旅游职业的计算机技能与工资极化

郭 为 王 静 康 悦

（青岛大学旅游与地理科学学院，山东青岛 266071）

0 引言

伴随着互联网、人工智能、大数据等一系列新技术在旅游业的不断应用，旅游产业与新技术的融合日益加深，无人智能酒店、自动售票机、云旅游、云展览等智能化现象不断涌现，而这必然会改变劳动力市场对旅游人力资源的配置，从而导致旅游劳动者工资结构的调整，其中一个重要表现是工资极化。国内外研究者相继发现，技术进步是产生工资极化的重要原因（Dunne et al.，1992；Juhn et al.，1993；Aghion et al.，1994；Bound et al.，1992；宋冬林 等，2010；张俊 等，2014），对技能水平高、受教育程度高的工人的需求增加导致了工资上升，而对技能水平低、受教育程度低的工人的需求减少导致了工资下降（Acemoglu，2002a；Autor et al.，2013）。这种极化现象主要集中在制造业等传统行业（Siegel，1998；1999；Bresnahan，1999；Lee，1999；Acemoglu et al.，2000；Acemoglu，2002b；吕世斌 等，2015；韩民春 等，2020；何勤 等，2020），而服务业如旅游行业是否也存在类似的极化现象尚不明确，也鲜有研究者关注。

不同于制造业和其他服务型行业，旅游业涵盖“食住行游购娱”6 个方面，使得旅游从业者之间的工资收入波动范围较大（郭舒 等，2020），有时难以确定其具体的变化规律。更重要的是，因为就业门槛低，旅游业成为各类人员进出劳动力市场的“蓄水池”，旅游就业的极化现象在反映服务业工资结构时具有一定的代表性。因此，本文以中国情境下的旅游从业者为研究对象，利用相关职业数据探讨计算机自动化背景下职业技能对旅游从业者工资的影响，观察旅游业是否存在工资极化现象及其极化的特点，力图发现旅游行业劳动力市场工资结构的变化规律。

1 文献综述

1.1 计算机自动化与工资极化

20 世纪初，计算机的前身——打字机被引入办公室（Beniger，2020；Goldin et al.，1995；Cortada，2000），极大地降低了信息处理成本，同时增加了对受过教育的办公人员的需求（Goldin et al.，1995）。相关研究表明，20 世纪60 年代至20 世纪80 年代，工资、就业变化与技能、技术变化有关（Bound et al.，1992；Katz et al.，1992；Levy et al.，1992；Juhn et al.，1993）。尤其是，计算机的资本化似乎对那些在工作场所使用计算机的工人的工资有着积极的影响（Krueger，1993；DiNardo et al.，1995）。美国高技能工人的工资溢价显著（Juhn et al.，1993）。而计算机行业对低技能者的需求及低技能者的相对工资都在下降（Berman et al.，1994；Berman et al.，1998）。这种对计算机技能需求增长的现象在发达国家普遍存在（Berman et al.，1998）。

20 世纪90 年代，英国（Goos et al.，2007）、德国（Dustmann et al.，2009）和北欧国家（Asplund et al.，2011；Adermon et al.，2015）的劳动力市场均出现了两极分化现象，即收入高低两端的就业量增加。为此，Autor等（2003；2006）结合职业与计算机自动化提出的“程式偏向型技术进步”理论（Routine-Biased Technological Change，RBTC）可以用于解释该现象。该理论认为，人力资本具有特定的职业属性（Shaw，1984；1987；Kambourov，2009），人工智能可以使特定职业中的任务自动化，而这部分职业主要集中在职业任务可编码的中等技能方面。随后，职业在工资不平等的研究中变得越来越重要（Autor，2011），也更有助于解释“就业极化”现象（Goos et al.，2007；Autor et al.，2008）。例如，Autor 等（2013）发现，职业计算机化导致分布在中间收入层的劳动力相对就业率出现下降。1980年—2005年，美国底层服务业的劳动者工作时长平均增长了约30%（Goos et al.，2009）。

