 : 一 建築模板作業工率值預估的量因子模型的建立 - 柱牆構材利用 ( 表 5.4) 模板作業人員柱牆構材工率值與各次序變項達顯著的自變數, 帶入 SPSS 套裝程式中之逐步迴歸分析法, 參見 ( 表 5.7) 模式 1 該欄與 未標準化係數-B 之估計值 該列相互對照結果, 可得建築模板作業工率值的預估模型如 ( 式 5.1) 所示 預估模型的假設檢定 顯著性檢定 解釋能力及分析結果與說明, 如下所述 Y 1 ( 工率值 )= A A A A 7... ( 式 5.1) 90

112 次表 5.7 建築模板作業柱牆構材的係數 ( 量因子模型 ) 模式 未標準化係數標準化係數顯著共線性統計量 t B 之估計值標準誤 Beta 分配性允差 VIF ( 常數 ) 工作薪資 (A 1 ) 結構複雜度 (A 3 ) 年齡 (A 2 ) 工作時數 (A 7 ) 註 :1. 依變數 : 工率值 ( 柱牆構材每天每人完成量 ) 資料來源 : 本研究整理 ( 一 ) 量因子預估模型的假設檢定 - 柱牆構材 1. 殘差項的常態性由 ( 圖 5.2) 觀測殘差值得直方圖, 可判斷接近常態分配, 且由 ( 圖 5.3) 常態機率圖可發現其參考線已明顯重疊, 表示殘差項的常態性非常明顯, 亦即殘差項的分佈符合常態分配 依變數 : 工率值 ( 柱牆構材 ) 數 迴歸標準化殘差 標準差 =.97 平均數 = 0.00 N = 圖 5.2 柱牆構材之直方圖 ( 量因子模型 ) 預期累積機0.00 依變數 : 工率值 ( 柱牆構材 ) 率 觀察累積機率 1.00 圖 5.3 柱牆構材之迴歸標準化殘差的常態圖 ( 量因子模型 ) 2. 殘差項的等變異性 由淨殘差圖 ( 圖 5.4) ( 圖 5.5) ( 圖 5.6) 及 ( 圖 5.7) 其 91

113 工率-800 工率-20 工率-1.5 工率-.6 觀察預測值 ( 工率值 ) 與殘差值之散佈情形呈不規則跳動, 則 表示變異數不隨預測值擴大或縮小, 即具有變異數之性質 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 工作薪資 圖 5.4 柱牆構材之工率值與工作薪資的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 年齡 圖 5.5 柱牆構材之工率值與年齡的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 結構複雜 圖 5.6 柱牆構材之工率值與結構複雜的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 工作時數 圖 5.7 柱牆構材之工率值與工作時數的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 3. 殘差項的獨立性由 ( 表 5.8) 模式 1 該欄與 平均平方和 該列相互對照結果, 可看出殘差 DW=2.167 趨近於 4, 顯示殘差值趨近於負相關, 亦即殘差項彼此間獨立 92

114 表 5.8 建築模板作業柱牆構材的變異數分析 ( 量因子模型 ) 模式 平方和 自由度 平均平方和 F 檢定 顯著性 迴歸 殘差 總和 註 :1. 預測變數 :( 常數 ) 工作薪資 結構複雜度 年齡 工作時數 2. 依變數 : 工率值 ( 柱牆構材每天每人完成量 ) 資料來源 : 本研究整理 4. 非複共線性由上述 ( 表 5.7) 模式 1 該欄與 共線性統計量-VIF 該列相互對照結果, 可看出各模型的膨脹係數 (VIF) 皆小於 10, 表示各模型中, 其自變數間的共線性不明顯, 亦即自變數間不具高度相關性 ( 二 ) 量因子預估模型的顯著性檢定 - 柱牆構材 1. 斜率參數 t 檢定由 ( 表 5.7) 模式 1 該欄與 顯著性 該列相互對照結果, 可看出各模型的自變數係數檢定均達顯著水準 (P<0.05), 表示可以用該自變數來解釋依變數 ( 即自變數斜率不為零 ) 2. 迴歸模型適合性檢定 (F 檢定 ) 由 ( 表 5.8) 模式 1 該欄與 顯著性 該列相互對照結果, 可發現各模型的顯著性皆小於顯著水準 (P<0.05), 表示各模型的所有依變數與自變數間有顯著的統計關係存在 ( 三 ) 量因子預估模型的解釋能力 - 柱牆構材 由 ( 表 5.9) 模式 1 與 調整過後的 R 平方 相互對照, 其 值為 0.584, 亦即本模型所採用的自變數, 足以解釋整個模型達 93

115 58.4% 的變異 表 5.9 建築模板作業柱牆構材的模式摘要 ( 量因子模型 ) 調整過變更統計量模估計的 R R 平方後的 R R 平方分子自分母自顯著性式標準誤 F 改變平方改變量由度由度 F 改變 註 :1. 預測變數 :( 常數 ) 工作薪資 結構複雜度 年齡 工作時數 2. 依變數 : 工率值 ( 柱牆構材每天每人完成量 ) 資料來源 : 本研究整理 ( 四 ) 量因子預估模型的分析結果與說明 - 柱牆構材 1. 由迴歸方程式 ( 式 5.1) 中的係數值可得知 工作薪資 及 年齡 與工率值 ( 每天每人完成量 ) 呈正相關, 而與 結構複雜度 及 工作時數 呈負相關, 亦即當 A 1 ( 工作薪資 ) 及 A 2 ( 年齡 ) 的變數值愈大則模板作業人員的工率值 ( 每天每人完成量 ) 愈高, 而當 A 3 ( 結構複雜度 ) 及 A 7 ( 工作時數 ) 的變數值愈大則模板工作業人員的工率值 ( 每天每人完成量 ) 愈低 2. 由預估模型可知 7 個可能影響工率值的自變數中有 4 個變數進入預估模型, 整個模型的解釋能力達 58.4% 其中又以 結構複雜度 對工率值影響最高佔整體變數達 53.24%, 其次為 工作時數 佔 43.77% 年齡 佔 2.89% 工作薪資 佔 0.11% 3. 另外,7 個可能影響工率值的自變數中有 3 個自變數未進入預估模型, 包括 經驗 ( 年資 ) 體重 及 建築高度, 其中較具爭議的係一般認為 經驗 ( 年資 ) 愈豐富其工率值應會愈大, 其原因可能因為經驗豐富的工人對於不同工程性質及不同施作構材較易進入狀況, 而經驗較不足的工人僅需ㄧ段時間的學習與熟悉後, 即可彌補經驗的不足 另外, 藉由工地訪談的 94

