本研究透過空間計量模型分析台灣各縣市長照安養機構數在空間上是否存在空間自相關的現象。本研究利用2001到2020年台灣縣市級追蹤資料(panel data)進行分析。首先，本研究分析台灣各縣市長照安養機構數的分布與趨勢，接著以Moran’s I來測試各縣市長照安養機構數的空間自相關程度，並利用空間統計軟體GeoDa繪製台灣各縣市長照安養機構數的空間分佈圖及LISA集聚圖，並分析各縣市的長照安養機構數在LISA時空躍遷路徑。最後，本研究以變異數分析與t-test來分析不同行政區、不同地理區域的縣市的長照安養機構數的差異情形。主要分析結果如下：台灣各縣市的老人長照安養機構數分布不均，老人長照安養機構數集中於直轄市，各縣市的老人長照安養機構數存在空間自相關，2015年到2020年直轄市的老人長照安養機構數顯著高於非直轄市的老人長照安養機構數，2015年到2020年不同地理區域的縣市在老人長照安養機構數無顯著差異。最後，本研究的研究結論可以提供政府在長照產業政策上的參考，以及長照安養機構經營者在經營上的參考。

This research used the spatial econometric model to analyze whether there is a spatial autocorrelation phenomenon in the number of long-term care and support institutions in Taiwan’s counties and cities. In particular, this study investigated the panel data of counties and cities in Taiwan from 2001 to 2020. Firstly, it analyzed the distribution and trend of the number of long-term care and support institutions in Taiwan’s counties and cities. Then, it used Moran’s I to test the degree of spatial autocorrelation of the number of their long-term care and support institutions. In addition, this research also used the spatial statistical software, GeoDa, to draw the spatial distribution and the LISA aggregation maps of the number of long-term care and support institutions in Taiwan’s counties and cities. The LISA time-space transition path of the number of long-term care and support institutions in Taiwan’s counties and cities were analyzed. Finally, this research used the ANOVA and t-test to analyze the differences in the number of long-term care and support institutions in different administrative and geographical regions of counties and cities. The main analysis results are as follows: the number of long-term care and support institutions for the elderly in Taiwan’s counties and cities is unevenly distributed, is concentrated in municipalities, and has spatial autocorrelation; the number of long-term care and support institutions for the elderly in Taiwan’s municipalities from 2015 to 2020 was significantly higher than that of other counties and cities; there was no significant difference in the number of long-term care and support institutions for the elderly in counties and cities in different geographical regions from 2015 to 2020. Finally, the conclusions derived from this research can provide a reference in formulating government policies in the long-term care industry and for the operators of long-term care institutions in their operations.

論文審定書 i
誌謝 ii
摘要 iii
Abstract iv
目錄 v
圖次 vii
表次 ix
一、緒論 1
1.1　研究動機 1
1.2　研究目的 3
1.3　研究流程 4
二、文獻探討 6
2.1　產業群聚 6
2.2　空間自相關 8
三、研究方法 10
3.1　資料與樣本 10
3.2　空間權重矩陣 11
3.3　空間自相關指標 12
四、實證分析結果 14
4.1　各縣市的老人長照安養機構數 14
4.2　老人長照安養機構數的空間分布 25
4.3　全域空間自相關檢定 36
4.4　區域空間自相關檢定 38
4.5　LISA時空躍遷衡量分析 51
4.6　區域差異分析 53
五、研究結論與建議 59
5.1　研究結論 59
5.2　研究貢獻 61
5.3　研究限制 62
5.4　對後續研究之建議 63
參考文獻 64


