我国城镇正规就业与非正规就业工资差异的实证研究——基于分位数回归与分解的发现，本文主要内容关键词为：正规论文,位数论文,分解论文,与非论文,城镇论文，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。
中图分类号F224.0 文献标识码A
“非正规就业”(Informal Employment)是相对于正规就业而言的，这一提法是国际劳工组织(ILO)在一份题为《就业、收入与平等：肯尼亚增加生产性就业战略》的研究报告中首次提出的(ILO，1972)。ILO认为，在与肯尼亚相类似的发展中国家里，存在着一大批“有工作的穷人”。按照ILO定义，非正规就业即指在非正规部门的就业。国际上，通常非正规部门被视为这样一类生产单位，主要表现为自我雇佣、家族企业和微型企业，其从事的生产或服务活动，没有独立于家庭或家庭成员的单独的法律权利，也没有完整独立的账户，无法与家庭其他活动清楚地区别开来。非正规部门的单位通常在低组织水平上运作，作为生产要素的劳动力和资本较少分离或不分离，生产规模小。劳动关系大部分建立在临时性就业、家属或个人和社会关系上，而不是基于有正式保障的合同安排(蔡昉和王美艳，2004)。
伴随现代经济的不断发展和行业分工的日益深化，非正规就业在世界各国规模呈不断扩大趋势。据国际劳工组织统计，美国各种形式的非正规就业约占就业总量的30%，日本非正规就业形式也占所有工作的25%。就中国而言，城镇的非正规就业总人数约为1.36亿，基本占到城镇部门总就业人数的51%(任远和彭希哲，2007)。显然，无论是发达国家还是发展中国家，非正规就业已成为劳动力市场的重要组成部分。非正规就业由于具有吸纳大量劳动力的“海绵”功能，加之其旺盛的生命力，已经成为各国缓解就业压力的一条现实途径。国外绝大部分发达国家都从体制、政策和管理上鼓励非正规就业的发展。相比而言，我国对非正规就业的关注较晚，在1996年上海市才率先引入“非正规就业”这一概念。因而在过去一段时期内，我国政府对非正规就业的态度基本是持忽视和限制的态度，缺乏规范的引导与管理，导致非正规就业几乎没有生存的空间(周天勇，2006)。令人欣慰的是，近些年来，我国政府对非正规就业的态度有所改变，并积极出台有关政策。比如，2008年颁布实施的《劳动合同法》明确要求雇主提高就业的安全性和稳定性，签订无固定期限劳动合同等，这在一定程度上促进了非正规就业的发展，并推动了我国就业形式的多样化和就业形势的和谐化。
相比正规就业，非正规就业往往体现为一种在劳动关系上相对松散，就业稳定性较差、工资收入低、缺乏社会保护，以维持生活为主的一种就业方式(姚宇，2006)。就二者诸多差异性而言，工资差异应该是最为直接和最为典型的表现形式。从国外文献来看，早期的大多数研究认为非正规部门就业比正规部门就业工资收入更低(Mazumdar，1982；Heckman 和Hotz，1986；Roberts，1989；Pradhan和Van Soest，1995；Eliane Badaoui等，2007)。其经济学解释主要基于劳动力市场分割的观点，即由于存在进入正规部门就业的制度障碍，使得在同等劳动生产率的情况下，非正规部门只能获得比正规部门更低的回报(Fields，1975；Mazumdar，1975)。当然，也有一些学者提出不同的看法或更加丰富的观点。比如，Marcouiller等(1997)利用萨尔瓦多和秘鲁数据，发现这两个国家的正规部门就业存在明显的工资溢出，而在墨西哥却发现非正规部门存在工资溢出现象。Tansel(2000)利用土耳其家庭消费数据，并将自我雇佣且工资无封顶的那部分人视为非正规就业人员，而把获取封顶工资的人群视为正规部门就业人员，研究发现，男性工资在正规部门和非正规部门存在巨大差异，而女性则无差异。