考慮樣本選擇之兩性薪資低付與差異分析: 隨機邊界關聯結構模型之應用 - 政大學術集成

全文

(1)國立政治大學金融學系碩士論文 Department of Money and Banking National Chengchi University Master Thesis. 政治大. 立考慮樣本選擇之兩性薪資低付與差異分析 :. ‧ 國. 學. 隨機邊界關聯結構模型之應用. ‧. n. al. er. io. sit. y. Nat. An Analysis of Gender Wage Underpayment and Differential with Censoring: A Combination of the Stochastic Frontier Approach with Copula Methods. Ch. engchi. i n U. v. 研究生: 劉洪禎指導教授: 黃台心. 中華民國 104 年 6 月.

(2) 謝辭終於來到碩士班的終點 — 謝辭。能夠完成這篇論文最最感謝的當然是台心老師。老師從一開始的論文題目的選擇上就給我最大的空間, 讓我得以「不務正業」地撰寫我有興趣的題目; 老師對於計量方法的熟稔與經濟上的直覺, 使我很享受與老師每周一次的 meeting ; 因為我自己對排版的要求, 老師也願意以紙本方式修正我的論文, 給予我不少建議, 讓我得以完成一篇看起來有模有樣的文章。我當初進碩士班雖然胸無大志, 但最低要求是想完成一篇不愧對我自己的論文, 在台心老師的協助之下, 我做到了。真的很慶幸我當初能選到一位與我頻率非常相近的指導老師。. 治政大能一次聽到兩位老師專題研究的課程, 那是我在政大六年中, 修過最精彩的課程。立與報告者的交鋒, 甚或他們兩個自己的交鋒 , 對於當時的我真是一大享受。尤其是我也想感謝國貿系的林信助老師與徐則謙老師, 我永遠忘不了大四下那堂經濟. ‧ 國. 學. 信助老師在論文的撰寫方法與心態上給了我很多啟發, 甚至這篇論文的題目有一半也是受到當時看到的勞動經濟文獻的影響。我永遠會記住親眼看到老師用經濟. ‧. 學「殺恐龍」的那份悸動。. 台大經濟吳聰敏老師的cwTEX排版系統與書籍讓我擁有清楚的排版觀念, 得以. y. Nat. sit. 完成一篇排版水準極高的文章。雖然我們素未謀面, 但我以讀者的身分寄信向他詢. er. io. 問TEX的問題, 吳老師總是十分迅速的回信, 也在此向他致上我的謝意。感謝東吳經濟系傅祖壇老師與中央產經所陳忠榮老師擔任我的口試委員, 傅老. n. a. iv. l C , 讓我覺得用TEX排版的一切辛苦都值得了 ! 師還稱讚我的論文排版看起來很舒服 n. he. i U. n g c ,h才能使我無後顧之憂的完成學業。謝謝我的爸媽, 對我的任何決定都全力支持謝謝 JJ 幫的姐姐們, 與妳們聚會能夠暢所欲言、大聊特聊的感覺很好。. 謝謝所上的各位同學們, 不論是在 martingale、去東京玩、鋼筆擺攤、說垃圾話、找工作吐苦水, 全都有人協助或相伴, 這種有朋友的感覺很好。謝謝王馨儀, 每天陪我 skype, 每周陪我出去玩, 能夠心靈相通的感覺很好。謝謝所有幫助過我的人。我能完成學業與論文, 都是因為有你們相伴。. 劉洪禎乙未年仲夏於六張犁.

(3) 摘要. 本文採民國 94、96、98、100、102 年的台灣「人力運用調查」資料庫, 以關聯結構法找出組合誤差間的關聯結構密度函數與聯合機率密度函數, 建構隨機邊界關聯結構模型, 解決勞動市場上樣本選擇性問題。之後分別針對男性及女性估計薪資方程式, 探討每位勞工的薪資效率程度。本文男、女性的勞工各按年齡、工作經驗、職業、行業、教育程度、公司規模、工作身分、婚姻狀態、工作地分為 9 大類, 在各類中分群比較薪資效率。實證結果顯示, 公司規模、工作身分、工作地等 3 類, 不論有無考慮樣本選擇, 同. 政治大變動明顯不同於未考慮樣本選擇。立在考慮了樣本選擇之後的實證結果大多打破以. 一性別中的薪資效率變動趨勢大致一致, 但其餘 6 類, 有考慮樣本選擇的薪資效率. 往文獻的預期, 可能是因為過往文獻探討薪資效率時, 大多未考慮樣本選擇, 即將. ‧ 國. 學. 無工作者樣本完全排除, 導致迴歸分析結果僅適用於有工作者。. 除了探討薪資效率外, 本文也嘗試在隨機邊界法的架構下, 提出一個衡量性別歧. ‧. 視的新觀點, 將兩性薪資無效率的差異視為一種性別歧視。若以新觀點衡量台灣的. y. Nat. 勞動市場, 會發現這 5 個年度中, 薪資差異幾乎可以完全歸諸於性別歧視。這顯示即. sit. 使兩性的薪資差異雖然逐年縮小, 但性別的刻板印象仍存於當今的台灣勞動市場,. n. al. er. io. 造成明顯的性別歧視。. Ch. engchi. i n U. v. 關鍵字: 隨機邊界法、關聯結構法、Oaxaca 薪資拆解、薪資低付、樣本選擇性偏誤、性別歧視.

(4) Abstract This paper adopts the "Manpower Utilization Survey" data, a database conducted by Directorate General of Budget, Accounting & Statistics, Executive Yuan, ROC (DGBAS), to study the issues of gender wage differentials and underpayment. The econometric model considers sample selection under the framework of the stochastic frontier model with copula methods. It requires to correct for sample selection and derive the copula density function and joint probability density function by copula method. We separately estimate the male and female wage equations, respectively, to evaluate the wage efficiency and decompose the average. 政治大 The paper distinguishes workers into 9 categories, including age, experience, 立 occupation, industry, education, firm size, working identity, marital status and wage differential between male and female into several components.. ‧ 國. 學. working area, and compares the wage efficiency between those categories. The empirical results shows that, the trend of wage efficiency in the categories of firm size,. ‧. working identity, and working area are almost the same in each gender whether correcting for the sample selection bias or not. However, in the remaining 6 cate-. y. Nat. sit. gories, the wage efficiency changes substantially after correcting the sample selec-. io. al. er. tion bias. With the correction of the sample election bias, most of the findings differ. n. from those from the past literatures. This may be attributed to the fact that the past. Ch. i n U. v. works mainly focus on employed workers and lead to possible sample selection. engchi. bias. The paper also tries to offer a new method to measure the gender discrimination, which considers the difference in wage inefficiency between the male-female inefficiency as an element of discrimination. The paper finds that the wage differential between male and female can explain almost the entire discrimination. This findings confirms that the gender discrimination still exists in the Taiwan’s labor market even though the wage differential between male and female decreases over time. Keywords: Stochastic Frontier Approach, Copula method, Oaxaca decomposition, wage underpayment, sample selection bias, sex discrimination.

(5) 目錄 1. 前言. 7. 2. 文獻回顧. 8. 2.1. 以隨機邊界法分析薪資議題 . . . . . . . . . . . . . . . . . . . . . . .. 8. 2.2. 探討性別間薪資的差異與歧視 . . . . . . . . . . . . . . . . . . . . . .. 11. 2.2.1. 2.2.2 2.3. 文獻回顧 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 11. 分析臺灣勞動市場之薪資差異與性別歧視之文獻 . . . . . .. 13. 立. 研究方法. 隨機邊界法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 18. 薪資隨機邊界模型 . . . . . . . . . . . . . . . . . . . . . . . .. 18. 估計單邊誤差 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 18. 3.1.1. 19. 3.3. y. ‧. 關聯結構法與最大概似估計法 . . . . . . . . . . . . . . . . . . . . . . 估計步驟 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 21 22. Nat. 3.2. sit. 3.1.2. 3.3.2. 推導 ε1 的 CDF . . . . . . . . . . . . . . . . . . . . . . . . . .. n. al. er. 推導 ε1 和 ε2 之間的聯合 PDF . . . . . . . . . . . . . . . . .. io. 3.3.1. 4 資料來源與變數定義. 5. 16 18. 學. 3.1. 政治大. 保留薪資相關議題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ‧ 國. 3. 以隨機邊界法分析國外勞動市場的薪資差異與性別歧視之. Ch. engchi. i n U. 23. v. 24. 4.1. 資料來源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 24. 4.2. 變數定義 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 25. 實證結果. 30. 各年度迴歸係數結果 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 31. 5.1.1. 薪資迴歸式 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 31. 5.1.2. 保留薪資迴歸式 . . . . . . . . . . . . . . . . . . . . . . . . .. 35. 5.2. 各年度薪資效率估計結果 . . . . . . . . . . . . . . . . . . . . . . . .. 36. 5.3. 分群計算薪資效率結果 . . . . . . . . . . . . . . . . . . . . . . . . . .. 37. 5.1. 5.

(6) 5.4. 性別歧視 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 49. 6 結論. 51. 附錄. 53. A 未考慮樣本選擇下的迴歸係數. 53. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 6. i n U. v.

(7) 1 前言薪資在勞動經濟學當中向來都是主要研究的對象, 用來探討諸如勞動供給行為、生產力變動、所得分配、薪資差異或歧視以及國民所得等。就國民所得為例, 我國國內生產毛額 (GDP) 當中, 有接近一半的比例都是薪資 (受僱人員報酬), 在 2000-2012 年的比率介在 47%-50% 之間, 是所有要素所得中比例最高者。勞動經濟學中的搜尋理論 (search theory) 指出, 勞工在尋找工作時所取得的實際薪資, 應會介於本身所要求的最低保留薪資以及根據個人特質所能得到的最大潛在薪資之間。因為尋找工作的機會成本會隨時間而遞增, 而人的一生又有限, 所以不可能每個人都願意花很長的時間來尋找心目中最理想的工作, 故實際薪資總. 治政根據行政院主計總處的資料顯示, 我國自 2008 年後的平均薪資一直停滯不前 ; 大立經過物價平減後的實質平均薪資更是從 2003 年出現倒退的趨勢。依據 2013 年的資. 是會低於潛在薪資, 也就是薪資容易被低付 (underpayment)。. ‧ 國. 學. 料, 名目每人月平均薪資與 2008 年相比只成長約 1,300 元; 實質每人月平均薪資反而減少了 592 元, 且此 6 年當中, 只有其中 2 年的實質平均薪資年增率為正。這段期之一。. ‧. 間內, 勞工的實際與潛在薪資以及薪資低付的程度各有何變化? 是本文關心的問題. Nat. sit. y. Hofler and Polachek (1985) 、 Hofler and Murphy (1992) 首先以勞動市場的資. io. er. 訊不充分, 解釋實際薪資低於潛在薪資的原因, 並以隨機邊界法估計個人的薪資不效率程度。 Hofler and Murphy (1992) 論及若一國實際薪資水準低於最大潛在薪資. n. al. i n U. v. 10%, 這種薪資不效率程度可使該國的 GDP 減少約 5%, 且此比例隨著薪資占GDP. Ch. engchi 比例的上升而上升, 顯示勞動市場的不效率程度影響國民福祉十分深遠。本文除了打算運用隨機邊界模型估計我國勞工的薪資低付程度外, 也將樣本選擇性 (sample selection) 問題一併納入, 以聯立迴歸模型同時估計工資與工時方程式, 探討男、女性的薪資差異議題。因為工資與工時方程式均包含組合誤差 (composite error), 必須借助關聯結構法 (copula method) 推導誤差項的聯合機率密度. 函數。國內探討男女薪資差異的文獻不在少數, 不過大部分都是以 Oaxaca (1973) 的性別歧視模型為主, 以隨機邊界法分析薪資差異者較少, 且大多探討特定行業內薪資不效率的程度, 例如江錦淑 (2008) 與蕭伃伶 (2007) 分別以隨機邊界法估計銀行 7.

