母親就業對兒童肥胖及青少年不良行為的影響之實證研究

全文

(1)國立高雄大學應用經濟學系碩士論文. 台灣教育報酬率估計—以九年國教為工具變數之應用 Estimating Returns to Schooling in Taiwan—Using Instrument Variable Based on Nine-Year Education Program. 研究生：陳增達撰指導教授：許聖章博士. 中華民國. 九十九年. 六月.

(2) 致謝詞研究所兩年的生活就這樣要畫上句點了，在這邊看到也學到了很多事物，最辛苦的當然是寫論文了，最感謝的當然是指導教授許聖章博士，除了在研究上給予我許多想法，為人處事上也是我學習的典範，更感激老師給我機會擔任助教一職，讓我了解到責任感的重要性。接著要感謝口試委員耿紹勛老師以及田維華老師在論文上給予許多寶貴的建議。兩年下來要感謝的人太多了，首先感謝育玟和婉婷，我們平時一起研究與討論，讓我研究的路上沒有那麼的孤獨，也要感謝阿城、陳政盛及班上的其他同學，我們平常互相鼓勵以及打屁，讓學校生活更加有趣。最後感謝我的父母，有你們的愛與支持，才能使我求學過程變得順利。. I.

(3) 台灣教育報酬率估計—以九年國教為工具變數之應用指導教授：許聖章博士國立高雄大學應用經濟學系. 學生：陳增達國立高雄大學應用經濟學系碩士班. 摘要. 傳統的 OLS 估計平均教育報酬率，因教育選擇變數與誤差項中個人能力沒有相互獨立，且在資料上我們也缺乏個人家庭背景與能力之代理變數，來控制個人能力的差異，而導致估計結果產生偏誤。本文試圖解決此內生性問題，並期望估計出較準確的平均教育報酬率。本文運用普通最小平方法與兩階段最小平方法估計平均教育報酬率，運用與九年國教相關的工具變數，分別為九年國教前後世代的虛擬變數以及各縣市國中學校數、班級數與學生人數的密度，本研究使用「人力運用調查」1978-2008 年選取 1948-1952 年(九年國教實施前之世代)與 1956-1960 年(九年國教實施後之世代)的出生世代作為本文的研究對象。研究結果顯示 OLS 估計結果約為 3.1%，九年國教後之世代之教育報酬率 3.15%大於九年國教前之世代的 2.94%。使用九年國教前後世代的虛擬變數為工具變數估計之平均教育報酬率為 5.3%。若使用台灣各縣市國中班級數的密度作為工具變數，則估計之教育報酬率約為 4.2%。我們使用工具變數法估計之平均教育報酬率均高於 OLS 所估計之結果。關鍵字：教育報酬率、內生性、工具變數. II.

(4) Estimating Returns to Schooling in Taiwan—Using Instrument Variable Based on Nine—Year Education Program Advisor(s): Dr. Sheng-Jang Sheu Department of Applied Economics National University of Kaohsiung. Student: Zeng-Da Chen Department of Applied Economics National University of Kaohsiung. ABSTRACT Traditional OLS estimates of returns to schooling are subject to ability bias, due to the presence of unobservable innate abilities which are correlated with schooling and also correlated with wages. It is difficult to obtain family background variables or proxy variables to control innate ability. The 2SLS method is used in this study to overcome the endogeneity bias. Instrumental variables applied include the binary compulsory schooling dummy and the ratios of the number of schools, classes or pupils in junior high level to the number of children aged 12-14. The data comes from the 1978-2008 Manpower Utilization Survey. A subsample including both of 1948-1952 cohorts (pre-policy cohort) and 1956-1960 cohorts (post-policy cohort) mainly are used to estimate the return to schooling. The OLS estimate of returns to schooling is 3.1% for the whole sample. Using the subsample, the OLS estimate of the returns to schooling is 3.1%. In addition, the OLS estimate of the return to schooling is higher for post-policy cohort (3.15%) than pre-policy cohort (2.94%). After correcting the endogeneity bias, the 2SLS estimates of the returns to schooling is 5.3% and 4.2% based on binary compulsory schooling dummy and the ratio of the number of classes in junior high level to the number of children aged 12-14, respectively. Keywords: Returns to Schooling, Endogeneity, Instrument Variable. III.

(5) 目錄致謝詞…………………………………………………………………………………………I 中文摘要……………………………………………………………………………………...II 英文摘要………………………………………………………………………………….....III 目錄…………………….……….………………………...…….....……...…………………IV 表目錄……………………….………………………………...…………….………………VI 第一章緒論……………………..……………..………………….………………………….1 第一節研究動機…………………………………………………………………...............1 第二節研究目的…………………………………………………………………………...3 第三節論文架構…………………………………………………………………………...3 第二章文獻回顧…………………………………………………………………………..…4 第一節九年國民義務教育政策的影響層面…………………………………………..….4 第二節台灣教育人力資本實證……………………………………………………..…….6 2.2.1 教育擴張對教育報酬的影…………………………………………………….……6 2.2.2 高等教育的快速擴張………………………………………………………………7 第三節使用工具變數法估計教育報酬…………………………………………………...8 2.3.1 國外相關文獻………………………………………………………..……………..8 2.3.2 國內相關文獻………………………………………………………………...…….9 第四節. 台灣平均教育報酬率估計……………………………………………….……..10 第三章九年國民教育之實施與背景探討………………………………………….…….13 第一節背景探討………………………………………………………………….……….13 第二節各縣市之就學機會概況…………………………………………………….……16 第四章實證模型……………………………………………………………………….…...20 第一節普通最小平方法(OLS) …………………………………………………………20 第二節二階段最小平方法(2SLS) ……………………………………………...………21. IV.

(6) 第三節工具變數的有效性(validity) ……………………………………………...……..22 第五章資料與變數說明…………………………………………………...……………….24 第一節資料來源與選取……………………………………………………...…………..24 第二節變數說明………………………………………………...………………………..24 第三節資料特性………………………………………………………………...………..25 第六章實證結果與分析......................................................................................................29 第一節普通最小平方法(OLS)估計結果..........................................................................29 第二節二階段最小平方法(2SLS)……………………………….……………………………………………………………………………..36 6.2.1 九年國教前後1948-1952年與1956-1960年之出生世代的虛擬變數...................36 6.2.2 九年國教前後1951-1955年與1956-1960年之出生世代的虛擬數.......................38 6.2.3 使用各縣市國中校數的密度為工具變數…………………………………….….41 6.2.4 使用各縣市國中班級數的密度為工具變數..........................................................43 6.2.5 使用各縣市國中學生人數的密度為工具變數......................................................46 6.2.6 小結………………………………………………………………………………..46 第七章結論..........................................................................................................................49 參考文獻…………………………………………………...………………………...…........52 附錄………………………………………………………………...…………...……………56. V.

(7) 表目錄表 2-1 台灣平均教育報酬率估計整理……………………………………………………..12 表 3-1 國民小學升學率及學齡兒童就學率………………………………………………..13 表 3-2 各出生年之出生世代最高學歷為小學以下比率…………………………………..16 表 3-3 1968-1972 年各縣市班學校數與班級級數比較.........................................................18 表 3-4 九年國民義務教育實施後各縣市國中班級數與 12-14 歲人口之比值…...............19 表5-1 全部樣本敘述統計量分析…………………………………………………...............27 表 5-2 九年國教前後世代敘述統計量分析與比較………………………………………..28 表6-1 OLS之估計結果………………………………………………...…………………….31 表6-2 九年國教前代之教育報酬率的差異…………………………………..…………….33 表6-3 九年國教前後出生世代OLS之估計比較結果……..……………………………….33 表6-4 1978-2008年全部樣本之OLS之估計結果…………………….…………….………35 表6-5 1948-1952年與1956-1960年之世代二階段最小平方法估計結果………………….37 表6-6 1951-1955年與1956-1960年之世代二階段最小平方法估計結果.............................40 表 6-7 各縣市國中校數的密度為工具變數之二階段最小平方法估計結………………..42 表 6-8 各縣市國中班級數的密度為工具變數之二階段最小平方法估計結………………44 表 6-9 各縣市國中學生數的密度為工具變數之二階段最小平方法估計結果……………47. VI.

