李 祺，段依然

(鄭州大學(xué) 商學(xué)院，河南 鄭州 450001)

教育對(duì)勞動(dòng)力收入改善起至關(guān)重要的作用，政府一直在不遺余力地發(fā)展教育事業(yè)。近年來(lái)，勞動(dòng)力工資定價(jià)逐步市場(chǎng)化，在勞動(dòng)力市場(chǎng)還沒(méi)有充分完善，無(wú)法準(zhǔn)確傳遞個(gè)人能力信號(hào)時(shí)，性別會(huì)成為企業(yè)預(yù)判勞動(dòng)者能力的便捷途徑，進(jìn)而引發(fā)性別歧視問(wèn)題，導(dǎo)致女性工資收入較低。李雁(2014)研究了影響我國(guó)教育回報(bào)率的因素，認(rèn)為我國(guó)在教育回報(bào)率過(guò)低的同時(shí)還存在過(guò)度教育現(xiàn)象[1]。這說(shuō)明在追求教育水平的同時(shí)，不能忽略教育公平和就業(yè)引導(dǎo)，我國(guó)勞動(dòng)力市場(chǎng)仍需完善。目前我國(guó)性別工資差異較為明顯，學(xué)界認(rèn)為差異產(chǎn)生的原因有人力資本特征差異和性別歧視兩方面。

國(guó)內(nèi)有關(guān)教育回報(bào)率與工資性別差異的研究主要是采用明瑟工資方程進(jìn)行收入函數(shù)回歸分析，并進(jìn)行分解。現(xiàn)有文獻(xiàn)大多著眼于某一特定地區(qū)或行業(yè)的微觀數(shù)據(jù)進(jìn)行教育回報(bào)率分析，或采用時(shí)間序列數(shù)據(jù)對(duì)教育收益率的變化進(jìn)行研究，針對(duì)高等教育教育回報(bào)率的研究較少。近年來(lái)我國(guó)研究性別收入差距的文獻(xiàn)很多，方法及側(cè)重點(diǎn)各有不同。袁曉燕(2012)運(yùn)用CHNS2006數(shù)據(jù)研究性別回報(bào)率差異，采用Oaxaca-Blinder分解法，結(jié)論是人力資本特征造成的工資差異為37.87%，性別歧視造成的工資差異為62. 13%[2]。彭競(jìng)(2011)采用CGSS(2006)數(shù)據(jù)，通過(guò)Brown分解法分行業(yè)考察高等教育回報(bào)率性別差異，發(fā)現(xiàn)女性的高等教育回報(bào)率普遍高于男性，但女性的高等教育回報(bào)率在四類行業(yè)中依次遞減，進(jìn)而得出隨著行業(yè)的進(jìn)入門檻與收入水平的提高，高等教育對(duì)于女性收入的增長(zhǎng)作用減弱的結(jié)論[3]。王美艷(2005)從行業(yè)獲得方面研究工資差異，認(rèn)為性別工資差異主要是由行業(yè)內(nèi)工資差異引起的[4]。黃志嶺(2010)等考察了農(nóng)村遷移勞動(dòng)力性別工資差異，結(jié)論是80.7%為不可解釋部分，主因是歧視，19.3%是人力資本特征差異所體現(xiàn)的可解釋部分[5]。姚輪輪和張莉琴(2013)對(duì)中國(guó)農(nóng)村居民教育回報(bào)率進(jìn)行了研究，得出男性教育回報(bào)率明顯高于女性，且2004-2009年間隨著年份增長(zhǎng)，性別因素導(dǎo)致的教育回報(bào)率差距越來(lái)越大[6]。李得元和李興緒(2015)采用2012年世界銀行STEP住戶調(diào)查數(shù)據(jù)中昆明市的數(shù)據(jù)，得出男性教育回報(bào)率低于女性的結(jié)論，且隨著女性學(xué)歷的提升，教育回報(bào)率的性別差異減少的結(jié)論[7]。高夢(mèng)滔和張穎(2007)運(yùn)用中國(guó)城市貧困監(jiān)測(cè)數(shù)據(jù)庫(kù)中三個(gè)西部城市的居民數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)高收入行業(yè)中女性教育回報(bào)率比男性低，低收入行業(yè)中女性教育回報(bào)率則較高[8]。陳良焜和鞠高升(2004)運(yùn)用1996-2000年數(shù)據(jù)，按年份分組進(jìn)行明瑟方程回歸，得出明瑟教育收益率逐年提高的結(jié)論，并研究了總的教育收益率的值沒(méi)有落在分性別回歸的教育收益率之間的原因[9]。

