近年來，隨著中國經濟市場近年來的迅速發展，國內也愈來愈多在中國隔海投資相關產業或是實際營運的公司，因此本研究的對象主要為中國的上市公司，希望能找出影響一家公司營運狀況的最佳財務指標，繼而建構出最能準確預測一家公司危機發生與否的危機預警模型。 本研究選取2005年與2006年符合財務危機定義的72家危機公司，以一對一的配對方式再以公司「產業類別」與「規模大小」為準則，挑選72家正常公司進行研究。以12項財務變數以及危機發生前三個年度的數據作為研究樣本，危機發生當年度的數據作為測試樣本，首先進行常態性檢定，確立以何種分析法建置模型，再分別以逐步迴歸分析法輔以合理的財務理論篩選適合的財務變數，並以Logistic迴歸分析法建構危機預警模型，最後則是以測試樣本去判別模型的正確判別率。 研究結果顯示，經由基本統計量分析發現財務數據異常的情形，危機公司幾乎所有的財務變數平均數愈接近危機發生的年度，呈現的表現愈好，與一般的認知正好相反；此外，危機預警模型的正確判別率三個年度有愈來愈好的趨勢，但是仍舊沒有預期的高。綜合來看上列情形發生的原因，推測可能是大陸上市公司之公開資訊較不透明，財務報表有可能虛報所導致的結果。 I

由於都市發展與產業發展具有相互影響之關係，不同之都市型態會吸引不同的產業，且不同的產業結構也將影響都市的發展，因此在探討經濟發展時，需要同時考慮都市與產業條件，以符合相互影響之關係。 早期台灣的製造業，或可稱為「勞力密集傳統產業」的潛力來自於低廉的勞動力，一旦優勢不再，廠商關廠、外移，對於都市發展的產業需求將有所衝擊，依據當地的產業發展條件，可能因此而沒落，或是轉型成不同的產業發展。此外，當政府有鑑於勞力密集產業的競爭力不再，提倡產業升級，發展技術密集的高科技產業，雖然能夠創造國家整體的經濟成長，但是也因其所需的高技術，並無法吸收原傳統產業過剩的勞力。再者，因早期產業政策、地方資源與歷史因素等有不同的產業發展型態，使各都市的產業發展條件與產業優勢不一，因此，新竹科學園區的成功，並無法完全的移植到全部的地方發展，在生產條件無法配合的情況下，不僅產業發展困難，更會影響都市的整體發展。因此在台灣經濟轉型時期，各都市應如何尋找自己優勢之產業，為本研究的重點。因此本研究將從都市的產業條件與發展優勢來分析，以做為都市發展其有利產業之依據，進而提升其生產效率，並促進都市發展。 在考量都市與產業交互關係屬於多投入與多產出的特性，將利用「資料包絡分析法」（Data Envelopment Analysis, DEA），依據生產要素與產出，來評估都市內產業發展的效率，期望得出都市內發展相對有效率的產業。 本研究共分為四大部分：第一部份從都市產業發展理論與相關文獻，以及生產理論與相關文獻的探討，選取衡量生產效率的相關變數，以作為實證的依據；第二部份為研究方法之設計，包括資料包絡分析法（DEA）之基本理論與應用模式內容與模型之建立；第三部份則依據研究目的所選取之模型變數，評估各都市之產業生產效率，以及利用DEA分析法所估計出之效率值，為被解釋變數，利用迴歸模型衡量外生變數對其的邊際效果；最後針對本研究進行之實證分析，作一綜合性的概述，配合都市產業發展提出建議。 根據實證結果與分析，歸納出本研究之結論如下： 一、依據都市產業效率評估分析，製造業中的傳統產業類、基礎（重化）工業類與技術密集產業類均普遍在北部區域的生產效率表現較理想，這與製造業現況中，北部區域的製造業員工數與產值均為全區域最高之情況顯示，北部區域不僅是產業的集中地區，其生產情況也較理想。誰然依據比較利益原則，產業集中於北部區域，對於台灣整體的產業發展有利，但卻不利於區域的發展，只會更加促使人口往北部區域的集中，長期將影響區域均衡與國家成長。 二、由都市規模因素普遍對產業生產效率，反映出大都市對於傳統產業的負面影響，但卻有利於基礎（重化）工業與技術密集產業的生產效率的結果，符合聚集經濟的相關文獻中對於近來的都市產業發展，有傳統產業朝向小都市而高科技產業卻朝向大都市發展的趨勢。 三、根據都市產業結構的多樣化對於產業生產的技術效率是呈現負面影響，與早期學者出台灣製造業呈現地方化經濟的情況相符合。 四、從產業專業化（集中度）能夠提升產業生產效率。符合MAR與Porter對都市產業的專業化將加速都市產業成長的預測，顯示產業生產應該要朝向較大規模與專業化發展。 因為各產業與各都市的發展條件不同，應有不同的產業政策，因此本文在瞭解都市特性對於都市產業發展效率所造成之影響，俾以藉此提供相關決策者在進行都市產業發展政策時的參考依據。

