歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
反之則相反的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理
反之則相反的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦HoodooSenMoise寫的 胡督魔法：北美民間魔法指南 和AdamKucharski的 【從賽局思考到趨勢預測，全方位實戰課套書】(勝算：賭的科學與決策智慧+傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長)都 可以從中找到所需的評價。
這兩本書分別來自楓樹林出版社 和行路所出版 。
佛光大學 應用經濟學系 陳麗雪所指導 楊蕙瑄的 結合方向距離函數與交叉效率分析金融業選股投資標的 （2020），提出反之則相反關鍵因素是什麼，來自於資料包絡分析法、交叉效率、方向距離函數、金融產業股票。
而第二篇論文國立成功大學 老年學研究所 翁慧卿所指導 葉俐廷的 中高齡遷移行為、環境與生活滿意度之相關性探討以台灣中老年退休族群為例 （2018），提出因為有 遷移行為、生活滿意度、退休、環境因素、多層次分析的重點而找出了 反之則相反的解答。
胡督魔法：北美民間魔法指南
為了解決反之則相反 的問題，作者HoodooSenMoise 這樣論述：
找到你的力量所在 古老、強大、有效的召喚魔法 ★印加薩滿／李育青老師審定。 「胡督．森．莫伊斯剛好在胡督魔法實踐和足夠的理論之間取得了平衡，為這樣的靈性工作創建了基礎──正如他所提醒我們的一樣，這並不是『靈性休閒』──並且傳承了我們的祖先所給予我們的魔法工作，來療癒彼此，也療癒整個世界。」──Mambo Chita Tann，Haitian Vodou的作者 胡督魔法，也被稱作召喚魔法或植物魔法， 是一種古老、強大且及其有效的北美民間魔法系統。 它的起源可以追溯到黑奴時期，目的是阻止奴隸們所遭受的痛苦壓迫。
《胡督魔法》探索了胡督魔法的歷史、文化、原則、概念和道德規範， 同時也能作為進行魔法工作的實用指南。 胡督魔法歷經復興，超越了其在美國南方的根源， 目前已經成為最流行的現代魔法形式之一。 作者胡督．森．莫伊斯已經從事魔法工作超過35年。 在本書中分享易於讓新手魔法師理解的胡督魔法技巧和經驗， 也提供技藝嫻熟的魔法師實用並具有啟發性的資訊。 這本書探索了召喚魔法的主要概念， 介紹了不同用途的咒語、儀式和操作方法。 從本書中，您能夠學習到如何讓這個博大精深的魔法學派為您所用。 本書特色
◎探索胡督魔法的歷史、文化、原則、基礎和道德規範，胡督魔法師進行工作的實用指南。 ◎介紹胡督魔法中的平衡、靈性概念，不同用途的咒語、儀式和操作方法。 ◎附錄詞彙表、中英名詞對照。
反之則相反進入發燒排行的影片
歡迎收看范琪斐的寰宇漫遊，今天的琪斐大放送我們要來談談，2020美國總統大選民調一面倒的說拜登贏川普一大截，川貴人，這次別選了吧?乖～我待會給你買個....樓?大家好，我是范琪斐。中間偏右的《華爾街日報》（Wall Street Journal）聯手中間偏左的《國家廣播公司》（NBC），在「川拜」首場辯論後，到川普確診前這段時間，所做的民調顯示，拜登的支持率高達53%，足足領先川普14個百分點（53%：39%）。真的假的啦～這個幅度也太誇張，我們再參考一下別的。
（10/11公布）美國ABC News和《華盛頓郵報》（The Washington Post），在川普出院後做的最新民調，有54%的選民說會把票投給拜登，大幅領先川普12個百分點（54%：42%）。專門統計各家民調數據的Five Thirty Eight指出，拜登的平均支持率勝過川普10.4個百分點（52.2%：41.9%， 10/10數據）。另一個民調數據集合網站「真清晰政治」（Real Clear Politics）的網站顯示，從10月以來每一家主要民調公司統計出的結果，都是拜登遙遙領先川普，差距在5到16個百分點不等，其中不乏立場較為中間的The Hill和經濟學人。所以平均下來拜登的支持率領先9.8個百分點。（10/9公布）美國權威智庫與民調機構「皮尤研究中心」（Pew Research Center）做出來的結果是，52%的選民打算把票投給拜登，領先川普10個百分點（52%：42%）。
