利用小型開放經濟體系下寡佔理論模型的建立，以民國78年到85年台灣中游石化業的實證資料為依據，利用完全訊息最大概似法(Full Information Maximum Likelihood Method)對產業獲利率與產業集中度兩條聯立方程式進行估計，結果本文發現，產業集中度對產業獲利率的影響為正但並不具有顯著性；而加權匯率的影響為負但也不具有顯著性；又關稅與產能利用率對產業獲利率則呈現顯著正面的影響；以及進口比例與出口運輸成本對其的影響則為負向且在統計上呈現顯著性。另一方面，產業獲利率、進口比例與進口運輸成本對產業集中度產生顯著正面的影響；而市場規模則呈現顯著負面的影響。

研究經濟學的目的之一在於探討如何將有限的資源做最有效的利用。資源配置最適，就是經濟效率的達成，效率可以說是經濟理論的精義，但就實證層面來說，效率的慨念卻是相當抽象而模糊。直到Farrell(1957)提出衡量效率的概念，使得效率得以數據化，在往後的學者不斷地深入探討與研究，使生產邊界方法廣泛的運用在產業分析之中。在諸多衡量技術效率方式中，隨機性邊界方法較符合實際社會情形，所以本論文即根據Aigner, Lovell and Schmidt(1977)估計隨機性邊界與生產效率之計量方法，分別設定誤差項為不同的截斷性半常態分配配以及設定Cobb-Douglas和CES兩種生產函數形態，分別估計生產邊界，並加以檢定，再就適當的函數模型估計平均技術效率值與個別廠商的技術效率值，接著討論影響技術效率差異之因素。本文從向投審會登記投資大陸之台商的台灣工廠與大陸工廠挑選電子、機械、紡織、成衣四種產業為實證對象。 　　根據本論文實證研究之結果，重要結論可歸納如下： 　　第一，我們應用Aigner, et.al(1977)之隨機性生產邊界模型，衡量電子、機械業及紡織、成衣業兩類產業四組資料之生產邊界。不同誤差項分配之假設下，檢定結果顯示，不能拒絕u在0處截斷之虛無假設。不同生產函數型態設定的生產邊界亦無明顯差異，檢定結果以Cobb-Douglas生產函數較合適。 　　第二，在生產邊界估計上，電子、機械業及紡織、成衣業兩地的工廠，兩類產業大陸工廠的勞動產出彈性都大於台灣母公司，同時兩類產業大陸工廠的規模報酬也都高於台灣母公司，這說明台商為何紛紛前往大陸投資。 　　第三，比較台商之台灣工廠與大陸工廠，結果顯示無論電子機械業或紡織成衣業，台灣工廠有極高的效率，平均效率皆在90%以上。兩類產業的大陸工廠的效率則較差，約在40%到950%之間。影響台灣工廠效率的主要因素來自人為無法控制之隨機因素，而大陸工廠的低效率主要來自人為技術因素。 　　第四，我們利用Jondrow, et al(1982)提出的條件期望值公式進一步計算各別廠商的技術效率。根據各別廠商的效率分配，我們發現台灣母公司皆十分集中，大陸工廠則頗為分散，紡織成衣業甚至有九家廠商在20%以下。顯示該產業應加以注意生產的過程與管理。 　　最後，本文探討影響廠商技術效率差異的因素，我們發現最重要的變數是廠商規模。兩類產業的台灣工廠及大陸工廠，廠商規模都與生產效率有明顯的正向關係，規模愈大，效率愈高。設廠年齡對四組資料都呈負向影響。資本勞動比則除了台灣的電子機械業以外，都是負向關係。是否投入研究開發及產業區別，則沒有明顯的關係。在大陸工廠方面，設廠地區電子機械業設廠在沿海地區春效率較高，紡織成衣業則以內陸地區效率較高。在投資形態方面，紡織成衣業者以獨資企業效率較高，電子機械業則相反，顯示後者在選擇投資型態時，主要考慮的是如內銷方面等其他因素較不著重效率。

第一章: 緒論 敘述研究之動機、方法及內容。 第二章: 無心韋夏分配 詳細介紹此種分配的由來, 並摘述與本文有關的特性。 第三章: 大樣本推定量的特性 考驗普通最小平方法、二段最小平方法和有限資訊最 大概似法推定量是否具備(1) 不偏性(2) 一致性(3) 漸近有效性(4) 最小變異性(5) 漸近常態分配等特性, 並比較其優劣。 第四章: 推定量的確切樣本分配 先利用第二章所陳述的無心韋夏分配, 導出普通最 小平方法、二段最小平方法和有限資訊最大概似法推定量的確切樣本分配, 再探尋三 個分配間的關係, 另外還做一些比較研究。 第五章: 結論 綜合各章的討論, 下個總結語。

