农民工工资变化的宏观影响因素研究(1986～2010年)①

贺霞旭

(中山大学 社会学与人类学学院，广东 广州 510275)

一、引 言

对于农民工工资的研究国内分为两大部分，一部分是讨论影响农民工收入的因素，另一部分是比较农民工群体与其他群体的收入差异，前者的讨论是假定了农民工群体内的收入存在差异，后者的讨论是认为农民工群体的收入与其他群体收入存在差异，本文的研究属于前者，主要分析农民工工资变化趋势及影响因素，试图纳入宏观变量解释其工资变化。

以往关于农民工工资的研究内容丰富，但多是使用某一年的时点调查数据，本文将采用25年的农民工调查时点数据，将影响农民工工资的人力资本、企业特征与社会网络变量一起纳入到模型中进行验证。首先，分析不同时期农民工群体内工资的变化；再次，采用多层线性模型，将宏观层次的解释变量纳入模型，寻找导致农民工工资随时间变化的宏观因素。

二、农民工工资影响因素的回顾

近年来，对农民工工资影响因素的研究较多，主要的影响因素集中在人力资本、企业制度、户籍歧视、社会网络等方面，目前，这些研究已经有一些达成共识的研究结论。本文主要选择影响农民工群体内部工资的基本解释变量：人口特征、人力资本、工作特征、企业特征和社会网络五个因素进行阐述。

(一)人口特征因素

从人口特征方面来看，性别和年龄是基本的人口特征变量。已有的研究认为，女性农民工的平均工资和小时工资均低于男性[1]，关于年龄变量是否要纳入工资模型的讨论认为，虽然人力资本模型中年龄和工龄都代表经验，大多数人年龄增加时工龄也在增加，两者只需纳入其一，但农民工进城务工时间不一，年龄并不代表工作经验，可以将年龄与工龄一起纳入模型[2]。本文中的年龄是通过工作史中开始工作时间减出生时间来计算，例如一个换过一次工作的农民工，两份工作均有进入劳动力市场时的年龄，如果将这两个年龄都纳入模型，第二份工作的年龄已经有工作经验的含义，所以本文使用的模型中将只采用工龄变量。

(二)人力资本因素

人力资本因素也是用来分析农民工收入差异的重要指标之一，受教育水平、工龄、工龄平方和是否参加培训等被看作是解释农民工收入的重要变量。已有的研究发现，人力资本变量对受教育程度高的群体的影响高于对受教育程度低的群体的影响[3]，且在校受教育的年数越多工资越高，工作经验的增加也会带来收入的增长[4-6]，明塞尔关于工龄与收入的曲线关系在农民工工资研究中也得到印证，即农民工的工资随工龄的增加会上升，到一定程度后会下降。

(三)工作特征因素

改革开放以来，劳动力市场发育程度提高，有研究认为部分国有企业的垄断地位却并没有被削弱，垄断部门和非垄断部门之间存在着工资差异[7]。有研究将制造业中的轻工业、建筑业、批发和零售业、住宿和餐饮业、居民服务和其他服务行业列为竞争行业，发现垄断行业与竞争行业之间收入差距的50%以上是不合理的，它们之间的收入差距主要是行政垄断造成的[8]，而农民工所受到的收入歧视程度，在垄断行业与非垄断行业间区分明显[9]。研究一致认为垄断行业的工资高于竞争性行业。除了行业差异，工作特征还包括农民工所从事的工种，分析中一般会将行业和工种同时纳入模型，认为管理人员的工资可能高于普通员工，技术工人的工资也高于普工。

(四)企业特征因素

有研究比较了长江三角洲和珠江三角洲工人的工资差异，认为由企业结构等因素造成的制度性差异可能更为重要[10]，农民工所在企业规模越大，工资越高，而企业性质对农民工的工资并没有显著影响[11]。

