一般計量經濟學所討論的範圍內，所使用的統計方法，皆以古典的迴歸技巧為基礎，來分析其資料。此種方法雖可對所欲觀測的經濟現象，做很多的統計推論，但此推論所根據的資料，僅能從現有的情報中加以分析，至於此經濟現象過去試驗，所得到的情報皆未能加以使用。關於此種過去試驗所得到的事前情報之利用，乃本文所討論的重點所在。 貝氏方法應用在迴歸模型上，實際上即利用貝氏定理有關的觀念與推理，以分析之。貝氏方法的優點，在於能將有關徵數的事前情報，用適當的數學獄法，與由試驗所獲知的情報組合在一起。此種事前情報可能來自一般理論上的考慮，或來自以前試驗的結果。對於欲尋求或理解一種現象，事前情報是一個重要的因素。利用事 前情報，經過貝氏定理的判定後，可得徵數的事後機率密度函數。吾人即可利用此徵數的事後機率密度函數來從事其統計推論。 本文計分四章。第一章討論貝氏方法之利用有關原理之解說，內分三節，介紹以後各章須利用的貝氏定理有關觀念，諸如徵數的事前機率密度函數，事後機率密度函數，或徵數之一的邊際事後機率密度函數等，皆有述及。 第二章討論貝氏方法在單元常態線形迴歸模型之應用。內分四節，首先將貝氏方法應用於單元常態線形的迴歸模型上，其次討論此模型的事後假設，事後機率密度函數及對其做統計推論。 第三章討論貝氏方法在多元常態線形迴歸模型之應。內分四節，本章為第二章的推廣，由單元推廣至多元之情形。至於第四節，則討論兩個迴歸模型上變方相等的特殊現象。 第四章為前三章的總論。 過去，大多數的計量學者使用非貝氏技巧，來分析其問題，但隨著理論根據的增強，貝氏方法之應，有漸被重視之趨勢。在模型問題上，利用貝氏方法或非貝氏方法，兩種用法之比較，其結果究竟為如？這是有趣的問題。但正如Anscombe在以前曾談及的統計評述，對統計問題變化來說，某情況之正確評價，可由傳統 的統計方法或貝氏方法途徑為之，所應注意的僅是何者能做？何者能做得更好？”這才是問題的主旨所在。 本文之討論，因限於個人所學有限，文中錯誤之處，在所難免，敬請師長們，不吝賜正，見所致盼。 本論文之撰寫，承蒙 祁師和福教授諄諄誨導，謹此致謝。另蒙 師長們之督促，同學們幫忙之處甚多，亦在此感謝。

文獻中診斷離群值及有影響力觀察值的方法，以臻完備。本文將從貝氏觀點提出一個新的診斷方法，也就是利用誤差項事後分配的Kullback-Leibler對稱散度來做為診斷離群值及有影響力觀察值的標準。

本論文的目的是希望透過貝氏模型的建構,以瞭解疾病在空間上的分佈狀態。我們先討論Poisson-Gamma模式(PG)、本質的常態條件自我相關模式(ICAR)、適當的常態條件自我相關模式(PCAR)等三種模式的貝氏架構,以期適切地描述出空間中的疾病發生率並據以繪製疾病地圖。接著,再介紹貝氏因子(Bayes Factor)以對這三種模式進行模式選取。本論文並以結核病資料進行實證分析,就各年齡層分別計算三種模式間的貝氏因子,以選出各年齡層的最適模式,並對該模式估計出的相對風險率繪製疾病地圖, 結果顯示各年齡層的最適空間模式不儘相同。 由於群聚(clustering)現象亦為疾病空間統計之研究焦點,我們也介紹了群及間斷處的貝氏偵測法(BDCD),該方法是以可反轉跳動的蒙地卡羅馬可夫鏈(RJMCMC)為基礎。實證結果顯示相對風險率較高的地區多屬山地鄉等醫療環境較落後的偏遠地區,且39歲以下的年齡層支持PCAR模式,39歲以上的年齡層支持PG模式,也就是說青壯年的結核病空間分佈與鄰區間的距離、人數有著明顯的關係,至於中老年人的結核病空間分佈則是彼此獨立不相關的。

