性別間薪資差距之分解分析

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

然能夠提昇模型的解釋力，這個提昇幅度則約2%左右。

第三節、 性別間薪資差距之分解分析

除了分析對於各個自變項對於薪資取得的效果外，更進一步地，本文試圖理 解性別間的薪資差距主要的解釋因素為何。舉例而言，教育對於薪資取得的重要 性眾所皆知，是薪資取得模型中相當具有解釋力的變項。然而，如果男性和女性 受到的教育程度所差無幾，而教育帶來的投資報酬率對兩性也都相同，那麼，教 育就不會是造成兩性薪資差距的原因。

因此，本節主要試圖理解的，是性別間薪資差距的解釋因素。利用先前的 OLS 迴歸模型，本文採用 Oaxaca（1973）的方法進行分解分析，得到的結果如 表 4-3 所表示，此表所採用的女性斜率，即是表 4-1 中模型(15)的迴歸係數；而 男性斜率，則是採用表4-1 的模型(10)。

若是考量選擇性偏誤的存在，則分解分析的結果亦會有所修正。根據調整後 模型（即表 4-1 的模型(10h)和模型(15h)）所得到的分解分析結果，在此僅將最 後的可解釋比例列於表4-3 最下，其餘各變項的細部數值，則列於附錄 2 之中。

表4-3 內的數值，分作兩個欄位：女性斜率與男性斜率，分別代表著分解分 析時所使用的迴歸係數。使用女性斜率時，即為第三章「研究設計」中提到的公 式(1)，使用男性斜率時則為公式(2)。平均數差異（mean difference）即是所謂的

「可解釋部份」，殘餘值（residual）則為所謂「不可解釋的部份」。若為正數，

表示消除兩性在自變項上的差距，有助於解釋性別間的薪資差異，負數則相反，

若是弭平了兩性的自變項在平均數或是斜率的差異，反而會惡化性別間的薪資差 異。

因此，以女性OLS 模型的迴歸係數作為計算時採用的斜率，在「(1)平均數 差異」的部份，解釋性別間薪資差異最高的是勞力市場投入程度，能夠解釋大概

‧

16%的性別薪資差異（0.044 / 0.269=0.163），換言之，這個數字的意思是：「如果 女性仍然維持於原始的迴歸係數，但提昇勞力市場的投入程度到男性的平均水

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

別間的薪資差距反而會拉大。

「(2)殘餘值」的部份，則是表現了由兩性在迴歸係數上的差異所造成的性 別薪資差距。觀察結果，可以發現有些自變項的數值為負，這表示這些自變項反 而拉大男女之間薪資的差異。舉例而言，以職務轉換經驗來說，其殘餘值為 -0.007，這個數值的詮釋為：「如果女性維持了在職務轉換經驗的原始平均水準，

但迴歸係數和男性相同時，則性別的薪資差距不但不會縮小，反而會增加約3%

（|-0.007| / 0.269=0.03）」。

其餘變項的殘餘值，解釋的方式也都相同。會呈現這樣的狀況，每個自變項 則原因不一，例如以職務轉換經驗而言，是因為女性擁有輪調經驗的比例少於男 性，但接受輪調後的報酬率（迴歸係數）比較高，因此一旦將迴歸係數調整到男 性水準時，反而會拉大性別間薪資差距。

但如果是職業類別的部份，則是因為兩性在低階白領與藍領上的係數呈現相 反方向的狀態：對女性而言，低階白領的工作待遇優於藍領，而女性也高比例集 中在低階白領的工作上。但是男性卻更多從事藍領工作，藍領男性工作者也比從 事低階白領工作的男性待遇更為優渥。因此，一旦女性維持原先高比例集中於低 階白領的分配型態，卻只能接受男性低階白領工作的待遇（即迴歸係數），薪資 的差距自然會拉得更大。

不論是職務轉換經驗或是職業類別，都呈現出了：市場給予報酬率的機制是 黑箱未明的過程，迴歸係數的表現亦會受到許多未被放入模型測量的因素所影 響，因此殘餘值的部份，才會常常被稱為是「不可解釋部份」。

若以男性斜率作為分解分析計算時所使用的數值，在平均數差異的部份，可 以解釋薪資差異部份最高的是婚姻狀態和勞力市場投入程度，兩者各自能解釋大 約15%左右的性別薪資差異（0.041 / 0.269=0.15）。使用男性斜率時，以婚姻狀 態作為舉例，數值的意義是指「當男性在婚姻狀態的次數分配上變得和女性相

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

同，但仍然維持自身原先的迴歸係數時，兩性的薪資差距可以降低約15%左右」。 使用男性斜率來計算分解分析，和使用女性斜率時相對照，多數自變項在「(3) 平均數差異」的表現，並沒有與「(1)平均數差異」差太多。少數改變較為激烈 的，是婚姻狀態、職業類別與公司部門。這些變項會改變得較多，主要是來自於 這些變項的男性斜率較大，因此造成當男性將平均數水準調整至與女性相同，卻 仍保持自身的斜率時，計算出來的數值也較高。

整體而言，這份分解分析的結果顯示：模型包含的自變項可以解釋約 17%

到41%的性別薪資差異（視使用何種性別的斜率而定）。最具備解釋能力的自變 項是勞力市場投入程度，不論使用男性斜率或是女性斜率，都能解釋大約 15%

左右的性別間薪資差異，結合表3-1 兩性在勞力市場投入程度的平均數差異，以 及表4-1 男性與女性樣本在勞力市場投入程度的斜率表現，可以發現，這樣的性 別間薪資差異，很有可能是來自於女性較易中斷或停止投入勞力市場的緣故。至 於現任公司年資、職務轉換經驗等勞動經驗，也同樣對於解釋性別薪資差距有所 貢獻。但是僱用身份與職業類別，卻反而會加大性別間的薪資差距。

表4-3 的分解分析，是依據表 4-1 的原始 OLS 迴歸模型所得，若是使用調整 之後的迴歸模型，則自變項對於性別間薪資差異的解釋則會降至 11%至 26%。

基本上解釋幅度的降低，主要是來自於調整後薪資差距的增加，導致分母的擴 大，這表示原始的模型，有可能高估了女性的薪資水準。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y