我国城镇劳动力市场性别工资差异

左 倩，罗幼喜

(湖北工业大学理学院，湖北 武汉 430068)

根据2011年世界经济论坛的核算，相较于女性而言，我国男性就业者的工资待遇大约高35%。夏庆杰等[1]基于1991—2011年数据发现，20年间我国性别工资差距在不断扩大，在劳动力市场上女性更处于弱势地位，对中国性别工资差异的分析从此成为研究热点。除了一般的教育年限[2]和工作经验变量[3]之外，健康人力资本[4]、婚姻状况[5]和所从事的行业[6]等因素也在不同程度上对性别工资差异产生显著影响。多项研究成果表明，加大对女性的教育投资，提高女性的个人能力有助于缩小性别工资差异[7-9]。但是，造成中国劳动力市场上性别工资差异的主要原因是否存在性别歧视，研究者们对此观点不一[10-12]。

基于此，本文采用基础Mincer回归方程、扩展Mincer回归方程以及无条件分位数回归方法，根据中国综合社会调查项目(CGSS2015)数据库中有关学历水平、经验、党派身份、健康状况以及婚姻状况的问卷数据，对中国城镇劳动力市场上的性别工资差异进行进一步研究，试图找出造成男女工资差异的关键因素。

1 数据描述

CGSS2015覆盖中国28个省/市/自治区，一共调查478个村/居委会，总共包括1398个变量，10968个观测值。根据研究需要，对原始数据做以下处理：1)删去年龄不是16-60周岁的样本，即保证样本在中国法定劳动力年龄内；2)在“您的工作经历及状况是”的调查项中只保留“目前从事非农工作”的样本，保证研究的样本为城市样本；3)删除本文所研究变量为缺失值和工资小于等于0的样本，保证样本有正常的工资收入。经过上述预处理之后，得到样本容量为3217，其中女性样本量为1415，男性样本量为1802。为了便于分析，对选入模型的部分变量进行重新编码(表1)。

表1 变量及变量编码

对最终样本数据进行简单的描述性统计分析，结果如表2所示。

根据表2可知，男性和女性的工资水平存在明显的差距，男性平均月收入为5049.18元，比女性的3408.41元高出1640.77元，高出部分为女性全部工资的48%，近乎一半；其次，男女性的受教育年限十分接近，男性为11.47年，女性为11.35年，二者相差不到半年；从工作年限来看，男性比女性多出1年多，但男性和女性的受教育情况的比率相差不大；从婚姻状况来看，女性劳动者的已婚比率更高；从政治面貌来看，男性党员较多；从健康状况来看，男性比女性自认健康状况更好。

表2 数据描述性分析

图1显示为男女工资差异的核密度，可见女性工资核密度曲线整体位于男性工资核密度曲线的左侧，说明女性就业者在各个分位点下薪酬待遇水平都要低于男性，且低收入的女性占比较大，而男性获得高收入的人群更多。在中高收入人群中，男性工资水平明显高于女性。

图1 不同性别的工资密度曲线

从图2可见，无论男性还是女性，随着学历水平的提高，其工资收入均会不断增加。其次，在每个学历水平下，男性平均月收入一直比女性高，并且随着学历水平的提高，男女性收入差距会逐渐增大，在研究生及以上学历水平时，男性与女性月平均收入的差距达到最大值。

图2 不同学历水平性别工资差距

由以上分析可得：男性就业者与女性就业者的受教育水平几乎达到一致，但无论从工作经验、党员占比以及健康状况，男性都要优于女性，这极可能是导致男性工资高于女性的主要因素。但是女性的工作经验和健康状况分别为男性的94.74%、97.44%，差距不是特别明显。相比于以前的研究结果，说明男性与女性人力资本的差距正在逐渐缩小。按照传统工资理论，性别工资差异应该随着两性人力资本差距的缩小而不断减小，而现实却并非如此，女性的工资水平才达到男性工资水平的67.50%。

2 实证检验

基于Mincer方程的回归分析结果，并添加影响工资收入的相关变量，增加模型结果的可信度，从教育回报率视角对男女性别工资差异进行分析。

2.1 基础Mincer方程回归

教育回报率的度量方法一般采用明瑟(Mincer)收入函数法[13]，其基本形式如下：

lnw=β0+β1edu+β2exp+β3exp2+μ

(1)

其中：lnw是工资收入的自然对数，edu是受教育年限，exp是工作经验，μ为随机扰动项。根据此方程，分别对两性样本以及总体样本进行回归分析，得到如表3所示的回归结果。

由表3可知：在只考虑“受教育年限”和“工作经验”这两个解释变量的条件下，无论对于男性样本、女性样本还是总样本而言，参数均通过了显著性检验，并且系数均为正，说明受教育年限的增加和工作经验的累积对我国城镇居民收入有显著的促进作用，受教育程度越高，工作经验越丰富，则更有机会获得更高的收入。其次，男性的教育回报率为9.73%，女性的教育回报率为9.59%，两者十分接近，但是男性的经验回报率是女性的两倍，说明经验的累积对男性工资的促进作用更大。