(五)社会网络因素

多数研究认为农民工的工作信息来源于他们的关系信任群体，即老乡群体[12]，关系网的使用能够提高求职者进入劳动力市场的比例，使用间接关系找到的工作比使用直接关系找到的工作更好[13-14]。但是对于农民工群体，通过亲友关系外出就业对农民工工资的增加并不具有直接效用[15]。农民工若是通过企业内的熟人介绍而获得的工作，对其工资的影响显著，而使用企业外的朋友关系与一般性使用网络，对工资的效用并不显著[16]。另有研究将农民工的就业渠道划分为正规就业渠道(政府、单位组织和亲朋好友介绍)，与非正规就业渠道(中介公司和自我寻找等)，发现通过正规就业渠道择业可以增加农民工工资[17]，本文认为此类划分只是单纯从农民工是否具有社会资本而言，不能以正规或非正规就业渠道来命名，通过亲友关系择业也是属于非正规就业渠道。也有研究对农民工社会资本更进一步的区分，分别为离乡前的原始社会资本与进城后积累的新型社会资本，前者对农民工收入没有影响，而后者有显著正向影响[18]。

虽然以上的研究都分析了影响农民工工资的因素，但是已有的研究可能因为数据资料缺乏而很少进行跨时段的农民工工资比较，分析农民工群体内部的工资差异。

三、时间段划分和宏观变量的引入

本文将通过嵌套模型解决自变量贡献率问题，根据农民工政策划分时段，比较不同时间段内农民工工资的差异，并采用多层次模型，探讨影响农民工工资的宏观变量。

改革以来农民工政策的时间段回顾分为以下几段:1978-1988年(或1987)的禁止流动和松绑阶段、1989(或1988)-1991年的控制流动阶段、1992-2000年的引导流动阶段、2001年后的支持流动阶段[19-21]。本文使用的数据最早年份为1986年，将1986-1991年松绑阶段与控制流动阶段划分在一起，一方面可以统一认为该阶段是流动控制阶段，另一方面，由于调查中80年代的样本偏少，此种做法可以增大样本量，其余的阶段划分与已有文献中的一致。本文认为在禁止流动和控制流动的年份，农民工在劳动力市场上的规模较少，这些早期从农村流动出来的农民工有一部分可能是农民中的优秀者，相比未流出的农民，他们在受教育水平、技能等方面可能具有较为优势的一面，所以这时期在城市打工的农民工，因受教育水平、技能等造成的工资差异较大。而在引导流动和支持流动阶段，农民工的数量上升，城市各类型企业对各类工人的需求量增加，例如服务业的发展使得对进城务工者的要求降低，农民工之间的工资差异在各行业、各工种等方面可能会逐渐缩小。

在工资研究中，已有研究用多层线性模型分析行业、区域等宏观层次差异对工资造成的影响[22-24]，但较少应用在农民工工资研究中。本文认为每个农民工个体与进入劳动力市场的年份是一种嵌套关系，从1986年到2010年，每年都对应一群进入劳动力市场的农民工群体，不同年份的农民工工资决定模式可能存在差异。所以本文采用多层线性模型[注]为了确定不同地区内农民工之间的相关，即水平1单位(个体层次)在水平2单位(时间)中的聚集性或相似性，采用随机效应方差分析的组内相关系数(intra-class correlation)rho来衡量，当rho>0.059时应该使用多层次模型，而本文中rho的系数为0.66，可以理解为农民工个体层次的收入差异有大约66%是由时间之间的差异造成的，而且时间之间的差异是统计显著性存在的，应该使用多层次模型。，试图分析影响农民工工资的宏观因素，将个体看作第一层，时间为第二层，个体嵌套于时间中，宏观变量选择了1986—2010年城镇居民消费水平[注]居民消费水平数据来源于2011年中国统计年鉴，文章中将年消费水平转换为月消费，并进行了对数化处理。和对应年份农民工的平均受教育水平。

