女性學士、碩士教育與工作不對稱及其對薪資影響之比較

教育研究集刊

第五十七輯第四期　2011 年 12 月　頁 43-79

陶宏麟，東吳大學經濟學系教授（本文通訊作者）

簡維萱，國泰世華銀行高級辦事員 電子郵件：hltao@scu.edu.tw

投稿日期：2010 年 11 月 30 日；修改日期：2011 年 10 月 7 日；採用日期：2011 年 11 月 15 日

女性學士、碩士教育與工作不對稱及 其對薪資影響之比較

陶宏麟、簡維萱 摘要

資料顯示，大約一半的臺灣大學畢業生有「高教低就」與「學非所用」的感 受。本文探究提高學歷可否降低「高教低就」與「學非所用」的感受，利用「臺 灣高等教育整合資料庫」94學年度畢業當年與畢業後一年資料，分析碩士相較於 學士的工作與教育不對稱現象，卻發現碩士有更嚴重的「高教低就」感受，但較 可能「學以致用」。整體來看，碩士較學士有更嚴重的教育與工作不對稱感受。

在學士方面，「過度教育」與「學非所用」都有顯著的薪資損失；在碩士方面則 只有「學非所用」有顯著的薪資損失。公立大學在「高教低就」與「學非所用」

都有最低的發生機率，但私立大學與公立技職在這兩者上則有相反的表現。

關鍵詞：高教低就、學非所用、碩士、學士

Bulletin of Educational Research

December, 2011, Vol. 57 No. 4 pp. 43-79

Hung-Lin Tao, Professor, Department of Economics, Soochow University (Corresponding Author)

Wei-Hsuan Chien, Senior Staff, Cathay United Bank E-mail: hltao@scu.edu.tw

Manuscript received: Nov. 30, 2010; Modified: Oct. 7, 2011; Accepted: Nov. 15, 2011.

Mismatch between Education and Job and Its Influence on Earnings: A Comparison between

Female Bachelors and Female Masters

H u n g - L i n Ta o We i - H s u a n C h i e n A b s t r a c t

Statistics indicates that roughly 50% of college graduates in Taiwan feel that they are overeducated, or that their jobs do not match their majors. This study investigated whether the feelings of overeducation and mismatch could be mitigated through more education. Using the data of college graduates in 2005 and one year follow-up survey from Taiwan Integrated Postsecondary Database, this study analyzed skill/education- al mismatch in terms of the graduates with bachelor’s and master’ s degrees. The result showed that, as compared with those with bachelor’s degrees, graduates with master’s degrees have stronger feelings of being overeducated. However, they performed better in finding jobs that suited their majors. Overall, graduates with master’s degrees tended to have stronger feelings of educational mismatch than those with bachelor’s degrees. College graduates who were overeducated or suffered from skill mismatch

tended to have significantly lower earnings. By contrast, for graduates with master’s degrees, only those with skill mismatch suffered from significantly lower earnings.

The probability of overeducation and skill mismatch in public colleges were the lowest ,while the opposite was the case in both private colleges and public technology colleges.

Keywords: overeducation, skill mismatch, masters, bachelors

壹、緒論

臺灣的高等教育於1991至2001年間快速擴張，依據教育部出版的《教育統 計》，從80學年度的50所大學，增至90學年度的135所大學，大學畢業生由54,375 人驟增至146,166人。高素質勞動力供給驟增的同時，並未對應高素質勞動力需 求的等量增加，必然會產生「高教低就」與「學非所用」的問題，部分大學畢業 生為屈就於勞動市場的供過於求，只得接受自認不需大學學歷，或與專長不符的 工作，因此，也就產生過度教育及專長與工作不符的問題。令人好奇的問題是，

什麼樣特性的大學畢業生在求職上比較可能有「高教低就」與「學非所用」的現 象？從雇主的觀點來看，大學文憑本身已失去訊號價值，雇主勢必以較大學文憑 更細緻的訊號，或具有更高學歷（如碩士）來辨識工作申請人的能力資訊，這可 能包括大學排名或類別（如公私立、一般或技職大學）、在校成績及碩士文憑，

如果雇主確實以這些訊號決定是否雇用的依據，我們將觀察到「高教低就」與

「學非所用」的教育與工作不對稱現象更易發生在後段大學與成績較差的畢業生。

在大學變成普及教育的同時，更多的大學畢業生欲利用碩士學歷凸顯高人力 資本訊號。這項預期也已反映在資料上，根據教育部出版的《教育統計》，臺灣 在80學年度的碩士畢業生為7,688人，至90學年度增為25,900人，至97學年度再增 為57,624人，碩士畢業生的人數已較80學年度的大學畢業生人數還多。直覺上，

也許會認為碩士應可降低「高教低就」與「學非所用」的感受，但碩士雖提升自 我的條件，卻也提高了對工作的期待，所以碩士究竟是否有較低的教育與工作不 對稱感受，在實際資料驗證前，很難有明確的答案。本研究的第一個目的即分析 學碩士、大學類型、在校成績、學系與其他相關因素對教育與工作不對稱的影 響，並檢驗碩士在縱橫向教育與工作不對稱的感受上是否較學士獲得改善。本研 究的第二個目的在分析學碩士教育與工作不對稱、大學類型、在校成績、學系與 其他相關因素對畢業初期薪資的影響，並比較教育與工作不對稱對學士與碩士薪 資影響的大小。事實上，即使是國外文獻，以碩士的「高教低就」與「學非所 用」為討論主題的也非常少見，主要原因是，在全面調查中，碩士的觀察值一般 非常有限。拜「臺灣高等教育整合資料庫」之賜，其從2006年開始以專案調查碩

士畢業生，再加上碩士人數的驟增，使得臺灣目前已有足夠且公開的碩士樣本進 行分析。

國外有關「高教低就」或過度教育（overeducation）的研究從1980年代至 2000年，已累積了相當豐富的成果（Cohn & Kahn, 1995; Duncan & Hoffman, 1981; Groot & Maassen van den Brink, 2000; Hersch, 1991; Hartog, 2000; Hartog &