1 數(shù)據(jù)來(lái)源及描述性統(tǒng)計(jì)

數(shù)據(jù)來(lái)自2013年中國(guó)綜合社會(huì)調(diào)查(CGSS)，該數(shù)據(jù)是目前可以獲取的比較新的具有全國(guó)代表性的微觀數(shù)據(jù)。選取收入、工作經(jīng)驗(yàn)、性別、學(xué)歷、健康狀況、行業(yè)類型、父母受教育程度、民族、婚姻狀況、黨員等變量進(jìn)行數(shù)據(jù)分析，剔除沒(méi)有勞動(dòng)收入或勞動(dòng)收入缺失的、年齡小于16歲或大于60歲的部分和變量信息缺失的樣本。

表1相關(guān)變量的描述性統(tǒng)計(jì)

說(shuō)明：研究樣本只包括16～60歲之間處于工作狀態(tài)的高中及以上學(xué)歷者。

2 模型的建立、回歸及分析

2.1 模型建立

利用stata14.0軟件，在基本的明瑟方程模型的基礎(chǔ)上加入性別和學(xué)歷虛擬變量，用于分析高等教育不同學(xué)歷下不同性別的明瑟收益率，并通過(guò)增加與工資相關(guān)的其它虛擬變量及性別和教育交互項(xiàng)對(duì)明瑟工資方程進(jìn)行補(bǔ)充。

分性別估計(jì)男性與女性的明瑟工資方程，補(bǔ)充后的明瑟工資方程如下：

lnWm= α + β1mD + β2mB + β3mexp + β4mexp2+ ΣλimXim+ ε

(1)

lnWf= α + β1fD + β2fB + β3fexp + β4fexp2+ ΣλifXif+ ε

(2)

按性別將樣本分為兩組，下標(biāo)m代表男性，f代表女性。式(1)(2)中l(wèi)nW 為小時(shí)工資的對(duì)數(shù)，α為常數(shù)項(xiàng)，D與B是代表教育程度的虛擬變量，分別表示大專學(xué)歷與本科學(xué)歷，對(duì)照組為高中學(xué)歷；β1與β2分別代表相對(duì)于高中學(xué)歷、?？茖W(xué)歷與本科學(xué)歷的教育回報(bào)率；exp代表工作經(jīng)驗(yàn)，單位為年，exp2為工作經(jīng)驗(yàn)?zāi)陻?shù)的平方，引入平方值是為了反映工作經(jīng)驗(yàn)與收入的非線性關(guān)系；β3與 β4為工作經(jīng)驗(yàn)及其平方的回歸系數(shù)；Xi是一系列可能影響工資收入的虛擬變量，包括是否為漢族、是否有配偶、是否為黨員、所處的行業(yè)與地區(qū)、父母教育程度等，λi代表各虛擬變量的回歸系數(shù)；ε為隨機(jī)誤差項(xiàng)。

在分性別回歸的基礎(chǔ)上建立總的明瑟回歸方程，用于分析教育水平通過(guò)性別對(duì)勞動(dòng)收入產(chǎn)生的影響：

lnW = α + β1D +β2B +β3exp +β4exp2+ΣλiXi + 性別*教育+ε

(3)

