貳、 文獻探討
一、 就業、失業相關文獻
有關影響就業、失業因素的研究上，在國內外都已提出不少寶貴的觀點，唯有關 區域性失業問題的研究較為有限，本研究將其摘錄如表 2。
Marston (1976) 曾利用失業率的三項指標建立因果模型，並以家庭、婚姻、年齡、
種族等個人特性，以及工資、工作類型等工作特性當作解釋變數。Charette and Kunfman (1987) 除了考慮結構變動與時間趨勢外，指出政策及制度因素、性別、年齡等變數對 失業率的影響。Dekker et al. (1994) 強調教育與就業市場訊息的連結，有助於提高人 力運用的有效性。此外，透過部門間的技術創新、產能利用率及職業結構之調整，可 適時調節勞動需求以促進就業市場運作之效率。Hyclak (1996) 以美國兩百個地區 1976~1984 年間的追蹤資料為研究對象，並使用工作創造 ( job creation) 及工作流失 ( job destruction) 之相關指標衡量產業間就業的變化，結果發現跨產業勞動需求之結構 性變化對失業率有靜態顯著的正向影響。Phelps and Zoega (1997) 考慮各級勞動力的 教育程度與失業率的關係，以美國 1965~1996 年間 25-64 歲勞動人口為研究對象，透 過勞動比例、時間趨勢及總體失業率來解釋各級教育的失業率。結論指出提升教育程 度可顯著降低失業率。Johnson (1980)及 Hamermesh and Bean (1998) 則指出移民對本 國勞工的就業與工資之影響極其微小，主要原因之一乃因非技術性移民總是選擇工作 機會較多的區域落地而居，這種情況正如同我國勞委會對於各行各業的外勞核准引進 量，大抵上是按其缺工狀態的多寡而核定之。
莊慧玲、黃麗璇 (1997) 透過產業結構變異數探討失業率的形成，同時，以性別、
年齡、婚姻、教育等個人特徵變數來解釋失業率的變動。劉克智 (1997) 提出產業結 構的改變、最低工資以及外籍勞工的引進等制度因素，皆可能使得失業率的上升。辛 炳隆 (2003) 指出台灣產業發展的過程中，除經濟不景氣外，產業結構調整、勞工法 令僵硬、退休制度、外勞政策以及失業給付與就業服務、職業訓練未能有效結合是造 成失業率上升的主因。中研院經濟研究員江豐富 (2001a、2001b) 則指出 1991 年至 2000
8
年間台灣工業部門勞動需求增加，但失業率卻急遽上升，乃因面對九○年代末景氣低 迷時廠商優先裁減本勞，致使外勞對本勞產生排擠或替代效果。邱秋瑩 (2002) 利用 Lilien 指數與差異度指數，計算台灣就業結構轉變速度，並指出台灣人力結構轉變遲 滯，落在產業結構調整之後，是當前台灣失業率攀升的主要原因之一。近期則有江豐 富、劉克智 (2005) 採用「雙因子固定效果估計法」進行估計，探討台灣 1987~2001 年間各縣市男女年齡組別的「長期追蹤資料」，結果證實台灣縣市失業率差異確實存 在，並指出各縣市失業率與外勞引進量、基本工資水準和勞基法執行範圍等總體性政 策呈高度正相關。
9
二、 「灰色系統理論」應用之文獻
「灰色系統理論」相關文獻大致可分為理論發展以及理論應用兩大類，本研究將 理論發展相關文獻於研究方法一章合併討論，在此先說明灰色理論應用之文獻。自中 國大陸學者鄧聚龍教授於 1982 年正式發表「灰色系統理論」以來，該理論被廣泛應用 於工程領域，且多有不錯的研究成果。由於「灰色系統理論」在應用上不受大樣本或 特定分配型態限制，又能充分運用有限的數據訊息預測未來數值，國內近年來亦有不 少學者將此理論拓展至社會科學的應用上。
Kung (2007) 等人透過灰關聯分析找出台商至越南設廠時所頇考慮的關鍵因素以 及對進入模式的影響，以提供欲前往越南發展的廠商決策依據；Hsu and Wu (2007) 將 灰關聯分析及熵值 (Entropy) 運用在台灣監獄選址議題上，發現居民的安全認同、交 通、社會資源及更生人的改善成本是主要考量的因素；Chen (2008) 等利用 GM(1,1) 四 筆一組建模預測中華電信 3G 手機市場銷售額，發現灰預測準確度高於回歸所得的結 果，且精準度高達 90%以上；Hung (2007) 透過四筆一組 GM(1,1) 模型預測台灣每年 前往中國的遊客數，再經由 MAPE (Mean Absolute Percentage Error) 法評估預測品質，