(8) 第一章緒論第一節研究動機人力資本一直是世界的重點投資項目，國家透過人力資本的累積帶動經濟發展，也是未開發及開發中之國家脫離貧窮不可或缺的重要因素。台灣之所以能創造出雄厚的經濟實力，教育的發展與投資便占了舉足輕重的地位。對於個人透過教育的過程可提升自己的競爭力，教育的投資對於個人一生的影響及決策可能是無形且深遠的，並且也是階級流動的主要途徑。而教育投資報酬率的趨勢及變化一直是學者們感興趣的議題，若能充分得到此資訊，對政府在教育政策上有幫助，提供個人決策是否該繼續投資於教育且該投資多少。台灣近來的研究多著重於教育的擴張是否導致教育報酬率下降以及平均教育報酬率的估計。Psacharopouls (1985)、符碧真(1996)分別提出教育投資報酬率並沒有因為教育擴張而有太大的下降。而近年來大學的錄取率年年攀升，至今更是幾近百分之百的錄取率，坊間更是流傳著大學生滿街都是的言論，高等教育的擴張使得大學生的素質受到質疑，邱麗芳(2004)則認為大學以上之高等教育酬率有下降的趨勢。但以上的研究均忽略估計上存在內生性的問題，運用Mincer(1974)所提出的薪資模型，此模型運用教育與個人薪資存在密切的關聯，並加入工作經驗及工作經驗的平方項，透過勞動薪資與個人的學歷或教育年數來估算教育報酬率。但傳統OLS估計也因為可能忽略教育選擇變數與誤差項中個人能力沒有相互獨立，而導致估計上的偏誤。本文即期望能解決此內生性的問題。個人的能力以及家庭背景經常無法由資料上取得，因此必須尋找其它解釋變數來控制上述無法觀察的因素。如利用 IQ 測驗或 SAT 成績當作個人能力的代理變數。另外兩階段最小平方法(2SLS)可提供我們降低忽略重要解釋變數所產生的估計偏誤，要運用此方法必須要先找一個工具變數，如利用父母親或配偶的學歷、雙胞胎的學歷等變數。而此工具變數必須滿足兩個條件，要與重要解釋變數. 1.

(9) 相關，並且與誤差項中的不可觀察到的因素(如:個人與生俱來的能力)無關，要找到符合上述條件的工具變數並不容易，國內外已有許多關於工具變數的研究，運用義務教育的變革也是其中之一，此工具變數的使用也較被大多數人所接受。台灣於西元 1968 年實施的九年國民義務教育，將原本義務教育年限由六年延長至九年，此政策實施後確實對個人的教育成就有很大的影響，黃芳玫(2001) 九年國民義務教育實施後教育的投資明顯高於九年國教實施之前，且九年國教後之世代平均人力資本存量相對較高。九年國民教育政策的實行應會與教育選擇變數有很大的關聯。義務教育的革新應用於估計教育報酬，在國外已有許多相關的研究，然而由於各國對義務教育的規定與實施有所差異，故在工具變數上的使用也因此不同，如 Angrist 與 Krueger (1991)使用個人出生的季節為工具變數。其它研究則可能利用政策實施前後的虛擬變數。此外也可能因為國家教育體制的不同或其他種種因素，在使用工具變數的估計結果有所落差，如 Jorn-Steffen Pischke and Till von Wachter (2008)使用 IV 估計法的教育報酬趨近於零。本研究利用九年國民義務教育政策造成前後兩個世代教育水平的差異，以及政策實行之初各縣市建校速度的不一致，利用相關的工具變數估計平均教育報酬率。在國內也有使用工具變數法估計教育報酬的研究，如賴偉文(2008)利用多個工具變數包含九年國教前後世代的虛擬變數，此研究使用「人力運用調查」1990 年的資料且僅限於資料中擁有跨代完整資料者作為研究的樣本，此樣本排除沒有跨代完整資料後的樣本僅有 7193 筆，此樣本數與原本「人力運用調查」1990 年份的資料約 5,7000 筆有一大段的差距，故在估計上可能會有樣本選擇的問題產生。本研究使用「人力運用調查」1978-2008 年，選取受九年國教影響較深之前後五年的出生世代為研究的對象，並且擁有較大的樣本數目約為 13 萬筆。. 2.

(10) 第二節研究目的本文試圖解決內生性的問題，藉此降低估計上的偏誤，並期待估計出較準確之平均教育報酬率，本研究樣本從「人力運用調查」1978-2008 年選取受九年國教影響較深之前後五年的出生世代，分別為 1948-1952 年(九年國教實施前之世代)與 1956-1960 年(九年國教實施後之世代)的出生世代作為本文的研究對象。利用與九年國民教育政策相關的工具變數，分別為九年國教前後之世代的虛擬變數及九國民義務教育實施後各縣市國中學校數、班級數與學生人數的密度。並評估此工具變數的有效性(validity)。即該工具變數是否與教育選擇變數相關且與誤差項中的不可觀察到的個人能力無關。運用一般最小平方法(OLS)與兩階段最小平方法(2SLS)估計台灣平均教育報酬率，並探討以上兩種方法估計之平均教育報酬率的差異。第三節論文架構本文共分為七章，其架構如下: 第一章緒論，分為研究動機、研究目的以及論文架構。第二章文獻回顧，整理國內外文獻，九年國教的影響層面、工具變數法的應用、國內教育擴張的影響以及台灣平均教育報酬率的估計作詳細的介紹第三章九年國民教育之實施與背景探討，針對背景以及各縣市之就學機會概況描述及探討。第四章實證模型，分別對普通最小平方法(OLS)、二階段最小平方法(2SLS) 工具變數的有效性(validity)作說明第五章資料與變數說明，說明資料的類型、選擇的樣本、變數及敘述統計量的整理。第六章實證結果與分析，分析模型的估計結果。第七章結論。. 3.

(11) 第二章文獻回顧 Becker and Tomes (1979) 提出個人的薪報酬資會受到本身稟賦的影響，如果不考慮個人之先天能力以及家庭背景等因素，在估計教育報酬率上會有偏誤產生。本文探討使用義務教育的革新為工具變數來估計教育報酬進而降低此內生性偏誤。本章首先了解國內對於九年國民義務教育實施的相關研究，了解此政策的實施影響層面的廣度，以及教育的擴張如何影響個人教育投資與報酬，接著為使用工具變數法估計教育報酬的相關研究，最後為國內估計教育報酬的相關之研究貢獻。第一節九年國民義務教育政策的影響層面民國五十七年延長國民義務教育至九年，的確有效幫助國人在人力資本的投資，並提升國人整體的教育成就，尤其對於九年國教前後世代在人力資本的投資以及勞動生產力產生了很大的差異，黃芳玫 (2001 本文利用 Becker et al.（1990）之內生成長模型，使用「人力運用調查」1978-1995 年，探討世代轉移對教育水準及所得的影響，模型中加入了九年國民教育政策的虛擬變數，並比較政策前後對於教育年數及投資報酬率的影響。結果發現子女數愈多會使父母親對子女教育投資減少，尤其對女兒影響相對大。在九年國民教育實施之後男女無論在教育水平及教育報酬皆有所提升，女性的增長幅度皆大於男性，但在教育投資的邊際報酬率男性仍高於女性。九年國民義務教育的實行對於 12~14 歲人口快速成長的年代，由於人口成長與經濟正當起飛導致對中級教育強烈需求，政策有效紓解了學齡兒童的升學壓力。義務教育政策的實施也有助於提升低教育階層的教育成就，連帶影響了親子之間經濟及所得的關係，林知儀(2002) 利用「人力運用調查」資料，探討個人的終身成就是否會因為上一代的經濟背景與薪資條件所影響，其實證結果顯示九年國教的實施的確有效降低了兩代之間所得之相關程度，作者並認為只有低教育階層家庭受到九年國教政策的影響較大，高教育階層家庭則沒有明顯受到九年國教政策所影響。莊奕琦與賴偉文(2008)採用「華人家庭動態資料 4.

