张成
摘 要：本文利用CHFS2017年数据，基于Mincer方程对不同户籍劳动力的工资方程进行回归，得出农村劳动力和城镇劳动力的工资收入存在差距这一基本结论后，对两个群体的工资收入差距进行Oaxaca-Blinder分解，考虑到可能存在的内生性问题，利用倾向得分匹配方法来削减样本选择偏误。结果表明：农村劳动力在劳动力市场仍处于劣势地位，面临着约18.3%的户籍歧视，城镇劳动力拥有更高的教育回报率。
关键词：工资差异;户籍歧视;倾向得分匹配
中图分类号：F24 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2020.27.040
0 引言
1958年，全国人民代表大会常务委员会通过了《中华人民共和国户口登记条例》，我国的城乡二元户籍制度由此正式确立。建国初期，我国实行计划经济，城乡二元户籍制度确实发挥了历史作用。但十一届三中全会后，我国开始实行改革开放，随着经济不断改革、对外开放步伐不断加快，城乡二元户籍制度的弊端逐渐显现。这一制度严重阻碍了劳动力的自由流动，使“二元经济模式”在我国根深蒂固。农村劳动力由于没有城市户籍，在劳动力市场中長期处于劣势地位，这不仅体现在农村劳动力的工资低于城镇劳动力，还体现在农村劳动力无法享受与城镇劳动力相同水平的社会保障、就业机会等。
伴随着改革开放进程，我国实行了多次不同层面的户籍改革。我国劳动力市场是否存在户籍歧视？户籍改革对于缩小农村劳动力与城镇劳动力的差距是否发挥了作用？对于这些问题，国内学者进行了大量的研究，较为普遍的结论是：我国劳动力市场存在户籍歧视，户籍歧视在一定程度上会导致农村劳动力的工资收入低于城镇劳动力。但是，户籍歧视能够在多大程度上解释农村劳动力与城镇劳动力的工资收入差距，已有成果存在较大差异。苏群等（2017）基于2012年中国劳动力动态调查数据，采用分位数分解方法，从5分位到95分位对不同户口劳动力的工资差距进行分解，结果表明，工资差异造成的户籍歧视在40分位最低，为8.47%;在95分位最高，为35.26%。章莉等（2014）以2007年CHIP数据为基础，使用四种方法分解农民工和城镇职工的工资收入差距，其中，全样本分解结果显示农民工和城镇职工的工资差距中有36%是由于户籍歧视造成。
已有成果为本文的讨论奠定了很好的基础，然而现有研究较少关注内生性问题，这可能会造成估计结果的偏误。本文利用2017年西南财经大学中国家庭金融调查与研究中心的中国家庭金融调查（CHFS）数据，在Oaxaca-Blinder分解的基础上，采用倾向得分匹配法来削减选择偏误，控制内生性的影响，讨论我国劳动力市场工资收入户籍歧视的现状。研究这一问题对于针对我国劳动力市场的实际情况制定有效的就业政策、促进更高质量就业进而促进城乡融合具有较强的现实意义。
1 数据来源、变量设计与模型方法
1.1 数据来源
本文数据来源于2017年中国家庭金融调查（CHFS）数据。中国家庭金融调查由西南财经大学中国家庭金融调查与研究中心组织开展，已在2011年、2013年、2015年和2017年四次成功实施调查。CHFS个人调查共有127012个样本，基于研究需要，本文对原始数据进行了处理：（1）年龄限制在16-65岁;（2）仅保留受雇样本;（3）删除工资、受教育程度等重要变量缺失的样本。处理后，剩余样本23648个，其中农村劳动力12418个，城镇劳动力11230个。
1.2 变量设计
本文研究不同户籍的工资收入差距，故被解释变量为小时工资。实际处理时，本文利用税后年工资/12平均月工作天数/平均每天工作小时数计算小时工资。城镇劳动力的平均小时工资为26.03元，农村劳动力的平均小时工资为13.50元。已有文献将受教育程度、健康状况、工作年限、婚姻状况、年龄作为解释变量，除上述五个变量外，本文还将地区变量作为解释变量（以东部地区为基准组）。解释变量中，受教育程度从0-9依次代表没上过学、小学、初中、高中、中专/职高、大专/高职、大学本科、硕士研究生、博士研究生。健康状况和婚姻状况为虚拟变量。部分研究结果显示年龄及工作年限与工资存在倒U型关系，故本文将年龄的二次项和工作年限的二次项加入回归方程中作为解释变量。
1.3 模型方法
本文的工资收入方程基于Mincer（1974）的工资方程：
lnhwage=β0+βiXi+μi（1）
