王 瓊，黃維喬

（1. 湖北經濟學院 經濟與貿易學院，武漢 430205；2. [美]西密歇根大學 經濟學院，密歇根 卡拉馬祖 49008）

一、引言及文獻綜述

中國經濟已經由高速增長階段轉向高質量發(fā)展階段。經濟結構優(yōu)化、增長動力轉換以及人工智能等科學技術的新發(fā)展正在給勞動力市場帶來新的機遇與挑戰(zhàn)。面對新形勢，中央政策已從重視就業(yè)數(shù)量轉變?yōu)楦又匾暰蜆I(yè)質量。黨的十九大報告提出，要堅持就業(yè)優(yōu)先戰(zhàn)略和積極就業(yè)政策，實現(xiàn)更高質量和更充分的就業(yè)，要建設知識型、技能型、創(chuàng)新型勞動者大軍。而在我國的現(xiàn)代化進程中，農民工這支龐大而特殊的社會群體是勞動者大軍的重要組成部分，2018 年我國農民工總量已達到2.88 億人，占全部就業(yè)人口（7.76 億人）的37.11%①。他們的就業(yè)質量與技能狀況不僅關乎自身福利提升，還對當前的供給側結構性改革和整個社會的和諧發(fā)展產生重要影響。因此，對我國農民工群體的就業(yè)質量和技能狀況進行研究具有現(xiàn)實必要性。早期關于就業(yè)質量的研究主要集中于就業(yè)質量的宏觀測算以及不同國家之間的橫向比較，專門針對我國農民工群體就業(yè)質量及其影響因素的微觀實證研究還有待進一步豐富，尤其是在當前優(yōu)化人力資源以支撐高質量發(fā)展的迫切需要下，職業(yè)技能作為人力資本的重要組成部分，其對農民工群體就業(yè)質量的提升是否產生顯著影響以及如何產生影響，都需要通過微觀層面的經驗分析予以檢驗和說明。

首先，何為就業(yè)質量呢？這個概念最早是由歐盟在《2001 年歐洲就業(yè)報告》中提出，它由一系列客觀和主觀指標構成，其目的是進行跨國的就業(yè)評估[1]。最初的指標體系建立在政治共識而非理論分析上，但它的提出為就業(yè)質量研究提供了良好的出發(fā)點。其后較多研究從經濟學、社會學角度分析了就業(yè)質量的內涵和構成指標，其涉及工作創(chuàng)造的經濟效益、與工作相關的福利等多項因素。其中具有較高共識的構成指標包括四項。第一項構成指標是收入充足，一份高質量的工作所支付的工資應足以使勞動者保持在貧困線以上以維持基本的生活所需，故收入充足是就業(yè)有質量的必要條件[2～3]。不過，如果一個勞動者有很高的收入，但面臨很高的失業(yè)可能性，也很難說他有一份好工作。由此，工作穩(wěn)定被認為是就業(yè)質量的第二項構成指標，它需要通過勞動者是否簽訂了勞動合同以及合同期限的長短來判斷[4]。同理，中等收入的勞動者如果有醫(yī)療保險和退休福利，可能會比那些高收入的勞動者有更好的物質保障，這有助于改善員工的消費選擇和家庭生活，給其帶來更好的心理感受，因而與工作相關的社會保障甚至比獲得高收入更重要[5～6]，故其成為就業(yè)質量的第三項構成指標。同時，較多研究還認為不能忽視工作對個人心理健康的影響，給勞動者帶來焦慮或不愉快感的工作也不是高質量的工作。工作是否令人滿意也是就業(yè)質量不可忽視的因素[7～8]，故工作滿意被認為是就業(yè)質量的第四項構成指標。然而，不同研究針對的勞動者群體存在差異，除這四項指標外，一些研究還將工作富有趣味性、工作選擇自主性以及職業(yè)聲望也列入就業(yè)質量衡量中[9～11]。

其次，什么因素會影響個體的就業(yè)質量呢？Becker（1964）和Schultz（1971）構建的人力資本理論給出了基本的答案，即影響就業(yè)質量的一個最基本因素就是人力資本，它是體現(xiàn)在勞動者身上的一種資本類型，是勞動者所擁有的知識程度、技能水平以及健康狀況的總和[12～13]。由于凝結在個體身上的知識、技能和健康狀況不盡相同，所以個體的人力資本存在差異，由此帶來工資收入和各項福利的差異。擁有較高人力資本的個體，其工資收入和各項福利往往較高，進而就業(yè)質量較高。然而較多研究在檢驗人力資本對不同群體就業(yè)質量的影響時，往往從受教育程度和健康狀況兩個角度去度量人力資本[10][14]，對個體職業(yè)技能的研究往往沒有明確的衡量標準。早期的研究甚至直接用受教育程度來區(qū)分職業(yè)技能。例如，將小學入學、小學畢業(yè)、中學入學、中學畢業(yè)、大學入學等不同教育程度作為技能與非技能的分界線[15]；或者用大學及以上教育程度、高中教育程度和高中以下教育程度分別代替高技能、中等技能和低技能[16]。雖然對于普通勞動者群體而言，這種方法具有一定的合理性，但受教育程度與職業(yè)技能本身并不能完全等同。因為前者主要代表勞動者擁有的知識儲備和基本素質，而后者側重于在學歷教育的基礎上通過各項培訓、自我學習或工作實踐積累形成的專業(yè)技術水平、勞動技巧和能力，它與具體工作崗位特性密切相關，更側重于將專業(yè)知識運用到實際工作崗位的能力。尤其是對于我國農民工群體而言，其接受的學歷教育程度普遍較低，其非農就業(yè)往往集中在第二產業(yè)、第三產業(yè)中技能型的工作崗位，成為半技能工人或有技能工人。因而僅僅從受教育程度上來區(qū)分職業(yè)技能并不合適。而有些研究雖然也考慮了職業(yè)技能和學歷教育的區(qū)別，把職業(yè)技能作為學歷教育外的獨立變量，但衡量指標較為模糊，且不具有普遍認可性[11][17]。因此，在職業(yè)技能的衡量方面還存在進一步完善的空間。