Gong和Van Soest(2002)利用墨西哥数据研究发现，低层次教育人群的工资差异较小，高层次教育人群的工资差异较大。Pratap和Quintin(2006)基于阿根廷数据研究发现，在控制自我选择的条件下，并没有证据表明非正规部门的工资比正规部门低。目前，国内关于非正规就业的讨论很多，但多数文献研究停留于定性描述或基本特征描述，关于非正规就业与正规就业工资差异的实证研究相对匮乏。目前见到的实证研究中，吴要武(2009)利用2005年1%人口抽样调查数据研究发现，非正规就业群体的人力资本投资收益率并不显著低于正规就业者，劳动力市场非正规化并没有导致劳动力资源配置上的损失。常进雄和王丹枫(2010)利用1997-2006年CHNS数据研究发现，正规就业与非正规就业在教育回报率和经验回报率的差距在逐渐扩大，人力资本配置向正规就业倾斜是造成两者工资差异拉大的主要原因。屈小博(2011)同样利用1997-2006年CHNS数据研究表明，正规就业与非正规就业之间存在显著的工资差距，但随着经济发展和劳动力市场供求的转变，两类就业者由于就业类别的差异导致的“收入差异”呈缩减趋势。
已有的国内文献在估计工资决定方程时，主要关注于正规就业与非正规就业的条件均值差异，对于整个分布上的工资差异却尚未述及。事实上，在整个工资收入分布的不同区间，教育、经验等个人禀赋的工资回报率会有所不同，正规就业与非正规就业的工资差异在条件分布由低到高的过程中可能存在某种变化规律，而这正是本文研究的重要出发点之一，也是以往相关主题文献尚未考虑的。基于此，我们将采用新近发展的分位数回归与分解方法，研究正规就业与非正规就业的工资差异，旨在将人们研究注意力从工资决定方程“均值”回报率吸引到回报率“分布”，并探寻两种就业工资差异在条件分布不同位置的变动规律，以丰富人们对当前两大就业方式工资差异的认识，并为制定相关的工资政策提供有价值的参考依据。
本文研究发现，正规就业与非正规就业的教育回报率的差异，随工资分布由低端到高端呈现先升后降趋势，经验—工资线在正规就业与非正规就业明显不同，前者为单调递增的线性关系，后者为倒“U”曲线关系；正规就业与非正规就业的工资差异主要是由中低端的工资差异引起的；在工资分布中低端和歧视等非市场因素是工资差异的主要原因，而在工资分布高端，工资差异主要来自于教育和经验等个人禀赋差异。因此，努力提高非正规就业人群尤其是低收入群体的教育水平和质量，取消行业或职业进入壁垒，摒弃歧视性政策，将有效地促进就业人群的工资增长，这对于整个国民收入分配的改善将会产生深远的影响。
一、数据、变量及基本特征
1.数据来源
本文使用了美国北卡罗来纳大学和中国疾病控制中心在中国9个省份进行的家庭营养与健康调查数据库(CHNS,China Health and Nutrition Survey)。该数据库包括1989年、1991年、1993年、1997年、2000年、2004年、2006年以及2009年中国农村和城市3000多个家庭户中个人工资、教育、年龄以及反映家庭背景的信息。为了与以往研究结果形成比较，以便揭示我国城镇正规就业与非正规就业工资差距的新特征，本文选取了CHNS在2009年的最新调查数据，研究样本一共2405个。
遵循ILO对非正规就业的定义以及CHNS所提供的识别指标，我们采用CHNS成人调查表中的问题“你在此工作中的职位是何种类型？”和“你工作单位是何种类型？”来共同识别正规就业和非正规就业。具体做法与常进雄和王丹枫(2010)类似，我们将非正规就业定义为：有雇工的个体经营者、无雇工的个体经营者、临时工、领取工资的家庭工人、无报酬的家庭帮工以及在政府机关、国有企事业单位或集体企业的合同工。正规就业定义为：为他人或单位工作的长期工、私营“三资”企业的合同工。
