彭現(xiàn)美,桂江峰,費(fèi)星星
(安徽財(cái)經(jīng)大學(xué)財(cái)政與公共管理學(xué)院,安徽蚌埠233030)
自從1999年國際勞工局總干事胡安·索馬維亞首次提出體面勞動(dòng)概念以來,圍繞體面勞動(dòng)需要保障勞動(dòng)者就業(yè)的自由、平等、安全和尊嚴(yán),保障每個(gè)勞動(dòng)者都能夠獲得體面的工作機(jī)會(huì),并通過工作獲取適當(dāng)?shù)氖杖氤蔀閲H社會(huì)的廣泛共識。在受到國際勞工組織、聯(lián)合國開發(fā)計(jì)劃署等國際組織廣泛關(guān)注的同時(shí),體面勞動(dòng)先后作為千年發(fā)展目標(biāo)和可持續(xù)發(fā)展目標(biāo)的重要內(nèi)容之一。針對體面勞動(dòng)研究也成為就業(yè)和社會(huì)保障領(lǐng)域研究的熱點(diǎn)問題。
在體面勞動(dòng)的實(shí)證研究方面,國外一些學(xué)者選擇體面勞動(dòng)的測量指標(biāo),通過實(shí)證模型來分析體面勞動(dòng)水平(Philippe Egger,2002)[1];同時(shí),有學(xué)者以工作自由、工作公平、工作安全性和生產(chǎn)性工作四個(gè)維度為出發(fā)點(diǎn),圍繞勞動(dòng)就業(yè)、社會(huì)保護(hù)、基本權(quán)利和社會(huì)對話四個(gè)具體方面,構(gòu)建衡量體面勞動(dòng)水平指標(biāo)體系,提出具有代表性的測評方法(Dharam Ghai,2003)[2];也有提出由7個(gè)體面勞動(dòng)赤字指標(biāo)構(gòu)成的測評體系(Bescond etal,2003)[3],以及由11個(gè)測量維度進(jìn)行衡量體面勞動(dòng)的測評指標(biāo)體系(Richard Anker,2003)[4]。為了評估全球性的體面勞動(dòng)組織實(shí)施效果和國家層面的體面勞動(dòng)實(shí)施計(jì)劃的成效,國際勞工組織組織一批專家通過面板數(shù)據(jù)針對項(xiàng)目進(jìn)行分析,也為國際勞工組織下一步工作的開展提供了依據(jù)(Henry,Carla;Engelhardt,2011)[5]。國際勞工組織提出的由11個(gè)指標(biāo)組成的測評體系為較多的國際機(jī)構(gòu)所接受和使用,被視為比較權(quán)威的指標(biāo)體系[6]。
國內(nèi)學(xué)者針對我國勞動(dòng)者群體多樣化的特點(diǎn),選擇不同群體作為對象開展的研究取得一定的進(jìn)展。這些成果中,既有通過體面勞動(dòng)測量表和訪談研究知識型勞動(dòng)者的體面勞動(dòng),也有針對農(nóng)民工群體、家庭工人群體和女性勞動(dòng)者群體的體面勞動(dòng)進(jìn)行的研究(李朝陽,2011;潘靈翼,2016)[7,8]。在體面勞動(dòng)實(shí)證研究方面,既有通過就業(yè)、工作權(quán)利、社會(huì)保護(hù)、社會(huì)對話等體面勞動(dòng)四個(gè)維度為出發(fā)點(diǎn),選取相關(guān)衡量指標(biāo),通過建立實(shí)證模型測算出不同國家或地區(qū)的體面勞動(dòng)指數(shù)(黃維德等,2011)[9];也有通過政府、企業(yè)、勞動(dòng)者個(gè)人三方在實(shí)現(xiàn)體面勞動(dòng)中各自的角色定位構(gòu)建體面勞動(dòng)多層面的指標(biāo)體系(申曉梅等,2010)[10];還有通過體面勞動(dòng)的面板數(shù)據(jù),對體面勞動(dòng)水平進(jìn)行測量,分析影響體面勞動(dòng)的重要影響因素、體面勞動(dòng)水平與經(jīng)濟(jì)發(fā)展之間的關(guān)系(呂紅等,2014;羅燕,2018)[11,12]。