出口為推動台灣經濟之原動力，近來由於保護主義喧囂塵上，分散市場已迫在眉睫。 然欲八散市場，必先針對各市場之需求預先規劃，因此出口需求預測益形重要。綜觀 往昔論及出口之相關文廚皆限於理論上之彈性估計，對於實務之預測則付諸闕如。有 鑑於此，本研究擬建立實務導向之出口需求預測模式，以利出口業者掌握國際市場之 需求。 本研究將運用貝氏動態迴歸分析，建立出口需求預測模型，其模式結構為 出口量＝f （相對價格、所得） 其中出口量相對價格之減函數、所得之增函數。利用上述之模式，本研究將先預測相 對價格與所得，之後再經由轉移函數預測出口量。然而，若僅根據上述模式，所得之 樣本預測對於隨機或結構性變化將無法掌握，必須再投入專家之先驗知識予以加權平 均，形成融合模式預測與專家共識之後驗預測，如此方可獲致精確之結果。 在實證方面，本研究將針對機電類產品，如縫紉機、計算機、彩色電視機…等，根據 過去兩年之月資料，預測未來兩年各月份各主要國家（美、日、西德…）之出口需求 量。 本研究所建立之出口需求預測模式乃結合樣本預測專家共識之精確預測模式，不僅著 重屬量性之估計與預測，更融入專家對於未來結構之屬質性探討，將利於政府貿易部 門、學術研號究機構及廠商之策略規劃，以掌握國際市場之需求。

對於處理部份區分或是失去部分訊息資料的類別抽樣的問題，在許多領域裡皆有許多的應用。貝氏方法雖可處理這類問題，但是貝氏方法對這類問題的計算相當耗時，因此對於這種問題的後驗估計，Jiang (1995) 及 Jiang and Dickey (2005) 提出quasi-Bayes方法，Jiang and Ko (2004)利用Gibbs sampler來近似(approximate)這些後驗估計值。但是這兩種近似方法的優劣，因為貝氏方法計算上的困難，一直沒有任何文章作這方面的比較，本文突破計算上的某些限制，在小樣本時，對這兩種近似方法的近似度(相對於真正的貝氏值)作比較，進一步探討使用兩種比較方法的優劣。

本論文內容共一冊，約四萬餘言，共分為五章。 第一章：緒論 由於未來至公元二○○○年經濟成長對電力需求的需要，以目前發電能量，可否配合 的評估，即電力長期負載預測，至為重要，故本文擬以統計的預測方法，根據自民國 五十八年一月至七十四年九月各產業別（分二十五類）月份電力售電量及住宅電燈售 電量時間數列資料，以二元變量時間數列模式，預測未來公元二○○○年各產業別用 電需求，並透過學者專家，大用電戶對能源使用替代性，未來產業結構性變化，技術 進步的先驗知識以問卷方式加以分析，以調適純由資料預測結果所無法反應的前述先 驗知識。 第二章：首先探討一元變量（UNIVARIATE）自我迴歸，移動平均整合模式（ARZ MA） 。第一節：（１）自我迴歸模式（AR）的自我相關函數（ACF ），相關函數（PACF） 。（２）移動平均模式（MA）的ACF 及PACF。（３）自我迴歸移動平均（ARMA）的AC F 及PACF。第二節：當隨機時間數列非平穩型如何經由差分（DIFFERENCING）轉換（ TRANSFORMATION），形成一般化的自我迴歸，移動平均整合模式。第三節：說明要設 計一預測體系，便是要建立一統計模式，建立過程是反覆試行的，其中包括利用 ACF 及PACF確認模式，其次用（１）最大概似估計法（MIE ）（２）有條件最少平方法（ ３）無條件最少平方法（４）非線性估計法。估計模式節參數，再其次是模式的偵測 檢查，最後利用此模式預測未來的觀察值。 第三章：轉換函數分析（TRANSFER FUNCTION ANALYSIS）簡介二變量（LIVARIATE ） 隨機過程。 第一節二變量AR（PROCESS ）設定、估計、預測、轉換函數模式的探討。第二節利用 交叉共變異，相關係數函數確認轉換模式，並作估計偵測，第三節：預測方法的介紹 。 第四章：討論台灣地區各產業別未來至公元二○○○年的展望及未來用電需求成長， 第一節各產業別解釋變數（生產指數GDP ），回顧與預測結果分析。第二節各產業別 未來用電需求預測結果分析，和台電所作長期負載預測報告作比較。第三節用電需求 預測文獻回顧。第五章：結論與建議，並附產業預測結果和成長趨勢圖、問卷表。

