中国城镇地区性别工资差异问题新探——基于无条件分位数回归和再次分解方法，本文主要内容关键词为：位数论文,中国论文,分解论文,城镇论文,差异论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一 引言 自20世纪90年代开始，学者们从不同的视角，运用不同的方法和数据对性别工资进行研究，由此产生了大量的性别工资差异研究文献。如王美艳、葛玉好、彭竞等研究了行业分布对性别工资差异的影响，发现性别工资差异主要分布在行业内部，歧视是造成行业间和行业内性别工资差异的主要原因。①Meng、李实和马欣欣、姚先国和黄志岭、卿石松和郑加梅等研究了职业分割对性别工资差异的影响，发现职业内性别工资差异大于职业间，且歧视是造成性别工资差异的主要原因。②以上研究都是从均值工资差异的角度研究性别之间的工资差异，然而性别工资差异作为一种复杂的现象，其决定因素众多并且就业者并非是一个同质的群体。因而，群体之间显著的性别工资差异使得均值工资研究不能解释整个工资分布上处于不同收入水平上的工资差异。 针对这一问题，近年来的研究主要集中在分位数工资差异研究方法上。相对于均值工资差异，分位数工资差异能够更好地解释整个工资分布上性别工资差异问题，使政策的制定更具针对性。在工资分布底端的性别工资差异显著高于其他分位的工资差异，称为“粘地板效应”；反之，在工资分布顶端的性别工资差异显著高于其他分位，则称为“玻璃天花板”效应。迟巍使用1987年、1996年及2004年国家统计局城市司城镇住户调查数据（UHS）和半参数回归及DFL分解方法研究了城市性别工资差异，发现1987～2004年城市劳动力性别工资逐渐扩大，相对于高收入群体，低收入群体的性别工资差异更大，说明存在一定程度的“粘地板效应”；而对女性的歧视是造成性别工资差异的主要原因。③葛玉好和曾湘泉利用UHS数据并使用参数分位数回归方法对城镇地区性别工资差距进行分解，得出相同的研究结论。④而陈建宝和段景辉利用分位数回归及分解方法对中国健康营养调查（CHNS）1988年、1996年、2005年的数据进行了实证研究，发现各年份里性别工资差异在各分位数上表现不同，1988年性别工资差异随分位数的增加逐步扩大，1996年性别工资差异在整个工资分布中呈U型趋势，而在2005年性别工资差异在整个工资分布中呈倒U型趋势。从分解结果看，造成1988年性别工资差异的主要原因是特征效应，而1996年和2005年的系数效应对性别工资差异的影响较大。以上研究只是局限于对性别工资差异的总分解效应的探讨，而缺乏对导致工资差异的各影响因素的进一步研究。⑤鉴于此，Firpo等提出的无条件分位数回归与Oaxaca-Blinder均值分解相结合的方法很好地弥补了条件分位数参数估计方法的这一缺陷。 Chi和Li是最早使用该方法研究中国性别差异问题的，他们利用复回中心影响函数（Recentered Influence Function，简称RIF）对工资方程进行回归以及迪拿多（DiNardo）等提出的DFL方法进行分解，同样发现性别工资差异存在“粘地板效应”。⑥但他们的研究只是对各年份数据分别进行研究，并没有对阶段性时期内性别工资差异变化的趋势进行研究。李佳等利用Oaxaca-Blinder的分解方法并采用重新赋权的方法和半参数估计的方法对CHIP 2002年和2008年数据进行研究，发现中国城镇地区性别工资差异存在着明显的“玻璃天花板”效应。⑦但是该研究却无法回答性别工资差异以及特征效应和系数效应的变化趋势的问题。由此可见，数据的不同以及方法上的差异会呈现不同的研究结论，因此，还需要进一步探究性别工资差异的变化趋势及其背后的影响机制。 随着改革的不断深化，经济体制的逐渐转型，性别工资差异及其影响因素变化趋势是怎样的？影响性别工资差异的特征效应和歧视效应又表现出哪些新变化？