第六章 實證結果
6.4 內生性問題與限制
本文遭遇到各種內生性問題，首先面臨到的是樣本自我選擇可能造成的誤差。本文 全樣本數為 15 多萬筆，其中只有 2 萬多筆有雇用外勞，就一般理解，會雇用外勞的廠 商比較需要外勞，也就是說相對於沒雇用的廠商，其外勞雇用對於生產的幫助應較大，
若直接排除沒雇用外勞的樣本，將造成外勞效果高估的狀況；本勞工資方面，考量缺工 越嚴重的廠商越傾向雇用外勞，或是制度上才擁有雇用外勞的權利，沒雇用外勞廠商則 相對較不具缺工狀況，其雇用外勞對於本勞工資的影響應該更為負面，故排除沒雇用外 勞樣本將低估外勞對於本勞工資的傷害。表6-18 發現排除沒雇用外勞樣本的係數變動符 合預期，排除過後的外勞數量對於附加價值貢獻較大、外勞比例對於勞動生產力及本勞 工資傷害較小。除此之外，考量沒雇用外勞廠商可能因生產力低落而退出市場，導致全 樣本可能仍存在樣本選擇問題，致使低估外勞雇用帶來的貢獻。
接著是估計誤差問題。為了避免以自然對數分析時排除掉外勞數量為 0 的樣本，產 生樣本選擇問題，我們將沒雇用外勞人數的樣本外勞人數調整為 1，並且以此設定了外 勞比例變數lnFL_L2。考慮不同的設定是否會產生估計上的誤差，故將外勞數為 0 的樣本 改為0.0001，設定新的外勞比例變數 lnFL_L4，表 6-19 列出製造業及電子業更改前後的 係數估計。不論哪一種模型，各個變數的係數值、標準差皆相同，僅fl_emp 在變更之後 大幅膨脹，由此可知不論設定外勞數目數目為何，皆不影響係數之估計。因此，原先之 設定並未導致估計誤差。
再來是遺漏變數問題。雖然藉由全樣本估計避免樣本選擇問題，然而，是否雇用外 勞可能隱含了許多無法觀察到的遺漏變數，故藉由實際上是否雇用外勞的虛擬變數 fl_emp 來固定雇用與否兩個群體之間的遺漏變數，使外勞數量或是比例的效果更加準 確，不過這也使得fl_emp 的係數是否可以說明因果關係產生爭議。本文傾向解釋其可能 的因果關係，因為若完全將其忽略，則生產力、工資都僅出現一單一結果，即外勞比例 越高廠商生產力、本勞工資越低，這完全否認外勞可能的貢獻，與現實產生違背。除此 之外，本文藉由工廠及員工特性控制住各種可能影響生產力及本勞工資的變數，且同時 控制住產業及年度的虛擬變數，雖盡力降低遺漏變數存在的可能性，但仍無法確定是否 有漏網之魚。
最後是同時性的問題。一般來講，勞力密集、缺工嚴重、生產力較低的廠商較會雇 用外勞且可能雇用的比例較高，這導致實證上隨外勞比例越高而生產力越低的結果可能
84
隱含了部分同時性的影響，相對的，fl_emp 係數為正則似乎可說明外勞雇用對於生產力 有幫助，且係數大小因為同時性而被低估；本勞工資方面，就常理而言，本勞工資較高 會促使廠商有更高的誘因雇用外勞，或是雇用更高比例的外勞，經過實證，有雇用外勞 的工廠其本勞工資較高的結果可能隱含了同時性的問題，而外勞比例上升對於本勞工資 的傷害則因為同時性而被低估。
解決內生性當推工具變數，然而，令人悲傷的是，工廠之中的各變數之間相互有關，
難以區別出與外勞有關但與產出、生產力、本勞工資無關的工具變數，此為本文最大的 限制。雖然本文盡量避免了樣本自我選擇、估計誤差、遺漏變數，但仍無法避免其餘看 不到的遺漏變數以及同時性問題。不過，儘管如此，由本文的實證結果至少可以確定外 勞比例上升將促使本勞工資下降，而「超越缺工」也將促使生產力、本勞工資有下降的 趨勢。
85
lnKL 0.186*** 0.223*** 0.0206*** 0.0242***
[0.00177] [0.00463] [0.000385] [0.00101]
lnFL_L2 -0.0347*** 0.109*** -0.0240*** -0.00837***
[0.00393] [0.00543] [0.000773] [0.00122]
lnML 0.0282*** 0.0325***
[0.000496] [0.00119]
fl_emp 0.130*** 0.305*** 0.0112***
[0.0135] [0.0128] [0.00298]
ex_fl -0.0214** -0.0000882 -0.0302*** 0.000212 -0.00419* -0.00568**
[0.00956] [0.0118] [0.00972] [0.0118] [0.00235] [0.00266]
info_elec_fl -0.0430** 0.190*** 0.0254 0.215*** 0.0409*** 0.191***
[0.0194] [0.0580] [0.0198] [0.0588] [0.00416] [0.00922]
metal_fl -0.0293** 0.445*** -0.0586*** 0.421*** 0.0107*** 0.0922***
