农民工工资性收入不确定性及其影响因素——基于CGSS数据的反事实因果分析

孙学涛，李明文，王振华，江金启



农民工工资性收入不确定性及其影响因素——基于CGSS数据的反事实因果分析

孙学涛，李明文，王振华*，江金启

(沈阳农业大学经济管理学院，辽宁沈阳 110866)

引入效用理论的分析框架，采用反事实分析方法，基于CGSS数据测度农民工工资性收入的不确定性及其协同不确定性、异质不确定性和不确定性误差的分解情况，并分析其影响因素。结果表明：农民工工资性收入总不确定性的绝对值为0.018；总不确定性中协同不确定性占比达到81.62%，而异质不确定性占比不到20%；不同农民工群体间的不确定性差异较大，东部地区及从事高技能工作或自雇的农民工工资性收入不确定性较低。健康状况、社会资本和区域变量等因素对农民工工资性收入不确定性有显著的负向影响；工资性收入、高技能和自雇职业等因素对农民工工资性收入不确定性有显著的正向影响。

农民工；工资性收入；不确定性；反事实分析

一、问题的提出

党的十八大提出新型城镇化的核心是人的城镇化，强调新型城镇化建设的重要任务是有序推进农民工市民化。从收入的角度看，实现农民工市民化应该包括两个前提：一是收入水平的提高，二是降低不可预期的收入不确定性。由于劳动力供给的结构性短缺，农民工收入水平不断提高是不争的事实。2008年农民工人均月收入水平为1 340元，2014年达到了2 864元，年均增长13.50%[1]。但与城镇居民相比，农民工工作的稳定性较差，工资性收入的不确定性较大[2]，不利于农民工市民化的实现。

不确定性是经济学中的一个重要概念，奈特将概率型不确定性事件定义为风险，而非概率型随机事件定义为不确定性。并非所有的收入变动都属于不确定性范畴，只有预测之外的非概率随机波动才属于不确定性[3]。已有的关于居民收入不确定性的研究大多针对城镇居民进行分析，少数学者在分析农民工的消费问题时涉及到了其工资性收入的不确定性问题[2]。在居民收入不确定性的测度方法上，一直存在较大差别[4]，主要包括以下两种：第一是代理变量方法，代理变量包括职业、失业率、组间标准差或方差、收入变化的实际值与趋势值间的差额[5]、预期收入与实际收入的差值[4]等。由于这种方法会损失准确性，因此部分学者采用了第二种方法，即问卷调查法，通过被调查者对未来收入不确定性的主观估计进行量化。这种方法对不确定性进行直接测算，可避免第一种方法的缺点，也存在调查对象对不确定性比较难以准确把握，问卷调查对被调查者的估计值较难准确地反映出来。

系统、准确地测度农民工工资性收入的不确定性和分析其影响因素对于促进农民工收入稳定增长和推进农民工市民化有重要的现实意义；在测度居民收入不确定性的过程中，选择合理的方法是一个亟待解决的问题。基于此，笔者拟在效用理论分析框架下，采用反事实分析方法，测度农民工工资性收入的不确定性并分析其影响因素。

二、理论分析与研究框架

1．农民工工资性收入不确定性的设定与分解

根据预防性储蓄假说，收入的不确定性对消费有着显著的负效应[3-5]，即在其他条件不变的前提下，收入不确定性越大，消费越少。而收入不确定性是通过测度确定性条件下农民工实际消费水平与农民工的期望消费之间的差值来反映。而反事实因果分析的含义包括某种事物在历史上不曾存在，但假定存在过，然后根据这一假定估算经济生活中可能由此引起的后果，据此，笔者借鉴在其他研究领域被学者普遍采用的反事实因果分析方法[6-8]。在具体的分析过程中引入效应理论，借鉴学者测度家庭脆弱性的方法[9]，把收入不确定性表达为期望效用，将不确定性值设定为确定性等价效用与农民工消费水平的期望效用之差。

式(1)中，UNC代表样本工资性收入的不确定性，U()为确定性等价效用，EU(C)为其消费水平期望效用。为确定性等值，本研究中的含义是假定不存在收入不确定性前提下农民工的消费值。在分析的过程中，笔者选择的是相同时点、有正式工作、签订劳动合同的城镇居民的消费水平，暗含的假定是满足上述条件的城镇居民基本上可以预期自己的收入变动，即收入没有不确定性。

(2)