计算机自动化是技术进步的最新阶段，目前国内对计算机自动化与就业的研究主要集中在两个方面：第一，总结国外在该领域的研究进展（王君 等，2017；段海英 等，2018；杨伟国 等，2018；张鹏飞，2018）；第二，从理论上梳理计算机自动化（人工智能）对就业的影响并利用宏观数据加以证明（蔡跃洲 等，2019）。但是，相关研究的焦点主要在就业结构和不同结构中总量的变化上，虽然有研究探讨了工资极化问题，但关注点并不在技术进步上，而是聚焦于城镇化内部（张奎 等，2009）、农民工群体（屈小博，2015）等。例如，吕世斌等（2015）和赵渊博（2019）都认为制造业存在工资“极化”现象，但前者认为极化来自产业结构升级和对外直接投资；后者的观点更接近于早期的单极化现象，认为原因在于高低技能从业者的就业比重，而不是职业的计算化程度。本文一定程度上填补了国内职业技能的计算机化与工资极化研究的空白。

1.2 计算机自动化与旅游业工资极化

近10 年来，因劳动力短缺、人力成本攀升和计算机自动化（如人工智能）飞速发展，机器对劳动力的替代日渐加剧（Walton et al.，2014）。结构性失业开始涌现，非正规就业增加，该现象逐步从制造业扩散到服务业（Makridakis，2017）。非正规就业总量的增加和种类的多样化成为工资极化的主要表现（Goos et al.，2009）。

进入21世纪后，国内旅游业迅速发展，非正规就业总量激增，同时伴随着低工资水平的出现（郭为 等，2014）。旅游业进入门槛低，涵盖“食住行游购娱”六要素，与其他行业关联紧密（厉新建，2004），因此，旅游行业工资结构的变化具有一定代表性。随着人工智能技术的发展，计算机自动化（人工智能）开始在旅游业中得以运用。例如：利用大数据，景区可以提前对游客进行分流管理；阿里旗下的飞猪旅行推出了无人酒店。现阶段从经验观察来看，计算机自动化（人工智能）直接减少了酒店等旅游企业一线员工的使用量，对在职员工的工资水平也构成了直接的压力（孔令楠，2018）。技术进步对工资的影响一直存在（Gordon，2012），旅游行业一线员工的工资也普遍偏低（郭为 等，2014），但鲜有研究关注旅游行业的低工资现象与旅游职业中工作任务可计算机化的关联。基于此，本文没有笼统地讨论技术进步对工资的影响，而是将技术进步融入职业，结合职业的特性去考察其对工资的影响，有望为行业工资研究方法做出贡献。

2 计算机自动化影响工资极化的机理

2.1 职业任务的计算机可编码对工资的影响

同一职业中任何从业者提供的服务都具有一定程度的可替代性，这种职业间有限的可替代性是由于不同的职业技能而产生的（Gordon，2012）。每个职业的从业者都要执行一系列多重任务，特定职业技能的不可分性限制了劳动分工（Rosen，1983）。因此，从业者通常会执行一系列关联任务，而不是专门从事某一项任务（Levy et al.，1992）。考虑到一部分服务的程式化性质，计算机能够将这些工作不同程度地自动化（Osborne et al.，2012）。不同职业的从业者因为工作任务的不同性质，其工作会受到计算机的影响，进而影响从业者的工资水平（Autor，2011；Autor et al.，2013）。

2.2 互联网对自动化的调节效应

互联网与计算机紧密相关。互联网对计算机自动化影响工资的调节效应主要表现在以下四个方面：第一，分布式架构和云计算进一步提高了计算机处理任务的能力（Makridakis，2017）；第二，互联网可以获取资源和信息，进一步通过计算机提高劳动力的生产率（Walton et al.，2014）；第三，互联网使计算机的利用时间、地点和方式更加灵活，能够增加劳动力的有效供给（Krueger，1993），减少行业和职业的隔阂（DiNardo et al.，1995）；第四，互联网作为新兴信息技术，具有技能偏向，它的出现可能对高技能、高学历的劳动者影响更大（王爱民 等，2014；马俊龙 等，2017；华昱，2018）。因此，可以看出，一方面，在互联网影响下，不同技能劳动者的参与率和生产效率得到提高（Kambourov，2009）；另一方面，互联网使得高技能劳动者可选择的职业类型增多，进一步提高了高技能劳动者的工作质量，最终对不同技能劳动者的工资差距造成影响（Adermon et al.，2015）。

