張成

摘?要：本文利用CHFS2017年數(shù)據(jù)，基于Mincer方程對不同戶籍勞動(dòng)力的工資方程進(jìn)行回歸，得出農(nóng)村勞動(dòng)力和城鎮(zhèn)勞動(dòng)力的工資收入存在差距這一基本結(jié)論后，對兩個(gè)群體的工資收入差距進(jìn)行Oaxaca-Blinder分解，考慮到可能存在的內(nèi)生性問題，利用傾向得分匹配方法來削減樣本選擇偏誤。結(jié)果表明：農(nóng)村勞動(dòng)力在勞動(dòng)力市場仍處于劣勢地位，面臨著約18.3%的戶籍歧視，城鎮(zhèn)勞動(dòng)力擁有更高的教育回報(bào)率。

關(guān)鍵詞：工資差異;戶籍歧視;傾向得分匹配

中圖分類號(hào)：F24?文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.1672-3198.2020.27.040

0?引言

1958年，全國人民代表大會(huì)常務(wù)委員會(huì)通過了《中華人民共和國戶口登記條例》，我國的城鄉(xiāng)二元戶籍制度由此正式確立。建國初期，我國實(shí)行計(jì)劃經(jīng)濟(jì)，城鄉(xiāng)二元戶籍制度確實(shí)發(fā)揮了歷史作用。但十一屆三中全會(huì)后，我國開始實(shí)行改革開放，隨著經(jīng)濟(jì)不斷改革、對外開放步伐不斷加快，城鄉(xiāng)二元戶籍制度的弊端逐漸顯現(xiàn)。這一制度嚴(yán)重阻礙了勞動(dòng)力的自由流動(dòng)，使“二元經(jīng)濟(jì)模式”在我國根深蒂固。農(nóng)村勞動(dòng)力由于沒有城市戶籍，在勞動(dòng)力市場中長期處于劣勢地位，這不僅體現(xiàn)在農(nóng)村勞動(dòng)力的工資低于城鎮(zhèn)勞動(dòng)力，還體現(xiàn)在農(nóng)村勞動(dòng)力無法享受與城鎮(zhèn)勞動(dòng)力相同水平的社會(huì)保障、就業(yè)機(jī)會(huì)等。

伴隨著改革開放進(jìn)程，我國實(shí)行了多次不同層面的戶籍改革。我國勞動(dòng)力市場是否存在戶籍歧視？戶籍改革對于縮小農(nóng)村勞動(dòng)力與城鎮(zhèn)勞動(dòng)力的差距是否發(fā)揮了作用？對于這些問題，國內(nèi)學(xué)者進(jìn)行了大量的研究，較為普遍的結(jié)論是：我國勞動(dòng)力市場存在戶籍歧視，戶籍歧視在一定程度上會(huì)導(dǎo)致農(nóng)村勞動(dòng)力的工資收入低于城鎮(zhèn)勞動(dòng)力。但是，戶籍歧視能夠在多大程度上解釋農(nóng)村勞動(dòng)力與城鎮(zhèn)勞動(dòng)力的工資收入差距，已有成果存在較大差異。蘇群等（2017）基于2012年中國勞動(dòng)力動(dòng)態(tài)調(diào)查數(shù)據(jù)，采用分位數(shù)分解方法，從5分位到95分位對不同戶口勞動(dòng)力的工資差距進(jìn)行分解，結(jié)果表明，工資差異造成的戶籍歧視在40分位最低，為8.47%;在95分位最高，為35.26%。章莉等（2014）以2007年CHIP數(shù)據(jù)為基礎(chǔ)，使用四種方法分解農(nóng)民工和城鎮(zhèn)職工的工資收入差距，其中，全樣本分解結(jié)果顯示農(nóng)民工和城鎮(zhèn)職工的工資差距中有36%是由于戶籍歧視造成。

已有成果為本文的討論奠定了很好的基礎(chǔ)，然而現(xiàn)有研究較少關(guān)注內(nèi)生性問題，這可能會(huì)造成估計(jì)結(jié)果的偏誤。本文利用2017年西南財(cái)經(jīng)大學(xué)中國家庭金融調(diào)查與研究中心的中國家庭金融調(diào)查（CHFS）數(shù)據(jù)，在Oaxaca-Blinder分解的基礎(chǔ)上，采用傾向得分匹配法來削減選擇偏誤，控制內(nèi)生性的影響，討論我國勞動(dòng)力市場工資收入戶籍歧視的現(xiàn)狀。研究這一問題對于針對我國勞動(dòng)力市場的實(shí)際情況制定有效的就業(yè)政策、促進(jìn)更高質(zhì)量就業(yè)進(jìn)而促進(jìn)城鄉(xiāng)融合具有較強(qiáng)的現(xiàn)實(shí)意義。