當線性模型中包含隨機效果項時，若將之視為固定效果或直接忽略，往往會造成嚴重的推測偏差，故應以混合線性模型為架構。若模式中只包含一個隨機效果項，則模式中有兩個變異數成份，若包含 個隨機效果項，則模式中有 個變異數成份。本論文主要在介紹至少兩個變異數成份時固定效果及隨機效果線性組合的最佳線性不偏推測量（BLUP），及其推測區間之推導與建立。然而BLUP實為變異數比率的函數，若變異數比率未知，而以最大概似法（Maximum Likelihood Method）或殘差最大概似法（Residual Maximum Likelihood Method）估計出變異數比率，再代入BLUP中，則得到的是經驗最佳線性不偏推測量（EBLUP）。至於推測區間則與EBLUP的均方誤有關，本論文先介紹如何求算其漸近不偏估計量，再介紹EBLUP之推測誤差除以 後，其自由度的估算方法，據以建構推測區間。 / When random effects are contained in the model, if they are treated as fixed effects or ignore, then it may result in serious prediction bias. Instead, mixed linear model is to be considered. If there is one source of random effects, then the model has two variance components, while it has variance components, if the model contains random effects. This study primarily presents the derivation of the best linear unbiased predictor (BLUP) of a linear combination of the fixed and random effects, and then the conduction of the prediction interval when the model contains at least two variance components. However, BLUP is a function of variance ratios. If the variance ratios are unknown, we can replace them by their maximum likelihood estimates or residual maximum likelihood estimates, then we can get empirical best linear unbiased predictor (EBLUP). Because prediction interval is relating to the mean squared error (MSE) of EBLUP, so the study first introduces how to get its approximate unbiased estimator, m_a , then introduces how to evaluate the degrees of freedom of the ratio of the prediction error for the EBLUP and m_a ^1/2 , in order to use both of them to establish the prediction interval.

獨立因子模型廣泛的應用在信用風險領域，此模型可用來估計經濟資本與投資組合的損失率分配。然而獨立因子模型假設因子獨立地服從同分配，因而可能會得到估計不精確的違約機率與資產相關係數。因此我們在本論文中提出序列相關因子模型來改進獨立因子模型的缺失，同時可以捕捉違約率的動態行為與授信戶間相關性。我們也分別從古典與貝氏的角度下估計序列相關因子模型。首先，我們在序列相關因子模型下利用貝氏的方法應用馬可夫鍊蒙地卡羅技巧估計違約機率與資產相關係數，使用標準普爾違約資料進行外樣本資料預測，能夠證明序列相關因子模型是比獨立因子模型合理。第二，蒙地卡羅期望最大法與蒙地卡羅最大概似法這兩種估計方法也使用在本篇論文。從模擬結果發現，若違約資料具有較大的序列相關與資產相關特性，蒙地卡羅最大概似法能夠配適的比蒙地卡羅期望最大法好。 / The independent factor model has been widely used in the credit risk field, and has been applied in estimating the economic capital allocations and loss rate distribution on a credit portfolio. However, this model assumes independent and identically distributed common factor which may produce inaccurate estimates of default probabilities and asset correlation. In this thesis, we address a serially dependent factor model (SDFM) to improve this phenomenon. This model can capture both dynamic behavior of default risk and dependence among individual obligors. We also address the estimation of the SDFM from both frequentist and Bayesian point of view. Firstly, we consider the Bayesian approach by applying Markov chain Monte Carlo (MCMC) techniques in estimating default probability and asset correlation under SDFM. The out-of-sample forecasting for S&P default data provide strong evidence to support that the SDFM is more reliable than the independent factor model. Secondly, we use two frequentist estimation methods to estimate the default probability and asset correlation under SDFM. One is Monte Carlo Expectation Maximization (MCEM) estimation method along with a Gibbs sampler and an acceptance method and the other is Monte Carlo maximum likelihood (MCML) estimation method with importance sampling techniques.

股票市場的報酬率相對於金融市埸是非常重要的，因為其背後的真實機率分配對各種資產定價及選擇權的評價模型都有決定性的影響。本文考慮台灣股票市埸具有漲跌停板的限制來驗證實證中股票報酬機率分配的「厚尾」的現象，希望透過我們的研究能對財務理論在國內金融市埸的應用有更進一步的了解。我們選定了常態分配、對數常態分配及一般化第二種貝它分配 (GB2)來當作是台灣股票報酬率的真實機率分配，以動差法比較再以概似比檢定法(LR test)選出一表現最好的機率分配。由選取的25支國內股票中發現一般化第二種貝它分配 (GB2)可以解釋偏態和峰態對報酬率的影響並且也是概似比檢定法所選出的最適報酬率分配，由此可知一般化第二種貝它分配 (GB2)較為適合作為台灣股票報酬的真實機率分配。