一方面，本文通过时间段划分来理解时间变量进行解释。另一方面，农民工的工资变化趋势使得我们注意到：寻找促进和抑制着工资变化的宏观因素势在必行，这类宏观因素必定又是和时间因素紧密相连。

本文认为城乡发展两极化，城市经济发展若想吸引农村廉价劳动力，就需要企业制定的工资能够满足农民工的日常生活需求，使他们在城市维持生存，继续留在城市工作。随着城镇居民消费水平的增长，在城市生存成本的增加，农民工的工资也会有所增长，城镇居民消费水平的逐年增长是促使农民工收入增长的因素之一。农民工的工资的增长满足其“底线型”生存，以保障生存利益为主，至于“发展型”的工资增长，可能是适用于某一部分农民工群体，例如农民工中的管理人员，但这些都是需要进一步验证才能下结论。

本文认为消费水平的增长会促进农民工工资的增长，因工作特征、企业特征每年的变化较大，消费水平增长对工作特征与企业特征的工资效用可能产生影响，而对性别、人力资本变量、地区、求职途径的工资效应可能没有作用，由此，本文认为有以下假设：

假设1：消费水平越高农民工的实际月均收入越高；

假设1a：消费水平越高，中低管理层员工的收入回报越高；

假设1b：消费水平越高，在规模大的企业工作的农民工收入回报越高；

假设1c：消费水平越高，东部地区的农民工收入回报越高。

同样地，本文认为影响农民工工资的宏观因素很多，包括GDP、国家政策、企业利润等，但是从农民工群体自身出发，其群体所具备的一些综合特征，例如平均受教育水平，也是影响农民工群体工资的因素之一，群体性的低教育水平会影响其工资增长的速度。而平均受教育水平有可能会降低农民工个体的教育回报与工作经验的回报，即农民工群体中个体水平层次的变量：受教育水平和工龄对工资的贡献将受到农民工整体受教育水平的影响。

根据以上的分析，本文的另一组假设为：

假设2：农民工的平均受教育水平越高，月均收入越高；

假设2a：农民工的平均受教育水平越高，个体受教育水平的回报越低；

假设2b：农民工的平均受教育水平越高，工龄的回报越高。

四、数据和变量的描述统计

本文数据主要来源于中山大学城市社会研究中心与社会科学调查中心数据库中公布的农民工调查数据，包括2006年(N=3937)、2008年(N=2510)、2009年珠三角城市外来工调查数据(N=1766)以及2010年外来务工人员调查数据(N=4152)。除了2010年的调查地增加了长江三角洲10个城市外(包括上海、南京、苏州、无锡、常州、南通、杭州、宁波、嘉兴、绍兴)，其他三年数据的调查地点均为珠三角洲的9个城市(包括广州、深圳、珠海、佛山、肇庆、东莞、惠州、中山、江门)。四年的数据均以调查城市外来人口比例作为样本分配依据，控制了行业、性别和地区分布三个指标，并且调查问卷中设置了一致的工作史问题，这些特征使得本文能够将四年的调查数据合并后进行分析。

本文以时间为主线合并了问卷中关于工作史的数据，选取的时间为农民工每份工作的开始工作时间，以确保所调查群体的每份工作只进入一次样本，最终整理好的数据，相当于每年进行了一次时点调查，每年的样本数均大于30。因为该数据并非追踪数据，但是有少量的追踪样本，所以本文在数据处理过程中删掉了追踪样本、户口为城镇的样本以及打工后才获得最高教育程度的样本[注]删掉打工后才获得最高教育程度的样本，主要是因为在模型中希望纳入人力资本变量，而2006、2008、2009年的调查中只有目前受最高得受教育程度，但并没有最高教育程度的获得年份，所以无法将工作史中的年份与其对应来识别，只能保留打工前才获得最后学历的样本。。

