第五章 討論與結論
國內六十五歲以上老年人口從 1993 年的 7.1%增加至 2003 年的 9.2%，因為 低生育率，向上攀升的速度將逐漸加快。根據內政部資料，民國三、四十年代時 國內每一位婦女平均生育六個以上子女，到了民國七十三年起降為二個子女，九 十年更降為一點四個子女。近來又因離婚率趨增（2003 年離婚登記 6 萬 5 千對，
較 2002 年增加 5.97%），結婚率趨降（2003 年結婚對數 17 萬 3 千對，較 2002 年減少 0.2％）及晚婚(2003 年新娘平均年齡 28.4 歲，較 2002 年上升 0.5 歲)、晚 育（2003 年平均生母年歲 28.38 歲，較 2002 年上升 0.16 歲），更加造成九十二 年婦女總生育率降至一點二四的新低，如果未能早謀對策因應，未來人口老化及 人口結構將更形惡化，隨之而來的將會是更多經濟及社會福利問題。
生育率下降將是造成人口老齡化的重要因素，Morgan(2003)指出低生育率將 是 21 世紀人口結構危機的主因，因此對生育率之研究著實有其重要性。而台灣 地區在整體生育率下滑的趨勢下，因為各鄉鎮市區有不同的都市發展程度、不同 的受教育狀況、不同的社會背景，這些種種因素都將可能導致各地區之生育率有 不一致之現象，使部分地區偏高而部分地區偏低，因此我們有別於其他先前對整 體生育率變化之研究，著眼於各鄉鎮市區生育率變化的探討。我們不難發現生育 率在台灣各鄉鎮市區的高低並非獨立或偶發性的，而是鄰區間彼此相關的，在都 會地區及山地鄉區的各鄉鎮市區尤其明顯，分別有著一致偏低及一致偏高之現 象，有鑑於此，本研究希望應用空間統計分析方法，找出生育率偏高或偏低之群 集位置，再以迴歸之分析模型納入空間相關性的概念，找出可能與生育率高度相 關之影響因素，籍以解釋台灣地區婦女生育率之現象。
本文以空間統計的角度，應用群集分析方法，探討台灣地區各鄉鎮市區婦女 總生育率及各年齡別（五歲組）生育率偏高或偏低之群集狀況。研究發現在台灣 地區婦女生育率偏低之部分，最大顯著群集地區發生在台北市，主要是在年齡較 輕的 20~24 歲、25~29 歲的育齡婦女生育率，以及婦女總生育率這三項測量值；
生育率偏高部分也是以台北市為最大群集區，主要是在年齡較高的 30~34 歲、
35~39 歲、40~44 歲的育齡婦女生育率。這些結果顯示台北市婦女平均生育個數 明顯較少，生育年齡也有明顯延後的現象。生育率偏低的次大顯著群集地區發生
在部份高雄市區，也是年齡較輕的 20~24 歲、25~29 歲的育齡婦女生育率，以及 婦女總生育率，而生育率在高齡組偏高的現象並未發現於高雄市，猜測可能高雄 市都市化程度不如台北市明顯，但未來如台北市的發展，可能也會有生育年齡延 後的現象出現。
經由群集分析方法探知生育率在各地區確有空間相關性後，我們更透過數個 空間迴歸模型的建立，並比較其之間的差異及優缺，來找出與婦女生育率之間可 能高度相關的影響因素，用此來解釋生育率變化之現象。各模型之結果與討論如 下：
模型一
在空間迴歸模型的模型一中發現，台灣地區婦女生育率與人口密度、教育程 度（大學以上比）呈現負相關，與標準有偶率、扶老比、扶幼比等因素呈現正相 關，其中又以人口密度影響程度最大，這些統計結果與我們對生育率的認知相 同，也與之前群集偵測的結果一致。
我們經由群集的觀點與模型一交叉比對的結果發現，婦女總生育率與人口密 度、大學以上比例、標準有偶率、扶老比、扶幼比等五個顯著變數，在台北市區、