2.3 职业技能的中介效应

劳动者通常利用他们的技能去完成各项工作任务来换取工资（Bessen，2012）。因此，技能会对个人的工资收入产生显著的影响。有研究者指出，教育是影响个人技能水平的主要因素。当个人的受教育程度较高，其具备的技能也相对较高，进而可以获得较高的工资收入（Murphy et al.，1992；Goldin et al.，2009）。此外，工作经验也是影响个人技能高低的另一重要因素，一个人在工作中积累的工作经验越丰富，在执行任务时也就越熟练，掌握的技能就越高（Katz et al.，1992），进而影响工资水平。

3 数据、变量与描述性说明

3.1 数据来源

本文使用的数据来源于中国综合社会调查（Chinese General Social Survey，CGSS）。CGSS始于2003年，是我国最早的综合性、全国性、连续性学术研究与调查项目。CGSS问卷由中国人民大学中国调查与数据中心负责执行，系统地收集了全国31 个省（区、市），125 个县（区），500 个街道（乡、镇），1000 个居（村）民委员会中1000户家庭中的个人相关数据，已成为国内研究中最主要的数据来源之一①数据来源于中国综合社会调查网，网址为http：//cgss.ruc.edu.cn/。。

该数据涵盖了社会人口属性模块和劳动力市场模块，主要内容包括受访者的性别、婚姻等各类人口统计学特征，受访者工作的基本情况，工作单位的所有制性质等方面。为了确保研究结论的可靠性，本文合并了2010 年—2013 年、2015 年和2017 年的数据，合并后的样本量有64157 个。本文的研究对象为旅游业②旅游业是以旅游资源为凭借、以旅游设施为条件，向旅游者提供旅行游览服务的行业。狭义的旅游业，在中国主要指旅行社、旅游饭店、旅游车船公司及专门从事旅游商品买卖的旅游商业等行业。广义的旅游业，指除专门从事旅游业务的部门以外，还包括与旅游相关的各行各业。本文采用的是广义的旅游业定义。，根据受访者当前的职业编码，并参照《国际标准职业分类（ISCO-08）》和《国家旅游及相关产业统计分类（2018）》，选取了与旅游相关的职业和个体。这些个体包括正式的酒店工作人员如饭店总经理、办公室职员、保洁员等，也包括景区服务人员、街头摊贩甚至街头画家与歌手等。我们剔除了CGSS 问卷中标示的无效样本和小时工资低于1 元的样本。最终，本文使用的样本集有两个，第一个用于描述行业的典型特征，只包含一个工资变量，共有样本5732 个①2010 年获得旅游类职业32 个，样本1087 个；2011 获得旅游类职业33 个，样本501 个；2012 年旅游类职业41个，得到样本1124个；2013年旅游类职业42个，得到样本1203个；2015年获得旅游类职业37个，样本1096个；2017年获得旅游类职业52个，样本721个。。第二个用于回归分析，包含所有回归中的变量。该样本集在第一个样本集的基础上，选取了18岁以上65岁以下的受访者。剔除无效数据后，共有5331个样本。

3.2 变量的解释

被解释变量为受访者小时工资，主要依据CGSS数据中受访者个体全年的职业收入和一周工作的小时数，通过计算得到受访者每小时的工资，然后取对数表示。

关键解释变量是劳动者个体具备的技能，按照职业属性和工作任务要求②具体见3.4节行业工资的典型性特征。，本文将旅游相关职业划分为低、中、高三类技能，分别用虚拟变量1、2、3表示。

控制变量有三类，包括个体特征、工作特征和地区特征变量。个体特征变量包括性别、婚姻、受教育程度、工作经验及工作经验的平方。工作特征变量包括是否为管理岗位、工作单位的所有制性质（宋林 等，2020）。地区特征变量，借鉴李磊等（2019）的研究，本文按照地区经济发达程度进行区域划分。上述变量的详细描述如表1所示。

表1 变量名称及其含义

3.3 变量的描述性统计

如表2 所示，受访者小时工资均值为2.509，说明旅游行业整体工资仍处于较低水平。受访者技能的均值为1.489，说明旅游从业者具备的技能水平仍较低，低技能劳动者在劳动力市场所占比例较大。个体特征变量中，男性占比51.2%，略高于女性；已婚人数占比83.1%；受教育程度均值为10.821，说明大部分个体学历教育集中在高中阶段；工作经验最小值为0.000，最高为59.000，均值为23.412，表明大多数受访者的工作经验比较丰富。工作特征变量中，处于管理岗位的个体占比23.6%；工作单位所有制性质的均值为2.640，说明从业者的工作单位大多是集体所有或私营企业。地区特征变量中，受访者所处地区的均值为2.045，说明受访者大多处于经济发达程度一般地区。在稳健性检验中，受访者全年总收入对数的均值为10.167，尽管受访者的平均小时工资处于低水平，但是全年总收入较高，说明部分旅游从业者在正式工作之余还从事兼职工作。学历等级的均值为1.757。有59.9%的受访者在工作中使用互联网，占比超过半数。

