工作任务回报与性别工资差距

刘 琼，乐君杰，姚先国,3

(1.浙江大学 公共管理学院，浙江 杭州 310058；2.浙江大学 经济学院，浙江杭州 310027；3.浙江大学 民生保障与公共治理研究中心，浙江 杭州 310058)

一、引言

劳动力市场上的性别工资差距一直以来备受经济学家和政策制定者关注。近年来，我国性别工资差距自市场化经济改革推进以来不断扩大的现象悄然发生了改变，出现了缩小的趋势。如夏庆杰等采用CHNS数据发现城镇性别工资差距2004—2009年间从13%上升到了33%，但到2011年时回落到了25%左右[1]。罗楚亮等通过分析CHIP 1995—2013年数据同样发现性别工资差距在2007—2013年期间出现了缩小的态势[2]。最近的研究还发现，城市招聘市场中，包括市场营销和软件工程师在内的中高端白领职位出现了更加偏好女性的特征[3]。

是什么因素使得女性在劳动力市场获取了更多回报，从而使得性别工资差距得以收敛？这背后一个不可忽视的力量是劳动力市场正在经历的普遍技能需求变革，以信息技术和自动化技术为代表的通用技术进步全面重塑了劳动力市场的需求结构。自动化机器和设备的使用使得工作场所降低了对体力和常规重复性技能的依赖，减少了大量常规的、可程序化的工作任务岗位，同时提高了抽象分析、人际互动等这些难以被自动化所替代的能力的需求[4-7]。这些变革的影响与劳动力市场的性别结构密切相关。和男性相比，女性在认知技能方面具有比较优势[8]。女性尤其擅长沟通、协调等人际互动任务，来自心理学和神经科学的一系列文献显示男性和女性在利他性、外向性和宜人性方面具有显著差异[9]，女性具有更好的移情能力(同理心)、情感识别能力和口头交流能力[10-12]，这无疑使得她们在需要社交和人际互动的工作任务方面具有明显优势。因此，工作场所技能需求的变化，弥补了女性体力方面的劣势，强化了女性的优势特征，对女性而言可能是更有益的。

目前我国少有文献关注性别工资差距缩小的原因，更缺乏将近年来劳动力市场工作任务需求特征与性别工资差距变化相联系的实证分析。已有研究发现，劳动者在工作中运用的技能和所执行的具体工作任务在工资决定和工资增长中发挥着重要作用[13-15]。本文认为，如果劳动力市场需求增加的技能是女性更具有优势、回报更高的技能，那么技术进步等因素带来的工作任务需求变化就可能有助于性别工资差距的缩小。

二、文献综述

计算机及信息技术改变了劳动者在工作中具体执行的任务，从而最终改变了对不同人力资本的需求。奥托(Autor)等在其开创性的工作中引入了一个基于任务的分析框架，将劳动力市场工作视为一系列工作任务的集合，并根据完成它们需要的技能与计算机技术是替代还是互补，将工作任务划分为常规(routine)和非常规(non-routine)任务。常规任务是指那些在清晰的指令下能够被机器设备所执行的重复性和可程序化的认知与操作任务，而非常规任务是指需要问题解决能力和复杂沟通技能从而不易被程序化和替代的任务[4]。此后的众多研究如加斯曼(Gathmann)和逊伯格(Schonberg)[14]、阿西莫格鲁(Acemoglu)和奥托(Autor)[6]以及吉多(Guido)[16]等照此定义将工作任务划分为非常规认知任务(non-routine cognitive task)、常规认知和操作任务(routine cognitive and manual task)、非常规操作任务(non-routine manual task)三类(1)其他研究对工作任务的分类由于使用数据的不同存在细微的差异，但整体上均遵循以上定义。如斯皮茨欧勒(Spitz-Oener)、布莱克(Black)和斯皮茨欧勒根据德国数据将工作任务划分为更具体的非常规分析、非常规互动、常规认知、常规操作和非常规操作五类[17-18]。斯泰恩布里克纳(Stinebrickner)等则根据独有的面板数据将工作任务分为与人打交道、与信息打交道和与物体打交道三类，同时将每一类工作任务分为低技能和高技能[13]。但根据作者的定义可发现，低技能的这三类工作任务与常规任务十分吻合，而高技能任务则分别类似非常规的人际互动任务、分析任务和操作任务。。非常规认知任务一般又分为非常规分析任务(non-routine analytical task)和非常规人际互动任务(non-routine interactive task)。前者是指需要进行研究、分析和设计的工作任务，要求较高的抽象思考能力、解决问题能力和创造力，专家和技术人员该类任务的度量值往往最高；后者主要包括谈判、游说、咨询、团队合作和管理员工等任务，需要良好的与人交流、与同事和顾客共事的能力，主要代表职业包括经理和专业服务岗位等。常规认知和操作任务包括记录、测量和简单计算等不需要灵活处理的工作内容，一般而言办公室行政、生产线工人等该类任务的度量值最高。非常规操作任务则包含不需要较高的教育水平，但需要灵活的操作能力和良好的环境适应能力来完成的工作内容，如修理、安保和驾驶等[4，6，18](2)需要指出的是，工作任务所属类型与生产中使用的技术有关。如随着人工智能技术的发展，辅助医疗诊断技术和自动驾驶技术的出现可能使得以往典型的非常规的分析和操作任务成为常规任务[7]。。在发达国家，常规任务偏向型技术进步(routine-biased technical change)的发生已得到一致共识。大量中等技能的常规任务岗位被技术所替代，而低技能和高技能的非常规任务岗位就业份额都出现了大幅增长[5-6]。经验研究还发现，工作任务对工资决定具有重要的解释作用，非常规认知任务(包括分析任务和人际互动任务)与技术进步更加互补，即计算机技术能提高执行这些工作任务的劳动者的生产率[17]。这些任务在工资决定中表现为与劳动收入显著正相关[15]，并获得了比容易被技术替代的常规任务高得多的工资回报[13]，且其重要性不断上升[19]。