高雄市區、五個省轄市、東部三縣及南投縣、其餘各縣市等地區之間皆有明顯的 差距（如圖 5-1 所示），而且在各變數中，以人口密度的差異幅度最大，其次為 大學以上比例。再配合迴歸模型考量，亦顯示人口密度對生育率的影響程度及解 釋變異能力最大，表示在人口密度愈高之地區生育率愈低，此現象如同生物學中 提到所謂生存空間上的“飽合”（Darwin & Wallace, 1858, 天擇論），而呈現生育下 降與自然競爭之現象，其實早在 1798 年，還處於人口高速成長以致於人口過剩 之年代，Malthus 在人口論中就已提出類似的觀念，因此人口密度對生育率下降 之影響可以說是一種自然且合理之因素。
圖 5-1 自然對數轉換前後總生育率與各解釋變數散佈圖
51015202530
台北市 高雄市 省轄市 其餘各縣市南投及東部三縣
2001、2002年台灣地區平均扶老比
扶老比 1214161820222426
台北市 高雄市 省轄市 其餘各縣市南投及東部三縣
2001、2002年台灣地區平均扶幼比
扶幼比
1020304050
台北市 高雄市 省轄市 其餘各縣市南投及東部三縣
2001、2002年台灣地區平均大學以上比
大學以上比 4550556065
台北市 高雄市 省轄市 其餘各縣市南投及東部三縣
2001、2002年台灣地區平均標準有偶率
標準有偶率
10001500200025003000
台北市 高雄市 省轄市 西、南部各縣 南投及東部三縣
2001、2002年台灣省地區婦女平均總生育率
TFR 010000200003000040000
台北市 高雄市 省轄市 其餘各縣市南投及東部三縣
2001、2002年台灣地區平均人口密度
人口密度
模型二
在空間迴歸模型的模型二中發現，台灣地區婦女生育率與教育程度（大學以 上比）及醫院指標呈現負相關，與標準有偶率呈現正相關，其中以教育程度與標 準有偶率影響程度最大，這些統計結果與我們對生育率的認知亦相同，也與之前 群集偵測的結果一致。
我們仍然以群集的觀點與模型二交叉比對，其中大學以上比與標準有偶率之 交叉比對結果同模型一，不再重覆。至於醫院指標變數之比對結果如圖 5-2 所示，
在都市化高之地區（院轄市及省轄市）幾乎都設有醫學中心，在台北市區、高雄 市區、五個省轄市、東部三縣及南投縣、其餘各縣市等地區之間，有無設置醫學 中心之比例亦有明顯的差距，例如台北市及高雄市全區皆設有醫學中心，而南投 及東部三縣設有醫學中心之地區只有少數幾個。另外相較於無設置醫學中心之地 區，在這些設有醫學心中之地區其生育率皆有偏低之現象。但就解釋力來說，由 解釋變數本身變動的範圍及迴歸係數的大小總合來看，在模型二中仍以大學以上 比及標準有偶率之影響幅度較大，表示台灣地區之婦女生育率高低，很明顯受到 婦女教育程度及結婚率影響，這些變數很直觀地會對婦女生育狀況造成影響。
台北市
無 有
10001500200025003000
高雄市
無 有
10001500200025003000
省轄市
無 有
10001500200025003000
其餘各縣市
無 有
10001500200025003000
南投及東部三縣
無 有
10001500200025003000
圖 5-2 總生育率與醫院指標變數散佈圖
模型四
經由模型四的建立，我們更進一步的確定了模型一與模型二所選之變數對生 育率之解釋能力。如第四章模型一所訴，我們擔心在模型一中所選出之解釋變數
「人口密度」本身可能含蓋太多影響因素，而可能造成在模型建立時，其他解釋 變數之解釋能力被該變數所取代，但經由模型四中，我們發現即使加入人口密度 於模型中時，原先在模型一與模型二之所有顯著解釋變數（除我們強迫刪除可能 造成混淆之扶老比與扶幼比外），在模型四中皆仍為顯著，而且在各變數與人口 密度之相關程度上亦呈現相同之結果，如圖 5-3 所示，自然對數轉換後之人口密 度與大學以上比、標準有偶率及醫院指標之相關係數分別為 0.83、-0.35 及 0.55，