Oosterbook, 1988; Robst, 1995; Sicherman, 1991）。關於過度教育的研究結論，這 些研究也都一致，即過度教育使薪資下降，不足教育（實際教育低於工作所需教 育）則提高薪資。這些研究的其中一項特色，就是只考慮教育水準超過或低於 工作所需，未考慮教育所學專長是否與工作相符，這是因為高中及以下的教育 一般並無專長訓練，也因此，這類受訪者沒有所謂所學專長與工作是否相符的問 題，在涵蓋所有教育程度的一般性調查中，所學專長與工作是否相符也因而無從 調查。2000年後，因為某些地區已有專門針對大學畢業生的調查，教育與工作不 對稱的研究也延伸至所學專長與工作是否相符，然而，這類的研究仍不多見，例 如，Allen與Van der Velden（2001）使用歐洲11國與日本的高等教育畢業生聯合調 查、Di Pietro與Urwin（2006）利用義大利高等教育畢業生資料、Robst（2007）

採用美國高等教育畢業生的調查。這些研究中，Allen與Van der Velden（2001）

及Robst（2007）的分析包含大學以上的學位，但Robst（2007）只考慮專長與工 作是否相符，未考慮是否過度教育，而Allen與Van der Velden（2001）及Di Pietro 與Urwin（2006）雖同時考慮過度教育及專長與工作是否相符，但並未考慮兩者

（縱向與橫向的教育不對稱）的交叉項，本研究則多考慮此交叉項，這也讓本研 究對於學碩士橫向與縱向教育不對稱對薪資影響差異可進行較深入的比較，這是 本研究與現存文獻的主要不同。

除碩士論文外，臺灣目前探討「高教低就」與「學非所用」的文獻也不多 見，Lin與Wang（2005）及Hung（2008）分別利用「家庭收支調查」與「臺灣地 區社會變遷基本調查」檢驗過度與不足教育對薪資的影響。蔡瑞明、莊致嘉與葉 秀珍（2005）雖然也是用「臺灣地區社會變遷基本調查」，但他們的主要議題是 比較「標準差法」與「自我評量法」衡量過度教育的差異，並提出修正。蕭霖

（2003）則以主計處「人力資源運用調查」資料做指標衡量差異的類似探討。黃 毅志與林俊瑩（2010）亦採用「臺灣地區社會變遷基本調查」，對過度教育的衡

量提出新的測量，並與蔡瑞明等人（2005）的方法進行比較。¹因為這些文獻使 用的資料是全面性的調查，如前文所說，大專以上的觀察值有限，不易進行「學 非所用」分析，只能進行「高教低就」分析。Tao與Hung（2008）則是利用「臺 灣高等教育整合資料庫」91學年度大專畢業生畢業後一年之問卷調查資料，同時 對「高教低就」與「學非所用」進行分析，因資料僅針對大專做調查，所以並無 針對碩士的分析。

臺灣研究所採用的這些資料各有其使用上的優缺點，「臺灣高等教育整合資 料庫」雖有上述的優點，但並無大專以下的資料，使得教育層次的觀察受到侷 限，目前也僅有畢業後一年的資料，觀察期間也有限，不過，這些也可視為它 的優點。首先，臺灣沒有其他公開的資料能包含如此多的大專畢業生，而要研 究「學非所用」，勢必需要大專以上的觀察值，因為大專以上才比較有專長教 育，也才有所謂的「學以致用」或「學非所用」的問題。其次，畢業後一年的資 料雖很短，卻也是最能確保薪資不受正式教育以外因素（例如在職訓練（on-the- job training））的干擾。本研究的目的既然是針對碩士與學士的比較，當然就以

「臺灣高等教育整合資料庫」最為合適。現存的國內外文獻尚未有針對碩士與學 士的比較為研究主軸的論文，這是本研究與現存文獻的不同。在碩士數量正快速 增加的臺灣，本研究之結論對個人或教育決策機構有及時的參考價值。

本研究之結構，包括：第二節介紹資料來源，並定義縱向與橫向的教育與工 作不對稱；第三節為縱向與橫向的教育與工作不對稱的實徵分析；第四節為教育 與工作不對稱對全職工作者薪資的影響；第五節為結論。

貳、資料來源與教育對稱定義

一、資料來源

本研究實徵資料來自「臺灣高等教育整合資料庫」之大專畢業生流向資訊平

1 有關過度教育的衡量方法與各自的優缺點，可參看此三篇研究論文的討論，衡量方法

並非本研究的重點，加上篇幅的限制，這裡不再撰文討論。本研究採用文獻所稱的「自 我評估法」。

臺問卷調查，樣本取自94學年度大專畢業前問卷、碩士班畢業前問卷、大專畢業 後一年問卷，以及碩士班畢業後一年問卷。此問卷以普查之方式進行，大專畢業 生發放262,498份問卷，共回收134,120份；碩士班畢業生發放49,392份，共回收 16,532份；大專畢業後一年發放262,743份問卷，共回收88,694份；碩士畢業後一 年發放47,283份問卷，共回收11,912份。²由於男性畢業生須服兵役，故刪去男性 資料，再刪除非大學的五專畢業生觀察值；另外，也再刪除非四年制的二技畢業 生，保留四技與一般大學畢業生觀察值。由於研究必須串聯畢業當年度與畢業後 一年的資料，遺漏任一年的資料也將刪除，非常少數的觀察值出現畢業當年與畢 業後一年性別不一致的問題，故再將之刪除。畢業一年投入全職工作者才進入 分析的樣本，因本研究必須觀察她們的全職薪資，以及「高教低就」與「學非 所用」，所以填答「全職工作」，卻未填教育不對稱或薪資，這些觀察值將不 予採用，每月薪資低於15,000元之全職者也將刪除。最後，相關資料不全者也將 刪除，所得樣本稱為「全職樣本」，全職樣本共有15,977筆觀察值，學士14,545 筆，碩士1,432筆。³