为了对性别工资差异及其影响因素的变化趋势进行更深层次的剖析，本文在运用重新赋权的无条件分位数分解方法的基础上，参照阿德莱克森柏特（Adireksombat）等提出的再次分解（Double-decomposition）方法，对CHIP1995～2008年数据进行再次分解，相比于对截面数据性别工资差异进行的分位数回归分解研究，均值工资差异研究抑或是基于条件分位数回归的再分解方法，基于无条件分位数回归的再次分解方法不仅可以清晰地考察性别工资差异的变化趋势，同时也能够挖掘影响性别工资差异的因素在各分位数上的变化趋势。 文章接下来安排如下：第二部分为模型及估计方法，第三部分为数据说明及描述性统计，第四部分为回归结果与分析，第五部分为结论与政策建议。 二、模型与估计方法 （一）基于半参数模型的总分解 假设男女劳动力的工资方程表示如下：
Firpo等指出，假设可忽略性（Ignorability）和重叠支持（Overlapping Support）两个条件能够满足，则即使不知道g（Q）的具体函数形式和（lnW，T，X）的联合分布参数假设，也可以估计出任何分位数上工资差异的特征效应和系数效应。⑧定义以下三个权重函数：
本文中，p表示男性劳动力的比例，T=1表示男性，T=0表示女性，p（X）表示给定X，个体为男性的倾向得分（Propensity Score），由logit或probit回归得到。按照Firpo等的方法男女对数工资分布函数可以表示为：
反事实对数工资分布函数可以表示为：
估计对数工资的无条件分布函数后，各分位数的估计、从而特征效应和系数效应的估计也都容易得到。基于半参数模型的这些优点，本文采用该方法进行性别工资差异的总分解（Overall Decomposition）分析。 （二）基于RIF回归的具体分解 为了得到单个变量对工资差异、特征效应或系数效应在各个分位数上的贡献，本文采用Firpo等提出的无条件分位数回归与Oaxaca-Blinder均值分解相结合的方法。无条件分位数回归分为两步：第一步推导被解释变量对数工资lnW的分位数复回中心的影响函数RIF（Re-centered Influence Function）映射：
第二步将得到的RIF变量对解释变量X进行OLS回归：
由此得到的系数是在其他因素不变的条件下，解释变量X分布发生小范围变化时导致因变量无条件分位数变化的边际效应的一致估计。因此，接下来的分位数具体分解（Detailed Decomposition）就和Oaxaca-Blinder均值分解方法类似。特征效应和系数效应可以分别表示为：
需要注意的是，如果
代替，该分解被称为没有重新赋权（Without Reweighing）的RIF分位数分解。没有重新赋权的RIF分位数分解得到的系数效应不仅反应了男女工资结构差异，还包括两组人群特征分布的差异，因此得到的并不是系数效应的一致估计；而重新赋权（With Reweighing）的RIF分位数分解则不存在该问题。 （三）工资差异的二次分解 为了探讨2008年和1995年的性别工资差异分布上变化的特点和原因，本文将两年的性别工资差异变化再次分解（Double-decomposition）。首先，做出如下定义：
这里，第一个大括号里表示的是特征效应变化，第二个大括号里表示的是系数效应变化。本文关注的主要是特征效应变化（系数效应变化）中的第一项：由于男女特征（系数）差异变化直接导致的工资差异变化。特别是系数效应变化中的第一项，如果为正，表示女性在劳动力市场受到的工资歧视更为突出；如果为负，表示性别不平等现象有所改善。各个效应变化中的第二项表示参照效应，即参照时间由2008年变为1995年的效应。与RIF分位数分解类似，估计过程中也会出现近似误差项。 正如前文所述，对比已有的研究方法，这种基于无条件分位数回归的二次分解方法，不仅可以更详细的挖掘性别工资差异变化在整个工资分布中的趋势，而且能够对影响工资差异变化的因素贡献提供更好的解释。 