📋 計算方式與資料來源說明

資料來源

本工具的統計基礎來自行政院主計總處公開發布的薪資調查、人口普查及縣市統計資料，並參考國內學術研究對各年齡層生活型態的估算結果，包含：

• 各縣市受僱員工薪資分布
• 全國人口年齡與性別結構
• 各年齡層結婚率、吸菸率、肥胖盛行率等生活指標
• 汽車及不動產持有率之推估數據

所有原始數據均經過整合與校正，以反映當前台灣社會的實際狀況。

計算邏輯

這個工具的核心概念很簡單：把你的每一個條件，換算成「符合這個條件的人佔總人口的比例」，再把所有條件疊加起來。

舉個例子：如果你要求對方在北部、有一定薪資、未婚，工具就會先找出北部有這個薪資水準的人有多少，再從裡面篩掉已婚的，最後換算成「你大概要遇到多少人才會遇到一個符合條件的」。

幾個特別的地方：

• 薪資的計算會考慮年齡，因為同樣的薪資在不同年齡層代表不同的意義
• 有車有房不是獨立的，會同時受到薪資水準與年齡的影響——年輕但高薪的人有車機率高，但有房機率仍然偏低
• 地區會影響薪資門檻的嚴格程度，同樣的薪資條件在北部比南部更難達到
• 所有條件都在後端伺服器完成計算，前端只負責顯示結果

關於準確度

這是一個統計估算工具，不是精確預測。現實中的人不會整齊地落在統計分布裡，加上資料本身存在調查誤差與時間落差，實際數字僅供參考與娛樂用途。

我們的目標不是給你一個「正確答案」，而是讓你對自己的擇偶條件有一個有趣的量化視角。

資料缺口怎麼處理？

並非所有條件都有官方統計可以直接引用。對於這類資料，我們採取以下幾種方式處理：

🔬 有研究文獻、但缺乏本土大規模調查的項目

例如生理尺寸相關數據，我們參考了國際泌尿科與性別醫學期刊中針對亞洲族群的實測研究，以常態分布模型進行估算。這類數據的分布形狀在學術上有相對穩定的共識，即使樣本來自不同研究，中位數與離散程度的差異通常在合理範圍內。

🏠 有房比例、有車比例

官方統計有汽車掛牌數與不動產登記資料，但這些數字無法直接換算成「某個年齡、某個薪資水準的人持有的機率」。我們的做法是：

• 以薪資水準作為基礎，推估對應的財力區間，再轉換成持有機率的範圍
• 再疊加年齡因素進行修正——同樣的薪資條件，35歲的人和25歲的人，在房產持有上的現實差距非常顯著
• 最後以官方統計的整體持有率作為錨點，確保估算結果不會偏離現實太遠

這樣的設計讓「有車有房」不是一個獨立勾選的開關，而是一個與薪資和年齡連動的動態機率。

📐 外貌、身材、胸圍等主觀或調查不足的項目

這類條件缺乏大規模客觀統計，我們的處理方式是：

• 參考國內健康署、國民營養調查等資料中的體型分布
• 外貌評分採用遞減比例設計——並非線性，因為「高顏值」本身就是一個定義模糊、標準因人而異的概念，越嚴格的要求對應越陡峭的人口縮減

這些項目的估算誤差相對較大，因此我們在設計上刻意讓它們的影響可感知但不主導結果，避免單一主觀條件過度扭曲整體數字。