二、教育及工作對稱分類與資料初步特性

教育與工作的對稱關係分縱向與橫向兩類。其中，縱向對稱關係分為過度教 育、適度教育及不足教育，過度教育即學歷超過工作所需；適度教育為學歷恰符

2 這裡須說明大專畢業生母體為教育部發文至各大專院校，要求各校提供畢業生名冊、

基本資料與聯絡方式，再由「臺灣高等教育整合資料庫」進行調查。大專畢業生畢業 後一年的母體較大與認定畢業的時間有關。畢業當年的調查時間為 2006 年 6 月至 11 月，

故當年調查的畢業生名單於當年的 6 月前就須提供，但少數學生可能當時不在學校認 定畢業名單中，但在同年 7 月 31 日前仍於同一學年順利畢業。而碩士的情況則相反，

這應與碩士論文提交有關，當年 6 月前，課程修畢被列為畢業名單，但碩士論文未在 7 月底前提交，因而不列入當年的畢業生。本研究使用的觀察值須兩個年度都被調查，

所以不會有誤認畢業的情況。

3 薪資的樣本選擇迴歸模型在進行前，必須先進行畢業生畢業一年後的狀態分析，這些

狀態包括全職工作、就學、兼職工作及失業，採用的模型為多項羅吉特（Multinomial Logit）模型，樣本為包含畢業後所有的樣本，稱之為「全樣本」，全樣本共有 27,345 筆觀察值，其中，學士有 25,672 筆，碩士有 1,673 筆。

工作所需；不足教育為工作所需學歷超過自己的學歷。橫向對稱關係分為所學與 工作無關、部分相關、大部分相關、非常相關。縱向對稱對應於問卷上之問題為

「您認為大概需要多少教育程度才能勝任您目前的這份工作」，問卷選項分別為 國中以下、高中、高職、專科、大學、碩士、博士，因高中與高職在教育程度上 近似，故兩者合併為一組，共為6組，由下往上分別為1至6，數值愈低，過度教 育愈嚴重。數值5與6分別表示工作所需之教育程度為大學與碩士。對大學畢業生 而言，回答低於「大學」者即過度教育，等於「大學」者即適度教育，高於「大 學」者即不足教育，對碩士畢業生而言，即以「碩士」為判定基準，此稱為「自 身學歷縱向教育對稱」。

橫向教育對稱問題為「您目前的工作與您大學時就讀學門是否相關」，選項 分別為無關、部分相關、大部分相關、非常相關，共計四個選項，故橫向教育不 對稱指標不論學士或碩士均為1至4，愈低表示愈橫向不對稱，所學專長與工作所 需不符合。

表1整理「全職樣本」中學士與碩士於各大學類型及各專長之教育對稱、薪 資與觀察值數。表1顯示，學士與碩士縱向教育指標分別介於4與5，以及5與6之 間，而不論學士與碩士，橫向不對稱大都介於2與3之間，即部分相關與大部分相 關之間。依學校類型區分，表1說明私立技職畢業生最可能發生縱向或橫向教育 不對稱，而公立大學較不容易產生縱向或橫向教育不對稱之情況。依學門區分，

社會學門較不容易有縱向或橫向教育不對稱，觀光傳播與經濟商管較易發生縱向 與橫向教育不對稱。

表 1　「全職樣本」學士與碩士學業特性之教育不對稱、薪資與觀察值數

學士 碩士

觀察值 薪資 教育不對稱

觀察值 薪資 教育不對稱

縱向 橫向 縱向 橫向

公立大學 1012 34,397 4.76 2.90 633 46,110 5.31 2.85 公立技職 1673 27,162 4.20 2.42 160 40,469 5.33 2.73 私立大學 3083 29,556 4.42 2.35 457 43,025 5.29 2.65 私立技職 8777 27,941 4.18 2.32 182 38,434 5.21 2.50

表 1　「全職樣本」學士與碩士學業特性之教育不對稱、薪資與觀察值數（續）

學士 碩士

觀察值 薪資 教育不對稱

觀察值 薪資 教育不對稱

縱向 橫向 縱向 橫向

公立大學 經濟商管 141 32,216 4.58 2.18 118 45,170 5.32 2.74 社會 61 37,746 4.90 3.28 34 46,471 5.29 2.71 人文教育藝術 537 34,772 4.83 3.09 208 49,423 5.25 3.03 法律 9 32,500 5.00 2.78 2 55,000 5.50 4.00 科學數學 68 37,059 4.91 3.12 81 45,278 5.35 2.85 醫藥衛生 20 39,500 4.95 3.25 75 44,233 5.47 2.84 工程 43 32,267 4.60 2.44 70 43,071 5.26 2.37 其他 113 31,659 4.54 2.81 41 42,866 5.39 3.22 觀光傳播 20 36,250 4.60 1.90 4 32,500 4.75 2.00 公立技職 經濟商管 606 26,865 4.17 2.29 49 40,357 5.31 2.59

社會 50 31,500 4.88 3.36 0

人文教育藝術 155 27,984 4.52 2.42 23 40,978 5.52 2.78

法律 0 0

科學數學 90 28,278 4.22 2.42 13 40,962 5.23 2.92 醫藥衛生 33 35,985 4.58 3.76 0

工程 207 27,138 4.41 2.51 25 42,100 5.36 2.76 其他 159 24,733 4.02 2.16 35 39,500 5.29 2.89 觀光傳播 373 26,723 3.97 2.46 15 39,167 5.27 2.47

私立大學

經濟商管 1005 29,251 4.31 2.28 174 44,626 5.21 2.59 社會 182 29,148 4.62 2.67 34 42,353 5.24 2.44 人文教育藝術 823 28,563 4.52 2.16 68 43,382 5.25 2.62 法律 26 30,577 4.42 2.42 1 42,500 5.00 4.00 科學數學 197 29,531 4.32 2.23 67 41,455 5.33 2.84 醫藥衛生 210 39,048 4.53 3.29 31 43,790 5.45 2.84 工程 145 29,431 4.48 2.34 45 40,833 5.38 2.56 其他 122 29,672 4.50 2.32 13 48,654 5.38 2.92 觀光傳播 373 27,379 4.34 2.37 24 35,833 5.46 2.63

