當資料屬於類別型的長期追蹤資料（Longitudinal categorical data）時，除了可以透過廣義估計方程式（General estimate equation, GEE）來求解模型參數估計值外，潛在移轉分析（Latent transition analysis, LTA）法也是一種可行的資料分析方法。若資料的期數不多，也可以選擇將資料適度分群後使用羅吉斯迴歸分析（Logistic regression）法。當探討的反應變數為二元（Binary）型態，且觀察對象於每一期提供多個測量變數值的情況之下，廣義估計方程式與羅吉斯迴歸分析法的使用，文獻上常見先將所有的測量變數值加總後，以「中位數」作為分類的切割點。不同於以上兩種方法，潛在移轉分析法則是直接使用原始資料來取得觀察對象的潛在狀態相關訊息，因此與前二者的作法不同，可能導致後續的各項分析結果有所差異存在。 為了能夠了解造成中位數分類法與移轉分析法差異的可能因素，我們架構在潛在移轉分析法的模型下，以不同的參數設定來進行電腦模擬，比較各參數條件下的兩分類方法差異。結果發現各潛在狀態下的測量變數反應機率形式、第一期潛在狀態的組成比例等皆會對兩分類方法是否具有相同分類有所影響。另外，透過分析「青少年媒體使用與健康生活調查」的實際資料得知，潛在移轉分析會將大部分的觀察對象歸屬於「網路成癮」，而中位數分類法則是將大部分的觀察對象歸屬於「無網路成癮」。此外，可以注意到「沮喪」、「線上情色每星期平均使用天數」、及「父母相處狀況」這幾個控制變數與各分組結果的關聯性，於上述三種資料分析方法中有所不同。 / Several methods can be used to analyze longitudinal categorical data, as among them Latent Transition Analysis (LTA), and Generalized Linear Models estimated by Generalized Estimating Equations (GEE) probably the most popular. In addition, if the number of periods is two, then with certain grouping of data, the Logistic Regression can also be applied to perform the analyses. When there are more than one manifest response variable for each study subject, LTA is able to classify the subjects in terms of the original manifest response variables and proceeds with necessary analyses. On the other hand, GEE method and Logistic Regression lack the flexibility, and require certain transformation to transform the manifest response variables into a categorical response variable first. One common way to form a binary response is to sum all manifest variables, and then taking median as a cut-point. In this study, we explore the differences of the classification resulted from LTA directly and using median as a cut-point through simulations. An empirical study is also provided to illustrate the classification differences, and the differences on the subsequent analyses using LTA, GEE method, and Logistic Regression approach.

在傳統的線性迴歸分析當中，當基本假設不滿足時，有時可考慮變數轉換使得資料能夠比較符合基本假設。在眾多的轉換方法當中，以Box和Cox(1964)所提出的乘冪轉換(Box-Cox power transformation)最為常用，乘冪轉換可將某些複雜的系統轉換成線性常態模式。然而當資料存在離群值(outlier)時，Box-Cox Transformation會受到影響，因此不是一種穩健方法。 在本篇論文當中，我們利用前進演算法(forward search algorithm)求得最小消去平方估計量(Least trimmed squares estimator)，在過程當中估計出穩健的轉換參數。

本篇論文主要考慮成群資料的存活分析，其特點為群內個體間具有相關性，並假定群內個體具有相同但無法觀測到的事故傾向。首先，探討事故傾向服從任一連續分配時混合Weibull迴歸模式的特性，接著，推導出事故傾向服從血Inverse Gaussian吧時之混合Weibull模式，並介紹參數的估計問題。然後，推導出群內個體是否獨立之分數檢定統計量，以分別就兩種最常見的存活資料型態一完整型態與右設限型態：檢定模式中事故傾向的效應是否存在。最後，並以實例說明分數檢定之程序。 / In this paper, we study survival analysis for grouped data, where the within group correlations are considered. It is also assumed that individuals within the same group share a common but unobservable random frailty. First, we discuss the properties of the Weibull regression model mixed by any continuous distribution. Next, we derive an Inverse Gaussan mixture of Weibull regression model, and discuss the estimation problem. Then, we derive the score test for testing independence between components within the same group, where the two most common cases are discussed the complete data case and the right censoring case. Finally, the testing procedures are illustrated by two examples.

