臺灣產業結構變動與失業率關係之探討

全文

(1)台灣產業結構變動與失業率關係之探討法制論叢第 41 期民國 97 年元月頁 67～108 頁. Socioeconomic Law and Institution Review. No. 41 January 2008 PP.67～108. 台灣產業結構變動與失業率關係之探討 A Study on the Relationship between Change in the Industrial Structure and Unemployment in Taiwan 黃仁德 Jen-Te Hwang *、鍾建屏 Chien-Ping Chung** （96 年 7 月 17 日收稿，96 年 10 月 24 日第一次修改，96 年 11 月 9 日定稿）. 摘. 要. 本文旨在探討我國產業結構改變對失業率的影響，首先先估算各產業的就業彈性，並與世界的主要國家進行比較。其次，藉由斯托可夫指數來測度我國產業結構改變對勞動需求結構變動的程度，並利用向量誤差修正模型，探討我國產業結構變動對失業率的影響。實證結果顯示，我國製造業部門的結構轉變將會造成失業率的上升；服務業部門的結構轉變則有助於失業率的下降；整體產業的結構改變將導致我國失業率的上升。此外，當產業受到外在衝擊使得失業率暫時偏離長期均衡時，由短期失衡調整至長期均衡過程中，需要約 11.5 個月的時間才能調整完成。關鍵詞：斯托可夫指數、產業結構、失業率. This paper examines the impact of industry structure change on the unemployment rate in Taiwan. First, we estimate the employment elasticity and compare with the other. * 作者為國立政治大學經濟學系教授。 Professor, Department of Economics, National Chengchi University. **作者為國立政治大學經濟學系博士候選人。 Ph. D. Candidate, Department of Economics, National Chengchi University. －67－.

(2) 法制論叢|第 41 期|民國 97 年元月. countries in the world. Second, we adopted Stoikov index to measure the effect that structural changes in the composition of labor demand. In addition, vector error correction model is used to estimate the impact of industry structure change on the unemployment rate. Our empirical evidence investigate the long-term relationship, The structure changes of the manufacturing sector will rise the unemployment rate, but the structure changes of the services sector will decline the unemployment rate. The structure changes of the whole industry will rise the unemployment rate. Finally, the major finding from our thesis obtains that short-term disequilibrium will converge to long-term equilibrium in 11.5 months under disequilibrium model. Keywords: Stoikov index, Industry structure change, Unemployment rate. 壹、前言失業一直是經濟研究的重要課題之一，也是各國政府在施政上首要解決的重要經濟問題。自 1967 至 2000 年以來，我國失業率一直低於 4%，如果以西方先進國家的標準來看，可視為處於充分就業的狀態。但近年來我國的失業率已不若以往那般的低，加上近年來伴隨著勞力密集性產業的外移，產業結構逐步朝向資本與技術密集的方向發展，導致我國的失業率也逐年攀高，解決失業問題頓時成為政府施政的重要課題。根據我國的勞動力統計，所謂失業是指在調查標準週內，年滿 15 歲以上，具有工作能力及工作意願，並在積極尋找工作，但卻未獲得任何工作者；或是等待恢復工作，以及找到工作而未開始工作者。因此，構成失業的一個重要條件為具有工作能力和工作意願，屬於勞動力，但卻找不到工作者。一個人年滿 15 歲，雖有工作，但因缺乏工作意願，亦未積極找尋工作，在我國的勞動力統計中，是屬於為非勞動力的一種，並不視為失業。失業與非勞動力之間往往只有一線之隔，經常、長期的失業容易導致個人退出勞動市場而成為非勞動力。在非勞動力中，往往存在許多志願性的失. －68－.

(3) 台灣產業結構變動與失業率關係之探討. 業，這些志願性的失業與勞動力統計中所指的非志願性失業，都是人力資源的閑置，而大量非勞動力的存在，將使失業率喪失準確反應勞動力實際運用狀況的功能。近十年來，隨著經濟全球化與自由化的趨勢發展，國際間生產要素如資金、勞動、資本等伴隨跨國企業的投資活動逐漸擴散至全世界各地，商品與勞務在國界日益糢糊的全球化市場中快速流通。在此波全球化的浪潮下，國際企業為了降低生產成本或搶占各國市場，紛紛將製造部門或分支機構設置在工資低廉的開發中國家，致使國際企業國內的部分工作機會被開發中國家的勞動所替代。這種產業結構轉變所導致失業率上升的趨勢，顯示出低工資與低技術的工作機會已逐漸由已開發國家大量移向開發中國家。此種現象也發生在我國產業結構變化的趨勢上。一般而言，我國產業呈現三個重要的發展趨勢，首先是資本密集與技術密集相關產業的快速成長以及勞力密集產業衰退，其次是農業部門萎縮，第三為服務業部門轉型。這種產業結構調整對就業創造機會的可能不利影響包括：資本密集與技術密集產業比重增加，除了可能導致就業機會不足外，再加上勞力密集產業衰退，更會造成我國結構性失業問題惡化；農業部門萎縮對就業有不利影響，再加上服務業部門的轉型則對就業機會的創造相當有限，因此降低我國就業市場對經濟不景氣的緩衝機制。這樣一來，當我國產業結構變動速度過超過勞工技能轉換的速度時，勞動市場失衡狀況會更趨嚴重，尤其是產業升級或轉型的過渡期間所產生的結構性失業，正是目前我國失業率攀升的主要原因之一。本文首先比較我國與經濟合作暨發展組織 (Organisation for Economic Co-operation and Development，OECD) 國家失業率及勞動力參與率的變動－69－.

(4) 法制論叢|第 41 期|民國 97 年元月. 趨勢，希望藉此能對我國失業的狀況能有更深刻的了解。此外，隨著近年來我國勞力密集產業大量外移，國內產業結構逐步朝向資本與技術密集的方向發展，導致我國部分產業的就業彈性呈現逐年下滑的趨勢，產業結構的改變對失業究竟產生怎樣的影響，是本文所要探討的主題。除前言外，本文第二部分將針對有關產業結構改變對失業影響的研究文獻作一回顧；第三部分分析我國失業率與勞動力參與率的概況，並與 OECD 國家的變動趨勢進行比較；第四部分估算我國不同產業的就業彈性，並與世界各國進行比較，再以我國 1981 至 2005 年的資料，利用向量誤差修正模型 (vector error correction model) 實證分析產業結構改變對失業率的影響效果；最後為本文的結論。. 貳、文獻回顧結構性失業的發生主要是由於一國經濟產業結構的改變、區域經濟的消長、或是生產技術進步，使部分勞動者原有的技能無法因應勞動市場上工作崗位所需，因而造成的失業現象，常伴隨的特徵為工作機會與失業情形並存，或是失業增加與勞動短缺同時存在的情況。對於產業結構變動所引起的失業問題，黃仁德 (1993) 曾探討 1978 至 1990 年間台灣失業率的主要類型，研究結果發現，在這段期間台灣地區的失業型態以循環性失業為主，摩擦性失業在 1980 年代末期大約是 1970 年代末期的兩倍。對於產出需求結構改變所導致的就業結構變動，實證結果顯示，台灣地區勞動力需求結構的改變，並沒有對總的失業率產生顯著的影響。1 但是，隨著自由化與全球化的競爭及中國改革開放的趨勢下，已使我國出現明顯的產業結構調整及結構性失業問題。辛炳隆、吳秀玲 (2002) 1. 此乃這段期間台灣受到產業外移及轉型的影響並不明顯，因此產業結構變動對於失業率的影響效果相當有限。－70－.

(5) 台灣產業結構變動與失業率關係之探討. 從景氣波動的角度觀察，1990 年前後我國失業率尚處於平穩期間，到了 1996 年失業率開始大幅攀高的期間，我國的經濟成長率除亞洲金融風暴而跌至 4.57% 之外，其餘各年皆維持在 5%以上。根據過去的經驗，如此的經濟成長率所對應的失業率應不致於超過 2.5%，但當 1996 年失業率達 2.5% 以上時，該年經濟成長率仍有 5.7%，因此 1996 年失業率升高的問題並無法以循環性失業來解釋。林慈芳 (2002) 曾對台灣的自然失業率進行推估，研究結果發現，2001 年台灣經濟成長率首度出現負成長 2.17%，失業率也大幅上升至 4.57%，其. 中循環性失業率為 1.93% ，自然失業率為 2.64% ，因此認為台灣失業率在 2001 年後惡化的原因，主要仍以技術創新、產業結構調整、及勞動市場調節機制不完全所造成的自然性失業為主，其次才是景氣衰退造成的循環性失業。李誠 (2003) 也指出，台灣 2001 年後失業率升高原因部分受到世界經. 濟不景氣影響，但根據過去經驗，在二次世界能源危機 (1973 至 1974 年， 1979 至 1980 年) 以及亞洲金融風暴 (1997 至 1998 年 ) 等大規模國際性景氣波動期間，台灣的經濟成長率與失業率皆略有變動，但變動幅度不不其他亞洲國家明顯。可是，2001 年遭遇世界經濟大環境不景氣時，台灣受影響的幅度反而高過亞洲地區其他國家，且在 2002 年景氣開始復甦時，台灣仍是亞洲地區就業表現最差的國家之一。因此，由各國失業率與景氣波動的關聯程度觀察，並無法將台灣出現高失業的現象完全歸咎於國際環境景氣循環變動所致。根據上述的文獻，我國自 1996 年開始出現失業率升高的現象與總體經濟環境有關，但是總體經濟衰退所造成的循環性失業並不能完全解釋失業率大幅攀升的現象。反之，由我國自然失業率的推估以及對內和對外投資. －71－.

(6) 法制論叢|第 41 期|民國 97 年元月. 的變化，更凸顯出產業結構的轉變在解釋我國失業率的攀升原因上扮演重要的角色。吳忠吉 (2003) 指出，我國近年失業率攀升主要源自於男性初級勞勞密集的營建業與礦業及土石採取業的衰退、製造業的轉型、科技化、及服務業的專業化，使得我國產業對高級勞勞需求相對增加，初級勞勞需求相對減少。此外，服務業的發展也有助於女性與高級勞勞的就業，使得整體勞動市場出現產業結構與人勞結構失衡的局面，迫使剩餘初級勞勞陷入轉業困難的困境。王銘正、方振瑞 (2003) 曾探討中國興起對台灣產業結構與失業率的衝擊，他們透過失業結構分析發現，1990 年以來台灣傾向於長期結構性失業，且集中於中高年齡與中低學歷者。若進一步觀察兩岸經貿的發展、資本的移動、各自的整體經濟環境、及兩岸產業結構變動，這些因素皆與台灣失業問題的形成息息相關。此外，文中也利用包括資本財移動的南北兩國貿易模型，分析中國興起對台灣產業結構與失業率的衝擊。研究結果顯示，中國整體經濟環境的改善誘使原先台灣生產的產品組合中資本密集度較低的產品移至中國生產，因而降低對台灣生產要素的需求。這樣一來，將導致台灣相對中國的工資下降，造成台灣失業率的上升，也使台灣出現勞動所得下降以及資本外移的現象。對於國內產業結構調整對就業創造的影響，辛炳隆 (2005) 曾指出，自 1990 年代以來，在自由化與全球化的競爭下，國內產業的調整速度加快，且隨東南亞國家的興起及中國經濟的改革開放，國內傳統製造業的出口競爭力開始出現衰退現象，並且逐漸被資本與技術密集的資訊產業所取代，導致我國對初級勞動力的需求減少，轉而對工作技能的要求提高，因此無法創造足夠的就業機會，對勞動市場產生負面影響，進而使我國失業率攀－72－.