116 經驗, 一般工地主任均認為 建築高度 與工率值會有很大的影響, 當施作樓層數愈高則心理懼怕的程度愈高, 故會對工率造成影響, 惟經迴歸模型結果來看, 並不如預期, 此原因可歸咎於問卷調查時現象描述的情況皆以施作 2-4 樓的人數較多, 故造成此現象 二 建築模板作業工率值預估的量因子模型的建立 - 版樑構材利用 ( 表 5.5) 模板作業人員版樑構材工率值與各次序變項達顯著的自變數, 帶入 SPSS 套裝程式中之逐步迴歸分析法, 參見 ( 表 5.10) 模式 2 該欄與 未標準化係數-B 之估計值 該列相互對照結果, 可得建築模板作業工率值的預估模型如 ( 式 5.2) 所示 預估模型的假設檢定 顯著性檢定 解釋能力及分析結果與說明, 如下所述 Y 2 ( 工率值 )= B B B 3... ( 式 5.2) 表 5.10 建築模板作業版樑構材的係數 ( 量因子模型 ) 未標準化係數標準化係數顯著共線性統計量模式 t B 之估計值標準誤 Beta 分配性允差 VIF ( 常數 ) 場所安全度 (B 2 ) 經驗 (B 4 ) 圖說優劣度 (B 3 ) 註 :1. 依變數 : 工率值 ( 版樑構材每天每人完成量 ) 資料來源 : 本研究整理 ( 一 ) 預估模型的假設檢定 - 版樑構材 1. 殘差項的常態性 95

117 預期累積機0.00 次工率-2.0 工率-2 由 ( 圖 5.8) 觀測殘差值得直方圖, 可判斷接近常態分配, 且由 ( 圖 5.9) 常態機率圖可發現其參考線已明顯重疊, 表示殘 差項的常態性非常明顯, 亦即殘差項的分佈符合常態分配 依變數 : 工率值 ( 版樑構材 ) 數 標準差 =.98 平均數 = 0.00 N = 依變數 : 工率值 ( 版樑構材 ) 率 迴歸標準化殘差 圖 5.8 版樑構材之直方圖 ( 量因子模型 ) 觀察累積機率 圖 5.9 版樑構材之迴歸標準化殘差的常態圖 ( 量因子模型 ) 2. 殘差項的等變異性由淨殘差圖 ( 圖 5.10) ( 圖 5.11) 及 ( 圖 5.12) 其觀察預測值 ( 工率值 ) 與殘差值之散佈情形呈不規則跳動, 則表示變異數不隨預測值擴大或縮小, 即具有變異數之性質 依變數 : 工率值 ( 版樑構材 ) 值 依變數 : 工率值 ( 版樑構材 ) 值 場所安全 圖 5.10 版樑構材之工率值與場所安全的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 圖說優劣 圖 5.11 版樑構材之工率值與圖說優劣的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 96

118 工率-20 依變數 : 工率值 ( 版樑構材 ) 值 殘差項的獨立性 經驗 圖 5.12 版樑構材之工率值與經驗的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 由 ( 表 5.11) 模式 2 該欄與 平均平方和 該列相互對 照結果, 可看出殘差 DW=3.014 趨近於 4, 顯示殘差值趨近於 負相關, 亦即殘差項彼此間獨立 表 5.11 建築模板作業版樑構材的變異數分析 ( 量因子模型 ) 模式平方和自由度平均平方和 F 檢定顯著性 迴歸 殘差 總和 註 :1. 預測變數 :( 常數 ) 場所安全度 經驗 圖說優劣度 2. 依變數 : 工率值 ( 版樑構材每天每人完成量 ) 資料來源 : 本研究整理 非複共線性由上述 ( 表 5.10) 模式 2 該欄與 共線性統計量-VIF 該列相互對照結果, 可看出各模型的膨脹係數 (VIF) 皆小於 10, 表示各模型中, 其自變數間的共線性不明顯, 亦即自變數間不具高度相關性 97

119 ( 二 ) 量因子預估模型的顯著性檢定 - 版樑構材 1. 斜率參數 t 檢定由 ( 表 5.10) 模式 2 該欄與 顯著性 該列相互對照結果, 可看出各模型的自變數係數檢定均達顯著水準 (P<0.05), 表示可以用該自變數來解釋依變數 ( 即自變數斜率不為零 ) 2. 迴歸模型適合性檢定 (F 檢定 ) 由 ( 表 5.11) 模式 2 該欄與 顯著性 該列相互對照結果, 可發現各模型的顯著性皆小於顯著水準 (P<0.05), 表示各模型的所有依變數與自變數間有顯著的統計關係存在 ( 三 ) 量因子預估模型的解釋能力 - 版樑構材由 ( 表 5.12) 模式 2 與 調整過後的 R 平方 相互對照, 其值為 0.560, 亦即本模型所採用的自變數, 足以解釋整個模型達 56.0% 的變異 表 5.12 建築模板作業版樑構材的模式摘要 ( 量因子模型 ) 調整過變更統計量模估計的 R R 平方後的 R R 平方分子自分母自顯著性式標準誤 F 改變平方改變量由度由度 F 改變 註 :1. 預測變數 :( 常數 ) 場所安全度 經驗 圖說優劣度 2. 依變數 : 工率值 ( 版樑構材每天每人完成量 ) 資料來源 : 本研究整理 ( 四 ) 量因子預估模型的分析結果與說明 - 版樑構材 1. 由迴歸方程式 ( 式 5.2) 中的係數值可得知 場所安全度 經驗 ( 年資 ) 及 圖說優劣度 與工率值( 每天每人完成量 ) 均呈正相關, 亦即當 B 2 ( 場所安全度 ) B 4 ( 經驗 ) 及 B 3 ( 圖說 98