(8) 業及政府部門的薪資低付程度, 但是, 江錦淑 (2008) 與蕭伃伶 (2007)並未涉及性別薪資差異的議題, 惟有劉錦添與詹方冠 (1990) 論及工資的性別歧視程度。但經過了約25 年至今, 臺灣的勞動結構已大幅轉變, 實有必要再次針對現今勞動市場上之薪資低付情況與差異加以研究並提出建議。總而言之, 本研究想要探討如下問題: 1. 實際薪資與潛在薪資的差距, 即薪資低付程度。 2. 男、女性的薪資差異。 3. 薪資低付情況男性和女性有無差異? 薪資低付與薪資差異情況隨時間經過,. 愈趨嚴重抑或逐漸緩和? 這些議題具有重要應用價值, 可提供政府制定教育或勞動政策時的參考。. 政治大. 本論文除第一章為前言外, 第二章回顧過去相關文獻, 第三章建立聯立迴歸模. 立. 型, 利用關聯結構法推導誤差項的聯合機率密度函數, 第四章說明資料來源與變數. ‧ 國. 學. 定義, 第五章進行實證分析, 利用隨機邊界關聯結構模型, 分別估計男性和女性的工資與工時聯立迴歸方程式, 據以分析薪資低付和男、女性的薪資差異等課題, 最後一章是結論與建議。. ‧ y. sit. 2.1. Nat. 2 文獻回顧. 以隨機邊界法分析薪資議題. er. io. n. 本小節回顧一些國外曾經以隨機邊界法分析勞動市場上的保留薪資、潛在薪資以 a v. i l C n hengchi U Hofler and Polachek (1985) 認為勞工在勞動市場上缺乏充分資訊, 故實際得到. 及薪資不效率程度的文獻。. 的薪資通常會低於資訊充分下的的最大潛在薪資。而未能達到潛在薪資的程度, 即為勞工在勞動市場上的"無知(ignorance)"。此文以 Aigner, Lovell, and Schmidt (1977) 的隨機邊界方法估計出市場的總無知(market ignorance); 再以 Jondrow et al. (1982) 的方法, 估計出個別的無知(specific ignorance)。實證結果與搜尋理論所提出的觀點有高度的吻合。薪資低付 (無知) 的情況, 黑人比白人嚴重、鄉村比都市嚴重、教育水準以及工作經驗低者較嚴重、風險趨避程度較高者較嚴重、找工作的機會成本較高者較嚴重。此外, 也發現有加入公會者可以大大的降低薪資被低付的情況。. 8.

(9) Hofler and Murphy (1992) 也認為勞動市場存在勞工薪資被低付, 故進一步擴. 大Hofler and Polachek (1985) 的假設, 依搜尋理論作出6 個假設: 不同的群體如壯年男性、女性以及青少年勞工, 會受到不同的預算與居住限制, 故薪資被低估程度也有所不同; 1 此外, 住在失業補助金較多的區域的勞工、教育程度較高者、住在都市者、財富較多者以及任職期間較長者, 薪資被低付的程度較低。 2 估計的結果, 假設2 的失業補助似乎完全不能降低薪資的低估程度, 除此之外的假設皆呈統計上顯著。之前的文獻幾乎都將重心放在勞方最低願受價格的決定以及搜尋工作的持續期間, 而很少有人反過來考慮資方搜尋勞工所花的功夫。若在勞動市場上, 勞方知道資方最高願付價格, 而資方知道勞方的最低願受價格, 則會透過動態過程得到一. 政治大的薪資之所以會偏離均衡, 是來自於勞資雙方在市場皆未能取得充分資訊之故。因立此此文在同一個模型中, 同時考慮勞資雙方對於彼此的資訊都不充分的情況。此個唯一的均衡薪資。 Polachek and Yoon (1987) 認為在完全競爭市場中, 同質勞工 3. ‧ 國. 學. 文採用Panel Study of Income Dynamics(PSID) 的 1981 年資料, 以最大概似估計法估計出勞方的無知是 0.405, 而資方的無知是 0.284。若換成百分比表示, 則勞方拿. ‧. 到的薪資少於資方最大願付價格的 28.8%; 而資方付出的薪資多於勞方最低願受價格的 40%, 此文認為這個結果與勞方的願受價格資訊比資方的願付價格資訊更難取. sit. y. Nat. 得的直覺一致。. er. io. Hofler and Murphy (1994) 以美國1983 年的當前人口調查 (Current Population. al. iv n C 資, 藉此避開直接詢問失業者的保留薪資所可能產生的回應偏誤 (response bias)。 hengchi U 其估計結果顯示, 勞工的實際薪資比起保留薪資平均要高出 25%, 這結果也與勞工 n. Survey, CPS) 資料, 根據有薪資者的人口樣本, 採用隨機邊界法估計勞工的保留薪. 實際拿到的薪資應高於其保留薪資的直覺吻合。此外, 此文也列出以下 5 點假設並加以檢驗: 年齡較高者、能領取的失業補助較多者、學歷較高者、都市化程度較高 1. 例如: 壯年男性的失業通常是因為被資遣, 所以可以申請失業保險補助, 故比起女性以及青少年的初入職場, 要有較雄厚的財務補助。直覺來說, 女性與青少年會比較需要立即的收入, 故迫於壓力而接受被低付的薪資。 2 其直覺是這些勞工在任職之後, 薪水的漲幅高於邊際生產價值。 3 由於勞工的實際薪資必然介於其保留薪資與潛在薪資之間, 由勞方自身看來, 其所得到實際薪資少於潛在薪資, 此為低付觀點, 事實上也可以看成是資方給的實際薪資高於勞方保留薪資, 是為高付(overpaid) 觀點。但 Hofler and Murphy (1992) 曾給過另一種為何只考慮勞方薪資被低付觀點的解釋: 資方通常會避免過分壓榨薪資。因為薪資太低, 一來找不到勞工, 職位的空缺期間可能會很長; 二來就算找到勞工, 可能也待不久。. 9.

(10) 者以及財富較高者, 其保留薪資應較高。實證結果是: 男性的保留薪資高於女性, 且與年齡、教育程度、都市化程度以及財富有直接的相關; 但是能領到最多失業補助的勞工, 其保留薪資並未顯著較高。 Webb, Watson, and Hinks (2003) 採用英國1991、1995、1999 年的英國家庭追蹤調. 查 (British Household Panel Survey, BHPS) 資料庫, 以隨機邊界法估計英國金融業員工的保留薪資以及過度給付薪資 (wage overpayment) 的情形。分析顯示,1990 年代的金融業員工薪資平均高出保留薪資 30%; 就算與所有英國勞動市場的平均薪資相比, 也多出 8 個百分比, 故推論此一嚴重的過度給付程度乃是嚴重的薪資不效率所致。深入分析後發現, 金融業中年資較深的員工過度給付的情形尤其顯著, 在樣本期間內成長了 14%, 且以上不效率的程度皆未隨著時間而舒緩。因此Webb, Wat-. 政治大. son, and Hinks (2003) 建議金融業應採更加嚴格的人力資源管理政策, 以增進薪資. 立. 效率的程度。. Lang (2005) 以隨機邊界法估計並比較2000 年西德之本地人以及移民的潛在薪. ‧ 國. 學. 資, 其主要發現是, 移民的薪資之所以較低是因為較低的人力資本所致。在移民前受的教育比起移入後受的教育對薪資有著更高的投資報酬率, 但是移民前之工作經. ‧. 驗則沒有幫助。此外, 同化程度 (assimilation) 也扮演重要的角色。有點出乎意料的是, 不論本地人還是移入者, 勞工皆可以領到各自潛在薪資的 84%, 4 這顯示移入者. y. Nat. sit. 的薪資不效率程度並不如預期的差。 Lang (2005) 接著以公司規模、子女人數等常. er. io. 見的家戶變數試著解釋其對於薪資轉換效率的影響, 發現雖然這些因子對於薪資轉換效率影響顯著, 不過程度都相當微小。 a. n. iv l n C Polachek and Xiang (2005) 挑選 LIS(Luxembourg h e n g c h i UIncome Study) 中有完整變數的 11 個國家, 5 並採隨機邊界法衡量其薪資不效率的程度, 而實證結果約落在30% 至 35% 之間。不效率程度方面, 已婚者低於鰥寡、離婚, 且已未婚者最低; 男性低於女性; 教育程度較高及工作經驗較多者較低。除了上述的個人特質之外, 制度特質 (institutional characteristic) 也會顯著影響勞動市場資訊: 失業保險顯著較高、人. 口密度較高、工業化程度較高的國家, 其勞工的薪資不效率程度較低; 但是外籍勞工的移入會使薪資不效率的程度提高。 4. half-normal的模型是 84%,exponential 的模型是 87%。包含美國、加拿大、英國、德國、瑞典、芬蘭、冰島、挪威、荷蘭、捷克, 以及唯一非 OECD 國家的以色列。此外, Adamchik and King (2007) 的估計結果即是與這些國家比較。 5. 10.

