第 四 章 實證分析
4.4 福利需求的邏輯斯迴歸分析
4.4 福利需求的邏輯斯迴歸分析
承繼卡方檢定的結果，我們除單一控制變數對福利需求的影響外，更想知道 在控制多重變數下，一般化理論中的理性經濟變數與儒家文化價值對中國民眾福 利需求的影響關係為何。而由於我們將福利需求處理為只有兩個可能結果的變 項1，故我們在此以邏輯斯回歸模型探討依變項與多個自變項之間的關係。其結果 顯示於表 4.6。
模型 1 顯示個人收入與福利需求呈負向關係（Z=-2.33），即收入越高者，對
1支持者為 1，不支持者為 0
Welfare Demand
Total 100.0 100.0 100.0
Pearson chi2(2) = 7.9702 Pr = 0.019 Bad Expectation of Future Economy
-2 22.8 18.5 21.5
-1 47.9 50.9 48.8
0 26.2 25.9 26.1
1 2.7 3.9 3.1
2 0.4 0.7 0.5
Total 100.0 100.0 100.0
Pearson chi2(4) = 11.9076 Pr = 0.018 Education Level
0 42.36 36.74 40.72
1 48.65 49.65 48.94
2 8.99 13.60 10.33
Total 100.0 100.0 100.0
Pearson chi2(8) = 20.4012 Pr = 0.000 Gender
0 50.4 57.5 52.5
1 49.6 42.5 47.5
Total 100.0 100.0 100.0
Pearson chi2(1) = 14.5294 Pr = 0.000 Rural/Urban Resident
0 44.2 50.9 46.1
1 55.8 49.1 53.9
Total 100.0 100.0 100.0
Pearson chi2(1) = 13.1536 Pr = 0.000
N 2,443 1,003 3,446
表 4.6: 卡方統計結果
福利的需求也越低。將統計值轉化為勝算比解釋，則收入每增加 1 單位，個人選
2在此以「勝算」（odds）解讀 logistic regression 的結果；勝算即為某事件發生的機率與未發生 的機率比值。
3值得注意的是，若我們將連續性的年齡變數編碼為二分的「世代」變數，則無論以 1970 或 1980（即所謂的「80 後」）為斷點，也均對福利需求無顯著影響力。
的解讀。此外由模型 4 中我們也發現，在加入模型 1 至 3 中所得等控制變項後， 則將提昇福利需求的勝算為 1.27 倍，且均達到統計顯著（P<0.05）。相較之下，社 群主義則未能達到統計顯著，且在該模型中，社群主義也未展現出其影響的正負
均 VIF 值僅為 1.07，顯示三變數之間並無共線性關係。
而藉由統計分析的結果，我們可以預測中國社會「平均個人」選擇國家擔負 民眾生活責任的機率，以及擁有較高儒家價值或低儒家價值者，其選擇福利國家 的機率又有多少（見表 4.9）。首先我們先計算「平均個人」，即各變數均為樣本平 均數的個人，選擇福利國家的機率，為 0.285。這表示當一個中國民眾，其各自變 數均為自變數平均數時，該個人會有 28.5% 的機率會選擇福利國家。相較之下，
儒家價值最高者（即家父長主義價值、社群主義價值及家庭主義價值均為 2，其 他自變數均為平均數者），其選擇福利國家的機率將上升到 34.8%，而保持其他自 變數為平均值，若一個人儒家價值分數為零者，則其選擇福利國家的機率將下降 至 22.8%。依此我們可以發現，儒家價值對個人選擇國家介入個人生活好壞與否，
其實有一定的影響力。在僅有 29% 的個人選擇福利國家的中國，儒家價值保有者 選擇福利國家的機率將提昇 20% 之多。
個體類別 預測機率（Demand = 1）
平均個人 0.285
儒家價值高者 0.348 儒家價值低者 0.228 表 4.7: 個體預測機率
然而，值得注意的是，在我們的所建構的每個邏輯斯迴歸模型中，其 pseudo R square 值都不是太大。即使是在總模型之中，其值也僅有 0.0238，這也顯示除 了我們所提出的自變項外，應該還有更多其他的因素得以解釋中國民眾的福利需 求。
總結上述結果，我們發現在對中國民眾的分析中，既有的理性自利模型並未 失效，收入與對家庭經濟的展望仍能很好地預測個人的福利需求，而教育與性別 等因素也有其影響力。而在經濟自利與諸多控制變項之外，文化因素，特別是儒 家價值中的核心概念，如家父長主義與家庭主義等，也展現了對一般民眾福利需 求的影響。與過往看法不同的是，這些儒家價值並不與福利需求相悖，反而更促 使人們要求國家對經濟社會的介入，而非新自由主義下的最小國家。而在以下的 篇幅中，本文將更進一步以多層次邏輯斯迴歸分析
(1) (2) (3) (4) demand demand demand demand demand
income -0.119∗ -0.177∗∗ -0.176∗∗
(-2.38) (-3.26) (-3.25) edu_c 0.279∗∗∗ 0.299∗∗∗
(4.07) (4.33) age -0.0000257 -0.00123
(-0.01) (-0.43) female -0.325∗∗∗ -0.316∗∗∗
(-4.13) (-4.01) worsefuture 0.120∗ 0.139∗∗
(2.39) (2.74) rural -0.229∗∗ -0.256∗∗
(-2.83) (-3.14) anti_glob_c 0.184∗∗∗ 0.158∗∗∗
(4.22) (3.56) confucious_sum 0.0929∗∗∗ 0.0998∗∗
(3.29) (3.24) _cons -0.750∗∗∗ -0.683∗∗∗ -1.250∗∗∗ -0.986∗∗∗
(-11.56) (-3.56) (-10.65) (-4.61) pseudo R2 0.0014 0.019 0.0026 0.0217
N 3388 3350 3473 3350
t statistics in parentheses
∗p < 0.05,∗∗p < 0.01,∗∗∗p < 0.001
表 4.8: 邏輯斯回歸模型 1-4
(1) (2) (3) demand demand demand demand
income -0.172∗∗ -0.177∗∗ -0.178∗∗
(-3.18) (-3.27) (-3.28) edu_c 0.303∗∗∗ 0.279∗∗∗ 0.297∗∗∗
(4.38) (4.06) (4.30) age -0.000768 -0.0000356 -0.000921
(-0.27) (-0.01) (-0.32) female -0.317∗∗∗ -0.324∗∗∗ -0.322∗∗∗
(-4.02) (-4.12) (-4.08) worsefuture 0.133∗∗ 0.120∗ 0.126∗ (2.64) (2.39) (2.50) rural -0.249∗∗ -0.229∗∗ -0.242∗∗
(-3.07) (-2.83) (-2.99) anti_glob_c 0.167∗∗∗ 0.183∗∗∗ 0.166∗∗∗
(3.80) (4.18) (3.77) parental 0.159∗∗
(2.93)
commu 0.00289 (0.04)
fami 0.226∗∗∗
(3.41) _cons -0.810∗∗∗ -0.686∗∗∗ -0.912∗∗∗
(-4.11) (-3.31) (-4.48) pseudo R2 0.0212 0.0191 0.0220
N 3350 3350 3350
t statistics in parentheses
∗p < 0.05,∗∗p < 0.01,∗∗∗p < 0.001
表 4.9: 邏輯斯回歸模型 5-7