我國勞動收入差異影響因素研究
——基于“中國民生調查”2014—2017年數據的分析

馬 磊

(國務院發展研究中心 公共管理與人力資源研究所，北京 100010)

改革開放以來，我國經濟社會建設取得了巨大成就，居民收入實現大幅增長，但居民收入差距也迅速擴大，收入基尼系數連續多年超過國際警戒線并在高位運行，為維護社會和諧穩定帶來了隱患和挑戰。勞動收入是我國居民收入的最重要來源，也是影響居民收入差距的最重要因素。因此，探索影響居民勞動收入差距的主要因素，提出控制勞動收入差距的有效對策，是縮小居民收入差距的重要途徑。

國務院發展研究中心“中國民生調查”課題組自2013年開始每年對全國8個省份(直轄市)約1萬個家庭開展大型入戶調查。入戶調查中收集的受訪者及其家庭成員的就業、收入等方面的信息和數據，為我們研究最近一個時期的國內勞動收入差距問題提供了重要支撐。本文在梳理和回顧國內相關研究成果的基礎上，使用2014—2017年“中國民生調查”的入戶調查數據，系統考察近年來我國勞動收入差異的影響因素，并提出相關政策建議。

一、近年國內勞動收入差異問題的主要研究和結論

勞動收入是我國居民收入的最重要來源，也是居民收入差距的最大貢獻者。根據國家統計局公報，2017年我國居民人均工資性收入占可支配收入的比重為56.3%；西南財經大學中國家庭金融調查與研究中心發布的《中國家庭收入差距報告》(2015年)提出，2013年我國居民工資性收入對總收入基尼系數的貢獻率約為40%，在所有收入來源中貢獻最大。因此，學界一直高度重視國內勞動收入差距問題，基于微觀調查數據和統計數據，從人力資本、市場分割、家庭因素等多個方面對勞動收入差異的影響因素進行了大量實證研究。

(一)人力資本是決定勞動收入水平越來越重要的因素

教育、工作經驗和技能培訓是積累人力資本的主要途徑，也是市場經濟體制下決定勞動者報酬的主要因素。隨著我國市場改革的不斷推進，勞動力市場逐步完善，人力資本因素在勞動收入決定中發揮越來越重要的作用。王德文等發現2006年和2007年農村勞動力的教育回報在5.3%～6.8%[1]。尹志超等將福利住房和醫療等非貨幣收益納入勞動者報酬后，重新估計得到1989—2000年的教育回報率為5.2%～9.7%[2]。陳斌開等發現1990—2005年教育對勞動收入差距的貢獻在擴大，而工作經驗的貢獻則持續下降[3]。陳純槿等發現1989—2009年勞動者的教育回報在提高，教育和職業成為影響城鎮勞動收入不平等的兩大因素[4]。周世軍等利用2014年世界銀行貸款“農民工培訓與就業”調查數據，發現受教育程度是影響農民工工資收入的主要因素[5]。

教育質量和認知能力對勞動收入差異也有顯著影響。許玲麗等利用2003年和2008年中國綜合社會調查數據(CGSS)發現，教育部直屬高校畢業的勞動者的教育回報比其他高校高出16.3%[6]。王子涵等根據2007年中國家庭收入調查數據(CHIP)，發現勞動者的認知能力對工資收入具有直接且顯著的正向作用[7]。張曉云等利用2010、2012年中國家庭追蹤調查(CFPS)數據，發現綜合認知能力對勞動收入具有顯著正影響[8]。

教育回報存在戶籍和地區差異。任強等利用2005年全國1%人口抽樣調查數據，發現非農和農業戶口的教育回報存在顯著差異，且隨著教育年限的下降而顯著擴大[9]。陳釗等基于2010年CFPS數據，發現在東部和較發達地區接受高等職業教育的勞動者相對其他地區具有顯著更高的人力資本回報[10]。