纵观已有文献，工作任务需求和回报变化对性别工资差距的影响路径可归为两类。第一类研究聚焦于不同技能回报变化的影响，根据韦尔奇(Welch)的智力—体力两要素模型，男性技能是更加体力密集型的，女性技能则相对集中于智力方面，在认知能力方面具有比较优势[20]。以计算机和自动化为代表的技术进步变革提高了认知技能相对运动技能的价格，从而将提高女性相对男性的工资收入。这一机制得到了相关经验研究如巴科罗(Bacolod)和布卢姆(Blum)[8]以及博德里(Beaudry)和路易斯(Lewis)[21]等的证实。稍有不同的是，亚马古基(Yamaguchi)发现，认知技能在性别之间没有差别，但男性的运动技能要高于女性，因此运动技能回报的下降极大地解释了美国1980—2010年间性别收入差距的缩小[22]。第二类研究则关注男性和女性工作任务投入变化的影响。计算机的普及提高了对女性劳动者的需求[23]，同时，布莱克和斯皮茨欧勒的研究结果显示，男性和女性在工作场所中从事的工作任务出现了分野。女性的非常规分析任务和人际互动任务投入的增长速度高于男性，而常规认知任务投入低于男性。因此，即使任务回报保持不变，工作任务需求的变化也能够解释1979—1999年期间联邦德国几乎50%的性别工资差距变化[18]。

最近的一些研究还特别关注了以上这些工作任务中非常规人际互动任务对缩小劳动力市场性别差距的影响。伯翰斯(Borghans)等人指出，来自技术和组织方面的变革提高了社交技能(people tasks，指与人打交道的能力，包括沟通、照顾和激励等)在工作场所中的重要性，由于那些社交技能更为重要的职业雇佣了更多女性，其重要性的加速增长部分解释了美国1970—1990年间性别工资差距的缩小[24]。盖恩(Ngai)和彼得罗哥洛(Petrongolo)认为，女性在更密集使用沟通交流和人际交往技能的服务业具有比较优势，因此服务业的增长提高了女性的劳动供给和相对工资[25]。科特斯(Cortes)等将高薪职业或者那些更注重非常规认知技能的职业，如经理、金融分析和软件工程师等定义为好工作，他们发现自1980年以来，尽管美国受过大学教育的女性劳动者供给增长大大超过男性，她们获得好工作的可能性却增加了，而男性获得好工作的概率则在下降。他们认为对这一现象的一个关键解释在于这些职业内社交技能需求及其重要性的大幅提高[26]。

