X = (MALE, MARED, HIGHSCHOOL, COLLEGE, UNIVERSITY, AGE, PRIVATE, LABORER, PROFESSION, NORTH, SOUTH, EAST, YR91)
在上述模型中，i 代表有效樣本數中第 i 個樣本；y=0 為中立政黨傾向、y=1 為泛藍 政黨傾向、y=2 為泛綠政黨傾向，以中立政黨傾向為對照組(base group)；MALE 為性別 為男性的虛擬變數；MARED 為婚姻狀況為已婚的虛擬變數；HIGHSCHOOL 為教育程 度為高中(職)的虛擬變數、COLLEGE 為教育程度為專科學校的虛擬變數、UNIVERSITY 為教育程度為大學或大學以上的虛擬變數；AGE 為樣本年齡；PRIVATE 為受雇身分為 受雇於私部門之虛擬變數；LABORER 為職業為一般勞力性工作者的虛擬變數、
PROFESSION 為職業為專業性工作者的虛擬變數；NORTH 為居住在北部的虛擬變數、
SOUTH 為居住在南部的虛擬變數、EAST 為居住在東部的虛擬變數；YR91 為調查年度
X = (MALE, MARED, HIGHSCHOOL, COLLEGE, UNIVERSITY, AGE, PRIVATE, LABORER, PROFESSIONAL, PANBLUE, PANGREEN, ENVIRON, ENVIRON╳PANBLUE, ENVIRON╳PANBLUE, POPD, SERVICE, EDU, UNEM, SICKBED, AIR, YR91)
上述模型中，z=0 為未遷徙、z=1 為遷往相同政治環境區域、z=2 為遷往相異政治 環境區域，以未遷徙為對照組(base group)；MALE 為性別為男性的虛擬變數；MARED
14
為婚姻狀況為已婚的虛擬變數；HIGHSCHOOL 為教育程度為高中(職)的虛擬變數、
COLLEGE 為教育程度為專科學校的虛擬變數、UNIVERSITY 為教育程度為大學或大學 以上的虛擬變數；AGE 為樣本年齡；PRIVATE 為受雇身分為受雇於私部門的虛擬變數；
LABORER 為職業為一般勞動性工作者的虛擬變數、PROFESSION 為職業為專業性工 作者的虛擬變數；PANBLUE 為政黨傾向為泛藍政黨傾向的虛擬變數；PANGREEN 為 政黨傾向為泛綠政黨傾向的虛擬變數；ENVIRON 為自己政黨傾向與原居住地政治環境 是否相同之虛擬變數；本模型除了加入自己政黨傾向與原居住地政治環境是否相同之虛 擬變數(ENVIRON)外；為了解居住在政治環境相異區域中特定政黨傾向樣本遷徙特 性 ， 亦 加 入 居 住 在 政 治 環 境 相 異 區 域 之 泛 藍 政 黨 傾 向 樣 本 之 虛 擬 變 數 (ENVIRON PANBLUE)、居住在政治環境相異區域之泛綠政黨傾向樣本之虛擬變數 (ENVIRON×PANGREEN)。
×
解釋變數中，除了個人特性變數之外，為了探討遷徙後居住地經濟環境對遷徙行為 之影響，區域總體變數選擇方面，張慈佳、胡海豐(2005)提出民眾在做遷徙決策過程中 會受到經濟機會差異、寧適性差異及個人屬性差異影響，其中寧適性差異則以居住地人 口密度為代表，人口密度對遷徙有正向的影響力會提高其遷徙的機率；姜渝生、吳欣修 (1994)以三級產業就業佔總就業之比例來衡量該地區都市化程度，假設都會區可以提供 較多的工作機會，對人口遷徙有正向的吸引力；Ovaskainen(2001)提出一地區人力資本 累積因人口移入而增加，人力資本累積越多的地區發展越迅速，經濟發展快速區域越能 吸引人口的移入，本文以地區大專以上教育程度比例做為衡量一地區人力資本的指標；
Greenwood(1985)研究顯示 70、80 年代美國西、南部失業率較低導致人口大量遷入。所 以本篇研究在總體變數方面選取人口密度、該地區教育程度大專以上比例、失業率、服 務業就業佔總就業比例、每萬人平均病床數、平均每月落塵量等六變數當做區域總體變 數方面的變數，POPD 為遷徙目的地人密度；SERVICE 為遷徙目的地的服務業占總就 業比例；EDU 為遷徙目的地高等教育比例；UNEM 為遷徙目的地失業率；SICKBED 為 遷徙目的地每萬人平均病床數；AIR 為遷徙目的地每月平均落塵量。
第二節 變數的預期影響
雖然本文在實證模型上建構兩條方程式以分析政黨傾向與遷徙行為之間的關係，但 遷徙行為才是本文所討論的重點，所以在變數的預期影響方面，只針對遷徙行為方程式 之變數作說明，並參考過去學者之發現預測變數對遷徙行為的影響。
在對環境認同感方面，假設民眾偏好居住與自己條件相似區域，Mcmahon et al.