120 優劣度 ) 的變數值愈大則模板作業人員的工率值 ( 每天每人完成量 ) 愈高 2. 由預估模型可知 9 個可能影響工率值的自變數中有 3 個變數進入預估模型, 整個模型的解釋能力達 56.0% 其中又以 場所安全度 對工率值影響最高佔整體變數達 47.90%, 其次為 圖說優劣度 佔 43.65% 經驗( 年資 ) 佔 8.45% 3. 另外,9 個可能影響工率值的自變數中有 6 個自變數未進入預估模型, 包括 工作薪資 圖說認知 體重 年齡 身高 及 技術難易度, 其中較具爭議的有 圖說認知 及 技術難易度 未進入預估模型, 其原因可能係一般工人均憑著工頭的指示來施工, 即可彌補圖說認知能力不佳及技術難易度造成的困擾 另外, 一般認為 年齡 愈大應表示經驗愈豐富其工率值應會愈大, 其原因可能因為年齡大到一定的範圍內, 其工率值不會再呈上升狀況, 可能會呈現平緩甚至下降的趨勢 三 建築模板作業工率值預估的量因子模型的建立 - 樓梯構材利用 ( 表 5.6) 模板作業人員柱牆構材工率值與各次序變項達顯著的自變數, 帶入 SPSS 套裝程式中之逐步迴歸分析法, 參見 ( 表 5.13) 模式 3 該欄與 未標準化係數-B 之估計值 該列相互對照結果, 可得建築模板作業工率值的預估模型如 ( 式 5.3) 所示 預估模型的假設檢定 顯著性檢定 解釋能力及分析結果與說明, 如下所述 Y 3 ( 工率值 )= C C 3... ( 式 5.3) 99

121 次表 5.13 建築模板作業樓梯構材的係數 ( 量因子模型 ) 模式 未標準化係數標準化係數顯著共線性統計量 t B 之估計值標準誤 Beta 分配性允差 VIF ( 常數 ) 年齡 (C 1 ) 工作薪資 (C 3 ) 註 :1. 依變數 : 工率值 ( 樓梯構材每天每人完成量 ) 資料來源 : 本研究整理 ( 一 ) 量因子預估模型的假設檢定 - 樓梯構材 1. 殘差項的常態性由 ( 圖 5.13) 觀測殘差值得直方圖, 可判斷接近常態分配, 且由 ( 圖 5.14) 常態機率圖可發現其參考線已明顯重疊, 表示殘差項的常態性非常明顯, 亦即殘差項的分佈符合常態分配 依變數 : 工率值 ( 樓梯構材 ) 標準差 =.99 2 平均數 = 0.00 數0 N = 迴歸標準化殘差 圖 5.13 樓梯構材之直方圖 ( 量因子模型 ) 依變數 : 工率值 ( 樓梯構材 ) 率 預期累積機0.00 觀察累積機率 圖 5.14 樓梯構材之迴歸標準化殘差的常態圖 ( 量因子模型 ) 2. 殘差項的等變異性 由淨殘差圖 ( 圖 5.15) ( 圖 5.16) 其觀察預測值 ( 工率值 ) 與殘差值之散佈情形呈不規則跳動, 則表示變異數不隨預測值 擴大或縮小, 即具有變異數之性質 100

122 工率-1000 工率-20 依變數 : 工率值 ( 樓梯構材 ) 值 依變數 : 工率值 ( 樓梯構材 ) 值 年齡 圖 5.15 樓梯構材之工率值與年齡的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 工作薪資 圖 5.16 樓梯構材之工率值與工作薪資的淨殘差圖 ( 量因子模型 ) ( 量因子模型 ) 3. 殘差項的獨立性由 ( 表 5.14) 模式 3 該欄與 平均平方和 該列相互對照結果, 可看出殘差 DW=0.068 趨近於 0, 顯示殘差值趨近於正相關, 亦即殘差項彼此間獨立 表 5.14 建築模板作業樓梯構材的變異數分析 ( 量因子模型 ) 模式平方和自由度平均平方和 F 檢定顯著性 迴歸 殘差 總和 註 :1. 預測變數 :( 常數 ) 年齡 工作薪資 2. 依變數 : 工率值 ( 樓梯構材每天每人完成量 ) 資料來源 : 本研究整理 非複共線性由上述 ( 表 5.13) 模式 3 該欄與 共線性統計量-VIF 該列相互對照結果, 可看出各模型的膨脹係數 (VIF) 皆小於 10, 表示各模型中, 其自變數間的共線性不明顯, 亦即自變數間不具高度相關性 101

123 ( 二 ) 量因子預估模型的顯著性檢定 - 樓梯構材 1. 斜率參數 t 檢定由 ( 表 5.13) 模式 3 該欄與 顯著性 該列相互對照結果, 可看出各模型的自變數係數檢定均達顯著水準 (P<0.05), 表示可以用該自變數來解釋依變數 ( 即自變數斜率不為零 ) 2. 迴歸模型適合性檢定 (F 檢定 ) 由 ( 表 5.14) 模式 3 該欄與 顯著性 該列相互對照結果, 可發現各模型的顯著性皆小於顯著水準 (P<0.05), 表示各模型的所有依變數與自變數間有顯著的統計關係存在 ( 三 ) 量因子預估模型的解釋能力 - 樓梯構材由 ( 表 5.15) 模式 3 與 調整過後的 R 平方 相互對照, 其值為 0.704, 亦即本模型所採用的自變數, 足以解釋整個模型達 70.4% 的變異 表 5.15 建築模板作業樓梯構材的模式摘要 ( 量因子模型 ) 調整過變更統計量模估計的 R R 平方後的 R R 平方分子自分母自顯著性式標準誤 F 改變平方改變量由度由度 F 改變 註 :1. 預測變數 :( 常數 ) 年齡 工作薪資 2. 依變數 : 工率值 ( 樓梯構材每天每人完成量 ) 資料來源 : 本研究整理 ( 四 ) 量因子預估模型的分析結果與說明 - 樓梯構材 1. 由迴歸方程式 ( 式 5.3) 中的係數值可得知 年齡 及 工作薪資 與工率值 ( 每天每人完成量 ) 呈正相關, 亦即當 C 1 ( 年齡 ) 及 C 3 ( 工作薪資 ) 的變數值愈大則模板作業人員的工率值 ( 每 102