(二)戶籍和地區造成的勞動力市場分割效應仍然存在，但戶籍影響在下降，地區影響在上升

章莉等發現2007年城鎮勞動力市場依然存在明顯的工資待遇歧視，農民工和城鎮職工工資差異中的36%無法用稟賦差異解釋[11]。Sylvie Démurger等發現1995—2002年城鎮職工收入存在地區分割效應，沿海地區和直轄市與中部、西部、東北地區的職工收入差距出現了明顯擴大的趨勢[12]。陳純槿等發現在2000—2009年，隨著市場化改革和戶籍制度改革的推進，戶籍對勞動收入差距的貢獻在下降，地區對勞動收入差額的貢獻在上升[4]。

由于規模經濟效益，大城市的勞動者相對于小城市可能存在工資溢價。蹤家峰等基于2002年CHIP數據發現，中國的大城市存在工資溢價現象，城市集聚對于勞動者尤其是高技能勞動者的工資有促進作用[13]。李紅陽等使用2007年CHIP數據發現，城市規模越大，勞動者工資越高，且勞動者技能水平越高，城市規模的正向效應越大[14]。但寧光杰使用2008年農村外出勞動力的收入調查數據(RUMiCI)發現控制勞動者的能力特征和選擇偏差后，大城市的工資溢價消失，甚至可能低于小城市的工資[15]。

(三)行業分割、就業穩定性、所有制類型和壟斷是造成勞動收入差異的重要因素

不同行業勞動者收入水平存在明顯差異。陳釗等使用1988、1995和2002年CHIP數據，發現行業間存在顯著的工資差異，且對城鎮居民收入差距的貢獻越來越大[16]。武鵬和周云波[17]、武鵬[18]發現1990—2008年行業收入差距呈現快速擴大趨勢，武鵬和周云波發現2003—2008年壟斷行業和非壟斷行業的收入差距愈發呈現兩極分化的態勢[17]。但嚴兵等發現2003—2008年制造業內部的行業間工資差距在縮小[19]。

就業穩定性也是造成勞動收入差異的重要因素。羅楚亮發現1995—2002年，城鎮穩定就業者與非穩定就業者的工資差距在擴大[20]。黃乾利用教育部2006年農民工調查數據，發現穩定就業的農民工和非穩定就業的農民工工資差異的59.48%是由就業穩定性差異造成的[21]。張世偉等使用2013年流動人口動態監測數據，發現簽訂勞動合同可使男性和女性農民工勞動報酬水平分別提高15%和31%[22]。

劉小玄等利用中國2000年至2004年全部規模以上工業企業數據，發現行政壟斷、所有制和地區變量是造成工資差異的主要原因[23]。Sylvie Démurger等發現，1995—2002年壟斷部門與競爭部門之間職工收入差距出現了明顯擴大的趨勢[24]。葉林祥等也發現行業壟斷和所有制是影響企業工資差距的重要因素，但行業壟斷僅能給國有企業職工工資帶來直接影響，對其他所有制企業不存在直接影響[25]。劉渝琳等發現2002—2009年壟斷行業的職工工資顯著高于非壟斷行業，兩者之間的差距有持續擴大的趨勢[26]。岳希明等使用2005年國家統計局1%人口抽樣調查數據發現，壟斷行業高收入存在于各個收入階層[27]。

(四)性別歧視、健康和婚姻等對勞動收入差距的影響

寧光杰利用2006年CHNS數據發現，男性的勞動收入比女性高23.8%，考慮就業選擇偏差后，工資性別差距達到25.2%[28]。李春玲等[29]、郭鳳鳴等[30]、李實等[31]均發現性別工資差異呈擴大趨勢，且性別歧視是重要原因。卿石松等發現女性過多集中于職位“金字塔”底層，職位隔離、職位晉升歧視可分別解釋性別收入差距的2/5和1/4[32]。卿石松等發現畢業大學生起薪性別差距主要來源于專業內部而非專業之間，且專業內起薪差距只有28.65%～43.16%能夠被生產力差異所解釋[33]。江求川等發現我國勞動力市場對女性的外表特征存在明顯的歧視行為[34]。