基于以往研究，本文在兩個方面進行了創(chuàng)新。第一，選擇了更具有權威性的職業(yè)技能的衡量指標。由于我國職業(yè)資格證書制度經過幾十年的發(fā)展已較為完善，職業(yè)（或執(zhí)業(yè)）資格證書作為一種官方的技能水平認證，對個體職業(yè)技能的衡量具有權威性和規(guī)范性，故本文選擇它作為職業(yè)技能的衡量指標，能更客觀地反映個體所達到和具備的技能水平。第二，采取了雙重差分傾向得分匹配方法（以下簡稱PSM-DID方法）進行實證分析。現(xiàn)有研究在考察包括職業(yè)技能在內的人力資本構成因素對農民工就業(yè)質量的影響時，并沒有充分考慮到可能存在的選擇性偏誤或因遺漏變量帶來的內生性問題，也未能找到合適的方法去解決這些問題。而本文選擇PSM-DID方法來考察職業(yè)技能對農民工就業(yè)質量的影響，可以在消除選擇性偏誤的同時較好地避免遺漏變量帶來的內生性問題，使得實證結果更為可靠。

本文后續(xù)安排如下：首先根據(jù)現(xiàn)有理論和我國農民工群體就業(yè)特性設定就業(yè)質量的構成指標，接著根據(jù)微觀數(shù)據(jù)特性構建PSM-DID模型，考察職業(yè)技能的獲得是否顯著提升農民工的就業(yè)質量，并在此基礎上對估計結果的穩(wěn)健性進行檢驗。如果檢驗通過，則進一步進行異質性分析。最后對回歸結果進行討論，并給出相應的政策建議。

二、研究設計

（一）數(shù)據(jù)來源和處理

本文選擇的數(shù)據(jù)來源于中國勞動力動態(tài)調查（China Labor-force Dynamic Survey，簡稱CLDS）。它是中山大學社會科學調查中心開展的以勞動力、家庭和社區(qū)三個層次為調查對象，每兩年進行一次的大型追蹤調查。調查范圍覆蓋內地29 個省份（西藏和海南除外）、401 個村居、14226 戶家庭和21086 個個體，具有全國代表性。其調查內容涉及人口、經濟、社會等多學科領域，尤其是形成了勞動年齡人口在教育、職業(yè)、勞動權益與健康等方面較為全面的數(shù)據(jù)。該調查于2012 年完成了全國基線調查，并于2014 年和2016 年分別進行了兩期追蹤調查。為更好地檢驗因果效應，本文首先選擇2014 年和2016 年調查數(shù)據(jù)構成面板數(shù)據(jù)進行實證分析，再運用2012 年和2014 年兩期數(shù)據(jù)構造新的面板數(shù)據(jù)進行穩(wěn)健性檢驗。由于CLDS調查數(shù)據(jù)的時間間隔較短，所以本文所研究的職業(yè)技能對就業(yè)質量的影響是短期影響，長期影響的研究還需進一步的跟蹤數(shù)據(jù)來實現(xiàn)。

在樣本的處理方面，保留的是在2014 年進行過調查且在2016 年有追訪數(shù)據(jù)的樣本。由于本文考察的是農民工的非農就業(yè)質量，故進一步保留了2014 年調查時年齡在16 歲及以上且在60 歲以下、戶口類型為“農業(yè)戶口”或“統(tǒng)一居民戶口之前為農業(yè)戶口”的樣本，剔除了其中從事農業(yè)生產和仍在讀書的樣本。同時，為了符合PSM-DID方法的研究需要，本文剔除了在2014 年調查之前就已獲得職業(yè)（或執(zhí)業(yè)）資格證書的個體，即保留的樣本為在2014 年調查時尚未獲得職業(yè)（或執(zhí)業(yè)）資格證書而2016 年調查時一部分獲得職業(yè)（或執(zhí)業(yè)）資格證書、剩下的未獲得職業(yè)（或執(zhí)業(yè)）資格證書的個體，個體總數(shù)為1589 個。

