产业隔离与性别工资差异：基于2007年的CHIPS数据

滕阳川 李利英

[摘 要] 基于2007年的CHIP数据，本文使用Appleton（1999）分解方法研究了行业选择影响性别工资差异的具体情况。研究结果发现，行业选择对性别工资差异具有较小影响，女性主要是在行业内受到歧视，故而缩小性别差异的关键在于提升女性在行业内的工资。

[关键词] 性别工资差异；Appleton分解；产业隔离

[中图分类号] F249.24 [文献标识码] A 文章编号：1671-0037（2016）01-34-4

Industry Segregation and Gender Wage Gap： based on CHIPS of Data 2007

Teng Yangchuan Li Liying

（School of Economics and Trade， Henan University of Technology， Zhengzhou Henan 450001）

Abstract：Based on the CHIPS data of 2007，this research，using employing Appleton（1999）decomposition method，studies the gender wage gap influenced by industry selection. The research results show that industry selection has small influenceson gender wage gap. The females are mainly encountered with discrimination inside the industry，and therefore the key to narrowing the gender gap is to raise the wages of females inside the industry.

Keywords：gender wage gap，appleton decomposition，industry segregation

自改革开放以来，我国的收入差异出现了较为明显的两极分化，其中，性别工资差距逐渐成为我国经济上的一个重要问题，引起了大量学者的关注和研究。

我国在计划经济时期一方面由于政府社会经济发展的目标之一就是缩小收入差距，另一方面由于工资分配体制为统一分配，故而该时期中国职工工资差距和性别工资差距均明显小于其他国家[1]。然而改革开放使得东部沿海地区和城镇地区的经济发展速度较快。而“效率优先，兼顾公平”的社会主义市场经济分配制度也打破了以往的两性平等的工资保护，从而城镇职工工资在增长过程中出现了显著的性别差异。城镇单位在岗职工平均工资由1988年的1 747元提高至2007年的25 000元，年均增长率为14.2%（国家统计局，2009）。在此期间出现了明显的工资差距，同时性别工资差异逐步扩大（Wang and Cai，2008）。尽管进入21世纪，政府在平衡城乡发展、地区差异上做出了许多努力，然而并未关注到日益扩大的性别工资差距。总而言之，改革开放以后，由于工资决定机制、就业结构以及农村迁移劳动力的冲击导致了性别收入分配不均[2]。

古语有云：“不患寡而患不均”。收入分配问题关系到经济社会的可持续发展，我国政府也在党的十七大、十八大以及相关文件中高度重视该问题。从经济发展而言，合理的收入分配利于劳动者的自身利益的保障并激发起劳动积极性，可以保证经济长远、可持续发展。因此，对收入分配不平等尤其是性别差异的研究具有重要的现实意义和很强的政策含义。

本文试图研究在我国的产业转型过程中的城镇地区性别工资差距。具体而言，本文试图回答以下几个问题。首先，我国产业转型过程到2007年，中国不同行业的城镇职工的性别工资差距有多大？其次，男女性别在选择行业上是否受到歧视？女性是在行业内还是行业间受到的歧视更为严重？为了回答以上几个问题，本文使用CHIP（2007年）数据，分别对不同行业的性别工资差异进行Appleton分解。

1 文献回顾

相对于国外而言，国内对于性别工资差异的研究较少。主要还是源于微观数据的限制。应用传统的工资差异分解方法，中国经济学者基于不同的数据对不同劳动力市场中的性别工资差异进行了大量分析。研究表明，中国城镇女性职工工资显著低于男性，两者之间的工资比一般在76%～89%之间，且差距呈现出不断扩大的趋势；歧视占性别工资差异的60%以上，甚至达到84.9%[3]。谢嗣胜和姚先国（2005）基于2002年中国城市住户调查数据分析指出，性别工资差异的54.4%和45.6%分别是由性别特征差异和性别歧视导致的。Meng（1998）基于1985年中国企业的调查数据，应用Cotton分解对不同所有制类型企业中的性别工资差异进行分解发现，性别歧视在私有制经济主体及通过市场就业的各行各业都占据了主要地位[4]。Gustafsson和Li（2000）基于1988年和1995年中国10省市居民收入调查数据，应用Oaxaca-Blinder分解，分析了城镇劳动力市场中的性别工资差异，发现1988-1995年间性别工资差异呈扩大趋势，主要源于性别歧视及劳动力人力资本差异不断扩大[5]。李实和马欣欣（2006）基于1999年中国六个不同省市的居民收入调查数据分析了城市劳动力市场中的性别工资差异发现，职业内性别工资差异占总差异的67.9%，由性别歧视带来的差异占总差异的79.5，其中职业内占43.3%，而职业间仅占36.1%[6]。蔡和王美艳（2008）基于2001年五城市劳动力调查数据的分析表明，性别歧视导致的工资差异占总体工资差异的绝大部分并且主要源自于行业内工资歧视，行业分割对工资差异的影响不大[3]。

