跳到主要內容

臺灣博碩士論文加值系統

(216.73.216.81) 您好!臺灣時間:2025/10/07 01:21
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:李俊毅
研究生(外文):Lee,Chun Yi
論文名稱:應用灰色預測理論與類神經網路於企業財務危機預警模式之研究
論文名稱(外文):Predicting Corporate Bankruptcy and Financial Distress by Gray Forecasting Theory and Artificial Neural Networks
指導教授:陳昭宏陳昭宏引用關係
指導教授(外文):Cheng, Jao-Hong
學位類別:碩士
校院名稱:義守大學
系所名稱:管理科學研究所
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:1999
畢業學年度:87
語文別:中文
論文頁數:114
中文關鍵詞:財務危機灰色預測理論類神經網路
外文關鍵詞:Financial DistressNeural NetworkGray Forecasting Theory
相關次數:
  • 被引用被引用:40
  • 點閱點閱:1108
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:6
近來上市公司不斷發生財務危機之現象,對於社會安定與金融秩序造成嚴重之衝擊,影響所及包括股市投資人員、授信銀行團、企業內部員工及其家庭等,社會付出極高之社會成本與代價,因此上市公司營運正常與否悠關股市投資人之權益與金融市場之穩定。
基於上述理由建立一套有效的企業財務危機預警模式實有其必要性,並藉以提供政府監督單位、股市投資人以及企業營運單位,提早在企業財務危機發生前有所警覺,謀求相對因應之道以避免企業營運危機的發生,防患於未然,使得企業營運能依照正常軌道運行,達成企業目標。
對於企業危機預警模式之研究,睽諸國內外相關文獻,主要係以危機發生前一年度歷史資料來建構企業危機預警模式。然而,企業財務狀況的惡化並非一夕之間所造成,常事前已有脈絡可尋。在建構預警模式時,不僅考慮單一年度橫斷面訊息,並應加入縱斷面之資訊,藉以將各年度樣本資料所蘊含動態時間趨勢之訊息納入考量。其次,以危機發生前一年度之樣本資料歷史值所建構之預警模式,所提供之訊息往往企業已面臨危急階段,相對減少經營相關人員之因應時間。因此為了修正上述二者之缺失,本研究運用灰色預測理論將橫斷面與縱斷面之訊息相結合,並經由灰色預測GM(1,1)模式所求得危機前幾年度之預測值為輸入變數,建構企業財務危機灰預測類神經網路與Logit預警模式。
本研究將灰色預測理論與類神經網路、Logit模型相結合而建構所謂灰色類神經網路與灰色Logit預警模型,與往昔相關研究之預警模型在實證比較下,可獲致以下結論:
一、 不論類神經網路與Logit預警模式,以預測值所建構之預警模式正確率較以歷史值所建構之預警模式為高。
二、 類神經網路之正確預警率高於Logit預警率。
三、 所建構之預警模式中,以未經因素分析解釋變數之灰色類神經網路預警模式正確預警率為最高。
四、 灰色預測值所建構之灰色預測類神經網路預警模式,其中以四維序列灰色預測值所建構之預警模式正確預警率為最佳。
Business operations are closely related to the status quo of the society. When a business is in distress, it will result a serious loss in the whole society, especially the listed stock companies. So it is necessary to build a finance distress prediction model. In the previous researches, traditional statistical techniques such as multivariate statistical and artificial intelligence algorithm such as neural network were the majority methods. Lots of models have only considered with ex-post cross-section financial data, but they ignore useful information from ex-post time serial financial data. Therefore, it is necessary to develop business distress prediction models that assess the financial condition of firms sequentially over time. This study uses a gray forecasting model GM(1,1) to measure the forecasted values of influential variables. We integrate gray forecasting theories and neural networks models to development a gray neural network prediction model.
This research compares favorably with the past work in terms of the following items:
1.Misclassification error can be reduced by adding to the gray forecasted values used to predict bankruptcy.
2.Misclassification error rates were reduced by 5%~20% using the gray neural networks model than the gray logit model.
3.Results suggest that the gray neural networks constructed by all information(variables) is the best model to correctly predict the bankruptcy.
