中国城镇非正规就业的自选择性与性别特征分析

袁 霓

（中国青年政治学院 经济系，北京 100089）

0 引言

自中国经济体制改革以来，中国的劳动力市场经历了4个结构性的改变：农村劳动力转移、失业的出现、非正规就业的发展及收入差距的扩大，其中非正规就业的发展近年来得到了政府和广大学者的普遍关注。中国传统的占绝对主流的正规就业模式日益被正规就业与非正规就业的二元化就业模式所取代。

相关研究文献对非正规就业在劳动力市场上的角色持有不同的观点。一部分经济学家认为那些不能在正规部门找到就业机会的人被迫从事非正规就业。研究者认为正规部门所提供的工作通常是有保障、高工资的，而非正规部门提供的工作则是低工资、低产出并且有可能不合法（Lewis，1954；Harris and Todaro，1970）。另有一些学者认为在权衡成本与收益后，一些人会主动选择非正规就业，从而使个人效用最大化（Maloney,2004）。

对非正规就业成因机制的探讨，有助于帮助我们理解中国快速发展的非正规就业。如果非正规就业是人们的理性选择，那么非正规就业的发展就说明了中国城镇劳动力市场运行良好并且具有极大的灵活性。反之非正规就业的兴起就意味着劳动力市场的效率损失和市场扭曲。

另一方面，在中国大规模的产业结构调整过程中,女性就业比男性就业受到更为普遍的影响和冲击，妇女是中国就业压力和竞争压力最大的人群之一（胡鞍刚、杨韵新，2001）。在经济结构调整带来资源要素的重组过程中,女性退出正规劳动力市场的年龄线普遍被提前,这些被抛出来的女性将流向何处?许多发展中国家的实际调查都表明,在其劳动力市场上,女性更容易成为非正规就业者（Chen,2001）,在中国是否也存在这种现象？为此本文引入性别视角，以探讨中国非正规就业是否存在明显的性别特征。

在分析劳动者是否从事非正规就业的过程中，一个可能存在的问题是“选择性偏误”。在实际中，一些人可能会离开劳动力市场，如沮丧工人效应，而女性作为劳动力市场中的弱势群体之一，相比较于男性，有可能更易离开劳动力市场。为此本文利用中国健康与营养调查数据（1997～2006）分析自选择性在城镇居民选择就业类型中的作用，并对非正规就业的性别差异进行研究。为克服估计工资方程时出现的自选择性偏差，本文运用BGF2（2001）分析方法，发现正规就业者具有负向自选择性，即人们在面临就业抉择时会主动选择正规就业，而非正规就业者没有自选择性。另一方面，本文发现中国的非正规就业存在明显性别特征，非正规就业中男女的收入差异比正规就业中男女收入差异大，从事非正规就业的女性处于收入的最低端。

1 数据及描述性统计

本文所采用的数据为中国健康与营养状况调查（China Health and Nutrition Survey,CHNS）。该调查是美国北卡罗莱纳大学的人口中心，营养与食品卫生学研究所，以及中国预防医药学院联合发起。CHNS调查始于1989年，采用多阶段分层随机整群抽样调查了8个省份（城镇、农村）的190个社区，共计约16，000人，内容涉及中国居民健康、饮食行为、家庭经营活动等，并分别于 1991、1993、1997、2000 年（辽宁省加入）、2004、2006年进行了随访。 其中 8个省份分别为：黑龙江、山东、江苏、河南、湖北、湖南、广西、贵州8省区。

CHNS数据主要分为个人调查、家庭调查和社区调查数据。个人调查包括所有成人（18岁以上）的人口学资料、工作情况、家务和儿童照料情况、健康状况等，特别对已婚妇女（52岁以下）的生育、子女情况进行了调查。家庭情况包括住户的各项收入，包括家庭农业、养殖、果园、渔业和手工业收入等。社区调查数据包括社区的人口学统计、学校及托儿机构情况、社区医疗卫生机构等。