婚姻和健康狀況也是影響勞動收入差異的因素。王智波等發現，1989—2009年在婚男性比非在婚男性工資顯著高6.8%[35]。王志剛等利用2006年中國人民大學對北京地區農民工營養健康狀況和收入現狀進行調查發現，農民工收入與其營養和健康水平存在正相關關系[36]。

(五)家庭背景因素對勞動收入的影響

隨著社會網絡理論的發展，勞動者的家庭背景等社會資本因素對勞動收入的影響日益受到重視。程誠等使用2009年全國8個城市的“社會網絡與求職經歷”調查數據，發現社會資本能夠顯著影響勞動者收入，當控制社會資本變量后，農民工和城市職工之間的戶籍工資差異被解釋得更加充分[37]。胡詠梅等利用2008年CGSS數據發現，父輩的政治資本顯著影響大學畢業生子女的就業單位選擇，進而影響子女收入[38]。譚遠發使用國際勞工組織“從學校向職場過渡調查”數據，發現父母的政治資本促進了子女的人力資本積累，并將子女的教育優勢轉化為職場優勢[39]。

一些學者研究了父輩收入對子輩收入的影響。徐曉紅發現教育傳遞和職業傳遞是收入差距代際傳遞的重要路徑，城鎮居民代際傳遞程度高于農村居民[40-41]。楊新銘等也發現代際收入通過人力資本傳遞和工作選擇傳遞，但代際收入彈性無法完全由教育與就業特征等傳導途徑得到解釋，父母的能力遺傳與社會關系等不可觀測因素對子女收入的作用不可忽視[42-43]。

總體上看，學者就國內勞動收入差距問題進行了大量深入的研究，但所使用的數據大部分是在10年之前，最新的數據是2014年[5]。自2008年世界金融危機爆發以來，我國經濟社會發生了深刻變化，經濟產業結構，人口和勞動力的年齡、學歷結構都發生了顯著變化，這些變化進而影響著勞動力市場的表現。黨的十九大報告提出，新時代我國社會主要矛盾已經轉化為人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾，因此研究新時期的勞動收入差距問題具有重要的現實意義。

二、2014—2017年我國不同勞動群體之間存在明顯的收入差異

國務院發展研究中心“中國民生調查”課題組2014—2017年每年對我國8個省(直轄市)約1萬個城鎮和農村住戶就民生關切點開展大型調查。其中，2014年的調查涵蓋了上海市、四川省、安徽省、廣東省、河北省、浙江省、陜西省、黑龍江省8個省(直轄市)；2015年和2016年的調查省份有所調整，增加江蘇省，去除上海市；2017年，再次進行調整，增加了福建省，去除廣東省。2014—2017年的受調查人員總數為150 274人(包括受訪者本人和家庭成員)，其中適齡勞動人口94 790人[注]本文所稱適齡人口是指16歲及以上、60歲及以下年齡男性，以及16歲及以上、55歲及以下年齡女性。，就業人員67 510人[注]就業人員是指目前從事有收入的工作的人員，例如政府部門、國營企業、民營企業和外資企業職工、個體工商戶、臨時務工者、自由職業者、專職農民和兼業農民、農村自營業者和管理人員等。。

根據整理得到的調查數據，我國不同勞動者群體之間存在明顯的收入差異。例如，在2017年，城鎮平均勞動收入比農村高27%，非農戶口比農業戶口高30%，男性比女性高40%，身體健康的勞動者比其他勞動者高約1倍(表1)。從受教育程度看，初中、高中、大專和大學以上學歷勞動者分別比小學及以下學歷勞動者高40%、61%、92%和132%(表2)。

表1 不同勞動者群體平均勞動收入對比

資料來源：根據“中國民生調查”2014—2017年入戶調查數據計算整理所得

表2 不同學歷勞動者平均勞動收入對比(以小學及以下為基準)