(7) 台灣產業結構變動與失業率關係之探討. 升。張隆宏 (2005) 曾探討我國景氣波動、產業結構變遷、及失業三者之間的關係，其採用 1981 年第 1 季至 2004 年第 4 季的季資料進行迴歸分析，並將資料分成 1981 至 1987 年、1988 至 1995 年、及 1996 至 2004 年等三個期間進行探討，以進一步區分不同景氣波動趨勢下的失業率影響因素。研究結果發現，台灣的失業率有高度的一階自我相關，產業結構的改變是影響近年失業率或自然失業率攀升的重要因素，勞動力無法在部門間有效移動造成勞動市場出現持續失衡的現象。因此，促進勞動供給和產業勞動需求的配合，將是有效降低失業的方法。在國外對經濟結構改變對失業率影響的探討上，Lilien (1982) 曾利用 Lucas-Prescott 的經濟模型推衍出失業率與部門移轉之間的關係， 2 得到所謂的部門移轉假說 (sectoral shift hypothesis)，其主要論點為，當產業所需的技術改變，或是勞工與工作所需技術不匹配，而使勞工在產業部門間進行重分配，當產業吸收勞動力的速度較勞工重分配的速度緩慢時，即會產生失業。Lilien 的實證結果顯示，跨部門間勞動需求的移轉對不同部門間的失業變動具有顯著的影響，顯示產業結構變動對於失業率具有明顯的影響效果，這也意謂政府想利用需求管理政策來改善勞動失業的政策效果是很有限的。在部門移轉假說的應用上，Rissman (2003)、Aaronson 等人 (2004)、 Groshen 與 Potter (2003)、及 Groshen 等人 (2004)，皆曾利用部門移轉假說 2. Lucas 與 Prescott (1974) 建構一勞動市場模型，假定勞動可以在不同部門（產業）間自由流動，總合需求不變，但不同地區（產業）的商品需求會受制於其特定的隨機干擾衝擊，將造成不同部門（產業）勞動需求的改變，進而促成不同部門（產業）間工資的差異化，間接影響勞動供給在不同部門間移轉（由低工資部門移轉至高工資部門）的情況，而使經濟達於穩定均衡狀態時，失業率仍然高出自然失業率。. －73－.

(8) 法制論叢|第 41 期|民國 97 年元月. 來針對自 2001 年美國遭逢經濟衰退後的「無就業機會的景氣復甦」(jobless recovery) 現象進行探討， 3 發現無就業機會的景氣復甦現象是導因於美國遭逢經濟衰退時，不同產業結構轉變所致。Mikhail 等人 (2003) 則是利用部門移轉假說探討在實質商業循環模型 (real business cycle model) 下所出現的持續性失業現象，其利用加拿大的資料進行實證研究發現，考慮不同部門間勞動移動調整成本下，提高了利用實質商業循環模型來解釋持續性失業現象的能力。Robson (2005) 則是引用英國勞動市場資料，利用部門移轉假說來檢驗部門移轉效果與就業專業化對失業與工作職缺匹配效率性的影響，研究結果發現，勞工面臨的失業期限 (unemployment duration) 愈長、年齡愈大、及原工作的職位愈高，愈不利於找到新的工作。截至目前，探討我國產業結構變遷對失業影響的文獻並不多見，因此本文乃試圖藉由能夠反映產業結構變動的斯托可夫指數，利用向量誤差修正模型進行實證分析，希望有助於了解我國產業結構變動對失業率的影響。. 參、各國失業率與勞動力參與率的比較根據經濟合作暨發展組織國家 (OECD) 以及我國的勞動力統計 (表一)，2001 至 2005 年間，我國的平均失業率為 4.66%，OECD 的國家中，除了奧地利、冰島、愛爾蘭、韓國、盧森堡、墨西哥、荷蘭、紐西蘭、挪威、及瑞士等國外，其餘國家的失業率均高於我國。若就 1994 與 2005 年我國與 OECD 國家的平均失業率進行比較，二者失業率的差距由 1994 年的 7.34%縮小至 2005 年的 3.05%，凸顯出我國失業率已逐漸逼近 OECD 國家平均失業率的水平，兩者的差距在這 11 年間逐漸縮小，我國失業問題的惡化由此可見一斑。 3. 無就業的經濟復甦乃一國經濟復甦，卻出現失業未能有效改善的現象。－74－.

(9) 台灣產業結構變動與失業率關係之探討. 表一 OECD 國家與我國失業率的比較單位：% 年別國別澳洲奧地利比利時加拿大捷克丹麥芬蘭法國德國希臘匈牙利冰島愛爾蘭義大利日本韓國盧森堡墨西哥荷蘭紐西蘭挪威波蘭葡萄牙斯洛伐克西班牙瑞典瑞士土耳其英國美國平均值台灣. 1994. 2001. 2002. 2003. 2004. 2005. 各國 (2001~2005 年) 平均失業率. 9.9 3.6 9.7 10.5 4.3 8.1 16.7 12.4 8.5 9.1 10.8 5.4 15.1 11.1 3.0 2.6 3.5 4.4 6.8 8.2 5.4 14.8 7.2 13.7 24.0 9.7 3.9 8.8 9.7 6.2 8.90 1.56. 6.9 3.7 6.2 7.3 8.2 4.2 9.2 8.8 7.9 10.4 5.7 2.3 3.7 9.6 5.2 4.2 1.8 2.2 2.7 5.4 3.5 18.6 4.3 19.3 10.5 5.1 2.5 8.6 4.8 4.8 6.59 4.57. 6.5 4.0 6.9 7.7 7.3 4.3 9.1 8.9 8.7 10.1 5.8 3.2 4.3 9.1 5.6 3.4 2.6 2.5 3.1 5.2 4.0 20.3 5.4 18.7 11.4 5.3 3.0 10.6 5.1 5.9 6.93 5.17. 6.1 4.2 7.7 7.7 7.8 5.5 9.1 9.8 9.4 9.5 5.9 3.4 4.5 8.7 5.4 3.7 3.7 2.6 4.2 4.7 4.5 20.0 6.8 17.6 11.4 5.8 4.2 10.8 4.9 6.1 7.19 4.99. 5.6 5.0 7.4 7.3 8.4 5.3 8.9 10.0 10.4 10.4 6.1 3.1 4.4 8.1 4.9 3.8 5.1 3.1 5.0 4.0 4.5 19.3 7.0 18.2 11.0 6.6 4.4 10.6 4.7 5.6 7.27 4.44. 5.2 5.2 8.1 6.8 8.0 4.9 8.5 9.9 11.3 9.8 7.3 2.7 4.3 7.8 4.6 3.9 4.5 3.6 3.8 4.7 18.0 8.1 16.2 9.2 4.5 10.5 4.6 5.1 7.18 4.13. 6.06 4.42 7.26 7.36 7.94 4.84 8.96 9.48 9.54 10.04 6.16 2.94 4.24 8.66 5.14 3.80 3.54 2.80 3.75 4.62 4.24 19.24 6.32 18.00 10.70 5.70 3.72 10.22 4.82 5.50 7.00 4.66. 資料來源：OECD 國家資料來自 OECD，Labor Force Statistics；台灣資料來自行政院主計處，《人力資源調查統計年報》。. －75－.

(10) 法制論叢|第 41 期|民國 97 年元月. 雖然我國的失業率在過去一直維持於相當低的水準，但根據徐育珠、黃仁德 (1993) 的估算，台灣仍然有大量閑置人力的存在，這些閑置人力 60%以上是來自非勞動力中可動用的潛在勞動力。 4 因此，失業率有時並不能真正反映一國人力運用的狀況，許多的失業可能隱藏於非勞動力中，這一部分的失業人力在官方的失業統計之中並無法顯示出來。由於非勞動力中可能隱藏相當數量的失業勞動力，使得官方失業率與真正失業率之間出現顯著的落差。是故，若要進行國際間的人力運用狀況比較，除了觀察失業率外，勞動力參與率的觀察亦有其必要。表二顯示，我國的勞動力參與率相較於大多數的 OECD 的國家而言，實屬偏低，以 2001 年為例，在 OECD 國家中，勞動力參與率總平均為 70.63%，其中男性平均為 79.68%，女性平均為 61.72%，而我國對應的數據分別為 57.23%、68.47%、及 46.10%，皆遠低於 OECD 國家的水準，兩者甚至相差了 10 個百分點以上，此一差距在近幾年縮減相當有限。再以 1994 年與 2005 年進行比較，我國與 OECD 國家在總的、男性、及女性的勞動力參與率的差距分別由 1994 年的 10.32%、7.41%、及 13.44%上升至 2005 年的 13.35%、9.25%、及 14.73%，顯示我國與 OECD 國家之平均勞動力參與率的差距，不論是總的、男性、或女性，的確是擴大了。因此，若我國的勞動力參與率能夠提高到 OECD 國家的平均水準，可以相信很多隱藏於非勞動力的潛在失業人力將成為公開性失業人力，這將使得我國歷年的實際失業率會遠比官方所公布的數據為高，我國的失業問題的確到了無法令人忽視的地步。. 肆、產業結構改變對失業的影響失業型態依失業的原因，一般可區分為循環性失業、結構性失業、及 4. 台灣的就業問題是否真如官方發佈之失業統計所顯示地那般美好，徐育珠、黃仁德 (1993) 在這方面曾有深入的探討。－76－.