近年來由於亞洲金融風暴的肆虐，產生經濟不景氣，使得失業的問題逐漸受到社會所關注，本論文企圖以三個時間序列方法：1.單變量ARIMA模型；2.轉換函數(TF)模型；3.向量自迴歸(VAR)模型來建立台灣地區的失業率時間序列預測模型。資料則是利用台灣地區民國75年1月至民國87年12月的失業率月資料作實證預測分析，為了知道資料是否來自時間趨勢模型，測試是否經過差分消掉一部份的記憶會發生預測的誤差，所以先以多步(multi-step)預測和一步(one-step)預測的方法計算出民國88年1月至88年12月預測值，而預測評估準則則採用(1)MAPE、RMSPE、MPE及泰爾不等係數(THEIL)；(2)變化方向誤差與趨勢變化誤差兩大方向來做預測比較。最後將算出的12期預測值與行政院主計處整體統計資料庫中所得到的失業率實際值利用預測評估準則做比較，結果發現一步預測法較多步預測法準確；而向量自迴歸模型(VAR)在大部份的預測期數上有較小的MAPE、RMSPE、MPE及THEIL值，因為此VAR模型考慮了在變數之間的共整合現象，有助於模型的預測，所以有較好預測的能力；反而是較複雜的ARIMA模型及轉換模型預測能力稍差一點。 / In this thesis, we plan to construct three time series models to forecast the Taiwan unemployment Rate. These time series models are ARIMA model、transfer function (TF) model and Vector Autoregressive (VAR) model. The data set consists of monthly observations for the period 75:1-87:12 for unemployment rate. We want to know if the data came from time trend model. First, we use multi-step forecasting and one-step forecasting to calculate 12 forecasted values from 88:01-88:12. Then We compare the prediction performance of these two methods by using：(1) MAPE、RMSPE、MPE and Theil’s Inequality Coefficient (THEIL)；(2) Direction of Change Error and trend Change Error etc. It is found that one-step forecasting is more correct than multi-step forecasting and the forecasting performance of VAR model is improved by explicitly taking account of cointegration between the variables in the model，so VAR model has lower MAPE、RMSPE、MPE and THEIL for most horizons. However，the more parsimonious ARIMA and transfer function models have higher MAPE、RMSPE、MPE for most horizons.

在醫學領域中，磁振造影（Magnetic Resonance Imaging, MRI）因為具有良好的空間解析度及對比度，且不會對人體產生任何輻射性或侵入性的傷害，所以在疾病診斷中為經常被醫師們使用的輔助工具。其中利用磁振造影測量患者腦部血流情形所攝得之對比劑濃度與時間關係曲線圖，更是醫學界在對付腦血管病變（Brain Lesion）時的診斷利器。然而截至目前為止，我們尚未有一個較正確且快速的方法可以用來配適其對比劑濃度與時間關係曲線中的參數。所以在本論文中，我們嘗試以統計上的觀點，利用幾種不同的配適方法，找出與原始觀察值最為接近之估計值。 在本研究中使用的配適方法有—「迴歸分析法」、「Whittaker修勻法」、「非線性函數參數修勻法」及「核修勻法（Kernel Graduation）」。 本論文將以往醫學界慣用的「乘方性誤差項」改變為「加成性誤差項」，再以不同的誤差項，利用電腦模擬出各組假資料（Pseudo Data）後，以上述的四種方式對原始觀察值進行參數配適與函數估計。綜合模擬資料與真實資料所配適的比較結果，我們認為在幾種方法中，最穩健（Robust）的配適法是「Whittaker修勻法」。而在本論文中進行配適的真實資料，應該具有較大的誤差項，才導致非線性函數參數修勻法不能得出很好的估計值。 / With greater resolution, higher contrast and no radiative hurt to human body, Magnetic Resonance Imaging (MRI) is widely used by doctors in diagnosing diseases. The concentration of the contrast agent v.s. time curves which generated by MRI for cerebral blood flowing is very useful to doctors when giving treatments to brain lesion. However, we still have no precise and quick solution for fitting the curve of the concentration of the contrast agent vs. time. Therefore, this essay tries to use some different statistical fitting methods to find the closest estimates to the crude observations. We will use four different fitting methods here—"Regression Analysis", "Whittaker Graduation", "Nonlinear Function Parametric Graduation", "Kernel Graduation". This essaywill change the "multiple error term" which was usually used in the medical field to "additive error term". After using different sizes of error terms to generate pseudo data by computer simulation, we fit the parameters and estimate the values of the function to the crude data we've created with the four fitting methods mentioned above. Comparing the fitting result of the simulation data and the real data, we think the most robust fitting method is " Whittaker Graduation". The real data we have fitted in this essay may contain a greater error term, it would make " Nonlinear Function Parametric Graduation" get inadequate fitting values.

