本研究蒐集民國69-92年失能傷害頻率(DFR, Disabling Frequency Rate)，及相關影響職災的變項資料，以迴歸分析、灰預測GM(1,1)及GM(1,N)、時間序列ARIMA等預測方法，建立失能傷害頻率預測模式。研究比較結果，以失能傷害頻率為自變數預測可達到誤差百分比(PE, Percent Error)5.76%、多變數因果預測則為PE=15.09%誤差，顯示影響職災的變項過於紛雜，單僅以自變數預測即可得到良好的預測能力，其中以灰預測GM(1,1)進行近期4筆資料的預測，所獲得預測平均絕對百分比誤差(MAPE, Mean Absolute Percent Error) 2.17%為最小，預測93年DFR為1.90、PE=3.06%；另以該灰預測GM(1,1)方法，應用勞保職業災害保險現金給付金額資料，預測95年為新台幣4,021,868千元、MAPE=0.52%，顯示同屬職災性質的資料，以灰預測GM(1,1)方法能有精準的預測能力。藉由職災失能傷害頻率預測模式的研究，可作為職業災害保險費率預測模式或精算費率所需依據如行業別、年齡層等變數計算之相關模式的參考；研究雖是個案資料分析，但是研究方法應可推廣之通案研究，酌供後續之比較參考。

The research investigates collected data of DFR (Disabling Frequency Rate) and variant data about occupational accidents during 1980-2003 to establish the forecasting model of DFR by the regression model, Grey prediction GM(1,1), GM(1,N) and the time series ARIMA. Results show that the PE (Percent Error) of model with multi-variables is 15.09% and the PE of model with dependent variables is 5.76%. That indicates the model with multi-variables considered in this study being too complicate to have lower FE than that of dependent variables. The MAPE (Mean Absolute Percent Error) obtained by the Grey prediction GM(1,1) with recent 4 data is 2.17% and the DFR forecasting in 2004 is 1.90 and the PE as 3.06%. Therefore, Grey prediction GM(1,1) can have more precise forecast with the occupational accidents data than the other forecasting methods considered in this study. From the collected data of the insurance claims by Labor Insurance for occupational accidents in Taiwan, result of Grey model forecasts the amount of NTD$4,021,868 in 2006, with MAPE as 0.52%. Furthermore, the forecasting models of DFR developed in this study can be applied the reference for the insurance rate of occupational accidents and then provide guidelines in initialing related research projects for improvement or reducing occupational accidents.

參考文獻
【1】 行政院勞工委員會，勞工安全衛生法，台北，行政院勞工委員會編印，民91年。
【2】 陳秋蓉，世界主要國家職業災害統計分析（三），台北，行政院勞工委員會勞工安全衛生研究所，民91年。
【3】 行政院勞工委員會，勞工保險條例，台北，行政院勞工委員會編印，民91年。
【4】 傅還然，2005年我國職業災害情勢與對策展望，工業安全衛生月刊2006第4期，台北，勞工安全衛生管理學會，民95年。
【5】 Williamson, A. M. Feyer, A.-M. and Caims, D.R., Industrial differences in accident causation. Safety science,24,1-12, 1996.
【6】 陳泰安、許宏德，我國職業災害統計機制及以其為指標之最適性探討，高雄，高雄第一科技大學環境與安全衛生工程系，民93年。
【7】 王世榕、陳明裕，職業災害保險行業分類與實績經驗費率制度施實之研究，台北，行政院勞工委員會，民85年。
【8】 方世杰，市場預測方法一百種，台北，書泉出版社，民77年。
【9】 楊川明、林水順，發展適用於產險業產值之灰預測模式，花蓮，南華大學管理科學研究所，民93年。
【10】 蔡蔚成，應用灰色理論之GM（1,1）模型預測社區污水處理廠之出流水水質，台北，大同機械，2004年。
【11】 李英錡，灰色理論預測運用於空調融冰系統之效益分析，台北，台灣科技大學自動化及控制研究所，2005年。
【12】 陳學毅，匯率預測模型績效之研究-時間序列及灰色預測模型之應用，台北，東海大學國際貿易學系，2004年。
【13】 行政院主計處網站,http://www.dgbas.gov.tw/mp.asp?mp=1
【14】 行政院勞工委員會勞動統計網站http://www.cla.gov.tw/cgi-bin/SM_theme?page=41761dc1
【15】 中華民國統計資訊網站,http://www.stat.gov.tw/mp.asp?mp=4
【16】 吳茂根，時間數列分析與預測，台北，華泰書局，民81年。
【17】 鄧聚龍等編著，灰預測模型方法與應用，台北，高立出版，新科技總經銷，民88年。
【18】 Heinrich H. W., Dan Petersen, P.E., CSP and Nestor Roos, D.B.A., Industrial Accident Prevention, McGraw-Hill Book Company, pp.20-92(1980).
【19】 黃清賢，工業安全與管理，台北，三民書局，民89年。
【20】 張其文、許宏德，虛驚事件檢討為基礎之安全管理機制先研究，高雄，高雄第一科技大學環境與安全衛生工程系，民93年。
【21】 中華民國安全衛生學會，勞工安全管理師訓練教材，台北，中華民國安全衛生學會，民86年。
【22】 邱皓政，結構方程模式-LISREL的理論、技術與應用，台北，雙葉書廊有限公司，2005年。
【23】 謝美鳳，探討安全氣候影響安全績效之研究，台南，成功大學交通管理科學研究所，民92年。
【24】 呂惠珠，胖影響因素之結構方程模式分析，台北，台北護理學院中西醫結合護理研究所，民91年。
【25】 經濟部工業局，成功的衛生與安全管理，台北，民89年。
【26】 CNS1467工作傷害紀錄及計算方法Recording and Computing Methods for Labor Injury，國家標準檢索系統，http://www.cnsonline.com.tw/，民51年。
【27】 Bird,F., and Loftus, R. Loss control management, Institute Press, Atlanta, 1997.
【28】 洪圭輝，台灣地區各職業傷害類型致災因素之統計分析，台北，台灣科技大學工業管理系，民91年。
【29】 陳進隆，台灣地區重大與非重大職災之人口統計因素分析，台北，台灣科技大學工業管理系，民90年。
【30】 邱皓政，量化研究法（二）統計原理與分析技術，台北，雙葉書廊有限公司，2005年。
【31】 陳景堂，統計分析SPSS for Windows入門與應用，台北，儒林圖書有限公司，2004年。
【32】 內政部統計資訊服務網站, http://www.moi.gov.tw/stat/
【33】 財團法人保險事業發展中心, http://www.iiroc.org.tw/
【34】 徐桂祥，灰色系統在商情預測上之研究，雲林，雲林科技大學資訊管理技術研究所碩士論文，民86年。
【35】 胡天榮，德國職業災害保險實績費率制的探討，台北，勞工行政，第124期，第10-15頁，民87年。
【36】 郭明哲，預測方法-理論與實例，台北，中興管理顧問公司，民65年。
【37】 Chamber, J. C., S. K. Mullick, and D.D. Smith, How to Choose the Right Forecasting Technique, H.B.R., July-Aug, 1971.