No description available.

近年來大量資料不斷地快速累積，資料採礦與統計應用也隨著電腦等高科技之蓬勃發展而愈顯得重要。雖然市面上有一些專屬的統計軟體，能提供資料採礦的功能，但是會有受限於統計套裝軟體中不知如何輸入資料、尋找相關分析項目…等非人性化的缺失。為了改善此缺失，本文建立了『KDD系統』，希望以Visual Basic發展出人性化的使用者介面，進而連結統計軟體STATISTICA，將統計套裝軟體呈現出普及化的風格，讓不同領域的使用者都能輕鬆的進行資料採礦。最後，本文以流行病學為例，藉著『KDD系統』簡易地操作方式與多功能的分析表單內容，來找出六年來臺灣（含金馬地區）死亡原因之趨勢與關連的資訊，希望這些資訊能對研究死因的學者專家和政府官員在對病因的探討上有所助益。 / In coping with the increasingly accelerated supply of data and along with the fast pace of development in the computing science, data mining and statistical application have become a necessary and vital tools. Although there are a number statistical packages dealing with data mining available,there are still some shortcomings with these packages such as input data,transforming data, recoding data, etc. The focus of this research aims to improve the above mentioned shortcomings. To accomplish this goal the author has developed a user friendly interface called KDD system using Visual Basic and is linked with statistical software--STATISTICA making it a multi-function system. The system is easy to manipulate that allows users of all types even the novices be able to run the data mining application. This research took the data of the deceased in Taiwan from 1993 to 1998 and run the data on the KDD system in an attempt to find the trend of the cause of death. The research has found some valuable findings worth noting and could be useful for government officers and scholars in epidemiology.

無 / Existing literature has shown that force of mortality has amazing resemblance of interest rate. It is then tempting to extend existing model of interest rate model context to mortality modeling. We apply the model in Diebold and Li (2006) and other models that belong to family of yield rate model originally proposed by Nelson and Siegel (1987) to forecast (force of) mortality term structure. The fitting performance of extended Nelson-Siegel model is comparable to the benchmark Lee-Carter model. While forecasting performance is no better than Lee-Carter model in younger ages, it is at the same level in elder ages. The forecasting performance increases for 5-year ahead forecast is better than 1-year ahead comparing to Lee-Carter forecast. In the end, the forecast outperforms Lee-Carter model when age dimension is trimmed to age 20-100.

無論是試圖理解台灣地區過去五十五年來的平均餘命會逐漸增加的原因，或是台灣地區人口結構成長變化的情形，甚至是探討未來人口老化政策或是追求死亡率法則終極目標等等議題，我們首先應該設法了解過去五十五年來的年齡別死亡率是如何轉變的。而本研究最終目的則是希望能夠提供一個不同於以往傳統人口學的分析方法來觀察我們週遭人口變化的情形。 本研究嘗試運用「網絡結構相似性（Structural Equivalence）」的觀念，先找出具有相似年齡別死亡模式結構的年代，進而區分出擁有不同年齡別死亡率模式的年代階段。再根據不同的年代階段，找出在每一年代類型中各年齡別死亡率是如何進行變遷。 經由網絡結構相似性區分歷年的男性與女性年齡別死亡模式的年代類型，我們可以發現男性與女性的年齡別死亡模式類型，相當類似。根據年與年的網絡結構相似性，男性以及女性在過去五十五年來年齡別死亡模式都可以區分出五個不同的年齡別模式階段。而透過歷年MDS圖形來觀察嬰幼兒人口以及老年人口的年齡別死亡率的移動情形，更可以證明，歷年年齡別死亡模式的變遷和嬰幼兒以及老年人口死亡率改善移動的情形是息息相關。 因此透過結構地位相似性的分析概念以及MDS空間結構距離的呈現，證明了台灣地區歷年年齡別死亡模式的變遷，的確和嬰幼兒人口以及老年人口年齡別死亡率的下降有關。更表示運用網絡結構的分析概念來分析人口事件也是可行的。

回顧二十世紀的歷程，我們可以看到人類在壽命上的一大進步，認為壽命的延長是人類的最大勝利；但是此壽命延長現象卻視為未來社會中的最主要的挑戰與風險。台灣在1993年六十五歲以上的老年人口比例已突破7%，正式步入聯合國所定義的「高齡化社會」，也正式面臨長壽風險（Longevity Risk）的問題。人口老化所帶來的衝擊，不只是提高工作人口的負擔，它同時也增加政府的養老給付和醫療保險支出，影響社會經濟安全，因此對於未來人口推估的死亡率模型所扮演角色日益重要。本研究以移動平均法和主成分分析兩種不同方式討論不同國家的死亡率變化情形，而後分析廣為人所用的Lee-Carter模型及Reduction Factor模型不足之處，並針對此兩模型不完善部分加以調整改進，建構出適合台灣死亡率的預測模型。