由于1989、1991和1993年与后4年的数据在一些重要变量上的划分标准不同，如就业者在工作中的地位，故本文在非正规就业的研究中只使用1997、2000、2004、2006年4年的数据。CHNS数据在各省都取了两类调查点—城市与农村，在本文的研究中只考虑城市调查点。CHNS数据最早是为调查中国居民的健康和营养情况而设计的，因而在运用此数据进行劳动力市场问题研究时会具有一定的局限性。但与其它数据相比，CHNS数据具有独特的优势。首先，虽然CHNS数据不是一个标准的面板数据，但该数据具有较长的时间跨度，在中国经济改革的几个关键年份都有抽样，这就给我们提供一个非常有利的机会对中国劳动力市场在改革期间的变化、非正规就业随时间的变化等进行分析。其次，该数据提供了非常详细的家庭、人口学等特征，使得我们能够分析这些特征对女性非正规就业的影响。

正如前文所阐述的，根据不同定义及划分标准，不同的文献中得到的中国非正规就业的数据有所不同，因此如何利用现有数据来衡量中国的非正规就业是我们所遇到的挑战。在本文中，根据ILO的定义及现有数据，我们采用CHN中“你在此职业中的地位是什么”变量来定义正规与非正规就业。根据我们的定义，有雇工的个体经营者、长期工、合同工定义为正规就业者，无雇工的个体经营者、临时工、领取工资的家庭工人、无报酬的家庭帮工等定义为非正规就业者。

需要说明的是在数据分析中，我们不能控制一些缺省变量。数据调查过程中，人们有可能不报告某些“非正规”工作。虽然这些数据的缺省对男女的几率应该是一样的，但如果女性是因为丧失了再就业机会而离开劳动力市场（如沮丧工人效应），并且女性看作是家庭中第二收入者，那么缺省值对女性的影响可能要比男性大。

由前面给出的非正规就业的定义，表1给出了根据CHNS数据得到的1997～2006年中国城镇居民正规与非正规就业的比例。1997年，中国城镇非正规就业的比例为22.24%，2006年这一比例上升至36.5%，这一数据与其他学者得到的结论基本一致。例如，利用中国城市劳动力调查（CULS1、CULS2）数据，采用是否有劳动合同作为非正规就业的定义，杜阳等（2006）发现2005年中国城镇居民非正规就业的比重由2002年的18.5%上升至2005年的32.6%。另外，我们也发现女性从事非正规就业的比重要比男性高。事实上，许多发展中国家的实际调查都表明,在其劳动力市场上,女性更容易成为非正规就业者。也有学者认为中国非正规就业中男女两性比例并没有显著的区别，如谭琳与李军峰（2003）根据第二次中国妇女社会地位调查数据,发现在从事正规就业和非正规就业的劳动者群体中，女性比例略高于男性，但差异并不十分显著。但该文中认为中国非正规就业者的确存在非常严重的行业和职业性别隔离以及由此决定的收入方面的性别差异。

表1 1997～2006年中国城镇居民正规、非正规就业比例

表2 1997～2006年中国城镇正规与非正规就业者的基本特征统计描述

表3 1997～2006年中国城镇正规和非正规就业者平均月工资（元）

进一步我们分析正规就业者、非正规就业者的个人基本特征（年龄、教育程度）及职业特征（工作时间、收入及是否具有医疗保险等）。由表2可看到无论是在正规就业还是非正规就业中，女性普遍比男性年轻；非正规就业者的平均受教育程度要比正规就业者的平均受教育低，这也反映了教育因素是劳动者就业的一个决定因素。正规就业中女性的平均受教育程度比男性略高（1997年例外），而在非正规就业中这一现象恰好相反（2006年例外），这可能是在改革初期，大量中年女性过早离开了正规就业市场，而这些女性的受教育程度相对比较低。