(11) 台灣產業結構變動與失業率關係之探討. 表二 OECD 國家與我國勞動力參與率的比較單位：%. 國家. 1994 年. 2001 年. 2002 年. 男. 女. 全部. 男. 女. 全部. 男. 女. 全部. 澳洲. 83.5. 62.8. 73.2. 82.3. 66.0. 74.1. 82.3. 66.3. 74.3. 奧地利. 80.2. 61.3. 70.8. 79.0. 62.2. 70.6. 79.1. 63.5. 71.3. 比利時. 72.0. 51.2. 61.7. 72.7. 54.5. 63.6. 72.6. 55.4. 64.1. 加拿大. 82.0. 67.8. 74.9. 81.9. 70.8. 76.4. 82.7. 72.1. 77.4. 捷克. 80.4. 64.4. 72.4. 79.0. 63.2. 71.1. 78.9. 62.8. 70.9. 丹麥. 83.7. 73.8. 78.8. 83.3. 75.0. 79.2. 83.8. 75.9. 79.9. 芬蘭. 74.8. 69.1. 72.0. 76.7. 72.5. 74.6. 76.2. 72.8. 74.5. 法國. 74.1. 59.3. 66.6. 74.3. 61.8. 68.0. 74.5. 62.1. 68.3. 德國. 79.8. 60.9. 70.5. 79.0. 63.8. 71.5. 78.7. 64.2. 71.5. 希臘. 77.0. 43.2. 59.5. 76.2. 48.8. 62.1. 77.6. 51.0. 64.2. 匈牙利. 67.8. 52.7. 60.0. 67.2. 52.4. 59.6. 67.1. 52.7. 59.7. 冰島. 86.8. 79.1. 83.0. 90.0. 83.1. 86.6. 88.9. 82.2. 85.6. 愛爾蘭. 76.2. 45.8. 61.1. 79.0. 56.0. 67.5. 78.3. 57.3. 67.9. 義大利. 74.2. 41.9. 58.0. 74.2. 47.3. 60.7. 74.5. 47.9. 61.2. 日本. 84.4. 58.3. 71.4. 85.0. 60.1. 72.6. 84.8. 59.7. 72.3. 韓國. 78.6. 50.8. 64.5. 77.1. 52.8. 64.8. 77.9. 53.5. 65.6. 盧森堡. 77.3. 47.0. 62.3. 76.1. 52.0. 64.1. 77.0. 53.5. 65.3. 墨西哥. 86.4. 38.1. 61.4. 85.2. 40.4. 61.5. 84.7. 41.0. 61.6. 荷蘭. 79.6. 57.3. 68.6. 83.3. 66.1. 74.8. 83.8. 66.9. 75.4. 紐西蘭. 83.4. 64.9. 74.0. 83.6. 68.4. 75.9. 84.1. 69.1. 76.4. 挪威. 81.6. 70.9. 76.4. 84.0. 76.4. 80.3. 83.9. 76.6. 80.3. 波蘭. 75.0. 62.1. 68.4. 71.5. 59.9. 65.7. 70.8. 58.9. 64.8. 葡萄牙. 78.4. 60.0. 69.0. 79.2. 64.5. 71.7. 79.3. 65.0. 72.0. 斯洛伐克. 77.6. 61.3. 69.3. 77.4. 63.8. 70.5. 76.7. 63.2. 69.9. 西班牙. 78.5. 46.3. 62.4. 79.8. 51.6. 65.8. 80.4. 53.7. 67.1. 瑞典. 81.3. 77.0. 79.2. 81.3. 77.1. 79.3. 80.9. 77.1. 79.0. 瑞士. 89.6. 68.2. 78.8. 89.2. 73.3. 81.2. 88.7. 73.9. 81.3. 土耳其. 81.9. 33.1. 57.5. 76.1. 28.5. 52.3. 75.1. 29.5. 52.3. 英國. 85.1. 67.1. 76.0. 83.5. 68.9. 76.1. 83.3. 69.3. 76.2. 美國. 84.3. 69.4. 76.7. 83.4. 70.4. 76.8. 83.0. 70.1. 76.4. 平均值. 79.85. 58.84. 69.28. 79.68. 61.72. 70.63. 79.65. 62.24. 70.89. 台灣. 72.44. 45.40. 58.96. 68.47. 46.10. 57.23. 68.22. 46.59. 57.34. 7.41. 13.44. 10.32. 11.21. 15.62. 13.40. 11.43. 15.65. 13.55. 二者差距. －77－.

(12) 法制論叢|第 41 期|民國 97 年元月. 表二 OECD 國家與我國勞動力參與率的比較 (續) 單位：%. 澳大利亞奧地利比利時加拿大捷克丹麥芬蘭法國德國希臘匈牙利冰島愛爾蘭義大利日本韓國盧森堡墨西哥荷蘭紐西蘭挪威波蘭葡萄牙斯洛伐克西班牙瑞典瑞士土耳其英國美國. 男 82.1 79.4 72.6 83.1 78.2 84.0 75.9 75.3 78.0 78.3 67.6 90.1 78.3 74.8 84.6 78.0 75.5 84.2 83.7 83.1 82.8 70.2 78.5 76.7 81.1 80.8 88.5 74.0 83.6 82.2. 2003 年女 67.1 64.2 55.8 73.2 62.5 74.8 72.1 63.4 64.5 52.1 53.9 83.9 57.6 48.3 60.0 52.9 54.5 40.5 67.9 69.2 75.8 58.4 65.6 63.5 55.7 76.8 74.1 28.1 69.2 69.7. 全部 74.3 71.8 64.3 78.2 70.4 79.4 74.0 69.3 71.3 65.1 60.6 87.1 68.0 61.6 72.4 65.4 65.1 61.2 75.9 76.1 79.3 64.2 72.0 70.0 68.5 78.9 81.4 51.1 76.3 75.8. 男 82.1 78.5 72.7 82.9 78.0 84.5 75.4 74.9 79.2 79.1 67.2 89.1 79.1 74.5 84.2 78.3 75.9 85.0 83.0 83.8 82.5 70.4 79.0 76.5 81.6 80.7 88.0 76.1 83.1 81.9. 平均值. 79.51. 62.51. 70.97. 79.57. 62.98. 台灣. 67.69. 47.14. 57.34. 67.78. 二者差距. 11.82. 15.37. 13.63. 11.79. 國別. 2004 年女全部 66.9 74.5 64.2 71.3 57.7 65.3 73.4 78.2 62.2 70.1 76.1 80.2 71.9 73.7 63.8 69.3 65.8 72.6 54.1 66.5 54.0 60.5 81.8 85.5 58.0 68.6 50.6 62.5 60.1 72.2 54.1 66.1 55.9 66.0 42.8 62.8 68.5 75.8 69.6 76.6 75.7 79.1 58.2 64.2 67.0 72.9 62.9 69.7 57.7 69.7 76.6 78.7 73.9 81.0 27.0 51.5 69.6 76.2 69.2 75.4. 男 8.27 79.3 73.1 82.5 78.4 83.6 75.7 74.5 80.6 79.2 67.9 89.8 79.9 74.4 84.4 78.2 76.0 83.1 84.4 82.3 71.0 79.0 76.4 82.2 87.4 76.2 82.8 81.8. 2005 年女 68.4 65.6 59.5 73.1 62.4 75.1 72.9 6..8 66.9 54.6 55.1 83.5 60.3 50.4 60.8 54.5 57.0 43.1 70.8 75.4 58.3 67.9 61.5 59.1 74.3 26.5 69.7 69.2. 全部 75.5 72.4 66.4 77.8 70.4 79.4 74.3 69.1 73.8 66.8 61.4 86.7 70.2 62.4 72.6 66.3 66.6 61.8 77.5 78.9 64.6 73.4 68.9 70.8 80.9 51.3 76.1 75.4. 71.22. 76.87. 62.85. 71.13. 47.71. 57.66. 67.62. 48.12. 57.78. 15.27. 13.56. 9.25. 14.73. 13.35. 資料來源：同表一。. －78－.

(13) 台灣產業結構變動與失業率關係之探討. 摩擦性失業。造成一國失業率升高的因素很多，本文將從產業結構變動來探討其對我國失業率的影響。台灣為一貿易依存度相當高的國家，長期以來，我國製造業的發展一直是依循著國際分工原則。早期由於我國工資相對便宜，因此在大量出口的帶動下，勞力密集產業不僅是我國經濟成長的主要貢獻者，也是國內勞動力的主要吸收者。然而，近年來隨著東南亞國家的興起與中國經濟的改革開放，產業外移成為了一種趨勢，導致我國出現明顯的產業結構變動及結構性失業的問題，失業率也開始迅速向上攀升，這種趨勢自 1996 年起愈加明顯。王銘正、方振瑞 (2003) 指出，我國廠商西進中國的投資種類，除了早期的鞋業及傘業等勞力密集產業外，隨著中國近年來產業升級，如電腦、石化、半導體等科技產業也前仆後繼地投入。赴中國投資對台灣產業的衝擊正負評價不一，就正面影響而言，傳統產業西進在貿易帶動投資的拉引下，刺激台灣中上游產品、半成品、及零組件的需求，使台灣具比較優勢的產業得以持續發展，並成為台灣產業順利升級的重要推手。負面影響則在於，產業結構變動速度遠超過勞工技能轉換的速度，使得我國結構性失業問題更趨嚴重。不同產業的單位產出勞動投入不同，勞動密集度較高的產業占總產業的比重愈高，所能創造的就業機會將愈多，失業率則會愈低。Piketty (1998) 就指出，在 1980 年代與 1990 年代，美國的就業表現之所以能較法國、德國等歐盟國家為佳，就是因為其大力發展勞動密集度較高的商品零售業所致。表三顯示，就我國與德國、義大利、日本、挪威、及丹麥的產業結構比重作一比較，我國服務業產值佔 GDP 的比重皆高於上述國家。因此，即使服務業的發展能夠比較有效吸收勞動力 (尤其是餐飲業、批發零售業、及個人服務業，這些進入門檻較低的產業更有助於勞動勞的吸收，也是近. －79－.

(14) 法制論叢|第 41 期|民國 97 年元月. 年來我國勞動就業成長的主要來源)，我國想要以提高服務業產出比重來解決失業問題的空間已相當有限了。. 表三台灣與 OECD 國家製造業及服務業的產出比重——1991~2005 年年別. 德國. 義大利. 日本. 挪威. 丹麥. 台灣. 製造業服務業製造業服務業製造業服務業製造業服務業製造業服務業製造業服務業. 1991. 37.9. 50.8. 34.7. 52.7. 38.4. 46.3. 22.9. 55.6. 26.3. 59.6. 31.1. 58.3. 1992. 35.9. 52.2. 33.9. 53.8. 36.6. 48.2. 22.5. 56.4. 26.3. 59.9. 29.5. 59.6. 1993. 33.2. 54.6. 33.3. 54.8. 34.8. 49.9. 22.1. 57.0. 25.4. 60.9. 28.0. 60.6. 1994. 32.9. 54.6. 34.6. 54.1. 33.5. 51.1. 22.8. 56.6. 25.6. 61.1. 26.5. 62.4. 1995. 33.4. 54.6. 36.2. 53.0. 33.5. 51.9. 23.2. 56.1. 25.9. 60.6. 25.3. 63.9. 1996. 32.9. 55.4. 34.6. 54.5. 33.4. 52.1. 22.3. 55.2. 25.3. 60.5. 25.5. 64.5. 1997. 33.4. 55.5. 34.4. 55.0. 33.7. 52.2. 22.4. 55.3. 24.8. 61.2. 25.2. 65.7. 1998. 33.8. 55.6. 34.3. 55.5. 32.2. 53.8. 23.1. 57.3. 24.3. 62.1. 24.8. 66.4. 1999. 33.6. 56.1. 33.6. 56.3. 31.5. 54.6. 21.8. 57.5. 23.7. 63.3. 24.0. 67.7. 2000. 34.8. 55.6. 33.8. 55.9. 32.1. 54.4. 20.0. 54.7. 23.9. 62.5. 23.8. 68.9. 2001. 34.9. 55.8. 32.7. 57.0. 31.0. 55.6. 19.6. 56.3. 23.5. 62.9. 22.7. 70.5. 2002. 34.6. 56.6. -. -. 30.2. 56.6. 19.1. 58.2. 23.3. 63.4. 23.1. 70.7. 2003. 34.3. 57.0. 31.0. 58.4. 30.7. 56.3. 18.1. 59.2. 22.7. 64.2. 22.5. 71.7. 資料來源：OECD 主要國家資料來自 OECD，Statistics on Industry and Services；台灣資料來自行政院主計處，《國民所得統計》。. 一、就業彈性的意涵經濟成長既是擴大就業的前提條件也是必要條件。一般而言，經濟成長與就業成長將呈現正向關係，即在其他條件不變的情況下，一國的經濟成長率愈高，伴隨勞動力需求愈大，有助於就業成長率的提升。但是，經濟成長並不一定會導致就業成長的最大化，經濟成長能使就業增加多少，可由就業彈性 (employment elasticity) 反映出來。當一國經濟成長率一定時，提高就業彈性即為增加就業量的關鍵。就業彈性可定義為一國就業成長率對產出成長率的比值，即產出每成長 1 個百分點能帶動多少百分點的－80－.

