碩二的上學期結束了，因為擔心學分不夠，我修了一堂「社會與健康」，期末的時候要針對有關健康的社會決定因子作些討論。做了些網路功課後，我決定以各縣市的「數位落差」與「標準化死亡率」來作些討論，雖然不是什麼正式的研究，不過結果挺有趣的，開始覺得統計真的可以玩一些有去的東西，順便跟大家分享一下。

所得分配的高低與健康之間的關係，在很多的討論中都已經被證實，至於所得的高低代表的意義可能很多，它可能代表相對地位、可運用資源的多少。在現代的資訊社會，電腦與網路已經是大量資訊的承載處，使用電腦與網路已經似乎是標準能力，雖然沒有電腦與網路，並非是不能生活，但是透過到電腦與網路，可以提高生活便利度，更重要的是它代表一種「資訊取得的能力」，過往資訊取得的能力跟教育程度有相關，而如今資訊素養與資訊應用能力成為現代人必備的基本能力，能掌握及運用電腦及網路，能改善生活素質與社經環境，相對的，不具備這些能力者，將可能落入較低的社經環境，所以使用電腦機會的多寡及運用資訊科技能力的高低，除了可能是主宰貧富差距的力量，而間接的可能與健康指標有相關。

根據行政院研考會的資料：民國99年 ，國內上網家戶有80.7%，上網人口有70.9%，其中81.3%透過寬頻上網，但是上網家戶集中於非偏遠地區。這資訊揭露了數位落差的問題，所謂的「數位落差」指的是：有效使用資訊科技者與無法有效使用者之間的差距，雖然政府從民國91年以來就已經開始進行數位落差的調查，不過類似的調查卻沒有進一步探討數位落差可能帶來的健康影響，因此我嘗試探討教育程度、電腦資訊與健康之間的關係。

資料哪裡來？

依照99年12月25日五都改制合併前的型行政區規劃，並依照行政院經建會《 都市及區域發展統計彙編》，將行政區劃分為四個區域，其中再把離島縣市分出來至第第五區，分別如下：
1. 北部區域：包括臺北市、基隆市、新竹市、臺北縣、桃園縣、新竹縣及宜蘭縣。
2. 中部區域：包括臺中市、苗栗縣、臺中縣、彰化縣、南投縣及雲林縣。
3. 南部區域：包括高雄市、臺南市、嘉義市、嘉義縣、臺南縣、高雄縣、屏東縣及澎湖縣。
4. 東部區域：包括花蓮縣及臺東縣。
5. 離島區域：金門縣、澎湖縣及連江縣

標準化死亡率來自衛生署的民國98年的各縣市死因統計資料。然後在《中華民國統計資料網》中的各縣市重要指標查詢系統中，以「 就業者之教育程度結構-大專及以上(％)」代表各縣市的人力資源素質與教育程度；以「 平均每一執業醫師服務之人口數(人/人)」 代表各縣市的醫療資源；「家庭現代化設備(每百戶擁有數)-家用電腦(臺) 」代表各家庭數位落差的「量(quantity)」，然後再跟研考會「 歷年數位落差調查報告」中，收集「 98年個人家戶數位落差調查報告」，分別以各縣市中的「會電腦」、「會網路」的比率(%)代表數位落差的「量(quantity)」；以「個人整體數位表現分數」代表個人數位落差的「質」。個人整體數位表現包含四個構面：公民行為、生活應用、Web 2.0和資訊收集，每個構面又各自包含不同的指標。

分析方法

使用軟體SAS 9.2，以Pearson correlation分析各縣市標準化死亡率各自與教育程度指標：「 就業者之教育程度結構-大專及以上(％)；醫療資源指標：「 平均每一執業醫師服務之人口數(人/人)」；數位落差的指標：代表量(quantity)的「家庭現代化設備(每百戶擁有數)-家用電腦(臺) 」、「會電腦」、「會網路」的比率和代表質(quality)的「個人整體數位表現分數」的相關係數。
討論「各縣市標準化死亡率」與數位落差個指標之間的相關性時，在利用partial correlation同時考慮教育程度的影響，以代表在考慮教育程度的影響後，數位落差與健康之間的關係是否還存在。