(1992)提出遷徙者偏好遷往相同政治傾向社群、Glaser and Martin(1997)認為遷徙者偏好 遷往相同種族態度社群；在政治方面原居住地政治環境與自己政治傾向相異時，會促使 民眾遷往相同政治環境區域，而不願居住在政治環境相異區域，所以推測民眾居住在政 治環境相異區域時，遷往政治環境相同區域之機率會高於不遷徙之機率，而遷往政治環 境相異區域之機率會低於不遷徙之機率。
在個人特性變數方面，一般假設女性遷徙機率較低，而 Krieg(1997)提出性別為女 性會降低其遷徙機率，本文預期男性會增加遷徙之機率而女性會降低遷徙之機率；教育 程度為個人特性變數較被廣泛討論的變數之ㄧ，Ritsila and Ovaskainen(2001)認為個人教 育程度越高會提高遷徙之機率，Orrenius and Zavodny(2005)提出教育程度太低及接受等 教育都會降低遷徙之機率，教育程度較高個人對新環境的適應或是尋找新工作之難易度 都較教育程度較低個人容易，所以本文預期教育程度較高會增加遷徙之機率。
在區域總體變數方面，人口密度較高公共設施較完善、生活便利性較高會增加遷徙 的機率，Davies, Greenwood and Li(2001)提出人口密度較高地區經濟機會較佳，且遷徙 至人口密度較高地區所付出尋找工作或是尋找住處的成本較低，所以遷徙目的地人口密 度對遷徙機會呈現正向的影響，本文預期遷徙目的地人口密度較高會增加遷徙之機率；
以服務業占總就業比例衡量都市化程度，都市提供較多就業機會與較高的工資水準，對 人口遷徙產生拉力，推測服務業占總就業比例越高會提高遷徙之機率，以每萬人平均病 床數代表一地區醫療設施條件，當醫療設施條件越充足會提高遷徙機率，遷徙後居住地 高等教育比例越高，代表該地區人力市場競爭越激烈，推測將會降低民眾遷徙之機率，
Greenwood(1985)研究顯示未避免面臨失業，民眾偏好遷往失業率較低地區，遷徙後居 住地失業率越高，反映民眾遷徙所必須面對的風險，推測地區失業率越高將會降低民眾
16
遷徙的機率。
區域總體變數對遷徙行的影響，除了考慮經濟方面變數之外，民眾在做遷徙決策之 前亦會考慮遷徙目的地之生活環境品質，尤其隨著經濟發展民眾對生活環境品質的要求 會日益嚴苛，Porell(1982) 以氣候、自然娛樂設施、社會福利、犯罪率、空氣污染及醫 療設施等六個變數衡量生活品質，當生活品質越佳越容易吸引民眾遷入，本文預期區域 每月平均落塵量越高會降低人口遷入之機率。