本研究以我國上市上櫃電子公司為研究對象，以資料包絡分析法為分析方法，探討公司赴大陸投資前後以及赴大陸投資公司與未赴大陸投資公司間，其台灣母公司在整體技術效率、純技術效率及規模效率上之差異。 就規模效率而言，樣本公司在赴大陸投資後，其台灣母公司在規模效率上有顯著提升，在赴大陸投資公司部分亦為如此；在純技術效率方面，各組樣本間並未有顯著差異；整體技術效率方面，赴大陸投資後及赴大陸投資公司之整體技術效率分別較赴大陸投資前及未赴大陸投資公司為高，主要係規模效率改進之故；另外在規模報酬部分，大部分樣本公司仍處於規模報酬遞增階段。 這些現象可能透露出廠商在赴大陸投資後，對於台灣母公司之規模調整已收到部分效益，然在技術層面卻未有所改善，且部分台灣母公司的生產規模仍未調整至最適狀態，故廠商應加強技術之提升，並增加對台灣母公司之投資，以使現有之投入獲致最佳之報酬。 / The purpose of this research is to examine how the Taiwan’s parent companies of electronic industry have adapted their strategies to face the new market structure and competition after the deregulation of “regulation of investment in mainland China”. This research focuses on comparing the changes of electronic company’s efficiency before and after deregulation. This research applies Data Envelopment Analysis (DEA) to measure efficiency scores. The statistical results reject the null hypothesis that there was no overall technical efficiency change and no scale efficiency change after deregulation, but accept the null hypothesis that there was no pure technical efficiency change. The statistical results indicate that after deregulation overall technical efficiency and scale efficiency increased but the pure technical efficiency remain unchanged. After further analysis of scale efficiency, the research also reveals that most of the companies are in increasing return to scale level. The result implies that those companies have not reached their optimal level of return to scale, although they did improve their scale efficiency. The above findings suggest that although the companies investing in mainland China can improve their scale efficiency, however, the investment did not benefit the pure technical efficiency. Therefore, this research suggests that in order to get the optimal return, companies investing in mainland China should focus more on technique improvement and capital investment on Taiwan’s parent companies.

隨著國人之生活習慣改變與社會進步，糖尿病逐年上升，並成為國人十大死因之一，此外，糖尿病易引發其他疾病而產生併發症，當患者同時患有多種疾病，進而接受多重藥物治療，在使用多種藥物情況下易導致藥物產生交互作用，而中央健保局之「全民健康保險資料庫」囊括全體國人珍貴的醫療資料，其中包含詳細的糖尿病病患相關資料，本研究藉由分析中央健保局之糖尿病資料，目的在於分析糖尿病用藥中產生藥物交互作用之情形，希望能發掘有用資訊。 糖尿病資料中具有藥物交互作用處方佔有29％，藉由不同變數來探討糖尿病之藥物交互作用情形，譬如從年齡、性別、用藥藥品數、就醫科別等，進而得知資訊，諸如病患年齡與處方用藥數會影響是否有無藥物交互作用之產生；此外，藥物交互作用組合中，最多為口服低血糖用藥，這是糖尿病用藥，但產生最嚴重之藥物交互作用為心血管疾病用藥，並利用資料採礦技術挖掘有意義之規則。 / Incidence of diabetes mellitus is on the rise year over year in today’s modern living life style. It has been ranked as the tenth leading cause of death in Taiwan. When a patient suffers from more than a single cause of illness, he is treated by multiple medications which in turn could trigger drug interactions side effect. National health insurance research database has kept information containing data of patients with diabetes mellitus from which this research has based its data on. The purpose of this research is to analyze the side effects of drug interactions from diabetes mellitus medications. Of all prescriptions given for diabetes mellitus, 29% were resulted in having drug side effects. This research attempts to isolate the factor causing side effects of drug interaction of diabetes mellitus medications by difference variables, such as patient’s age, sex (male or female) and numbers of medicines. The techniques we employed in reaching our attempts is data mining.