上式中，lnhwage表示小时工资的对数;Xi表示各解释变量;μi为误差项。
在对劳动力的工资差距进行分解时，本文采用Oaxaca-Blinder方法，该方法基于线性模型，计算两个组群的平均工资，构造无歧视的劳动力市场工资结构，进而得到两个组群的工资均值之差，关于该方法更详细的介绍请参考Oaxaca（1973）。
为削减样本选择偏误，本文利用倾向得分匹配法进行稳健性检验。倾向得分匹配将样本个体分为处理组和控制组，根据某函数对倾向得分P（X）进行匹配，得到具有相同变量特征的处理组和控制组，进一步构造反事实，在控制选择偏误的基础上估计参与者的平均处理效应（ATT）。
2 实证分析
2.1 工资方程回归
表1给出了不同户籍的工资方程回归结果。
表1显示，受教育程度对劳动力的工资有显著的正向作用，但城镇劳动力的教育回报率明显高于农村劳动力。就平均受教育程度而言，城镇劳动力约为中专/职高，而农村劳动力仅约为初中。健康程度和婚姻状况对工资亦为正向作用，且农村劳动力的健康程度对工资的影响系数明显大于城镇劳动力，这可能是由于农村劳动力更多从事与体力有关的工作，健康的身体更容易获得工作进而获得更高的工资报酬。工作年限对工资有正向作用，这符合一般情况，工作年限越长，经验积累越丰富，能力相对越强。年龄的正向显著说明传统认识上的年轻力壮已不再是劳动力的显著优势，一方面，随着刘易斯转折点的到来，城市频频发生“民工荒”（孙婧芳，2017）;另一方面，年龄的增长一般意味着工作年限的增长。中部地区与西部地区对工资不具有显著影响，这可能是由于近年来各地区总体上呈现人均收入收敛的趋势，相对差距在缩小（孙文凯，2016）。
2.2 工资差距分解
从工资方程回归中可以发现不同户籍存在工资差距，但工资差距中有多大比例是由于户籍歧视造成，尚不明确，因此需要进一步分析。采用Oaxaca-Blinder方法对农村劳动力与城镇劳动力的工资差距进行分解。总工资差系数为0.511，其中，可解释部分的工资差系数为0.410，贡献率为80.23%;不可解释部分的工资差系数为0.101，贡献率为19.77%。在可解释部分，对工资差距贡献最大的是受教育程度，系数为0317，贡献率为77.32%。
2.3 倾向得分匹配
为削减样本选择偏误，提高结果的可信度，进行倾向得分匹配。同时报告最近邻匹配和核匹配结果，以供对比。
匹配后所有变量的标准化偏差均小于10%，说明匹配的效果较好。最近邻匹配和核匹配的ATT值十分接近，亦说明匹配结果可信度高。削减样本选择偏误后，农村劳动力面临约18.3%的工资收入户籍歧视。
3 结论与建议
本文利用CHFS2017年数据，基于Mincer方程对不同户籍劳动力的工资方程进行回归，得出农村劳动力和城镇劳动力的工资收入存在差距这一基本结论后，对两个群体的工资收入差距进行Oaxaca-Blinder分解，考虑到可能存在的内生性问题，利用倾向得分匹配方法来削减样本选择偏误。本文的主要结论包括：农村劳动力在劳动力市场仍处于劣势地位，面临着约18.3%的户籍歧视，城镇劳动力拥有更高的教育回报率。
本文的建议有：首先，从根源上消除户籍歧视存在的制度基础，坚持新发展理念特别是共享理念，让改革发展成果更多更公平惠及全体人民;其次，逐渐消除户籍的含金量，强化户籍在人口登记服务方面的功能;最后，政府应采取措施提高农业户口劳动力的人力资本水平，如保障农业户口劳动力接受平等教育的权利，进而提高其在城镇劳动力市场上的竞争力。
参考文献
[1]苏群，冯波，吴奇峰，等.教育质量、户籍歧视与城乡劳动力工资差异——基于分位数回归与分解方法[J].宏观质量研究，2017，5（2）：119-128.
[2]章莉，李实，Jr.William A. Darity，等.中国劳动力市场上工资收入的户籍歧视[J].管理世界，2014，（11）：35-46.
[3]Oaxaca R.Male-Female Wage Differences in Urban Labor Markets[J].International Economic Review，1973，14（3）： 693-709.
[4]孫婧芳.城市劳动力市场中户籍歧视的变化：农民工的就业与工资[J].经济研究，2017，52（8）：171-186.
[5]孙文凯.中国劳动力流动问题研究[M].北京：中国人民大学出版社，2016.