我們找了很多民調,可是只有很少數的說，川普領先拜登， 說很少數，是怕我們川貴人傷心，其實找來找去只有一個。 （10/5公布）英國《每日快報》聯手英美智庫Democracy Institute做的民調顯示，川普支持率在46%，小勝拜登1個百分點（46%：45%）。不過我還是註明一下，這個《每日快報》是英國的右翼八卦報，民主研究所的民調，也沒有被民調界公信力很高的538列入參考的近500家民調就是了， 所以現在大多數民調都顯示，拜登會獲得壓倒性勝利，但川貴人當然不認為他會選輸啊，最近又在那邊「Fake news」、「Fake polls」喊來喊去，民調統統都是假的！這都是幻覺～嚇不倒我的！
先不要笑，川貴人說的是真的，4年前一直到投票日當天早上，民調都還顯示希拉蕊一定會凍蒜，《紐約時報》做了大半年的民調，到選舉當天早上，還在說希拉蕊有80%以上的勝選機會，結果最後被「逆轉」，搖擺州統統被川貴人拿下！2016年的民調，被很多人認為是「壞掉了」、「走鐘了」，完全無法反映出真實民意，今年隨著大選日逼近，也有越來越多人開始質疑，真的假的啊?這幾年來專家們一直試圖釐清，當年的「希拉蕊慘案」到底是怎麼出現的，總之過去四年民調專家就很努力的要找出，民調為什麼會跟開出來的票差那麼多，但真的非常困難，因為變數實在太多了，我們今天就幫大家整理出幾個專家們認為可能的原因。
（一）手機的普及
還記得去年台灣不是在吵「手機民調要不要納入總統初選民調」嗎？美國其實也有類似的問題。美國現在就跟台灣「人手一機」一樣，有時候還兩三機，越來越少人使用家用電話了，而且年輕人、低收入者以及少數族群，都只用手機而已；反觀年長者和白人族群，就會比較依賴室內電話。大數據分析網站《Datanami》就指出，25歲左右的年輕人看到不認識的電話，幾乎都會pass不接；但70歲的長輩們則是每通必接，因此這樣進行的電話民調就很容易往某一族群傾斜。
那用手機民調不行嗎？根據1991年的《電話消費者保護法》（Telephone Consumer Protection Act of 1991；TCPA），美國是禁止「自動撥號系統」打電話給手機用戶的，所以如果要打手機做民調，就必須派出「真人」撥號，這有多麻煩呢？數據顯示，你想獲得1,000個回答，就至少得隨機撥號2萬次，其中大部分是空號，因為手機號碼是私人的，根本不會刊登在電話簿上，這實在太勞民傷財了，很想幫做民調的人馬殺雞一下耶，你們辛苦了。
（二）沉默的多數
每次選舉我都很期待接到民調電話，但大多數美國人可不是這麼想的，可能是因為擔憂個資和隱私外洩，導致選民接電話不敢說出真實意見，或者是覺得，蛤～民調很久欸，老娘才沒空理你。1970年代左右，美國「民調回應率」（Polls response rate）高達80%，你只要打過去人家多半都會回答你，但是根據「皮尤研究中心」最新報告，2018年美國「民調回應率」已經暴跌到6%，等於你打100通電話就只有6個人不掛你電話、願意花時間跟你聊兩句，但你也不知道他是不是講真話。
像2016年的大選，支持川普的選民中，就有一群選前不願意表態的，或者在接受民調時故意說謊的，有些甚至不告訴鄰居他們其實支持川普。《Datanami》表示，這些選民會讓調查的結果失準2%到6%，6%很多欸，根本就是超出誤差範圍了。
（三）網路民調難
