*
p < 0.05,
**p < 0.01,
***p < 0.001
註：其他產業包含「公共行政及國防服務業」以及「國際組織與外國機構」兩項 資料來源：1978-2013 年行政院主計總處「人力資源運用調查」資料
43
就工作身分而言，不論男性女性，受政府雇用者的薪資大於私人雇用者。
就工作地區而言，以北部地區為對照組，在其他條件不變下，我們發現不論 男性或女性之平均薪資皆以位於北部地區工作者最高，其餘地區薪資由高到低依 序為中部地區、東部地區，薪資最低區域為南部地區。然而，隨著地區的改變，
女性工作者之薪資變化差異較男性大。
就科系而言，以農科為對照組，男性選擇文、法律、商管、理工、醫科、軍 警及教育科系之薪資皆比農科高，其中醫學系相較於農科高出 18.2%，為男性薪 資最高之科系。女性部份和男性相似，所有科系之薪資皆比農科高，其中又以軍 警薪資最高，相較於農科高出 40.2%。
就產業而言，以農林漁牧業為對照組，在男性部份，製造業薪資相較於農林 漁牧業少 7.4%，水電資源業相較於農林漁牧業多 3.3%，工程營造業比農林漁牧 業 8.2%，批發零售業農林漁牧業少 10.7%，運輸業農林漁牧業多 3.9%，服務業 農林漁牧業少 9.7%，其他產業農林漁牧業少 6.6%。在女性部份，製造業薪資相 較於農林漁牧業多 3.4%，水電資源業相較於農林漁牧業多 14.1%，工程營造業 比農林漁牧業 25.9%，批發零售業農林漁牧業少 6.3%，運輸業農林漁牧業多
15.4%，服務業農林漁牧業少 6.7%，其他產業農林漁牧業少 1.6%。
在職業部份，以民意代表、主管及經理人員為對照組，在其他條件不變下，
職業為專業人員之男性，其薪資相較於主管及經理人員少 9.7%，而女性相對少 28.1%；職業為技術員及助理專業人員之男性，其薪資相較於主管及經理人員少
44
23.6%，而女性相對少 34.1%；職業為事務支援人員之男性，其薪資相較於主管 及經理人員少 36.6%，而女性相對少 49.8%；職業為服務及銷售人員之男性，其 薪資比主管及經理人員少 42.7%，而女性相對少 60.8%；職業為農林漁牧生產員 之男性，其薪資比主管及經理人員少 61%，而女性相對少 64.5%；職業為技藝工 作人員之男性，其薪資比主管及經理人員少 38.5%，而女性少 57.4%；男性機械 操作人員比男性主管及經理人員少 39.2%，而女性 56.4%；男性基層技術及勞工 比主管及經理人員少 59.3%，而女性少 63.5%。
45
薪資所得差異分解結果 第二節
利用表 5-1 之變數，我們可得到本文薪資所得差異模型分析結果，如表 5-2。
由於 Oaxaca 薪資所得分解方程式會因為不同薪資結構而有不同的結果，我們在 此分別利用男性薪資所得結構、女性薪資所得結構及組合薪資所得結構作分析。
欄(A)為個人生產力造成的薪資差異(薪資差異可以解釋部份)；欄(B)為歧視造成 的薪資差異(薪資差異無法被解釋部份)，若欄(A)與欄(B)係數為正表示男性薪資 相較於女性高。欄(C)與欄(D)由欄(B)細分出來，欄(C)為男性受到的差別待遇，
若為正代表男性受到正向的差別待遇；欄(D)為女性受到的差別待遇，若為正代 表女性受到負向的差別待遇。
如表 5-2，男性平均薪資對數為 4.981，女性為 4.689，兩性薪資相差 0.293，
顯示女性的薪資低於男性。在兩性生產力不同所造成的薪資差異方面，就女性薪 資結構看來，女性的薪資被低估 0.042；就男性薪資結構看來，女性的薪資被低 估 0.05；就組合薪資結構看來，女性的薪資被低估 0.035。在歧視所造成的薪資 差異方面，就女性薪資結構看來，女性的薪資被低估 0.251；就男性薪資結構看 來，女性的薪資被低估 0.243；就組合薪資結構看來，女性的薪資被低估 0.257。
綜合上述我們可以發現，兩性薪資差異原因主要來自於無法解釋差異，三種薪資 結構的結果一致，此無法解釋部分占總兩性薪資差異之比例約 82.9%~82.7%，而 能解釋部分占總兩性薪資差異之比例約 11.9%~17.3%。