本文中的工龄指在企业的工作时长，行业划分为三类，垄断行业、竞争性行业和其他行业[注]以往研究中关于垄断行业、竞争行业的划分，主要是参考《国民经济行业分类与代码》中的行业细类，本文由于数据所限，部分行业变量无法区分出行业细类，所以首先划分为21个行业大类，再将采矿业、电力、燃气及水的生产和供应业、交通运输和邮政业、金融业划分为垄断行业，将制造业、建筑业、批发和零售业、住宿和餐饮业、房地产业、租赁和商务服务业、居民服务和其他服务业划分为竞争性行业，将农林牧渔业、信息传输与计算机服务和软件业、科学研究、技术服务和地质勘探、水利环境和公共设施管理业、教育、卫生社会保障和社会福利业、文化体育和娱乐业、公共管理和社会组织业、国际组织、其他行业划分为其他行业。本文和岳文、李文行业划分的差异在于，将采矿业划分为垄断行业，租赁和商务服务业划分为竞争性行业。；农民工的工种[25-27]划分分为四类，分别为生产工和其他普工、技术工人、管理人员、商业与服务业人员、其他工种[注]本文将商业、服务业人员单独列出。例如，建筑工人、流水线生产工人等属于生产工和其他普工，教师、技工等属于技术工人，领班、主管、经理等属于管理人员，保安、保姆、理发师等属于商业与服务业人员。；企业性质主要划分为党政群机关/国有企业/集体企业、私有企业、外资或合资、个体户及其他工种；企业规模划分为四类，100人以下、100-299人、300-999人、1000人以上；求职网络的划分为两种，一种是使用了亲友关系求职，另一种是通过其他渠道求职，例如通过政府组织劳务流动、在劳务市场或中介找工等。另外，本文也将地区变量纳入模型，东中西部[注]东部：北京，天津，上海，辽宁，山东，浙江，江苏，福建，广东；中部：黑龙江，吉林，河北，河南，山西，安徽,江西，湖北，湖南，海南，广西；西部：内蒙古，新疆，宁夏，甘肃，青海，云南，贵州，陕西，四川，重庆；文中“地区”指农民工工作史中的打工地点。之间经济发展存在差异，农民工在东部地区的收入高于中部地区，中部地区的收入高于西部地区[28]。除此之外，本文的农民工工资研究中纳入了时间变量，因为时间变化本身会对农民工工资产生影响。时间越靠近现在，农民工的实际月均工资会越高。

样本中女性农民工多于男性，竞争行业、普工、在私有企业工作的农民工数量最多，使用了亲友关系找工的农民工占56.6%，绝大部分农农民工在东部地区打工，2005-2010年的农民工样本量最高。农民工一般是中学毕业后出来打工，历年农民工的平均受教育水平均值为9年，在企业的工龄平均值为3年。从表1可知，历年来城镇居民消费水平均在增长。

表1 农民工工资及宏观变量的描述性统计特征

①农民工月均收入,是指实际收入,即用名义工资/当年的消费者物价指数,名义工资指调查得到的工资,本文模型中使用的全部是实际工资。

五、模型及解释

本文使用了传统回归模型，并对回归模型进行了同方差检验，发现均有异方差现象存在，这违背了线性回归模型中误差项的均值为0的假定，为了降低奇异值对模型产生的影响，采用了稳健回归模型。

从表2的总模型可知，在其它变量一致时，只有企业性质之间的收入差异不明显，进入劳动力市场的时间越接近现在，农民工的工资就越高，时间每增加一年，农民工的收入就增加8%(e0.79-1)。而理解工资随时间增长背后的因素才是最重要的，通过时间段划分是理解时间因素的方法之一，所以本文又比较了不同时间段的收入影响因素的差异。

从表2中每个阶段的模型可知，人力资本变量对收入的效应随时间变化不大，时间越靠近现在，各自变量的系数在下降。值得注意的是工种变量、企业规模和地区变量随时间的变化对农民工收入产生影响。

