教育、非正规就业与劳动力收入差异——基于动态面板数据模型的实证分析

胡凤霞 叶仁荪 陆 军

教育、非正规就业与劳动力收入差异
——基于动态面板数据模型的实证分析

胡凤霞 叶仁荪 陆 军

在动态面板数据的System－GMM模型基础上，利用CHNS数据研究不同教育程度的非正规就业者与正规就业者的工资差异，结果显示：不同的教育组别，两部门收入差异存在着明显不同。正规就业者的收入优势只在高中教育组和大专及以上教育组显著存在，初中及以下教育水平就业者的收入并没有显著的部门差异。进一步的研究还发现，随着教育程度的提高，两部门教育回报率差距变大；高中教育组在两部门的收入差异主要来源于非个体特征因素导致的劳动力市场分割，而大专及以上教育组在两部门的收入差异则更多来自于个体的资源禀赋。这说明，人力资本，特别是教育在两部门收入差异方面起了重要作用。

教育；非正规就业；收入差异；动态面板数据模型

胡凤霞，扬州大学商学院讲师，经济学博士。（江苏扬州 225009）

叶仁荪，江西理工大学经济管理学院教授，西南交通大学经济管理学院博士生导师。（江西赣州 341000）

陆 军，新疆维尔族自治区伊犁哈萨克自治州新源县委组织部副部长。（新疆伊犁 835800）

在发展中国家，非正规就业部门与正规就业部门(以下简称为两部门)的工资差异引起了学界的广泛关注。不少研究者认为，劳动力市场存在着双重工资决定机制，在均衡状态下，非正规就业市场上的劳动力工资收入低于正规就业市场上的工资收入。[1][2](P299－322)[3][4][5]也有研究者提出了不同意见，Marcouiller等人分解墨西哥劳动力市场上两部门的工资方程的结果表明，非正规就业市场上的工资收入反而高于正规就业市场上的工资收入。[6]Pratap和 Quintin基于阿根廷的数据研究显示，在控制样本选择偏差之后，并没有证据支持正规就业一定有高收入。[7]吴要武利用我国2005年的1%人口抽样调查数据发现，非正规就业群体的人力资本投资收益率并不显著低于正规就业者，劳动力市场非正规化并没有导致劳动力资源配置上的损失。这些结论使有关非正规就业研究的争论进一步升级。[8]在这些研究中，教育作为人力资本投资最重要的标示量，大部分是以连续变量的方式直接进入Mincer方程式中，其回报率差异往往成为两部门工资收入差异的重要原因。[4][5]

事实上，不同教育组对两部门工资差异会产生重要影响，原因有二：一是通常情况下，较高教育程度的劳动力在就业过程中更容易出现自选择①，[9]因此，整体回归会使回归结果对低教育程度劳动力的解释产生偏误；二是较高教育程度的非正规就业者与低教育程度的非正规就业者可能处在不同的经济状态。目前，学术界就教育对两部门工资差异的影响进行较深入的研究还比较少，因此，深入分析不同教育程度劳动者在两部门间存在的工资差异，对制定非正规就业治理政策具有非常重要的现实意义。

本文拟运用动态面板数据的System－GMM模型，利用CHNS数据，研究不同教育程度的正规就业者与非正规就业者工资的差异，回答以下问题：非正规就业者是否都具有较低的收入水平？对不同教育程度的劳动者，影响两部门工资差异的决定因素有何不同？其工资差异又如何解释？作为人力资本投资最重要的标示量——教育回报率在不同教育程度劳动者中会发生怎样的变化？回答这些问题，对政府进一步完善非正规就业治理政策具有一定的指导意义。

一、计量方法的设定

根据Mince方程式，正规就业者与非正规就业者收入方程由下式给出：

不同的就业市场意味着不同的工资决定机制，因此，就业性质是影响劳动力收入水平的重要因素。但由于个体选择就业部门并不完全是随机的，因此，某些无法观测到的变量既影响劳动力的就业选择也影响着其工资方程，在这种情况下，估计结果就可能由于样本选择偏差而产生偏误。解决这一问题的经典做法是采用Heckman两步法进行估计。[3][4][10]然而，正如巴尔塔基所言，很多经济关系本质上都具有动态性[11](P29)，收入水平也是不同劳动就业部门选择的重要解释变量。[9][12]Strassmann对利马（秘鲁）的研究发现，71%的家务劳动力需要相当大的收入刺激才愿意流动到正规就业市场。[13]因此，尽管Heckman两步法能够有效解决截面样本选择性偏差问题，但却忽略了对劳动力收入的动态调整。基于此，本文运用动态面板数据模型对劳动力的工资方程进行估计：将小时工资率对数值的滞后一期引入方程中，即：

