城市农民工生命统计价值研究：基于改进的特征工资模型——来自上海的证据，本文主要内容关键词为：农民工论文,上海论文,证据论文,模型论文,特征论文，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。
生命统计价值已成为发达国家评估一个人生命价值的主要依据，然而，在中国由于对生命价值研究的不足，以至于每一次重大伤亡事故的赔偿问题都成为善后处理的难题，以及学术界和媒体讨论的热点。①长期以来，中国法律在伤亡赔偿方面大都依据地区平均工资或实际工资的倍数计算，这严重低估了劳动者的生命统计价值，扭曲了劳动力市场的工资和劳动力配置，导致了企业缺乏安全投入的动力和压力，同时也是中小企业和煤矿、建筑等高危行业事故频发的主要根源之一。[1][2]并且由于地区和城乡收入差异明显，依据劳动生产价值计算的补偿标准必然会导致“同命不同价”。②“农民工”是中国社会经济转型背景下的一群特殊劳动力大军，由于自身人力资本的限制，其大多在高风险行业和岗位上就业，一旦发生伤亡事故，善后赔偿问题就会成为事故责任双方博弈的焦点。由于没有合理的事故赔偿制度，在赔偿过程中事故责任双方的谈判能力便直接左右着赔偿的结果，而城市农民工多为弱势群体，唯有借助媒体力量或群体上访等来增加谈判力，提高补偿金额，由此进一步导致了交易成本和维稳费用的增加。因此，生命统计价值的科学评估，不仅关系到对事故受害人的合理赔偿，还涉及如何建立合理的事故赔偿制度，以及安全健康政策的效益评估。本文以上海农民工为样本，以国外主流的生命价值理论为基础，应用改进的特征工资模型（hedonic wage model）估计农民工的生命价值，以期为农民工伤亡赔偿标准、安全生产法、健康与环境以及工资决定提供参考依据。
本文的主要贡献在于：一是将国外生命价值在理论和实证领域中的创新成果引入国内，应用特征工资模型对样本农民工的生命价值进行了估计，相比经典模型，改进模型更适合用于生命价值的估计。二是将年龄进行分组回归分析，发现样本农民工的生命价值与年龄的关系呈倒U型，在46岁～50岁达到最大，消费显著提高了老年人的生命价值，因此在生产安全、环境和健康政策的成本收益评估中，应赋予老年人更高的收益权重。此外，实证分析还发现，有经验和文化的样本农民工的生命价值最高，说明工作经验和教育有助于提高生命价值。
二、文献综述
发达国家很早就开始了对生命统计价值的评估，长期以来取得了大量的理论和实证研究成果。生命统计价值理论最早可以追溯到亚当·斯密（Adam Smith）的“补偿性工资差值”（compensating wage differential）理论。该理论认为，由于行业和工作岗位所面临的伤亡风险不同，各行业的工资水平应该在一定程度上反映该行业和工作岗位的劳动风险差异，那些风险较高的行业应该给工人更多的补偿。[3]生命统计价值的评估方法主要有人力资本价值法（human capital value）和支付意愿法（willing to pay）。人力资本价值法的创始人为17世纪英国古典政治经济学家威廉·配第（Sir William Petty），他在《政治算数》一书中提出了人的经济价值的思想，并运用生产成本的方式计算出当时英国的人均货币价值、英国的国家实力和战争中人力资本的损失等。[4]由于该算法较简单，早期在保险、司法和事故伤亡赔偿上得到广泛应用。[5]但现在采用该方法的文献越来越少，因为该方法的最大缺陷是用人所创造的物质财富来衡量生命价值，忽视了人的非物质性价值，因而存在低估生命价值的可能。[6]实际上，人力资本价值法衡量的是具体个人的生命价值，而非统计上的生命价值。[7]经济学意义上的生命价值应该是“统计上的生命价值”（value of a statistical life，VSL），是衡量个人为了避免死亡风险、伤残或疾病的意愿支付程度。