（二）變量說明

本文的被解釋變量是“就業(yè)質量”（見表1）。根據(jù)上述對文獻的梳理和分析可知，收入充足、工作穩(wěn)定、社會保障和工作滿意是就業(yè)質量構成中被廣泛認可的四項指標。但一些研究也根據(jù)勞動者特性，增加了其他的構成指標?？紤]到我國農民工在勞動力市場中非正規(guī)就業(yè)現(xiàn)象較為嚴重，就業(yè)崗位層次低、工資收入不高、工作不穩(wěn)定、社會保障程度不足等問題較為普遍。因而，一份有質量的非農就業(yè)工作應至少使其不至于陷入貧困、不至于時常面臨失業(yè)，具有基本的社會保險和工作愉悅感，由此，仍然選擇上述四項作為我國農民工就業(yè)質量衡量的基本指標。同時，由于戶籍制度的長期影響使得農民群體非農就業(yè)還時常面臨就業(yè)歧視問題，工作受尊重程度都不理想。故職業(yè)尊重這項因素在我國農民工就業(yè)質量的衡量中也不容忽視。由此，本文構建的農民工就業(yè)質量指標涉及五個方面。

第一，在收入充足方面，由于相對收入比絕對收入更能反映勞動者獲得收入的真實水平，故基于相對收入角度來衡量收入充足。將個體年度稅前工資收入的絕對值與當?shù)啬甓茸畹凸べY標準②以及當?shù)鼐蜆I(yè)人員的年度平均工資③進行比較來判斷收入的充足程度。當年度稅前工資性收入高于當?shù)啬甓茸畹凸べY標準時則取值為1，表示個體的收入至少滿足了勞動者自身的基本生活需要；當個體年度稅前工資性收入高于當?shù)啬甓绕骄べY時，進一步取值為2，表示收入達到社會平均水平，即收入的充足程度更高。第二，在工作穩(wěn)定方面，文獻中通常都從簽訂書面勞動合同以及勞動合同的期限長短來考慮，但由于CLDS調查中勞動者的非農工作類型包括雇員、雇主和自雇三種④，而后兩者并不簽訂勞動合同。故需要從不同角度進行衡量，只要不具有較大的失業(yè)風險就認為是就業(yè)穩(wěn)定。針對受雇者，根據(jù)問卷中“自上次調查以來您從事的工作是否發(fā)生變化”“自上次調查以來是否簽訂新的書面勞動合同”等問題，將工作單位未發(fā)生變化或者工作單位發(fā)生變化但又簽訂了新的書面勞動合同這兩種情況定義為就業(yè)穩(wěn)定，取值為1，否則取值為0。針對雇主和自雇者，根據(jù)問卷中“自上次調查以來您從事的工作是否發(fā)生過變化”，回答為“沒有變化”的情況定義為就業(yè)穩(wěn)定。第三，在社會保障方面，不僅考慮勞動者參與養(yǎng)老、醫(yī)療保險的情況，還考慮其參與工傷、生育、失業(yè)保險的情況。具有其中某一類保險⑤則取值為1，以此類推，具有五類保險則取值為5，數(shù)值越高表示社會保障程度越高。第四，在工作滿意方面，CLDS調查中詢問了受訪者對自身工作的滿意程度，其涵蓋了工作是否符合個體求職預期以及工作環(huán)境、工作時間是否令人滿意等多方面信息。根據(jù)“非常不滿意”“不太滿意”“一般”“比較滿意”和“非常滿意”五種回答結果，定義為1～5 的數(shù)值。第五，在職業(yè)尊重方面，根據(jù)個體在工作中所感受到的他人對其工作或崗位的尊重程度，也定義為1～5 的數(shù)值，數(shù)值越大表示工作受尊重的程度越高。就業(yè)質量總指標由以上五項指標匯總而得。由于五項指標定義的數(shù)值標準不同⑥，為了統(tǒng)一，給每項指標賦予20%的等額權重，即每項指標先按照滿分為2 分的分值進行折算再加總，由此就業(yè)質量總指標的滿分為10 分，數(shù)值越大表示就業(yè)質量越高。

表1 變量的名稱及定義

本文的關鍵解釋變量是職業(yè)技能，即關注農民工在正規(guī)學歷教育后通過培訓、自我學習和工作實踐積累形成的勞動技巧和能力。職業(yè)（或執(zhí)業(yè)）資格證書是官方對勞動者技能水平的權威度量，所以根據(jù)問卷中“自上次調查以來是否獲得過專業(yè)技術資格（包括職業(yè)或執(zhí)業(yè)資格）證書”這一問題的回答結果來判斷個體掌握職業(yè)技能的狀況，也定義成虛擬變量。

控制變量包括三個方面：一是個體基本特征變量和反映個體人力資本的其他變量，包括年齡、性別、婚姻狀況、受教育程度、中共黨員、外語能力以及自評健康；二是家庭特征變量，包括父親受教育程度和家庭負擔人口數(shù)，因為考慮到家庭狀況差異會影響農民工個體的就業(yè)決策；三是工作所屬行業(yè)虛擬變量⑦和地區(qū)虛擬變量⑧。

