【摘要】文章使用2008年中国家庭动态跟踪调查数据并采用Mincer工资方程的变形模型，对北京、上海、广东三地的性别工资差异进行分析。研究发现：一方面，三地居民的收入存在不同程度的性别差异；另一方面，三地虽然同为中国经济改革程度较高的地区，但性别工资差异的影响因素并不相同。因此，在分析性别收入差异时，经济发达地区不能作为一个同质体，它们的性别工资差异状况也不应该被一概而论。
【关键词】性别收入差距；人力资本；劳动力市场结构；政治资本
中国改革实践的成就备受全球瞩目，在此过程中女性的教育程度、劳动力市场参与率以及劳动收入都有了很大提高。与此同时，随着中国向市场经济转型，劳动市场发生的巨大变化使得曾经几乎被忽视的性别收入差异问题不断显现出来。以往研究证明在经济发达程度不同的东中西部地区，性别收入差异有着明显的不同。然而是否中国经济发达地区的性别收入差异状况都是相同的？其同质性体现在哪些方面？又在哪些方面存在着异质性？这又与各地区的经济改革和城市发展背景存在什么关系？本文将基于三地调查数据对这些问题进行尝试性回答。
一、引言
研究者们对性别收入差异的分析大致是从两个方面来探讨的，即劳动力市场因素和非劳动力市场因素。前者通常被认为是可以对性别收入差异进行解释的变量；而后者是性别收入差异中不可解释的部分。
在劳动力市场因素中，人力资本存量是重要的影响因素。人力资本理论关注的基点是劳动力素质等问题，把教育和培训看成个人投资方式。然而传统家庭分工的结果使得在进行人力资本投资决策时，男性和女性所受到的激励是不同的，因此是人力资本存量的差异导致了收入差异。二元劳动力市场理论和拥挤假说也为性别收入差异提供了理论支持。在对职业性别隔离的研究中，二元劳动力市场被解释为高级和次级两个劳动力市场。女性劳动者的工作不稳定、不连续，她们进出劳动力市场的频率非常高，因此女性劳动者较多滞留在次级市场上。次级市场的特点表现为雇主对女性的系统性歧视以及女性在劳动力市场上的被动选择性。拥挤假说认为，女性收入低于男性的原因，在于她们的就业被限制在狭窄的职业领域，供给大于需求，因此她们只能获得较低的工资。而这种较低的工资又使她们对于企业来说有更强的吸引力，所以就产生了职业隔离。在非劳动力市场因素中，性别收入差异的主要原因可归于社会文化因素、保障制度的不健全以及统计性歧视，即来自各方面的性别歧视。非劳动力市场因素和其他未被考虑的因素是性别收入差异中不可解释的部分。在有关性别收入差异的实证研究中，争论的焦点之一是市场化与性别不平等之间的关系。目前存在两种不同的观点：一种认为市场化会增加性别歧视，因为女性在再分配体制中得到的保护逐渐消失。
持此观点的学者是将性别收入差异归于职业性别隔离和收入分配中的性别歧视；另一种
观点刚好相反，认为市场化会减少性别歧视，因为市场带来竞争机制，性别等先赋因素的作用在减弱，即认为性别收入差异来源于人力资本存量的不同。教育不仅作为人力资本存量因素对性别收入差异起着重要作用，在有些研究中，教育回报率也表现出显著的性别差异。本文曾试图将教育与性别的交互作用纳入模型，但结果并不显著。这与我们所使用的数据有关，谢宇使用1988年CHIP数据的研究表明“性别与收入之间有交互作用最主要的原因是受教育程度低的妇女得到的报酬比具有同样教育程度的男性得到的报酬要少。”
在本文中，北京、上海和广州的平均受教育年限均在10年以上，因此教育回报率的性别差异并没有显著地呈现。
除了以上因素之外，党员身份也在收入研究中有重要作用。政治因素曾是中国社会独特的同时也是重要的影响收入的因素，本研究将其纳入研究模型意在考察随着市场化程度的提高其影响是否发生了变化。通过对以上理论和实证研究的梳理，可以看出对性别收入差异最主要的影响因素为：人力资本、劳动力市场结构和政治资本。不同学者根据研究侧重点的不同在此基础上加入相关变量。本文的侧重点在于澄清不同影响因素在不同地区作用强度和方式的差异，因此只保留最重要的三组变量而去除了其他变量。