经济学上的“支付意愿”是指个人通过权衡风险程度与支付意愿来实现特定风险条件下的个人效用最大化，该理论的基础是微观经济学上的期望效用理论，即劳动者在选择风险水平时，会依据其预算约束力获取期望效用的最大化。早期的支付意愿法主要是通过调查问卷的形式直接询问被访者为规避死亡风险愿意支付的最大金额，从而间接测算被访者的VSL。③由于被访者对调查问卷中假想风险的评估与面临真实风险反应的不同以及风险认知上的偏差等，该方法的准确性受到学术界的质疑。[8]为了准确评估VSL，维斯库斯和阿尔迪（Viscusi and Aldy）在罗斯（Rosen提出的特征价格模型（hedonic price model）的基础上不断地改进和完善，形成了当今发达国家用于评估VSL的主流方法——特征工资模型。[9][10]目前，该方法已被欧美发达国家广泛用于劳动生产、交通安全、食品医药、健康卫生等安全管制领域，是政府评估公共安全健康政策效益的重要参数。[11]斯密（Smith）、泰勒和罗斯（Thaler and Rosen）最早用该模型对美国劳动力的VSL进行了评估。[12][13]之后，以维斯库斯为主要代表的一批学者使用该方法对不同国家和地区不同行业的劳动者的VSL进行估计，并将其应用于对环境、公共健康政策的效益评估上，取得了丰富的实证研究成果。[6][11][14][15]但大部分的成果都是针对美国、英国、加拿大和其他高收入国家的实证研究，对发展中国家的研究很少。
虽然建立在工资—风险权衡理论基础上的特征工资模型已成为美国等发达国家VSL评估的主流方法，但经济学家和政策制定者从未停止过寻找最合适的VSL实证估计方法，以提高估计的准确性和可靠性。从现有文献看，主要关注VSL如何随年龄变化，以及工资—风险方程中遗漏变量的问题。一般来说，对于给定的劳动伤亡风险，40岁的人会比60岁的人要求得到更高的劳动补偿。因此，随着年龄的变化，人们会改变其工资—风险曲线。在实践上，人们也发现老年人死于工作的风险要高于年轻人，因此企业也会根据年龄调整员工的工资风险补偿水平。[9]这意味着工人的预期效用曲线和企业的提供曲线（firm's offer curve）都会随年龄的变化而变化，然而，学术界对VSL与年龄关系的实证研究结论却存在分歧。有学者将年龄伤亡风险交叉项引入模型，发现VSL与年龄呈显著负相关。[16][17]而蒙和斯密（Meng and Smith）利用加拿大的数据发现VSL与年龄不存在显著相关关系。[18]但也有学者发现在不完美市场上VSL与年龄的关系呈倒U型，而在完美市场上VSL与年龄呈负相关关系。[9][19]同时也有学者发现VSL在某些年龄阶段显著为负，而在其他年龄阶段则显著为正。[18]对于VSL与年龄之间的不确定性关系，阿尔迪和维斯库斯认为，在实证中严格地将VSL与年龄的关系假定为线性关系，可能忽视了它们之间隐含的复杂关系。[14]为了从理论上证明VSL与年龄间的关系，克尼斯纳等人（Kniesner et al.）从特征工资模型的理论基础出发，证明了VSL随年龄变化的主要理论基础在于生命周期消费理论，并认为VSL与年龄间存在不确定性关系，尤其是在退休年龄之前出现负的VSL，可能是由于特征工资模型中遗漏消费变量的结果。[19]在其他条件不变的情况下，一个拥有更高消费计划的个人会拥有更高财富和预期工资水平，并选择更安全的工作，因此预期消费变量的系数应大于零。克尼斯纳等人和约翰逊（Johansson）从理论上证明了采用特征工资模型去评估VSL时消费是一个重要变量的结论，[19][20]而克尼斯纳和维斯库斯（Kniesner and Viscusi）的实证分析发现，忽略消费可能低估20%的VSL，并且这种效用对老年劳动者尤为明显，原因在于尽管老年人的预期寿命随时间减少，但老年人会通过计划的生命周期消费行为来影响VSL。如果老年人根据生命周期推迟自己的消费直到老年，那么老年人可能隐含更高的生命价值，因此，加入消费变量的特征工资模型实际上抓住了生命价值的年龄效应。[11]斯密等人（Smith et al.）对美国劳动力市场的实证分析发现，在给定风险水平下，老年员工较其他员工要求更高的风险工资补偿水平。[21]总之，虽然理论和实证上并未得出VSL和年龄之间的确定性关系，[20]但生命周期消费影响VSL却是以往实证研究中没有考虑的。[19]