笔者进一步将农民工工资性收入的不确定性分解为三部分：一是由个体原因造成的工资性收入不确定性，即由个体及家庭特征所决定的部分，称之为异质不确定性；二是由外部原因造成的不确定性，即由行业、打工地区等因素所决定的部分，称之为协同不确定性；最后一部分是测量误差及不可解释部分，称之为不确定性误差。

由此农民工工资性收入不确定性分解为：

2．效用函数的选择与条件期望的估计

现将农民工的效用函数表达为消费的函数，效用函数沿用Ligon及杨文等[9-10]的形式：

式(4)中，表示农民工的风险厌恶类型，尽管关于的取值没有统一的观点，文献中一般取2[11]或3[10]，笔者借鉴Ligon[9]和钱文荣[11]的研究成果将取2。

对条件期望的估计是另一必要步骤。孙凤[12]、何平[13]、刘灵芝[14]、沈坤荣[15]和王红建[16]等学者对消费函数进行了研究，笔者在此基础上建立农民工的消费函数：

由于测度及分解过程需要对城镇居民的消费函数进行估计，笔者建立城镇居民的消费函数模型：

变量的意义及选取与农民工消费函数相近，不赘述。

三、数据来源及其样本描述性统计

在研究思路形成之后，笔者曾尝试采用沈阳农业大学农民工团队的调研数据，但缺失城镇居民的相关数据，无法计算农民工在没有不确定性条件下的消费；然后准备采用中国综合社会调查(China General Social Survey，缩写为CGSS)的公开数据，但近几年农民工和城镇居民的消费数据不完整，于是笔者最终采用次优的中国综合社会调查(CGSS)2008数据。

中国综合社会调查是中国第一个全国性、综合性、连续性的大型社会调查项目，由中国人民大学社会学系发起。CGSS2008数据共包含6 000个有效个体样本，笔者根据户籍(农村户口)、受教育程度(大专以下)、未入伍、有外出打工经历(乡镇或本乡镇以外地区、3个月以上)等标准筛选农民工样本。同时，由于本研究考察工资性收入问题，因此删除了考察期不处于打工状态的样本，最终获得有效农民工样本1 020个。同样，根据考察期的工作状态(有正式工作，未退休)及劳动合同签订情况，筛选出有效城镇居民样本1 252个。

研究的被解释变量为样本家庭消费的对数值，消费数据采用“您家去年平均每月生活费支出是多少？”问项下的数据，未采用农民工个人消费值的原因是CGSS2008数据中不提供个人消费情况，另外，农民工(特别是老一代农民工)的收入是家庭收入的重要来源，其消费决策主要是以家庭为单位，因此考虑家庭消费支出是合理的。解释变量分别为性别、年龄、年龄平方项、受教育程度、健康状况、工资性收入、家庭其他收入、父母受教育程度、社会资本、区域虚拟变量及职业虚拟变量。无论在怎样的经济体制和社会环境下性别收入不平等的现象都普遍存在，因此笔者在分析过程中加入了受访者的性别变量。随着年龄的不断提高，收入不断上升，即年龄效应曲线呈现出持续线型递增[17]，而年龄与消费之间则存在着倒U型关系[18]，在分析农民工收入和消费的模型中需要加入年龄变量，因此，本研究加入了受访者的年龄和年龄的平方项。教育是重要的人力资本投资，对家庭或者个体的收入有很大的影响，通常受教育年限越长，人力资本积累越丰富，学习新技能的能力就越强，其生产效率相对就越高，进而收入就越高。本研究选择受访者的受教育年限和父母受教育程度来衡量。农民工的健康状况影响着其劳动效率和收入，通常农民工的健康状况得到改善，其劳动效率和收入就会提高，反之则会下降。因此，笔者在农民工收入和消费模型内加入受访者的健康状况。需要说明的是健康状况采用5分类量表进行量化。社会资本同样也影响农民工收入和消费，农民工与当地居民建立良好的工作关系，其换得中高收入的机会就相对较高[19]。笔者在分析的过程中加入社会资本变量，其数据为CGSS2008数据库内“在今年春节期间，以各种方式与您互相拜年、交往的亲属、亲密朋友和其他人大概有多少人?”问项下的数据。不同地区(或不同行业)收入水平存在差异，因而在分析收入和消费差异的模型内需要加入区域变量和职业变量，区域虚拟变量的设定是按照东、中、西三类地区为标准(东部区域包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省市)，其中东部地区为对照组；部分农民工每天的工作种类不同，部分农民工自主创业，因此职业虚拟变量的设定是按照低技能、高技能、自雇及其他四类进行区别，低技能组为对照组。样本的描述性统计如表1所示。鉴于家庭其他收入也会对消费产生影响，因此在解释变量中加入家庭其他收入变量尝试对其进行控制。家庭其他收入是家庭总收入减掉工资性收入。工资性收入和家庭其他收入变量都采用对数形式。

