工作場所職業傷害對工資報酬與勞動參與的影響

(1)

行政院國家科學委員會專題研究計畫成果報告

工作場所職業傷害對工資報酬與勞動參與的影響

計畫類別：個別型計畫計畫編號： NSC93-2415-H-002-005- 執行期間： 93 年 08 月 01 日至 94 年 10 月 31 日執行單位：國立臺灣大學經濟學系暨研究所計畫主持人：劉錦添計畫參與人員：賴盈孝報告類型：精簡報告報告附件：出席國際會議研究心得報告及發表論文處理方式：本計畫可公開查詢

中華民國 95 年 1 月 3 日

(2)

行政院國家科學委員會補助專題研究計畫

█ 成果報告

□期中進度報告

工作場所職業傷害對工資報酬與勞動參與的影響

計畫類別：■ 個別型計畫 □ 整合型計畫

計畫編號：NSC 93 － 2415 － H － 002－ 005 －

執行期間： 93 年 8 月 1 日至 94 年 10 月 31 日

計畫主持人：劉錦添

共同主持人：

計畫參與人員：賴盈孝

成果報告類型(依經費核定清單規定繳交)：■精簡報告 □完整報告

本成果報告包括以下應繳交之附件：

■赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計畫、

列管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立台灣大學經濟學系

中華民國 94 年 12 月 30 日

(3)

中文摘要本研究係利用行政院勞委會傷殘給付檔與勞保投保檔，探討 2000 年勞工傷病住院對員工在 2002/2003 年薪資的影響，我們以未傷病員工為控制組，傷病住院員工為對照組，利用 Difference-in-Difference 估計。實證結果發現男性勞工在傷病住院後薪資較未傷病勞工減少 2.75%，而女性勞工則沒有顯著性差異。關鍵詞：勞工傷殘、薪資

(4)

一、前言與文獻探討

勞動傷殘在受傷期間，通常有傷殘福利補助來彌補暫時離開職場的損失，但傷殘者如有嚴重或永久性的傷害，則可能會有長期的工資損失，這些永久性傷害包括斷手、斷腳、慢性背痛、關節炎等。另外，如傷殘者無法回到原來的僱用工廠，則會有特殊人力資本(specific human capital)損失。傷殘者如被迫轉變工作，可能必須找尋較低工資報酬的工作。Jocobson, Lalonde and Sullivan(1993), Schoeni and Dardia(1996)曾分別 Displaced Workers 的工資損失。Currie and Madrian(1999)曾回顧身體健康指標或殘障對工資損失的相關研究，其中工資減少的幅度受到傷病型態或計量估計方法的影響(表 1)。

Reville(1999)利用美國加州遭遇永久性傷殘(permanent partial disability)後 4 至 5 年後的工資損失。研究中特別選取原先傷殘勞工相同工廠的員工大約 10 人作為控制組(control group)，追蹤職災員工在意外事故發生 5 年後的工資損失。Reville 所使用的資料是取自加州政府母群體資料，而不是一般研究者所使用的樣本資料。文中是利用 nonparametric 配對(matching)方法。這項 matching 的方法，最早是 Rubin(1973, 1979)所提出，Heckman, Ichimura, and Todd(1977)發展出計量理論。Beville 研究發現，在 1991 至 93 年，殘障傷殘後 3 至 5 年，工資損失為 27,122 元至 46,677 元，其中勞工者收到的 benefits 為 14,721 至 17,684 元，replacement rate(benefits/earning loss)為 54.4﹪至 37.9﹪。