本研究以1997年台灣縣市長選舉為標的，彙整政治學有關投票行為的相關理論，包含社會學研究途徑、社會心理學研究途徑與理性抉擇途徑的研究成果，整合該年度之總體與個體資料而設計出「特質調整模型」。特質調整模型是透過兩階段的操作模式進行預測，首先以基礎模型反應全國一致的因素，使之適用於台灣所有縣市，這些因素包括政黨認同、候選人取向與社會人口學變項。但由於各縣市狀況仍有不同，因此再進一步用延伸模型來考量各縣市的特殊選舉因素。延伸模型在基礎模型的規模上，以描述性統計來觀察選區情形後，再加入各地特質於模型之中，使其預測結果能反映各地特殊狀況。在延伸模型中，考量的因素包括議題取向、環境系絡因素、策略性投票、在位者表現、派系取向與賄選問題等。 在特質調整模型中，本研究嘗試以對數迴歸模型對各地區進行模擬計算，並用機率論的方式呈現每一位受訪者的投票可能，以反應政治學理論中的不確定性。研究結果發現基礎模型確能相當地反應出台灣各縣市的選舉狀況，描繪各地的一般狀況，而延伸模型又能更精確地貼近各地的選舉結果，反映各地的特殊選情。在資料完整的狀況下，最後各縣市的預測誤差均不超過抽樣誤差。 第一章 緒論 1 壹、研究動機與目的 1 貳、文獻檢閱 3 第二章 研究方法 25 壹、研究範圍與資料來源 25 貳、模型建構 28 參、研究架構 33 肆、模型評估 35 第三章 基礎模型 38 壹、 變數建構 38 貳、 基礎模型的探討 42 參、 討論 84 第四章 延伸模型：基礎模型的應用 87 壹、延伸模型的設計 87 貳、基隆市的延伸模型 89 參、台北縣的延伸模型 98 肆、桃園縣的延伸模型 115 伍、新竹市的延伸模型 123 陸、台中市的延伸模型 129 柒、彰化縣的延伸模型 140 捌、台南市的延伸模型 153 玖、台南縣的延伸模型 166 拾、小結 172 第五章 結論 174 壹、研究回顧 174 貳、研究效果評估 178 參、研究限制與未來研究建議 179 參考文獻 184 / This research is focused on Taiwanese county magistrates election in 1997, and based on the aggregate and individual data to design a forecasting model, named "Joined Idiosyncrasies Adjusted Model" (JIA Model). This model is operated by two stages. First, I compute a basic model, which reflects some general factors in every county. Second, I design extended models to adjust the output of basic models. Those extended models can precisely show the situation of every single county. In this model, I try to use logistic regression to compute the candidate's votes, and present the final forecast output in probability. This model made the county magistrates election more predictable, and the model errors are less than the sampling errors.