啊現在網路那麼發達，用網路做民調不就統統搞定了嗎？事實上恐怕剛好相反。數據顯示美國18-29歲的年輕人，有98%都使用網路，但偏偏這個年齡層的人最不愛投票，拿美國總統大選風向球：2018年美國期中選舉為例，雖然這群年輕人投票率比前一次大幅提高15.7個百分點，但仍是所有年齡層中最低的（35.6%），也就是說，每個人都是「鍵盤投手」，大家網路上搖旗吶喊超熱情，結果投票日當天大家都覺得不差我這一票。另一方面，你在網路上想填幾歲就幾歲，想變性就變性，別國網軍想來帶風向，也不是那麼困難，因此網路民調也非常容易失準。
（四）早期民調誇大
另一個大變數是「早期民調」的準確度很低，因為選民還沒有足夠時間去瞭解候選人到底在幹嘛，但早期民調卻是媒體報導所仰賴的主要資訊來源，結果就是候選人拿來造勢、媒體見獵心喜誇大報導，進而影響到後續選民對候選人表示支持的聲量。例如看到拜登領先，那支持拜登的人講話就會比較大聲，因為他們是「主流」，反之支持川普的人，可能就會比較不敢表達意見，形成「沉默螺旋」。
「皮尤研究中心」也加碼解釋，事實上2016年的全國民調還算準確，（預測希贏3.3%最後贏2.1%），但美國總統大選是以選舉人票為單位，希拉蕊全國總票數高於川普也沒屁用，最後川普拿下所有的搖擺州，入主白宮。而選前的州民調也無法反映出搖擺州的真實民意，地方往往沒有全國性民調那種資源，四年前他們就忽略了在最後關頭，投給川普的搖擺選民數量，也沒有準確掌握未受過大學教育的白人選民，他們到底支持誰，種種因素導致了中西部上演「大驚奇」。還有就是民調公司往往有特定的政黨傾向，最後很可能導向「護主」的結果，讓民調不盡然客觀。
那這些問題2020年還會再重演嗎？老實說，有些變數還是很難避免，《紐約時報》就整理了，和四年前相比，哪些因素可能讓美國民調更精準或更失準。
更精準的第一點就是，搖擺選民減少了。
四年前民調失準的一大因素就是搖擺選民，但今年跟民調人員說：嗯～我還沒想好，的搖擺選民數量變少了，四年前的這個時候，大概還有20%的選民說他們還沒決定要投誰，或是打算投給小黨候選人，但今年這群人的數量只剩一半，而且其中支持川普的人也老早就表態，尤其是搖擺州的白人工人階級選民。
更精準的第二點是，選民教育程度的加權。
大家要有個概念，民調準不準確，完全取決於你抽樣有沒有做到「隨機」，也就是每個族群的意見都要被採納進來，但這真的非常難做到，最後很容易讓民調結果出現偏差。例如在美國，如果你跑去郊區教堂裡做民調，那幾乎可以篤定會獲得一個偏共和黨的結果；但如果你對大學生進行抽樣，最後很可能獲得一個偏民主黨的結果。另外的數據又顯示，受過高等教育的選民，比較願意接受民調訪問，每個都是選我選我～而那些較保守、教育程度較低的選民，他們的聲音就很難反映在民調上，所以如果你沒有按照「教育程度」來做加權，民調就會充斥太多年輕大學生的意見，導致結果偏向民主黨。先前民調機構都不怎麼重視教育程度對選情的影響，結果導致2016「爆冷門」。
有鑑於4年前的「教訓」，今年有越來越多民調機構，把選民教育程度的權重提高了，簡單來說就是把教育程度較高的受訪者音量降低一點，把教育程度較低的受訪者音量調高一點，讓他們各自符合在總人口中所佔的比例。今年從3月以來，美國各家民調機構做的幾十個調查中，已經有半數增加教育程度的權重，是先前的兩倍多（約20%）。
可能比2016年更糟糕的是，網路民調的增加。我們剛剛已經提過網路民調的準確度有待商榷，但過去幾個月來，越來越多機構採用網路民調的方式，比例佔地方民調總數的一半。他們採用的方法可能太過簡單，就是直接抓一群網路群組成員，然後再根據受訪者的人口統計資料進行分類加權，這樣的作法成本很低又很方便，但非常容易有樣本代表性不足的結果，而且最後民調可能左傾。 （最好的方式是結合電話民調和網路民調，例如AP/NORC/VoteCast的民調，電訪4萬人外加隨機抽樣11萬網友，結果可能較為客觀。
另一個可能不太客觀的做法是：請選民「回想投票」。
