正規就業與非正規就業工資差異的實證研究
——分位數回歸的視角

丁述磊

(東北財經大學經濟學院,遼寧 大連 116025)

正規就業與非正規就業工資差異的實證研究
——分位數回歸的視角

丁述磊

(東北財經大學經濟學院,遼寧 大連 116025)

基于CGSS數據,本文利用分位數回歸方法對中國正規就業與非正規就業的工資差異進行估計并對工資差異分解分析,發現正規就業工資水平顯著高于非正規就業,在三個代表性分位數上正規就業的教育收益率均高于非正規就業,同時兩種就業方式的教育收益率隨工資分位數水平由低到高而呈現先升后降的趨勢。相比于正規就業,非正規就業的性別歧視更為嚴重并隨著工資分位數水平由低到高而愈強。工資差異分解表明市場歧視造成的差異占總差異的比例顯著高于特征差異。

工資差異;正規就業;非正規就業;分位數回歸

一、引言及文獻評述

非正規就業最早是由國際勞工組織提出的,即在大多數發展中國家存在許多“有工作的窮人”。伴隨現代社會經濟的高速發展和行業分工的日益深化,由于非正規就業能吸納大量的剩余勞動力,非正規就業在越來越多的國家呈現規模不斷擴大的趨勢,并已成為各國勞動力市場不可分割的一部分。在中國經濟轉型和結構調整的過程中,巨大的就業壓力促使政府鼓勵勞動者采取多種形式實現就業,其中就包括非正規就業,非正規就業在中國得到了快速發展,已成為中國城鎮就業的一種重要就業方式。但在非正規就業迅速發展的同時,由于非正規就業者的就業穩定性和工作環境較差、工資收入低及缺乏社會保障,勞資矛盾也日益凸顯出來。

正規就業與非正規就業工資差異問題已成為學者關注的話題。國外學者對正規就業與非正規就業之間的工資差異進行了大量實證研究,認為正規就業工資顯著高于非正規就業,他們給出的經濟學解釋主要基于勞動力市場分割的觀點,認為正規部門存在進入的高門檻障礙而使在非正規部門工作的勞動者只能獲得更低的工資水平[1]。正規就業者與非正規就業者的教育收益率也不同,Pradhan和van Soest(1995)發現正規部門就業人員教育收益率顯著高于非正規部門[2]。Funkhouser(1996)也得出了一致的結論[3]。這些研究結果表明非正規就業是一種缺乏效率的就業方式,存在一定程度上的資源浪費。

近年來,國內學者對正規就業與非正規就業的工資差異也進行了一些實證研究,得出的結論基本一致,即中國城鎮正規就業工資顯著高于非正規就業。常進雄等(2010)發現近年來正規就業者的教育收益率和經驗收益率顯著高于非正規就業并逐年擴大,認為人力資本配置向正規就業傾斜是造成兩者工資差異逐漸擴大的主要原因[4]。楊凡(2015)發現正規就業者的工資顯著高于非正規就業者,兩者間的工資差異不僅與就業者個人特征差異(如受教育水平、工作經驗等)有關,還與勞動力市場分割及市場對非正規就業者的歧視有關[5]。屈小博(2012)發現兩類就業群體工資差異的79.3%能被個人可觀測的特征差異解釋,這表明人力資本差異是造成兩者之間工資差異的最主要原因[6]。

已有文獻在估計工資決定方程時主要考察的是正規就業與非正規就業工資條件均值差異,很少有學者考察不同工資分布上的差異。然而,在工資分布的不同分位數上,個人特征差異對工資水平的影響也有所不同。因此,本文基于歷年CGSS數據,利用分位數回歸方法對中國正規就業與非正規就業的工資差異進行估計,然后采用Oaxaca-Blinder分解、Cotton分解和Neumark分解方法對中國正規就業與非正規就業的工資差異進行分解,試圖得出符合中國國情的有意義的結論。

二、概念界定與理論分析

(一)概念界定

非正規就業的概念最早是由國際勞工組織在20世紀70年代提出來的,不同的國家根據本國國情又進行了界定。本文借鑒王海成等(2015)的做法,將正規就業定義為單位(雇主)同勞動者簽訂勞動合同并為其提供養老保險,否則視為非正規就業[7]。