(11) Adamchik and King (2007) 認為 Mincer (1974) 提出的薪資方程式只能衡量各. 變數對平均薪資的影響, 而不能在給定個人特質之下辨別潛在的薪資水準, 故以隨機邊界法衡量 2001 年波蘭的勞動市場的資訊不完全程度, 其估計步驟是先估出薪資效率的程度後, 再以總體、社會、人口等外生變數嘗試去解釋效率的程度。其發現, 傳統的勞動經濟文獻所提出的不同的社會與人口分類(如性別、職業、學歷、公司規模等), 其薪資效率的程度皆與總平均的 86% 相去不遠。於是下一步在波蘭的 16 個行政區以 Polachek and Xiang (2005) 所建議的區域總體變數(如人口密度、就. 業率等) 進行分析。接著是將波蘭薪資效率的程度與 Polachek and Xiang (2005) 的他國估計結果比較, Adamchik and King (2007) 指出波蘭的薪資邊界與其他 OECD 的國家雖然相近, 但是薪資不效率程度卻最低, 故推論波蘭勞工與其他已開發國家. 政治大. 的勞工相比, 獲得了較恰如其分的報酬。. 立. 探討性別間薪資的差異與歧視. 學. ‧ 國. 2.2. 兩性的薪資存在差異未必完全是性別歧視所造成的, 例如, 男性平均的受教育程度若較女性高, 則平均薪資也高於女性是很合理的。但若男女之間有著同樣的人力資. ‧. 本因子, 但薪資上卻仍存在差異, 則此非人力資本因子能解釋的部分, Oaxaca (1973) 將其歸諸於性別歧視。男女薪資有別, 這是客觀事實, 但薪資差異中是否存在性別. y. Nat. sit. 歧視的成分, 則是一個較為主觀的問題, 故我們不能直接將性別間的薪資差異與薪. er. io. 資間的性別歧視畫上等號。由於國外探討薪資差異與歧視的文獻眾多, 本小節只選. n. 取其中採用隨機邊界法者回顧 , 故不論 a ; 而探討我國勞動市場之文獻相較之下較少 v. l. i. C 以何種計量方法探討歧視我們都予以納入。本節採用的文獻中 U n , Ogloblin and Brock hengchi. (2005) 只探討薪資差異, 但對於其中是否存在歧視並未多加著墨、 Robinson and. Wunnava (1989) 只以女性樣本分析歧視; 而其他的文獻皆以男女樣本探討其中是. 否存在歧視問題。以下有探討到臺灣勞動市場薪資議題的文獻, 若未特別註明, 則皆是以行政院主計總處的「人力運用調查」資料分析。 2.2.1. 以隨機邊界法分析國外勞動市場的薪資差異與性別歧視之文獻回顧. Robinson and Wunnava (1989) 嘗試以隨機邊界法的角度解釋性別歧視的程度。其. 整理過去文獻, 指出廣為流行的 Oaxaca (1973) 性別歧視模型有兩個缺點: 其一是男女的薪資方程式的縮簡式並不是在每一個情況下都相同, 其二是男女性的特質 11.

(12) 之間可能存在"無法觀察到的(unobservable) 差異", 而無法被薪資方程式衡量。以往的文獻無法衡量"無法觀察到的差異", 所以必須假設「男女性之間, 所有無法觀察到的特質都相同」; 但是當男女性之間存在"無法觀察到的差異"時, 這個假設可能會高估女性的應有薪資。 6 故此文將歧視定義為女性薪資低於隨機邊界的程度。既然歧視程度完全只決定於女性樣本, 自然也不需要此一假設。但是為了將所有的干擾都歸因於歧視, 必須假設薪資的決定過程(setting process) 不是不對稱的無效率。也就是說, 除了歧視之外, 所有對稱的無效率項已被納入常態的隨機誤差項了。 7 因為如果無效率是不對稱的, 就有可能存在即使沒有歧視, 而女性薪資依然低於隨機邊界的情況。在隨機邊界法的世界中, 每位女性被歧視的程度不一, 這比較符合現實情況, 而其他估計方式則是假設所有個體是系統性地被歧視。而實證估計結果顯. 政治大場有效率, 薪水可以再多出三分之一。立自 1991 年蘇聯轉變為俄羅斯之後, 勞動市場的薪資也由中央統一管制, 轉變成. 示: 取過對數的女性薪資平均低於隨機邊界26%, 也就是說, 女性若沒有被歧視且市. ‧ 國. 學. 廠商有訂定薪資的能力。 Ogloblin and Brock (2005) 比較了性別、生活成本(local cost of living)、工時對於薪資低付程度以及潛在薪資的影響。此文將 2000-2002 年. ‧. 的資料合併估計, 發現不同性別的薪資低付程度有相當的差異, 且低付程度因為勞動市場的不效率而高於西方國家: 男性勞工約只領到潛在薪資的 64.5%, 女性則是. y. Nat. sit. 72.9%; 同時也發現, 潛在薪資對於生活成本的變動富有彈性, 生活成本提高會使潛. er. io. 在薪資提高, 且程度較大。不過若想要解決此薪資低付問題, 有可能會造成更大的. n. 性別差異。因為就俄羅斯目前的實際薪資差異 , 女性薪資為男性的 a v 65.5%, 若使雙方. l. C h 58%。皆達到潛在薪資, 女性薪資只有男性的. engchi. i n U. Díaz and Sánchez (2011) 以 ECHP(European Community Household Panel) 縱. 橫資料庫分析 1995-2001 年間, 英國、義大利、德國、法國以及西班牙之薪資差異與性別歧視間的關係。其主要分析性別歧視的方式是, 先以隨機邊界法將各國之薪資 6. 例如: 男女性的薪資差異可能是因為女性比較不想工作, 因此工作時較不努力, 此時就算與男性有著相同的教育程度, 薪資仍會比較低。但這並非歧視所造成的, 但是傳統的估計方法仍將其視為歧視。 7 這是此篇文獻與其他文獻的不同之處。以下一節將提到的( 3 ) 式解釋, 其他文獻的隨機邊界大多是將薪資的無效率完全歸諸於單邊誤差項 u 而必然不對稱。但 Robinson and Wunnava (1989) 為了將薪資無效率與性別歧視連結, 只估計女性樣本, 並且假設無效率有可能對稱也有可能不對稱。其將對稱的薪資無效率納入 v ; 而不對稱的薪資無效率以 u 表示, 此不對稱的部分必須完全來自於歧視。. 12.

(13) 不效率的程度算出, 再將此一程度對性別(及其他變數) 進行迴歸分析。由於此方法只能指出性別影響不效率程度的方向, 故下一步驟再採用 Wang (2002) 之方法計算性別對於薪資不效率程度的邊際效果, 也就是性別影響不效率程度的強度。實證結果發現, 性別變數顯著影響各國薪資不效率程度: 身為女性會使實際與潛在薪資的差距擴大。此外, 此5 國的邊際效果差距也很大, 高至英國的 33.7% 而低至法國與西班牙的 16%。 8 這反應了各國勞動市場的異質性、薪資不均程度以及女性工作型態的不同。女性即使與男性有相同的人力資本投入及個人特質, 也無法獲得相同的報酬, 此結論一致於以往文獻上的研究成果, 也就是薪資上的性別歧視的確存在於歐洲。 Díaz and Pérez (2013) 採用與 Díaz and Sánchez (2011) 相同的資料庫與樣本期. 政治大作、而且 40 歲以下的年輕勞工, 檢視其婚姻狀態是否與薪資不效率程度有關。根據立勞動經濟學文獻, 已婚女性的勞動報酬低於未婚女性其主要的原因有二: 一是已婚間, 區分男女兩性, 分析英國、義大利、德國以及西班牙中, 那些至少連續7 年有工. ‧ 國. 學. 女性的勞動參與率較低、二是已婚女性較致力 (committed) 於家庭生活, 將重心放在家庭的同時較容易中斷其在勞動市場原本的成就, 導致工時降低以及選擇低報酬. ‧. 的職業, 這同時也降低了其在公司內部所能受到的培訓機會。以上所有因素皆對人力資本累積以及生產力有負面影響。但是此文發現, 年輕女性即使在控制人力資本. y. Nat. sit. 累積不中斷的情況下, 處在已婚狀態的薪資不效率程度仍高於未婚狀態, 也就是說,. 2.2.2. er. al. n. 歧視。. io. 已婚年輕女性的勞動報酬之所以較低, 似乎不是因為中斷累積人力資本, 而是因為. i n U. Ch. v. engchi 分析臺灣勞動市場之薪資差異與性別歧視之文獻. Gannicott (1986) 曾以1982 年資料, 將臺灣男女性的工資差異拆解成稟賦項 (endowment) 以及歧視項, 其中稟賦項可解釋 40.3%, 而有 59.7% 無法解釋而歸諸於歧視項。. 因此推估女性工資被歧視的程度相當嚴重。鍾谷蘭 (1987) 改良 Gannicott (1986) 的估計方法並多考慮樣本選擇性問題, 在1986 年的資料中, 同樣獲得臺灣勞動市場的性別歧視現象嚴重的結論。劉錦添與劉錦龍 (1987) 以1984 年資料, 採特徵性工資模型 (hedonic wage model) 估計男女性的薪資方程式, 發現臺灣的男女性的薪資在同一職業之中明顯存在性 8. 以英國的邊際效果為例, 女性的效率薪資低於男性的33.7%。. 13.

(14) 別歧視, 其中最嚴重的是服務業, 而最輕微的是專業性人員。薛立敏 (1988) 以同年度資料分析後指出, 在教育、年齡、經驗等條件相等的情況下, 男性的薪資高出女性14%-30%, 且愈需體力的職業, 薪資差異程度愈大; 而愈需專業技能的職業則差異程度愈小, 其結論與劉錦添與劉錦龍 (1987) 一致。王素彎與連文榮 (1989) 為求與前兩篇文獻比較, 也採相同年度資料並以 F 檢定估計性別歧視是否顯著存在於臺灣勞動市場。其結果發現, 不論是分別以進入勞動市場的起薪、或是以相同人力特徵下的調薪幅度衡量, 甚或是合併考量, 皆指出同學歷的女性薪資受到相當的性別歧視。林忠正 (1988) 為了排除女性勞動參與中斷對薪資差異之影響, 採用1984 年初次進入勞動市場的樣本作為分析對象, 將薪資差異拆解成「可解釋的部分」、「職業隔. 政治大工不同酬」的情況下, 工資應略高於男性。此外, 臺灣男女的職業隔離程度雖然顯立著, 但是男女薪資差異大部分是原自同工不同酬的因素而非職業隔離; 並推論同工. 離」以及「同工不同酬」三個部分, 實證結果指出, 女性在沒有「職業隔離」以及「同. ‧ 國. 學. 不同酬程度之嚴重, 使其無法拒絕臺灣之勞動市場存在性別歧視此一假說。劉鶯釧 (1989) 則認為, 女性受到歧視的部分的成因眾多, 而難以精確衡量所有. ‧. 可能來源, 9 故僅衡量純粹的工資歧視。其同時採用直接迴歸與逆向迴歸計量方式, 檢定同一個職業當中是否有違反同工同酬的現象。 10 以1987 年的實證結果來說, 多. y. Nat. sit. 數行、職業中的同工不同酬的現象不若想像中的嚴重, 此外, 因為行、職業的個別差. er. io. 異甚大, 劉鶯釧 (1989) 指出工資的性別歧視並不能籠統地一概而論。. n. 劉錦添與詹方冠 (1990)a 大致採用 Robinson and Wunnava v (1989) 之觀點與方. l. i. n 及 Cotton (1988) 的方 C h , 11 並與 OaxacaU(1973) 法衡量臺灣公私部門之性別歧視程度 en. hi. gc 法作比較, 得出私部門工資的性別歧視程度高於公部門。. 高長 (1990) 經樣本選擇偏誤之修正後發現, 真實的女性工資歧視在平均工資較高的職業中被高估; 而在平均工資較低的職業則被低估。因此推論女性工資受歧視的程度在各個職業中並不相同: 在平均工資較高的職業中, 女性似乎未受歧視, 因 9. 例如: 女性從事女性化且低薪的職業有可能是純粹出於自願, 但此「自願」也可能是受到曾被灌輸的性別歧視刻板印象所致。 10 直接迴歸衡量「具有同等生產力的男女是否得到相同的工資水準」; 逆向迴歸則是檢定「具有相同工資的男女是否具有相同生產力」。 11 在 Robinson and Wunnava (1989) 的觀點中, 女性之實際薪資與隨機邊界薪資之差即為性別歧視的程度, 但是劉錦添與詹方冠 (1990) 認為此一差距來自於性別歧視及勞動市場資訊不完全的程度。. 14.

