差值型的估計結果和加、乘型相當一致，不過似乎對於極高、極低或者負的相關係數值有加强作用，例如，常州和鎮江(0．95～0．97)推高到0．99、杭州和泉州(-0．04～0．07)降低到-0．22、第一群組的矩陣指標值(0．940～0．964)提升到0．981、第八群組的低價指標值(0．440～0．456)下降到0．402等等。這或許是差值型所度量的同步現象，是否隱含著共同趨勢性，有待進一步探討。此外，指標函數I_G似乎比I_C容易受到群組中地方總數的影響，從表3中所列出的相關係數矩陣的指標函數值來看，例如，共有二十個府、州的第七群組包含著只有四個府的第六群組，I_G值分别為高價的[(0．548，0．465)：(0．553，0．463)：(0．577，0．469)]和低價的[(0．542，0．487)：(0．540，0．494)：(0．553，0．483)]，I(下C)值則分别為高價的[(0．471，0．463)：(0．497，0．483)：(0．472，0．499)]和低價的[(0．468，0．449)：(0．477，0．488)：(0．487，0．465)]，中括號裏表列了加、乘、差值三模型以冒號隔開，各模型的小括號裹左邊為第七群組而右邊為第六群組之指標估計值。左、右兩群組指標值相差的大(I_G)、小(I_C)似乎反映著兩個矩陣指標函數的特性，在解讀方面有相輔相成之效，或許我們可以說上例的第六群組中已經對應到了第七群組中最强和最弱之相關組合(相當小的 I_C差異值)，而全面性的整體互動量化值，得採用含有二十個府州的第七群組之I_G值較為適宜，因為其中的地理位置相近之互通府、州，或大或小的相關性數值比較容易從I_G中貢獻出來。

    為了簡化以下的討論和說明起見，從表2、3中所引用的數據以括號中的差值型為主。首先我們來看這個區域所涵蓋的長江和珠江兩大三角洲，第三群組(0．905～0．940)所涵蓋的長江三角洲，要比第五群組(0．707～0．791)的珠江三角洲高出一些，從史實記載中亦可瞭解到長江三角洲地區的互通程度明顯地比較强。此外，兩者均遠比第七群組(0．472～0．577)的整個東南沿海地區超出很多，由此，這或可印證兩大三角洲算是各自成為一個樞紐地區，而兩個三角洲地區間的關聯性則不强(蘇泉、蘇廣、杭泉、杭廣等配對均有負的相關係數值出現)。此外，第三群组涵蓋了第一群组的四個地方，指標函數估計值則比第一群組(0．955～0．981)小，顯然地可以印證地理位置愈接近的地區，互動的程度愈高。

    至於米糧轉運中心的分析印證部分，可以從第一群組(0．955～0．981)、第二群組(0．872～0．923)和第五群組(0．707～0．791)的高指標值看來，或

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >>