残疾人就业与扶贫需求的性别差异研究
——基于非线性Blinder-Oaxaca分解方法
康琛宇1，胡日东1，白先春2
（1.华侨大学数量经济研究院，福建厦门 361021；2.南京特殊教育师范学院中国残疾人数据科学研究院，南京 210038）
【摘 要】 基于东部沿海某省2017年全国残疾人基本服务状况与专项调查数据，利用Logit模型的Blinder-Oaxaca 分解方法研究了残疾劳动力在就业概率上的性别差异及原因。研究结果表明：残疾男性和女性在就业概率上的差异由可观测到的特征差异所能解释的部分很小，劳动力市场上对残疾女性存在明显的性别歧视。进一步研究发现，未就业残疾人的五种就业扶贫需求性别差异大部分是由可观测到的特征差异无法解释的，残疾女性的先天“弱势”是导致他们就业扶贫需求偏低的主要原因。因此政府在制定和完善消除就业歧视政策的同时，更需深入了解不需要帮扶的失业残疾人的具体情况，必要时为他们提供就业心理指导。
【关键词】 残疾人就业 性别歧视 扶贫需求 非线性Blinder-Oaxaca分解
一、引言
中国的人口红利正在消失，刘易斯拐点早已到来，人口危机“渐行渐近”。根据国家统计局发布的数据，从2012年末开始，中国劳动年龄人口绝对数量一直处于下降趋势，至2018年末，15～59岁的劳动年龄人口仅有89729 万人，劳动年龄人口占比从2011年的69.8%下降到2018年的64.3%。人口红利逐渐消失，中国“未富先老”。然而，面对“渐行渐近的人口危机”，劳动力市场中的歧视问题却一直存在。根据2010年全国妇联和国家统计局调查的“中国妇女社会地位”数据，对“因性别而不被录用或提拔”歧视有明确认知的女性高达72%。女性对这种歧视的认知程度在各个年龄、各个受教育程度几乎均高于男性，并且女性的年龄越小、受教育程度越高，对歧视的认知感越强。虽然国家相继发布了一系列消除就业歧视的法律文件① 如2011年11月，深圳市人大常委会首次审议了《深圳经济特区性别平等促进条例（草案）》，明确规定用人单位在招聘广告中不得设置性别要求，不得以性别、婚姻、生育为理由拒绝招录某一性别或者提高某一性别的招录标准。 ，但大量的研究证实在中国劳动力市场中性别歧视仍然存在。这不仅会阻碍劳动力资源的配置和利用，降低市场运行的效率，更不利于社会平等。习近平总书记在十九大报告中提出要打好精准脱贫的攻坚战，重点要关注那些受到歧视的弱势群体。那么残疾女性作为典型的弱势群体，她们在劳动力市场中受到的歧视程度有多大？以及如何消除这些歧视？这是学者和政策制定者都非常关注的问题。研究残疾劳动力市场中的性别歧视问题，不仅有助于认清客观事实，为政府制定消除就业歧视的政策提供可靠依据，也有助于深入了解残疾人就业扶贫的具体情况，顺利打赢打好精准脱贫攻坚战。
从有关性别歧视的文献来看，国内外学者的定量研究大多是基于工资收入和就业机会两个角度。从工资收入方面来看，大多数研究都是运用Oaxaca-Blinder 分解方法，得出中国城市劳动力市场上对女性工资存在歧视的结论，但侧重点各不相同。王美艳（2005）从行业角度研究得出，工资的性别差异主要由同类行业内的工资差异引起，由行业分布不同带来的工资性别差异很小[1]。葛玉好和曾湘泉（2011）的研究侧重于工资分布上，发现在工资分布顶端性别工资差距较小，在工资分布末端性别工资差距较大[2]。还有一些学者则从时间维度研究性别工资差距的变化。如李春玲和李实（2008）发现改革开放以来劳动力收入的性别差距在显著并稳定地增长，并且造成性别收入差距的主要原因由市场机制因素逐渐转变为性别歧视因素[3]。李实（2014）通过分析2002～2007年男性和女性的工资，发现这段时期的工资性别差距在显著扩大，性别歧视趋向严重化。并且年纪轻、学历低、职业差、行业差等低收入群体的女性职工在劳动力市场中受到的歧视更严重[4]。