目前有越來越多投票機構採取這個方式，也就是要求受訪者回想2016年他把票投給誰，是希拉蕊還是川普呢？然後再依據他們的回答去做選舉意向的加權。這樣做可以讓民調數字看起來比較漂亮，也可以減少錯誤，但卻很難避免系統偏差，導致結果傾向某一政黨。再加上通常大家都會傾向回答，自己是投給獲勝的那一方，沒有人會想承認自己投給輸家嘛！再說這四年來誕生不少首投族，又有不少人往生，像是疫情導致那麼多人死亡，也有很多人搬到別的地方去，硬把2016年的投票意向套用到今年，恐怕不太合適。
所以這個民調到底是能不能看啊?你要是問我,我覺得就別看了 ,這是我們媒體想要預測選舉的結果, 或研究單位拿來做選民行為分析. 但一般選民還是把政策看清楚點比較要緊,你管別人怎麼投
今天琪斐大放送的關鍵字是：
#美民調失準
#選情霧茫茫
--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！
結合方向距離函數與交叉效率分析金融業選股投資標的
為了解決反之則相反 的問題，作者楊蕙瑄 這樣論述：
隨著全球經濟蓬勃，選股成為投資人所關注的，投資人多以技術分析與基本分析作為選股依據，由於資訊透明化，數據更容易取得，如何分析眾多的資訊量，成為一件不容忽視的問題。近年來許多學者將資料包絡分析法作為選股之參考，在傳統的CCR與BCC模型，僅追求產出極大化或投入極小化，本研究在考量產出與投入面向可以同時變動下，以基本分析的財務指標為產出、投入變數，利用結合交叉效率跟方向距離函數之模型，作為選股之工具。本研究以2019 年上市金融產業公司為樣本，研究結果顯示績效較好之金融產業公司，在股價上多有優異之表現；反之則相反。
【從賽局思考到趨勢預測，全方位實戰課套書】(勝算：賭的科學與決策智慧+傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長)
為了解決反之則相反 的問題，作者AdamKucharski 這樣論述：
《數學大觀念》作者亞瑟‧班傑明與 《數學教你不犯錯》作者喬丹・艾倫伯格，專業力挺！ ▎《勝算：賭的科學與決策智慧》 從「賽局理論」約翰・馮紐曼到《他是賭神，更是股神》愛德華．索普， 博奕的魔力吸引了古往今來各領域的頂尖腦袋， 他們的研究成果，對於理解運氣和決策有何啟發？ 又點出我們解讀事物的哪些常見盲點？ 長久以來，各領域的頂尖頭腦都深受博奕吸引，他們不斷挑戰預測的極限，探究秩序與混沌的界限，以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧，都因「賭」而拓展了探索的疆界。 我們常用「運氣」和「技巧」截然劃分事情的成
因，問題是兩者的界線沒有那麼分明。了解賭的科學，你將學會洞察普遍存在的判斷盲點，更睿智地權衡風險與報酬，從而做出優質決策，控制運氣的影響。 ●懂博奕，你會更洞察盲點 ○輪盤贏錢策略的演進，反映出機率科學近一世紀來的發展…… ○賭場改用多達六副牌擾亂算牌客，為何效果適得其反？ ○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干？ ○為何有些投注公司反其道而行，樂於吸引精明賭客來投注？ ○投注業者改變賠率不是為了符合結果的真實機率，那是為啥？ ●懂博奕，你會更了解投資 ○為何股票市場「大變化後面往往還會出現大變化」，反之亦然？ ○交易機器人崛起後
，金融市場的哪些現象你尤其該審慎解讀？ ○教人拿捏投資資金比例的「凱利準則」，用於賽馬時有何弱點？ ○購買不同產業多家公司的股票，投資組合多樣性為何仍然不夠？ ○投資領域的「基本分析法」，要注意什麼盲點？ ○購買擔保債券憑證時，要避免什麼錯誤假設？ ●懂博奕，你會更善於決策 ○機會賽局中常見的「馬可夫鏈」，如何有助於尋找隱含資訊？ ○撲克牌是許多生活實際狀況的完美縮影，因為它試圖處理缺漏的資訊。 ○賽局未達到最佳結果時，參與者的決定不會趨向平衡，而會大幅震盪。 ○參與者易失誤或得在賽局中學習時，賽局理論不是找出最佳策略的好方法…… ●懂博奕，你會更過