(15) 此工資差異來自於女性職業選擇之行為; 而在平均工資較低的職業, 女性受歧視程度較嚴重。不過高長 (1990) 也承認, 未考慮職業隔離效果可能使其估計之歧視係數產生偏誤。黃台心與熊一鳴 (1992) 以1989 年的資料經樣本選擇偏誤的修正後, 推估兩性間的全職與兼職之工資差異。採用 Oaxaca (1973) 的計量方法估計出全職工作者中的男女工資差異為 36.25% 、而兼職工作者則為 107.59%, 故推論性別歧視存在於臺灣勞動市場, 且結論與劉錦添與劉錦龍 (1987) 、王素彎與連文榮 (1989) 相同。高長 (1993) 認為臺灣勞動市場性別的工資差異的主要原因並不是職業隔離因素, 而是預期人力資本存量; 預期終身勞動力參與之不同會影響到人力資本存量, 這解釋了大部分的性別工資差異。根據1989 年的資料估計, 在全部樣本當中, 預期. 政治大故高長 (1993) 推論, 性別工資差異的主要原因是出於個人自由意志選擇下的不同立人力投資行為所導致, 而非就業不均等或工資報酬不公平。人力資本存量可解釋的部分為 72%, 大於只以傳統人力資本變數的 15.8% 的解釋力。. ‧ 國. 學. 邱曉培 (1997)與劉佳苓 (1997) 如同林忠正 (1988) 的作法, 皆控制了女性勞動參與中斷之因素, 但是改以1995 年的未婚樣本為分析對象。邱曉培 (1997) 採用劉鶯釧. ‧. (1989) 之直接迴歸與逆向迴歸計量方式, 檢定臺灣勞動市場中的薪資差異是否存在. 歧視。實證結果顯示直接迴歸的薪資差異的分解中, 同工不同酬的比例約佔 56%-. y. Nat. sit. 73% 之間; 此比例雖然於逆向迴歸中較低, 但兩種方式皆肯定女性在勞動參與未中. er. io. 斷的情形下, 工資仍受到歧視。而劉佳苓 (1997) 承續林忠正 (1988) 的研究與方法,. n. 得到的結論也大致相同。惟認為在無性別歧視的情況下 , 女性的工資雖會提升 ,但 a v. i l C n hengchi U 曾敏傑 (2001) 採 Oaxaca 薪資分解模型, 指出男女薪資差異在1982、1992 及 2000. 不致於高出男性的工資。. 年間有縮小的趨勢, 其中人力資本、工作結構及擁擠理論變項雖然有顯著解釋薪資差異的能力, 但程度不高, 12 且無法解釋的比例有上升趨勢, 顯示女性仍面臨曾敏傑 (2001) 未能發現的歧視因素。. 許碧峰 (2004) 接受以下觀點: 勞動者因天賦之差異, 其本身受教育程度的多寡為其自我選擇之結果, 不能直接以不同教育程度之勞動者的薪資差異分析教育溢 12. 擁擠理論(crowding theory) 將職業區分為男性主導職業或女性主導職業, 此文闡述的擁擠程度即女性員工在該行業或職業的比例, 愈高則愈「擁擠」。擁擠理論可與勞動經濟學所使用的職業隔離概念相對應。. 15.

(16) 酬。故其採 Chay and Lee (2000) 之誤差分解模型, 假設相同族群裡勞動者之天賦不隨時間變化, 將薪資差異分解成真實教育溢酬以及勞動者未觀察到能力及其報酬之差異(後者即選擇性偏誤) 後, 再分別以 Wald 以及工具變數法估計出勞動者未觀察到能力報酬變化。實證結果發現, 1990-2000 年大專男性之勞動者未觀察到能力報酬約下降 11-30%, 女性則為 5-11%, 並推論因為男性之勞動者未觀察到能力報酬報酬降幅大於女性, 使大專生之性別薪資差異減少。陳建良與管中閔 (2006) 在考慮勞動樣本選擇之下, 採分量迴歸(quantile reqression) 估計臺灣在 2002 年工資函數及性別歧視程度。實證結果發現, 男女的勞動樣. 本選擇性以及特定變數報酬, 在工資的不同分量間有不同的趨勢, 且性別歧視的程度在工資各個分量下均相當嚴重, 尤其是低工資的女性。. 政治大解擴充模型探討台灣產業結構變遷和性別歧視變動對於男女薪資溢酬改變的影響。立研究發現, 男女平均生產力的差異能解釋男女薪資差異的比例逐年增加; 而歸因於徐美, 陳明郎, 與方俊德 (2006) 使用 1978-2003 年資料, 以 Oaxaca 之薪資分. ‧ 國. 學. 性別歧視的比例則呈逐年縮小。其指出, 台灣的產業結構由重體力性相關轉變為重心智性相關, 以及女性就業者教育水平的快速提升, 是造成產業內男女平均生產力. ‧. 顯著的差異變動和薪資差異縮小的兩大原因。 Bishop et al. (2007) 恰使用相同的資料期間, 以 Oaxaca 原始模型以及隨機邊界法兩種方法分別檢視臺灣的男女薪資差. y. Nat. sit. 異與性別歧視間的關係。其認為此段期間臺灣經濟快速成長, 勞動力結構上也大幅. er. io. 改變(如女性參與勞動比例提高、男女薪資比趨於相等), 但根據 Oaxaca 模型的結. n. 果卻顯示, 性別歧視的程度卻幾乎沒有變動 , 這似乎不甚合理。 a v 另一方面, 以隨機邊. l. i. Ch 界法估計的結果顯示, 男女在勞動市場上的效率皆逐漸提升 U n , 但女性薪資效率提升 en. hi. 的速度高於男性; 受歧視的程度逐漸下降。g 故cBishop et al. (2007) 認為這個結果比起 Oaxaca 模型更貼切於臺灣總體經濟情勢的變動。 2.3. 保留薪資相關議題. 保留薪資即是勞工在勞動市場上願意接受的最低薪資水準, 給定其他條件下, 保留薪資的提高通常會使薪資低付程度下降。由於保留薪資與工作搜尋理論以及薪資低付程度皆有相關, 本小節回顧與性別有關的保留薪資相關文獻。 Gørgens (2002) 認為以往文獻討論搜尋理論時, 只著重在薪資而忽略其他非薪. 16.

(17) 資的變數, 這可能會導致錯誤的經濟推論並誤導政策建議。 13 故 Gørgens (2002) 納入工時因素, 以保留效用策略(reservation utility strategy) 取代保留薪資策略, 提出相對應的條件保留薪資(conditional reservation wage) 概念解釋搜尋理論。其主要發現是美國女性搜尋工作時應有納入工時因素。例如全職工作女性的條件保留薪資比起兼職工作女性高出 16–31% , 廠商給薪(wage offer) 預期較高的女性, 從事兼職工作的保留薪資高於從事全職工作, 廠商給薪 (wage offer) 預期較低的女性, 從事全職工作的保留薪資高於從事兼職工作; 在失業時提供補助可以大量提高女性對於兼職工作的保留薪資, 但對全職工作的保留薪資只有微乎其微的影響; 而丈夫或子女的出現對於保留薪資有正影響, 但幅度不大, 但若丈夫的薪水很高, 則女性的保留薪資會顯著提升。. 政治大料庫, 以2004–2006 年的未受僱用者分析風險態度與保留薪資的關係, 其發現, 未立受僱用者超過半數有風險趨避的情況, 且風險趨避與保留薪資有反向關係。此外, Pannenberg (2010) 採德國的 German Socio-Economic Panel (SOEP) 縱橫資. ‧ 國. 學. 若未受僱用者身為男性、未婚、受教育年數愈長、尋找全職工作、有受到財務補助或財富較高者, 其保留薪資會提高。. ‧. Brown, Roberts, and Taylor (2011) 使用英國 BHPS 資料庫, 採 1991–2008 的縱. 橫資料(panel data), 針對未被僱用及自我僱用者, 以 Oaxaca (1973) 的方式拆解男. y. Nat. sit. 性與女性的保留薪資差異, 並發現有無子女數對於兩性保留薪資差異中可解釋的. er. io. 部分非常重要。若無子女, 兩性保留薪資差異幾乎完全不可被特質差異解釋; 若有. n. 子女, 特質差異的可解釋部分佔保留薪資差異的 51% ; 若有學齡前的子女 , 此可解釋 a v. l. i. C h Roberts, and Taylor 的比例更可以提升至 78% 。 Brown, U n(2011) 認為造成此現象的 en. hi. g c (平均 40 歲) 大於有子女的女性原因可能部分與年齡有關。無子女女性的平均年齡. (平均 28 歲), 平均年齡較大的女性可能會因為過去的經驗、歧視或其他無法觀察的. 個人特質, 對勞動市場的期待較低, 故較不適合 (less suited) 進入勞動市場。 13. 例如某個勞工要在以下兩個工作中挑選: 某工作月薪40,000 元, 每天工作12 小時; 另一個工作月薪 39,999 元, 每天工作 8 小時。若單純考慮只考慮薪資水準, 勞工會選前者, 但一旦納入工時 (非薪資因素), 則很有可能會選擇後者。. 17.

