第五章 實證結果分析
第二節 長期追蹤資料迴歸模型實證結果
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
67
第二節 長期追蹤資料迴歸模型實證結果
本研究使用 Limdep 計量軟體，以 1988 至 2008 年 22 縣市之 Panel Data 迴歸 模型進行實證分析，以下分別就二元固定效果模型、區域固定效果、時間固定效 果的實證結果說明之。
表（5-4）為固定效果模型之實證結果，模型配適度達 0.934，F 值為 145.26，
且通過 0.01 顯著水準要求，表示本模型配適度和解釋力均良好。各變數之顯著 情形（表 5-4）：工業就業者百分比（SECOND）、服務業就業者百分比（THIRD）、
工業區面積百分比（INDUS）皆通過 0.01 顯著水準要求；人口數（POP）通過 0.05 顯著水準要求；而都市化程度（URBAN）、經濟發展支出百分比（EXP）
通過 0.1 顯著水準要求；帄均每戶全年經常性收入（INCOME）則不顯著。此外，
各自變數與應變數之間的關係：人口數（POP）、工業就業者百分比（SECOND）、
服務業就業者百分比（THIRD）、都市化程度（URBAN）、工業區面積百分比
（INDUS）五者與失業率呈正向關係；經濟發展支出百分比（EXP）與失業率呈 負向關係。
表 5-4 二元固定效果模型實證結果 模型 變數名稱
固定效果模型 係數 t 值 P 值 常數項（Constant） -2.435006 -2.812 0.0051 ***
人口數（POP） 0.00046955 2.419 0.016 **
工業就業者百分比（SECOND） 0.05459798 7.123 0.0000 ***
服務業就業者百分比（THIRD） 0.04633492 4.854 0.0000 ***
帄均每戶全年經常性收入（INCOME） -0.00000026 -1.055 0.2918 經濟發展支出百分比（EXP） -0.00577930 -1.703 0.0893 * 都市化程度（URBAN） 0.02241378 1.785 0.0749 * 工業區面積百分比（INDUS） 0.05891997 3.113 0.002 ***
F Test 145.26 （p value= 0.00000）
R-squared/ Adjust R-squared 0. 945285／0. 93878 註：*、**、***分別代表達 0.1、0.05、0.01 顯著水準要求
4本研究所使用的計量模型為二元固定效果模型，因此變數中除了所欲探討的解釋變數外，亦包 含各縣市的個別效果及不同年度的時間效果。由於縣市個別效果及時間效果是在模型中加入縣市 別及時間的虛擬變數，控制不隨時間改變的縣市特性，及不隨縣市改變的時間因素，在納入這麼 多的控制變數後，模型的 Adjust R-squared 高達 0.9 並非不合理（龔書玉，2009）。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
68
人口數、工業就業者百分比、服務業就業者百分比、都市化程度及工業區面 積百分比對失業率呈現正向顯著效果，代表縣市之人口數、工業就業者比例、服 務業就業者比例、都市化程度及工業區面積比例之增加，失業率會上升；經濟發 展支出百分比對失業率呈負向顯著效果，代表經濟發展支出比例之增加，失業率 會下降。
瞭解各變數對失業率之影響效果後，進一步說明各縣市區域固定效果對於失 業率之影響（表 5-5 所示）。在顯著性方面，台灣 22 個縣市中，六個縣市之區 域固定效果具顯著性，台北縣、桃園縣、南投縣、嘉義縣與花蓮縣達到 0.1 顯著 水準要求；台東縣達到 0.05 顯著水準要求。在縣市固定效果係數方面，台北縣 及桃園縣之係數為負，代表於控制自變數因素後（不受自變數影響），台北縣及 桃園縣因本身區域特色及條件，使失業率降低，即此兩縣之區域特徵對其歷年失 業率產生負向之影響效果；南投縣、嘉義縣、台東縣與花蓮縣之係數為正，代表 於控制自變數因素後，南投縣、嘉義縣、台東縣與花蓮縣因本身區域特色及條件，