1?數(shù)據(jù)來源、變量設(shè)計(jì)與模型方法

1.1?數(shù)據(jù)來源

本文數(shù)據(jù)來源于2017年中國家庭金融調(diào)查（CHFS）數(shù)據(jù)。中國家庭金融調(diào)查由西南財(cái)經(jīng)大學(xué)中國家庭金融調(diào)查與研究中心組織開展，已在2011年、2013年、2015年和2017年四次成功實(shí)施調(diào)查。CHFS個(gè)人調(diào)查共有127012個(gè)樣本，基于研究需要，本文對原始數(shù)據(jù)進(jìn)行了處理：（1）年齡限制在16-65歲;（2）僅保留受雇樣本;（3）刪除工資、受教育程度等重要變量缺失的樣本。處理后，剩余樣本23648個(gè)，其中農(nóng)村勞動(dòng)力12418個(gè)，城鎮(zhèn)勞動(dòng)力11230個(gè)。

1.2?變量設(shè)計(jì)

本文研究不同戶籍的工資收入差距，故被解釋變量為小時(shí)工資。實(shí)際處理時(shí)，本文利用稅后年工資/12平均月工作天數(shù)/平均每天工作小時(shí)數(shù)計(jì)算小時(shí)工資。城鎮(zhèn)勞動(dòng)力的平均小時(shí)工資為26.03元，農(nóng)村勞動(dòng)力的平均小時(shí)工資為13.50元。已有文獻(xiàn)將受教育程度、健康狀況、工作年限、婚姻狀況、年齡作為解釋變量，除上述五個(gè)變量外，本文還將地區(qū)變量作為解釋變量（以東部地區(qū)為基準(zhǔn)組）。解釋變量中，受教育程度從0-9依次代表沒上過學(xué)、小學(xué)、初中、高中、中專/職高、大專/高職、大學(xué)本科、碩士研究生、博士研究生。健康狀況和婚姻狀況為虛擬變量。部分研究結(jié)果顯示年齡及工作年限與工資存在倒U型關(guān)系，故本文將年齡的二次項(xiàng)和工作年限的二次項(xiàng)加入回歸方程中作為解釋變量。

1.3?模型方法

本文的工資收入方程基于Mincer（1974）的工資方程：

lnhwage=β0+βiXi+μi（1）

上式中，lnhwage表示小時(shí)工資的對數(shù);Xi表示各解釋變量;μi為誤差項(xiàng)。

在對勞動(dòng)力的工資差距進(jìn)行分解時(shí)，本文采用Oaxaca-Blinder方法，該方法基于線性模型，計(jì)算兩個(gè)組群的平均工資，構(gòu)造無歧視的勞動(dòng)力市場工資結(jié)構(gòu)，進(jìn)而得到兩個(gè)組群的工資均值之差，關(guān)于該方法更詳細(xì)的介紹請參考Oaxaca（1973）。

為削減樣本選擇偏誤，本文利用傾向得分匹配法進(jìn)行穩(wěn)健性檢驗(yàn)。傾向得分匹配將樣本個(gè)體分為處理組和控制組，根據(jù)某函數(shù)對傾向得分P（X）進(jìn)行匹配，得到具有相同變量特征的處理組和控制組，進(jìn)一步構(gòu)造反事實(shí)，在控制選擇偏誤的基礎(chǔ)上估計(jì)參與者的平均處理效應(yīng)（ATT）。

2?實(shí)證分析

2.1?工資方程回歸

表1給出了不同戶籍的工資方程回歸結(jié)果。

表1顯示，受教育程度對勞動(dòng)力的工資有顯著的正向作用，但城鎮(zhèn)勞動(dòng)力的教育回報(bào)率明顯高于農(nóng)村勞動(dòng)力。就平均受教育程度而言，城鎮(zhèn)勞動(dòng)力約為中專/職高，而農(nóng)村勞動(dòng)力僅約為初中。健康程度和婚姻狀況對工資亦為正向作用，且農(nóng)村勞動(dòng)力的健康程度對工資的影響系數(shù)明顯大于城鎮(zhèn)勞動(dòng)力，這可能是由于農(nóng)村勞動(dòng)力更多從事與體力有關(guān)的工作，健康的身體更容易獲得工作進(jìn)而獲得更高的工資報(bào)酬。工作年限對工資有正向作用，這符合一般情況，工作年限越長，經(jīng)驗(yàn)積累越豐富，能力相對越強(qiáng)。年齡的正向顯著說明傳統(tǒng)認(rèn)識(shí)上的年輕力壯已不再是勞動(dòng)力的顯著優(yōu)勢，一方面，隨著劉易斯轉(zhuǎn)折點(diǎn)的到來，城市頻頻發(fā)生“民工荒”（孫婧芳，2017）;另一方面，年齡的增長一般意味著工作年限的增長。中部地區(qū)與西部地區(qū)對工資不具有顯著影響，這可能是由于近年來各地區(qū)總體上呈現(xiàn)人均收入收斂的趨勢，相對差距在縮小（孫文凱，2016）。