首先，管理人员的收入效应随时间下降的最快，在1986—1991年时，管理人员的收入是普工的2.2倍(e0.79)，1992—2000年时，其收入是普工的1.7倍(e0.51)，2001—2010年时，其收入是普工的1.4倍(e0.36)；

其次，越大规模的企业，收入效应随时间下降的越快。例如，控制流动阶段，在300-999人规模大小的企业打工的农民工收入是100人以下规模企业打工者的1.4倍(e0.37)，在引导流动阶段，其收入是后者的1.2倍(e0.20)，在流动开放时期，其收入是后者的1.08倍(e0.08)；

第三，从地区差异来看，随时间越靠近现在，东部与中部地区、东部与西部地区的农民工收入差异拉大，在控制流动时期，西部地区的农民工收入比东部地区低46.2%(1-e-0.62)，引导流动阶段，其收入比东部地区低12.1%(1-e-0.13)，东西部地区的农民工收入差异缩减了，但流动开放时期，东西部的农民工收入差异拉大，地区间差异又呈上升趋势。

从收入来看农民工的内部差异可知，该群体的内部差异在缩小，1991年前群体差异体现在工种、单位规模、地区之间，2001年后差异体现在性别、工种与地区之间，但其内部差异程度低于2000年以前。

表2 不同时期影响农民工收入的稳健回归模型(Robust regression model)

注：1.*p<0.05,**p<0.01,* * *p<0.001；2. 所有模型均为稳健回归模型；3. 括号内为标准误差；4. 行业的参考项为垄断行业、工种的参考项为普工、单位性质的参考项为党政群/国有/集体企业、企业规模的参考项为100人以下、地区的参考项为东部。

表2分析了不同时间段的影响农民工工资的因素，但没有区分层次，无法纳入宏观变量，所以本文又采用了多层次模型来分析宏观变量对工资变化的影响。

本文首先采用了随机系数模型，发现所有自变量在第二层次都显著，所以建立一个在两个层次都加入了自变量的多层线性回归模型，对于k年进入劳动力市场的个体而言，个体层面的模型如下：

(1)

时间层面的模型如下：

βn0k=αn0+n0Xnk+μn0k

βn1k=αn1+n1Xnk+μn1k

βn2k=αn2+n2Xnk+μn2k

βn3=αn3

βn4k=αn4+n4Xnk+μn4k

βn5=αn5

βn6k=αn6+n6Xnk+μn6k

…

(2)

其中，n=1或2，分别代表城镇居民消费水平的对数和农民工的平均受教育水平，Xnk是第二层次的解释变量。αnN和nN是第二层次的系数，μnNk是第二层次的随机效用(N=0，1，2，4，6，…，21)，被假定为独立的方差为τ2的正态分布。

表3的模型1中加入的宏观变量为城镇居民消费水平的对数，模型2中加入的宏观解释变量为农民工的平均受教育水平，两个变量的的回归系数分别为0.76和0.94且均显著，说明城镇居民消费水平对数与农民工的平均受教育水平对农民工的收入有显著影响，验证了假设1和假设2。在时间层面，模型1解释的方差为1.05%，模型2解释的方差为9%，说明农民工个人收入的时间差异与其平均受教育水平有着更紧密的联系。无论是否加入了宏观变量，性别与教育水平交互项、企业规模和工种变量对农民工收入的影响稳定。

模型1的个人与时间交互作用中，人口特征和人力资本变量与消费水平之间没有显著的关系，消费水平越高，管理人员收入高的优势越不明显；私有企业与消费水平呈负相关，说明消费水平导致私有企业对农民工收入的效应下降了8%(1-e-0.08)，消费水平导致外资或合资企业对农民工收入的效应下降了6%(1-e-0.06)，消费水平与企业规模为300-999人及1000人以上呈显著负相关，说明消费水平降低了企业规模对农民工收入的效应；虽然西部地区与消费水平并不显著，但从其系数而知，消费水平提高了西部地区对农民工收入的效应。

表3 农民工收入的多层线性模型(xtmixed, full multilevel model)