124 天每人完成量 ) 愈高 2. 由預估模型可知 6 個可能影響工率值的自變數中有 2 個變數進入預估模型, 整個模型的解釋能力達 70.4% 其中又以 年齡 對工率值影響最高佔整體變數達 99.48%, 其次為 工作薪資 佔 0.52% 3. 另外,6 個可能影響工率值的自變數中有 4 個自變數未進入預估模型, 包括 經驗 ( 年資 ) 規範約束 出工情緒 及 場所寬暢度, 其中較具爭議的有 經驗 ( 年資 ), 如量因子模型柱牆構材之說明 5.3 數量化 I 分析於建築模板作業工率值質因子預估模型的研擬本節係利用數量化 I 分析 (Quantification analysis I) 建立建築工程模板作業工率值的質因子模型 ( 依現況區分, 建立柱牆 版樑及樓梯的預估模式 ) 質因子預估模型變數的選取此單元研究僅針對影響建築模板作業工率值因素中的 類別變項 ( 不可線性量化的影響因素 ) 納入考量, 以做為迴歸式中的自變數, 並以工率值 ( 每天每人完成量 ) 為依變數 依據本文 (4.4 小節 ) 中其工率值與各類別變項之獨立樣本 t 檢定及單因子變異數分析的結果 ( 即工率值與各類別變項達顯著關係的因素 ) 做為質因子預估模型自變數選取之依據, 並按不同的施作部位 ( 柱牆 版樑及樓梯各構材 ) 加以分類, 並給予各變數編號, 以利於模式建立後對照之用, 其結果彙整如 ( 表 5.16) ( 表 5.17) 及 ( 表 5.18) 所示 103

125 表 5.16 模板作業人員柱牆構材工率值與各類別變項達顯著的自變數 自變數 名稱 自變數 名稱 自變數 名稱 D 1 婚姻狀況 D 2 年齡 D 3 經驗 ( 年資 ) D 4 教育程度 D 5 工作薪資 D 6 工作時數 D 7 工班人數 D 8 結構複雜度 D 9 氣候條件 D 10 出工情緒 D 11 建築高度 - - 註 :1. 依變數 (Y 4 ) 為工率值 ( 柱牆構材 ), 係指每天每人所能完成的作業數量 2. 表中的自變數為已經過獨立樣本 t 檢定及單因子變異數分析, 其值介於 0.01~0.05( 信賴水準達 95% 以上 ) 資料來源 : 本研究整理 表 5.17 模板作業人員版樑構材工率值與各類別變項達顯著的自變數 自變數 名稱 自變數 名稱 自變數 名稱 E 1 年齡 E 2 經驗 ( 年資 ) E 3 身高 E 4 體重 E 5 教育程度 E 6 祖籍 E 7 工作薪資 E 8 技術難易度 E 9 出工情緒 E 10 圖說優劣度 E 11 工作時間 E 12 場所安全度 E 13 圖說認知 註 :1. 依變數 (Y 5 ) 為工率值 ( 版樑構材 ), 係指每天每人所能完成的作業數量 2. 表中的自變數為已經過獨立樣本 t 檢定及單因子變異數分析, 其值介於 0.01~0.05( 信賴水準達 95% 以上 ) 資料來源 : 本研究整理 表 5.18 模板作業人員樓梯構材工率值與各類別變項達顯著的自變數 自變數 名稱 自變數 名稱 自變數 名稱 F 1 年齡 F 2 經驗 ( 年資 ) F 3 親人居住情形 F 4 身高 F 5 教育程度 F 6 祖籍 F 7 工作薪資 F 8 規範約束 註 :1. 依變數 (Y 6 ) 為工率值 ( 樓梯構材 ), 係指每天每人所能完成的作業數量 2. 表中的自變數為已經過獨立樣本 t 檢定及單因子變異數分析, 其值介於 0.01~0.05( 信賴水準達 95% 以上 ) 資料來源 : 本研究整理 建築模板作業工率值質因子預估模型的建立研究依據工率值與各類別變項達顯著關係的因素, 利用 SPSS 套裝程式中之多元迴歸分析中的 逐步迴歸分析法 建立建築模板作業工率值預估的質因子模型 ( 分別建立柱牆 版樑及樓梯的預估模式 ) 所得建築模板作業工率值預估的質因子模型及其基本假設檢定及顯著性 104

126 檢定, 分別如下所述 : 一 建築模板作業工率值預估的質因子模型的建立 - 柱牆構材利用 ( 表 5.16) 模板作業人員柱牆構材工率值與各類別變項達顯著的自變數, 帶入 SPSS 套裝程式中之逐步迴歸分析法, 參見 ( 表 5.19) 模式 4 該欄與 未標準化係數-B 之估計值 該列相互對照結果, 可得建築模板作業工率值的預估模型如 ( 式 5.4) 所示 預估模型的假設檢定 顯著性檢定 解釋能力及分析結果與說明, 如下所述 Y 4 ( 工率值 )= D D D D D D D D D D ( 式 5.4) 表 5.19 建築模板作業柱牆構材的係數 ( 質因子模型 ) 4 模式 未標準化係數標準化係數顯著共線性統計量 t B 之估計值標準誤 Beta 分配性允差 VIF ( 常數 ) 工作薪資 6(D 5-6 ) 工作薪資 7(D 5-7 ) 結構複雜度 2(D 8-2 ) 出工情緒 4(D 10-4 ) 教育程度 1(D 4-1 ) 工作薪資 2(D 5-2 ) 工作薪資 4(D 5-4 ) 氣候條件 3(D 9-3 ) 工作時數 4(D 6-4 ) 經驗 5(D 3-5 ) 註 :1. 依變數 : 工率值 ( 柱牆構材每天每人完成量 ) 資料來源 : 本研究整理 ( 一 ) 質因子預估模型的假設檢定 - 柱牆構材 1. 殘差項的常態性 105

