农民工与城市职工的工资差异及其分解——人力资本与歧视的贡献

赵显洲

(郑州大学 西亚斯国际学院；河南 新郑 451150)



农民工与城市职工的工资差异及其分解
——人力资本与歧视的贡献

赵显洲

(郑州大学 西亚斯国际学院；河南 新郑 451150)

摘要:文章关注城市职工和农民工两个群体工资差异的大小和来源。利用CGSS2013数据和均值分解法，文章考察了人力资本和歧视的贡献。研究发现：在实现就业以后，两个群体的工资差异主要来自于特征差异，歧视并不是一个十分严重的问题；对农民工群体的歧视主要存在于就业实现的过程中，就业歧视解释了两个群体大约一半的工资差异；教育从特征差异、回报率差异、就业概率差异三个方面为工资差异做出了贡献；工作经验在工资决定中具有逆歧视作用。我们的研究意味着，要缩小两个群体的工资差异必须从缩小前市场差别开始，并通过促进市场竞争、明确歧视的实践标准、简化反歧视的诉讼程序等措施来减少就业歧视的贡献。

关键词:农民工；工资差异；Heckman两步法；Neumark分解；Appleton分解

一、 引言

产业集聚与人口集聚不同步是我国城市化进程中一直存在的突出问题，2013年我国户籍人口城市化率与常住人口城市化率相差17.3个百分点，*数据来源于2014年3月中共中央、国务院《国家新型城镇化规划(2014-2020)》：http://www.gov.cn/gongbao/content/2014/content_2644805.htm。而构成这个差距的人口群体正是常年在城市工作但又无法真正融入城市的26894万农民工，2014年农民工的总数增加至27395万人。*数据来源于2014年度人力资源和社会保障事业发展统计公报：http://www.mohrss.gov.cn/SYrlzyhshbzb/dongtaixinwen/buneiyaowen/201505/t20150528_162040.htm。尽管影响农民工融入城市的因素有很多，但一直存在的农民工与城市职工的收入差距特别是工资性收入差距无疑是影响农民工市民化的最为重要的因素之一。无论是从城市化的视角还是从公平的视角看，我们都有必要追问：是什么因素、在多大程度上造成了农民工和城市职工之间的工资差异？

尽管早在上个世纪90年代末期就有学者注意到了农民工与城市职工的工资差异问题并试图对差异进行分解，但时至今日这类研究成果并不多且研究的结论也不尽一致。Meng和Zhang(2001)[1]的研究发现1995年上海市农民工的平均工资只占城市职工平均工资的48%，两个群体的工资差异100%由不可解释因素构成。谢嗣胜和姚先国(2006)[2]利用2003年浙江省企业调查和农村劳动力流动调查数据用Cotton方法对农民工和城市职工的工资差异进行了分解，发现农民工和城市职工的平均工资差异较大，其中44.8%的差异是由个体特征形成的，55.2%的差异源于歧视性因素。王美艳(2007)[3]还利用2001和2005年五个城市的劳动力市场调查数据和相同的分解方法对两个群体工资差异来源的演进情况进行了对比。研究发现，2001年，外来劳动力与城市劳动力小时工资差异的84%由岗位内工资差异构成，16%是岗位间差异的造成的；在岗位内42%的差异可归结为个人禀赋差异，58%是由歧视造成的，在岗位间58%是禀赋差异，42%是歧视；总算起来，44%是禀赋差异，56%是歧视。2005年两个群体的工资差异中有46%是禀赋差异，54%是歧视，也就是说歧视的程度在四年内有所下降，但仍然不可忽视。邓曲恒(2007)[4]利用中国社会科学院经济研究所收入分配课题组2002年城镇住户和暂住户调查数据，分别用Oaxaca-Blinder和Quatile方法对城镇居民和流动人口的收入差异进行了分解，Oaxaca-Blinder分解结果显示有60%的收入差异应归结于歧视。Quatile分解结果显示在收入最高端的10%人群中，差异主要来自于特征效应。Lee(2012)[5]利用上海、武汉、沈阳、福州和西安五个城市的劳动力调查数据，把劳动收入、非财政福利和奖金合在一起作为回归的因变量，用Oaxaca-Blinder方法进行分解，结果表明对农村转移劳动力的工资歧视是明显的，尽管歧视的大小在五个城市各不相同。