(二)理論分析

新古典經濟學派和新制度經濟學派從不同的角度闡述了工資的決定機制。新古典經濟學派提出了“同質同價”,即人力資本相同的勞動力工資相同,人力資本含量越高,勞動力獲得的工資越高[8]。而新制度經濟學派則提出了“同質異價”,即人力資本相同的勞動力工資卻不相同,人力資本對工資的作用會因勞動力市場分割而被弱化。由于制度性因素或經濟內生性因素使勞動力市場劃分為具有不同特征和不同運行規則的主要勞動力市場和次要勞動力市場,不同勞動力市場在工資決定機制方面具有明顯的差別[9]。已有文獻主要是基于勞動力市場分割的觀點分析非正規就業,中國非正規就業主要是由城鄉差異造成的二元勞動力市場分割和所有制造成的體制性分割體現的[5]。在中國城鎮化過程中,大量流動人口迅速涌入城市,他們希望在城市找到理想的工作,但由于戶籍管理制度的制約及城市中正規部門的就業崗位有限且存在進入的高門檻障礙,使進城中的許多就業者只能從事工作環境較差、工作穩定性較低并缺乏社會保障的工作。長此以往,中國勞動力市場就形成了正規的主要勞動力市場和非正規的次要勞動力市場。正規就業與非正規就業的工資差異主要由兩個原因造成:一是勞動力的人力資本差異造成的特征差異;二是勞動力市場分割造成的歧視差異。因此,本文在估計兩種就業方式的工資差異的基礎上,運用工資差異分解方法估算特征差異和歧視差異占總差異的比例。

三、數據來源、研究模型與變量選擇

(一)數據來源

本文使用的數據來自CGSS,即中國綜合社會調查數據。該調查始于2003年中國人民大學社會學系和香港科技大學社會科學部發起的一項全國性、綜合性、連續性的學術調查項目。為研究不同年份正規就業與非正規就業工資水平差異的變化趨勢,本文使用CGSS的2006、2008、2010、2011、2012和2013年共6個年份的數據。為方便不同年份數據的比較,本文利用消費物價指數(CPI)將每一年的工資水平轉化為按照2006年不變價格衡量的實際工資水平。本文的研究對象為年齡在18～60歲的居民。剔除數據缺失的樣本后,本文最終得到17768個有效微觀樣本,其中正規就業者樣本7738份、非正規就業者樣本10030份。同時,該有效樣本包含了25個省(自治區、直轄市),這表明本文的研究樣本基本涵蓋了全國各個地區,具有較為理想的代表性。

(二)模型選擇

本文采用分位數回歸方法(Quantile Regression),考察在條件分布的不同位置中正規就業與非正規就業工資決定及其報酬率差異。分位數回歸方法是均值回歸(OLS)的拓展,可在不同分位數水平上通過最小化殘差絕對值的加權平均來擬合被解釋變量與解釋變量的線性函數,其優點是不易受極端值的影響而得到更穩健的結果。正規就業與非正規就業工資決定方程為:

(1)

其中,j=1時表示正規就業工資決定方程,j=0時表示非正規就業工資決定方程,lnW表示實際工資對數,X表示個人特征向量(如受教育年限、工作經驗等),β為相應系數向量,u為隨機誤差項。在考察正規就業與非正規就業工資決定方程及個人特征變量對工資水平的報酬率時,運用分位數回歸方法能更好地觀察在工資條件分布的不同位置上個人特征變量對工資水平的影響方向、大小及趨勢。因此,本文將分位數回歸模型設定為:

Qjθ(lnWj|Xj)=Xjβjθ+ujθ(j=1或0)

(2)

其中,Qjθ(lnWj|Xj)表示給定解釋變量X的情況下第j個就業方式的被解釋變量lnW在第θ個分位數水平上的值。分位數回歸可選取任意特定分位數進行參數估計,其中代表性的分位數為0.25、0.5和0.75,并通過最小化方程(3)得到系數估計值。

(3)

(三)變量描述

本文的被解釋變量為正規就業與非正規就業的實際工資對數,解釋變量為受教育年限、工作經驗、性別、婚姻及戶籍狀況。為考察經驗-工資曲線是否存在倒“U”型特征,本文加入工作經驗平方項。對教育年限變量,本文將小學、初中、高中、大學、研究生及以上分別賦值6、9、12、16和19年;對工作經驗變量,本文用年齡減去受教育年限再減去6;對性別變量,本文將女性賦值為1、男性為0;對婚姻狀況變量,本文將已婚賦值為1、其他為0;對戶籍情況變量,本文將城鎮戶口賦值為1、其他為0。

