户籍的作用有多重要？--基于城乡收入差距分配与分解的研究_收入差距论文

户籍的作用还有多大——基于城乡劳动者收入差距分布分解的研究，本文主要内容关键词为：多大论文,劳动者论文,户籍论文,分解论文,城乡论文，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。

      改革开放以来城乡收入差距不断扩大，虽然近年来有缩小的趋势，但降幅非常细微；①通过各种口径调整之后，城乡收入差距依然很大(费舒澜、郭继强，2014)。计划经济时代建立了一系列城乡分割的制度，尤其是户籍制度，严重阻碍了农村地区的社会经济发展。农村劳动者即使在城镇非农部门就业，也无法享受与城镇职工相同的工资待遇，并且很难取得当地的户籍，造成两者巨大的收入差距。2009年以来农民工工资有了明显提高，但与城镇职工的差距并没有显著缩小，2012年外出农民工工资只及城镇单位就业人员平均工资的一半。②

      “一五”计划后，为了“赶英超美”，早日实现工业化和现代化，国家实行了“重工业优先发展战略”。然而，当时国民经济发展落后，城市部门难以支撑重工业的发展，为此国家通过农产品统购统销等政策从农业部门“攫取”剩余来支撑重工业。据《农业投入》总课题组(1996)估计：1950-1978年农业部门为国家工业化提供的资金大约为4500亿元。另一方面，重工业的就业吸纳能力很低，只为轻工业的1/3(冯兰瑞、赵履宽，1982)。为保证城市部门的就业，国家颁布了限制农村劳动力“盲流”的政策，并于1958年颁布《中华人民共和国户口登记条例》，规定“公民由农村迁往城市，必须持有城市劳动部门的录用证明，学校的录取证明，或城市户口登记机关的准予迁入证明”，③从此二元户籍制度正式确立。随着改革的进行，农产品统购统销已消除，但户籍制度的城乡分割至今仍未完全破除。

      虽然2014年6月30日，中共中央《关于进一步推进户籍制度改革的意见》提出“建立城乡统一的户口登记制度，取消农业户口与非农业户口性质区分和由此衍生的蓝印户口等户口类型，统一登记为居民户口。”④然而，即便取消户籍的二元化，户籍制度仍然会在短期内产生作用。因为城市户籍充当着分享城市公共服务的“会员证”功能，只要存在只供本地居民享有的公共服务，不用户籍作为“会员证”，仍然会出现其他可以作为“会员证”的凭证。由此可以看到，户籍制度的作用逐渐由“对劳动力流动的限制”转变为“对公共服务享有的限制”。

      那么，当前户籍对于城乡劳动者的收入差距到底还有多大影响？一般而言，要识别户籍对于城乡收入差距的作用，主要有两种方法：单方程回归方法和组群收入差距分解方法。第一类方法直接对城乡收入差距指标进行回归分析，得到每个因素的影响。按照数据类型和回归方法不同，可再分为3类模型：横截面数据回归模型(周云波，2009)、面板数据回归模型(陆铭、陈钊，2004；陈斌开、林毅夫，2013)、时间序列模型——如向量自回归模型(程开明、李金昌，2007；孙君、张前程，2012)、面板数据门限模型(黄智淋、赖小琼，2011)和面板数据协整模型(曹裕等，2010)。这类方法的局限是不能区分出收入差距的合理成分和不合理成分有多少，而且大多数采用时间序列模型的研究只是揭示了变量之间在数量上的因果关系，没有解释逻辑上的因果关系。第二类方法的优点在于：它是从收入的形成机理出发，探讨各种因素对于城乡收入差距的贡献，并将收入差距分解成由特征差异带来的可解释部分和由回报差异带来的不可解释部分，并将后者归因于户籍歧视。

      随着中国收入差距的扩大，收入均值的代表性越来越低，使得许多人们的收入出现“被平均”。在这种情况下，只对收入的均值差异进行分解已不能得到关于城乡收入差距的全面认识。对此，本文采用组群收入差距的分布分解方法对城乡收入差距进行分解，从而了解不同分位上的城乡收入差距及其成因。在众多影响城乡收入差距的因素中，教育被认为是最重要的因素(郭剑雄，2005；Secular et al.，2007；史泰丽等，2008；薛进军等，2008；陈斌开等，2010)。因此，笔者在考察城乡收入差距的成因时，重点关注教育的影响。

