第四章 民國 88～97 年台中縣各基層農會 人力結構與盈餘之關係
第二節 台中縣各基層農會人力結構與盈餘之關係
依據前文針對台中縣各基層農會人力結構之分析，以及各基層農會營運狀況 之敘述，本節將台中縣各基層農會民國 88～97 年人力結構以及盈餘狀況，利用「迴 歸分析之 Panel Data」分析方式，將各農會各項農會人力結構與盈餘狀況兩者做 相關性的檢驗，以瞭解人力與盈餘之間是否有關係及其關係強度為何。
在此先闡述本研究的分析方法—「迴歸分析之 Panel Data」：在一般之迴歸分 析法中，依據所得到之資料型態可將之分為橫截面（cross section）與時間序列
（time series）兩種類型，傳統之最小平方法（ordinary least squares method, OLS）在資料型態為橫截面（cross section）與時間序列（time series）資料並 存時，會忽略資料間的異質性，無法顯現研究樣本不同的特質，因而發生無效率 的估計結果。
所謂 Panel Data，是一種混和橫截面與時間序列的資料型態，在實證分析上，
它與橫截面（cross section）分析和時間序列（time series）分析最大不同之 處，在於其能有效控制個體之間存在的差異性，可以解決上述兩種分析方法所無 法解決之問題，降低導致估計結果產生偏誤的狀況。Panel Data 也可以獲得更多 的訊息資料，不僅大幅增加自由度，使估計更有效益，同時也提供研究者得以建 立與測試更複雜的模型。運用 Panel Data 亦可控制橫截面上個體異質性和變數在 時間序列的自我相關性問題，對於實證研究與模型的衡量效果上相對較佳。另外，
對於一些較複雜或屬於個體層次的資料，可利用 Panel Data 模型建立樣本資料，
並進行調整分析，以獲取最佳研究結果。
簡而言之，Panel Data 為同時包含橫截面與時間序列資料的資料組合分析模 式，在計量處理分析上具有兩大優點：（1）藉由堆積每個橫截面的時間序列資料 而增加樣本的自由度；（2）結合橫截面與時間序列的共同資訊以降低遺漏變數
（omitted variable）所帶來的問題。
本研究是以 Panel Data 模型來研究台中縣 21 家基層農會人力結構與盈餘之
關係，研究期間為民國 88 年～民國 97 年，資料型態包括橫截面（cross section）
與時間序列（time series）之混和型資料。因此，本研究採用橫截面與時間序列 合併資料模型—Panel Data 模型，可解決最小平方法忽略橫截面與時間序列共存 之資料特性，而產生無效率的估計結果，因為 Panel Data 擁有時間序列的動態特 質並能顧慮樣本的不同特質。
通常 Panel Data 模型設定成 y ＝α＋βx ＋（μit it i＋εit）。y 為應變數，x 為
自變數，α與β為係數，i 與 t 是個別項與時間序列，εit 為誤差項。Panel Data 常見的研究模型有固定效果模型（Fixed-Effect Model，μi在本研究為各農會的 個別固定效果），與隨機效果模型（Random-Effect Model，μi在本研究為各農會 的個別隨機效果），最大的差異在於對εit的假設定義：
一、固定效果模型（Fixed-Effect Model）
固定效果模型又稱為虛擬變數模型（Least Square Dummy Variable Model, LSDV），此模型認為不論代入的 x 為何 i
、
t 下，εit是固定的虛擬變數，個體間的差異性表現均擁有各自之誤差項，非隨機地 i
、
t 不同而改變。（以本文的研究為例）模型設定如下：
yit＝αi＋βxit＋εit, εit ~iid N
(
0,σ2)
i：1,……,N，代表基層農會。
t：1,……,T，代表觀察時間。
yit：表示第 i 個基層農會在第 t 年之盈餘。
xit：表示第 i 個基層農會第 t 年所對應的人力結構。
β：為斜率，代表每一農會人力結構對農會盈餘的影響。。
αi：各農會的固定效果，為不隨時間變動的固定特質。
t
εi ：為誤差項（為各基層農會 i 在各觀察時間 t 出現之隨機誤差）。
二、隨機效果模型（Random-Effect Model）
隨機效果模型又稱為誤差成分模型（Error Component Model），此模型認為εit