自從國際勞工組織提出體面勞動(dòng)概念以來,國內(nèi)外學(xué)者便展開了針對性的研究,體面勞動(dòng)的測量和實(shí)證研究成為重要的組成部分。本文通過近年來中國31個(gè)省、市、區(qū)的數(shù)據(jù)資料,利用SPSS軟件及因子分析、聚類分析等方法進(jìn)行研究,測量不同地區(qū)的體面勞動(dòng)水平。比較分析體面勞動(dòng)的水平差異表現(xiàn),全面了解各地區(qū)體面勞動(dòng)狀況,有助于和諧勞動(dòng)關(guān)系構(gòu)建和社會(huì)的可持續(xù)發(fā)展。
借鑒國際勞工組織及國內(nèi)外關(guān)于體面勞動(dòng)水平測量的研究,對我國省際體面勞動(dòng)測量指標(biāo)同樣選取11個(gè)指標(biāo)作為初始測量。各指標(biāo)的數(shù)據(jù)來源主要來自中國統(tǒng)計(jì)年鑒和中國勞動(dòng)統(tǒng)計(jì)年鑒近年來的數(shù)據(jù)資料,除個(gè)別指標(biāo)缺少相關(guān)數(shù)據(jù)之外(例如:建立職工代表大會(huì)制度企業(yè)數(shù)量為2010年數(shù)據(jù)),其余為2016年的統(tǒng)計(jì)年鑒數(shù)據(jù)資料,選取指標(biāo)及指標(biāo)含義見表1所示。表2是我國各省市區(qū)對應(yīng)的指標(biāo)數(shù)據(jù)。
表1 體面勞動(dòng)測量指標(biāo)及含義
表2 我國31省市自治區(qū)體面勞動(dòng)指標(biāo)數(shù)據(jù)
續(xù)表2
因子分析法的根本目的在于通過少數(shù)幾個(gè)因子去表示眾多指標(biāo)或者因素,并反映指標(biāo)之間的復(fù)雜關(guān)系。將相互密切的幾個(gè)指標(biāo)歸為一類,每類指標(biāo)就構(gòu)成一個(gè)因子,以大部分信息得以體現(xiàn)為依據(jù),通過幾個(gè)不同的因子分析原始數(shù)據(jù)。此外,通過對原始數(shù)據(jù)的分析,將相互之間較為密切的變量進(jìn)行歸類,最終歸為多個(gè)綜合指標(biāo),并保證這些綜合指標(biāo)之間互不相關(guān),所綜合與反映的信息互相不重疊,這些綜合指標(biāo)被稱為因子(公共因子)。因子分析法就是試圖通過少數(shù)的不可測的公共因子來描述原始觀測的所有指標(biāo)值。因此,用較少的因子來描述與分析原始數(shù)據(jù)的大部分信息,減少了處理復(fù)雜數(shù)據(jù)面臨的困難,同時(shí),在復(fù)雜數(shù)據(jù)中找出研究問題所需要關(guān)注的核心指標(biāo)。
1.指標(biāo)標(biāo)準(zhǔn)化處理
表2所列的數(shù)據(jù)為我國不同省區(qū)市的體面勞動(dòng)的相關(guān)指標(biāo),其中包括正向指標(biāo)、負(fù)向指標(biāo)。各指標(biāo)數(shù)值之間差異較大,需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)值處理,使其具有可比性。
具體公式如下:
2.進(jìn)行因子分析
在將指標(biāo)進(jìn)行降維之后,進(jìn)一步對指標(biāo)進(jìn)行因子分析,根據(jù)指標(biāo)之間的相關(guān)程度將原始指標(biāo)分組,并找出分組后指標(biāo)的公共因子。
3.相關(guān)陣的計(jì)算