2.变量定义
被解释变量：对数月工资收入，研究对象为18岁及以上居民。月工资包括：工资、各种补贴和奖金三部分，为了便于比较不同年份的工资水平，用消费物价指数(CPI)将每一年的工资转换为按照2009年不变价格衡量的工资收入。对数月工资用lnwage表示。
解释变量：
第一，就业类型变量：正规就业和非正规就业，正规就业为1，非正规就业为0。
第二，受教育年限：为了便于计算教育报酬率，我们没有用不同教育水平的虚拟变量，而是用个体实际的受教育年限来表示，单位为年。
第三，现职工作经验：将个体的实际年龄减去受教育年限再减去6，得到现职工作经验(Roger，2008)，同时为了考察经验—工资曲线是否存在倒“U”特征，我们在模型中加入工作经验的平方项。
第四，性别：女性为1，男性为0。
第五，婚姻状况：考虑到婚姻可能对个体就业和收入等方面存在影响，我们将个体婚姻状况纳入模型，分为未婚和已婚两部分，未婚为0，已婚为1。
第六，户籍情况：分为城镇户口和农村户口，城镇为1，农村为0。
有关个体基本特征如表1所示。从中可以发现，正规就业与非正规就业的个体特征总体上存在较大差异。从受教育年限来看，正规就业的受教育水平要比非正规就业高，正规就业的受教育年限为11.28年，而非正规就业的受教育年限为9.05年，二者相差2.23年。从工作经验上看，非正规就业比正规就业多3年。从性别上看，无论是正规就业还是非正规就业，男性比例都高于女性。从婚姻状况上看，无论是正规就业还是非正规就业，已婚劳动者是就业主体。从户籍上看，正规就业城镇户籍的比例为53.62%，而非正规就业中来自农村户籍的比例为64.32%。总之，正规就业的个体特征要优于非正规就业的个体特征。
3.工资差异
我们首先重点关注两种就业类型工资的变化特征。由图1发现，两种就业类型的平均工资偏离了对方，正规就业工资水平明显高于非正规就业，而且正规就业的月工资密度分布较为集中，其内部的工资差异较小，而非正规就业的内部工资差异相对较大，这反映了正规就业与非正规就业的工资决定机制发生了变化。
进一步分析正规就业与非正规就业在不同分布下的工资差异(见图2)，从中可知，正规就业与非正规就业工资差异在中低分位数较大，而在高位数较小。具体而言，在10%分位数位置，二者工资差异的自然对数值为0.41，在25%分位数位置，为0.356，而在75%分位数，下降为0.268，到90%高分位数，进一步下降到0.151。这一结果表明，我国目前城镇正规就业与非正规就业的工资差异主要是由工资分布中低端的差异引起的。
二、工资决定与报酬率差异
1.研究方法
本文采用分位数回归方法，旨在考察在条件分布的不同位置，正规就业与非正规就业工资决定及其报酬率差异。分位数回归方法最早是由Koenker和Bassett(1978)提出来的。从理论上说，分位数回归是一种基于被解释变量y的条件分布来拟合自变量x的线性函数的回归方法，是在均值回归上的拓展。在不同的分位数水平，可以得到不同的分位数函数。随着分位数取值由0到1，可得所有y在x上的条件分布轨迹，即一簇曲线，而不像OLS方法只得到一条曲线。因此，当希望对一个数据集合中分布在不同位置的数据点进行研究时，采用分位数回归是一种良好的选择。以下就分位数回归方法作简要介绍。
对于分位数回归而言，设随机变量Y的分布函数为F(y)=P(Y≤y)，则Y的第θ 分位数可定义为：
2.估计结果
由于各分位数能全面刻画收入分布状况，而且以收入分布的分位数为被解释变量的回归能直观地看出各要素在不同收入水平的边际报酬率，因此本文给出正规就业与非正规就业工资决定方程的分位数回归结果。在此我们选择5个具有代表性的分位数，分别是0.1、0.25、0.5、0.75和0.9。同时为了便于比较，我们也列出OLS估计结果。从表2的结果，我们得到几点发现：
