| dc.contributor.advisor | 黃景祥 | zh_TW |
| dc.contributor.author (Authors) | 蘇懿 | zh_TW |
| dc.creator (作者) | 蘇懿 | zh_TW |
| dc.date (日期) | 1999 | en_US |
| dc.date.accessioned | 14-Apr-2016 13:57:28 (UTC+8) | - |
| dc.date.available | 14-Apr-2016 13:57:28 (UTC+8) | - |
| dc.date.issued (上傳時間) | 14-Apr-2016 13:57:28 (UTC+8) | - |
| dc.identifier (Other Identifiers) | A2002000640 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/84408 | - |
| dc.description (描述) | 博士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 統計學系 | zh_TW |
| dc.description.abstract (摘要) | 近年來隨著區域均衡發展的推行，公、私部門對於各縣市區域性統計資料的需求與日遽增。然而大型抽樣調查之小區域結果，常因樣本數較少而產生過大的變異，改善上述問題之統計方法稱為「小區域估計」。行政院主計處現行「台灣地區人力資源調查」，以台灣地區23縣市為副母體，按月實施抽樣調查，期能提供縣市人力統計結果。惟受限於經費，致使各縣市按月調查結果因樣本數較少而發生變異過大之現象。 | zh_TW |
| dc.description.abstract (摘要) | Small area estimation is getting more important because of a growing demand for reliable small area statistics. In Taiwan, labor force series of local governments are likely to yield unacceptably large standard errors due to unduly small size of the sample in the areas. In this paper, we propose four methods to find more accurate estimates for given small areas. | en_US |
| dc.description.tableofcontents | 封面頁證明書致謝詞論文摘要目錄第一章 緒論1.1. 研究緣起1.2. 小區域估計問題1.3. 研究方法與大綱第二章 台灣地區人力資源調查概況2.1. 調查緣起2.2. 調查設計與實施2.3. 台灣地區人力資源調查特性2.4. 各縣市失業人數調查結果第三章 輪換系統之複合估計3.1. 前言與文獻回顧3.2. 複合估計的定義及基本假設3.3. 複合估計量3.4. 實例研究3.5. 結論與建議附錄第四章 小區域時空混合效果模型4.1. 前言與文獻回顧4.2. 混合效果模型4.3. 建立小區域時空混合效果模型4.4. 實例研究4.5. 結論與建議附錄第五章 小區域時空聯合自我迴歸模型5.1. 前言與文獻回顧5.2. 空間統計模型之理論與假設5.3. 小區域時空聯合自我迴歸模型5.4. 實例研究5.5. 結論與建議第六章 小區域經驗貝氏估計方法6.1. 前言與文獻回顧6.2. 小區域勞動力之分配6.3. 小區域勞動力的經驗貝氏估計方法6.4. 經驗貝氏估計結果6.5. 結論與建議附錄第七章 總結與建議7.1. 小區域時空估計模型之比較7.2. 總結與建議參考文獻 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#A2002000640 | en_US |
| dc.title (題名) | 小區域勞動力序列的時間空間模型 | zh_TW |
| dc.title (題名) | Spatio-Temporal Models for Labor Force Series of Small Areas | en_US |
| dc.type (資料類型) | thesis | en_US |