在一個具有多個自變數的線性模式中，當我們發現模式在加入或刪除某些自變數時，若對其他參數的估計或估計分配或後驗分配造成極大的影響，我們就有必要提出警告訊息並做進一步分析。而偵測這些造成影響之自變數的方法，除了Schall和Dunne（1990）所提的Cook距離和AP統計量外，本文提出用Kullback-Leibler對稱散度的方法，以自變數增加前後，參數估計分配間的差異作為所加入之自變數影響力的指標。另一方面，就貝氏的觀點，以自變數增加前後，參數後驗分配間的差異程度作為偵測有影響力自變數的方法。此外，本文亦探索Kullback-Leibler對稱散度與自變數間共線性的關係。

本文之研究旨在應用貝氏方法，并配合經濟計量模型體系，以探討為使達成預定目標 ，而期望損失為最小情形下之控制變數最適控制值的決定。全文共分為五章，玆分別 扼要說明如下： 第一章緒論計分三節分別就從事本研究的研究動機與目的、研究方法、及研究範圍與 限制作一敘述。 第二章貝氏推論之研討計分五節。為探討貝氏方法在統計推論上之應用，本章將依序 就其立論根據，事前、事後情報來源，推定及其應用作一詳細的介紹。 第三章共分為五節就應用貝氏方法求解最適控制值的理論部份逐次加以探討。於第四 章中將就依此方法，嘗以臺灣實際的個案作一實例應用，以求解強力貨幣在70年第二 季至71年第三季等六季之最適控制值。并就所得結果作一檢討，而作成第五章之結論 。

本文以貝氏方法估計方向距離函數，加入單調性與曲度限制，同時考慮環境變數於模型中。為了凸顯考慮非意欲產出方向距離函數的優點，本文同時估計產出面射線距離函數，並與方向距離函數模型比較。實證分析資料為1970至2010年間各國總體經濟變數，分別在有無加入限制條件與環境變數的狀況下，估計兩種距離函數，從無效率值、效率分數與技術進步率等角度分析彼此間的差異。發現射線距離函數模型由於忽略非意欲產出，傾向高估生產單位的技術效率。另一方面，其係數估計值容易違反射線距離函數的先天性質，較不具參考性。而方向距離函數模型當中，有無加入限制條件與有無考慮環境變數的模型結果各不相同，其中同時加入限制條件與環境變數的模型結果最為合理。

自1997年以降，受到亞洲金融風暴的衝擊，亞洲各國匯率巨幅波動，於是如何增進匯率預測的準確度已成為重要的研究課題。而自1973年布列敦森林體制崩潰，各工業國家改採浮動匯率以來，匯率巨幅波動致使國際收支理論不再能解釋匯率如何決定，於是1970年代，學者們紛紛提出各種匯率決定理論，其中以貨幣學派模型與資產組合平衡模型最受到重視。然而，自1978年始，這些結構模型的解釋能力逐漸受到質疑，在1983年Meese and Rogoff甚至提出結構模型的樣本外預測能力不如隨機漫步模型的樣本外預測表現，引起學者們的討論到底何者的樣本外預測表現較佳。而隨著計量方法的演進實證研究已由恆定的計量方法演進至非恆定的計量方法，在非恆定的計量方法方面，MacDonald and Taylor(1993、1994)、吳宜璋(1996)等人的研究皆採誤差修正模型來做預測。 本研究亦採誤差修正模型來做預測，但對其他學者的研究稍作改良：1.加入結構變動虛擬變數2.以向量誤差修正模型而非一條誤差修正的式子來做預測，在此以整個體系的觀點來做預測3.以背氏方法加入相驗情報來改善預測。 結論為在金融風暴發生期間，匯率受非基本面因素影響較大時，貝氏向量自迴歸模型預測表現較佳。而在金融風暴發生之前，匯率受基本面影響較小時，以貝氏向量誤差修正模型為良好的預測模型。 / This study improves other scholars' empirical studies by testing structure changes and by using Vector Error Correction Model to forecast N.T. Dollars. Futhermore,use Bayesian Method to improve predition .The conclusion is Bayesian VAR Model perform better when forecasting period include Asian finanl crisis . And Bayesian VECM Model is better model when forecasting period don't include Asian financial crisis.And the out of sample prediction performance of structure model is better than Random Walk Model.