（三）模型設定

本文使用PSM-DID方法來進行研究。首先，選擇DID（Difference in Difference）方法是因為其可以控制不可觀測但不隨時間變化的組間差異。為滿足DID方法的基本步驟，我們構建了兩個虛擬變量：一是處理組和控制組虛擬變量；二是政策時間虛擬變量。處理組設定為2014 年調查時尚未獲得職業(yè)（或執(zhí)業(yè)）資格證書而在2016 年調查時獲得職業(yè)（或執(zhí)業(yè)）資格證書的個體，設定為1；控制組為2014 年調查時尚未獲得職業(yè)（或執(zhí)業(yè)）資格證書且在2016 年調查時也未獲得職業(yè)（或執(zhí)業(yè)）資格證書的個體，設定為0。對于時間虛擬變量，我們把2014 年設為基期，定義為0；把2016 年定義為1。

表2 匯報了2014 年和2016 年主要變量在處理組和控制組的均值和標準差?？梢园l(fā)現(xiàn)，2014 年處理組個體的就業(yè)質量均值為4.90，而控制組個體的就業(yè)質量均值為4.07，兩者差距為0.83，且在1%的統(tǒng)計水平上顯著。而2016 年處理組個體的就業(yè)質量均值進一步上升到5.81，比控制組均值高出1.47，且仍在1%的統(tǒng)計水平上顯著。從構成就業(yè)質量的具體指標來看，也存在差距擴大的趨勢。例如，2014 年處理組個體在收入充足、工作穩(wěn)定、社會保障、職業(yè)尊重這四項指標上的均值分別比處理組高出0.23、0.21、0.48 和0.04，而2016 年四項均值差距進一步擴大到0.39、0.32、0.63 和0.20，且都非常顯著；2014年處理組個體的平均工作滿意程度比控制組個體還低0.06，但到2016 年均值差異反而呈現(xiàn)顯著的正值。然而，值得注意的是，不僅被解釋變量的均值在兩組中存在顯著差異，一些解釋變量的均值在兩組中也同樣具有顯著差異。例如，處理組個體比控制組個體平均年齡明顯低3 歲以上，自身受教育年限高出2年以上，健康狀況更理想；同時在外語能力、中共黨員、父親受教育程度、工作所屬行業(yè)以及工作地域上也顯著不同。這說明這兩組個體在個人特征、家庭特征等諸多因素上原本就存在很大差異，所以可以推斷獲得職業(yè)（或執(zhí)業(yè)）資格證書很可能是個體自我選擇的結果。因為就業(yè)能力更強、就業(yè)質量更高的個體自身更可能主動地獲得職業(yè)（或執(zhí)業(yè)）資格證書。由此，如果直接進行回歸很可能存在選擇性偏誤，無法揭示出職業(yè)技能與就業(yè)質量的真實因果關系。

基于上述分析，在運用DID方法之前有必要對處理組和控制組個體實施匹配，也就是說需要選擇與獲得職業(yè)（或執(zhí)業(yè)）資格證書的個體在特征上盡可能相似的未獲得職業(yè)（或執(zhí)業(yè)）資格證書的個體，這樣才具有可比性，才能用控制組個體的就業(yè)質量結果來估計處理組個體的反事實結果。由此，我們采取PSM（Propensity Score Matching）方法來消除樣本選擇偏差。PSM方法由Rosenbaum和Rubin（1983）提出[18]，作為匹配方法的一種，它本身相當于從觀測數(shù)據(jù)中將隱藏的隨機化實驗樣本尋找出來。與傳統(tǒng)的匹配方法不同的是，傾向得分匹配是根據(jù)多維匹配指標計算傾向得分，再根據(jù)處理組和控制組之間傾向得分的相近度來進行匹配。它的優(yōu)勢在于計算出的傾向得分是介于0 和1 之間的一維變量，可以避免因可匹配的因素較多或樣本容量不夠大時不易形成較好匹配結果的問題。

表2 變量的均值和標準差

匹配方法的運用依賴于可忽略性假定（又稱條件獨立假定），PSM方法也不例外。可忽略性假定就是假定依可觀測的變量進行選擇，即一旦控制了可觀測變量，處理組和控制組個體沒有未觀測的差異。但事實上對于觀測數(shù)據(jù)而言，處理組和控制組個體之間仍可能存在無法觀測的差異，仍然有可能出現(xiàn)依不可觀測因素選擇的問題。因此單一使用PSM方法也無法避免因遺漏不可觀測因素而產生的內生性問題。而DID方法通過兩期的差分或去均值可以消除“不隨時間改變”的不可觀測的異質性因素的影響。所以本文將PSM方法和DID方法結合，以期在消除選擇性偏誤的同時能較好地避免與解釋變量相關的遺漏變量問題。我們首先根據(jù)個體可觀測變量在控制組中尋找與處理組個體特征相匹配的個體，選擇的可觀測變量數(shù)值為基期（2014 年）數(shù)值。然后將匹配后的處理組和控制組個體進行DID回歸。具體模型設定為：

