全民健保資料庫的資料量相當龐大，若要提供所有的資料來做研究分析，則需相當大型的電腦系統，處理耗時且困難，容易造成錯誤偏差，並且十分不利隱私保護。解決的方式之一即是提供具代表性的抽樣資料，給使用者做研究分析。因此，建立以保險對象為基本抽樣單位的抽樣檔，收錄其歷年所有的就醫資料，並且持續追蹤，所成之歸人抽樣檔，將可供研究學者進行多類研究工作。

自2002年（91年）起本計畫提供20萬人承保抽樣歸人檔(LHID2000)供學界使用，研究人員取得承保抽樣歸人檔之後，可依其個別研究計畫需求，進行長期追蹤研究(longitudinal study)及任何時間點之橫斷面研究(cross-sectional study)。此LHID2000並於2009年增加提供80萬樣本人數資料(第5~20組)，共發行100萬人之資料

由於LHID2000不包括2000年以後出生或新納保之保險對象，因此學者專家建議每間隔五年進行新一世代資料之抽樣，故我們在發行2005、2010年承保檔之時，再做一次歸人抽樣；惟因健保資料研究日見推廣，研究主題更為廣泛，研究學者提出抽樣歸人檔樣本數增加之需求，於是除重新抽樣外，更擴大抽樣人數為100萬人，擷取其所有就醫申報資料製作歸人檔。100萬人之承保抽樣歸人檔（LHID2005、LHID2010）可大幅提升進行具有統計檢定力(statistical power)之前瞻性研究(Prospective study)及回溯性研究(Retrospective study)之可能性。

關於隨機值產生作業，我們係採用Oracle的DBMS_RANDOM套件來執行。DBMS_RANDOM套件提供一個內建的隨機值產生器(Oracle’s internal random number generator)，可產生八位整數的隨機值。我們在1與23,251,700之間產生110萬個隨機值，剔除重複出現的隨機值(共25,346個)後，共得到1,074,263筆隨機值。

5-1.以每5歲(例:0-4歲)為一個年齡層分組，另80歲以上合併為一年齡層，統計各年齡層人數占人口總數 的百分比。比較100萬人樣本及其第1抽樣小組4萬人資料，與抽樣母群體，及內政部公佈之資料，各年齡層人數占人口總數的百分比之分布大致吻合。詳如圖一。

5-2.性別分布- 統計100萬人樣本得性別男：女比例為97:100，與抽樣母群體性別男：女比例相同；其第1抽樣小組4萬人資料性別男：女比例為96:100，比值亦極為接近，以卡方檢定100萬人樣本與抽樣母群體性別男：女比例無差異(χ2=0.067, df=1, p-value=0.796)。內政部公告之99年人口資料，性別男：女比例為101:100，與抽樣母群體不同(註)。詳如表一

表一、性別分佈表

5-3.每年出生人數分布--統計100萬人樣本及其第1抽樣小組4萬人資料的每年出生人數分布，以卡方分析，其與抽樣母群體之差異均在5%顯著水準以下。

5-4.投保費用--統計100萬人樣本及其第1抽樣小組4萬人資料平均投保金額，以normal test分析，其與抽樣母群體之差異均在5%顯著水準以下。

註: 全民健康保險研究資料庫不含在軍方單位投保者之資料(見100-9版譯碼簿A-58頁之承保檔說明)。

declare
	lv_seed_num    number := 1585131;
	lv_random_num  number ;
	lv_loop_num    number;
	ct             number := 1;
	samp_num      number := 1100000;
BEGIN
   	DBMS_RANDOM.INITIALIZE(lv_seed_num);
   	FOR  lv_loop_num  IN 1..1500000000 LOOP
		lv_random_num := DBMS_RANDOM.RANDOM;
     	if ((lv_random_num < 23251701) and (lv_random_num > 0) ) then
        	INSERT INTO &&1 (RND, SEQ) VALUES (lv_random_num, ct);
         	commit;
         	ct := ct + 1;
     	end if;
    	exit when ct = samp_num + 1;
 	END LOOP;
    DBMS_RANDOM.TERMINATE;
END;
 

