資歷與資訊的制約

資歷與資訊的制約

問題的提出從1996年到2004年，全國勞動爭議案件當期受理數(shù)從47951件增加到260471件，勞動者提出申訴的案件數(shù)所占百分比由87.0%提高到95.7%（國家統(tǒng)計局人口和就業(yè)統(tǒng)計司、勞動和社會保障部規(guī)劃財務(wù)司，2005）。正如李靜君（LeeChingKwan）所指出的，中國工人，包括外來工[1]，越來越多地接觸到“公民權(quán)”和“法律權(quán)利”的概念，越來越多的外來工在老板拖欠工資和拒絕支付工傷賠償?shù)臅r候開始尋求法律救濟（Lee，2002）。同時，一個問題也隨之而來，什么樣的農(nóng)民工更傾向于主張和維護自己的權(quán)利，他們的個人背景特征、外出及工作情況、所在工廠的特征和資訊獲得等因素對他們采取維權(quán)行動構(gòu)成了怎樣的影響？本文擬通過對相關(guān)調(diào)查資料的統(tǒng)計分析，探討影響青年農(nóng)民工維權(quán)的微觀因素。文獻回顧和研究假設(shè)當前有關(guān)農(nóng)民工維權(quán)問題的討論已經(jīng)成為社會科學研究的一個熱點，就影響農(nóng)民工維權(quán)的因素而言，既往研究大多集中在以下幾個方面：一是從政府、資本和勞工的三方關(guān)系來分析，強調(diào)政府在“強資本、弱勞工”的情況下仍然忽視勞工權(quán)益以吸引投資促進經(jīng)濟發(fā)展，這致使農(nóng)民工維權(quán)往往面臨資本與權(quán)力的聯(lián)合壓制，在實踐中根本無法實現(xiàn)應(yīng)有權(quán)利（鄭廣懷，2005）。二是從農(nóng)民工在維權(quán)過程中遭遇的法律及實踐問題來分析，例如維權(quán)成本太高、收集及舉證困難、勝訴后執(zhí)行困難、仲裁和法律程式設(shè)置不合理等，這些都導(dǎo)致農(nóng)民工無力維權(quán)（Zhang，2005；安徽省法學會農(nóng)民工維權(quán)研究課題組，2005）。三是從農(nóng)民工自身來分析，例如經(jīng)濟力量薄弱、文化程度較低、法律知識缺乏、權(quán)利意識淡薄等，這些微觀因素使農(nóng)民工在權(quán)益受到侵害后難以主動維權(quán)（蔣慧、張忠民，2006；馬愛華，2004）。從研究方法來看，這三個方面的分析多為文獻分析、個案研究和邏輯推理，很少有量化的調(diào)查和分析，客觀性和因果關(guān)系的揭示相對不足，難以進行概化推論（generalization）。同時，無論是政府、資本和勞工的三方關(guān)系還是農(nóng)民工在維權(quán)過程中遭遇的法律及實踐問題都較難以量化測量，前者實際上是一種宏觀的基本結(jié)構(gòu)問題，后者則往往需要深入的個案分析才能得以展現(xiàn)。相對來說，農(nóng)民工自身的特征是一個易于量化測量的層面。一些研究已經(jīng)從不同角度有所涉及。閆翠娟和高峰（2007）對蘇州市440名外來農(nóng)民工的潛在維權(quán)訴求（維權(quán)意識）的調(diào)查表明，有72.4%的被調(diào)查者面臨權(quán)益侵害時想到過維權(quán)，有27.6%從未想過。農(nóng)民工面對自己的權(quán)益受損卻選擇不維權(quán)的原因由高到低依次是：想保住飯碗（33%）、維權(quán)的成本太高（26%）、不清楚如何維權(quán)（22%）、其他（19%）。該研究雖然對農(nóng)民工自身不維權(quán)的原因進行了調(diào)查分析，但這只是農(nóng)民工自己報告的原因，其未能就不維權(quán)的原因與農(nóng)民工的自身特征（例如年齡、文化程度、外出及工作情況等）進行相關(guān)分析，同時也未能比較具有潛在維權(quán)訴求和不具有潛在維權(quán)訴求農(nóng)民工背景情況的差異。