本文试图从人力资本、劳动力市场结构和政治资本三个方面对性别工资差异进行分析和验证：如果性别收入差距是市场竞争选择的结果，即男性收入高于女性是因为男性的人力资本存量高于女性，那么在控制了人力资本以后，性别工资差异将变小；如果性别收入差距是来源于男女就业者在劳动力市场结构的不均衡分布，即男性多从事收入较高的职业，女性多从事收入较低的职业，那么在控制了职业分布以后，性别工资差异将变小；同理，如果性别收入差距是来源于男女就业者政治资本的不均衡分布，即男性相对于女性拥有较高的政治资本，那么在控制了政治资本以后，性别工资差异将变小。如果人力资本、劳动力市场结构因素及政治资本都未能对性别收入差异提供主要的解释，那很可能意味着性别歧视是导致性别收入差异的主要根源。
二、数据、变量和方法
1. 数据来源
本文采用2008年北京大学“中国家庭动态跟踪调查”数据。此调查通过PPS抽样方式进行入居（村）和入户调查，搜集社区、家庭、个人三层次的追踪数据。调查包括村居问卷、家庭问卷、少儿问卷、成人问卷，内容涉及经济、教育、健康、日常生活、社会交往、价值观等诸多方面。跟踪调查记录家庭及其成员各方面的历时变化，动态地反映中国社会的发展和变迁。
本研究使用该调查的成人问卷数据，对北京、上海、广东三地的调查共获得了6 094份成人问卷数据。本研究样本选取条件为：男性16~59岁，女性16~54岁；从事非农劳动；非离退休；有收入来源的调查对象。删除数据结构性缺失和回答信息缺失的案例后，分析样本为2 116个，三地分别为618、711和787个。
2.变量设计和测量
本研究因变量“总收入”，是以下几种收入的总和：职工基本工资；职工浮动工资、加班费以及各种补贴和奖金；单位发放的实物折合现金；个体（私营）经营者的净收益；个体被雇者收入；第二职业、兼职或临时性收入（含实物折合现金）；其他劳动收入；其他非劳动性收入。为了使因变量更接近于正态分布，我们对总收入取对数值。
本研究的核心自变量为“性别”，以男性为参照组。控制变量包括受教育年数、工龄、工龄平方①、职业类型、党员身份。其中，受教育年限和工龄代表的是人力资本的作用；职业类型代表了劳动力市场结构因素；党员身份代表政治资本的作用。
其中，“受教育年数”为定距变量，由受教育程度推算而来，以期获得教育回报率。具体推算方法如下：小学以下=3；小学=6；初中=9；高中=12；职业高中/中专/技校=13；大专/高职=15；大学=16；研究生=19。“工龄”是定距变量，因为工作经历对收入的影响是一条下拱的弧线，因此本研究加入了“工龄的平方”。“职业类型”是定类变量，分为6组：生产、运输设备操作人员及有关人员；商业、服务业人员；办事人员和有关人员；专业技术人员；国家机关党群组织、企事业单位负责人；其他职业，其中“生产、运输设备操作人员及有关人员”为参照组。“党员身份”为二分类变量，将“非党员身份”作为参照组，编码为0，“党员”的编码为1。
3. 方法
本研究采用Mincer工资方程［12］的一个变形：lnwi=xiβ+ui。
其中，lnwi是收入的对数形式，xi是个人特征变量，ui是随机误差项。
变形后的模型为：
logY=β0+β1x1+β2x2+β3x3+β4x32+β5x4+β6x5+β7x6+β8x7+β9x8+β10x9+β11x1x2+ε
其中，x1为性别，x2为受教育年数，x3为工龄，x4 为商业、服务业人员，x5为办事人员和有关人员，x6为专业技术人员，x7为国家机关党群组织、企事业单位负责人，x8为其他职业，x9为党员身份，ε是此模型未能包括的其他收入决定因素。
每个地区分别包含4个嵌套模型。首先以性别为自变量，收入为因变量建立基准模型，观察两性在收入上是否存在差异；模型2是在基准模型的基础上加入人力资本因素——受教育年数、工龄、工龄平方作为控制变量，以考察控制人力资本因素后性别收入差异的变化；模型3是在模型2的基础上加入劳动力市场结构因素——职业类型，以考察在控制了人力资本和劳动力市场结构因素以后性别收入差异的变化；模型4是在前一模型的基础上加入政治资本因素——党员身份，以考察在控制工龄平方=工龄×工龄/100。了人力资本、劳动力市场结构因素和政治资本之后，性别收入差异变化。最后对三个地区居民性别收入差异的影响因素进行比较。
所有数据分析均使用SPSS 17.0。
三、分析结果
本文旨在分析在市场化程度较高的北京、上海、广东三地，性别收入差异的影响因素及作用方式的异同。
资料来源：北京大学中国社会科学调查中心中国家庭动态跟踪调查数据（2008年），下同。
注：***p<0.001，**p<0.05，*p<0.1.