[0.0117] [0.0359] [0.0118] [0.0362] [0.00285] [0.00807]
chemical_fl -0.0131 0.950*** -0.0382*** 0.915*** 0.00915*** 0.0590***
[0.0134] [0.125] [0.0136] [0.129] [0.00335] [0.0199]
lnAGE -0.0310*** 0.00955 -0.0233*** 0.0301*** 0.00776*** 0.0259***
[0.00349] [0.00806] [0.00349] [0.00807] [0.000719] [0.00166]
small_firm -0.0320*** 0.0454 -0.104*** -0.0945** 0.0203*** -0.0180*
[0.00710] [0.0428] [0.00656] [0.0427] [0.00147] [0.0107]
large_firm 0.0564*** 0.0549*** 0.173*** 0.192*** 0.0610*** 0.0720***
[0.00703] [0.0116] [0.00593] [0.00898] [0.00142] [0.00230]
wdispersion -0.0934*** -0.108* -0.131*** -0.274*** 0.335*** -0.144***
[0.0146] [0.0576] [0.0147] [0.0574] [0.00413] [0.0173]
age3055r -0.0651*** -0.00898 -0.0864*** -0.0642** 0.278*** 0.315***
[0.0107] [0.0312] [0.0107] [0.0315] [0.00260] [0.00766]
age55r -0.336*** -0.458*** -0.373*** -0.584*** 0.297*** 0.293***
[0.0160] [0.0475] [0.0160] [0.0475] [0.00393] [0.0121]
avg_male 0.180*** 0.173*** 0.180*** 0.157*** 0.218*** 0.297***
[0.0101] [0.0272] [0.0101] [0.0273] [0.00248] [0.00645]
human_cap 0.407*** 0.703*** 0.433*** 0.819*** 0.192*** 0.337***
[0.0195] [0.0618] [0.0196] [0.0624] [0.00424] [0.0129]
Observations 147430 24237 147430 24237 147430 24237
表 6-20：製造業不同樣本數量估計結果一覽
86
lnKL 0.186*** 0.186*** 0.0206*** 0.0206*** 0.188*** 0.188*** 0.0203*** 0.0203***
[0.00177] [0.00177] [0.000385] [0.000385] [0.00727] [0.00727] [0.00126] [0.00126]
lnML 0.0282*** 0.0282*** 0.0311*** 0.0311***
[0.000496] [0.000496] [0.00153] [0.00153]
lnFL_L2 -0.0347*** -0.0240*** -0.0442*** -0.0127***
[0.00393] [0.000773] [0.0128] [0.00202]
lnFL_L4 -0.0347*** -0.0240*** -0.0442*** -0.0127***
[0.00393] [0.000773] [0.0128] [0.00202]
fl_emp 0.305*** 0.625*** 0.0112*** 0.232*** 0.303*** 0.710*** 0.0255*** 0.143***
[0.0128] [0.0429] [0.00298] [0.00863] [0.0264] [0.133] [0.00523] [0.0225]
ex_fl -0.0302*** -0.0302*** -0.00419* -0.00419*
[0.00972] [0.00972] [0.00235] [0.00235]
info_elec_fl 0.0254 0.0254 0.0409*** 0.0409***
[0.0198] [0.0198] [0.00416] [0.00416]
