臺灣博碩士論文加值系統

目前國內的人口統計多以政府的戶籍登記資料為基礎，但隨著人口的遷移，使得戶籍人口與常住人口間產生差異。加上現在幾乎人手一機，因此能透過手機發出的信令資料，掌握使用者的時間、空間資訊。
本研究針對臺北市與新北市，運用中華電信的信令數據，分析手機使用者的活動行為，並推估各地的常住人口。由於我們僅取得單一電信使用者的信令數據，為使常住人口推估擴及整體民眾，本研究亦加入〈107 年手機持有與使用狀況調查〉的資料，該調查針對雙北民眾，同時採用市話與手機電訪調查，由於兩份資料的樣本數差異較大且母體有所差異，在考量市話與手機使用族群的情況下，分別採用 Skinner（1991）與洪永泰（2017）提出的雙清冊整合反覆加權方法合併兩份資料，再依基本資料交叉結構做反覆加權調整，使樣本結構比例與母體一致。
由信令資料得出臺北市與新北市的中華電信用戶的常住人數，再由電訪資料得出雙北民眾使用手機的電信業者比例，運用比率估計法（ratio estimation），建立常住人口推估模式及相關參數估計，並推估常住人口估計值與估計變異數，提供雙北的常住人口估計資訊。最後，比較不同雙清冊整合方法與比率估計式，其最終常住人口估計值與變異數的差異，找出誤差較小的推估模式。

At present, the population statistics are mostly based on the government's household registration data, but with the migration of the population, there is a gap between the registered population and the resident population. In addition, everyone has mobile phone now, so we can know when and where the mobile phone users are through the signal data.

This study is aimed at Taipei City and New Taipei City. We analyzed the behavior of mobile phone users and evaluated the resident population, using signal data of Chunghwa Telecom. Since the signaling data came from one single telecom operator, in order to estimate the whole resident population, we also combined the information of a telephone survey, which was also aimed at the same Cities and conducted about the same period of time as the signaling data. Telephone survey composed of landline phone survey and the cell-phone survey. To merge these two survey data, we adopted the dual frame weighting methods proposed by Skinner (1991) and Hung (2017). Then, we took cross-structured raking method to adjust the merged data, so that the structure of sample would be consistent with the structure of the population.

Ratio estimation method was taken to combine the information of signaling and telephone survey data, in order to estimate the whole resident population in Taipei Metro Area. This study proposed estimation model and parameters related to the population, and calculated the estimates and variances of resident population in Taipei City and New Taipei City. Finally, we compared the estimated results, which were weighted by different methods and calculated through different estimators, and suggested an estimation model with less error.

目錄
第 1 章 緒論 1
1.1 研究動機與目的 1
1.2 研究架構 2
第 2 章 文獻探討 3
2.1 常住人口推估 3
2.1.1戶籍人口與常住人口 3
2.1.2 常住人口推估 3
2.2 信令資料與人口活動 4
2.2.1 信令資料與人口活動 4
2.2.2 信令資料與人口常住時段 4
2.3 電訪調查方式與雙清冊整合加權 5
2.3.1 市話與手機調查 5
2.3.2 雙清冊整合加權 7
第 3 章 研究方法 8
3.1 研究流程 8
3.2 電訪雙清冊整合與加權 9
3.2.1 雙清冊基本架構 9
3.2.2 雙清冊整合方法 10
3.2.3 多重反覆加權法 16
3.3 常住人口之比率推估 18
3.3.1 比率估計法 18
3.3.2 常住人口推估之比率估計式 20
3.3.3 常住人口估計式與變異數 20
第 4 章 資料分析 24
4.1信令大數據資料 24
4.1.1 資料描述 24
4.1.2 變數介紹 24
4.1.3 信令常住人口估算結果 25
4.2 電訪調查資料 27
4.2.1 資料描述 27
4.2.2 變數介紹 27
4.2.3 電訪樣本加權調整 29
4.2.4 電訪之電信業者分配人數估算結果 33
4.3 比率估計 41
4.3.1 樣本變數分析 41
4.3.2 常住人口估計式與變異數 41
4.3.3 常住人口估計結果比較 50
第 5 章 結論與建議 56
5.1 結論 56
5.2 研究限制 58
5.3 建議 60
參考文獻 62
附錄 A 64
附錄 B 69
附錄 C 71
附錄 D 76

