工资分解方法分析

分层劳动力市场、农夫工就业卑视与工资卑视：一个分解方法及其基于中国数据的应用章元复旦高校中国社会主义市场经济探讨中心YiuporChenShefieldUniversity,UK上海财经高校经济学院—2012/4/19本文的结构：一、探讨动机二、文献综述三、本文的度量和分解方法四、数据来源五、基于中国数据的应用六、结论、政策含义及探讨的不足一、探讨动机1、城乡收入差距、城市内部行业间收入差距不断扩大2、城市劳动力市场：分层的(分割的)二元劳动力市场3、城市地方政府疼惜本地居民就业——“腾笼换鸟”4、户籍身份卑视（同命不同价）、民工卑视农夫工在城市劳动力市场上受到多大程度的卑视？它的确定因素是什么？它随时间的变更趋势是什么？二、现有的探讨1、民工在城市劳动力市场上的就业机会和工资待遇更差MengandMiller（1995）、Knightetal.（1999）、Meng（2000）、MengandZhang(2001)、蔡昉（2000；2003）、杨云彦和陈金永（2000）、姚先国和赖普清（2004）、王美艳（2003；2005）、钟笑寒（2006）、严善平（2006；2007）、刘泽云（2008）、李春玲和李实（2008）2、民工与工人的工资差距分解Meng（2000）：Blinder-Oaxaca-Cotton分解、Brown分解王美艳（2003；2005）：Oaxaca分解、Brown分解谢嗣胜和姚先国（2006）：Blinder-Oaxaca-Cotton分解MengandMiller（1995）、Knightetal.（1999）、Meng（2000）、MengandZhang(2001)、蔡昉（2000；2003）、杨云彦和陈金永（2000）、姚先国和赖普清（2004）、王美艳（2003；2005）、钟笑寒（2006）、严善平（2006；2007）、刘泽云（2008）、李春玲和李实（2008）Meng（2000）基于中国的数据和Blinder-Oaxaca-Cotton分解方法的探讨发觉，民工与工人工资差距的50%左右不能用他们的劳动生产率差异来说明，她利用Brown（1980）分解方法的结果发觉：有超过100%的行业内工资差异是卑视导致的；王美艳（2003）也利用Oaxaca（1973）分解方法探讨发觉，民工和城市劳动力的工资差异中只有24%能用个人特征的差异来说明，而剩余的76%则是由于卑视导致的。她的另一个探讨利用Brown分解方法考察了民工与城市劳动力的工资差异，发觉工资差异中的43%是由卑视等不行说明的因素造成的（王美艳，2005）；谢嗣胜和姚先国（2006）也运用Blinder-Oaxaca-Cotton工资差异分解方法，发觉民工和城市劳动力工资差距中的一半以上是由卑视造成的。民工在城市劳动力市场上所受到的卑视程度在50%以上。Blinder、Oaxaca、Cotton、Brown、Neumark分解工资差距的方法应用于探讨劳动力卑视时所存在的问题：分解出来的所谓的“卑视成分”并不是卑视程度的精确度量；1、截矩项a包含有其他可不说明的因素2、WD不能很好地反映卑视（卑视在理论上存在三种组合）其他一般回来方法探讨卑视时所面临的问题：1、如何从就业机会的差异中剥离出卑视的影响？2、视察到的实际工资水平已经包含了卑视；3、卑视在理论上存在三种组合；Becker（1957）、Arrow（1973）、DickensandKevin（1985）：仅仅由于性别或种族等的不同而在就业和工资水平两个方面的不公允待遇；被卑视的群体获得了低于其边际劳动生产率的工资（支付不足），而另一个群体则获得了高于其边际劳动生产率的工资（过度支付）。在中国城市的分层劳动力市场上，对城镇工人过度支付和对民工支付不足同时存在(Knightetal.，1999；Meng，2000；MengandZhang，2001)；我们还想进一步知道：在城市分层劳动力市场上：民工卑视中的工作卑视有多高？民工卑视中的工资卑视有多高？民工卑视中的过度支付有多高？民工卑视中的支付不足有多高？这些卑视成分的时间变更趋势是什么？