(12) 庫」此研究著重於個人特質與家庭環境因素對教育成就之影響，並探討九年國民義務教育的實施對性別、省籍及城鄉間與教育成就的關聯性。其結果發現政策的實施對改善性別、省籍及城鄉間教育成就的差異都有顯著且正面的效果。九年國教的實行也改善了早期台灣於教育資源上分配不均的問題，進而拉近了性別、省籍及城鄉間在教育成就上的差異。賴偉文(2008)採用 1990 年主計處「人力運用調查」的原始資料。此研究所選取的樣本是以資料中擁有跨代完整資料作為研究對象，此樣本是具有父親之教育程度以及家中手足狀況等資料，以九年國民義務教育政策作為工具變數解決可能產生的內生性問題，估計結果顯示受九年國民義務教育者之平均教育報酬率為 9.55%。由於此研究僅限以具有跨代完整資料者作為研究之樣本，樣本數由原始資料約 5,8000 筆減少至 7193 筆，故在估計上可能會有樣本選擇的問題產生。Spohr, Chris A. (2003)利用台灣的「家庭收支調查」探討台灣九年國民義務教育的實施對個人教育的影響，並以九年國教虛擬變數為工具變數，估計台灣的勞動參與力以及總薪資的變化，發現九年國教對女性之勞動參與力以及總薪資的影響較大，估計九年國教的實施使男性之教育年數提升約 0.4 年，女性之教育年數則提升提升 0.25 年。Clark 與 Hsieh (2000)分別利用台灣之「人力運用調查」、「家庭收支調查」以及 1990 年的「戶口普查」，針對 1948-1953 年以及 1957-1962 年九年國教的前後出生世代為研究對象，運用工具變數法估計台灣平均教育報酬率，利用九年國教虛擬變數與 1968 年各縣市每千人所擁有的校數為工具變數，作者在使用 1968 年各縣市每千人所擁有的校數為工具變數時，研究對象為 1957-1962 年的出生世代，但由於九年國教實施初期各縣市陸續著手興建學校，所以後續幾個年份之各縣市每千人所擁有的校數變化很大，1968 年各縣市每千人所擁有的校數應該只適用於估計 1957 年的出生世代，不適用於後面幾年的出生世代。故只使用 1968 年之資料是不夠的，應該繼續加入 1968 年之後幾年之各縣市每千人所擁有的校數作為工具變數，這樣的估計結果才會較為準確。Shin-Yi Chou et al.(2010)也使用 1968-1973 年各縣市每千人所擁有的新設校數作為工具變數，以解決父母之教育程度與小孩的健康之間存在的 5.

(13) 內生性問題。第二節台灣教育人力資本實證研究九年國教以及相關的教育政策的確使國人的平均教育水準上升，近來國內許多研究開始探討教育的擴張對教育報酬率的影響層面。本節將介紹教育擴張與教育報酬率的變化，並了解教育擴張如何影響個人的教育投資與教育報酬。 2.2.1 教育擴張對教育報酬的影響投資於教育對個人以及社會產生很大的助益，政府單位為了提升國人的教育水平及追求經濟發展，九年國民義務教育的實行與教育的擴張，皆有助於提升各的教育機會，並使得國人的平均教育年數得以提高，使台灣教育變得普及。但隨的國人平均教育程度漸高，學者們也開始注意到教育的投資報酬率是否會因為教育的擴張而有所下降。Psacharpoulos(1985)對多個國家的教育酬率作估計以及比較，並發現台灣的平均教育報酬率沒有因為教育擴張而有很大的變化。並提出教育與科技進步會相互影響，教育可以培養出高素質的人才，而高素質人才也會使科技更加進步。另一方面，為了因應高科技的發展，教育系統必須培育出高素質人才。同樣地 T. H. Gindling et al. (1995)也認為台灣所有勞動者的教育報酬在 1978 年-1991 年之間大致是呈現一個穩定的趨勢，與 Schultz (1993)之研究提出發展中的國家在這段時間內教育報酬有下降的趨勢，兩者研究結果並不相同。可以解釋為台灣持續對高教育人才的需求是為了因應科技的改變。符碧真(1996) 應用台灣之「個人所得分配調查報告資料庫」1964-1990 年連續十五年的資料估計私人教育投資報酬率，觀察雇人薪資所得在四類收入(包括雇人薪資所得、企業主所得、遺產所得及移轉所得)中從 1964 年的 42%提升至 1990 年的 60%，所以此研究僅使用受僱員工薪資所得作為收入的變項，研究結果發現私人教育報酬雖然略為下降，但此研究的下降幅度比 Psacharopoulos(1985)的研究還來得小。在 1970 年代中期的教育投資報酬率，以中等教育為最高，到了 1970 年代末期高等教育投資報酬率漸漸上升，之後並取代中等教育成為三級教育中最高者，而初. 6.

(14) 等教育的教育投資報酬率一直為三級教育中最低。吳慧瑛(2003)利用主計處｢人力運用調查｣1978-2001 年的資料，觀察此段時間內台灣教育報酬率之變化，探討各級教育之間在個人薪資以及教育報酬率的差異，同時也比較男女、產業、各學門別及公私部門之間在教育報酬率上之差異。教育水愈高男女之間教育報率的差異愈小，女性在各教育階層的教育報酬率均大於男性。在科系方面以醫科的教育報酬率為最高者，其次分別為法商、理工及文科。公家機關之教育報酬率則大於私人企業。產業上服務業之教育報酬率高於工業及農業，服務業之教育報酬率處於穩定成長，反觀農業得教育報酬率則變化最大。作者觀察台灣平均教育報酬率於 1987 年至 1994 年有下降的趨勢，但認為長期而言仍為上升趨勢。以上研究均指出隨著年代的增加國人的平均教育程度漸升，但這段期間內並沒有因為教育的擴張而有特別明顯的下降趨勢。 2.2.2 高等教育的快速擴張近年來由於大學院數的增加，導致大學考試錄取率愈來愈高，研究所、博士班畢業人數也有相當的成長。此高等教育的擴張現象，對於勞動市場影響甚大，高等教育擴張使得勞動供給過剩，高學歷不再是擁有高薪資的保證，近來相關研究也著重於高等教的擴張教育報酬率是否會因為大學生的供給增加而下降。邱麗芳(2004)使用 1978 至 2003 年主計處｢人力運用調查｣資料，分析大學教育報酬率的變化，其實證結果發現在 1987 年以前大學的教育報酬率是呈現緩慢上升的情況。接著利用 Chow test 檢定在 1987 年時有無結構性的改變，結果發現在 1987 年的時點有結構性的改變。作者指出 1980 年代國內對高素質人才需求提高，大學勞動需求曲線向外移動，使得 1987 年以前大學教育酬率有上升的情形，但此後政府單位大力投資於高等教育上，大學以上之勞動者增加快速，但此時大學以上勞動者之供給已經大於需求，大學教育報酬率則為下降的情況。許碧峰(2004) 利用｢人力運用調查｣1978 年-2002 年之資料，觀察台灣這段期間內男性與女性之大學教育溢酬變化。認為 1995 年的教育改革，擴增技術學院以及專科學校的招生人數，暢通升學管採取多元入學方案，導致就讀大專院校的機會提高不少。在 7.

(15) 此教育平均水準提高之下，發現 1980 年以後台灣男性未觀察之能力報酬之大專溢酬下降了 30.1%，同時也減少了 9.2%。作者認為政府在提升國人教育平均水準的同時，必須評估勞動者未觀察到能力是否也有所提升。林倩如(2007)利用｢人力運擬-追蹤調查資料庫｣，研究期間為 1990-2004 年共十五年，選取大學及大學以上之勞動者作為研究的樣本，分析台灣研究所畢業的勞動者相對於大學畢業是否有更高的的教育報酬率，同時也觀察高等教育的在這段期間內的趨勢。此研究結果顯示研究所畢業的勞動者相對於大學畢業者有較高的教育報酬率，大約介於 2.5%-10%之間。此研究觀察民國九十年後，高等教育有下降的趨勢。作者認為受到高等教育擴張之政策影響，進入研究所的門檻放寬，導致勞動市場研究所以上者供給上升，此項現象對於高等教育者之薪資報酬產生負向的影響。以上研究皆顯示近來高教育的快速擴張，的確導致個人的教育報酬因此下降，量的提升導致勞動市場供過於求，而質的提升並未為到達市場需求的標準。故在發展高等教育的同時，也應考慮到兩者並重。進而能培養出國家以及各相關產業所需要的人才。第三節使用工具變數法估計教育報酬 2.3.1 國外相關文獻研究者在估計平均教育報酬率時必須控制個人能力的差異，而可能利用能代表個人能力的變數，如 IQ 測驗、雙胞胎兄弟姐妹等背景資料。但這些資料並不容易取得。Angrist 與 Krueger (1991) 以教育體系中的改革為工具變數，首先利用個人出生的季節(quarter of birth)當作工具變數來估計教育報酬，利用美國義務教育規定青少年必須達到一定的法定年齡才能離開學校，作者認為出生於較前面月份的學生會因此較快達到法定年齡，則可能在尚未完成學歷之前即達到法定年齡，而選擇提早離開學校。而出生後面月份的學生因為受到法定年齡的規範，則無法在完成學歷之前離開學校。此研究結果發現 OLS 與 IV 估計的教育報酬並無明顯的差距。Harmon 與 Walker(1995)分別利用 1947 年的義務教育改革將離開學 8.