圖目錄
圖 3-1 研究流程圖 8
圖 3-2 雙清冊基本架構 9
圖 3-3 雙清冊母體與樣本結構 10
圖 3-4 Skinner加權整合方法流程圖 11
圖 3-5 洪氏加權整合方法流程圖 14
圖 3-6 多重反覆加權法流程圖 16
圖 4-1 中華電信信令常住人數分布地圖 25
圖 4-2 電訪母體與樣本結構 27
圖 4-3 電訪電信業者分配人數散佈圖（洪氏加權一） 36
圖 4-4 電訪電信業者分配人數散佈圖（洪氏加權二） 37
圖 4-5 電訪電信業者分配人數散佈圖（Skinner加權一） 40
圖 4-6 電訪電信業者分配人數散佈圖（Skinner加權二） 40
圖 4-7 依城市分層之電信業者分配人數散佈圖 44
圖 4-8 依集群分析（2 組）分層之電信業者分配人數散佈圖 47
圖 4-9 依集群分析（3 組）分層之電信業者分配人數散佈圖 47
圖 4-10 依中華電信使用者比例（2 組）分層之電信業者分配人數散佈圖 49
圖 4-11 依中華電信使用者比例（3 組）分層之電信業者分配人數散佈圖 49
圖 4-12 估計常住人數（個別比率）分布地圖 50
附錄A圖1 臺北市各行政區一周信令比例時間數列圖 66
附錄A圖2 新北市各行政區一周信令比例時間數列圖 66
附錄A圖3 新北信令比例較低之行政區之信令時間數列圖之一 67
附錄A圖4 新北信令比例較低之行政區之信令時間數列圖之二 67
附錄A圖5 新北電訪比例較低之行政區合併之集群分析 68
附錄A圖6 新北行政區合併圖示 68

 
表目錄
表 2-1 國發會數位機會調查之市話手機使用比例 6
表 2-2 組合估計計算方式 6
表 3-1 洪氏加權整合方法人口特徵組合 14
表 4-1 各行政區之中華電信信令常住人數 26
表 4-2 電訪之人口特徵組合：20 類分組 30
表 4-3 107年6月臺北市與新北市「性別×年齡×城市」母體比例 32
表 4-4 107年6月臺北市與新北市「最高教育程度」母體比例 32
表 4-5 雙清冊整合之電訪電信業者分配人數（洪氏加權一） 33
表 4-6 雙清冊整合之電訪電信業者分配人數（洪氏加權二） 35
表 4-7 雙清冊整合之電訪電信業者分配人數（Skinner加權一） 38
表 4-8 雙清冊整合之電訪電信業者分配人數（Skinner加權二） 39
表 4-9 依集群分析分層之電信業者分配人數 46
表 4-10 依電訪中華電信使用者比例分層之電信業者分配人數 48
表 4-11 各行政區之估計常住人口（個別比率） 51
表 4-12 常住人口估計值與變異–雙清冊整合方法初步比較 52
表 4-13 常住人口估計值與變異–分層比率估計方法比較 53
表 4-14 常住人口估計值與變異–雙清冊整合與比率估計方法比較 55
表 5-1 臺北市與新北市之估計常住人數與戶籍人數差異 57
表 5-2 臺北市與新北市之估計常住人數與 12 歲以上戶籍人數差異 58
附錄A表1 各行政區之信令常住人數與電訪原始資料 64
附錄A表2 新北行政區合併之電訪樣本次數分配 65
附錄B表1 市話調查撥號情形 69
附錄B表2 手機調查撥號情形 69
附錄B表3 市話調查與手機調查之電話使用情形 70
附錄B表4 市話調查與手機調查之手機所屬電信業者統計 70
附錄C表1 各行政區之估計常住人口（整體比率） 71
附錄C表2各行政區之估計常住人口（分層比率–城市 2 組） 72
附錄C表3 各行政區之估計常住人口（分層比率–業者比例 2 組） 73
附錄C表4 各行政區之估計常住人口（分層比率–業者比例 3 組） 74
附錄C表5 各行政區之估計常住人口（Skinner加權二–分層比率） 75
附錄D表1 107 年 6 月底臺北市與新北市各行政區之戶籍人口數 76
附錄D表2 各行政區估計常住人數與戶籍人數差異 77
附錄D表3 各行政區之估計常住人數與 12 歲以上戶籍人數差異 78