但也有一些研究结果发现农民工与城市职工的工资差异主要来自于禀赋差异，歧视并不是一个十分严重的问题。邢春冰(2008)[6]利用2005年全国人口普查数据考察了农民工与城市职工的工资差异后发现，两个群体工资差异的90%是由特征差异造成的，只有10%的差异可归结为歧视。Démurger等人(2009)[7]使用CHIPS数据发现2002年农民工大多在竞争性行业中从事低端的蓝领和服务性工作，与城市职工的工资差异是51%，但这一差异几乎全部可以被禀赋差异所解释。屈小博(2012)[8]使用2010年中国城市劳动力抽样调查数据，分解了正规就业与非正规受雇佣者工资差异的来源，结果表明在控制了就业选择偏差和个体特征后，工资差异79.3%可以被可观测的特征所解释，分割效应只解释了20.7%。庞念伟，陈广汉(2013)[9]利用CHIPS2002和2007年数据，对城镇劳动力和外来劳动力的工资差异进行了Oaxaca-Blinder分解，发现人力资本差异是导致城镇劳动力与外来劳动力工资差异的主要原因，其贡献度从2002年的64.82%上升到2007年的75.92%，他们同时还进行了分位数的分解并发现，这种变化主要源于第二至第九个十分位区间人力资本因素贡献的增加。赵海涛(2015)[10]用CHIPS数据和Brown分解法主要考查了职业分割对流动人口工资差异的影响，研究表明歧视的成分只占整个工资差异的11.22%，并且随着时间的推移歧视的比例不断下降。

时间顺序、研究样本和分解方法的不同是造成上述研究结论不一致甚至献截然相反的主要原因。在不考虑就业概率差异的前提下，工资差异的来源大体上可分为禀赋差异和回报率差异两个部分，不同的历史时期就会有不同的劳动力资源禀赋且劳动力市场的发育程度也不相同，当歧视跟劳动力市场的竞争程度有关时，这种结论差异就有一定的合理性。样本的差异可能是结论差异的另一个重要的原因，Meng和Zhang使用的是上海市的数据，谢嗣胜和姚先国使用的是浙江省的数据，Lee使用的是五个城市的数据，这些数据所包含的信息并不能代表全国劳动力市场的情况，王美艳的五个城市数据也是如此。而分解方法可能是造成结论不同第三个重要原因，Démurger没有加入职业变量，邓曲恒的方程中只有教育、年龄和经验变量，在均值分解时他是以流动人口的工资结构作为分解基准的，还没有考虑两个群体在就业概率上的差异。庞念伟，陈广汉的研究所使用的变量仅限于教育、年龄、性别几个个体特征变量，分解时是以外来劳动力的系数向量作为基准的。方程中变量太少会夸大人力资本变量的作用，Oaxaca-Blinder方法本身还存在指数基准问题，仅仅利用有工资样本的信息也无法保证样本的随机性要求。赵海涛虽然将职业分布作为内生变量纳入了分解，但Oaxaca分解中的指数基准问题依然存在，而且又增加了职业结构的指数基准问题，这是Brown分解自身无法克服的问题(郭继强等，2011)[11]。

本研究将在克服上述不足的基础上并试图在以下几个方面对这一领域有所贡献：(1)通过扩展Mincer方程，克服变量的内生性和能力的异质性问题。(2)通过构建无歧视工资结构和就业获得结构试图克服分解过程中出现的指数基准问题；(3)通过Heckman两步法，解决就业选择偏差问题。

二、 模型及分解方法

本研究的工资决定方程如式(1)所示：

ln(wi)=α0+Xiβi+μi

(1)

