51 |
認知型態對內部控制評估影響之評估黃文和, HUANG, WEN-HE Unknown Date (has links)
審計人員藉著審計報告,對公司之財務報表是否允當表示專家意見,但審計人員簽發
報告之前,必須實施審核工作,蒐集客觀之證據,俾作為對財務報表表示意見之依據
。在蒐集並評估證據的審計程式中,為提高審計工作效率及品質,須對受查公司之內
部控制制度是否健全進行研討及評估。惟何種內部控制方屬健全,並無明確的準則,
因此,造成審計人員對內部控制判斷有很大的分歧。
本研究目的旨在探討認知型態對內部控制評估之影響,另外探討審計人員經驗多寡及
不同事務所之審計人員是否亦會影響對內部控制之評估。
本研究於文獻探討中,介紹了美國學術界對內部控制判斷及認知型態之研究,許多研
究者發現教育、訓練及經驗會影響審計人員的判斷,本研究加上人格變項住行研究。
本研究經以國內會計師事務所審計人員為對象,要求受試者評估所給予個案之內部控
制制度,並作人格偏好測驗。採雙因子變異數分析及t檢定求其結果,俾提供我國會
計師事務所之參考。
|
52 |
審計人員與受查公司會計人員對審計功能衝突性之研究殷仲偉, YIN, ZHONG-WEI Unknown Date (has links)
本研究係為明瞭審計人員與受查公司會計人員對審計功能衝突性看法的差異,並探討
衝突雙方對問題的解決方式,以確認此衝突係屬壓能性,抑或失能性。
本研究先探討衝突的性質,並定義功能性及失能性的衝突,再以衝突的特性劃分成”
觀念性架構”、”權力的平衡性”、”滿足程度”、”績效”、”溝通”五大類。其
次討論審計雙方對衝突之解決模式,而後說明審計的功用及審計獨立性的重要,最後
建立若干假設,並檢定之。
本研究以會計師事務所及國內一千大製造業經會計師財務簽證者為對象,分別寄發問
卷,取得回函,並用皮爾森積差相關和單因子變異數分析檢定假設,以實證研究說明
審計人員與受查公司會計人員對審計功能衝突性的大小,及其衝突係屬功能性或失能
性。
|
53 |
教育行政人員成就動機、工作特性與組織承諾之相關研究黃秀霜, HUANG, XIU-SHUANG Unknown Date (has links)
本論文共計乙冊,分五章十八節,約六萬餘字。扼要說明如下:
一、研究目的:
本研究之目的有三:(一)探討各級教育行政人員之成就動機、工作特性與組織承諾
之實際情形。(二)分析個人人口統計變項、成就動機、工作特性與組織承諾之相關
。(三)根據研究結果提出具體建議,供各級教育行政人員作為促進組織承諾之參考
。
二、研究方法:
本研究之對象為教育部、教育廳(局),及各縣市教育局之正式編制人員。研究工具
為工作與家庭取向量表、工作特性量表、組織承諾問卷,離職意願問卷。並以積差相
閞、變異數分析、迴歸分析等統計方法分析資料。
三、研究結果:
本研究結果發現:(一)各級教育行政人員之性別年齡教育程度婚姻狀況職位與組織
承諾,離職意願有關聯存在,年資與組織承諾則無相關。(二)高成就動機者組織承
諾較高,工作自主性、挑戰性較高者,其組織承諾亦較高,在離職意願上則無顯著差
異。
四、建議:
根據研究之結果,提出二點建議:(一)工作豐富化:給予教育行政人員更多的自主
權,並增加工作的挑戰性。(二)配合個體成就動機的強弱,給予不同性質的工作,
促使教育行政人員發揮其潛力,並提升對機關之承諾。
|
54 |
學習態度、人特質、親子關係與測試焦慮的相關研究沈偉康, SHEN, WEI-KANG Unknown Date (has links)
本論文計一冊,約四萬餘字,內含五章:第一章說明研究的動機與目的、名詞詮釋及
研究限制,第二章則綜論測試焦慮的性質以及各變項與其間的關係,第三章說明研究
設計及統計處理、研究對象、工具及實施程序,第四章則按研究假設陳述研究之發現
,第五章則針對研究發現做進一步的討論及建議。
本研究以國中三年級學生所預想的聯考情境焦慮反應為測試焦慮的指標,並以積差相
關,變異數分析、多元逐步迴歸探討各變項與其間的關係,聯合各變項可預測其三分
之一的變異量,又因測試焦慮不同於特質焦慮,會在不同的校別與班別間存有差異,
故校際與班際情境因素可能係影響其他變異量的重要因素,有待進一步的探討。男、
女生及、前後段班間預測項不同,預測項間預測項不同,預測項間且存有交互之作用
。
|
55 |
現存地主、佃農對出 (承) 租地依賴度及其相關因素之研究陳怡靜, Chen, Yi-Jing Unknown Date (has links)
一、問題緣起、動機:
現金的農業部門出現許多農業發展的瓶頸,例如勞動成本高,規模不經濟而導致農業
所得偏低。部分學者專家認為提高農業所得的有效方法是減少農民轉業。為此便需要
了解目前的地主、佃農對於耕地收入的依賴性。
二、操作性定義:
對地主而言依賴程度=出租地租金收入/總收入
對佃農而言依賴程度=承租地產出收入/總收入
對出(承)租地的自由度=1-依賴程度
三、研究目的:
1.地主(佃農)人口統計變數與其依賴度之關係。
2.地主(佃農)耕地規模變數與其依賴度之關係。
3.地主(佃農)住屋狀況變數與其依賴度之關係。