表2 变量的描述性统计

3.4 行业工资的典型性特征

现有大多数研究已表明，旅游业是一个低技能、劳动力相对密集、工资收入较低的行业（张小利，2014；左冰，2018；李凯 等，2020）。这些结论的得出通常基于研究者的问卷调查（王尔大 等，2016；李春梅 等，2019；李涛 等，2021）。但是，已有的问卷调查通常存在以下3个方面的缺憾：第一，典型的地域性。这些问卷一般集中在某个地区发放。第二，时间的局限性。这些问卷通常集中在某个时间段发放。第三，样本容量的有限性。考虑到发放成本等问题，这类问卷样本量通常较少，缺乏足够的代表性。

为了刻画不同技能职业的工资特点，本文对第一个样本集（5732 个样本点）进行职业分类。根据《中华人民共和国职业分类大典（2015 年版）》，并借鉴Autor 等（2003；2006）的做法（见表3），本文以职业及职业对应的任务为基础，结合任务完成中需要的技能——任务计算机可编码内容，将旅游职业分为低技能、中等技能、高技能职业三类（见表4）。通过每类职业平均小时工资的年度分布、不同年份之间的比较、平均增长率的变化，我们可以观察到旅游业从业人员工资的极化情况。

表3 计算机自动化对工作任务的影响和工作任务的分类

表4 依据任务可计算机编码划分的不同技能职业类型

图1 展示了2010—2013 年、2015 年、2017 年，低技能、中等技能、高技能职业每一年的平均工资分布情况。可以看出：第一，总体来看，旅游业工资存在两极化现象，但两极化不明显。第二，两极化的底部分化并没有出现在中等技能的职业区域，而是出现在低技能中的某些职业。这是与西方研究者关于极化研究最明显的差异（Katz，1999；Autor et al.，2006；Autor，2011）。第三，中等技能职业的工资始终处于右边上升阶段，说明工资分配仍然偏向于中高级技能。

图2展示了考察期内三类不同技能职业平均工资的分布情况（左图）和小时工资增长率的分布情况（右图）。可以发现：第一，图1 的结论依然存在，但更多地表现为一种强单极化趋势。第二，低技能职业的平均工资增长率略快于中高技能职业，中等技能职业工资增长最慢。所以，综合图1和图2的结论。本文得出，旅游从业人员的绝对工资主要表现为弱两极化，强单极化特征，工资主要偏向于中高技能职业，但从增长率看，工资存在两极化的趋势，即工资增长开始由中等技能职业向低技能职业和高技能职业倾斜。

图1 不同类型职业的平均工资分布

图2 不同技能职业的平均工资与平均工资增长率分布

4 基准模型分析

4.1 职业技能对工资的回归分析

为了验证劳动者具备的职业技能对工资水平的影响，以及旅游行业劳动力市场工资两极化现象的存在，本文借鉴技能偏向型理论关于技能的处理方法（Autor，2011），将基准模型设置为如下形式：

其中，lnwageit表示t时期i个体工作一小时的工资收入，取对数表示；skilledit是本文的关键解释变量，即劳动者具备的职业技能，分别用虚拟变量1、2、3表示。Xit表示控制变量，包括性别、婚姻、受教育程度、工作经验、工作经验的平方、是否为管理岗位、个体所在工作单位的所有制性质，以及个体所处地区的经济发达程度。α、β、γ为待估参数，εit表示随机扰动项。由于劳动者的个体收入存在较大差异，分层比较明显，如果只用线性回归模型，会导致回归结果出现偏误。因此，本文借鉴王芳（2021）的研究，采用分位数回归的方法，对小时工资的对数进行分段，充分考虑关键解释变量对被解释变量各层次的影响。同时，相比线性回归模型，在分位数回归中将随机扰动项的绝对值进行加权平均，结果更加稳健。具体在分位数选择上包括10%、15%、25%、50%、75%和95%分位数。