这是一个扩展的Mincer方程，式(1)中i=u,m，分别代表城市职工和农民工两个群体，ln(wi)为两个群体各自的小时工资对数，βi为两个群体各自的系数向量，Xi为工资决定因素，包括三类共10个变量。(1)个体特征变量：教育(education)、经验(experience)、经验的平方(experience2)、性别(sex)、健康状况(health)和户口(hukou)；(2)家庭背景变量：母亲的受教育程度(motheredu)；(3)市场结构变量：所有制性质(ownership)、企业规模(scale)和职业(occupation)。之所以这样扩展方程主要是因为Mincer方程本身存在着能力的异质性和教育的内生性问题，当更多的控制变量进入方程后一般来说可以较好地解决异质性问题。解决内生性问题的计量方法是使用工具变量，本文作者在使用相同的数据库进行类似研究时曾用“兄弟姐妹数”等三个变量作为工具变量进行试回归，但均未通过第一阶段回归，*见作者论文《人力资本、市场分割与农民工的工资决定》，农业经济问题，2012年第4期。因此，本文假设扩展后的方程已不存在内生性问题。事实上，有不少的经验研究表明，工资不只是由人力资本因素决定的，结构性因素也是工资决定的重要因素(Yanjun,2012;Handan等,2014)[12-13]。扩展的Mincer方程还可以避免将更多的不可知因素归为歧视。

当用全体有工作的样本对式(1)进行回归时，根据户口变量系数的大小和方向我们可以判断出在工资获得上是否存在对农民工的歧视，但要进一步判断歧视的大小和来源，我们需要按式(1)对城市职工群体和农民工群体分别进行回归并按式(2)进行分解。

(2)

(3)

虽然式(3)解决了指数基准问题，但上述回归使用的是有工资的样本而不是全体样本，不能保证样本的随机性并产生所谓的“选择偏差”问题，解决这一问题的方法是引入就业获得方程式(4)。

ei=Ziδi+εi

(4)

式(4)中ei是一个二元变量，表示有工作或无工作，Zi是影响就业获得的一组变量，δi是系数向量。先对式(4)进行Probit估计并计算出逆米尔斯比率(inversemillsrate)，如式(5)所示。

λi=φ(Ziδi)/(Ziδi)

(5)

式(5)中，φ(Ziδi)和(Ziδi)分别表示以Ziδi为变量的标准正态分布的密度函数和分布函数。然后将λi作为一个变量加入工资决定方程，并按式(6)重新回归。

ln(wi)=Xiβi+ρσ1λi+γi

(6)

式(6)中ρ是式(1)和式(4)中随机项标准差的相关系数，σ1是式(1)中随机项的标准差，ρσ1是式(6)中待估的参数，这就是Heckman两步法解决选择偏差的思路(Heckman，1979)[17]。引入就业概率后的分解方法，我们借鉴Appleton等人(1999)[18]提出的思路，按式(7)进行分解。

(7)

简而言之，我们的研究思路是首先对全体就业者、城市职工和农民工的工资决定方程进行OLS回归分析，其次是进行Heckman两步法回归，第三是用式(3)分别对OLS回归和Heckman两步法回归的结果进行分解，第四是用式(7)对Heckman两步法回归的结果进行分解，最后在对比三种分解结果的基础上给出本文的结论。

三、 数据来源及其均值描述

本文所用数据来自于中国综合社会调查数据库中2013年的数据，*本论文使用数据全部来自中国国家社会科学基金项目资助之《中国综合社会调查(CGSS)》项目。该调查由中国人民大学社会学系与香港科技大学社会科学部执行，项目主持人为李路路教授、边燕杰教授。作者感谢上述机构及其人员提供数据协助，本论文内容由作者自己负责。该数据涉及全国100县、5个大城市、11438个有效样本和650个变量，根据研究的需要我们对样本做了如下处理：在“您的工作经历及状况是？”中，删除了“目前务农，没有过非农工作”、“目前没有工作，而且只务过农”和“从未工作过”样本，以保证研究的样本为城市样本。删除了出生早于1952年的男性、1957年的女性和晚于1996年的样本，以保证研究的样本符合我国劳动力的法定年龄。在“下列各种情形，哪一种更符合您目前的工作状况？”中，删除了“自己是老板”、“个体工商户”、在“在自己家的生意/企业中工作/帮忙，不领工资”和“自由职业者”，以保证研究的样本为工资收入者。整理后的有效样本量为4859(=城市职工样本2695+农民工样本2164)，有工作样本为4000(=城市职工就业者2444+农民工就业者1556)。

