城鎮勞動力市場工資方程和勞動參與方程聯立估計

摘 要: 本文應用極大似然估計法對中國城鎮勞動力市場中的工資方程和勞動參與方程進行了聯立估計，研究結果表明:人力資本、個人能力和家庭教育背景對市場工資水平均具有正向影響，女性和男性的教育收益率分別為8.70%和5.50%;工資、教育年限、黨員和戶主身份對個體勞動參與的概率均具有正向影響，而年齡對個體勞動參與的概率具有負向影響，女性和男性勞動參與的工資彈性分別為0.157和0.067。因而，實施能夠促進人力資本積累的教育政策和勞動力市場政策，可以有效地促進勞動參與和提升工資水平，有助于促進就業、增加收入和縮小收入差距。

關鍵詞: 勞動力市場;工資;勞動參與;聯立極大似然估計

中圖分類號: F241.2 文獻標識碼: A

文章編號: 1000-176X(2009)09-0096-07

一、引 言

工資方程和勞動參與方程的估計一直是勞動經濟學的核心內容。1974年，Mincer從人力資本理論出發提出工資方程的設定形式，指出受教育水平和工作經驗是個體工資收入的決定因素[1]。早期的研究只使用勞動參與個體構成的樣本估計工資方程，主要原因在于未參與個體的市場工資不可觀測。Gronau認為由于個體的勞動參與行為并不是隨機的，忽略未參與個體必然會產生樣本選擇偏差問題，從而使工資方程的估計結果存在偏差[2]。根據搜尋匹配理論，個體面對的市場工資越高，其勞動參與的概率越大，工資方程估計的偏差會直接導致勞動參與方程估計的偏差。盡管一些學者認為，市場工資對勞動參與概率的影響通過個體屬性發生作用，在勞動參與方程的估計中可以不包含市場工資[3]。但如果在勞動參與方程中無法確定市場工資對勞動參與所產生的影響，則無法得到勞動參與的工資彈性。

解決樣本選擇偏差問題的傳統方法是Heckman兩階段估計方法[4-5]或者類型II Tobit極大似然估計法[6]。Heckman兩階段估計法的第一階段估計簡化式勞動參與方程得到逆米爾斯比(inverse mills ratio)，第二階段將逆米爾斯比作為工資方程的解釋變量修正工資方程的估計;類型II Tobit極大似然估計則是同時對工資方程和簡化式勞動參與方程進行聯立估計。Nawata指出直接使用Heckman兩階段估計法所得估計量是不一致的[7-9];類型II Tobit極大似然估計則無法對結構式勞動參與方程進行估計[10]。盡管Blundell和Smith認為對所有個體均采用預測的市場工資估計結構式勞動參與方程可以得到一致的估計量[11]，但Nawata認為這樣得到的估計量并不是漸近有效的，使用聯立極大似然估計法對工資方程和結構式勞動參與方程進行聯立估計可以得到一致、有效的估計量[10]。

目前，由于我國正處于經濟體制轉型階段，特別是近年來受國際金融危機的沖擊，存在大量的城鎮職工下崗和失業現象，準確地估算城鎮居民的勞動供給彈性，有助于我們對城鎮居民勞動供給行為的理解和政府部門公共政策的制定。然而，由于微觀數據的匱乏，關于我國城鎮勞動力市場中工資方程和勞動參與方程的估計起步較晚。目前，我國學者主要應用結構法[12-13]和Heckman兩階段估計法[14]估計工資方程，主要應用二項選擇模型[15]和多項選擇模型[16]估計勞動參與(就業或失業)方程，即工資方程和勞動參與方程的估計均分別進行，沒有對二者進行聯立估計，這勢必存在估計結果的一致性和有效性問題。

基于上述分析，本文試圖應用聯立極大似然估計法對城鎮勞動力市場中的工資方程和勞動參與方程進行聯立估計。本文的第二部分給出工資方程和勞動參與方程的設定，第三部分對所使用的數據進行統計描述，第四部分對估計結果進行分析，最后給出研究結論。

二、工資方程和勞動參與方程設定

根據勞動供給理論，決定個體i是否勞動參與的重要決定因素是個體的保留工資(w*i)，w*i可以表示為:

三、數據的描述統計量

本文分析所使用的數據來自于2002年家庭收入項目調查，該數據集覆蓋了我國東、中、西三大地區12個省份和直轄市的60多個城市近萬個家庭，調查內容包括個人及家庭的基本信息，收入、消費和財產情況，同時對就業個體、失業個體以及離退休人員的相關信息分別進行了調查。由于調查中已婚個體占據了勞動年齡人口的較高比重，并且考慮到結合成家庭個體的勞動供給行為與單身個體的勞動供給行為的影響因素存在著差異，本文將樣本的范圍限制為結合成家庭并且夫妻雙方均小于60歲的勞動年齡人口。進一步，本文從樣本中刪除了丈夫或者妻子為離休、退休、提前退休或喪失勞動能力的家庭，最后得到4 029個家庭樣本。本文的研究將在2002年有過就業經歷定義為勞動參與，包括2002年底就業(2002年的就業時間為部分時間就業或者是全年就業)和2002年底失業但是2002年的就業時間為部分時間失業。 由于我國城市勞動力市場中存在大量“沮喪”的勞動力，所以本文借鑒國外研究思路[19]，將調查時點前的一段時期(1年)內有過工作經歷的勞動力定義為勞動參與者。 表1給出了所選樣本中處于各種勞動力市場狀態的人數分布。從表1可以看出，在所選樣本中男性參與勞動力力市場的比例為94.8%，大于女性參與勞動力市場的比例83.3%。

表2給出了女性和男性參與個體工資影響因素的描述統計量，其中第二、三和四列(第五、六和七列)分別為女性(男性)全部參與樣本、工資水平中位數以下和中位數以上影響因素的均值和標準差。女性和男性工資水平中位數以上樣本黨員比例分別約為工資水平中位數以下樣本黨員比例的2倍和1.6倍，平均受教育年限分別比中位數工資水平以下樣本多1.87和1.78年，工作經驗分別比中位數工資水平以下樣本多2.22和1.34年。在代表個人能力的重點中學、中學成績和大學錄取的三個變量以及代表家庭教育背景的父親大學畢業和母親大學畢業兩上變量中，工資水平中位數以上樣本的均值均大于工資水平中位數以下樣本的均值。表2的統計結果符合理論預期，即人力資本、個人能力和家庭教育背景對個體的工資水平均具有正向影響。

注:黨員、重點中學、中學成績、大學錄取、父親大學畢業和母親大學畢業為取值為0或1的代理變量。如果個體是中共黨員，黨員變量取值為1;如果個體畢業于重點中學，重點中學變量取值為1;如果個體中學成績為前40%，則中學成績變量取值為1;如果個體通過高考上大學，大學錄取變量取值為1;如果父親或母親大學畢業，相應變量取值為1。受教育年限和工作經驗單位為年，小時工資單位為元。括號內為樣本標準差。

表3給出了勞動參與方程中除工資外其他影響因素的描述統計量，其中第二、三和四列(第五、六和七列)分別為女性(男性)全部樣本、參與樣本和非參與樣本影響因素的均值和標準差。女性和男性參與樣本平均年齡均小于非參與樣本的平均年齡，而戶主比例、健康比例、黨員比例和平均受教育年限均大于非參與樣本的戶主比例、健康比例、黨員比例和平均受教育年限，說明參與樣本的人力資本平均水平要高于非參與樣本。女性參與樣本家庭其他人收入的平均值要略高于非參與樣本，而家庭人口數平均值則略低于非參與樣本。男性參與樣本家庭其他人收入的平均值則略低于非參與樣本，而家庭人口數的平均值則略高于非參與樣本。表3的統計結果表明年齡對勞動參與概率具有負向影響，戶主身份、健康、黨員身份和受教育年限對勞動參與概率具有正向影響。由于參與樣本和非參與樣本的家庭情況并不存在明顯的差異，因而家庭情況對勞動參與概率的影響并不確定。為準確確定各變量對工資和勞動參與概率的影響，并度量作用的大小，需要進行回歸分析。

注:戶主、黨員、健康情況為取值為0或1的代理變量。如果個體是戶主，戶主變量取值為1;如果個體是黨員，黨員變量取值為1;如果個體健康狀況良好，健康情況變量取值為1。年齡和受教育年限單位為年;家庭其他人收入為年收入，單位為元。括號內為標準差。

四、模型的極大似然估計結果分析

本文應用聯立極大似然估計法對女性和男性的工資方程和勞動參與方程進行了估計(出于比較的目的，還應用傳統估計方法——Heckman兩階段估計法和類型II Tobit極大似然估計法進行了估計)。表4給出了工資方程的估計結果，可以發現不論采用何種估計方法，不論女性和男性，解釋變量對工資的影響均呈現出相同的趨勢，且符合理論預期:表示人力資本的黨員、受教育年限和工作經驗對工資具有正向影響;表示個人能力的重點中學、中學成績和大學錄取對工資具有正向影響;家庭教育背景中的父親大學畢業對工資具有正向影響，而母親大學畢業對工資的影響并不顯著。與聯立極大似然估計方法結果相比，傳統估計方法結果中表示人力資本水平的各解釋變量系數估計值明顯偏小，說明傳統方法低估了人力資本對工資的影響;表示個人能力的各解釋變量和家庭教育背景中父親大學畢業變量系數估計值略小，說明傳統方法輕微低估了個人能力和家庭教育背景對工資的影響。

注:*、* *和* * *分別表示在10%、5%和1%水平下顯著，下同。為節省篇幅，沒有給出省份變量的估計結果。

根據工資方程估計結果可以計算勞動力市場中的一個重要指標——教育收益率。根據聯立極大似然估計法所得到的工資方程估計結果計算出女性和男性的教育收益率分別為8.70%和5.50%，女性的教育收益率比男性教育收益率高3.20個百分點;根據Heckman兩階段估計法得到的工資方程估計結果計算出女性和男性的教育收益率分別為5.35%和4.78%，兩者僅相差0.57個百分點;根據類型II Tobit極大似然估計法得到的工資方程估計結果計算出女性和男性的教育收益率分別為5.24%和5.15%，兩者僅相差0.09個百分點。在發展中國家勞動力市場中存在兩個典型化事實:(1)教育收益率較高。(2)女性教育收益率明顯高于男性教育收益率。聯立極大似然法估計結果與這兩個典型化事實比較接近，而傳統方法不僅低估了女性和男性的教育收益率，而且低估了兩者間的差距。

表5給出了勞動參與方程的估計結果。從聯立極大似然估計結果中可以發現，各個解釋變量對女性和男性勞動參與概率的影響均呈現出相同的趨勢:市場工資對勞動參與概率具有正向影響，這與搜尋匹配理論預期相符;戶主身份對勞動參與概率具有正向影響，說明戶主在家庭生活中承擔較大的責任;良好的身體狀況、黨員身份和受教育年限均能夠增加勞動參與概率，這與人力資本理論預期相符;年齡對勞動參與概率具有負向影響，這與生命周期理論相符[20]。家庭其他人收入對女性勞動參與概率產生收入效應，具有負向影響，但對男性勞動參與概率沒有影響;家庭人口數并沒有影響女性勞動參與的概率，但對男性勞動參與概率具有正向影響，說明男性在家庭中承擔著較大的生活責任。Probit極大似然估計結果與聯立極大似然估計結果存在較大差異，對數小時工資系數估計值要遠大于聯立極大似然估計的對數小時工資系數估計值，戶主、健康和黨員的系數估計值變得不顯著，而教育年限的系數估計值甚至變成了負值，說明Probit極大似然估計法高估了市場工資對勞動參與概率的影響，卻低估了其他個體屬性變量對勞動參與概率的影響，特別是人力資本對勞動參與概率的影響。類型II Tobit極大似然估計結果中年齡、戶主、健康、黨員和受教育年限對勞動參與概率的影響與聯立極大似然估計結果類似，家庭收入對女性勞動參與概率具有正向影響，但并不影響男性勞動參與的概率;家庭人口數對女性勞動參與概率具有負向影響，但并不影響男性勞動參與的概率。類型II Tobit極大似然估計存在的主要問題為沒有考慮市場工資對勞動參與概率的影響。

注:使用Probit極大似然估計法對勞動參與方程進行估計過程中，所有個體的對數小時工資均采用預測值。

根據勞動參與方程估計結果可以計算勞動力市場中的另一個重要指標——勞動參與的工資彈性。根據聯立極大似然估計法所得勞動參與方程估計結果計算出女性和男性勞動參與的工資彈性分別為0.157和0.067，根據Probit極大似然估計法所得勞動參與方程估計結果計算出女性和男性勞動參與的工資彈性分別為0.689和0.237，說明傳統方法高估了女性和男性勞動參與的工資彈性。勞動力市場存在的一個典型化事實為男性勞動供給缺乏彈性，女性勞動供給的工資彈性大于男性勞動供給的工資彈性[21]。聯立極大似然法估計結果與這個典型化事實比較接近，而傳統方法則高估了女性和男性勞動參與的工資彈性。

五、結 論

勞動力市場中的工資水平與微觀個體的勞動供給行為密切相關，但傳統的研究方法卻把二者割裂開來。本文使用聯立極大似然估計法對城鎮勞動力市場中的工資方程和勞動參與方程進行了聯立估計，從工資方程的估計結果可以發現，人力資本、個人能力和家庭教育背景對個體的市場工資水平均具有正向影響。從勞動參與方程的估計結果可以發現，工資、教育年限、黨員和戶主身份對個體勞動參與的概率均具有正向影響;而年齡對個體的勞動參與概率具有負向影響;雖然家庭其他人收入對女性勞動參與的概率具有負向影響，但并不影響男性勞動參與的概率;雖然家庭人口數并沒有影響女性勞動參與的概率，但卻增加了男性勞動參與的概率。

通過工資方程和勞動參與方程的估計結果可以計算勞動力市場的兩個重要指標——教育收益率和勞動參與的工資彈性。根據聯立極大似然估計法對工資方程的估計結果可以得到女性和男性的教育收益率分別為8.70%和5.50%，說明傳統估計法低估了女性和男性的教育收益率。根據聯立極大似然估計法對勞動參與方程的估計結果可以得到女性和男性勞動參與的工資彈性分別為0.157和0.067，說明傳統方法高估了勞動參與的工資彈性。

人力資本不僅能夠提高個體的工資水平(特別是女性的工資水平)，而且能夠增加個體勞動參與的概率，進而達到促進就業的目的。已有的經驗證據表明，女性的就業收入能夠起到縮小家庭收入差距的作用[22]。因而，實施促進人力資本積累的教育政策和勞動力市場政策，如教育擴張和再就業培訓等，可以有效地促進個體勞動參與和提高個體工資水平(特別是女性工資水平)，有助于就業的增加、收入水平的提升、城鎮居民收入不平等的縮小和城鎮貧困人口的削減。

參考文獻:

[1]Mincer J.Schooling，Experience and Earning [M].New York:Columbia University Press，1974.

[2] Gronau R.Wage Comparisons-a Selectivity Bias [J].Journal of Political Economy，1974，(82):1119-1143.

[3] Killingsworth R.Labor Supply [M].Cambridge:Cambridge University Press，1983.

[4] Heckman J.The Common Structure of Statistical Models for Truncation，Sample Selection and Limited Dependent Variables and a Simple Estimator for such Models [J].Annals of Economic and Social Measurement，1976，(5):475-492.

[5] Heckman J.Sample Selection Bias as Specific Error [J].Econometrica，1979，(47):152-161.

[6] Amemiya T.Advanced Econometrics [M].Cambridge:Harvard University Press，1985.

[7] Nawata K.A Note on Estimation of Models with Sample-selection Biases [J].Economics Letters，1993，(42):15-24.

[8] Nawata K.Estimation of the Sample-selection Models by the Maximum Likelihood Estimator and Heckmans Two-step Estimator [J].Economics Letters，1994，(45):33-40.

[9] Nawata K.Estimation of Sample-selection Models by the Maximum Likelihood Method [J].Mathematics and Computers in Simulation，1995，(39):299-303.

[10]Nawata K，Ii M.Estimation of the Labor Participation and Wage Equation Model of Japanese Married Women by the Simultaneous Maximum Likelihood Method [J].Journal of Japanese and International Economies，2004，(18):301-315.

[11] Blundell R，Smith J.Coherency and Estimation in Simultaneous Models with Censored or Qualitative Dependent Variables [J].Journal of Econometrics，1994，(64):355-373.

[12] 李實，丁賽.中國城鎮教育收益率的長期變動趨勢[A].李實，佐藤宏.經濟轉型的代價——中國城市失業、貧困、收入差距的經驗分析[C].北京:中國財政經濟出版社，2004.

[13] 王海港，李實，劉京軍.城鎮居民教育收益率的地區差異及其解釋 [J].經濟研究，2007，(8):73-81.

[14] 王德文，蔡昉，張國慶.農村遷移勞動力就業與工資決定:教育與培訓的重要性 [J].經濟學(季刊)，2008，(4):1131-1148.

[15] 李實，鄧曲恒.中國城鎮失業和非正規再就業的經驗研究 [J].中國人口科學，2004，(4):2-10.

[16] 蔡昉，都陽，王美艷.中國勞動力市場轉型與發育 [M].北京:商務印書館，2005.

[17] Griliches Z.Estimating Returns to Schooling:Some Econometric Problems [J].Econometrica，1977，(45):1-22.

[18] Schultz T.Education Investments and Returns [A].Chenery H，Srinivasan T.Handbook of Development Economics [C].New York:North Holland，1988，1.

[19] Eissa N.Taxation and Labor Supply of Married Women:The Tax Reform Act of 1986 as a Natural Experiment [Z].1995，NBER，No.4325.

[20] Cahuc P，Zylberberg A.勞動經濟學 [M].上海:上海財經大學出版社，2007.

[21] Blundell R，Macurdy T.Labor Supply:A Review of Alternative Approaches [A].Ashenfelter O，Card D.Handbook of Labor Economics [C].Amsterdam:Elsevier Science，1999，(3):1559-1695.

[22] 丁賽，董曉媛，李實.經濟轉型下的中國城鎮女性就業、收入及其對家庭收入不平等的影響 [J].經濟學(季刊)，2007，(4):1320-1338.

(責任編輯:孟 耀)