在现实中，正规就业者会有一些社会福利、补助等，非正规就业者可能会得到食物、住宿等，而这些数据通常很难准确收集。此外非正规就业者由于工作时间、收入的不确定性，使得收入数据更是难以准确获得，因此比较正规与非正规就业者的收入存在一定难度。如果我们单纯比较月工资 （表3），发现在非正规就业中，无论是男性还是女性，其收入都远远低于正规就业者。虽然正如前文提到的，非正规就业者的受教育程度普遍低于正规就业者，根据人力资本理论，教育程度是决定收入的重要因素之一。但收入偏低仍就是非正规就业的基本特征之一。非正规就业者收入偏低有可能是由于行业和职业性别隔离现象造成的，此外非正规就业领域由于缺乏法律、法规及政策规定,更可能产生工资和福利方面的性别歧视现象（谭琳、李军峰，2003）。

非正规就业中男女之间的收入差异要大于正规就业中的男女收入差异。如果把女性收入看作1，1997年正规就业中的性别收入比是1.17，非正规就业中的性别收入比是1.35，而在2006年，这一比例分别是1.11和1.56。

总的来说，自1997～2006年间，正规、非正规就业者收入具有以下特征：正规、非正规就业者之间的收入差异在逐渐扩大；非正规就业中的收入性别差异在逐渐扩大；正规就业中的收入性别差异相对稳定。

劳动时间较长、拥有医疗保险比例低是非正规就业的另一显著特征。2006年，76.93%的正规就业者拥有保险，而在非正规就业者中，这一比例仅为34.45%。但另一方面我们也发现无论是正规就业者还是非正规就业者，拥有劳动保险的比例都在增加，尤其是非正规就业者，增加的幅度较大。1997～2006年期间，从事非正规就业的男性拥有医疗保险的比例由1997年的19.10%上升至2006年的33.2%，同期从事非正规就业的女性拥有医疗保险的比例由23.91%上升至35.84%（见表 4）。

总的看来，从统计描述中我们发现女性更易从事非正规就业，相比较正规就业者，非正规就业者拥有更低的收入、更长的劳动时间及更低的医疗保险比例，而在非正规就业者中，女性比男性拥有更低的收入。女性聚集的职业或职位常常是那些技术要求低，收入较低或没有收入，劳动时间长，内容琐碎的工作，使得女性在非正规就业市场内部更易边缘化。

表4 1997～2006年中国城镇正规和非正规就业者拥有医疗保险比例（%）

3 模型框架

非正规就业研究中的一个基本问题是什么因素决定了劳动者从事非正规就业？劳动者的基本特征、性别特征、家庭特征等从中扮演了什么样的角色？此外，在分析劳动者是否从事非正规就业的过程中，一个可能存在的问题是“选择性偏误”。在实际中，一些人可能会离开劳动力市场，如沮丧工人效应，而女性作为劳动力市场中的弱势群体之一，相比较于男性，有可能更易离开劳动力市场。为解决这一问题，我们采用多元态Logit模型对劳动者的就业选择模型进行估计。

根据前面的统计描述，我们发现正规就业与非正规就业中劳动者的工资是有显著差别的，为此我们对正规就业与非正规就业的工资方程分别进行估计。但在估计小时工资方程可能会存在自选择性问题。这是由于不同就业类型从业人员的分布并不是随机的，他们的就业类型极有可能是自选择的结果。自选择性偏差的存在会导致OLS估计结果的不一致性（Inconsistency）。因此，我们必须对自选择性问题进行处理，以纠正估计偏差。当就业类型只有两种时，我们可以应用赫克曼（Heckman，1979)的方法来纠正选择性偏差。然而，由于这里的就业类型是多元的，因此赫克曼的方法不再适用，需要对其进行扩展。 Lee(1983)、Dubin and McFadden(1984)、Dahl(2002)以及Bourguignon等 (2001)对选择性偏差的纠正扩展到了多元选择的情形,并根据工资方程误差项和就业选择方程误差项之间假设关系的不同提出了不同的处理办法。理论上，Dubin-McFadden、Dahl以及BFG方法要优于Lee方法，因为后者施加了更多的约束条件，因此在这里我们选择BFG方法进行估计。