(18) 3 研究方法隨機邊界法. 3.1 3.1.1. 薪資隨機邊界模型. 本小節以 Hofler and Polachek (1985) 的方法, 以簡單迴歸介紹隨機薪資邊界模型。勞工的最大潛在薪資為 p. Wi. β0 β1 X i v i ,. (1). 其中 Wip 為勞工依據其所擁有的人力資本變數 X i 在勞動市場上所能得到的最大潛在薪資, β1 為迴歸係數, v i 是隨機干擾項且 v i N 0, σv2 ; (1) 式中 β0 β1 X i 稱. 政治大 Hofler and Polachek (1985) 立認為勞工在勞動市場上缺乏充分資訊, 故在搜尋工. 為確定邊界; 而 β0 β1 X i v i 稱為隨機邊界。。. ‧ 國. 學. 作時, 實際得到的薪資 Wi 通常會低於資訊充分下的的最大潛在薪資 Wip , 也就是: Wi B Wi 。 p. (2). ‧. . ui ,. β0 β1 X i v i u i ,. sit. io. n. a. p. Wi. er. Nat. Wi. y. 將 (2) 式改寫為. (3) (4). v. l C 式中 u i C 0 , 代表勞工實際領得之薪資未能達到最大潛在薪資的程度 , 視為勞工在 ni. U. h. engchi 勞動市場上的"無知(ignorance)"。若其在勞動市場上的資訊愈充分 , 則薪資愈有效率, u i 愈接近0, 也就是實際市場薪資 Wi 愈靠近最大潛在薪資 Wip 。由於存在無效率項 u i , 勞工的實際薪資最多只能達到 Wip , 像是有上限的邊界一般, v i u i 即為隨機邊界模型中的組合誤差項。 3.1.2. 估計單邊誤差. 薪資不效率的程度 u i 一般採用最大概似法估計。將 v i u i 寫為組合誤差 ε i : εi. vi ui ,. 18. (5).

(19) 其中 u i 可以有許多種設定, 例如半常態分配 (half normal distribution)、指數分配 (exponential distribution)、截斷分配 (truncated distribution) 以及伽瑪分配 (gamma distribution), 本文假設其為半常態分配: u i N 0, σu2 , 依循 Aigner, Lovell, and Schmidt (1977), 令 σ 2. σu ~σv , 可得對數概似函數為. σv2 σu2 , λ. lnLW S β, σ , λ. . Q ln Φ εσλ 2σ1 Q ε , ελ 1 n lnσ Q ln Φ Qε 。 σ 2σ. n πσ 2 ln 2 2. n. i. . n. . i. (6). i. n. constant . 2 i. 2. n. i. . . . 2. i. 2 i. (7). i. 其中 W 為薪資向量, β 為迴歸係數向量; ε i v i u i Wi β0 β1 X i 是組合誤差, Φ 是標準常態分配的累積分配函數(CDF)。由 (6) 式的對數概似函數可以估計出 β. 、 σ 與 λ。. 14. 政治大. 再根據 Jondrow et al. (1982) 求出每個樣本的薪資不效率程度 u i 的點. 估計量 uÂi. 立. ‧ 國. Eu i S ε i . µi σ . ϕ µσi . 1 Φ µσi . ,. (8). 學. uÂi. 其中 ϕ 與 Φ 分別是標準常態分配的機率密度函數(PDF) 與 CDF ; σ. µ i. 。一旦求出 uÂi , 若 (3) 式中的應變數與自變數皆是以對數型式表示, 則個別勞. Ä 工的薪資效率 TE i 即可以 TE i. ‧. σu2 ε i σ2. σ u σv σ ,. e uÂi 估計。. Nat. sit. y. Ä 即是第 i 個勞工實際薪資占潛在薪資的比例, 故 0 B TE Ä B 1 。若此比例 TE i i. er. io. 愈靠近 1, 表示薪資愈有效率, 也就是此位勞工的實際薪資愈靠近最大潛在薪資, 或可說是勞工在市場上實際薪水被低付的程度較輕。但一般認為 Battese and Coelli. n. al. Ch. (1988) 的估計量有更好的統計性質: Ä TE i. E e u i S ε i . i n U. e1n Φgcσh iµ . . i. σ. 1 Φ µσi . v. 2 σ. e µ i 2 。. (9). 故本文之後提到的薪資效率程度也將以此為計算公式。 3.2. 關聯結構法與最大概似估計法. 由於樣本資料包含男性與女性勞工, 一般都會認為女性勞工較容易有樣本選擇性問題, 15 但其實男性勞工也有類似問題, 只是程度較女性輕微。 14. 此對數概似函數的一階偏微分為高度的非線性, 故必須以程式輔助, 由起始值開始疊代未知參數, 直至找到能極大化此對數概似函數的那組參數為止。 15 例如, 我們想要調查已婚女性薪資的決定因素時, 會發現許多已婚女性在結婚後選擇照顧家庭. 19.

(20) 本文採用 Heckman (1974) 模型但引入隨機邊界概念: 假設勞工的對數保留薪資 (reservation wage) 方程式為 α0 α1 ln H α2 X1 v1 ,. lnWR. (10). 其中 WR 為保留薪資(reservation wage), 也就是此勞工在勞動市場上最低要求的薪資, H 為工時, X1 是除了工時之外影響保留薪資的解釋變數向量, 本文放入年齡及平方項、婚姻狀態、教育程度、戶籍地、婚姻狀態與年齡交乘項、教育程度與年齡交乘項, α. α0 , α1 , α2 為迴歸係數向量, v1 為隨機干擾項。. 勞工的對數市場隨機工資邊界方程式表為 lnW. 立. β β X治 v u, 政大 0. . . 1. 2. . 2. . (11). 2. 其中 W 為市場薪資, X2 是影響市場薪資的解釋變數, 本文放入受教育年數及其平. ‧ 國. 學. 方項、潛在工作經驗及其平方項、婚姻狀態、婚姻狀態與潛在工作經驗交乘項, β β0 , β1 為迴歸係數向量, v2 是隨機干擾項。以隨機邊界的觀點, β0 β1 X2 v2 可. ‧. 視為勞工的潛在隨機對數薪資, u2 為一非負之隨機變數, 其與 v2 統計上獨立, 代表實際對數薪資低於潛在對數薪資的程度。 0 ; 16 反之, 工時則會調整至 lnWR. io. n. al. Ch. β0 β1 X2 α0 α2 X1 α1. lnH. , V1. v 2 v 1 α1. , U1. i n U. v. v2 u2 v1 , α1. engchi. δ Z1 V1 U1 , β 0 β1 X 2 α 0 α 2 X 1 α1. lnW, 代表勞工選擇工. er. 作。 17 即令 (10) 式、 (11) 式相等, 可得到. 其中 δ Z1. sit. 會選擇不工作, lnH. y. Nat. 若 lnWR A lnW , 表示勞工的保留薪資高於市場能夠給予的薪資, 故此時勞工. (12) (13). u2 α1. 。. 而放棄工作, 因此沒有可觀察的薪資。也就是說, 我們只能觀察到有那些選擇進入勞動市場的樣本。若直接忽略那些無工作的女性樣本, 而單純以有工作且有薪資的女性樣本進行估計, 因為這些樣本已經被我們有系統的挑選過, 所以她們就再也不是隨機樣本了, 這時我們面對的就是樣本選擇性問題。 16 將 H B 1 的樣本視為無工作者。 17 就經濟意涵來說, 勞工的 lnW C lnWR 才會選擇工作, 但保留薪資 lnWR 為觀察不到的 (unobservable) 變數, 故若要求出其在勞動市場上的工時, 我們只能保守的假設 lnWR lnW , 因為若要使勞工選擇工作, 可觀察的實際薪資至少會等於保留薪資。. 20.

(21) 考慮樣本選擇性問題的聯立迴歸模型為. 其中 ε1. ln H. δ Z1 V1 U1. lnW. β0 β1 X2 v2 u2. lnW. ln H. £ ¨ ¨ § ¨ β Z2 ε2 ¨ ¥. δ Z1 ε1. 0. 若 ln H A 0;. (14). 若 ln H B 0,. (15). v2 u2 。無工作者 (ln H B 0) 的對數工時與工資皆為 0 ; 但. V1 U1 , ε2. 有工作者 (ln H C 0) 的對數工時與工資我們可以觀察的到。. 18. 在此雖然有 ε1 與 ε2. 兩套的組合誤差, 但其中只需估計 σv1 、 σv2 、 σu2 等 3 個參數, 因為 (10) 式中並沒有無效率項, 否則在估計上會出現問題 (identification problem)。針對無工作者, 其機率表為 P ln H B 0. 立. 政治大 P ε B δZ F δZ 1. . . 1. . 1 . 1. (16). 含有工作者與無工作者的概似函數成為. M f lnW, lnH M F. L. lnH A0. . . lnH B0. 1 δ. . Z1 . ‧. ‧ 國. 學. 其中 F1 是 ε1 的 CDF; 有工作者 lnH 和 lnW 的聯合 PDF 為 f lnW, lnH ; 故包. (17). Nat. sit. y. 相對於劉錦添與詹方冠 (1990) , (17) 式在隨機邊界模型下, 同時考慮了有工作. er. io. 者及無工作者的所有樣本, 已解決樣本選擇性問題, 而且此概似函數估計出來的迴歸係數估計變異數同時具有一致性, 往後將以此估計出來的迴歸係數, 推論有工作. al. n. 者的樣本。 3.3. 估計步驟. Ch. engchi. i n U. v. (17) 式的概似函數屬於非線性模型, 不易估計。在沒有組合誤差的情況下要解決樣. 本選擇的問題, 使係數估計量符合一致性, 一般常採用 Heckman (1976) 的兩階段估計法, 第一階段先以全部樣本使用 Probit 模型估計個人工作與否的機率, 並算出機率矯正因子 inverse Mills ratio(IMR); 第二階段將求出的矯正項 IMR 做為一個新的解釋變數加入原先的薪資迴歸式, 改用有薪者的樣本再次估計。但是兩階段估計法會導致誤差項出現異質變異數, 影響迴歸係數估計變異數的一致性; 加上 ε1 和 18. 在此, 有、無工作者即分別同義於有、無薪水者。. 21.

