No description available.

政黨認同是選民對一個政黨所存在的一種歸屬感及心理認同，形成於社會化的過程中，它是政治態度與選舉投票研究中，學者最重視的焦點之一。家庭中的父母在子女社會化過程中的影響力亦為政治社會化研究領域中所關切的重點，本研究旨在將上述兩個研究焦點結合，以大學生為對象，進而探討父親與母親的政黨態度一致與否對子女政黨傾向之影響。 研究結果顯示，當父母親政治立場一致時，其代間政黨傾向的一致性也較高。當父母親都支持泛藍或泛綠政黨時，有較高比例的大學生會分別傾向支持泛藍或泛綠政黨；同樣地，當父母親都傾向成為獨立選民時，大學生也有明顯較高的比例會傾向成為獨立選民。另外我們發現，當父親與母親的政黨認同有所衝突時，大學生的政黨傾向會在父母雙方的政黨認同間拉扯，使得多數大學生難以決定其政黨認同，而成為獨立選民。因此，父母之間的政黨理念一旦有所衝突，將難以將其政黨傾向傳遞給下一代。然而當大學生要在父親及母親的政黨認同間做抉擇時，研究顯示大學生多較不傾向認同父親支持的政黨，而較偏向母親一方。在父強母弱的非對立型家庭中，母親對大學生的政黨傾向也同樣發揮了其影響力。關於其它影響大學生政黨傾向的因素，省籍、主觀家庭社經地位、同儕間討論政治的情況、政治涉入、政治知識、政治信任感、族群意識以及統獨立場在多元迴歸模型中都是顯著的影響變數。 本文僅以初探性的研究出發，期透過本文之發現，使得相關研究學者能在往後研究中，更為深入瞭解家庭中父母政黨認同的不同組合模式對子女政黨傾向所帶來的影響，以達成社會科學研究中「預測」現象的終極目標。 關鍵詞：政黨認同、政治社會化、同質性父母、異質性父母、對立型家庭、非對立型家庭。

No description available.

近幾年來，在國際場合或在我國政治運作中，「族群融和」議題常被提出做為討論。觀察世界各國族群分化的狀況，我們發現社會存在族群分化問題會造成資源使用的不效率、經濟成長緩慢、政府政策效能低落等。其中，就公共政策來看，主要問題為公共財提供的數量及型態，會產生扭曲的現象。Bridgman（2004）利用租稅制度的選擇，解釋在族群互動下，公共財總量提供的問題。該文提出，只要允許族群有政策工具的選擇空間，則優勢族群必會剝奪其他族群資源以追求自身利益最大，導致公共財提供的扭曲與不效率，造成社會分化與公共財之間的問題。 本文以Bridgman（2004）文章為基礎，將「不同族群對公共財有不同的偏好反應」的因子，納入基本模型中。利用「公共財型態選擇機制」顯示不同族群面對相同公共財數量時，主觀的偏好反應在公共財效用差異上，使模型更臻完整。本文利用兩階段賽局方式，分別求取公共財型態均衡解與公共財數量及租稅政策的均衡解。透過均衡解的分析可發現，當族群對公共財型態有偏好差異時，公共財數量受到社會分化程度的衝擊愈大，亦即數量減少幅度較Bridgman（2004）模型結果更大，族群支付租稅的意願更低。而且，透過均衡解也可發現，當族群對公共財型態存在偏好差異，會更進一步的使公共財數量下降。此乃因族群偏好的差異透過族群間不公平的制度對待，加深了社會分化程度，更進一步減少公共財提供與資源使用效率。故政府制定相關政策時，應將族群問題納入考量，以期有更完善、公平的族群融和、社會穩定的發展。