Charles(2003)利用 1968 至 1993 年美國 Panel Study of Income Dynamic(PSID)中 22 歲至 64 歲的樣本，探討殘廢工人的工資損失。這項研究所使用的樣本是 panel data，計量方法是 Panel data 中的 fixed effect 估計，作者嘗試回答兩個問題，第一是殘廢工人在遭遇工作意外後，不同時間工資收入的變化；第二是男性勞工的特徵，尤其是年齡如何去影響工資損失？研究顯示，殘廢工人工資的突然下降主要是工作時間的減少而不是工資的變化。年紀較大、非白人族群、教育程度較低、而且慢性病較嚴重者，工資損失較高，而且工資恢復較小。這項發現符合一般人力資本(human capital)理論的架構，亦即工人的人力資本投資受到教育、年齡以及健康狀況等因素影響。Boden and galizzi(2003)探討美國 Wisconsin 州在 1989 至 1990 年職業傷殘者的工資損失，研究發現男性工資損失 6.5﹪，而女性則高達 9.2﹪。兩位作者們利用 Oaxaca- Blinder- New mark 分解公式，發現性別歧視扮演重要角色。這項研究所使用的資料係 Wisconsin 州全部傷殘母群體資料，而且是探討男、女性勞工在職業傷殘中損失的差異，為研討職業傷殘的研究中少數討論性別議題的文章。

(5)

表 1 健康指標對工資影響的相關研究

研究健康指標估計方法實證結果

Chirikos and Nestel(1981) (1) Impairment index

(2) Self-assessed health index (3) WL ability

OLS 1976 年工資下降由 1﹪至 13.8﹪

Mitchell and Burkhaurser(1990)

(1) Arithritis diagnosis

(2) Number of joints affected by pain (3) Ordinal index

Simultaneous Tobit 工資下降 27.7﹪49.4﹪

Mullaphy and Sindelar (1993)

受訪者有無酗酒(alcoholism) OLS 工資減少-9.9﹪至 19.1﹪

Baldwin and Johnson(1994) (1) Non-disabled/ disabled handicapped (2) Severity of impairment

WLS

Heckman Correction Method

工資下降視指標而定

Haveman et al.(1994) Polychotomous variable for whether health limits work OLS GMM 工資下降 OLS: -4.3﹪ GMM: -61﹪ Mullaphy and Sindelar

(1995)

Indicators for alcoholism GMM 工資減少由 15.3﹪至 22.2﹪

Ettner et al. (1997) Indicators for psychiatric disorder OLS

IV（工具變數估計法）

OLS，工資減少-13.4﹪（男性），與-18.3%（女性）。

IV，工資減少-28.9﹪（男性），與 -52.3﹪（女性）。

(6)

二、研究方法與迴歸結果 (1) 資料來源本研究的資料係來自行政院勞委會及其所屬相關機構的原始檔案，包括：1.傷害給付現金給付檔，2. 殘廢給付現金給付檔，3. 勞工保險檔，4. 事業單位投保檔，5 住院費用明細檔。這些資料包括事故日期、性別、事故者出生日期、給付申請次數、給付金額、工作部門、傷病分類、事故原因代號、給付的投保薪資、平均每月薪資、給付日數、月數、受傷媒介物；投保人出生年月日、工資、地點、公司全公司投保人數、全公司平均薪資、行業、公司地點。資料期間為 1998 年至 2003 年。根據定義，職業傷害包括 20 種類型，分別是墜落、跌倒、衝撞、物體飛落、物體倒塌、被撞、被夾、被刺、踩踏、溺斃、與高溫低溫接觸、與有害物之接觸、感電、爆炸、物體破裂、火災、不當動作、其他、交通事故。另外，受傷部位包括頭、臉、頸、肩、鎖骨、上膊、肘、前膊、腕、胸、肋骨、手、指、腹、臀、鼠蹊、股、膝、腿、足、內臟、全身、其他，共 24 個部位。本文係以 2000 年勞工傷害住院給付檔為主，合併 1998 年與 1999 年工保險檔中的勞工薪資，以及 2002 年與 2003 年的勞工薪資。由於全國勞工投保人數高達 8 百萬人，為簡化起見，我們僅選取股票上市上櫃公司的員工資料。表 2 為 2000 年住院員工的基本特性，其中男性為 4,454 人，女性為 4,171 人；平均住院天數男性為 17.74 天，女性較低為 14.40 天。按行業別區分，以電子及電子機械器材比率最高，男性達 27.93%，女性達 39.51%，其次為紡織業，男性 9.47%，女性為 11.08%。在傷病分類方面，男性有 29.59%屬於職業傷害，女性則有 25.61%，其次為普通疾病住院，男性比率為 54.24%，而女性為 60.87%。至於住院員工的平均年齡，男性為 38.56 歲，女性為 35.80 歲；教育程度則以高中高職比率最高，男性佔 38.71%，女性佔 42.75%。