s=1、2、3分别表示正规就业、非正规就业和失业三种状态。Xs、Zs为外生变量，表示个人特征、家庭特征、地理特征等。

在工资方程中，s≠3,因为失业人员没有收入。工资变量Ys被观察到当且仅当就业状态s得到选择，即I*s＞MaxI*j时，j≠s。

当对不同就业状态的工资方程分别使用OLS进行估计时，如果存在未观测到的影响收入和职业选择的个人特征，会导致误差项ηs和us存在相关性，因此运用OLS对工资方程进行估计会得到β的非一致估计。为克服可能存在的β的非一致估计，BGF方法扩展了赫克曼的两阶段样本选择纠正模型到多元态Logit情形。

假设ηs独立、同分布，服从最小极值（Gumbel）分布，即独立无关选择假设(IIA)。

ηs的分布函数和概率密度分别为 G(η)=exp(-e-η)，e(η)=exp(-η-e-η)。

利用麦克法登（McFadden，1973)中的结论，有：

根据上述表达式，利用最大似然法可得到γs的估计。

下面求β的一致估计。不失一般性，设观测类型1的工资水平被观测到，由此求β1的一致估计。

对每个s,假设u1与线性相关。在经典线性模型假设下，u1服从正态分布，且u1与服从二维正态分布。 设是u1与的相关系数，由于之间彼此独立，则有：

ω1为残差项，与所有的正交，且 E(ω1)=0

其中v1与其他项都正交，并且E(v1)=0。Ps是由（3）式得到第s就业选择的概率，由此可用OLS估计（5）式，得到β1的一致估计。

总的来说，此种方法分为两部分，首先估计多元态 Logit模型，得到 Ps的拟合值，由此计算第二步，用 OLS 估计（5）式，得到β的一致估计。

蒙特卡罗试验表明BGF方法在处理多元选择模型的自选择问题时具有相对的优势和更广泛的应用，即使在非线性或者IIA假设不满足情况下，仍能得到一致估计。

4 模型结果

正如上面分析所提到的，就业类型在人群中的分布并不是随机的，实际上，人们都是基于个人的效用最大化决策来选择是否就业或以何种形式就业，因此，对小时工资方程运用OLS估计会导致估计结果的不一致性。我们使用BGF方法，对可能出现的自选择性偏差进行纠正。为了应用BGF方法，首先使用多元态Logit模型，估计人们在不同就业类型之间的选择。在第一阶段多元态Logit模型的基础上，计算出选择项，并将其加入第二阶段的小时工资方程，从而得到参数的一致估计。

4.1 多元态Logit估计结果

表5给出了第一阶段多元态Logit模型的估计结果。我们引入了个人特征变量、家庭变量和地理特征变量等。

回归结果表明女性更有可能从事非正规就业或失业（与正规就业相比），女性从事非正规就业与正规就业的机会比要比男性从事非正规就业与正规就业的机会比高12.5%，而女性退出劳动力市场可能性 （与正规就业相比）是男性的3.32倍。大量女性过早的离开了正规劳动力就业市场，非正规劳动力市场相对低的准入标准和较少的就业成本,为她们增加了就业空间。

