基於失業率的攀升是社會問題發生的主軸，政府相關單位均非常重視此議題，故本研究目的在於探討影響臺灣地區失業者失業週數相關因素；瞭解失業者隨失業週數的增長，再找到工作的難易程度，亦即探討其是否具有時間依賴性特質，期望能獲得目前臺灣地區失業者之人口特性、失業之背景原因。
本研究以2001-2005年臺灣地區人力資源及人力運用調查資料，共3,664筆，採用存活分析法之參數模型及半參數模型，以概度比檢定法、對數概似函數值及AIC準則來選擇模型。結果發現對數常態分配是相對配適度較佳的分配；並由實證模型可知，影響失業週數的因素有年齡、教育程度、前職行業、前職職業、前職工作身分、失業時經濟來源、找尋工作方法數、現居住地及養育子女數等變數。年齡越大者、中等教育程度者、服務於工業或服務業之白領階級受雇者、失業期間有足夠之家庭支持經濟來源者、所居住的縣市都市化程度較北部地區低者、戶內養育子女數較少者，其失業週數會較長。由尺度參數的估計與危險率的計算，可知失業者找工作的機率會隨著失業週數的延長而先增後減，故具有時間依賴性。
依據本研究結果，建議政府相關單位在人力資源運用及規劃時，能針對上述失業者，開辦中高年齡失業者及中等教育程度者之就業訓練，提高基本工資，推廣部分工時制度，提供獎助津貼，並鼓勵企業使用本籍失業者，以達到減少失業者之失業週數，進而降低台灣地區之失業率，提高本國勞動市場之勞動參與率。

The purpose of this study is to find factors that associate with time of unemployment and to understand the chance of getting hired as the time of unemployment gets longer. The secondary data from the Manpower Survey and Manpower Utilization Survey of the year 2001~2005 is used. Both the parameters and semi-parameters survival models are compared; Likelihood Ratio Test, Log Likelihood Vale and residual test are applied to find the relatively best fit distribution. The parametric survival model (log-normal distribution) is conducted to identify possible impact factors that are related to the time of unemployment.

This study finds that age, level of education, types of profession, level of previous work, financial sources when unemployed, methods of searching jobs and number of kids are related to the time of unemployment. For those who are older, middle level of education, white collars or manufacture industries, better financial support when unemployed, fewer kids to be raised have longer time of unemployment.

The results of this study could be used as a reference for the government to plan and utilize the human resources. This study suggests that the government should offer job training programs for the middle ages and the elderly, raising basic wages, promoting flexible working hour shifts, providing unemployment allowance, and encouraging hiring local labor forces in order to reduce the unemployment rate of the local labor market.

目 錄
論文口試委員審定書………………………………………………………Ⅰ
博碩士論文授權書………………………………………………………………Ⅱ
中文摘要……………………………………………………………………Ⅲ
英文摘要……………………………………………………………………Ⅳ
誌謝…………………………………………………………………………Ⅴ
目錄…………………………………………………………………………Ⅵ
表目錄………………………………………………………………………Ⅶ
圖目錄………………………………………………………………………Ⅷ
第一章 緒論………………………………………………………………1
第一節 研究動機與背景………………………………………………1
第二節 研究目的………………………………………………………2
第三節 研究架構……………………………………………………3
第二章 名詞定義與文獻探討………………………………………………4
第一節 失業的定義與類型……………………………………………4
第二節 國內外文獻……………………………………………………8
第三章 研究方法…………………………………………………………11
第一節 研究流程……………………………………………………11
第二節 資料來源、研究對象與調查方法…………………………12
第三節 變項定義…………………………………………………14
第四節 存活分析法…………………………………………………22
第四章 實證結果與分析…………………………………………………36
第一節 基本資料分析………………………………………………36
第二節 模型實證結果………………………………………………40
第三節 影響失業週數長短因素之分析……………………………50
第四節 與臺灣地區目前失業現狀比較分析………………………54
第五章 結論與建議………………………………………………………58
第一節 研究結果與結論……………………………………………58
第二節 建議…………………………………………………………60
第三節 研究限制與未來展望………………………………………62
參考文獻……………………………………………………………………63

參考文獻
--中文部分--
1.行政院主計處(2004)，人力資源調查統計年報。
2.行政院主計處(2005)，臺灣地區人力運用調查報告。
3.辛炳隆與張文檀(2002) ，「台灣勞動市場失業週數之再估計」，第1卷第1期，1-23。
4.林祖嘉(1991)，「工作搜尋模型與失業週數—臺灣地區大專畢業生之經驗」，經濟論文，第19卷第2期，183-215。
5.耿靜宜(1999)，「非自願性與自願性失業者尋職行為之比較—以台北地區為例」，中央大學人力資源調查管理研究所，碩士論文。
6.黃毅志(1998)，「臺灣地區職業機會不平等性之變遷」，東吳社會學報，第4卷87年4月，227-259。
7.張家展(1994)，「台灣專上畢業生失業期間的研究—轉機函數的應用」，清華大學經濟學研究所，碩士論文。
8.張清溪、駱明慶(1992)，「臺灣勞動力失業週數之研究」，勞動市場與勞資關係研討會，臺北:中央研究院中山人文社會科學研究所。
9.羅文廣(1997)，「台灣地區青年人力工作搜尋行為之研究」，文化大學勞工研究所，碩士論文。

--西文部分—
1. Allison, P. D. (1995). Survival Analysis Using The SAS System A Practical Guide, North Carolina: SAS Institute Inc.
2.Burdett, K. (1978). “A Theory of Employee Job Search and Quit Rate”, American Economic Review, 68, 212-220.
3.Hosmer, D.W. (1999). Applied Survival Analysis. New York: Wiley Series in Probability and Statistics, John Wiley & Sons, Inc.
4.Le, C. T. (1997). Applied Survival Analysis. New York: Wiley Series in Probability and Statistic, John Wiley & Sons, Inc.
5.Kaplan, E. L. and Meier, P. (1958). “Nonparametric estimation from incomplete observations” , JASA, 53.457-481.
6.COX, D R (1984). “Regression Models and Life Tables,” Journal of the Royal Statistical Society, pp.187-220.