學士 碩士

觀察值 薪資 教育不對稱

觀察值 薪資 教育不對稱

縱向 橫向 縱向 橫向

私立技職 經濟商管 3691 27,650 4.14 2.14 82 36,646 4.85 2.34 社會 37 29,257 4.86 3.32 0

人文教育藝術 994 27,425 4.22 2.23 22 42,727 5.55 2.64 法律 13 27,885 4.31 1.92 0

科學數學 1006 27,122 4.19 2.10 28 38,214 5.57 2.86 醫藥衛生 1035 32,998 4.25 3.25 5 50,500 5.40 3.00 工程 657 28,474 4.26 2.15 33 37,652 5.39 2.24 其他 926 25,502 4.15 2.56 8 45,625 5.63 3.38 觀光傳播 418 25,634 4.16 2.06 4 30,000 5.5 2.25

總計 14,545 1,432

表 1　「全職樣本」學士與碩士學業特性之教育不對稱、薪資與觀察值數（續）

因非常相關與大部分相關在字面上不易區隔，後續的迴歸分析將兩者合併為

「非常相關」。⁴三組縱向教育不對稱，三組橫向教育不對稱，按理應有9組縱、

橫向教育不對稱，但因臺灣的高等教育過度擴張，使不足教育的觀察值有限，故 此組的「非常相關」、「部分相關」及「無關」合併為同一組。所以，最後的 縱、橫向教育不對稱共有7組，如表2所顯示，這些分組將做為後文迴歸分析的基 準。表2為教育與工作不對稱於各類型大學與學門的發生比例，其整理自學士與 碩士全職樣本。整體來看，學士發生於適度教育的比例較高，碩士則發生於過度 教育的比例較高，碩士較學士有較低的比例發生教育與工作無關的情況。在大學 類型方面，不論學士或碩士，公立大學畢業生發生過度教育又無關的比例最低，

發生適度教育又非常相關的比例最高，私立技職則恰好相反。在學門方面，社會 與法律學士有較高的機率為適度教育，社會與醫藥衛生學士有最高的教育與工作 非常相關比例。在碩士方面，醫藥衛生有最高的適度教育比例，但也只有50%，法 律碩士有最高的教育與工作非常相關比例，但根據表1，法律碩士也只有3筆資料。

4 本研究曾嘗試不合併「大部分相關」與「非常相關」，兩者對薪資影響程度在迴歸分

析時也無一定順序關係。

參、教育不對稱分析

本節欲檢驗碩士是否較學士不易有「高教低就」與「學非所用」的感受，相 似意義卻不同面向的檢驗，則是碩士是否較學士易有「適教適就」與「學以致 用」的感受，以及較佳的學術特性（如公立大學及畢業成績較佳的畢業生）是否 也較不易有「高教低就」與「學非所用」的感受，或是否較易有「適教適就」與

「學以致用」的感受。茲以碩士是否較學士不易有「高教低就」，以及碩士是否 較學士較易「適教適就」為例，來設定標準的虛擬與對立假設。

假設一A：

H₀：碩士與學士畢業生有一樣的「高教低就」感受

表 2　「全職樣本」學士與碩士於學業特性上教育不對稱發生比例

學士 碩士

縱向不對稱 過度教育 適度教育

不足 教育

過度教育 適度教育

不足 橫向不對稱 無關 部 分 教育

相關 非常

相關 無關 部 分 相關

非常

相關 無關部分

相關 非常

相關無關部分 相關

非常 相關 公立大學 8% 6% 4% 7% 17% 54% 4% 6% 24% 33% 1% 11% 23% 1%

公立技職 16% 22% 17% 7% 14% 23% 1% 9% 23% 32% 1% 15% 19% 1%

私立大學 15% 15% 8% 11% 20% 30% 2% 8% 28% 28% 1% 12% 21% 1%

私立技職 18% 22% 15% 6% 16% 21% 1% 11% 32% 23% 1% 12% 18% 3%

經濟商管 16% 28% 11% 6% 19% 19% 1% 9% 34% 28% 0% 12% 17% 1%

社會 9% 7% 1% 8% 12% 60% 2% 15% 28% 25% 3% 6% 21% 3%

人文教育藝術 16% 14% 6% 9% 19% 34% 2% 5% 22% 40% 1% 11% 17% 2%

法律 13% 13% 2% 13% 27% 33% 0% 0% 0% 67% 0% 0% 33% 0%

科學數學 17% 25% 7% 7% 21% 22% 1% 8% 21% 31% 1% 10% 28% 2%

醫藥衛生 8% 8% 39% 2% 6% 35% 1% 5% 22% 23% 1% 14% 35% 0%

工程 17% 19% 12% 7% 21% 23% 2% 10% 28% 20% 2% 19% 19% 1%

其他 22% 11% 16% 8% 11% 31% 2% 3% 24% 35% 0% 8% 30% 0%

觀光傳播 19% 17% 18% 10% 17% 19% 1% 17% 21% 26% 0% 21% 15% 0%

觀察值數 2,337 2,854 1,923 1,019 2,477 3,731 204 113 379 431 13 173 304 19

H_A：碩士較學士畢業生有較低的「高教低就」感受 假設一B：

H₀：碩士與學士畢業生有一樣的「適教適就」感受 H_A：碩士較學士畢業生有較高的「適教適就」感受

其中，假設一A是負面表列，假設一B是正面表列。下文的實徵分析會具體 指出這些假設檢定是以哪些係數的顯著性來判斷，如果碩士較學士顯著地更易找 到適合自己教育程度的工作，不論負面或正面檢定，都應得到一致的結論，因 此，正、負表列的假設檢定可相互驗證檢定的結論。除了上述的假設一外，為節 省篇幅，表3與表4分別列出共9項的負面及正面假設檢定，這裡簡單地以表3與表 4的假設六來說明。假設六A的虛擬假設是公立大學畢業生較不易「不適才不適 所」，也就是較不易既「高教低就」又「學非所用」；假設六B的虛擬假設是公 立大學畢業生較易「適才適所」，也就是較易既「適教適就」又「學以致用」。