      本文所要回答的中心问题是：①在惠农政策以及城乡一体化实行多年后，户籍对于城乡收入差距还有多大的影响，在不同分位上，其作用有着怎样的不同？②禀赋差异，尤其是教育差距对于城乡收入差距的解释力有多大？③城乡劳动者的教育回报率有怎样的不同？相比以往的研究而言，本文的创新之处在于：第一，在实证分析前，对户籍影响城乡收入差距的机理进行了阐释，避免了“为分解而分解”。第二，采用基于无条件分位回归的组群工资差异分布分解方法对城乡劳动者收入差距进行分解，该方法最大的优势是能够将不同分位上的工资差异分解到每个协变量。第三，数据优势。CFPS2010提供了非常详细的关于个体特征的变量，从而能够有助于我们在尽可能多地控制影响因素的前提下，分析户籍对于城乡劳动者收入差距的贡献。尤其是字词测试、数学测试等关于个体能力的变量，可以使教育回报率的估计结果以及教育对于城乡收入差距的贡献更加无偏。

      本文的结构如下：第二部分是对城乡劳动者收入差距分解方法的述评；第三部分阐述了户籍影响城乡收入差距的机理；第四部分是对本文采用的数据和方法的介绍；第五部分是城乡劳动者收入差距分布分解的结果；第六部分是全文的总结。

      二、城乡劳动者收入差距分解方法述评

      首先介绍组群收入分解方法。组群收入差异分解方法源自对劳动力市场中歧视的度量，将工资均值差异分解为由个体特征(禀赋)差异造成的可解释部分，以及由特征回报差异带来的不可解释部分，并将不可解释部分归因于歧视(郭继强等，2011)。在均值分解方面，Oaxaca-Blinder分解(Oaxaca，1973；Blinder，1973)是一块“奠基石”。它包含两个方面的内容：①将工资均值差异分解成特征差异和回报差异，②将特征差异和回报差异进一步分解到每个协变量(解释变量)(Firpo，Fortin，and Lemieux，2007)。但是采用该方法时“基准组的选择”会对分解结果产生影响，因此学者们做了不同程度的改进(Cotton，1988：Neumark，1988；郭继强等，2009)。Brown et al.(1980)和Appleton(1999)在考虑职业获得概率差异的基础上，将组群间收入差异分解为职业内效应和职业间效应，职业内效应又包括个体特征差异和歧视，职业间效应包括职业获得概率差异和个体特征差异。

      由于均值分解只能刻画工资在集中趋势上的差异，而无法考察整个收入分布上的差异。尤其是在中国收入差距越来越大的情况下，均值对于整个收入分布的代表性就会更低，采用均值差异来表征城乡收入差距的局限就会越来越明显，因此需要采用分布分解来解决这个弊端。根据分布分解所基于的收入回归模型的不同，又可将其分为4种：基于经典线性回归模型的JMP1993分解(Juhn，Murphy，and Pierce，1993)，基于条件分位回归模型的MM2005分解(Machado and Mata，2005)，基于半参数模型的DFL分解(DiNardo，Fortin，and Lemieux，1996)，以及基于无条件分位回归模型的FFL分解(Firpo，Fortin，and Lemieux，2007、2009)。虽然Oaxaca-Blinder分解具有局限性，但它的一个巨大优势是能够将工资差异分解到每个协变量，而分布分解方法，如JMP1993，MM2005，DFL1996，则不能将工资差异分解到每个协变量(Firpo et al.，2007)。因此，Firpo，Fortin，and Lemieux(2007)提出基于无条件分位回归模型的分解方法，从而克服以往方法的弊端。

      采用组群收入分解方法来分析城乡收入差距的文献多数采用均值分解，少数采用分布分解。在均值分解方面，主要有Meng and Zhang(2001)、Maurer-Fazio and Dinh(2004)、姚先国和赖普清(2004)、史泰丽等(2008)、邢春冰(2008)等；分布分解主要有邓曲恒(2007)、邢春冰和罗楚亮(2009)等，前者采用的是基于条件分位回归的分布分解方法(MM2005分解)，后者采用的是DFL分解和综合技能模型(FL1998)两种半参数方法。Meng and Zhang(2001)、王美艳(2005)则采用Brown分解分析了城镇职工与农民工工资差异中的职业效应。