对变量作如下处理：(1)小时工资对数：全年的职业收入大于7200元的样本，以年职业收入除以250天再除以8，后取自然对数，年职业收入小于7200元的样本，按失业者对待。*CGSS2013调查问卷中的职业收入是2012年的职业收入，2012年的工作日为250天。把全年职业收入小于7200元的样本归入了失业者是因为当年全国各城市的月最低工资标准在270～1000元之间，我们取中间数600/月作为就业的最低工资标准。(2)教育和母亲的教育：没有受过任何教育取0，小学和私塾取6，初中取9，职业高中、普通高中、中专和技校取12，大学专科取15，成人本科、正规本科取16，研究生以上取19。(3)经验：2013减去出生年减去6再减去受教育年限。(4)企业规模：以实际人数为准。(5)健康状况：很健康、比较健康取1，其他取0。(6)性别：男性取1，女性取0。(7)户口：城市户口、居民户口(以前是城市户口)取1，其他取0。(8)企业所有制性质：国有(控股)企业、政府机关、人民团体、事业单位取1，其他取0。(9)职业：按1988年国际标准职业分类办法(ISCO88)分类，白领取1，蓝领取0。其中白领职业包括：立法者、政府官员和管理者、专业人员、技术人员和专业人员助理、一般职员，其余职业为蓝领。

各变量的均值描述如表1所示。从表中可以看出，城市职工就业者的工资为2.7818，农民工就业者的工资为2.4193，城市职工的工资比农民工高出约0.36，但城市就业者在教育、经验、健康、母亲的教育、所有制、企业规模、职业等特征上都明显地优于农民工就业者，但这些特征能在多大程度上解释两者的工资差异则是需要进一步研究的问题。

四、 回归分析

用普通最小二乘法分别对全体就业者样本、城市职工就业者样本和农民工就业者样本的工资方程进行估计，并对各方程残差序列进行White异方差和LM检验后发现，各残差序列均为白噪声序列，不存在自相关和异方差问题，估计结果如表2所示。

从表2中可以看出，除了所有制性质在农民工就业者方程中不显著外，其他变量都高度显著。方程1中户口的系数表明，城市职工的工资比农民工就业者的工资高出约10.18%，方程2中户口的系数表明，城市工就业者的工资比农民工就业者的工资高出约9.47%，这一方面说明在城市劳动力市场上存在着对农民工的工资歧视，另一方面也说明这种工资歧视在一定程度上是通过企业所有制性质、规模和职业这些结构性因素起作用的。教育、健康这两个人力资本变量在方程3中的系数均大于在方程4中的系数，特别是教育的系数在方程3中比在方程4中的系数高出约30%，这显然是对农民工的歧视。工作经验、母亲的受教育程度对农民工的回报率高于对城市职工的回报率，这可以看作是对城市职工的逆歧视，但由于农民工的平均工作经验比城市职工少2.5年(34.1092-31.6491)，母亲的平均受教育程度比城市职工少2.6年(5.9906-3.3432)，因此在这两个变量上的逆歧视，特征效应的抵消作用有限。从所有制性质的系数看，进入国有企业对城市职工和农民工都是不利的，但对城市职工更为不利，但我们应当对这一论断保持谨慎，因为我们计算的是工资差异，如果国有企业的福利很好，那么进入国有企业就会更加有利。从企业规模系数看，进入大规模企业对两个群体都有利，但对农民工更有利，但企业规模对工资的影响更小。性别系数在方程4为0.344536，在方程3中为0.291597，这说明性别歧视在农民工群体中更为严重。白领职业显然比蓝领职业能赚取更多的工资，在农民工群体中白领与蓝领的工资差异并不如在城市职工群体中两类职业的工资差异那么大，但这并不一定是对农民工白领岗位的歧视，如果农民工白领大部分是竞争性行业中的低级职位，那么他们的工资就不可能太高，低于蓝领职业的工资也是可能的(李实，2014)[19]。