近年来，随着国内生产安全事故的频发，特别是对事故善后处理不满引发的进一步的社会矛盾冲突，引起了国内学者对VSL的关注。从现有文献看，国内大多数文献还处于引进和介绍国外VSL理论方面，实证研究较少。如国内学者从生命价值的概念、研究的必要性和意义以及国外估计VSL的主要实证研究方法等方面进行了系统性的介绍。[1][2][5][23]随着数据质量的改进和提高，近年来在实证领域也取得了一些研究成果。王玉怀和李祥仪利用人力资本法对煤炭事故中工人的VSL进行了评估。[1]永坤利用特征工资模型对煤炭工人的生命价值进行了估计。[23]秦雪征等人利用2005年全国1%人口抽样调查数据，采用特征工资模型对中国人口的VSL进行了评估，并分析了城乡人口的VSL差异。[7]梅强等人利用98家企业795名员工的调查数据，评估被调查员工的VSL，并进一步用数据验证了特征工资模型的有效性。[22]此外，还有很多学者利用特征工资模型对中国大气污染的VSL进行研究，[24]以及利用该方法对清洁空气、住房的价格进行了研究。[25][26]总之，由于缺乏系统性的评估数据，生命统计价值在中国尚未得到广泛的重视和应用。
三、实证模型
根据“补偿工资差值”理论，经济学家通过对劳动力市场的观察，发现在劳动力市场上劳动者会在工资和伤亡风险之间作出权衡。当劳动力市场均衡时，一方面劳动者工资水平与伤亡风险正相关，即随着工作风险的上升，劳动者要求的工资补偿也会增加；另一方面随着伤亡风险的提高，企业的支付意愿也会提高，但边际增幅递减。[9]因此，劳动力市场均衡状态下的工资和风险水平反映了二者的补偿关系，通过对工资和工作风险的回归，可以得出死亡风险对工资率的边际影响，从而间接估算劳动力市场上劳动者的VSL。[7]
假定某工作的工资率和伤亡率分别为w和p，u（w）表示没有发生伤亡事故情况下的效用函数，v（w）表示伤亡事故发生时的效用函数，则个人的期望效用为：
EU=（1-p）u（w）+pv（w） （1）
期望效用最大化的一阶条件为：
进一步可得：
式（3）反映了工资率w与伤亡率p的正相关关系，即工资差值与风险差值之间存在正向补偿关系。
假设死亡的效用为零，且全部工资都用于消费，则式（3）可以简化为：
在给定的工资和风险关系下，消费水平越高意味着u（w）越大，但消费的边际效用是递减的（v’（w））。因此，在两方面的共同作用下，消费有助于提高VSL，尤其在一个人中年时期，更高的消费水平意味着更高的VSL。并且由于存在生命周期消费，VSL并非年龄的严格减函数。约翰逊（Jonansson）考察了不存在养老金市场和存在完美的养老金市场两种极端情况下消费对VSL的影响机制，发现不论是存在完美养老金市场还是不存在养老金市场，VSL都是消费的函数。[20]
基于上述分析，笔者将加入消费的特征工资实证模型设置如下：
VSL=α×小时工资×每年工作小时数×估计风险单位 （6）
四、数据来源和变量
（一）数据来源及特征分布
数据来源于国家统计局上海调查总队关于农民工就业状况的调查。调查内容涉及农民工的基本信息、户籍、在沪的居住与出行、就业行业、工作岗位、子女教育、收入和生活消费与城市认同以及相关政策执行等方面。2009年共获取有效样本1446个，2012年又进行了一次补充调查，共获取了386个样本。该调查覆盖上海全部的城区和郊区，其中有32.78%来自上海市中心城区，有67.22%来自上海郊区。剔除关键变量数据缺失以及无效样本，共获取1633个有效混合截面样本。就样本性别分布看，男性占59.62%，女性占40.38%。