第三章 研究設計與實施
第五節 學用落差影響因素之考驗分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五節 「學用落差」影響因素之考驗分析
本章第二節及第三節時已用「卡方檢定」及「事後比較」，分別對「垂 直」面向的「學用落差」（「過度教育」、「教育資格不足」），以及「水平」
面向的「學用落差」（「用非所學」）進行背景變項之差異分析。
經「卡方檢定」及「事後比較」發現，就性別、居住地、學歷、學習 領域、有無小孩、婚姻狀況、職業狀況、任職企業性質、任職企業規模等 9 個背景變項而言，「垂直」面向的「學用落差」在性別、學歷、學習領 域、有無小孩、職業狀況等 5 個背景變項上有差異；另「水平」面向的
「學用落差」在學歷、任職企業性質、學習領域、職業狀況等 4 個背景變 項上有差異。
本節則將就性別、居住地、學歷、學習領域、有無小孩、婚姻狀況、
職業狀況、任職企業性質、任職企業規模等 9 個背景變項，採二元邏輯迴 歸分析方法，檢驗 9 個背景變項對「垂直」及「水平」面向「學用落差」
的預測狀況，以確認 9 個背景變項變項中，對臺灣高等教育「學用落差」
具有統計考驗顯著水準的影響因素。
一、「垂直」面向「學用落差」的影響因素分析
進行二元邏輯迴歸分析時，需先設定類別自變項之基數，本研究9個 類別自變項之基數及類別編號如表4-43，設定後開始檢驗該等自變項對
「垂直」面向「學用落差」，即「教育資格相稱」、「教育資格不相稱」（指
「過度教育」及「教育資格不足」）的預測狀況，達顯著水準之自變項，
代表其對「垂直」面向「學用落差」具有預測力，即屬於「垂直」面向「學 用落差」的影響因素。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-43
背景變項基數表
自變項 基數 自變項之其餘類別編號
性別 男 女（1）
居住地 東區 北區（1）、中區（2）、南區（3）
學歷 博士 技術學院/科技大學（1）、學士（2）、碩士（3）
學習領域 其他領域
教育領域（1）、人文及藝術領域（2）社會科學、商 業及法律領域（3）、科學領域（4）、工程、製造及營 造領域（5）、農學領域（6）、醫藥衛生及社福領域
（7）、服務領域（8）
有無小孩 無小孩 有小孩（1）
婚姻狀況 未婚 已婚（1）
任職企業性質 公家單位 私人單位（1）
任職企業規模 2-4人
5-9人（1）、10-29人（2）、30-99人（3）、100-299人
（4）、300-499人（5）、 500-999人（6）、1000人以 上（7）
職業狀況 軍人
經理人(1)、專業人員(2)、技術員及助理專業人員 (3)、事務支援人員(4)、服務及銷售人員(5)、技術 工及相關工作人員(6)、機械設備操作及組裝人員 (7)、基層技術工及勞力工(8)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
得到模型係數的Omnibus檢定，
p
=0.000<0.001，已達顯著水準（如 表4-44），可見研究架構所設定之由背景變項可對「垂直」的「學用落差」進行預測之模型，確實具有預測能力，且由表4-45模型摘要可知，可解釋 四至六成的「垂直」面向「學用落差」變異量，是相關性不錯的模型。再 由表4-46可知，預測值的正確率為82.1%。
表4-44
「垂直」面向「學用落差」影響因素模型係數之Omnibus檢定表 卡方檢定 自由度 顯著性
步驟 1
步驟 297.931 33 .000 區塊 297.931 33 .000 模型 297.931 33 .000
表4-45
「垂直」面向學用落差影響因素模型摘要表
步驟 -2 對數概似 Cox & Snell R 平方 Nagelkerke R 平方 1 387.993 .451 .602
表4-46
「垂直」面向學用落差影響因素分類表
觀察值
預測值 教育資格不相稱
正確百分比 資格相稱 資格落差
教育資格 不相稱
資格相稱 209 20 91.3
資格落差 69 199 74.3
整體百分比 82.1
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
再由表4-47可知，居住地(1)之p=0.047<0.05，以及有無小孩(1)之
p
=0.001<0.05，均已達顯著水準，顯示居住在「北區」者有「教育資格不 相稱」的狀況是居住在「東區」者的6.539倍；另「有小孩者」者有「教 育資格不相稱」是「無小孩」者的2.324倍。即在「個人層面」的性別、居住地、學歷、學習領域、有無小孩、婚 姻狀況、任職企業性質、任職企業規模、職業狀況等9個背景變項中，「有 無小孩」、「居住地」是臺灣高等教育「垂直」面向「學用落差」的影響 因素，「有小孩者」比「無小孩」者，以及居住於「北區」者比居住在「東 區」者，更容易發生「垂直」面向的「學用落差」。