就业机会方面，国外许多学者基于离散选择模型分解方法对就业歧视问题进行了研究，发现在多个国家都存在雇佣性别歧视。如Mohanty（1998）研究得出，在过去20年美国劳动力市场对女性的雇佣歧视一直存在[5]。Livanos、Yalkin和Nuñez（2009）发现在英国和希腊的劳动力市场中也存在明显的就业性别歧视[6]。就中国而言，多位国内学者发现中国女性劳动者在就业和晋升上与男性相比也存在着显著差距。宋月萍（2007）通过分析中国职业流动中的性别差异发现，女性劳动者的职业比男性更易向下流动[7]。颜士梅（2008）通过构建人力资源开发中性别歧视表现形式的理论模型，发现性别歧视主要表现在雇佣性别歧视、职业性别隔离、玻璃天花板和薪酬性别歧视四个方面，低层职员会更多地感知到雇佣性别歧视，更少地感知到玻璃天花板[8]。卿石松（2011）发现女性的晋升能力标准高于男性，而且能力特征变量对职位晋升的影响也存在性别差异[9]。王维国和周闯（2014）的研究表明中国东、中、西三个区域内部的城镇劳动力市场上均存在明显的就业性别歧视，歧视程度与经济发展水平无显著联系[10]。
图2为添加了高斯白噪声的信号波形图,信噪比SNR=-20。当信号覆盖在大量噪声下时很难通过简单的滤波方法进行信号提取或者简单的锁相环方法进行相位锁定。
还有一些学者专注于研究大学生就业中的性别歧视问题。申晓梅和谭远发（2010）等采用Probit模型和Heckman 样本选择模型，考察了大学生毕业半年后的就业和工资状态，得出女大学生在毕业半年后的就业中遭遇着工资和就业机会的双重歧视的结论[11]。卿石松和郑加梅（2013）发现男女大学生起薪差距主要来源于专业内部而非专业之间，专业内部起薪差距约三分之一能够被个人能力和实习经验等特征变量的差异所解释[12]。
尽管上述研究为中国劳动力市场中的性别不平等提供了丰富的经验证据，但是关于残疾人劳动力市场中是否存在性别歧视的问题却鲜有研究。本文将分析的焦点集中于中国残疾人劳动力市场，运用分析残疾人就业影响因素的Logit 模型和研究性别歧视的Blinder-Oaxaca 分解方法，试图回答以下几个问题：1.哪些因素会影响残疾劳动力的就业概率？2.造成残疾劳动力就业概率性别差异的原因是什么？3.残疾劳动力的就业扶贫需求是否存在性别差异及其原因。
Research progress of biomass phenolic-based surfactants 11 34
本文可能的边际贡献为：1.国内研究残疾劳动力就业是否存在性别歧视的文章极少，将残疾人就业与扶贫需求结合起来分析的研究更是少见。本文试图运用最新的调查数据，深入分析残疾人就业与扶贫需求的影响因素，并着重探讨性别差异及其原因。2.国内学者运用Blinder-Oaxaca分解方法大多是基于线性模型。本文借鉴Fairlie（2003）[13]、Bauer&Sinning（2008）[14]的研究，把该方法应用于非线性模型，可能会拓宽国内学者对Blinder-Oaxaca分解方法的应用。
二、理论基础与模型构建
（一）就业性别歧视产生的根源
关于为什么会产生就业性别歧视，国内外学者分别从不同角度提出了多种理论，典型的理论有以下五种：（1）社会风俗及惯例理论，亦称“社会歧视理论”。该理论认为，传统习俗将两性界定为“男主外，女主内”，这种男女角色分工，造成了劳动力市场中就业歧视现象的产生。（2）统计歧视理论。该理论认为，雇主总是以追求最大预期利润为目标，但由于劳动力市场中的信息不对称，雇主永远无法获得应聘者的全部信息，更无法确定哪个候选人的生产率最高。最终，雇主往往依据个别劳动者所属群体的一些总体统计特征（如女性体力差），对该劳动者的潜在生产力进行判断，从而产生了歧视的结果。（3）个人偏见理论，或“偏好歧视理论”。该理论认为，由于雇主、雇员和顾客不喜欢与某些特定种群或性别的人打交道，从而他们宁愿放弃生产效率，为歧视支付代价或机会成本也要满足这种偏好。这种歧视可进一步分为雇主歧视、雇员歧视和顾客歧视。（4）劳动力市场分割理论。该理论认为，劳动力市场因其社会和制度性因素可划分为主要和次要市场，前者无论在薪资待遇、工作条件、安全保障还是升迁前景等方面，均优于后者。雇主常常根据对角色传统的认知，将男性分配到主要市场，把女性安排到次要市场，女性就业困难且频遭歧视。（5）人力资本理论，该理论属于劳动经济学的范畴。它认为，由于女性身体条件较差、教育水平较低，导致其劳动价值往往无法与男性相提并论，从而在劳动市场中成为被歧视的对象。
为了分析男性与女性残疾人就业概率差异形成的原因，本文在对影响男性和女性就业概率的因素进行回归分析之后，使用扩展后的OB分解方法（见（4）式）进行分解，结果见表3。
（二）模型构建
为了探讨中国残疾劳动力市场中的性别歧视程度，下面构建模型进行分析。国内学者研究就业机会问题大多采用离散选择模型（如宋月萍（2007）[7]、卿石松（2013）[9]和王维国（2014）[10]等），该模型适用于被解释变量的样本观测值是离散的情形。由于是否就业属于典型的二分因变量，故本文亦采用二元离散选择Logit 模型分析影响残疾人就业概率的因素，模型为：
为了得到残疾人就业概率性别差异的形成原因，本文运用Oaxaca-Blinder（下文简称OB分解）分解方法对影响残疾人就业的因素进行分解。该方法可将两组因变量的差异分解为可解释部分和不可解释部分，可解释的部分来源于两组样本的特征差异。但由于传统的OB分解方法主要应用于线性回归模型，模型中的参数和条件均值的含义与非线性模型不同（E (y |X )不一定等于
），因此不能用传统的OB 分解方法进行分析。本文借鉴Fairlie（2003）、Bauer&Sinning（2008）的研究，把OB 分解方法扩展到非线性的Logit模型中。
其中，y 表示残疾人的就业状态，1 代表就业，0 代表未就业；X 表示个人特征向量（包括受教育程度、年龄、性别、婚姻状况、残疾等级等变量）；β 为模型参数。
由于OB分解的方法是建立在回归分析的基础之上的，因此为了分析男性和女性残疾人就业概率差异形成的原因，本文首先运用logit模型对影响男性和女性就业的因素进行回归分析，结果见表2。
残疾劳动力的就业概率可能会受到多方面因素的影响。根据生命周期理论，个体的劳动供给意愿在整个生命周期内并不完全相同，随着年龄的增长，劳动供给意愿往往会先上升后下降，因此就业概率也会表现出相同的趋势；根据人力资本理论，较好的人力资本会使得个体在就业过程中占据优势，从而增加其就业概率；根据家庭劳动供给理论，个体工作意愿会受到家庭因素的影响，家庭因素不同其工作意愿也不同，进而就业的概率也不同；根据王维国（2014）的研究，不同的地区之间经济发达程度不同，就业机会也不一样，而且经济越发达的地区，个体搜寻工作的时间越短，个体的就业的概率会越高。此外，根据白先春（2018）[15]，是否购买养老保险和是否有就业扶贫需求也会显著影响残疾人的就业概率。因此，本文选取了代表生命周期劳动供给的年龄变量，代表人力资本的性别、户口性质、教育水平、残疾类别和残疾等级变量，代表家庭情况的婚姻状况和家庭收入变量，以及是否购买养老保险和是否有就业扶贫需求两个虚拟变量，并加入了地区效应。
其中，N 为该人群中的样本数。若用m 和w 分别代表男性和女性，T 代表总差异，则残疾人就业概率的性别差异可以表示为：
通过变换可得：
上式中
是系数向量的加权平均数，是指无歧视时残疾人就业概率的决定系数。等式右边表示残疾人就业概率的性别差异被分解为三部分，右边第一项表示男性和女性的个体特征不同引起的差异，第二项表示男性在获取就业机会上的优势，第三项表示女性在获取就业机会上的劣势，等式后两项之和即为由于性别歧视造成的获取就业机会的差距。
扩展后的分解同OB分解方法一样，也存在指数基准问题。即若无歧视时残疾人就业概率的决定系数用男性残疾人的估计系数表示，（4）式中右边的第一项特征差异会被高估，从而导致性别歧视被低估。若无歧视时的决定系数用女性残疾人的估计系数表示，则又会低估特征差异，导致性别歧视被高估。针对该指数基准问题，Reimers（1983）、Cotton（1988）和Neumark（1988）做了很有意义的探索。本文后面的实证部分，将运用这三种不同的指数基准进行对比分析。
三、数据来源与统计描述
本文所使用的数据为2017年《全国残疾人基本服务状况和需求信息数据》，该数据由国务院残工委统一组织调查，调查对象为在全国残疾人人口基础数据库中登记并持有第二代《中华人民共和国残疾人证》的残疾人。由于数据获取难度较大，本文只使用东部沿海某省12 个地区的调查数据进行研究。
耕作措施是增加还是减少农田氮素淋失也存在不同的研究结果。耕作易于造成硝态氮淋失的解释是结构性好的土壤耕作后产生大的土壤比表面积和短的弥散路径，免耕易于造成硝态氮淋失的解释是蚯蚓的数量和活性得以提高，形成大的土壤孔径。研究者得出何种结论与在何种质地土壤上进行研究有很大关系。在沙壤土上进行的研究认为，耕作增加了硝态氮的淋失，由于耕翻创造了良好的通气状况，易于硝化细菌进行硝化作用，对土壤中氮素转化为硝态氮有促进作用。
为了便于分析，本文将变量归为基本人口学特征、家庭特征和社会环境三个维度。其中，性别、年龄、户口类型、受教育程度、婚姻状况、残疾类别和残疾等级七个变量为基本人口学特征变量；家庭收入情况代表家庭特征；是否参加城乡居民养老保险和是否有就业扶贫需求代表社会环境。变量的具体信息见表1。
数学起源于日常生活和生产实际，而生活实例又生动又具体，因此用贴近学生生活实际或为学生所喜闻乐见的学习材料，把学生熟悉、感兴趣的实例作为认识的背景材料，导入课题，不仅使学生感到亲切、自然，激发学生的学习兴趣，而且能尽快唤起学生的认知行为，促成学生主动思考，为课堂的后继学习作好准备。如北师大版数学七年级(下)“两直线的位置关系”第二课时中，我在上课开始时，投影屏幕上滚动播放一组图片，其中含有垂线形象，简洁明快，配以舒缓的背景音乐。简洁明快的图片有利于抽象出垂线形象，唤起学生已有知识水平中对垂线的认识，舒缓的音乐能够平息课间躁动，在视听结合的环境中，以愉悦的心情尽快进入学习状态。
表1 描述统计结果
本文分析的样本年龄范围在15～59 周岁，在剔除了缺漏值和异常值后，共得到有效样本26741个，其中男性16537人，女性10204人。从就业情况来看，男性的就业率远高于女性。样本中男性就业人数为11705人，就业率达70.78%，而女性就业人数为6070人，就业率仅59.49%，这反映出残疾女性在获取就业机会方面存在劣势。从个体特征来看，男性与女性在受教育程度和婚姻状况上存在较大差异。男性残疾人的平均受教育年限（7.59年）比女性残疾人（6.42年）高1.17年，但总体上残疾人的受教育程度都偏低，平均为初中水平，文化水平低成为残疾人在就业路上的直接绊脚石；婚姻状况方面，女性的平均值（1.02）明显高于男性（0.83），说明女性结婚的概率更高。事实上，在本文的样本中，女性残疾人中未婚的比例（6.7%）远远低于男性中未婚的比例（24.50%）；其他个人特征如户籍性质、年龄、残疾等级和残疾类别情况男女性均相差不大。从家庭特征方面来看，女性的家庭收入状况（1.81）略好于男性（1.78）。从社会环境方面来看，男女性的社会保障水平都不高，女性参加养老保险的比例为39.84%，稍高于男性的37.11%。在是否有就业扶贫需求方面，女性的扶贫需求则显著低于男性。为了探索其原因，本文第五章将对这一问题进行实证分析。
