第五章 計量方法與資料敘述
5.2 資料敘述
5.2.4 員工特性變數
員工特性變數包括 age3055r、age55r、avg_male、human_cap，依序為：30 至 55 歲、55 歲以上年齡階層比例、男性比例、及人力資本指數。由表 5-1 可看出壯年比例高 達七成多、男性佔了五成七、學歷為國中以下的一半以上，而專科以上的只達 3%。人 力資本依Tallman and Wang (1994)之加權方式，將國中以下、國中至專科、專科以上的 比例，轉換成變數human_cap = (1.0 × edulow+ 1.4 × edumid+ 2.0 × eduhigh) / (edulow + edumid + eduhigh)，若全數為國中以下則 human_cap 為 1，若全數為專科以上則 human_cap 為 2，其餘介於 1 至 2 之間。表 5-1 整理了所有變數的分配。
5.2.5 二欄位產業與年份變數
除了工廠及員工特性外，因資料橫跨 5 年 23 個中行業，故考量中行業及年份對於 變數的影響。表5-5、表 5-6 依中行業、年份顯示各重要變數的敘述統計，「石油及煤製 品製造業」及「化學材料製造業」明顯為附加價值高、生產力高、工資高、男性比、教 育水準高的產業；相對的，「木竹製品製造業」附加價值低、平均勞動產出低、工資低、
外勞比低、教育水平低。除了男性比、人力資本可解釋該產業的表現之外，也可能是產 業本身特質導致，如表現最好的「石油及煤製品製造業」與「化學材料製造業」，其人力 資本、性別比差別不大，但石煤業的AVL 卻比化材業高出 45%、Levinsohn-Petrin 生產 力高出0.322，而最高和最低只差別 1.242。除了可能有其他的變數可以解釋兩產業的差 異外，似乎無法排除產業本身特質的影響，故在實證時必須加以控制。換一個角度，從 變數來看似乎可看出些趨勢：人力資本和男性比例越高的產業，其產出、生產力、平均 工資越高；而高外勞比的產業如「金屬基本工業」其生產力、工資皆高；低外勞比如「木 竹製品製造業」其生產力、工資皆低；但是像「紡織業」外勞比將近 9%，其產出、生 產力、工資卻不突出，故難以藉此確定外勞比的影響。此外，由被解釋變數的標準差也 可看出產業內各廠的差異仍大，應再以廠商為單位實證。年度的部分，發現工資、教育 程度、人力資本皆隨年份上升；而產出及生產力也成遞增狀，但1999 至 2000 年暴增、
41
2000 至 2002 年暴跌應受當時網路泡沫化影響；外勞比的順序則是先升後降，可能是勞 動需求在 2000 年之前不斷上升，泡沫化後開始縮減需求所致。如此可看出年份與解釋 變數、被解釋變數應有相關，若忽略可能成為遺漏變數。
42
value_added AVL lnomega avg_wage FL_L avg_male human_cap
二欄位產業 mean s.d. mean s.d. mean s.d. mean s.d. mean mean mean
食品及飲料製造業 76941 600199 1006 1817 6.464 1.158 22913 5295 0.014 0.537 1.236
紡織業 46187 219321 1024 1015 6.684 0.898 23692 4543 0.089 0.462 1.184
成衣、服飾品及其他紡織
製品製造業 32153 75515 834 946 6.602 1.024 22210 4181 0.030 0.329 1.196
皮革、毛皮及其製品... 36600 97494 847 845 6.590 1.110 23130 4509 0.025 0.461 1.206
木竹製品製造業 10412 24884 658 588 6.165 0.871 22420 3924 0.014 0.570 1.181
家具及裝設品製造業 20563 52992 821 1609 6.461 0.883 22488 3936 0.039 0.585 1.186
紙漿、紙及紙製品... 37771 153372 835 784 6.560 0.934 24242 4715 0.036 0.602 1.205
印刷及其輔助業 16767 45542 784 553 6.394 0.812 24535 4772 0.005 0.597 1.223
化學材料製造業 174643 844646 1713 2041 7.085 1.135 27834 6405 0.043 0.669 1.277
化學製品製造業 38925 98134 1036 1126 6.652 1.044 24521 5687 0.021 0.525 1.305
石油及煤製品製造業 747510 2751074 2498 2751 7.407 1.136 28450 7099 0.027 0.684 1.282
橡膠製品製造業 45238 197405 796 536 6.590 0.820 24090 4449 0.060 0.576 1.196
塑膠製品製造業 22470 188112 796 701 6.406 0.802 23361 4170 0.028 0.519 1.195
非金屬礦物製品製造業 50305 213032 985 1043 6.641 1.005 24795 5417 0.068 0.593 1.210
