第四章 實證模型
第二節 迴歸模型的被解釋變數與解釋變數之選用
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證模型
本章對變數選擇及資料處理作細節性說明。第一節介紹衡量各變數不均程 度的指標以及其計算方式；第二節介紹選用的解釋變數與被解釋變數，並說明 選擇這些變數的原因；第三節介紹本研究原始資料的來源，並說明原始資料如 何計算成為本研究的解釋變數與被解釋變數；第四節則介紹本文建構之迴歸模 型。
第一節 不均程度的衡量與計算方式
本研究將以吉尼係數作為衡量各變數不均程度的指標。吉尼係數為洛倫滋 曲線(Lorenz curve)與完全均等直線間所包含之面積對完全均等直線以下整個 三角形面積之比率，介於 0 到 1 之間。吉尼係數愈大，表示分配不均的程度愈 高；反之，則表示不均的程度愈低。
本文在計算吉尼係數時，則參考 Castello-Climent and Domenech (2014) 之方法，其公式如下：
𝑋 = ∑ ∑ 𝑚 − 𝑚 ∙ 𝑞 ∙ 𝑞 (4.1) H = ∑ 𝑚 ∙ 𝑞 (4.2)
其中，𝑋 代表不同變數之吉尼係數，可帶入薪資收入、教育年數、潛在工作 年數等不同變數進行計算，求得各變數之吉尼係數；𝐻為樣本人口的該變數平 均值；下標的𝑖、𝑗代表該變數的不同分組級距；𝑞 、𝑞 代表樣本中處於為𝑖、𝑗級 距中的樣本數佔全體樣本數之比例；𝑚 、𝑚 代表𝑖、𝑗級距的組中點之值。如同 Gini (1931)所提出之吉尼係數，以上述公式計算出的吉尼係數的值也介於 0 到 1 之間，且吉尼係數越大，代表該變數的分配越不平均。
第二節 迴歸模型的被解釋變數與解釋變數之選用
透過對過往文獻的梳理，文獻中典型的人力資本累積管道有正式與非正式 的教育、在職訓練與邊做邊學等等。在進行人力資本不均與薪資收入不均之關
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
聯的實證研究時，一些文獻直接以教育年數吉尼係數作為人力資本不均的代理 變數進行分析(Foldvari and Leeuwen, 2011;Chani et al. , 2012)；另一些 文獻除了考慮教育年數的影響之外，也以勞工的潛在工作年數作為其工作經驗 的代理變數，進行實證分析。然而，這樣的作法存在缺陷，其理由有二：
第一，僅以教育年數作為人力資本的替代變數無法呈現勞工在工作後的人 力資本累積。首先，對於兩個擁有相同最高學歷且從事相同工作的個體而言，
若其中一個個體僅進入職場五年的時間，另一個卻已在職場工作超過二十年，
則兩者在工作之後累積的人力資本存量應當存在差異；除此之外，選擇高強度 工作的個體與選擇低強度工作的個體，在工作相同的年限後，人力資本的累積 上肯定也有截然不同的成果，但是以教育年數作為人力資本的代理變數卻無法 體現上述兩種情況對人力資本累積的差異。
第二，即便加入考慮潛在工作年數，仍然無法完整呈現不同工作強度對於 人力資本累積的差異。文獻上通常都以勞工的潛在工作年數作為其工作經驗的 代理變數，然而，若直接將潛在工作年數換算為潛在工作年數吉尼係數，將無 法有效體現不同工作強度為勞工帶來的人力資本累積差異。想像一個每日庶務 類型的低技術型工作以及一個須不斷學習新知的高技術型工作，有著完全一模 一樣的從業勞工潛在工作年數分配，則計算出來的潛在工作年數吉尼係數將會 完全相同。在這樣的情況下，我們很容易從數據解讀成這兩個產業有著一樣的 工作經驗不均程度，但事實卻與從數據解讀到的大相逕庭。即便擁有相同的潛 在工作年數吉尼係數，高技術產業在工作經驗的不均程度上理應大於每日庶務 型的工作。綜上所述，潛在工作年數雖然可以從勞工從業時間的長短一定程度 地體現邊做邊學上的人力資本累積差異，但仍無法全面性的涵蓋整個觀念，仍 有改進空間。
因此，本文擬在傳統文獻的基礎上，再加入一個新的變數來嘗試改善上述 問題。我們將這個變數定義為調整後的工作經驗，其組成為個體的潛在工作年 數乘上個體所在產業的歷年累計固定資產支出的對數值，可表達如下：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
ex𝑝 , = exp, ∙ ln FAE,
其中，下標t代表時間；exp 為個體i調整後的工作經驗；s 為個體i的累積教育 年數；𝑒𝑥𝑝 個體𝑖的潛在工作年數；ln 𝐹𝐴𝐸 為個體i所處的產業j在當年的固定 資產支出累計值（fixed asset expenditure）。本文以 2003 年作為計算累計值 的基期。如此設定調整後的工作經驗的理由如下：
第一，加入考量固定資產資出是為了捕捉不同產業的工作強度的不同之 處。若某產業有不斷地更新硬體設備，則對於勞工來說，將不斷有新事物去學 習，否則有極高機率因不會使用新的機具而遭到淘汰。因此，我們以不同產業 的累計固定資產支出的對數值來捕捉不同產業應學習的技能數量，希望可以體 現出產業間不同工作強度對人力資本累積的差異。