表3 基础Mincer方程回归结果

2.2 不同学历水平的扩展Mincer方程回归

为了避免其他控制变量对教育回报率的影响，结合相关研究文献，在上述模型中融入“婚姻状况”“政治面貌”和“健康状况”这几个虚拟变量。受教育年限这一解释变量是由问卷数据进行估算得来，考虑到估算的不准确性以及更进一步研究受教育程度的高低对教育回报率的影响，本文用“不同学历水平”这组虚拟变量来替代“受教育年限”，分析不同学历水平就业者的教育回报率，进一步揭示造成性别工资差异的主要因素。

这里的基础对照组是没有受过教育、未婚、非党员以及健康状况为不健康/一般的人群。将其余虚拟变量引入回归方程：

(2)

其中，αi表示不同学历水平下的教育回报率。这里要注意的是，不同学历水平下的教育回报率是纵向比较的，只能反映与基准变量的比较结果，因此对回归系数进行处理，以便使不同学历程度下的教育回报率可以横向比较。各学历水平下年平均教育回报率

ri=αi/edui

(3)

式中，ri为学历为i层次就业者的年平均教育回报率。根据扩展Mincer方程，对样本总体、男性样本和女性样本分别进行分析，结果如表4所示。

表4 扩展Mincer方程回归结果

从表4的分析结果可知，从整个样本情况来看，学历水平为私塾和小学、婚姻状况以及个人的政治面貌，并不会对就业者的收入带来显著性的影响。除此之外，其余每个解释变量的回归系数均是正数，说明对整个样本而言，学历水平提升、工作经验的增加和个人的健康状况对就业者的收入都存在一定的促进作用。从整个回归方程来看，将学历水平作为虚拟变量引入回归方程，并考虑婚姻状况、政治面貌和健康状况这些变量后，调整的R2由原来的0.197增加到0.210，说明扩展Mincer方程能够解释工资收入的更多变化。

从男女两性的样本回归结果来看，无论是对于男性就业者还是女性就业者来说，初中及初中以下的学历水平的回归结果在0.05水平下均没有通过显著性检验，说明该学历水平并不会对工资收入产生显著的影响。其次，高中及以上学历水平的回归结果均通过了显著性检验，并且学历越高，估计系数值越大，说明对男女性就业者而言，高中及以上学历水平会对收入有一定的正向作用，并且随着学历水平的提高，就业者更易获得更高的薪酬待遇收入。比较两性样本的回归结果，不同学历水平下女性的教育回报率均高于男性，高学历的女性就业者比男性会获得更高的教育回报。从婚姻状况来看，对总体样本来说，结婚与否对就业者工资收入的影响并不显著，但对两性分别的回归结果来看，婚姻状况对两性的影响方向相反，即已婚男性比未婚男性更容易获得更高的工资收入，而对于女性而言，已婚身份可能对其收入产生负向的影响。这可能与现实生活中女性比男性在婚姻家庭生活中会付出更多的时间和精力有关。从健康状况来看，如果就业者拥有更好的健康状况，其工资收入也会有相应的增加。

为了使各学历水平下的教育回报率横向可比，通过式(3)计算得到各学历水平的年平均教育回报率。年平均教育回报率的计算结果见表5。

表5 不同学历水平的年平均教育回报率 %

表5仅展示了上述回归分析中产生显著影响的学历水平变量。可见随着学历水平的提高，男女两性的年平均教育回报率都会不断增加，表示高学历水平会带来更高的教育回报率，从而更有可能为就业者带来高收入。女性的年平均教育投资回报收益率在不同学历水平上均高于男性，说明学历对女性就业者收入的影响比男性更大。其次，在大学本科学历水平上，男女两性的年平均教育回报率的差距最大，说明本科学历对于女性就业者的工资收入有着较大的影响。从年平均教育投资回报收益率的增长率来看，大学专科教育对男性就业者教育回报率的提升更为明显，而大学本专科教育对女性就业者教育回报率的提升更多。除此之外，硕士生教育对两性的教育投资回报收益率的提升也是十分明显。

2.3 扩展Mincer方程的无条件分位数回归

随着学历水平的提高，就业者的工资收入会得到相应的增加，女性的教育回报率在各个学历水平下皆高于男性。然而，前面得到的结果只能反映各解释变量与被解释变量间在平均水平上的关系。为了直接得到解释变量对被解释变量在各分位点下的一般异质性影响，采用RIF无条件分位数回归模型做出进一步的分析。与上述模型不同的是，其再中心化影响函数RIF取代了被解释变量Y[14]。在分位数条件下，RIF回归函数可以被重新定义为：

(4)

式中：qτ为lnw的无条件分位数，fln w(qτ)为lnw的概率密度函数。估计过程中qτ可由样本分位数代替，用非参数方法得到lnw的密度估计。则RIF无条分位回归模型为：