2.2?工資差距分解

從工資方程回歸中可以發(fā)現(xiàn)不同戶籍存在工資差距，但工資差距中有多大比例是由于戶籍歧視造成，尚不明確，因此需要進(jìn)一步分析。采用Oaxaca-Blinder方法對農(nóng)村勞動(dòng)力與城鎮(zhèn)勞動(dòng)力的工資差距進(jìn)行分解?？偣べY差系數(shù)為0.511，其中，可解釋部分的工資差系數(shù)為0.410，貢獻(xiàn)率為80.23%;不可解釋部分的工資差系數(shù)為0.101，貢獻(xiàn)率為19.77%。在可解釋部分，對工資差距貢獻(xiàn)最大的是受教育程度，系數(shù)為0317，貢獻(xiàn)率為77.32%。

2.3?傾向得分匹配

為削減樣本選擇偏誤，提高結(jié)果的可信度，進(jìn)行傾向得分匹配。同時(shí)報(bào)告最近鄰匹配和核匹配結(jié)果，以供對比。

匹配后所有變量的標(biāo)準(zhǔn)化偏差均小于10%，說明匹配的效果較好。最近鄰匹配和核匹配的ATT值十分接近，亦說明匹配結(jié)果可信度高。削減樣本選擇偏誤后，農(nóng)村勞動(dòng)力面臨約18.3%的工資收入戶籍歧視。

3?結(jié)論與建議

本文利用CHFS2017年數(shù)據(jù)，基于Mincer方程對不同戶籍勞動(dòng)力的工資方程進(jìn)行回歸，得出農(nóng)村勞動(dòng)力和城鎮(zhèn)勞動(dòng)力的工資收入存在差距這一基本結(jié)論后，對兩個(gè)群體的工資收入差距進(jìn)行Oaxaca-Blinder分解，考慮到可能存在的內(nèi)生性問題，利用傾向得分匹配方法來削減樣本選擇偏誤。本文的主要結(jié)論包括：農(nóng)村勞動(dòng)力在勞動(dòng)力市場仍處于劣勢地位，面臨著約18.3%的戶籍歧視，城鎮(zhèn)勞動(dòng)力擁有更高的教育回報(bào)率。

本文的建議有：首先，從根源上消除戶籍歧視存在的制度基礎(chǔ)，堅(jiān)持新發(fā)展理念特別是共享理念，讓改革發(fā)展成果更多更公平惠及全體人民;其次，逐漸消除戶籍的含金量，強(qiáng)化戶籍在人口登記服務(wù)方面的功能;最后，政府應(yīng)采取措施提高農(nóng)業(yè)戶口勞動(dòng)力的人力資本水平，如保障農(nóng)業(yè)戶口勞動(dòng)力接受平等教育的權(quán)利，進(jìn)而提高其在城鎮(zhèn)勞動(dòng)力市場上的競爭力。

參考文獻(xiàn)

[1]蘇群，馮波，吳奇峰，等.教育質(zhì)量、戶籍歧視與城鄉(xiāng)勞動(dòng)力工資差異——基于分位數(shù)回歸與分解方法[J].宏觀質(zhì)量研究，2017，5（2）：119-128.

[2]章莉，李實(shí)，Jr.William A. Darity，等.中國勞動(dòng)力市場上工資收入的戶籍歧視[J].管理世界，2014，（11）：35-46.

[3]Oaxaca R.Male-Female Wage Differences in Urban Labor Markets[J].International Economic Review，1973，14（3）： 693-709.

[4]孫婧芳.城市勞動(dòng)力市場中戶籍歧視的變化：農(nóng)民工的就業(yè)與工資[J].經(jīng)濟(jì)研究，2017，52（8）：171-186.

[5]孫文凱.中國勞動(dòng)力流動(dòng)問題研究[M].北京：中國人民大學(xué)出版社，2016.