注：***、**和*分别表示在1%、5%和10%水平上显著。

当然，上述分析并没有考虑城市职工和农民工两个群体在就业概率上的差异，如果上述样本只是运用了有工资信息的样本而不符合随机性的要求，那么上述回归的结果就是有偏差的。因而我们需要加入就业获得方程并对工资方程重新进行估计。表3是就业获得方程的Probit估计结果，即Heckman两步法的第一步，表4是加入逆米尔斯比率后对工资方程的估计结果，即Heckman两步法的第二步。

注：同表2。

从表3可以看出，方程5中户口的系数为0.550410，方程7中的常数项(-2.175881)大于方程8中的常数项(-2.203114)，这说明在城市劳动力市场上确实存在着对农民工就业的固有歧视。从方程7和方程8的比较中还可以看出，就工作获得而言，教育和健康对城市职工更重要，经验对农民工更重要，在找工作时，农民工群体中的性别歧视比城市职工中的性别歧视更为严重。

比较方程2和方程9可以看出，户口的系数由0.094704提高到了0.138169，这说明由于存在着工作获得方面对农民工的歧视，城市职工比农民工更容易找到工作，真实的工资差异要更大一些。表4中四个逆米尔斯比率的系数都高度显著，这说明确实存在着选择偏差。

注：同表2。

五、 工资差异的分解

为分析城市职工与农民工工资差异的来源，我们按式(3)分别对OLS回归结果和Heckman两步法回归结果进行分解，结果如表5所示。从第(1)、(2)、(3)列的分解结果看，工资差异主要来自于特征效应，城市职工在教育、经验、健康、母亲的受教育程度、企业规模和职业几个方面都明显地优于农民工，特征效应的总影响为0.284029，解释了工资差异的88.62%；价格效应较小(0.084141)，主要来自于教育、经验的平方、健康和职业，而在经验、性别、母亲的受教育程度、所有制性质和企业规模上存在着对城市职工的逆歧视，总的价格效应只解释了工资差异的11.38%。按OLS回归结果进行分解的总工资差异为0.36817，这与表1中显示的城市职工与农民工的工资差异(2.7818-2.4193=0.3625)大体相等。第(4)、(5)、(6)列是对Heckman两步法回归结果的分解，从分解结果看，工资差异主要来自于特征效应的结论并没有改变，只是特征效应进一步扩大(0.326107)，解释了全部工资差异的91.9%。从第(6)列可以看出，工资差异的总影响为0.425562，与表1中计算的工资差异有较大的出入，这是因为我们在分解过程中将劳动参与所导致的工资差异全部归结为个人选择因素的结果(Neuman and Oaxaca,2004)[20]，在本研究中，这一项的总和为：0.0017×19.8655-0.01455×7.8683=-0.0806，加上这一项后，总的影响为0.3449，与真实的工资差异0.3625也大体上相等。

其中，特征效应为：

特征效应解释了总差异的57%，其余四项之和为价格效应，等于0.3811641，解释了总差异的43%，价格效应的上升来自于城市职工占优的人力资本特征和歧视对就业获得概率的双重贡献，特别是教育和健康两个变量对农民工就业获得的歧视，这一分解结果也说明相对于实现就业后的工资歧视，就业歧视是一个更加值得关注的问题。

六、 结论、建议及展望

本文关注城市职工与农民工工资差异的来源与大小，利用CGSS2013数据库，通过最小二乘回归、Heckman两步法、Neumark分解和Appleton分解重点考察了教育等人力资本变量和劳动力市场歧视对这两个群体工资差异的贡献。在回归过程中，通过增加变量等方法克服了Mincer方程中存在的变量内生及能力异质性问题，也通过分解方法的选择克服了分解过程中的指数基准和选择偏差问题，与现有用均值分解法进行类似问题研究的文献相比，不仅研究的方法更为严谨也得出一些相对重要的结论：(1)在实现就业以后，城市职工与农民工的工资差异主要来自于两个群体的特征差异，歧视或者不那么严格地说，“同工不同酬”并不是一个十分严重的问题。两个群体在教育、经验、母亲的受教育程度、健康状况和职业等人力资本特征方面的差异解释两个群体工资差异的绝大部分。(2)对农民工群体的歧视主要存在于就业实现的过程中，就业歧视或者说在求职过程中对农民工的歧视性对待解释了两个群体大约一半的工资差异。(3)教育程度从特征差异、回报率差异、就业概率差异三个方面决定了两个群体的工资差异，母亲的受教育程度还具有代际传递的作用，在一定程度上决定着下一代的工资水平。(4)经验不仅有利于农民工获得工作而且在工资决定中具有“逆歧视”作用。