(7)

(2) 實證方法 Reville(1999)認為傷殘工資損失的估計，必須分別比較傷殘勞工與健康勞工在長期的工資差距。圖 1：傷殘對工資的影響工資 Wages 時間 Time 傷殘時點重返職場時點健康勞工, uninjured 傷殘勞工, injured 由圖 1， I代表傷殘(I)勞工的工資變化，t 代表時間，W 表沒有傷殘身體健康勞工的工資變 t W _tu代化，圖中斜線部分為工資損失的部分。工資損失(earning loss)= ( ) (1) 0 I t u t T t W W −

∑

=

實證中，我們將傷殘勞工視為分析對照組(treatment group)，而未受傷勞工視為控制組(control group)，估計方法類似 nonexperimental program 之評估。我們參考 Boden and Galizzi (2003)的實證架構，

1 ( 2 1 )

i i t i

y =α + +γ α + ∗ ∗β T X + (2) u_i

式中，代表第個工人的工資，y_i i α_1i為個人固定效果(individual-specific fixed effect)，γ_t為考慮一

般經濟情況變動的時間固定效果(time-specific fixed effect capturing general economic condition

affecting all workers)，X 為解釋變數包括勞工的教育程度、年齡、工作經驗、行業別、工廠規模、公_i

營或民營事業虛擬變數、職業傷害部位，職業傷害嚴重程度；T 為時間虛擬變數，T=0 為職業傷害之前，T=1 為職業傷害之後；式中β 為測量職業傷害對工資的影響。 ₁ 另外，我們可以 Difference-in-Differences（DD）方法估計。 i i i i I T T I X u y =α₁ +α₂ +α₃∗ +β₁∗ +β₂∗ ∗ +β₃ + (3)

(8)

(9)

式中I =1 為受傷勞工群(the injured group)，I =0 為未受傷勞工群(the uninjured group)，α₃為受傷勞未 2

β

受傷勞工平均工資報酬的差異，而則為受傷對工資損失的衝擊。

上式的估計有一重要假設，也就是在考慮相關解釋變數之後，工資收入與員工的傷殘機率之間彼此係相互獨立，亦即模型中沒有所謂「選擇性的問題」(no selection problem)，(Rubin, 1974)。這可以下列式子表示： , 1 , 0 ij i i ij i i E y X I = =E y X I = , j=0,1 (4) 然而，在實證時一些無法觀測的因素可能會影響「自我選擇」，因此利用OLS 會產生偏誤的參數估計值。例如，職業安全一般視為正常財(norm l good)a ，所得越高越重視職業安全。因此，在其他條件不變之下，工資越高，職業傷害越低。即使有相同的人力資本，補償性工資使得在危險地方工作的勞工有較高的工資報酬。即使存在「選擇性的問題」，但如果無法觀察的因素對工資函數的影響是額外相加的(addictive) 性質，則 Difference-in-Difference 估計仍可得到不偏的估計值。我們在原來 DD 迴歸式引進時間趨勢 (time trend) 變數，t。 i i t i i I T I T T I X u y =α₁ +γ +α₂ +α₃∗ +α₄∗ ∗ +β₁∗ +β₂∗ ∗ +β₃ + (5) 式中，t 為時間趨勢，為一相加項(additive term)，如果傷害前(pre-injury)與傷害後的影響係相同，則 引進這變數 t 可消除無法觀測變數對「selection」的影響。 我們根據上面迴歸式分別估計 2000 年傷病住院的男性與女性樣本，觀察這些樣本資料係 unbalanced panel 性質。估計時分別以 OLS 與 GLS 進行估計。由迴歸式估計係數，我們將分別計算男性與女性勞工的傷害所造成的工資損失(wage losses)。另外，我們可比較不同性質的職業傷害在男女樣本之間工資損失的差異。根據 Oaxaca-Blinder 的工資分解公式 m f W −W =(X_m −X_f)βˆ+[X (_m β - ˆˆ_m β )-X_f(β -ˆ_f β ) (6) 式中，β為合併男、女勞工樣本的估計係數，βˆm，β 為針對男性勞工與女性勞工工資函數分別估計ˆf m X 與X_f 的係數，為男性勞工與女性勞工解釋變數的各別平均值。由上列(6)分解公式，可了解性別歧視在工資差異中的比重。

