1、中国大学生劳动力市场上的性别工资差异与歧视,Bookmars,一、引言 二、计量模型与估计方法 三、数据及其描述统计 四、估计结果及解释 五、结论 参考文献,关键词：工资歧视；工作能力；个体异质性； Blinder-Oaxaca(1973)分解,摘 要:以2008年度“中国大学毕业生求职与工作能力调查”的山东省数据为基础，分别利用两种扩展的Blinder-Oaxaca(1973)分解方法，考察了我国大学生劳动力市场上的性别工资差异与歧视。2008年, 男女大学生毕业半年后的性别工资差异为12.2%13.2%，其中，90.16%及以上的部分是由于性别歧视造成的本文的基本结论表明：我国大学生劳动力
2、市场上的确存在性别工资差异与歧视。结论不仅揭示了政府反性别歧视的必要性，还揭示了女大学生强化工作能力，提升就业竞争力的迫切性。,曾有一组研究数据发现，大学里女性对自己本身学习能力的培养都普遍高于男性，但在就业时，无论是第一工作还是目前工作，劳动力市场上，女性的工资低于男性，并随工作年限的增长而扩大,这是为何那？百思不得其解,歧视（prejudice ）即：人对人就某个缺陷、缺点、能力、出身以不平等的眼光对待。 歧视，是指具有同等生产率特征的劳动者因种族或性别而在劳动力市场上受到的不公正待遇,歧视,计量模型与估计方法,首先采用 Heckman（1979）样本选择模型处理大学毕业生工资方程中因未
3、观测到的个体异质性尤其是能力变量遗漏导致的内生性。模型设置如下：Lnwageit = X it t + uit (1)S = 1 Z it t + it 0 (2)注： Lnwageit 为 t 年样本中 (t = 2007, 2008, pooled ) ，大学毕业生 i 被调查时的对数化月工资水平。 X it 是由个人特征和生产率变量组成的向量， t 是相应参数组成的向量 (包括常数项)。 ui 是随机误差项，且 ui N (0,2)。S是大学毕业生被调查时是否处于就业状态的二分类变量。 Z it 是影响其就业状态的变量组成的向量， t 是其待估计的参数向量。it 随机误差项，并服从 it
4、 N (0,1)。Heckman(1979)指出， it 和 it 均包含未观测到的个体异质性。 u it 和 it 存在相关关系，u即令 uit = tit + it ，代入方程(1)，并取其条件期望，则有：E ( Lnwageit | X it , Z it , S = 1) = X it t + t E (it | Z it , S = 1)= X it t + t ( Z it t ) ( Z it t )= X it t + t it (3),为测度性别工资差异与歧视，记 X it t + t it = Witt ，分别估计男女大学生工资方程中的参数 tj 及相应变量均值 Wtj (
5、 j = M，F )，再根据Blinder-Oaxaca (1973)将性别工资差异分解为： LnwagetM1 LnwagetF=1 = WtM tM WtF tF = (WtM WtF )tM + WtF (tM tF ) (4) 或将性别工资差异分解的角度换为男生，则有：LnwagetM1 LnwagetF=1 = WtM tM WtF tF = (WtM WtF )tF + WtM (tM tF ) (5) 第一种是Neumark (1988)，Oaxaca & Ransom (1994)对Blinder-Oaxaca(1973)的扩展：LnwagetM1 LnwagetF=1 = (
6、WtM WtF )t + WtM (tM t ) + WtF (t tF ) (6）第二种是Daymont & Andrisani (1984)对Blinder-Oaxaca(1973)的扩展：LnwagetM1 LnwagetF=1 = (WtM WtF )tF + WtF (tM tF ) + (WtM WtF )(tM tF ) (7)同时，还将对性别工资差异的各组成部分依据各类变量(共10类变量，其中，5个分类变量：专业、工作单位、所在城市、行业和职业类型各作1类)进行详细分解，以考察各变量对各部分的影响。E可分解为：E = (W1tM W1tF )1tF + (W2tM W2tF )
7、 2tF + (W10tM W10tF )10tF (8),数据及其描述统计,结论：从表1上图可以看出，在2007、2008年度样本及混合样本中，毕业半年后男生的月工资平均比女大学生分别高359.3元、293.2元和306.0元；高出幅度分别为17.1%，13.2%和14.0%。工作能力方面，在2007、2008年度样本及混合样本中，毕业离校时男生的工作能力指数比女大学生分别高6.227、2.637和3.122个百分点。可见，大学毕业生的性别工资差异和工作能力指数的差异完全一致，且两者都随时间呈现缩小的趋势，即2008年比2007年约降低了4个百分点。此外，从表还1可以看出，大多数变量的性别差