關於亂數產生作業，我們係採用Oracle的DBMS_RANDOM套件來執行。DBMS_RANDOM套件提供一個內建的亂數產生器(Oracle’s internal random number generator)，可產生八位整數的亂數。我們在1與22,717,053之間產生110萬個亂數，剔除重複出現的亂數(共25677個)後，共得到1,073,891筆亂數。

5-1.年齡分布-以每5歲(例:0-4歲)為一個年齡層分組，另80歲以上合併為一年齡層，統計各年齡層人數占人口總數 的百分比。比較100萬人樣本及其第1抽樣小組4萬人資料，與抽樣母群體，及內政部公佈之資料，各年齡層人數占人口總數的百分比之分布大致吻合。詳如圖一。

5-2.性別分布- 統計100萬人樣本得性別男：女比例為98:100，與抽樣母群體性別男：女比例相同；其第1抽樣小組4萬人資料性別男：女比例為99:100，比值亦極為接近，以卡方檢定100萬人樣本與抽樣母群體性別男：女比例無差異(χ2=0.008, df=1,p-value=0.931)。內政部公告之94年人口資料，性別男：女比例為103:100，與抽樣母群體不同。詳如表一。

表一、性別分佈表

5-3.每年出生人數分布--統計100萬人樣本及其第1抽樣小組4萬人資料每年出生人數分布，以卡方分析，其與抽樣母群體之差異均在5%顯著水準以下。

5-4.投保費用--統計100萬人樣本及其第1抽樣小組4萬人資料平均投保金額，以normal test分析，其與抽樣母群體之差異均在5%顯著水準以下。

declare
  lv_seed_num number := 1449604;
  lv_random_num number ;
  lv_loop_num number;
  ct number := 1;
  samp_num number := 1100000;
BEGIN
  DBMS_RANDOM.INITIALIZE(lv_seed_num);
  FOR lv_loop_num IN 1..1500000000 LOOP
    lv_random_num := DBMS_RANDOM.RANDOM;
    if ((lv_random_num < 22717054) and (lv_random_num > 0) ) then
      INSERT INTO &&1 (RND, SEQ) VALUES (lv_random_num, ct);
      commit;
      ct := ct + 1;
    end if;
    exit when ct = samp_num + 1;
  END LOOP;
  DBMS_RANDOM.TERMINATE;
END; 

5-1年齡分布-以每5歲(例:0-4歲)為一個年齡層分組，另100歲以上合併為一年齡層，統計各年齡層人數占人口總數 的百分比。比較100萬人樣本及其第1抽樣小組5萬人資料，與抽樣母群體，及內政部公佈之資料，各年齡層人數占人口總數的百分比之分布大致吻合。

5-2性別分布- 統計100萬人樣本得性別男：女比例為106:100，與抽樣母群體性別男：女比例相同(以前四組20萬人進行卡方檢定結果亦同:χ2=1.74, df=1, p-value=0.187)；其第1抽樣小組5萬人資料性別男：女比例為105:100，比值亦極為接近。內政部公告之89年人口資料，性別男：女比例為105:100，與第1組比值相同，與抽樣母群體、100萬人樣本之性別比值亦極為接近。若比較男、女人數占人口總數的百分比，則100萬人及其第1組樣本、抽樣母群體，及內政部公佈之資料，均為女性占49%、男性占51%。

5-3 每年出生人數分布--統計100萬人樣本及其第1抽樣小組5萬人資料的每年出生人數分布，以卡方分析，其與抽樣母群體之差異均在5%顯著水準以下。

5-4.投保費用--統計100萬人樣本及其第1抽樣小組5萬人資料平均投保金額，以normal test分析，其與抽樣母群體之差異均在5%顯著水準以下。