人口政策是政府的重要政策之一，而總人口數則是政府制定政治、經濟、社會及文化發展計畫之主要參考依據，因此如何準確地預測未來的總人口數就成為政府相關部門重要的課題。 本論文試圖為台灣地區總人口數建立時間數列預測模式。我們考慮下列模式：單變量自我迴歸整合移動平均介入模式、時間數列迴歸模式、轉換函數介入模式與指數平滑法，其中轉換函數介入模式中所考慮的投入變數包括育齡婦女總生育率、粗出生率及粗死亡率。我們同時以平均絕對百分誤差 (MAPE) 、根均方百分誤差 (RMSPE) 來評估各模式的預測能力，結果顯示以育齡婦女總生育率為投入變數的轉換函數介入模式最佳，而以粗出生率為投入變數的轉換函數介入模式次之，若以這兩個模式進行未來十年總人口數之預測，並與行政院經建會人力規劃處所作的人口預測中推計值比較，其平均絕對百分誤差分別為0.138%，0.156%，顯示時間數列預測模式有相當佳的預測能力。 / In this thesis, we plan to construct various time series models for the total population in Taiwan. The following time series models are considered: ARIMA intervention model, time series regression model, transfers founction intervention model and exponential smoothing method. The input variable considered in the transfer function intervention model include total fertility rate, crude birth rate and crude death rate. We also compare the prediction performance of these models by using mean absolute percentage error (MAPE) and root mean square percentage error (RNSPE). It turns out that the transfer function intervention model with total fertility rate as input is the best model. While the transfer function intervention model with crude birth rate as input ranks the second best. Finally we forecast the total population of the next ten years by using the above two best models and compare with the middle population projection by Manpower Planning Department in Executive YUAN-Council for Economic Planning and Development. The mean absolute percentage error are 0.138% and 0.165% respectively. This result justifies that the time series model has excellent predictive ability and should be considered for total population prediction.

『國際化』對於台灣企業而言，已是必然的趨勢。因此，如何成功地進入國外市場？可以說是目前台灣企業最重要的課題。而對一個想要進入國外市場的企業而言，除了選擇所要進入的國家外，更重要的是『進入模式』的決定。一個適當的進入模式對於企業往後的國際營運影響深遠，不僅直接影響到該市場的成敗，對於企業的其他市場亦具有間接的效應。因為在全球整合性的競爭下，市場間的競爭關連性上升，一個市場的成敗往往是在另一個市場上優、劣勢的來源。 目前學者對於影響企業決定『進入模式』的因素看法並不一致。不過大致仍可歸納出內部與外部因素兩個方面(Root, 1987)。而『企業生命週期』可視為企業內部因素的表徵，因此，企業的組織階段勢必對進入模式的決定有某種程度的影響。而由於『企業生命週期』的概念較為普遍，對於台灣一般的企業而言，實用性較高。因此，本研究的動機乃是基於探討『企業生命週期』與最適『進入模式』間的關連性。而影響進入模式的因素除了組織內部因素外，還有企業外部的環境因素，尤其是地主國的環境因素，對進入模式的決策更具有關鍵性的影響。因此，本研究亦將地主國的環境變數納入考量，以提高研究模型的解釋能力。 基於以上研究動機，本研究有以下主要目的：1.探討並整理『企業生命週期』與國外市場『進入模式』相關的文獻。2.以『企業生命週期』理論為出發點，發展一個觀念架構，用以描述企業的組織階段與地主國環境變數，對於國外市場進入模式決策的影響。3.以台灣企業為對象，針對本研究所發展的觀念架構，進行實證分析，並提出研究結果以供業界及後續研究參考。 本文以郵寄問卷方式，對於台灣企業進行實證研究；所採用分析方法包括：敘述性統計、因素分析(Factor analysis)、集群分析(Cluster analysis)、變異數分析、鑑別分析(Discriminant analysis)、t-test 以及 Logistic Regression Analysis 等等。研究結果顯示： 一、目前從事國際化的台灣企業，根據其組織內部情況，我們可將其劃分為創業期、加速期、制度化期、以及再生期四個階段。 二、企業生命週期對進入模式之影響 1.再生階段相對於創業階段而言，在出口對其他、出口對生產據點、以及出口對銷售據點三種情況下，具有顯著性影響；也就是說在以上三種情況下，再生階段會比創業階段傾向採用較高涉入的進入模式。 2.