表1 變量的描述性統計

注:根據CGSS的2006～2013年數據計算而得。以下同此。

圖1 正規就業與非正規就業平均實際工資

由表1可知,正規就業與非正規就業的平均實際工資總體上基本呈逐年上升的趨勢,同時所有年份正規就業者的平均實際工資都高于非正規就業者且兩者工資差距呈擴大趨勢,在2013年正規就業者平均實際工資比非正規就業者平均實際工資高出了39.54%。為更直觀地觀察正規就業與非正規就業平均實際工資變動趨勢,本文繪制了正規就業與非正規就業平均實際工資變化趨勢圖(見圖1所示)。對平均受教育年限變量,正規就業者的平均受教育年限每年都高于非正規就業者,且2010年以來正規就業者的平均受教育年限比非正規就業者高出了3年,這說明平均受教育年限越多的求職者更傾向于選擇正規就業。對工作經驗變量,非正規就業者的平均工作經驗高于正規就業者,這可能是由于非正規就業者很早就退學,提前進入了勞動力市場,從而與正規就業者相比擁有更多的工作經驗。對戶籍情況變量,正規就業者的城鎮戶籍占比在80%左右,而非正規就業者的城鎮戶籍占比平均在50%左右,這表明更多的非城鎮戶籍勞動者從事著非正規就業,從而揭示現實勞動力市場上存在戶籍歧視現象。

四、實證研究結果及分析

(一)正規就業與非正規就業工資決定方程的OLS及分位數回歸結果

本文利用stata軟件對正規就業與非正規就業的工資決定方程進行分位數回歸,為便于比較,本文也對其進行了OLS回歸。由于分位數回歸能全面刻畫在工資分布的不同分位數上受教育水平和經驗等個人特征差異的報酬率,因此本文選取3個具有代表性的分位數(0.25、0.5和0.75)給出正規就業與非正規就業工資決定方程的分位數回歸結果(見表2所示)。

表2 正規就業與非正規就業工資決定方程的OLS及分位數回歸結果

注:括號內數值為標準誤差;*** 、** 和* 分別表示在1%、5%和10%的統計學意義上顯著。

第一,無論正規就業還是非正規就業,學歷變量都在1%的統計學意義上顯著為正,這表明增加受教育年限對正規就業與非正規就業的工資水平都具有顯著的提升作用。由于在0.25、0.5和0.75分位數上正規就業的學歷系數都大于非正規就業,這表明在三個代表性的分位數上正規就業的教育收益率高于非正規就業,與OLS的估計結果是一致的。在0.25、0.5和0.75分位數上,正規就業的教育收益率分別為7.4%、9.3%和8.9%,非正規就業的教育收益率分別為6.9%、7.2%和6.3%,這表明兩種就業方式的教育收益率隨工資分位數水平由低到高而呈先升后降的趨勢(見圖2所示)。也就是說,在工資水平達到一定程度之前,員工增加受教育水平會顯著提升教育收益率,但工資超過一定水平之后,受教育年限對工資水平的提升程度會下降,教育收益率隨之降低。一種可能的解釋是正規就業在薪酬安排上具有一定的教育信號效用,而非正規就業在薪酬安排上一般遵從勞動生產率原則,工資具有較強的競爭性。

圖2 正規就業和非正規就業教育收益率變化趨勢

第二,對經驗變量而言,在0.25、0.5和0.75分位數上,正規就業的經驗收益率分別為0.6%、1.1%和1.6%,非正規就業的經驗收益率分別為0.7%、1.2%和1.8%,這表明正規就業與非正規就業兩種就業方式的經驗收益率隨工資分位數水平由低到高而逐漸提升(見圖3所示),這說明工資水平達到一定程度后,如果工作年齡增加,那么工作經驗的收益率也會提升。除0.25分位數上正規就業與非正規就業的經驗變量都不顯著外,在0.5和0.75分位數上正規就業與非正規就業的經驗變量都在1%的統計學意義上顯著為正,而且非正規就業的經驗變量系數在不同分位數上都大于正規就業,這表明非正規就業相比于正規就業更注重員工的工作經驗。由經驗系數為正、經驗平方系數為負可知,正規就業與非正規就業的經驗-工資曲線均存在倒“U”型特征。