8、异明显，这表明性别工资差异中有一部分可能是由于个人特征差异所致。,图1给出了大学毕业生的工资分布特征，在2007、2008年度样本中，经过对数化处理后的工资分布接近正态，这表明对数化的工资对于估计工资方程更为合理，而且更易于解释。 在图2中，大学毕业生离校时的工作能力指数基本呈现正态分布。同时，不同年份的性别工资差异和工作能力指数的性别差异呈现出相似的分布特征，这表明大学毕业生半年后的工资水平差异很可能与离校时掌握的工作能力的性别差异有关。至于性别工资歧视存在性及其大 小，需要在控制工作能力指数和其他影 响因素的基础上，对性别工资差异进行分解。,7/30/2018,7/30/2018,估计结果
9、及解释,(一) 工资的影响因素与性别差异 表2第(1)(10)列显示，学历层次对工资影响显著，在其他因素相同的条件下，本科毕业生的半年后月工资水平高于专科和高职毕业生18.6%24.4%。这主要由于本科生相对于专科和高职毕业生进行了更多的人力资本投资，积累了更多人力资本。211”重点大学毕业生的半年后月工资水平高于非“211”重点大学毕业生15.2%17.3%。这均反应了信号理论和人力资本理论的基本观点。因为“211”重点大学的毕业生通常具有高质量的人力资本，同时能进入“211”重点大学学习本身也向雇主传递了高能力的信号。纪月梅等(2004)也发现重点大学的毕业生要比非重点大学的毕业生工资显著
10、地高。在职工作时间对工资具有显著的正向影响，其边际效应为0.03左右，即表明工资时间每增加一个月工资增加3%。这主要由于大学生毕业半年后大多通过了试用期后，工资处于增长阶段。专业类型中，相对于教育学等专业毕业生，经济学专业毕业生的工资高3.2%13.6%，而法学、理学、工学等其他专业的工资优势并不明显。这可能由于改革开放以来，我国一直坚持以经济建设为中心，急需大批懂经济的专业技术人才，经济学专业毕业生备受青睐。,7/30/2018,工作单位类型中，国有企业和三资企业的工资水平分别高于政府/事业/科研机构10%20%，这主要由于国有企业和三资企业相对政府/事业/科研机构的工作压力更大、工作相对不
11、稳定、福利相对较差，因而提供了一定的补偿性工资。所在城市类型中，相对于直辖市而言，省会城市、地级城市及区县的工资水平分别低30%和40%左右。一方面可能是由于直辖市的高薪机会比较多；另一方面，直辖市的物价水平相对较高，用人单位要吸引到所需要的大学生，必需支付足以弥补高物价的工资水平。行业类型中，第二类行业相对于第一类行业的工资水平显著低4.2%-6.9%，而第三和第四类行业的工资高于第一类，但并不显著。这一结论与王美燕(2005)以整体人群为研究对象时的结论并不一致。这主要是由于大学毕业生是高知识群体，主要分布于第二、三和四类行业，造成该行业内大学生过度竞争；而在第一类行业分布相对不足，同时由
12、于第一类行业的工作相对辛苦、不稳定，因而获得了较高的工资溢价和补偿性工资。此外，白领工作者的工资比蓝领工作者的工资高约3%。,7/30/2018,表2第(1)(6)列分别给出了在未控制和控制了工作能力指数的情形下，运用OLS对不同年份样本所估计的参数。对2007、2008年度样本及混合样本，当没有控制工作能力指数时，第(1)(3)列中性别变量的系数分别为0.175、0.137和0.143，且在统计意义上十分显著。这表明在其他因素相同的条件下，平均来说，男生毕业半年后的月工资分别比女生高17.5%、13.7%和14.3% 。当控制工作能力指数以后，第(4)(6)列中性别变量的系数分别下降为0.1
13、54、0.126和0.130，在统计意义上仍然十分显著。比第(1)(3)列估计系数依次减少了0.025、0.011和0.013，减少幅度分别为14.3%、8%和9.1%，这表明遗漏能力变量将产生很大的估计偏误，即性别工资差异将被高估8%以上。同时，第(4)(6)列的拟合优度分别提高了0.014、0.015和0.016，提高幅度分别为6.7%、6.94%和7.2%，这表明能力变量的控制显著提高了模型的解释力，能力变量的控制必不可少。 表2第(7)(10)列分别给出了在未控制和控制了工作能力指数的情形下，运用Heckman样本选择模型对2008年度样本及混合样本所估计的参数。当没有控制工作能力指数