(10)

(3) 實證結果為比較傷病勞工在西元 2000 年前後的薪資變化，我們將上市上櫃公司全部員工區分成兩個組群，一組是在 2000 年有傷病住院的員工，一組是從未傷病住院員工。表 3 為這兩組員工在 1998/1999 年的平均薪資與 2002/2003 年的平均薪資。表中分成男性、女性，及按教育程度區分傷病前後不同教育程度的薪資差異。以大學教育程度的員工為例，在 2002/2003 年和 1998/1999 年的薪資差異，未傷病的男性員工增加為 1,994 元（40,298 元 – 39,104 元），而傷病員工薪資增加為 1,011 元（39,750 元 – 38,739 元），利用 Difference-in-Difference 估計，傷病員工平均薪資低於未傷病員工的幅度為每個月 183 元。另外，以高中職的員工，未傷病男性員工薪資變化增加幅度為 1,223 元（35,160 元 – 33,937 元），而傷病男性員工薪資增加為 539 元（34,172 元 – 33,633 元），利用 Difference-in-Difference 計算，傷病員工薪資增加小於未傷病增加的幅度為每月 684 元。表 6 為利用 Difference-in-Difference 的估計結果。表中分別估計男性勞工與女性勞工樣本。由迴歸式的估計係數顯示，傷病住院對男性的工資的下降有顯著地影響，下降幅度達 2.75%，然而這項影響在女性勞工的工資卻不顯著，t 統計量為 0.58。另外，在年齡變數，不論男性或女性，工資皆隨著年齡的增長而上升。至於教育變數，在男性、女性勞工樣本，研究所畢業的薪資最高，大學其次，再來是專科畢業。在不同教育層級，男性小學沒有畢業的薪資報酬反而超過國中與高中畢業的勞工。

(11)

(12)

項目平均值標準差人數平均值標準差人數 38.56 10.64 4454 35.80 10.20 4171 教育程度 (Missing Value=499) 人數百分比總人數人數百分比總人數大學以上 290 6.70 4327 139 3.66 3799 　專科 692 15.99 390 10.27 高中職 1675 38.71 1624 42.75 　國中 932 21.54 918 24.16 小學以下 738 17.06 728 19.16 平均值標準差中位數平均值標準差中位數 17.74 32.93 6 14.40 32.38 5 行業別人數百分比總人數人數百分比總人數食品及飲料製造業 219 4.92 4454 124 2.97 4171 紡織業 422 9.47 462 11.08 成衣、服飾品及其他紡織品製造業 31 0.70 74 1.77 皮革、毛皮及其製品製造業 37 0.83 8 0.19 家具及裝設品製造業 37 0.83 31 0.74 紙漿、紙及紙製品製造業 153 3.44 39 0.94 印刷及有關事業 4 0.09 1 0.02 化學材枓製造業 270 6.06 65 1.56 化學製品製造業 123 2.76 95 2.28 橡膠製品製造業 121 2.72 60 1.44 塑膠製品製造業 95 2.13 59 1.41 金屬礦物製品製造業 112 2.51 32 0.77 金屬基本工業 297 6.67 28 0.67 金屬製品製造業 224 5.03 103 2.47 機械設備製造修配業 81 1.82 23 0.55 電子及電子機械器材製造修配業 1244 27.93 1648 39.51 運輸工具製造修配業 202 4.54 80 1.92 精密器械製造業 58 1.30 31 0.74 其他工業製品製造業 53 1.19 52 1.25 氣體燃料供應業 1 0.02 1 0.02 土木工程業 33 0.74 41 0.98 建築工程業 4 0.09 8 0.19 機電、電路及管道工程業 13 0.29 3 0.07 其他營造業 6 0.13 1 0.02 批發業 33 0.74 37 0.89 零售業 39 0.88 75 1.80 國際貿易業 19 0.43 12 0.29 運輸業 286 6.42 72 1.73 非住院天數(核付天數) 男性女性表2：2000年傷病住院勞工年齡