表 3　較不易發生「高教低就」與「學非所用」的各項畢業生假設之設定

檢定內容 檢定內容 檢定內容

檢定編號 較不易

高教低就 檢定編號 較不易

學非所用 檢定編號 較不易

不適才不適所

假設一 A 碩士 假設二 A 碩士 假設三 A 碩士

假設四 A 公立大學 假設五 A 公立大學 假設六 A 公立大學

假設七 A 成績較佳 假設八 A 成績較佳 假設九 A 成績較佳

表 4　較易發生「適教適就」與「學以致用」的各項畢業生假設之設定

檢定內容 檢定內容 檢定內容

檢定編號 較易

適教適就 檢定編號 較易

學以致用 檢定編號 較易

適才適所

假設一 B 碩士 假設二 B 碩士 假設三 B 碩士

假設四 B 公立大學 假設五 B 公立大學 假設六 B 公立大學

假設七 B 成績較佳 假設八 B 成績較佳 假設九 B 成績較佳

表3與表4中，假設一至三是碩士與學士的比較，假設四至九則是學術特 性與教育及工作間不對稱關係的檢驗。這9個假設將分別以次序機率（Ordered Probit）與多項羅吉特（Multinomial Logit）模型分析檢定，Multinomial Logit模 型不需事前預知表2中7組的教育不對稱順序，所以，可針對縱橫向教育不對稱一 併分析，而Ordered Probit模型若欲7組同時分析，則必須在分析前，先預知縱橫 向7組的教育不對稱順序，但由於無法確認7組的順序，因此，縱向與橫向教育不 對稱將分開進行分析。這9個假設中，因為假設三、六、九是縱橫向的教育不對 稱同時分析，故本研究採用Multinomial Logit模型，其他假設因是縱橫向教育不 對稱的分開分析，故本研究採用Ordered Probit模型。接著，以下將簡單介紹這兩 種模型。

一、Ordered Probit 與 Multinomial Logit 模型

Ordered Probit是有方向性的模型，也因此，必須先知道7組教育不對稱的 嚴重性順序才可一次進行。由於無法確認7組教育不對稱的順序，在做Ordered Probit模型分析時，我們將縱向與橫向教育不對稱分開估計。首先說明縱向教育 不對稱之Ordered Probit實徵模型，因橫向教育不對稱之Ordered Probit模型與縱向 教育不對稱之Ordered Probit模型相似，這裡不再贅述。模型之設定如下：

y^*=α+xβ+ε

y=0 if y^*≤0　　　　　過度教育 y=1 if 0< y^*≤µ1　　　 適度教育

y=2 if µ1< y^*　　　　 不足教育　　　　（1）

（1）式也顯示了它的順序性。在填寫問卷時，畢業生根據自己的主觀教育 與工作不對稱感受（y^*）來選擇最接近他們對此問題之選項，y^*並無法被觀察，

我們可觀察到之結果為y，也就是y^*在某些範圍內會反映在特定的y，它們不僅是 類別資料（categorical data），也是有順序性的資料（ordinal data）。其中，解釋 變數x包含常數項、是否為碩士、學校類型、畢業總平均成績、主修學門、求學 期間是否有工作經驗、求學期間是否有助學貸款。學校類型包括公立大學、公立

技職、私立大學，以私立技職為基準組；畢業總平均成績分為70～79分、80～89 分、90分以上，以60～69分為基準組；主修學門包括經濟商管、觀光傳播、人文 教育藝術、科學數學、醫藥衛生、工程、其他，以社會為基準組，但因法律人數 過少，也併入基準組。µ₁為與β一起估計之未知參數，在估計畢業生特質對三組 縱向教育不對稱之影響時，由模型設定，我們可以看出，畢業生對教育不對稱之 影響取決於某些可觀察到之因素x和某些無法觀察到之因素ε。接著，將e之平均 數和變異數標準化為0和1，我們可以得到其機率與邊際機率。⁵

這裡再介紹Multinomial Logit模型如下：

p^ij=prob(yi=j)=exp(xiβj)

/ ^[

^]

p^ij=prob(y_i=j)=1

/ ^[

^]

其中，y_i代表第i位全職工作畢業生之教育不對稱情形，j為教育不對稱之類 型，當y_i=j時，p_ij表示第i位全職工作畢業生發生j類型教育不對稱之機率，j=0, 1, 2, 3, 4, 5, 6。x_i為第i位畢業生之解釋變數資料所形成之向量，βj為發生第j種教 育不對稱下所有解釋變數參數值所形成的向量。Lin與Wang（2005）以及Hung

（2008）也曾以Multinomial Logit分析縱向教育不對稱（過度、適度、不足），

但他們所使用之資料與本文採用之資料有很大之差異，例如，他們有採用工作年 數或子女數來解釋縱向教育不對稱發生的原因，而本研究採用的解釋變數也都不 在他們的分析中，因此，本研究此部分的分析結果無法與國內文獻比較，僅能與 國外文獻比較。

（2）式以最大概似法估計其係數。必須注意的是，Multinomial Logit為非線 性迴歸模型，解釋變數變動對被解釋變數的影響並不等於迴歸係數，而且這項影 響是指機率，亦即因解釋變數變動落入7組教育不對稱的機率所發生的變化，這7 項機率的變化和為0。⁶

5 有關 Ordered Probit 模型與邊際效果介紹可參看進階的計量經濟學，如 Greene（2008:

831-840）。

6 有關 Multinomial Logit 模型與邊際效果介紹可參看進階的計量經濟學，如 Cameron 與

二、Ordered Probit 模型實徵結果

縱、橫向教育不對稱以個別之Ordered Probit模型估計之實徵結果及其邊際 效果，分別如表5及表6所示，而本研究之所以需要另外呈現邊際效果，是因為 Ordered Probit模型並非線性模型，解釋變數於不同處對教育不對稱的影響效果也 不同；而這裡所稱的影響效果都是指機率，亦即落入各種教育不對稱組別的機率 變動。表6中同一變數的各組邊際機率效果和為0。以表6縱向不對稱的碩士變數 為例，3組（「過度教育」、「適度教育」、「不足教育」）碩士之邊際效果係 數都是相較於學士，其分別為0.297、-0.285、-0.012，這些數字顯示，當碩士學 歷與學士學歷比較時，碩士會感覺過度教育之機率高於學士29.7%，會覺得適度 教育之機率低了28.5%，會覺得不足教育之機率低了1.2%。3組的邊際機率和為 0，亦即當落入某一組的機率提高，落入其他組的機率必下降，其總和不變。這3 組邊際機率的和若與0有些許差異，是因四捨五入所造成的。