圖次
圖1-1 台灣社會高齡化時程 1
圖1-2 研究流程圖 5
圖4-1 2001到2020年連江縣老人長照安養機構數的變化 14
圖4-2 2001到2020年宜蘭縣老人長照安養機構數的變化 14
圖4-3 2001到2020年彰化縣老人長照安養機構數的變化 15
圖4-4 2001到2020年南投縣老人長照安養機構數的變化 15
圖4-5 2001到2020年連江縣老人長照安養機構數的變化 16
圖4-6 2001到2020年屏東縣老人長照安養機構數的變化 16
圖4-7 2001到2020年基隆市老人長照安養機構數的變化 17
圖4-8 2001到2020年新竹市老人長照安養機構數的變化 17
圖4-9 2001到2020年台北市老人長照安養機構數的變化 18
圖4-10 2001到2020年薪北市老人長照安養機構數的變化 18
圖4-11 2001到2020年台中市老人長照安養機構數的變化 19
圖4-12 2001到2020年台南市老人長照安養機構數的變化 19
圖4-13 2001到2020年桃園市老人長照安養機構數的變化 20
圖4-14 2001到2020年苗栗縣老人長照安養機構數的變化 20
圖4-15 2001到2020年新竹縣老人長照安養機構數的變化 21
圖4-16 2001到2020年嘉義市老人長照安養機構數的變化 21
圖4-17 2001到2020年嘉義縣老人長照安養機構數的變化 22
圖4-18 2001到2020年金門縣老人長照安養機構數的變化 22
圖4-19 2001到2020年高雄市老人長照安養機構數的變化 23
圖4-20 2001到2020年台東縣老人長照安養機構數的變化 23
圖4-21 2001到2020年花蓮縣老人長照安養機構數的變化 24
圖4-22 2001到2020年澎湖縣老人長照安養機構數的變化 24
圖4-23 2001年台灣老人長照安養機構數的空間分布圖 25
圖4-24 2002年台灣老人長照安養機構數的空間分布圖 26
圖4-25 2003年台灣老人長照安養機構數的空間分布圖 26
圖4-26 2004年台灣老人長照安養機構數的空間分布圖 27
圖4-27 2005年台灣老人長照安養機構數的空間分布圖 27
圖4-28 2006年台灣老人長照安養機構數的空間分布圖 28
圖4-29 2007年台灣老人長照安養機構數的空間分布圖 28
圖4-30 2008年台灣老人長照安養機構數的空間分布圖 29
圖4-31 2009年台灣老人長照安養機構數的空間分布圖 29
圖4-32 2010年台灣老人長照安養機構數的空間分布圖 30
圖4-33 2011年台灣老人長照安養機構數的空間分布圖 30
圖4-34 2012年台灣老人長照安養機構數的空間分布圖 31
圖4-35 2013年台灣老人長照安養機構數的空間分布圖 31
圖4-36 2014年台灣老人長照安養機構數的空間分布圖 32
圖4-37 2015年台灣老人長照安養機構數的空間分布圖 32
圖4-38 2016年台灣老人長照安養機構數的空間分布圖 33
圖4-39 2017年台灣老人長照安養機構數的空間分布圖 33
圖4-40 2018年台灣老人長照安養機構數的空間分布圖 34
圖4-41 2019年台灣老人長照安養機構數的空間分布圖 34
圖4-42 2020年台灣老人長照安養機構數的空間分布圖 35
圖4-43 2001年到2019年台灣老人長照安養機構數的global Moran's I的曲線圖 37
圖4-44 LISA 集聚圖 39
圖4-45 2001年台灣老人長照安養機構數的LISA集聚圖 39
圖4-46 2002年台灣老人長照安養機構數的LISA集聚圖 40
圖4-47 2003年台灣老人長照安養機構數的LISA集聚圖 40
圖4-48 2004年台灣老人長照安養機構數的LISA集聚圖 41
圖4-49 2005年台灣老人長照安養機構數的LISA集聚圖 41
圖4-50 2006年台灣老人長照安養機構數的LISA集聚圖 42
圖4-51 2007年台灣老人長照安養機構數的LISA集聚圖 42
圖4-52 2008年台灣老人長照安養機構數的LISA集聚圖 43
圖4-53 2009年台灣老人長照安養機構數的LISA集聚圖 43
圖4-54 2010年台灣老人長照安養機構數的LISA集聚圖 44
圖4-55 2011年台灣老人長照安養機構數的LISA集聚圖 44
圖4-56 2012年台灣老人長照安養機構數的LISA集聚圖 45
圖4-57 2013年台灣老人長照安養機構數的LISA集聚圖 45
圖4-58 2014年台灣老人長照安養機構數的LISA集聚圖 46
圖4-59 2015年台灣老人長照安養機構數的LISA集聚圖 46
圖4-60 2016年台灣老人長照安養機構數的LISA集聚圖 47
圖4-61 2017年台灣老人長照安養機構數的LISA集聚圖 47
圖4-62 2018年台灣老人長照安養機構數的LISA集聚圖 48
圖4-63 2019年台灣老人長照安養機構數的LISA集聚圖 48
圖4-64 2020年台灣老人長照安養機構數的LISA集聚圖 49