(16) 校之法定年齡由 14 歲改成 15 歲，以及 1973 年由 15 歲改至 16 歲，利用這兩次改革之虛擬變數做為工具變數來估計教育報酬，估計結果教育報酬約為 15%，高於 OLS 估計的 6%。Orepoulos (2007)同樣用教育改革於 IV 估計教育報酬，並計算與比較美國、加拿大及英國所估計的結果，結果顯示 IV 所估算的教育報酬約介於 10%至 14%之間，皆大於 OLS 所估計之結果。Patrinos 與 Sakellariou (2005) 利用委內瑞拉 1980 年教育改革，將個人基本教育年限由六年提高至九年，以此改革之虛擬變數當作 IV 估計的教育報酬約為 9%，而 OLS 估計則為 6%，但若用父親教育年數與義務教育之交互作用項為 IV，則估計結果上升至 10.8%。 Jorn-Steffen Pischke 與 Till von Wachter (2008)估計德國之教育報酬，應用類似英、美等其他國家之 IV 估計，使用義務教育為工具變數，這些國家之估計結果教育報酬約在 10%-15%之間，不同於上述之結果，其使用 IV 估計出教育報酬接近於零。作者提出可能解釋此現象之原因，為德國之教育體制與其他研究國家有所不同，那些較低教育的族群在國中教育階段，即擁有比其他國家較佳的技職訓練，故延長教育年數可能相較其他國家影響甚小。除了應用義務教育的改革為工具變數外，Card (1995b)利用個人居所是否鄰近大學作為工具變數藉此估計教育報酬，IV 估計顯示教育報酬約為 10%至 14%之間，大於 OLS 估計之 7.3%。上述除了Angrist 與 Krueger (1991)的研究，IV與OLS兩種估計的結果大致相同之外，其他文獻皆大多顯示IV估計法所得的教育報酬會高於OLS所估計，由於各國對義務教育之法規不盡相同，各研究雖然皆使用義務教育的改革當作工具變數，但在此工具變數的定義方面，會因法規訂定的不同而有所差異。此外估計出的結果也可能因為教育制度等其它因素有所異同，例如德國使用IV估計出的教育報酬則趨近於零。 2.3.2 國內相關文獻國內研究應用工具變數估計教育報酬方面，Clark 與 Hsieh (2000)分別利用台灣之「人力運用調查」、「家庭收支調查」以及1990年的「戶口普查」，針對 1948-1953年以及1957-1962年九年國教的前後出生世代為研究對象，運用工具變 9.

(17) 數法估計台灣平均教育報酬率，若利用九年國教虛擬變數為工具變數，發現工具變數之估計結果小於OLS;若以1968年各縣市每千人所擁有的校數為工具變數，估計結果與OLS沒有顯著的差異。賴偉文(2008)此研究應用父親教育年數、九年國民義務教育政策、城鄉及手足狀況作為工具變數，解決可能產生的內生性問題，工具變數法所估計的平均教育報酬率均高於傳統OLS所估計之。其研究發現男性與女性教育報酬率分別為5.97%與14.69%，作者認為OLS在估計上對女性教育報酬率有嚴重的低估現象。李靜洵(2009)利用「華人動態資料庫」估計教育報酬，以兩階段最小平方法 (2SLS)等不同模型來估計台灣平均教育報酬率，作者使用配偶之教育年數為工具變數，試圖解決未處理個人能力之差異在教育與薪資上所造成的內生性偏誤，實證結果顯示OLS估計教育報酬的結果可能有低估的現象，其使用不同模型估計的平均教育報酬率約在5%-12%之間。在國內研究無論是使用父親或配偶的教育年數做為工具變數，皆發現 OLS 估計出的教育報酬有低估的現象，與大多數國外之研究有相同的結果。另外使用父親的教育年數為工具變數，賴偉文(2008)發現父親的教育年數變數可能有潛在的內生性疑慮，並無法排除與個人的潛在能力無關。另外使用配偶之教育年數，則無法肯定個人的教育年數與配偶的教育年數會有一定程度上的相關。故使用父親教育年數或是配偶教育年數為工具變數，仍可能會有潛在的內生性疑慮。第四節台灣平均教育報酬率估計本研究針對九年國民義務教育政策實施年之前後世代來估計台灣的平均教育報酬率。在本研究之前已有許多相關文獻，以各個資料年份運用不同的模型估計台灣教育酬率，本節我們將參考相關的研究成果。荀玉蓉(1991)運用主計處｢人力運用調查｣1978-1989 年的資料，應用成本效益分析法計算大學教育社會報酬率，並認為大學教育對個人是一項很有利的投資。紀乃加(1998) 運用 1978-1998 年主計處｢人力運用調查｣，此研究使用 Mincer(1974)之薪資方程式估計台灣平均教育報酬率，觀察此段期間平均教育報酬率的變化趨勢。作者指出台灣教育程度愈高，教育報酬率也愈高，而女性之教 10.

(18) 育報酬率也高於男性。廖茂榮(2003) 以 1992 和 2001 年主計處｢人力運用調查｣資料，同樣運用 Mincer (1974)的薪資所得模型估計台灣之教育報酬率。指出學校教育年數與工作經驗年數的上升皆能提高薪資水準，在教育擴張之後教育程度對薪資所得之影響日益重要，另外個人工作經驗仍然比教育年數對薪資所得更具影響力，但其影響力逐漸減小。郭姿伶(2008)利用主計處｢人力運用調查｣於 1989 年後，資料才增加的問項為「與戶長的關係」，其選取與戶長的關係為子女在 1989 年、1998 年及 2007 年橫跨 18 年的樣本，運用家庭固定效果模型估計台灣的平均教育報酬率，其估計結果台灣平均教育報酬率約為 4%。. 11.

(19) 將第二章國內文獻估計之平均教育報酬率結果彙整如下 2.1 表: 表 2-1 台灣平均教育報酬率估計整理作者. 模型. 資料年份. 教育報酬率估計. 荀玉蓉(1991). 成本效益分析法. 人力運用調查 6.63% 1978-1989. 符碧真(1996). 成本效益分析法. 人力運用調查 6%-9% 1964-1990. 紀乃加(1998). Mincer (1974) 的人力運用調查 5.9%-8.1% 薪資所得模型 1978-1998. 吳慧瑛(2003). Mincer (1974) 薪人力運用調查 4.3%-6.9% 資所得模型 1978-2001. 邱麗芳(2003). Mincer (1974) 薪人力運用調查 5.8%-9.4% 資所得模型 1978-2003. 廖茂榮(2003). Mincer (1974) 薪人力運用調查 3%-7.8% 資所得模型 1992、2001. 林倩如(2006). 縱橫資料迴歸模型. 人力運用調查 6.58% 1990~2004. 郭姿伶(2008). 家庭固定效果. 人力運用調查 4% 1989、1998、 2007. 賴偉文(2008). 工具變數法. 人力運用調查 5.97% 1990. 李靜洵(2009). 工具變數法. 華人動態資料庫. 12. 5%-12%.

(20) 第三章九年國民教育之實施與背景探討第一節背景探討在台灣光復之後，政府大力推行國民教育，國民學校的普遍設立，就學人口也隨之增加，在九年國民教育實施之前，學齡兒童的就學率已達到大約百分之九十七以上，但根據五十一學年度的統計國小畢業生之升學率僅約為百分之五十二 (方炎明，九年國民教育實施二十年)，亦即僅大約一半的人能繼續升學念初中，相對於當時的就學率來說實在太少，升學的激烈競爭、世界潮流的趨勢、現代社會的需求、國家當前的需要及延長年限的輿論，都是使民國五十七年實施九年國民義務教育的主要推手，而九年國教的實施也是我國教育政策史上的重要成就 (方炎明，九年國民教育實施二十年)。表 3-1 國民小學升學率及學齡兒童就學率學年度. 升學率 %. 就學率 %. 1966. 59.04. 97.41. 1967. 62.29. 97.52. 1968. 74.66. 97.67. 1970. 79.81. 98.00. 1972. 83.86. 98.13. 1974. 88.62. 99.42. 1976. 91.01. 99.64. 1978. 94.07. 99.72. 1980. 96.78. 99.79. 1982. 98.60. 99.79. 1984. 99.34. 99.82. 1987. 100.00. 99.87. 資料來源: 方炎明（1988），九年國民教育實施二十年，台北：教育部國民教育司。 13.