第一，无论是正规就业还是非正规就业，教育变量的估计系数都达到1%显著水平。两种就业方式教育回报率的差异随分位数由低到高呈现先升后降趋势(见图3)。比如，在10%分位数，正规就业的教育回报率为5.98%，而非正规就业为2.42%，二者相差3.56%；在50%分位数，正规就业的教育回报率为7.85%，非正规就业为3.26%，二者相差4.59%，而在90%高分位数，二者仅相差1.02%。就平均而言，正规就业与非正规就业教育回报率分别为6.76%和3.04%，二者相差3.72个百分点。对于教育回报率在两种就业方式的显著差异，其经济学解释可能是：一方面，相比于非正规就业人员，正规就业人员无论在教育水平还是教育结构都更具优势，因而在控制其他条件不变的情况下，往往能获得更高的回报。另一方面，正规就业的指向通常是政府机关、各级企事业等国有部门或较具规模的外资企业①，这些部门在薪酬安排存在一定教育“信号”效应，那些具备高教育水平的人员能获得高回报率。而非正规就业人员获得工资的多寡往往遵循劳动生产率原则，工资具有较强的竞争性，教育“信号”效应对其工资增长影响相对较弱。
第二，经验回报率在两种就业类型存在显著差异。当工作经验低于一定水平(7.5年左右)，非正规就业的经验回报率高于正规就业；而当工作经验超过这一水平，非正规就业的经验回报率则低于正规就业。由此我们可以认为，对非正规就业而言，经验对工资收入的作用比教育更为重要。进一步绘制平均水平的经验—工资曲线(见图4)可以发现，正规就业为单调递增的线性关系，非正规就业则为相对复杂的倒“U”形曲线。经验工资曲线的差异表明，随着工作经验超过某一水平并进一步增长，两类就业人员的工资差距将进一步扩大。
第三，性别变量的估计系数显著为负，表明无论是正规就业还是非正规就业，性别工资差异普遍存在，且女性工资比男性工资要低。同时注意到，正规就业与非正规就业的性别工资差异幅度有所不同。比如，在10%、50%和90%分位数，正规就业的性别工资差异分别为24.7%、17.4%和18.3%，变化幅度不大；而非正规就业的性别工资差异分别为39.2%、32%和48.9%，变化幅度较大。这一结果表明，在非正规就业领域，收入分布处于高端的女性遭受的性别歧视最为严重。
第四，户籍因素对工资差异有显著影响，其估计系数为负，意味着在个人特征都给定的情况下(尤其是教育和工作经验都相同的情况下)，无论是正规就业还是非正规就业，城镇户籍就业人员的工资收入要比农村户籍人员低。婚姻变量在各分位数大多数显著为正，表明已婚者在工资收入上明显高于未婚者。
三、工资差异的分解：Oaxaca-Blinder与分位数分解
1.方法
关于两个不同特征群体的工资差距的分解方法，是在Oaxaea(1973)和Blinder(1973)的框架下展开的。Oaxaca-Blinder分解方法可表示为：
分别表示两个工资方程的系数向量。等式右边第一项是工资差距中能被方程中解释变量的数量差异所解释的部分，称之为特征差异；第二项为不可解释的部分，表示具有相同的个人禀赋特征的两组就业人群由于就业类别差异所导致的工资差异，反映了劳动力市场的非效率和扭曲程度，称之为系数差异。
值得注意的是，Oaxaca-Blinder的方法建立在OLS回归的基础之上，其所分解的是两个不同群体之间收入的条件均值的差异。但在现实的劳动力市场中，不同群体的收入差异在分布的不同位置是不同的。Oaxaca-Blinder分解方法并没有处理此问题，而建立在分位数回归(Quantile Regression)上的分解方法则可以分析整个分布上不同群体的收入差异。
结合前述的分位数回归模型，正规就业与非正规就业在各分位数工资差异可表示为：