      虽然上述文献都将两者的收入归为两部分——由特征差异引起的可解释部分和由回报差异引起的不可解释部分，但两者孰轻孰重各有分歧。造成不同文献特征差异贡献不同的原因主要有3点：基准组、数据和方法的差异。虽然邓曲恒(2007)、邢春冰和罗楚亮(2009)都采用了分布分解，但是他们没有关注不同分位上特征差异和回报差异的具体贡献，更没有考察每个协变量对于收入差距的效应，尤其是教育，而且采用的都是2005年以前的数据。对此，本文将基于CFPS2010数据，采用最新的工资差异分布分解方法—FFL分解对城乡劳动者收入差距进行分解，并考察每个协变量的贡献。

      三、户籍影响城乡收入差距的机理

      概而言之，户籍通过直接作用、以及通过影响职业进入、社会福利、财产持有，这4条路径影响城乡收入差距，如图1所示。首先，户籍直接影响城乡居民的收入，尤其是工资性收入，从而带来城乡收入差距。一方面，农民工大多从事城市居民不愿意干的低收入工作，而且他们维权意识较弱，只要在城市打工的收入超过务农的收入，就会接受这份工作，而不管同等条件下城镇职工的待遇会如何。当农民工的数量较大时，竞争过度更会压低工资。另一方面，用人单位也会鉴于农民工的“身份”而给其较低的工资，这就是歧视。其次，即便是在同等条件下，高收入职业和部门更加倾向于雇用城镇劳动者而非农民工，这就是城乡劳动者在职业进入方面的差异。再次，城乡居民在社会保障和福利的享有方面存在很大的差异，包括隐形补贴、社会保险、公共服务等。城乡之间资源配置非常不平等，大量的公共投资在城市部门，加大了城乡收入差距；⑤而且现行社会保障制度的收入再分配功能是扭曲的，进一步扩大了城乡收入差距(杨翠迎，2004)。城镇居民获得的隐形补贴占到可支配收入的53%，而农村居民享受的补贴只占到纯收入的9%。⑥笔者在另外一篇论文中发现若以可支配收入计算，城乡收入比为2.86，加上隐性补贴和当期社会保障支出的未来收益后，城乡收入比达到3.51，扩大了22.7%。⑦最后，户籍通过财产持有来影响城乡收入差距。最为明显的是，城乡居民的房产存在巨大差距，城市居民的房产迅速升值，而农村居民的房产几乎没有市场价值，因为宅基地不能转让。然而，城市居民房产的增值并非个人努力的结果，而是得益于政府投入大量公共资源改善了城市公共设施和环境，从而带来了房产的升值。⑧房价的大幅上升会给城镇高收入人群带来巨额的财产性收入，⑨城乡收入差距加剧。

      

      图1 户籍影响城乡收入差距的机理

      从现有的市民化政策来看，无论是特大城市的人才落户政策，还是广东的积分落户政策，亦或是浙江的居住证制度，都意味着收入高、人力资本高的农民工更易变为市民，户籍又会使他们获得更高的收入、更好的待遇。城镇居民收入高，高收入的比重也比农村高。再加上高收入的影响因素更为复杂，很多未能被纳入收入方程。对此，笔者提出第一个待验证的假说——假说Ⅰ：收入越高，城乡收入差距的不可解释部分越多，户籍的作用更强。

      Li et al.(2012)指出中国的应试教育体系不仅使教育回报率偏低，而且使得教育回报率在不同教育程度上相差较大，他们发现高中的教育回报率只有2.2%，职高的教育回报率达到16.5%，大专的教育回报率是19%，大学的教育回报率达到31.4%。由于教育与收入之间是正相关的，因此高收入上，教育回报率也相应越高。因此，笔者提出假说Ⅱ：教育回报率随着收入的上升而上升，且教育对于城乡收入差距的解释力随着收入的上升而增强。

      四、数据与方法

      (一)数据与描述

      本文采用的数据来自中国家庭动态跟踪调查(China Family Panel Study，CFPS)，由北京大学中国社会科学调查中心设计和实施，旨在通过跟踪搜集个体、家庭、社区三个层次的数据，反映中国社会、经济、教育、健康和人口的变迁。CFPS2010的调查对象是中国(除港澳台以及新疆、西藏、青海、内蒙古、宁夏、海南外)25个省市自治区的家庭户及其所有家庭成员，包含9597个家庭户，21572个成人，5847个儿童观测值。