金屬基本工業 138667 1757542 1720 2012 7.119 1.006 25602 5337 0.087 0.663 1.211
金屬製品製造業 20535 98231 892 843 6.534 0.798 23415 4295 0.038 0.594 1.180
機械設備製造修配業 17259 70912 873 697 6.485 0.810 24462 4663 0.017 0.676 1.212
電腦、通信及視聽電子... 150338 883136 1370 3451 7.027 1.133 25499 5468 0.022 0.445 1.296
電子零組件製造業 422256 4284494 1316 1759 7.082 1.256 25351 5110 0.044 0.449 1.266
電力機械器材及設備... 50536 339263 974 1041 6.742 0.937 24194 4723 0.022 0.517 1.232
運輸工具製造修配業 66951 489265 954 842 6.710 0.950 23726 4618 0.043 0.587 1.195
精密、光學、醫療器材... 39455 124188 846 697 6.678 0.926 24164 5023 0.013 0.497 1.266
其他工業製品製造業 25890 92977 806 760 6.449 0.944 23197 4413 0.019 0.488 1.223
表 5-6：各中行業之變數平均值與標準差
43
value_added AVL lnomega avg_wage FL_L avg_male human_cap
年份 mean s.d. mean s.d. mean s.d. mean s.d. mean mean mean
1998 44310 531227 897 946 6.570 0.906 22770 4265 0.031 0.569 1.205
1999 47590 589803 933 1068 6.613 0.861 23084 4369 0.043 0.574 1.206
2000 57032 1084331 984 1292 6.627 0.910 23858 4643 0.044 0.574 1.208
2002 52303 944542 950 1153 6.550 0.971 24785 4882 0.029 0.571 1.216
2003 55012 1014352 952 1201 6.546 0.998 25375 5073 0.017 0.568 1.222
表 5-7：各年份之變數平均值與標準差
44
5.2.6 電子業各變數
最後，因電子相關產業為目前台灣重要的產業，故個別觀察電子業的變數分配、年 分趨勢、及外勞雇用可能帶來的影響。本文以中行業別「電腦、通信及視聽電子產品製 造業」、「電子零組件製造業」、「電力機械器材及設備製造修配業」合併為電子相關產業，
樣本數為13,150。表 5-7 為電子業各變數之分配，變數的處理跟總樣本一致，有雇用外 勞的樣本數為2,101，佔 15.98%。因電子業歷年的外勞雇用變動扣除缺工變動皆產生外 勞雇用剩餘，故無法藉由「缺工」狀態衡量；另外在限制電子業之下，原四大產業與外 勞雇用的交乘項也無法使用。因此，外勞相關指標只剩下外勞比、雇用外勞與否、及外 勞比規模。由表 5-8 可看出，相對於全部樣本而言，雖然電子業的附加價值、LP 生產力 也都有隨著外勞比規模上升而下降的趨勢，但工資已變作不層遞下降的狀態。表 5-9 顯 示不同年份的變數平均，除了工資、男性比、人力資本不斷上升之外，AVL、LP 生產力、
外勞比都以2000 年作為倒 V 形狀的尖端，與大樣本一樣可能隱含了網路泡沫化的因子。
45
變數 說明 樣本數 平均 標準差 最小值 最大值
被解釋變數
value_added 附加價值(千元)=產出-原料-電力, 將 29 筆 V<=0 改為 V=1 13,150 202189.2 2576719 1 137000000
lnV log( 附加價值 ) 13,150 9.707786 1.773841 0 18.73752
AVL 附加價值/本勞數量 13,150 1171.116 2062.709 0.0024213 109083.2
lnAVL log(平均勞動附加價值) 13,150 6.683089 0.9162703 -6.023448 11.59987 lnomega 估計出Levinsohn-Petrin 生產力, 再取自然對數 13,150 6.839058 1.080663 -5.382657 11.85053
avg_wage 工廠平均薪資(元) 13,150 24828.915 5048.608 12677.91 42000
lnW log(平均薪資) 13,150 10.09993 0.1977656 9.447617 10.64542
解釋變數 工廠特性
fixcapamt 固定資產合計(千元) 13,150 342946.55 4688854 14.58 210473977
lnK log(固定資產合計) 13,150 9.523868 1.915728 2.679651 19.16487
emptot 本國從業員工總人數(人) 13,150 69.62882 334.5559 1 12779
lnL log(本國從業員工總人數) 13,150 3.024697 1.296167 0 9.455559