第二，潛在工作年數是體現工作經驗不同的重要因素。從常理推斷，一個 人從事一項工作越久，對於該工作的熟練度將會越高，因此，潛在工作年數的 累積與其工作表現也有一定程度的關聯。
至此，我們選定了人力資本累積過程中我們所關注的變數，分別是教育年 數、潛在工作年數以及調整後的工作經驗等三項。若要同時考慮此三項變數對 人力資本累積的影響，並探討人力資本不均與薪資收入不均之間之關聯，比較 好的做法將是考量每個個體的教育年數、潛在工作年數以及調整後的工作經驗 後，計算出該個體的人力資本存量；接著再由樣本中每個個體的人力資本存量 計算出人力資本吉尼係數，並對薪資收入吉尼係數進行迴歸分析。
但是，該方法在技術上卻有執行的困難，因為我們無法精確地得知在累積 人力資本存量時，教育年數、潛在工作年數與調整後的工作經驗的投入分別有 何影響，也就是說，我們並不知道人力資本累積的生產函數長甚麼樣子。因 此，若要給予人力資本存量與此三項變數一個函數關係來計算出個體的人力資 本存量，將會顯得任意且武斷。因此，我們將分別計算影響人力資本累積的三 個變數的吉尼係數，並以此來衡量人力資本不均對於薪資收入不均的影響。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
除了關於人力資本的探討之外，本文亦加入台灣的貿易開放程度此一變數 來體現產業外在環境對於產業內薪資收入不均的影響。理論上，一國的貿易開 放程度對於薪資收入不均應有正負兩種方向的影響。根據國際貿易的 H-O 定 理，當一個擁有大量低階技術勞工的國家開始與他國進行貿易時，該國將會因 為大量低技術勞工的薪資增加而使薪資收入不均的情況減少；然而，若貿易的 開放僅集中在少數高技術勞工存在的產業時，則會因為對高技術勞工有更多的 需求而拉高其薪資收入，使薪資收入不均的情形惡化。Lee and Wie (2015)便 證實了貿易開放程度對一國的薪資收入不均度有顯著的影響性。
在貿易開放程度的呈現上，本研究參考 Lee and Lee (2018)的作法，以該 國的當年度出口額與進口額之加總與該國當年度 GDP 之比值，可表示如下：
貿易開放程度 =
其中，下標t = 1,2, … , T，用來表示不同年度；EX 為該國第t年的貿易出口量；
IM 為該國第t年的貿易進口量；GDP 為該國第t年的 GDP。
綜上所述，本研究的被解釋變數為製造業從業人員薪資收入吉尼係數，解 釋變數為製造業從業人員教育年數吉尼係數、製造業從業人員潛在工作年數吉 尼係數、製造業從業人員調整後的工作經驗吉尼係數、台灣的貿易開放程度等 四項。下節，將分別介紹解釋變數與被解釋變數的原始資料來源以及計算成本 研究使用之變數的方法。
第三節 原始資料來源及變數之計算
本研究的樣本為台灣 2003 年至 2019 年的製造業追蹤資料，資料庫來源分 別為取自中央研究院人文社會科學研究中心調查研究專題中心學術調查研究資 料庫的行政院主計處人力運用調查、經濟部的製造業投資及營運概況調查以及 中華民國統計資訊網等三處。本節將分別介紹各資料的來源以及如何計算為本 研究使用之解釋變數與被解釋變數。
4.3.1 原始資料來源與介紹
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
1. 製造業從業人員薪資收入
本文從歷年人力運用調查的原始資料中得到製造業從業人員每月主要薪資 收入資料。由於該筆資料僅納入有實際支領薪水的製造業從業人員勞工，因此忽 略了失業中的製造業從業人員，可能會使計算出來的製造業從業人員薪資收入吉 尼係數有被低估的情形。
2. 製造業從業人員教育年數
本研究從歷年人力運用調查資料中擷取製造業從業人員的最高學歷資料，
並將其轉換為接受正規教育的年數。在人力運用調查中，教育程度分為不識 字、國小畢業、國中畢業、高中(職)畢業、專科畢業、大學畢業、研究所畢業 以及博士班畢業等八種類型，我們將其按照台灣的學制轉換為教育年數，並列 於表 4.1 中。
3. 製造業從業人員潛在工作年數
在探討人力資本累積與薪資差異的議題上，許多文獻係利用勞工的年齡減 去其最高學歷所需的修業年限後再減去 7 後得到潛在工作年數來當作工作經驗 的代理變數(Chuang and Lai, 2017;Hartog and Gerritsen, 2016)。本文也將 依循此方法，在擷取人力資源調查的製造業從業人員年齡資料後，依照上述計 算公式得出製造業從業人員潛在工作年數的樣本資料。
稱此變數為潛在工作年數而非工作年數的原因在於，該變數僅能顯示出某 一特定勞工可能的最大工作年數，但是實際情況仍有各體之間的差異。最明顯
稱此變數為潛在工作年數而非工作年數的原因在於，該變數僅能顯示出某 一特定勞工可能的最大工作年數，但是實際情況仍有各體之間的差異。最明顯