表1　样本的描述性统计

注：数据来源于作者对CGSS2008数据的筛选和计算。

四、计量结果及其分析

本研究采用的是截面数据，在回归之前进行异方差检验，WHITE检验结果为：chi2(108)= 82.06，Prob > chi2 = 0.970 2，拒绝存在异方差的原假设。为保证结果的稳健性，笔者借助STATA11.0软件对模型进行稳健回归，结果显示年龄、年龄平方项、受教育程度、收入、家庭其他收入、父母受教育程度、社会资本、区域虚拟变量及职业变量1都对农民工的消费有显著影响，由于农民工的消费函数不是分析的重点，因此不展开讨论。

在测度及分解农民工工资性收入不确定性的过程中需要对城镇居民的消费函数进行估计，因此同样对城镇居民样本的消费函数进行稳健回归估计。

表2　农民工和城镇居民消费函数估计结果

注：因年龄的平方变量对因变量的影响只有在保留四位小数点之后才能体现，因此本表数据保留至小数点后4位。

1．农民工工资性收入不确定性值的测算及分解

在回归估计的基础上，本研究对农民工工资性收入的不确定性进行了测算，并进一步按照式(3)对其分解(表3)，结果显示：农民工工资性收入总不确定性的绝对值为0.018；在总不确定性中，协同不确定性最大，占到总不确定性的80%以上，说明农民工工资性收入不确定性主要来源于外部环境，而其自身因素，即异质不确定性仅占不足20%。

表3　农民工工资性收入总不确定性及分解值

由于协同不确定性占比较大，因此笔者按照区域及职业变量对农民工进行分类比较，比较不同农民工群体间的工资性收入不确定性差异(表4)。从对比结果看，东部样本的总不确定性最低，中部地区与西部地区次序升高。东部样本的协同不确定性在三个区域中也是最低的，但异质不确定性却是东部样本最高。

表4　不同农民工群体间收入不确定性差异

按照职业分类的对比结果是低技能样本的总不确定性较高，高技能样本次之，自雇样本最低。

2．农民工工资性收入不确定性的影响因素

在统计分析的基础上进一步采用回归分析探讨解释变量包括性别、年龄、年龄平方项、受教育程度、健康状况、工资性收入、父母受教育程度、社会资本、区域虚拟变量及职业虚拟变量分别对农民工工资性收入的总不确定性及协同不确定性、异质不确定性的影响(表5)。由于家庭其他收入虽对农民工家庭消费有影响，但对农民工工资收入不确定性的影响不大，因此在分析农民工工资性收入不确定性时未加入家庭其他收入变量。

表5　农民工工资性收入不确定性影响因素的回归结果

注：因年龄、受教育程度和社会资本等变量对因变量的影响只有在保留四位小数点之后才能体现，因此本表保留小数点后4位。数据来源于STATA11.0软件输出。

在总不确定性的影响因素中，健康状况、工资性收入、社会资本、区域变量及职业变量的回归结果显著，但需要注意的是估计系数符号。社会资本的系数为负，说明社会资本的提升，有助于降低农民工工资性收入不确定性，社会资本是农民工获得稳定工作机会的保障，因此社会资本越高，工资性收入的不确定性越低。健康状况变量的系数为负，说明身体越健康的农民工，工资性收入的不确定性越大，可能的解释是身体健康状况较差的农民工可能会选择一份收入较低的工作长期从事，而健康情况较好的农民工则可能会不断挑战新的工作机会，进而增加了收入的不确定性。相比于东部地区，在中、西部地区打工的农民工的工资性收入不确定性较高。原因可能是东部地区的工作机会较多，使该地区的农民工能获得稳定的工资性收入；而中、西部地区的工作机会较少，该地区农民工的工作没保障，工资性收入不稳定。职业变量中，相比于低技能工人，高技能或自雇的农民工工资性收入的不确定性较低，其他职业的农民工工资性收入的不确定性较高。可能的解释是高技能农民工拥有较高的人力资本水平，寻找到新工作的概率也就相对较高，工资性收入较稳定；自雇农民工一般有较稳定的就业，工资性收入也较稳定；而其他职业多为零工，因此其他职业农民工收入不确定性相对较高。工资性收入变量对农民工工资收入不确定性的影响显著为正，可能的解释是农民工的工资收入越高，收入变动的幅度也就相对越大，因此工资收入不确定性就相对越高。从表面上看这个结论与职业变量的回归结论相悖，因为高技能和自雇的农民工工资性收入的不确定性较低。