46
Standard errors in parentheses* p < 0.05, ** p < 0.01, *** p < 0.001
47
表 5-3：各期薪資所得差異分解結果－無學歷區分
年度 兩性薪資差異 可解釋部分 無法解釋部分
第一期 0.392 0.096 0.296
(1978-1989 年) [100%] [24.5%] [75.5%]
第二期 0.357 0.067 0.289
(1990-2001 年) [100%] [18.8%] [81.0%]
第三期 0.237 0.057 0.180
(2002-2013 年) [100%] [24.1%] [75.9%]
總年度 0.293 0.035 0.257
(1978-2013 年) [100%] [11.9%] [87.7%]
資料來源：1978-2013 年行政院主計總處「人力資源運用調查」資料
接著，我們分別探討各個學歷之各期薪資所得差異分解結果，將學歷區分為 大學以上(表 5-4)、五專(表 5-5)、高中職以下(表 5-6)三個學歷區間，並將各學歷 分為 1978-1989 年、1990-2001 年及 2002-2013 年三期來做比較。我們可以發現，
學歷為大學以上者兩性薪資差異約 0.198~0.235，學歷為五專者兩性薪資差異約
0.224~0.225，學歷為高中職及以下兩性薪資差異約 0.294~0.405。若將各學歷分 期來觀察，學歷為大學以上於第一期時，其兩性薪資差異可解釋部分為 42.6%，
第二期為 53.4%，至三期增加至 56.1%；學歷為五專於第一期時，其兩性薪資差 異可解釋部分為 25%，第二期為 28.5%，至三期增加至 33.3%；學歷為高中職以 下於第一期時，其兩性薪資差異可解釋部分為 23%，第二期為 18.8%，至三期為 24.5%。比較三個學歷可以發現，教育程度越高者，兩性薪資差異越小，且薪資 差異可解釋部分高於教育程度低者。除此之外，若將不同學歷依各期變化程度比
48
49
較，可以發現，隨時間的改變教育程度大學及以上者相較於五專及高中職以下學 歷，其兩性薪資差異有明顯縮小的趨勢，而於可解釋部分方面，大學學歷以上可 解釋部分由第一期至第三期增加了 13.5 個百分點，五專學歷由第一期至第三期 增加 8.3 個百分點，學歷高中職及以下者可解釋部分隨時間變化改變不大，顯示 隨時間的變化，若學歷越高則可解釋部分比例增加越多。
50
各科系薪資所得差異分解結果 第三節
本節探討各科系兩性之薪資差異，並將差異區分為可解釋(個人特徵差異)及 無法解釋(歧視)兩個部份，薪資差異若為正號，表示男性薪資高於女性，相反的，
若為負號則表示男性薪資低於女性。表 5-7 為各科系薪資所得差異結果，並將薪 資差異細分為可解釋以及無法解釋兩個部分作探討。
科系中之無科系者代表學歷為高中職以下族群，對此族群而言，其可解釋部 分之薪資所得差異為 0.094，無法解釋部分為 0.305，兩性薪資差異 0.399 相較於 大學各科系兩性差異高，其中薪資差距主要原因來自歧視差異，占總薪資差異的
76.4%。
就文科而言，兩性薪資差異為 0.121，其中可解釋部分之薪資所得差異為
0.034，占總差異的 28.1%；無法解釋部分為 0.087，占總差異的 71.9%。就法律 系而言，兩性薪資差異為 0.117，其中可解釋部分之薪資所得差異為 0.02，占總 差異的 17.1%；無法解釋部分為 0.097，占總差異的 82.9%。就商管系而言，兩 性薪資差異為 0.366，其中可解釋部分之薪資所得差異為 0.166，占總差異的 45.4%；
無法解釋部分為 0.2，占總差異的 54.6%。就理科而言，兩性薪資差異為 0.118，
其中可解釋部分之薪資所得差異為 0.044，占總差異的 37.3%；無法解釋部分為 0.075，占總差異的 63.6%。就工科而言，兩性薪資差異為 0.252，其可解釋部分