圖3 正規就業和非正規就業經驗回報率變化趨勢

第三,對性別變量而言,在0.25、0.5和0.75分位數上,正規就業的性別變量的系數分別為-0.184、-0.198和-0.213,即隨工資分位數水平由低到高,性別變量系數的絕對值逐漸增加(見圖4所示),這表明隨著工資水平的提升,性別歧視程度越強,在一定程度上揭示高薪階層中女性占比相對較小的原因。正規就業與非正規就業的性別變量系數都在1%的統計學意義上顯著為負,這與OLS的估計結果是一致的。因此,無論正規就業還是非正規就業都存在性別歧視現象,而且在3個代表性分位數上,非正規就業的性別變量系數的絕對值都大于正規就業,這表明非正規就業相比于正規就業的性別歧視更為嚴重。

圖4 正規就業和非正規就業性別變量變化趨勢

第四,對婚姻狀況變量而言,在0.25、0.5和0.75分位數上,只有正規就業的婚姻狀況變量在5%的統計學意義上顯著為正,非正規就業的系數雖然為正但不顯著,這表明已婚員工工資水平高于相同條件下的未婚員工工資水平,而且正規就業的婚姻狀況系數大于非正規就業,與OLS的估計結果是一致的。因此,相比于非正規就業,正規就業更注重員工的婚姻狀況。同時,婚姻狀況變量系數為正表明勞動力市場更傾向于招聘已婚員工,這在一定程度上揭示一些企業優先招聘已婚求職者尤其是相同條件下的女性求職者,一個可能的解釋是已婚求職者相對來說更穩定、跳槽機率更小。

第五,對戶籍變量而言,在0.5和0.75分位數上,只有非正規就業的戶籍變量系數在5%的統計學意義上顯著為正,但在三個代表性分位數上正規就業與非正規就業的戶籍變量系數都為正,這表明無論正規就業還是非正規就業,城鎮戶籍人員的工資顯著高于相同條件下的非城鎮戶籍人員,從而在一定程度上反映了中國勞動力市場存在的戶籍歧視現象。戶籍變量系數越大,表明勞動力市場的戶籍歧視程度越高。

(二)工資差異分解方法

關于兩個不同群體工資差異的分解方法是在Oaxaca(1973)和Blinder(1973)的框架下展開的[10][11]。Oaxaca-Blinder分解方法可表示為:

(4)

(5)

由于分析次序不同而導致結果也不同的問題在已有文獻中被稱為“指數基準”(index number)問題。為解決指數基準問題,一些學者提出了不同的分解方法。按照Cotton(1988)的方法[12],本文將正規就業與非正規就業的回歸系數予以加權平均,將平均后得到的系數作為基準給出一種解決指數基準問題的方法:

(6)

(三)工資差異分解結果

為便于比較,本文給出了不同分解方法得到的分解結果(見表3所示)。

表3 正規就業與非正規就業的工資差異分解結果

表3中的Oaxaca-Blinder1是利用(4)式進行分解的結果,Oaxaca-Blinder2是利用(5)式進行分解的結果。由表3可知,正規就業與非正規就業對數工資的總差異為0.404。由Oaxaca-Blinder1分解得出的特征差異為0.212,占總差異的52.6%;由Oaxaca-Blinder2分解得出的特征差異為0.170,占總差異的42.2%;由Cotton分解方法得出的特征差異為0.180,占總差異的45.4%;由Neumark分解方法得出的特征差異為0.172,占總差異的42.6%。這四種分解方法都得出特征差異占總差異的45.0%左右,表明兩種就業人群的工資差異的45.0%是由就業人員的學歷水平和工作經驗等個人特征因素造成的,此差異是市場機制發揮作用而產生的合理差異,屬于“同工同酬”部分。另外,55.0%的差異是市場無法解釋的,在相關文獻中也被稱為市場歧視造成的差異,這部分比重偏高說明中國存在較為嚴重的勞動力市場分割和就業歧視現象,也是相關收入分配政策制定者需重點解決的問題。

