分層勞動力市場農(nóng)民工就業(yè)歧視與工資歧視：一個分解方法及其基于中國數(shù)據(jù)的應用

1、分層勞動力市場、農(nóng)民工就業(yè)歧視與工資歧視：一個分解方法及其基于中國數(shù)據(jù)的應用章 元復旦大學中國社會主義市場經(jīng)濟研究中心Yiu por ChenShefield University, UK上海財經(jīng)大學經(jīng)濟學院2012/4/19本文的結(jié)構(gòu)：一、研究動機二、文獻綜述三、本文的度量和分解方法四、數(shù)據(jù)來源五、基于中國數(shù)據(jù)的應用六、結(jié)論、政策含義及研究的不足一、研究動機1、城鄉(xiāng)收入差距、城市內(nèi)部行業(yè)間收入差距不斷擴大2、城市勞動力市場：分層的(分割的)二元勞動力市場3、城市地方政府保護本地居民就業(yè)“騰籠換鳥”4、戶籍身份歧視（同命不同價）、民工歧視農(nóng)民工在城市勞動力市場上受到多大程度的歧視？它的決定因素

2、是什么？它隨時間的變化趨勢是什么？二、現(xiàn)有的研究1、民工在城市勞動力市場上的就業(yè)機會和工資待遇更差Meng and Miller（1995）、Knight et al. （1999）、Meng（2000）、Meng and Zhang (2001)、蔡昉（2000；2003）、楊云彥和陳金永（2000）、姚先國和賴普清（2004）、王美艷（2003；2005）、鐘笑寒（2006）、嚴善平（2006；2007）、劉澤云（2008）、李春玲和李實（2008） 2、民工與工人的工資差距分解Meng（2000）：Blinder-Oaxaca-Cotton分解、Brown分解 王美艷（2003；2005

3、）：Oaxaca分解 、Brown分解 謝嗣勝和姚先國（2006）：Blinder-Oaxaca-Cotton分解 Meng and Miller（1995）、Knight et al. （1999）、Meng（2000）、Meng and Zhang (2001)、蔡昉（2000；2003）、楊云彥和陳金永（2000）、姚先國和賴普清（2004）、王美艷（2003；2005）、鐘笑寒（2006）、嚴善平（2006；2007）、劉澤云（2008）、李春玲和李實（2008） Meng（2000）基于中國的數(shù)據(jù)和Blinder-Oaxaca-Cotton分解方法的研究發(fā)現(xiàn)，民工與工人工資差距的50

4、%左右不能用他們的勞動生產(chǎn)率差異來解釋，她利用Brown（1980）分解方法的結(jié)果發(fā)現(xiàn)：有超過100%的行業(yè)內(nèi)工資差異是歧視導致的； 王美艷（2003）也利用Oaxaca（1973）分解方法研究發(fā)現(xiàn)，民工和城市勞動力的工資差異中只有24%能用個人特征的差異來解釋，而剩余的76%則是由于歧視導致的。她的另一個研究利用Brown分解方法考察了民工與城市勞動力的工資差異，發(fā)現(xiàn)工資差異中的43%是由歧視等不可解釋的因素造成的（王美艷，2005）； 謝嗣勝和姚先國（2006）也運用Blinder-Oaxaca-Cotton工資差異分解方法，發(fā)現(xiàn)民工和城市勞動力工資差距中的一半以上是由歧視造成的。民工在城

5、市勞動力市場上所受到的歧視程度在50%以上。Blinder、Oaxaca、Cotton、Brown、Neumark分解工資差距的方法應用于研究勞動力歧視時所存在的問題：分解出來的所謂的“歧視成分”并不是歧視程度的準確度量；1、截矩項a包含有其他可不解釋的因素2、WD不能很好地反映歧視（歧視在理論上存在三種組合）其他普通回歸方法研究歧視時所面臨的問題：1、如何從就業(yè)機會的差異中剝離出歧視的影響？2、觀察到的實際工資水平已經(jīng)包含了歧視；3、歧視在理論上存在三種組合；Becker（1957） 、Arrow（ 1973）、Dickens and Kevin（1985）：僅僅由于性別或種族等的不同而在就

6、業(yè)和工資水平兩個方面的不公平待遇；被歧視的群體獲得了低于其邊際勞動生產(chǎn)率的工資（支付不足），而另一個群體則獲得了高于其邊際勞動生產(chǎn)率的工資（過度支付）。在中國城市的分層勞動力市場上，對城鎮(zhèn)工人過度支付和對民工支付不足同時存在(Knight et al.，1999；Meng，2000；Meng and Zhang，2001)； 我們還想進一步知道：在城市分層勞動力市場上：民工歧視中的工作歧視有多高？民工歧視中的工資歧視有多高？民工歧視中的過度支付有多高？民工歧視中的支付不足有多高？這些歧視成分的時間變化趨勢是什么？三、工作歧視和工資歧視的分解1、歧視的定義：Oaxaca(1973)u: urba