發現灰預測所得的準確度相當不錯；林水順 (2005) 等透過灰關聯分析與灰色 GM(1,N) 模型預測台灣產險業產值，結果顯示納入國民所得、國內生產毛額、國民生產毛額及 戶籍登記人口數所建立之模型有高達 98.846% 的預測準度。
10
*Marston (1976)
利用失業率的三項指標建立因果模型，並以家庭、
婚姻、年齡、種族等個人特性，以及工資、工作類 型等工作特性當作解釋變數。
*Charette and Kunfman (1987) 除了考慮結構變動與時間趨勢外，指出政策及制度 因素、性別、年齡等變數對失業率的影響。
Dekker (1994)
說明了教育與就業市場訊息的連結，有助於提高人 力運用的有效性。此外，透過部門間的技術創新、
產能利用率及職業結構之調整，可適時調節勞動需 求以促進就業市場運作之效率。
Hyclak (1996)
以美國兩百個地區 1976~1984 年間的追蹤資料為研 究對象，並使用工作創造 ( job creation) 及工作流失 ( job destruction) 之相關指標衡量產業間就業的變 化，結果發現跨產業勞動需求之節構性變化對失業 率有靜態顯著的正向影響。
Phelps and Zoega (1997)
考慮各級勞動力的教育程度與失業率的關係，以美 國 1965~1996 年間 25-64 歲勞動人口為研究對象，
透過勞動比例、時間趨勢及總體失業率來解釋各級 教育的失業率。結論指出提升教育程度可顯著降低 失業率。
Johnson (1980)
Hamermesh and Bean (1998)
顯示移民對本國勞工的就業與工資之影響極其微
11
參、 研究方法
一、 「灰色系統理論」
灰色系統理論最早是由大陸鄧聚龍 (Deng，1982) 教授所提出，這個理論主要是 針對不明確性及資訊不完整性之系統模型，透過系統關聯分析、模式建立、預測及決 策等分析方法，以有效處理「不確定性」、「多變量輸入」資訊或「離散」的數據 (鄧 聚龍，2003)。
相較於灰色系統理論，一般的統計分析方法需要大量的資料以找出規律性，且通 常有資料為常態分佈或趨近常態分佈的假設。當數據過少時，統計方法對於不符合規 律性的變化一律視為誤差項 (或殘差項) ，同時也有資料過少而不確定是否具有代表 性的問題 (鄧聚龍、郭洪，1996)。
本研究以台灣二十三縣市之 1998 年至 2006 年的追蹤資料 (panel data) 為分析對 象，並以此資料探討影響台灣各縣市失業率之因素，故在每年度資料的性質上屬於小 樣本 (樣本數 < 30)，為避免發生在數據過少的情況下採用一般統計方法可能帶來的誤 差，因此本研究以灰色理論來進行相關的分析與探討。灰色系統理論研究的範疇有六 大部分 (灰生成、灰關聯分析、灰建模、灰預測、灰決策以及灰控制) ，本文主要應 用了灰生成、灰關聯分析、灰建模與灰預測，以下針對此四個領域的相關文獻進行說 明。
(一) 灰生成
由於系統中各因素的量綱(或單位)不一定相同，且有時數值的數量級相差懸殊，
這樣的資料很難直接進行比較，且它們的幾何曲線比例也不同。因此，對原始資料需 要消除量綱(或單位)，轉換爲可比較的資料序列。原始資料的變換有以下幾種常用方 法：
1. 初值化變換：分別用同一序列的第一個資料去除後面的各個原始資料，得到新的 倍數數列，即爲初值化數列。各值均大於 0，且數列有共同的起點。
12
2. 均值化變換：先分別求出各個序列的平均值，再用平均值去除對應序列中的各個 原始資料，所得到新的資料列，即爲均值化序列。
