资历与资讯的制约

资历与资讯的制约

问题的提出从1996年到2004年，全国劳动争议案件当期受理数从47951件增加到260471件，劳动者提出申诉的案件数所占百分比由87.0%提高到95.7%（国家统计局人口和就业统计司、劳动和社会保障部规划财务司，2005）。正如李静君（LeeChingKwan）所指出的，中国工人，包括外来工[1]，越来越多地接触到“公民权”和“法律权利”的概念，越来越多的外来工在老板拖欠工资和拒绝支付工伤赔偿的时候开始寻求法律救济（Lee，2002）。同时，一个问题也随之而来，什么样的农民工更倾向于主张和维护自己的权利，他们的个人背景特征、外出及工作情况、所在工厂的特征和资讯获得等因素对他们采取维权行动构成了怎样的影响？本文拟通过对相关调查资料的统计分析，探讨影响青年农民工维权的微观因素。文献回顾和研究假设当前有关农民工维权问题的讨论已经成为社会科学研究的一个热点，就影响农民工维权的因素而言，既往研究大多集中在以下几个方面：一是从政府、资本和劳工的三方关系来分析，强调政府在“强资本、弱劳工”的情况下仍然忽视劳工权益以吸引投资促进经济发展，这致使农民工维权往往面临资本与权力的联合压制，在实践中根本无法实现应有权利（郑广怀，2005）。二是从农民工在维权过程中遭遇的法律及实践问题来分析，例如维权成本太高、收集及举证困难、胜诉后执行困难、仲裁和法律程式设置不合理等，这些都导致农民工无力维权（Zhang，2005；安徽省法学会农民工维权研究课题组，2005）。三是从农民工自身来分析，例如经济力量薄弱、文化程度较低、法律知识缺乏、权利意识淡薄等，这些微观因素使农民工在权益受到侵害后难以主动维权（蒋慧、张忠民，2006；马爱华，2004）。从研究方法来看，这三个方面的分析多为文献分析、个案研究和逻辑推理，很少有量化的调查和分析，客观性和因果关系的揭示相对不足，难以进行概化推论（generalization）。同时，无论是政府、资本和劳工的三方关系还是农民工在维权过程中遭遇的法律及实践问题都较难以量化测量，前者实际上是一种宏观的基本结构问题，后者则往往需要深入的个案分析才能得以展现。相对来说，农民工自身的特征是一个易于量化测量的层面。一些研究已经从不同角度有所涉及。闫翠娟和高峰（2007）对苏州市440名外来农民工的潜在维权诉求（维权意识）的调查表明，有72.4%的被调查者面临权益侵害时想到过维权，有27.6%从未想过。农民工面对自己的权益受损却选择不维权的原因由高到低依次是：想保住饭碗（33%）、维权的成本太高（26%）、不清楚如何维权（22%）、其他（19%）。该研究虽然对农民工自身不维权的原因进行了调查分析，但这只是农民工自己报告的原因，其未能就不维权的原因与农民工的自身特征（例如年龄、文化程度、外出及工作情况等）进行相关分析，同时也未能比较具有潜在维权诉求和不具有潜在维权诉求农民工背景情况的差异。杨莉（2006）对武汉、宜昌、株洲、常德4个城市761名40岁以下青年工人的调查表明，在维护工人权益的各种力量中，工人认为自己的力量是最重要的（51%），工人倾向于靠自己的力量维权。杨莉研究的问题在于未能报告倾向于靠自己力量维权的农民工的自身特征。Thireau和Hua（2003）对采取维权行动的工人的个人背景特征进行了较为细致的描述，他们对随机选取的深圳市劳动局信访办1996～1997年收到的123封信件和劳动仲裁委员会1998～1999年受理的60个案件的分析有如下发现：第一，向仲裁委申请仲裁和向信访办投诉的全为劳动者，而非雇主；第二，在60个劳动仲裁案件中，75%来自私营企业、外资企业和各种混合所有制企业；第三，向仲裁委申请仲裁的工人多为熟练工人，平均月收入较高（1444元），而向信访办投诉的工人多为初级体力劳动者，平均月收入较低（578元），造成这种分化的主要原因在于向信访办投诉是免费的，而申请仲裁需要仲裁费；第四，向仲裁委申请仲裁的工人在与之发生劳动争议的工厂平均工作时间超过三年，而向信访办投诉的外来工工作时间则较短。