(21) 九年國民義務教育於民國五十七年實施後，國小畢業生的升學率由民國五十六年的 62.29 %提升至 74.66 %，由於政策起初各項軟硬體設備的不足，有的鄉鎮學校與師資不足，並非一開始所有學區皆能達到完全的升學率，隨著每年學校數與師資的增加，以及教育資源的平均分配，升學率也逐年上升。76 學年度相較於 56 學年度國民中學校數增加 278 所 (11.97%)、學生人數增加 52,369 人 (2.23%)、教師人數增加 20,543 人 (36.90%)，教師與學生比由 1 : 42.17 減少到 1 : 31.49，學齡兒童的就學率由 97.52%增加至 99.89%，直到民國七十六年國民小學畢業生已達到百分之百的升學率(方炎明，九年國民教育實施二十年)。於民國五十七年七月二十七日公布的「九年國民教育實施條例」，是當時實施九年國教實施的主要法源依據，直到政府於民國六十八年五月公布「國民教育法」，「九年國民教育實施條例」也因此廢止。依據「九年國民教育實施條例」第四條:『國民小學當年畢業生，由主管教育行政機關，分發所在學區國民中學入學，在本條例實施前國民學校畢業生，年齡未超過十五歲志願就學者，予以輔導入學或接受技藝補習教育。』故在西元 1953 年、1954 年以及 1955 年出生的世代，仍可能因此條例的規定而得以繼續升學，由於此條例並非強迫而為志願者，而這些人可能因家庭等社會經濟因素而選擇不重返學校，這三年出生的世代國民小學畢業應於 1965 年、1966 年及 1967 年，在資料上顯示 1966 年及 1967 年的升學率分別為 59.04 %及 62.29 %，故這三年中每年約有 40 %的人是沒有繼續升學的，由於缺乏統計上的相關資訊，我們並無法得知這些人在求學過程中斷後重回校園的比例。故我們無法依據當時九年國民教育的實施年，將這些人歸類為沒有接受國民教育。或是依據此九年國民教育實施條例，將這些人歸類為有接受國民教育。1953-1955 這三年出生之世代在資料的處理歸類是屬於較具不確定性的。表 3-2 中 1948-1960 年是我們資料分析中選取的所有樣本之出生年份，其中出生於 1948-1952 年之出生世代是我們定義為沒有接受九年國民教育，在 1956-1960 年之出生世代則定義為有接受九年國民教育。以上這兩組各五個年份出生的樣本，我們認為這些人是受九年國教政策影響較大的族群，而於 1953-1955 14.

(22) 這三年之出生世代是上述提及在資料中處理歸類屬於較具不確定性的世代。我們由資料中來觀察最高學歷為小學以下的人占所以人數的百分比率，是否這 1953-1955 這三年之出生世代與出生於 1948-1952 年及 1956-1960 年這兩組出生世代有明顯的差異，由表可知最高學歷為小學的人皆隨出生年份的增加而遞減， 1950 年之世代至 1952 年之世代每年下降的比率分別為 1.79 %、1.84 %，這兩年的世代之差距並沒有明顯的改變，但到了 1952 年之世代至 1953 年之世代相差 2.5 %。1952 年之世代與 1954 年之世代相差 5.67 %，以及 1952 年之出生世代育 1955 年之世代相差 9.36%，於 1954 年及 1955 年之出生世代較 1948-1952 年之出生世代最高學歷為小學以下的人所占的百分比率，確實有較為明顯的差異。而 1956 年之出生世代相較前一年出生的人，最高學歷為小學以下的人所占的百分比率大幅下降了 8.12 %，且 1956 年及 1957 年的出生世代小學畢業的人數下降比率約為 5 %，顯然在九年國教實施後僅有小學畢業的人數比例明顯降低許多，在 1956 年前後出生的世代最高學歷為小學畢業占總人數比例的差異相當明顯。由此表可看出 1953-1955 這三年出生的世代，只有 1953 年出生的與前五年出生的人差異較小，其他兩年出生的人較前五年出生的人有明顯的差異。而 1953-1955 這三年出生世代與 1956-1960 這五年出生世代差異非常明顯。根據上述分析 1953-1955 這三年出生之世代在資料的處理歸類是屬於較具不確定性的。可能會造成使用九年國教前後之世代虛擬變數(IV1)分類上的不確定性。一旦我們無法確認該人是否有接受九年國民教育，將悠關工具變數定義及使用上的精確度，在資料處理上，無論將此三年出生的人歸類於任一組，皆可能會有很大的誤差，我們必須將這不確定性排除，故選擇將這出生在 1953 年、1954 年級 1955 年之出生世代從資料刪除，排除以上的因素，我們可以得到一個較為準確的工具變數，應能得到較好的估計結果。. 15.

(23) 表 3-2 各出生年之出生世代最高學歷為小學以下比率出生年. 百分比. 前面出生世代-後面出生世代(百分比). 1948. 58.27. ----. 1949. 58.15. 0.12. 1950. 54.73. 3.42. 1951. 52.94. 1.79. 1952. 51.10. 1.84. 1953. 48.60. 2.5. 1954. 45.43. 3.17. 1955. 41.74. 3.69. 1956. 33.62. 8.12. 1957. 28.61. 5.01. 1958. 24.55. 4.06. 1959. 20.97. 3.58. 1960. 17.96. 3.01. 資料來源:人力運用調查 1978-2008 年第二節各縣市之就學機會概況九年國民義務教育政策實施之初各項軟硬體設備並未完善，如各鄉鎮之學校與師資的不足，故會導致各縣市實行狀況的不一致。以下為省市政府擬訂劃分國民中學學區詳細辦法要點(方炎明，九年國民教育實施二十年)之其中兩項: 1. 現有國立國民中學(初中)之校地、校舍，可以容納或擴充者，應劃分為較大學區;三年內收容學生不得少於十五班，至多不得超過七十五班。 2. 國民中學僅可收容本學區內之適齡學生，不得收容其他學區學生，學區劃定後，得視需要調整。依據上述之第一點規範，我們可知各縣市除了校數不一致外，學校之間的班級數 16.

(24) 目也不盡相同，故我們在認定該縣市的實行狀況是以班級數取代學校數為單位，應可更貼近當時的實施狀況。另外由第二點可得知如果學區的學校班級數不足，該學區的適齡學生是不可跨區就讀的，故縣市的班級數相對於 12-14 歲之適齡學生的多寡，會直接影響該縣市適齡學生之升學情形。表 3-3 為 1968-1972 年各縣市班學校數與班級級數之比較，由表中可看出無論是在各縣市間或跨年的比較，班級數的變異程度都比學校數大。如觀察 1968 年，桃園縣、新竹縣及雲林縣學校數皆為 25 所，但是縣市的總班級數分別為 486、 528 以及 366，雲林縣與以上兩縣市差距甚大。基隆市與澎湖縣校數都為 10 所，但班級數分別為 344 與 58，由上可之觀察班級數可以較清楚得到各縣市的就學機會的差異。在跨年的比較方面，觀察台北市在 1970-1972 年的學校數皆為 45 所，但班級數卻由 2048 擴充到 2302，總共增加了 54 班。高雄市在 1970-1972 年的學校數皆為 19 所，但是班級數也由 914 增至 1034，擴充了 120 班。由此可知觀察班級數比觀察學校數較能得知跨年間的差異。本研究即利用各縣市建校速度的不一致，以九年國教實施後各縣市之間國中班級數的密度作為工具變數，與 Shin-Yi Chou et al.(2010)所使用的各縣市每千人所擁有的新設校數類似。並認為若縣市國中班級數的密度較高，居住於該縣市的適齡孩童之受教育機會應會相對提升。此工具變數應與教育選擇變數(勞動者之教育年數)相關，並且與個人能力無關。表 3-4 為九年國民義務教育實施後 1968-1972 年各縣市國中班級數的密度並假設每班人數皆相同，表上的數值意義為 12-14 歲之適齡兒童每百人擁有的國中班級數，大體上可看出 1968-1972 年各縣市班級數相對於 12-14 歲適齡兒童的比例每年都在增加，尤其以 1968-1970 年增加速度較快，而到了 1970-1972 年則逐漸緩慢。在 1968 年各縣市之班級數相對於 12-14 歲適齡兒童的比例差異明顯，直轄市台北市及高雄市班級數相對於 12-14 歲適齡兒童有較高的比例，北部如基隆市、桃園縣及新竹縣;中部為台中市; 南部為台南市相對於其它縣市有較高的比值。雲林縣、台南縣及台東縣之班級數相對於 12-14 歲適齡兒童的比例則偏低。到了 1972 年除了台北市有明顯較高的 17.