考虑到教育和经验在工作获得和两个群体工资差异决定中的贡献以及劳动力市场上歧视的可能来源，我们提出以下政策建议：(1)加强对农村人口的人力资本投入，努力缩小“前市场差别”。由人力资本差异引起的工资差异在劳动经济学中被称为“前市场差别”，因为这些人力资本差异是在劳动者进入劳动力市场前就存在的，决定了生产率的高低也最终决定了劳动者获得劳动收入的能力，因而被认为是合理的。但从全社会的角度来看，这种差异是不合理的，特别是当两个群体的人力资本差异是由教育资源配置的不均衡引起的时候。在人口城市化和“供给侧”改革的政策背景下，加强对农村地区基础教育的财政投入、引导优秀的中小学教师向农村地区流动、确保农村女童受教育的权利、长期无偿地向农村转移劳动力提供培训应当成为国家和和地方政府的一项长期政策。(2)加强劳动力市场建设，努力消除“非竞争性歧视”。劳动力市场竞争不充分是市场歧视的重要来源之一，消除市场分割、促进充分流动应当是中国劳动力市场建设的长期目标。一是要进一步推进户籍制度的改革，消除长期分割的城乡二元劳动力市场；二是要进一步清理各行业限止进入的行政法规，确保城乡劳动力机会均等；三是要消除垄断或限制垄断企业滥用垄断势力；四是要逐步完善农村转移劳动力的社会福利制度，清理各种不合理收费，降低劳动力流动成本。(3)加强社会道德建设和执法力度，努力消除“雇主歧视”。雇主歧视使农民工群体的生产率在主观上被打折从而降低对农民工的雇佣水平和农民工的工资水平，而顾客和雇员的歧视同样会给雇主产生压力，迫使雇主采用歧视性的雇佣政策。因此减轻或消除雇主歧视要从道德和法律两个层面入手做好三个方面的工作：一是加强舆论引导和思想教育，在全社会树立城乡劳动者平等的价值观念，减轻顾客和雇员偏见对雇主的压力；二是劳动监察部门要加强执法检查，保证《劳动合同法》的贯彻落实，主动维护农民工公平就业和公平获得劳动报酬的权利；三是要在法律上进一步界定歧视的实践性标准，使歧视行为更加易于识别，同时进一步简化反歧视的诉讼程序，使反歧视行为更加易于操作，努力降低全社会劳动者反歧视的法律成本。

由于数据的局限性，本研究的工资方程仍然没有包含足够多的个体特征变量，这就存在把不可观测变量归为歧视的可能性；论文虽然考虑了两个群体不同的就业概率，但没有考虑不同行业进入的概率并把它们纳入分解过程；本文也没有对两个群体在不同分位上的工资差异进行分解，尽管分位数分解可以提供更多有用的信息。这些不足也正是我们进一步研究的方向。

参考文献:

[1]MENG X, ZHANG J. The Two-tier Labor Market in Urban China: Occupational, Segregation and Wage Differentials between Urban Residents and Rural Migrants in Shanghai[J].Journal of Comparative Economics,2001,29(3):485-504.

[2]谢嗣胜,姚先国.农民工工资歧视的计量分析[J].中国农村经济,2006(4):49-55.

[3]王美艳.城市劳动力市场对外来劳动力歧视的变化[J].中国劳动经济学,2007(1)：109-119.

[4]邓曲恒.城镇居民与流动人口的收入差异——基于Aaxaca-Blinder和Quantile方法的分解[J].中国人口科学,2007(2):8-16.

[5]LEE LENG. Decomposing Wage Differentials between Migrant Workers and Urban Workers in Urban China’s Labor Markets[J].China Economic Review,2012,23(2):461-470.