四、就业影响因素分析及性别差异分解
（一）不同性别残疾人就业的影响因素分析
若得到某一类别的人群中Logit模型的估计系数
，则该人群中残疾人就业的平均预测概率为：
（1）供电企业工作人员应完善宣传机制创新思想政治教育工作现有载体，规范设立志愿服务站，促进思想政治教育工作与党建工作、文化建设工作的深度融合，充分利用现有资源，优化政工组织宣传文化、党员教育、科学普及、体育建设等服务功能的高效落实。与此同时，还要利用杂志期刊、公告宣传栏、移动客户端的手段，搭建系统全面的思想政治网络宣传教育平台，以提高其效率和质量。
通过对表1 和表2 中的数据分析可知，五个中文垂直搜索引擎的爬取能力都非常好，特别是雅虎、百度和本文设计的搜索引擎抓取范围非常广，基本不会漏过需要抓取的主题，而对于关键词的抓取则本文设计的搜索引擎抓取范围最广。雅虎和百度的查准率不高关键是对有效网页和重复出现的网页个数过多所致。以下对雅虎、百度、搜狗、大学搜4 个中文垂直搜索引擎的理论分析，也可以证明结果的准确性。
作为代表人力资本的重要变量，残疾人的受教育程度越高，劳动力拥有的知识越全面，视野见解越开阔，就业概率也越高；无论是男性还是女性，由于结婚后面临的经济压力加大，他们就业概率也随之增加，已婚女性和男性的就业概率分别是未婚的1.48倍和1.55倍；相对于视力残疾，听力、肢体和多重残疾的残疾人就业概率较高，智力和精神残疾的就业概率较低；由于残疾等级越高代表的残疾程度越低，因此表中得到残疾等级越高，就业概率越高的结论，四级残疾人甚至是一级残疾人就业概率的两倍左右。
基本人口学特征方面，无论是男性还是女性残疾人，年龄、户籍性质、受教育程度、婚姻状况、残疾类别等变量对就业概率的影响均显著。具体来看，年龄的一次项对残疾人就业概率的影响显著为正，二次项显著为负，说明年龄对残疾人就业的影响呈倒U型，这与生命周期劳动供给理论相吻合。并且从边际效应大小来看，女性就业更易受到年龄的影响，其原因可能是由于残疾女性的身体功能下降速度快于男性，因此年龄较大的女性残疾人更易受竞争机制的影响而被动退出劳动力市场；与非农户口相比，农业户口的残疾人就业概率更高。这与白先春（2018）得到的结论一致，他认为虽然非农户口残疾人的就业面广、就业机会多，但由于他们同时拥有更好的社会保障，使得他们的就业愿望相对较弱；
表2 不同性别残疾人就业的Logit模型回归结果
家庭特征变量方面，无论是男性还是女性，家庭收入情况对残疾人就业概率的影响均显著，且女性的影响略小于男性。具体来看，相对于达不到低保标准的残疾人，那些介于低保标准和低收入标准之间的女性残疾人就业概率增加了1.842倍，男性增加了2.038倍。高于低收入标准的女性和男性残疾人，分别是达不到低保标准的残疾人就业概率的2.437和2.630倍。可见低收入家庭的残疾人就业概率较低，其原因可能是收入高的家庭拥有更好的条件和资金，为残疾人提供康复、教育、就业及创业，同时就业反过来也可以增加家庭收入。
对工程实践能力而言，深入企业顶岗锻炼与虚拟仿真实习，参与企业技术攻关与承担企业科研课题，企业挂职与企业调研相结合，促进工科新教师熟悉工程发展动态，丰富工程实践经验，发展解决实际工程问题的能力。
社会环境变量方面，是否参加城乡居民养老保险对男性和女性残疾人的就业概率均不显著，但是否有就业扶贫需求却十分显著，且女性的就业扶贫需求对就业概率的影响高于男性。在地区效应方面，12个地区特征的效应全部显著。地理特征变量控制了宏观层面的一般公共预算支出和人均GDP等地区因素，可见一个地方的经济发展水平也是影响残疾人就业的重要因素。
（二）残疾人就业性别差异的分解