127 預期累積機0.00 次工率-.8 工率-.6 由 ( 圖 5.17) 觀測殘差值得直方圖, 可判斷接近常態分配, 且由 ( 圖 5.18) 常態機率圖可發現其參考線已明顯重疊, 表示 殘差項的常態性非常明顯, 亦即殘差項的分佈符合常態分配 數0 依變數 : 工率值 ( 柱牆構材 ) 標準差 =.93 平均數 = 0.00 N = 依變數 : 工率值 ( 柱牆構材 ) 率 迴歸標準化殘差 圖 5.17 柱牆構材之直方圖 ( 質因子模型 ) 觀察累積機率 圖 5.18 柱牆構材之迴歸標準化殘差的常態圖 ( 質因子模型 ) 2. 殘差項的等變異性由淨殘差圖 ( 圖 5.19) 至 ( 圖 5.28) 其觀察預測值 ( 工率值 ) 與殘差值之散佈情形呈不規則跳動, 則表示變異數不隨預測值擴大或縮小, 即具有變異數之性質 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 經驗 5(11~20 年 ) 圖 5.19 柱牆構材之工率值與經驗的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 教育程度 1( 國小以下 ) 圖 5.20 柱牆構材之工率值與教育程度的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 106

128 工率-.2 工率-.6 工率-.8 工率-.4 工率-1.0 工率-.6 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 工作薪資 2(1201~1500 元 ) 圖 5.21 柱牆構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 工作薪資 4(1801~2100 元 ) 圖 5.22 柱牆構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 工作薪資 6(2401~2700 元 ) 圖 5.23 柱牆構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 工作薪資 7(2701~3000 元 ) 圖 5.24 柱牆構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 工作時數 4(7~8 小時 ) 圖 5.25 柱牆構材之工率值與工作時數的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 107 結構複雜度 2( 複雜 ) 圖 5.26 柱牆構材之工率值與結構複雜的淨殘差圖 ( 質因子模型 ) ( 量因子模型 )

129 工率-.4 工率-1.0 依變數 : 工率值 ( 柱牆構材 ) 值 依變數 : 工率值 ( 柱牆構材 ) 值 氣候條件 3( 綿綿細雨 ) 圖 5.27 柱牆構材之工率值與氣候條件的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 3. 殘差項的獨立性 由 ( 表 5.20) 模式 4 該欄與 平均平方和 該列相互對 照結果, 可看出殘差 DW=1.573 趨近於 0, 顯示殘差值趨近於 正相關, 亦即殘差項彼此間獨立 出工情緒 4(61~80 分 ) 圖 5.28 柱牆構材之工率值與出工情緒的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 表 5.20 建築模板作業柱牆構材的變異數分析 ( 質因子模型 ) 模式 平方和 自由度 平均平方和 F 檢定 顯著性 迴歸 殘差 總和 註 :1. 預測變數 :( 常數 ) 工作薪資 6 工作薪資 7 結構複雜度 2 情緒 4 教育程度 1 工作薪資 2 工作薪資 4 氣候條件 3 工作時數 4 經驗 5 2. 依變數 : 工率值 ( 柱牆構材每天每人完成量 ) 資料來源 : 本研究整理 4. 非複共線性由上述 ( 表 5.19) 模式 4 該欄與 共線性統計量-VIF 該列相互對照結果, 可看出各模型的膨脹係數 (VIF) 皆小於 10, 表示各模型中, 其自變數間的共線性不明顯, 亦即自變數間不具高度相關性 108

130 ( 二 ) 質因子預估模型的顯著性檢定 - 柱牆構材 1. 斜率參數 t 檢定由 ( 表 5.19) 模式 4 該欄與 顯著性 該列相互對照結果, 可看出各模型的自變數係數檢定均達顯著水準 (P<0.05), 表示可以用該自變數來解釋依變數 ( 即自變數斜率不為零 ) 2. 迴歸模型適合性檢定 (F 檢定 ) 由 ( 表 5.20) 模式 4 該欄與 顯著性 該列相互對照結果, 可發現各模型的顯著性皆小於顯著水準 (P<0.05), 表示各模型的所有依變數與自變數間有顯著的統計關係存在 ( 三 ) 質因子預估模型的解釋能力 - 柱牆構材由 ( 表 5.21) 模式 4 與 調整過後的 R 平方 相互對照, 其值為 0.775, 亦即本模型所採用的自變數, 足以解釋整個模型達 77.5% 的變異 表 5.21 建築模板作業柱牆構材的模式摘要 ( 質因子模型 ) 調整過變更統計量模估計的 R R 平方後的 R R 平方分子自分母自顯著性式標準誤 F 改變平方改變量由度由度 F 改變 註 :1. 預測變數 :( 常數 ) 工作薪資 6 工作薪資 7 結構複雜度 2 情緒 4 教育程度 1 工作薪資 2 工作薪資 4 氣候條件 3 工作時數 4 經驗 5 2. 依變數 : 工率值 ( 柱牆構材每天每人完成量 ) 資料來源 : 本研究整理 ( 四 ) 質因子預估模型的分析結果與說明 - 柱牆構材 1. 由迴歸方程式 ( 式 5.4) 中的係數值可得知 工作薪資 6 (2401~2700 元 ) 工作薪資 7(2701~3000 元 ) 結構複雜 109