三、数据说明 （一）数据来源与统计性描述 本文使用的数据是1995年和2008年中国家庭收入调查（CHIP）的城镇住户数据，该调查采取多阶段分层随机抽样方法，在16个省份抽取7 000余户城镇家庭中的超过20 000人进行调查。数据中包含了丰富的个人和家庭特征以及就业和收入方面的信息，为本文的实证研究提供了充分的资料。鉴于本文考察性别之间工资差异，因此选取年龄在16～60岁从事工作并获取收入的样本进行考察。在排除信息不完整及缺失样本后，最后得到1995年男性样本5 860个，女性样本5 288个；2008年的男性样本3 890个，女性样本3 041个。自变量的选取包括：年龄、工作经验、受教育程度、工作任期、婚姻状况、部门类型、职业类型、行业、雇佣类型以及区域变量。因变量选取为月工资的对数形式，为了比较，本文使用消费价格指数将1995年的名义工资收入转换成以2008年为基准的实际工资收入。各变量的具体定义及说明如表1所示：
表2报告了1995年和2008年样本中个体及就业特征的统计性描述。从表中可以看出1995年男性的对数月工资为6.435，女性为6.223，性别之间的均值工资差值为0.212，男性存在明显的工资优势。从个人特征来看，男性的平均年龄在39岁，而女性的平均年龄为37岁；男性的工作经验高于女性约3年，工作任期高出2年。从已婚比例来看，男女之间不存在明显的差异。男女就业者在公共部门就业的比例均在97%以上，这与当时以国有企业为代表的公共部门在经济成分中占据较高比例的经济背景相关。从受教育程度来看，拥有大专及以上学历的男性比例要高于女性，而在其他学历上女性比例高于男性。从就业特征来看，男性多为管理人员或专业技术人员，而女性从业者多集中在办公人员和其他职位类型上。从行业划分来看，男性在第一、二产业就业的比例要高于女性就业者，而女性在第三产业就业的比例要高于男性就业者。 表2同时报告了2008年个体及就业特征的统计性描述结果。2008年男性的对数工资为7.738，女性为7.437，两者差距为0.3。对比1995年的工资数据，可以看出，一方面随着市场经济的不断深化，劳动者的积极性得到了极大的释放，工资水平得到较大提高；另一方面，性别之间的工资差距呈现进一步拉大的趋势。另外，与1995年相比，男女劳动者平均年龄增加，工作经验增加，工作任期缩短，已婚比例减少，从事于公共部门的比例骤减。从教育水平来看，更多比例的劳动者拥有大专及以上学历，且男女受教育水平差异明显缩小。这些观察与郭凤鸣和张世伟、马超等的研究大体一致，说明数据和样本的可靠性。⑩
（二）工资分布图 如第二部分所述，为了分解性别工资差异得出特征效应和系数效应，需要构建反事实工资分布。图1描述了1995年和2008年男性、女性以及反事实对数月工资累积分布图。由于本文反事实工资是由男性的工资结构与女性的劳动力特征构造，因此男性的对数工资累积分布与反事实对数工资累积分布曲线之间的差异衡量了特征效应，而女性对数工资累积分布曲线与反事实对数工资累积分布曲线之间的差异描述了系数效应。 从图1a中可以看到，1995年女性对数月工资累积分布曲线处于反事实对数月工资累积分布的左边，男性对数月工资累积分布曲线处于反事实对数月工资累积分布的右边，女性对数月工资累积分布与反事实对数月工资累积分布的差距大于反事实对数月工资累积分布与男性对数月工资累积分布的差距，说明性别工资差异中女性遭受的歧视效应大于特征效应。图1b描述了2008年的对数月工资累积分布图，与图1a类似，女性工资中歧视效应大于特征效应；且歧视效应扩大了，相应的，特征效应减少了。
图2分别描述了1995年和2008年男性、女性和反事实对数月工资的核密度分布图。从图2a描绘的1995年核密度分布图中可以看出，女性对数月工资的核密度曲线偏左于反事实对数月工资核密度曲线，男性对数月工资的核密度曲线处于反事实对数月工资核密度曲线的右方，该图也印证了女性较男性存在较低的工资水平。图2b描述了2008年核密度分布图，女性工资的核密度曲线仍处于反事实工资、男性工资核密度曲线的左边，且差距有增大趋势，而反事实工资核密度曲线与男性工资核密度曲线之间的差距缩小了，说明性别工资差异的歧视效应呈现逐渐扩大的趋势。