其中vj是待估参数，M′i是影响劳动力收入的特征变量，包括教育水平（不考虑教育分组）、年龄、性别、户籍和企业性质等变量。Pratap和Quintin的研究发现，企业规模会对劳动力的收入水平产生重要影响：当企业规模得到控制后，正规就业者的就业优势将变得非常不显著。[7]为了考察这一点，本文也将企业规模纳入工资方程中。λj表示受个体特征影响的随机误差，ζij是随时间可变的剩余误差，ζij和λj分别服从标准正态分布，且ζij与λj不相关。

动态面板数据模型的一个直接问题是，滞后被解释变量与扰动项或未观测到的截面效应相关，为了消除个体效应，Arellano和 Bond提出了一阶差分GMM估计，此估计通过对模型进行差分，消除由于个体效应和解释变量相关导致的异质性。[14]但是，这种估计法存在两个问题：一是由于非时变解释变量也会随着差分被消除，一些重要变量的信息将无法看到；二是Blundell发现，一阶差分GMM在小样本情况下偏倚很大，而且估计的精确度也很低。[15]据此，学者们提出了 System－GMM模型：除了使用lnwit的滞后项作为差分方程的工具变量之外，还可以将lnwit的滞后差分项作为水平方程的工具变量，以改进估计的精度，减少样本偏差。由于本文使用的是四期面板数据，而且也非常关注性别、户籍等一些非时变的解释变量对劳动力收入水平的影响，因此，运用System－GMM模型进行估计。

二、数据来源及说明

本文使用的数据资料来自美国北卡罗来纳大学和中国疾控中心（China Health and Nutrition Survey，CHNS）在中国9个省、自治区调查的2000年、2004年、2006年和2009年的家庭营养与健康的面板数据（CHNS发布的最新数据目前只查找到2009年）。尽管该面板数据的时效性有所欠缺，但数据调查范围涉及江苏、山东、湖南、贵州和辽宁等东、中、西部地区，调查方法采取分层、多级、整群随机抽样，抽样时兼顾大中小城市，具有较强的代表性，而且数据包含了观测对象的职业、收入等个人信息，能够很好地满足本文的研究要求。根据研究的需要，本文提取了处于就业状态（不包括务农）且年龄在16－65周岁的劳动力样本，剔除教育、性别、收入、企业规模和企业性质等有缺失信息的样本后共获得3372个面板数据样本。

由于非正规就业在概念上存在着诸多分歧，因此，准确衡量非正规就业并非易事。目前学术界通常用两种方法来衡量非正规就业：一是依据劳动力的经济地位（自雇佣者、家务劳动者）或企业规模[16]，另一种是依据劳动者的契约地位或者社会保障地位。[17]前者强调非正规就业对培养企业家的作用，但这种定义本身存在着主观性，后者则更多关注劳动力从事非正规就业的潜在成本。对本文的研究而言，考虑我国劳动力市场的实际发育程度、劳动力非正规就业微观选择的成本约束以及数据的可获得性，将长期工直接划为正规就业者，临时工、非全日制工以及领取报酬的家庭帮工划为非正规就业者。短期合同工，则考虑社会保障地位：如果有公共医疗保险则视为正规就业者，否则视为非正规就业者。②据此，本文共获正规就业者样本2032个，非正规就业者样本1340个。

表1和表2分别给出了城镇居民和农村户口劳动力非正规就业者和正规就业者（括号中的数值）小时工资率和平均教育年限的统计信息。从表中可以看出，当我们不考虑教育分组时，正规就业者和非正规就业者的平均小时工资率的变动趋势与他们所受的平均教育年限的变动趋势非常相似：随着时间的推移，城镇居民非正规就业者与正规就业者之间的工资差距有扩大趋势，两者之间的平均教育年限差距也在逐年加大；而具有农村户口的非正规就业者与正规就业者的工资差距却比较稳定，相应地，两者之间的平均教育年限差异也没有明显变化。这些统计结果符合Maloney的观点：今天观察到的非正规部门劳动力的低工资往往是低人力资本的函数，与劳动力是否在正规部门还是非正规部门的关系并不大。[17]