表1是总收入的性别差异及其F检验。描述性分析显示三地性别收入差距分别为6 449元、11 493元和8 919元，女性收入是男性收入的70%~74%，与其他相关研究提到的数据——差距在20%~30%左右是一致的。三地性别总收入的差异均呈现出了显著性，上海性别收入差距的绝对值是最大的，北京的相对值是最大的。由表2中三地的模型1可以看出，北京和广东两地模型1的整体检验都是显著的，性别的系数也均为显著，这意味着在没有控制其他变量的情况下，两性之间存在着显著的收入差距。北京地区女性收入是男性收入的76%（exp（-.272））；广东地区女性收入是男性收入的68%（exp（-.386））。上海模型1的性别系数和整体检验都不显著，说明在没有控制其他变量的情况下，上海地区性别的收入差距并不显著。
模型2加入了人力资本因素。由ΔR2来看人力资本因素对收入的作用是很大的，对上海收入的解释力超过20%，在广东达到28%，对北京收入变化的解释力较低，只有6.5%。
在人力资本中，教育和工作经历是最重要的两个因素，分别代表着正式和非正式的培训。控制了人力资本因素之后，北京和广东的性别收入差异仍然存在，并且北京的性别收入差距更大了，从24%（1-exp（-.272））增加到31%（1-exp（-.370））。上海的性别收入差距在加入人力资本因素后显现出来了，女性收入是男性的81%（exp（-.206））。这说明男性收入高于女性不是前者的人力资本存量大的缘故，恰恰相反，控制人力资本之后，北京的性别收入差异不降反升，上海的性别收入差异从不显著到显著，这说明北京和上海的女性在职人员的人力资本优于男性，但回报远小于男性。在加入人力资本因素之后，广东模型2的性别系数的变化与北京和上海不同，相比于模型1，广东性别收入差距减小了，从32%（1-exp（-.386））降至24%（1-exp（-.272）），说明模型1中的性别效应其实包含了未被控制的人力资本因素自变量的影响，广东地区的性别收入差距一部分来源于男性在人力资本方面的优势。
表2 三地居民总收入的性别差异模型
资料来源：同表1。
注：***p<0.001，**p<0.05，*p<0.1；括号内为参照组。
三地的教育回报率分别为9%（exp（.085））、13%（exp（.119））、15%（exp（.144）），即每增加一年教育，北京地区在职劳动者收入增加9%，上海和广东的在职劳动者收入增加13%和15%。本文结果明显高于谢宇教授3.1%的结果，接近Psacharopoulos的14.4%。这是因为2008年这些地区的经济改革较20年前彻底、快速得多，而受过良好教育的个人有更多机会也更能把握机遇，适应技术环境的改变。
工作经验也是重要的人力资本因素，但只在广东地区表现出了显著性，平均增加一年工作经历会增加5%（exp（.046））的收入。广东省工龄的这一优势在达到25.6年的最优值之后开始下降[①]，早于谢宇教授的数字。原因在于，工龄对广东居民收入的作用是由其劳动密集型的产业结构决定的。25.6年的工龄也就是40岁左右的年龄，打工者的身体素质处于较好状态又掌握了熟练的技术。而谢宇教授使用的是1988年数据，那时的情况则是按资排辈，不到退休年龄是无法获得高收入的。
模型3是从人力资本和劳动力市场结构两方面因素考察性别收入差距。从模型3的ΔR2可以看出，北京劳动力市场结构因素对收入的作用最为明显，能够在考虑人力资本因素的模型2的基础上再对收入变动增加5%的解释力，上海和广东仅为1.5%和1.9%。
在模型3中，北京女性收入是男性的62%（exp（-.478）），这一差距源于劳动力政治资本因素和其他未被考虑的因素。与模型1中的收入差距24%相比，两者之差的14%可以理解为被人力资本因素和劳动力市场结构因素所解释的收入差距。控制了人力资本因素和劳动力市场结构因素的变量后，女性相对于男性的收入差距增加了，说明由于北京政治资本因素和其他未被考虑的因素使得女性比男性收入低38%，然而女性在人力资本方面和劳动力市场结构方面的优势将此差距缩小到24%。可以认为在北京的城镇在职人员中，人力资本因素和劳动力市场结构因素对女性是有利的，以致在某种程度上掩盖了性别收入差距。上海的情况与北京相似，模型3加入劳动力市场结构因素变量之后，性别系数由模型1的不显著变为显著，性别收入差距为19%（1-exp（-.215））。广东与北京和上海的情况不太相同，模型3的性别系数显示女性收入与男性收入相差26%（1-exp（.296）），而与模型1的32%的相比，两个系数6%的差异被人力资本因素和劳动力市场结构因素解释了。在三地的收入分析模型中都可以看出明显的人力资本因素和劳动力市场结构因素的作用。