7、nr: ruraloverp: over_paidunderp: under_paido: no discrimination2、城市分層勞動力市場有歧視時的分層勞動力市場無歧視時的分層勞動力市場a+b個城鎮(zhèn)工人所得到的過度支付： 工資歧視給工人帶來的過度支付 就業(yè)歧視給工人帶來的過度支付c+d個民工所遭受的支付不足： 工資歧視給民工帶來的支付不足 就業(yè)歧視給民工帶來的支付不足計算人均過度支付和人均支付不足四、本文使用的數(shù)據(jù)來源CHIPS2002-2007的城鎮(zhèn)工人和民工樣本CHIPS2002民工5327城鎮(zhèn)20632CHIPS2007民工8404城鎮(zhèn)14719數(shù)據(jù)清理后的就業(yè)樣本：2002年

8、 1：3民工：3166城鎮(zhèn)：97792007年民工：6104城鎮(zhèn)：61512007年 1：2民工：3052城鎮(zhèn)：6151市場 1市場 2單位所有制性質(zhì)（中央和地方）國有或國有控股其他單位所屬行業(yè)電力、煤氣、水的生產(chǎn)和供給交通運輸、倉儲、郵電、通訊金融、保險房地產(chǎn)科、教、文、衛(wèi)、體、廣、電國家機關其他分層勞動力市場的劃分20022007市場1市場2市場1市場2民工685248110242028城鎮(zhèn)工人765821214606152720022007市場1市場2市場1市場2民工8.21%67.87%18.19%57.05%城鎮(zhèn)工人91.79%32.13%81.81%42.95%20022007市場

9、1市場2市場1市場2民工3.112.356.635.33城鎮(zhèn)工人6.334.3713.619.29分層勞動力市場的就業(yè)分布分層勞動力市場的平均小時工資水平現(xiàn)行研究的方法：Oaxaca，1973；Neumark，1988 ；Cotton，1988 A、用男性樣本估計工資方程，將女性特征代入；B、用女性樣本估計工資方程，將男性特征代入；Index Number ProblemC、分別估計男性女性工資方程，然后加權得到無歧視情況下的工資方程分別估計城鎮(zhèn)工人和民工的工資方程，加權后得到無歧視情況下的方程本文面臨的問題：能否進入市場1的概率是非線性的五、推導無歧視情況下的就業(yè)分布及工資水平其他方法：Ne

10、umark（1988）認為把男性樣本和女性樣本混合在一起估計出來的（全樣本）工資方程是更合適的無歧視狀況下的工資機制。進行全樣本回歸時不把性別虛擬變量（本文中是外來民工虛擬變量）納入全樣本工資方程（或市場1的進入方程），則就會存在著遺漏變量偏誤。因此，Ben（2008）就建議在全樣本工資方程中加入性別虛擬變量，從而可以根據(jù)這個方程得到無性別歧視狀況下的工資機制。 Ben Jann, 2008, “The Binder-Oaxaca Decomposition for Linear Regression Models,” The Stata Journal, 8(4), pp. 453-479.

11、本文還原無就業(yè)歧視的方法：假設勞動力市場是封閉的A. 使用全樣本回歸，并在市場1的進入方程加入民工虛擬變量B. 根據(jù)市場1的進入方程（Logit模型）結(jié)果預測進入市場1的概率 B1. 民工的預測概率+民工虛擬變量的邊際效應*(1-民工占比) B2. 城鎮(zhèn)工人的預測概率 -民工虛擬變量的邊際效應*(1-工人占比)假設100個民工100個工人，各自有50人進入一級市場，各自進入一級市場的概率都等于50%；假設存在歧視，5個工人擠占了5個民工的工作崗位，則工人的概率上升為55%，而民工的概率下降為45%；工人的進入概率比民工的進入概率高10個百分點；還原：加減5個百分點200個工人100個民工，10

12、個工人退還10個工作崗位給民工，工人的概率下降1/20，民工的概率上升1/10；能否進入勞動力市場1的決定因素20022007LogitProbitLogitProbitMigrant-1.650*-1.002*-1.174*-0.723*(0.062)(0.036)(0.061)(0.037)Age-0.089*-0.049*-0.006-0.002(0.024)(0.014)(0.019)(0.011)Age_sq0.001*0.001*0.0000.000(0.000)(0.000)(0.000)(0.000)Male0.355*0.201*0.0690.039(0.046)(0.026

13、)(0.049)(0.029)Married0.1350.068-0.063-0.036(0.099)(0.057)(0.082)(0.049)Education0.151*0.086*0.115*0.069*(0.008)(0.005)(0.009)(0.005)Experience0.113*0.068*0.028*0.020*(0.009)(0.005)(0.010)(0.006)Experience_sq-0.001*-0.001*0.001*0.000*(0.000)(0.000)(0.000)(0.000)Provincial DummyYESYESYESYESObservatio

