第四章 自殺的性別差異
4.2 資料與迴歸模型
4.2.5. 自殺率與預期壽命之迴歸分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
70
表 13：Panel Data 模型選擇之檢定結果
OLS；若檢定統計量不拒絕虛無假設，則應該選擇 Pooled OLS 較好。54 其 次，透過 Hausman 檢定判斷固定效果模型與隨機效果模型之間該如何進行 選擇。Mundlak (1978) 的研究結果認為，若殘差項與解釋變數之間存在相 關性，此時迴歸結果將會產生偏誤，而應該選擇固定效果模型較好；若殘 差項與解釋變數之間不存在相關性，此時則應使用隨機效果模型較好。因 此，經由 Hausman (1978) 檢定方法，針對截距項不同假設做檢定，以找 出合適之估計模式。55
表 13 是有關 Panel Data 模型選擇的檢定結果。在 LR 檢定結果方面，
卡方統計量為 1291.8，亦即在 1%的顯著水準下拒絕 H0，表示固定效果模 型明顯優於 Pooled OLS。另外，在 Hausman 檢定結果方面，卡方統計量為 27.641，亦表示在 1%的顯著水準下拒絕 H0，顯示固定效果模型明顯優於 隨機效果模型。因此，根據模型檢測方法的檢定結果得知，本文在第 4.3 節所提出的 Pooled OLS、隨機效果模型、以及固定效果模型中，固定效果 模型將是最適合的 Panel Data 分析方法。
4.2.5. 自殺率與預期壽命之迴歸分析
雖然根據本章 2.4 節得到固定效果模型要優於 Pooled OLS 與隨機效果 模型，但本節仍以 2.3 節所介紹的四種 Panel Data 迴歸方法進行估計，並 根據 OECD 成員國與臺灣共 34 個橫斷面國家資料，以及 1980–2009 共 30 年的時間序列資料，透過 Panel Data 迴歸分析方法，將得到的迴歸結果列
54 有關 LR 檢定方法，可以參考「計量經濟學」 (李選卿等, 2011)。
55 若 Hausman 檢定結果拒絕 H0，則應該選擇固定效果模型較好；若檢定結果不拒絕 H0，則採用 隨機效果模型較好。
Likelihood Ratio 檢定 Hausman 檢定 1291.80***
說明：(*) 代表在10%的顯著水準下呈現顯著，(**) 代表在5%的顯著水準下呈現顯 著，(***) 代表在1%的顯著水準下呈現顯著，括弧內為標準誤。
Chi-Sq. 統計量 27.641***
資料來源：OECD Database。
‧
-0.140*** 0.063* 0.073** 0.106***
(0.051) (0.036) (0.037) (0.040)
-4.937*** -4.187*** -3.933*** -4.218***
(0.560) (0.548) (0.572) (0.585)
0.047 -1.589*** -1.635*** -0.900***
(0.252) (0.218) (0.225) (0.252)
-0.851*** -0.378*** -0.417*** -0.484***
(0.100) (0.109) (0.114) (0.177)
-0.082*** -0.819*** -0.950*** -0.789***
(0.043) (0.072) (0.078) (0.083)
0.176*** 0.081*** 0.076*** 0.147***
(0.018) (0.026) (0.028) (0.030)
79.58*** 77.94*** 85.50*** 4.426 (8.001) (9.886) (10.482) (16.011)
R2 0.2533 0.3592 0.8737 0.8849
樣本數 727 727 727 727
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
72
失業率與自殺率關係方面，最小平方法呈現顯著的負向關係，亦即失 業率上升 1%將使自殺率每十萬人下降 0.14 人。這樣反向關係的結果，違 反過去研究文獻的失業率與自殺率之間具有顯著一致正向關係的結論。然 而，在使用 Panel Data 隨機效果模型、固定效果模型之後，所得到的失業 率與自殺率關係，就如同文獻所得到的正相關之結論；同時，在其他變數 與自殺率之間的估計結果，則是得到一致方向。在一元隨機效果模型中，
10%的顯著水準呈現顯著正相關，係數 0.063 表示失業率上升 1%將使自殺 率增加 0.063 人；在一元固定效果模型則是在 5%的顯著水準下呈現顯著正 相關，係數 0.073 則表示失業率上升 1%將使自殺率增加 0.073 人；而在二 元固定效果模型方面，則是在 1%的顯著水準下呈現顯著正相關，得到的 係數是 Panel Data 迴歸模型中最高的 0.106，亦即失業率上升 1%將使自殺 率增加 0.106 人。
生育率與自殺率的關係，四種 Panel Data 迴歸模型的結果則都是 1%
的顯著水準呈現負相關，支持生育率與自殺率之間呈現顯著負向關係的文 獻結論。在 Pooled OLS 模型、一元隨機效果模型、一元固定效果模型、以 及二元固定效果模型中，生育率每上升 1‰將使自殺率減少 4.937、4.187、
3.933 以及 4.218 人；與傳統文獻的負相關結論相符 (Durkheim, 1897；
Faupel et al., 1987；Mäkinen, 1997；Neumayer, 2003；Rodríguez, 2005；Koo and Cox, 2008)。
有關所得的相關變數與自殺率之間關係的迴歸結果，在每人 GDP 與 自殺率的關係上，Pooled OLS 模型的迴歸係數結果是呈現正向關係的 0.047 但不顯著，表示每人 GDP 上升 1 萬美元將使自殺率增加 0.047 人，似乎支 持所得相關變數與自殺率之間呈現正向關係的文獻結論，如同 Durkheim (1897) 認為貧窮者較能體認自己經濟狀況而相對認命，富人在高所得隱含 高花費與開銷的壓力而相對較易自殺的結論。然而，在其他三種 Panel Data 迴歸模型的結果方面，則都是在 1%的顯著水準下呈現顯著負相關，這個 結果則相當支持過去文獻所得到負向關係的結論。在一元隨機效果模型、
一元固定效果模型、以及二元固定效果模型中，每人 GDP 上升 1 萬美元 將使自殺率降低 1.589、1.635 以及 0.90 人。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
73
另外，每週工作時數與自殺率的關係，在四種 Panel Data 迴歸模型的 結果，皆是在 1%的顯著水準下呈現顯著負相關，這個結果則相當支持過 去文獻所得到負向關係的結論。在 Pooled Data 模型、一元隨機效果模型、
一元固定效果模型、以及二元固定效果模型中，每週工作時數上升 1 小時 將使自殺率減少 0.851、0.378、0.417 以及 0.417 人。在女性勞動參與率與 自殺率之間的關係上，四種 Panel Data 迴歸模型的結果皆是 1%的顯著水 準下呈現顯著正向關係，這個結果支持過去得到女性勞動參與率與自殺率 呈現正相關的文獻結論。在 Pooled OLS 模型、一元隨機效果模型、一元固 定效果模型以及二元固定效果模型中，女性勞動參與率上升 1%將使自殺 率分別上升 0.176、0.081、0.076 以及 0.147 人。