尽管该研究注意到了影响农民工维权的微观因素，但只涉及了已经采取维权行动的工人，未能涵盖未采取维权行动的工人，因而也就无法就两者的异同进行比较。基于以上的回顾和讨论，综合其他因素，本文拟将影响青年农民工维权的微观因素分为四个部分，即个人背景特征（性别、年龄、文化程度）、外出及工作情况（收入、工作职位、外出时间、工作流动、工会会员身份）、企业特征（企业性质和企业规模）和资讯获得（相关权利资讯的获得），并建立如下研究假设。假设1：青年农民工采取维权行动与其个人背景特征相关；假设2：青年农民工采取维权行动与其外出及工作情况相关；假设3：青年农民工采取维权行动与其所在企业特征相关；假设4：青年农民工采取维权行动与其资讯获得相关。这些假设不是各自独立的，而是相互影响的。为了表明这一点，我们将四方面的因素同时纳入模型，用概率方程的形式表示如下（毕向阳，2005）。L（P）=f（I1，I2，I3，I4）其中，P代表青年农民工采取维权行动的发生概率，I1代表个人背景特征，I2代表外出及工作情况，I3代表企业特征，I4代表资讯获得。资料与方法本文的资料来源于两个方面，一是2002年12月清华大学当代中国研究中心和广东省妇女干部学校在广州和中山两地进行的“外来工需求调查”，共获得有效问卷595份。该调查是“珠江三角洲外来女工培训项目”的成果之一。二是2003年7月广东商学院社会工作系、中山大学法学院和广东番禺打工族文书处理服务部进行的“珠江三角洲工伤调查研究项目”，该项目对珠江三角洲地区多家机构（包括38家医院、1家职业病防治院和1家非政府工人社会服务机构）的外来工工伤者进行了问卷调查，共获得有效问卷582份。[2]一般而言，农民工受伤后都会先在医院接受治疗，然后再决定是否采取维权行动（或治疗和维权同步进行），因此，在医院进行调查能够降低样本选择偏差，有效排除“缺乏维权意识的工伤者已经回到了流出地”的影响，避免IsabelleThireau和HuaLinshan研究中样本偏差的类似问题。由于受到抽样框的限制，两项调查都未能采取随机抽样的方式进行，而是采取多地点、多机构的非概率抽样方式（nonprobabilitysampling）。Guo和Hussey（2004）的研究表明，此种非概率抽样方式有助于克服抽样时的地理集中（geographicconcentration）和隐藏的选择偏见（hiddenselectionbias）问题，从而提高样本的代表性和推论统计（inferentialstatistics）的可靠性。本文拟采用二分类多元Logistic回归分析的方法筛选出显著影响青年农民工维权的引数，并以数量化的统计模型形式在有统计控制的条件下检验这些引数各自变化对作为因变数的青年农民工维权的作用幅度，从而分析影响青年农民工维权的具体因素。样本描述及说明“外来工需求调查”和“珠江三角洲工伤调查”两个资料在年龄、月收入等方面较为接近，在其他方面都不同程度地存在一些差异。例如，工伤者的男女性别比大幅高于外来工，工伤者的文化程度、管理人员所占百分比、工会会员所占百分比、在较大规模企业工作的百分比和外出时间都低于外来工。由于工伤者多在较小规模的企业工作，两个样本企业规模的分类标准有所不同，“外来工需求调查”以1000人为界线，“珠江三角洲工伤调查”以200人为界线。同时，两个样本资讯获得的测量也存在一定差异，“外来工需求调查”中，接触资讯提供者是指被调查者曾经接触过记者、社会调查人员、法律援助人员、为外来工服务的机构、国际组织和工厂客户。在“珠江三角洲工伤调查”中，资讯获得是指“知道工伤保险待遇的具体内容”（参见表1）。表1样本的基本状况描述表1样本的基本状况描述-续表Logistic回归模型建模过程（一）变数选择和预处理为了便于两个资料间的比较，我们在变数选择过程中，尽量使两个资料的因变数和引数保持一致。