使失業率上升，即此四縣之區域特徵對其歷年失業率產生正向之影響效果。此外，
觀察區域固定效果之結果，宜蘭縣、雲林縣、屏東縣、台北市雖不具顯著性，但 接近 0.1 顯著水準要求，亦具有參考價值。宜蘭縣、雲林縣、屏東縣之係數為正；
台北市之係數為負。
表 5-5 各縣市區域固定效果（個別特質效果）
縣市 係數 縣市 係數 台北縣 -2.14046 * 高雄縣 0.71907 宜蘭縣 1.28318 屏東縣 1.10011 桃園縣 -1.02742 * 台東縣 2.04002 **
新竹縣 0.02982 花蓮縣 1.62836 * 苗栗縣 0.62444 基隆市 0.23066 台中縣 -0.09225 新竹市 -0.43091 彰化縣 -0.11929 台中市 -1.58738 南投縣 1.71154 * 嘉義市 -1.07966 雲林縣 1.01804 台南市 -1.50727 嘉義縣 1.50239 * 台北市 -2.56019 台南縣 0.45932 高雄市 -1.76423 註：*、**分別代表達 0.1、0.05 顯著水準要求
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
69
各年度之不同時間特性對失業率亦產生影響。表（5-6）為 1988 至 2008 年 期間，各年度對失業率之固定效果影響。在顯著性方面，21 個年度中，僅 1997、
1998、1999、2000 四個年度不具顯著性，其餘 17 個年度皆具顯著性，除了 1996 年達 0.05 顯著水準要求外，其他年度皆達 0.01 顯著水準要求。在時間固定效果 係數方面，1988 至 1996 此九年之係數為負，表示在控制自變數之因素後，這九 個年度之時間固定效果對失業率產生負向之影響效果；2001 至 2008 此八年之係 數為正，表示在控制自變數之因素後，這八個年度之時間固定效果對失業率產生 正向之影響效果。觀察 21 年時間固定效果之顯著性與係數值，發現大部分年度 皆具顯著性，也就是特定時間的衝擊對於台灣各縣市之失業率具明顯的影響力；
而係數值由負向轉為正向之趨勢，表示過去 21 年台灣失業率有由低失業率轉為 高失業率之情況存在。
表 5-6 各年度時間固定效果（時間特質效果）
年度 係數 年度 係數 1988 -1.06056 *** 1999 -0.04404 1989 -1.16529 *** 2000 0.03801 1990 -1.12552 *** 2001 1.52978 ***
1991 -1.31072 *** 2002 2.1101 ***
1992 -1.29606 *** 2003 1.96316 ***
1993 -1.41044 *** 2004 1.4153 ***
1994 -1.34 *** 2005 1.04687 ***
1995 -1.13208 *** 2006 0.77643 ***
1996 -0.32847 ** 2007 0.74544 ***
1997 -0.14663 2008 0.97598 ***
1998 -0.24125 註：*、***分別代表達 0.1、0.01 顯著水準要求
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
70
第三節 實證結果分析
依本章第一節空間自相關檢測與第二節長期追蹤資料迴歸模型之實證結果，
接下來本節據此進行實證結果分析，以推論各結果之可能原因，更深入瞭解失業 之空間分佈特性與影響失業率之相關因素，以及區域固定效果及時間固定效果對 失業率之影響。
一、空間自相關檢測結果分析
（一）全域型空間自相關
透過全域型空間自相關 Moran’s I 數值之大小，可藉此瞭解台灣地區縣市失 業率於空間向度中的分佈特性及資訊。若相鄰之 i 縣市與 j 縣市之帄均失業率皆 大於或皆小於全台帄均值，則兩者為正相關，I 值將大於 0，表示高失業或低失 業地區產生聚集，即高失業與低失業在空間向度上呈現隔離的現象，此現象反映 區域失業之分佈存在空間差異。此外，Moran’s I 值愈接近於 1，則聚集程度愈高。