metal_fl -0.0586*** -0.0586*** 0.0107*** 0.0107***
[0.0118] [0.0118] [0.00285] [0.00285]
chemical_fl -0.0382*** -0.0382*** 0.00915*** 0.00915***
[0.0136] [0.0136] [0.00335] [0.00335]
lnAGE -0.0233*** -0.0233*** 0.00776*** 0.00776*** 0.0889*** 0.0889*** 0.00993*** 0.00993***
[0.00349] [0.00349] [0.000719] [0.000719] [0.0180] [0.0180] [0.00227] [0.00227]
small_firm -0.104*** -0.104*** 0.0203*** 0.0203*** -0.0971*** -0.0971*** -0.0182*** -0.0182***
[0.00656] [0.00656] [0.00147] [0.00147] [0.0234] [0.0234] [0.00470] [0.00470]
large_firm 0.173*** 0.173*** 0.0610*** 0.0610*** 0.128*** 0.128*** 0.0588*** 0.0588***
[0.00593] [0.00593] [0.00142] [0.00142] [0.0236] [0.0236] [0.00433] [0.00433]
wdispersion -0.131*** -0.131*** 0.335*** 0.335*** -0.262*** -0.262*** 0.149*** 0.149***
[0.0147] [0.0147] [0.00413] [0.00413] [0.0700] [0.0700] [0.0182] [0.0182]
age3055r -0.0864*** -0.0864*** 0.278*** 0.278*** -0.132*** -0.132*** 0.289*** 0.289***
[0.0107] [0.0107] [0.00260] [0.00260] [0.0454] [0.0454] [0.00890] [0.00890]
age55r -0.373*** -0.373*** 0.297*** 0.297*** -0.299*** -0.299*** 0.327*** 0.327***
[0.0160] [0.0160] [0.00393] [0.00393] [0.0760] [0.0760] [0.0166] [0.0166]
avg_male 0.180*** 0.180*** 0.218*** 0.218*** 0.242*** 0.242*** 0.263*** 0.263***
[0.0101] [0.0101] [0.00248] [0.00248] [0.0391] [0.0391] [0.00806] [0.00806]
human_cap 0.433*** 0.433*** 0.192*** 0.192*** 0.446*** 0.446*** 0.371*** 0.371***
[0.0196] [0.0196] [0.00424] [0.00424] [0.107] [0.107] [0.0147] [0.0147]
Observations 147430 147430 147430 147430 13150 13150 13150 13150
87
第七章 結論、研究限制及未來方向
7.1 結論及政策意涵
從台灣的外勞議題切入，1980 年代後期民間「缺工」聲音不斷，為了補足國內「缺 工」需求，政府遂開放引進外勞，但同時在引進政策上至少存在「限制特定產業、職業」、
「限制雇用外勞比例」、「補充缺工」等三種重要規範，以確保外勞引進不具有自由化以 維持其「補充性」。儘管如此，如本文資料顯示，雖然政府於 1998 至 2003 年仍採「限 業」、「比例限制」政策，然而隨著政府設定不同的開放專案，製造業中各個產業除了「菸 草業」、「石油及煤製品製造業」雇用外勞為個位數之外，其餘產業皆可大量地雇用外勞，
且工廠雇用比例並不有效地受到「比例限制」，故外勞雇用限制只剩「補充缺工」政策可 能具有限制力。此外，「缺工」在吳惠林與張清溪(1991)分析中定義為「在現行的市場薪 資率或工作條件下，勞動需求大於勞動供給的數量」，是否缺工象徵了廠商面對市場的不 同狀態，可能導致外勞雇用效果的變化。
隨著外勞數量越加龐大，各界對外勞帶來的經濟效果質疑不斷，諸如造成本勞失業、