王美艳（2005）[1]、颜士梅（2008）[8]和李实（2014）[4]等学者的研究都证明中国劳动力市场中确实存在较严重的性别歧视。基于以上理论分析，本文认为，残疾劳动力作为一种特殊的劳动力，同样会面临就业的问题。因此，在就业过程中可能也会遭受性别歧视。
表3 不同性别的残疾人就业情况差异分解结果
从上表的分解结果可以看出，当使用男性和女性样本的回归系数均值作为可解释部分权重进行分解时（即reimers分解），得到男性和女性残疾人就业概率的总差异为0.113，残疾劳动者的可解释部分（即个体特征引起的差异）占15.39%，不可解释部分（即性别歧视）占84.61%。当使用cotton分解回归系数作为无歧视就业决定系数进行分解时，得到男性和女性残疾人就业概率的总差异为0.113，残疾劳动者的个体特征引起的差异占15.73%，性别歧视占84.27%。当使用合并样本回归系数（即neumark 分解）作为无歧视就业决定系数进行分解时，可以得到男性和女性残疾人就业概率的总差异为0.113，残疾劳动者的个体特征引起的差异占28.26%，性别歧视占71.74%。
分解结果表明，无论采用哪种权重进行分解，在造成残疾人就业概率性别差异的原因中，歧视都占了主要比重，个人特征所引起的差异占比很小。虽然在中国法律中，《就业促进法》、《妇女权益保障法》均明确提出：“用人单位不得以性别为由拒绝录用妇女，或者提高对妇女的录用标准”。但是由于种种原因，残疾人就业的性别歧视尤其是隐形性别歧视一直普遍存在。
早晨早十分钟起床，可以挤这十分钟读书；晚上少看一点电视，翻几页书应该可以做到；节假日休息时，推掉一两个应酬，就有了整块时间。不能小看这十分钟、这几页书，阅读像爬山，不怕慢，只怕站。只有多重视这短短几分钟，才可能把时间积少成多地利用起来，才可能赢得更多整块的时间。只有抓紧时间阅读，才可能积跬步至千里。
五、进一步分析：就业扶贫需求性别差异分解
前文提到，调查数据显示残疾女性的就业扶贫需求显著低于男性。为了进一步分析造成扶贫需求性别差异的原因，接下来把扩展后的OB分解方法运用到就业扶贫需求，对五种扶贫需求进行差异分解。考虑到是否就业与是否有就业扶贫需求具有内生关联性，接下来的研究只针对未就业的8966个样本。在把不同就业扶贫需求分别作为因变量，从基本人口学特征、家庭特征和社会环境方面选取8个变量作为自变量，运用logit模型进行回归分析之后① 由于篇幅所限，本文对影响残疾人不同就业扶贫需求因素的回归结果不做详细汇报。在基本人口学特征变量中，年龄和受教育程度显著，婚姻状况、户口类型、残疾类型和残疾等级部分显著；家庭特征变量中，家庭收入情况显著；社会环境方面，是否参加居民养老保险也显著。此外，不同就业扶贫需求的影响因素中均存在地区效应。 ，再进行OB分解，得到如下分解结果（表4）。
表4 残疾人就业扶贫需求性别差异分解结果
从表4的数据分解结果可以看出，在就业扶贫总需求上，性别总差异为0.037，残疾劳动者的个体特征引起的差异占54.55%，不可解释部分引起的差异占45.45%。本文将这种不可解释的因素称为女性的先天“弱势”。具体来看，在职业技能培训需求上，性别总差异为0.015，个体特征引起的差异占43.13%，女性的先天“弱势”占56.87%；在职业介绍需求上，性别总差异为0.022，个体特征引起的差异占37.05%，女性的先天“弱势”占62.96%；在农村实用技术培训需求上，性别总差异为0.007，个体特征引起的差异占37.32%，女性的先天“弱势”占62.68%；在资金信贷扶持需求上，性别总差异为0.008，个体特征引起的差异占10.42%，女性的先天“弱势”占85.59%，这可能是由于女性比男性更趋向于风险规避造成的；在其他帮扶需求上，性别总差异为0.009，个体特征引起的差异占86.45%，女性的先天“弱势”占13.55%。