在进行分位数分解过程中，使用较为广泛的是Machado和Mata(2005)提出的构造反事实工资分布的方法(M-M方法)。M-M方法首先从均匀分布U[0，1]中生成一个大小为n的随机样本，然后分别估计正规就业与非正规就业的n个分位数回归系数
。通过对解释变量矩阵X进行有放回的重新抽样，对正规就业与非正规就业分别生成一个大小为n的随机样本。最后，在正规就业估计系数的基础上模拟非正规就业工资分布，并重复进行n次，生成反事实的非正规就业工资分布。这一方法的基本思想是通过概率积分转换定理的方法来构造反事实的工资分布(王震，2010)。在下文分析中我们利用分位数分解方法对正规就业与非正规就业工资差异进行分解。为便于比较，同时给出OaxacaBlinder分解结果。
2.分解结果与讨论
(1)Oaxaca-Blinder分解。为了便于比较，我们首先给出Blinder-Oaxaca分解结果。由表3显示，正规就业与非正规就业对数工资的总差异为0.303，表明正规就业工资比非正规就业工资高35.4%
，其中由特征因素引起的差异为0.075，占总差异的24.7%；由非市场因素引起的差异为0.228，占总差异的75.3%。这表明在两种就业人群的工资差异中，24.7%是由个人特征差异引起的。应该说这部分差异是市场机制发挥作用而产生的合理差异，属于“同工同酬”部分。另有75.3%差异是市场无法解释的，且这部分所占比重偏高，反映出我国存在较为严重的劳动力市场分割和就业歧视现象。
就分解项而言，教育是造成正规就业与非正规就业工资差异最主要的因素。由教育引起的工资差异为0.488，占总差异的161.1%。其中，教育特征差异为0.068，占总差异的22.4%，教育的系数差异为0.42，占总差异的138.7%。这意味着，不论是人力资本特征还是回报率，正规就业人群都比非正规就业人群拥有明显优势。进一步发现，教育特征差异比重低于100%，而教育系数差异远远超出100%，这表明，即使控制了两类就业人群的教育水平，正规就业与非正规就业的工资差异仍然非常大，这意味着相比于正规就业，我国非正规就业人群的教育回报率被严重低估了。
就工作经验分解项而言，其引起的工资差异仅占总差异的42.8%，比重较低。这与两种就业人群的工作经验年数相接近有关，也与经验回报率在两种就业人群的差异性有关。正如前文所述，在达到一定工作经验年数之前，正规就业的经验回报率低于非正规就业的经验回报率，而在超过工作年数之后，正规就业的经验回报率才高于非正规就业的经验回报率，由此在总体样本就存在一高一低、相互抵消现象，从而使得经验因素对工资差异的影响程度并不大。就性别变量，其引起的工资差异为0.291，占总差异的96.1%，深刻反映了我国劳动力市场存在严重的性别歧视。婚姻、户籍都影响着两种就业人群的工资差异，但相比于教育和性别，这些因素所导致的收入差距要小很多。此外，常数项的差异表明，非正规就业中具有参照组特征的劳动力(男性、未婚、农村户籍)的工资水平高于正规就业具有相同特征的劳动力。
(2)分位数分解。我们重点关注的分位数分解结果由图5和表4给出。图3中的纵轴表示对数月工资，横轴由左至右依次为第1个至第99个分位数，三条曲线分别代表正规就业与非正规就业月工资的总差异、特征差异和系数差异。
图5 正规就业与非正规就业工资差异分位数分解
从总差异曲线看，在整个收入分布区间，总差异在中低端位置较大，而在高端位置较小。比如，在10%低分位数，总差异为0.409，在25%分位数，总差异为0.356，在中位数位置，总差异为0.345，而在90%高分位数，总差异下降为0.151。关于总差异曲线在不同分位数的变化规律，其原因可能是：当工资分布处于中低端位置，与其对应的非正规就业人群往往是那些以体力劳动为主的临时工，他们通常缺乏社会保护、就业稳定性差，容易遭受劳动力市场歧视以及经济景气冲击，因此，与相同工资分布的正规就业者存在较大的工资差距。而处于工资分布高端的非正规就业人群，大多是具备一定技术水平的专业人员或有雇工的个体经营者，这部分人群往往出于自愿而选择非正规就业，他们的工资收入与相同分位数的正规就业人群收入水平相距不大，甚至出现工资差距逆转的个别现象。就业人群的职位分布特征也在一定程度上解释了不同分位数下正规就业与非正规就业之间的工资差异。从这一点来看，我国正规就业与非正规就业之间的整体工资差距主要是由工资分布中低端的工资差距拉大引起的。