年龄影响劳动者是否从事非正规就业，在其他条件同样的情况下，年轻人更易从事非正规就业或失业（与正规就业相比）。

表5 不同分布假设下的纯费率方差分析表

相比较其它变量的影响，教育对劳动者是否从事非正规就业的影响最大。受教育程度低的劳动者更倾向于从事非正规就业，受教育年限每减少1年，劳动者从事非正规就业与正规就业的机会比增加24.6%，而对女性增加25.8%,比男性高出1.6个百分点。这意味着提高劳动者的受教育程度是帮助其由非正规就业转向正规就业的一个有效手段。女性的受教育程度通常要比男性低，因此提高女性平均教育水平对提高女性正规就业的比例具有重要意义。在表3的分析中，我们看到正规就业中的女性比男性的平均受教育程度略高，一个可能的原因是女性在正规就业中收到歧视，在男女同等条件下，女性必须拥有更高的教育程度才能进入正规就业。教育程度对女性是否从事正规就业的影响要比男性大。另一方面，我们也发现受教育程度低的劳动者更有可能面临失业。

CHNS数据中包含各种描述个人健康状况的变量，在本文的研究中，采用受访者自我报告健康状况。从回归结果我们可看到健康状况影响一个劳动者是否从事非正规就业，在相同的条件下，健康状况较差的劳动者更有可能从事非正规就业。一个可能的解释是正规就业对劳动者的准入门槛较高，许多单位招聘正式职工（通常为正规就业）时都要进行健康检查，从而将健康状况较差的劳动者排斥在正规就业之外。另一方面，健康状况较差的劳动者也更有可能失业。

对女性而言，与无子女女性相比，如果女性有6岁以上子女，会加大其从事非正规就业的可能性，但不会影响女性是否退出劳动力市场，而是否有子女对男性几乎没有影响4。一个比较有趣的现象是，拥有6岁以下子女对女性是否从事非正规就业没有影响，一个可能的解释是在中国许多祖父母承担了照料下一代的责任，特别是对学龄前儿童，因此6岁以下子女对其母亲就业的影响不大，而一旦下一代进入小学或中学读书后，由于教育观念、文化程度、体力的限制，祖父母通常不再或较少照料下一代。居于中国男主外，女主内的思想，女性通常会投入更多精力照顾子女，从而对自身工作投入的精力就会有限，导致其被迫或主动加入非正规就业。由于在中国基本上是夫妻双方共同工作以负担家庭开支，且子女教育费用较高，因此通常女性不会为了照顾子女而离开劳动力市场。

表5 多元态Logit模型估计结果

即便在控制个人和家庭特征之后，地区特征对就业类型的影响依然存在。相比较其它城市而言，广西的居民更可能成为非正规就业者，失业的可能性也相对较高，而江苏的居民成为非正规就业者及失业的可能性都是最低的。

表6 工资方程估计结果

4.2 工资方程估计结果

在统计描述部分，我们已经发现了与正规就业者相比，非正规就业者的收入偏低，但其影响因素是多方面的。下面我们根据明瑟（Mincer，1974)人力资本模型对收入函数进行估计，试图分析非正规就业对男女工资收入差距的影响。尽管OLS的估计结果是有偏的，但为了与纠正选择性偏差的估计结果（BGF）进行比较，在表中列出两种估计方法的结果。

无论是用OLS还是BGF估计方法，在控制一系列个人、家庭和地区特征后，女性的月工资依然要低于男性。月工资的这一性别差异不仅存在于正规就业者中，而且也出现在非正规就业者中。BGF估计方法显示，在其他条件相同时，正规就业中女性月工资比男性月工资低9.4%,而在非正规就业中，女性月工资比男性低35.2%，这表明非正规就业中男女性的收入差异要远大于正规就业中男女性的收入差异，即非正规就业中的女性收入处于最低端。而用OLS估计方法，在其他条件相同时，正规就业中女性月工资比男性月工资低14.3%，非正规就业中女性月工资比男性月工资低33.7%，即纠正选择性偏差之后，正规就业者内部存在的月工资的性别差异比用OLS估计出的月工资的性别差异要小。一个可能的解释是，相比较女性，男性从事正规就业的自我选择性更强，因此在OLS估计结果中，男性的工资水平更高。如果自选择性偏差得到纠正，即男性和女性随机地被指派成为正规就业者，那么男性和女性之间的工资水平差异会减少。