表1 城镇居民个人信息

表2 农村居民个人信息

图1 高教育程度城镇居民实际小时工资率变动趋势

图2 低教育程度城镇居民实际小时工资率变动趋势

图3 高教育程度农村居民实际小时工资率变动趋势

图4 低教育程度农村居民实际小时工资率变动趋势

但是，将劳动力按教育程度的高低进行分组——教育水平为大专及以上的组别视为较高教育程度者，教育水平为高中及以下的组别视为低教育程度者——就会发现，正规就业者与非正规就业者的实际对数工资率出现新的特点，如图1、图2、图3、图4所示。对较高教育程度的城镇居民而言，正规部门的实际工资率对数的平均值明显高于非正规部门的实际工资率对数的平均值；而低教育程度的城镇劳动力，尽管正规部门的就业者依然具有收入上的优势，但这种优势已经开始弱化。对农村户口的劳动力，不管是较高教育组别还是低教育组别，正规部门和非正规部门的工资差距都不大，而且在低教育组别中，差距的符号发生了变化。这说明，对较高教育程度的城镇劳动力而言，非正规部门可能意味着低收入，但是对低教育程度的城镇居民以及农民工而言，却不然。

三、两部门工资决定及报酬差异

（一）估计结果

不同教育程度劳动者，两部门工资收入差异会发生怎样的变化？表3、表4、表5和表6分别给出了不考虑教育分组样本与大专及以上教育组、高中教育组和初中及以下教育组工资方程的System－GMM估计回归结果。由于System－GMM估计量的一致性依赖于工具变量的有效性，所以，我们还需要检验工具变量的选择是否满足过度识别的约束条件以及残差是否存在序列相关，此处采用检验残差自相关的AR（1）、AR（2）统计量和检验工具联合有效性的Sargan统计量。结果显示，所有样本都不能拒绝Sargan过度识别的约束检验和AR（2）序列相关的检验，说明模型设定没有问题。

表3 不考虑教育分组样本

System－GMM无法解决样本选择性偏差问题。为了更好地把握回归结果在多大程度上可能产生偏误，本文同时对样本进行了Heckman两步法回归，由于篇幅所限，本文只报告了逆米斯比率λ的系数值及其显著性。结果表明，在不考虑分类样本中λ的系数值在总样本和正规就业样本中都比较显著，但在分类样本中，除了大专及以上教育组的λ系数值显著外，高中、初中及以下教育组的λ系数值都不显著。很显然，较高教育程度的劳动力更容易自选择。

不管是正规就业者还是非正规就业者，工资收入的动态性在本研究中得到了很好的验证：滞后一期的小时工资率在所有样本中都具有显著性，尤其是在大专及以上教育组中，而且滞后一期小时工资率的提高对本期收入都能产生显著的正作用。换句话说，劳动力收入水平的上升具有积极的正反馈作用。

表4 大专及以上教育组样本

表5 高中教育组样本

表6 初中及以下教育组样本

在两部门市场上，教育的回报都为正，但是正规就业市场上的教育回报率明显高于非正规就业市场上的教育回报率，而且，这种回报率差距随着教育程度的提高而提高,这与常进雄、王丹枫的研究结果[4]相似。例如，在大专及以上教育组中，正规就业者的教育回报率比非正规就业者的教育回报率高4．7%。而在初中及以下教育组中，这种差距只有1．3%。

与以往大部分研究结论相一致，非正规就业者的收入水平低于正规就业者。但是，当我们考虑教育分组时，这种收入优势只在高中教育组和大专及以上教育组中显著存在，而对初中及以下教育水平的就业者来讲，尽管正规就业者教育回报率高于非正规就业者的教育回报率，但两部门的收入差异并不显著。

教育组别不同，两部门城乡收入差异会发生怎样的变化？从结果看，高中教育组和初中及以下教育组，不管在正规就业市场还是非正规就业市场上，城镇居民的收入优势都显著存在。但是，在大专及以上教育组样本中，农村户口虚拟变量的系数值都为正，而且在正规就业样本中很显著：具有农村户口的就业者反而获得了更高的报酬，这或许与农村户口的高学历者更具有吃苦耐劳、勤奋向上的精神有关。通常情况下，由于农村户口的高学历者从父辈那里获取的资本支持要远远低于城镇户口的高学历者，因此，他们往往更倾向于依靠自身的人力资本获取成功。

对于性别收入差异，通常情况下，男性就业者能获得更高的收入报酬，本文大部分研究结果基本符合这一结论。不过，对正规就业者样本，考虑教育分组和不考虑教育分组得到的结论不一致：前者的回归系数不显著，后者的回归系数在所有教育组中都具有显著性。我们推测出现这一结果的可能原因是，就业性质（都属于正规就业）掩盖了教育异质性对劳动力性别收入差异的影响。

