國內對於產業的研究部分，有邱耿中(2003)提出關於製造業廠商存 活、退出與轉業（switch）的動態分析。其資料是運用經濟部民國 81 年到 84 年、民國 86 年到 88 年的製造業工商校正及營運調查資料，樣本數為 13,974 筆。實證結果指出，影響廠商存活的時間模型以對數邏輯斯模式
（log-logistic）分配較佳，且研發支出與廠商的存活時間呈現正相關，但不 顯著；至於廠商的取代效果相當顯著。但研究中也提出，廠商的規模、外 銷占營收比等，對退出率有負面的影響，卻對轉業率有正向的影響。
張麗娟(2009)針對台灣的銀行業做危機預警的分析研究。文章以台灣
自民國 85 年至 95 年，共 11 個財務年度、十家發生危機事件的銀行及四十 家非違約銀行做樣本，分別運用韋伯模式(Weibull model)、對數常態模式 (Log-normal model)及對數邏輯斯模式等三個模型，做配適度的分析。實證 結果顯示，以對數常態模型的配適程度最佳；進而言，此一分配的時間是 呈現先遞增後遞減的形式，符合企業永續經營的型態。由實證結果亦顯示，
銀行財務績效不佳、淨值為負以及管理者替換頻率過高等，都顯著的影響 公司存活率。但文中亦提出未將”質化”的變數納入其中，為其缺憾之一；至 於樣本中違約銀行的樣本數較少，會相對造成預警模型有所誤差，是該研 究不足的部份；且景氣大約二十年是一個循環，而該文的觀察期間是十一 個財務年度，若期間再予以拉長，將更有助於預警模型的準確度。
在丁崇德、陳怡君(2008)提出的『應用存活分析法探討國內航線之營 運』一文中，曾使用民航局提供國內客運航線營運的月資料，觀察期間以 民國八十九年到民國九十六年止，選取國內航空公司的七十一個航線作樣 本，使用 Cox 比例危險廻歸（Cox proportional hazards regression）估計航空 公司存活的機率以及死亡的機率。 以航線飛行班次、可售座位數、載客人 數、商務航線、以及高鐵起迄點是否有所重複等因子做為探討的變數，分 別計算相對的危險率。實證結果指出，得到載客人數越少相對載客人數越 多，則航線結束的危險率愈高，此外商務航線較少，與高鐵起迄地點重複 等因素，其危險率亦相對較高。但文中亦提出，因高鐵為民國九十六年一
月開始營運，其觀察期只有一年，若能拉長觀察期間，探討其後續對商務 航線的影響為何，則能給予航空業者更大的幫助。
馬宣羽、朱珊瑩(2008)針對產業生命週期對廠商存活與規模關係的影 響，也做了更詳細的探討。樣本利用 DTI-Meeks-Whittington 資料庫，觀察 期間為 1955 至 1985 年、存活五年以上的英國製造業、營造業與物流業及 各種服務業，共 2,623 家的廠商為樣本，利用 Cox 比例危險模型，分析廠 商進入市場的規模，和市場的成熟度是否對存活率有所影響，及使用生命 表分析法(life-table analysis)，計算廠商存活的比率和危險率，接著運用 Log-rank 檢定、Wilcoxon 檢定、以及 Likelihood ratio 檢定等，驗證廠商規 模的大小在不同的產業生命週期，是否有所不同。結果指出，規模較小的 廠商，其危險率顯著比大廠來得高，但文中亦提出當規模較小的廠商，若 在產業成熟階段才進入市場，則危險率雖然仍比大規模廠商來得高，但已 下降許多。此外不論對規模較小或較大的廠商而言，較早進入市場皆會因 為相對熟悉市場，而較之於晚期才選擇進入的廠商，有較低的危險率。
莊中銘（2005）則是以台灣製造業為例，運用每五年辦理一次的普查 資料， 以廠商所填報的營利事業統一編號及業別代碼，進行實證分析。分 別使用廠商資產總值、勞動報酬、員工人數、資本勞動比、資本產值比、
利潤率、產業集中度、最小效率規模、進入率和轉業率進行廠商的存活分 析。首先先進行存活時間的分配函數選擇，發現Ｗeibull 分配的適合度和解
釋能力較佳。而在變數解釋能力方面，最小效率規模與產業集中度，實證 (1997~2001)
以保戶的年齡、性別、 (1994~1998)
實證結果顯示，廣告費 用、研發費用、初使規 模等皆對廠商的存活 率有顯著的影響。
台灣金融業 (1996~2006)
對數常態模型的配程度 (1978~1992)
實證結論指出,製造業