在“外来工需求调查”中，因变数为是否向有关部门投诉或到法院提起诉讼，在“珠江三角洲工伤调查”中，因变数为知道老板没有为自己购买工伤保险时，是否向老板提出过购买要求。引数分为个人背景特征、外出及工作情况、企业特征和资讯获得四个方面。引数中的离散变数均经过虚拟变数处理。需要指出的是，由于资料本身的限制，两个模型的部分引数在测量尺度上有所不同。在“外来工需求调查”中，企业规模是否在1000人及以上以1000人以下为参照类，是否接触资讯提供者以未接触资讯提供者为参照类。在“珠江三角洲工伤调查”中，企业规模是否在200人及以上以200人以下为参照类，是否知道法定工伤保险待遇具体内容以不知道法定工伤保险待遇具体内容为参照类。为了增加变数单位变动的间距，便于结果的比较，年龄均以5岁为单位。由于两个样本的月收入均呈严重偏态分布，我们取自然对数，使之整体服从正态分布（参见表2）。表2Logistic回归分析中的因变数和引数（二）筛选显著变数为寻找解释能力最强的引数并尽量减少引数间多重共线性影响，我们采用SPSS中Logistic回归自动筛选显著引数的方法（Forward：Conditional）建立最优的逐步回归方程。分步回归概率临界值0.05进入，0.10剔除。经过计算，在“外来工需求调查”最终模型中剩余工作职位是否为普工或服务员和是否换过工作两个变数，而在“珠江三角洲工伤调查”最终模型中剩余是否知道法定工伤保险待遇具体内容和年龄两个变数，两个模型中的其他变数均被剔除（参见表3）。表3模型剔除的变数值得注意的是，两个模型中企业特征变数全部被剔除，假设3无法得到证实。这说明当控制某些变数后，企业特征对青年农民工采取维权行动的作用不具有显著性。当然，这也可能说明企业规模和企业性质并不能完全代表企业特征，我们需要进一步寻找其他观测变数，比如企业所属行业、企业管理结构等。（三）最终模型及评价为了排除不显著变数的干扰，我们采用变数全部进入的方法重新构造因变数与显著引数的Logistic回归方程（参见表4）。表4最终模型中的变数“外来工需求调查”中，模型卡方（ModelChi-Square）=9.869，自由度（df）=2，显著性水准（Sig.）=.007，说明模型整体检验显著。对数似然比（-2Loglikelihood）=288.209，决定系数（NagelkerkeRSquare）=0.043。从预测分类表来看，模型整体预测正确率（方程分类能力）达到91.9%。分别来看，各引数均在0.05水准显著。“珠江三角洲工伤调查”中，模型卡方=17.064，自由度=2，显著性水准=.000，说明模型整体检验显著。对数似然比=374.365，决定系数=0.071。从预测分类表来看，模型整体预测正确率（方程分类能力）达到75.9%。分别来看，各引数均在0.1水准显著。（四）模型解释“外来工需求调查”模型验证了假设2，青年农民工采取维权行动与其外出及工作情况相关。具体而言，换过工作的青年农民工采取维权行动的发生比（oddsratio）是未换过工作的青年农民工的2.38倍，而工作职位为普工或服务员的青年农民工采取维权行动的发生比只有其他工作职位（包括技术工人、管理人员等）的53%。“珠江三角洲工伤调查”模型同时验证了假设1和假设4，青年农民工采取维权行动与其个人背景特征和资讯获得相关。具体而言，知道法定工伤保险待遇具体内容的工伤者采取维权行动的是不知道此资讯的工伤者的2.57倍。年龄每增大5岁，工伤者采取维权行动的发生比提高16%。讨论本文拟先分别讨论两个模型揭示的影响青年农民工维权的微观因素，然后进行比较综合，以获得对青年农民工维权影响因素更为全面深入的认识。“外来工需求调查”模型表明了工作流动对维权行动的正向作用。首先，已经换过工作的青年农民工一般外出打工时间较长，根据“外来工需求调查”资料，已经换过工作的外来工外出时间均值为64.2个月，而未换过工作的外来工外出时间均值为56.1个月（T检验表明差异显著，P=0.042）。是否换过工作与外出时间的Eta相关系数为0.57（以是否换过工作为因变数）。