人口密度與各變數之間並無明顯取代之狀況。因此，透過此模型之建立後，更進 一步確定了各解釋變數與生育率之高度相關性。
log(人口密度)
2 4 6 8 10
0 2 04 06 0
大學以上比 0.83 標準有偶率 -0.35 醫院指標 0.55
圖 5-3 自然對數轉換後之人口密度與各變數之相關程度圖
以台灣地區目前的趨勢看來，都市化的持續發展、教育的普及與受教育年數 的延長、結婚比例持續下降等等，在現行政策下，都是將來可預期發生之現象，
尤其是人口不斷湧向高度都市化地區之現象更為明顯，因此生育率持續下降是可
預見。換句話說，台灣地區的人口結構將可能步上日本的後塵，甚至在老化程度 上會更嚴重於日本。經本研究結果明確顯示，人口密度、婦女受教育程度、婦女 有偶率及醫院指標都是與生育率之變化息息相關，若政府未來在提高婦女生育率 或減少婦女生育率下滑之幅度的政策制定上，可從這些方面下手，如減少各行政 區之城鄉差距，以改善人口密度過度集中於少數地區之現象，或獎勵結婚措施以 提高婦女有偶率，或提倡專業及能力導向，改善當前學歷掛帥之社會現象等等，
應可對持續下降之生育率有所改善。而生育率未來的變化與人口老化程度環環相 扣，對於台灣地區人口、家庭、經濟、社會福利政策等結構將會產生重大衝擊，
如何精確掌握人口結構變遷，將未來動向納入制定政策之考量，是目前政府當局 不可忽視的重要課題。
另外，經由本文的研究，我們驗證了空間統計的分析效果，從群集分析到空 間迴歸分析，本研究單純透過數據的分析，所得之結果皆與一般認知相同，不論 在偏高或偏低之集中趨勢與集中地區，或在影響變數之選取上，皆能與一般對生 育率現象之認知不謀而合，這不但說明了統計方法能在未知的情況下得到有用的 訊息，更能使一般認知或觀念得到進一步的驗証。
由於本文在研究的過程中受限於種種因素，因此在未來的研究方向主要有下 例幾點：
1. 加入更多解釋變數、建立鄉鎮市區層級的資料庫
本文所加入考慮之變數，多受限於資料庫的缺乏，因此僅能在現有之變數 中選擇可能與生育率有關之變數。在未來的研究中，我們希望加入更多在人口統 計學上認為與生育率影響關係更直接之變數。例如：婦女勞動參與率、婦女每日 平均工時、所得資料等等。加入這些有更直接影響因素之變數，應可使模型更具 解釋力。
2. 將時間因素加入模型(Spatial Temporal)
因本文的主要著眼點是將地區因素納入考量，以空間的觀點對生育率建立模 型，並未考慮到時間變化所造成的影響，我們計畫在未來的研究中，引入時間的 影響變數，同時考慮時間與空間的變化，因為各地區的生育率不但可能受到同一 期鄰區的影響，更可能會受到自己前後期與鄰區前後期的影響，因此若能建立時
間相關與空間相關交互影響作用之模型，將可提高模型的穩定度及對生育率的解 釋及預測能力。
3. 應用至其他研究
將空間統計方法應用至婦女總生育率分析只是個應用的例子，在未來的研 究中，亦可將此方法應用到其他的研究上。例如：胎次別生育率、死亡率、罹病 率等等。只要是資料的發生有地源關係，或者可能受到鄰近地區之影響者，都可 歸於空間統計分析的範籌，作為研究之對象。
4. 考慮使用更細資料
在本文中考量的單位為鄉鎮市區，而在鄉鎮市區的資料分析上，很明顯的 可以看出將鄰區訊息納入考量後，在模型建立上皆有明顯的改善效果，表示若資 料之間愈具空間相關性，則以空間方析方法愈能凸顯其效果，因此在未來分析方 向中，我們可以考慮以更細之資料，例如：以村里為單位，因為更細之資料可能 受鄰區之影鄉而反應出來的程度更大，所以其鄰區所帶來之訊息將更具舉足輕重 之地位，因此套用空間分析方法將使模型之效果更為顯著。