目 錄
誌謝……………………………………………………………………..Ⅰ
中文摘要………………………………………………………………..Ⅱ
英文摘要………………………………………………………………..Ⅲ
目錄………………………………………………………………….….Ⅳ
表目錄……………………………………………………………….….Ⅵ
圖目錄…………………………………………………………………..Ⅹ
第一章 緒論………………………………………………….1
第一節 研究背景與動機……………………………………………1
第二節 研究目的…..………………………………….….…..……..2
第三節 研究方法…..…………………………………….….………3
第四節 研究範圍與限制………………………………….….……..4
第五節 研究方法流程…………………………………………..…..5
第二章 灰色預測控制系統說明…………………………….6
第一節 控制系統理論……..…………..……………………………6
第二節 控制類型……………..………………………..……………6
第三節 控制元件…………....………………………………………8
第四節 灰色預測控制系統………..…………………..…………..23
第五節 小結…………………………..……………………………25
第三章 企業危機預警文獻回顧……………………….…...26
第一節 歷史參考訊號與統計決策元件…..……………………....26
第二節 歷史參考訊號與人工智慧決策元件……..………………35
第三節 小結…………………………………………..………...….39
第四章 研究設計…………………………………….……...40
第一節 研究變數定義與設計………………………....…………..40
第二節 統計檢定方法……..………………………..……………..48
第三節 預警系統控制決策元件建構.…………………………….49
第四節 分析架構……………………………………………..……50
第五章 實證分析與結果…………………….……………...51
第一節 解釋變數常態性檢定…………………………...….……..51
第二節 正常公司與危機公司平均數差異性檢定………………..53
第三節 解釋變數因素分析篩選…………………………………..57
第四節 歷史值預警模式…………………………………………..59
第五節 灰色預測值預警模式………………………………….….73
第六章 結論與建議……………………………….………...94
第一節 結論….…………………………………………….………94
第二節 研究貢獻….……………………………………………….95
第三節 建議………………………………………………….…….95
參考文獻………………………………………………………………..96
附錄……………………………………………………………………101
表 次
表1.1近期發生財務危機企業…………………………………..………1
表2.1控制系統控制理論歸類…………………………………….……8
表2.2預測方法整理與分析………………………………………….…9
表3.1國外歷年企業危機預測模式相關文獻彙整理…………………36
表3.2國內歷年企業危機預測模式相關文獻彙整理…………………38
表4.1企業失敗或財務危機之文獻整理表……………………………40
表4.2研究樣本正常公司與危機公司配對名錄………………………43
表4.3財務企業危機預警模式解釋變數彙總表……………………...47
表5.1樣本解釋變數常態性檢定結果…………………………………52
表5.2研究期間解釋變數平均數檢定結果彙整表……………….56
表5.3研究期間各不同年度因素分析球型檢定彙整…………………58
表5.4研究期間各不同年度因素分析萃取項目彙整表………………60
表5.5「危機發生前一年」Logit分析模式整理表……………………60
表5.6「危機發生前一年」Logit模式資料實證分類結果…………..60
表5.7「危機發生前二年」Logit分析模式整理表…………….…….61
表5.8「危機發生前二年」Logit模式資料實證分類結果…….…….61
表5.9「危機發生前三年」Logit分析模式整理表…………….…….62
表5.10「危機發生前三年」Logit模式資料實證分類結果…….……62
表5.11「危機發生前四年」Logit分析模式整理表…………….……63
表5.12「危機發生前四年」Logit模式資料實證分類結果………….63
表5.13「危機發生前五年」Logit分析模式整理表………………….63
表5.14「危機發生前五年」Logit模式資料實證分類結果………….64
表5.15「危機發生前六年」Logit分析模式整理表………………….64
表5.16「危機發生前六年」Logit模式資料實證分類結果………….65
表5.17「危機發生前七年」Logit分析模式整理表………………….65
表5.18「危機發生前七年」Logit模式資料實證分類結果………….66
表5.19 Logit分析模型的訓練及預警結果彙整………………………66
表5.20「危機發生前一年」類神經網路實證分類結果……………..68
表5.21「危機發生前二年」類神經網路實證分類結果……………..69
表5.22「危機發生前三年」類神經網路實證分類結果……………..69
表5.23「危機發生前四年」類神經網路實證分類結果……………..70
表5.24「危機發生前五年」類神經網路實證分類結果……………..70
表5.25「危機發生前六年」類神經網路實證分類結果……………..71