表5 报告了分位数回归的结果。以低技能为参照组，中等技能对除0.95 分位数外的其他分位数工资具有影响，在1%水平上统计显著；高技能提高了所有分位数工资，在1%和5%水平上统计显著。中等技能对工资的提高效应集中在低分位数工资，高技能对工资的提高效应集中在高分位数工资。与中等技能的高分位数工资相比，高技能在高分位数对工资的边际效果更大。工资提高效应集中在高技能的高分位数上，这说明工资具有强单极化倾向和技能偏向。具体来看，在0.10分位点时，中等技能和高技能对个体工资收入水平分别有23.1%和19.0%的促进作用，而在0.95分位点时分别为4.7%和29.2%。这一结论也验证了图1和图2中观察到的结果。

表5 职业技能的分位数回归

4.2 稳健性检验

在控制了劳动者个体特征、工作特征和地区特征后，旅游从业人员的工资具有强单极化倾向和技能偏向。但是这些规律可能是不稳健的，具有一定的偶然性。为了进一步确保该研究结论的稳健性，本文将被解释变量替换为受访者个体全年收入，然后取对数，重复基准模型的回归。

表6报告了稳健性检验的回归结果。以低技能为基准，中等技能在0.10、0.15、0.25、0.50 的分位点上均对劳动者个体的总收入水平存在正向促进作用，在1%水平上统计显著。高技能相对于低技能来说，其边际系数在各个分位点上均为正，在1%水平上统计显著。尤其，高技能在高分位数工资上边际效应更高，说明工资的技能偏向与强单向极化。这与基准模型的结论一致。因此，在进行稳健性检验之后，即使个别分位点的回归结果与基准模型有所差别，但是就总体而言，其结果仍和基准模型保持一致，说明工资极化的研究结论是可信的。

三峡翻坝高速公路地处鄂西山区，主线全长56.7km，共有隧道13座，占主线全长的39.8%，隧道病害处治方案合理，工程质量管理得当，对运营期高速隧道施工管理具有重要意义。本文在对季家坡隧道YK13+800、YK14+290附近路段的路面起拱、二衬裂缝等病害发生、病害成因及病害处治方面介绍的基础上，对施工过程中的管理措施进行了总结，为其他山区高速公路隧道养护工作中的病害判别和施工方案提供了参考。

表6 稳健性检验

5 进一步分析

5.1 互联网对技能的调节效应

借鉴杨柠泽等（2019）的研究，本文从CGSS 数据中提取互联网使用这一变量，即询问受访者“过去一年互联网（包括手机上网）的使用情况”，其选项包括“从不”“很少”“有时”“经常”“总是”。根据本文的研究需要，将其转化为二分类变量，将答案为“从不”和“很少”的视为受访者不使用互联网，编码为0，而其余选项视为受访者使用互联网，编码为1。在此基础上，本文将互联网使用与劳动者技能进行交互处理，重新进行分位数回归。

表7报告了互联网对技能调节效应的分位数回归结果。以不同技能水平的受访者不使用互联网为基准组，低技能劳动者使用互联网对工资水平有显著的正向调节作用，分别在1%和5%水平上统计显著。在中等技能劳动者群体中，互联网与技能交互项在各个分位点上均正向影响工资水平，在1%水平上统计显著。同时，中等技能和互联网的关联作用要大于低技能和互联网的关联作用。在高技能劳动者群体中，技能和互联网的联合作用在除0.95 的其他分位点上均显著正向影响劳动者工资水平。上述结论进一步说明了工资是偏向技能的，工资极化可能是由职业技能导致的。

表7 互联网对技能调节效应的分位数回归

5.2 年龄异质性

为进一步探究职业技能在不同年龄段上的差异性，本文借鉴Krueger（1993）的研究，将CGSS 数据中受访者的年龄划分为不同的年龄段，分别为18～24 岁、25～39岁、40～54 岁、55～65 岁，并将不同的年龄段重新编码为1、2、3、4，进行分组回归，观察工资极化在年龄结构上的异质性。

