第六章 結論與建議
第一節 結論
研究期間的死亡率具有明顯之空間差異。首先，回應第一個研究問題，本文 在第四章討論到，以鄉鎮尺度而言，臺灣在 2001 至 2012 年間死亡率最低的鄉鎮 市區為雙北的行政區，包含臺北市大安區、松山區、中正區、中山區、信義區、
文山區，以及新北市的永和市等；而死亡率最高的鄉鎮市區為山地鄉，包含臺東 縣海端鄉、延平鄉，花蓮縣的萬榮鄉、卓溪鄉、秀林鄉，高雄縣的甲仙鄉、三民 鄉、茂林鄉、桃源鄉等。
然而，死亡率真的具有顯著的鄉鎮間差異嗎？由 M2 模式的變異數結構可知，
在獲得固定效果後，隨機項變異依然顯著，顯示臺灣的死亡率在研究初期是具有 鄉鎮間的空間差異的，且儘管由時間變項、環境脈絡因素去解釋這些變異，研究 期間的死亡率空間差異依然存在 (M1 至 M6 模式隨機效果𝜏00顯著不為 0)。
以區域尺度而言，歷年死亡率皆是東部高於西部，山地鄉高於非山地鄉，過 去研究指出，1980 年至 2000 年之間山地鄉與非山地鄉標準化死亡率具有明顯的 差距 (胡幼慧等人 1989；蔡淑芬、張慈桂 2008)，本研究結果與之呼應，2001 年至 2012 年間臺灣山地鄉與非山地鄉的死亡率比值依然在 1.8 左右，可見 2000 年後山地鄉與非山地鄉的死亡率鴻溝 (divide) 依然存在，東部的死亡率水準落後 全臺水準約 26 年，且落後西部死亡率水準 10 年以上。
另一方面，四大區域中，北部、中部的死亡率較低，而南部、東部的死亡率 較高，這是臺灣自 1950 年代以來的趨勢 (江東亮 1987)。相較於陳美霞 (2005) 的 研究，雖然陳氏選用「多餘死亡指數」來比較死亡率的南北差異，但本研究結果 與之結果相仿─死亡率依然有著明顯的南北差異，南部區域的死亡率水準約落後 北部區域 6 年。
121
若是以發展程度作為死亡率比較基準，會發現鄉鎮市區的發展程度愈高，死 亡率愈低，換言之，七大類型的鄉鎮市區中，偏遠鄉鎮、農業市鎮、高齡化市鎮 的死亡率較高，而高度都市化、中度都市化與一般鄉鎮的死亡率較低。劉介宇等 人 (2006) 發展鄉鎮市區劃分法的目的在於作為國民健康調查分層抽樣的基礎，
而本研究則驗證了其劃分法的適切性，反映國民健康的鄉鎮類型間差異。
二、死亡率的時間變遷
由第四章的討論可知，平均而言臺灣的死亡率是屬於下降的趨勢，以全臺平 均值而言，平均每年死亡率降低 9.45 人；而區域間的死亡率變遷也有差異，東 部區域平均死亡率下降較西部快，山地鄉平均死亡率下降較非山地鄉稍快；北部 與南部區域的平均死亡率下降速率較快，而東部、中部區域的平均死亡率下降速 率較慢；最後，不同發展程度鄉鎮類型之間的死亡率下降速率不一，以偏遠鄉鎮、
中度都市化市鎮、新興市鎮的下降速率較快，高齡化市鎮、農業市鎮的死亡率下 降速率較慢。
經由線性成長模式的分析，能發現在不同模式中，變遷率係數的確呈現負向，
以平均每年 0.0079 (以 10 為底的 log 值) 的速度下降，研究假設 H1 被支持：臺 灣於研究期間 2001 年至 2012 年的死亡變遷是呈現下降的趨勢，回應江東亮 (1987) 的研究，臺灣自 1950 年代起死亡率便呈現下降趨勢，也許這是因為整體環境的 改善所致。
三、環境脈絡因素
依據本研究的分析結果，社經水準是影響臺灣死亡率分布與變遷最關鍵的因 素。若鄉鎮較為貧窮，則其死亡率高，這回應了剝奪理論的經典論述：地方的剝 奪程度愈高，意味著地方的貧窮，不利於人們的生存，則死亡率愈高 (Townsend 1987; Townsend et al. 1988; Carstairs and Morris 1991)，本研究也呼應了過去的實 證結果 (Eames et al. 1993; Ben-Shlomo et al. 1996; Congdon et al. 1997; Benach and Yasui 1999; Singh 2003; Higgs et al. 1998; Shi et al. 2005; Barceló et al. 2009; Rey et
122
al. 2009)。而且，鄰鄉剝奪指數也會影響鄉鎮市區的死亡率，也就是說，人們不 僅受自身鄉鎮的剝奪所影響，若鄰鄉的整體經濟環境凋敝，則其泛指整體區域的 貧窮，整體區域而言都是不利於生存的，進言之，剝奪指數具有鄰近效應，也就 是空間鄰近效果。值得關注的是，剝奪指數與死亡率的關係也表現在死亡率的變 遷率上，一地的剝奪指數愈高，死亡率下降愈趨緩和。也就是說，鄉鎮的貧窮不 僅不利於單一年度的死亡率起點值，也不利於長期的死亡率減緩。若將鄉鎮間的 死亡率變遷當作一場競賽，貧窮的鄉鎮可謂是「輸在起跑點，又一路跑得慢」，