协同不确定性影响因素的回归结果显示，所有个体及家庭特征变量的影响均显著，可能的解释是农民工职业及就业区域的选择是受个体及家庭特征内生变量影响的，因此由外部因素决定的协同不确定性也与其内部因素紧密关联。从结果看，男性农民工的协同不确定性大于女性，可能的解释是男性农民工抵御外部不确定性的风险能力强于女性农民工。年龄对协同不确定性的影响为负，可能的解释是年龄越大的农民工，越有抵御外部不确定性的经验和能力，因此协同不确定性会随着年龄的提高而降低。受教育程度对协同不确定性的影响为负，可能的解释是受教育年限越长的农民工，其适应性越强，抵御外部风险的能力越强，因而协同不确定性越低。农民工的工资性收入对协同不确定性的影响为负，可能的解释是农民工的工资性收入越高，其降低外部不确定性成本的能力越强，适应外部冲击的能力越强，有助于降低协同不确定性。

异质不确定性影响因素的回归结果显示，区域变量及职业变量2的影响显著，可能的解释是外部因素也可能通过影响农民工个体特征或者家庭特征因素进而影响异质不确定性。男性的异质不确定性小于女性，可能的解释是女性农民工不仅需要外出务工，而且还需要承担照顾家庭的责任，因此主要工作在离家相对较近的地区，会影响其异质不确定性。年龄越大，异质不确定性越大，可能的解释年龄较大的农民工受制于身体、家庭及个人主观意愿等因素，工作的稳定性会受到影响，并且主要在离家较近的区域工作，会影响其异质不确定性。受教育程度的系数为正，可能的原因是受教育年限越长的农民工越有冒险精神，更愿意追求更高的收入，而代价便是收入不确定性的升高。虽然其会通过较好的抵御协同不确定性的能力抵消对总不确定性的影响，但是仅对异质不确定性而言，仍是正效应。

五、结论与启示

本研究引入新的分析框架、采用反事实分析法对农民工工资性收入的不确定性进行测度，并将其分解为协同不确定性、异质不确定性及不确定性误差，基于CGSS2008数据的实证分析结果表明：农民工工资性收入的总不确定性中，协同不确定性占比达到80%以上，而异质不确定性占比不到20%。进一步的影响因素分析结果表明：健康状况对农民工工资性收入不确定性有显著的负向影响；工资性收入对农民工工资收入不确定性和异质不确定性有显著的正向影响，但对协同不确定性有显著的负向影响；社会资本对农民工工资收入不确定性和异质不确定性有显著的负向影响，但对协同不确定性有显著的正向影响；区域变量1对农民工工资性收入不确定性和异质不确定性有显著的正向影响，对协同不确定性的影响为负，但不显著；区域变量2对农民工工资性收入不确定性有显著的正向影响；职业变量1和职业变量2对农民工工资性收入不确定性有显著的负向影响；职业变量3对农民工工资性收入不确定性有显著的正向影响。通过区域变量和职业变量可以看出，东部地区的农民工工资性收入不确定性较低，高技能或自雇的农民工工资性收入不确定性较低。

上述结论具有如下启示：一是应注重提高农民工身体素质。农民工的身体状况是其工作的“本钱”，身体状况较好的农民工，其工资性收入的不确定性相对较低；而身体状况较差的农民工其工资性收入的不确定性相对较高。提高农民工的身体素质，可以降低农民工工资性收入的不确定性。二是应努力缩小区域差距。中西部地区农民工工资收入的不确定性相对高于东部地区农民工工资收入的不确定性。政府应完善劳动力市场建设，引导农民工在区域间的自由流动，有利于降低中西部地区农民工工资收入的不确定性。三是应积极推动农民工职业向上流动。高技能和自雇的农民工工资性收入不确定性较低，而低技能和其他职业的农民工工资性收入不确定性较高。通过培训或者教育等其他方式可将低技能和其他职业的农民工转化为高技能或者自雇职业的农民工，进而提高其收入的稳定性。

[1] 国家统计局．2014年全国农民工调查监测报告[EB]．（2015-04-29）．http://www.stats.gov.cn/tjsj/zxfb/201504/ t20150429_797821.html．