      为了提高比较对象的“可比性”，本文将分解的对象是城镇劳动者与农民工的工资性收入。由于农村也有“离土不离乡”的本地农民工，所以笔者没有将样本限定为在城镇工作的劳动者，而是限定为非农劳动者。城镇劳动者是指具有非农户籍、从事非农工作的劳动者；农民工是指具有农业户籍、从事非农工作的劳动者。

      为了提高样本的同质性，笔者将样本限定在：16-65周岁，从事非农劳动，具有非零工资的样本，并且去掉了职业是军人、未知职业的样本。工资是月工资、加班费、补贴、年终奖金和实物收入的总和。⑩最后得到样本量是3890，50.7%是城镇劳动者，49.3%是农民工。描述性统计的结果如表1、表2所示。

      

      

      从表1可以看到城乡劳动者无论是在收入，人力资本，还是在家庭背景方面都存在较大差距。首先从年收入来看，城乡劳动者相差近1万元；按比值来算，城镇劳动者的年收入是农民工的1.52倍，月工资是农民工的1.95倍，小时工资是农民工的2.24倍。农民工工作时间更长，每月比城镇劳动者多37小时。其次，城镇劳动者受教育年限比农民工多将近4年，城镇劳动者的字词测试和数学测试得分比农民工分别高20%和32%。城镇劳动者父亲的教育年限比农民工高了近3年，且城镇劳动者的家庭规模更小。最后，城镇劳动者内部工资差距要大于农民工。城镇劳动者工资的基尼系数是0.55，而农民工工资的基尼系数是0.44。

      从表2可以看到，城乡劳动者在职业分布上存在很大差异。虽然两者分布最多的两个职业都是生产、运输设备操作及有关人员和服务人员，但农民工这两个职业的比重是76.6%，而城镇劳动者只有48%。这两个职业恰恰工资最低。其次，城镇劳动者在高收入职业分布更多，从而进一步扩大了城乡收入差距。城镇劳动者有22.8%是专业与技术人员，有10.2%是负责人，而农民工只有7.4%是专业与技术人员，6%是负责人。即便是同一个职业内部，城乡劳动者的收入差距仍相差将近1.5-2.1倍。最后，来看职业间工资差距，工资最高的职业是负责人，工资最低的职业是生产、运输设备操作及有关人员。城镇劳动者内部的职业工资差距是2.7，农民工内部的职业工资差距是2.4。行业分布和单位所有制的分布与职业分布类似，城镇劳动者在高收入的行业和部门分布更多。

      

      图2 城乡劳动者工资的核密度

      图2是城镇劳动者和农民工工资的核密度，实线代表城镇劳动者，虚线代表农民工。农民工工资密度的峰值位于城镇劳动者的左侧，说明农民工的平均工资小于城镇劳动者；农民工工资密度的“峰”要比城镇劳动者更高，说明前者的工资更加集中，也就是说城镇劳动者内部的工资差异更大。表1也显示城镇劳动者的工资差距要大于农民工。从图2来看，农民工工资分布近似一个对数正态分布，而城镇劳动者工资的非对称性更加明显。

      表3是不同分位上城镇劳动者和农民工的工资及其差异。可以看到，低分位上城乡劳动者工资差异较小，高分位上工资差异较大。相比10分位上的城乡劳动者工资差异，99分位上的工资差异要高1倍。因此，采用均值分解并不能全面地了解城乡劳动者的工资差异。

      

      (二)基于无条件分位回归模型的分布分解方法

      为了克服以往分布分解方法无法将工资差异分解到每个协变量的弊端，Firpo，Fortin，and Lemieux(2007)提出了一种更加灵活的回归模型——基于再集中影响函数(Recentered influence function，RIF)的回归模型。RIF是在影响函数的基础上再加上一个分布统计量，影响函数(Influence function，IF)曾被Hampel(1974)用于度量分布函数被经验分布所替代时，分布统计量对于异常数据的稳健性。为了与以往的条件分位回归相区别，他们把这种方法称为“无条件分位回归”。Firpo et al.(2007)分两步对工资差异进行分解：第一步，采用重置权重方法将工资分布差异分解成构成效应和结构效应；第二步，采用RIF回归模型进一步将构成效应和结构效应分解到每个协变量。具体步骤如下：