total_fl 該公司該年份雇用外勞人數(人) 13,150 4.63019 30.66271 0 1153
lnFL log(雇用外勞人數) 2,101 2.122072 1.479777 0 7.050123
lnFL2 log(雇用外勞人數), 將 total_fl=0 改成 total_fl=1 13,150 0.3390474 0.9768801 0 7.050123
KL 固定資產/本國從業員工 13,150 1445.346 3111.142 1.363636 101845.7
lnKL log(固定資產/本國從業員工) 13,150 6.49917 1.262603 0.3101549 11.53121
FL_L 外勞本勞比 13,150 0.0292867 0.0969134 0 1
lnFL_L log(外勞本勞比) 2,101 -2.130002 1.003332 -6.763885 0
lnFL_L2 log(外勞本勞比), 將 total_fl=0 改成 total_fl=1 13,150 -2.685649 1.136453 -9.437874 0
fl_emp 外勞占本勞比例=0 13,150 0.159772 0.3664083 0 1
small_FL_L 外勞占本勞比例=有雇用外勞的前 25%， FL_L ≤0.064516 13,150 0.0397719 0.1954302 0 1
表 5-8：電子業各變數分配一覽
46
middle_FL_L 外勞占本勞比例=有雇用外勞的前 25%~75%，0.064516<FL_L≤0.2432432 13,150 0.0798479 0.2710679 0 1 large_FL_L 外勞占本勞比例=有雇用外勞的前 75%以上， FL_L >0.2432432 13,150 0.0401521 0.1963233 0 1
AGE 廠齡, 為第幾年不是滿幾年 13,150 11.88601 6.964956 1 49
lnAGE log(廠齡) 13,150 2.275387 0.6895617 0 3.89182
small_firm 雇用人數為前25%最低，所有員工人數<9 13,150 0.2458555 0.4306097 0 1
large_firm 雇用人數為前25%最高，所有員工人數>43 13,150 0.2495057 0.4327434 0 1
wdispersion 工資分散程度=工資標準差/工資平均數 13,150 0.3277716 0.1106294 0 0.6396236
員工特性
age3055r 員工30-55 歲比例 13,150 0.7097512 0.1876246 0 1
age55r 員工55 歲以上比例 13,150 0.0643679 0.1090216 0 1
avg_male 平均男性比例 13,150 0.4720287 0.1918828 0 1
edulow 國中以下比例 13,150 0.4381989 0.2177149 0 1
edumid 國中到專科比例 13,150 0.5059451 0.2014769 0 1
eduhigh 專科以上比例 13,150 0.055856 0.0977454 0 1
human_cap 人力資本
=(1.0*edulow+1.4*edumid+2.0*eduhigh)/(edulow+edumid+eduhigh) 13,150 1.258234 0.1222706 1 2 表 5-8 續：電子業各變數分配一覽
47
表5-9：電子業--外勞變數相對於被解釋變數
表5-10：電子業--各年份之變數平均值與標準差
ratio of total sample
value_added
mean s.d.
AVL
mean s.d.
lnomega
mean s.d.
avg_wage
mean s.d.
外勞比例規模
fl_emp=0 84.02% 78667 1509864 1047 1728 6.69804 1.03954 24540 5004 small_FL_L 3.98% 1873488 10100000 1679 2357 7.7415 0.96245 26717 5240 middle_FL_L 7.98% 603647 2407086 1734 3675 7.54544 1.03031 26069 4876 large_FL_L 4.02% 333198 972698 2137 3011 7.49149 0.89861 26547 5018
value_added AVL lnomega avg_wage FL_L avg_male human_cap
年份 mean s.d. mean s.d. mean s.d. mean s.d. mean mean mean
1998 138980 1240559 1041.806 1228.130 6.76863 1.26117 23260 4435 0.026 0.463 1.252 1999 168418 1597636 1134.867 2210.830 6.86145 0.99994 23690 4543 0.038 0.470 1.252 2000 263998 3454776 1267.299 3000.150 6.91351 0.97406 24667 4856 0.039 0.470 1.253 2002 211775 2861783 1213.110 1642.901 6.83519 1.0461 25871 5120 0.027 0.476 1.264 2003 227776 2996849 1198.497 1776.066 6.81652 1.09355 26657 5400 0.016 0.481 1.272