表5.26「危機發生前七年」類神經網路實證分類結果……………..72
表5.27歷史值類神經網路預警模型之訓練及預警結果彙整…..……72
表5.28「危機發生前一年」預測值Logit分析模式整理表…………75
表5.29「第T年」預測值Logit模式資料實證分類結果……………75
表5.30「第T年預測值與第T-1年歷史值」Logit模型實證結果比較………………………………………………….……………76
表5.31「第T年」預測值類神經網路資料實證分類結果……………...76
表5.32「第T年預測值與第T-1年歷史值」類神經網路實證結果比較…………………………………………………….…………77
表5.33「第T-1年」預測值Logit分析模式整理表…….……..……78
表5.34「第T-1年」預測值Logit模式資料實證分類結果……..….78
表5.35「第T-1年預測值與第T-2年歷史值」Logit模式實證結果比較………………………………………….……………………78
表5.36「第T-1年」預測值類神經網路模式資料實證分類結果…..79
表5.37「第T-1年預測值與第T-2年歷史值」類神經網路實證結果比較…………………………………….………………………80
表5.38「第T-2年」預測值Logit分析模式整理表…….…………..80
表5.39「第T-2年」預測值Logit模式資料實證分類結果….……..81
表5.40「第T-2年預測值與第T-3年歷史值」Logit模型實證結果比較……………………………….………………………………81
表5.41「第T-2年」預測值類神經網路資料實證分類結果………..82
表5.42「第T-2年預測值與第T-3年歷史值」類神經網路實證結果比較…………………………………………………………….82
表5.43「危機發生前三年」Logit分析模式整理表…………………83
表5.44「危機發生前三年」Logit模式資料實證分類結果…………83
表5.45「第T-3年預測值與第T-4年歷史值」Logit模型實證結果比較…………………………………………………………….…84
表5.46「第T-3年」預測值類神經網路資料實證分類結果………..85
表5.47「第T-3年預測值與第T-4年歷史值」類神經網路實證結果比較…………………….………………………………………85
表5.48「四維序列」灰色預測值與歷史值實證結果比較……...……...86
表5.49「五維序列」灰色預測值與歷史值實證結果比較……...……...88
表5.50「六維序列」灰色預測值與歷史值實證結果比較……...…...…88
表5.51「七維序列」灰色預測值與歷史值實證結果比較……...…...…89
表5.52「第T年預警」灰色預測值與歷史值實證結果彙整………..….90
表5.53「第T-1年預警」灰色預測值與歷史值實證結果彙整…………90
表5.54「第T-2年預警」灰色預測值與歷史值實證結果彙整…………91
表5.55「第T-3年預警」灰色預測值與歷史值實證結果彙整…………91
表5.56未經因素分析篩選解釋變數「四維序列」灰色預測值與歷史值實證結果比較………….……………………………………92
附表1危機發生前一年之解釋變數平均數檢定…………………….101
附表2危機發生前二年之解釋變數平均數檢定…………………….102
附表3危機發生前一年之解釋變數平均數檢定…………………….103
附表4危機發生前一年之解釋變數平均數檢定…………………….104
附表5危機發生前一年之解釋變數平均數檢定…………………….105
附表6危機發生前一年之解釋變數平均數檢定…………………….106
附表7危機發生前一年之解釋變數平均數檢定…………………….107
附表8危機發生前一年之因素負荷矩陣表(轉置後)……….……….108
附表9危機發生前二年之因素負荷矩陣表(轉置後)………….…….109
附表10危機發生前三年之因素負荷矩陣表(轉置後)…………...….110
附表11危機發生前四年之因素負荷矩陣表(轉置後)………….…...111
附表12危機發生前五年之因素負荷矩陣表(轉置後)…………...….112
附表13危機發生前六年之因素負荷矩陣表(轉置後)…………...….113
附表14危機發生前七年之因素負荷矩陣表(轉置後)………………114
圖 次
圖1.1研究流程圖……………………………………………………….5
圖2.1單控制系統示意圖……………………………………………….6
圖2.2開放式控制系統示意圖………………………………………….6
圖2.3回饋式控制系統示意圖………………………………………….7
圖2.4倒傳遞類神經網路架構圖………………………………………15
圖2.5雙彎曲函數………………………………………………………16
圖2.6企業危機灰色預測控制系統架構圖……………………………24
圖4.1研究分析架構圖…………………………………………………50
圖5.1研究樣本預測值與歷史值關係實證示意(以四維序列灰色預測為例)………………...……………………….…………………74
一、英文部份
1、 Altman, E.I. Marco.G. and Varetto. F.(1994),"Corporate Distress Diagnosis:Comparisons using Linear Discriminant Analysis and neural networks," Journal of Banking and Finance, Vol.18, pp505-529.