分解结果表明，无论针对哪种就业扶贫需求，在造成残疾人就业扶贫需求性别差异的原因中，女性的先天“弱势”都占据了很大的比重。相同的个体特征，处于同样的失业状态，女性的这种先天“弱势”导致他们比男性的就业扶贫需求低很多，这种“弱势”再加上女性就业时面临的性别歧视，使得女性残疾人的就业概率偏低。
六、结论与建议
中国的劳动力市场中的性别歧视问题一直存在，这种歧视破坏了社会的公平，阻碍了人才的流动，使得劳动力资源配置失衡，造成了人力资源的大量浪费。在当前中国人口红利逐渐消失的背景下，有效地解决劳动力市场中的性别歧视问题，将有助于保持中国经济持续稳定的增长。
本文从残疾劳动力市场出发，利用东部沿海某省2017年全国残疾人基本服务状况与专项调查数据，研究了残疾人在就业概率和扶贫需求上的性别差异，并采用非线性Blinder-Oaxaca 分解方法对性别差异的原因进行了分解。本文的证据表明：残疾男性的就业概率显著地高于残疾女性，这个差异由基本人口学特征、家庭特征、社会环境等可观测到的个体特征方面所能够解释的部分很小，残疾人劳动力市场上对女性存在着严重的就业歧视现象。造成未就业残疾人就业扶贫需求性别差异的原因中，在职业技能培训需求、职业介绍需求和农村实用技术培训需求上，大约60%的差异是由残疾女性的先天“弱势”造成的。在资金信贷扶持需求上，女性的这种先天“弱势”甚至造成了接近90%的差异。当然，在造成性别差异的原因中，不可忽视其他无法观测变量的影响，本文将这些无法观测的因素都归于性别歧视或先天“弱势”当中，可能会有所夸大。但尽管如此，可观测到的特征差异所能解释的部分很小，足以证明歧视程度的严重性。此外，与其他关于歧视的实证文献一样，本文也无法区分残疾人就业过程中性别歧视的来源，利用“精确”的实验机制对相关问题做进一步研究是值得努力的方向。
由图1可知，加入添加剂对初始熔化温度有明显降低效果，添加量在2%时，氧化硼和碳酸钠将初始熔化温度由1 050 ℃降至700 ℃左右。添加10%氧化硼则降至400 ℃；硼砂对初始熔化温度降低的影响呈现缓慢降低的趋势，在添加8%时达到最低温度590 ℃。碳酸钠则在10%时达到最低温度691 ℃。
基于上述研究发现，本文提出以下政策建议：首先，针对残疾女性在就业过程中受到的性别歧视，政府应在就业政策中纳入性别敏感视角，为失业残疾女性进入劳动力市场提供良好的制度支持。比如对残疾女性的在职培训进行鼓励和补贴，激励雇主提高对女性的培训力度，从而为残疾女性创造更多的就业机会。其次，残疾女性的教育水平偏低是导致就业差异的原因之一，因此政府应加大对残疾女性特殊教育的投入力度，提高残疾女性的人力资本水平和竞争力。再次，考虑采取积极措施以消除歧视造成的不利影响，如根据残疾工作岗位的性别构成按比例雇佣残疾女性，提高女性的就业率，并对残疾女性就业性别歧视加强立法规制和司法救济；最后，针对未就业残疾女性就业扶贫需求偏低的现象，政府在设计和实施对残疾人的就业扶贫帮助时，不仅需要关注残疾人渴望获得何种就业帮扶，更需要关注失业残疾女性不需要帮扶的具体原因，有针对性地为他们提供就业帮助和心理指导。比如对残疾女性提供更优惠的资金信贷扶持政策，降低她们的贷款风险，从而帮助她们早日脱贫。✿
参考文献：
[1]王美艳.中国城市劳动力市场上的性别工资差异[J].经济研究，2005（12）：35-44.
[2]葛玉好，曾湘泉.市场歧视对城镇地区性别工资差距的影响[J].经济研究，2011（6）：45-56+92.
[3]李春玲，李实.市场竞争还是性别歧视——收入性别差异扩大趋势及其原因解释[J].社会学研究，2008（2）：94-117+244.
[4]李实，宋锦，刘小川.中国城镇职工性别工资差距的演变[J].管理世界，2014（3）：53-65+187.
