近年來，由於液晶顯示器市場中的企業，目前正進入「最適經營模式」之關鍵時刻，也就是企業均處於一個最佳的營運模式，據以維持或提高企業在市場上的競爭力。然而，國內在此產業中之相關企業大多數係以降低成本為提昇競爭力的主要策略之一，但如此經營策略並非完全適合國內企業的經營模式。因此，為能進一步瞭解C公司經營績效的良窳，且探究經營績效之影響因素。 　　有鑑於此，本研究擬針對C公司之銷售數量與額度的影響因素，進行探究，藉以瞭解該公司之銷售地區、產品等級、產品種類等因素的影響關係。其研究結果顯示： 1. 地區對產品等級與產品種類的選擇有顯著影響； 2. 台灣地區的銷售額度顯著較其他地區為高； 3. A產品銷售額度顯著較其他種類產品為高； 4. 平均每月銷售額度會受前一期的影響。

近年來，國際經濟發展相當快速，倫敦金屬交易所(LME)的銅價由2008年12月平均每噸3,071美元，上漲至2013年11月每噸7,066.4美元，成長了超過一倍以上，銅在工業上被廣泛應用，是不可或缺的重要原料，在西元1877年時，最早出現的銅期貨契約是在倫敦期貨交易所(LME)交易，銅也是LME最早進行交易的商品之一，LME其成交量也最大，成為國際貿易上交易熱絡的商品之一。 由於銅的生產集中於少數廠商，任何影響到主要產國或銅礦公司正常運作的消息，都可能使得銅價變動，而美國即是生產銅的重要國家之一。美國自2008年因次貸風暴引發金融危機，聯準會(Fed)便開始採取各種措施穩定金融秩序與提供市場流動性，其中最受關注的做法就是量化寬鬆(Quantity Easing; QE)的貨幣政策，而這項政策是否與銅價的變化具有關聯性，即是本研究的目的，而研究結果如下： 一、上海期貨交易所(SHFE)與倫敦金屬交易所(LME)公告之銅價皆會受前一期 數值影響； 二、趨勢調整後上海期貨交易所(SHFE)公告之銅價的指數平滑模型之預測力相 對較好； 三、在美國量化寬鬆貨幣政策第一輪及第二輪實施期間，釋出資金規模對銅價呈 正向關係； 四、在美國量化寬鬆貨幣政策第三輪實施期間，釋出資金規模對銅價呈負向影響 關係；

觀光產業的發展良窳，對於地方的基礎與公共建設、人文與自然景觀、國家形象等均隱藏著關鍵性的影響。亦因如此，我國於近年來，除積極推動國人觀光政策，例如實施週休二日，同時也積極從事相關觀光產業發展的政策實施，例如部分國家免簽證、開放大陸旅客來臺觀光等，其主要目的在於推廣國家知名度與強化國家建設。 　 然而，在推動觀光產業發展的同時，旅館業隨之所受到影響應是最為明顯之一。然又鑑於，觀光旅館平均房價與住用率的成長與否是反應其經營管理的良窳。因此，本研究擬針對國內觀光旅館的平均房價與住用率的預測，進行探討，藉以瞭解國內觀光旅館平均房價與住用率的自我影響關係及其預測模型的建構。其研究結果顯示，在趨勢分析的部分，臺北地區國際觀光旅館近五年的住用率均超過七成，甚至在近二年的住用率亦高達七成五，而高雄地區國際觀光旅館近五年的住用率也有近七成；在預測模型的建立部分，國際或一般觀光旅館的平均房價會受前一期的影響、國際或一般觀光旅館的住用率會受前一期或前兩期的影響、指數平滑法的預測能力較佳。 【關鍵字】 時間數列分析、指數平滑法、住用率、平均房價

由於國人對房市仍是充滿信心，其指數高達37%，是香港、新加坡、馬來西亞、韓國等亞洲地區中信心指數最高的國家，以及國人對於房子或土地等不動產是抱持著一種保值投資的觀念，在此觀念與信心的引領下，國內房地產則呈現房價居高不下的情況。雖然，房地產業可以帶動國內金融、製造、營建、傳統等產業的發展及整體經濟的發展，但國內房地產市場價格未能合理達到民眾期待的時候，如果可以提供民眾一些房價參考的訊息時，對於整體研究而言是一項重要的貢獻。 近年來，大台北地區之房地產市場價格一直以來都是國內各地區房價的指標，因而導致投資客的興趣較高，故本研究考量以大台北地區的房價為討論主軸，以及透過進階的方法對大台北地區的房價進行估計，據以瞭解大台北地區的房價影響因素。而整體的研究發現，茲將概述如下： 一、 台北市的房價所得比的成長幅度較新北市為高； 二、 台北市的房價所得比與每戶平均消費支出是呈現正相關； 三、 大台北地區之房價所得比受前季的影響較大； 四、 大台北地區房價得比的指數平滑模型之預測效果相對較好。