資料來源：根據“中國民生調查”2014—2017年入戶調查數據計算整理所得

不同行業類型、就業類型和崗位類型的勞動者也存在明顯的收入差異。在2017年，平均勞動收入最高的5個行業(不包括國際組織)是房地產業、金融業、科研技術服務和地質勘察業、文體娛樂業、信息技術行業，分別是制造業的1.40、1.39、1.37、1.34、1.31倍；最低的5個行業是農林牧副漁業、居民服務業、采礦業、衛生和社會保障、公共管理和社會組織，分別是制造業的49%、79%、81%、90%和94%。

從就業類型看，2017年，外資、合資企業職工的勞動收入最高，比民營企業高26%，國有(國有控股)職工比民營企業高13%。收入最低的是專業務農、兼業務農和臨時務工者，僅為民營企業職工的40%、62%和74%。

從崗位類型看，高層管理人員、中層管理人員以及專業技術人員工資水平最高，分別是一線生產人員的3.12、1.79和1.33倍，而臨時聘用人員工資最低，為一線生產人員的81%。

三、基于中國民生調查數據的回歸分析

遵循以往研究，我們采用Heckman兩階段回歸方法綜合分析勞動者的居住地、戶口、性別、教育、工作經驗，以及行業類型、就業類型和崗位類型等因素對其勞動收入的影響。Heckman兩步法可以有效控制樣本可能存在的選擇性偏誤的影響。首先是建立選擇方程，使用最大似然估計法(MLE)估計各種因素對就業行為的影響，然后基于第一階段的回歸結果建立勞動收入決定方程，使用最小二乘法回歸得到各項系數。

(一)選擇方程和勞動收入決定方程

選擇方程為Probit回歸模型，具體形式為：

其中：W表示個人的月平均勞動所得，包括工資、獎金、經營凈收入等，不包括資產性收入，并且扣除稅收和“五險一金”，Prob(W>0)為個體從事有勞動收入工作的概率。下標i表示個人，t表示年份(t=2014、2015、2016、2017)。Z表示自變量，包括：(1)居住地類型，城鎮=1，農村=0；(2)戶口類型，非農戶口=1，農業戶口=0；(3)性別，男性=1，女性=0；(3)婚姻狀況，在婚=1，未婚、離異或喪偶=0；(4)健康狀況，健康=1，其他=0；(5)受教育程度，包括小學及以下、初中、高中、大專、大學及以上5個虛擬變量，在回歸分析中以小學及以下學歷為基準；(6)家庭撫養比，即家庭被撫養人口與適齡人口之比，被撫養人口為家庭總人口與適齡人口之差；(7)年齡及其平方，年齡平方項用以控制年齡對就業的非線性影響；(8)省份(直轄市)，包括10個省(直轄市)虛擬變量以控制地區效應，以陜西省為基準。

在獲得第一階段回歸結果后，基于Mincer(1974)的人力資本回報方程，建立勞動收入決定方程。第二步回歸采用一般最小二乘法(OLS)，形式為：

X是一組自變量組成的向量，除居住地類型、戶口類型、性別、婚姻狀況、健康狀況、省份(直轄市)等變量外，還包括：(1)潛在工作經驗及其平方。根據以往研究，潛在工作經驗=實際年齡-受教育年限-6年，由于調查中只獲得了受訪者的學歷，此處將受教育年限按照未上過學0年、小學6年、初中9年、高中12年、大學及以上16年作近似處理。經驗平方項用以控制工作經驗對勞動收入的非線性影響。(2)行業類型，包括農林牧副漁業、制造業等21個行業類型的虛擬變量，回歸中以制造業為基準。(3)就業類型，包括農村的專業農民、兼業農民、農村非農就業人員，以及城鎮的政府部門、國有企業、民營企業、外資企業職工，以及個體戶、臨時工和自由職業者等12個就業類型的虛擬變量，以城鎮民營企業職工為基準。就業類型也反映了就業所在單位的所有制類型。(4)崗位類型，包括高層管理人員、中層管理人員、一線生產人員等10個崗位類型的虛擬變量，以一線生產人員為基準。