由於會計師簽發保留意見之背景及本質，使人們相信這些保留意見可以作為企業發生財務危機的警告訊號。本研究以民國70年至85年台灣的上市公司為樣本，定義財務危機公司為其股票被降為全額交割股的公司，探討編製基礎不一致、不確定事項及繼續經營此三類保留意見與企業發生財務危機之關聯性，也就是在研究此三類保留意見對企業財務危機之發生是否具有解釋能力。 本研究採用羅吉斯迴歸分析法建立三個單變量模式及二個多變量模式。三個單變量模式之測試結果指出編製基礎不一致、不確定事項及繼續經營此三類的保留意見，就個別而言，與企業財務危機的發生均具有關聯性，亦即其對財務危機的發生均具有解釋能力。第一個多變量模式，亦即以三種保留意見為自變數所建立的模式（即保留意見模式），其結果則指出編製基礎不一致、不確定事項及繼續經營之保留意見對企業財務危機的發生均具有增額解釋能力。第二個多變量模式，亦即以三種保留意見及六種財務比率為自變數所建立的模式（即保留意見+財務比率模式），其測試結果也指出編製基礎不一致、不確定事項及繼續經營之保留意見對企業財務危機的發生均具有增額解釋能力，且此模式之適合度優於只以財務比率為自變數所建立的模式。 本研究同時也以1:1、10:1、20:1、30:1、40:1及50:1之型一對型二錯誤成本比例來衡量各個模式的預測能力。此部份之研究結果指出，在所有的相對成本比例下，只考慮保留意見的模式是會使錯誤歸類成本最小之預測模式；而Naive模式，亦即將所有公司都預測為非財務危機公司之模式，在大部份的情形下，會發生最大的錯誤歸類總成本。

產業與都市兩者共生共榮的關係及其相互影響所帶來的效應，是都市計畫學者致力於探討的問題。本研究選擇台北都會區為研究對象，試圖結合產業區位與都會區發展，瞭解各產業分佈與都會區發展過程之關係，並找出足以影響產業進駐之地方性因素，以留住地方產業。首先，本研究分析台北都會區產業結構及重要性，同時利用產業空間分佈圖及區域經濟分析法瞭解各產業於都會區內之空間分佈及變遷情形；最後根據相關理論，找出替代變數探討影響台北都會區二、三級產業之空間分佈及變遷因素，以供未來都市及產業政策之規劃實施之參考。獲致結論如下： 一、台北都會區符合核心－外圍理論所言，其發展過程乃由首要中心一枝獨秀，人口、商業與資源愈趨集中的階段，過渡至分散化的發展開始產生。此外，台北都會區目前正處於都會區生命週期的第二階段－郊區化階段，並出現Norton(1979)所謂集中與分散同時產生的「集中式分散」現象，此將有助於均衡區域發展之目的。 二、從產業的角度來看，本研究發現製造業於台北都會區的成長已逐漸緩慢，整體分佈狀態並無很大的改變，而產業本身的聚集經濟力量及政府工業區計畫情形，以及勞動力的分佈、交流道的設置等則皆為影響製造業區位選擇之因素。三級產業方面，其符合下濾理論及產業生命週期理論，初期興起於繁榮地區，待該區逐漸飽和後則往外部地區擴張移動。而實證結果則得出地區期初之三級產業工資水準、總人口數、產業雜異程度、高等教育人口比例、商業區編定面積及交流道可及性等因素對各類三級產業之分佈皆有顯著影響。 三、從地區性影響因素來看，本研究實證結果發現中人口分佈與產業分佈有顯著正向關係，進一步印證過去研究有關"Jobs follow people"的結論；此外，本研究實證結果證實交流道（高速公路）之開發建設確實對地區產業的發展有顯著的貢獻，同時亦發現一地區專業人才的培養確實有助於吸引產業之進駐。