中文文獻
1.107 年持有手機民眾數位機會調查報告（2018）。國家發展委員會。
2.107 年個人家戶數位機會調查報告（2018）。國家發展委員會。
3.107 年國土資訊系統社會經濟資料庫擴建及資料服務平台推動計畫（2018）。內政部。
4.王鴻龍、于若蓉、連啟雄、紀佩妤（2015）。結合交叉結構的多重反覆加權之研究。調查研究方法與應用學術研討會。台北市：中央研究院人文社會科學研究中心。
5.王鴻龍、吳漢銘、于若蓉、陳芷瑩、陳彥辰、喬俊森（2018）。電信基地台信令資料之人口活動分布分析。107 年內政空間統計大數據研討會。內政部。
6.李昇龍（2014）。由健保資料庫探討台灣常住人口與醫療利用。國立政治大學統計學系之碩士論文。
7.洪永泰（2017）。數位時代下民意探索之挑戰與回應。臺北市研考會。
8.洪永泰、洪百薰、林宇璇、呂孟穎、許勝懋、吳淑惠、卓仲彥、徐書儀（2014）。手機使用對臺灣地區電話調查涵蓋率之影響評估。《調查研究—方法與應用》。第 31 期。頁 7-30。
9.許勝懋（2015）。「唯手機族」對未來電話調查的挑戰與啟發。《調查研究—方法與應用》。第 34 期。頁 9-44。
10.曾憲立、洪永泰、朱斌妤、黃東益、謝翠娟（2018）。多元民意調查方法的比較研究。《調查研究—方法與應用》。第 41 期。頁 87-117。
11.張新儀、林明珠、洪永泰、林淑慧（2003）。台灣地區「常住人口」與「移動人口」的比較：2001 年國民健康訪問調查資料的實證分析。調查研究。第 14 期。頁 5-29。
12.連啟雄（2016）。雙重清冊與具交叉結構之多重反覆加權方法運用在長期追蹤資料之研究。國立臺北大學統計學系之碩士論文。
13.陳鈺翔（2015）。運用兩清冊反覆加權法整合電訪調查樣本與網訪調查樣本。國立臺北大學統計學系之碩士論文。
14.陳肇男、劉克智（2002）。台灣 2000 年戶口普查結果的評價：常住人口與戶籍登記口的比較分析。人口學刊。第 25 期。頁 1-56。
15.陳艷秋、楊雅惠（2017）。常住人口推計方法之研究。行政院主計總處。
16.顏新哲（2017）。多重清冊反覆加權運用在分層多階段集群隨機抽樣資料之參數估計之變異數研究。國立臺北大學統計學系之碩士論文。

英文文獻
1.Alexander, L., Jiang, S., Murga, M., and Gonzále, M. C. (2015). Origin–destination trips by purpose and time of day inferred from mobile phone data. Transportation research part c, Volume 58, pages 240-250.
2.Bankier, M. D. (1986). Estimators Based on Several Stratified Samples with Applications to Multiple Frame Surveys. Journal of the American Statistical Association, Volume 81, Issue 396, pages 1074-1079.
3.Blumberg, S. J., and Luke, J. V. (2009). Reevaluating the Need for Concern Regarding Noncoverage Bias in Landline Surveys. American Journal of Public Health, Volume 99, No. 10, pages 1806-1810.
4.Calabrese, F., Lorenzo, G. D., Liu, L., and Ratti, C. (2011). Estimating Origin-Destination Flows Using Mobile Phone Location Data. IEEE Pervasive Computing, Volume 10, Issue 4, pages 36-44.
5.Cochran, W. G. (1977). Sampling Techniques (3rd ed.). New York: Wiley.
6.Douglass, R. W., Meyer, D. A., Ram, M., Rideout, D., and Song, D. (2015). High resolution population estimates from telecommunications data. EPJ Data Science, Volume 4, No. 4.
7.Kung, K. S., Greco, K., Sobolevsky, S., and Ratti, C. (2014). Exploring Universal Patterns in Human Home-Work Commuting from Mobile Phone Data. PLOS ONE, Volume 9, Issue 6, e96180.
8.Lee, S., Brick, J. M., Brown, E. R., and Grant, D. (2010). Growing Cell-Phone Population and Noncoverage Bias in Traditional Random Digit Dial Telephone Health Surveys. Health Services Research, Volume 45, No.4, pages 1121-1139.
9.Lu, H., and Gelman, A. (2003). A method for estimating sampling variances for surveys with weighting, poststratification, and raking. Journal of Official Statistics, Volume 19, No. 2, pages 133-151.
10.Makita, N., Kimura, M., Terada, M., Kobayashi, M., and Oyabu, Y. (2013). Can mobile phone network data be used to estimate small area population? A comparison from Japan. Statistical Journal of the IAOS, Volume 29, No. 3, pages 223-232.
11.Qi, W., Liu, S., Gao, X., and Zhao, M. (2015). Modeling the spatial distribution of urban population during the daytime and at night based on land use: A case study in Beijing, China. Journal of Geographical Sciences, Volume 25, Issue 6, pages 756-768.
12.Skinner, C. J. (1991). On the Efficiency of Raking Ratio Estimation for Multiple Frame Surveys. Journal of the American Statistical Association, Volume 86, Issue 415, pages779-784.