主要變量描述性統計結果見表3。

(二)就業選擇方程回歸結果分析

表4為Heckman第一階段，即選擇方程的回歸結果，也就是各個自變量的邊際效應系數。可以看出，城鎮地區適齡人員就業的概率低于農村地區3.3個百分點。非農戶口就業概率低于農業戶口7.1個百分點。隨著年齡的上升，適齡人員就業的概率先上升后下降，呈倒U型。男性就業概率顯著高出女性約20個百分點。在婚人員比未在婚人員(未婚、離異或喪偶)的就業概率高出6.7個百分點。健康人員比其他人員就業概率高22.5個百分點。家庭撫養比的邊際效應系數為負，表明家庭撫養比越高，勞動參與率越低。各學歷的回歸系數均為正，表明就業概率均高于小學及以下學歷，初中學歷高出4.2個百分點，高中學歷高出4.1個百分點，大專學歷高出11.2個百分點，本科及以上學歷高出5.3個百分點，大專學歷的就業概率明顯高于其他學歷。分城鄉看，不同因素對適齡人員就業概率的影響有所不同。

表3 主要變量描述性統計結果

均值或百分比/%標準差樣本數工作經驗(年)22.0813.3294 790家庭撫養比46.600.5594 790小學及以下19.000.3994 790初中40.200.4994 790高中、中專、技校21.700.4194 790大專、高職9.100.2994 790本科及以上10.000.3094 790

表4 選擇模型回歸結果(邊際效應)

注：括號內為t統計量，*、**、***分別代表在10%、5%和1%的水平上顯著；“控制”是指將相關變量作為自變量加入回歸方程，由于省(直轄市)、年份虛擬變量個數較多，這里不列出回歸結果

(三)收入決定方程回歸結果分析

表5是Heckman第二階段，即勞動收入決定方程的回歸結果。由于因變量為勞動收入的對數，回歸系數表示自變量每變化1個單位勞動收入變化的比例。其中，列(1)至列(4)是全樣本回歸結果，列(5)是城鎮樣本回歸結果，列(6)是農村樣本回歸結果。

表5 收入決定方程回歸結果

注：括號內為t統計量，*、**、***分別代表在10%、5%和1%的水平上顯著；由于省(直轄市)、年份、行業類型、就業類型和崗位類型虛擬變量個數較多，這里不列出回歸結果

1.人力資本是決定勞動收入的重要因素，農村地區教育回報高于城鎮地區

回歸結果顯示，教育的回報顯著為正，且農村的教育回報高于城鎮。與小學及以下學歷勞動者相比，初中學歷勞動者的收入高9.1%，高中學歷高14.8%，大專高26.1%，本科及以上學歷高44.2%。農村各個學歷水平勞動者的教育回報都高于城鎮地區，其中，初中、高中和大學及以上學歷均高出約5個百分點，大專學歷略高0.2個百分點。工作經驗與勞動收入水平呈倒U型關系，勞動收入隨著工作經驗的增加先上升再下降，工作21年的勞動者的收入達到最高。

2.居住地和戶口類型對勞動收入有顯著影響，但在控制就業特征后影響大幅下降甚至逆轉

在控制勞動者的受教育程度和工作經驗等變量后進行回歸，結果顯示，居住在城鎮的勞動者的收入比居住在農村的勞動者高17.1%，非農戶口勞動者比農業戶口高11.4%。這表明，勞動力市場仍然存在城鄉分割和戶籍歧視現象，勞動者受教育程度的差異無法全部解釋居住地和戶籍差異對收入的影響。在進一步控制勞動者的就業特征(行業類型、就業單位類型和崗位類型)后，居住地的回歸系數顯著下降，僅剩1.1%，而戶口的回歸系數則轉為-1.9%。這表明，城鄉勞動力市場分割和戶籍歧視通過影響勞動者進入的行業類型、就業類型和崗位類型來影響其收入，勞動者的就業行業、就業類型和崗位類型的差異能夠比較充分地解釋城鄉勞動力市場分割和戶籍歧視對勞動收入的影響。