的變化是代入的 x 依母體隨機地 i
、
t 不同而有差別，強調整體的關係，假設各單位結構或時間變動所造成之差異是隨機產生，於 i
、
t 序列並存的樣本截距是隨機 之情形。（以本文的研究為例）其模型設定如下：yit＝α＋βxit＋（μi＋εit）, μit ~iid N
(
0,σ*2)
, εit ~iid N(
0,σ2)
i：1,……,N，代表基層農會。
t：1,……,T，代表觀察時間。
yit：表示第 i 個基層農會在第 t 年之盈餘。
xit：表示第 i 個基層農會第 t 年所對應的人力結構。
β：為斜率，代表每一農會人力結構對農會盈餘的影響。
α：常數項。
μi：為各農會的個別隨機效果，不隨時間變動。
t
εi ：為誤差項（為各基層農會 i 在各觀察時間 t 出現之隨機誤差）。
農會的經營，除了人力的因素外，各個農會因為在地文化的關係，相互之間 也會有不同的差異（母體的範圍較大），因此，本文利用Panel Data隨機效果模型
（Random-Effect Model）3，分別就台中縣各基層農會「29 歲以下」、「30-39 歲」、
「40-49 歲」、「50-59 歲」、「60 歲以上」、「大學以上」、「專科」及「高中以下」之
3 分析結果原始資料詳見附錄二。
人力結構分類，進行與各基層農會民國 88～97 年盈餘狀況所做之整體綜合分析，
其分析結果分別如下：
結果
變數 係數 Coef. 標準誤 Std.Err. P 值 29 歲以下 -184.1865 297.2045 0.535
30-39 歲 988.3921 239.095 0.000*
40-49 歲 -123.0627 361.1356 0.733 50-59 歲 1021.553 630.8252 0.105 60 歲以上 1260.314 1649.1 0.445 大學以上 1889.991 568.4217 0.001*
專科 459.617 319.8014 0.151 高中以下 239.122 204.7552 0.243 i = 21, = 10, t σˆ*2 = 10796.44, σˆ2 = 40218.96
R : 2 within = 0.2397 between = 0.1862 overall = 0.2157 資料來源：本研究估計。
註：P 值旁「*」號，表示雙尾檢定在 5％的顯著水準下顯著。
係數：平均每位員工為農會帶來的產值，單位為仟元。
由上列之分析結果可以得知，以年齡之人力結構而論，只有「30-39 歲」人力 結構與農會盈餘具有顯著相關性，「29 歲以下」、「30-39 歲」、「40-49 歲」、「50-59 歲」及「60 歲以上」人力結構與農會盈餘不具有顯著相關性，「30-39 歲」人力結 構與農會盈餘顯示有正向的關係，也代表著每一個「30-39 歲」的人力，不分男女，
每年可以為農會帶來新台幣 988.3921 仟元的產值；此也正表示農會「30-39 歲」
此項人力結構，與一般社會具生產力的主要人力結構有相契合的關連性。
以學歷之人力結構而論，依據隨機效果模型（Random-Effect Model）之分析
結果，「大學以上」、「專科」及「高中以下」三項人力結構與農會盈餘的相關性，
只有「大學以上」人力結構與農會盈餘有顯著的正向關係，「專科」及「高中以下」
2 項人力結構與農會盈餘，則無顯著的相關性，代表著每一個「大學以上」的人力，
不分男女，每年可以為農會帶來新台幣 1889.991 仟元的產值；此也正表示農會「大 學以上」此項人力結構，與一般社會具生產力的主要人力結構有相契合的關連性。
以上述結果而論，「30-39 歲」及「大學以上」兩項人力結構是與農會盈餘具 有正向的關連性，此也相當符合一般社會人力資源與經營績效之關連性，所以農 會若要有效提升經營績效，就進用人員學歷而言，勢必應該進用大學（含）以上 學歷之人員，相對的，要準確的達到上述的要求，「農會人事管理辦法」應做一番 的修訂，單以「農會人事管理辦法」中「農會員工各職等應具資格標準表」，即應 該修訂各職等學歷要求的標準，以符合現今社會現實情形，另外，已經在職但學 歷不足之職員，應該對其加強員工之職業訓練，鼓勵員工在職進修，以提升人力 結構之素質，對於「30-39 歲」人力結構更應該要求與培養，以做為農會主要人力 資源。