[2] 李凯，曹广忠．农民工家庭城乡消费决策的影响因素——基于东部9城市抽样调查数据的分析[J]．人口与发展，2012(5)：91-98．

[3] 万广华，张茵，牛建高．流动性约束、不确定性与中国居民消费[J]．经济研究，2001(11)：35-44+94．

[4] 王健宇．收入不确定性的测算方法研究[J]．统计研究，2010(9)：58-64．

[5] 罗楚亮．经济转轨、不确定性与城镇居民消费行为[J]．经济研究，2004(4)：100-106．

[6] 李永友．市场主体信心与财政乘数效应的非线性特征——基于SVAR模型的反事实分析[J]．管理世界，2012(1)：46-58+187．

[7] 夏庆杰，宋丽娜，Simon Appleton．什么原因导致中国工资收入差距扩大?——来自反事实参数分解分析的证据[J]．社会科学战线，2012(1)：60-70．

[8] 李铄，杜浩然．中国家庭人均收入的区域差异研究——基于对2011年CHNS数据的分位数回归及反事实分析[J]．经济研究参考，2015(4)：51-62+68．

[9] Ligon E，Schechter L．Measuring Vulnerability [J]．The Economic Journal，2003(486)：95-102．

[10] 杨文，孙蚌珠，王学龙．中国农村家庭脆弱性的测量与分解[J]．经济研究，2012(4)：40-51．

[11] 钱文荣，李宝值．不确定性视角下农民工消费影响因素分析——基于全国2679个农民工的调查数据[J]．中国农村经济，2013(11)：57-71．

[12] 孙凤．中国居民的不确定性分析[J]．南开经济研究，2002(2)：58-63．

[13] 何平，高杰，张锐．家庭欲望、脆弱性与收入-消费关系研究[J]．经济研究，2010(10)：78-89．

[14] 刘灵芝，潘瑶，王雅鹏．不确定性因素对农村居民消费的影响分析——兼对湖北省农村居民的实证检验[J]．农业技术经济，2011(12)：61-69．

[15] 沈坤荣，谢勇．不确定性与中国城镇居民储蓄率的实证研究[J]．金融研究，2012(3)：1-13．

[16] 王红建，李青原，邢斐．经济政策不确定性、现金持有水平及其市场价值[J]．金融研究，2014(9)：53-68．

[17] 周绍杰，张俊森，李宏彬．中国城市居民的家庭收入、消费和储蓄行为：一个基于组群的实证研究[J]．经济学(季刊)，2009(4)：1197-1220．

[18] Attanasio O P，Browning M．Consumption over the life cycle and over the business cycle[J]．American Economic Review，1993(5)：1118-1137．

[19] 王春超，周先波．社会资本能影响农民工收入吗?——基于有序响应收入模型的估计和检验[J]．管理世界，2013(9)：55-68+101+187．

责任编辑：李东辉

Uncertainty and influencing factors of salary income of migrant workers: Based on the counterfactual analysis of CGSS

SUN Xuetao, LI Mingwen, WANG Zhenhua*, JIANG Jinqi

(College of Economics and Management, Shenyang Agricultural University, Shenyang 110866，China)

Based on CGSS data, the essay uses the counterfactual method and develops the utility theory framework to measure the uncertainty of salary income of migrant workers, and decomposes it into collaborative uncertainty, idiosyncratic uncertainty and measurement error of uncertainty. The results show that the absolute value about the total uncertainty of the migrant worker’s wage income is 0.018, the proportion of collaborative uncertainty reached 81.62%, and the proportion of idiosyncratic uncertainty is less than 20%. The uncertainty of salary income of migrant workers with high skill or self-employed of coastal provinces is lower than that of other provinces. Health status, social capital and regional variables have significant negative impact on peasant workers' salary income uncertainty. Salary income, high skill and self-employed professional and occupation variables have significant positive influence on it.

migrant workers; salary income; uncertainty; the counterfactual analysis

10.13331/j.cnki.jhau(ss).2017.02.002

F323.6

A

1009-2013(2017)02-0010-07

2017－03－06

国家自然科学基金项目(71503173，71273179，713073161)；辽宁省社会科学基金项目(L15CJY014；L16AJY007)；辽宁省教育厅人文社科项目(W2015336)。

孙学涛(1989—)，男，山东鄄城人，博士研究生，主要研究方向为农业经济理论与政策。*为通信作者。