在對數(shù)據(jù)標(biāo)準(zhǔn)化處理之后,進(jìn)行數(shù)據(jù)相關(guān)陣的計(jì)算;進(jìn)一步找出每組數(shù)據(jù)的公共因子及公共因子載荷矩陣;然后因子旋轉(zhuǎn)依據(jù)相關(guān)性找到每個(gè)因子代表的數(shù)據(jù)并進(jìn)行命名;最后根據(jù)實(shí)證模型計(jì)算出各個(gè)公共因子得分和綜合得分。
利用SPSS19.0軟件對我國31省區(qū)市的數(shù)據(jù)進(jìn)行因子分析,給出KMO參考值,用來檢驗(yàn)變量之間的偏相關(guān)性(KMO參考值越大,越接近1,意味著變量之間的相關(guān)性越強(qiáng),從而因子分析就更具有可操作性);球形Bartlett參考值用以判斷相關(guān)矩陣是否單位矩陣。
通過SPSS19.0計(jì)算得出KMO參考值為0.634(大于0.5),用KMO值作為因子分析的判斷標(biāo)準(zhǔn),KMO大于0.5表示原始指標(biāo)之間存在較大的相關(guān)性,所以用因子分析可以更加具有經(jīng)濟(jì)學(xué)的解釋意義。球形Bartlett檢驗(yàn)的卡方統(tǒng)計(jì)量值為318,伴隨概率sig.<0.01,因此,拒絕原假設(shè),也即拒絕原始變量矩陣是單位矩陣。
主成分分析法提取出代表原始數(shù)據(jù)信息的公共因子,以特征值大于1來確定因子個(gè)數(shù),最終確定3個(gè)主因子代表體面勞動(dòng)原始數(shù)據(jù)信息見表3。
從表3可以看出,選取前3個(gè)主要因子在損失了18.815%的原始數(shù)據(jù)信息量前提下,能有效解釋原始數(shù)據(jù)變量81.185%的信息,說明這些主要因子基本上反映了原始數(shù)據(jù)信息,表4是指標(biāo)計(jì)算的相關(guān)因子解釋總方差表。
依據(jù)最大旋轉(zhuǎn)方差法進(jìn)行主要因子命名,相關(guān)原理是:每一列每個(gè)因子載荷的平方在偏向0或1兩極分化,這樣既可以簡化結(jié)構(gòu),使得各主因子具有合理的經(jīng)濟(jì)解釋,也可以測量指標(biāo)之間的交叉負(fù)荷現(xiàn)象。表5是成分得分系數(shù)矩陣表。
通過表5可以看出:所有原始指標(biāo)單一因子的絕對值接近或大于0.6,表明選定的指標(biāo)能夠進(jìn)行結(jié)構(gòu)簡化,并且滿足經(jīng)濟(jì)學(xué)意義。表6是成份旋轉(zhuǎn)矩陣表。
表3 指標(biāo)的方差及總方差
表4 旋轉(zhuǎn)解釋總方差
表5 成分得分系數(shù)矩陣
由表6可以看出,失業(yè)保險(xiǎn)覆蓋率、工傷保險(xiǎn)覆蓋率、城鎮(zhèn)居民年可支配收入和城鎮(zhèn)在崗職工平均工資,這4個(gè)指標(biāo)在公共因子F1上有較大的相關(guān)性,主要可以反映體面勞動(dòng)就業(yè)質(zhì)量和社會(huì)保障水平,故稱F1為就業(yè)保障因子;工會(huì)數(shù)量、建立職工代表大會(huì)企業(yè)數(shù)量、地區(qū)當(dāng)年政府財(cái)政教育經(jīng)費(fèi)支出這3個(gè)指標(biāo)在公共因子F2上具有較大的相關(guān)性,主要反映勞動(dòng)者受教育水平、通過工會(huì)表達(dá)合理訴求、維護(hù)自身合法勞動(dòng)權(quán)益,故稱F2為社會(huì)對話因子。公共因子F3在工傷事故率、人口文盲率、就業(yè)率、勞動(dòng)參與率4個(gè)指標(biāo)上具有較高的載荷,主要反映勞動(dòng)者參與就業(yè)、接受教育享受平等就業(yè)機(jī)會(huì),故稱F3就業(yè)機(jī)會(huì)因子。
表6 成份旋轉(zhuǎn)矩陣
因子分析法的關(guān)鍵在于對若干綜合指標(biāo)進(jìn)行因子分析并提取公共因子,再用每個(gè)因子的方差貢獻(xiàn)率作為權(quán)數(shù),并與該因子的得分乘數(shù)之和構(gòu)造得分函數(shù)。