(15) 台灣產業結構變動與失業率關係之探討. 就業成長。 5 彈性愈大，表示產出成長對勞動力的吸收能力就愈強；反之，則愈弱。經驗顯示，不同的經濟成長模式，將產生不同的就業結果，使得經濟成長與就業成長之間會呈現出不同的互動模式。 “經濟成長率愈高，就業成長率也將愈高”這是人們很自然的想法，也是世界各國規律性的現象。但就我國目前的情況來看，經濟雖然仍持續在成長，但成長的幅度卻逐漸趨緩，因而肇致就業成長率下滑，也凸顯出經濟體系能夠吸收的勞動力減少，使得我國就業彈性呈現出下降的趨勢。在經濟成長的過程中，若就業彈性呈現負值，表示隨著一國產業的發展，該產業的勞動力需求與產業的發展呈現反向變動關係，意謂該產業的勞動吸收能力下降，將向勞動力市場釋放出剩餘勞動力；若就業彈性呈現正值，表示隨著產業的發展，該產業的勞動力需求與產業發展呈現正向關係，因此該產業的發展將會吸收更多的勞動力。表四顯示，在 1991 至 2003 年，全球的平均就業彈性，服務業為 0.57，遠大於工業的 0.28，顯示服務業的發展的確能有效的吸收勞動力，而成為各國勞動就業成長的主要來源。我國製造業等勞力密集產業近年來產業外移的情況相當明顯，在產業結構轉變的同時，也凸顯出勞動力供需結構的矛盾現象。一方面，傳統產業出現大批失業勞工，許多勞工面臨二次就業的困難；另一方面，新興的產業、行業、及技術職業所需要的高素質人力則出現供不應求的現象。以上種種現象皆說明了我國製造業在產業轉型期間所面對就業問題的困境，這可由比較 1991 至 2003 年我國與全球平均各產業的就業彈性得到證實。表四顯示，我國的工業與服務業的平均就業彈性皆較全球的平均就業彈性為低，分別為-0.0039 及 0.48，其中工業的就業彈性為負的原因乃是因 5. •. •. 就業彈性也可稱其為勞動吸收係數 (coefficient of labor absorption)，公式為： ε = E Y ， • • ε 為就業彈性， E 為兩期間的就業成長率， Y 為兩期間的產出成長率。－81－.

(16) 法制論叢|第 41 期|民國 97 年元月. 為就業成長率與產出成長率分別為-0.0002 與 0.0413，工業的就業彈性遠比全球平均數值 0.28 為低。就業彈性偏低顯示，我國製造業在產業轉型期間已逐漸朝向資本密集的產業為主，再加上自 1991 年開始，我國產業外移的情況即相當明顯，導致勞力密集產業所佔的比例明顯下降，轉而趨向以高科技產業為主的型態，工業 (製造業) 以往扮演重要勞動吸收的角色已不存在了。. 表四我國與全球平均的農業、工業、及服務業就業彈性比較 ——1991~2003 年農業. 工業. 服務業. 全球平均. 0.41. 0.28. 0.57. 台灣平均. 9.60. -0.0039. 0.48. 註：台灣農業的就業彈性偏高原因是由於我國農業的就業成長率與產出成長率皆呈現下降的趨勢，且產出成長率近乎為零 (-0.0042) 所致。資料來源：全球資料來自 Kapsos (2005)；台灣資料數據行政院主計處，《國民所得統計》及 AREMOS 資料計算而得。. 二、我國各產業的就業彈性一國產業的勞動力吸收能力與該產業的就業彈性息息相關，若就業彈性呈現正值，表示隨著產業的發展，該產業的勞動力需求與產業發展保持正向關係，因此該產業的發展將會吸收更多的勞動力，且就業彈性愈大，對勞動力的吸收能力愈強。在對我國就業彈性的估算上，由於 2000 年為我國產業外移的關鍵時期，故本文的資料年限以 2000 年作為分界點，分別計算前後兩段時期我國各產業的就業彈性。附表一顯示，在 1982 至 1999 年及 2000 至 2005 年兩段期間，我國整體產業的就業成長率與產出成長率皆呈現下降的趨勢，特. －82－.

(17) 台灣產業結構變動與失業率關係之探討. 別是 2000 至 2005 年間，我國就業成長率甚至出現出負成長的趨勢 (-0.2%)，也因而使就業彈性呈現負值 (-0.04)，凸顯出我國近年來經濟衰退所肇致就業成長機會減少的情況。至於不同產業的就業彈性分述如下。首先，在農、林、漁牧業中，就業成長率與產出成長率是分別由-3%與 1%下降至-4%與-1%，就業彈性則由 1982 至 1999 年的-3.67 上升到 2000 至 2005 年的 3.18。上述數據顯示，就業彈性雖然呈現勞動吸收能力上升，但是因為造成此現象乃因 2000 至 2005 年的就業成長率與產出成長率皆為負值，且產出成長率大幅下降所致，故對於此就業彈性上升並不意謂對失業率的下降有任何的貢獻。其次，在工業部門中，工業的就業成長率與產出成長率分別由 1%與 6%下降至-0.3%與 4%，就業彈性由 0.15 下滑至-0.08。其中，工業中的礦業及土石採取業、製造業、及水電燃氣業等產業的就業彈性皆呈現下降的趨勢，營造業就業彈性則由 1982 至 1999 年的 0.31 上升至 2000 至 2005 年的 0.83。雖然營造業的就業彈性上升，但由於 1982 至 2005 年營造業於工業中所佔的就業比重僅為 10%至 18%，因此雖然營造業的就業彈性上升，但對於整個工業部門而言，勞動的吸收能力仍是相當有限的。最後，在服務業部門中，服務業的就業成長率與產出成長率分別由 5% 與 9%下降至 1%與 4%，就業彈性由 0.51 下滑至 0.26。其中，除了專業、科學及技術服務業、醫療、保健及社會福利服務業外，其餘服務業產業的就業彈性皆呈現下滑趨勢。探究專業、科學及技術服務業、醫療、保健及社會福利服務業的就業彈性增加的原因，皆是因為產出成長率下降的幅度略較就業成長率高所致，因此雖然上述三種產業的就業彈性上升，但對於帶動整體服務業勞動吸收的能力仍然相當有限。. －83－.

(18) 法制論叢|第 41 期|民國 97 年元月. 當一國就業比重相對較大產業的就業彈性下降時，容易造成該國失業問題惡化；就業比重相對較小之產業的就業彈性改變，對於該國失業影響則相當有限。就我國的情況來看，雖然各產業的就業彈性的趨勢有所變動，某些產業就業彈性呈現上升趨勢，某些產業就業彈性呈現下降趨勢，但整體而言，主要產業的就業彈性是呈現大幅下降趨勢的，故產業結構改變無可避免會使我國失業問題惡化。. 三、產業結構改變對失業的影響由於每一種產業的生產型態、方式不儘相同，因此即使面對相同的要素價格，要素密集度 (factor intensity) 也將有所不同。有些產業在生產過程中使用較多的勞動、較少的資本，是為勞力密集 (labor-intensive) 產業；有些產業在生產產品過程中使用較多的資本、較少的勞動，是為資本密集 (capital-intensive) 產業。若是一個社會對不同產業的產出需求發生改變，則該產業的產量將會發生改變，這樣一來將導致整個產業勞動需求的改變，就業情況也會因此而發生變化。這種因產出需求結構改變而導致的失業，是屬非循環性失業。檢視過去衡量結構改變影響失業率的研究，最早是由 Lilien (1982) 提出的部門移轉假說，其主要論點為，當產業所需的技術改變，或是勞工與工作所需技術不匹配，而使勞工在產業部門間進行重分配，當產業吸收勞動力的速度較勞工重分配的速度緩慢時，即會產生失業。根據 Johnson 與 Layard (1986)、Lilien (1982)、Lilien 與 Hall (1986)、及 Rissamn (1986) 等學者的研究，一國產業需求結構的改變的確會影響失業水準。此外，一個社會偏好、生產技術、或是要素價格的改變，也會導致的勞動需求結構的變動，而使得勞動市場的不確定性提高，勞資雙方均需花費更多的時間於求職與求才的匹配上面。在一個動態經濟社會，此種原因所形成的失業，－84－.

(19) 台灣產業結構變動與失業率關係之探討. 是一種很正常的失業現象。因此，產出需求結構發生改變，最後終究會反映在不同產業間就業結構的改變上面。表五顯示，在 1981 至 2005 年間，在我國就業人口中，農、林、漁、牧業所佔的比重由 24.94%下降至 9.05%；礦業及土石採取業所佔的比重由 0.93%持續下降至 0.1%；製造業所佔比重約在 35.78%至 45.8%之間變動；水電燃氣業所佔的比重一直維持於 5%至 6%之間；營造業所佔的比重介於 5.66%至 8.26%之間；批發及零售業所佔比重約由 12%上升至 22.24%；住宿及餐飲業的比重則約略介於 1.54%至 2.69%；運輸、倉儲、及通信業所佔的比重幾乎沒有變化；金融及保險業的比重由 1.76%持續上升至 5.67%；其他類型的服務業亦大致呈現上升的趨勢。就業比重的變化可凸顯出一國產業結構配置比重變化的趨勢。由我國不同產業就業比重的變化觀察，農、林、漁牧業、礦業及土石採取業、及製造業所佔的就業比重呈現明顯下滑趨勢，此將導致我國對初級勞動力的需求減少；其他就業比重較明顯上升的產業如批發及零售業、金融及保險、專業、科學及技術服務業等，則將增加對勞動力的需求，這樣一來，對失業所造成影響取決於此兩方面效果的交互關係，若勞動力需求的增加無法有效吸收勞動力需求減少的效果，結果將會造成失業率的上升。. 四、產業結構變動對失業影響的測度若要探討一個社會在某一段期間勞動需求結構變動的程度，可用斯托可夫指數 (Stoikov index) (Stoikov，1966) 來加以測定，其計算公式為： n. Bt = ∑ g it − g t i =1. －85－. N it Nt. (1).