2 方法、数据及模型

2.1 实证方法及模型

Brown（1980）首次考虑了将职业因素引入族群的工资差异分解问题中，他综合了个人特征、职业分布、歧视并纳入工资差异分解的过程中，得到了Brown分解。然而存在两个指数基准问题：无歧视工资结构的获得及Oaxaca-Blinder分解残留的指数基准问题。本文采用的Appleton分解方法是基于矫正双重指数基准问题的Brown分解。

对于无歧视工资结构的获得采用了Neumark（1988）分解

wm-wf=xmβm-xfβf=（xm-xf）β+xm（βm-β）+xf（β-βf）

其中：β=Ωβm+（I-Ω）βf Ω=（X′X）-1（X′mXm）

xm、xf分别是男、女个人特征控制变量均值，βm、βf是其回归系数。β是无歧视情况下的回归系数，通过Ω将βm、βf加权获得。Ω是加权系数，X是所有样本的控制变量矩阵，xm是男性样本的控制变量矩阵。该方法在考虑两个群体成员比例的情况下，用两个群体总样本进行估计。同时，这种构建加权系数的方式，涵盖了更多样本信息，以此构建的无歧视模型更可靠。Appletoneta1.（1999）在Neumark的基础上将男女平均工资差异分解为：

wm-wf=[∑][i]pj*（xjm-xjf）βj*+[∑][i]pj*xjm（βjm-βj*）+[∑][i]pj*xjf（βj*-βjf）+[∑][i]wjm（pjm*-pj*）+[∑][i]wjf（pj*-pjf*）+[∑][i]wjm（pjm-pjm*）+[∑][i]wjf（pjf*-pjf）

其中，[∑]jpj*（xjm-xjf）βj*表示行业内特征差异，[∑]jpj*xjm（βjm-

βj*）表示由于行业内对男性的偏袒，[∑]jpj*xjf（βj*-βjf）表示由于行业内对女性的歧视，[∑]jwjm（pjm*-pj*）和[∑]jwjf（pj*-pjf*）表示在行业间于男性、女性特征差异，[∑]jwjm（pjm-pjm*）表示在行业间对男性的偏袒，[∑]jwjf（pjf*-pjf）表示行业间对女性的歧视。

总而言之，前三项为行业内工资差异，后四项为行业间工资差异。其中，第一项、第四项及第五项是由生产率差异带来的可解释部分，其他的均为歧视。根据各部分所占不同比重，可以分析影响性别工资差异的主要因素和造成性别工资差异的原因是来自于行业内的工资差异还是行业分布差异；是个人技能特征因素还是歧视[7]。

2.2 数据

本文中采用的微观实证所采用的数据来自于社科院经济所和国家统计局城调总队共同收集的中国家庭收入调查（CHIP）数据。2007年CHIP城镇样本包括4个地区，16个省302个市的10 000个住户中的29 262个个体。关于样本的选定，首先将分析对象限定在18～60岁之间的雇佣劳动者，并删除了缺失值和离群值。因变量采取如下的设定。将工资定义为：实际小时工资=月工资/（每周工作天数*每天工作小时*4）。将教育定义为：受教育年数。将工作经验定义为：潜在工作经验年限=年龄-受教育年数-6；对于受正规教育年限小于10年的，采用以下公式：潜在工作经验年限=年龄-16。将婚姻状况分为：有配偶（已婚）为一类，其他的都归为其他。对行业按CHIP（2007）数据参考将行业分为20类，按照其顺序将其分别定义为虚拟变量，篇幅所限，不详述。

3 分解结果及讨论

3..1 描述性统计

从表1的劳动力的基本特征情况看出，男性劳动力的基本特征均值均高于女性，只有受教育年限方面性别差异比较不明显，而且整体样本，男性、女性的平均工资之间存在着明显的性别差异，女性仅仅到男性的74%。表2中的劳动者行业分布方面可以看出，女性在制造业、交运仓储邮政业的从业比例明显低于男性，而在服务业、批发零售业等比例明显高于男性。可以表明女性在服务业以及第三产业从业人员比例较大。由于农林牧渔业、采掘业、国际组织等行业样本量过少，在随后的分析中将会删去。