用因子分析法將數(shù)據(jù)表示為矩陣:X=AF+B
矩陣的具體表現(xiàn)如下:
在模型中,向量X是可觀測的隨機(jī)向量,也即原始觀測變量。F是向量X的公共因子,即各個(gè)原觀測變量的表達(dá)式中共同出現(xiàn)的因子,是相互獨(dú)立的并且不可觀測的理論變量。公共因子必須結(jié)合具體的研究問題來進(jìn)行定義,模型中,A是公共因子F的系數(shù),被稱為因子載荷矩陣,(i=1、2、……,p;j=1、2、……、k)被稱為因子載荷,是第i個(gè)原有變量在第j個(gè)因子上的負(fù)荷,或者可看作第i個(gè)變量在第j公共因子上的權(quán)重。不僅表示xi與fj的協(xié)方差,也表示xi與fj的相關(guān)系數(shù),反映xi對fj的依賴程度或相關(guān)程度。A的絕對值越大,則說明公共因子fj對xi的載荷量大。矩陣B是X的特殊因子,即:(β1,β2,β3,…,βp) 是 (x1,x2,x3,…,xp)的特殊因子,這種因子為不可觀測。
通過因子分析,可以得出3個(gè)主要因子:F1表示的就業(yè)保障因子、F2表示的就業(yè)公平因子、F3表示的就業(yè)社會(huì)保護(hù)因子,進(jìn)一步得到3個(gè)主要因子對各原始變量的代表得分,如(3)式所示:
在此基礎(chǔ)上建立體面勞動(dòng)綜合線性評價(jià)函數(shù),由此計(jì)算出各地區(qū)2015年體面勞動(dòng)的綜合得分。
根據(jù)各公共因子的得分排名情況,代入省區(qū)市指標(biāo)標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù),可以測算出不同省市區(qū)公共因子相關(guān)得分及排名情況(計(jì)算結(jié)果如表7所示)。
表7 體面勞動(dòng)因子得分表
通過實(shí)證結(jié)果進(jìn)行分析,可以得出我國各地區(qū)體面勞動(dòng)水平情況。
1.綜合得分情況,發(fā)達(dá)地區(qū)優(yōu)勢明顯
北京市得分1.46,排名第一位,體面勞動(dòng)水平綜合得分最高;其次得分較高的主要集中在經(jīng)濟(jì)發(fā)達(dá)的廣東、浙江、山東、上海和江蘇等省市。
2.中西部地區(qū)存在明顯的因子交錯(cuò)現(xiàn)象
中部地區(qū)體面勞動(dòng)綜合得分情況——湖北省綜合得分較高,這主要受益于該地區(qū)社會(huì)對話因子(F2)得分較高,說明該地區(qū)勞資關(guān)系較為和諧。西部地區(qū)體面勞動(dòng)綜合得分相對較高的是新疆,得益于該地區(qū)就業(yè)機(jī)會(huì)因子(F3)得分較高,說明新疆就業(yè)機(jī)會(huì)較為充足,有工作意愿的勞動(dòng)者,很容易在市場找到合適的工作機(jī)會(huì)。
3.東中西部不同因子需要具體分析
體面勞動(dòng)水平存在較大的地區(qū)差異,具體體面勞動(dòng)因子得分體現(xiàn)以下狀況:
1)就業(yè)保障因子(F1)。北京、上海、廣東、天津、浙江和江蘇這六個(gè)省市的就業(yè)保障因子得分前六位表明:這六個(gè)地區(qū)的勞動(dòng)者社會(huì)保險(xiǎn)覆蓋面廣,不僅包含養(yǎng)老、工傷、失業(yè)等基本社會(huì)保險(xiǎn),而且也包含了勞動(dòng)者的整體報(bào)酬,這六個(gè)地區(qū)勞動(dòng)者報(bào)酬總體較高。除此之外,上述六個(gè)省市在勞動(dòng)爭議、工傷事故率等體面勞動(dòng)負(fù)性指標(biāo)水平上也較低。西藏、河南、安徽、云南、四川和甘肅六個(gè)省區(qū)市依次位于就業(yè)保障因子得分最后六位,說明這六個(gè)省區(qū)市就業(yè)保障水平較低。