「有小孩者」比「無小孩」者，更容易發生「垂直」面向的「學用落 差」，此與Pecoraro（2011）研究移民的職業與教育不相稱問題之研究發 現類似，其研究發現有年幼子女的移民婦女不易找到與其教育資格相稱 的職業。TEPS-B 2015電話訪問調查時，本研究之受試者約30-31歲，故當 時其子女應為年幼孩子，即本研究發現顯示臺灣年輕人會因有年幼子女，
而導致其教育資格與所從事之教育資格不相稱。推測可能的原因，應是礙 於年幼子女之就學或送托等問題，而遷就於與教育資格不相稱，但可兼顧 照料年幼子女的職業，至於無小孩者則無此顧忌，故較容易找到與教育資 格相稱之職業。
至於居住於「北區」者，更容易發生「垂直」面向的「學用落差」之 發現，與國外 Savic（2019）研究英國國家統計局（Office for National Statistics,簡稱 ONS）2006 至 2017 年人口調查（Annual Population Survey,簡稱 APS）之數據發現類似，其發現英國勞動力市場 16 至 64 歲 人口「過度教育」發生率最高的地區在倫敦（如圖 4-3），經其探究原因，
發現係因倫敦之人口結構多為其他地區移入者，即非設籍倫敦者，這些外 來人口為了能在倫敦生存，故會屈就於與自身教育資格不符之工作。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-47
「垂直」面向學用落差影響因素方程式變數分析摘要表
B S.E. Wald 自由度 顯著性 Exp(B)
步 驟 1
a
性別(1) .186 .299 .388 1 .534 1.205
分區 5.464 3 .141
居住地(1) 1.878 .945 3.946 1 .047 6.539
居住地(2) 1.708 .958 3.177 1 .075 5.520
居住地(3) 1.366 .965 2.003 1 .157 3.921
是否結婚(1) -19.174 27219.597 .000 1 .999 .000
有無小孩(1) .843 .264 10.195 1 .001 2.324
學歷 7.624 3 .054
學歷(1) -.349 .826 .179 1 .672 .705
學歷(2) .598 .836 .512 1 .474 1.819
學歷(3) -.213 .813 .068 1 .794 .809
學習領域 34.000 8 .000
學習領域(1) -21.972 23773.429 .000 1 .999 .000 學習領域(2) -22.884 23773.429 .000 1 .999 .000 學習領域(3) -22.281 23773.429 .000 1 .999 .000 學習領域(4) -21.952 23773.429 .000 1 .999 .000 學習領域(5) -21.366 23773.429 .000 1 .999 .000
學習領域(6) -23.026 23773.429 .000 1 .999 .000 學習領域(7) -19.176 23773.429 .000 1 .999 .000 (續下頁)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
學習領域(8) -20.995 23773.429 .000 1 .999 .000
規模 6.359 7 .498
規模(1) 18.143 3571.711 .000 1 .996 75748289.062 規模(2) 16.831 3571.711 .000 1 .996 20407775.456 規模(3) 16.667 3571.711 .000 1 .996 17317632.497 規模(4) 17.195 3571.711 .000 1 .996 29351107.657 規模(5) 16.722 3571.711 .000 1 .996 18286821.787 規模(6) 16.276 3571.711 .000 1 .996 11713124.441
規模(7) 16.883 3571.711 .000 1 .996 21482005.235
性質(1) .367 .389 .889 1 .346 1.443
職業 4.405 8 .819
職業(1) .077 1.670 .002 1 .963 1.080
職業(2) -1.427 .778 3.366 1 .067 .240 職業(3) -1.419 .790 3.229 1 .072 .242
職業(4) 32.948 5136.575 .000 1 .995 203835327649444.280