3. 區間值變換：先分別求出各個序列的最大值和最小值，然後將各個原始資料減去 最小值後再除以（最大值－最小值）。
由於採用不同之正規化方式將影響後續灰關聯分析及灰預測之結果，因此在正規 化時頇特別留意所使用之方式是否能適切反映資料趨勢。本研究所採取的為「均值化 變換」之方式，亦即將原始數據xi(k)除以該列之平均值進行序列正規化。
(二) 灰關聯分析法 (Grey Relational Analysis)
相較於一般統計分析方法，灰關聯分析只需要有限的樣本數 (每一序列至少 3 個 值以上) ，且在資料的分配上沒有特定分配型態的要求，就計算的方式上來說，灰關 聯相較於傳統統計分析亦來的簡單易懂。
1. 基本模型
灰關聯分析是系統動態發展過程之量化分析，灰關聯分析探討因素之間發展態勢 相似或相異程度，以灰關聯度 (Grey Relational Grade) 來表示因素間的相關程度，灰 關聯度越高者表兩因素間相關程度越大。其基本模型如下：
設原始序列為：
xi (xi(1),xi(2),...xi(k))X (1) 其中 i0,1,2...,m； k 1,2,3...,nN ； X 為全集合
2. 頇滿足「序列可比性」
在計算序列關聯度之前，頇確保原始序列滿足「序列可比性」，才能進行灰關聯分 析 (吳漢雄等，1996)。所謂「序列可比性」是指該灰關聯度空間集合的數列中，均頇滿 足下列三個條件：
(1) 無因次性 (non-dimension)：不論因子xi(k)的量測數據單位為何種型態，都必頇處 理為無因次的型態。
13
14
永井正武 (Masatake)，同時這四位學者也將定量化的灰關聯運用在「整體性灰關聯分 析」上 (溫坤禮，2006) 。
4. 灰色關聯度之分類
灰關聯分析法可分為「局部灰關聯分析」(Partial Grey Analysis)以及「整體性灰關 聯分析」(Global Grey Analysis)，其定義如下：(Nagai，2004；溫坤禮，2006)
(1) 局部性灰關聯分析
15
5. 灰關聯的運算流程圖
綜合上述，灰關聯的運算流程如下：
圖 3 灰關聯度運算流程圖 資料來源：簡禎富 (2007)
將原始數據正規化
指定標準列計算差序列
求兩極最大差和最小差
計算灰色關聯係數
計算灰色關聯度
依據灰色關聯度排序
16
(三) 灰建模(Grey Model) 1. GM (h,N)基本數學模型
利用生成過的數據建立一組灰差分方程式(Grey Differential Equation)與灰擬微分方 程式(Grey Pseduo Differential Equation)之模式，稱為灰建模。灰建模的思想主要是透過 將序列轉化為微分方程，從而建立抽象系統發展變化的灰色動態模型 (Grey Dynamic
17
(2) 建立 AGO (Accumulated Generating Operation, AGO) 序列
(1), (2),..., 1(1)( )
18
19
3. GM (1,1)滾動模型
GM (1,1)滾動模型是利用同一序列前面幾個數據(通常以第四點開始)建立 GM (1,1) 模型後，再預測下一個數據 (第五點數據) 的值後，再向後移一點(第五點) ，同 樣建立 GM (1,1) 模型，依此類推做到原始數據的最後一點為止。主要是檢驗 GM (1,1) 模型的準確度，此一方式稱為滾動檢驗 (rolling check)。簡言之，所謂滾動檢驗係指用 前面的數據建模，預測後一個數據，如此一步一步地向前滾動，而預測值與實際值的
GM (1,1)滾動模型是利用同一序列前面幾個數據(通常以第四點開始)建立 GM (1,1) 模型後，再預測下一個數據 (第五點數據) 的值後，再向後移一點(第五點) ，同 樣建立 GM (1,1) 模型，依此類推做到原始數據的最後一點為止。主要是檢驗 GM (1,1) 模型的準確度，此一方式稱為滾動檢驗 (rolling check)。簡言之，所謂滾動檢驗係指用 前面的數據建模，預測後一個數據，如此一步一步地向前滾動，而預測值與實際值的