[6]邢春冰.农民工与城镇职工的收入差距[J].管理世界,2008(5):55-64.

[7]SYLVIE D, MARE G, SHI L, et al. Migrants as Second-class Workers in Urban China? A Decomposition Analysis[J].Journal of Comparative Economics 2009,34(4):610-628.

[8]屈小博.中国城市正规就业与非正规就业的工资差异——基于非正规就业异质性的收入差距分解[J].南方经济,2014(4):32-42.

[9]庞念伟,陈广汉.城镇与外来劳动力工资差异分解——人力资本和歧视贡献及其变化.人口与经济[J],2013(6):71-78.

[10]赵海涛.流动人口与城镇居民的工资差异——基于职业隔离的角度分析[J].世界经济文汇,2015(2):91-108.

[11]郭继强,姜俪,陆利丽.工资差异分解方法述评[J].经济学(季刊)，2011(2):363-414.

[12]YANJUN YANG, DAN HUANG. An Empirical Study on the Determinants of Labor Entering Monopoly Industry in China’s Urban Labor Market[J].Management Science and Engineering，2012,6(4):78-81.

[13]HANDAN KUMAS, ATALAY ÇALAR, HACER SIMAY KARAALP. Firm Size and Labor Market Segmentation Theory: Evidence from Turkish Micro Data[J].Procedia-Social and Behavioral Sciences,2014,150(15):360-373.

[14]OAXACA R. Male-Female Wage Differentials in Urban Labor Markets[J].International Economic Review,1973,14(3):693-709.

[15]BLINDER A. Wage Discrimination: Reduced Form and Structural Estimates[J].Journal of Human Resources,1973,8(4):436-455.

[16]NEUMARK D. Employers’ Discriminatory Behavior and the Estimation of Wage Discrimination[J].Journal of Human Resources,1988,23(3):279-295.

[17]HECKMAN J. Sample Selection Bias as a Specification Error[J].Econometrica,1979,47(1):153-161.

[18]APPLETON S, HODDINOOT J, KRISHNAN P. The Gender Wage Gap in Three African Countries[J].Economic Development and Cultural Change,1999,47(2):289-312.

[19]李实.中国劳动力市场上工资收入的户籍歧视[J].管理世界,2014(11):35-46.

[20]NEUMAN S, OAXACA R. Wage Decomposition with Selectivity-corrected Wage Equation: A Methodological Note[J].Journal of Economic Inequality,2004,2(1):3-10.

(责任编辑束顺民)

Wage Differentials between Urban and Migrant Workers in China:The Role of Human Capital and Discrimination

ZHAO Xian-zhou

(SiasInternationalSchool,ZhengzhouUniversity,Xinzheng451150,China)

Key words:migrant worker; wage differential; Heckman Two-Step Method; Neumark Decomposition; Appleton Decomposition

Abstract:Based on the data from CGSS2013, we explored the magnitude and the sources of the wage differentials between urban and migrant workers in China’s urban labor market with Neumark and Appleton Method as well. Findings are that an overwhelming proportion of the wage differentials are stemming from the endowment difference between the two groups, wage discrimination against the migrant workers, which obviously happened only after the workers got employed, is not a big issue. What is really worth being concerned about is the occupation discrimination, which accounts for nearly half of the wage differentials. Education contributes a lot to the wage differentials by taking three forms: its differential of endowment, return and employment probability. Experience plays a role of reverse discrimination. The results above imply that we must do our best to narrow the pre-market difference to rule out or at least cut down the wage differentials of the two groups and we also have to promote the labor market competition, clarify the practical criteria for discriminations and simplify the judicial proceedings as well to cripple the effects of occupational discriminations.

收稿日期:2015-12-03

基金项目:河南省软科学项目“加快河南省人口城市化进程的公共政策研究——基于工资差异分解的经验分析”(152400410173)；河南省政府决策研究招标项目“促进河南省农村人口向城镇转移研究”(2015A009)

作者简介:赵显洲，男，教授，博士，主要从事劳动经济学研究。

中图分类号:F244

文献标识码:A

文章编号:1000-2154(2016)06-0044-09