由於死亡率曲線與殖利率曲線同樣可用水平(level)、斜率(slope) 、曲度(curvature)來描述，且兩者之參數皆為受到時間因素影響之動態因子，故本研究應用Nelson-Siegel(1987)系列之動態利率期間結構模型，如Diebold and Li (2006)的三因子模型，針對日本1947至2006年死亡率進行配適，再以自我相關模型檢視因子的趨勢變化進而預測；結果發現本研究所使用模型在配適死亡率曲線上效果良好，而高齡人口死亡率預測上較幼年、青少年人口精確，以日本資料而言Svensson四因子模型相較於Lee-Carter模型預測能力佳，但在年輕人口死亡率中則不然。 / The main purpose of this study is tempting to extend existing model in interest model context to mortality modeling. Since the mortality curve has resemblance of interest rate yield curve. Both of them can be describe by level, slope, and curvature terms. Also, the parameters of two curves are the function of time. We apply the Nelson and Siegel family yield rate models such like Diebold and Li (2006) model to fit and forecast the mortality term structure. By using the Japanese mortality data within 1947 to 2006, we find out that the fitting of these models are precise, especially when age dimension being truncated to age 20-103. The forecasting performances comparing with the benchmark Lee-Cater model is better in elder age but worse in younger age.

對於預測未來人口的死亡率，國外已有學者提出一些配適死亡率曲線的方法，但可以合適地配適台灣地區死亡率的方法則尚未有學者提出。且在所有的年齡層中，嬰幼兒及高齡人口死亡率的變化較不穩定，但高齡人口死亡率的變化對整個人口結構的影響較大，所以在本文中將只針對高齡人口的死亡率來做預測。 本篇文章利用：(1)SOA模型；(2)Lee-Carter模型；(3)Heligman-Pollard模型等三個國外常用的配適方法以及我們提出的一個新方法－「比值法」並利用迴歸分析及時間序列分析等統計方法來預測台灣地區的死亡率，再互相比較各個模型的預測誤差，以找出適合預測台灣地區高齡人口死亡率的模型。 / A few mathematical models used to fit mortality curve to project future mortality levels are proposed by demographer and statistician in recent years.However, the methods that can be used to appropriately fit the mortality curve in Taiwan have not been brought up yet. Among all other age groups, infants and elderly(60+) mortality change more dramatically than the other age group, as a result the latter has greater impact on the population structure for Taiwan. Hence, our projection focuses on the mortality of elderly population. This research utilizes the following three fitting methods to project future mortality levels in Taiwan: SOA model; Lee-Carter model; Heligman-Pollard model and the one we proposed namely the "ratio method", along with the regression and time series analyses in order to project the mortality in Taiwan area. Finally, a better projection model is found by comparing the predicted errors between these models.

對於人口數不多的國家及地區，因為樣本數較少，死亡率的震盪較大，導致死亡率的估計值較不穩定。為解決此種問題，本研究以其他國家的死亡率資料輔助台灣，建構死亡率模型。首先，以群集分析方式選擇適合輔助台灣的國家，也就是死亡率性質相近之國家，本研究建議以死亡改善率做為主要的考量；其次，以主成分分析的方式分解多個國家死亡率，以負荷做為多個國家的共有係數，分數則是隨著資料和時間改變的變數，在研究結果中，5~6個成分個數即會有不錯的配適和預測效果，以五齡組死亡率配適模型為例，成分個數為6時，男性配適Lee-Carter模型全部國家的平均MAPE為5.40%，主成分分析則為4.13%，下降幅度將近24%，而Lee-Carter模型預測的整體MAPE為14.72%，主成分分析為12.22%，下降幅度約17%，因此主成分分析模型確實有明顯改善Lee-Carter模型。 而和台灣死亡率性質相近的國家，主要選入歐洲國家，像是奧地利、法國、愛爾蘭、挪威和西班牙，除了法國和西班牙人口數分別為六千多萬和四千多萬的國家外，其餘三個國家人口數皆不超過一千萬，這說明人口數多寡或許不是輔助小地區建構死亡率模型的唯一重點，應選取適合的國家作為輔助用途。

隨著醫療的普及與生活品質的改善，人類的死亡率持續的下降。壽命的延長是人們夢寐以求的理想，但是隨著壽命延長，人類隨之要面臨許多衍生而來的問題，諸如退休規劃、醫療照顧等問題。面臨延壽風險的問題，現行最急迫的課題莫過於探討人口死亡率預測模型。對於死亡率預測的模型，國外已有相當多的研究，近年來也看到國內有許多學者紛紛投入死亡率的研究，由於目前英國實務上所使用Reduction Factor模型，在國內尚無相關的研究，故本文以Reduction Factor模型為基礎，並透過與Lee-Carter模型的比較與各國死亡率資料的驗證，進一步加以改善並建構出適用於台灣地區死亡率預測的模型，以作為往後用來衡量延壽風險的依據。

退休基金制度由確定給付制轉換成確定提撥制，使退休基金之投資風險改由勞工承擔。而退休基金的多寡則完全視退休基金投資績效的好壞而定，如何有效地管理退休基金儼然成為一項重要議題。本文延續Yang, Huang, and Lee(2006)之研究，改採用Mitchell et al.(2013)隨機死亡率模型，除了將股票與零息債券作為退休基金之兩項投資標的，再增加一項長壽債券作為退休基金之投資標的。透過極大化勞工之預期效用函數，探究確定提撥制下退休基金之最適資產配置策略以處理長壽風險。