好人生 ○為什麼選擇最簡單的解釋，往往反而明智？ ○為何最快的解決方法，有時像在走回頭路？ ○人性偏誤會導致我們誤判賽事的哪些方面？ ○優秀的機器人程式不能只有蠻力，還要懂心理學才行。 ▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 最符合現今時局需求的著作，讀者異口同聲：「好看到讓你想『傳』給別人」！ 一種致命病毒蟄伏多年，於人群中突然其來地爆發。一場政治運動迅雷不急掩耳地展開，隨後快速銷聲匿跡。金融體系網絡中藏著「超級傳播者」，致使乍見小小的危機擴及為全球市場崩盤。一個想法如野火燎原般傳播開來，自此改變世界的樣貌…… 說到「傳染力」，我們往往聯
想到疾病傳播，然而本書並非僅僅探討疾病擴散的生物學，更是一本談趨勢變化軌跡的著作。數學家亞當・庫查司基長年從事流行病學研究，他擅長從統計、模型、演算法、因果論乃至大數據等角度著手，探究疾病於何時發源於何處、散播開來的熱點又是什麼（哪個人或事件、地點），從而預測事態的後續發展，並且建議妥適的因應之道。 由於流行病學探究傳染力所得的成果，已廣泛應用至諸多領域，因此本書內容雖以疾病傳播起頭，以疫情控制做結，然而書中頭尾之間的篇幅，則切入相當廣泛的領域，像是： ●金融界普遍相信分散投資能降低風險，然而已有多項研究發現，隨著「金融傳染途徑」形成，分散投資可能會破壞大型金融網絡的穩定性。
●從健康、生活風格，一路到政治觀點等，我們與熟人往往具備共同特徵，科學家如何釐清這是基於同質性或共有環境？還是社會傳染所致？ ●從疾病流行到恐怖主義與暴力犯罪，科學家發展出預測模型，除了能協助機構擬定防治對策並妥善分配資源，亦可說服民眾配合甚至協力。 ●網際網路創造了新形態的互動，本書探究網紅崛起、情緒感染與輿情操縱等現象，也探討網路如何成為我們研究事物傳播方式的新方法。 ●惡意軟體鑽漏洞潛入私人電腦、駭客藉電腦系統控制科技設備，乃至程式碼共享難溯源等情形，一旦出現「疫情」可能會怎麼樣發展？ ……舉凡網紅現象、政治風向、創新傳播、金融趨勢、罪案偵察，乃至暴力事件等等，
作者皆以引人入勝的故事解讀各類型「擴散現象」從出現、發展到消亡的種種線索。現今的世界比以往更加環環相扣，許多現象牽一髮動全身，「傳染力法則」能夠解釋這些具備傳播特質的事物之更迭，想要解讀眾多現象與趨勢，擬出因應之道，你不能不知道！ 各界推薦 ▎《勝算：賭的科學與決策智慧》 ●庫查斯基以風趣的寫作，介紹必勝投注法的歷史和最新進展，讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟‧班傑明 ●這本書闡述博奕、科學與數學間的交互作用，寫得趣味橫生……記敘輕鬆連貫，而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌 ●賭客和數
學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》 ●作者將博奕如何影響科學、科學又如何影響博奕的故事，寫得相當成功。本書淺顯易讀，但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩‧法馬 ●這本書用許許多多的故事，敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後，我開始有那麼點想賭兩把了。——劍橋大學教授大衛‧史匹格赫爾特 ▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 ►自古至今，從聖經中的瘟疫，到當前攻占新聞頭條的新冠病毒：疾病、想法、情緒……萬事萬物都能傳播。《傳染力法則》以迷人、細膩的敘事，探索「傳染」這一門學問。讀了之後，保