(25) 比例之外，其它縣市的差異已逐漸縮小。表 3-3 1968-1972 年各縣市班學校數與班級級數比較 1968 1969 1970 1971 1972 校數班級數校數班級數校數班級數校數班級數校數班級數臺北縣 31 595 36 771 37 975 37 1077 37 1173 宜蘭縣 15 295 17 347 19 441 20 471 20 494 桃園縣 25 486 27 601 27 721 28 774 28 835 新竹縣 25 528 27 591 28 664 29 685 29 734 苗栗縣 23 405 25 494 27 587 28 633 28 661 臺中縣 29 385 29 547 30 721 31 791 31 824 彰化縣 30 585 31 735 32 909 34 992 34 1073 南投縣 20 382 20 469 24 557 27 599 27 647 雲林縣 25 366 25 474 28 576 29 622 29 671 嘉義縣 24 491 28 623 30 771 32 832 32 867 臺南縣 33 468 33 636 35 806 35 866 35 910 高雄縣 23 539 25 643 27 772 28 816 28 884 屏東縣 33 512 33 679 35 850 35 908 35 989 臺東縣 18 136 19 210 20 279 20 302 20 321 花蓮縣 19 228 20 303 20 378 20 398 20 418 澎湖縣 10 58 10 87 12 117 13 127 13 138 基隆市 10 344 10 373 10 397 10 407 10 424 臺中市 11 334 12 398 15 473 15 499 15 533 臺南市 11 374 12 453 13 520 13 540 13 560 臺北市 38 1261 44 1686 45 2048 45 2188 45 2302 高雄市 14 702 16 821 19 914 19 975 19 1034 資料來源:九年國民義務教育實施後各縣市學校數與班級數來源為台灣省教育統計，1968-1972 年、台北市教育統計，1968-1972 年。. 18.

(26) 表 3-4 九年國民義務教育實施後 12-14 歲之適齡兒童每百人擁有的國中班級數. 臺北縣宜蘭縣桃園縣新竹縣苗栗縣臺中縣彰化縣南投縣雲林縣嘉義縣臺南縣高雄縣屏東縣臺東縣花蓮縣澎湖縣基隆市臺中市臺南市臺北市高雄市. 1968. 1969. 1970. 1971. 1972. 0.76763 0.91598 1.00099 1.18042 0.96076 0.64447 0.68104 0.90412 0.54664 0.68163 0.59258 0.85773 0.76576 0.58648 0.89461 0.63659 1.45381 1.05649 1.11075 1.11931 1.36602. 0.90522 1.06448 1.16694 1.32684 1.17320 0.92563 0.86887 1.10558 0.72102 0.87022 0.80774 1.00444 1.01177 0.87657 1.13632 0.91348 1.48292 1.20892 1.25732 1.39433 1.40055. 1.10091 1.36157 1.36649 1.45400 1.39070 1.22158 1.07698 1.32872 0.88978 1.08985 1.02931 1.20062 1.28049 1.17841 1.43204 1.20681 1.53971 1.40281 1.41497 1.64539 1.49513. 1.16086 1.45115 1.42481 1.51737 1.47491 1.34696 1.18441 1.42629 0.96531 1.18068 1.11198 1.25121 1.35778 1.27222 1.50353 1.29618 1.55981 1.41975 1.46935 1.70036 1.54050. 1.196231 1.463053 1.458057 1.571533 1.505043 1.369749 1.264674 1.52411 1.033755 1.224542 1.165083 1.307248 1.46252 1.35306 1.562734 1.401869 1.577909 1.446561 1.492338 1.721237 1.54529. 資料來源: 12-14 歲人口數來源為中華民國台灣人口統計，1968-1972 年、台閩地區六十一年戶籍人口報告書;九年國民義務教育實施後各縣市班級數來源為台灣省教育統計，1968-1972 年、台北市教育統計，1968-1972 年。. 19.

(27) 第四章實證模型本研究運用Mincr(1974)所提出的薪資模型，分別使用普通小平方法(OLS)及兩階段最小平方法(2SLS)估計台灣平均教育報酬率。並探討所使用之工具變數的有效性。以下為OLS、2SLS估計方法以及工具變數之相關性與外生性檢定方法介紹: 第一節普通最小平方法(OLS) Mincer (1974)的人力資本薪資模型如下: Lnw = β 0 + β 1 S + β 2 Exp + β 3 Exp 2 + Xγ + ε. 其中 W 為勞動者之薪資所得，為 S 勞動者受教育年數， Exp 為勞動者工作經驗(年)變數， Exp 2 為勞動者工作經驗的平方項， X 為其他解釋變數，則 ε 為殘差項， β1 即代表每增加一年教育之平均報酬率。由於潛在的工作經驗為年齡減去教育年數換算而得，潛在工作經驗與教育年數之間可能存在高度的線性相關。若教育年數產生衡量誤差則潛在工作經驗也同樣會產生誤差(Harmon, C. and I. Walker ,1995)，本研究估計時以年齡取代潛在的工作經驗。我們並將控制其他解釋變數，加入其它影響個人薪資的解釋變數如下:. Lnw = β 0 + β 1 S + β 2 age + β 3 age 2 + β 4 age 3 + β 5 age 4 + β 6Tenure + β 7Tenure 2 + β 8 marriage + β 9 Re gion + β 10 Occupation + β11 Industry + ε 新加入的解釋變數Tenure為勞動者現職工作年資變數，Tenure2為勞動者現職工作年資的平方項，Marriage為勞動者之婚姻狀況，Region為勞動者工作所在地， Occupation為勞動者工作性職位，Industry為勞動者之行業變數。以下為變數說明及預期符號: 1. 勞動者年齡與現職工作經驗(age & tenure):隨著年齡的增加，表示勞動者工作累積的經驗就愈豐富，使得其生產力較高，對薪資報酬有具有正向的影響; 當年齡愈長若沒有持續進修，個人過往所累積的經驗可能無法趕上新的知識 20.

(28) 及科技的進步所需，因此預期年齡與現職工作經驗平方項的係數為負。 2. 婚姻狀況(Marriage)：已婚者被認為屬於較穩定的一群且必須負擔家計，相較於未婚者會有更大的動力維持穩定的工作；反之未婚、離婚、分居或喪偶者則較無家庭經濟的負擔，相對於已婚者較沒有薪資上面的壓力。此項變數分為上述兩類且以未婚、離婚、分居或喪偶者為對照組，因此預期此項變數應為正。 3. 勞動者工作所在地區(Region)：由於各城市之間所依賴的產業不同，在人口文化及生活物價水準上的差異，故導致薪資所得水準也會有差異。本文將城市以北高兩直轄市、北部、中部、南部以及東部來分級，並預期都市化程度愈高的區域能夠有愈高的薪資水平。 4. 職業(Occupation)：工作性質以及職位的不同對於個人薪資水準有所影響，若愈具專業性或所在職位階層愈高，相對的薪資所得報酬也愈高。例如教師、會計師、律師或醫師等專業人才或有證照的資格，此項專業能使其能維持較高薪資水準；非專業性工作進入的門檻相對較低，且此類工作在市場上勞動供給較多，則其薪資所得報酬也較低。 5. 行業(Industry)：由於台灣經濟發展以及各主要產業的變化很大，國家依賴的產業隨著時代進步有所不同，從過去的農林漁牧業起家逐漸轉變為製造業及工商業，近來更以金融服務業與高科技產業等附加價值較高的產業，若勞動供給者的工作為當時興盛的行業，則預期將對勞動者的薪資水準上產生正的效果。第二節二階段最小平方法(2SLS) 傳統上運用普通最小平方法估計Mincer 薪資方程式之教育報酬率，在計量模型上我們必須假設教育選擇變數與誤差項(如個人能力)相互獨立(Heckman and Vytlacil, 1999)，但許多研究皆認為教育選擇變數可能有內生性的問題，誤差項中. 存在不可觀察的個人能力，此因素會同時影響個人的能力與個人的薪資水準會使. 21.

(29) 估計結果產生內生性偏誤。為了解決內生性問題所造成的估計偏誤，可以運用二階段最小平方法，利用與教育選擇變數高度相關，但同時也要滿足與殘差項中個人能力無關的工具變數來進行估計。以下為二階段最小平方法之說明: 第一階段: ln wi = βS i + X i ' γ + μ i. (1). S i = Z i ' δ + Vi. (2). (2)式中 S 為勞動者受教育年數，Z為影響個人教育年數之解釋變數，本研究使用兩個工具變數估計平均教育報酬率，分別為九年國教前後市代之虛擬變數 (IV1);九年國民義務教育實施後各縣市國中班級數與12-14歲人口的比值(IV2)，V 則為誤差項。以工具變數去預測教育選擇變數的值，再將此預測值(Fitted Value) 代入原模型(1)中。第二階段: ∧. ln wi = β S i + X i ' γ + μ i. (3) ∧. 其中 W 為勞動者薪資所得， S 為(2)式之預測值(Fitted Value)代入後的勞動者受教育年數， X 為其他解釋變數， μ 為誤差項。第三節工具變數的有效性(validity) 若我們使用的工具變數與內生變數關聯性過低，以及選擇的工具變數有內生性的疑慮，則估計結果可能會有更大的偏誤，故我們在使用工具變數的同時，也必須確認此工具變數是否滿足相關性以及外生性的條件。以下為相關性與外生性常用的檢定方法:. 1.相關性工具變數相關性為所使用的工具變數必須與教育選擇變數相關，數學式為. corr (Z i , S i ) ≠ 0 ，由第一階段教育方程式的估計係數，檢視所選擇的工具變數對 22.