4.地主(佃農)其機器設備變數與其依賴度之關係。
5.地主(佃農)依賴度對處理出(承)租地之意願。
四、研究方法:
本論文之研究工具為問卷調查與分析,樣本戶數五二0分遍及全省各縣市五四個鄉鎮
。其中地主一0四分、佃農四一六分。至於本研究所採用的分析工具包括,百分比,
’ANOVA’ Gross Tables。
五、研究內容:
本文共分五章,其內容如下概述:
第一章 緒 論
第二章 文獻回顧與理論基礎
第三章 地主對出租耕地依賴程度及其相關因素之研究
第四章 佃農對承租耕地依賴程度及其相關因素之研究
第五章 結論與建議
六、繼續研究的課題
|
56 |
應用統計方法鑑定模擬模式有效性之研究何沐仙, He, Mu-Xian Unknown Date (has links)
本論文主要在探討鑑定模擬模式之問題,提出數種可行的統計方法,用以檢定模擬模
式之適合度,並以判定分析討論對模擬模式之認定。首章為緒論,說明本人研究此一
問題之動機、目的、方法與範圍,並簡要敘述本論文之架構及各章節之安排。
第二章論及有關鑑定模擬模式之問題,包括討論鑑定之一般論點、多階段鑑定,以及
統計觀念之應用和對模擬模式分析之,第三章專門探討對模擬模式之適合度檢定,包
括卡方檢定、梅恩─懷特尼檢定、希爾不等係數之指標、變異數分析等方法,並討論
對模式之改良。第四章乃以判定分析並考慮成本因素,討論對模擬模式之認定。第五
章是結論。
|
57 |
領導者的權力基礎與領導行為員工工作滿足徐燕山, Xu, Yan-Shan Unknown Date (has links)
第一章緒論旨在探討以前學者有關領導者權力基礎的研究,藉以引導出本論文的研究
問題與研究假設。
第二章文獻探討說明了權力基礎,領導行為,與工作滿足的個別理論,進而指出各理
論與各研究有待進一步探討的問題。
第三章為研究方法對本論文的研究方法,所使用的量表,研究的過程及本研究所使用
的統計分析方法作一說明。
第四章說明了變異數分析與相關分析的結果。
第五章為討論與建議首先就第四章分析結果作詳盡的討論其次由討論的結果引申出管
理上的涵意,最後說明了本研究所受的限制及建議未來研究的方向。
|
58 |
性別、創造力與職業興趣之相關研究余嬪, YU.PIN Unknown Date (has links)
第一章 結論
一、研究動機與目的
二、研究問題與研究假設
三、操作定義
第二章 文獻探討
一、性別與職業興趣
二、創造力與職業興趣
三、性別、創造力與職業興趣
第三章 研究方法
一、研究設計:2(性別)×3(創造力高、中、低)多因設計。
二、受試者與主試者
三、測量工具、拓弄思創造思考測驗、職業興趣調查表
四、實施程序
五、統計方法:二因子變異數分析
第四章 研究結果
一、基本資料:拓弄思創造思考測驗職業興趣量表之平均數與標準差。
二、變異數分析結果
三、假設驗證
第五章 討論與建議
一、討論
二、建議
|
59 |
不等變異迴歸模型之研究劉玉祥, Liu, Yu-Xiang Unknown Date (has links)
本文主旨在研究線性回歸模式中,若殘差之變異數並非一致時,如何作估計?同時如
何檢定母體是否具有不等變異性,其結構如下:
第一章:緒論。
第二章:估計之一般理論。第一節–基本定義。第二節-不偏性。第三節-一致性。
第四節-有效性。
第三章: 估計。第一節-迴歸係數之估計。第二節-殘差變異之估計。
第四章:檢定。第一節–巴萊特檢定。第二節–高、肯氏(GOLDFELD–QUANDT)檢定
。第三節–葛氏(GLEJSER )檢定。
第五章:結論。
|
60 |
以FIGARCH模型估計長期利率期貨風險值 / Modeling Daily Value-at-Risk for Long-term Interest Rate Futures Using FIGARCH Models吳秉宗, Wu,Pinh-Tsung Unknown Date (has links)
近幾年,風險值已經成為金融機構風險控管的重要工具。它的明確及簡單易懂是其讓人接受的原因,加上巴塞爾銀行監理委員會在1996提出的巴塞爾協定修正,規定銀行將市場風險因素納入考量,並允許銀行自行發展內部模型,以風險值模型衡量市場風險後,各種風險值的估算方法相繼被提出。
本篇論文是使用部分整合自回歸條件變異數(Fractional Integrated Generalized Autoregressive Conditional Heteroskedasticity,簡稱FIGARCH)計算長期利率期貨多空部位的每日風險值。選取的三支長期利率期貨是在芝加哥期貨交易所掛牌的三十年期美國政府債券期貨(TB)、十年期美國政府債券期貨(TN)
與十年期市政債券指數期貨(MNI)。
利率期貨的研究在過去文獻中,甚少被提及。但隨著利率型商品日新月異的發展,以利率期貨避險的需求也與日遽增。尤其在台灣,利率期貨更是今年新登場的期貨商品。因此,我選擇利率期貨作為研究標的,藉由以FIGARCH模型來配適波動性,提供避險者一個估算風險值的方法。