式(3)的性別*教育交互項(xiàng)中包含性別這一虛擬變量，男性為1，女性為0。

2.2 回歸分析結(jié)果

由表2，各組方程的p值均通過(guò)了顯著性檢驗(yàn)(此處不再列出，僅標(biāo)記顯著性水平)，模型整體擬合優(yōu)度合理。模型的回歸結(jié)果顯著，與教育相關(guān)的兩個(gè)虛擬變量的系數(shù)為正，與實(shí)際相符，表明勞動(dòng)力接受高等教育對(duì)工資收入有正向影響。同時(shí)，性別與教育的交互項(xiàng)均為正且顯著，說(shuō)明性別通過(guò)教育對(duì)勞動(dòng)收入的影響是顯著的。

說(shuō)明：①括號(hào)內(nèi)為t值，***表示在1%的水平上顯著；**表示在5%的水平上顯著。②回歸方程中有4個(gè)健康狀況虛擬變量、15個(gè)行業(yè)類型虛擬變量、27個(gè)省份虛擬變量、6個(gè)父母教育程度虛擬變量、民族虛擬變量、婚姻狀況虛擬變量、黨員虛擬變量作為控制變量，在此不再列出。③選取的數(shù)據(jù)為16～60歲之間處于工作狀態(tài)的高中及以上學(xué)歷者。④性別*教育指總體回歸方程中包含了性別與教育的交互項(xiàng)。

對(duì)于男性與女性的明瑟方程回歸系數(shù)β1m、β2m、β1f、β2f進(jìn)行t檢驗(yàn)，針對(duì)假設(shè)H1:β1m=0.1719、H2:β2m=0.3182、H3:β1f=0.1452、H4:β2f=0.3853，給定顯著性水平為0.05，結(jié)果顯示假設(shè)H1、H2、H3、H4應(yīng)當(dāng)被拒絕，也就是說(shuō)，男性的明瑟方程回歸系數(shù)與女性明瑟方程回歸的系數(shù)差異顯著。

2.3 穩(wěn)健性檢驗(yàn)

CGSS數(shù)據(jù)中關(guān)于收入的指標(biāo)有兩個(gè)，一是個(gè)人全年總收入，二是個(gè)人全年勞動(dòng)收入。教育回報(bào)率可以通過(guò)男性與女性的性別工資差異衡量，故擬采用個(gè)人全年勞動(dòng)收入作為因變量。為了使結(jié)果更穩(wěn)健，分別以個(gè)人全年總收入、個(gè)人全年勞動(dòng)收入為因變量進(jìn)行輔助回歸，結(jié)果個(gè)人全年勞動(dòng)收入回歸得出的模型的可決系數(shù)(R2)大于個(gè)人全年總收入的，并且模型中各變量對(duì)工資的解釋力度更大，故采用個(gè)人全年勞動(dòng)收入。本文還將行業(yè)、地區(qū)、家庭背景等虛擬變量與性別做了交互處理，產(chǎn)生了幾十個(gè)交互項(xiàng)，回歸結(jié)果顯示R2更小，且交互項(xiàng)系數(shù)大多不顯著，但方程整體顯著且系數(shù)均與表2中回歸結(jié)果相近，說(shuō)明性別這一虛擬變量通過(guò)教育可以對(duì)勞動(dòng)收入作出較好解釋。

2.4 高等教育回報(bào)率計(jì)算及分析

為了更合理地分析高等教育年均教育回報(bào)率，分別計(jì)算本科和大專的年均高等教育回報(bào)率，其中大專教育的年均高等教育回報(bào)率=大專教育回報(bào)率(β1)/3，本科教育的年均高等教育回報(bào)率=本科教育回報(bào)率(β2)/4。

從表3可看出，伴隨著學(xué)歷提高教育回報(bào)率總體上是上升的。大專教育年均教育回報(bào)率女性高于男性，差異不明顯；本科教育年均教育回報(bào)率男性高于女性，且差異較明顯?？梢?jiàn)，隨著高等教育學(xué)歷層次的提高，男性的高等教育回報(bào)率漲幅大于女性，即男性接受高等教育的邊際收益率高于女性。

從表4可看出，本科學(xué)歷男性和女性的收入明顯大于大專學(xué)歷人員的收入，男女工資差異的絕對(duì)值隨著學(xué)歷提升加大。這與表3中男性的高等教育回報(bào)率漲幅大于女性的結(jié)果一致。