勞動條件下降、替代資本雇用、延緩技術升級等等，但較少研究談論到外勞對於廠商生 產力的影響。故本文以1990 年開始發展的 Matched Employer-Employee data 分析方式著 手分析1998 至 2003 年台灣製造業工廠雇用外勞的生產力效果，實證的應變數為附加價 值(lnV)、平均勞動附加價值(lnAVL)、Levinsohn-Petrin 生產力(lnomega)，並對照外勞雇 用對於廠內本勞工資的影響。本文依「外勞作為補充勞力」的說法，預期隨著外勞雇用 fl_emp 將促使生產力提升，同時設定「超越缺工」變數 ex_fl，觀察當增加聘雇的外勞數 量超過缺工增加人數時，是否會帶來負面效果；而在數量上，又依「外勞生產力較本勞 為低」的假設，預期當外勞雇用比例越高時，將造成生產力越趨下降；產業上，考量隨 產業不同可能會有不同的聘雇外勞效果，故再增設四大行業外勞雇用變數 life_fl、
info_elec_fl、metal_fl、chemical_fl，以作為產業開放上的參照。而考量外勞雇用可能與 工廠內許多因素相關，故利用合併資料的優勢充分控制其他各個工廠、員工特性變數，
並觀察其與外勞雇用的相互關係。而除了製造業作為全樣本之外，本文再獨立電子業進 行實證。
在實證中觀察變數之間相關性發現，工廠雇用外勞與否、或是雇用外勞比例的大小，
確實與各特性變數高度相關：廠齡越高、工廠規模越大、工資分散度越低、員工年齡層
88
越低、男性比例越高、人力資本越低的工廠伴隨著雇用外勞的可能性越高；然而雇用比 例大小上則呈現雇用外勞的工廠中，廠齡越高、工廠規模越低、工資分散度越大、年齡 層越高、男性比越低、人力資本越低的工廠伴隨著較高的外勞比例。
本文實證結果顯示，製造業、電子業雇用外勞對於附加價值 value_added 分別有 13.0%、13.6%的貢獻，然而隨雇用外勞數量每上升 1%其分別僅貢獻 0.0735%、
0.0327%，約占本勞數量上升 1%貢獻的 8%、3.5%，可見外勞雇用在附加價值上呈現強 烈邊際效益遞減的狀況；在AVL 方面，雇用外勞工廠的 AVL 在製造業及電子業分別高出 沒雇用工廠 30.5%、30.3%，然而隨著雇用佔本勞比例上升所有的 1%，將使 AVL 下降 0.0347%、0.0442%；在 Levinsohn-Petrin 生產力方面，外勞比例規模變數由小到大 small_FL_L、middle_FL_L、large_FL_L 在製造業及電子業對於生產力的貢獻分別為 24.5%、20.6%、30.0%，以及 29.6%、23.0%、27.5%，雖然不論製造業或電子業雇用 外勞的工廠其生產力皆較高，但雇用外勞比例的規模越大對於生產力可能反而有負面影 響；在工資方面，若以外勞比例作為解釋變數可發現，有雇用外勞的工廠其在製造業、
電子業分別提升本勞平均工資1.12%、2.55%，但透過外勞比例每上升所有的 1%將使平 均工資下降 0.0240%、0.0127%。而若以外勞比例規模作解釋變數，則發現製造業外勞 規模由小到大將使工資下降1.73%、2.09%、3.06%，隨規模越大工資被壓越低。然而，
電子業則綜合了雇用效果及雇用比例之後其係數不具有顯著性。
由本文可發現外勞的效果具有轉折，外勞雇用與否以及外勞雇用數量多寡對生產 力、工資有不同的效果，映證了廠商面對市場時「缺工與否」的不同狀態造成的影響。
當廠商藉由雇用外勞來補足「缺工」時，外勞雇用對於附加價值、AVL、Levinsohn-Petrin 生產力都有明顯的幫助，但當外勞雇用數量益多、外勞佔本勞比例越高時，可能意謂了 廠商較遠離「缺工」狀態，且隨著外勞數量、比例越高，廠商對本勞的勞動需求下降，
使得本勞被低技術外勞低價替代的可能性越高，因而造成廠商生產力、本勞的工資雙雙 隨著外勞比例上升而下降。可見在外勞雇用上可能存在一最適比例，當達到這比例生產 力最高，但超出之後則將產生問題。然而，最適比例無法由本文實證看出，故回到「缺 工」邏輯來看，如果沒人做的工作找外勞來作，其生產力自然上升，但若有本勞想做的 工作還是讓外勞作，則造成技術下降，故「缺工比例」應是最適的外勞比例。
進一步以中行業該年增加的外勞數量是否超過增加的「缺工」數量設為「缺工變數」
進行實證。製造業中，隸屬於「超越缺工」產業的工廠其附加價值、AVL 皆顯著較低，
但Levinsohn-Petrin 生產力、工資上雖為負向，但不具有顯著性，且對於附加價值、AVL
89
90
集、缺工嚴重、生產力較低的廠商較會雇用外勞且可能雇用的比例較高，本勞工資較高 會促使廠商有更高的誘因雇用外勞，或是雇用更高比例的外勞。這些內生性可能導致本
集、缺工嚴重、生產力較低的廠商較會雇用外勞且可能雇用的比例較高，本勞工資較高 會促使廠商有更高的誘因雇用外勞，或是雇用更高比例的外勞。這些內生性可能導致本