其中， JobqualityPSM表示匹配后個體的就業(yè)質量。 Treati為處理組、控制組虛擬變量， Tt為時期虛擬變量。it為個體特征、家庭特征、行業(yè)、地區(qū)等控制變量。為隨機誤差項，代表影響因變量的非觀測擾動因素。對模型（1）估計后得到的就是我們要關注的雙重差分估計量。

三、實證結果與分析

（一）根據(jù)PSM方法進行匹配

根據(jù)研究設計，第一步是根據(jù)可觀測變量將處理組個體和控制組個體進行匹配。在匹配時需要先判斷選擇哪些可觀測的解釋變量作為匹配的依據(jù)。為了更好地滿足可忽略性假定，應盡量使用更多的可觀測解釋變量，使影響干預變量和結果變量的混雜因素都能作為匹配依據(jù)。但是，可觀測變量的選擇還要考慮最終匹配的結果是否可靠?？煽康钠ヅ浣Y果需要滿足平衡特征檢驗，即匹配后的處理組和控制組在可觀測變量上的分布是平衡的。Imbens和Rubin（2015）提出了匹配時變量的選擇方法[19]，即根據(jù)經濟理論和直覺，首先引入一些基本的可觀測變量，利用Logit模型估計一個基本的模型，得到擬合的傾向得分，檢驗是否滿足平衡特征。如果滿足則停止，如果不滿足則說明基本模型不充分，還需要對模型進行修正。如果還有其他可觀測變量沒有引入模型，則采取逐步回歸的方法引入其他可觀測變量，利用似然比檢驗判斷該變量是否應該引入。如果似然比檢驗判斷出應該引入，則重新估計傾向得分并檢驗是否滿足平衡特征，如果不滿足則返回原來的模型繼續(xù)調整變量，甚至引入變量的二次項。多次重復上述過程直到通過平衡特征檢驗為止。

按照Imbens和Rubin（2015）的方法，我們考慮到年齡、性別、教育年限等個體特征、家庭特征是影響個體獲得職業(yè)（或執(zhí)業(yè)）資格證書選擇的基本因素，由此構建基本的Logit模型；然后采取逐步回歸的方法加入了行業(yè)虛擬變量和地區(qū)虛擬變量。在逐步回歸過程中，由于似然比都超過臨界值1，同時當加入年齡的二次項時，似然比大于2.71，由此說明應該選擇加入這些變量的更為復雜的模型而摒棄原先的簡單模型。與此同時，我們采取有放回的一對四近鄰匹配，為符合共同支撐假定，在匹配過程中僅保留了處于共同支撐范圍內的處理組和控制組個體，剔除了在共同支撐范圍之外的個體。匹配過程中，Logit 回歸結果擬合較好(LR chi2=79.68，P=0.00)。為了判斷選擇的匹配變量和匹配方法帶來的匹配效果是否理想，還需要同時進行平衡特征檢驗。其最基本方法是T檢驗法，它檢驗的是匹配后各可觀測變量的均值在處理組和控制組之間是否存在顯著差異；如果存在顯著差異，則說明可觀測變量的選取或者匹配方法的選擇不合適，應做調整。不過，T檢驗法只能檢驗可觀測變量在均值上的差異，無法檢驗匹配后可觀測變量分布的其他特征。Imbens和Rubin（2015）提出，如果匹配后處理組和控制組個體傾向得分的期望值相同，那么兩組個體在可觀測變量上的分布就相同[19]。所以我們進一步通過比較匹配前后兩組個體傾向得分的概率密度圖來考察匹配效果，以判斷選擇的可觀測變量和匹配方法是否需要改進。最終，我們確定的用于匹配的可觀測變量為個體的年齡、年齡二次項、性別、婚姻狀況、受教育程度、中共黨員、外語能力、自評健康、父親受教育程度、家庭負擔人口、行業(yè)類型虛擬變量和地區(qū)虛擬變量。

（二）PSM-DID方法適用性檢驗

在運用PSM-DID方法進行估計前，需要進行模型適用性的檢驗。一方面，需要檢驗匹配后處理組和控制組個體在可觀測變量（或稱解釋變量）上是否平衡。如果匹配后處理組和控制組個體在可觀測變量均值上不存在顯著差異，則說明使用PSM-DID方法是合理的。由于在上述PSM處理過程中，我們是根據(jù)平衡特征檢驗結果來確定用于匹配的可觀測變量并修正匹配模型，故能較好地滿足數(shù)據(jù)平衡的假定。具體結果如表3 所示，從可觀測變量的檢驗結果來看，匹配后處理組和控制組個體在這些變量均值上都不存在顯著差異，這意味著支持在PSM基礎上進一步使用DID方法進行估計。

表3 匹配后處理組和控制組在可觀測變量均值上的差異

另一方面，還需要檢驗處理組和控制組個體的匹配效果。圖1 給出了匹配前和匹配后兩組個體傾向得分的概率密度函數(shù)圖?？梢钥闯?，匹配前兩組個體的傾向得分分布差異較大，分布并不接近，而匹配后兩組個體的傾向得分分布差異明顯縮小，分布非常接近。這說明按照上述選擇的可觀測變量和匹配方法進行匹配后，匹配效果很理想。同時，我們得到的匹配后處理組平均處理效應（ATT）對應的P值為1.04，這意味著匹配后處理組和控制組個體在基期的就業(yè)質量差異已不再顯著，這也進一步證明了 PSM-DID方法的適用性和有效性。