2、 Altman, E.I.(1964), "The Success of Business Failure Prediction Models," Journal of Banking and Finance , Vol.8, No1, pp171-198.
3、 Altman, E.I.(1968),"Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy," Journal of Financial 23 , Vol.23. No.4, pp589-609.
4、 Ball, C.A. and Tschoegl, A.E.(1982),"The Decision to Establish a Foreign Bank Branch or Subsidiary:An Application of Binary Classificaiton Procedures," Journal of Financial and Quantitative Analysis, Vol.xvii. No3. pp.411-425.
5、 Beaver, W.H.(1968),"Failing Company Discriminant Analysis ," Journal of Accounting(Autumn), pp179-192.
6、 Betts, J. and.Belhoul, D. (1987),"The Effectiveness of Incorporating Stability Measures in Company Failure Models," Journal of Business Finance of Accounting , Vol.14. No.3. pp.323-335.
7、 Blum, A.(1992) , Neural Networks in C++ -An Objcet-Orentied Framework for Buliding Connectionist Systems, John Wiley and Sons , pp4.
8、 Blum, A.(1992), Neural Networks in C++-An Object-Orentied Framework for Buliding Connectionist Systems, John Wiley and Sons , pp4.
9、 Blum, M.(1974),"Failing Company Discriminant Analysis ," Journal of Accounting Research , pp1-25.
10、 Caudill, M.(1988),"Neural Networks Primer, PartⅢ," AI Expert, pp53-59.
11、 Coats, P. K. and Fant, L.F.(1993), "Recognizing Financial Distress Patterns Using a Network Tool," Financial Management Vol.2., pp142-55.
12、 Cybemco, G.(1989), Approximation by Superpositions of a Signoidal Function , to appear in Mathematic Control System Singal, 2.
13、 Daily, C.M. and Dalton, D.R.,(1994)"Corporate Governance and The Bankrupt Firm:An Empirical Assessment ," Strategic Management Journal , Vol.15. Iss.8. pp.643-654.
14、 Deakin, E.B. (1972),"A Discriminant Analysis of Predictors of Business Failure," Journal of Accounting Research , Vol.10. No.1, pp167-179.
15、 Dutta, S. and Shekhar, S.(1988), "A Discriminant Analysis of Predictors of Business Failure ," Journal of Accounting Research , Vol.10, pp167-179.
16、 Flagg, J.C. and Giroux, G.A. and Wiggins, C.E.(1991),"Predicting Corporate Bankruptcy using Failing Firms," Review of Financial Economics , (Fall), pp.67-68.
17、 Frydman, H. and Altman, E. I. and Kao, D.L. (1985), "Introducing Recursive Partitioning for Financial Classification:The Case of Financial Distress," Journal of Finance , Vol.40, pp269-291.
18、 Harry,D and Deangelo,L.(1990), "Dividend Policy and Financial Distress:An Empirial Investigation of Troubled NYSE Firms," The Journal of Finance, No.5, pp1415-1431.
19、 Izan, H.(1984),"Corporate Distress in Australia," Journal of Banking and Finance , Vol.8 , pp.303-320.
20、 Joy, O.M. and Tollefson, J.O.(1975),"On the Financial Application of Discriminant Analysis," Journal of Financial and Quantitative Analysis, December, pp.723-739.
21、 Laitinen, E.K.(1991),"Financial Ratios and Different Failure Processes," Journal of Business Finance and Accounting,(Sep).
22、 Lapeds, A and Farber, R.,"Nonliner Singal Processing Using Neural Networks:Prediction and System Modelling," Technical Report LAUR-87-2662, Los Alamos National Laboratory.
23、 Mensah, Y.M.(1984),"An examination of the stationarity of multivariate bankruptcy prediction models:A Methodologica Study," Journal of Accounting Research, Vol. No1.pp.380-395.
24、 Meyer, P.A. and Pifer, H.W.(1970), "Prediction of Bank Failure," Journal of Finance , pp853-868.
25、 Nelson、Mccord, M and Illingworth , W. T. (1991) A Practical Guide to Neural Nets , Addison-Wesley.