應注意到，在控制勞動者的人力資本水平和就業特征后，擁有農業戶口的勞動者反而擁有更高的勞動收入，城鎮地區相對于農村地區仍有顯著的勞動收入溢價。

3.勞動收入的性別、婚姻和健康差異顯著存在

如表5所示，在控制其他變量后，男性勞動者的收入比女性高23.9%，這與寧光杰估計的25.2%[28]接近；在婚勞動者的收入比未在婚勞動者高6.7%，與王智波等估計的6.8%[35]接近；身體健康的勞動者收入比其他勞動者高30.1%。可見，勞動力市場上仍存在顯著的性別歧視，勞動者的婚姻和健康狀況也顯著影響其收入水平。

4.壟斷和就業穩定性仍是造成勞動收入差異的因素，國有部門職工的收入低于民營企業職工

與陳釗等[10]的發現一致，2014—2017年，我國勞動收入表現出明顯的行業差異。如圖1所示，采掘業、金融業等7個行業的勞動收入均顯著高于制造業，而農林牧漁業等6個行業的勞動收入顯著低于制造業。

根據劉渝琳等[26]的定義，采掘業，電力、煤氣和水的生產和供應業，交通運輸、倉儲及郵政業，金融業、房地產業為壟斷性行業。可以看到，除電力、煤氣和水的生產和供應業外，其他壟斷性行業的勞動收入水平均顯著高于制造業，表明壟斷仍是造成勞動收入差異的因素。

就業類型既反映就業的穩定性，又反映就業單位的所有制形式。如圖2所示，非固定單位的臨時務工人員和自由職業者的勞動收入分別顯著低于民營企業職工8.7個和6.2個百分點，表明就業穩定性仍影響勞動收入差異。

此外，外資、合資和港澳臺企業職工的勞動收入比民營企業高12.2%，國有(國有控股)企業和黨政機關、社會團體的職工分別比民營企業低3.9%、7.6%。國有部門(國有企業和政府部門)的勞動收入水平低于民營企業，這與葉林祥等[25]的發現不同[注]原因可能有：(1)本文的勞動收入未考慮福利住房和醫療等非貨幣收益，國有部門的勞動者報酬存在低估現象；(2)未考慮加班因素，民營企業職工一般加工時間多于國有部門職工，因此如果折算為每小時勞動收入，國有部門的收入很有可能會高于民營企業；(3)也有可能存在抽樣誤差問題。。

5.沿海地區勞動收入水平顯著高于內地省份

在不考慮地區發展水平和物價水平差異的情況下，不同省份之間也呈現明顯的勞動收入差異。如圖3所示，上海、福建、浙江、江蘇、廣東5個沿海地區省份的勞動收入水平最高，明顯高于陜西、河北等5個內地省份。

圖1 行業間勞動收入差距(以制造業為基準)資料來源：根據“中國民生調查”2014—2017年入戶調查數據進行回歸所得

圖2 不同就業類型勞動收入差距(以民營企業為基準)資料來源：根據“中國民生調查”2014—2017年入戶調查數據進行回歸所得

圖3 不同省份間勞動收入差異(以陜西省為基準)資料來源：根據“中國民生調查”2014—2017年入戶調查數據進行回歸所得

6.勞動收入存在顯著的代際傳遞現象，且農村居民代際傳遞程度高于城鎮居民

為考察家庭因素對個人勞動收入水平的影響，本文使用入戶調查中父親的就業類型和勞動收入數據來考察家庭對個人就業和勞動收入水平的影響。通過將本人與父母、配偶與配偶父母、子女與本人和配偶進行匹配，篩選出20 680個有效樣本，約為全樣本數量的22%。由于所選取的樣本皆為父親在世且有勞動收入的個體，樣本結構與全樣本有明顯不同，表現在：新樣本以年輕人為主(平均26歲)，平均工作年限較短(平均8年)，在婚人員比例較低(33%)，健康人員比例較高(97%)。尤其不同的是，新樣本的平均學歷水平較高，小學及以下學歷人員比例僅占6%，大大低于全樣本約19%的比重。