表2还汇报了男女性的小时对数工资收入和总收入，可以看出，只有在信息传输、计算机服务业、房地产业上这两个行业上女性占男性的工资比重超过90%。对体力要求较高的制造业女性收入只占男性的64%，从一定程度上证明了我国行业内性别工资差异还是比较大。

3.2 行业获得方程

使用Multinomial logit model分别估计男性、女性在各行业的获得方程。构建了如下的mlogit模型。男性、女性行业的选择会受到教育水平（edu）、年龄（age，agesqr）、婚姻（mar）等个人特征因素的影响。

logitPj/0=In[p（y=j|x）] [p（y=0|x）][[ ]]-α+γ1edu+γ2age+γ3agesqr+γ4mar+ε

Pj=[exp（γjqj）] [exp（γjqj）][[∑]j]

表3汇报了各行业获得方程的回归结果。可以看出，其中，在以制造业为对照组的情况下，女性教育程度增加会提升其在对智力要求较高劳动行业如教育、科研等行业的就业概率，而年龄和婚姻状态对其行业获得影响不甚显著。

男性、女性在行业获得上的差异表明在不同行业的劳动力市场上，由于市场分割而受到了不平等对待。于是构建无歧视的职业选择模型，可以预测出不存在歧视的情况下男性、女性的行业分布。

3.3 分解结果

将相关数据带入Appleton分解得到表4。我们发现，行业选择对工资差异影响较小，仅占不到工资总差异的20%。女性在行业间并未受到歧视，反而有利于减少工资差异。性别差异中，行业内对女性的歧视这一部分占比较大，占总差异的近半。

其中，可解释部分是源于可观测到的生产力特征差异，包括受教育年限、年龄、婚姻状况及工作经验等的差异，这一差异可以通过提高女性的人力资本构成而缓解。不可解释部分，是指拥有相同特征的男女性仅因性别不同而带来工资差异，通常归结为歧视。然而，由于数据获取及量化的困难，加上个人偏好、社会制度与文化以及女性的生理特性。大多数歧视是被高估的。

而行业选择对性别差异的影响较低可能是由于样本选择偏差或是个体已经择优入行，当前行业已经是最佳行业。行业内对女性歧视和对男性的偏袒较高可能是由企业主的个人偏见即统计行歧视问题或是女性在工作经验上受到了歧视抑或是样本选择偏差问题。

4 结语

基于2007年的CHIP数据，本文使用Appleton分解发现，男女行业选择对性别工资差异影响不大，而女性受到的其实主要来源于行业内因素。因而解决性别差异的关键问题是解决行业内性别差异，而不是让女性“跳槽”到更高工资的行业。如果在选择行业时已经遵循比较优势，那么现有的行业分布已经是最优状态，所以解决行业内性别工资差异问题的关键就是在于加强对女性的晋升和技能培训。另外，对于歧视女性的部分企业来说，国家应当加强对劳动相关法规的监管，保障女性同工同酬。

参考文献：

[1] Li，S.and B.Gustafsson.Unemployment，Earlier Retir em ent and Changes in the Gender Income Gap in Urban China， 1995-2002[J].Bjorn Gustafsson， Li Shi and Terry Sicular， eds.， Income Inequality and Public Policy in China， Cambridge University Press，2008.

[2] 李实， 宋锦， 刘小川. 中国城镇职工性别工资差距的演变[J]. 管理世界， 2014（3）.

[3] Wang， M.， Cai， F. Gender Earnings Differential in Urb an China [J]. Review of Development Economics， 2008（2）.

[4] Meng， X.， Male-female Wage Determination and Gender Wage Discrimination in China's Rural Industrial Sector [J]. Labor Economics， 1998 （1）.

[5] Gustafsson， B.， S. Li. Economic Transformation and the Earnings Gap in Urban China [J]. Journal of Population Economics， 2000（13）.

[6] 李实， 马欣欣. 中国城镇职工的性别工资差异与职业分割的经验分析[J]. 中国人口科学， 2006（5）.

[7] Appleton，S.，Hoddinoa J.&Krishnan; E.The Gender Wage Gap in Three African Countries[J]. Economic Development and Cultural Change， 1999（2）.