四、回归结果与分析 （一）性别工资差异分解 本部分将对性别工资差异进行RIF回归分解，以期更详细地剖析造成性别工资差异的原因。表3报告了1995～2008年性别工资差异的分解结果，回归结果选取了三个具有代表性的分位点进行讨论（10%、50%、90%）。其中，3（a）给出了性别工资差异总分解（overall decomposition）结果，3（b）和3（c）分别报告了特征效应和系数效应下的具体分解（detailed decomposition）结果。由于具体分解结果依赖于对照组的选取，本文将分解结果标准化（即计算每个类别变量分解效应偏离于总平均数的程度）。另外，在RIF回归后使用Oaxaca-Blinder分解时，本文将变量分组，得到婚姻效应（已婚及其他婚姻状态）、教育效应（小学及以下、初中、高中及中专、大专及以上）、经验效应（经验及经验的平方除以100）、工作任期效应（工作任期及工作任期的平方除以100）、职位效应（管理人员、专业技术人员、办公人员及其他）、行业效应（第一产业、第二产业及第三产业）、部门效应（公共部门及非公共部门）、雇佣类型效应（固定工、短期工及其他类型）和区域效应（东部、中部及西部）。(11) 从1995年的分解数据来看，随着分位数的不断提高，性别工资差距呈现逐渐缩小的趋势；且在假设男女禀赋相同后，工资差异依然随着分位数增加而减小，表明“粘地板效应”的存在。在各分位数上，系数效应均大于特征效应，说明系数效应是造成1995年性别工资差异的主要原因。从具体分解结果来看，在特征效应中，教育程度、工作经验以及职位是造成性别工资差距拉大的显著因素。而在系数效应中，除婚姻因素外其他因素对性别工资差距的影响并不显著。 从2008年性别工资差异总分解结果来看，在整个工资分布上，性别工资差距呈先扩大后缩小的趋势，即在中位数上性别工资差距最大；系数效应依然是造成性别工资差异的主要原因。从特征效应的具体分解结果来看，婚姻状况、工作经验、工作任期、职位以及雇佣类型是影响性别工资差异的主要因素，其中男女在工作经验和雇佣类型上的差异显著减少了性别之间的工资差距。系数效应中经验和常数项的贡献最大，但并不显著。 对比1995年与2008年性别工资差异在各分位数上的分解结果，发现处于低工资收入阶段的性别工资差异呈缩小趋势，而处于高工资收入水平上的性别工资差距在逐渐拉大。在工资分布的90%分位数上，性别工资差异由1995年的13.7%上升到2008年的31.8%，上升幅度为14.5%；而在工资分布的中位数上，性别工资差异由1995年的17.3%上升到2008年的36.3%，上升幅度为19%。1995年的“粘地板效应”逐渐消失，转而“玻璃天花板”现象有逐渐呈现的趋势。这一结论也与李佳等(12)的研究结论一致，他们发现在2002～2008年间，性别之间的工资差距存在拉大的趋势，但是对于工资分布顶端的劳动者，这一效应更加明显，女性存在明显的“玻璃天花板”效应。
为了更直观的分析性别工资差距及其分解结果在整个工资分布中的变化，图3给出了1995年和2008年性别工资差异分解趋势图。 图3a显示了1995年性别工资差距总分解随着分位数变化的趋势。从图中可以发现，性别工资差距随分位数的逐渐提高呈现逐步缩小的趋势，系数效应的变化趋势与工资差异的走势一致，且系数效应曲线高于特征效应。整体上讲，1995年的性别工资差异呈现明显的“粘地板效应”。这一结论与迟魏的结论一致，她利用1987年、1996年和2004年城镇住户调查数据，研究了不同收入水平的群体里性别收入差距的程度以及成因，发现与高收入群体相比，在1996年低收入群体中，性别收入的差距更大，说明存在一定程度的“粘性地板”现象。(13)