[5]Mohanty，Madhu S.Do US Employers Discriminate Against Females When Hiring Their Employees?[J].Applied Economics，1998（11）：1471-1482.
[6]Livanos I，Çagri Yalkin，Imanol Nuñez.Gender Employment Discrimination：Greece and the United Kingdom[J].International Journal of Manpower，2009（11）：815-834.
[7]宋月萍.职业流动中的性别差异：审视中国城市劳动力市场[J].经济学（季刊），2007（2）：629-654.
[8]颜士梅，颜士之，张曼.企业人力资源开发中性别歧视的表现形式——基于内容分析的访谈研究[J].管理世界，2008（11）：110-118.
[9]卿石松.职位晋升中的性别歧视[J].管理世界，2011（11）：28-38.
[10]王维国，周闯.城镇居民就业性别差异的分解及区域比较[J].统计研究，2014（2）：43-48.
[11]申晓梅，谭远发，边慧敏.中国大学毕业生就业中的性别歧视甄别[J].经济学家，2010（10）：46-55.
[12]卿石松，郑加梅.专业选择还是性别歧视? ——男女大学生起薪差距成因解析[J].经济学（季刊），2013（3）：1007-1026.
[13]Fairlie R W.An Extension of the Blinder-Oaxaca Decomposition Technique to Logit and Probit Models[J].Social Science Electronic Publishing，2003（30）：305-316.
[14]Bauer T K，Sinning M.An Extension of the Blinder-Oaxaca Decomposition to Nonlinear Models[J].Asta Advances in Statistical Analysis，2008（2）：197-206.
[15]白先春，邓晓艳，宦颖洁.我国残疾人就业影响因素的实证研究[J].残疾人研究，2018（2）：92-96.
Gender Differences in Employment and Poverty Alleviation Needs of the Disabled：Based on Nonlinear Blinder-Oaxaca Decomposition Method
KANG Chen-yu1，HU Ri-dong1，BAI Xian-chun2
(1.Institute of Quantitative Economics，Huaqiao University，Xiamen Fujian，361021，China；2.China Academy of Data Science for the Disabled，Nanjing Normal University of Special Education，Nanjing Jiangsu，210038，China）
【Abstract】 Based on the data of the national survey on basic and special services for the disabled in a province on the eastern coast in 2017，this paper used Blinder-Oaxaca decomposition method of Logit model to research the gender differences in employment probability of the disabled labor force and the reasons.The result shows that the difference in employment probability between disabled men and women is partly explained by the difference in observable characteristics，and there is obvious gender discrimination against disabled women in the labor market.Through further research，it is found that most of the gender differences in the six employment poverty alleviation needs of unemployed disabled people cannot be explained by the observed characteristics.The congenital“disadvantage”of disabled women is the main reason for their low demand for employment poverty alleviation.Therefore，while formulating and improving the policies to elimination of employment discrimination，the government should have a deeper understanding of the specific situation of unemployed disabled people who do not need assistance，and provide psychological guidance for them when necessary.
【Key words】 Employment of The Disabled；Gender Discrimination；Poverty Alleviation Needs；Nonlinear Blinder-Oaxaca Decomposition
【DOI】 10.15884/j.cnki.issn.1007-0672.2019.06.008
【收稿日期】 2019-04-01
【中图分类号】 G521
【文献标志码】 A
【文章编号】 1007-0672（2019）06-0083-10
【基金项目】 国家社会科学重大基金项目（16ZDA004）；全国文化名家暨“四个一批”人才自主选题项目；华侨大学研究生科研创新基金资助项目（18011020007）。
【作者简介】 康琛宇，男，山西忻州人，华侨大学博士研究生，研究方向：宏观经济模型及应用；胡日东，男，福建永春人，华侨大学数量经济研究院教授，博士生导师，研究方向：宏观经济模型及应用；白先春，男，安徽六安人，南京特殊教育师范学院中国残疾人数据科学研究院教授，硕士生导师，研究方向：残疾统计。
标签：残疾人就业论文; 性别歧视论文; 扶贫需求论文; 非线性Blinder-Oaxaca分解论文; 华侨大学数量经济研究院论文; 南京特殊教育师范学院中国残疾人数据科学研究院论文;