注：1.*p<0.05,* *p<0.01,* * *p<0.001；2. 括号内为标准误差；3. 行业的参考项为垄断行业、工种的参考项为普工、单位性质的参考项为党政群/国有/集体企业、企业规模的参考项为100人以下、地区的参考项为东部。

从以上的发现可知，假设1a、1b与1c并没有得到验证，而是得到与假设1a、1b刚好相反的结论。本文的发现是，消费水平的上升均降低了管理人员、私企、外资或合资企业、规模越大的企业的回报，消费水平的增长抑制了农民工群体内部差异的扩大。随消费水平逐渐上升到一定程度，东部地区的工资优势会有逐渐减弱的趋势。

模型2中的结果几乎与模型1一致，农民工的平均受教育水平也降低了管理人员、私企、外资或合资企业、规模越大的企业的回报，假设2a和2b并没有得到验证。从人力资本变量来看，城镇居民消费水平与农民工的平均受教育水平对人力资本的效应并没有影响。受教育水平太过缓慢的增长，反而削弱了农民工的群体内工资差异，意味着在农民工群体中，实现上升流动会更加艰难。

六、结论讨论

本文主要分析了不同时段的农民工的工资变化趋势及宏观变量对农民工工资的效用，补充了以往研究中农民工工资影响因素的宏观变量。根据改革开放以来的农民工政策对时间进行了区间划分，发现工资的性别差异随时间段靠近现在而缩小，中低层管理人员的收入优势越来越不明显，规模越大的企业，其工资优势也在缩减。农民工群体的月平均工资随时间推移而上升，同时群体内部工资差异逐渐缩小。利用多层次模型发现，城镇居民消费水平的逐年增加，以及农民工平均受教育水平的缓慢上升，均对农民工群体的工资差距缩小产生了推动作用，即抑制了农民工群体内部工资差异的拉大。

而这种抑制对于农民工群体的向上流动具有阻碍作用。首先，阻碍企业内的向上流动。例如成为管理人员，在一定程度上可以改变其收入水平，但是改善的程度是比较有限的，企业内的向上流动或许显得并不十分具有吸引力。企业内部劳动力市场缺乏吸引力的晋升，加大了农民工工作流动的可能性，部分企业可能还没有意识到，农民工工价差异的缩小，使得其选择在哪里工作或者从事何种工作都越来越依赖于个体的工作感受或者对工作环境等其它因素的要求。

其次，农民工的工资水平处于这样的空间内——即高于政策规定的最低工资标准但又低于主要劳动力市场工资并难以突破。通过提高受教育水平来改善工资水平会有一定的作用，但是对于已经进入劳动力市场的农民工群体而言，重新接受正规教育存在困难，通过其他途径实现教育收益的增加显得格外重要。

农民工工资逐渐上升的同时，地区差异依旧存在，但从其发展态势可以预测，消费水平逐渐上升到一定程度，东部地区的工资优势会有逐渐减弱的趋势，宏观政策在引导农民工流动阶段，显著地缩小了地区差异，所以地区工资调控的宏观政策也是影响工资差异必不可少的因素。

本文尝试把两个宏观解释变量放入多层次模型中，但是仍然存在着欠缺，可能更重要的影响农民工收入的宏观因素本文并没有考虑到，需待进一步探讨。同时，本文采用的数据是从事正式就业的群体，缺少从事非正式就业的农民工群体样本，对于分析农民工群体内部差异，比较正式和非正式就业群体历年的工资变化差异，是未来可值得研究的方向。

参考文献：

[1] 李 实, 杨修娜.农民工工资的性别差异及其影响因素[J]. 经济社会体制比较,2010,(5):82-89.

[2] 刘林平,张春泥.农民工工资：人力资本、社会资本、企业制度还是社会环境？——珠江三角洲农民工工资的决定模型[J].社会学研究,2007,(6):114-244.