證你會想「傳」給你的朋友。──《數學教你不犯錯》作者喬丹・艾倫伯格（Jordan Ellenberg） ►本書充分展現科普魅力：筆法趣味橫生、清楚明確；主題引人入勝、緊扣脈絡。作者亞當・庫查司基為傳染病學家，涉獵心理學、醫學、網路理論以及數學，以精采權威的論據，帶領讀者從人的想法、網路迷因梗圖、暴力事件與致命病毒，了解事物傳播的潛藏法則。本書也為自身主題下了很好的註腳——內容深具感染力，所以你看完後會想要別人也讀一下。──《數字奇航》作者艾利克斯‧貝洛斯（Alex Bellos） ►例證豐富，以務實角度切入，說明如何以數學幫助了解傳染，進而以更好的方式應對千變萬化的傳染形式。作者處
理議題廣泛，既談疾病大流行，亦論槍枝暴力、金融危機與不實訊息。他啟發所有讀者以數學家的方式思考問題。想了解疫病和其他具擴散性質的危機，本書不容錯過。──倫敦衛生與熱帶醫學學院院長彼得‧皮奥特（Peter Piot） ►以數學角度切入，精采探討有些事物何以會快速傳播，而且談的可不只是病毒。作者以旁徵博引的筆法啟迪讀者。舉例來說，他帶領讀者了解公衛模型於疾病傳播上的應用，檢視都市槍枝暴力的人際關係網絡，並使用演算法來解釋「年齡、幫派關係、逮捕紀錄」等項目……本書切合時勢、極為易讀。──《柯克斯書評》 讀者評語 如果想多了解「傳染」擴散背後的數學邏輯，這真的是一本好書。這本書不只探討流
行病學，也以更寬廣的格局談論股市、社群媒體……等，探討有些事物能快速「瘋傳」，有些卻欲振乏力，背後機制為何？作者是數學家，所以這本書不是生物學著作，但也非數學專書。這本書最精采的地方，在於呈現各統計模型中有多少未知因子，以及該如何建立穩固可靠的模型。作者在疾病管控領域具備專業經歷，這也增加了論點的說服力。整體而言，讀起來讓人大呼過癮。
中高齡遷移行為、環境與生活滿意度之相關性探討以台灣中老年退休族群為例
為了解決反之則相反 的問題，作者葉俐廷 這樣論述：
研究背景由於退休是生命歷程重要的一環，此事情對於遷移也是強大的轉捩點。台灣2017年平均退休年齡是61歲低於法定退休年齡，2015年以後每年退休人數以萬人來做計算，集中在55-64歲這個區間辦理退休，人口老齡化再加上高齡勞參率的下降，使退休族群是一個逐漸成長的群體。對於遷移行為國外已有不少研究著墨，過去台灣遷移相關領域研究多集中探討遷移原因，或集中在特定族群如年輕人、少數族群如原住民等，較少文獻是在探討台灣中高齡退休族群遷移的模式或是縣市環境的影響。研究目的本研究目的在探討退休後的遷移行為對生活滿意度的相關性，以及分析實際影響遷移行為的個人及環境因素。透過此對台灣退休族群之遷移行為與外在周遭
環境影響有更深入的認識。研究方法為橫斷面的量性研究，使用次級資料庫量化分析。資料庫使用台灣第一個探討中高齡退休族群的資料庫-「退休規劃對退休後之生活適應及健康狀況調查研究資料庫」去分析與探討台灣退休族群遷移行為與生活滿意度間之相關性。研究對象為50-74歲公勞保退休人士，個人層次納入3060人，環境層次納入16個縣市，使用分層抽樣，鄉鎮市區都市化分類分層，統計方法使用多層次分析跨層次的交互作用。統計軟體使用Stata 15.1。研究結果本研究結果發現(1)退休後遷移人口占總樣本9.15%，其中遷移到不同縣市的占3.1%，退休前最多人居住在新北市(19.63%)，退休後最多人居住在台南市(15.
46%)；(2)年輕老人(50-54)會遷移到不同縣市為老老人(70-74)的3.71倍，而高中以上、有持續工作、退休金高、沒有配偶跟非閩南人比較會有遷移的行為；(3)教育程度高、經濟滿意度高、公保退休、健康狀況良好者，其生活滿意度、生活品質、健康狀況皆好；(4)安全指標對生活品質與健康狀況有影響，健康指標、便利指標對生活滿意度、生活品質、健康狀況有影響，舒適指標則無顯著影響；(5)調節效果中發現居住在高醫療資源的縣市，有遷移行為者，生活滿意度會比較高；反之，則相反。結論個人因素與環境因素會影響退休族群之遷移行為及其生活滿意度，且其中之調節效果亦存在，並對生活品質影響較少，應共同為高齡者的晚年
生活找尋更好的條件，增加正面因素，減少負面因素的產生，提供適當的環境因素亦相當重要，使其在晚年都能有良好的生活品質。