表8 报告了年龄异质性分位数回归结果。在对18～24 岁的劳动群体进行回归时发现，以低技能为基准，拥有中等技能和高技能劳动者对工资水平几乎没有影响，原因可能是这一年龄段的年轻人刚刚参加工作，还没有形成自己的职业技能。无法对工资极化产生影响。而本文在对其他年龄段的劳动群体进行回归时，发现相对于低技能而言，具备中等技能和高技能劳动者的工资水平均有所提升。尽管在个别分位点上技能对工资水平的回归结果不显著，但就总体而言，极化现象存在于25 岁至65 岁的各个年龄段。工资极化现象在不同年龄段上的表现不同，在25～39 岁这一年龄段的群体中，中等技能对中低分位数工资都有影响，高技能主要表现在高分位工资上。在40～54 岁的年龄段上，中等技能对中低分位数工资都有影响，高技能对全部分位工资上都有影响，但对低分位工资影响更大。在55～65岁的年龄段上，中等技能明显偏向低分位工资，高技能则明显偏向高分位工资。总体来看，年龄异质性现象是存在的，但具有中高技能偏向性。

表8 基于年龄异质性的回归分析

5.3 影响机制：技能的中介效应模型

研究发现，教育是影响个人技能水平的主要因素，也是衡量一个人技能高低的重要标准，当劳动力的受教育程度越高，其具备的技能也相对较高，被视为高技能劳动者（Murphy et al.，1992；Goldin et al.，2009）。此外，工作经验也是影响个人技能高低水平的另一重要因素，一个人在工作中积累的工作经验越丰富，在执行任务时也就越熟练，掌握的技能也就越高。本文分别将受教育程度和工作经验作为影响个人技能的重要因素纳入中介模型，并借鉴张莉娜等（2021）关于中介效应的应用，将基准模型修改为带中介效应的结构方程模型：

其中，Xit为控制变量，lnwageit是本文的被解释变量，skilledit是中介变量，educationit、experienceit、是影响中介变量的3 个因素。φ代表技能影响工资的直接效应，β、θ、ϕ是作用于中介变量的效应，总效应可表示为ω+β×φ+θ×φ+ϕ×φ。α、β、γ、θ、ϕ、ω、φ为待估参数，εit、μit、δit为随机扰动项。

表9 报告了中介效应的回归结果。首先，教育对技能的促进作用是0.068，即劳动者受教育的年限每增加一年，技能水平就会提高6.8%。其次，工作经验对技能的提升呈现U型效应，在1%的水平上统计显著，在初始，少量的工作经验会妨碍职业技能的提升，只有积累到一定的程度后，才能提升职业技能水平①这种情形可能和计算机技能相关。计算机知识专业性强，只有通过系统学习才能理解和掌握。单纯依靠少量的工作经验很难提高专业技能，甚至一些习惯性经验会妨碍个体理解和掌握这种计算机专业技能。。基于中介效应模型的研究分析，我们观察到劳动者具备的技能不受教育、经验等单一层面的影响，而是多个因素共同作用的结果。另外，结果显示，技能对工资的直接效应是0.163，说明劳动者的职业技能每提高一个层次，其工资水平就会提高16.3%。

表9 技能的中介效应模型

6 讨论：教育在职业技能上的挤出效应带来的工资极化

上述研究显示，职业技能导致了工资极化。职业技能是一种能力，是教育、工作经验等在个体身上的综合体现。其中，教育可能是影响职业技能最重要的因素。我们借鉴Acemoglu（2002a）、Goos 等（2007）和徐少俊等（2020）的研究，将受教育程度划分为低、中、高3个等级。我们观察到，高、中等教育水平的劳动者在职业技能上出现了逐级下移的情况，对中、低职业技能劳动者产生了挤出效应。

表10显示了低中高技能职业受教育程度的变化情况。结果显示，在低技能职业中，中等教育样本数937 个，占比29.0%，高等教育样本数294 个，占比9.2%。在中等技能职业中，高等教育样本数795 个，占比49.4%，中等教育样本数457 个，占比为28.3%。这说明中等教育和高等教育劳动者开始从高、中技能职业逐渐向中、低技能职业转移。

表10 受教育程度在职业技能上的变化

进一步地，我们可以站在时间线上看待职业教育结构的变化。如图3所示，在左图中，中等教育水平从业人员占30%左右，从2011 年开始，稳步上升，到2015 年略有下降。同样地，在中等职业技能中，高等教育水平的从业人员约占50%，2015年之后，明显上升。这说明高等教育向下挤出中等职业技能者，中等教育向下挤出低等职业技能者。通过这种挤出，低教育、低技能劳动者的工资收入水平更低，有些进入非正规就业市场或者失业。正是通过这种挤出效应，旅游行业内工资出现极化。