五、結 語

基于CGSS數據,本文利用分位數回歸方法對中國正規就業與非正規就業的工資差異進行估計,并對正規就業與非正規就業的工資差異進行分解分析,最終得出了以下幾點結論:第一,無論正規就業還是非正規就業,學歷變量都在1%的統計學意義上顯著為正,這表明增加受教育年限對正規就業與非正規就業的工資水平都具有顯著的提升作用,正規就業的教育收益率高于非正規就業,兩種就業方式的教育收益率隨工資分位數水平由低到高而呈現先升后降的趨勢;第二,相比于正規就業,非正規就業的性別歧視更為嚴重并隨工資分位數水平由低到高而愈強;第三,正規就業工資水平顯著高于非正規就業,工資差異分解表明市場歧視造成的差異占總差異的比例顯著高于特征差異,這表明中國仍存在較為嚴重的勞動力市場分割和就業歧視現象。

因此,為縮小兩種就業方式的工資差異,中央和地方政府首先應重點關注非正規就業人群的教育問題,提升非正規就業者的教育質量。其次,勞動力市場應取消行業或職業壁壘,降低一些行業或職業的進入門檻。最后,對目前勞動力市場存在的性別和戶籍歧視現象,政策制定者應通過針對性的社會保護政策,以解決非正規就業者在勞動力市場上受到的歧視問題,最終使非正規就業走向正規化并成為中國城鎮就業的一個發展方向。

[1]Fields, Garry S. Rural-urban Migration, Urban Unemployment and Underemployment and Job-search Activity in LDC’s[J].Journal of Development Economics, 1975, 12(1), pp.165-187.

[2]Menno Pradhan and Arther van Soest. Formal and Informal Sector Employment in Urban Areas of Bolivia[J].Labor Economics, 1995, 19(2), pp.275-297.

[3]Edward Funkhouser. The Urban Informal Sector in Central America: Household Survey Evidence[J].World Develop, 1996, 24(11), pp.1737-1751.

[4]常進雄, 王丹楓.我國城鎮正規就業與非正規就業的工資差異[J].數量經濟技術經濟研究, 2010, (9): 94-106.

[5]楊凡.流動人口正規就業與非正規就業的工資差異研究——基于傾向值方法的分析[J].人口研究, 2015, (6):94-104.

[6]屈小博.中國城市正規就業與非正規就業的工資差異[J].南方經濟, 2012, (4):32-42.

[7]王海成.非正規就業對主觀幸福感的影響——勞動力市場正規化政策的合理性[J].經濟學動態, 2015, (5):50-59.

[8]晉利珍.勞動力市場雙重二元分割下工資決定機制研究[M].北京:經濟科學出版社, 2010.102-103.

[9]李強, 林勇.勞動力市場學[M].北京:中國勞動社會保障出版社, 2006.137-139.

[10]Oaxaca R. Male-female Wage Differentials in Urban Labor Markets[J].International Economic Review, 1973, 14(3), pp.693-709.

[11]Blinder A.S. Wage Discrimination: Reduced Form and Structural Estimates[J].Journal of Human Resources, 1973, 8(4), pp.436-455.

[12]Cotton J. On the Decomposition of Wage Differentials[J].Review of Economics and Statistics, 1988, 7(2), pp.236-243.

[13]Neumark D. Employer’s Discriminatory Behavior and the Estimation of Wage Discrimination[J].Journal of Human Resources, 1988, 23(3), pp.279-295.

(責任編輯:化 木)

Wage Differentials Between Formal Employment and Informal Employment——The Perspective of Quantile Regression

DING Shulei

(School of Economics, Dongbei University of Finance and Economics, Dalian 116025, China)

Based on the CGSS data, this paper uses the quantile regression method to estimate and decompose the wage differentials of formal employment and informal employment. The results show that the wage of formal employment is signally higher than that of informal employment, and on the three representative quantiles, the rate of return to education is higher in formal employment than in informal employment. At the same time, in both formal and informal employment, the rate of return to education has a tendency to rise first and then fall with wage quantile changing from low to high. Compared with formal employment, the gender discrimination in informal employment is more serious and becomes more and more serious with wage quantile rising from low to high. Wage decomposition shows that market discrimination is significantly higher than feature differences.

Wage Differentials; Formal Employment; Informal Employment; Quantile Regression

2016-04-04

國家社會科學基金資助項目(14BSH107);遼寧省哲學社會科學規劃基金資助項目(L13ASH001)

丁述磊(1991-),男,山東聊城人,東北財經大學經濟學院博士生。

F244

A

1004-4892(2017)04-0003-08