(20) 法制論叢|第 41 期|民國 97 年元月. 表五我國就業者的行業分配——1981 至 2005 年單位：% 年別. 總計. 農林漁牧業. 工業. 礦業及土石採取業製造業水電燃氣業營造業. 1981 100.00. 24.94. 50.01. 0.93. 41.23. 0.58. 7.28. 1982 100.00. 25.29. 49.07. 0.87. 40.98. 0.62. 6.60. 1983 100.00. 25.09. 49.30. 0.74. 41.59. 0.62. 6.35. 1984 100.00. 23.34. 50.99. 0.64. 43.96. 0.61. 5.78. 1985 100.00. 23.00. 51.21. 0.58. 44.35. 0.60. 5.67. 1986 100.00. 22.67. 51.78. 0.53. 45.00. 0.60. 5.66. 1987 100.00. 20.82. 52.66. 0.46. 45.80. 0.59. 5.80. 1988 100.00. 18.76. 52.59. 0.40. 45.60. 0.60. 5.99. 1989 100.00. 17.96. 51.16. 0.34. 44.01. 0.61. 6.20. 1990 100.00. 18.14. 49.10. 0.30. 41.69. 0.62. 6.49. 1991 100.00. 18.38. 48.01. 0.28. 40.34. 0.62. 6.77. 1992 100.00. 17.26. 47.34. 0.27. 39.07. 0.60. 7.40. 1993 100.00. 15.94. 46.78. 0.26. 38.07. 0.59. 7.85. 1994 100.00. 14.93. 46.45. 0.24. 37.37. 0.57. 8.26. 1995 100.00. 14.21. 44.68. 0.22. 35.87. 0.55. 8.04. 1996 100.00. 13.90. 44.18. 0.20. 35.78. 0.56. 7.63. 1997 100.00. 13.23. 44.29. 0.19. 36.05. 0.55. 7.50. 1998 100.00. 12.42. 44.26. 0.18. 36.23. 0.54. 7.31. 1999 100.00. 11.73. 44.25. 0.16. 36.53. 0.56. 6.99. 2000 100.00. 11.08. 44.31. 0.14. 36.94. 0.55. 6.67. 2001 100.00. 11.01. 43.71. 0.13. 36.63. 0.56. 6.38. 2002 100.00. 11.24. 43.44. 0.13. 36.58. 0.56. 6.18. 2003 100.00. 10.94. 43.50. 0.12. 36.87. 0.55. 5.96. 2004 100.00. 9.92. 43.87. 0.11. 37.38. 0.53. 5.86. 2005 100.00. 9.05. 43.79. 0.10. 37.21. 0.52. 5.97. －86－.

(21) 台灣產業結構變動與失業率關係之探討. 表五我國就業者的行業分配——1981~2005 年 (續 1) 單位：% 年別服務業批發及零售業. 住宿及餐飲業. 運輸、倉儲及通信業. 金融及保險業. 1981. 25.04. 12.00. 1.59. 5.04. 1.76. 1982. 25.65. 12.30. 1.65. 5.06. 1.87. 1983. 25.61. 12.08. 1.60. 4.96. 2.00. 1984. 25.67. 11.98. 1.54. 4.88. 2.10. 1985. 25.79. 11.93. 1.63. 4.73. 2.18. 1986. 25.55. 11.75. 1.70. 4.56. 2.21. 1987. 26.53. 11.96. 1.93. 4.58. 2.39. 1988. 28.65. 12.99. 2.14. 4.72. 2.72. 1989. 30.88. 13.95. 2.31. 4.83. 3.23. 1990. 32.75. 14.40. 2.36. 4.96. 3.83. 1991. 33.61. 14.74. 2.37. 4.98. 3.89. 1992. 35.40. 15.77. 2.51. 4.96. 3.90. 1993. 37.28. 16.93. 2.57. 4.96. 3.90. 1994. 38.63. 17.71. 2.61. 4.89. 4.05. 1995. 41.12. 19.23. 2.69. 4.98. 4.35. 1996. 41.92. 19.14. 2.65. 5.10. 4.62. 1997. 42.47. 19.40. 2.58. 5.02. 4.88. 1998. 43.32. 19.74. 2.48. 5.10. 5.15. 1999. 44.02. 20.20. 2.48. 5.13. 5.30. 2000. 44.62. 20.78. 2.45. 5.12. 5.42. 2001. 45.28. 21.25. 2.35. 5.26. 5.57. 2002. 45.32. 21.66. 2.28. 5.17. 5.41. 2003. 45.56. 21.67. 2.22. 5.06. 5.47. 2004. 46.22. 21.79. 2.34. 4.99. 5.55. 2005. 47.16. 22.24. 2.41. 4.92. 5.67. －87－.

(22) 法制論叢|第 41 期|民國 97 年元月. 表五我國就業者的行業分配——1981~2005 年 (續 2) 單位：% 不動產及. 專業、科學及. 醫療保健及社會. 文化、運動及. 租賃業. 技術服務業. 福利服務業. 休閒服務業. 1981. 0.40. 0.90. 0.88. 0.93. 1.54. 1982. 0.40. 0.95. 0.91. 0.91. 1.58. 1983. 0.39. 0.93. 1.10. 0.99. 1.56. 1984. 0.41. 0.93. 1.22. 0.99. 1.62. 1985. 0.39. 0.98. 1.34. 1.00. 1.62. 1986. 0.37. 0.99. 1.43. 0.95. 1.60. 1987. 0.41. 1.05. 1.53. 0.97. 1.71. 1988. 0.50. 1.17. 1.59. 1.03. 1.80. 1989. 0.59. 1.32. 1.66. 1.07. 1.93. 1990. 0.72. 1.55. 1.76. 1.14. 2.05. 1991. 0.83. 1.68. 1.83. 1.18. 2.10. 1992. 1.07. 1.87. 1.90. 1.27. 2.16. 1993. 1.32. 2.00. 2.01. 1.36. 2.23. 1994. 1.47. 2.10. 2.08. 1.43. 2.30. 1995. 1.57. 2.27. 2.13. 1.49. 2.40. 1996. 1.60. 2.45. 2.30. 1.58. 2.48. 1997. 1.68. 2.52. 2.38. 1.56. 2.46. 1998. 1.69. 2.61. 2.46. 1.55. 2.54. 1999. 1.56. 2.64. 2.62. 1.50. 2.60. 2000. 1.34. 2.71. 2.72. 1.44. 2.65. 2001. 1.19. 2.73. 2.85. 1.42. 2.66. 2002. 1.10. 2.72. 2.92. 1.35. 2.70. 2003. 1.09. 2.85. 2.98. 1.30. 2.91. 2004. 1.13. 3.03. 3.05. 1.27. 3.06. 2005. 1.19. 3.20. 3.12. 1.25. 3.16. 年別. 其他服務業. 資料來源：本研究根據行政院主計處，《人力資源調查統計年報》資料計算而得。. －88－.

(23) 台灣產業結構變動與失業率關係之探討. 上式中， Bt 為 i 產業在 t 期的斯托可夫指數， N it 為 i 產業在 t 期的就業人數， N t 為所有產業在 t 期的就業總人數， g it 為 i 產業在 t 期的就業成長率， g t 為所有產業在 t 期的加權平均就業成長率。斯托可夫指數主要是用於測度就業變動離散的程度。如果產業間相對勞動需求沒有變動，則個別產業的就業成長率偏離所有產業加權平均就業成長率將等於零，斯托可夫指數因此等於零。某一種產業的就業比重愈大，其就業發生改變對就業的影響也就愈大。因此，我們可以利用各產業的就業比重作為權數，求出總的加權平均就業成長率，以此與各產業就業成長率比較，藉以了解就業變動的離散程度。若是產業間的勞動需求相對偏離程度愈大，斯托可夫指數也就愈大。根據 1981 至 2005 年的年資料，我們算出歷年整體產業、製造業、及服務業的托可夫指數，其結果列於附表二，該表顯示在 1981 至 2005 年期間，台灣整體產業的斯托可夫指數介於 0.55 至 3.47 之間，製造業介於 0.98 至 7.22，服務業的斯托可夫指數則在 1.29 至 2.61 之間波動，顯示我國製造業的產業結構變動相對於其他產業而言，其變動幅度是較為明顯的。此外，本文也利用斯托可夫指數作為產業結構改變的代理變數，來進行產業結構變動對失業率影響的實證分析。. 伍、產業結構改變對失業影響的實證分析由於農、林、漁牧業的就業比重偏低，再加上無法很精確的定義農民的失業，因此在進行迴歸分析時，我們並沒有將農、林、漁牧業的資料納入，以聚焦於分析非農業產業結構變動對失業率的影響。6 此外，我們也將 6. 影響一國失業率變動的因素很多，諸如 GDP、勞動力參與率、產業結構、匯率…等變數，一般引入 GDP 變數通常是衡量景氣循環變數對循環性失業的影響。本文主要是聚焦於產業結構變動對失業率的影響，故僅採用斯托可夫指數來探討台灣產業結構變動與失業率的－89－.

(24) 法制論叢|第 41 期|民國 97 年元月. 進一步探討製造業與服務業產業結構變動對失業率的個別影響。本文迴歸分析是以季資料進行，資料從 1981 年第二季至 2005 年第四季共 99 個觀察值，其中失業率的資料來自行政院主計處出版的《人力資源調查統計年報》，斯托可夫指數則利用 AREMOS 資料庫中各產業受雇人數資料計算得出。. 一、實證方法許多實證結果顯示，大部分的總體經濟時間數列皆為非定態 (non-stationary) 數列，7 假若不經過處理而直接對資料進行估計與推論，將會出現「假性迴歸」(spurious regression) 現象 (Granger 與 Newbold，1974)。8 這項重要的論點對於實證研究造成很大的衝擊，尤其是在經濟研究的分析上，由於多數的經濟變數都具有隨機趨勢，在資料的型態上往往不是定態的 (stationary) 數列，倘若直接使用傳統 OLS 方式處理，則迴歸結果很可能會使原本不具顯著關係的變數之間，產生虛假的顯著關係，而得出錯誤的結論。因此，為避免此問題的發生，在進行實證研究的第一步，就要先檢測時間數列變數是否定態，此即所謂的單根檢定 (unit root test)。若時間數列存在單根，則表示此數列為非定態的，無法使用傳統的迴歸方式處理。然而，先驗上並不知道變數數列的資料產生過程 (data generating process)，所以單根檢定我們將使用以下三種迴歸模型來進行之： k −1. 迴歸模型(1)﹕ ΔX t = ρX t −1 + ∑i =1 ξi ΔX t −i + εt. 7. 8. 關係，因此未將 GDP 等變數引入。例如，Hoque 與 Inder (1991) 對澳大利亞的結構性失業的估計，也未將 GDP 變數引入，而聚焦於斯托可夫指數來探討產業結構變動與失業率的關係。所謂的非定態時間數列，是指當出現外在衝擊時，對於時間數列的影響會永久持續，以致無法回復到原來均衡水準的情況 (Nelson 與 Plosser，1982)。所謂「假性迴歸」現象，簡單的說，即是在用迴歸方法檢定或估計實證模型時，假若採用的時間數列為非定態的，則迴歸的結果將會使得原本毫無關係的變數之間出現顯著的關係，即出現迴歸係數顯著，而 R 2 也相當高的現象。－90－.