楊莉（2006）對武漢、宜昌、株洲、常德4個城市761名40歲以下青年工人的調(diào)查表明，在維護工人權(quán)益的各種力量中，工人認為自己的力量是最重要的（51%），工人傾向于靠自己的力量維權(quán)。楊莉研究的問題在于未能報告傾向于靠自己力量維權(quán)的農(nóng)民工的自身特征。Thireau和Hua（2003）對采取維權(quán)行動的工人的個人背景特征進行了較為細致的描述，他們對隨機選取的深圳市勞動局信訪辦1996～1997年收到的123封信件和勞動仲裁委員會1998～1999年受理的60個案件的分析有如下發(fā)現(xiàn)：第一，向仲裁委申請仲裁和向信訪辦投訴的全為勞動者，而非雇主；第二，在60個勞動仲裁案件中，75%來自私營企業(yè)、外資企業(yè)和各種混合所有制企業(yè)；第三，向仲裁委申請仲裁的工人多為熟練工人，平均月收入較高（1444元），而向信訪辦投訴的工人多為初級體力勞動者，平均月收入較低（578元），造成這種分化的主要原因在于向信訪辦投訴是免費的，而申請仲裁需要仲裁費；第四，向仲裁委申請仲裁的工人在與之發(fā)生勞動爭議的工廠平均工作時間超過三年，而向信訪辦投訴的外來工工作時間則較短。盡管該研究注意到了影響農(nóng)民工維權(quán)的微觀因素，但只涉及了已經(jīng)采取維權(quán)行動的工人，未能涵蓋未采取維權(quán)行動的工人，因而也就無法就兩者的異同進行比較。基于以上的回顧和討論，綜合其他因素，本文擬將影響青年農(nóng)民工維權(quán)的微觀因素分為四個部分，即個人背景特征（性別、年齡、文化程度）、外出及工作情況（收入、工作職位、外出時間、工作流動、工會會員身份）、企業(yè)特征（企業(yè)性質(zhì)和企業(yè)規(guī)模）和資訊獲得（相關(guān)權(quán)利資訊的獲得），并建立如下研究假設(shè)。假設(shè)1：青年農(nóng)民工采取維權(quán)行動與其個人背景特征相關(guān)；假設(shè)2：青年農(nóng)民工采取維權(quán)行動與其外出及工作情況相關(guān)；假設(shè)3：青年農(nóng)民工采取維權(quán)行動與其所在企業(yè)特征相關(guān)；假設(shè)4：青年農(nóng)民工采取維權(quán)行動與其資訊獲得相關(guān)。這些假設(shè)不是各自獨立的，而是相互影響的。為了表明這一點，我們將四方面的因素同時納入模型，用概率方程的形式表示如下（畢向陽，2005）。L（P）=f（I1，I2，I3，I4）其中，P代表青年農(nóng)民工采取維權(quán)行動的發(fā)生概率，I1代表個人背景特征，I2代表外出及工作情況，I3代表企業(yè)特征，I4代表資訊獲得。資料與方法本文的資料來源于兩個方面，一是2002年12月清華大學當代中國研究中心和廣東省婦女干部學校在廣州和中山兩地進行的“外來工需求調(diào)查”，共獲得有效問卷595份。該調(diào)查是“珠江三角洲外來女工培訓(xùn)項目”的成果之一。二是2003年7月廣東商學院社會工作系、中山大學法學院和廣東番禺打工族文書處理服務(wù)部進行的“珠江三角洲工傷調(diào)查研究項目”，該項目對珠江三角洲地區(qū)多家機構(gòu)（包括38家醫(yī)院、1家職業(yè)病防治院和1家非政府工人社會服務(wù)機構(gòu)）的外來工工傷者進行了問卷調(diào)查，共獲得有效問卷582份。[2]一般而言，農(nóng)民工受傷后都會先在醫(yī)院接受治療，然后再決定是否采取維權(quán)行動（或治療和維權(quán)同步進行），因此，在醫(yī)院進行調(diào)查能夠降低樣本選擇偏差，有效排除“缺乏維權(quán)意識的工傷者已經(jīng)回到了流出地”的影響，避免IsabelleThireau和HuaLinshan研究中樣本偏差的類似問題。由于受到抽樣框的限制，兩項調(diào)查都未能采取隨機抽樣的方式進行，而是采取多地點、多機構(gòu)的非概率抽樣方式（nonprobabilitysampling）。