51
52
之薪資所得差異為 0.077，占總差異的 30.6%；無法解釋部分為 0.175，占總差異 的 69.4%。就農科而言，兩性薪資差異為 0.265，其可解釋部分之薪資所得差異 為 0.037，占總差異的 14%；無法解釋部分為 0.228，占總差異的 86%。就醫科 而言，兩性薪資差異為 0.364，其可解釋部分之薪資所得差異為 0.117，占總差異 的 32.1%；無法解釋部分為 0.247，占總差異的 67.9%。就軍警而言，兩性薪資 差異為-0.14，其可解釋部分之薪資所得差異為-0.137，占總差異的 97.9%；無法 解釋部分為-0.003，占總差異的 2.1%。就教育而言，兩性薪資差異為 0.084，其 可解釋部分之薪資所得差異為 0.019，占總差異的 22.6%；無法解釋部分為 0.065，
占總差異的 77.4%。
綜觀以上，各科系在兩性薪資差異部分，顯示商管、醫科兩科系之薪資差異 相較於其他科系大，農、工科次之。軍警系較為特別，是唯一女性薪資較男性高 的科系，且兩性薪資差異主要來源為個人稟賦差異，歧視部分僅占 2.1%。其餘 科系兩性薪資差異主要來自歧視部分，又以法律系及農科最高，約 82.9%~86%
為歧視所造成，商管系薪資差異來源，個人稟賦差異及歧視約各占一半因素。
53
科系之實證模型解釋能力 第四節
欲了解「科系」的選擇對於實證模型之解釋能力，我們分別加入不同變數至 方程式，並比較四個方程式之薪資所得分析結果。表 5-8 與 5-9 為四個方程式之 薪資分解結果，分別利用欄(1)、(2)、(3)及(4)表示之。欄(1)變數包含婚姻狀況、
教育年數、工作經驗、工作經驗平方項、現職工作年數、工作身分及工作地區；
欄(2)變數為欄(1)加上科系虛擬變數；欄(3)變數為欄(1)加上產業及職業兩種虛擬 變數；欄(4)變數為欄(1)加上科系、產業及職業三種虛擬變數。由於高中以下者 沒有科系領域差別，我們將學歷區分為高職以上和高中以下，利用 12 年為一區 間分成三期作探討，分別為第一期的 1978-1989 年，第二期 1990-2001 年，第三 期 2002-2013 年，並將薪資差異區分為無法解釋及可解釋兩個部分。
就高職以上學歷而言(如表 5-8)，首先，我們比較欄(1)與欄(2)可發現，加入 科系虛擬變數後，模型第一期可解釋部分由 42%增加至 44%，第二期由 29%增 加至 30%，第三期由 20%增加至 24%，顯示科系虛擬變數於三個年份區間皆有 助於增加模型的解釋能力，且於第三期有較明顯效果。接著，比較欄(1)與欄(3) 發現，加入產業及職業兩種虛擬變數後，模型第一期可解釋部分由 42%減少至 37%，表示產業與職業變數於第一期對於模型的解釋能力沒有幫助；第二期由 29%增加至 30%，第三期由 20%增加至 29%，表示產業與職業變數於第二期、
54
55
第三期有助於增加方程式的解釋能力。比較欄(2)與欄(3)可發現，第一期以加入 科系解釋能力較大，第二期科系與職業產業解釋能力相當，第三期以職業與產業 有較大的解釋能力。最後，比較欄(3)與欄(4)，模型可解釋部分第一期由 37%增 加至 41%，第二期由 30%增加至 33%，第三期由 29%增加至 33%，雖然由上述 比較得知職業、產業與科系解釋能力相當，但在模型有控制職業、產業兩種虛擬 變數的情況下，再加入科系虛擬變數仍有助於增加模型的解釋能力，約增加 3~4
第三期有助於增加方程式的解釋能力。比較欄(2)與欄(3)可發現，第一期以加入 科系解釋能力較大，第二期科系與職業產業解釋能力相當，第三期以職業與產業 有較大的解釋能力。最後，比較欄(3)與欄(4)，模型可解釋部分第一期由 37%增 加至 41%，第二期由 30%增加至 33%，第三期由 29%增加至 33%，雖然由上述 比較得知職業、產業與科系解釋能力相當，但在模型有控制職業、產業兩種虛擬 變數的情況下，再加入科系虛擬變數仍有助於增加模型的解釋能力，約增加 3~4