(22) ε2 皆為組合誤差, 期望值皆不為0, 更讓兩階段估計法難以操作。故本研究打算採用. 最大概似法進行估計, 其優點是解決兩階段估計法以上的缺點, 但最大概似法是非線性的模型, 估計較複雜, 本文接著將面臨以下兩個問題: 1. 如何推導 ε1 和 ε2 之間的聯合 PDF, 進而得到 f lnW, lnH ? 2. 如何推導 ε1 的 CDF? 3.3.1. 推導 ε1 和 ε2 之間的聯合. PDF. 第一個問題可根據 Lai and Huang (2013), 採用關聯結構法 (copula methods) 解決。假設 F1 及 F2 分別為 ε1 和 ε2 的邊際 CDF, 它們的相關係數為 ρ , 依照 Sklar (1959) 的理論, ε1 和 ε2 的聯合CDF 可表為 F ε1 , ε2 . 立. 政C F ε 治 , F ε ;大 ρ 1 1. 2 2. . (18). ‧ 國. 唯一的關聯結構函數。 ε1 和 ε2 的聯合 PDF 由 (18) 式導得. Mf. 學. 其中 C 是 F1 及 F2 的關聯結構函數, 若 F1 及 F2 為連續函數, 則存在 2. c F1 ε1 , F2 ε2 ; ρ . j ε j . j 1. Nat. 是關聯結構密度函數 (copula density. y. ∂ 2 C F1 ε 1 ,F2 ε 2 ;ρ ∂F1 ε 1 ∂F2 ε 2 ,. 其中 c F1 ε1 , F2 ε2 ; ρ. (19). ‧. f ε1 , ε2 . sit. function), 而 f j ε j 是 ε j 的邊際 PDF。. er. io. 過去文獻已發展出許多種 copula 函數, 例如 Student’s t copula 、 Archimedean. al. n. iv n C 採用 Gaussian copula 推導出 (18) 式的二變數聯合 U , 表為 h e n g c h iCDF. copula 、 Gumble n-copula 和 Clayton n-copula 等。本文依循 Lai and Huang (2013). C F1 ε1 , F2 ε2 ; Ω. Φ2 Φ1 F1 ε1 , Φ1 F2 ε2 ; Ω 1 1 1 1 exp ζ Ω ζ 2 2π SΩS 2. (20). 其中 Φ1 為標準常態 CDF 的反函數, Φ2 為雙元標準常態 CDF , ζ. Φ1 F1 ε1 , Φ1 F2 ε2 是一個 2 1 的向量, 而隨機變數 Φ1 F1 ε1 跟. Φ1 F2 ε2 的相關係數矩陣 Ω 為 . 1 Ω 1 22. 。 . (21).

(23) 對應 (20) 式的Gaussian copula PDF 為 1 1 1 I2 ζ 1 exp ζ Ω 2 SΩS 2. c F1 ε1 , F2 ε2 ; Ω. (22). 其中 I2 為 2 2 的單位矩陣。將 (22) 式代入 (19) 式即得組合誤差之間的聯合 PDF: 1 1 1 I2 ζ 1 exp ζ Ω 2 SΩS 2. f ε1 , ε2 . 推導 ε1 的. 3.3.2. Mf 2. j ε j ,. 1, 2。. j. (23). j 1. CDF. 本文根據 Tsay et al. (2013) 採用近似法推導組合誤差的近似CDF , Tsay et al. (2013). 治政大 ε λε ϕ Φ , j 1, 2,. 已證明該近似CDF 的準確度極高。已知 f i ε i 的 PDF 為 2 σj. 立. . j. σj. . . j j. σj. . 其中 ϕ 與 Φ 分別為標準常態分配的 PDF 與 CDF , λ1 1 2 α 2 σv 1. . º. (24). σu 2 σu 1 σu 2. 學. ‧ 國. f j ε j . ; λ2. σu 2 σv 2. , 且σ12. σv22 σu22 。由於 f j ε j 中 Φ 沒有封閉型式, 無法經由積. σv22 σu22 ; σ22. ‧. 分直接推導出 F j ε i jt , 一般可採用模擬或是近似函數的方法解決。本文利用 Tsay. y. Nat. et al. (2013) 發展出的方法推導出 F j ε i jt 的近似函數。. n. al. 其中 I 被定義為. λ σ. A 0, 而 b. 1 σ. ª. Ch ª. . f εdε. 2 I Q , σ. engchi. S S Q. I Q . 其中 a. Q. aε. er. io. S. F Q . sit. 先省略下標 j , 由 (24) 式對 f ε 積分可得. i n U. v. ϕ ξd ξϕbεdε,. ª. (25). (26). A 0 。欲對 (26) 式推導出 I Q 的近似積分 I app Q , 需. 先定義誤差函數 (error function) er f 如下: er f z . 2 º π. S. 0. z. 2 e t. 1 e c 1 z c 2 z. 2. 2. S. 0. g z 。. 23. º. 2z. ϕ t dt. º. 2Φ 2z 1. (27) (28).

(24) 接著推導 I app Q : I app Q . bQ 1 signQ 1 1 er f º (29) 2b 2 2 º a 2 c 12 ac 1 2Q b 2 a 2 c2 signQ 1 2 2 º º e 4b a c2 1 er f 。 4 b 2 a 2 c2 2 b 2 a 2 c2 (30). 其中 signQ 為符號函數, 在 Q 大於、等於、小於 0 時, 分別等於 1, 0, -1; 常數 c1 . 0.75651138383854 時, 如此, 可以讓 g z 盡可能地靠近. 1.09500814703333 , c2. . er f z 。 Tsay et al. (2013) 已經證明, 在 z A 0 之下, g z 已經十分接近 er f z , 故 g z 可用來替代 er f z , 求出 (29) 式的 I app Q , 再將具有封閉型式的 I app Q 置. 政 2治大 Q I Q ,. 換 (25) 式中的 I Q 可以得到近似的CDF:. 立F. app . . σ. app . . (31). ‧ 國. 學. 再以 Fapp Q 代替 F Q 即可得到本模型中 (17) 式的概似函數, 本文之後將以此函數進行最大概似法的估計。. ‧. 4 資料來源與變數定義. y. sit. 資料來源. Nat. 4.1. er. io. 由於連續年度間勞工薪資與其他變數變化可能不大, 故本研究採用行政院主計總處. n. 民國 94、96、98、100、102 等a5 年度的「人力運用調查」資料, 這項調查的範圍涵蓋居 v. l. i. C h, 其戶內年滿十五歲以上住於台灣之普通住戶與共同事業戶 U n , 自由從事經濟活動之本國籍民間人口。. engchi. 本研究採用年齡介在 15 歲至 65 歲的民間人口, 由於本文欲考慮並修正樣本選擇性問題, 無工作者也是本論文分析的對象, 但在學及準備升學者、身心障礙者、傷病者, 雖無工作, 但非關樣本選擇性問題, 故予以剔除; 但無工作在找工作者、已找工作正在等待結果者、想工作而未找工作且隨時可以開始找工作者、料理家務者、賦閒者等對象予以保留, 因為這些人在勞動市場上選擇不工作可能是來自市場薪資低於其心中的保留薪資, 若直接剔除這些樣本將導致偏誤的估計結果。另一方面, 有工作者當中, 工作身分若為雇主、自營作業者及無酬家屬工作者, 其薪資與工時的性質不同於我們要分析的一般勞工, 故不列入本文研究對象之中。 24.

(25) 變數定義. 4.2. 文中的薪資與工時迴歸式, 其應變數分別使用取過自然對數後的月薪資與月工時, 由於月薪資容易受到通貨膨脹的影響而使購買力不一致, 本文以民國 100 年為基期的消費者物價消費指數 (CPI) 進行平減, 以利各年度比較。另外我們也觀察到市場上存在有薪資卻無工時者, 這些樣本多是因傷病或例假所導致,. 19. 故我們設算其應有的工時後補回, 若該勞工受政府僱用, 令其每周工時. 為40 小時; 若受私人僱用則為 42 小時。以下條列各變數的定義與整理方式, 若英文變數為斜體代表用以估計的參數, 若非斜體則代表用以計算薪資效率時的類別, 第 5 章的實證結果將據此說明。. 政治大 25 到 44 歲的壯年 (prime)、大於 44 歲的中年 (middle) 3 群。立 2. 教育程度 (dedu): 高中職dedu1 1 (senior high), 大學、專科 dedu2 versity(college)), 碩、博士 dedu3. 1 (uni-. 學. ‧ 國. 1. 年齡 (age): 年齡為連續變數, 但往後會分成小於 25 歲的青年 (youth)、介在. 1 (above university), 國中及以下 (below. senior high) 為基準組。. ‧. 3. 工作地: 按內政部統計處的內政統計通報的分類, 將工作場所分為北部 (north)、. 中部 (mid)、東部 (east)、與南部, 將金馬及境外地區的樣本剔除, 並以南部. y. Nat. sit. (south) 為基準組。北部包含新北市、基隆市、臺北市、宜蘭縣、桃園縣、新竹. er. io. 市、新竹縣; 中部包含苗栗縣、臺中市、彰化縣、南投縣、雲林縣; 東部包含臺. n. 東縣、花蓮縣; 南部包含臺南市、高雄市、嘉義縣、屏東縣、澎湖縣。 a. iv l C n hengchi U. 4. 戶籍地: 同工作地的分類, 北部 (dlnorth)、中部 (dlmid)、東部 (dl east), 仍. 以南部為基準組。. 5. 職業別: 分為民意代表、主管及經理人員 (occupA)、專業人員 (occupB)、技. 術員及助理專業人員/事務支援人員/服務及銷售工作人員 (occupC)、農林漁牧業生產人員 (occupD)、技藝/機械設備操作及組裝人員 (occupE) 及基層技術工及勞力工 (occupF) 等 6 類, 並以基層技術工及勞力工為基準類。行政院主計總處曾在 99 年修訂職業標準分類, 修訂後淨增加兩個中類, 由於更動處甚多且職業修訂方式使研究者不可能完全控制, 20 本文盡量將相同工作性質 19. 在此的傷病者同時為有工作者, 與上述因傷病而無工作者的身分不同。例如修訂前的第91 中類「小販及服務工」, 可能因細類的變動而使某些人在修訂後被分到第 51 中類的「個人服務工作人員」, 也可能是第 91 中類的「清潔工及幫工」, 我們以第 9 大類「基層技術工 20. 25.