进一步地，参照菲泊（Firpo）等的方法(14)，图3b描述了影响性别工资差异的各因素在整个工资分布中的贡献（特征效应+系数效应）。从图中可以发现部门、经验以及雇佣类型对性别工资差异的变化影响突出。这其中经验因素的影响最大；除60%分位数附近，在整个工资分布上，工作经验对性别工资差距的缩小起到显著的积极作用。而部门因素在工资分布的中低分位数上对性别工资差距的缩小有抑制作用；在工资分布的高分位数上，部门因素对性别工资差距缩小有积极作用。 图3c显示了2008年性别工资差异及其分解结果趋势。从图中可以发现，性别工资差距在中位数上最大，而在工资分布的两端相对缩小。与1995年相比，系数效应显著高于特征效应，低分位数上系数效应与1995年大致相同，但随着分位数的逐渐提高，2008年的系数效应均在0.2水平以上，说明系数效应有增大的趋势。整体上讲，2008年的性别工资差异呈“倒U型”，这一结论与陈建宝和段景辉(15)研究结论一致。 类似地，图3d描述了影响性别工资差距的各因素在整个工资分布中的变化趋势，从图中可以看出，男女工作经验的不同解释了大部分性别工资差异，而行业因素缩小了性别之间的工资差异。在工资分布的中低分位数上，男女工作任期差异也解释了部分工资差异，在高分位数上该差异缩小了性别工资不平等。 如前文所述，基于RIF回归的分解方法的优点之一是能更清晰的考察影响性别工资差异的各因素在工资分布各分位数上的变化趋势，因此在图4、图5中，我们进一步分析了性别工资差异分解中在特征效应和系数效应中各因素的贡献度。 图4a描述了1995年性别工资差异分解中的特征效应在整个工资分布的变化趋势。从图中可以看出残差曲线在0值附近小幅波动，说明模型拟合效果较好。进一步地，图4b给出了特征效应中各解释变量在整个工资分布的变化趋势，经验、教育以及职位因素是影响性别工资差异的主要因素，且均对性别工资差异缩小起到抑制作用。 图4c描述了2008年性别工资差异中特征效应在整个工资分布的变化趋势。从图中可以看出，残差曲线在（-0.5，0.5）区间内波动，说明模型基本拟合。从图4d中可以看出，影响性别工资差异的主要因素是工作任期和经验因素，其中男女工作经验不同对工资差距的缩小起积极作用，相反地，工作任期的差异使性别工资差距拉大。 图5描述了1995年和2008年性别工资差异中系数效应随分位数变化的趋势。考察1995年性别工资差异中系数效应的变化趋势（图5a），可以看出系数效应随分位数的增加呈现逐渐下降的趋势，说明1995年获取低工资收入的女性遭受的歧视多于处于中高工资收入的女性。从残差的走势来看，模型拟合较好。为了能够更清晰的考察各解释变量对系数效应的贡献及对性别工资差距的影响，图5b描述了系数效应中各解释变量随分位数变化的趋势，发现影响性别工资差异的因素较多，如婚姻、职位、雇佣类型、经验因素等，这其中除男女经验回报率差异对性别工资差异起到积极抑制作用外，其他因素的回报率差异都显著拉大了性别之间的工资差距。
与1995年系数效应变化趋势相比，2008年的性别工资差异中的系数效应变化在各分位数上变化并不明显，而残差曲线的变化趋势说明模型拟合较好。进一步地，在图5d中发现行业因素对性别之间的工资差距有抑制作用，而经验回报率差异导致性别工资差距扩大。
通过考察及比较1995年与2008年性别工资差异及变化趋势以及影响因素的变化趋势及其对性别工资差异的贡献，本文发现，1995年在整个工资分布上，性别工资差异表现为“粘地板”现象，系数效应是造成性别工资差异的主要原因，工作经验是影响性别工资差异的显著因素。在特征效应中，工作经验拉大了性别之间的工资差距。而在系数效应中，工作经验对性别之间的工资差异有抑制作用。在2008年的整个工资分布中，性别工资差异在低分位逐渐缩小，在高分位数上逐渐扩大，呈现出“玻璃天花板”现象的趋势，系数效应依然是造成性别工资差异的主要原因，而工作经验同样是影响性别工资差异的显著因素。