目前我国已有研究和政策主要关注供给侧因素如女性教育水平提升对缩小性别工资差距的作用[27]，仅有少量研究从需求侧考察了技术进步等带来的技能需求变化对此的影响。魏下海等采用广东佛山南海区制造业数据，发现工厂内生产线的升级给女性带来了更高的工资回报，其逻辑解释在于生产线的升级将降低对运动技能的需求，提高对认知技能的需求，从而对女性更有益[28]。邢春冰等通过实证分析发现地区教育回报越高，则性别工资差距越低，并将这背后的力量归结于技能偏向型技术进步对高技能需求的作用。因为技术进步提高了教育回报，从而使得具有认知技能比较优势的女性更为受益[29]。这些研究肯定了技术进步等带来的需求变化对缩小性别工资差距的作用，但对具体影响路径的论证仍十分有限，其结果解释机理所依赖的假说也有待检验，影响机理仍是一个“黑匣”。本文利用世界银行数据考察具体工作任务回报及其性别差异，为性别工资差距缩小的机理提供了一个可能的解释。

三、数据、变量与实证模型

1.数据来源

本文考察不同类型工作任务的回报及其性别差异，首先需要解决的是工作任务类型的度量及其相关的数据问题。发展中国家的此类基础数据较为缺乏，根据数据的可得性，本文采用的是来自世界银行的“就业和生产率技能”(Skills Toward Employment and Productivity, STEP)调查数据。该调查共覆盖了12个发展中国家和地区，其中中国的相关数据来自2012年在云南的调查。STEP数据专门开发了工作任务模块，直接对劳动者目前的工作内容进行调查以获取工作任务相关信息。数据样本选择城镇地区的住户，在家庭成员样本中随机抽取一位劳动年龄人口(15—64岁)样本，回答就业和具体工作内容问题。此外，数据还包括了工作报酬、个人特征、企业特征等信息，并提供了个体抽样概率，为本文的分析提供了较好的基础。

2.工作任务定义与描述

(1)工作任务定义。迪卡洛(Dicarlo)等将STEP调查与发达国家研究常用的工作任务模块的具体测量问题进行了一一对应[30]，本文参考都阳等[7]和迪卡洛等[30]的定义与分类，根据问卷信息将2012年STEP云南调查任务类型首先分为常规认知型任务和非常规任务，其次再将非常规任务分为分析任务、人际互动任务和操作任务三类。因此，本文总共度量了四种工作任务，每类任务对应的具体活动和度量如表1所示。

表1 工作任务定义

计算每一个劳动者的每项工作任务分值时，首先，对每个具体活动指标采用min-max方法标准化，使之取值在0—1之间；其次，计算劳动者四类任务类型的工作任务分值，参照布莱克和斯皮茨欧勒的研究[18]，每个劳动者的各类工作任务分值可按如下公式计算：

(1)

其中，i为个体，j表示常规认知任务、分析任务、人际互动任务和操作任务。如个体i在操作型任务上的活动数得分为1.2，而操作型任务总活动数为3，则该个体的操作型任务得分为0.4。

(2)工作任务特征描述。表2和表3分别汇报了各类型任务在不同教育程度和不同职业中的分布。由表2可见，非常规分析型和人际互动型任务，在本科及以上教育程度的劳动者中分布最高；常规认知型任务大专教育程度劳动者所从事的最多，其次为高中；而操作型任务在初中及以下劳动者中分布最多。表3则显示，常规认知、分析、人际互动和操作这四类工作任务分布最密集的职业分别为办公室行政、专业人员、经理和工厂机器操作员，该分布与现实中各职业工作内容十分吻合。由此可见，工作任务的分布与劳动者的教育程度和职业颇为匹配，且与现有文献对其他劳动力市场的考察也较为一致[6]，说明本文的定义是合理的。

表2 各类型工作任务在不同教育程度中的分布

表3 各类型工作任务在不同职业中的分布

图1比较了不同教育程度男性和女性劳动者在工作中使用的技能禀赋，其中低技能劳动者是指高中及以下教育程度的工人，而高技能劳动者是指大专及以上的个体。如前所述，工作中常规认知任务容易被技术进步和机器所替代，其需求和回报可能出现下降，本文参照巴科罗和布卢姆的研究[8]，汇报的是其他三类非常规任务与常规认知任务的比值，用该比值展示的技能禀赋更有意义。图1显示，对于分析/常规认知、互动/常规认知比值而言，高技能劳动者的比值都要大大高于低技能劳动者，而操作/常规认知比值在低技能劳动者中更高，这与文献观察一致，不同教育水平的劳动者聚集的任务类型并不相同。另外一个显著特征是，无论是高技能还是低技能，男性在工作中执行的三类任务比值普遍都要高于女性，即本文数据预示着男性的技能禀赋要优于女性，女性相对从事更多容易被技术替代的常规认知任务。这与美国等发达国家近年来的趋势相反，而与其20世纪70年代的情况类似[8]。女性技能禀赋的劣势可能是她们整体工资低于男性的一个原因，但若女性的某些技能回报高于男性，则该技能需求增长就可能缩小性别工资差距。