因應電子化交易興起而進行的一系列人機互動研究顯示, 縱使人類會透過學習而改善其表現, 電腦化的交易程式獲利能力還是遠勝於真人交易者之表現。本研究遂以遺傳規劃演算法作為學習型交易者之代表, 與一系列電腦化交易策略相競爭, 以探討學習的功效及其限制。 本研究採用離散型雙方喊價機制, 摒除了計算能力所造成之決策時間差異所會帶來的影響, 亦排除掉人類情緒、預期、相關知識不足等可能因子, 在計算能力對等的情況下, 單純地來評估學習與理性設計策略的結果。並且首次嘗試將影響學習至鉅的智商因子帶入模型之中, 實驗結果顯示學習具有相當的能力, 即使是在對環境缺乏認識的情況下, 隨著時間的經過其表現最終可凌駕理性設計的策略之上, 然而學習所需的時間是學習型交易者的一大弱點。同時, 本研究也顯示對於以遺傳規劃建構的學習型交易者而言, 其虛擬智商的參數愈高, 學習的效果也愈佳。此研究因此可作為未來在代理人基經濟學模型中, 更深入地探討智商水準不同所造成之行為差異的基礎。 / The study of a series of human-agent interactions as well as computerized trading tournaments in double auction markets has exhibited a general superiority of computerized trading strategies over learning agents. The ineffectiveness of learning motivates the study of learning versus designed trading agents in this research. We therefore initiates a series of experiments to test the capability of learning GP agents and rationally-designed trading strategies. The results shows that with the cost of time, eventually learning agents can beat all other trading strategies. At the same time, the notion of intelligence is introduced into the model to investigate the influence of individual intelligence on learning ability. We utilize the population size of the GP trader as the proxy variable of IQ which is a measure of general intelligence. The results show that individuals with higher intelligence can perform better than those with lower intelligence, which manifests its importance discovered in Psychological research.

本研究從2009-2010全國成人煙草使用率的調查數據，研討不同類型的戒菸方式對於個體行為異質性所造成的影響。先前的研究顯示有意願想要戒菸的吸菸者有外部戒菸控制方式的需求，然而我們無法在有限的研究中找出相同的吸煙者不滿意對於外部戒菸的控制需求。此外我們發現，高成癮率和高程度的吸菸量提高吸煙者對尼古丁替代物或其他藥物的需求。我們在這份研究中甚至發現，無知的雙曲線貼現吸煙者降低外部需求的戒菸者對於禁煙令或香煙稅當中的關係。 / Using data from the 2009-2010 National Adult Tobacco Survey, this study investigates how the heterogeneity of individual behaviors affects demand for different types of cessation supports. Previous studies have demonstrated that smokers with a desire to quit have a demand for external cessation controls, however, there is limited research into how those same smokers demand individual disutility decreasing supports like nicotine replacement or counseling. We find that high addiction and consumption levels increase the demand for nicotine replacement or other medication. We also find support linking naïf hyperbolic discounters to lower demand for external cessation supports like smoking bans or cigarette taxes.

本研究探討選擇權交易量之大小對於波動度預測之效率性所造成之對偶效果(dual effect)，驗證〝正常的高交易量〞與〝異常的高交易量〞對於波動度預測能力是否有不同的影響。本研究採用panel data之資料型態，以LIFFE上市的個股買權為對象，資料長度為三年左右。主要欲探討之假說為： 1.一般而言，交易量大的選擇權，其波動度估計誤差較交易量小的選擇權來得小。 2.相對於平日水準而言，某日交易量異常高的選擇權將有較大的波動度估計誤差。 本研究所使用的波動度預測模型為隱含波動度(ISD)，採用的是最接近到期月份及最接近價平的合約。實證以組合迴歸、固定效果模型、隨機效果模型分別估計之，加以比較。結果發現固定效果模型為較佳之解釋模型，然而結果顯示交易量的對偶效果並不明確影響波動度預測誤差，故推測有某種影響公司間差異的因素，即公司間之異質性，比相對交易量更容易影響波動度預測之誤差。另外，透過組間與組內效果之分析，發現不論是長期還是短期，由於公司間的異質性存在，使得相對交易量對於波動度預測誤差均無明顯影響。 / The purpose of this research is to study the dual effect on the efficiency of volatility forecasting which is caused by the volume of option market, with the intent to test whether〝normal high volume〞and〝abcdrmal high volume〞cause different results on the ability of volatility forecasting. The data used is in the form of panel data. It is drawn from LIFFE, and has a length of about three years. The hypotheses to be examined in this study are：1. High-average-volume options have smaller volatility forecasting errors than low-average-volume options; 2. Options have larger volatility forecasting errors on abcdrmally-high-volume days than on normal-volume days. In this research, volatility is forecasted by implied standard deviation (ISD) which is implied in the at-the-money and the nearest expiry month options. Pooled regression、fixed effect model、and random effect model methods were applied. The results show that the fixed effect model made the best analysis amongst the three models. However, the result does not support the hypotheses made above, which means that volume does not have much influence on volatility forecasting error. It is inferred that there exists some other factors which could cause the difference between firms, namely heterogeneity, and these factors have much more powerful influence over volatility forecasting error than volume. Finally, it was found that no matter for long run or short run, because of the existence of heterogeneity, relative volume doesn’t have obvious influence on volatility forecasting errors when analyzing the difference between the between-individual effect and the within-individual effect.