就特征差异曲线而言，在工资分布中低端，由个人禀赋引起的工资差异相对较小，而在收入分布高端，个人禀赋引起的工资差异较大，这部分属于合理的人力资本回报。比如，在25%分位数，正规就业表现出16.6%左右的个人禀赋优势；在50%分位数，表现出12.6%的个人禀赋优势；而在75%分位数，上升至22.2%的个人禀赋优势；在90%有接近一半的个人禀赋优势。总体而言，正规就业人群由于更具优势的个体禀赋，因而在整个工资分布区间，个体禀赋优势始终为正规就业带来正的工资差异，这部分差异是属于“同工同酬”的合理差异。同时，当收入分布进入高端区间，两种就业人群的禀赋特征差异较大，大于收入分布中低端。换言之，与非正规就业相比，高收入的正规就业人群具有更加明显的个体禀赋优势。
观察系数差异曲线我们发现，在整个工资分布区间，其变化趋势几乎与总差异曲线一致。在低端位置，系数差异值较大，中端次之，高端最小。这表明，两种就业人群的就业歧视在收入分布中低端较为严重，而在高端有所缓解，这可能与非正规就业人群的职位类型以及社会保护政策覆盖程度分布密切相关。
四、结论与启示
本文基于CHNS数据，利用分位数回归对我国正规就业与非正规就业的工资差异进行估计，并使用Oaxaca-Blinder与分位数分解方法对工资差异进行分解，得到如下结论：
第一，分位数回归结果表明，正规就业教育回报率明显高于非正规就业，且在低分位数，二者的教育回报率相距较大；而在高分位数，二者相距较小。经验—工资曲线在正规就业与非正规就业有所差异，前者为单调的线性关系，后者为倒“U”形的非线性关系。而且，当工作经验低于一定水平(7.5年左右)，非正规就业的经验回报率比正规就业高，而当工作经验超过这一水平，非正规就业的经验回报率就比正规就业低。
第二，平均而言，正规就业与非正规就业之间工资差异的24.7%由两者特征上的差异得到解释。另有75.3%差异是市场无法解释的，反映出我国存在较为严重的劳动力市场分割和就业歧视现象。正规就业与非正规就业工资差异主要是由工资分布中低端的差异引起的。就分解项而言，教育是引起工资差异最为重要的因素。
第三，分位数分解结果表明，系数效应和特征效应的大小及其比重随着收入分布的不同而呈现出不同的特征。在工资分布低中端，歧视等市场无法解释因素是造成正规就业与非正规就业工资差距的主要原因。但在工资分布高端，正规就业与非正规就业的工资差异主要由特征效应引起。
基于上述结论，本文的政策含义是显而易见的：首先，由于教育因素是影响两种就业类型工资差异最为重要的因素，而非正规就业无论在教育水平还是教育回报率都明显低于正规就业。因此，提高非正规就业人群的教育水平，改善教育服务的数量与质量，对于缩小工资收入差距有着重要意义。其次，由于处于工资分布中低端的非正规就业人员通常是劳动力市场的歧视对象。因此，取消行业或职业进入壁垒，摒弃歧视性政策，降低劳动力市场分割，能够提高这部分非正规就业人员的工资收入水平。令人欣喜的是，在工资分布高端的非正规就业人群，他们在城镇劳动力市场可以得到合理的待遇。这也进一步说明，如果政策当局能通过有针对性的社会保护政策以矫正低收入群体在劳动力市场所遭遇的歧视问题，将会在很大程度上促进劳动工资增长，进而对整体国民收入分配的改善产生深远影响。
注释：
①结合本文对正规就业概念的界定。