第四章 研究設計
第三節 變數選取與模型設定
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
54
第三節 變數選取與模型設定
經由第二章相關理論與文獻回顧之第二節所述，可瞭解各區域差異因素與失 業率之間的相互關係，本節針對各影響變數之選取作說明，作為模型中變數選擇 之基礎，並敘明各變數實證分析的預期符號及本研究之模型設定。
一、變數選取說明
（一）失業率
本研究旨於探討失業率與各區域差異因素之間的相互關係與失業率是否存 在空間相關性及聚集性，並進而檢測何種區域特性對於失業率有顯著影響並解釋 不同縣市之失業率差異現象。因此，本研究選取台灣各縣市 1988 年至 2008 年，
共 21 年期間之失業率資料，作為實證分析之應變數，長期追蹤失業率之變化與 空間特性。
（二）人口數
過去研究發現，地區之人口數愈多，代表勞動力供給愈大，對於工作的需求 亦愈大（Mizuno et al., 2006）。Francis（2007）研究關於不同人口規模對失業之 影響，結果有顯著影響。Izraeli and Murphy（2003）以人口數代替經濟規模，指 出人口數愈多對商業活動更具吸引力，但可能有較高生活成本或較多福利支出，
因此人口規模變數之係數表示無論在哪一時期，係數較大的州傾向有較高的失業 率。是以，人口數多寡或人口規模大小與失業率之間存在相關性。本研究選取人 口數衡量其與失業現象之間的關係，並且預期人口數與應變數存在正向關係。
（三）工業就業者百分比
工業之就業者行業結構定義為從事包括礦業及土石採取業、製造業、水電燃 氣業與營造業之就業者占總就業者之百分比。就業之產業結構可解釋當地的失業 狀況（如 Meyer and Muheim, 1997；Mollick, 2008）。當區域間的產業比重差異 愈大時，區域失業率的變異數也愈高，特別是製造業產業比重的差異（陳怡如，
2009）。過去研究發現製造業部門就業傾向使地區失業率下降（Cracolici et al., 2009）。此外，Mizuno et al.（2006）指出製造業和營造業比例較高的地區，失 業率較低，因這些行業較具工作保障。製造業因具垂直相關產業，可吸納較多失 業者；而營造業較不需具技能性勞動者，許多公共建設項目對營造業的勞動者需
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
55
求較高，創造就業機會，吸引失業人口，因此各地區之二級產業比例較高者，可 能降低其失業率。但是製造業對技能勞動者的需求亦可能會增加結構性失業率，
而營造業對於非技能勞動者的需求較高，則可能會增加循環性失業率。基此，產 業結構對於各地區失業率有顯著影響，故選取工業就業者百分比為自變數探討其 與失業率間之關係。由前述發現不同二級產業類別對失業率有不同影響，而同一 產業類別對失業率亦可能同時產生正、負面影響。因此，本研究預期工業就業者 百分比與應變數間存在正向或負向關係。
（四）服務業就業者百分比
服務業之就業者行業結構定義為從事包括批發及零售業、住宿及餐飲業、運 輸倉儲及通信業、金融及保險業、不動產及租賃業、專業科學及技術服務業、教 育服務業、醫療保健及社會福利服務業、文化運動及休閒服務業、其他服務業與 公共行政業之就業者占總就業者之百分比。服務業是以個人為主的產業，因此發 展服務業，促進其投資與發展，可將經濟成長率轉化為實質的就業機會（廖德琦，
2004）。可見服務業就業者比例愈高的地區，可能降低其失業率。但研究發現運 輸和通訊產業可能會增加失業率。因通訊業需要更有技能的勞動者，如電腦、電 子和資訊技術之知識，可能導致結構性失業增加；而運輸業有較多非技能勞動者，
亦不像製造業有垂直相關產業，因此可能增加結構性失業（Mizuno et al., 2006）。
此外，產業結構的轉變在解釋失業率攀升原因上扮演重要的角色（Meyer and Muheim, 1997；詹火生、林慧芬，2002；張隆宏，2005；黃仁德、鍾建屏，2008），
主因為失業者所具備的技術和能力，難在目前的產業結構中找到就業機會，凸顯 台灣的結構性失業問題。綜上所述，各縣市產業結構比例對於各地區失業率有顯 著影響，故選取服務業就業者百分比為自變數探討其與失業率間之關係。由前述 發現不同三級產業類別對失業率有不同影響，而同一產業對失業率亦可能同時產 生正、負面影響。因此，本研究預期服務業就業者百分比與應變數間存在正向或 負向關係。
（五）帄均每戶全年經常性收入
Molho（1995）認為預期實質所得之組成會影響淨遷移，其於相對就業率有 統計上顯著性。所得愈高的地區，就業機會愈多（Kim et al., 2003），表示高所
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
56
