台灣地區職業災害殘廢死亡比與傷害死亡比之相關分析 - 31

表十一 七大行業職業災害殘廢死亡比與傷害死亡比相關分析

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

殘廢比

傷病比

殘廢比 傷病比

Correlation is significant at the 0.01 level (2-tailed).

**.

從表十一可知，這七大行業職業災害殘廢死亡比與傷害死亡比經過 Pearson Correlation 檢定之相關係數達到 0.889，其雙尾檢定之 P 值趨近於 0，可以說是極為明顯的正相關，可以得到台灣地區七大行業職業災害殘

4.2 以變異數分析評估各不同行業之事故金字塔間比例關係

4.2.1 製造業及營造業事故金字塔之變異數分析

以上述的職業災害事故金字塔模型，如果各產業間的比例關係各不 相同，則將在推算職業災害的成本時，即需分行業各自建立本身的事故金 字塔模型，而不能一體套用全產業的模型。事實上，在 1993 年 HSE 之”The Cost of Accidents at Work.”中，依行業別提出不同的事故金字塔模型，即是 認定各行業之間存在不同的比例關係，但並無進一步的統計分析以資證 明。為證明台灣地區各產業之間的比例關係確實不同，並非來自於誤差，

本研究仍採用 2001 年至 2006 年這六年的數據，先就製造業及營造業進行 變異數分析（ANOVA），若得到顯著差異的結果，即可證實不同行業應採 取不同的模型。

經過變異數分析的結果（如表十二），我們可以看出，無論是殘廢 死亡比或傷病死亡比，P值均小於0.05，清楚的顯示製造業及營造業的模 型存在顯著差異，也就可以推斷，各行業應各自依其職業災害數據發展其 事故金字塔模型，以做為各自成本估計的基礎。

而這個結果也代表，雖然由前一節4.1.3的研究結果證實台灣地區七 大行業職業災害殘廢死亡比與傷害死亡比為正相關，但各行業仍應有獨立 之事故金字塔模型，而這些事故金字塔的模型已經在前面依台灣地區勞工 保險之職業災害補償給付資料建置完成，由4.1.1之表六及4.1.2之表九可以 查得。

表十二 製造業及營造業（殘廢/死亡、傷病/死亡）之ANOVA

Sum of Squares df Mean Square F Sig.

Between Groups 783.241 1 783.241 110.973 .000

Within Groups 84.695 12 7.058

殘廢死亡比

Total 867.937 13

Between Groups 12642.035 1 12642.035 14.324 .003 Within Groups 10590.719 12 882.560

傷病死亡比

Total 23232.754 13

4.2.2 台灣地區七大行業殘廢死亡比與傷害死亡比之變異數分析 Comparisons（如表十三）。就職業災害傷病死亡比所進行之 Multiple Comparisons 結果，另列於後（如表十四）。

表十三 職業災害殘廢死亡比 ANOVA 之 Multiple Comparisons

業別 業別

運輸倉儲 水電燃氣 1.3433 1.22641 .925 -2.4970 5.1836

製造業 水電燃氣 17.5300(*) 1.22641 .000 13.6897 21.3703

批發零售 8.2717(*) 1.22641 .000 4.4314 12.1120

Based on observed means.

* The mean difference is significant at the .05 level.