(30) 教育選擇變數( 教育年數) 是否有顯著影響，且估計係數的方向是否符合實際情況。我們也可使用F檢定， Staiger and Stock(1997)提出相關性的判定標準，為F 檢定統計量應大於10，若該統計量小於10時，此工具變數極可能為弱工具變數. (weak IV) 。另外檢定方法可計算偏判定係數所計算 (partial R 2 ) 的大小 (Bound, Jaeger and Baker ,1995)，檢測所選擇的工具變數於第一階段薪資方程式中對教育選擇變數的解釋能力。. 2.外生性工具變數外生性為所使用的工具變數必須與誤差項中不可觀察的個人能力無關，數學式為 corr (Z i , μ i ) = 0 。第二階段的外生性檢定方面，本研究則採用. Durbin-Wu-Hausman (Durbin, 1954; Hausman, 1978; Wu,1973)之檢定方法，用以判 ∧. 定模型是否產生內生性誤差。運用第一階段教育方程式(2)計算得殘差項 V ，並 ∧. 將此殘差項 V 放入第二階段薪資方程式(3): ∧. ∧. ln wi = β S i + X i ' γ + δ V + μ i. (4). 檢定(4)式中殘差項前之 δ 係數是否異於零，若檢定結果拒絕虛無假設，則表示此教育選擇變數 S 可能具有潛在的內生性問題。. 23.

(31) 第五章資料與變數說明第一節資料來源與選取本研究以「人力運用調查」為主要研究資料，此資料是主計處「人力資源調查」所附帶的調查，調查時間為每年的五月份，地區包含台灣省、台北市及高雄市，對象是臺灣地區內之普通住戶與共同事業戶，且戶內必須年滿十五歲以上，並為自由從事經濟活動之本國國籍民間之人口，但並不含武裝勞動力及監管人口。運用的抽樣方法為分層二段抽樣法，分別為第一段村里為抽樣單位、第二段村里內之戶為抽樣單位，再加以合併上述兩段抽樣。「人力運用調查」資料庫可顯示個人基本資料及工作內容等相關資訊：如性別、年齡、月收入、教育程度、婚姻狀態主修類別、工作類型、工時、工作地、行業、企業規模、職業別、從業身分、現職工作年資等。本文的資料研究期間為1978-2008年，共涵蓋三十一個年度，選取1948-1952 年( 九年國教實施前之世代) 與 1956-1960年( 九年國教實施後之世代) 的出生世代且限制年齡為25-64歲的男性樣本，每週工作時數為35小時以上之受雇者，去除無酬家屬工作者、軍警人員、監管人口、兼職工作者，共134,356筆觀察值。第二節變數說明本文利用Stata軟體進行資料整理與分析，以下為本文所需之變數說明: LnW: 以勞動者之月薪資除以每週工作時數乘以4並以消費者物價指數(CPI) 平減取對數之實質時薪率。 S: 勞動者受教育年數，由個人最高學歷換算得之。 Age、Age 2 、Age 3 及Age 4 : 勞動者之年齡、年齡平方項及年齡三次方項與四次方項。 Ten、Ten 2 :勞動者現職工作年資及現職工作年資平方項。 Marr: 勞動者之婚姻狀況的虛擬變數，將已婚者設為1，未婚、離婚、分居與配偶死亡者設為0。 24.

(32) Region: 勞動者工作地區，1 為東部包含台東縣、花蓮縣，2 為北部包含基隆、台北縣、桃園縣市、新竹縣市，3 為中部包含苗栗縣、台中縣市、南投縣、雲林縣，4 為南部包含嘉義縣市、台南縣市、高雄縣、屏東縣市、澎湖縣，5 為台北市，6 為高雄市。 Occupation: 為勞動者之職位，1 為專門性、技術性及有關人員 2.為行政及主管人員，3. 為監督及佐理人員，4. 為買賣工作人員，5. 為服務工作人員，6. 為農林漁牧及狩獵人員，7. 生產及有關工人、運輸設備操作工及體力工 Industry: 為勞動者之行業，1 為農、林、漁、牧業 2.為礦業與土石採集業，3. 為製造業，4. 為水電燃氣業，5. 為營造業，6. 為商業，7. 為運輸、倉儲及通信業，. 8. 為金融、保險、不動產業與工商服務業， 9 為公共行政、社會服務及個人服務業。 IV1: 九年國民教育之虛擬變數，1 為九年國教實施後之世代，0 為九年國教實施前實施之世代。 IV2: 九年國教實施後各縣市之間國中學校數、班級數與學生人數的密度。 Year: 時間變數，1978-2008年共31個的虛擬變數。第三節資料特性由表 4.1 的結果可得全部樣本的敘述統計量，其中平均實質月薪與時薪分別為 36220.81 元與 187.7793 元，勞動者平均現職工作年資為 10.5906，樣本的平均年齡為 38.7462 歲，受教育年數平均為 10.0684 年。已婚者大約占 80%，勞動者居住地區最高比例為北部的 31.07%，接下依次為南部 24.48%、中部 21.50%、台北市 12.52%、高雄市 7.01%及東部 3.42%;勞動者職位以生產及有關工人、運輸設備操作工及體力工組別 36.11%最高、其次依序為監督及佐理人員 16.18%、服務工作人員 11.41%、行政及主管人員 10.78%、買賣工作人員 10.4%、專門性技術性及有關人員 7.9%、農林漁牧及狩獵人員 7.23%;勞動者之行業別以製造業. 32.68%最高、其次依序為商業 18.8%、公共行政、社會服務及個人服務業 18.15%、. 25.

(33) 營造業 9.9%、農林漁牧業 7.39%、運輸倉儲及通訊業 7.15%、金融保險及不動產. 4.73%、水電燃氣業 1%、礦業及土石採取業 0.2%。表 4.2 可比較九年國教前後世代在各個敘述統計量的差異，其中九年國教後之世代的平均實質薪資為 37769.27 元高於九年國教前之世代的 34556.08 元，同樣在受教育方面，九年國教後之世代的平均受教育年數為 10.8028 年；九年國教前之世代的平均受教育年數為 9.2276 年。九年國教後之世代教育層級比例分別為不識字與自修、國小、國中、高中、專科以及大學以上各是 0.38%、19.18%、. 24.8%、34.18%、11.38%及 10.08%；九年國教前之世代則是 2.42%、45.07.%、 14.25%、20.93%、8.38%及 8.93%。無論在教育年數及在愈高的教育階層中，九年國教後之世代的教育水準均大於九年國教前之世代，尤其在教育程度為小學畢業的階層兩者差異很多，顯見個人教育成就受九年國民教育義務教育政策影響甚深。以及隨著世代的推移，國人的教育程度也愈高，九年國教後之世代無論在薪資方面以及教育程度都高於九國教前之世代。. 26.

(34) 表5-1、全部樣本敘述統計量分析變數名稱. 平均數. 標準差. 最小值. 最大值. 實質月薪實質時薪受教育年數年齡現職工作年資婚姻狀況勞動者工作地區東部北部中部南部臺北市. 36220.81 187.7793 10.0684 38.7462 10.5906 0.8048. 28652.67 150.1679 3.6139 8.2616 14.6144 0.3964. 624.4146 4.224043 0.0000 25 1 0. 1240219 6976.239 22.0000 60 43 1. 0.0342 0.3107 0.2150 0.2448 0.1252 0.0701. 0.1817 0.4628 0.4108 0.4300 0.3310 0.2553. 0 0 0 0 0 0. 1 1 1 1 1 1. 0.0790 0.1078 0.1618 0.1040 0.1141 0.0723 0.3611. 0.2697 0.3102 0.3683 0.3052 0.3180 0.2589 0.4803. 0 0 0 0 0 0 0. 1 1 1 1 1 1 1. 0.0739 0.0025 0.3268 0.0094 0.0990 0.1880 0.0715 0.0473 0.1815. 0.2616 0.0500 0.4691 0.0966 0.2986 0.3907 0.2577 0.2123 0.3854. 0 0 0 0 0 0 0 0 0. 1 1 1 1 1 1 1 1 1. 高雄市勞動者之職位專門性、技術性人員行政及主管人員監督及佐理人員買賣工作人員服務工作人員農、林、漁、牧生產及有關工人勞動者之行業農、林、漁、牧業礦業及土石採取業製造業水電燃氣業營造業商業運輸、倉儲及通信業金融、保險、不動產公共行政、社會服務樣本數. 134356. 資料來源:人力運用調查 1978-2008 年. 27.