本研究首度採用資料包絡分析法評估台灣證券商的經營效率，主要研究目的有三：（一）評估現有證券商的效率情形，及個別證券商之最適投入產出數額；（二）探討效率值的解釋因素；（三）比較資料包絡分析法與傳統一般獲利指標的評估結果。本研究以現存之專業經紀商及綜合證券商為研究對象，以資料包絡分析法評估其八十至八十三年之效率情形，並以兩組投入產出組合（模型一與模型二）作分析；再以迴歸模式，探討效率值是否由於成立年數、股價指數、經營型態及營業據點數的不同而有所差異；44最後以Spearman相關分析比較效率值與一般獲利指標排序的相關程度。關於效率值的解釋因素方面，本研究設立八個研究假說：(1)經紀商的純粹技術效率值比綜合證券商高；(2)成立年數越久，純粹技術效率4值越高；(3)營業據點數越多，純粹技術效率值越低；(4)純粹技術效率值會隨股價指數的漲跌而有顯著不同；(5)經紀商的整體技術效率值比綜合證券商低；(6)成立年數越久，整體技術效率值越高；(7)營業據點數越多，整體技術效率值越低；(8)整體技術效率值會隨股價指數的漲跌而有顯著不同。 　　根據實證結果顯示：（一）在模型一下效率值最好與最差的證券商與模型二幾乎完全相同；（二）全體證券商之純粹技術無效率及規模無效率的程度類似，表示就全體而言，若要徹底改善效率，資源的善用與規模的調整皆須進行；（三）不論在模型一或模型二下，經營型態、營業據點數及成立年數對整體技術效率值的影響均為顯著，其中綜合證券商較經紀商的效率值為佳，營業據點數對效率值有負向影響，成立年數對效率值有正向影響；而純粹技術效率值的解釋因素，只有成立年數和股價指數為顯著，其中成立年數對效率值有正向影響，而股價指數對效率值有負向影響；（四）整體技術效率值與四項獲利指標的相關程度較高，表示整體技術效率的表現與獲利高低有關；而純粹技術效率值與四項獲利指標的相關程度卻較低，因為獲利良窳除了與純粹技術效率有關，還會受到公司本身競爭策略、政府課稅因素、規模報酬狀況及其它環境因素的影響。

本論文主要目的在檢定近二十年來生產因素秉賦與台灣製造業的貿易形態及其結構性 的變化。過去文獻中，有關台灣對外貿易形態的實證研究，大都應用生產因素的「投 入產出分析法」與「迥歸分析法」二種，而且皆是單一年的橫斷面資料之分析，然而 卻缺乏長期性的觀察。本文研究之目的的即在於融合橫斷面與時間序列資料，對台灣 自民國55年至75年製造業對外貿易形態的轉變作一分析。 本文可分格為三大部分。首先，依據民國55.60.65.70.與75各年度「工商普查報告」 ，配合「進出口貿易統計月報」，分別以製造業細分類與中分類之資料作「迥歸分析 」。其次，再以上述資料應用「機率模型」之 Probit(或Logit)分析則是由「質」的 觀點來衡量。 第三，根據「勞工統計月報」、「工業生產統計月報」與行政院主計處估計之逐年製 造產業別固定資本存量，配合「進出口貿易統計月報」，融合了民國55年至75年製造 業橫斷面與時間序列之合併資料，應用Multivariate Cusum Test,來檢定台灣地區貿 易型態的結構性變化，並測量個別生產因素對結構轉變的影響程度。 根據橫斷面資料可瞭解生產因素秉賦和貿易比較利益型態，而由橫斷面與時間序列合 併資料分析，能瞭解長期性各產業貿易結構的轉變。

本研究嚐試找出果凍的最適配方，利用品質機能展開將顧客需求和技術項目結合，找出顧客所重視的技術項目，再依此規劃實驗收集資料。以田口方法和迴歸分析法對數據分析，以提出最適配方。 利用田口方法和迴歸分析法兩種方法找尋最適配方，發現依照不同品質特性所找出的最適配方結果是不相同的，而同時考慮兩種品質特性整體損失函數所找出的最適配方，才能使整體期望損失估計值最小（小於兩個品質特性各別所找出最適配方期望損失估計值的加總）。 由於產品時常有多個品質特性，建議找最適配方時，能同時考量各品質特性的總損失，唯有如此才能找到真正使損失最低的最適生產組合。 / The research goal is to try to find optimal setting combination of one product. We take advantage of QFD (Quality Function Deployment) method to combine the needs of customers and producing technologies; by this, we can tell which technologies are more important for customers’needs. After knowing which technologies are important, we could order an experiment to collect raw data. Using Taguchi Method and Regression Analysis Method to analyze the raw data, we can extract optimal solutions. We found that we could get different optimal solution by different character of a product. Therefore, only considering all characters of a product at the same time, we can get the really optimal setting combination; or we just could get sub optimal setting combinations.

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.