Guo和Hussey（2004）的研究表明，此種非概率抽樣方式有助于克服抽樣時的地理集中（geographicconcentration）和隱藏的選擇偏見（hiddenselectionbias）問題，從而提高樣本的代表性和推論統(tǒng)計（inferentialstatistics）的可靠性。本文擬采用二分類多元Logistic回歸分析的方法篩選出顯著影響青年農(nóng)民工維權(quán)的引數(shù)，并以數(shù)量化的統(tǒng)計模型形式在有統(tǒng)計控制的條件下檢驗這些引數(shù)各自變化對作為因變數(shù)的青年農(nóng)民工維權(quán)的作用幅度，從而分析影響青年農(nóng)民工維權(quán)的具體因素。樣本描述及說明“外來工需求調(diào)查”和“珠江三角洲工傷調(diào)查”兩個資料在年齡、月收入等方面較為接近，在其他方面都不同程度地存在一些差異。例如，工傷者的男女性別比大幅高于外來工，工傷者的文化程度、管理人員所占百分比、工會會員所占百分比、在較大規(guī)模企業(yè)工作的百分比和外出時間都低于外來工。由于工傷者多在較小規(guī)模的企業(yè)工作，兩個樣本企業(yè)規(guī)模的分類標準有所不同，“外來工需求調(diào)查”以1000人為界線，“珠江三角洲工傷調(diào)查”以200人為界線。同時，兩個樣本資訊獲得的測量也存在一定差異，“外來工需求調(diào)查”中，接觸資訊提供者是指被調(diào)查者曾經(jīng)接觸過記者、社會調(diào)查人員、法律援助人員、為外來工服務(wù)的機構(gòu)、國際組織和工廠客戶。在“珠江三角洲工傷調(diào)查”中，資訊獲得是指“知道工傷保險待遇的具體內(nèi)容”（參見表1）。表1樣本的基本狀況描述表1樣本的基本狀況描述-續(xù)表Logistic回歸模型建模過程（一）變數(shù)選擇和預(yù)處理為了便于兩個資料間的比較，我們在變數(shù)選擇過程中，盡量使兩個資料的因變數(shù)和引數(shù)保持一致。在“外來工需求調(diào)查”中，因變數(shù)為是否向有關(guān)部門投訴或到法院提起訴訟，在“珠江三角洲工傷調(diào)查”中，因變數(shù)為知道老板沒有為自己購買工傷保險時，是否向老板提出過購買要求。引數(shù)分為個人背景特征、外出及工作情況、企業(yè)特征和資訊獲得四個方面。引數(shù)中的離散變數(shù)均經(jīng)過虛擬變數(shù)處理。需要指出的是，由于資料本身的限制，兩個模型的部分引數(shù)在測量尺度上有所不同。在“外來工需求調(diào)查”中，企業(yè)規(guī)模是否在1000人及以上以1000人以下為參照類，是否接觸資訊提供者以未接觸資訊提供者為參照類。在“珠江三角洲工傷調(diào)查”中，企業(yè)規(guī)模是否在200人及以上以200人以下為參照類，是否知道法定工傷保險待遇具體內(nèi)容以不知道法定工傷保險待遇具體內(nèi)容為參照類。為了增加變數(shù)單位變動的間距，便于結(jié)果的比較，年齡均以5歲為單位。由于兩個樣本的月收入均呈嚴重偏態(tài)分布，我們?nèi)∽匀粚?shù)，使之整體服從正態(tài)分布（參見表2）。表2Logistic回歸分析中的因變數(shù)和引數(shù)（二）篩選顯著變數(shù)為尋找解釋能力最強的引數(shù)并盡量減少引數(shù)間多重共線性影響，我們采用SPSS中Logistic回歸自動篩選顯著引數(shù)的方法（Forward：Conditional）建立最優(yōu)的逐步回歸方程。分步回歸概率臨界值0.05進入，0.10剔除。經(jīng)過計算，在“外來工需求調(diào)查”最終模型中剩余工作職位是否為普工或服務(wù)員和是否換過工作兩個變數(shù)，而在“珠江三角洲工傷調(diào)查”最終模型中剩余是否知道法定工傷保險待遇具體內(nèi)容和年齡兩個變數(shù)，兩個模型中的其他變數(shù)均被剔除（參見表3）。表3模型剔除的變數(shù)值得注意的是，兩個模型中企業(yè)特征變數(shù)全部被剔除，假設(shè)3無法得到證實。這說明當控制某些變數(shù)后，企業(yè)特征對青年農(nóng)民工采取維權(quán)行動的作用不具有顯著性。