(35) 表 5-2、九年國教前後世代敘述統計量分析與比較變數名稱. 九年國教前之世代. 九年國教後之世代. 實質月薪受教育年數年齡現職工作年資教育層級不識字與自修國小國中高中專科大學以上. 34556.08 9.2276 40.9106 11.41. 37769.27 10.8028 36.8556 9.99. 2.42 45.07 14.25 20.93 8.38 8.93. 0.38 19.18 24.8 34.18 11.38 10.08. 64747. 69609. 樣本數. 資料來源:人力運用調查 1978-2008 年. 28.

(36) 第六章實證結果與分析第一節普通最小平方法(OLS)估計結果本節利用OLS模型估計九年國教前後之出生世代的平均教育報酬率，表. 6-1(1) 式為本資料1978-2008 年中選取每一年份之1948-1952 年及1956-1960 年的出生世代。教育年數的估計係數為0.0536，估計之台灣的平均教育報酬率約為5.36%。若加入勞動者工作區域、工作職位與其所屬行業別控制後，教育年數之估計係數為0.0308，估計之台灣的平均教育報酬率約為3.1%，本研究. OLS教育報酬率與其他研究結果比較偏低，但符合綜合各文獻之研究結果教育報酬率約介於3%-9%之間。表6-1(2)式其他變數的討論分析如下:. 1. 年齡、年齡平方項、年齡三次方項與年齡四次方項: 本研究估計時以年齡取代潛在的工作經驗。結果顯示年齡對薪資所得有正向且顯著的效果，而年齡的平方項則呈現負向顯著，表現出隨著勞動者年齡增加其邊際產值遞減的特性，此項變數的實證結果透露出年齡及工作經驗為左右薪資所得重要的因素。另外年齡的三次方項及其四次方項分別為正項顯著與負向但趨近於零並顯著。. 2.現職工作經驗及其平方項: 現職工作經驗與年齡估計結果相似，現職工作經驗對薪資所得有正向且顯著的效果，而現職工作經驗的平方項為負向且顯著。亦顯示勞動者隨著現職工作經驗的增加薪資報酬逐漸上升但邊際薪資報酬遞減的現象。. 3.婚姻狀況：以未婚、離婚、分居或喪偶者為比較組，估計係數顯示婚姻狀況與薪資報酬有正向且顯著的效果。顯示已婚者必須負擔家庭及有較大的動力維持穩定工作，所以相對於未婚、離婚、分居或者配偶死亡的勞動者而言，會有較. 29.

(37) 佳的動機去工作以獲得較高的薪資報酬。. 4.工作區域: 以東部地區為比較組，工作地點為台北市的勞動者有比較高的薪資，台北各方面的生活物價水準較高，且產業著重在金融服務以及高科技產業。因此使得在台北市工作的勞動者所獲得的薪資報酬比其他地區高。另外高雄市為重工業的所在地，其估計的係數僅次於台北市，而台北市以外北部地區也高於東部地區。. 5.工作職位別：以生產運輸操作工人及體力工為比較組，除了農、林、漁、牧、狩獵人員與服務工作人員相對於比較組在薪資水準較低，其他職業對薪資水準都為正向且顯著的效果，其中以「專門性、技術性及有關人員」和「行政及主管人員」有較高的薪資報酬。. 6.行業別：以公共行政、社會服務及個人服務業為比較組，除了農、林、漁、牧、狩獵業相對於比較組在薪資水準較低之外，其他行業相對於比較組在薪資水準均為正向且顯著。由上述薪資方程式估計的結果發現教育年數、年齡、現職工作經驗、婚姻狀況、工作區域、職位與行業別均對薪資有顯著的影響效果，本研究針對資料1978-2008年選取1948-1952年及1956-1960年出生之九年國教前後世代，由普通最小平方法估計的平均教育報酬率約為3.1%。. 30.

(38) 表6-1 OLS之估計結果解釋變數. (1) 係數值標準差. (2) 係數值標準差. 截距項. 0.3686. 0.1680. 0.5464. 0.5378. ***. 0.0308 0.2926*** -0.0095*** 0.0001*** 0.0000*** 0.0126*** -0.0002*** 0.1282***. 0.0004 0.0515 0.0020 0.0000 0.0000 0.0003 0.0000 0.0031. 北部中部南部台北市高雄市. 0.0364*** -0.0138*** -0.0297*** 0.1047*** 0.0438***. 0.0063 0.0064 0.0064 0.0069 0.0073. 工作職位別專門或技術性有關人員行政及主管人員監督及佐理人員買賣工作人員服務工作人員農林漁牧及狩獵人員. 0.3385*** 0.1739*** 0.1596*** 0.0422*** -0.0223*** -0.3132***. 0.0046 0.0039 0.0039 0.0048 0.0050 0.0205. 行業別農林漁牧業礦業及土石採取業製造業水電燃氣業營造業商業. -0.1009*** 0.1261*** 0.0328*** 0.1400*** 0.0765*** 0.0253***. 0.0204 0.0198 0.0037 0.0106 0.0045 0.0044. 教育年數年齡年齡平方項年齡三次方項年齡四次方項現職工作經驗現職工作經驗平方項婚姻狀況. ***. 0.0536 0.2843* -0.0092*** 0.0001*** 0.0000*** 0.0091*** -0.0001*** 0.1332***. 0.0004 0.0567 0.0022 0.0000 0.0000 0.0003 0.0000 0.0034. 工作區域. 31.

(39) 表 6-1(續) 解釋變數. (1) 係數值標準差. 0.0721*** 0.0049 0.0941*** 0.0063. 運輸、倉儲及通信業金融、保險、不動產業樣本數. Adj R-squared. (2) 係數值標準差. 134356 0.4544. 134356 0.5488. 註:1.***, **, *分別代表在1%、5%及10%統計檢定水準下顯著。 2.1978-2008年之時間變數已加入模型控制。表 6-2 中教育年數與九年國教前後世代之交互作用項的係數為正向且顯著，可得知九年國教前後的世代有較高的教育報酬，且前後世代在教育報酬上的差異顯著。表 6-3 為九年國教前後世代平均教育報酬率的比較，表 6-3(1)式為九年國教前之世代 OLS 薪資方程式，亦即資料中 1978-2008 年選取每一年份之. 1948-1952 年的出生世代，其教育年數的估計係數為 0.0294，九年過國教前之世代平均教育報酬率約為 2.94%;表 6-3(2)式為九年國教後之世代 OLS 薪資方程式，為資料 1978-2008 年選取每一年份之 1956-1960 年的出生世代，其教育年數的估計係數為 0.0315，本研究估計九年國教後之世代平均教育報酬率為 3.15%。由上述可得九年國教後之世代教育報酬率為3.15%大於九年國教前之世代的. 2.94%，九年國民義務教育後使得國人平均教育水準提高，並隨著世代的推移平均的教育報酬率也因此提高，此結果與黃芳玫(2001)九年國教後之世代有較高的教育投資報酬率結果相同。. 32.

(40) 表6-2 九年國教前代之教育報酬率的差異模型解釋變數. 係數值. 標準差. 截距項. 0.1820. 0.5065. 教育年數 × 九年國教前後世代虛擬變數. ***. 0.0143. 0.0004. 年齡年齡平方項年齡三次方項年齡四次方項現職工作經驗現職工作經驗平方項婚姻狀況. 0.3301*** -0.0106*** 0.0002*** 0.0000*** 0.0123*** -0.0002*** 0.1282***. 0.0525 0.0020 0.0000 0.0000 0.0003 0.0000 0.0031. 樣本數. 134356 0.5322. Adj R-squared. 註:1.***, **, *分別代表在1%、5%及10%統計檢定水準下顯著。 2.勞動者工作區域、工作職位與所在行業別與1978-2008年之時間變數已加入模型控制。. 表6-3 九年國教前後出生世代OLS之估計比較結果. (1)九年國教前之世代解釋變數截距項教育年數年齡年齡平方項年齡三次方項年齡四次方項現職工作經驗現職工作經驗平方項婚姻狀況樣本數. Adj R-squared. 係數值. 標準差. (2)九年國教後之世代係數值. 標準差. ***. 1.6973 0.0006 0.1896 0.0078 0.0001 0.0000 0.0004 0.0000 0.0037. 0.3535. 1.4104. -1.0551. 0.0294*** 0.2858 -0.0084*** 0.0001*** 0.0000*** 0.0114*** -0.0002*** 0.1235***. 0.1440 0.0054 0.0001 0.0000 0.0004 0.0000 0.0053 0.0006. 0.0315*** 0.5357*** -0.0192** 0.0003** 0.0000** 0.0143*** -0.0002*** 0.1291***. 64747 0.5638. 69609 0.5171. 註:1.***, **, *分別代表在1%、5%及10%統計檢定水準下顯著。 2.勞動者工作區域、工作職位與所在行業別與1978-2008年之時間變數已加入模型控制。. 33.