圖1 傾向得分概率密度函數(shù)

（三）基于PSM-DID方法的估計

表4 列示了對匹配后處理組和控制組進行雙重差分的估計結果。其中式（1）是沒有加入任何控制變量的模型估計結果，式（2）是加入個體特征變量、家庭特征變量、行業(yè)虛擬變量和地區(qū)虛擬變量后的估計結果。可以看出，無論是否加入控制變量，匹配后處理組和控制組個體在2014 年的就業(yè)質量都不存在顯著差異，但兩者在2016 年的就業(yè)質量差異在1%的統(tǒng)計水平上顯著，同時雙重差分項也在5%甚至1%的統(tǒng)計水平上顯著。這說明職業(yè)技能的獲得顯著提高了個體的就業(yè)質量。從具體數(shù)值上看，它使個體的就業(yè)質量增長了0.79，約占就業(yè)質量均值的16.12%。

為什么職業(yè)技能的獲得能顯著提升個體的就業(yè)質量呢？由于就業(yè)質量指標是由五項指標加權計算而得，故表4 中式（3）至式（7）進一步估計了職業(yè)技能對收入充足、工作穩(wěn)定、社會保障、工作滿意和職業(yè)尊重這五項因素的影響結果，以進一步厘清職業(yè)技能是從哪幾個方面導致了就業(yè)質量差異。從雙重差分項的回歸結果可以看出，職業(yè)技能的獲得在10%的統(tǒng)計水平上顯著提升了個體的收入充足程度，并在5%的統(tǒng)計水平上顯著提升了個體的社會保障程度和職業(yè)尊重程度，同時其對工作滿意這項因素的正影響更是在1%的統(tǒng)計水平上顯著，但其對工作穩(wěn)定這一因素的正影響不但系數(shù)值不高而且不顯著。這說明職業(yè)技能的獲得通過影響收入充足、社會保障、工作滿意和職業(yè)尊重這四項因素，最終提升了個體的就業(yè)質量。

表4 職業(yè)技能對就業(yè)質量的影響（PSM-DID估計結果）

（四）穩(wěn)健性檢驗

在運用PSM-DID方法進行估計前，我們已經進行了模型的適用性檢驗，這說明估計結果總體是可靠的。但為進一步考察估計結果的穩(wěn)健性，我們又進行了安慰劑檢驗。因為原先設定的處理組個體在2012年和2014 年都沒有獲得職業(yè)資格證書，這就為安慰劑檢驗提供了條件。我們用2012 年和2014 年兩期數(shù)據(jù)構造了一個新的面板數(shù)據(jù)，仍然使用上述匹配后的處理組個體（即2016 年調查時獲得職業(yè)或執(zhí)業(yè)資格證書的個體）作為檢驗的處理組，匹配后的控制組個體作為檢驗的控制組，仍用PSM-DID方法重新估計職業(yè)技能對就業(yè)質量的影響。如果上文中職業(yè)技能對個體就業(yè)質量的影響是因為隨時間改變的異質性而帶來的，那么這種效應會持續(xù)存在，因此在新構造的面板數(shù)據(jù)所得估計結果中也應出現(xiàn)類似的效應。相反，如果不出現(xiàn)類似效應，則可以推斷隨時間改變的異質性不太可能存在。

安慰劑檢驗結果如表5 所示?？梢钥闯?，在利用新構造的面板數(shù)據(jù)進行的估計中，雙重差分項的系數(shù)值和符號雖有所變化，但都不顯著。這也意味著職業(yè)技能對就業(yè)質量的顯著影響不大可能是因為遺漏的隨時間改變的異質性所帶來，這就進一步說明表4 的估計結果是穩(wěn)健的。

表5 職業(yè)技能對就業(yè)質量的影響（安慰劑檢驗）

（五）異質性分析

為了探討職業(yè)技能對不同群體農民工就業(yè)質量的影響，我們進一步按照受教育程度和單位特性對上述模型進行分組估計⑨（見表6）?？紤]到我國義務教育時間為9 年，故將受教育程度分為大于等于9年和小于9 年兩組。前者代表中高學歷組，后者代表低學歷組?？梢钥闯?，受教育程度不同，職業(yè)技能的獲得對就業(yè)質量的影響存在差異。對于中高學歷組個體而言，職業(yè)技能的獲得在1%的統(tǒng)計水平上顯著提高了個體的就業(yè)質量；從細分指標來看，其對收入充足、社會保障、工作滿意、職業(yè)尊重四項指標都產生了顯著或較為顯著的正影響，對工作滿意的提升效應甚至在1%的統(tǒng)計水平上顯著。對于低學歷組的個體而言，情況則大不相同，職業(yè)技能對就業(yè)質量的總體影響并不顯著，僅僅在10%的統(tǒng)計水平上對個體的工作滿意產生了正影響。依據(jù)單位特性⑩分組后也顯示出了類似結果。職業(yè)技能對就業(yè)質量的正影響對于非正規(guī)就業(yè)部門的個體非常顯著，且回歸系數(shù)值更高。而對正規(guī)就業(yè)部門的個體而言，其僅僅在一定程度上提升了個體的工作滿意程度，對其他細分指標的影響并不顯著。