加速階段與制度化階段相對於創業階段而言，只在出口對銷售據點時，具有顯著性影響；亦即，在考慮出口與銷售據點兩種進入模式時，加速階段或制度化階段均會比創業階段傾向採用銷售據點形式之進入模式。 3.若考慮銷售對生產據點，或者是合資生產對獨資生產據點時，則不論是加速階段、制度化階段或是再生階段，相對於創業階段而言，均未有顯著性影響。 三、地主國環境因素對進入模式之影響 1.關於地主國環境變動程度之因素，實證結果雖具顯著影響，但與本研究假設相衝突。因此，只可經由文獻之整理加以推論（詳見 P.98），而無法獲得明確之結論。 2.不論是考慮出口對其他、出口對銷售據點、或是出口對生產據點，當地市場之規模與文化相似性具有顯著性影響。亦即，當市場規模愈大或兩地文化相似愈高時，企業會傾向採用涉入程度較出口為高的進入模式。 3.若考慮同為生產據點的合資生產與獨資生產兩類進入模式時，企業對當地環境之熟悉程度具有顯著影響。亦即，當企業對所進入的市場環境愈熟悉，其愈傾於採用獨資生產的進入模式。反之，若企業對當地環境較陌生時，則會傾向以合資的方式進入該市場，以分散投資風險。 4.若以出口對生產據點以及銷售據點對生產據點而言，當地市場之吸引力具有顯著性影響。亦即，相對於出口或銷售據點，在當地市場吸引力愈大時，企業會傾向採用生產據點形式進入模式，以獲取在當地投資設廠之利益與優惠。 / Internationalization is the developmental trend of Taiwan business. The choice of the entry mode for foreign markets play a vital role in global competition.According to other literatures, we find that the factors effect this choice can devide into two part: internal and external factors. And the business life cycle express the internal ones. According to these reasons,our research has the following porpose: 1.Review the relevant literatures about the business life cycle and entry mode. 2.To develope a concept infrastructure to describe the influence of business life cycle and host country environment for entry mode. 3.Using the Taiwan business as empirical respondents to approve our concept infrastucture, and give some suggestions to Taiwan entrepreneur.

本文主要在探討影響台灣股票市場波動的因素，除了考慮以之前學者設定的 VAR(12)模型研究，另外以 SUR(5)模型來討論股市波動與基本面、交易面間的關係；最後，再以自我迴歸異質條件變異數模型來分析股市波動的特性。最重要的是，我們會根據誤差項的各類檢定結果來判定研究股市波動性質的最佳模型。 在聯立方程式的估計中，我們發現代表資訊到達指標的兩變數--週轉率與成交量成長率--會影響股票市場的波動。另外，我們找出交易面（成交量成長率）可能會影響基本面（匯率），這也就是說，在研究股市波動時，我們不需要特別區分變數的屬性。 在 GARCH 模型及 TGARCH 模型中，我們仍然可發現週轉率與成交量成長率會影響股市條件平均數或條件變異數；除此之外，好壞消息對股市日報酬率條件變異數（條件波動）應有不同的影響效果（壞消息的影響力較快反應）。而股市自身風險係數雖然統計檢定上不顯著異於零，但若未加入條件平均數的估計式，則可能會使模型得到較差的誤差項檢定結果，顯見股市自身風險應為影響投資人設定期望報酬率水準的重要因素之一。 從上述估計結果，我們可以知道，若散戶投資人能正確解讀市場上出現的各種新資訊之背後意義，將可使成交量成長率或週轉率（大部份可能代表無意義或不正確的交易行為）的變動幅度降低，進而有效地減少股票市場中股價異常波動的現象。 / My essay's topic focuses on discussing the factors that influence stock market volatility in Taiwan's stock market. Besides VAR(12) model as previous researchers have studied, I tries to set up SUR(5) models analyzing the relationship among the stock market volatility、the foundamental variables'volatilities and trading activities; Then I cited ARCH models ( autoregressive conditional heteroskedisticity models ) to find out the characteristics of stock market volatility. Most important of all, according to each misspecification test ( residual test ), I would specify the better models to describe the stock market volatility. In the estimations of system equations ( VAR(12)and SUR(5)models ), first I found that turnover rate