由上面職業災害殘廢死亡比之 Multiple Comparisons 可已發現，七大 行業間的差異性並不都是很明顯的，僅僅製造業和批發零售業與其他行業

管理技術差異之外，更主要的原因是不同行業之間，各自存在著發生危險

表十四 職業災害傷病死亡比 ANOVA 之 Multiple Comparisons

水電燃氣 批發零售 -121.6633(*) 14.08787 .000 -165.7771 -77.5495

農林漁牧 -1.3017 14.08787 1.000 -45.4155 42.8121

運輸倉儲 -35.8117 14.08787 .177 -79.9255 8.3021

製造業 -129.9950(*) 14.08787 .000 -174.1088 -85.8812

營造業 -66.2017(*) 14.08787 .001 -110.3155 -22.0879

礦、土石 -10.1507 14.77548 .992 -56.4176 36.1163

批發零售 水電燃氣 121.6633(*) 14.08787 .000 77.5495 165.7771

農林漁牧 120.3617(*) 14.08787 .000 76.2479 164.4755

運輸倉儲 85.8517(*) 14.08787 .000 41.7379 129.9655

製造業 -8.3317 14.08787 .997 -52.4455 35.7821

營造業 55.4617(*) 14.08787 .006 11.3479 99.5755

礦、土石 111.5127(*) 14.77548 .000 65.2457 157.7796

農林漁牧 水電燃氣 1.3017 14.08787 1.000 -42.8121 45.4155

批發零售 -120.3617(*) 14.08787 .000 -164.4755 -76.2479

運輸倉儲 -34.5100 14.08787 .210 -78.6238 9.6038

製造業 -128.6933(*) 14.08787 .000 -172.8071 -84.5795

營造業 -64.9000(*) 14.08787 .001 -109.0138 -20.7862

礦、土石 -8.8490 14.77548 .996 -55.1159 37.4179

運輸倉儲 水電燃氣 35.8117 14.08787 .177 -8.3021 79.9255

製造業 水電燃氣 129.9950(*) 14.08787 .000 85.8812 174.1088

批發零售 8.3317 14.08787 .997 -35.7821 52.4455

農林漁牧 128.6933(*) 14.08787 .000 84.5795 172.8071

運輸倉儲 94.1833(*) 14.08787 .000 50.0695 138.2971

營造業 63.7933(*) 14.08787 .001 19.6795 107.9071

礦、土石 119.8443(*) 14.77548 .000 73.5774 166.1113

營造業 水電燃氣 66.2017(*) 14.08787 .001 22.0879 110.3155

批發零售 -55.4617(*) 14.08787 .006 -99.5755 -11.3479

農林漁牧 64.9000(*) 14.08787 .001 20.7862 109.0138

運輸倉儲 30.3900 14.08787 .344 -13.7238 74.5038

製造業 -63.7933(*) 14.08787 .001 -107.9071 -19.6795

礦、土石 56.0510(*) 14.77548 .009 9.7841 102.3179

礦、土石 水電燃氣 10.1507 14.77548 .992 -36.1163 56.4176

批發零售 -111.5127(*) 14.77548 .000 -157.7796 -65.2457

農林漁牧 8.8490 14.77548 .996 -37.4179 55.1159

運輸倉儲 -25.6610 14.77548 .597 -71.9279 20.6059

製造業 -119.8443(*) 14.77548 .000 -166.1113 -73.5774

營造業 -56.0510(*) 14.77548 .009 -102.3179 -9.7841

Based on observed means.

* The mean difference is significant at the .05 level.

由表十三及表十四之職業災害殘廢死亡比與傷病死亡比 ANOVA 之 Multiple Comparisons 來看，製造業及批發零售業與其他行業之差異性均 較明顯，而營造業之傷病死亡比變異數分析之結果和其他行業也有較明顯

從以上的分析研究研究可以得知，事故金字塔模型所傳達的意義，是 一旦發生事故後可能的嚴重程度，有助於觀察風險評估中的災害嚴重率，

但是無法藉以判斷事故的發生機率，還是要從實際的資料庫統計數字得 知。

另外，由於製造業推行職業安全衛生的歷史較久，政府相關單位及學 界對相關的案例及數據的蒐集也較齊全，在政府或職業安全衛生團體對於 事業單位實施教育宣導及輔導，或學校、教育訓練機構對於學生、職業安 全衛生從業人員之教學，一般多是以製造業的經驗或案例為之，以本研究 的結果看來，製造業的風險特性和其他行業差距最大，顯然是相當不合 理。