企业所有制的收入优势在不同教育组中表现较为复杂：大专及以上教育组中，不管是正规就业市场还是非正规就业市场，国有企业虚拟变量的系数值都显著为正；高中教育组中，只有正规就业市场上显著存在着所有制收入差异——国有企业的就业者获得更高的收入报酬；初中及以下教育组中，所有制企业的收入差异则完全消失。

当企业人数达到100人以上时，我们发现，在正规就业市场上，所有教育组中的收入水平都会显著上升，而在非正规就业市场上，只有大专及以上教育组的回归系数显著为正，即规模经济带来的实惠并没有给所有非正规就业者带来明显的收入改善，尤其是低教育程度的非正规就业者。

上述结果表明，不同教育组别，影响两部门工资差异的决定因素并不一致，“正规就业者的收入优势”并没有在所有样本中得到很好验证。相反，两部门收入差异只显著存在于高中教育组和大专及以上教育组两个样本中。

（二）工资差异分解

根据Oaxaca的观点，收入差异的来源一般由两方面组成：一是个体“禀赋”差异，二是由市场扭曲导致的“系数”差异。考察两方面差异所占总差异的比重，通常可以采用 Blinder—Oaxaca分解法，具体由下式给出：

表7 两部门工资差异分解结果

式（3）中，lnwf－lnwi表示正规就业与非正规就业的对数工资差，X为工资方程的解释变量，β为回归系数。等式右边的第一项是由于个体“禀赋”差异造成的收入差异，第二项则是无法解释的系数差异所造成的收入差异。由于两部门收入差异显著存在于高中教育组和大专及以上教育组，因此，表8给出了两组样本的分解结果。对于个体“禀赋”差异，此处只报告了教育变量的相关值。此外，由于大专及以上教育组存在着显著的样本选择性偏差，因此，本文还报告了Heckman两步法回归结果的分解结果。对大专及以上教育组，从结果来看，无论是 System－GMM回归结果分解还是Heckman两步法回归结果分解，两部门工资差异主要由个体“禀赋”差异所致（74．36%和72．02%），尤其是教育回报率差异（32．21%和31．12%）。造成这一结果的原因有两个：一是生产率比较高的劳动力更容易（自）选择正规就业部门；二是正规就业部门往往是规模比较大的企业（这类企业中33．12%的规模在100人以上，规模小于20人的只有16．73%，非正规就业部门的相应比例分别为10．87%和41．30%），在这些企业里，教育和经验更容易被作为高生产力水平的标志。

对高中教育组的劳动力来讲，工资收入差距中63．95%由系数差异解释，这说明，非个体特征因素，尤其是劳动力市场分割，阻碍了劳动力在部门间的流动，使非正规就业者的工资水平低于正规就业者的工资水平。为更好地说明这一问题，表8给出了2000—2009年高中及以上教育水平劳动力在两部门的分布情况：大专及以上教育水平劳动力在两部门的分布变化比较大，在正规部门就业人数的变动范围在60．5%－94．1%之间，说明两部门劳动力的流动比较频繁；相反，高中教育水平劳动力在两部门的分布变化并不明显，在正规部门就业人数的变动范围只在59．6%－62．4%之间，说明两部门劳动力缺乏流动。

表8 不同时期两部门劳动力人口分布情况

四、结论

教育作为人力资本存量的重要标示量，不但直接影响着就业者的工资收入，而且其分散程度往往伴随着更强的劳动力异质性，因此，考察不同教育程度的劳动力对传统两部门工资差异产生的影响就显得极为重要。本文运用动态面板数据的System－GMM模型，利用CHNS数据研究这一问题，得出结论如下：

（1）在就业选择过程中，只有大专及以上教育水平的劳动力存在着明显的自选择；两部门劳动力的工资收入都具有显著的动态性，而且收入水平的上升具有积极的正反馈作用。

（2）两部门劳动力工资差异与其平均教育年限差距具有相似的变动趋势，但是，正规就业者获取高工资，只对高中及以上教育水平的劳动力适用，因此，当劳动力群体的教育水平较分散时，就可能会出现“非正规就业者的低工资是其低人力资本的函数”，但这并不意味着 Maloney的观点[16]得到了充分验证。

（3）对高中及以上教育组工资差异进行分解后发现，大专及以上教育组的两部门工资差异主要由“个体禀赋”差异引起，高中教育组的两部门工资差异则主要由无法解释的“系数差异”所致。

