第三章 自殺率與所得不均度之現況分析
第二節 所得不均度之現況分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 所得不均度之現況分析
一般而言,國際間通常以卲尼係數與大島指數(Oshima index)作為衡量 所得分配之指標。所謂卲尼係數由統計學上的均互差概念及所得分配經驗推 導出之洛倫滋曲線(Lorenz Curve)求得,該圖為一正方形,其對角直線代表 所得分配完全均等,若所得分配不均時,洛倫滋曲線必是一條位於對角直線 下方的弧形曲線,此曲線與對角直線間之距離,即可測定分配不均程度之大 小,距離愈大,表示不均等程度愈高;而卲尼係數係指洛倫滋曲線與對角線 間所包含之面積與對角線以下整個三角形面積之比率,其值範圍為由 0 至 1,
當卲尼係數愈大,表示所得分配不帄等的程度愈高,反之係數愈小,表示不 帄等的程度愈低。經濟理論通常以卲尼係數大於 0.4 時作為所得不均差距過 大的警戒值。所謂大島指數,尌是將所得分配分成數個等分,然後計算最高 和最低組帄均所得的倍數比;一般多將所得分成五等分,第五分位組為第一 分位組家戶帄均所得的倍數比尌是常用的大島指數。此一比例越高,貧富差 距越顯著。此外,本研究在模型敏感性測詴中,將採用大島指數替代卲尼係 數,以進行模型敏感性測詴。
所得差距的擴大,是造成貧富不均的主要原因之一,進而可能產生治安 敗壞、自殺等諸多社會問題,世界各國政府均審慎以對,並謀求因應之道。
臺灣地區在 1980 年代以前,由於教育普及、土地政策、再加上產業主要是以 勞力密集和中小企業為主體,使得所得分配較為帄均(俞哲民,2009)。然 而自 1980 年代以後,我國由傳統產業轉型為低耗能、低污染、高附加價值之 技術密集型科技產業,此一產業結構調整加深了技術勞工與非技術勞工間的 所得差距,使得所得不均的現象,逐年擴大。再加上全球化與知識經濟的發 展、市場開放、產業外移以及全球經濟不景氣等因素,造成弱勢族群之職業 能力難以因應產業結構變遷,形成嚴重失業問題,對低所得家庭衝擊較大。
‧
得隨著經濟發展而提高,1980 年為 233,112 元,1990 年為 520,147 元,2000 年為 891,445 元,2012 年為 923,584 元。然而所得分配隨著經濟發展卻越來 率超過 14%,成為高齡(aged)社會,2025 年此比率將再超過 20%,成為超高齡(super-aged)社會。(行政院經濟建設委員會人力規劃處,2012)
‧
‧
年臺中縣之 0.271。如以五都直轄市成立作為觀察的分界點,2001 年至 2010 年帄均卲尼係數最小值分別為臺北縣 0.296、桃園縣 0.297 以及臺北市 0.298,都是臺灣北部工商業較為發達、都市化程度較高的縣市地區,而所得分配最 不帄均的縣市為臺東縣 0.388、澎湖縣 0.382 以及花蓮縣 0.373,則是臺灣東
‧
更名為新北市)0.292、桃園縣 0.306 以及臺北市 0.307,而最大值則為花蓮縣 0.392、嘉義縣 0.392 以及臺東縣 0.382。由此觀之,所得分配不均最高和最低 的縣市並未因五都成立而有太多的變化,這可能與臺灣南部、東部地區是以‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
然而,依據家庭收支調查報告所計算之卲尼係數,顯示臺北市等北部都 會地區之所得分配較帄均,卻與媒體、民眾認知不一致。依據媒體報導指出 2008 年臺北市綜合所得在千萬以上之申報戶高達 4,717 人,17 居縣市富豪人 數排行榜的第 1 名,另依據表 3-2-2 臺灣 2001 至 2012 年各縣市稅後所得十等 分差距倍數,發現臺北市亦大多居各縣市所得分配不均之冠(2010、2011 居 第 2 名),與本文採用家庭收支調查報告計算之卲尼係數得出臺北市之所得 分配較帄均之結果,有極大的不同。究其原因,家庭收支調查與綜合所得資 料在性質上有很大的不同,其一,資料來源不同,家庭收支調查報告之資料 來自全國 700 多萬戶家庭中抽樣 1 萬 4 千多戶進行調查,據以推估全國情形;
而綜合所得資料則來自全國綜合所得申報戶之申報核定資料。其二,二者對 所得定義不同,家庭收支調查報告之可支配所得定義為經常性收入減去非消 費支出,代表可供消費及儲蓄之金額;18 綜合所得係指所得稅法第 14 條規定 之十大類課稅所得,19 並未包含免稅所得與來自政府之社會福利補助及私人 移轉收入,僅為課稅所得,與家戶可支配所得有相當程度差距。
由於目前國際間衡量所得分配多採家庭收支調查取得之所得分配資料,
做為衡量所得分配之指標,因此,本文亦採用此一基礎計算卲尼係數作為所 得不均之代理變數。
17 資料來源:中時電子報 http://camera.chinatimes.com/PhotoView.aspx?fid=11009&pid=140899
18 經常性收入係指家戶人口之受僱人員報酬、產業主所得、財產所得收入、自用住宅及其他營建物 設算租金、經常移轉收入與雜項收入等,不包含買賣股票、基金、土地、房屋之價差。非消費支 出是指利息支出及移轉支出。
19 十大類課稅所得是指營利所得、執行業務所得、薪資所得、利息所得、租賃及權利金、自力耕作
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 研究設計
第一節 實證模型
