201404 - page 35
北京工商大学学报
(
社会科学版
)摇 摇 摇 摇 2014
年
摇
第
4
期
其中
,
椎
(·)
和
准
(·)
分别是标准正态分布
和密度函数
虞
。
因此
,
可以采用极大似然估计法
来对上述所有的参数
,
即
茁
p
,
茁
s
,
酌
,
滓
ss
,
滓
sv
,
滓
pp
,
滓
pv
进行估计
。
2郾
模型估计结果
在模型的识别过程中
,
决定哪些变量进入转
换方程
,
哪些变量进入工资方程是一个重要的问
题
。
因为转换方程刻画的是工人进入主要部门的
概率
,
而这主要取决于工人的个人特征
。
因此
,
转
换方程应该包括诸如教育年限
、
婚姻状况
、
是否党
员以及居住地等与个人有关的信息
,
而不应该包
括工作经验
、
所有制等工作方面的信息
。
具体而言
,
工资方程采用一般的
Mincer
工资
方程
,
其基本形式如下
:
Lnw
i
=
茁
0
+
茁
1
S
i
+
茁
2
Exp
i
+
茁
3
Exp
2
i
+
X忆
i
啄
+
u
i
(10)
其中
,
S
i
,
Exp
i
,
Exp
2
i
分别表示受教育年限
、
工
作经验和工作经验的平方项
;
X忆
i
代表一系列的工
作特征
,
文中主要是指所有制和所在地区
;
茁
和
啄
是对应各变量的系数
,
u
i
为误差项
,
其中所有制
的默认值为国有企业
,
而地区的默认值为北京
。
表
2
是所得到的全部估计结果
,
首先看
OLS
估计结果
。
虽然本文控制了工作所有制和所在地
区等因素
,
但
OLS
模型中估计的教育回报率和经
验的回报率仍然很高
。
其中
,1995
年的教育回报
率为
0郾 054,
经验回报率为
0郾 071,
而
2002
年教育
的回报增加到了
0郾 068,
相反经验的回报下降为
0郾 02。
在保持其他因素不变的情况下
,
从所有制
的比较来看
,
无论
1995
年还是
2002
年
,
集体企业
和私营企业的工资收入都低于国有企业
,
而外资
企业与国有企业之间差异不显著
。
从地区差异的
角度来看
,1995
年只有江苏与北京工资差异不显
著
,
而广东高于北京
,
其他省份全部低于北京
。
2002
年时
,
除了广东仍然高于北京外
,
其他省份
全部低于北京
。
所有的系数都非常显著
。
再看转换模型的估计结果
。
本文最感兴趣的
是主要部门与次要部门的比较及其变化
。
首先
,
在
1995
年的主要部门中
,
教育和经验等人力资本
变量的系数都很显著
。
相反
,
在次要部门虽然教
育的回报系数显著
,
但其值却非常小
(0郾 006),
只
有主要部门
(0郾 035)
的
1 / 6
左右
,
而经验的回报
则完全不显著
。
这说明
,
在
1995
年的劳动力市场
上
,
存在着比较明显的劳动力市场分割
。
但从
2002
年的结果中可以发现
,
次要部门的教育回报
率有了明显的提升
,
甚至比主要部门还稍高了一
点点
,
但经验的回报率却仍然不显著
。
这似乎可
以说明
,
劳动力市场分割程度有了一定的改善
。
在选择方程中
,
教育水平的提高将显著增加
进入主要部门的概率
,
而且这一因素随时间的增
加而增加
。
相反党员在选择方程中的重要性随时
间降低了
,
而少数民族的身份在
1995
年是显著
的
,
不利于进入主要部门
,
但
2002
年却不再显著
。
总之
,
上述事实进一步证实了本文的最初结
论
:
劳动力市场分割程度在
1995—2002
年间的确
有所下降
。
但上述结论是否完全正确
,
还需要利
用工资差分解方法构建合理的反事实
( counterfac鄄
tual),
从而对这一问题进行更为准确的判断
。
(
二
)Oaxaca鄄Blinder
工资差分解及结果
根据转换回归的分类结果
,
本文将所有样本
按年份分别归属为主要部门和次要部门
。
具体当
一个人进入主要部门的概率超过
50%
的时候
,
就
认为他属于主要部门
,
反之则属于次要部门
。
现
在要回答的问题是
:
如果主要部门的劳动者具有
次要部门的劳动者的特征
,
或者具有是次要部门
的劳动者在市场上获得的这些特征的回报的情况
下
,
两者的工资差异是如何的
?
根据
Oaxaca
(1973)
和
Blinder(1973)
所提出的经典工资差异
分解方法以及
Jann(2008)
所做的最新改进
,
本文
利用下面的方程来进行工资差异的分解
:
E
[ ln
Y
m
] -
E
[ ln
Y
s
] =
(
E
[
X
m
] -
E
[
X
s
])
忆茁
s
+
E
[
X
s
]
忆
(
茁
m
-
茁
s
) +
(
E
[
X
m
] -
E
[
X
s
])
忆
(
茁
m
-
茁
s
) (11)
其中
,
脚标
m
代表主要部门
,
s
代表次要部
门
,
Y
定义为小时工资收入
(
对数
),
X
是劳动者的
特征向量
,
包括教育水平
、
经验
、
经验平方
、
党员
、
民族
、
所有制和所在地区等等
,
而是这些特征的系
数向量
。
采用上述方法就可以将主要部门和次要部门
的工资差分解为所有特征的均值以及这些特征
OLS
估计的系数
。
上式中右边第一项表示
,
当回
报相同时特征的平均值的差
,
即如果次要部门的
劳动者有主要部门劳动者的特征的时候
,
工资差
异的情况
,
本文把它称为禀赋效应
( endowment
effect)。
而上式中的第二项表示
:
当主次部门劳
·03·
1...,25,26,27,28,29,30,31,32,33,34
36,37,38,39,40,41,42,43,44,45,...132