48
第六章 實證結果
本文的被解釋變數有4 個，lnV(附加價值)、lnAVL(平均勞動附加價值)、lnomega(LP 生產力估計值)、lnW(本勞平均工資)，隨著模型不同其解釋變數也有些差異。依照模型，
lnV 相對的生產要素形態為 lnK、lnL、lnFL2，因 lnFL2 為外勞數量故可藉由 fl_emp 觀察 是否雇用外勞的差異；lnAVL 對應 lnKL、lnFL_L2，故也可設 fl_emp；lnomega 於計算時 已經扣除了要素數量的貢獻，故無法再用數量相關變數迴歸，故只能設定外勞比例規模 的虛擬變數 small_FL_L、middle_FL_L、large_FL_L，若再加上 fl_emp 則造成線性重合，
故不加入；lnW 除了可加入 lnKL、lnML 外，外勞變數則可採 lnFL_L2 加上 fl_emp，或以 外勞比例規模的虛擬變數迴歸，故lnW 的估計上可建立兩個模型。
6.1 變數預期方向
與工廠有關之變數包括 lnK、lnL、lnFL2；lnKL、lnML、lnFL_L2；fl_emp、small_FL_L、
middle_FL_L、large_FL_L；ex_fl、life_fl、info_elec_fl、metal_fl、chemical_fl；lnAGE、
small_firm、large_firm、wdispersion：資本、原料、本勞的雇用對於 lnV；lnKL、lnML 對於lnAVL、lnW 應具有貢獻。而外勞作為另一生產要素，增加雇用時也應使得附加價值 上升，故 lnFL2 對於 lnV 應為正向；然而，隨著其佔本勞的比例越高，可能代表外勞人 數上升，導致廠商對本勞勞動需求下降，而使得更多具技術性的本國勞工被替代掉，導 致廠商生產力下降 (張徽南, 1999)，且外勞相對於本勞不斷成長應將壓低本勞薪資，故 本文預期lnFL_L2 對於 lnAVL、lnW 都為負向。
外勞虛擬變數的部分：fl_emp 代表雇用外勞與否，國內認為外勞雇用可補足本勞不 願意從事的工作，故雇用外勞後其生產力應有所提高，故應見到fl_emp 對於 lnV、lnAVL 具有正面貢獻。然而，原本勞力短缺、生產力低的廠商才可以或是有較高誘因雇用外勞，
制度面的因素如本文所紀錄，除了缺工嚴重、骯髒、危險、困難的產業外，政府也以開 放外勞補貼擴廠、重大投資、出口產業，也就是說，「缺工」傳產雖可能因生產力低所以 雇用外勞，但同時其他產業則以生產力高而獲得政府開放。兩相綜合之下，制度所造成 的內生選擇可降低，但廠商自我選擇造成的同時性無法避免；工資方面，外勞雇用促使 產出、生產力提升，導致fl_emp 對於 lnW 應呈現正向，然而，一般講工資越高越有誘因 雇用外勞，這也存在內生性的部分。另外，如同lnFL_L 的說明，外勞佔本勞比例越高可
49
能排擠本勞導致技術降低，外勞比例的規模small_FL_L、middle_FL_L、large_FL_L 結合了 雇用與否以及雇用的比例大小部分，所以無法確定其對 lnomega、lnW 的方向。由於無 法拿捏外勞是否開始排擠本勞，故考量當外勞雇用越具自由化時越可能出現排擠狀況，
故以外勞變動相對於缺工變動衡量的ex_fl 作為指標，當越具自由化時，外勞應該越容易 以低工資替代高技術本勞，造成附加價值、生產力、本勞工資相繼下降。至於產業外勞 效果life_fl、info_elec_fl、metal_fl、chemical_fl，避免線性重合不顯示民生工業效果 life_fl，
其他3 個係數為相對於民生工業的影響，應無具體理論支持故須透過實證證實。
廠齡的部分如 Power (1998)認為廠齡代表廠商的學習、選擇效果對於生產力有正面 幫助，Liu、Tsou and Wang(2008)則以台灣資料實證發現廠齡對於工資有顯著貢獻，在 生產力上則結果不一致，故預期廠齡在工資上應顯著為正，至於生產力則無法確定。文 獻上指出規模越大其工資越高，由於規模隱含了許多助於生產的因素，其對於生產力應 該也是正相關，然而，Haltiwanger et al. (1999)在控制其他變數之後發現廠商規模越小其 生產力越高，故預期工資將隨規模提升，但生產力方向不確定。工資分散度有兩派說法，
一邊如Lazear and Rosen (1981)提出比賽模型(tournament model)認為工資分散提供努 力誘因；另一邊如Akerlof and Yellen (1990)認為工資不均將導致團隊渙散，故無法確定 wdispersion 的方向。
員工特性Hijt包括age3055r、age55r、avg_male、human_cap。Hellerstein et al. (1999) 實證出青年、中年的生產力差不多且勝於老年，然而，中、老年的薪資卻遠多過青年薪
員工特性Hijt包括age3055r、age55r、avg_male、human_cap。Hellerstein et al. (1999) 實證出青年、中年的生產力差不多且勝於老年，然而，中、老年的薪資卻遠多過青年薪