131 度 2( 複雜 ) 教育程度 1( 國小以下 ) 工作薪資 2(1201~1500 元 ) 氣候條件 3( 綿綿細雨 ) 出工時數 4(7~8 小時 ) 及 經驗 5(11~20 年 ) 與工率值( 每天每人完成量 ) 呈正相關, 而與 出工情緒 4(61~80 分 ) 及 工作薪資 4(1801~2100 元 ) 呈負相關, 亦即當 D 5-6 ( 工作薪資 6) D 5-7 ( 工作薪資 7) D 8-2 ( 結構複雜度 2) D 4-1 ( 教育程度 1) D 5-2 ( 工作薪資 2) D 9-3 ( 氣候條件 3) D 6-4 ( 出工時數 4) 及 D 3-5 ( 經驗 5) 的變數值愈大則模板作業人員的工率值 ( 每天每人完成量 ) 愈高, 而當 D 10-4 ( 出工情緒 4) 及 D 5-4 ( 工作薪資 4) 的變數值愈大則模板工作業人員的工率值 ( 每天每人完成量 ) 愈低 2. 由預估模型可知 11 個可能影響工率值的自變數中有 7 個變數進入預估模型, 整個模型的解釋能力達 77.5% 其中又以 氣候條件 3 對工率值影響最高佔整體變數達 24.37%, 其次為 工作薪資 2 佔 16.16% 工作薪資 6 佔 12.28% 工作薪資 7 佔 12.08% 教育程度 1 佔 10.40% 出工情緒 4 佔 7.17% 出工時數 4 佔 4.63% 工作薪資 4 佔 4.43% 結構複雜度 2 佔 4.39% 經驗 5 佔 4.09% 3. 另外 11 個可能影響工率值的自變數中有 4 個自變數未進入預估模型, 包括 婚姻狀況 年齡 工班人數 及 建築高度, 其中較具爭議的係一般認為 年齡 愈大應表示經驗愈豐富其工率值應會愈大, 其原因可能因為年齡大到一定的範圍內, 其工率值不會再呈上升狀況, 可能會呈現平緩甚至下降的趨勢 另外, 建築高度 同量因子模型柱牆構材之說明 二 建築模板作業工率值預估的質因子模型的建立 - 版樑構材 利用 ( 表 5.17) 模板作業人員版樑構材工率值與各類別變項 110

132 達顯著的自變數, 帶入 SPSS 套裝程式中之逐步迴歸分析法, 參見 ( 表 5.22) 模式 5 該欄與 未標準化係數-B 之估計值 該列相互對照結果, 可得建築模板作業工率值的預估模型如 ( 式 5.5) 所示 預估模型的假設檢定 顯著性檢定 解釋能力及分析結果與說明, 如下所述 Y 5 ( 工率值 )= E E E E E E E E E E E ( 式 5.5) 表 5.22 建築模板作業版樑構材的係數 ( 質因子模型 ) 模式 未標準化係數標準化係數顯著共線性統計量 t B 之估計值標準誤 Beta 分配性允差 VIF ( 常數 ) 教育程度 2 (E 5-2 ) 工作薪資 6(E 7-6 ) 出工情緒 2 (E 9-2 ) 經驗 5(E 2-5 ) 體重 2(E 4-2 ) 祖籍 5(E 6-5 ) 工作薪資 5(E 7-5 ) 年齡 6(E 1-6 ) 技術難易度 3(E 8-3 ) 場所安全度 4(E 12-4 ) 祖籍 2(E 6-2 ) 註 :1. 依變數 : 工率值 ( 版樑構材每天每人完成量 ) 資料來源 : 本研究整理 ( 一 ) 質因子預估模型的假設檢定 - 版樑構材 1. 殘差項的常態性 111

133 預期累積機0.00 次工率-.6 工率-1.0 由 ( 圖 5.29) 觀測殘差值得直方圖, 可判斷接近常態分配, 且由 ( 圖 5.30) 常態機率圖可發現其參考線已明顯重疊, 表示 殘差項的常態性非常明顯, 亦即殘差項的分佈符合常態分配 數0 依變數 : 工率值 ( 版樑構材 ) 標準差 =.94 平均數 = 0.00 N = 依變數 : 工率值 ( 版樑構材 ) 率 迴歸標準化殘差 圖 5.29 版樑構材之直方圖 ( 質因子模型 ) 觀察累積機率 圖 5.30 版樑構材之迴歸標準化殘差的常態圖 ( 質因子模型 ) 2. 殘差項的等變異性由淨殘差圖 ( 圖 5.31) 至 ( 圖 5.41) 其觀察預測值 ( 工率值 ) 與殘差值之散佈情形呈不規則跳動, 則表示變異數不隨預測值擴大或縮小, 即具有變異數之性質 依變數 : 工率值 ( 版樑構材 ) 值 依變數 : 工率值 ( 版樑構材 ) 值 年齡 6(51~60 歲 ) 圖 5.31 版樑構材之工率值與年齡的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 經驗 5(11~20 年 ) 圖 5.32 版樑構材之工率值與經驗的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 112

134 工率-.2 工率-1.0 工率-.4 工率-.2 工率-.6 工率-.6 依變數 : 工率值 ( 版樑構材 ) 值 依變數 : 工率值 ( 版樑構材 ) 值 體重 2(41~50kg) 圖 5.33 版樑構材之工率值與體重的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 教育程度 2( 國小 ) 圖 5.34 版樑構材之工率值與教育成度的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 版樑構材 ) 值 依變數 : 工率值 ( 版樑構材 ) 值 祖籍 2( 外省 ) 圖 5.35 版樑構材之工率值與祖籍的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 祖籍 5( 外國籍 ) 圖 5.36 版樑構材之工率值與祖籍的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 版樑構材 ) 值 依變數 : 工率值 ( 版樑構材 ) 值 工作薪資 5(2101~2400 元 ) 圖 5.37 版樑構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 113 工作薪資 6(2401~2700 元 ) 圖 5.38 版樑構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 )

135 工率-.8 工率-.2 依變數 : 工率值 ( 版樑構材 ) 值 依變數 : 工率值 ( 版樑構材 ) 值 技術難易度 3( 普通 ) 圖 5.39 版樑構材之工率值與技術難易的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 版樑構材 ) 值 工率-.6 場所安全度 4( 安全 ) 由 ( 表 5.23) 模式 5 該欄與 平均平方和 該列相互對 照結果, 可看出殘差 DW=2.252 趨近於 4, 顯示殘差值趨近於 負相關, 亦即殘差項彼此間獨立 出工情緒 2(21~40 分 ) 圖 5.40 版樑構材之工率值與出工情緒的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 圖 5.41 版樑構材之工率值與場所安全的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 3. 殘差項的獨立性 表 5.23 建築模板作業版樑構材的變異數分析 ( 質因子模型 ) 5 模式 平方和 自由度 平均平方和 F 檢定 顯著性 迴歸 殘差 總和 註 :1. 預測變數 :( 常數 ) 教育 2 薪資 情緒 2 經驗 5 體重 2 祖籍 5 薪資 5 年齡 6 難易度 3 安全度 4 祖籍 2 2. 依變數 : 工率值 ( 版樑構材每天每人完成量 ) 資料來源 : 本研究整理 114