(13)

項目行業別人數百分比總人數人數百分比總人數倉儲業 5 0.11 4454 1 0.02 4171 金融及其輔助業 44 0.99 51 1.22 證券及期貨業 0 0.00 1 0.02 保險業 93 2.09 79 1.89 不動產業 9 0.20 10 0.24 顧問服務業 33 0.74 6 0.14 其他工商服務業 11 0.25 6 0.14 出版業 1 0.02 0 0.00 廣播電視業 5 0.11 0 0.00 藝文業 0 0.00 1 0.02 娛樂業 13 0.29 14 0.34 旅館業 17 0.38 20 0.48 中位數 2043 總人數 4171 中位數 2100 表2(續)：2000年傷病住院勞工男性女性平均值標準差中位數平均值標準差 2094.92 3662.00 1053 7008.56 10717.67 傷病分類人數百分比總人數人數百分比職業傷害 1318 29.59 4454 1068 25.61 職業疾病 8 0.18 1 0.02 普通傷害 712 15.99 563 13.50 普通疾病 2416 54.24 2539 60.87 平均值標準差中位數平均值標準差 12182.57 25102.42 3820 8284.95 21876.67 公司員工數核定金額

(14)

項目平均值標準差人數平均值標準差人數平均值標準差人數平均值標準差人數 34896.76 7967.02 4454 27970.55 8835.12 4171 28075.67 9669.45 34560 21679.02 7253.90 44897 平均值標準差人數平均值標準差人數平均值標準差人數平均值標準差人數 38.56 10.64 4454 35.80 10.20 4171 25.12 7.89 34560 25.39 7.50 44897 教育程度人數百分比總人數人數百分比總人數人數百分比總人數人數百分比總人數大學以上 290 6.70 4327 139 3.66 3799 5915 19.01 31111 2185 7.08 30861 　專科 692 15.99 390 10.27 6593 21.19 4595 14.89 高中職 1675 38.71 1624 42.75 9056 29.11 13645 44.21 　國中 932 21.54 918 24.16 7300 23.46 7700 24.95 小學以下 738 17.06 728 19.16 2247 7.22 2736 8.87 表3：傷病勞工與未傷病勞工基本統計量之比較 2000年未傷病勞工 2000年傷病勞工註:未傷病勞工的教育程度，Missing value=17485 男性女性年齡 2000年工資男性女性

(15)