图1 分析任务、人际互动任务和操作任务与常规认知任务的比值

3.实证模型与变量选择

本文的实证目的在于考察不同工作任务在我国劳动力市场上的回报以及这些回报在不同性别劳动者中的差异。为了实现第一个目的，参照巴科罗和布卢姆的研究[8]，考察如下方程：

(2)

进一步地，为考察工作任务回报的性别差异，建立如下线性估计模型：

(3)

其中，female是性别虚拟变量，女性为1，男性为0，为本文第二个核心解释变量。在公式(3)中，本文重点关注的是性别虚拟变量与四个任务变量交互项前面的系数δ。若δ大于0，表示工作中该类任务增长能够缩小性别工资差距，反之若δ小于0，则表示工作中该类任务增长将扩大性别工资差距。

表4为变量定义及描述性统计。由表4可见，男性平均月工资为2004元左右，女性为1888元左右，二者相差116元，在5%的统计水平下显著。相比已有文献，这个工资差距较小，可能是因为本文采用的是云南的数据，平均工资水平较低，且差距不如其他经济更发达的省份显著。在具体任务分值方面，总体而言，女性操作任务值远远低于男性，其他三种任务类型的分布数值上则较为接近。男性的人际互动略高于女性，而女性的分析任务和常规认知任务则要高于男性，这与都阳等使用不同数据所发现的情况[7]类似，只是后者所呈现的差距要更小一些。

表4 主要变量统计描述

四、实证分析

1.基准估计结果

表5汇报了模型(2)和(3)的回归结果。第1列没有控制工作任务和其与性别的交叉项，包括了教育和年资等所有控制变量。结果显示，女性变量系数为-0.127，且在1%统计水平下显著。这表明，平均而言，在个体教育程度和工作经验等可观测特征一样的情况下，女性工资水平依然要比男性低12.7%，性别工资差距较大。李实等发现我国城镇女性劳动者工资约为男性的76%—89%[31]，本文的结果与之较为一致。

表5第2列在第1列控制变量基础上，加入了前述所计算的四类工作任务类型变量，可以看到在控制教育程度等变量的情况下，非常规分析任务、人际互动任务和操作型任务系数显著为正，而常规认知型任务的回报显著为负。即在其他变量一样的情况下，在工作岗位中执行非常规任务将获得溢价，而执行常规认知型任务将使得劳动者在劳动力市场上的回报显著降低。如前所述，近年来飞速发展的技术进步，尤其是计算机信息技术和自动化系统，能够高效而准确地完成一些常规的、可程序化的工作内容，当劳动力成本上升时，从事常规认知型任务的人力资本就容易随着资本深化被蕴含在机器中的技术资本所代替[4]，因此在劳动力市场上回报下降。而信息技术的发展仍然依赖人的创造力，需要进行抽象思考的能力、解决问题的能力以及说服力[6]，故非常规任务难以被替代，且往往与技术进步更加互补，尤其是分析任务和人际互动任务。因此执行非常规任务将获得额外的回报。此时女性变量系数变为-0.065，在5%统计水平下显著，说明即使控制了工作中具体执行的任务，男性依然比女性工资高5.6%，性别工资差异依然存在。

进一步地，加入各项工作任务与女性的交叉项后，表5第3列结果显示，女性的常规认知任务和操作任务回报与男性没有显著差异，但人际互动任务回报和分析任务回报存在显著性别差异(3)加入交互项后，女性和人际互动任务的主效应变得不显著，原因可能在于，加入交互项后多重共线性带来的“方差膨胀”作用使得估计量的方差增大，从而导致了回归系数的显著性下降。在表5最后一列我们主要关注各交叉项前面的系数，而各变量主效应的影响主要从第2列来进行解读。。女性的分析任务回报要低于男性，交叉项系数为-0.266，即女性分析任务回报(0.391-0.266)只有男性(0.391)的32%左右。而在人际互动任务回报方面，女性任务回报要显著高于男性，交互任务与女性的交叉项系数为0.236，达到5%的显著性水平。这表明，在其他条件保持一样的情况下，女性的人际互动任务回报(0.236+0.034)是男性回报(0.034)的近8倍。由此可见，女性从事人际互动任务能够获得比男性更高的工资回报。