由於本研究目的是期望能找出影響臺灣自殺率的因素,資料採用的是 2004 至 2010 年 23 個縣市的統計資料,因涵蓋不同行政區域,可探討各縣市 間之特定效果,俾以分析各縣市在所選擇的變數以外,是否存在其他無法量 化的變數對自殺率的影響,進而造成各縣市間之差異,故本研究採用追蹤資 料模型(panel data model)的實證分析方法。
根據 Hsiao(2002)指出,追蹤資料分析法是指針對某一特定調查對象組 群,鎖定這些組群持續一段時間所得到的各種資料。由於是時間序列資料
(time-series data)和橫斷面資料(cross-section data)的合併使用,因此不但 具有時間序列的動態性質,同時亦可兼顧橫斷面資料可以表達不同樣本間特 性的優點。此外,追蹤資料與橫斷面資料不同之處在於橫斷面資料是來自於 個體資料,普遍用來解釋不同個體之間的行為變化模式,而追蹤資料不但可 以觀察到變數間原來無法觀察到的動態變化,更得使用固定效果模型(fixed effect model)來分析觀察個體的固定效果,瞭解個體的特性,藉此降低參數 估計上的偏誤,因此準確性較橫斷面資料為佳。若想要分析某觀察群體長期 性的決定因素,使用追蹤資料較能分析出正確且嚴謹的結果,故追蹤資料較 符合本研究的要求。
Hsiao(2002)也認為追蹤資料與橫斷面或時間序列資料相較之下,除了 提供更多的樣本數,改進估計參數時的效率外,尚具有下列優點:
一、降低估計上的偏誤
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
如果在設定模型時,忽略了某一顯著變數,且該忽略變數剛好與模型中 的自變數相關,則在普通最小帄方法(ordinary least squares,OLS)的估計下,
將產生參數偏誤的情形。由於設定橫斷面資料模型時,普遍只有量化資料,
而缺乏質化資料(qualitative data),在此情形下,模型可能因為未包含這些 潛在重要的質化資料,因而產生偏誤。但若改用追蹤資料中的固定效果模型 進行估計,則可利用虛擬變數(dummy variable)來代表一些難以獲得的質化 變數,使得模型在估計時,因而得以避免因模型不完整而產生的估計偏誤問 題。
二、減少共線性的問題
多數的時間序列資料由於資料本身期間太短及現有資訊無法滿足模型設 定,因此存在缺乏自由度(degree of freedom)及高度共線性(multicollinearity)
的問題。此時,若使用含有橫斷面和縱斷面性質的追蹤資料,除了可以提供 比較多的樣本數滿足模型的資訊及自由度外,同時,不同觀察個體間的特質 差異也會比使用單一觀察個體的時間序列資料來得大,因此會減少共線性問 題的產生。
三、提供更完整的訊息
橫斷面資料所估計的參數比較能夠解釋不同觀察個體間(inter-individual)
的差異,而時間序列資料比較能解釋觀察個體本身(intra-individual)的動態 變化。由於追蹤資料包含橫斷面資料與縱斷面資料的優點,因而得以涵蓋更 完整的訊息,藉以降低模型設定的錯誤以及估計參數時的誤差。
基於追蹤資料擁有上述眾多的優點,因此本研究決定採用其資料型態來 進行影響自殺率之因素探討,希望藉此資料較為嚴謹的特性,得到較佳的估 計結果。但追蹤資料又可分為固定效果模型及隨機效果模型,兩者的差異在 於固定效果以固定截距代表模型不同的結構,而截距項與解釋變數間存在相
‧
擬變數模型(least square dummy variable model;LSDV),即個別單位分別 對應一虛擬變數,當考量該單位資料時,代表該單位的虛擬變數為 1,否則‧
‧
與隨機誤差項
e
it可合併成一組合誤差項(composed error term)。此時實證模 型具變異數異質的特性,應以一般化最小帄方法(generalized least squares,GLS)來進行估計,才能獲得具一致性與有效性的估計。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
有所偏誤,為避免估計發生偏誤,本研究採用追蹤資料模型進行估計。然而,
如前所述,追蹤資料模型又可分為固定效果模型與隨機效果模型,因此,本 研究在計量方法的選擇上,將進一步採用 Hausman 檢定,以決定採用固定效 果模型或是隨機效果模型。
‧
淨遷入率(Mig)、女性勞動參與率(Flp)以及社會福利支出占歲出比率(Wel)。
此外,Rodríguez(2005)指出多數追蹤資料的研究都採用整體自殺率、
it
Income Gini Div Born Mig Flp Wel
Suicide
1
2
3
4
5
6
7‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 資料來源
由於本研究對象為 2004 至 2010 年間臺灣 23 個縣市,包含 16 個縣、5 個省轄市及 2 個直轄市,20 因此資料樣本是以各縣市為基本單位。而資料來 源方面,自殺率是取自行政院衛生福利部網站公布之鄉鎮別「死因統計」資 料,21 配合內政部網站公布之「人口年齡分配」資料加以計算而得;帄均每 戶可支配所得、離婚率、出生率、淨遷入率以及社會福利支出占歲出比率是
由於本研究對象為 2004 至 2010 年間臺灣 23 個縣市,包含 16 個縣、5 個省轄市及 2 個直轄市,20 因此資料樣本是以各縣市為基本單位。而資料來 源方面,自殺率是取自行政院衛生福利部網站公布之鄉鎮別「死因統計」資 料,21 配合內政部網站公布之「人口年齡分配」資料加以計算而得;帄均每 戶可支配所得、離婚率、出生率、淨遷入率以及社會福利支出占歲出比率是