表 5　縱、橫向教育不對稱 Ordered Probit 實徵結果

縱向不對稱 橫向不對稱

係數 t 值 係數 t 值

常數項 0.100 1.346 0.740 10.515 ***

碩士 -0.806 -20.063 *** 0.124 3.393 ***

公立大學 0.648 17.117 *** 0.419 11.706 ***

公立技職 0.037 1.137 0.144 4.826 ***

私立大學 0.399 15.534 *** 0.047 1.982 **

70 ～ 79 分 0.146 3.477 *** 0.117 3.108 ***

80 ～ 89 分 0.319 7.657 *** 0.320 8.566 ***

90 分以上 0.427 6.014 *** 0.475 7.155 ***

經濟商管 -0.509 -8.332 *** -0.352 -5.985 ***

觀光傳播 -0.538 -7.864 *** -0.406 -6.226 ***

人文教育藝術 -0.283 -4.546 *** -0.316 -5.252 ***

Trivedi（2005: 500-503）。

縱向不對稱 橫向不對稱

係數 t 值 係數 t 值

科學數學 -0.330 -4.940 *** -0.326 -5.107 ***

醫藥衛生 -0.477 -7.053 *** 0.572 8.568 ***

工程 -0.269 -3.928 *** -0.335 -5.114 ***

其他 -0.348 -5.159 *** -0.240 -3.695 ***

工作經驗 -0.029 -1.021 0.025 0.966

助學貸款 0.007 0.320 -0.022 -1.096

Mu（1） 2.298 81.593 *** 1.052 90.064 ***

觀察值數 15977 15977

X² 1019.545 1230.41

* p ＜ .1 ** p ＜ .05 *** p ＜ .01

在實證分析時，所謂的「高教低就」與「適教適就」分別是以Ordered Probit 模型中縱向不對稱的「過度教育」與「適度教育」來表示；所謂的「學非所用」

與「學以致用」則分別是以Ordered Probit模型中橫向不對稱的「無關」與「非常 相關」來表示；所謂的「不適才不適所」與「適才適所」分別是以Multinomial Logit模型中的「過度教育且無關」與「適度教育且非常相關」來表示。另外，

除非有特別說明，本研究所稱的統計顯著是指1%顯著水準。

表6的實徵結果顯示，相較於學士，碩士在「過度教育」之邊際效果顯著為 正，此項結論不支持假設一A，反而支持碩士更易有「高教低就」的感受，顯示 讀碩士不但無助於降低「高教低就」感受，反而提高此感受。碩士的係數在「適 度教育」顯著為負，表示較不容易有「適教適就」的感受，也不支持假設一B，

而與假設一A的結論互為印證。表6顯示，碩士係數在橫向教育不對稱下之「無 關」顯著為負，說明較不容易「學非所用」，支持了假設二A，碩士係數在「非 常相關」的10%下顯著為正，支持了假設二B，驗證碩士畢業生較可能「學以致 用」。綜合這些結果顯示，碩士學歷雖會增加「學以致用」的可能，卻也會增加

「高教低就」的感受。

在學校類型方面，公立大學、公立技職和私立大學在「過度教育」上顯著為 表 5　縱、橫向教育不對稱 Ordered Probit 實徵結果（續）

表6　縱、橫向教育不對稱Ordered Probit邊際效果 縱向不對稱橫向不對稱 過度教育適度教育不足教育無關部分相關非常相關 係數t值係數t值係數t值係數t值係數t值係數t值 碩士0.297 59.688 ***-0.285 -84.121 ***-0.012 -4.772 ***-0.034 -9.387 ***-0.015 -14.342 ***0.048 1.801 * 公立大學-0.246 -53.262 ***0.213 47.820 ***0.034 18.974 ***-0.103 -22.954 ***-0.063 -71.656 ***0.166 6.206 *** 公立技職-0.015 -3.685 ***0.014 3.649 ***0.001 0.527 　-0.039 -10.702 ***-0.017 -17.533 ***0.057 2.107 *** 私立大學-0.157 -37.599 ***0.142 34.689 ***0.015 8.755 ***-0.013 -3.918 ***-0.005 -4.657 ***0.018 0.681 　 70～79分-0.058 -14.401 ***0.054 13.885 ***0.004 2.348 **-0.033 -8.981 ***-0.012 -14.132 ***0.045 1.702 * 80～89分-0.127 -32.016 ***0.118 29.505 ***0.009 6.448 ***-0.092 -20.421 ***-0.032 -184.852 ***0.124 4.836 *** 90分以上-0.166 -38.113 ***0.147 35.316 ***0.019 9.529 ***-0.110 -24.201 ***-0.077 -71.119 ***0.188 6.980 *** 經濟商管0.200 48.783 ***-0.188 -57.999 ***-0.013 -4.096 ***0.104 52.342 ***0.030 14.834 ***-0.134 -4.874 *** 觀光傳播0.207 45.889 ***-0.197 -56.630 ***-0.009 -4.082 ***0.131 59.202 ***0.017 8.853 ***-0.148 -5.459 *** 人文教育 藝術0.112 27.119 ***-0.106 -29.739 ***-0.007 -2.809 ***0.097 42.220 ***0.021 11.715 ***-0.119 -4.350 *** 科學數學0.130 30.848 ***-0.123 -34.574 ***-0.007 -3.104 ***0.103 43.391 ***0.019 10.460 ***-0.121 -4.464 *** 醫藥衛生0.185 42.069 ***-0.176 -50.384 ***-0.009 -3.853 ***-0.131 -26.800 ***-0.094 -96.484 ***0.225 8.462 *** 工程0.106 25.550 ***-0.100 -27.951 ***-0.006 -2.698 ***0.106 44.738 ***0.018 10.035 ***-0.124 -4.565 *** 其他0.136 32.264 ***-0.129 -36.447 ***-0.007 -3.208 ***0.074 28.527 ***0.016 10.430 ***-0.090 -3.331 *** 工作經驗0.012 2.866 ***-0.011 -2.888 ***-0.001 -0.380 　-0.007 -2.151 **-0.003 -2.371 **0.010 0.363 　 助學貸款-0.003 -0.685 　0.003 0.683 　0.000 0.095 　0.006 1.979 **0.002 1.825 *-0.008 -0.314 　 * p＜.1 ** p＜.05 *** p＜.01