當然，這也可能說明企業(yè)規(guī)模和企業(yè)性質(zhì)并不能完全代表企業(yè)特征，我們需要進一步尋找其他觀測變數(shù)，比如企業(yè)所屬行業(yè)、企業(yè)管理結(jié)構(gòu)等。（三）最終模型及評價為了排除不顯著變數(shù)的干擾，我們采用變數(shù)全部進入的方法重新構(gòu)造因變數(shù)與顯著引數(shù)的Logistic回歸方程（參見表4）。表4最終模型中的變數(shù)“外來工需求調(diào)查”中，模型卡方（ModelChi-Square）=9.869，自由度（df）=2，顯著性水準（Sig.）=.007，說明模型整體檢驗顯著。對數(shù)似然比（-2Loglikelihood）=288.209，決定系數(shù)（NagelkerkeRSquare）=0.043。從預(yù)測分類表來看，模型整體預(yù)測正確率（方程分類能力）達到91.9%。分別來看，各引數(shù)均在0.05水準顯著?！爸榻侵薰{(diào)查”中，模型卡方=17.064，自由度=2，顯著性水準=.000，說明模型整體檢驗顯著。對數(shù)似然比=374.365，決定系數(shù)=0.071。從預(yù)測分類表來看，模型整體預(yù)測正確率（方程分類能力）達到75.9%。分別來看，各引數(shù)均在0.1水準顯著。（四）模型解釋“外來工需求調(diào)查”模型驗證了假設(shè)2，青年農(nóng)民工采取維權(quán)行動與其外出及工作情況相關(guān)。具體而言，換過工作的青年農(nóng)民工采取維權(quán)行動的發(fā)生比（oddsratio）是未換過工作的青年農(nóng)民工的2.38倍，而工作職位為普工或服務(wù)員的青年農(nóng)民工采取維權(quán)行動的發(fā)生比只有其他工作職位（包括技術(shù)工人、管理人員等）的53%?！爸榻侵薰{(diào)查”模型同時驗證了假設(shè)1和假設(shè)4，青年農(nóng)民工采取維權(quán)行動與其個人背景特征和資訊獲得相關(guān)。具體而言，知道法定工傷保險待遇具體內(nèi)容的工傷者采取維權(quán)行動的是不知道此資訊的工傷者的2.57倍。年齡每增大5歲，工傷者采取維權(quán)行動的發(fā)生比提高16%。討論本文擬先分別討論兩個模型揭示的影響青年農(nóng)民工維權(quán)的微觀因素，然后進行比較綜合，以獲得對青年農(nóng)民工維權(quán)影響因素更為全面深入的認識。“外來工需求調(diào)查”模型表明了工作流動對維權(quán)行動的正向作用。首先，已經(jīng)換過工作的青年農(nóng)民工一般外出打工時間較長，根據(jù)“外來工需求調(diào)查”資料，已經(jīng)換過工作的外來工外出時間均值為64.2個月，而未換過工作的外來工外出時間均值為56.1個月（T檢驗表明差異顯著，P=0.042）。是否換過工作與外出時間的Eta相關(guān)系數(shù)為0.57（以是否換過工作為因變數(shù)）。較長的外出時間意味著有較為豐富的打工經(jīng)驗，越有可能發(fā)現(xiàn)和認識工廠的侵權(quán)行為，進而維護自身的權(quán)利。其次，青年農(nóng)民工在維權(quán)之前會考慮到維權(quán)可能帶來的風險（例如被廠方解雇、找不到工作等）。正如閆翠娟和高峰（2007）所指出的，農(nóng)民工認為維權(quán)將意味著工作機會的喪失，而這正是對農(nóng)民工群體最致命的打擊。經(jīng)過權(quán)衡之后，農(nóng)民工選擇犧牲部分權(quán)益換取工作機會。對那些已經(jīng)換過工作的農(nóng)民工而言，他們在換工作的過程中已經(jīng)積累了承擔風險的經(jīng)驗。而那些沒有換過工作的農(nóng)民工缺乏承擔風險的經(jīng)驗，他們擔心維權(quán)導(dǎo)致自己陷入失業(yè)的困境。該模型還表明，普通工人或服務(wù)員更傾向于不采取維權(quán)行動。