零售業是美國最大的產業之一，近年來科技進步以及網路購物擁有價格優勢、交易方便等優點，未來電子商務將成為主流的銷售形式之一，一般實體零售業者如何因應這股潮流是一大課題。 　　與本研究有關之美國服飾零售業，實體店家還是占市場的多數，因此，為了提升服飾零售實體店家的競爭優勢，我們預測來店人數，一方面調整人力資源的分配與進貨量，提供顧客優良的服務品質，另一方面視情況提出促銷方案吸引顧客上門，進而提升營運效率。 　　每年從感恩節到聖誕節這一個月的時間，是關乎全美零售業生存與否的重要時刻，這段時間的銷售額約占全年銷售總額的1/5，也就表示來店人數在這段期間會維持在一定的數值以上甚至達到全年巔峰，而如何不受影響達到精準預測？本研究欲找出指數平滑法中適合的模型精準預測來店人數的資料。 　　本研究旨在探討指數平滑法與延伸之狀態空間模型，指數平滑法屬於時間序列(Time series)的預測方法，是應用相當廣的一種預測方法，一般由趨勢(Trend)以及季節性(Seasonality)組合而成，而將指數平滑模型加入誤差項以後的狀態空間模型，過去一直沒有一個隨機模型做為架構納入概似估計與預測區間等，近幾年才發展出模型之最佳化準則來估計參數，而本研究想探討哪一個狀態空間模型適用於預測來店人數資料以及狀態空間模型之最佳化準則是否能使預測結果更準確。 　　本研究之資料為美國時尚精品服飾店2007年營業時間內每小時來店人數，而實證分析後發現Holt-Winters季節性加法模型ETS(A,A,A)蠻適合用來預測來店人數，此外ETS(A,A,A)模型之最佳化準則以AMSE準則與MLE準則表現最佳， MAE準則表現最差。

本論文運用Box-Jenkins 隨機時間序列模式與Winters 趨勢季節平滑模式，進行廿一 縣市液化石油氣需求預測，依模式之配合度、穩定度及預測能力予以評估上述兩種模 式之優缺點，并探討各模式於運用時之限制，以供企業界與學者運用此兩種模式之參 考。 本論文共壹冊，約為五萬餘字，分為八章，茲分述如下： 第一章：闡述研究之動機目的與方法。第二章；介紹Box-Jenkins 模型之理論與建立 方法。第三章：介紹指數平滑法之發展、種類及模式之建立方法。第四章：探討良好 預測模式所應具備之條件，以為評估之標準。第五章：運用Box-Jenkins 模式進行液 化石油氣需求模式之進立與預測。第六章：運用Winters 趨勢季節平滑模式從事液化 石油氣需求預測。第七章：比較前述兩章預測之結果。第八章：結論與建議。

人口政策是政府的重要政策之一，而總人口數則是政府制定政治、經濟、社會及文化發展計畫之主要參考依據，因此如何準確地預測未來的總人口數就成為政府相關部門重要的課題。 本論文試圖為台灣地區總人口數建立時間數列預測模式。我們考慮下列模式：單變量自我迴歸整合移動平均介入模式、時間數列迴歸模式、轉換函數介入模式與指數平滑法，其中轉換函數介入模式中所考慮的投入變數包括育齡婦女總生育率、粗出生率及粗死亡率。我們同時以平均絕對百分誤差 (MAPE) 、根均方百分誤差 (RMSPE) 來評估各模式的預測能力，結果顯示以育齡婦女總生育率為投入變數的轉換函數介入模式最佳，而以粗出生率為投入變數的轉換函數介入模式次之，若以這兩個模式進行未來十年總人口數之預測，並與行政院經建會人力規劃處所作的人口預測中推計值比較，其平均絕對百分誤差分別為0.138%，0.156%，顯示時間數列預測模式有相當佳的預測能力。 / In this thesis, we plan to construct various time series models for the total population in Taiwan. The following time series models are considered: ARIMA intervention model, time series regression model, transfers founction intervention model and exponential smoothing method. The input variable considered in the transfer function intervention model include total fertility rate, crude birth rate and crude death rate. We also compare the prediction performance of these models by using mean absolute percentage error (MAPE) and root mean square percentage error (RNSPE). It turns out that the transfer function intervention model with total fertility rate as input is the best model. While the transfer function intervention model with crude birth rate as input ranks the second best. Finally we forecast the total population of the next ten years by using the above two best models and compare with the middle population projection by Manpower Planning Department in Executive YUAN-Council for Economic Planning and Development. The mean absolute percentage error are 0.138% and 0.165% respectively. This result justifies that the time series model has excellent predictive ability and should be considered for total population prediction.