FIGARCH模型係由Baillie、Bollerslev與Mikkelsen於1996所提出,與傳統GARCH模型所不同的是,FIGARCH模型特別適用於描述具有波動性長期記憶(Long Memory)性質的資料。所謂長期記憶性,是指衝擊所造成的持續性是以緩慢的雙曲線速率衰退。而許多市場實證分析均指出,FIGARCH較適合用來描述金融市場上的波動性。此外,本研究的風險值計算,除了一般實務界常用的常態分配以外,還考慮了t分配與偏斜t分配,以捕捉財務資料常見的厚尾與偏斜的特性。
而實證結果顯示,長期利率期貨報酬率的波動性確實存在長期記憶性,所以FIGARCH(1,d,1)模型可以適切地估算長期利率期貨的每日風險值,不論在樣本內或樣本外的風險值計算均優於傳統GARCH(1,1)模型的計算結果。至於各種不同分配的比較,在樣本內的風險值計算,當α=0.05時,常態分配FIGARCH(1,d,1)模型表現較佳;當α=0.025到0.0025時,t分配與偏斜t分配FIGARCH(1,d,1)模型表現較佳,而偏斜t分配FIGARCH又稍微優於t分配FIGARCH(1,d,1)模型。
而樣本外的風險值預測,則有不同的結果,當α=0.05,t分配與偏斜t分配FIGARCH(1,d,1)模型表現較佳;而α=0.01時,常態分配FIGARCH(1,d,1)模型表現較佳。而且t分配與偏斜t分配FIGARCH(1,d,1)模型在α=0.01會出現太過保守的情形,出現失敗率(failure rate)為零,高估風險值。 / Value-at-Risk (VaR) has become the standard measure used to quantify market risk recently, and it is defined as the maximum expected loss in the value of an asset or portfolio, for a given probability α at a determined time period. This article uses the FIGARCH(1,d,1) models to calculate daily VaR for long-term interest rate futures returns for long and short trading positions based on the normal, the Student-t, and the skewed Student-t error distributions. The U.S. Treasury bonds futures, Treasury notes futures, and municipal notes index futures of daily frequency are studied.
The empirical results show that returns series for three interest rate futures all have long memory in volatility, and should be modeled using fractional integrated models. Besides, the in-sample and out-of-sample VaR values generated using FIGARCH(1,d,1) models are more accurate than those generated using traditional GARCH(1,1) models. For different distributions among FIGARCH(1,d,1) models, the normal FIGARCH(1,d,1) models are preferred for in-sample VaR computing whenα=0.05, and the Student-t and skewed Student-t models perform better for in-sample VaR computing whenα=0.025-0.0025. Nonetheless, for out-of-sample VaR, the Student-t and skewed Student-t FIGARCH(1,d,1) models perform better in the case α=0.05 while the normal FIGARCH(1,d,1) models perform better in the case α=0.01. The VaR values obtained by the Student-t and skewed Student-t FIGARCH(1,d,1) models are too conservative whenα=0.01.
|
Page generated in 0.0208 seconds