其原因可能在于，相對于管理人員和技術(shù)工人，他們文化程度和收入水準都較低，承擔風險及與廠方討價還價的能力較弱，維權(quán)能力不足，不傾向于采取維權(quán)行動。該模型的資料表明，普工或服務(wù)員的受教育年限均值為9.0年，月收入均值為694.3元，而非普工或服務(wù)員（技術(shù)工人或管理人員）的受教育年限均值為10.7年，月收入均值為1129.1元（T檢驗表明兩組比較差異均顯著，P值均小于0.01）。“珠江三角洲工傷調(diào)查”模型表明了資訊獲得對青年農(nóng)民工采取維權(quán)行動的影響。如前所述，閆翠娟和高峰（2007）的研究表明，“不清楚如何維權(quán)”是導(dǎo)致農(nóng)民工選擇不維權(quán)的第三大原因。同時，也有研究指出，部分由于普法運動的開展，越來越多的工人開始接觸到勞動法并采取法律途徑來解決與雇主之間的勞動爭議（Zhang，2005）。該模型還表明了年齡對青年農(nóng)民工采取維護行動的正向作用。這可以從年齡與外出打工時間的關(guān)系來解釋，年齡與外出打工時間（在“珠江三角洲工傷調(diào)查”中，該資料為定序變數(shù)）的Eta相關(guān)系數(shù)為0.51（以外出打工時間為因變數(shù)）。這說明，年齡越大，外出打工時間越長，從而打工經(jīng)驗也可能越豐富，越有可能發(fā)現(xiàn)和認識工廠的侵權(quán)行為，進而維護自身的權(quán)利。某種程度上，這與“外來工需求調(diào)查”模型的發(fā)現(xiàn)是一致的。比較兩個模型，我們發(fā)現(xiàn)，進入“外來工需求調(diào)查”模型的引數(shù)（工作職位和是否換過工作）未進入“珠江三角洲工傷調(diào)查”模型，而進入“珠江三角洲工傷調(diào)查”模型的引數(shù)（資訊獲得和年齡）未進入“外來工需求調(diào)查”模型，這是為什么呢？首先，我們需要考慮兩個模型中是否換過工作與年齡之間的關(guān)系。統(tǒng)計表明，兩者的Eta相關(guān)系數(shù)（以是否換過工作為因變數(shù)）在“外來工需求調(diào)查”模型和“珠江三角洲工傷調(diào)查”模型中分別為0.238和0.286，存在弱相關(guān)關(guān)系。在這種情況下，一旦這兩個引數(shù)之中的某一個對因變數(shù)具有相對的統(tǒng)計重要性率先進入模型，另一個變數(shù)就可能被剔除了。因此，是否換過工作進入“外來工需求調(diào)查”模型的同時排除了年齡，而年齡進入“珠江三角洲工傷調(diào)查”模型的同時排除了是否換過工作。其次，不同于工資拖欠和超時加班，工傷是一種較為嚴重和明顯的傷害，不論處于何種職位的工傷者都可能會積極主張并維護自己的權(quán)利，因而工作職位的影響在“珠江三角洲工傷調(diào)查”模型不顯著。最后，從資訊獲得來看，在“珠江三角洲工傷調(diào)查”模型中，資訊獲得的觀測變數(shù)為“是否知道法定工傷保險待遇具體內(nèi)容”，這是一個非常直接而明確的測量指標，而在“外來工需求調(diào)查”模型中，由于受到調(diào)查資料本身的限制，觀測變數(shù)為“是否接觸資訊提供者”，這是一個較為間接的觀測變數(shù)，因為接觸資訊提供者并不一定能夠獲得資訊，即使獲得資訊，也不一定是與維權(quán)相關(guān)的資訊。所以，測量標準的不同可能是資訊獲得未進入“外來工需求調(diào)查”模型的原因。綜合兩個模型，我們可以得出兩點初步結(jié)論。第一，資歷是影響青年農(nóng)民工維權(quán)的重要微觀因素。無論是年齡、工作職位還是工作流動（是否換過工作）在本質(zhì)上都可以歸結(jié)為外出打工的資歷，一般而言，隨著外出時間的增加和年齡的增大，工作流動的機會隨之增加，工作職位也可能隨之上升，從而積累起較為豐富的資歷和較強的抵御風險的能力，具備了一定的維權(quán)能力。第二，資訊獲得是影響青年農(nóng)民工維權(quán)的又一重要因素，對那些受到嚴重傷害的農(nóng)民工來說（例如工傷者），直接的法律和政策資訊的獲得往往對他們