14、nPseudo R2129450.2740129450.273390420.167190420.166920022007農(nóng)民工+0.24492+0.16857城鎮(zhèn)工人-0.07930-0.08392775515 得到上述無“工作歧視”情況下的進入概率后： 將原本已經(jīng)進入市場1的城鎮(zhèn)工人的預測概率進行排序，將概率最低的個觀察值“擠出”一級市場，便得到無工作歧視情況下只應該進入市場1的城鎮(zhèn)工人數(shù)量； 將原本沒有進入市場1的民工的預測概率進行排序，將概率最高的個觀察值“擠入”市場1，便得到無工作歧視情況下本應該進入市場1的民工數(shù)量； 還原無歧視的工資水平的另一個可能方法（暫未使用）：根據(jù)無歧視情況下

15、新的就業(yè)市場分布：在工資方程加入民工虛擬變量，分別預測兩個市場上的民工和城鎮(zhèn)工人的工資水平 C1. 民工的預測工資+1/2*民工虛擬變量的邊際效應絕對值 C2. 城鎮(zhèn)工人的預測工資-1/2*民工虛擬變量的邊際效應絕對值為什么不像前面那樣拆分民工虛擬變量的邊際效應？第一，并不存在交叉補貼和占補平衡；第二，現(xiàn)有關于中國城市分層勞動力市場的研究發(fā)現(xiàn)對于城鎮(zhèn)工人的過度支付和對于民工的支付不足是同時存在的（Knight et al.，1999；Meng，2000；Meng and Zhang，2001）將個樣本在市場1和市場2之間重新分配后，在計算無進入歧視情況下的工資水平之前，還需要對個樣本的工資水平

16、重新進行調(diào)整，因為他們實際得到的工資水平是在另一個市場中決定的，不能直接放到另一個市場中去獲得工資方程；1、假設個民工能夠進入市場1，他應該得到多少工資？2、假設個城鎮(zhèn)工人應該進入市場2，他應該得到多少工資？估計市場1的民工工資方程，將原本在市場2的個民工的特征代入估計市場2的城鎮(zhèn)工人工資方程，將原本在市場1的個城鎮(zhèn)工人的特征代入無進入歧視情況下的市場結(jié)構(gòu)城鎮(zhèn)工人農(nóng)民工數(shù)量平均工資數(shù)量平均工資2002市場17658-775=6883685+775=1460市場22121+775=28962481-775=17062007市場14604-515=40891024+515=1539市場21527+

17、515=20422028-515=1513分層市場的工資方程-2002市場1市場2農(nóng)民工城鎮(zhèn)工人農(nóng)民工城鎮(zhèn)工人男性0.891*0.423*0.618*0.395*(0.200)(0.135)(0.202)(0.172)年齡0.208*0.248*-0.1100.287*(0.080)(0.081)(0.097)(0.088)年齡平方-0.002*-0.002*0.002-0.003*(0.001)(0.001)(0.001)(0.001)已婚-0.4160.557*0.453-0.263(0.345)(0.325)(0.441)(0.373)教育年限0.092*0.305*0.143*0.19

18、4*(0.040)(0.026)(0.043)(0.031)工作經(jīng)驗-0.0270.0370.1060.047(0.055)(0.032)(0.083)(0.035)工作經(jīng)驗平方0.002-0.001-0.002-0.001(0.003)(0.001)(0.006)(0.001)常數(shù)項-2.266-4.724*8.985*-0.043(2.088)(1.781)(3.517)(1.661)產(chǎn)業(yè)虛擬變量是是是是所有制虛擬變量是是是是省份虛擬變量是是是是觀察值調(diào)整R214600.089768830.189917060.084828960.1815分層市場的工資方程-2007市場1市場2農(nóng)民工城鎮(zhèn)工

19、人農(nóng)民工城鎮(zhèn)工人男性0.794*0.1121.036*0.009(0.249)(0.456)(0.258)(1.090)年齡0.339*-0.0800.210*0.429(0.100)(0.195)(0.102)(0.428)年齡平方-0.005*0.000-0.003*-0.006(0.001)(0.002)(0.001)(0.005)已婚-0.1941.3730.2031.766(0.347)(0.886)(0.369)(1.912)教育年限0.315*0.141*0.193*0.395*(0.053)(0.077)(0.062)(0.193)工作經(jīng)驗0.272*0.299*0.358*0.432*(0.063)(0.072)(0.094)(0.223)工作經(jīng)驗平方-0.010*-0.005*-0.017*-0.013*(0.003)(0.002)(0.007)(0.007)常數(shù)項-2.7528.226*0.4790.048(2.596)(4.324)(5.061)(9.430)產(chǎn)業(yè)虛擬變量是是是是所有制虛擬變量是是是是省份虛擬變量是是是是觀察值調(diào)整R215280.124140070.126714710.114320160.0288無工資歧視、無就業(yè)歧視情況下的就業(yè)分布與平均小時工資城鎮(zhèn)工人農(nóng)民工數(shù)量