(25) 台灣產業結構變動與失業率關係之探討. k −1 迴歸模型(2)﹕ ΔX t = μ + ρX t −1 + ∑i =1 ξi ΔX t −i + εt. k −1. 迴歸模型(3)﹕ ΔX t = μ + δ t + ρX t −1 + ∑i =1 ξi ΔX t −i + εt 上式中，Δ為差分運算， μ 為常數項，t 為時間趨勢，迴歸模型(1)、(2)、及(3)分別表示無截距項與時間趨勢項、僅含截距項、及存在截距項及時間趨勢項。若模型(1)的檢定結果無法拒絕單根的虛無假說 (即 H 0 : ρ = 0 )，或無法拒絕模型 (2) 的虛無假說 ( 即 H 0 : ρ = 0 且 μ = 0 ) ，或無法拒絕模型 (3) 的虛無假說 ( 即 H 0 : ρ = 0 且 δ = 0 )，則將接受變數非定態的假設。值得注意的是，單根檢定都是立基於白噪音 (white noise) 的假設，一旦殘差存在自我相關，則將使得 Fuller (1976) 和 Dickey 與 Fuller (1979) 的兩個單根檢定統計量的漸近分配受到擾攘參數 (nuisance parameter) 的影響，因此上述三條單根檢定迴歸式乃以 Dickey 與 Fuller (1981) 及 Said 與 Dickey (1984) 所考慮具遞延 k 期的資料產生過程，文獻上稱為「擴大的」 (augmented). Dickey-Fuller 檢定，簡稱 ADF 檢定，來檢定時間數列是否為定態的，茲將結果列於表六。表六中， RU 代表失業率， SI w 、 SI m 、及 SI s 分別代表整體產業、製造業、及服務業的斯托可夫指數。在資料經過季節調整後，我們經由初步的. ADF 單根檢定可知，失業率無論是否具有截距項與時間趨勢項，皆是非定態的時間數列。斯托可夫指數在無截距與時間趨勢項下，呈現出非定態的時間數列；在只有截距項下，斯托可夫指數整體的為非定態數列，製造業及服務業的為定態時間數列；在有截距項及時間趨勢項下，斯托可夫指數則為定態時間數列。但是，失業率與斯托可夫指數在經過一階差分後皆為定態的時間數列 ( 表七 ) 。若這些非定態時間數列間存在長期的共同趨勢，則具有共整合 (cointegration) 關係，9 在此情況下，將這些時間數列取一階 9. 模型中的變數，如果一階差分後為定態的時間數列，則可存在共整合關係。－91－.

(26) 法制論叢|第 41 期|民國 97 年元月. 差分後再進行迴歸分析，將會使變數間所具有的長期資訊被消除，使得變數間的動態關係設定錯誤。為避免此一問題發生，本文將利用向量誤差修正模型分析失業率與斯托可夫指數之間的長期關係。. 表六各變數的 ADF 檢定結果模型 (1). 模型 (2). 模型 (3). 落後期數. ADF 檢定統計量. 落後期數. ADF 檢定統計量. 落後期數. ADF 檢定統計量. RU. 5. 0.225917. 5. -0.971729. 5. -1.73406. SI w. 3. 1.594933. 0. -1.956058. 0. -4.374104***. SI m. 3. -1.472237. 0. -4.207573***. 0. -5.501973***. SI s. 4. -0.925546. 0. -7.229713***. 0. -8.836887***. 註：*、**、及 ***分別表示於 10%、5%、及 1%的顯著水準下， τ 統計值顯著，其臨界值分別取自 Fuller (1976)及 MacKinnon (1991)。. 表七各變數一階差分的 ADF 檢定結果模型 (1) 落後. ADF. 期數. RU. 模型 (2). 模型 (3). ADF. 落後. ADF. 檢定統計量. 落後期數. 檢定統計量. 期數. 檢定統計量. 4. -4.375088***. 4. -4.403852***. 4. -4.407121***. SI w. 2. -10.02106***. 2. -10.07240***. 2. -10.02362***. SI m. 2. -9.334469***. 2. -9.332590***. 2. -9.272631***. SI s. 2. -9.274314***. 2. -9.233945***. 2. -9.209794***. 註：同表六。. 二、VAR 最適遞延期數的決定動態的時間數列模型與靜態的時間數列模型最大的不同，就是在模型中解釋變數對被解釋變數有跨期性的影響。換言之，動態模型表示解釋變數的變動對於被解釋變數的影響具有「遞延效果」 (lagged effects) ，遞延－92－.

(27) 台灣產業結構變動與失業率關係之探討. 效果的持續時間在計量經濟上是以解釋變數的遞延期數來代表的。在共整合關係的檢定中，是以向量自我迴歸 (vector autoregression， VAR) 模型來選擇遞延期數。本實證研究的 VAR(q) 模型迴歸式為： q. q. RU t = a + ∑ a i RU t − i + ∑∑ a iSI j, t − i + ε t , j = w、m、及s i =1. j i =1. q. SI jt = a +. ∑∑ j. (2). i =1. q. a ji SI j, t −i +. ∑a i =1. ji RU t −i. + ε jt , j = w、m、及s. (3). 在 (2) 及 (3) 式中， RU 代表失業率， a 為常數項， SI w 、 SI m 、及 SI s 分別代表整體產業、製造業、及服務業的斯托可夫指數。共整合關係檢定對於. VAR 模型所選取遞延期數的長短相當敏感。若遞延期數不足，可能會使模型的殘差無法成為白噪音。 10 因此，在進行共整合檢定前需先選定模型的最適遞延期數，本文以赤池資訊準則 (Akaike information criterion) 來選取模型的最適遞延期數， VAR 的最適遞延期數為 17 期。 11 由於向量誤差修正模型需在殘差項為白噪音的假設下進行，因此本文對 VAR 迴歸式的殘差項進行序列自我相關的檢定 (serial autocorrelation. test) ，以確定模型的配適度，茲將整體產業與製造業及服務業的檢定結果列於表八。. 表八 VAR 殘差項序列自我相關檢定結果統計量. p-value. LM(1)=20.62306. 0.1935. LM(17)=9.968116. 0.8683. 虛無假說無序列相關. 10. 11. 2. 誤差項若符合 E (ε t ) = 0， Var(ε t ) = σ < ∞ ， Cov(ε t , ε s ) = 0，t ≠ s ，則可稱之為白噪音數列。此處落後期數很長的原因，可能是失業持續性的現象所造成。－93－.

(28) 法制論叢|第 41 期|民國 97 年元月. 表八顯示，本文所要分析的 (2) 式迴歸式的殘差項不存在序列自我相關，符合白噪音的假設，因此本文將根據此一檢定結果進行後續分析。. 三、共整合向量個數檢定 Granger (1981) 指出，若非定態變數經直線性組合而產生定態結果，表示變數之間存在穩定的長期均衡關係，這種長期均衡關係隱含著變數間存在著非定態的共同因子 (common factors)，並且經由非定態變數之間的加權平均，將使此一共同因子達到定態。在求得 (2) 式迴歸式的最適遞延期數後，我們將進一步尋找失業率與各產業斯托可夫指數之間的共整合向量數目，若存在共整合關係，則變數間才會存在長期的均衡關係。Johansen (1988) 提出軌跡檢定與最大特性根檢定以檢定共整合向量數目，共整合檢定的詳細結果列於表九及表十。結果顯示，不論採用軌跡檢定或是最大特性根檢定，失業率與整體產業、製造業、及服務業之斯托可夫指數間的的共整合向量個數為 4 個。. 表九共整合向量個數檢定（軌跡檢定）軌跡檢定. 5%臨界值. p-value. 323.6294. 63.87610. 0.0001. 0.647409. 147.5552. 42.91525. 0.0000. r≤2. 0.359952. 63.11709. 25.87211. 0.0000. r≤3. 0.283237. 26.97386. 12.51798. 0.0001. 共整合向量個數. 特性根. r=0. 0.886250. r ≤1. 統計值. 註：表中 r=0、r ≤ 1、r ≤ 2、及 r ≤ 3 是指檢定共整合向量個數的虛無假說，因拒絕最多只有 3 條共整合向量個數，故失業率與整體產業、製造業、及服務業之斯托可夫指數間的共整合向量個數為 4 個。. －94－.

(29) 台灣產業結構變動與失業率關係之探討. 表十共整合向量個數檢定（最大特性根檢定）最大特性根. 5%臨界值. p-value. 176.0742. 32.11832. 0.0000. 0.647409. 84.43809. 25.82321. 0.0000. r≤2. 0.359952. 36.14323. 19.38704. 0.0001. r≤3. 0.283237. 26.97386. 12.51798. 0.0001. 共整合向量個數. 特性根. r=0. 0.886250. r ≤1. 檢定統計值. 註：同表九。. 四、共整合關係在確定失業率與斯托可夫指數間具有共整合關係後，接著進一步探討失業率與整體產業、製造業、及服務業產業結構變動的長期關係。亦即，估計以下的共整合關係方程式： RU t = α + β T + γ SI wt + η SI mt + ω SI st + ε t. (4). 上式中， RU 代表失業率， α 為常數項， T 為時間趨勢項， SI w 、 SI m 、及 SI s 分別代表整體產業、製造業、及服務業的斯托可夫指數。在 Johansen 共整合向量數目的檢定結果下，我們得到變數之間具有長期的均衡關係，進一步將各係數予以標準化後，可得出變數之間的長期共整合關係。 12 經由反覆迴歸分析得知，在失業率的迴歸模型中，除了包含各產業的斯托可夫指數外，另外還包含了時間趨勢項與常數項。表十一為模型的長期均衡式，可藉由此式了解失業率與各產業斯托可夫指數相關的方向及大小。若失業率與各產業結構變動之間存在長期的共整合關係，意謂各產業結構變動將導致自然失業率變動；反之，若不存在長期的共整合關係，則意謂各產業結構變動並不會影響自然失業率的變化。 12. 一般而言，共整合關係之特性根愈大，則表示共整合關係存在的可能性也愈大，因各產業皆以第一條共整合關係之特性根最大，因此我們皆以第一條共整合關係進行分析。－95－.