回顧本研究繪製之剝奪指數地圖，這些鄉鎮主要為山地鄉、臺南縣近山鄉鎮與彰 化、雲林沿海鄉鎮 (圖 15)。
另一方面，壓力指數與鄰鄉壓力指數與死亡率分布具有顯著正向關係，這代 表生活壓力著實影響著人們的生命機會，回應社會整合理論的經典論述─當一地 人們被整合進社會的程度低，則其社會性壓力大，又缺乏社會性支持，故死亡率 較 高 (Cassel 1976; Cohen and Wills 1985; 胡 幼 慧 等 1990; Seeman 1996;
Berkman et al. 2000)，且生活壓力的鄰近效應是我們應正視的問題，當本鄉與鄰 鄉的壓力指數攀高，意指區域整體性的離婚、失業、遷移現象頻繁，依據本研究 繪製之壓力指數地圖 (圖 16)，主要為東部區域與原臺北、臺中、高雄等市區。
最後，鄰鄉醫療資源與死亡率變遷量具負向關係，代表醫療資源雖然與橫斷 面的死亡率資料無關，卻能加速死亡率的下降速率。這告訴我們幾個訊息。首先，
這應是反映人們跨鄉鎮就診的現象，回應過去研究所探討之跨區住院現象 (洪維 河等 1998；陳珮青等 2003)，故區域性醫療資源不僅服務其所在鄉鎮的使用者，
也具有外溢 (spill over) 的效果，使得鄰近鄉鎮的死亡下降率加速。第二，過去 國外文獻 (Auster et al. 1969; Newhouse and Friedlander 1980) 發現醫療資源與當 地健康及死亡率的關係較環境因素薄弱得多，提撥大量預算於醫療政策並無實質 效益，本研究結果雷同，回應上述研究，社會環境因素─社經水準、生活壓力的 改善確實較醫療資源重要，但本研究改善了醫療資源的的估算方式，考量其空間
123
上的鄰近效果，區域性醫療的豐缺程度與區域的死亡率下降速率有關，值得當局 重視。
本研究採用不同空間權重的分析方法，發現空氣汙染的空間尺度表現在 Queen 一階法上。換言之，若以共點共邊的鄰近鄉鎮作為空間尺度，則鄰鄉懸浮 微粒 PM10 濃度會提升本鄉的死亡率，令人憂心。觀察本研究繪製之空氣汙染地 圖 (圖 13)，若按空氣汙染防制法標準看來，南投縣山區、中部山麓平原及高屏 地區的 PM10皆是超標的，這些地方的空氣汙染問題值得社會關注。
過去因為各研究選用的變項不一致，或者只討論特定幾個因素與死亡率的關 係，故可能造成模型解釋力低的問題。那麼，本研究的環境脈絡因素能夠解釋死 亡率起點值及變遷率變異量多少的百分比呢？透過 M2 與 M6D22 模式間變異數 成分的比值，可計算環境脈絡因素的解釋力。首先，M2 模式的截距項變異數成 分是 9.389E-3，M6D22 模式的截距項變異數成分則為 2.655E-3，兩者差距所占變 異量百分比為 [(9.389E-3 - 2.655E-3)] / 9.389E-3*100 =71.72%，代表在 M6D22 模 式中顯著的環境脈絡因素如剝奪指數、鄰鄉剝奪指數、壓力指數、鄰鄉壓力指數、
鄰鄉用水品質、鄰鄉醫療指數能夠解釋死亡率起點值變異量的 71.61%。接著計算 環境脈絡因素解釋變遷率變異量的百分比，M2 模式的斜率項變異數成分是 1.370E-6，而 M6D22 模式的斜率項變異數成分則為 0.330E-6，兩者差距所佔的變 異量百分比為[(1.370E-6 - 0.330E-6)/ 1.370E]/*100=75.91%，顯示在 M6D22 模式 中顯著的環境脈絡因素─剝奪指數、鄰鄉醫療指數能解釋死亡率變遷率變異量的 75.91%。換言之，本研究所挑選之環境脈絡因素能解釋 2001 年至 2012 年臺灣本 島鄉鎮市區死亡率之起點值與變遷率的變異量，且解釋力可達七成以上。
四、死亡率變遷的空間異質性
臺灣的死亡現象不僅在空間上分布不均，其變遷速率也具空間的異質性。依 據圖 18，當我們將殘差進行空間視覺化以後，發現臺灣的山地鄉不但死亡率起 點值高，且下降的速度較慢，顯示臺灣死亡率的變遷速率具有鄉鎮市區間的空間
124
異質性。換言之，每個鄉鎮具有自己的迴歸截距 (起點值) 與斜率 (變遷率)，這 是一般複迴歸 (multiple regression) 無法估計的，透過多層次模式的分析方法，
讓每個鄉鎮具有自己的成長模式，進而獲得獨自的迴歸方程式，幫助研究者得知 起點值與變遷率的空間差異。儘管鄉鎮市區的空間單元為一先驗形式，為研究者 自訂之空間範圍，然其能夠改善過去討論死亡率變遷的空間差異，以較為細緻的 空間尺度來探索臺灣死亡率的起點與變遷現象。
綜合以上所述，本研究欲克服的三大困難：地理環境因素的解釋多樣性、空 間鄰近性，及生命機會變遷的空間差異，已獲得初步改善。本研究主張，社經水 準是影響死亡率分布與變遷最關鍵的環境脈絡因素，透過改善一地的社經水準，
不但有利於削減當地的死亡率，也有助於減緩毗鄰鄉鎮的死亡率。
125