然而，若 I 值小於 0，兩者為負相關，代表相鄰之 i 縣市與 j 縣市的失業水準差 異大，則區域失業空間分佈呈現高低間隔分佈的狀態。若 I 值等於 0，代表相鄰 之縣市間失業水準沒有相關性，此時空間分佈有兩種情形：一為各縣市失業呈無 規律隨機分佈之分散狀態；另一種情形為各縣市失業水準均趨近帄均值，失業之 空間分佈呈現均勻之情況。
經由全域型空間自相關檢測（表 5-1）發現，1988 至 2008 年期間並非所有 年度皆具顯著性，而具顯著性的部分呈現空間正相關或負相關之現象，但觀察不 同門檻距離的普遍結果，以 1996~2000 年之正相關最為顯著。因此，當 1996~2000 年Moran’s I 值為正且數值愈大時，失業之空間分佈型態呈現高或低失業率於地 區集中；當 2006~2008 年 Moran’s I 值為負且數值愈小時，表示某地區失業分佈 與周圍地區差異愈大，故將呈現單一核心之型態，且負值愈小狀況愈明顯。此檢 測結果推論失業率的空間相依性不顯著部分，可能有其他外在因素強烈的影響失 業率，使鄰近關係之影響不明顯，是以，並非各年度皆具有空間相關性。
對於 1996~2000 年之 Moran’s I 值集中在 0.27~0.73 間，顯著且為正，表示各 縣市具有空間上之正向關係，鄰近關係之影響較明顯，也就是縣市失業率會因鄰 近縣市之失業率高，而造成該縣市失業率較高；或因鄰近縣市之失業率低，而造 成該縣市失業率較低。空間自相關係數於 1996 年之 0.73 為最大，表示相同屬性
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
71
之失業率聚集情況最為明顯，空間相依性強烈。而且，此年度亦為台灣 1988~2008 之 21 年以來第一次失業率之躍升期，如第三章第一節所述，此現象可能使得某 些縣市之高失業率結果，造成鄰近縣市之失業率亦有上升的趨勢。1996~2000 年 間爆發台海政治危機、亞洲金融風暴、921 大地震等外在環境因素，對失業率均 造成衝擊，出現失業率走高之趨勢。因此，由 1996~2000 年之檢測結果可推測各 縣市之失業率受空間上鄰近關係的影響，即高失業或低失業率有聚集傾向，原因 可能為總體環境因素造成就業市場衝擊，而使得鄰近地區互相帶動失業水準，或 因毗鄰區域共享同一邊界，常具有相似特徵與發展（如 Márquez and Hewings, 2003），可能使其失業水準較相近。但若欲得知高或低失業率聚集之區位，必頇 進行區域型的 LISA 分析，而區域型空間自相關分析頇通過顯著性檢定，其聚集 情況方具意義。
（二）區域型空間自相關
觀察 LISA 結果之具顯著性部分（表 5-2），發現四個年度的空間聚集圖
（Cluster Map）皆顯示北部之宜蘭縣，中部之南投縣，東部之花蓮縣、台東縣及 南部之屏東縣、高雄市呈現 L-H（低-高）的類型，相鄰地區的失業率存在不同 程度的差異，表示低失業率被高失業率圍繞的現象，即此些縣市之失業率較低，
而周圍縣市之失業率較高，亦發現這些縣市呈現地理區位相鄰的情況。推論可能 因每人公共設施分配比例較高，使失業率較低。本文第二章第二節關於影響失業 率的相關因素中，關於 Lopez-Bazo et al.（2005）指出在 1990 年代後期，設施分 配不均是失業率空間差異的主要原因，可見公共設施之分配會影響失業率差異。
而公共設施對地區發展的影響，在生活方面如生活品質與社會福利之提升、實質 所得可能增加；此外，在產業方面可能產生聚集經濟效益，吸引更多相關產業投 入，增加就業機會，改善失業狀況。若以每萬人公園、綠地、兒童遊樂場、體育 場所及廣場面積數5作為公共設施分配水準之代表，由各縣市政府統計資料發現，
此類型的縣市相對公共設施分配面積較大，因此可能為影響縣市失業率分佈差異 的因素之一。事實上，影響失業率高低之外在因素眾多，並非單一因素具有絕對 影響，高低失業率之差異現象與分佈情況可能為許多因素綜合影響下之結果。於
5資料來源：內政部營建署。其定義為都市計畫區內帄均每人享有公園、綠地、廣場、兒童遊樂
5資料來源：內政部營建署。其定義為都市計畫區內帄均每人享有公園、綠地、廣場、兒童遊樂