（4）教育组别不同，户籍、性别、企业所有制以及企业规模等变量在两部门工资回归结果中的显著性存在较大差异。

从以上结论可以得到一些政策性推论。第一，传统的“非正规就业市场等于低级市场”这一观点必须审慎对待，尤其是对大专及以上教育水平的劳动力，正规就业者的收入优势更多是市场选择的结果。第二，高中教育组在两部门的收入差异主要来源于非个体特征因素导致的劳动力市场分割，而大专及以上教育组在两部门的收入差异更多来自于个体的资源禀赋，这说明，人力资本，特别是教育回报率在两部门收入差异方面起了重要作用。因此，破解非正规就业方面存在的收入与保障问题最终还是要在教育培训领域中求解。

注释：

导致统计推断产生偏差的样本的非随机性是由研究对象的个人决策造成的，由此产生的样本截断问题叫自选择问题。

本文的定义与常进雄、魏下海等人的定义有所不同。第一，常进雄等人将个体经营者直接划分非正规就业者，但本文认为，由于个体经营者的总收入里有相当一部分是非工资所得，简单地用Mince方程式对其进行考察有失偏颇，因此，本文中非正规就业样本中不包括个体经营者。第二，常进雄等人利用单位性质来判断短期合同工的就业性质，即将事业单位、国有企业的短期合同工视为非正规就业者，在私营企业的视为正规就业者，本文认为这种方法有一定的道理，但容易引起标准混乱。基于此，本文将“社会保障”地位作为判断短期合同工是否为非正规就业者的标准。

[1]J．J．Heckman,V．Hotz．An investigation of labor m-arket earnings of panamanian．Journal of Human Resources，1986,21．

[2]Winter Carolyn,T．H．Gindling．Women’s labor force participation and earnings．Psacharopulos and Tzannatos (Eds)．Case Studies in Women’s Employment and Pay in Latin America．Washington DC:World Bank,1992．

[3]张车伟，蒋欣欣．国有部门和非国有部门工资差异及人力资本贡献[J]．管理世界，2002，（11）．

[4]常进雄，王丹枫．我国城镇正规就业与非正规就业的工资差异[J]．数量经济技术经济研究，2010，（9）．

[5]魏下海，余玲铮．我国城镇正规就业与非正规就业工资差异的实证研究——基于分位数回归于分解的发现[J]．数量经济技术经济研究，2012，（1）．

[6]Douglas Marcouiller,Veronica Ruiz de Castilla, Christopher Woodruff．Formal Measures of the Informal－Sector Wage Gap in Mexico,El Salvador and Peru．Economic Development and Cultural Change，1997,(2)．

[7]S．Pratap,E．Quintin．Are labor markets segmented in developing countries？A semiparametric approach．European Economic Review,2004,(50)．

[8]吴要武．非正规就业者的未来[J]．经济研究，2009，（7）．

[9]X．D．Gong,A．V．Soest．Wage Differential and Mobility in the Urban Labor Market:a Panel Data Analysis for Mexico．Labor Economics，2002,(4)．

[10]尹志超，甘犁．公共部门和非公共部门工资差异的实证研究[J]．经济研究，2009，（4）．

[11]（美）巴蒂·巴尔塔基．面板数据计量经济分析[M]．张晓峒，译．北京：机械工业出版社，2010．

[12]胡凤霞，姚先国．城镇居民非正规就业选择与劳动力市场分割——一个面板数据的实证分析[J]．浙江大学学报（人文社会科学版），2011，（2）．

[13]W．Strassmann．Home－based enterprises in cities in developing countries．Economic Development and Cultural Change,1987,(36)．

[14]Manuel Arellano,Stephen Bond．Some tests of specification for panel data:Monte Carlo evidence and an application to employment equations．Review of Economic Studies,1991,(2)．

[15]R．Blundell,S．Bond．Initial conditions and moment restrictions in dynamic panel data models．Journal of Econometrics,1998,(87)．

[16]W．F．Maloney．Informality Revisited．World Development,2004,(7)．

[17]A．Portes,S．Blitzner,J．Curtis．The urban informal sector in Uruguay:Its internal structure,characteristics,and effects，World Development,1986,(6)．

【责任编辑：赵 伟】

F241．4

A

1004－518X（2015）03－0242－09

江苏省高校哲学社会科学基金资助项目 “农民工身份转化与城乡劳动市场整合机制研究——非正规就业视角”（2013SJB790056）