表４：2000年傷病類型 Type 項目受傷部位人數百分比 3.47 總人數人數人數數人數百分比總人數頭 45 1295 24 21 15 2.75 546 臉頰 37 32 25 20 3.66 頸 4 09 3 3 29 5.31 肩 3 .63 45 31 22 4.03 鎖骨 37 2.86 21 2.01 26 3.69 13 2.38 上膊 28 34 28 11 2.01 肘 43 3.32 36 3.45 28 3.97 22 4.03 前膊 37 6 24 23 16 2.93 腕 3 .55 36 1 16 2.93 胸 4 .09 3 2 15 2.75 肋骨 4 34 25 11 2.01 背 3 6 2 1 19 3.48 手 38 29 2 11 2.01 指 43 3.32 34 3.26 17 2.41 19 3.48 腹 4 .55 46 2 21 3.85 臂 32 2.47 26 2.49 23 3.26 19 3.48 鼠蹊 48 41 21 19 3.48 股 44 33 21 18 3.30 膝 3 30 2 2 19 3.48 腿 42 44 2 24 4.40 足 4 24 2 2 31 5.68 內臟 29 24 34 3.26 20 20 3.66 全身 35 2.70 19 1.82 24 3.40 14 2.56 其他 30 .32 37 3.5 22 13 2.38 Missing 375 269 155 109 女性職業傷害普通傷害男性女性男性百分比總人數 2.30 1043 百分比總人 2.98 705 2.86 0 3. 3.07 0 2.88 3.55 0 4.26 4 2 4.31 4.40 2.16 3.26 3.97 2.8 2.30 3.26 3 2 0 3 3.45 2 3.07 8 2.55 3 3.26 4 3.40 7 2.8 3.26 9 2.78 3.55 2 1.70 2.93 2.78 5 3.55 6 3 4.41 2 3.12 3.71 3.93 2.98 3.40 6 2.78 3.16 .88 2.98 1 2.98 3.24 2 3.24 4.22 .30 4 3.40 0 2.84 2. 2.84 2 5 3.12

(16)

項目樣本數平均值標準差中位數樣本數平均值標準差中位數樣本數平均值標準差中位數樣本數平均值標準差中位數大學以上 3 0 7132. 42000 專科 7 6 8452. 31800 高中職 17 363 2 4.1 8902.44 26400 國中 9 333 8 1.3 8239.62 24000 00 38 06 35 21 33 51 32 739.58 558 100.34 797 633.83 861 275.85 880 9.64 6.40 1.71 0.76 42000 38200 00 00 140 403 1670 951 36070 30037 27869 25365 .29 79 .92 88 .87 92 .92 83 40.08 28.92 20.78 08.21 40100 28800 25200 22800 291 696 1682 936 3975 3657 3417 3277 .17 502 .21 724 .68 843 .14 873 1.58 6.13 5 2 42000 1 42000 3 36300 16 34800 9 39 95 33 24 37 31 28 26 510 373 679 380 .36 .97 .66 .78 04 80 小學以下 749 34 平 113.93 781 均值標 6.68 準差 363 .67 9 0.7 7645.21 25200 項目樣本數中位樣值準準平標準差中位數大學以上 61687 420 20 04 05.5 40 0.5 6394.30 42000 專科 67211 382 41 07 33.2 30 4.2 57 8554.58 33300 高中職 96549 382 107 73 67.6 25 0.1 28907.65 9548.83 27600 國中 47956 318 55 25 26 44.9 22 3.0 27382.44 8696.02 25200 00 數 745 本數 26059 平均 78 標 48.06 差 24000 中位數 740 樣本 3431 數平均 .73 783 值標 7 差 36300 7 中位數樣 29 本數 26620 均 .27 值 39 34 33 31 104.05 548 949.42 820 937.46 905 022.79 929 3.12 0.25 6.54 8.52 00 00 00 00 154 445 519 672 36356. 30403. 27437. 764. 75 92 94 86 0 0 1 2 100 300 200 800 60331 66178 95264 47092 40298 36876 35160 32892 .77 453 .85 725 .47 856 .74 910 3 1 8 8 42000 19 42000 40 40100 104 34800 54 722 446 570 425 38275. 32644. 24 小學以下 18663 348 25 25 90 29.6 24 6.4 26834.67 8115.99 25200 註:一人會有很多資女女 32 筆( 476.28 918 因為是逐年男 8.71 合併) 00 867 477. 90 女 4 000 18362 33554.68 898 男 0 2002/ 36300 25 2003年受傷 439 後薪教育程度註:一人會有很多 998 2002/2003年薪資男筆(因為是逐年合併) 1 1998 未 5：傷病傷病勞前後薪工資變化傷病勞工表女 /199 /1999年 9年薪資受傷前薪資男教育程度

(17)