三、工作卑视和工资卑视的分解1、卑视的定义：Oaxaca(1973)u:urbanr:ruraloverp:over_paidunderp:under_paido:nodiscrimination2、城市分层劳动力市场有卑视时的分层劳动力市场无卑视时的分层劳动力市场a+b个城镇工人所得到的过度支付：工资卑视给工人带来的过度支付就业卑视给工人带来的过度支付c+d个民工所遭遇的支付不足：工资卑视给民工带来的支付不足就业卑视给民工带来的支付不足计算人均过度支付和人均支付不足四、本文运用的数据来源CHIPS2002-2007的城镇工人和民工样本CHIPS2002民工5327城镇20632CHIPS2007民工8404城镇14719数据清理后的就业样本：2002年1：3民工：3166城镇：97792007年民工：6104城镇：61512007年1：2民工：3052城镇：6151市场1市场2单位所有制性质（中央和地方）国有或国有控股其他单位所属行业电力、煤气、水的生产和供给交通运输、仓储、邮电、通讯金融、保险房地产科、教、文、卫、体、广、电国家机关其他分层劳动力市场的划分20022007市场1市场2市场1市场2民工685248110242028城镇工人765821214606152720022007市场1市场2市场1市场2民工8.21%67.87%18.19%57.05%城镇工人91.79%32.13%81.81%42.95%20022007市场1市场2市场1市场2民工3.112.356.635.33城镇工人6.334.3713.619.29分层劳动力市场的就业分布分层劳动力市场的平均小时工资水平现行探讨的方法：Oaxaca，1973；Neumark，1988；Cotton，1988A、用男性样本估计工资方程，将女性特征代入；B、用女性样本估计工资方程，将男性特征代入；IndexNumberProblemC、分别估计男性女性工资方程，然后加权得到无卑视状况下的工资方程分别估计城镇工人和民工的工资方程，加权后得到无卑视状况下的方程本文面临的问题：能否进入市场1的概率是非线性的……五、推导无卑视状况下的就业分布及工资水平其他方法：Neumark（1988）认为把男性样本和女性样本混合在一起估计出来的（全样本）工资方程是更合适的无卑视状况下的工资机制。进行全样本回来时不把性别虚拟变量（本文中是外来民工虚拟变量）纳入全样本工资方程（或市场1的进入方程），则就会存在着遗漏变量偏误。因此，Ben（2008）就建议在全样本工资方程中加入性别虚拟变量，从而可以依据这个方程得到无性别卑视状况下的工资机制。BenJann,2008,“TheBinder-OaxacaDecompositionforLinearRegressionModels,”TheStataJournal,8(4),pp.453-479.本文还原无就业卑视的方法：假设劳动力市场是封闭的A.运用全样本回来，并在市场1的进入方程加入民工虚拟变量B.依据市场1的进入方程（Logit模型）结果预料进入市场1的概率B1.民工的预料概率+民工虚拟变量的边际效应*(1-民工占比)B2.城镇工人的预料概率-民工虚拟变量的边际效应*(1-工人占比)假设100个民工100个工人，各自有50人进入一级市场，各自进入一级市场的概率都等于50%；假设存在卑视，5个工人挤占了5个民工的工作岗位，则工人的概率上升为55%，而民工的概率下降为45%；工人的进入概率比民工的进入概率高10个百分点；还原：加减5个百分点200个工人100个民工，10个工人退还10个工作岗位给民工，工人的概率下降1/20，民工的概率上升1/10；能否进入劳动力市场1的确定因素20022007LogitProbitLogitProbitMigrant-1.650***-1.002***-1.174***-0.723***(0.062)(0.036)(0.061)(0.037)Age-0.089***-0.049***-0.006-0.002(0.024)(0.014)(0.019)(0.011)Age_sq0.001***0.001***0.0000.000(0.000)(0.000)(0.000)(0.000)Male0.355***0.201***0.0690.039(0.046)(0.026)(0.049)(0.029)Married0.1350.068-0.063-0.036(0.099)(0.057)(0.082)(0.049)Education0.151***0.086***0.115***0.069***(0.008)(0.005)(0.009)(0.005)Experience0.113***0.068***0.028***0.020***(0.009)(0.005)(0.010)(0.006)Experience_sq-0.001***-0.001***0.001***0.000**(0.000)(0.000)(0.000)(0.000)ProvincialDummyYESYESYESYESObservationPseudoR2129450.2740129450.273390420.167190420.166920022007农民工+0.24492+0.16857城镇工人-0.07930-0.08392Δ775515得到上述无“工作卑视”状况下的进入概率后：将原本已经进入市场1的城镇工人的预料概率进行排序，将概率最低的Δ个视察值“挤出”一级市场，便得到无工作卑视状况下只应当进入市场1的城镇工人数量；将原本没有进入市场1的民工的预料概率进行排序，将概率最高的Δ个视察值“挤入”市场1，便得到无工作卑视状况下本应当进入市场1的民工数量；还原无卑视的工资水平的另一个可能方法（暂未运用）：依据无卑视状况下新的就业市场分布：在工资方程加入民工虚拟变量，分别预料两个市场上的民工和城镇工人的工资水平C1.