大学生劳动力市场性别工资差异问题研究.doc

大学生劳动力市场性别工资差异问题研究
马长琼方良静
【摘要】本文根据麦可思公司的调查数据，利用海克曼——戴蒙德(Heckman—Daymont)模型，考察了中国大学生劳动力市场上的性别工资差异问题。研究发现，大学生劳动力市场上存在性别工资差异问题。因此，政府有必要强化《劳动法》中有关规定，加强对就业者权益的保护，女大学生还应该提高工作能力，提升就业竞争力。
【关键词】性别歧视；工作能力；Heckman—Daymont模型
劳动力市场工资差异和歧视现象在世界各国和地区都不同程度地存在。所谓“歧视”是指具有同等生产率特征的劳动者因种族或性别而在劳动力市场上受到的不公正待遇。事实上，种族或性别特征对劳动生产率并无影响。然而，现实中的劳动者并不是同质的，未观察到的个体异质性——认知和非认知能力、家庭背景、受教育环境和对未来劳动力市场运行的预期等，将直接影响劳动者在劳动市场上的表现及其回报。
一、国内外相关研究文献综述
国外有关大学生性别工资差异与歧视的研究，大多利用欧克斯卡——布兰德(Oaxaca—Blinder)分解技术，将工资差异分解为两部分：可解释的生产率特征差异所引起的工资回报不同和难以解释的非生产率特征导致的工资差异，也常被称为工资歧视。[1][2]由于未观测到的个体异质性将高估性别工资歧视，后续研究更加侧重于减少相关变量遗漏。戴蒙德等(Daymont&Andrisani)探讨了工作偏好和大学专业对性别工资差异的影响，发现工作偏好和大学专业解释了大学生毕业3年后小时工资性别差异的1/3-2/3。乔伊(Joy)对大学毕业生的性别工资差异分解后发现，劳动力市场变量(工作单位、行业、工作时间、工作搜寻等)对工资差异的影响胜过教育变量(家庭背景、专业、总学分、GPA等)；而且，性别工资差异中不能被劳动力市场变量和教育变量解释的部分高达75%。
国内有关大学生性别工资差异的代表性定量研究主要有：张世伟和郭凤鸣依据东北城市劳动力市场的微观数据研究表明，存在着明显的性别工资差异。[3]宁光杰对劳动者的工资性别差距进行测度和分解，研究发现，在控制个人特征和单位特征后，男性劳动者的小时收入比女性劳动者高23.8%，考虑就业选择偏差后的工资性别差距更大一些，达25.2%。[4]由于劳动者特征差异形成的工资差异很小，而且往往是女性由于个人特征占优而有助于缩小差距。差异的更大部分是由收益率差异造成的，这在一定程度上反映了性别歧视的存在。彭竞的研究表明，女性的高等教育回报率普遍高于男性，但其工资收入仍低于男性。生产力因素可以解释性别工资差异中的1/4部分，但歧视仍是性别工资差异的主要原因。[5]
由此可见，上述的研究结论并不一致。而且在研究对象选择上存在不一致。事实上，大学生毕业半年后的工资才比较真实，就业相对稳定，而其工作经验和在职培训的性别差异小。从现有文献的研究方法来看，他们直接用最小二乘法(OLS)回归对男女混合样本估计工资方程，并依据工资方程中性别变量系数的符号和大小，来判断性别工资歧视。这种传统研究方法存在着以下不足：一是高估性别工资差异。在对男女混合样本的OLS回归中，对所有控制变量估计了同一系数，即假定了男女大学生的人力资本投资回报率、职业分布和行业分布等方面相同，这与已有研究成果相违背。二是缺乏对性别工资差异的分解，将性别工资差异等同于性别工资歧视，高估了性别工资歧视。事实上，性别工资差异并不等于性别工资歧视，性别工资差异中有一部分是由于禀赋(个体特征)差异造成的。因此，利用更新、综合性、全国性、大样本和不同年份的调查数据，克服上述研究的不足，既是本文的研究目的和重点所在，也将是本文的贡献之处。
二、研究方法和数据来源
本文首先采用海克曼(Heckman)样本选择模型处理大学毕业生工资方程中因未观测到的个体异质性——尤其是能力变量遗漏导致的内生性。[6]模型设置如下：

其中，WAG代表调查期间大学毕业生的月工资水平，X代表个人特征和生产率变量组成的向量，β代表系数向量，μ代表随机误差项。JOB是大学毕业生被调查时是否处于就业状态的二分类变量，Z是影响其就业状态的变量组成的向量，γ代表待估计的参数向量，ν是随机误差项。引入MYCOS工作能力指数作为能力的代理变量。
Heckman指出，μ和ν都包含未观测到的个体异质性，二者之间存在相关关系。令μit=ρtνit+∈it代人1式，并取条件期望，E(｜Xit,Zit,JOB=1)=βtXit+ρtλit(2式)。
为测度性别工资差异与歧视，即βtXit+ρtλ=Witηt，分别估计男女大学生工资方程中的参数及相应变量均值tjW，再根据Blinder—Oaxaca研究将性别工资差异分解为：-=Wtmηtm(wtm-wtf)ηtm+Wtf(ηtm-ηtf)(3式)。方程等号右侧第一项常被称为