臺灣地區國中教師數預測模式

近年來，教師供需失調的問題時常發生，除了不可預測的因素無法預料外，預測工具的不穩健更是重要原因之一。本研究以單變量時間數例、狀態空間模式及神經網路來預測民國77 ~ 82學年度國中教師數，並對以上三種模式之預測效率做一比較。我們發現，單變量時間數列預測誤差較大，但以狀態空間模式及神經網路模式來預測，預測誤差小很多。因此，狀態空間模式以及神經網路模式的精確預測法可以推廣，以供師資培育計畫參考。利用LISREL進行實證研究時，為避免因測量指標過多而產生不適當解，研究者常會採用分段估計作為變通的方式。至於分段估計對於參數估計值有何影響，值得加以探討。本文主要的目的在藉由模擬程序來探討整體估計以及各種分段估計方法（迴歸加權法、加總之等權估計、加總法之結構負荷量加權估計和最小平方法）下結構參數（上游潛在變項對下游潛在變項的影響）的精確性和正確性。本研究結果發現：結構參數在上述四種分段估計方式下皆不如整體估計來得精確，且這四種分段估計皆有低估的傾向。其中又以加總型的估計法最有可能不包括真實值。這些現象支持一些類同的研究結果。

Recently， the problem of the demand for and supply of teachers in junior high schools has been paid more attention in education administration. An accurate forecast of the number of teachers needed in junior high schools may heavily affect educational policy. In this paper， we use the univariate time series analysis， state space and Neural Networks to forecast the number of teachers in the junior high school of Taiwan Area during a period from 1988 to 1993. It was found that the state space and Neural Networks exhibit a much more successful forecast than the univariate ARIMA model.