(26) 的職業併入同一類, 以利比較。 6. 行業別: 按行政院主計總處之中華民國統計資訊網的分類, 分為工業 (industry)、服務業 (service), 農林漁牧業 (AFFAH), 並以農林漁牧業為基準類。行. 政院主計總處曾在 95 與 100 年修訂行業標準分類, 但工業、服務業、農林漁牧業的大分類並不因此受到影響。 7. 企業規模: 從業員工在 9 人以下者為小型企業類 (small), 10-99 為中型企業類 (medium), 100 以上及政府機關視為大型企業 (large) 且為基準組。 8. 工作身分: 若從業身分為受人僱用 (private), 受政府僱用者 (public)。 9. 受教育年數 (edu): 問卷上並沒有此變項, 本文依該勞工的教育程度推算而. 得。分別為: 不識字、自修=0; 國小=6; 國中=9; 高中、職=12; 專科=14; 大學=16; 碩士=18; 博士=26。. 立. 10. 受教育年數平方 (edu2 ). 政治大. 11. 潛在工作經驗 (ex pe): 也就是設算的工作年資, 本文依一般勞動經濟學的文. ‧ 國. 學. 獻公式推算, 設算工作年資等於 age edu 6 (若是男性再扣 1), 但是不識字與自修者若單單以受教育年數 (edu) 化為設算工作年資, 可能會有高估問. ‧. 題, 21 故此兩者再減去 6 年。若設算工作年資為負值, 我們以現職工作經驗替代設算工作經驗, 若也無現職工作經驗者則剔除此樣本。. y. Nat. 1 (not married), 已婚或結過婚後離. er. io. 13. 婚姻狀態 (dmarr): 若為未婚 dmarr. sit. 12. 設算工作年資平方項 (ex pe 2 ). 婚或鰥寡者 (married) a。. n. iv l n C 年齡 (dedu1 age age 、U h e、 dedu2 i dedu3 h n c g 年齡 (dmarr age). 14. 教育程度 15. 婚姻狀態 . . . . age)。. . 16. 婚姻狀態潛在工作經驗 (dmarr ex pe). 表 1 、表 2 列出放入迴歸式中的變數之樣本統計量, 22 及勞力工」做為基準組時, 修訂後第 51 中類「個人服務工作人員」某些勞工在修訂前本應被納入基準組, 但 51 中類修訂前即存在如「嚮導人員」、「隨車服務人員」等細類, 加上問卷的變項最細只給到中類, 故無法將修訂後的第 51 中類併回第 9 大類。 21 例如一位30 歲的男性不識字者, 按公式計算其設算工作年資為 30-0-6-1=23(年), 相當於 7 歲開始工作, 不甚合理。 22 其中行業、職業、企業規模、工作身分別等變數沒有放入迴歸式, 但在下一章將用以計算分群薪資效率。. 26.

(27) 表 1: 男性樣本之敘述統計量 94. 96. mean. sd. mean. sd. mean. sd. 40420.74 22441.32 12.2 3.27 159.54 82.45 0.34 0.47 18.89 11.55 490.38 512.88 190.89 33.24 0.36 0.48 0.33 0.47 0.05 0.21 0.37 0.48 0.26 0.44 0.05 0.21 38.07 10.4 1557.26 826.01. 40346.68 21945.25 12.39 3.22 163.8 82.2 0.35 0.48 19.47 11.64 514.65 526.35 191.66 32.13 0.36 0.48 0.33 0.47 0.06 0.23 0.38 0.48 0.26 0.44 0.04 0.2 38.85 10.42 1618.19 843.69. 38188.46 19913.91 12.67 3.22 171.01 83.22 0.36 0.48 19.75 11.66 525.93 530.14 182.72 37.24 0.35 0.48 0.36 0.48 0.07 0.25 0.38 0.49 0.26 0.44 0.04 0.2 39.42 10.42 1662.48 854.22. 38283 19640.13 12.81 3.21 174.5 84.27 0.37 0.48 20.05 11.93 544.6 547.7 187.92 32.22 0.35 0.48 0.36 0.48 0.07 0.26 0.37 0.48 0.26 0.44 0.05 0.21 39.87 10.64 1702.51 882.63. 37893.25 19841.37 13.03 3.15 179.74 83.73 0.37 0.48 20.57 12.13 570.02 561.96 186.54 33.14 0.35 0.48 0.38 0.48 0.08 0.27 0.38 0.49 0.26 0.44 0.04 0.2 40.59 10.81 1764.44 906.34. 12621. 12567. 11514. 12032. 11533. Nat. io. 2075. 0 10.63 126.77 0.25 31.6 1216.17 0 0.29 0.23 0.02 0.38 0.25 0.04 49.29 2603.62. 0 3.72 79.59 0.43 14.75 810.8 0 0.46 0.42 0.14 0.49 0.43 0.2 13.2 1170.65. 0 10.95 133.08 0.3 29.15 1069.8 0 0.3 0.25 0.02 0.38 0.25 0.05 47.15 2397.34. 2590. 0 3.62 79.51 0.46 14.83 792.96 0 0.46 0.44 0.15 0.49 0.43 0.21 13.2 1162.15. 3148. 0 11.23 139.42 0.25 32.37 1244.63 0 0.3 0.28 0.03 0.41 0.22 0.04 50.62 2717.27. 0 3.66 82.03 0.43 14.03 770.22 0 0.46 0.45 0.16 0.49 0.41 0.21 12.44 1117.21. y. 立. ‧ 國. 0 3.08 72 0.48 13.95 589.16 0 0.49 0.46 0.17 0.47 0.43 0.24 12.47 950.23. 政治大. ‧. 0 11.91 151.21 0.64 13.95 389.1 0 0.38 0.3 0.03 0.34 0.25 0.06 32.87 1235.67. 無薪樣本數. mean. 學. Wage edu edu 2 dmarr ex pe ex pe 2 hour dedu1 dedu2 dedu3 dlnorth dlmid dl east age age 2. sd. 102. sit. 有薪樣本數. mean. 100. er. Wage edu edu 2 dmarr ex pe ex pe 2 hour dedu1 dedu2 dedu3 dlnorth dlmid dl east age age 2. sd. 98. 2555. 0 11.42 143.83 0.27 32.64 1267.55 0 0.29 0.3 0.04 0.42 0.22 0.04 51.09 2766.48. n. al 註: Wage 已經經過 CPI 平減, 表中上半部及下半部分別是有薪及無薪樣本的敘述統計量。 wage 與 iv n hours 為月薪資及月工時。 Ch engchi U. 0 3.66 82.99 0.44 14.21 784.27 0 0.46 0.46 0.18 0.49 0.42 0.19 12.51 1128.08. 2599. 根據表 1 與表 2, 女性就業者的實質月薪資幾乎沒有成長, 94 年的薪資水準在 30796, 過了 9 年後倒退至 30429 , 同一時期男性就業者的實質薪資則是由 40420 減少至 37893, 更是年年倒退。不過男女性間的平均對數薪資之差由 94 年的 9623 到 102 的 7464 , 顯示性別間的薪資差異逐年在縮小, 縮小的大部分原因來自男性薪資水準的. 下降。兩性就業者的受教育年數逐漸增加, 且女性就業者的平均受教育年數在此 5 個年度中皆超越男性就業者。就類別來看, 就業者中, 最高學歷是高中職的比率逐漸下降; 大學、專科生及碩、博士的比例逐漸提高, 其中又以前者的提高幅度最大。就未婚狀態數據顯示, 就業者中未婚狀態的比例較低, 但是男性未婚者的比例又低 27.

(28) 表 2: 女性樣本之敘述統計量 F. 94. 96. mean. sd. mean. sd. mean. sd. 30796.48 18923.63 12.38 3.2 163.49 74.09 0.4 0.49 17.28 11.8 437.72 509.63 187.53 37.35 0.36 0.48 0.4 0.49 0.03 0.16 0.4 0.49 0.25 0.44 0.04 0.2 35.67 10.15 1375.14 772.85. 30823.1 14881.95 12.59 3.25 169.07 77.01 0.39 0.49 18.1 11.99 471.46 531.14 186.64 29.9 0.35 0.48 0.41 0.49 0.03 0.18 0.4 0.49 0.25 0.43 0.04 0.19 36.72 10.26 1453.67 799.78. 29662.7 14125.52 12.84 3.19 175.13 77.55 0.39 0.49 18.65 11.89 489.17 533.08 181.56 32.98 0.34 0.47 0.43 0.5 0.04 0.2 0.4 0.49 0.25 0.43 0.04 0.18 37.51 10.26 1512.39 811.76. 30365.57 15021.38 13.07 3.14 180.74 76.55 0.4 0.49 18.71 12.1 496.5 548.92 185.38 29.37 0.33 0.47 0.45 0.5 0.05 0.21 0.39 0.49 0.26 0.44 0.04 0.21 37.8 10.47 1538.45 839.71. 30429.3 14329.68 13.22 3.16 184.78 79.83 0.39 0.49 19.63 12.24 535.39 565.16 184.32 30.55 0.32 0.47 0.46 0.5 0.06 0.23 0.4 0.49 0.26 0.44 0.04 0.19 38.86 10.57 1622.16 860.26. 9463. 9861. 9253. 9577. 9363. Nat. 0 0 9.75 3.78 109.43 73.18 0.09 0.29 31.37 13.77 1173.59 806.86 0 0 0.3 0.46 0.16 0.37 0.01 0.09 0.38 0.48 0.25 0.43 0.04 0.2 47.32 11.69 2375.84 1045.86. 8075. 7870. io. 8342. 0 0 9.5 3.73 104.21 71.1 0.06 0.24 31.73 13.52 1189.97 805.2 0 0 0.3 0.46 0.14 0.35 0.01 0.08 0.37 0.48 0.25 0.43 0.04 0.2 47.44 11.53 2383.77 1035.83. 0 10.05 114.37 0.07 32.32 1223.54 0 0.33 0.17 0.01 0.38 0.25 0.04 48.51 2481.59. 0 3.66 72.47 0.26 13.39 800.21 0 0.47 0.38 0.09 0.49 0.43 0.21 11.35 1033.22. y. 立. ‧ 國. 0 3.75 67.39 0.23 13.94 828.23 0 0.45 0.32 0.06 0.48 0.43 0.21 11.89 1062.18. 政治大. ‧. 0 9.14 97.54 0.06 30.83 1144.71 0 0.29 0.12 0 0.37 0.25 0.05 46.26 2281.35. 無薪樣本數. mean. 學. Wage edu edu 2 dmarr ex pe ex pe 2 hour dedu1 dedu2 dedu3 dlnorth dlmid dl east age age 2. sd. 102. sit. 有薪樣本數. mean. 100. er. Wage edu edu 2 dmarr ex pe ex pe 2 hour dedu1 dedu2 dedu3 dlnorth dlmid dl east age age 2. sd. 98. 7692. 0 0 10.31 3.65 119.61 74.64 0.08 0.27 33.06 13.62 1278.24 825.31 0 0 0.32 0.47 0.19 0.39 0.01 0.11 0.4 0.49 0.24 0.43 0.04 0.2 49.48 11.56 2581.38 1064.82 7397. n. al 註: Wage 已經經過 CPI 平減, 表中上半部及下半部分別是有薪及無薪樣本的敘述統計量。 wage 與 iv n hours 為月薪資及月工時。 Ch engchi U. 於女性未婚者。此外, 也發現男性就業者中, 未婚的比例有逐漸提高的趨勢。其他變數中, 兩性就業者的平均潛在工作經驗及年齡皆是逐年提高; 工時在 98 年的金融海嘯明顯下降, 可能是因無薪假增加之故; 戶籍地的分布比例在此 5 個年度則無太大變動。本文採用 Hofler and Murphy (1992) 的論述方式, 提出 8 個假說(hypothesis), 透過假說檢定說明本國勞動市場上的薪資低付情形是否與文獻相符。假說 1、薪資低付的程度會因年齡層不同而不同, 處於壯年時期的勞工, 預期薪資低付程度應較低。 Hofler and Murphy (1992) 認為壯年勞工若處在無工作 28.