and the growth rate of trading volume, which represent the information arrival indexes, could effect stock return's monthly conditional variance. Second, I especially found out the evidence that trading activities (trading volume growth) would probably have an impact on the macroeconomic variable ( exchange rate volatility ). It shows that we don't need to distinguish the attributes of those factors which could influence stock market volatility. In GARCH and TGARCH model, the positive influences of turnover and trading volume growth on daily stock return's conditional mean and conditional variance ( conditional volatility ) are still obvious, Within these TGARCH model, I discovered that bad news and good news could have different influences on stock market volatility ( the impact of bad news which resulted in downward movements of stock market volatility appeared faster that the good news'which caused upward movements). Stock market's self-risk(σ_t-1^{^2}) is statistically insignificant different from zero in GARCH models, but when I omitted this variable in daily stock return's conditional mean estimation equation, standardized residual might not obey the assumption of normal distribution. It apparently told us that the stock market's self-risk term ( σ_t-1^{^2} ) is one of the critical factors which influences investors to estimate expected return level. From those results above, we realized that if investors could precisely understand the real meanings of new information conveying in the stock market, it might decrease the levels of turnover and trading volume growth ( which could sometimes represent meaningless or inexact trading activities ), then effectively reduce the abnormal volatility phenomenon in stock market.

本研究主要目的在探討公司宣告海外直接投資，是否會對股東財富有正面的影響，主要透過資本市場上，公司股票價格的漲跌來判斷其影響的方向及程度。研究期間為民國81年到84年，篩選出175筆對外投資宣告的樣本資料，採用事件研究法和市場模式來進行殘差分析，以估算及檢定事件期的平均異常報酬和累積平均異常報酬。此外，由於一些金融性資產如股票、債券、期貨等具有高度變異性的特質，造成殘差項之變異數不再為固定常數，而受上一期異質變異數之影響，且隨時間變動而變動，因此本研究也採用異質條件變異數法(GARCH)來分析。 　　一、總樣本而言 　　公司宣告進行對外直接投資，在宣告日當天股價有顯著為正的顯著異常報酬，股東認為公司進行投資是以公司價值極大化為目標，並能增加股東財富。 　　而本研究也根據不同的統計方法和檢定來比較結果差異，發現T檢定組、Z檢定組、OLS整體樣本組和OLS+GARCH整體樣本組四組所得的實證結果相當一致－異常報酬的變化方向皆相同且宣告日當天的異常報酬都顯著為正。 　　二、一般最小平方法(OLS)和異質條件變異數法之比較 　　本研究接著將72個具有異質變異數特性的樣本，分別以OLS法和GARCH法進行異常報酬的比較，實證結果發現，以OLS法估計具異質變異數的樣本，其平均異常報酬在事件日當天為正，達5%之顯著水準(t=2.459)，而以GARCH法估計的具異質變異數的樣本，其正向異常酬在事件日當天顯著水準為15%(t=1.569)，並不顯著異於零。 　　三、橫斷面複迴歸分析 　　就橫斷面分析結果來看，營業規模和投資東南亞地區達10%的顯著水準能解釋與異常報酬的關係，但呈現負向反應，表營業規模愈大則愈不利於股東財富和投資東南亞並無法增加股東財富。而其他解釋變數則未達顯著水準，其中經營績效、中國大陸地區之迴歸係數符號為正；相對投資金額、獨資之迴歸係數則為負。 　　整體而言，公司從事海外直接投資的宣告，股東都視之為利多消息，顯示海外直接投資對台灣企業的發展和延續有著重要的意義，然而在企業宣告投資後的跨國經營與管理才是台灣企業能否在全球競爭下，成功挑戰廿一世紀的關鍵因素。