较长的外出时间意味着有较为丰富的打工经验，越有可能发现和认识工厂的侵权行为，进而维护自身的权利。其次，青年农民工在维权之前会考虑到维权可能带来的风险（例如被厂方解雇、找不到工作等）。正如闫翠娟和高峰（2007）所指出的，农民工认为维权将意味着工作机会的丧失，而这正是对农民工群体最致命的打击。经过权衡之后，农民工选择牺牲部分权益换取工作机会。对那些已经换过工作的农民工而言，他们在换工作的过程中已经积累了承担风险的经验。而那些没有换过工作的农民工缺乏承担风险的经验，他们担心维权导致自己陷入失业的困境。该模型还表明，普通工人或服务员更倾向于不采取维权行动。其原因可能在于，相对于管理人员和技术工人，他们文化程度和收入水准都较低，承担风险及与厂方讨价还价的能力较弱，维权能力不足，不倾向于采取维权行动。该模型的资料表明，普工或服务员的受教育年限均值为9.0年，月收入均值为694.3元，而非普工或服务员（技术工人或管理人员）的受教育年限均值为10.7年，月收入均值为1129.1元（T检验表明两组比较差异均显著，P值均小于0.01）。“珠江三角洲工伤调查”模型表明了资讯获得对青年农民工采取维权行动的影响。如前所述，闫翠娟和高峰（2007）的研究表明，“不清楚如何维权”是导致农民工选择不维权的第三大原因。同时，也有研究指出，部分由于普法运动的开展，越来越多的工人开始接触到劳动法并采取法律途径来解决与雇主之间的劳动争议（Zhang，2005）。该模型还表明了年龄对青年农民工采取维护行动的正向作用。这可以从年龄与外出打工时间的关系来解释，年龄与外出打工时间（在“珠江三角洲工伤调查”中，该资料为定序变数）的Eta相关系数为0.51（以外出打工时间为因变数）。这说明，年龄越大，外出打工时间越长，从而打工经验也可能越丰富，越有可能发现和认识工厂的侵权行为，进而维护自身的权利。某种程度上，这与“外来工需求调查”模型的发现是一致的。比较两个模型，我们发现，进入“外来工需求调查”模型的引数（工作职位和是否换过工作）未进入“珠江三角洲工伤调查”模型，而进入“珠江三角洲工伤调查”模型的引数（资讯获得和年龄）未进入“外来工需求调查”模型，这是为什么呢？首先，我们需要考虑两个模型中是否换过工作与年龄之间的关系。统计表明，两者的Eta相关系数（以是否换过工作为因变数）在“外来工需求调查”模型和“珠江三角洲工伤调查”模型中分别为0.238和0.286，存在弱相关关系。在这种情况下，一旦这两个引数之中的某一个对因变数具有相对的统计重要性率先进入模型，另一个变数就可能被剔除了。因此，是否换过工作进入“外来工需求调查”模型的同时排除了年龄，而年龄进入“珠江三角洲工伤调查”模型的同时排除了是否换过工作。其次，不同于工资拖欠和超时加班，工伤是一种较为严重和明显的伤害，不论处于何种职位的工伤者都可能会积极主张并维护自己的权利，因而工作职位的影响在“珠江三角洲工伤调查”模型不显著。最后，从资讯获得来看，在“珠江三角洲工伤调查”模型中，资讯获得的观测变数为“是否知道法定工伤保险待遇具体内容”，这是一个非常直接而明确的测量指标，而在“外来工需求调查”模型中，由于受到调查资料本身的限制，观测变数为“是否接触资讯提供者”，这是一个较为间接的观测变数，因为接触资讯提供者并不一定能够获得资讯，即使获得资讯，也不一定是与维权相关的资讯。所以，测量标准的不同可能是资讯获得未进入“外来工需求调查”模型的原因。综合两个模型，我们可以得出两点初步结论。第一，资历是影响青年农民工维权的重要微观因素。无论是年龄、工作职位还是工作流动（是否换过工作）在本质上都可以归结为外出打工的资历，一般而言，随着外出时间的增加和年龄的增大，工作流动的机会随之增加，工作职位也可能随之上升，从而积累起较为丰富的资历和较强的抵御风险的能力，具备了一定的维权能力。第二，资讯获得是影响青年农民工维权的又一重要因素，对那些受到严重伤害的农民工来说（例如工伤者），直接的法律和政策资讯的获得往往对他们