男性接受高等教育的邊際收益率整體上高于女性，一個(gè)可能的原因是行業(yè)獲得機(jī)會(huì)不同。姚先國(guó)和黃志嶺(2008)指出，從部門分類的角度看，男性相對(duì)于女性會(huì)更高比例地進(jìn)入一些收入較高的部門，比如壟斷、機(jī)關(guān)部門，而女性進(jìn)入其他行業(yè)的比例高于男性[10]。彭競(jìng)(2011)將所用數(shù)據(jù)按照工資從低到高分為四個(gè)行業(yè)，發(fā)現(xiàn)受過(guò)同等高等教育的女性和男性，女性勞動(dòng)者進(jìn)入收入較低行業(yè)的比例高于男性，進(jìn)入收入較高行業(yè)的比例低于男性；高收入行業(yè)對(duì)女性的進(jìn)入門檻要求可能更高，女性進(jìn)入的多是進(jìn)入門檻低的行業(yè)，相應(yīng)的工資水平較低。另一個(gè)可能的原因是本文選取的數(shù)據(jù)排除了低層次教育中男女收入差距較大的樣本，導(dǎo)致得出的明瑟收益率更加純粹地體現(xiàn)了工資收入差距中性別原因?qū)е碌牟黄降痊F(xiàn)象。以整體城鎮(zhèn)居民為樣本研究，結(jié)論是女性的明瑟收益率高于男性，李曉康(2011)認(rèn)為主要原因是低學(xué)歷女性的收入遠(yuǎn)遠(yuǎn)低于男性，這導(dǎo)致教育水平較高的女性的收入與男性相比雖然存在相當(dāng)程度的差異，但由于與高學(xué)歷相對(duì)照的低學(xué)歷的收入和收益率數(shù)值低，所以以邊際收入衡量的明瑟收益率遠(yuǎn)遠(yuǎn)高于男性[11]。

3 回歸結(jié)果的進(jìn)一步分解

采用Oaxaca-Blinder分解法對(duì)性別工資差異進(jìn)行定量分解，考察稟賦差異等對(duì)性別工資差異的影響。Oaxaca-Blinder分解法基于OLS回歸方程將性別工資差異分解為兩部分，一部分可以被男女兩組樣本的人力資本特征差異所解釋，如兩組樣本在受教育程度、工作經(jīng)驗(yàn)等方面的差異導(dǎo)致的工資差異被認(rèn)為是合理差異；另一部分則是兩組樣本在回歸時(shí)不同的回報(bào)率，即各變量系數(shù)的差異造成的，這部分差異是工資差異中不可解釋的部分，被認(rèn)為是不合理部分，主要是由性別歧視引起的[12]。

表5 Oaxaca-Blinder分解結(jié)果

由表5，人力資本特征造成的差異為-0.0161492，占總差異的-5.79%，這體現(xiàn)了“逆差異”效應(yīng)，說(shuō)明雖然女性樣本的人力資本特征比男性樣本的人力資本特征優(yōu)秀，但無(wú)法抵消性別歧視帶來(lái)的差異。這與范璐(2012)[13]的結(jié)論一致。同時(shí)，人力資本特征不可解釋部分為0.295243，占總差異的105.79%，不可解釋差異有很多原因，通常認(rèn)為大部分是由性別歧視造成的。在可解釋部分中，教育項(xiàng)數(shù)值為-0.0245062，占比151.75%，即教育差別對(duì)性別工資的影響。可以看出，只看教育項(xiàng)時(shí)逆差異效應(yīng)更為明顯，也就是說(shuō)，教育變量提升女大學(xué)生人力資本特征的效果部分地被行業(yè)、地區(qū)、家庭背景等變量抵消了。在不可解釋部分中，教育項(xiàng)數(shù)值為0.029366，可解釋部分為0.295243，教育項(xiàng)占比9.95%，這個(gè)比例體現(xiàn)的是教育回報(bào)率差別對(duì)性別工資的影響，即前文明瑟工資方程式(1)(2)中教育這一虛擬變量的回歸系數(shù)的不同所導(dǎo)致的男女工資差別。除教育之外，行業(yè)、地區(qū)、家庭背景等變量也對(duì)不可解釋部分?jǐn)?shù)據(jù)造成了正向影響，即這些變量共同體現(xiàn)出了性別歧視等不可解釋原因造成的性別工資差異。