(5)

为了比较RIF无条件分位数回归与均值回归的分析结果，首先展示0.5分位点下无条件分位数回归方法的估计结果(表6)。

表6 扩展Mincer方程的无条件分位数回归结果

将表6的回归结果与表4相比较可知，在0.05显著性水平下，对于整个样本而言，无条件分位数回归结果显示初中学历和健康状况并不会对就业者的收入带来显著性的影响，其余变量的回归结果与前文相似。从男女两性的样本回归结果来看，大学专科及以下的学历水平不会对男性的工资收入产生显著的影响，高中及以下的学历水平对女性的工资收入不会产生显著的影响。这一结论与均值回归结果有着较为明显的差异。无条件分位数回归结果显示，学历对工资收入的影响对于男女性就业者而言都提高了一个层次。造成这一结果的原因可能是各学历变量间存在的相关性导致均值回归估计的不准确，但无条件分位数回归正好直接得到某一学历水平对工资收入的一般边际影响，因此其回归结果可能更为可靠。

由表6的回归结果可知，大学本科及以上学历教育对男性工资收入有着一定的促进作用，而大学专科及以上的学历教育对女性而言就会产生积极的正向作用，此外，女性的教育回报率还是明显高于男性。工作经验的累积对男女两性的工资收入也有着一定的促进作用，且男性的工作经验回报率高于女性。婚姻状况虽然对男女两性都有着显著的影响，但是对男性起到一定的促进作用，而对于女性则会产生一定的抑制作用。健康状况仅对男性就业者的工资收入产生正向影响，而对女性不会产生显著的影响。

Mincer扩展方程中对被解释变量有显著影响的变量在不同分位点下的系数估计见图3。

图3 不同分位点下无条件分位数回归的系数估计图

由图3可知，从学历水平来看，男性和女性就业者的学历水平越高，越有可能获得更高的工资待遇。在各个分位点下女性的教育回报率明显大于男性，大学专科和本科的系数估计值在中低分位点更大，研究生及以上学历变量的系数估计值在高分位点更大，说明大学专科和本科教育对中低收入男女性就业者的影响更大，而研究生及以上教育对高收入就业者的影响更为明显。

从工作经验来看，随着分位点的增加，男性工作经验对收入的影响逐渐降低，而女性工作经验对收入的影响呈现波浪形的特征，表示工作经验的累积对低收入男性工资带来的促进作用更大，对高收入女性工资的促进效果更为明显。

从婚姻状况来看，结婚与否对男女性就业的影响全然相反，在各分位点下，婚姻状况的系数估计值对男性而言一直是正数，而对于女性而言却一直是负数，这说明无论在何等收入水平下已婚身份会对男性的工资收入产生一定的正向影响，而不能给女性带来更高的收入，甚至还可能对女性就业者的工资收入产生一定的抑制作用。

从健康状况来看，由于这一变量仅对男性样本而言是显著的，因此只分析其对男性就业者的影响。良好的身体状况对男性就业者的工资收入有着积极的促进作用，但这种作用会随着分位点的升高而逐渐减弱，说明良好的健康状况对低收入男性而言尤为重要。

3 结论与启示

3.1 结论

1)性别、学历水平、工作经验、婚姻状况以及健康状况是我国城镇劳动力市场中影响工资水平的主要因素，影响就业者薪酬待遇水平的因素大致相同，其最关键的因素还是学历水平和工作经验，说明人力资本的提升有助于薪酬待遇水平的增长。

2)各学历水平下女性就业者的教育回报率均高于男性，说明教育对女性工资收入的增长有着更为积极的意义。其次，对于中低收入的男女两性就业者而言，大学本专科教育更为重要，而对于高收入的就业者来说，研究生及以上教育尤为重要。

3)婚姻状况对男性和女性就业者的影响完全相反，传统的男主外女主内的家庭观念使得婚姻关系对男性收入的影响具有积极的促进作用，已婚女性由于把较多时间精力花费在家庭生活，使其丧失获得更高收入的一些机会，所以已婚身份对女性工资收入会产生一定的抑制作用。

3.2 启示

1)虽然女性职工的教育回报率已经超过男性，但其工资仍然普遍低于男性，造成这种现象可能是由于男性经验回报率高于女性，从而导致男性的人力资本比女性高。另一方面，女性在劳动市场中遭受到了歧视。

2)婚姻状况对男女两性的影响截然相反，其对男性产生正向的促进作用，而对女性产生一定的抑制作用。因此政府在鼓励女性接受更高等教育的同时，应增加更多的就业机会，提供更多劳动技能培训，让女性累积更多工作经验，从而全面增加女性自身的人资资本，进而缩小性别工资差异。其次，家庭社会应转变传统家庭的思想观念，让女性从家务劳动中解放出来，让女性就业者有更多的时间和精力去积累自身的人力资本，从而有机会和能力去获得更高的工资收入。