(30) 法制論叢|第 41 期|民國 97 年元月. 表十一共整合關係共整合關係 2. RU = 29 . 06 - 0 .13 T + 318.59 SI w + 182 . 47 SI m - 3636 . 02 SI s ， R = 0.69 [ 5.38 ]***. [1. 69 ] *. [ 9 . 36 ] ***. [ 5 . 37 ] * **. 註：括弧內為 t 統計值，*、**、及 ***分別表示於 10%、5%、及 1%的顯著水準下，t 統計值顯著，以下均同。. 表十一中， RU 代表失業率， T 為時間趨勢， SI w 、 SI m 、及 SI s 分別代表整體產業、製造業、及服務業的斯托可夫指數。表十一顯示，製造業與服務業中斯托可夫指數的估計係數在 1%的顯著水準下， t 統計值皆是顯著的，整體產業的斯托可夫指數估計係數則是在 10% 的顯著水準下， t 統計值顯著。在實證分析中，失業率與製造業的斯托可夫指數存在顯著的正相關 —— 即製造業結構變動上升導致失業率增加，可見隨著近年來東南亞國家的興起以及中國經濟的改革開放，全球化的浪潮使各國經濟互動更加縝密，產業外移已成為了無可避免的現象。對我國而言，此趨勢已導致製造業明顯的產業結構調整及結構性失業的問題，產業結構變動速度過快，超過勞工技能轉換的速度，結構性失業的增加將因此而無法避免。除此之外，由於對中國投資逐年增加，我國的失業率也開始向上迅速攀升，此趨勢自 1996 年起日益明顯，自 2001 年第二季起，我國失業率便很少低於 4%的水準。再加上自由化與全球化競爭的浪潮襲捲，不但加速了我國產業升級的腳步，並使我國產業逐漸轉型為以資本與技術密集之資訊產業為主的型態。資本與技術密集資訊產業的發展，將對初級勞動力的需求減少，對工作技能的要求提高，由於這些產業的就業進入門檻提高，無法創造足夠的就業機會，進而對勞動市場產生負面影響而使失業率攀升。失業率與服務業斯托可夫指數之間存在顯著的負相關 —— 即服務業結. －96－.

(31) 台灣產業結構變動與失業率關係之探討. 構變動上升導致失業率下降。根據表五，我國近年來服務業就業人數佔總產業就業人數的比重逐年提高，此乃一國逐漸由工業經濟邁入服務業經濟時，服務業部門將成為主要的勞動吸收者。由於服務業的就業門檻低，因此若一國的產業結構轉變趨向以服務業為主時，將有助於就業的增加，而且越是彈性化的勞動市場將會越適合服務業的發展，並且增加更多的就業機會。在整體產業部分，失業率與整體產業斯托可夫指數存在顯著的正相關 —— 即整體產業結構變動上升導致失業率上升。這原因可能是由於中國國內整體經濟環境的改善，且在 1978 年採行改革開放路線吸引國外直接投資，促使其生產力不斷地提升，加上其豐沛低廉的勞動力，造就其今日「世界工廠」的地位。雖然我國的技術水準仍持續提昇，但就勞力密集產業而言，中國仍佔有後發者的優勢，挾其成本優勢，造成我國勞力密集性產業的生產基地與資本不斷移至中國。因此，即使我國服務業部門的產業結構轉變釋放出許多就業機會，但仍無法完全吸收製造業 ( 尤其是勞力密集產業 ) 因產業外移所釋放出的失業人口，再加上轉業所需勞工技能差異，因而造成我國結構性失業人口呈現逐年遞增的現象。以上的實證結果顯示，產業結構的改變是影響近年來我國失業率或自然失業率攀升的重要因素，勞動力無法在產業間有效移動將造成勞動市場出現持續失衡現象。因此，如何促進人力資源和產業勞動需求的相配合，以有效降低失業率，將是政府未來施政所應努力的。. 五、向量誤差修正模型 VAR(q) 迴歸式用矩陣的方式來表示為： q. Z t = ∑ A i Z t −i + ε t i =1. －97－. (5).

(32) 法制論叢|第 41 期|民國 97 年元月. ⎡RU t ⎤ ⎢ ⎥ SI wt ⎥ ⎢ 上式中， Z t = ，誤差項 ε t 具有相同且獨立的高斯分配： ( 0 , Σ ) ， ⎢SI mt ⎥ ⎢ ⎥ ⎢⎣SI st ⎥⎦. 即平均數為 0，變異數為 Σ 。 (5) 式可以改寫成向量誤差修正模型： q −1. ΔZ t = Π Z t −1 + ∑ Π i Z t −i + ε t. (6). i =1. q. q. i =1. j= i + 1. 上式中， Π = ∑ A i − I ， Π i = − ∑ A j ， ΠZ t −1 即是誤差修正項。假若變數間存在共整合關係，則表示變數間存在長期的均衡關係，然而這種關係卻並不會保持不變。假若體系受到衝擊，則此長期均衡關係將無法持續，而向量誤差修正模型則能夠表現出長期均衡關係的短期動態調整過程，其誤差修正係數則為短期的調整係數。本文所迴歸的向量誤差修正模型如下： 30. 30. i =1. j i =1. ΔRU t = a + ∑ a ji ΔRU t −i + ∑∑ a ji ΔSI j,t −i + ε t ， j = w、m、及s. (7). 上式中， a 為誤差修正係數，其為前一期失業率偏離均衡失業率的幅度，為一誤差的概念，文獻上亦稱之為調整參數。誤差修正模型所關心的是誤差修正係數 ( a ) 的估計結果， (7) 式誤差修正係數估計結果為 -0.26， t 統計值為 4.62，其係數不僅為負而且相當顯著，這意謂在動態結構中若忽略變數間的共整合性 (cointegrationess)，將可能造成模型的設定不當。估計的誤差修正項的係數為顯著負值，符合理論的要求，表示模型失衡時具有能夠修正誤差而回復長期均衡的能力，表示因前一期勞動市場的失衡所造成的誤差項，對失業率呈顯著的修正效果。亦即，當失業率超過長期的均衡值時會向下調整，低於長期均衡值時會向上調整。實證結果顯示，失業率會以每季 26%的速度調整，約需將近 11.5 個月的時間可由短期. －98－.

(33) 台灣產業結構變動與失業率關係之探討. 失衡調整至長期均衡狀態。 13 換句話說，此乃產業受到外在衝擊後，調整回到自然失業率所需的時間。. 陸、結論 1990 年代以前，我國產業結構多以勞力密集產業為主，雖然歷經多次產業結構的轉變，可是結構性失業的現象並不十分明顯。由於勞力密集產業對勞動的需求量大，使我國失業率一直處於較低的水準。但是，近年來勞力密集產業外移，再加上產業結構逐步朝向資本與技術密集的方向發展，導致我國大部分產業就業彈性呈現逐年下滑的趨勢，失業率也逐年攀高。在 1991 至 2003 年間，我國的工業與服務業的就業彈性皆較全球總的就業彈性為低，分別為 -0.0039 及 0.48，其中工業的就業彈性遠比全球平均數值 0.28 為低。工業就業彈性偏低顯示我國已逐漸朝向以資本密集的產業為主，再加上自 1991 年開始，我國產業外移的情況即相當明顯，導致勞力密集產業所佔的就業比例明顯下降，轉而趨向以高科技產業就業為主的型態。因此，在以往為就業主力產業的就業彈性逐年呈現下降趨勢下，產業結構的改變無可避免的會使我國失業問題惡化。本文以斯托可夫指數作為產業結構改變的代理變數，利用向量誤差修正模型探討我國產業結構變動對失業率的影響。實證結果顯示，失業率與製造業的斯托可夫指數存在顯著的正相關，即我國製造業的產業結構變遷使得整體社會的失業率上升；失業率與服務業的斯托可夫指數存在顯著的負相關，此項結果與大部分學者的觀點相當一致，即一國逐漸由工業經濟 13. 由於產業調整的過程中會以每季 26%的速度調整，因此短期調整至長期均衡的時間約需要 1/0.26=3.85 季，即需要 3.85×3=11.55 個月調整完成。－99－.

(34) 法制論叢|第 41 期|民國 97 年元月. 邁入服務業經濟時，服務業部門為主要的勞動吸收者；失業率與整體產業的斯托可夫指數存在顯著的正相關，意謂整體而言，產業結構的改變確實使我國的失業率提高了。準此，在我國的產業結構變動中，製造業對於失業率的不利影響顯著地大於服務業的有利影響，也因此造成在產業外移及國內經濟結構轉變的過程中，我國失業率一直居高不下。由晚近的相關文獻及本文的實證結果皆顯示出，一國服務業的發展的確有助於勞動力的吸收，尤其是餐飲業、批發零售業、及個人服務業，這些進入門檻較低的產業更是成為我國勞動就業成長的主要來源。然而，我國目前服務業產值佔 GDP 的比重已超過 70%，如要再進一步促進服務業的發展以降低失業率，空間已相當有限。再者，台灣的產業發展也不適合太過於偏向某一產業，而忽略其他產業的發展，為顧及整體產業的均衡發展，政府不宜將產業發展重心全部聚焦於服務業。本文實證結果顯示我國製造業部門的產業結構變動造成我國的失業率上升，因此從根本改善我國製造業部門的投資環境，以促進經濟的進一步發展，可能是比較有效的降低失業率方法。此外，針對結構性失業問題，應根據產業的發展來促進勞動力和產業勞動需求的配合，才能有效解決結構性失業的問題。. －100－.

(35) 台灣產業結構變動與失業率關係之探討. 附錄附表一我國各產業的就業彈性——1982~2005 年 1982~1999 年產業類型. 2000~2005 年. 就業成. 產出成. 就業. 就業. 產出. 就業. 長率. 長率. 彈性. 成長率. 成長率. 彈性. 總計. 0.02. 0.07. 0.21. -0.002. 0.04. -0.04. 農、林、漁牧業. -0.03. 0.01. -3.67. -0.04. -0.01. 3.18. 工業. 0.01. 0.06. 0.15. -0.003. 0.04. -0.08. 製造業. -0.08. -0.01. 10.28. -0.08. -0.07. 1.22. 食品及飲料製造業. 0.01. 0.06. 0.15. 0.002. 0.05. 0.04. 煙草製造業. 0.00. 0.04. -0.09. -0.001. -0.02. 0.06. 紡織業. -0.04. 0.03. -1.63. -0.03. -0.09. 0.33. -0.02. 0.02. -1.11. -0.04. -0.06. 0.61. -0.04. -0.03. 1.46. -0.07. -0.07. 0.91. 木竹製品製造業. -0.06. -0.02. 2.64. -0.05. -0.05. 1.04. 家具及裝設品製造業. -0.05. -0.003. 16.61. -0.03. -0.05. 0.60. 紙漿、紙及紙製品製造業. -0.01. 0.07. -0.15. -0.06. -0.08. 0.84. 印刷及其輔助業. 0.01. 0.02. 0.58. -0.003. 0.03. -0.13. 化學材料製造業. 0.05. 0.06. 0.81. 0.0005. 0.03. 0.02. 化學製品製造業. 0.02. 0.09. 0.22. -0.01. 0.02. -0.31. 石油及煤製品製造業. 0.02. 0.12. 0.21. 0.01. 0.03. 0.17. 橡膠製品製造業. 0.02. 0.07. 0.36. -0.01. 0.10. -0.07. 塑膠製品製造業. 0.02. 0.05. 0.46. -0.003. 0.02. -0.13. 非金屬礦物製品製造. 0.02. 0.10. 0.15. -0.01. -0.01. 0.51. 成衣、服飾品及其他紡織製品製造業皮革、毛皮及其製品製造業. －101－.