民工的预料工资+1/2*民工虚拟变量的边际效应确定值C2.城镇工人的预料工资-1/2*民工虚拟变量的边际效应确定值为什么不像前面那样拆分民工虚拟变量的边际效应？第一，并不存在交叉补贴和占补平衡；其次，现有关于中国城市分层劳动力市场的探讨发觉对于城镇工人的过度支付和对于民工的支付不足是同时存在的（Knightetal.，1999；Meng，2000；MengandZhang，2001）将Δ个样本在市场1和市场2之间重新支配后，在计算无进入卑视状况下的工资水平之前，还须要对Δ个样本的工资水平重新进行调整，因为他们实际得到的工资水平是在另一个市场中确定的，不能干脆放到另一个市场中去获得工资方程；1、假设Δ个民工能够进入市场1，他应当得到多少工资？2、假设Δ个城镇工人应当进入市场2，他应当得到多少工资？估计市场1的民工工资方程，将原本在市场2的Δ个民工的特征代入估计市场2的城镇工人工资方程，将原本在市场1的Δ个城镇工人的特征代入无进入卑视状况下的市场结构城镇工人农民工数量平均工资数量平均工资2002市场17658-775=6883685+775=1460市场22121+775=28962481-775=17062007市场14604-515=40891024+515=1539市场21527+515=20422028-515=1513分层市场的工资方程-2002市场1市场2农民工城镇工人农民工城镇工人男性0.891***0.423***0.618***0.395**(0.200)(0.135)(0.202)(0.172)年龄0.208***0.248***-0.1100.287***(0.080)(0.081)(0.097)(0.088)年龄平方-0.002**-0.002**0.002-0.003***(0.001)(0.001)(0.001)(0.001)已婚-0.4160.557*0.453-0.263(0.345)(0.325)(0.441)(0.373)教育年限0.092**0.305***0.143***0.194***(0.040)(0.026)(0.043)(0.031)工作经验-0.0270.0370.1060.047(0.055)(0.032)(0.083)(0.035)工作经验平方0.002-0.001-0.002-0.001(0.003)(0.001)(0.006)(0.001)常数项-2.266-4.724***8.985**-0.043(2.088)(1.781)(3.517)(1.661)产业虚拟变量是是是是所有制虚拟变量是是是是省份虚拟变量是是是是观察值调整R214600.089768830.189917060.084828960.1815分层市场的工资方程-2007市场1市场2农民工城镇工人农民工城镇工人男性0.794***0.1121.036***0.009(0.249)(0.456)(0.258)(1.090)年龄0.339***-0.0800.210**0.429(0.100)(0.195)(0.102)(0.428)年龄平方-0.005***0.000-0.003**-0.006(0.001)(0.002)(0.001)(0.005)已婚-0.1941.3730.2031.766(0.347)(0.886)(0.369)(1.912)教育年限0.315***0.141*0.193***0.395**(0.053)(0.077)(0.062)(0.193)工作经验0.272***0.299***0.358***0.432*(0.063)(0.072)(0.094)(0.223)工作经验平方-0.010***-0.005***-0.017**-0.013*(0.003)(0.002)(0.007)(0.007)常数项-2.7528.226*0.4790.048(2.596)(4.324)(5.061)(9.430)产业虚拟变量是是是是所有制虚拟变量是是是是省份虚拟变量是是是是观察值调整R215280.124140070.126714710.114320160.0288无工资卑视、无就业卑视状况下的就业分布与平均小时工资城镇工人农民工数量平均小时工资数量平