表 6：工資函數迴歸式解釋變數男性女性 Intercept 8.990(2673.12) 9.3511(2080.22) Injury -0.0151(-2.78) -0.0173(-2.44) After 0.0619(80.30) 0.066(73.96) Injury*After -0.0275(-0.409) 0.0053(0.58) Age 0.0729(356.55) 0.0269(92.78) AgeP 2 P -0.0008(-285.35) -0.0003(-57.16) Primary -0.0709(-39.28) 0.1372(71.62) Junior-High -0.0449(-32.79) 0.1899(143.95) High -0.0327(-27.81) 0.2223(213.01) Some College 0.0234(15.01) 0.3935(173.90) University 0.0903(68.12) 0.4178(236.28) Graduate School 0.1732(91.02) 0.6347(120.69) RP 2 PPP 0.4476 0.2809 N 430,024 481,975 註：教育的參考組是小學以下

(18)

參考文獻(References)

台閩地區勞工保險局，臺灣地區勞工保險統計，歷年。台閩地區勞工保險局，1990，勞工保險法規彙編，台北。行政院勞工委員會，中華民國勞工檢查年報，歷年。

行政院勞工委員會，1990，七十八年重大職業災害檢查統計分析，台北。

Biddle, Jeff. 1998. “Estimation and Analysis of Long Term Wage Losses and Wage Replacement Rates of Washington State Worker’s Compensation Claimants,” Performance Audit of the Washington State Worker’s Compensation System. East Lansing: Michigan State University. Mimeo.

Blinder, Alan S. 1973. “Wage Discrimination: Reduced Form and Structural Estimates.” Journal of Human

Resources 8(4): 436-55.

Boden, L.I., Galizzi, M., 1998. Measuring Income Losses of Injured Workers: A Study of the Wisconsin

System. Workers Compensation Research Institute, Cambridge, MA.

Boden, L.I., Galizzi, M., 1999. “Economic Consequences of Workplace Injuries: Lost Earnings and Benefit Adequacy,” American Journal of Industrial Medicine 36(5), 487-503.

Curington, W.P., 1994. “Compensation for Permanent Impairment and the Duration of Work Absence: Evidence from Natural Experiments,” Journal of Human Resources 29(3), 887-910.

Jacobson, Louis S., Robert J. LaLonde, and Daniel G. Sullivan. 1993. “Earnings Losses of Displaced Workers,” American Economic Review 83(4): 685-709.

Krueger, A.B., 1990. “Workers’ Compensation Insurance and the Duration of Workplace Injuries,” NBER Working Paper series. NBER, Cambridge, MA.

Kruger, A.B. and B.D. Meyer, 2002, “Labor Supply Effects of Social Insurance,” NBER Working Paper 9014, NBER, Cambridge, MA.

Leeth, J. D. and J. Ruser, 2003, “Compensating Wage Differentials for Fatal and Nonfatal Injury Risk by Gender and Race,” Journal of Risk and Uncertainty, 27, 257-277.

Neumark, David. 1988. “Employers’ Discriminatory Behavior and the Estimation of Wage Discrimination,”

The Journal of Human Resources 23(3): 279-95.

Oaxaca, Ronald. 1973. “Male-Female Wage Differentials in Urban Labor Markets,” International Economic

Review 14(3): 693-709.

Podgursky, Michael, and Paul Swaim. 1987. “Job Displacement and Earnings Loss: Evidence from the Displaced Worker Survey.” Industrial and Labor Relations Review 41(1), 17-29.

Reville, Robert J. 1999, “The Impact of a Disabling Workplace Injury on Earnings and Labor Force Participation,” in Haltiwanger, J.C., J.I. Lane, J.R. Spletzer, J.J.M. Theeuwes and K.R. Jroske eds. The

Creation and Analysis of Employer-Employee Matched Data, Elsevier Science B.V.

Vistnes, J.P., 1997. “Gender Differences in Days Lost from Work Due to Illness,” Industrial and Labor

工作場所職業傷害對工資報酬與勞動參與的影響

行政院國家科學委員會專題研究計畫 成果報告