表5 不同工作任务回报及性别差异(基准回归)

其他控制变量的估计结果与现有文献发现均较为一致。劳动者年教育回报为4.9%—6.1%，该回报相对现有研究而言较小[32]，这可能是因为本文使用的是云南的数据，我国幅员辽阔，教育回报在经济较为落后的地方相对平均水平而言要低。已婚状态在第1列中显著为正，表现为一定的溢价作用。已有研究指出婚姻溢价作用部分来自雇主偏好[33]，婚姻状态是个体心理健康和可靠性的一个指标。这与本文的结果较为一致，在控制工作任务后，已婚变量变得不再显著，可能是由于工人执行的具体工作任务已较好地反映了雇主的期待。父母上过高中对个体工资收入具有十分稳健且显著的正向作用。父母高教育水平一方面意味着由于遗传和基因等作用，个体能力水平可能更高，另一方面也意味着个体所在原生家庭的社会经济地位更好，能够为子代传递非认知能力和提供社会资源，这些都有助于个体获得更高的劳动收入。工作特征方面，工作时长对工资的影响不显著。另外，考虑到个体的劳动收入并不会随在企业的工作年限一直增长，而是会在某一时期进入职业生涯的顶峰，本文参考已有文献在方程中也放入了年资的二次项。结果显示年资的系数显著为正，而年资平方系数为负，这表明工资—年资确实呈倒“U”型曲线。最后，劳动者与企业签订书面合同对劳动者工资收入存在显著正效应，这可能源于劳动者本身的素质及劳动合同的保护作用[34]。

2.处理效应模型估计结果

根据以上分析，分析任务和人际互动任务存在显著性别差异。然而，基准回归的OLS识别策略只能进行相关关系判断。个体从事的工作任务内容可能与一些无法观测的个体性格、能力等特征相关，而这些特征同时影响劳动收入。为了解决这一潜在内生性问题，同时考虑到本文所用的截面数据较难寻找合适的工具变量，本文通过构造二值变量，采用处理效应模型(treatment effect moldel)，分别考察分析任务和人际互动任务对收入的影响及性别差异(4)本文也采用处理效应模型对常规认知任务和操作任务的回报及性别差异进行了处理，结果与OLS十分接近，表现为与性别的交叉项均不显著，限于篇幅在正文中未汇报。。

以人际互动任务为例，具体做法是，首先根据全部样本的人际互动任务平均值，将样本分为高人际互动任务组和低人际互动任务组，人际互动任务值大于等于样本平均值的员工为高人际互动任务组，任务值小于样本平均值的员工为低人际互动任务组。本文对人际互动任务采用的工具变量为同一职业内其他样本的人际互动任务均值，因为个体的任务值与从事同一种类型职业的个体任务值存在很强的相关性，而一般来说，在家庭住户调查的样本中，其他样本的任务均值并不直接影响个体的劳动收入。此外，由于回归模型中采用了个体权重，本文采用极大似然估计法(MLE)对处理效应模型进行估计。分析任务的内生性处理与之类似。

表6给出了基于处理效应模型的估计结果。实证验证结果表明，在控制其他个体特征和就业特征变量的基础上，高分析任务和人际互动任务均对个体工资收入具有显著作用。但与表5不同的是，此时女性与分析任务交互项变得不再显著。但女性与人际互动任务的交互项系数依然显著为正，且在5%的显著性水平下统计显著。这表明，在考虑工作任务的内生性问题后，男性和女性的分析任务回报没有表现出显著差异，但女性的人际互动任务回报仍然显著高于男性。同时，表6最后两行结果表明，处理效应模型中回归方程和选择方程误差项相关系数为负，且除最后一列外在至少5%的显著性水平上拒绝相关系数为0的原假设，说明处理效应模型结果较为合适。

表6 分析任务和人际互动任务回报及性别差异(处理效应模型)

3.分组回归结果

在以上分析基础上，进一步检验不同性别和技能的劳动者的不同工作任务回报，并根据以上结果重点关注人际互动任务和分析任务回报的性别差异。从表7中可见，女性从事分析任务时其回报相对男性处于劣势，这主要体现在高技能样本中。高技能女性样本中分析任务的估计系数为0.339，高技能男性样本中其估计系数为0.764，二者具有较大的差距。在低技能样本中，虽然回归系数也存在一定差距，但差距幅度不及高技能样本，同时估计系数在男性和女性中均不显著。