表次
表2-1 產業群聚的觀點 7
表3-1 台灣22縣市代碼與名稱 10
表4-1 2001年到2020年台灣老人長照安養機構數的的空間自相關指標 37
表4-2 台灣各縣市老人長照安養機構數LISA集聚縣市統計 50
表4-3 台灣各縣市在老人長照安養機構數的空間躍遷 52
表4-4 2015年行政區縣市在老人長照安養機構數的差異 53
表4-5 2016年行政區縣市在老人長照安養機構數的差異 54
表4-6 2017年行政區縣市在老人長照安養機構數的差異 54
表4-7 2018年行政區縣市在老人長照安養機構數的差異 54
表4-8 2019年行政區縣市在老人長照安養機構數的差異 55
表4-9 2020年行政區縣市在老人長照安養機構數的差異 55
表4-10 2015年地理區域縣市對老人長照安養機構數的ANOVA 56
表4-11 2016年地理區域縣市對老人長照安養機構數的ANOVA 56
表4-12 2017年地理區域縣市對老人長照安養機構數的ANOVA 57
表4-13 2018年地理區域縣市對老人長照安養機構數的ANOVA 57
表4-14 2019年地理區域縣市對老人長照安養機構數的ANOVA 58
表4-15 2020年地理區域縣市對老人長照安養機構數的ANOVA 58

中文部分
林冠佩 (2018)。長照2.0的空間分布與設施盤點實證分析—高雄市的個案研究。義守大學公共政策與管理學系。未出版碩士學位論文。
許旭緯 (2014)。弱勢鄉鎮與老人安養機構之探索性空間分析。健康促進暨衛生教育雜誌。37期，頁93-116。
黃于真 (2021)。雲林縣新增老人照護機構之可行性分析。國立臺中教育大學區域與社會發展學系國民小學教師在職進修教學碩士學位班。未出版碩士學位論文。
國家發展委員會 (2020)。中華民國人口推估(2020年到2070年)。

英文部分
Anderson, G. (1994). Industry clustering for economic development. Economic Development Review, 12(2), 26–32.
Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic, Dordrecht.
Anselin, L. (1995). Local indicators of spatial association: LISA. Geographical Analysis, 27(2), 93–115.
Cliff, A.D. & Ord, J.K. (1973). Spatial Autocorrelation. London, Pion.
Cliff, A.D. & Ord, J.K. (1981). Spatial Processes-Models and Applications. London: Pion.
Feser, E.J. & Bergman, E.M. (2000). National industry cluster templates, a framework for applied regional cluster analysis. Regional Studies, 34(1), 1–19.
Goodchild, M.F. (1987). A spatial analytical perspective on geographic information system. International Journal of Geographical Information System, 1, 327–334.
Luger, M. (2001). The use of cluster analysis in high tech industrial park planning. Symposium on Industrial Park Planning and Development, 8(2), 52–73.
Malmberg, A. & Maskell, P. (2002). The elusive concept of localization economies: Towards a knowledge-based theory of spatial clustering. Environment and Planning A, 34(3), 429–449.
Moran, P.A.P. (1950). Notes on continuous stochastic phenomena. Biometrika, 7, 17–23.
Porter, M.E. (1990). The Competitive Advantage of Nations. New York: Free Press, MacMillan.
Porter, M.E. (1998). Clusters and the new economics of competition. Harvard Business Review, 76(6), 77–90.
Redman, J.M. (1994). Understanding State Economic through Industry Studies. Washington, DC: Council of Governors Policy Advisors.
Rey, S.J. & Janikas, M.V. (2006). STARS: Space-time analysis of regional systems. Geographical Analysis, 38(1), 67–86.
Rey, S.J. (2001). Spatial empirics for economic growth and convergence. Geographical Analysis, 33(3), 195–214.
Sawada, M. (2004). Global Spatial Autocorrelation Indices- Moran's I, Geary's C and the General Cross-Product Statistic. Ottawa: University of Ottawa.
Sokal, R.R, Oden, N.L, & Thomson, B.A. (1988). Local spatial autocorrelation in a biological model. Geographical Analysis, 30(4), 331–354.
Tobler, W.R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46, 234–240.
Upton, G. & Fingleton, B. (1985). Spatial Data Analysis by Example. John Wiley & Son.
Walter, S.D. (1992). The analysis of regional patterns in health data. II. The power to detect environmental effects. American Journal of Epidemiology, 136(6), 742–759.