隨著醫療科技與技術日新月異的進步，死亡率大幅降低，高齡社會已然成為 台灣相當重要的議題之一，而政府亦相當積極地針對高齡社會提出各種方針與政 策，目的無非希望使高齡人口在日常生活起居能夠更自在與便利，使其對於生活 感到滿意與快樂。為了解此一族群之幸福感，本研究期望建立一幸福指數計分架 構，透過此架構，了解高齡族群幸福感之組成因素，與因素間之相關性。 本研究之幸福指數架構，參考 OECD 每年針對會員國進行的美好生活指數 (Better Life Index)、台灣行政院主計處施行之國民幸福指數、與經濟日報針對 各縣市計算之縣市幸福指數，同時納入行政院提出之高齡人口政策方針面向，建 構一能夠以個人為計算單位之高齡退休人口幸福指數。 高齡退休人口之幸福架構涵蓋三領域，財務領域、健康領域與生活品質領域。 本研究共收回 500 份問卷，三領域之平均得分分別為 69 分、82 分與 77 分，整 體之幸福指數總分，經加權平均後為 72 分。 分析發現，財務領域、健康領域與生活品質領域，三領域間相互存在相關性， 學歷與年齡僅同時與財務領域得分與幸福指數總分存在相關性，與健康領域得分 和生活品質得分無顯著相關性，而年齡與生活品質之主觀滿意度存在相關性。

對於預測未來人口的死亡率，國外已有學者提出一些配適死亡率曲線的方法，但可以合適地配適台灣地區死亡率的方法則尚未有學者提出。且在所有的年齡層中，嬰幼兒及高齡人口死亡率的變化較不穩定，但高齡人口死亡率的變化對整個人口結構的影響較大，所以在本文中將只針對高齡人口的死亡率來做預測。 本篇文章利用：(1)SOA模型；(2)Lee-Carter模型；(3)Heligman-Pollard模型等三個國外常用的配適方法以及我們提出的一個新方法－「比值法」並利用迴歸分析及時間序列分析等統計方法來預測台灣地區的死亡率，再互相比較各個模型的預測誤差，以找出適合預測台灣地區高齡人口死亡率的模型。 / A few mathematical models used to fit mortality curve to project future mortality levels are proposed by demographer and statistician in recent years.However, the methods that can be used to appropriately fit the mortality curve in Taiwan have not been brought up yet. Among all other age groups, infants and elderly(60+) mortality change more dramatically than the other age group, as a result the latter has greater impact on the population structure for Taiwan. Hence, our projection focuses on the mortality of elderly population. This research utilizes the following three fitting methods to project future mortality levels in Taiwan: SOA model; Lee-Carter model; Heligman-Pollard model and the one we proposed namely the "ratio method", along with the regression and time series analyses in order to project the mortality in Taiwan area. Finally, a better projection model is found by comparing the predicted errors between these models.

近年來臺灣高齡人口比例有明顯之增長，兩性平均餘命自1906年至今不斷的往高齡延伸，伴隨著這兩種趨勢下，臺灣高齡人口結構快速的轉型和變動，使得瞭解高齡人口死亡率模式成為估算未來臺灣人口結構發展趨勢的重要依據。然而，過去許多人口研究所依賴的資料來源是以「戶籍人口統計資料」為基礎，其資料內容雖涵蓋時間範圍甚廣，但在高齡人口的死亡率資料記載則有稍嫌簡化的問題及死亡人數紀錄不準確的限制，因此本研究擬以搭配「死因資料檔」，擷取其對於死亡人口數及死亡時間詳細紀錄的優點，來結合運用以探討臺灣高齡人口死亡率模式。 本研究以「參數式模型」、「相關模型」、「外推法」及「APC模型」四種不同估算取徑的運用，並結合現有實際的臺灣高齡人口死亡率資料，說明臺灣65歲以上高齡人口死亡率的變遷模式及發展軌跡。研究結果顯示，自1975年臺灣65歲以上高齡人口的死亡率變遷趨勢，確實往更高齡方向發展，同時，其死亡率的變遷波動越大，本身除資料紀錄上可能有所偏誤外，也可能因為90歲以上人口資料逐漸增加的情況下，變異性逐漸的明顯。此外，以各死亡率模型估算配適下，大多在90歲以上高齡人口的計算，其估算不準確的情形則越形明顯，但在65歲至85間的估算死亡率模式則有相當不錯的配適。

臺灣在2015年高齡人口（65歲以上）比例超過12.5%，依照國家發展委員會的2016年人口推估，預計將於2018年正式邁入高齡社會（高齡人口比例14%），2026年更突破20%的門檻，人口老化速度持續加快。因為身體機能隨年齡增長等因素逐漸老化，高齡人口的就醫需求通常也較多，包括就醫金額、就醫次數，根據中央健康保險署2014年統計，高齡人口比例約為12.0%，但其醫療費用卻佔總費用37.6%。因此本文以探討高齡人口就醫特性為目標，透過高齡人口就醫行為去了解醫療現況，並評估因老化而引發的醫療資源。 本文以高齡人口特性及就醫需求為研究方向，探討近十年高齡人口就醫需求的基本特性，如：醫療使用率、平均就醫次數及平均醫療費用。接著以高齡人口就醫選擇集中度做為出發點，計算各疾病下的就醫集中程度，探討是否高齡人口會隨著不同疾病而有不同的就醫行為。研究結果顯示年紀越大的高齡人口，醫療使用率反而下降，但平均總醫療花費隨著年齡增加亦跟著上升；另外在不同的疾病下會有不同的就醫行為，當就醫地選擇越一致其死亡率也越低。計算依據為全民健康保險資料庫2005年百萬高齡人口抽樣檔，包括承保資料檔(ID)、門診處方及治療明細檔(CD)、住院醫療費用清單明細檔(DD)，以六十五歲以上高齡人口為研究對象，探討其醫療利用行為及就醫習性。 / The population aging is speeding up in Taiwan. The elderly population (65 years and older) is more than 12.5% in 2015 and, according to the population projection of National Development Council, it is expected to reach 14% and 20% in 2017 and 2026, respectively. The elderly usually require more medical attention, partly due to the fact that the human organs degenerate with time. For example, in 2014, the proportion of elderly is about 12.0% and they account for 37.6% of total medical expenditure (Source: National Health Insurance Administration). Taiwan’s total medical expenditure will continue to grow and we need to understand the medical needs of Taiwan’s elderly, in order to cope with the need of aging society. Therefore, we use the data from the National Health Insurance Research Database (NHIRD) to explore the medical needs and behaviors of receiving medical care of Taiwan’s elderly. The dataset used in this study is a sample (one million people aged 65 and beyond, about 46% of total population) of Taiwan’s elderly and the dataset contains the Registry for beneficiaries (ID), outpatient visits (CD), and inpatient admissions (DD). Our analyses show that almost all elderly have at least one medical visit annually and their diseases are more diverse than those of younger generations. Also, the elderly have larger inertia in medical visits and, for example, the proportion of choosing the same medical institution is higher. The results of this study can serve as a reference to future policy planning and resource allocation for the elderly.