中国大学生劳动力市场上的性别工资差异与歧视

中国大学生劳动力市场上的性别工资差异与歧视Bookmars一、引言二、计量模型与估计方法三、数据及其描述统计四、估计结果及解释五、结论参考文献关键词：工资歧视；工作能力；个体异质性；Blinder-Oaxaca(1973)分解摘要:以2008年度“中国大学毕业生求职与工作能力调查”的山东省数据为基础，分别利用两种扩展的Blinder-Oaxaca(1973)分解方法，考察了我国大学生劳动力市场上的性别工资差异与歧视。2008年,男女大学生毕业半年后的性别工资差异为12.2%～13.2%，其中，90.16%及以上的部分是由于性别歧视造成的本文的基本结论表明：我国大学生劳动力市场上的确存在性别工资差异与歧视。结论不仅揭示了政府反性别歧视的必要性，还揭示了女大学生强化工作能力，提升就业竞争力的迫切性。•曾有一组研究数据发现，大学里女性对自己本身学习能力的培养都普遍高于男性，但在就业时，无论是第一工作还是目前工作，劳动力市场上，女性的工资低于男性，并随工作年限的增长而扩大这是为何那？百思不得其解歧视（prejudice）即：人对人就某个缺陷、缺点、能力、出身以不平等的眼光对待。歧视，是指具有同等生产率特征的劳动者因种族或性别而在劳动力市场上受到的不公正待遇计量模型与估计方法首先采用Heckman（1979）样本选择模型处理大学毕业生工资方程中因未观测到的个体异质性——尤其是能力变量遗漏导致的内生性。模型设置如下：Lnwageit=Xitβt+uit(1)S=1[Zitγt+υit0](2)注：Lnwageit为t年样本中(t=2007,2008,pooled)，大学毕业生i被调查时的对数化月工资水平。Xit是由个人特征和生产率变量组成的向量，βt是相应参数组成的向量(包括常数项)。ui是随机误差项，且ui~N(0,σ2)。S是大学毕业生被调查时是否处于就业状态的二分类变量。Zit是影响其就业状态的变量组成的向量，γt是其待估计的参数向量。υit随机误差项，并服从υit~N(0,1)。Heckman(1979)指出，it和υit均包含未观测到的个体异质性。uit和υit存在相关关系，u即令uit=ρtυit+εit，代入方程(1)，并取其条件期望，则有：E(Lnwageit|Xit,Zit,S=1)=Xitβt+ρtE(υit|Zit,S=1)=Xitβt+ρtφ(Zitγt)Φ(Zitγt)=Xitβt+ρtλit(3)为测度性别工资差异与歧视，记Xitβt+ρtλit=Witηt，分别估计男女大学生工资方程中的参数tj及相应变量均值Wtj(j=M，F)，再根据Blinder-Oaxaca(1973)将性别工资差异分解为：LnwagetM1−LnwagetF=1=WtMηtM−WtFηtF=(WtM−WtF)ηtM+WtF(ηtM−ηtF)(4)或将性别工资差异分解的角度换为男生，则有：LnwagetM1−LnwagetF=1=WtMηtM−WtFηtF=(WtM−WtF)ηtF+WtM(ηtM−ηtF)(5)第一种是Neumark(1988)，Oaxaca&Ransom(1994)对Blinder-Oaxaca(1973)的扩展：LnwagetM1−LnwagetF=1=(WtM−WtF)ηt∗+WtM(ηtM−ηt∗)+WtF(ηt∗−ηtF)(6）第二种是Daymont&Andrisani(1984)对Blinder-Oaxaca(1973)的扩展：LnwagetM1−LnwagetF=1=(WtM−WtF)ηtF+WtF(ηtM−ηtF)+(WtM−WtF)(ηtM−ηtF)(7)同时，还将对性别工资差异的各组成部分依据各类变量(共10类变量，其中，5个分类变量：专业、工作单位、所在城市、行业和职业类型各作1类)进行详细分解，以考察各变量对各部分的影响。E可分解为：E=(W1tM−W1tF)η1tF+(W2tM−W2tF)η2tF+(W10tM−W10tF)η10tF(8)数据及其描述统计结论：从表1上图可以看出，在2007、2008年度样本及混合样本中，毕业半年后男生的月工资平均比女大学生分别高359.3元、293.2元和306.0元；高出幅度分别为17.1%，13.2%和14.0%。工作能力方面，在2007、2008年度样本及混合样本中，毕业离校时男生的工作能力指数比女大学生分别高6.227、2.637和3.122个百分点。可见，大学毕业生的性别工资差异和工作能力指数的差异完全一致，且两者都随时间呈现缩小的趋势，即2008年比2007年约降低了4个百分点。此外，从表还1可以看出，大多数变量的性别差异明显，这表明性别工资差异中有一部分可能是由于个人特征差异所致。图1给出了大学毕业生的工资分布特征，在2007、2008年度样本中，经过对数化处理后的工资分布接近正态，这表明对数化的工资对于估计工资方程更为合理，而且更易于解释。在图2中，大学毕业生离校时的工作能力指数基本呈现正态分布。同时，不同年份的性别工资差异和工作能力指数的性别差异呈现出相似的分布特征，这表明大学毕业生半年后的工资水平差异很可能与离校时掌握的工作能力的性别差异有关。至于性别工资歧视存在性及其大小，需要在控制工作能力指数和其他影响因素的基础上，对性别工资差异进行分解。2/6/20202/6/2020估计结果及解释(一)工资的影响因素与性别差异表2第(1)～(10)列显示，学历层次对工资影响显著，在其他因素相同的条件下，本科毕业生的半年后月工资水平高于专科和高职毕业生18.6%～24.4%。这主要由于本科生相对于专科和高职毕业生进行了更多的人力资本投资，积累了更多人力资本。211”重点大学毕业生的半年后月工资水平高于非“211”重点大学毕业生15.2%～17.3%。这均反应了信号理论和人力资本理论的基本观点。因为“211”重点大学的毕业生通常具有高质量的人力资本，同时能进入“211”重点大学学习本身也向雇主传递了高能力的信号。纪月梅等(2004)也发现重点大学的毕业生要比非重点大学的毕业生工资显著地高。在职工作时间对工资具有显著的正向影响，其边际效应为0.03左右，即表明工资时间每增加一个月工资增加3%。这主要由于大学生毕业半年后大多通过了试用期后，工资处于增长阶段。专业类型中，相对于教育学等专业毕业生，经济学专业毕业生的工资高3.2%～13.6%，而法学、理学、工学等其他专业的工资优势并不明显。这可能由于改革开放以来，我国一直坚持以经济建设为中心，急需大批懂经济的专业技术人才，经济学专业毕业生备受青睐。2/6/2020工作单位类型中，国有企业和三资企业的工资水平分别高于政府/事业/科研机构10%~20%，这主要由于国有企业和三资企业相对政府/事业/科研机构的工作压力更大、工作相对不稳定、福利相对较差，因而提供了一定的补偿性工资。所在城市类型中，相对于直辖市而言，省会城市、地级城市及区县的工资水平分别低30%和40%左右。一方面可能是由于直辖市的高薪机会比较多；另一方面，直辖市的物价水平相对较高，用人单位要吸引到所需要的大学生，必需支付足以弥补高物价的工资水平。行业类型中，第二类行业相对于第一类行业的工资水平显著低4.2%-6.9%，而第三和第四类行业的工资高于第一类，但并不显著。这一结论与王美燕(2005)以整体人群为研究对象时的结论并不一致。这主要是由于大学毕业生是高知识群体，主要分布于第二、三和四类行业，造成该行业内大学生过度竞争；而在第一类行业分布相对不足，同时由于第一类行业的工作相对辛苦、不稳定，因而获得了较高的工资溢价和补偿性工资。此外，白领工作者的工资比蓝领工作者的工资高约3%。2/6/2020表2第(1)～(6)列分别给出了在未控制和控制了工作能力指数的情形下，运用OLS对不同年份样本所估计的参数。对2007、2008年度样本及混合样本，当没有控制工作能力指数时，第(1)～(3)列中性别变量的系数分别为0.175、0.137和0.143，且在统计意义上十分显著。这表明在其他因素相同的条件下，平均来说，男生毕业半年后的月工资分别比女生高17.5%、13.7%和14.3%①。当控制工作能力指数以后，第(4)～(6)列中性别变量的系数分别下降为0.154、0.126和0.130，在统计意义上仍然十分显著。比第(1)～(3)列估计系数依次减少了0.025、0.011和0.013，减少幅度分别为14.3%、8%和9.1%，这表明遗漏能力变量将产生很大的估计偏误，即性别工资差异将被高估8%以上。同时，第(4)～(6)列的拟合优度分别提高了0.014、0.015和0.016，提高幅度分别为6.7%、6.94%和7.2%，这表明能力变量的控制显著提高了模型的解释力，能力变量的控制必不可少。表2第(7)～(10)列分别给出了在未控制和控制了工作能力指数的情形下，运用Heckman样本选择模型对2008年度样本及混合样本所估计的参数。当没有控制工作能力指数时，第(7)和(8)列性别变量的系数为0.135和0.142，且在统计意义上十分显著；较第(2)和(3)列中性别变量系数分别下降了0.2和0.01个百分点，下降幅度分别为1.5%和0.7%。这表明样本选择偏误并不大。当控制工作能力指数后，第(9)和(10)列性别变量的系数为0.124和0.129，在统计意义上仍然十分显著。2/6/2020较第(5)和(6)列中性别变量的系数，分别下降了0.002和0.001，下降幅度分别为1.6%和0.8%；而较第(7)和(8)列中性别变量的系数，分别下降了0.011和0.013，下降幅度分别为8.2%和10.5%。这再次表明能力变量的遗漏偏误比样本选择偏误的后果更严重。同时，第(7)～(10)列有关方程(1)和(2)独立性的Wald检验，不能拒绝原假设：ρt≠0。这表明直接用OLS而不用Heckman样本选择模型不会导致太大的偏误。这一出乎意料事实的结论是由于样本中未就业大学生的相关变量缺失值过多造成的。在原数据集中有13%的大学毕业生未就业，但在本文分析时，剔除掉相关变量的缺失值后，未就业率仅为2%；2007年度调查的大学毕业生全部就业，因而没有用Heckman样本选择模型。有趣的是，表2中用不同方法估计的工作能力指数的边际效应均为0.004，其经济意义在于，工作能力指数每提高1个单位，所获得的工资将显著提高0.4%。这可以解释为，通过一段时间的试用期，雇主观察到了大学生的实际工作能力，而支付了与其能力相对应的工资。而且，在实践中，很多企业推行的是绩效工资制度。即在其他因素相同的条件下，大学生的能力和绩效成正比，高能力者因而获得了与其绩效相对应的工资水平。2/6/2020当其他变量取其均值，用第(10)列预测的对数化期望工资与工作能力指数呈正相关系。在图4中表现为不同年份和性别组合的对数化期望工资拟合线均向右上方倾斜。而且，四条拟合线平行，这表明能力对工资的边际贡献没有性别差异(均为0.4%)。值得注意的是，性别工资差异相当明显。即在控制工作能力指数和其他变量后，女大学生获得工资总是比男大学生的工资低。在图4中表现为男生的对数化期望工资拟合线的截距比女生的对数化期望工资拟合线的截距总是高。男性的对数化期望工资拟合线的截距明显高于7.25，而女性的对数化期望工资拟合线的截距明显低于或刚好等于7.25。2/6/20202/6/20202/6/2020(二)性别工资差异分解首先，本文对男女样本分别估计工资方程①，并采用Neumark(1988),Oaxaca&Ransom(1994)方法将性别工资分解为两部分：可解释部分和不可解释部分，即T=Q+U。表3第(1)～(6)列分解结果表明，无论控制工作能力与否，基于OLS参数估计量所分解的性别工资差异T相同。即对于2007、2008年度样本及混合样本，男女大学生对数化的月工资均值差异T都分别为0.171、0.132和0.140。然而，性别工资差异T的结构有所不同，Q和U所占T的比例不同。当未控制工作能力时