136 4. 非複共線性由上述 ( 表 5.22) 模式 5 該欄與 共線性統計量-VIF 該列相互對照結果, 可看出各模型的膨脹係數 (VIF) 皆小於 10, 表示各模型中, 其自變數間的共線性不明顯, 亦即自變數間不具高度相關性 ( 二 ) 質因子預估模型的顯著性檢定 - 版樑構材 1. 斜率參數 t 檢定由 ( 表 5.22) 模式 5 該欄與 顯著性 該列相互對照結果, 可看出各模型的自變數係數檢定均達顯著水準 (P<0.05), 表示可以用該自變數來解釋依變數 ( 即自變數斜率不為零 ) 2. 迴歸模型適合性檢定 (F 檢定 ) 由 ( 表 5.23) 模式 5 該欄與 顯著性 該列相互對照結果, 可發現各模型的顯著性皆小於顯著水準 (P<0.05), 表示各模型的所有依變數與自變數間有顯著的統計關係存在 ( 三 ) 質因子預估模型的解釋能力 - 版樑構材由 ( 表 5.24) 模式 5 與 調整過後的 R 平方 相互對照, 其值為 0.741, 亦即本模型所採用的自變數, 足以解釋整個模型達 74.1% 的變異 表 5.24 建築模板作業版樑構材的模式摘要 ( 質因子模型 ) 模 式 R R 平方 調整過 後的 R 平方 估計的 標準誤 R 平方 改變量 115 F 改變 變更統計量 分子自 由度 分母自 由度 顯著性 F 改變 註 :1. 預測變數 :( 常數 ) 教育 2 薪資 情緒 2 經驗 5 體重 2 祖籍 5 薪資 5 年齡 6 難易度 3 安全度 4 祖籍 2 2. 依變數 : 工率值 ( 版樑構材每天每人完成量 ) 資料來源 : 本研究整理

137 ( 四 ) 質因子預估模型的分析結果與說明 - 版樑構材 1. 由迴歸方程式 ( 式 5.5) 中的係數值可得知 教育程度 2( 國小 ) 工作薪資 6(2401~2700 元 ) 出工情緒 2(21~40 分 ) 年齡 6(51~60 歲 ) 場所安全度 4( 安全 ) 及 祖籍 2( 外省 ) 與工率值 ( 每天每人完成量 ) 呈正相關, 而與 經驗 5(11~20 年 ) 體重 2(41~50kg) 祖籍 5( 外國籍 ) 工作薪資 5 (2101~2400 元 ) 及 技術難易度 3( 普通 ) 呈負相關, 亦即當 E 5-2 ( 教育程度 2) E 7-6 ( 工作薪資 6) E 9-2 ( 出工情緒 2) E 1-6 ( 年齡 6) E 12-4 ( 場所安全度 4) 及 E 6-2 ( 祖籍 2) 的變數值愈大則模板作業人員的工率值 ( 每天每人完成量 ) 愈高, 而當 E 2-5 ( 經驗 5) E 4-2 ( 體重 2) E 6-5 ( 祖籍 5) E 7-5 ( 工作薪資 5) 及 E 8-3 ( 技術難易度 3) 的變數值愈大則模板工作業人員的工率值 ( 每天每人完成量 ) 愈低 2. 由預估模型可知 13 個可能影響工率值的自變數中有 9 個變數進入預估模型, 整個模型的解釋能力達 74.1% 其中又以 出工情緒 2 對工率值影響最高佔整體變數達 27.36%, 其次為 體重 2 佔 21.93% 祖籍 5 佔 10.47% 祖籍 2 佔 8.28% 教育程度 2 佔 6.08% 年齡 6 佔 5.84% 工作薪資 5 佔 5.15% 經驗 5 佔 3.98% 工作薪資 6 佔 3.70% 技術難易度 3 佔 3.62% 場所安全度 4 佔 3.59% 3. 另外 13 個可能影響工率值的自變數中有 4 個自變數未進入預估模型, 包括 身高 圖說優劣度 工作時間 及 圖說認知, 其中較具爭議的有 圖說優劣度 及 圖說認知 未進入預估模型, 其原因可能係一般工人均憑著工頭的指示來施工, 即可彌補圖說認知能力不佳及技術難易度造成的困擾 116

138 三 建築模板作業工率值預估的質因子模型的建立 - 樓梯構材利用 ( 表 5.18) 模板作業人員柱牆構材工率值與各類別變項達顯著的自變數, 帶入 SPSS 套裝程式中之逐步迴歸分析法, 參見 ( 表 5.25) 模式 6 該欄與 未標準化係數-B 之估計值 該列相互對照結果, 可得建築模板作業工率值的預估模型如 ( 式 5.6) 所示 預估模型的假設檢定 顯著性檢定 解釋能力及分析結果與說明, 如下所述 Y 6 ( 工率值 )= F F F F F F F ( 式 5.6) 表 5.25 建築模板作業樓梯構材的係數 ( 質因子模型 ) 模式 未標準化係數標準化係數顯著共線性統計量 t B 之估計值標準誤 Beta 分配性允差 VIF ( 常數 ) 年齡 6 (F 1-6 ) 經驗 4 (F 2-4 ) 工作薪資 7(F 7-7 ) 教育程度 4(F 5-4 ) 祖籍 3(F 6-3 ) 經驗 7(F 2-7 ) 工作薪資 4(F 7-4 ) 註 :1. 依變數 : 工率值 ( 樓梯構材每天每人完成量 ) 資料來源 : 本研究整理 ( 一 ) 質因子預估模型的假設檢定 - 樓梯構材 1. 殘差項的常態性 由 ( 圖 5.42) 觀測殘差值得直方圖, 可判斷接近常態分配, 117