在特征效应中，工作经验缩小了性别之间的工资差距，而在系数效应中，工作经验拉大了性别之间的工资差异。李佳等(16)的实证研究也得到类似研究结论。本文认为，工作经验对工资差异的影响在1995年和2008年之所以显著不同，是由于上世纪90年代仍处于改革的初期阶段，以国有企业为代表的公共部门在经济成分中仍然占据重要地位，存在“论资排辈”现象。在当时的经济环境中，市场竞争机制薄弱，平均主义明显，因而工作经验回报率的性别差异并不明显，反而缩小了男女工资差异。近年来，随着改革的逐渐深化，以竞争机制为特征的市场经济逐渐确立起来，因此经验回报率不同拉大了性别工资差异。 （二）性别工资差异的变化 上一小节运用基于无条件分位数回归的分解方法分别考察了1995年和2008年性别工资差异及其影响因素的贡献。本部分将运用前文所述的基于无条件分位数回归的“再次分解”方法研究性别工资差异在时间维度上的变化趋势，以期更深入地探析1995～2008年间性别工资差异变化趋势及其影响因素对变化趋势的贡献，分解结果如表4所示。 类似地，本文选取了10%、50%以及90%三个具有代表性的分位点进行讨论：在三个分位点上性别工资差异的变化量依次为-0.122、0.190、0.181，也就是说1995～2008年间，处于低收入水平的男女群体间的工资差异在缩小，而随着收入水平逐渐提高，处于高收入水平的女性工资水平并没有得到改善，反而恶化了。从具体分解结果看，在低分位数上，特征效应变化显著降低了性别之间的工资差异，而在中高分位数上，系数效应变化是造成性别工资差异扩大的主要原因。这说明2008年低收入水平的女性特征禀赋与男性趋同，如受教育水平和工作年限等（见表2）；而中高收入的女性遭受的歧视比1995年更加严重。 在具体分解中，从各因素对性别工资差异变化的影响来看，在变化的特征效应中，婚姻、教育以及职位因素是影响性别工资差异的显著因素，其中婚姻是造成1995～2008年性别工资差异扩大的显著因素。在各分位点上影响系数在0.3%～0.6%之间波动，变化波动不大。男女受教育水平差异和职位区别有所改善，对性别工资差异扩大起抑制作用。其中，教育对缩小中高收入群体的工资差异影响显著，约为4.3%；而在90%分位数上，职位变化使得性别工资差异缩小5.3%，且通过了1%的显著性水平。在变化的系数效应中，教育和经验因素均扩大性别工资差异，说明2008年教育回报率的性别差异和经验回报率的性别差异更为突出；但经验对性别工资差异变化的影响并不显著。
为了更清晰的考察1995～2008年整个工资分布上性别工资差异变化趋势，我们通过图6～图8分别描述性别工资差异的总变化趋势、特征效应的变化趋势以及系数效应的变化趋势。相对于表4中特定分位点上的分解结果，图6～图8提供了更为直观和清晰的性别工资差异的变化趋势。 图6a描述了1995～2008年性别工资差异变化趋势。对比来看，特征效应变化曲线绝大部分处于0值的下方，而系数效应变化曲线在各个分位数均大于0。这说明男女特征差异的变化朝着缩小工资差异的方向发展；而男女特征回报率差异逐渐恶化，进一步拉大了性别工资差异。图6b描述了各因素对性别工资差异变化的影响，正数表示该因素的性别差异扩大，从而导致工资差异扩大；负数表示该因素的性别差异缩小，从而导致工资差异缩小。并且，工作经验是拉大性别工资差异的主要因素，随着分位数的变化，工作经验对性别工资差异的影响呈现先下降后增加的趋势。工作任期对性别工资差异变化的影响表现为由扩大性别工资差异逐渐转变为缩小性别工资差异。而行业因素缩小了性别之间的工资差异变化。