就年龄分布看，整体呈正态分布，年龄最大为63岁，最小为16岁，平均年龄32.40岁，20岁以下的农民工占7.38%，21岁～50岁的占88.56%，50岁以上的占4.06%。就文化程度分布看，样本呈现一种以初中为中心的典型正态分布，小学及以下学历者占13.14%，初中占47.78%，高中占17.94%，大中专及以上占21.14%。从就业行业看，他们多集中在制造业和低端服务业就业，而年龄大的农民工则多集中在体力型行业（建筑行业），而青壮年则多在制造业行业。从户籍看，97%以上的均为农村户口，只有不到3%的为城镇户口。
各行业的死亡率是本文的关键数据变量，由于调查数据中没有死亡率的数据，所以笔者参照秦雪征等人的做法，[7]依据2006年《中国安全生产年鉴》中各行业的因工死亡人数构建各行业的死亡率作为代理变量，以农民工从事的行业作为标识码匹配到样本数据中，从而形本文所需要的数据。④
（二）变量设置及描述性统计分析
本文研究的基本变量种类、定义及描述性统计如表1所示。被解释变量为样本农民工小时工资的对数。解释变量
包括性别、年龄、婚姻状况、受教育程度、保险和自我健康评定状况，工作环境控制变量包括工作岗位的性质、农民工与企业的劳动关系以及劳动工作的保护措施等系列控制变量。此外，在中国，城乡二元户籍制度是中国社会经济中长期存在的最基本结构，户籍制度是造成城乡劳动力市场上工资差异的原因之一。[27][28]因此，在工资方程中笔者加入了户籍控制变量。同一企业因工作岗位、劳动合同关系的差异，都会影响到工资和风险的关系，因此，在模型中笔者加入了工作岗位和劳动合同关系控制变量。企业是否为农民工在劳动工作过程中提供有效的安全保护措施，直接影响到伤亡事故发生的风险，因此在模型中笔者还加入了劳动工作保护措施控制变量。
五、实证结果与分析
从下页表2的估计结果看（模型2），行业的伤亡风险对工资率有显著影响。年龄的一次项系数为正，但二次项系数为负且显著，说明工资率与年龄的关系为倒U型，样本农民工的平均工资水平在年龄为41.14岁达到最高。从性别看，男性的工资率普遍高于女性，体现了工资补偿上的性别差异，看来性别差异不仅在高素质的人才市场上存在，城市农民工劳动力市场也同样存在性别差异问题。教育的系数显著为正，说明受教育程度越高，平均工资率也越高，这符合人力资本投资理论。保险系数显著为正，说明保险有助于提高工资率。健康状况系数显著为正，说明健康有助于提高工资率，这对于低技能型农民工而言尤其如此。工作岗位系数1（occupation1）不显著，但工作岗位系数2（occupation2）显著为正，说明生产与服务一线岗位之间不存在岗位工资差异，但管理岗和个体、私营企业主与生产、服务一线员工之间还是存在明显的职位工资差异。婚姻系数显著为负，这与劳动经济学理论相悖，原因是在中国农民工劳动力市场上，企业更倾向于雇用单身青年。户籍变量系数显著为正，说明城镇户籍有助于提高工资率，这符合中国劳动力市场上城乡户籍工资歧视的现实。农民工与企业的劳动关系系数显著为正，说明长期稳定的劳动合同关系有助于提高工资率。劳动保护措施变量系数显著为正，说明劳动工作安全保护有助于提高工资率。
从模型1和模型2的估计结果看，农民工的VSL分别为541.13万元和936.56万元。⑤模型2明显高于模型1估算的VSL，并且笔者关注的消费变量系数显著为正，说明消费有助于提高农民工的VSL，这与理论模型预测的一致。[10]从VSL与年龄的关系看（模型3～模型6），无论是基于经典的还是改进的特征工资模型，城镇农民工样本的VSL与年龄的关系呈倒U型（见图1），⑥这与阿尔迪和维斯库斯（Aldy and Viscusi）以及克尼斯纳等人（Kniesner et al.）的研究结论一致。[14][19]经典和改进的特征工资模型估计的结果都显示样本农民工的VSL在46岁～50岁达到最大，而50岁以上样本的VSL较最大值虽然有明显的下降，但仍显著高于其他年龄段。