結果

各縣市的資料如下：

在依照地理區域，把各區域的標準化死亡率表示如下：

Figure 1.五個行政區域的標準化死亡率

醫療資源與死亡率的關係
在標準死亡率與醫療資源之間的相關性，通常都會直覺地想當然爾有關係，但如果我們看標準化死亡率與「 平均每一執業醫師服務之人口數(人/人)」和，會發現平均每一執業醫師服務之人口數 跟死亡率沒啥顯著的關係 (Fig2: r=-0.11037, P value: 0.5995) 。
Figure 2：標準化死亡率與醫師服務人口數之散佈圖

就業者的教育程度與死亡率的關係
教育程度與健康的相關性早已被許多研究所確認，在我收集的資料中也不令人意外，標準死亡率與教育程度之間成顯著的負相關 (Fig3: r = -0.76658, P value<0.0001)
Figure 3：標準化死亡率與就業者教育程度之散佈圖

數位落差與死亡率的關係

每百戶擁有家用電腦數 (Fig4: r = -0.69226, P value = 0.0003)；會電腦的比率(Fig5: r = -0.45235 P value = 0.0232)；會網率的比率(Fig6: r = -0.49013, P value = 0.0129)和個人整體數位表現分數(Fig7: r = -0.46184, P value = 0.0201)，都跟死亡率呈顯著的負相關。

不論是家戶擁有的電腦數目或是會電腦、會網率的比率，或是更複雜的數位表現分數評比，都跟死亡率之間有顯著的負向關係：數位化成度越好的縣市，其死亡率越低。

Figure 4：標準化死亡率與會電腦比率之分怖圖

Figure 5：標準化死亡率與家戶電腦數之散佈圖

Figure 6：標準化死亡率與會使用網路比率之散怖圖

Figure 7：標準化死亡率與個人整體數位表現之散佈圖

利用Partial correlation把平均每一執業醫師服務之人口數的影響性控制後(換句或說：同時考慮各縣市的醫療資源)，會發現個人整體數位表現分數與死亡率的關係更為顯著 (Fig8: r = -0.53767, P value = 0.00067)；但是如果把控制因子換成「就業者的教育程度後，兩者之間的關係就變得不顯著 (r = -0.0.00333, P value = 0.9883)，換句話說：數位落差可能是教育程度的一種表現。

討論

健康不平等的社會因素在整個學期的課程中，老師帶著我們走過一遍，過去大家認為的「貧窮」，其實需要更寬廣的解釋，即使生活在最低的水平線以上(非低收入戶人口)，也可能能落入新的貧窮線。換句話說，舊的貧窮定義指的是「物質上的貧窮」，雖然符合舊定義的狀況仍存在，但是貧窮可能再也不是物質缺乏而已。
當電腦成為家裏的必需品，上網成為生活的必須技能時，缺少這些東西雖然不會讓人吃不飽、穿不暖，但是缺乏這些物品和技能，卻很容易落入相對的貧窮狀態，因此也更容易變成不健康。從社會角度來看，家裏沒有電腦或不會上網的人，基本上是有某種程度的失能的，這樣的失能不但沒喪失消除社會階層分佈不均的可能，甚至會加深與鞏固原有的社會階級差距。
在這次的初步分析中可以發現：醫師的服務量其實不是決定死亡率的重要因子。而數位落差，這個21世紀中因為地理區隔造成的資訊科技建設及傳播普及的差距，或因為學歷等社經背景差異所造成的不平等，當資訊科技的越來越普及，這樣的落差距離可能是拉鋸的更開，而非更近。
在分析中也發現：死亡率與就業者的教育程度和許多的數位落差指標成顯著的負向關係；但好消息是，數位落差與死亡率的顯著負向關係，在考慮教育程度的影響後，其相關性就會消失，這或許告訴我們從教育著手，其實是有辦法解決數位落差對於健康的不利影響。某種程度上，數位能力的差異，也是一種教育資源落差的結果，而之前的許多研究也都告訴我們教育水準越高的人，通常活得越久，只不過這次透過數位落差來展現其相對不平等的力量，而要改變環境因素的社會階層不平等，應該是我們要努力的目標。