首先，將父親的行業類型(以制造業為基準)、就業類型(以民營企業職工為基準)、崗位類型(以一線生產人員為基準)分別作為自變量進行Heckman兩步回歸，結果顯示各項系數并不顯著。

其次，將父親的勞動收入作為自變量進行Heckman兩步回歸。結果顯示，父親的勞動收入變量的回歸系數為顯著的0.158(見表6)。由于父親和子女的勞動收入均取了對數，回歸得到的系數就是父親與子女的勞動收入彈性，反映的是勞動收入代際傳遞程度。即父親勞動收入每增加10%，子女的勞動收入將提高1.58%。這意味著，即使控制了勞動者的個體特征和就業特征，勞動收入代際傳遞仍顯著存在，父輩不僅通過子女的教育和就業選擇渠道來影響其勞動收入，還有其他影響渠道，這與楊新銘等[43]的發現是一致的。需要注意的是，農村地區勞動收入的代際勞動收入彈性為0.171，高于城鎮地區的0.138，表明農村地區勞動收入代際傳遞程度高于城鎮地區，這與徐曉紅[40]的發現相反。

表6 勞動收入決定方程回歸結果(包括父親勞動收入變量)

注：括號內為t統計量，*、**、***分別代表在10%、5%和1%的水平上顯著；此處回歸加入了省(直轄市)、行業類型、就業類型和崗位類型等控制變量

7.教育內生性問題

決定勞動收入的因素除了可觀察的人力資本，還可能包括難以觀測的個人能力因素。個人能力在影響勞動收入水平的同時，也可能影響勞動者的受教育程度。如果教育存在內生性問題，那么回歸所得到的殘差項將與受教育程度具有顯著相關性，教育回報也將可能被高估。學者一般使用父輩的受教育程度和職業類型，或配偶的特征變量作為工具變量來處理教育的內生性問題。我們將回歸殘差與受教育程度等其他自變量進行回歸，發現系數全部接近于0且不顯著，因此我們可以接受勞動者受教育程度為外生變量的假設。

四、主要結論和政策建議

本文使用國務院發展研究中心“中國民生調查”2014—2017年入戶調查數據系統分析了近年來我國勞動者收入差異的決定因素，發現：(1)教育和工作經驗是決定勞動收入水平的重要因素，且農村地區的教育回報高于城鎮地區。(2)居住地和戶籍仍對勞動收入有顯著影響，但在控制勞動者所在行業類型、就業類型和崗位類型后，兩者的影響大幅下降，農業戶口勞動者相對于非農戶口勞動者擁有更高的勞動收入，但城鎮地區相對于農村地區仍有勞動收入溢價。(3)勞動收入存在顯著的代際傳遞現象，且農村地區代際傳遞程度高于城鎮地區。(4)不同所有制企業和單位的勞動收入存在顯著差異，國有(國有控股)企業和黨政機關、社會團體的職工分別比民營企業職工低3.9%、7.6%。(5)性別歧視、婚姻、健康狀況，以及壟斷、就業穩定性和地區仍是造成勞動收入差異的因素。

建議：(1)加大教育投入，提高受教育機會的均等性，特別是針對農村地區、落后地區以及城鎮貧困人口加大教育投入和技能培訓力度，這是縮小地區間、城鄉間、城鄉內部的勞動收入差距和削弱甚至阻斷勞動收入代際傳遞的根本途徑。(2)進一步推進戶籍制度改革，推動勞動力在城鄉間、地區間的自由流動，限制壟斷性行業和企業的不合理高薪酬。(3)制定和實施公平的就業制度，貫徹執行《勞動合同法》，努力消除就業市場上的戶籍、居住地和性別歧視，提高正規就業和穩定就業的比重。