2)社會(huì)對話因子。山東、廣東、江蘇、浙江、河南和四川六個(gè)省依次處于社會(huì)對話因子得分前六位,表明這六個(gè)省的企業(yè)工會(huì)組織建設(shè)相對來說較為完善,也表明這些地區(qū)勞動(dòng)者利用工會(huì)或職工代表參與企業(yè)經(jīng)營決策的程度較高;寧夏、青海、海南、北京、西藏和吉林六個(gè)省區(qū)市情況則剛好相反,該項(xiàng)得分較低,說明勞動(dòng)者相比資本所有者地位不足,缺少與資方平等對話的機(jī)會(huì)。
3)就業(yè)機(jī)會(huì)因子(F3)。就業(yè)機(jī)會(huì)因子得分前六位是西藏、海南、青海、北京、福建和寧夏,說明這六個(gè)省區(qū)市在勞動(dòng)者就業(yè)培訓(xùn)方面相對重視;就業(yè)機(jī)會(huì)因子得分較低的吉林、黑龍江、山西、遼寧、重慶和湖南,說明這六個(gè)省市在勞動(dòng)者的就業(yè)培訓(xùn)整體水平較低。
為了更加直觀分析各地區(qū)體面勞動(dòng)得分空間差異,依據(jù)體面勞動(dòng)水平得分通過SPSS進(jìn)行聚類分析,將全國31個(gè)省區(qū)市的體面勞動(dòng)水平進(jìn)行分類,具體劃分為四類:
1)一級體面勞動(dòng)水平。體面勞動(dòng)水平綜合得分超過1的地區(qū)有北京和廣東兩個(gè)省市,定義為一級體面勞動(dòng)水平。
2)二級體面勞動(dòng)水平。浙江、山東、上海、江蘇、福建、天津、河北和海南8個(gè)省市,測算出體面勞動(dòng)水平綜合得分介于0和1之間,稱為二級體面勞動(dòng)水平。
3)三級體面勞動(dòng)水平。體面勞動(dòng)水平綜合得分為負(fù)值的包括湖北、廣西、河南、四川、遼寧、新疆、陜西、寧夏、內(nèi)蒙古、湖南和江西等11個(gè)省區(qū)市,稱為三級體面勞動(dòng)水平。
4)四級體面勞動(dòng)水平。體面勞動(dòng)得分最低的分別為:安徽、貴州、青海、西藏、重慶、云南、甘肅、山西、黑龍江和吉林等10個(gè)省區(qū)市,稱為四級體面勞動(dòng)水平。
體面勞動(dòng)日益受到各國政府的重視,我國黨和國家領(lǐng)導(dǎo)人也不止一次強(qiáng)調(diào)實(shí)現(xiàn)勞動(dòng)者的“體面勞動(dòng)”,目前正在推動(dòng)和實(shí)施2016-2020年體面勞動(dòng)國別計(jì)劃。針對我國不同省區(qū)市的分析結(jié)果,中國政府還應(yīng)在以下方面做出努力。
目前全國各地已經(jīng)建立了涵蓋養(yǎng)老、醫(yī)療、失業(yè)、工傷、生育等五大方面的基本社會(huì)保障體系,但由于社會(huì)經(jīng)濟(jì)發(fā)展水平地區(qū)差距較大,勞動(dòng)者的基本社會(huì)保險(xiǎn)水平在不同省區(qū)市還存在較大差距,直接影響到勞動(dòng)者的體面勞動(dòng)水平。
改革開放四十年來,我國社會(huì)經(jīng)濟(jì)建設(shè)取得了快速發(fā)展。在中國經(jīng)濟(jì)的快速發(fā)展中,也出現(xiàn)了嚴(yán)重的社會(huì)貧富差距問題。目前存在的比較嚴(yán)重的行業(yè)之間、地區(qū)之間、城鄉(xiāng)之間職工工資差距問題,不僅關(guān)系到提升社會(huì)整體體面勞動(dòng)水平,而且還關(guān)系到我國推進(jìn)城鎮(zhèn)化建設(shè)和全面小康社會(huì)的目標(biāo)。
對勞動(dòng)者的社會(huì)保護(hù)首先要切實(shí)保障勞動(dòng)者安全的工作環(huán)境,同時(shí)也要關(guān)注勞動(dòng)者的心理健康。一些高危行業(yè)比如煤礦、危險(xiǎn)化學(xué)品等危害勞動(dòng)者生命安全的事故仍頻頻發(fā)生,說明勞動(dòng)者的就業(yè)安全還需要進(jìn)一步加強(qiáng)。此外,可以通過工作環(huán)境、家庭生活保障、生活質(zhì)量來提高全社會(huì)體面勞動(dòng)水平。