由於資訊科技的蓬勃發展，各企業單位無不尋求資訊系統的幫助，來提升組織之作業績效或是協助決策分析，而這些資訊系統的來源可能是自製、外包或是直接購買套裝軟體。而過去企業在開發資訊系統時，大多以功能導向為出發點，導致企業內產生許多零散的資訊系統，不同的作業均建立於不同的資訊系統上，如果企業內的資訊系統無法有效整合，將產生系統間資料重複輸入、資料無法共享、資料不一致、資料不正確、無法產生統計性資料的問題，因此本研究即是提供一系統整合之方法-建立企業之整合性資料庫，以達到系統整合之目標。 本研究以個案研究之方式，選定某一事業單位，實地訪談個案單位，建立個案單位之作業流程模型及分析個案單位之流程模型，並同時考量個案單位之流程模型、舊有資訊系統、未來資訊系統架構，推導出個案單位之整合資料庫。而藉由此整合資料庫，個案單位現在及未來之資訊系統，均可有效的交換資料，並提供主管決策性統計資料。

近年來台灣會計師事務所產業概況演變，在需求未明顯成長的情況下，且會計師事務所整體獲利率逐年下降及個別會計師事務所經營效率差異相當顯著。這些演變進一步突顯：在需求成長減緩情況下，市場競爭程度會日益激烈，且隨著會計師事務所本身經營策略與規模之變動及市場供需之改變，會計師事務所在不同時期之經營技術效率可能有所改變。於是，會計師事務所為求永續經營與成長，惟有追求經營效率不斷地改善及提升經營效率，本文以2002年762家台灣會計師事務所的普查資料，首先利用資料包絡分析法評估個別會計師事務所之技術效率；然後，以Tobit截斷迴歸模型探討可能造成會計師事務所技術效率差異之因素。技術效率評估結果顯示：（一）台灣會計師事務所在目前的產出水準下，仍可減少19.8%的投入使用量；（二）相對無效率者之平均技術效率值為0.719，隱含在既定產出水準下，相對無效率者較相對有效率者多用28.1%的投入。迴歸實證結果顯示：（一）事務所的規模與技術效率間具有正向關係；（二）事務所成立時間對技術效率產生正向的影響；（三）業務集中度與技術效率兩者間存在正向關係；（四）執業會計師佔總員工人數比率對會計師事務所之技術效率影響方向為正的；（五）聯合組織形態之會計師事務所擁有較高之技術效率。

臺灣四面環海，海岸線綿長，而海岸巡防業務為鞏固臺灣周邊海域安全的第一道防線，為有效遂行海岸、海域治安的維護、海洋法律秩序的維持及海上人命的安全工作，維護我國家海洋權益，實有賴充實現代化編裝，強化海巡能量。然因國家財政日益困難，不論員額編制、經費預算均逐年緊縮，為使有限資源發揮最大效用，實需強化績效評估機制以提昇機關效率。本文嘗試以經濟學上的生產效率概念，以資料包絡分析法（DEA）之產出導向模型，建構一個海巡機關整體相對效率評估模式，強化績效評估之公正性，根據實證結果，探討技術無效率原因，對主管機關提出政策建議，並對後續研究提出建議。 本文係以「業務性質相當」且屬「同層級」之各地區巡防局為研究對象，以2001─2004年之投入及產出資料進行機關整體效率評估。實證結果資料顯示：在不同投入產出組合下，地區巡防局整體技術效率平均值介於134.72﹪與230.30﹪之間，代表在產出上仍存在改善空間。經比較各地區巡防局之相對效率，以中巡局整體效率最佳，東巡局最低，主要係因規模無效率所致，至其他地區局則因純技術無效率所致。 惟有關犯罪行為之查緝產出究應隨投入增加或減少，方稱為有效率，實難論斷，復囿於樣本數有限，不適於採迴歸分析方式探討造成各地區巡防局技術效率差異之可能影響因素，亦為本文之研究限制。海巡署於2005年7月1日以任務編組方式實施「地區責任制」，建議未來研究可以13個巡防區為研究對象，同時納入岸、海勤務之投入及產出，並藉以擴大樣本數，以兩階段分析法，利用迴歸分析模型探討各巡防區效率差異之可能因素，更具鑑別力及公正客觀性。