年龄变量前的系数为正，年龄平方前的系数为负，这与人力资本理论中工作经验的影响（这里用年龄作为工作经验的代理变量）应是凹型的相符。一个比较意外的结果是非正规就业中的教育回报率 （5%）比正规就业中的教育回报率（4%）要高，这可能是非正规就业者的教育程度比正规就业者的教育程度低，而低教育程度的回报率可能会比高教育程度的回报率高。一个劳动者的健康状况较好，其收入会增加，但健康变量前的系数不显著。

在不同就业工资函数中，选择项的负（正）表明了工资的低（高）估。我们发现正规就业工资方程中非正规就业选择项的系数为负，表明正规就业者存在着负的自选择性。虽然劳动者在非正规就业中工作会有更高工资，但却选择了在正规就业。如果正规工作在人群中被随机指派，那么正规就业者的小时工资水平会更高。这表明，那些拥有优质的不可观测特征的人们在正规就业与非正规就业中抉择时，更倾向于从事正规就业，即使从事正规就业会比从事非正规就业收入要低。而非正规就业工资方程中正规就业选择项的系数不显著，表明在非正规就业中不存在自选择性。由此说明中国非正规就业市场既没有约翰·哈里斯和迈克尔·托罗达(Harris and Todaro,1970)所认为的那样悲观，即非正规就业市场只是二元劳动力市场的从属部分，但也并不是理性决策的结果。一方面中国城镇劳动力市场运行良好并且具有极大的灵活性，但与此同时也可能会存在劳动力市场的效率损失和市场扭曲。人们更倾向于选择正规就业，也表明了对正规劳动力市场的认可。

5 结论

利用CHNS数据和BGF分析方法，本文分析了自选择性在城镇居民选择就业类型中的作用，发现正规就业者具有负向自选择性，表明对于具有优质不可观测特征的劳动者来说，从事正规就业是一种自我选择的过程，因此在中国的劳动力市场上存在一定的效率损失和市场扭曲。另外我们发现非正规就业者的工资收入要明显低于正规就业者，且在非正规就业者中男女的收入差异更大，即非正规就业女性的收入是最低的。

虽然非正规劳动力市场相对低的准入标准和较少的就业成本为大量过早离开正规劳动力就业市场的女性增加了就业空间，但在政策缺失的状况下，非正规就业女性的劳动报酬、社会保障不仅与正规就业女性存在差距、而且与非正规就业男性有明显区别,从而会使业已存在的就业领域中的两性差距非但没有缩小反而有所扩大。虽然非正规就业具有进入成本低、市场化程度高和就业形式灵活等特点，在中国二元经济转换过程中创造了大量就业，在某种程度上解决了下岗职工的再就业问题。 但与此同时，从岗位的稳定性、社会保护的程度、工资水平和其他待遇以及劳工标准来看，非正规化就业的确带来诸多问题，这都是需要我们特别关注的。

[1]白凤森.对拉美失业问题的再认识[J].拉丁美洲研究，2000,(5).

[2]蔡昉.非正规就业:发挥劳动力市场配置资源作用[J].前线，2005,(5).

[3]蔡昉，都阳，王美艳.中国劳动力市场转型与发育[M].商务印书馆,2005.

[4]邓曲恒.中国城镇地区的非正规就业[D].异质性和自选择性，性别与非正规就业课题工作论文.

[5]胡鞍钢,杨韵新.就业模式转变:从正规化到非正规化─我国城镇非正规就业状况分析[J].管理世界，2001,(2).

[6]金一虹.非正规就业与女性经济参与[N].中国妇女报.2005年11月1日

[7]孟宪范.改革大潮中的中国女性[M].北京:中国社会文献出版社,1995.

[8]任远，彭希哲主编.2006中国非正规就业发展报告：劳动力市场的再观察[M].重庆出版社,2007.

[9]谭琳，李军峰.我国非正规就业的性别特征分析[J].人口经济，2003,27(5).