      第一步：借助重置权重函数构造反事实工资分布，将工资分布差异分解成构成效应和结构效应。

      工资差异分解的基础是得到反事实工资(Counterfactual wage)，也就是说如果农民工获得跟城镇职工一样的待遇，工资将会是多少。之所以称其为“反事实”，是因为在现实中并不存在。有了反事实工资后，就可以将城乡劳动者的工资差异分解成由劳动者个体特征差异带来的可解释部分和由回报差异带来的不可解释部分。在FFL分解中，前者被称为“构成效应”，后者被称为“结构效应”。

      

      设城镇劳动者、农民工、反事实工资的分布统计量分别为：

      

      分布统计量可以是分位数、均值，甚至是基尼系数，所以FFI分解的适用范围非常广泛。在将三者的工资边际分布转化成条件分布的时候会用到3个重置权重：

      

      有了反事实工资分布之后，就可将城乡劳动者收入差异分解为构成效应和结构效应：

      

      如果以农民工为基准组，第一项为结构效应，那么第二项为构成效应。

      第二步：构建RIF回归模型，将构成效应和结构效应进一步分解到每个协变量。

      再集中影响函数的形式如下：

      

      条件期望函数(Conditional expectation function)就是回归模型，因此RIF回归模型可以写成如下形式：

      

      如果RIF回归模型满足参数线性假定，那么回归模型就可以变形为：

      

      如此一来，在以农民工为基准组的情况下，构成效应和结构效应可以分别写成：

      

      当分布统计量等于均值，即v(F)=μ时，FFL分解就变成了经典的Oaxaca-Blinder分解。有了RIF回归模型后，就可以将工资分布差异分解到每个协变量上，对于第k个协变量，构成效应和结构效应分别为

      

      五、城乡劳动者收入差距分解

      (一)回归分析

      笔者首先对包含城乡劳动者的全样本进行了OLS回归，然后分别对城镇劳动者、农民工进行OLS回归，从而考察各种因素对工资均值的效应。OLS回归模型如下：

      

      X包含影响工资的变量，包括个体特征、家庭背景和就业特征这3个方面，具体有年龄、教育、家庭人口、汉族、字词测试、数学测试、父亲教育、健康、性别、经验、经验平方、婚姻、受帮助、行业、职业、地区、BMI以及常数项。hukou=1代表城镇劳动者，hukou=0代表农民工。在城镇劳动者、农民工各自的回归中，不包含hukou这个变量，但包含X中的所有变量，回归结果如表4所示。

      

      从表4可以看到“户口”这个变量的系数是正的，而且在1%的显著性水平上显著。也就是说在控制其他影响因素的前提下，城镇劳动者的平均工资要比农民工高15%。考虑到由于户口对职业进入也存在影响，那么OLS估计得到的户籍效应可能是高估的。因此笔者进行了Probit和logistic回归，都未发现户口对于城乡劳动者进入高收入职业有显著的影响。因此，OLS估计的户口效应并不存在高估的风险。其他对劳动者工资产生显著影响的变量有经验、家庭人口、性别、字词测试、父亲教育、行业、职业、所有制、地区等。另一方面，可以看到不同变量对城乡劳动者对数工资的影响存在差异。邹至庄检验也表明城镇劳动者与农民工工资的回归模型存在显著的结构性差异。比如，城镇劳动者的教育回报率是10%，而农民工的教育回报率只有3.2%；字词测试对于城镇劳动者工资的影响更大；农民工群体中性别工资差异更大，男性比女性高31.2%，而城镇样本中男性比女性只高18.9%。

      由于城镇劳动者是被“偏袒”的，他们的工资大多高于市场工资，而农民工所处的劳动力市场的市场化程度更高，因此，本文将农民工作为基准组，进行比较。通过Oaxaca-Blinder分解可以发现，如果以农民工为基准组，农民工与城镇劳动者的工资差异有57.14%是由特征差异造成，有42.86%是由回报差异造成——即户籍的作用。这与Meng and Zhang(2001)的结果很接近。笔者还采用郭继强和陆利丽(2009)的改进方法，通过全样本的回归来得到无歧视工资结构，从而发现农民工工资与城镇劳动者差异的71.52%是由特征差异带来，29.48%是由回报差异带来。这与邓曲恒(2007)的结果近似。在下一部分中，笔者将对城乡劳动者的工资分布差异进行分解，以更全面地了解工资差异及其成因。

      