14、时，第(7)和(8)列性别变量的系数为0.135和0.142，且在统计意义上十分显著；较第(2)和(3)列中性别变量系数分别下降了0.2和0.01个百分点，下降幅度分别为1.5%和0.7%。这表明样本选择偏误并不大。当控制工作能力指数后，第(9)和(10)列性别变量的系数为0.124和0.129，在统计意义上仍然十分显著。,7/30/2018,较第(5)和(6)列中性别变量的系数，分别下降了0.002和0.001，下降幅度分别为1.6%和0.8%；而较第(7)和(8)列中性别变量的系数，分别下降了0.011和0.013，下降幅度分别为8.2%和10.5%。这再次表明能力变量的遗漏偏误比样本选择
15、偏误的后果更严重。同时，第(7)(10)列有关方程(1)和(2)独立性的Wald检验，不能拒绝原假设： t 0 。这表明直接用OLS而不用Heckman样本选择模型不会导致太大的偏误。这一出乎意料事实的结论是由于样本中未就业大学生的相关变量缺失值过多造成的。在原数据集中有13%的大学毕业生未就业，但在本文分析时，剔除掉相关变量的缺失值后，未就业率仅为2%；2007年度调查的大学毕业生全部就业，因而没有用Heckman样本选择模型。有趣的是，表2中用不同方法估计的工作能力指数的边际效应均为0.004，其经济意义在于，工作能力指数每提高1个单位，所获得的工资将显著提高0.4%。这可以解释为，通过一
16、段时间的试用期，雇主观察到了大学生的实际工作能力，而支付了与其能力相对应的工资。而且，在实践中，很多企业推行的是绩效工资制度。即在其他因素相同的条件下，大学生的能力和绩效成正比，高能力者因而获得了与其绩效相对应的工资水平。,7/30/2018,当其他变量取其均值，用第(10)列预测的对数化期望工资与工作能力指数呈正相关系。在图 4 中表现为不同年份和性别组合的对数化期望工资拟合线均向右上方倾斜。而且，四条拟合线平行，这表明能力对工资的边际贡献没有性别差异(均为 0.4%)。值得注意的是，性别工资差异相当明显。即在控制工作能力指数和其他变量后，女大学生获得工资总是比男大学生的工资低。在图 4 中
17、表现为男生的对数化期望工资拟合线的截距比女生的对数化期望工资拟合线的截距总是高。男性的对数化期望工资拟合线的截距明显高于 7.25，而女性的对数化期望工资拟合线的截距明显低于或刚好等于 7.25。,7/30/2018,7/30/2018,7/30/2018,(二) 性别工资差异分解首先，本文对男女样本分别估计工资方程 ，并采用Neumark (1988), Oaxaca & Ransom(1994)方法将性别工资分解为两部分：可解释部分和不可解释部分，即T=Q+U。 表3第(1)(6)列分解结果表明，无论控制工作能力与否，基于OLS参数估计量所分解的性别工资差异T相同。即对于2007、2008
18、年度样本及混合样本，男女大学生对数化的月工资均值差异T都分别为0.171、0.132和0.140。然而，性别工资差异T的结构有所不同，Q和U所占T的比例不同。当未控制工作能力时，性别工资差异T中分别有0.013、0.007和0.009可以被个体特征差异Q所解释，占性别工资差异T的8%、5%和6%。当控制工作能力以后，性别工资差异T中分别有0.036、0.018和0.022可以被个体特征差异Q所解释，占性别工资差异T的21%、14%和16%，可解释部分Q近增加了1.5倍。与此同时，不可解释部分U明显下降，即从0.158、0.125、0.131下降到了0.135、0.114和0.118，下降幅度分
19、别为14.56%、8.8%和11.02%。可见，遗漏能力变量将带来较大的估计偏误，即大大高估性别工资歧视。 表3第(7)(10)列分解结果表明，当在未控制和控制了工作能力指数的情形下，基于Heckman参数估计量所分解的性别工资差异T略有变化而不明显。但是，在控制工作能力后，性别工资差异T中可以被个体特征差异所解释部分Q明显增加，而不可解释部分U明显下降。总差异中的绝大部分仍然是由于性别歧视U造成的。此外，注意到，对于2008年度样本和混合样本，当没有剔除样本选择偏误时，直接基于OLS估计的参数将高估性别工资差异T近0.0060.01，高估幅度约为4%7.5%。,7/30/2018,然而，在性