[3] 吴愈晓.劳动力市场分割、职业流动与城市劳动者经济地位获得的二元路径模式[J]. 中国社会科学,2011,(1):135-136

[4] 谢桂华. 农民工与城市劳动力市场[J].社会学研究,2007,(5):84-110.

[5] 严善平.人力资本、制度与工资差异——对大城市二元劳动力市场的实证分析[J].管理世界,2007,(6):4-13.

[6] 刘士杰.人力资本、职业搜寻渠道、职业流动对农民工工资的影响——基于分位数回归和OLS回归的实证分析[J].人口学刊,2011,(5):16-24.

[7] 王美艳. 城市劳动力市场上的就业机会与工资差异——外来劳动力就业与报酬研究[J]. 中国社会科学,2005,(5):36-46.

[8] 岳希明,李 实,史泰丽.垄断行业高收入问题探讨[J].垄断行业高收入问题探讨,2010,(3):77-93.

[9] 李 骏,顾燕峰.中国城市劳动力市场中的户籍分层[J].社会学研究,2011,(2):48-77.

[10] 万向东,刘林平,张永宏.工资福利、权益保障与外部环境——珠三角与长三角外来工的比较研究[J]. 管理世界,2006,(6):37-45.

[11] 刘林平,雍 昕,舒玢玢.劳动权益的地区差异——基于对珠三角和长三角地区外来务工的问卷调查[J]. 中国社会科学,2011,(2):107-123.

[12] 翟学伟.社会流动与关系信任——也论关系强度与农民工的求职策略[J]. 社会学研究,2003,(1):1-11.

[13] YANJIE BIAN.Chinese Social Stratification and Social Mobility[J]. Annual Review of Sociology,2002,(28)：91-116.

[14] YANJIE BIAN.Bringing Strong Ties Back in: Indirect Ties，Network Bridges，and Job Searches in China[J]. Annual Review of Sociology,1997,(62)：366-385.

[15] 章 元,等.社会网络与工资水平——基于农民工样本的实证分析[J]. 世界经济,2008,(6):73-84.

[16] 张春泥,刘林平.网络的差异性和求职效果——农民工利用关系求职的效果研究[J]. 社会学研究,2008,(4):138-162.

[17] 黄春燕.择业渠道、就业经历对农民工工资影响分析[J]. 求索,2010,(4):58-60.

[18] 叶静怡,周晔馨.社会资本转换与农民工收入——来自北京农民工调查的证据[J]. 管理世界,2010,(10):34-46.

[19] 文 军.从分治到融合：近50年来我国劳动力移民制度的演变及其影响[J]. 学术研究,2004,(7):32-36.

[20] 盛 昕.改革开放30年中国农民工政策的演进及发展[J]. 学术交流,2008,(4):21-24.

[21] 姚上海.中国农民工政策的回顾与思考[J]. 中南民族大学学报,2009,(3):101-105.

[22] YU XIE，EMILY HANNUM. Regional Variation in Earnings Inequality in Reform-Era Urban China[J]. American Journal of Sociology,1996,(101)：950-992.

[23] 郝大海，李璐璐. 区域差异改革中的国家垄断与收入不平等——基于2003年全国综合社会调查资料[J]. 中国社会科学,2006,(2):110-124.

[24] 王天夫,崔晓雄.行业是如何影响收入的——基于多层线性模型的分析[J]. 中国社会科学,2010,(5):165-180.

[25] 李 强. 中国大陆城市农民工的职业流动[J]. 社会学研究,1999,(3):93-101.

[26] 蔡 禾,刘林平,万向东. 城市化进程中的农民工——来自珠江三角洲的研究[M]. 北京：社会科学文献出版社,2009:75-76.

[27] 刘林平,等. 劳动权益——珠三角农民工状况报告[M].长沙：湖南人民出版社，2011: 157.

[28] 田 丰. 城市工人与农民工收入差距研究[J]. 社会学研究,2010,(2):87-105.