      (二)分布分解

      从表1和图2可以看到城镇劳动者内部工资差距较大，因此采用OLS回归、均值分解不能完整地了解城乡劳动者的工资差异，以及每个协变量对不同分位上工资差异的贡献。因此，这一部分，笔者对城乡劳动者工资分布差异进行FFL分解，结果如表5所示。(11)

      从表5可以看到，随着工资的上升，不可解释部分(即户口的作用)的比重也随之上升。(12)但是，不可解释部分贡献最大是在75分位，达到50.4%，不可解释部分贡献最小是在90分位上，只有19.9%，其他分位上不可解释的贡献在20%-43.1%。因此，不可解释部分的贡献随收入的上升呈现先升后降的趋势。通过全样本的无条件分位回归可以发现，在高分位上户口这个变量的系数更大，而且更显著，限于篇幅未列出回归结果。在控制其他影响因素的条件下，10分位上，城镇劳动者工资比农民工高4%，不显著；25分位上，城镇劳动者比农民工高10%，且显著；75分位上，城镇劳动者比农民工高21%，更显著。

      能否取得城市户籍并不是市场化的，地方政府设置了市民化的门槛。收入较高的人会进行寻租以获得城市户籍，从而为他们带来更高的收入。因而户籍歧视的作用随着收入的提高而加强。然而，对于收入非常高的那些人，如收入在90分位上的那些人，本身的人力资本就非常高，依靠自身力量就可以进入高收入的职业，并获得较高的收入，因此他们不用依赖于得到城市户口从而获取高收入，户籍不再是限制他们获得高收入的束缚。近年来，关于一些高技能农民工月薪过万，甚至超过白领的报道不断涌现。(13)因此，对于这些高人力资本的农民工而言，是否获得城市户口并不会对他们的工资性收入产生影响，而是会在公共服务、社会保障的享有方面产生影响。

      其次，从表5可以看到，在任何分位特征差异的贡献都在50%以上，也就是说特征差异仍是主导因素。本文的分解结果与邓曲恒(2007)、邢春冰和罗楚亮(2009)略有不同。邓曲恒(2007)发现低收入和中等收入的差距中歧视是主要原因。邢春冰和罗楚亮(2009)发现技能价格(回报)的差异主要集中在低技能水平。本文虽然发现在75分位及以下，歧视的贡献随收入的提高而提高，但是在低分位、中等分位上特征差异的贡献超过歧视的贡献。也就是说，本文分解得到的特征差异的贡献要高于以往研究。原因在于，以往研究采用的数据是较早的，基本上都是2007年以前的数据，而本文采用的是2010年。近年来户籍制度改革不断推进，因此户籍歧视的贡献有所下降也符合现实。

      限于篇幅，RIF回归结果列于附表3中。此处主要考察教育在不同分位上对收入的作用。可以发现无论是城镇劳动者还是农民工，高分位上教育回报率更高，因此验证了假说Ⅱ。城镇劳动者10分位上教育回报率为8.7%，75分位上教育回报率最高，达到11%；农民工在10分位上教育回报率为2.6%，在90分位上教育回报率最高，达到4.4%。而且城镇劳动者的教育回报率显著高于农民工，城镇劳动者的教育回报率在8%～12%之间，而农民工的教育回报率只有1.6%～4.4%，两者相差6～11个百分点。在10分位、25分位、50分位、75分位上经验的效应也是显著的，每提高一年工作经历，可以分别提高城镇劳动者工资4.6%，5%，4.3%和2.9%，可以提高农民工工资1.3%，3.2%，2.7%和2.6%。从附表3还可以发现高分位上的

要小于低分位，说明模型在高分位的解释力要小于低分位。换言之，影响高工资的不可观测因素可能更多。

      表6是单个变量对城乡劳动者工资差异的效应，基准组是农民工。从各解释变量来看，对城乡劳动者工资差距具有重要作用的是教育和经验，尤其是教育。教育水平对城乡劳动者收入差距的贡献在7%～24%，而教育回报率的贡献超过了100%，而且低分位上教育回报率的贡献更大。其次，经验对于城乡收入差距也是一个重要的因素，经验水平的贡献在9.8%～23%，经验回报率的贡献在3%～65%，同样在低分位上经验的贡献更大。工作特征的贡献小于教育和经验，比如所有制分布对工资差异的贡献在13.5%～25.5%；职业分布的贡献为6%～18%。因此，提高农民工的教育和工作经验对于缩小城乡收入差距而言至关重要。

      