26、 Odam, M. D. and Sharda, R. (1990), "A Neural Network Model for Bankruptcy Prediction " , IEEE INNS IJCNN, Vol.2., pp163-168.
27、 Ofek, E.(1993),"Capital Structure and Firm Response to Poor Performance," Journal of Financial Economics , pp30-34.
28、 Ohlson, J.A,(1980), "Financial Ratios and the Probabilistic Prediction of Bankruptcy ," Journal of Accounting Research. Vol,18. No.1, pp109-131.
29、 Opler, T.C. and Titman, S.(1994),"Financial Distress and Corporate Performance, "The Journal of Finance , No.3 , pp1015-1040.
30、 Piches, G.E. and Mingo, KA. and Caruthers, J.(1973)"The Stability of financial Patterns in Industrial Organizations ," Journal of Finance , Vol.28 , pp.389-396.
31、 Platt, H.D. and Platt, M.B.(1990), "Development of a Class of Stable Predictive Variables:The Case of Bankruptcy Prediction," Journal of Business finance and Accounting , pp34-39.
32、 Ripley, B.D.(1993), Statistical Aspects of Neural Networks in Chaos and Networks-Statistical and Probabilistic Aspects, Chapman and Hall , pp.3-4.
33、 Rosenblatt.(1957),The perceptron:A perceiving and recognizing automation, Cornell Aeronautical laboratory report, 85-460-1.
34、 Rumelhart,D., Hinton, G. and William, R. Learning Internal Represenatation by Error Propagation, Chapter 2 in Parallel Distributed Processing , Explorations in the Microstructure of cognition, Vol.1:Foundations[Eds.:Rumelhare, D., Mccelland, J. and the PDP Research Croup], Cambridge, MA. The MIT Press.
35、 Tam, K.Y. and Kiang, M.Y.(1992),"Managerial Applications of Neural Networks: The case of Bank Failure Predictions," Management Science Vol.38,No.7, pp545-575.
36、 Tsukuda, j. and Kasahara, K.(1996), "Predicting Survival Years of Japanese Listed Firms Using Neural Network," IEEE , pp836-841.
37、 Ward, T.J. and Foster, B.P.(1997)"Using Cash Flow Trends to Identify Risks of Bankruptcy," CPA Journal , Vol.67.No.9(Sep)pp.60-61.
38、 Wilson, R.L. and Sharda,R.(1994), "Bankruptcy Prediction Using Neural Networks," decision support systems, Vol.11, pp545-557.
39、 Wood, D.and Piesse, J.(1987), "The Information Value of MDA Baded Financial Indicators" , Journal of Business Finance and Accounting , Vol.14, pp27-38.
40、 Zmijewski, M.E.(1984), " Methodological Issues Related to the Estimation of Financial Distress Prediction Models ," Journal of Accounting Research , Vol.22, pp59-82 .
二、中文部份