20、别工资差异T的分解中，将低估性别歧视U所占的比例近4%。当利用方程(8)对表3可解释部分Q和不可解释部分U按各类变量进行详细的分解后，学历层次、专业类型、工作单位类型、所在城市类型、行业类型和工作能力指数对Q具有显著的解释 力，其中，工作能力指数的解释力最强。行业类型对U具有显著的解释力。 然后，根据对男女样本分别估计工资方程，本文采用Daymont & Andrisani (1984)方法将性别工资分解为三部分：禀赋效应、系数效应和禀赋与系数的交互效应，即T=E+C+CE。 表4第(1)(6)列分解结果表明，无论控制工作能力与否，基于OLS参数估计量所分解的性别工资差异T完全相同。在性别工资
21、差异T中, 禀赋效应E和交互效应CE均不显著, 系数效应C非常显著。对于2007、2008年度样本及混合样本，男女月工资收入自然对数的均值差异分别为0.171、0.132和0.140。当未控制工作能力时，性别工资差异T中分别有0.169、0.136和0.142可以被系数效应C所解释，所占比例分别为99%、103%和101%。当控制工作能力以后，性别工资差异T中分别有0.150、0.125和0.129可以被系数效应C所解释，所占比例分别为88%、95%和92%，系数效应C下降了近10个百分点。由此可见，遗漏能力变量将带来很大估计偏误，即大大高估工资的性别歧视。表4第(7)(10)列分解结果表明，
22、无论控制工作能力与否，基于Heckman参数估计量所分解的性别工资差异略有变化但不明显。而且，在控制工作能力后，性别工资差异T中被系数效应C明显减少，将近下降了0.011，下降幅度为8.2%。性别工资差异T主要是由于系数效应C造成的，即在第(7)(10)列中系数效应C分别为0.132、0.139、0.121和0.129。,7/30/2018,此外，注意到，对于2008年度样本和混合样本，当没有剔除样本选择偏误时，直接基于OLS估计的参数仍将高估性别工资差异T近4%7.5%。在其分解结果中，将低估系数效应C所占比例近4%。 当利用方程(8)对表4禀赋效应E、系数效应C和禀赋与系数的交互效应CE按
23、各类变量进行详细的分解后，学历层次、所在城市类型，行业类型和工作能力指数对禀赋效应E具有显著的解释力。其中，工作能力指数的解释力最强。学历层次和行业类型对系数效应C具有显著的解释力。所有变量对交互效应CE的影响并不显著。,7/30/2018,（三）稳健性分析(Robustness Analysis) 本节呈现性别工资差异分解的稳健性检验，即比较用 Neumark (1988), Oaxaca &Ransom (1994)和 Daymont & Andrisani (1984)这两种分解方法所得结果的一致性及差异性。图4 用不同模型分解的性别工资差异比较 ,7/30/2018,图4可以看出，用上
24、述两种不同的分解方法所得性别工资差异T及其结构基本稳健。主要表现在以下四个方面：(1) 性别工资差异相同，即两种方法分解的T相等。在图中表现为O1与D1，O2与D2，O10与D10的顶端分别对齐。(2)可解释部分Q和禀赋效应在控制了工作能力后，明显增大；在图中表现为O4D6对应部分呈明显的上凸三角形。在调整了样本选择偏误后，三角形的面积都有所减小(O9D10对应部分)。(3)性别工资歧视，即不可解释部分U和系数效应C都介于0.1100.169之间，分别占性别工资差异T的90.2%99.2%。在图4中明显呈比较稳定的宽带状。但是，分解出的性别歧视大小，即U和C的绝对值有所差别，即UC。在图中表现
25、为D1D10对应的系数效应C凹向横轴。正如Ben(2008)指出，这可能是由于Neumark (1988), Oaxaca & Ransom (1994)分解法将性别工资差异T中一些不可解释部分U不合理地分解进了可解释部分Q而造成的，但还未引起足够的重视 。(4)影响性别工资差异内部结构的各因素基本相同，即学历层次、所在城市类型，行业类型和工作能力指数对可解释部分Q和禀赋效应U具有显著的影响；而行业类型对不可解释部分U和系数效应C都具有显著影响。,结 论,研究发现：大学生劳动力市场上性别工资差异的确存在，但性别工资差异的大小因样本、模型设定和估计方法略有差异。2007年，男生毕业半年后的工资平均比女生高15.4%17.5%；2008年，男女大学生毕业半年后月工资差异下降为12.4%13.7%，或者说女生的工资只有男生工资的86.3%87.6%。可见，性别工资差异呈现缩小趋势。,本文的研究方法比传统研究方法估计的性别工资差异12.4%13.7%减小了1.6%3.65%。这证明传统研究方法会高估性别工资差异。,工作能力指数对工资水平具有显著的正向 影响，并对性别工资差异中的可解释部分或者禀赋效应具有很强的解释力。,女大学生应更加注重提高自身素质，强化工作能力， 积累更高质量人力资本，以降低短时期内我国难以消 除的性别工资歧视对自身就业造成的冲击和影响。,THANKYOU !,