表6 職業(yè)技能對不同群體就業(yè)質量的影響

四、結論與政策建議

（一）結論

第一，就農民工總體而言，職業(yè)技能顯著提升了農民工的就業(yè)質量。但其對就業(yè)質量五項細分指標的影響并不完全相同，其對收入充足、社會保障、工作滿意以及職業(yè)尊重這幾項因素都產生了較顯著或非常顯著的正效應。那么，如何理解這一結果呢？職業(yè)技能的獲得提升了個體的人力資本，一方面可以使農民工個體在工作搜尋中掌握更多主動權，更利于其找到工資水平更高和社會保障更充足的工作，從工作中獲得更多的滿足感和職業(yè)尊重。另一面，即使農民工個體仍在原單位工作，職業(yè)資格證書的獲得也有助于證明其職業(yè)技能水平和崗位勝任能力，使得其在勞動合同簽訂和崗位晉升中更具優(yōu)勢，更利于提升工資收入，而工資收入的提高也有助于各項社會保險的繳納。另外，職業(yè)技能的獲得帶來的人力資本提高還有助于農民工個體在工作中獲得更多表達意見的機會以及他人對其工作崗位的尊重，由此就業(yè)質量顯著提高也是合乎理論邏輯的。但職業(yè)技能的獲得未能對工作穩(wěn)定這一因素產生顯著正影響也意味著農民工的就業(yè)穩(wěn)定問題仍需要進一步關注。

第二，職業(yè)技能的獲得對農民工就業(yè)質量的影響存在群體異質性。一方面，其對中高學歷的農民工群體就業(yè)質量的提升作用更顯著，對低學歷的農民工群體的就業(yè)質量改善非常有限。這說明職業(yè)技能作為人力資本的構成要素之一，它與人力資本的其他構成因素之間要相輔相成才能發(fā)揮更顯著的作用。學歷教育代表勞動者擁有的知識儲備和基本素質，它仍然是求職中的重要門檻；職業(yè)技能作為與具體工作崗位相聯(lián)系的專業(yè)技術水平和能力，在個體已具備一定學歷時才更能顯示出錦上添花的作用，才能幫助農民工個體獲得更為理想的工作崗位或晉升機會。因而，在提升職業(yè)技能的同時，基礎的學歷教育也不容忽視。而在農民工群體中，80 后、90 后等新生代農民工的受教育程度普遍更高，這意味著職業(yè)技能的獲得對這類群體就業(yè)質量的提升作用更明顯。另一方面，實證分析中還發(fā)現(xiàn)職業(yè)技能的獲得對處于非正規(guī)就業(yè)部門的農民工群體就業(yè)質量的正影響非常顯著，但對處于正規(guī)就業(yè)部門的農民工群體卻并不如此。一個可能的原因是，在政府機關、事業(yè)單位、國有企業(yè)等正規(guī)部門，勞動者的工資水平已經相對較高，工作穩(wěn)定、社會保障以及職業(yè)受尊重程度也相對較好，故職業(yè)技能的獲得對個體就業(yè)質量的提升空間本身不大。而在非正規(guī)就業(yè)部門中，工資低、福利差、就業(yè)不穩(wěn)定，社會保險繳納少等現(xiàn)象都較為普遍，故職業(yè)技能的獲得對農民工就業(yè)質量的提升作用非常顯著也具有客觀必然性。當前我國農民工非農就業(yè)大多處于非正規(guī)就業(yè)部門，這一實證結果也進一步驗證了通過職業(yè)技能的提升來改善農民工群體就業(yè)質量的可行性。

（二）政策建議

第一，在發(fā)展學歷教育的基礎上大力推進農民工技能提升計劃。學歷教育是人力資本積累的基本手段，而技能培訓作為一種繼續(xù)教育，是學歷教育之后進一步提升人力資本的重要途徑，應將兩者緊密結合。目前在我國全部農民工中，初中以下文化程度的農民工占16.7%，初中文化程度的占55.8%，高中文化程度的占16.6%，大專及以上的占10.9%?。這說明較大比例的農民工群體已具備了中高等學歷。但在基本的學歷教育之外，我國目前農民工技能培訓仍存在覆蓋面不廣、規(guī)模不大、培訓供給不足、針對性有效性不強等問題。因此，提升技能培訓力度非常有必要。應著眼于當前制造業(yè)重點領域和現(xiàn)代服務業(yè)對技能人才的需求，大力推進“政府政策扶持+企業(yè)主導+社會資源參與”的培訓機制，針對不同職業(yè)階段農民工的具體特性開展不同內容的技能培訓。具體而言，針對新進城轉移就業(yè)的農民工開展入職基本技能培訓；針對已入職的農民工，依托政策支持來激勵企業(yè)開展新型學徒制培訓和崗位技能提升培訓；針對自主創(chuàng)業(yè)的農民工開展創(chuàng)業(yè)技能培訓和企業(yè)經營指導培訓；針對失業(yè)或轉崗的農民工開展轉崗新技能培訓等。