从VSL与年龄和受教育程度的关系看，46岁～50岁年龄组样本农民工的VSL最大也符合现实，因为这一年龄组的样本是一群既有工作经验又有一定文化水平的农民工群体。此外，这也可能跟中国人口家庭生命周期有关，因为在中国46岁～50岁年龄段的人通常都是面临“上有老下有小”的家庭“顶梁柱”，对家庭负有的责任最大，对风险的容忍度较低，风险补偿的要求也较高。比较改进和经典模型得出的VSL与年龄的关系，发现消费缓解了老年人的VSL随年龄急剧下降的趋势，并且避免了55岁以上的样本农民工VSL为负的违反经济学理论的实证问题，这充分印证了阿尔迪和维斯库斯（Aldy and Viscusi）以及克尼斯纳等人（Kniesner et aL）的观点，[14][19]也说明加入消费的特征工资模型比经典模型更适合于VSL的评估。
六、结论及政策含义
本文在回顾国内外生命统计价值理论和实证方法的基础上，从经典的特征工资模型出发，融入近年来该理论在实证领域的改进和完善，构建了包含消费的特征工资模型，并利用2009年和2012年上海市农民工样本调查数据进行了实证分析。结果表明，行业的伤亡风险对工资率有显著影响，改进模型对VSL的评估结果较经典模型高，原因在于经典的特征工资模型忽略了消费这一重要变量，这也是近年来生命统计价值理论在实证领域的最新研究结论。基于改进的特征工资模型对样本进行年龄分组回归，发现VSL与年龄呈倒U型，而并非随年龄增加急剧下降，相比较经典模型，消费显著提高了老年人的VSL，并缓解了VSL随年龄急剧下降的趋势。这隐含的政策含义是，在对减少风险的政策效益评估中，通常用总人口的平均VSL对其成本收益进行评估，但事实上，从政策中受益的程度是有年龄差异的。过去一般认为VSL随年龄增加急剧下降，因此在政策的评估中常赋予老年人较低的收益权重，然而，基于改进的特征工资模型的实证结果表明，老年人的VSI并不低于年轻人，因此，对于减少生命安全、环境、健康政策的效益评估中，应赋予老年人更高的权重。⑦
此外，VSL虽然不能直接用于作为城市农民工的伤亡赔偿标准，但至少也说明现行我国依据人力资本法估算的生命价值是严重偏低的，也不符合经济学对VSL的评估，应该在实践中被扬弃。实际上，由于过低的伤亡赔偿标准，扭曲了劳动力市场，也导致近年来安全生产事故频发。近年来，随着中国安全健康、环境污染问题越来越严重，VSL应该成为评估我国生产安全和公共健康政策效益的重要依据。
感谢上海交通大学何振宇副教授对本文提出的宝贵建议，感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
①2011年甬温特大动车事故伤亡赔偿标准问题就曾引起学术界和媒体的广为关注和讨论，赔偿金额从最初的17.2万元/人，到50万元/人，再到最后的91.5万元/人，媒体曾用“赔偿标准怎样实现‘三级跳’”来形容中国生命价值评估标准的缺失导致的戏剧性变化。
②根据各地《工伤保险条件》的统计，2010年北京地区的伤亡赔偿金额为19.4万元，而同期的青海和湖南的平均赔金额分别为13.4万元和9.2万元。[7]实际上中国的伤亡赔偿是以人力资本法为计算依据的。
③该方法实际上就是国内一些学者所称的条件价值法（contingent valuation method）。
④目前，中国只在2006年《中国安全生产年鉴》中公布过分行业的死亡率。
⑤这里笔者采用秦雪征等人和阿尔迪和维斯库斯（Aldy and Viscusi）的假定，取每年工作小时数为2000个小时，行业死亡率来自2006年《中国安全生产年鉴》，单位为1/100000。[7][14]
⑥由于样本年龄限制，样本农民工的最大年龄为63岁，如果有更高年龄段的样本，厚尾分布会更明显，生命统计价值与年龄呈倒U型的关系会显著。
⑦克尼斯纳等人对美国Clear Skies Initiative项目收益的评估中发现，该项目受益群体主要是老年人。[19]