1、 史開泉、吳國威、黃有評(1994),灰色信息關係論,第一版,台北:全華資訊圖書公司年。
2、 田自力(1996),「灰色理論在預測與決策之研究」,成功大學機械工程研究所未出版博士論文。
3、 何太山(1977),「運用區別分析建立商業放款信用評分制度」,政治大學企業管理研究所未出版碩士論文。
4、 吳建宏(1996),「類神經網路應用於公司財務危機之時點」,成功大學工業管理研究所未出版碩士論文,民國八十五年。
5、 李政芳(1996),「應用類神經網路與模糊德爾法於股票預警模式建立之研究」,義守大學管理科學研究所未出版碩士論文年。
6、 李洪慧(1997),「動態化金融預警模型之研究」,全國博碩士論文集(光碟版)。
7、 沈啟賓、莊豔蕙(1991),應用灰色系統理論對李福恩十項全成績的因素分析與成積預測之採討,體育與運動。
8、 邱志榮(1991),「公司營運危機之預測-財務比率與現金流量比率之比較」,成功大學工業管理研究所碩士論文。
9、 徐健進(1985),「銀行放款信用評等模式之研究」,政治大學企業管理研究所未出版博士論文。
10、 郭瓊宜(1994),「類神經網路在財務危機預警模式之應用」,淡江大學管理科學研究所未出版碩士論文,。
11、 陳明賢(1986),「財務危機預測之計量分析研究」,台灣大學商學研究所未出版碩士論文。
12、 陳欽賢(1993),「財務危機預警專家系統」,淡江大學管理科學研究所未出版碩士論文。
13、 陳隆麒(1994),現代財務管理:理論與應用,台北:華泰書局。
14、 陳肇榮(1993),「運用財務比率預測企業財務危機預警分析」,政治大學企業管理研究所未出版博士論文年。
15、 焦李成(1993),神經網路系統理論,台北:儒林圖書公司。
16、 黃文隆(1993),「財務危機預警模式建立與驗證」,東吳大學管理學研究所未出版碩士論文。
17、 黃俊英(1991),多變量分析,第五版,台北:中國經濟研究所。
18、 葉怡成(1995),類神經網路模式應用與實作,第三版,台北:儒林圖書公司。
19、 葉金成(1977),「股票上市優良與不優良企業財務特性之研究」,淡江大學管理科學研究所未出版碩士論文。
20、 靳蕃、範俊波及譚永東(1992),神經網路與神經計算機原理、應用,台北:格致圖書公司。
21、 潘玉葉(1990),「台灣股票上市公司財務危機之實證研究」,淡江大學管理科學研究所未出版博士論文。
22、 鄭碧月(1997),「上市公司營運危機預警模式之研究」,朝陽技術學院財務金融研究所碩士論文。
23、 鄧博文(1997),「模糊自組織映射類神經網路模式之建立與應用」,義守大學管理科學研究所未出版碩士論文。
24、 鄧聚龍(1996),灰色分析入門,台北:高立圖書有限公司。
25、 鄧聚龍、郭洪(1996),灰預測原理與應用,台北:全華圖書公司。
26、 賴世權(1989),「企業正常或具失敗危機之關鍵性財務指標比較分析研究」,中興大學企業管理研究所未出版博士論文。
27、 賴耀群(1977),「銀行放款信用評估模式之研究」,淡江大學管理科學研究所未出版碩士論文。
28、 藍國益(1996),「企業財務危機預警模式之研究-考慮股權結構之影響」,東吳大學企業管理學系碩士班未出版碩士論文。
29、 顏月珠(1995),商用統計學,第九版,台北:三民書局。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 胡海國. (民81). 演進模式之精神病理研究-以精神分裂症為例. 中央研究院民族學研究所集刊, 73, 109-152.
2. 胡海國. (民81). 演進模式之精神病理研究-以精神分裂症為例. 中央研究院民族學研究所集刊, 73, 109-152.
3. 胡海國. (民84). 精神分裂症之惡化與生活壓力事件. 當代醫學, 22(12), 1038-1042.
4. 黃曼聰、陳美津. (民73). 精神分裂症病人自我概念之探討. 中華心理學刊, 73 (26), 85-93.
5. 黃曼聰、陳美津. (民73). 精神分裂症病人自我概念之探討. 中華心理學刊, 73 (26), 85-93.
6. 張景瑞、胡海國、葉玲玲、張宏俊. (民84). 出院精神分裂症患者社區生活適應的預測因子. 中華精神醫學, 9(3), 203-211.
7. 胡海國. (民84). 精神分裂症之惡化與生活壓力事件. 當代醫學, 22(12), 1038-1042.
8. 黃梅羹、胡海國、黃曼聰. (民83). 都會地區發展精神分裂病患社區復健相關因素之研究. 中華醫務社會工作學刊, 4, 117-139.
9. 黃梅羹、胡海國、黃曼聰. (民83). 都會地區發展精神分裂病患社區復健相關因素之研究. 中華醫務社會工作學刊, 4, 117-139.
10. 張景瑞、胡海國、葉玲玲、張宏俊. (民84). 出院精神分裂症患者社區生活適應的預測因子. 中華精神醫學, 9(3), 203-211.
11. 徐亞瑛. (民85). 茁根理論之介紹-以「臺灣地區殘病老人家庭照護品質」研究為例. 護理研究, 4 (3), 263-272.
12. 徐亞瑛. (民85). 茁根理論之介紹-以「臺灣地區殘病老人家庭照護品質」研究為例. 護理研究, 4 (3), 263-272.
13. 丁雁琪. (民82). 高學歷精神分症患者主觀經驗之研究. 中華醫務社會工作學刊, 3:93-107.
14. 丁雁琪. (民82). 高學歷精神分症患者主觀經驗之研究. 中華醫務社會工作學刊, 3:93-107.