負，而且絕對值由大至小，依次為公立大學、私立大學及公立技職，顯示這三 類大學較私立技職不易「高教低就」，而且依序為公立大學、私立大學及公立技 職，這項結果不僅支持假設四A，即「公立大學畢業生較不易有『高教低就』的 感受」，甚至也支持不易有「高教低就」的感受依序為公立大學、私立大學及 公立技職。不僅如此，「適度教育」的感受依然有這樣的順序，支持了假設四 B。在表6橫向教育不對稱上，這三類大學的「無關」之邊際效果皆顯著為負，

但在「非常相關」處，僅有公立大學與公立技職顯著為正，而且這三類係數絕 對值的大小與縱向的結果不同，依序為公立大學、公立技職與及私立大學。如果

「無關」代表「學非所用」，這項結果支持假設五A，即「公立大學畢業生不易 有『學非所用』的感受」；如果「非常相關」代表「學以致用」，迴歸結果支持 假設五B，顯示公立大學畢業生最可能「學以致用」，其次是公立技職，再其次 是私立大學及私立技職。綜合學校類型在縱、橫向教育不對稱的結果發現，公立 大學都有最低的機率，但私立大學與公立技職在縱橫向教育不對稱上則有相反的 表現，私立大學畢業生較不易「高教低就」，公立技職畢業生則較不易「學非所 用」，這也反映公立技職教學的職業導向有利於他們的「學以致用」。

以「過度教育」、「無關」與學業總平均成績間的關係來看，相較於60～69 分，分數落在較高範圍者，係數均為負，顯著降低「過度教育」與「無關」的機 率，隨著分數愈高，「過度教育」與「無關」發生的機率愈低，驗證了假設七A 與八A；同樣地，除了70～79分在「非常相關」僅10%顯著外，其他都是分數愈 高，在1%顯著水準下，顯著提高「適度教育」與「非常相關」發生的機率，支 持了假設七B與假設八B。學業成績的結論與大學類型的結論一致，亦即學術特 性愈佳，工作與教育不對稱的機率愈低。

臺灣的大學教育已接近普及教育，大學文憑本身已失去訊號的價值，勞動市 場的雇主在意的是眼前的尋職者是何種類型的大學畢業，以及在校成績的表現，

這類訊號的價值遠勝於大學文憑本身，這也解釋為什麼公立大學與在校成績佳的 畢業生較能「適才適所」。在校成績佳的涵義，除可由勞動需求的角度解釋，也 可由勞動供給的角度解釋，成績不佳的畢業生可能反映對該專業領域缺乏興趣，

畢業後尋覓其他領域工作的可能性高，因為缺乏其他領域的專長，因而也就必須 由較低階做起，造成既「學非所用」又「高教低就」的現象。

接著，我們檢驗學門方面的影響，社會法律學門（基準組）的畢業生較不容 易發生「高教低就」及「學非所用」，較容易發生「適教適就」；醫藥衛生學 門畢業生較社會法律學門畢業生更不可能發生「學非所用」，更可能「學以致 用」。社會與法律（基準組）有較高「學以致用」的機會，其原因除法律學門有 其專業性，表1也顯示在學士的供給上，該學門有專業上最低的供給，但這並非 只是本研究所選取樣本的特性，94學年度畢業母體的26萬名大專畢業生中，也只 有不到2,500名的法律學士，所以，法律專長能學以致用的原因是雙重的，即專 業與低供給。至於社會學門，按原來的分類包括經濟、社會、政治、民族、心 理、地理等相關學系，本研究將經濟併入商業與管理；社會學門的專長顯然並非 時下的「熱門」領域，但卻是專長中少數能學以致用的。表1顯示，社會學門在 學士人數上是除了法律之外，人數最少的學門。同樣地，這不僅是本研究樣本的 特性，也是母體的特性。在94學年度畢業母體的26萬名大專畢業生中，經濟、社 會、心理學門的畢業生有6,707人，這是本研究歸類學門中，人數最少的學門，

若扣除至少1,000名的經濟系畢業生，社會學門的畢業生人數將更少。單是母體 中不含經濟的商業與管理學門，就有58,121位畢業生，大量的供給造就商管學門

「高教低就」與「學非所用」的現象；而低度的供給，則確保社會學門畢業生的

「適才適所」。這項結果和丁筱晶與辜樹人（2010）的報導吻合，該報導指出，

社工系畢業即就業，就業率100%，臺灣目前仍缺3,500名的社工。令人有些意外 的是，「冷門」科系在就業時，有限的供給，加上臺灣對社福人員的需求提升，

使它其實並不冷門；「熱門」的科系，反而因過度的供給，使它就業時顯得「冷 門」，這是考生選系時值得注意的現象。至於醫藥衛生學門，也是專業性較高的 學門，雖然其畢業生有較高的機率發生過度教育，但有較低的機率是工作與專長 無關或部分相關，有最高的機率是工作與專長非常相關。

三、Multinomial Logit 實徵結果

前節以Ordered Probit的結果檢驗了假設一、二、四、五、七、八，本節以 Multinomial Logit模型檢驗「高教低就」與「學非所用」同時發生的假設三、