本文做的分解針對(duì)的是高等教育范圍內(nèi)教育回報(bào)率的性別差異，與其他采用了教育程度分布較廣泛的樣本的研究相比表現(xiàn)出的性別歧視程度更高。如袁曉燕(2012)指出工資差異中由性別歧視原因造成的占62.13%；黃志嶺(2010)認(rèn)為性別歧視造成的占80.7%。在異質(zhì)性較小的數(shù)據(jù)中，逆差異效應(yīng)往往體現(xiàn)得較為明顯。如曲兆鵬(2016)考察了大學(xué)生起薪數(shù)據(jù)，數(shù)據(jù)同質(zhì)性強(qiáng)，在分析中除運(yùn)用Oaxaca-Blinder分解方法外，還采用了匹配分解結(jié)果的方法，也出現(xiàn)了顯著的“逆差異”效應(yīng)，即女大學(xué)生的人力資本特征更具有優(yōu)勢(shì)，但這種優(yōu)勢(shì)被系數(shù)特征的巨大差異抵消了，計(jì)算得出的女性大學(xué)畢業(yè)生遭受的歧視程度被低估21%[14]；袁霓(2005)分別用阿普爾頓(Appleton)方法、奧克薩克(Oaxaca)和紐曼克(Neumark)方法對(duì)不同所有制部門男女收入差異進(jìn)行了分解，結(jié)果中的不可解釋部分均為負(fù)值[15]。

4 結(jié)論

4.1 主要結(jié)論

本文采用CGSS數(shù)據(jù)，應(yīng)用明瑟方程和Oaxaca-Blinder分解法研究高等教育回報(bào)率的性別差異，得出以下結(jié)論：第一，在高等教育勞動(dòng)力市場(chǎng)上存在明顯的性別工資差異，高中以上學(xué)歷的就業(yè)者中男性的工資高于女性。第二，在高等教育范圍內(nèi)，無(wú)論男女，學(xué)歷提升都會(huì)導(dǎo)致教育回報(bào)率提高，教育回報(bào)率總體上隨著教育水平的提高而增加。第三，用明瑟收益率衡量高等教育的教育回報(bào)率，發(fā)現(xiàn)大專教育年均教育回報(bào)率女性大于男性，本科教育年均教育回報(bào)率男性大于女性。第四，隨著高等教育學(xué)歷層次的提高，男性高等教育回報(bào)率漲幅大于女性，也就是說(shuō)，在接受更高層次的高等教育時(shí)男性的邊際教育回報(bào)率大于女性。第五，在高等教育性別工資差異中，由性別歧視等原因造成的不可解釋部分的差異達(dá)105.79%，說(shuō)明雖然接受過(guò)高等教育的高學(xué)歷勞動(dòng)力基本代表了勞動(dòng)力市場(chǎng)上的高技能勞動(dòng)力，但用人單位對(duì)女性存在歧視。

4.2 存在的不足

本研究尚存在一些不足：一是未詳細(xì)分析產(chǎn)生教育回報(bào)率差異的行業(yè)分類原因，未來(lái)可對(duì)男性、女性行業(yè)獲得或行業(yè)準(zhǔn)入門檻差異進(jìn)行研究。二是未能將本科以上學(xué)歷進(jìn)行細(xì)分，如分為本科學(xué)歷和研究生學(xué)歷。三是結(jié)論未排除樣本的自選擇效應(yīng)，即沒(méi)有排除樣本認(rèn)為自己將教育進(jìn)行收益化的能力比常人高，所以選擇接受更多的教育的可能性。四是未能明確在不同年齡段、學(xué)歷甚至家庭狀況下，男女勞動(dòng)者在工作穩(wěn)定程度、晉升空間等方面是否有系統(tǒng)性差異。