得地區之失業率可能愈低。Dimitris（2004）藉由奧肯法則2（Okun's Law）的實 施，處理總體和區域等級的失業問題。奧肯法則指經濟增長率與失業率之間的交 替關係，即經濟增長率愈高，失業率就愈低。因此，可知所得因素對於失業率確 實具有影響力，是以，本研究選取帄均每戶全年經常性收入作為所得變數探討其 與應變數間之關係，並預期所得與應變數間存在負向關係。
（六）經濟發展支出百分比
經濟發展支出是關於縣（市）辦理農業、工業、交通及其他經濟服務等支出 均屬之。政府之經濟發展支出例如公共建設投資，可增加就業機會，減少失業現 象，如研究指出關於政府投資項目為興修高速公路、鐵路、下水道等（Canada and the world backgrounder, 1999）。詹火生、林慧芬（2002）提到關於失業問題因應 對策，經濟政策之研議方向之一為加速公共建設以吸納失業人力。是以，政府之 政策可減少該地區的失業水準，例如地方基礎設施投資（謝明瑞，2002；McBride, 2002；Dimitris, 2004；Slack, 2005；Bar-El, 2006）。因此，政府干預手段及規劃 因素亦為影響失業率之因素之一。基於經濟發展支出包含政府對產業、交通等經 濟建設之投資支出，且由於單就公共建設投資之資料取得困難，本研究選取政府 經濟發展支出百分比為自變數以衡量其與失業率之關係，並預期經濟發展支出百 分比與應變數間存在負向關係
（七）都市化程度
由於本研究之探討範圍為台灣各縣市，但事實上，行政區劃不一定能確實表 現不同地區的都市發展，因此加入都市化程度指標作為自變數之一，探討都市化 程度高低與失業率之間的關係。行政院主計處（2006）研究經濟成長與都市化程 度的關聯，發現我國都市化程度與經濟成長關聯更甚於一般水準。可見都市化程 度深切影響當地經濟、教育、人口及治安政策之規劃。此外，依過去研究發現較 大的都市可能會有較高的失業率，由於愈大的城市可能對失業勞工有愈多計畫，
因此愈大的城市吸引愈多失業勞工（Mizuno et al., 2006）。Vipond（1974）亦認 為較大的城市有較大的工資差異，求職者更可能有動機延長求職時間，若其他條
2 Okun, A.（1962）長期觀察的結論：GDP 每增加二‧五個百分點，失業率便會下降一個百分點。
奧肯法則在提出後的某些時期的確能應驗無誤，但時至今日奧肯法則的數字已經無法準確預測失 業率與 GDP 的關係，不過奧肯定律所反應經濟增長率愈高，而失業率就愈低的反比關係依然有 參考意義。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
57
件保持不變之下，較大的都會區會有較高的失業率。因此，本研究預期都市化程 度與應變數間存在正向關係。
（八）工業區面積百分比
曾黛如、謝敏文（2008）指出工業區建設對促進我國經濟發展，一向扮演非 常重要的角色，不僅提供廠商重要生產基地，促使廠商投資設廠，創造就業機會，
同時對地方及國家經濟發展亦有重要貢獻。Bucek（2005）支持工業園區發展使 經濟發展加速，以吸引新投資者和減少地方經濟發展的障礙，預計將會增加新的 工作場所與就業機會，改善失業現象。因此，政府規劃因素中之工業區劃設為影 響失業率的因素之一，工業區劃設面積比例較高的地區，有較多的就業機會，有 助於減少失業率。是以，本研究選取工業區面積百分比為自變數以衡量其與失業 率之關係，並預期工業區面積百分比與應變數間存在負向關係。
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
59
二、模型設定
為瞭解區域相關影響變數對失業率之影響，本研究探討台灣 22 縣市 1988 至 2008 年長時間之變化，以長期追蹤資料（Panel Data）迴歸模型進行實證分析。
長期追蹤資料迴歸模型結合橫斷面與時間序列資料，提供較多樣本數並增加估計 效率，比貣單獨使用橫斷面或時間序列的方法更能降低樣本估計可能產生之誤差，
亦可觀察動態時間之樣本變化情形。因此，有助於解決時間序列資料無法比較個 別差異、橫斷面資料無法觀察時間因素影響之問題。
Panel Data 迴歸模型可分為固定效果模型（Fixed Effects Model）和隨機效果 模型（Random Effects Model）。固定效果模型的觀察值來自於特定區域樣本，
通常只針對所擁有之資料個體作推論，而隨機效果模型的觀察值是將擁有之資料 個體視為取自一個更大母體的隨機樣本。因本研究實證分析資料皆來自全台灣 22 縣市，而非隨機抽取數個縣市作為代表資料，故採用固定效果模型進行實證 分析。
固定效果模型在模型中加入虛擬變數，將個別效果呈現於截距項上，以衡量 未被觀察的變數對模型之影響，因此，係將個別效果視為遺漏變數的結果，又稱 為虛擬變數模型（Least Square Dummy Variable Model, LSDV）。此模型的固定效
固定效果模型在模型中加入虛擬變數，將個別效果呈現於截距項上，以衡量 未被觀察的變數對模型之影響，因此，係將個別效果視為遺漏變數的結果，又稱 為虛擬變數模型（Least Square Dummy Variable Model, LSDV）。此模型的固定效