職業(5) 20.836 6186.778 .000 1 .997 1119442097.095 職業(6) 19.980 9744.785 .000 1 .998 475605398.058 職業(7) 35.404 11022.239 .000 1 .997 2374686194183975 職業(8) 21.029 26157.138 .000 1 .999 1358266463.988 常數 22.197 36299.918 .000 1 1.000 4363355237.775
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Savic（2019）的研究發現，可以用來解釋有關居住於臺灣「北區」
者，比居住於「東區」者更容易發生「教育資格不相稱」現象的原因，本 研究定義之北區包含臺北市、新北市、桃園市、新竹縣、新竹市、基隆市 等，該等地區聚集了來自臺灣各地的年輕人，這些「北漂」的年輕人為了 能在陌生的異地生存，會更願意屈就低於其教育資格的工作，此與 Pecoraro（2011）、Paolo,Matas 和 Raymond （2014）、McGowan 和 Andrews （2015）研究發現移民者較易產生「教育與職業不相稱」的研究 結果類似。
圖 4-3
2017 年英國勞動力市場 16 至 64 歲人口「過度教育」發生率圖
資料來源：引自 Savic（2019）. Overeducation and hourly wages in the UK labour market; 2006 to 2017. available
online:https://www.ons.gov.uk/economy/nationalaccounts/uksectoraccounts/compend ium/economicreview/april2019/overeducationandhourlywagesintheuklabourmarket2006 to2017
14.4 13.2 13.5 13.5 13.8
25.2
15.9 15.4
14.4
16.2
14.0 16.0 16.0 16.0 16.0 16.0 16.0 16.0 16.0 16.0 16.0 16.0
0.0 5.0 10.0 15.0 20.0 25.0 30.0 過度教育比率
地區
UK 16.0
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
臺灣區域發展不均衡的現象存在已久，行政院為了紓解臺灣島內年 輕人「北漂」之現象，並協助大城市以外之地區發展企業，增加就業機會，
2018 年已成立「地方創生會報」，開始推動「地方創生政策」（如圖 4-4）， 並訂定 2019 年為臺灣地方創生元年，將地方創生視為國家安全戰略層級 的國家政策，希逐步促進島內移民及配合首都圈減壓，達成「均衡臺灣」
目標（國家發展委員會，2018b），因此「地方創生政策」若能成功，亦將 有助於紓緩「學用落差」的現象。
圖 4-4
地方創生政策圖
資 料 來 源 ： 國 家 發 展 委 員 會 （ 2018b ）。 推 動 地 方 創 生 。 2019 年 2 月 28 日 取 自 https://www.ndc.gov.tw/Content_List.aspx?n=78EEEFC1D5A43877
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、「水平」面向「學用落差」的影響因素分析
性別、居住地、學歷、學習領域、有無小孩、婚姻狀況、任職企業性 質、任職企業規模、職業狀況等 9 個背景變項變項對「水平」面向「學用 落差」的影響分析，一樣採二元邏輯迴歸分析方法進行檢驗，9 個背景變 項變項的基數及類別編號同表 4-43，以檢驗該等變項對「水平」面向「學 用落差」，即對「用非所學」的預測狀況。
得到模型係數的Omnibus檢定，
p
=0.000<0.001，已達顯著水準（如 表4-48），可見研究架構所設定之由背景變項可對「水平」的「學用落差」進行預測之模型，確實具有預測能力，且由表4-49模型摘要可知，模型 可解釋四至六成的「水平」面向「學用落差」變異量，是相關性不錯的 模型，再由表4-50可知，預測值的正確率為91.5%。
表4-48
「水平」面向學用落差影響因素模型係數之Omnibus檢定表 卡方檢定 自由度 顯著性
步驟 1
步驟 280.917 33 .000 區塊 280.917 33 .000 模型 280.917 33 .000
表4-49
「水平」面向學用落差影響因素模型摘要表
步驟 -2 對數概似 Cox & Snell R 平方 Nagelkerke R 平方