促進(jìn)三方對話機(jī)制,就是要傾聽勞動(dòng)者的心聲。工會(huì)在維護(hù)勞動(dòng)者自身權(quán)益、保障勞動(dòng)者安全參與生產(chǎn)經(jīng)營活動(dòng)方面起了重要作用,建設(shè)基層工會(huì)組織和職工代表大會(huì)制度對保障勞動(dòng)者平等對話有重要的現(xiàn)實(shí)意義。但是我國的工會(huì)制度尚不健全,工會(huì)制度也不夠完善,不能夠從根本上解決廣大勞動(dòng)者體面勞動(dòng)的問題。
[1]PHILIPPE E.Towards a policy framework for decent work[J].International labour review,2002(141):1-2.
[2]DHARAM G.Society security:learning from global experi?ence to reach the poor[J].Advanced Macroeconomics,2003(4):125-150.
[3]BESCOND D,CHATAIGNIER A,MEHRAN F.Seven indi?cators to measure decent work:An international comparison[J].International Labor Review,2003,142(2):179-211.
[4]RICHARD A,PHILIPPE E.Measuring Decent Work with Statistical Indicators.Geneva ILO[R].2002.
[5]HENRY,CARLA;ENGELHARDT et al.Decent work re?sults and effectiveness of ILO operations:a meta-analysis of project evaluations,2009-2010[M].International Labour Of?fice,2011.
[6]ILO.Guide to the New Millennium Development Goals Em?ployment Indicators:Including the Full Set of Decent Work In?dicator.Geneva ILO[R].2012.
[7]李朝陽.體面勞動(dòng)視域中的非正規(guī)就業(yè)者的勞動(dòng)權(quán)益保護(hù)[J].河北師范大學(xué)學(xué)報(bào),2011(2):36-41.
[8]潘靈翼.ILO體面勞動(dòng)視域下的女性勞動(dòng)權(quán)益問題[J].中華女子學(xué)院學(xué)報(bào),2016(3):81-87.
[9]黃維德,柯迪.各國體面勞動(dòng)水平測量研究[J].上海經(jīng)濟(jì)研究,2011(11):40-48.
[10]申曉梅,凌玲.體面勞動(dòng)的多層面測評指標(biāo)體系建設(shè)探析[J].研究探索,2010(11):23-25.
[11]呂紅,金喜在.中國體面勞動(dòng)水平測量及變動(dòng)趨勢分析[J].當(dāng)代經(jīng)濟(jì)研究,2014(6):45-49.
[12]羅燕,楊婧婧.中國體面勞動(dòng)水平的省際測量及差異:基于2006-2015年的面板數(shù)據(jù)[J].華南師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2018(1):139-145.