第二，推進戶籍、社會保險等勞動市場相關制度的完善和公共就業(yè)服務的優(yōu)化。就業(yè)質量不僅涉及勞動者工資收入的提升，還包括就業(yè)穩(wěn)定、社會保險等多項因素。長期以來戶籍制度帶來的就業(yè)歧視使農民工在進城或異地轉移就業(yè)過程中較難獲得較好的就業(yè)機會和穩(wěn)定的就業(yè)崗位；而社會保險制度的碎片化以及地域分割特性也造成了農民工轉移就業(yè)過程中社會保險待遇不公以及社會保險賬戶跨地域轉移接續(xù)難的問題，這些都直接或間接影響到農民工群體就業(yè)質量的提升。因此應進一步深化戶籍制度改革，推進不同群體、不同地域間社會保險的統(tǒng)一，公平待遇水平，盡早打通社會保險跨地域轉移路徑。同時，針對農民工就業(yè)不穩(wěn)定問題，應優(yōu)化公共就業(yè)服務體系。例如，推進農民工就業(yè)監(jiān)測，及時向就業(yè)不穩(wěn)定的農民工提供技能培訓和崗位信息；引導培訓機構與行業(yè)協(xié)會、大中型企業(yè)建立聯(lián)合體，為農民工提供“培訓+就業(yè)”的一站式服務等。總之，通過多管齊下來滿足農民工技能就業(yè)的需要，促進其就業(yè)質量的提升。

注 釋：

① 數(shù)據(jù)來源于《2018 年國民經濟和社會發(fā)展統(tǒng)計公報》，載于中華人民共和國國家統(tǒng)計局網(wǎng)站統(tǒng)計數(shù)據(jù)欄目（網(wǎng)址：http:// www.stats.gov.cn/tjsj/zxfb/201902/t20190228_1651265.html）。

② 根據(jù)國家人力資源和社會保障部公布的2013 年、2015 年各省（市、自治區(qū)）月最低工資標準（第一檔）乘以12 得到年度口徑的最低工資標準。

③ 數(shù)據(jù)來源于《中國統(tǒng)計年鑒》中各省（市、自治區(qū)）城鎮(zhèn)單位就業(yè)人員平均工資統(tǒng)計表。

④ 其中，雇主是雇傭1 人及以上其他勞動者的私營企業(yè)主或個體工商戶，自雇為未雇傭他人的個體工商戶。

⑤ 由于我國當前養(yǎng)老保險和醫(yī)療保險類型眾多，有些保險（例如新型農村合作醫(yī)療和城鎮(zhèn)居民醫(yī)療保險）待遇水平差異不大，部分省份已合并（例如合并成城鄉(xiāng)居民醫(yī)療保險、城鄉(xiāng)居民社會養(yǎng)老保險），同時農民工如果已在戶籍地參加了新農?；蛐罗r合，也無需參加城鎮(zhèn)社會養(yǎng)老保險或醫(yī)療保險。故只要具有城鎮(zhèn)或農村社會養(yǎng)老保險（醫(yī)療保險）中的一種，就算具有該類養(yǎng)老保險（醫(yī)療保險）。

⑥ 后三類指標細分成五種程度，可以更細致地區(qū)分個體在社會保障、工作滿意和職業(yè)尊重上的程度差異。而前兩類指標由于調查問卷問題的有限性以及標準可得性的局限，難以找到更好的標準細分成五種程度。

⑦ 分為六類行業(yè)：第一類為農林牧漁業(yè)，第二類為采掘業(yè)、制造業(yè)和電力、煤氣及水的生產供給業(yè)，第三類為建筑業(yè)，第四類為交通運輸、郵電、貿易和餐飲業(yè)，第五類為金融和房地產業(yè)，第六類為衛(wèi)生體育教育、社會服務等。

⑧ 地區(qū)虛擬變量是根據(jù)國家統(tǒng)計局規(guī)定的東部、中部、西部和東北部地區(qū)的劃分標準來分類，以西部地區(qū)為對照組。

⑨ 根據(jù)其他特征分組所顯示出的差異不大，故本文未列出。

⑩ 根據(jù)CLDS對工作單位的劃分，本文將政府機關、國有（集體）事業(yè)單位、國有企業(yè)、集體企業(yè)列入正規(guī)就業(yè)部門，將私營企業(yè)、三資企業(yè)、個體工商戶和自由工作者列入非正規(guī)就業(yè)部門。

? 數(shù)據(jù)來源于《2018 年農民工監(jiān)測調查報告》，載于中華人民共和國國家統(tǒng)計局網(wǎng)站統(tǒng)計數(shù)據(jù)欄目（網(wǎng)址：http://www. stats.gov.cn/tjsj/zxfb/201904/t20190429_1662268.html）。