模型4同时控制了人力资本、劳动力市场结构和政治资本三方面因素。结果中的北京和广东两地的党员身份并没有显示出明显优势。虽然党员身份对上海城镇居民收入表现出了显著作用，但对性别收入差异的影响并不明显。从整体来看，教育程度对性别收入的重要性是三地的共同点，此外各地还有各自相对比较重要的影响因素。北京劳动力市场结构同时也是影响性别收入差距的重要因素，但与“二元劳动力市场理论”和“拥挤假说”不同。数据并没有表现出“女性大部分在从属部门就业”、“女性‘拥挤’于狭窄的工种或行业并且供大于求”从而导致较低收入的现象，更没有证实舒晓灵“女性比例高的职业的工作人员（无论男女）收入比较低，市场化进程加剧了性别隔离对收入的负面影响”的结论。
相反，本文显示北京在职女性在劳动力市场结构方面并不是处于劣势，当我们控制了劳动力市场结构变量以后，性别收入差距不但没有减小反而增加了。这意味着女性相对于男性在收入上的弱势并非是人力资本差异或劳动力市场结构安排中的不均衡分布所导致的结果。在上海，受教育年数和党员身份对在职人员的收入影响最明显。其中人力资本的作用与北京相似，减少而非增大了性别收入差距，而政治资本对性别收入差距的影响并不显著。因此也可以认为上海性别收入差距同样不是源于市场竞争选择的结果。教育程度和工作经验是影响广东地区居民收入的主要因素，在加入这两个变量之后性别收入差异明显减小，反映出广东居民收入的人力资本导向性，性别收入差距的非歧视部分主要来源于劳动力市场竞争的选择。广东地区的情况使人力资本理论再次得到证实——“女性较低的收入水平是因为她们在人力资本方面的投入较少”。
由以上分析可以看出，尽管北京、上海、广东同为中国经济改革程度较高的地区，但性别收入差异的产生机制并不一致并且存在明显不同，因此并不能将所有的经济改革程度较高地区的性别收入差异状况一概而论。
四、讨论与小结
通过对三地的分析本文发现，同为中国经济发达地区的北京、上海、广东，其性别收入差异的程度和产生原因是不同的。广东差异最大，上海最小，但控制了三组变量后，北京的性别收入差异是最大的。广东地区明显体现出劳动力市场竞争选择的作用，男性在人力资本上的优势一定程度上导致了收入上的优势，劳动力市场结构和政治资本没有显示出明显影响。有趣的发现是，北京和上海两地女性在人力资本和劳动力市场两方面并没有表现出劣势甚至还呈现出某种程度的优势，即北京和上海的女性在人力资本竞争力上毫不逊色，在劳动力市场结构中也没有处于劣势。但是人力资本和劳动力市场结构上的优势并没有带来收入上的优势，而只是减小了相比于男性的收入劣势。虽然这两地的干部身份和党员身份对收入的作用仍发挥着不可忽略的影响，但对性别收入差异的影响并不明显。因此，相比于广东来说，北京和上海两地的性别收入差异更多的存在于收入分配领域。由以上分析可以看出，要了解不同地区的具体情况并不能以基于全国性数据得出的结论一概而论，只有东部、中部、西部的分类对比是不够的，即使同为经济发达地区的北京、上海、广东，其影响因素和作用方式也是有很大差异的。
此外，在收入的影响因素方面本文也得到了有意思的发现。根据Nee的市场转型理论，生产力高而不是政治上忠诚的人将在市场中得到更多回报。
在前述分析中，广东的情况最符合Nee的预测，即人力资本作用大，政治资本则可忽略不计。这与地区经济改革的发展背景有关，广东地区市场中的非公有资本比重最大，收入由市场决定的程度比较高。而北京作为政治中心，人力资本并没有广东那样的影响优势，劳动力市场结构几乎是和人力资本因素并驾齐驱的影响变量，主要体现在国家机关党群组织及企事业单位负责人这一职业群体上。中国经济转型是一个市场扩张和政府经济职能转变交互作用的过程，这点也体现在上海党员群体相对于非党员群体的高收入上。边燕杰教授提出的“劳动力市场越是发展，对中共党员身份和干部身份为代表的政治资本的经济回报越高”这一假设得到了证实。
随着改革的进展，中国向市场经济转型，居民收入类型更加多样化，单位收入不再是唯一的收入来源，非单位来源收入的比重越来越大。因此对性别收入差异的研究，不仅应该关注不同地区的特征，还应该对不同类型的收入的性别收入差异予以关注。在今后的研究中我们将尝试分析不同性别在总收入各个组成部分上的差异及其各自影响因素的异同。
参考文献
［1］加里·S·贝克尔. 人力资本［M］.梁小民译，北京：北京大学出版社，1987.