(29) 狀態下, 通常是因為被資遣, 所以可以領失業救濟補助, 因此較無經濟上的壓力, 故可以花較長的時間尋找低付程度輕微的工作; 而青年的無工作狀態通常來自尚未踏入職場, 故經濟壓力較大, 尋找工作時會壓低自身的保留薪資, 因此預期青年的薪資無效率程度較高。故本文接續 Hofler and Murphy (1992)提出年齡會影響薪資低付程度的假說。. 假說 2、薪資低付的程度與勞工的工作經驗有關, 預期工作經驗愈長, 薪資遭受低付程度愈輕。 Hofler and Murphy (1992) 認為隨著現職工作期間(tenure) 愈長以及人力資本的累積, 勞工實際薪水的成長速度會大於邊際勞動產值, 進而降低薪資低付程度。由於本文認為總工作經驗年數能夠較精確描述薪資效率, 故以潛在工作經驗代替現職工作期間, 作出相對應的假說。. 政治大. 假說 3、勞工的職業別與行業別會影響薪資低付程度, 預期勞工的職業若愈重腦力,. 立. 薪資低付程度會愈低; 反之, 若愈重體力, 薪資低付程度較高。本文推論, 會. ‧ 國. 學. 選擇從事較重腦力職業的勞工, 會比較願意耗費心力在搜尋工作上, 因此薪資低付程度較低, 而選擇從事重體力的勞工則反之。行業別的部分, 本文預期男性在工業低付程度較低、女性在服務業的低付程度較低。根據陳. ‧. 月娥 (2001)的研究, 個人性別是影響勞動者選擇從事性別類型職業的重要. y. Nat. 變項之一, 再加上男性有過半的人在工業工作, 女性則有接近80% 的人在. io. sit. 服務業工作, 23 故本文推論性別在行業的選擇上可能也會出現同樣有性別. er. 隔離的情形, 故進一步假設在工業的男性薪資低付程度較低; 而女性則在. n. al 服務業的薪資低付程度較低。. i n U. Ch. v. 假說 4、勞工的教育程度愈高, 薪資低付程度愈低。 e n g c h i Hofler and Murphy (1992) 認為教育程度愈高的人, 保留薪資也較高, 且願意付出較多心力搜尋工作。此. 外, 教育程度較高者在搜尋工作時可能較有效率, 工作資訊也較充足, 故本文接續 Hofler and Murphy (1992)提出教育程度會影響薪資低付程度的假說。假說 5、公司規模愈大, 薪資低付程度愈低。本文推論公司規模愈大, 薪資制度訂定較周全與透明, 故薪資低付程度應較輕微。 23. 詳細人數可參見表 16 。. 29.

(30) 假說 6、工作身分會影響薪資低付程度, 預期在私部門工作的男性以及在公部門工作的女性, 薪資低付程度較低; 反之則較高。由於傳統的性別刻版印象, 例如劉錦添與詹方冠 (1990)的結論, 女性在私部門薪資被歧視的比較嚴重, 故本文認為女性在私部門的薪資效率較低, 男性則相反。假說 7、已婚男性的薪資低付程度低於未婚男性; 已婚女性的薪資低付程度高於未婚女性。此處假設係由 Díaz and Pérez (2013) 的實證結果而得。 24 假說 8、工作地影響薪資低付程度, 預期在北部的薪資低付程度最低。 Hofler and Murphy (1992)認為, 若在都市地區工作, 搜尋工作的機會成本比鄉村地區. 小, 因此保留薪資會提高, 薪資低付程度會降低。本文認為有首都台北市在的北部, 薪資低付程度較輕微。. 立. 5 實證結果. 政治大. ‧ 國. 學. 本文將男性與女性的薪資方程式分開估計, 有別於以往文獻將男女合併估計。男女兩性的薪資結構可能因為性別歧視或其他因素有所差異, 估計不同的薪資邊界可能. ‧. 比較適當。採用概似比檢定 (likelihood-ratio test, LR test) 將男、女性進行個別群組薪資結構異質性之檢定, 利用合併估計與分別估計的對數概似函數值計算的 LR 檢. Nat. sit. y. 定統計量, 在本文挑選的5 個年度之中, 分別是 14946、 6621.8、 4245.4、 3000.2、 5435.8. io. er. , 皆達到 1% 顯著水準, 25 顯示兩性之間顯著存在異質性, 若不予以考慮而合併進行. 迴歸分析, 其估計結果可能無法正確描述人力資本與特質投入與薪資產出的技術關. al. n. 係與生產特性。 24. Ch. engchi. i n U. v. 勞動經濟學上的理論可以見本文在第 2.2.1 節對Díaz and Pérez (2013)的回顧。 LR 檢定統計量 λ 2 lnLH 0 lnLH 1 , 式中 lnLH 0 為將男女性合併估計的對數概似函數值,lnLH 1 則為男女性分別估計的對數概似函數值之加總, λ 為自由度 26 的卡方分配。 25. 30.

(31) 各年度迴歸係數結果. 5.1. 本文的對數薪資迴歸式挑選的變數係依據 Mincer (1974) 的薪資方程式並加以擴充, 由第(11) 式: lnW. β Z2 v2 u2 ,. (32). β0 β1 edu β2 edu 2 β3 dmarr β4 ex p β5 ex p2 β6 dmarr ex p v2 u2 (33). 以及第 (10 ) 式: lnWR. α0 α1 ln H α2 X1 v1 ,. 政治大. α0 α1 lnH α2 dedu1 α3 dedu2 α4 dedu3. 立. α5 dlnorth α6 dlmid α7 dl east α8 dmarr α9 age α10 age 2 . ‧ 國. 學. α11 dedu1 age α12 dedu2 age α13 dedu3 age α14 dmarr age v1. 其中各項變數定義請參見 4.2 節之說明。. ‧. 我們將男性與女性樣本的迴歸係數結果分別列在表 3 與表 4 , 26 由於表 3 與表 4. y. Nat. 有許多二次項與交乘項, 不易看出個別變數的邊際效果, 故本文另外將邊際效果算. sit. 出, 並按男、女性分別整理至表 5 與 6, 表中上半部是各變數對 W 的邊際效果, 下半. er. io. 部則是對 WR 的邊際效果, 單位以百分比計。例如在 102 年, 給定其他條件不變之. n. 下, 男性受教育年數增加 1 a 年, 平均增加薪資 10.29%。若變數為虛擬變數 , 則邊際效 iv. l. n. 果解釋為高於基準組的百分比。C27 h 例如在 98 年, 給定其他條件不變之下 , 未婚女性 i U. engch. 的薪資平均高出已婚女性 7.49%。以下兩小節將綜合表 3 至表 6 進行說明。 5.1.1. 薪資迴歸式 • 受教育年數(edu):. 在這 5 個年度中, 男性的一次項係數在 94、96 與 98 年皆顯著為負, 二次項則顯著為正; 女性除了 100 年與 102 年之外一次項皆顯著, 其中 94 年為負,96 26. 本文另將未考慮樣本選擇的迴歸係數結果放在附錄 A 以資比較。其中 dmarr 為虛擬變數, 其偏導數與連續變數的偏導數經濟意義不同, 故本文根據 Hill, Griffiths, and Lim (2012, 頁 272, 7.3.2 節) 的公式計算其他條件相同下, 與基準組的平均薪資差幅, 並將其定義為虛擬變數的「邊際效果」。 27. 31.

(32) 表 3: 男性樣本之迴歸係數 – 考慮樣本選擇 94. 96. 98. 100. 102. β0 edu edu2 dmarr ex pe ex pe 2 dmarr ex pe. 10.442*** 0.0484*** 0.0066*** 0.3262*** 0.0441*** 0.0006*** 0.0139***. 11.2623*** 0.0325*** 0.0056*** 0.8427*** 0.0224*** 0.0001*** 0.0278***. 11.0092*** 0.0718*** 0.0074*** 0.5644*** 0.015** 0.0003** 0.016***. 10.5328*** 0.0462** 0.002** 0.5955*** 0.0043 0.0003** 0.0116***. 10.6151*** 0.0409*** 0.0024*** 0.6338*** 0.0047*** 0.0001*** 0.0181***. α0 lnH dedu1 dedu2 dedu3 dlnorth dlmid dl east dmarr age age 2 dedu1 age dedu2 age dedu3 age dmarr age. 55.4724***. 73.4383***. 45.5404***. 27.5328***. 53.2984***. 12.1897*** 0.6331*** 0.2484** 0.6868* 0.1*** 0.0384 0.4609*** 0.7844*** 0.0583*** 0.0005*** 0.0157*** 0.0216*** 0.0172* 0.0223***. 15.024*** 0.6033*** 0.5947*** 0.4165 0.1011*** 0.0907** 0.3638*** 1.7681*** 0.1966*** 0.0019*** 0.0081* 0.0249*** 0.0117 0.0437***. 10.0843*** 0.0952** 0.5801*** 0.5354* 0.2085*** 0.0996*** 0.2769*** 0.7416*** 0.1472*** 0.0016*** 0.0053*** 0.0167*** 0.0243*** 0.02***. 6.7577*** 0.1274 0.3198*** 0.0254 0.1273*** 0.0001 0.0068 0.6144*** 0.1047*** 0.001*** 0.0009 0.0148*** 0.0158*** 0.0164***. 0.6674*** 1.8073*** 0.2503*** 5.0164*** 14696 -27388.6. 0.6597*** 2.2203*** 0.2276*** 5.8467*** 15157 -28808.9. 0.7381*** 1.6421*** 0.2165*** 6.9278*** 14662 -30544.9. 0.8754*** 1.1788*** 0.3312*** 6.0142*** 14587 -28428.2. engchi. y. sit. er. ‧ 國. n. 樣本數 log-likelihood. Ch. ‧. io. al. 學. Nat. Ω σv1 σv2 σu 2. 立. 政治大. i n U. v. 11.6661***. 0.5831*** 0.6983*** 0.5955* 0.2138*** 0.1055** 0.2323** 0.7981*** 0.1045*** 0.001*** 0.0039 0.0171*** 0.0306*** 0.0204*** 0.7059*** 1.6984*** 0.2541*** 6.1013*** 14132 -27850.5. 註: *** 表示 1% 顯著 , ** 表示 5% 顯著 , * 表示 10% 顯著。. 與 98 年為正, 二次項皆顯著為正。計算對 edu 的偏導數, 若一次項為負, 其轉折點約介在 0.5–4 年之間, 表示不論男女, 在受完小學教育 (受教育年數= 6 ) 之前, 教育對薪資報酬的影響即開始有邊際報酬遞增的現象, 若一次項為正, 教育對薪資自始即有報酬遞增現象。. 32.