图7描述了1995～2008年变化的特征效应及其影响因素的贡献在整个工资分布上的变化趋势。图7a中残差曲线在0值附近波动，说明模型拟合较好。被解释的变化特征效应在各分位数均为负数，说明特征效应的变化缩小了性别工资差异，特别是在分布的低端。具体到图7b中，可以看出变化的特征效应中工作任期男女差异的变化扩大了性别工资差异，且其对性别工资差异的影响呈现逐渐下降的趋势。而教育和工作经验的变化对性别工资差缩小存在积极作用，教育对性别工资差异的影响较为稳定，工作经验对性别工资差异的影响随分位数的不断增加而减少（负值变化），相比而言，工作经验的变化对缩小性别工资差异的作用更大。
图8描述了1995～2008年变化的系数效应及其影响因素的贡献在整个工资分布上的变化趋势。在图8a中，残差曲线在（-0.1，0）之间波动，模型拟合较好。被解释的变化系数效应在各分位数均为正数，说明2008年的系数效应大于1995年的系数效应，女性受到的歧视更加严重，特别是在分布的中高部分。从图8b可以看出，工作经验回报率差异的变化拉大了性别之间的工资差异，特别是在分布的两端。
五、结论与政策建议 本文利用CHIP1995和CHIP2008数据，运用重新赋权的无条件分位数回归及分解的方法及无条件分位数的“再次分解”方法对中国城镇地区性别工资差异进行研究，得出如下研究结论：首先，1995～2008年性别工资差异有拉大的趋势，性别工资差异由1995年的“粘地板”现象逐渐呈现出2008年的“玻璃天花板”现象的趋势。其次，通过对性别工资差异进行无条件分位数回归分解发现，系数效应是造成性别工资差距拉大的主要原因，工作经验是影响性别工资差异的显著因素。第三，通过对1995～2008年数据进行再次分解，发现性别工资差异在中高分位数上差异变化量高于低分位点，中位数上总差异变化量最大。低分位数上，特征效应显著降低了性别之间的工资差异，而在中高分位数上，系数效应是造成性别工资差异扩大的主要原因，说明1995～2008年间中高收入群体的女性面对的劳动力市场环境恶化了。在整个工资分布上，工作经验是造成性别工资差异变化的显著因素。本文认为，工作经验是衡量个人能力的重要代理变量，这种能力不仅来源于社会实践，同时也受教育水平的影响。由于上世纪90年代仍处于改革的初期阶段，以国有企业为代表的公共部门在经济成分中仍然占据重要地位，存在“论资排辈”现象，造成了经验禀赋对性别工资差异拉大的原因。在当时的经济环境中，市场竞争机制薄弱，平均主义明显，因而工作经验回报率的性别差异缩小了性别之间的工资差异。在中国较深的传统观念下——男权社会——男女面临同等的工作环境和条件并都能胜任的情况下，相当数量的老板还是会倾向于把工作交于男性，习惯性地认为男性在工作中的表现更加可靠。从文中的统计性描述中，我们发现男性在担任管理职务和从事技能工作的比例明显高于女性，而女性更多承担内容单调的普通办公职务。因此，工作经验差异拉大了性别工资差异。 尽管本文仍然有可能存在遗漏影响工资水平的能力变量而没有真正找出影响性别工资差异其他原因，如女性回归家庭、性别之间的偏好差异等，但本文通过控制了大量特征变量后，仍然得出特征效应并不能解释大部分性别工资差异，这样的实证研究结论是劳动力市场上存在性别工资差异的有力证据。 通过研究发现，随着市场化程度的不断深入，性别之间工资差异不但没有缩小反而有扩大趋势。由于对女性的歧视是造成男女工资差异的主要原因，因此政府应该设计和实施公平的就业制度和工资分配制度，降低工资分配过程中性别间劳动回报的差异。针对女性怀孕、生育及哺乳的生理阶段，政府可以出台一些政策为企业提供一定的补贴，从而更好的保护女性的就业和职业发展。其次，由于工作经验是影响性别工资差异的重要因素，因此应该提高女性在高层次职位上的比例。缩小性别工资差距必须做到男女之间具有岗位之间的同等的竞争机会，“同酬”必须“同工”。政府和企业应该为女性提供更多的培训教育及职业转化机会，提高女性的要素禀赋回报率，使男女在劳动力市场上拥有平等的就业机会和劳动回报率，缩小性别之间工资差距。同时，完善有利于性别平等的公共政策和法律法规，加强执法和司法的可操作性，有效指导劳动力市场行为。 ①王美艳：《中国城市劳动力市场上的性别工资差异》，《经济研究》2005年第12期；葛玉好：《部门选择对工资性别差距的影响》，《经济学（季刊）》2007年第2期；彭竞：《高等教育回报率与工资的性别差异》，《人口与经济》2011年第4期。 ②Meng X.,"Gender occupational segregation and its impact on the gender wage differential among rural-urban migrants:a Chinese case study",Applied Economics,no.30（1998）,pp.741-52.李实、马欣欣：《中国城镇职工的性别工资差异与职业分割的经验分析》，《中国人口科学》2006年第5期。姚先国、黄志岭：《职业分割及其对性别工资差异的影响——基于2002年中国城镇调查队数据》，《重庆大学学报（社会科学版）》2008年第2期。卿石松、郑加梅：《“同酬”还需“同工”：职位隔离对性别收入差距的作用》，《经济学季刊》2013年第2期。 ③迟巍：《中国城市性别收入差距研究》，《统计研究》2008年第8期。 ④葛玉好、曾湘泉：《市场歧视对城镇地区性别工资差距的影响》，《经济研究》2011年第6期。 ⑤陈建宝、段景辉：《中国性别工资差异的分位数回归分析》，《数量经济技术经济研究》2009年第10期。 ⑥Chi W and Li Bo,"Glass ceiling or sticky floor? Examining the gender earnings differential across the earnings distribution in urban China,1987～2004",Journal of Comparative Economics,no.36（2008）,pp.243-263. ⑦李佳等：《中国城镇地区性别工资差距的分布变化：2002～2008》，《人口学刊》2014年第36期。 ⑧Firpo,S,Fortin,N.and Lemieux,T.,"Decomposing wage distributions using recentered influence function regressions,University of British Columbia（June,2007）. ⑨菲泊（Firpo）等（2009）指出如果无条件分位回归方程是线性的，RIF-OLS估计量是一致的；但如果无条件分位回归方程不是线性的，非参数估计量如RIF-logit可能更精确。 ⑩郭凤鸣、张世伟：《性别工资差异缘何扩大？——基于职业分割的分析视角》，《世界经济文汇》2012年第2期。马超等：《中国劳动力市场上的性别工资差异变化研究——来自面板分位数回归分解方法的证据》，《世界经济文汇》2013年第2期。 (11)更多详细的RIF回归估计结果可以向作者索取，E-Mail：irene.zfang@gmail.com。 (12)李佳等：《中国城镇地区性别工资差距的分布变化：2002～2008》，《人口学刊》2014年第36期。 (13)迟巍：《中国城市性别收入差距研究》，《统计研究》2008年第8期。 (14)Firpo,S,Fortin,N.and Lemieux,T.,"Decomposing wage distributions using recentered influence function regressions",University of British Columbia（June,2007）. (15)陈建宝、段景辉：《中国性别工资差异的分位数回归分析》，《数量经济技术经济研究》2009年第10期。 (16)李佳等：《中国城镇地区性别工资差距的分布变化：2002～2008》，《人口学刊》2014年第36期。
标签：分位数论文; 对数曲线论文; 工作描述论文; 工作经验论文;