(36) 法制論叢|第 41 期|民國 97 年元月. 業金屬基本工業. -0.01. 0.06. -0.17. -0.02. -0.005. 3.31. 金屬製品製造業. 0.02. 0.09. 0.24. 0.001. -0.02. -0.04. 機械設備製造修配業. 0.04. 0.09. 0.51. 0.002. -0.01. -0.18. 電腦、通信及視聽電子產品製造業. 0.04. 0.09. 0.43. 0.02. 0.07. 0.33. 電子零組件製造業. 0.04. 0.15. 0.25. 0.02. 0.07. 0.33. 電力機械器材及設備製造修配業. 0.08. 0.19. 0.42. 0.06. 0.18. 0.33. 運輸工具製造修配業. 0.00. 0.09. 0.04. -0.02. -0.02. 0.97. 精密、光學、醫療器材及鐘錶製造業. 0.02. 0.04. 0.34. -0.01. 0.06. -0.16. 其他工業製品製造業. 0.02. 0.05. 0.43. 0.01. 0.11. 0.06. 礦業及土石採取業. -0.01. 0.02. -0.72. -0.02. 0.01. -3.78. 水電燃氣業. 0.01. 0.08. 0.17. -0.01. 0.03. -0.44. 營造業. 0.01. 0.05. 0.31. -0.03. -0.03. 0.83. 服務業. 0.05. 0.09. 0.51. 0.01. 0.04. 0.26. 批發及零售業. 0.04. 0.09. 0.53. 0.01. 0.04. 0.36. 住宿及餐飲. 0.04. 0.12. 0.36. -0.01. 0.03. -0.18. 運輸、倉儲及通信業. 0.02. 0.08. 0.20. -0.01. 0.06. -0.15. 金融及保險業. 0.08. 0.11. 0.76. 0.01. 0.03. 0.30. 不動產及租賃業. 0.10. 0.09. 1.08. -0.04. 0.02. -1.69. 專業、科學及技術服務業醫療、保健及社會福利服務業文化、運動及休閒服務業. 0.08. 0.12. 0.68. 0.03. 0.04. 0.74. 0.08. 0.14. 0.58. 0.03. 0.03. 0.83. 0.04. 0.09. 0.46. -0.03. 0.04. -0.78. 其他服務業. 0.05. 0.08. 0.61. 0.03. 0.06. 0.56. 資料來源：本研究根據行政院主計處國民所得統計，AREMOS 資料庫資料計算而得。. －102－.

(37) 台灣產業結構變動與失業率關係之探討. 附表二台灣勞動力需求結構變動的斯托可夫指數——1981~2005 年年別. 斯托可夫指數整體產業. 製造業. 服務業. 1981 年 Q2. 2.71. 3.60. 1.26. 1981 年 Q3. 2.04. 2.54. 0.52. 1981 年 Q4. 1.16. 3.26. 0.62. 1982 年 Q1. 1.86. 4.92. 0.97. 1982 年 Q2. 1.16. 3.23. 0.64. 1982 年 Q3. 3.44. 2.62. 0.93. 1982 年 Q4. 1.37. 3.89. 0.68. 1983 年 Q1. 2.26. 3.63. 2.61. 1983 年 Q2. 2.28. 2.99. 0.54. 1983 年 Q3. 3.31. 5.65. 0.85. 1983 年 Q4. 2.14. 2.97. 1.73. 1984 年 Q1. 3.47. 2.61. 1.16. 1984 年 Q2. 2.06. 2.39. 1.57. 1984 年 Q3. 1.53. 2.93. 1.21. 1984 年 Q4. 1.78. 3.71. 0.76. 1985 年 Q1. 1.27. 1.97. 1.36. 1985 年 Q2. 1.30. 2.63. 1.16. 1985 年 Q3. 1.03. 1.91. 0.71. 1985 年 Q4. 0.92. 2.64. 0.49. 1986 年 Q1. 2.57. 2.07. 0.52. 1986 年 Q2. 3.23. 2.43. 0.47. 1986 年 Q3. 1.92. 2.41. 0.91. 1986 年 Q4. 1.13. 2.12. 1.12. 1987 年 Q1. 0.95. 1.82. 1.07. 1987 年 Q2. 2.31. 2.78. 0.82. 1987 年 Q3. 1.38. 3.69. 0.81. 1987 年 Q4. 1.99. 3.85. 0.84. 1988 年 Q1. 1.73. 2.69. 0.71. 1988 年 Q2. 1.94. 2.75. 0.65. 1988 年 Q3. 1.31. 3.35. 1.32. 1988 年 Q4. 1.89. 5.60. 1.09. －103－.

(38) 法制論叢|第 41 期|民國 97 年元月. 1989 年 Q1. 2.25. 4.48. 0.76. 1989 年 Q2. 1.82. 4.51. 0.58. 1989 年 Q3. 1.52. 2.80. 1.23. 1989 年 Q4. 2.62. 7.22. 1.68. 1990 年 Q1. 2.55. 6.09. 1.42. 1990 年 Q2. 1.59. 4.97. 0.88. 1990 年 Q3. 2.41. 1.86. 0.90. 1990 年 Q4. 1.28. 3.95. 0.87. 1991 年 Q1. 0.75. 2.56. 0.38. 1991 年 Q2. 1.01. 2.57. 0.48. 1991 年 Q3. 1.29. 2.55. 1.03. 1991 年 Q4. 2.89. 3.41. 1.88. 1992 年 Q1. 1.15. 1.98. 0.79. 1992 年 Q2. 1.44. 3.06. 0.69. 1992 年 Q3. 1.15. 1.90. 0.90. 1992 年 Q4. 2.69. 3.40. 1.14. 1993 年 Q1. 1.17. 2.62. 1.05. 1993 年 Q2. 1.25. 2.67. 0.77. 1993 年 Q3. 1.72. 2.59. 0.99. 1993 年 Q4. 1.92. 1.72. 0.56. 1994 年 Q1. 0.63. 0.98. 0.38. 1994 年 Q2. 0.75. 1.56. 0.37. 1994 年 Q3. 1.31. 1.48. 0.91. 1994 年 Q4. 2.35. 3.42. 1.04. 1995 年 Q1. 1.86. 3.32. 0.64. 1995 年 Q2. 1.62. 3.56. 0.87. 1995 年 Q3. 1.04. 1.89. 0.55. 1995 年 Q4. 1.02. 2.46. 1.06. 1996 年 Q1. 0.74. 2.36. 0.92. 1996 年 Q2. 0.99. 2.40. 1.00. 1996 年 Q3. 1.24. 1.19. 0.73. 1996 年 Q4. 1.17. 1.08. 0.54. 1997 年 Q1. 0.98. 1.25. 0.72. 1997 年 Q2. 1.38. 1.75. 0.94. 1997 年 Q3. 1.24. 1.85. 0.51. －104－.

(39) 台灣產業結構變動與失業率關係之探討. 1997 年 Q4. 1.07. 2.00. 0.75. 1998 年 Q1. 1.05. 1.37. 0.52. 1998 年 Q2. 1.24. 1.46. 0.47. 1998 年 Q3. 0.93. 1.32. 0.43. 1998 年 Q4. 1.10. 2.25. 0.67. 1999 年 Q1. 1.09. 1.34. 0.37. 1999 年 Q2. 0.95. 0.82. 0.56. 1999 年 Q3. 1.33. 1.33. 0.71. 1999 年 Q4. 1.17. 1.79. 1.00. 2000 年 Q1. 0.81. 1.35. 0.60. 2000 年 Q2. 0.93. 1.57. 0.55. 2000 年 Q3. 1.31. 2.28. 0.39. 2000 年 Q4. 0.99. 2.17. 0.50. 2001 年 Q1. 1.04. 3.00. 0.62. 2001 年 Q2. 0.95. 3.31. 0.62. 2001 年 Q3. 1.11. 3.32. 0.49. 2001 年 Q4. 0.85. 2.44. 0.55. 2002 年 Q1. 0.99. 1.67. 1.13. 2002 年 Q2. 0.79. 1.05. 0.49. 2002 年 Q3. 0.83. 1.07. 0.63. 2002 年 Q4. 0.67. 1.12. 0.55. 2003 年 Q1. 0.89. 1.19. 0.51. 2003 年 Q2. 0.90. 0.99. 0.68. 2003 年 Q3. 0.90. 1.03. 0.96. 2003 年 Q4. 1.00. 1.09. 0.80. 2004 年 Q1. 1.05. 1.02. 0.32. 2004 年 Q2. 1.01. 1.37. 0.43. 2004 年 Q3. 0.98. 1.22. 0.43. 2004 年 Q4. 1.04. 1.34. 0.58. 2005 年 Q1. 0.90. 1.16. 0.32. 2005 年 Q2. 0.55. 1.20. 0.29. 2005 年 Q3. 1.03. 1.11. 0.43. 2005 年 Q4. 0.94. 1.30. 0.30. 資料來源：本研究根據行政院主計處，《人力資源調查統計年報》資料計算而得。. －105－.

(40) 法制論叢|第 41 期|民國 97 年元月. 參考文獻 1. 王銘正、方振瑞，(2003)，「大陸興起對台灣產業結構與失業率之衝擊」，國立臺. 北大學第七屆經濟發展學術研討會——當前失業問題探討，台北：臺北大學經濟學系主辦，5 月 3 日。 2. 辛炳隆，(2005)，「我國產業結構調整對就業的影響與因應」，《台灣經濟論衡》， 3(3): 21-47。 3. 辛炳隆、吳秀玲，(2002)，「對台灣當前失業問題之因應對策」，研考會 90 年度委託研究報告，行政院研究發展考核委員會。 4. 李誠，(2003)，「後充分就業時代的來來」，收錄於李誠主編，《誰偷走了我們的工作—— 1996 年度來台灣的失業問題》（台北：天下文化）：3-39。 5. 林慈芳，(2002)，「自然失業率之分析與對策」，《自由中國工業》，6: 111-129。，收錄於李誠主編，《誰偷走了我們 6. 吳忠吉，(2003)，「產業與人勞結構雙雙失衡」的工作—— 1996 年以來台灣的失業問題》（台北：天下文化）：73-95。 7. 徐育珠、黃仁德，(1993)，「台灣地區人力運用的衡量：非傳統指標的建立」，《政大學報》，67: 203-229。 8. 黃仁德，(1993)，「台灣地區失業類型與結構性失業的探討」，《政大學報》，3: 115-132。 9. 張隆宏，(2005)，「景氣波動與產業結構調整對台灣失業率之影響」，《經濟情勢暨評論》， 11(1): 98-115。 10. Aaronson, D., E. R. Rissman, and D. G. Sullivan (2004),“Can Sectoral Reallocation Explain the Jobless Recovery? ” Federal Reserve Bank of Chicago Economic Perspectives, 2: 36-49. 11. Dickey, D. A. and W. A. Fuller (1979), “ Distribution of the Estimators for Auto-regressive Times Series with a Unit Root,”Journal of American Statistical Association, 74: 427-431. 12. Dickey, D. A. and W. A. Fuller (1981), “ Likelihood Ratio Statistics for Autoregressive Times-Series with a Unit Root,”Econometrica, 49: 1057-1072. －106－.