表7 不同技能和性别工人工作任务回报

与表5和表6一致的是，从事人际互动任务使女性获得了更高的回报。无论是低技能群体还是高技能群体，女性的人际互动任务回报都要远高于男性。低技能和高技能女性的人际互动任务回归系数分别为0.290和0.259，分别达到1%和5%的统计显著水平，相应男性的回归系数并不显著，且数值很小，分别为0.033和-0.083。这意味着女性在劳动力市场执行人际互动任务回报更大。该结果也可与现有关于我国非认知能力的一些研究遥相呼应，如已有研究发现女性在宜人性和细心尽责方面相比男性均获得了更高的回报[35-36]。但个人特征并不一定与完成工作场所特定任务所需要的技能完全重合，工作任务对工资决定具有更强的解释力。

在人际互动中，读取他人的信号并作出回应是一种隐性知识，难以用一定符码系统完整表述并被机器所理解，相比其他技能更难被技术所取代[37]。近年来劳动力市场大量常规性的中等技能任务减少，高技能和低技能的服务业就业份额则出现了大幅增长。而无论是金融、法律服务等专业技术岗位，还是销售、个人服务等中低端服务业岗位，都需要展现直接面向顾客的结果，无一不需要很强的人际互动能力。此外，人际互动技能还能够减少个体与他人的协调成本，提高团队合作的效率，在促使劳动者专业化和相互合作更加有效方面具有不可或缺的作用[19]。最新的研究发现人际互动技能在工作中变得越来越重要，它不仅与劳动者收入显著正相关[15]，相比非常规分析任务甚至表现出了更快的增长[19]。都阳等也指出我国非常规互动型任务2005—2016年间出现了较大的增长[7]。本文结果意味着，女性在人际互动任务方面更高的回报将提高女性劳动力市场的相对收入，工作场所技能需求变化更有利于女性，从而起到缩小性别工资差距的作用。

五、结论

本文采用世界银行“就业和生产率技能”调查数据，考察了劳动者工作中执行的工作任务的回报，以及这些回报的性别差异，以此为视角探讨性别工资差距缩小的一个可能的机理。研究发现：工作中执行常规认知型任务回报显著为负，而执行包括分析、人际互动和操作任务在内的非常规任务回报均显著为正。此外，无论是高技能还是低技能劳动者，女性的人际互动型任务回报均远高于男性。这表明，工作场所人际互动任务需求增长和该任务回报性别异质性可能是性别工资差距缩小的一个重要原因。

本文从工作任务回报性别差异和劳动力市场工作任务需求特征出发，对性别工资差距的缩小提供了一个新的解释，所得结论也具有重要的政策意义。本文研究结果意味着女性在人际互动工作任务回报方面具有很强的优势，因此促进人际互动任务需求增长和增加女性执行此任务的频率将有助于缩小女性与男性之间的工资差距。据此，本文提出如下几点政策建议：首先，应大力促进服务业及其就业占比的提升。需要面对面交流互动的服务业无疑是更密集使用人际互动技能的行业，且人民收入水平的提高要求更高的服务质量以及更广泛的服务产品，但我国服务业GDP和就业所占比重虽然在增长，其与发达国家历史同阶段相比依然存在巨大差距。应通过提高城市化水平、放松户籍限制和劳动力流动以及放开行业管制等手段大力促进我国服务业的发展。其次，应创造更公平的职场竞争环境，减少对女性的歧视，使女性能够获得与男性同等的进入更高层次岗位的机会。对女性的歧视往往造成她们职场的天花板效应，这一性别工资差距的重要来源，阻碍了她们充分发挥自身优势以获取更高成就。因此，缩小性别工资差距应努力消除歧视的影响。再次，应提供更完善的社会支持系统，如学龄前儿童看护和养老服务等，减轻女性应对家庭照料需求的顾虑，鼓励女性根据自身比较优势，减少从事容易被技术替代的常规任务，尽可能多地从事回报更高，也更具挑战性的分析和人际互动任务，从而获取更高劳动收入。最后，与传统人力资本一样，完成非常规任务的技能同样可以通过投资和学习后天习得。因此，公共教育方面，应打破社会刻板印象，在女性成长过程中为她们提供优质的教育资源以及恰当的职业选择引导。而公共就业服务部门则可以围绕抽象分析和人际交往技能，开展语言表达、销售技巧、程序设计等专业技能培训，以帮助女性劳动者获得回报更高、更具发展前景的工作。