第
29
卷
摇
第
4
期
曲兆鹏
:
城市劳动力市场二元分割与工资差异的演变
降低到
(44% ),
而私营和外资企业从占总样本数
量很小的比例
(1% )
增加各自占总样本的
1 / 5
左
右
(
分别为
20郾 8%
和
20郾 5% )。
显然样本期内
,
正
是中国企业改革的关键年份
,
这一结果并不让人
觉得太过惊奇
。
而从各地区的样本构成来看
,
两
年之间的变化不大
。
表
1摇
主要变量的统计性描述
变量
1995
年
2002
年
均值 标准差 均值 标准差
小时工资
1郾 405 1郾 017 2郾 170 2郾 205
工资对数
0郾 125 0郾 710 0郾 502 0郾 727
教育
10郾 468 2郾 778 11郾 001 2郾 643
经验
17郾 631 8郾 690 18郾 147 8郾 911
经验平方
386郾 344 312郾 818 410郾 990 408郾 682
少数民族
0郾 048 0郾 215 0郾 039 0郾 193
党员
0郾 152 0郾 360 0郾 167 0郾 373
国有企业
0郾 780 0郾 415 0郾 444 0郾 497
集体企业
0郾 196 0郾 397 0郾 143 0郾 350
私营企业
0郾 011 0郾 104 0郾 208 0郾 406
外资企业
0郾 013 0郾 115 0郾 205 0郾 404
北京
0郾 082 0郾 274 0郾 102 0郾 302
山西
0郾 107 0郾 309 0郾 077 0郾 267
辽宁
0郾 121 0郾 326 0郾 139 0郾 346
江苏
0郾 123 0郾 329 0郾 126 0郾 331
安徽
0郾 081 0郾 274 0郾 079 0郾 271
河南
0郾 094 0郾 291 0郾 100 0郾 300
湖北
0郾 116 0郾 320 0郾 107 0郾 309
广东
0郾 095 0郾 294 0郾 121 0郾 326
云南
0郾 117 0郾 322 0郾 090 0郾 287
甘肃
0郾 064 0郾 244 0郾 060 0郾 237
样本数
4 578
2 390
四
、
经验分析与结果
(
一
)
内生转换回归模型及其分析结果
1郾
内生转换回归模型框架
根据
Maddala(1986),
转换回归模型由如下
三个方程组成
:
Lnw
ip
=
x忆
ip
茁
p
+
u
ip
(1)
Lnw
is
=
x忆
is
茁
s
+
u
is
(2)
S
*
i
=
Z忆
i
酌
+
v
i
(3)
前两个方程分别表示劳动力市场中主要部门
的工资方程
,
而第三个方程是转换方程
(Switching
equation),
它决定工人进入主要还是次要部门
。
其中
,
Lnw
ip
和
Lnw
is
分别表示属于劳动力市场中主
要部门和次要部门工人的工资对数
;
向量
x忆
ip
和
x忆
is
分别表示主要部门中和次要部门中一系列影响工
资的变量
,
包括个人特征和工作特征
;
茁
p
和
茁
s
表
示系数
;
u
ip
和
u
is
是误差项
。
S
*
i
是对应工作选择
的虚拟变量
S
i
的潜变量
(Latent variable),
而向量
Z忆
i
是影响工人进入主要劳动力市场的一组解释
变量
,
它包括影响工资的因素
x忆
i
和其他影响因
素
。
向量
酌
是它的系数
,
v
i
表示误差项
。
因为本文事先不知道每个工人属于哪个部
门
,
所以观察不到
Lnw
ip
和
Lnw
is
,
只能观察到
Lnw
i
,
但知道如下条件
:
Lnw
i
=
Lnw
ip
if
S
*
i
> 0
(4)
Lnw
i
=
Lnw
is
if
S
*
i
< 0
(5)
式
(4)
和式
(5)
中
,
虽然
S
*
i
也是观察不到的
,
但它是由向量
Z忆
i
所决定的
。
即工人在主要部门
工作
,
当且仅当满足
:
v
i
< -
Z忆
i
酌
(6)
根据
Maddala(1983)
的研究
,
为了识别出模
型
,
必须要假设三个方程中的误差项服从联合正
态分布
,
即
:
(
u
ip
,
u
is
,
v
i
) ~ (0,
撞
)
(7)
并且协方差矩阵为
:
撞
=
滓
2
p
滓
ps
滓
pv
滓
ps
滓
2
s
滓
sv
滓
pv
滓
sv
滓
2
æ
è
ç
ç
ç
ö
ø
÷
÷
÷
v
(8)
其中
,
为了模型识别
,
必须假设
滓
2
v
= 1,
再根
据
Dickens
和
Lang(1985)
和以上假设条件
,
就可
以写出对数极大似然函数为
:
撞
ì
î
í
ïï
ïï
é
ë
ê
ê
ê
ln 1 -
æ
è
ç
çç
椎
-
Z忆
i
酌
-
滓
pv
滓
pp
(
Lnw
ip
-
x忆
ip
茁
p
(
)
1 -
滓
2
pw
滓
)
pp
ö
ø
÷
÷÷
ù
û
ú
ú
ú
0郾 5
·
准
(
Lnw
ip
-
x忆
ip
茁
p
,
滓
ip
) +
æ
è
ç
çç
椎
-
Z忆
i
酌
-
滓
sv
滓
ss
(
Lnw
is
-
x忆
is
茁
s
(
)
1 -
滓
2
sv
滓
)
ss
ö
ø
÷
÷÷
0郾 5
准
(
Lnw
is
-
x忆
is
茁
s
,
滓
is
ü
þ
ý
ïï
ï
)
(9)
·92·