139 預期累積機0.00 次工率-.6 工率-.4 且由 ( 圖 5.43) 常態機率圖可發現其參考線已明顯重疊, 表示 殘差項的常態性非常明顯, 亦即殘差項的分佈符合常態分配 數0 依變數 : 工率值 ( 樓梯構材 ) 標準差 =.95 平均數 = 0.00 N = 依變數 : 工率值 ( 樓梯構材 ) 率 迴歸標準化殘差 圖 5.42 樓梯構材之直方圖 ( 質因子模型 ) 觀察累積機率 圖 5.43 樓梯構材之迴歸標準化殘差的常態圖 ( 質因子模型 ) 2. 殘差項的等變異性由淨殘差圖 ( 圖 5.44) 至 ( 圖 5.50) 其觀察預測值 ( 工率值 ) 與殘差值之散佈情形呈不規則跳動, 則表示變異數不隨預測值擴大或縮小, 即具有變異數之性質 依變數 : 工率值 ( 樓梯構材 ) 值 依變數 : 工率值 ( 樓梯構材 ) 值 年齡 6 (51~60 歲 ) 圖 5.44 樓梯構材之工率值與年齡的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 經驗 4 (6~10 年 ) 圖 5.45 樓梯構材之工率值與經驗的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 118

140 工率-.4 工率-.6 工率-.6 工率-.6 工率-.2 依變數 : 工率值 ( 樓梯構材 ) 值 依變數 : 工率值 ( 樓梯構材 ) 值 經驗 7 (31 年以上 ) 圖 5.46 樓梯構材之工率值與經驗的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 教育程度 4 ( 高中或高職 ) 圖 5.47 樓梯構材之工率值與教育程度的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 樓梯構材 ) 值 依變數 : 工率值 ( 樓梯構材 ) 值 祖籍 3 ( 客家 ) 圖 5.48 樓梯構材之工率值與祖籍的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 工作薪資 4 (1801~2100 元 ) 圖 5.49 樓梯構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 依變數 : 工率值 ( 樓梯構材 ) 值 工作薪資 7 (2701~3000 元 ) 圖 5.50 樓梯構材之工率值與工作薪資的淨殘差圖 ( 質因子模型 ) ( 量因子模型 ) 119

141 3. 殘差項的獨立性由 ( 表 5.26) 模式 6 該欄與 平均平方和 該列相互對照結果, 可看出殘差 DW=0.391 趨近於 4, 顯示殘差值趨近於負相關, 亦即殘差項彼此間獨立 表 5.26 建築模板作業樓梯構材的變異數分析 ( 質因子模型 ) 模式 平方和 自由度 平均平方和 F 檢定 顯著性 迴歸 殘差 總和 註 :1. 預測變數 :( 常數 ) 年齡 6 經驗 4 薪資 7 教育 4 祖籍 3 經驗 7 薪資 4 2. 依變數 : 工率值 ( 樓梯構材每天每人完成量 ) 資料來源 : 本研究整理 4. 非複共線性由上述 ( 表 5.25) 模式 6 該欄與 共線性統計量-VIF 該列相互對照結果, 可看出各模型的膨脹係數 (VIF) 皆小於 10, 表示各模型中, 其自變數間的共線性不明顯, 亦即自變數間不具高度相關性 ( 二 ) 質因子預估模型的顯著性檢定 - 樓梯構材 1. 斜率參數 t 檢定由 ( 表 5.25) 模式 6 該欄與 顯著性 該列相互對照結果, 可看出各模型的自變數係數檢定均達顯著水準 (P<0.05), 表示可以用該自變數來解釋依變數 ( 即自變數斜率不為零 ) 2. 迴歸模型適合性檢定 (F 檢定 ) 由 ( 表 5.26) 模式 6 該欄與 顯著性 該列相互對照結果, 可發現各模型的顯著性皆小於顯著水準 (P<0.05), 表示各模型的所有依變數與自變數間有顯著的統計關係存在 120

142 ( 三 ) 質因子預估模型的解釋能力 - 樓梯構材由 ( 表 5.27) 模式 27 與 調整過後的 R 平方 相互對照, 其值為 0.842, 亦即本模型所採用的自變數, 足以解釋整個模型達 84.2% 的變異 表 5.27 建築模板作業樓梯構材的模式摘要 ( 質因子模型 ) 調整過變更統計量模估計的 R R 平方後的 R R 平方分子自分母自顯著性式標準誤 F 改變平方改變量由度由度 F 改變 註 :1. 預測變數 :( 常數 ) 年齡 6 經驗 4 薪資 7 教育 4 祖籍 3 經驗 7 薪資 4 2. 依變數 : 工率值 ( 樓梯構材每天每人完成量 ) 資料來源 : 本研究整理 ( 四 ) 質因子預估模型的分析結果與說明 - 樓梯構材 1. 由迴歸方程式 ( 式 5.6) 中的係數值可得知 年齡 6(51~60 歲 ) 工作薪資 7(2701~3000 元 ) 及 經驗 7(31 年以上 ) 與工率值 ( 每天每人完成量 ) 呈正相關, 而與 經驗 4(6~10 年 ) 教育程度 4( 高中或高職 ) 祖籍 3( 客家 ) 及 工作薪資 4(1801~2100 元 ) 呈負相關, 亦即當 F 1-6 ( 年齡 6) F 7-7 ( 工作薪資 7) 及 F 2-7 ( 經驗 7) 的變數值愈大則模板作業人員的工率值 ( 每天每人完成量 ) 愈高, 而當 F 2-4 ( 經驗 4) F 5-4 ( 教育程度 4) F 6-3 ( 祖籍 3) 及 F 7-4 ( 工作薪資 4) 的變數值愈大則模板工作業人員的工率值 ( 每天每人完成量 ) 愈低 2. 由預估模型可知 8 個可能影響工率值的自變數中有 5 個變數進入預估模型, 整個模型的解釋能力達 84.2% 其中又以 經驗 4 對工率值影響最高佔整體變數達 24.27%, 其次為 工作薪資 7 佔 24.05% 年齡 6 佔 14.49% 經驗 7 佔 11.11% 121