六、九。實徵結果及其邊際效果分別如表7及表8所示。表8的邊際機率實徵結果 都是解釋變數相對於基準組，以碩士的變數為例，它的參考基準組是學士，7組

表7　以自身學歷為基準之教育不對稱Multinomial Logit實徵結果 過度教育適度教育不足教育 部分相關非常相關無關部分相關非常相關 係數t值係數t值係數t值係數t值係數t值係數t值 常數項-0.185 -0.778 -1.401 -4.800 ***-1.007 -3.558 ***-0.459 -1.939 *0.274 1.321 -3.120 -5.869 *** 碩士0.857 6.861 ***1.473 11.498 ***-1.844 -6.042 ***-0.259 -1.877 *-0.582 -4.557 ***-0.579 -1.995 ** 公立大學0.061 0.460 0.206 1.492 0.766 4.506 ***0.808 6.261 ***1.526 13.138 ***1.715 7.545 *** 公立技職0.103 1.166 0.339 3.595 ***0.219 1.749 *0.009 0.093 0.353 4.012 ***0.200 0.770 私立大學-0.142 -1.897 *-0.287 -3.365 ***0.752 8.154 ***0.435 5.919 ***0.618 8.893 ***0.597 3.190 *** 70～79分0.159 1.577 0.180 1.495 0.099 0.704 0.366 3.285 ***0.422 3.813 ***0.469 1.355 80～89分0.421 4.112 ***0.439 3.622 ***0.256 1.794 *0.721 6.422 ***1.082 9.786 ***0.910 2.649 *** 90分以上0.463 2.133 **0.811 3.570 ***0.467 1.483 0.930 4.103 ***1.506 7.164 ***1.303 2.510 ** 經濟商管0.613 2.853 ***0.640 2.422 **-0.338 -1.406 0.223 1.072 -0.963 -5.527 ***-0.825 -2.130 ** 觀光傳播-0.090 -0.388 0.801 2.903 ***-0.274 -1.063 -0.110 -0.492 -1.346 -7.003 ***-1.232 -2.550 ** 人文教育 藝術-0.075 -0.340 0.291 1.082 -0.241 -0.987 0.001 0.003 -0.827 -4.673 ***-0.513 -1.341 科學數學0.422 1.864 *0.342 1.225 -0.330 -1.252 0.267 1.206 -0.754 -3.992 ***-0.286 -0.677 醫藥衛生0.239 0.963 2.527 8.989 ***-0.575 -1.865 *-0.169 -0.678 0.406 2.026 **0.366 0.830 工程0.171 0.739 0.464 1.652 *-0.277 -1.031 0.302 1.345 -0.826 -4.276 ***-0.062 -0.147 其他-0.635 -2.724 ***0.559 2.035 **-0.442 -1.696 *-0.658 -2.899 ***-0.902 -4.851 ***-0.364 -0.889 工作經驗-0.112 -1.442 0.205 2.311 **0.124 1.079 -0.213 -2.635 ***-0.044 -0.563 0.435 1.809 * 助學貸款-0.127 -2.139 **-0.156 -2.367 **-0.075 -0.935 -0.025 -0.406 -0.032 -0.561 -0.569 -3.293 *** 觀察值數：15799　 χ2 = 3104.502 * p＜.1 ** p＜.05 *** p＜.01

8　以自身學歷為基準之教育不對稱Multinomial Logit邊際效果 過度教育適度教育不足教育 （1）（2）（3）（4）（5）（6）（7） 　無關部分相關非常相關無關部分相關非常相關 係數t值係數t值係數t值係數t值係數.t值係數t值係數t值 -0.010-0.677 　0.16112.438 ***0.19319.733 ***-0.114-7.829 ***-0.056-4.058 ***-0.166-10.569 ***-0.009-2.416 ** -0.100-7.073 ***-0.118-8.062 ***-0.060-5.189 ***0.0070.950 　0.0292.350 **0.22717.419 ***0.0145.286 *** -0.027-2.837 ***-0.015-1.395 　0.0222.613 ***0.0030.421 　-0.029-2.686 ***0.0463.697 ***0.0000.098 　 -0.034-4.343 ***-0.073-8.129 ***-0.069-8.639 ***0.0327.282 ***0.0384.795 ***0.10210.938 ***0.0052.142 ** ～79分-0.038-3.448 ***-0.017-1.250 　-0.008-0.676 　-0.008-1.197 　0.0221.625 　0.0462.671 ***0.0030.682 　 ～89分-0.090-8.141 ***-0.031-2.385 **-0.019-1.541 　-0.019-2.675 ***0.0251.901 *0.1307.616 ***0.0041.009 　 分以上-0.125-5.142 ***-0.068-2.826 ***0.0020.090 　-0.020-1.296 　0.0230.987 　0.1826.873 ***0.0071.041 　 0.0040.194 　0.1305.027 ***0.0913.527 ***-0.019-1.695 　0.0431.990 **-0.240-11.732 ***-0.011-2.262 ** 0.0482.022 **0.0441.549 　0.1525.637 ***0.0020.160 　0.0341.425 　-0.267-11.133 ***-0.012-2.061 ** 0.0331.446 　0.0271.016 　0.0682.586 ***-0.002-0.172 　0.0361.633 　-0.159-7.631 ***-0.004-0.873 　 0.0060.251 　0.0943.429 ***0.0521.896 *-0.017-1.430 　0.0532.272 **-0.184-8.045***-0.003-0.638 　 -0.069-2.686 ***-0.041-1.370 　0.28610.894 ***-0.061-4.211 ***-0.106-3.966 ***-0.009-0.378 　-0.001-0.185 　 0.0120.513 　0.0511.811 *0.0742.706 ***-0.012-0.951 　0.0662.798 ***-0.192-8.127 ***0.0000.044 　 0.0672.864 ***-0.042-1.439 　0.1355.038 ***-0.001-0.061 　-0.040-1.606 　-0.121-5.346 ***0.0010.174 　 0.0050.537 　-0.017-1.827 *0.0323.904 ***0.0091.605 　-0.032-3.670 ***-0.004-0.341 　0.0062.033 ** 0.0111.772 *-0.011-1.536 　-0.012-1.850 *0.000-0.051 　0.0081.200 　0.0101.280 　-0.007-3.057 *** p＜.1 ** p＜.05 *** p＜.01