21世紀公認影響人類生活的兩大科技，就是「資訊科技」與「生物科技」。能為生物科技分析出最佳競爭優勢、尋求利基的產業，便是商業智慧（business intelligence, BI）。 雖然生技業具有極高的附加價值，但也必須投入極高的研發成本。為了讓生技產品能獲取利潤，我們必須要在適當的時機推出適合消費者的產品；藉由資料採礦技術萃取大量的資訊、可以事先洞察預測消費者的潛在需求，並且幫忙分析生技產業可應用推廣的領域、採取的行銷方式以及道德倫理問題…等，這些都須仰賴商業智慧的力量；唯有以商業智慧為整合平台來發展生物科技，才能確保生技產業向未來前進的步伐走得穩當。 除了想了解生物科技目前的前景之外，也加上商業智慧（business intelligence, BI）的應用，希望藉由本研究可以在未來對於欲加入生物科技產業之公司尋找一些經營依歸，以期台灣能在邁入高科技產業時將順利無阻礙。 首先，先以三種資料採礦的分類法(決策樹、類神經及羅吉斯迴歸)來做比較，並決定最後使用那種分析方法。比較過後，決定運用決策樹方法建立出一般民眾的基本特性（性別、血型、年齡等）對於生物科技產業（基因改造食品、生物醫療科技、生技美容保養）的使用意願程度之決策樹模型。 最後，對三種生物科技產業各別做出宣傳策略。並對後續研究者提出一些建議。

類神經網路(Neural Network)是人工智慧(Artificial Intelligence)的一種，利用模仿腦神經處理資訊的原理，以數學模型，經由電腦軟硬體等方式，對於不動產進行鑑價，可說是電腦估價的範疇之一。為解決以市場比較法進行估價作業時，估價人員往往因為自己的主觀認知有所不同，而產生估價結果有相當的差距，造成不能建立估價人員的專業公信力，產生人人均可以從事估價之錯覺。是以，為解決估價上過於主觀之問題，透過類神經網路之功能，能分析交易價格與影響價格主要因素之關係，利用大量已成交的資料，學習這些關係之結構變化，進而推估較具客觀性的價格，提供估價人員的諮詢與參考，恰有助於整個估價流程的合理性與可接受性。 對於文山區與大安區中古屋交易資料，以多層感知機 (Multilayer Perceptrons，MLP) 類神經網路模式之分析結果，可發現在年訓練資料的測試結果中，不動產交易價格波動變化穩定之狀況下的預估效果較佳，然而在不動產價格變動率較大之狀況下，其預估效果明顯降低；進一步比較的一年期訓練資料、半年期訓練資料、季訓練資料之預估結果後發現，以一年期訓練資料之預估效果較佳；經由輸入變數篩選後再預估，其整體預估效果均有改善；最後以訓練資料期間為選取導向與訓練資料量多寡為選取導向之測試結果作比較，可發現訓練資料期間為選取導向的預估結果較佳，說明訓練資料的選擇必須考量其時效的重要性。 關鍵字：類神經網路(Neural Network)、訓練資料選取、變數篩選分析