图3 低技能和中等技能职业中不同教育水平就业的年度变化

基于上述分析，本文将低、中、高受教育程度分别编码为1、2、3，将其与低等、中等、高等技能进行交互分类，以探究教育在职业技能中的挤出效应所带来的工资极化。表11报告了教育对职业技能挤出效应的分位数回归结果。以低技能、低等教育水平为基准组，低技能、中等教育水平仅在0.50分位点上显著，其余均不显著，说明工资弱双向极化的低点出现在该区域。这是教育在职业技能上不断向下挤出带来的结果。低技能和高等教育水平的交互项在1%水平上统计显著，说明高等教育水平能够提高低技能旅游从业者的工资。该结果解释了为什么在低技能职业中出现工资水平相对提高的现象（翘尾的现象）。中等技能、高等教育水平，高等技能、高等教育水平均正向提高了旅游从业者的工资水平，在1%水平上统计显著。这不仅说明了高等教育水平对工资的正向调节作用，同时也证明了在右边拖尾处工资出现了极速上升的现象，即工资倾向于高技能者的强单极化。

表11 教育对职业技能挤出效应的分位数回归

教育在职业技能上的向下挤出效应确定了在旅游行业中存在工资偏向技能的弱两极化现象，同时，教育在高职业技能上对工资的正向促进作用又提高了工资的强单极化现象。上述结论说明，工资偏向于高技能、高学历的人（Katz，1999；Autor，2011）。计算机技术使得一些受教育程度相对较高的劳动者被迫从事一些低技能的工作（Sicherman，1991；Chevalier，2000；Hartog，2000），导致工资极化的内容发生改变。

7 结论、建议与不足

本文利用中国综合社会调查（CGSS）中关于职业的数据，探究了旅游行业内存在的工资极化现象。主要有以下三点发现：第一，确认了旅游行业内存在弱双向极化和强单极化工资结构的现象；第二，揭示了职业技能是导致工资极化的主要原因，工资极化在年龄结构上存在异质性，互联网对工资极化存在调节效应；第三，教育在职业技能上存在“挤出效应”，通过从上到下的挤出，劳动者逐级被排挤出劳动力市场，形成工资极化。

基于上述结论，本文提出以下政策建议：第一，企业或政府部门要加强对员工或下岗人员的职业技能培训，提高劳动者的生产效率，从而客观上有利于工资的提高。第二，针对工资处于最低点的低技能群体，政府应当找到其工资无法提升的原因，做好他们的社会保障工作，从外部消除弱双向极化。第三，普及和夯实基础教育，消除员工在技术变化过程中转岗的难度；与企业合作，提高培训的针对性，调整低技能、中等技能、高技能劳动力的供需结构，使更多的劳动力成为技能型劳动力，遏制工资分配的强单极化趋势。第四，扩大互联网的覆盖范围，提高互联网的使用率，让更多的劳动者能够利用互联网平台进行在线学习和培训，增强劳动者的职业技能。第五，细化产业链和分工，让行业能够接纳更多技能型劳动力，让低技能、辅助性劳动者能够与技能型劳动者在工作中形成互补，而不是替代。第六，继续推进旅游业和其他产业的融合，利用其他产业的技术，让更多劳动者成为技能型劳动者，摆脱从业人员低技能的困境。

文章存在一些不足之处：首先，通过工作任务的计算机可编码将自动化与职业技能融合在一起并探讨其对工资的影响，容易产生自动化和职业技能是两个独立变量的误解；其次，计算机可编码是基于工作任务的程式化程度，而程式化程度虽然借助职业大典或具体职业分类中工作任务的细节说明能够判断，但仍然存在一定的主观性；最后，按照计算机可编码程度将职业分成低、中、高3个类别，显得过于简单和生硬。最佳的办法是计算不同职业可编码程度的概率，然后考察其对工资水平的影响，这也是我们后续要努力的方向。总之，技术正在改变和将要改变旅游行业，本文希望抛砖引玉，吸引更多研究者关注技术进步对旅游从业人员工资的影响。