      鉴于收入差距均值分解无法考察不同分位上收入差距的大小及成因，以及DFL分解、FL1998分解、MM2005分解等分布分解方法无法将收入差距分解到每个协变量的缺陷，本文依据CFPS2010数据，采用基于无条件分位回归的分布分解方法(FFL分解)对城乡劳动者的收入差异进行分解。发现：首先，随着收入的上升，户口的贡献呈现先升后降的趋势，最高是在75分位，最低是在90分位。户口的贡献在20%～50%，说明户籍歧视仍然较大。其次，教育是造成城乡收入差距最重要的因素，尤其是教育回报率的贡献对城乡收入差距非常大。城镇劳动者的教育回报率超过农民工6～11个百分点。因此，促进城乡间教育均等化有利于缩小城乡收入差距。

      在户籍制度改革方面，应当着力“剥离户口的含金量”，即把户口与公共服务、社会保障享受权利之间的联系分割开。否则即便实行户籍一元化，仍然会造成居民之间公共服务和社会保障的差别，从而扩大收入差距。再者，城乡居民的收入差距很大一部分是由教育水平和教育回报率差异引起的，教育水平的差异主要取决于城乡教育资源的分布不均，而回报率的差异则是由户籍歧视带来。由于现有的教育资源分配是“城市偏向”的，城乡居民在教育水平的获得上存在很大差异，甚至可以说是“歧视”。因而，需要大力促进城乡居民教育均等化，依靠教育的外部性提高整个农村地区的教育回报率，从而缩小城乡收入差距。此外，工作经验也是一个重要的影响因素，农民工是从农业劳动中转移出来的，必然缺少非农工作经验，因而需要增加职业技能方面的培训，弥补工作经验的缺乏。

      ①采用国家统计局2010-2013年城镇人均可支配收入和农村纯收入的数据计算，可以发现2010年开始城乡收入比出现下降，2010-2013年城乡收入比的下降幅度分别为3%，3.1%，1%，2.3%。然而，不能确定这样的下降会持续多久，也不能表明城乡收入差距已经迎来“拐点”。

      ②《2012年全国农民工监测调查报告》，国家统计局数据库，http://data.stats.gov.cn/workspace/index?m=hgnd。

      ③《中华人民共和国户口登记条例》，http://www.npc.gov.cn/wxzl/gongbao/2000-12/10/content_5004332.htm。

      ④《国务院关于进一步推进户籍制度改革的意见》，http://www.china.com.cn/news/txt/2014-07/30/content_33094234.htm。

      ⑤李实，2012：《城乡收入差距将在高位徘徊》，http://video.caixin.com/2012-03-23/100372042.html。

      ⑥根据李实、罗楚亮(2007)数据计算得到。

      ⑦根据CHIP2007计算。

      ⑧刘尚希，2012：《分配制度不光要改“收入分配”》，http://opinion.caixin.com/2012-12-06/100469281.html。

      ⑨李实，2013：《难以判断基尼系数已呈下降趋势》，财新网，http://opinion.caixm.com/2013-01-21/100484694.html。

      ⑩年终奖金、实物收入有少量-1(不知道)和-2(拒绝回答)的样本，已将其去掉。

      (11)Nicole M.Fortin编写了一套Stata程序来做无条件分位回归。在Stata的FFL分解程序中，默认是将工资差异分解为三项：禀赋(个体特征)的差异、系数(回报率)的差异、以及禀赋和系数的交互效应：

，禀赋差异：

，系数差异：

，交互效应：

。

      (12)户籍可能是收入高低造成的结果而非原因，因此若不去掉那些由“农转非”，可能会带来估计偏误。因此笔者3岁时户口与现在户口不同的样本剔除了，重新进行了分析，结果与之前没有剔除这些改变户口样本得到的分析结果并无显著差异。例如，去掉改变户口的样本后，城镇劳动者的年收入为30744.36，未去掉改变户口的样本则为28666.68，相差6.8%。FFL分解结果得到的不同分位上可解释部分和不可解释部分的贡献也与表5的结果相似，因此出于扩大样本量的考虑，笔者仍然保留了改变户口的样本。

      (13)《民工工资过万秒杀白领建筑工年薪超10万》，http://learning.sohu.com/20130620/n379379894.shtml。

标签：收入差距论文;  回归模型论文;  协变量论文;  工资结构论文;  收入效应论文;  特征分解论文;  城乡差异论文;  解释变量论文;  城乡差距论文;