1 212.577 .432 .686
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-50
「水平」面向學用落差影響因素分類表
觀察值
預測值
水平學用落差 正確
用非所學 學習領域相稱 百分比 步驟 1 水平學用
落差
用非所學 72 26 73.5 學習領域相稱 16 383 96.0 整體百分比 91.5
另由表4-51可知，性別(1)之
p
=0.017<0.05，任職企業性質(1)之p
=0.031<0.05，2項均已達顯著水準，顯示「性別」、「任職企業性質」是「水平」面向「學用落差」的影響因素。即在「個人層面」的性別、居 住地、學歷、學習領域、有無小孩、婚姻狀況、任職企業性質、任職企業 規模、職業狀況等9個背景變項中，「性別」及「任職企業性質」2項是「用 非所學」的影響因素。
表4-51
「水平」面向「學用落差」方程式變數分析摘要表
B S.E. Wald 自由度 顯著性 Exp(B) 步
驟 1
a
性別(1) -1.069 .449 5.681 1 .017 .343
分區 1.994 3 .574
分區(1) -19.617 6833.979 .000 1 .998 .000
分區(2) -20.122 6833.979 .000 1 .998 .000
分區(3) -20.239 6833.979 .000 1 .998 .000
是否結婚(1) -14.675 25812.690 .000 1 1.000 .000
有無小孩(1) -.383 .407 .888 1 .346 .682
學歷 5.122 3 .163
學歷(1) -1.185 1.275 .863 1 .353 .306
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
學歷(2) -.853 1.269 .452 1 .501 .426
學歷(3) -.079 1.296 .004 1 .951 .924
學習領域 47.044 8 .000
學習領域(1) 25.483 26807.492 .000 1 .999 116766078389 學習領域(2) 22.382 26807.492 .000 1 .999 5254653341 學習領域(3) 29.518 26807.492 .000 1 .999 6601393370207 學習領域(4) 25.155 26807.492 .000 1 .999 84078907515 學習領域(5) 23.025 26807.492 .000 1 .999 9994284526 學習領域(6) 22.339 26807.492 .000 1 .999 5029372783 學習領域(7) 24.762 26807.492 .000 1 .999 56731056524 學習領域(8) 28.967 26807.492 .000 1 .999 3804355697234
規模 6.589 7 .473
規模(1) .691 1.770 .152 1 .696 1.996
規模(2) -.546 1.618 .114 1 .736 .579
規模(3) -.517 1.594 .105 1 .746 .596
規模(4) -.959 1.619 .351 1 .554 .383
規模(5) -1.229 1.737 .500 1 .479 .293
規模(6) 1.066 1.926 .306 1 .580 2.904
規模(7) -.304 1.605 .036 1 .850 .738
性質(1) 1.120 .518 4.675 1 .031 3.065
職業 44.256 8 .000
職業(1) 54.210 28411.689 .000 1 .998 34930074077632 職業(2) 40.958 10850.008 .000 1 .997 61352658462980 職業(3) 39.123 10850.008 .000 1 .997 97950882172714 職業(4) 37.033 10850.008 .000 1 .997 12117114530104 職業(5) 38.469 10850.008 .000 1 .997 50938877832779 職業(6) 40.050 10850.008 .000 1 .997 24737892680088 職業(7) 30.862 10850.008 .000 1 .998 25293394409670 職業(8) 17.293 28185.907 .000 1 1.000 32382699
常數 -26.032 38156.879 .000 1 .999 .000