電子商務，這是在90年代才興起的經營模式。在過去的社會演進裡，人類從最早的農業經濟進步為製造經濟，一切以產品、品質為出發；隨著知識時代的來臨，製造不再只是一味大量生產，更為重要的是站在顧客角度思考，而慢慢從製造經濟轉變為服務經濟，以顧客的滿意為重。 以滿足顧客的需求來看，網路商店必須具備高效率、可授權的、動態的且反應速度快的特性。消費者需要個人化資訊來做決定，然而，這似乎都是現有電子商務網站所欠缺的。 本研究將會採用資料探勘、灰關聯分析、層級分析法與灰色預測來達成客製化的行銷策略、產生客觀的產品排名與客製化的產品排名，並加以預測客戶的喜好。 / E-commerce, it’s a new business model from 90’s. On the social evolution track, from agriculture economy to manufacture economy, product and quality is the spotlight. With the coming of knowledge era, manufacturing is not just mass-productive, this era’s spotlight is the customer satisfaction. The evolution track had moved from manufacture economy to service-oriented economy. If sellers want to meet customers’ need, it should had some features, such as efficient, empower, dynamic, quick response, and so forth. Customers need tailor-made information to make the purchasing decision. However, nowadays internet stores cannot meet this need. This research will utilize data-mining, grey relation analysis, analysis hierarchy process and grey perdition to draw up tailor-made marketing strategies, generating objective product ranking and tailor-mage product ranking, and predict customers’ preference trend.

本研究採用統計分析與資料採礦的方法搭配企業生命週期理論與企業財務資訊做為股票投資決策的準則。其步驟順序為先將公司分群，並且按照生命週期理論命名各群為成長、成熟、老年期；再對各群分別使用決策樹與區別分析找出優秀股票的特徵；最後，按照特徵挑選出未來的報酬率有機會表現優秀的股票。期望在此方法下取得比台灣加權指數更高的報酬率。 / This paper adopted multivariate analysis and data mining to choose stock as a member of portfolio with financial indicators. The first, the public companies are divided into three periods according to life cycle by clustering; then, the rules are founded by decision tree and discriminant analysis; and the stocks are chosen as a member of portfolio. The result is that we can get higher return than TSEC weighted non-financial index.

近年來電腦科技進步、資料庫健全發展，使得處理大量資料的需求增加，因而發展出結合生物醫學與資訊統計兩大領域的生物資訊(Bio-informative)。這個新學門的特色在於資料量及資料變數的龐雜，但過多資料經常干擾資訊的篩選，甚至癱瘓資料分析，因此如何適當地縮減資料(Data Reduction)就變得必要。資料縮減常藉由維度縮減(Dimension Reduction)進行，其中常見的線性維度縮減方法首推主成份分析，屬於非監督式學習(Unsupervised Learning)的一種，而線性的監督式學習(Supervised Learning)方法則有SIR(Sliced Inverse Regression)、SAVE(Sliced Average Variance Estimate)及pHd(Principal Hessian Directions)。非監督式學習的主成份分析，主要在找出少數幾個維度而可以解釋代表自變數的變異程度，而監督式學習的SIR、SAVE及pHd則可以在縮減維度時，同時考量自變數跟應變數之間的關係，而找出可以解釋應變數的維度。 本研究為解決蛋白質質譜儀資料高維度的問題，將應用各種線性維度縮減方法，並分別使用CART(Classification and Regression Tree)、KNN(K-Nearest Neighbor)、SVM(Support Vector Machine)、ANN(Artificial Neural Network)四種分類器，比較各維度縮減方法的分錯率高低，以交叉驗證(Cross Validation)比較維度縮減方法的優劣。研究發現在四種維度縮減方法中，PCA及SIR在各種分類器下都有較為穩定的分錯率，表現較為一致，但SAVE及pHd較不理想。我們也發現在不同的分類器下，PCA跟SIR兩者有不同表現，正確率較高的分類器(SVM與ANN)與PCA結合，而正確率較低的分類器(CART與KNN)與SIR結合，會有較佳的結果。另外，我們也嘗試整合分析(Meta Analysis)，綜合幾種線性維度縮減方法，而提出邊際訓練效果法(Marginal Training Effect Method)與加權整合法(Meta Weighted Method)，其中發現邊際訓練效果法若可以挑選出有效的維度，可以在不同分類器下提高整體模型，而加權整合法則確保在不同分類器下，讓其分類模型具有較為穩定的準確率；並提出相關係數重疊法(Overlap Correlation Method)來解決需要決定維度大小的問題。