［2］Doeringer，P.& Piore，M. Internal Labor Markets and Manpower Analysis［M］. Lexington，Mass：D，C. Heath，1971.
［3］Edgeworth，F. Y. Equal Pay to Men and Women for Equal Work［J］. Economic Journal，1922，（32）：431-457.
［4］Fawcett，M. Equal Pay for Equal Work［J］. Economic Journal，1918，（28）：1-6.
［5］吴愈晓，吴晓刚.城镇的职业性别隔离与收入分层［J］.社会学研究，2009，（4）：88-111，244.
［6］Hauser，Seth M. & Yu Xie. Temporal and Regional Variation in Earnings Inequality：Urban China in Transition Between 1988 and 1995［J］. Social Science Research，2005，（34）：44-79.
［7］Xiaoling Shu & Yanjie Bian. Market Transition and Gender Gap in Earnings in Urban China［J］.Social Forces，2003，（4）：1107-1145.
［8］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.
［9］Li Shi & Gustafsson，B. Unemployment，Earlier Retirement and Changes in Gender Income Gap in Urban China over1995-2002［A］. Gustafsson，B.，Shi Li & Terry Sicular. Income Inequality and Public Policy in China［C］. Cam⁃bridge：Cambridge University Press，2008：243-266.
［10］郝大海，李路路.区域差异改革中的国家垄断与收入不平等——基于2003年全国综合社会调查资料［J］.中国社会科学，2006，（2）：110-124，207.
［11］Yu Xie & Emily Hannum. Regional Variation in Earinings Inequality in Reform-Era Urban China［J］. The AmericanJournal of Sociology，1996，（4）：950-992.
［12］Mincer，J. School，Experience and Earnings［M］. New York：Columbia University Press，1974：46.
［13］王天夫，赖扬恩，李博柏.城市性别收入差异及其演变：1995-2000［J］. 社会学研究，2008，（2）：23-53，243.
［14］Psacharopoulos，G. Return to Education：An Updated International Comparison［J］. Comparative Education，1981，（17）：321-341.
［15］Chiswick，B. Earnings Inequality and Economic Development［J］. Quarterly Journal of Economics，1971，（85）：21-35.
［16］Nee，V. A Theory of Market Transition：From Redistribution to Markets in State Socialism［J］. American Sociologicalof Review，1989，（54）：663-681.
［17］边燕杰，张展新.市场化与收入分配：对1988 年和1995 年城市住户收入调查的分析［J］.中国社会科学，2002，（5）：97-111.
文章来源：中国社会学网，转载自《西部地区农民工贫困问题研究》
详见：http://www.sociology2010.cass.cn/upload/2014/10/d20141024175023161.pdf
[①]工龄的最优值根据公式∂ logY/∂X2=0算得。
