正规就业与非正规就业工资差异及其影响因素研究

郝 恬，杨玉梅

（北京林业大学 经济管理学院，北京100083）

改革实践

正规就业与非正规就业工资差异及其影响因素研究

郝 恬，杨玉梅

（北京林业大学 经济管理学院，北京100083）

依据2010年中国综合社会调查数据，利用倾向得分匹配法，在控制其他因素的前提下，对正规就业与非正规就业进行一对一匹配，找出两种就业类型工资产生差异的影响因素，并对正规就业与非正规就业的工资差异进行均值分解，找出其主要的影响因素及影响程度，即正规就业与非正规就业产生的差异是由歧视、劳动力市场分割等不可解释的部分导致的，还是由人力资本、个人禀赋等合理因素导致的。结果表明，正规就业与非正规就业间存在显著的工资差异，且正规就业者的工资显著高于非正规就业者的工资，其中制度因素对两种就业类型人群的工资差异影响最大。Oaxaca-Blinder分解结果表明，正规就业与非正规就业的工资差异主要是由市场机制发挥作用而产生的合理差异导致的。

正规就业；非正规就业；工资差异；倾向得分匹配；Oaxaca-Blinder分解

1 国内外研究概述

随着世界经济全球化的发展及全球范围经济结构调整引起的就业结构的改变，非正规就业规模在世界范围内呈现出不断扩大的趋势，从而也引起了国内外学者对非正规就业相关问题研究的广泛关注。在中国，改革开放以来，大量农民工进城务工，及国家取消对大专院校毕业生包分配、提供就业的制度，均给城市就业岗位增加带来了负担，从而导致了非正规部门的快速成长。薛进军等使用2005年全国1%的人口普查数据，得出非正规就业在中国城镇非农就业者中所占比例为58.85%[1]。曾湘泉（2015）在ILO非标准就业报告中认为，2010—2012这三年期间，中国非标准就业的比重应介于52.9%～62.7%区间之间。由此可见，非正规就业已经在我国占据了举足轻重的地位。然而，不同就业类型间在工资薪酬、福利待遇等方面存在显著的差异。

从国外来看，一些学者认为，非正规就业可能是增加劳动力市场灵活性的工具，并且是走向正规就业的“垫脚石”[2-3]，但多数学者认为，非正规就业比正规就业要差很多。首先，非正规就业者由于缺少应有的保障，其更替率和失业率相对来说会更高一些[4]。其次，在同等条件和工作的情况下，非正规就业者的收入要比正规就业者少得多，这一差异范围从西班牙的47%到德国的17%不等[5]。最近来自英国、法国、西班牙和德国的研究中，均涉及到了工资与条件等和非正规就业的关系，并发现非正规就业者的收入明显低于正规就业者。比如，Jimeno及Toharia发现正规就业者与非正规就业者的工资差异在西班牙为8.5%～10.8%；Blanchard和Landier表示正规就业者与非正规就业者的工资差异在法国为20%等等[6]。从经济学上理解来看，主要是基于劳动力市场分割的观点，即因为正规部门就业门槛的限制，导致同等劳动生产率状况下，非正规部门只能获得低于正规部门的回报。

另外，很多学者对非正规就业进行了更加细化、深入的研究。Sara和Florentino考虑了拥有不同资质的就业者并通过资质水平探讨了正规就业者和非正规就业者的收入差距。并运用Oaxaca-Blinder分解对对工资进行了均值分解，了解哪些变量对收入差距的影响最大。Saavedra and Chong将就业者分类进行研究，并发现正规就业部门和非正规就业部门的个体经营者的收入几乎没有差异，而工薪阶层人员因就业部门不同，他们的收入差距依然很大[7]。另外还有国外学者发现，在墨西哥，正规就业和非正规就业人员的受教育水平都比较低时，他们的工资差距会比较小，而随着受教育水平的提高，他们之间的工资差距会逐渐扩大[8]。这一发现与Pianto相似。

从国内文献来看，有关正规就业与非正规就业工资差异的问题研究起步较晚，且文献研究多停留于定性描述或基本特征及规模的描述，除张延吉等利用2011年中国社会状况综合调查数据（CGSS）；薛进军等利用2005年1%人口抽样调查数据；屈小博利用2010年中国城市劳动力抽样调查数据外，其余文献均采用CHNS数据作为对两种就业类型工资差异的研究。首先CHNS数据不够新，为2010年以前的数据，其次，CHNS数据的侧重点为中国居民营养与健康调查，因此用它来研究劳动力市场问题显然具有一定的局限性。

其次，关于非正规就业与正规就业工资差异的实证研究相对匮乏，即使在现有的文献中，各文献间也有许多矛盾之处。如多数研究认为正规就业者的教育回报率和经验回报率均远高于非正规就业者，并认为这两者的差异是正规就业者和非正规就业者间工资收入差异的主要原因[9-10]。然而，也有不同的观点。吴要武利用2005年1%人口抽样调查数据分析了我国城镇正规就业者和非正规就业的教育回报率,发现正规就业者的教育回报率要低于非正规就业者，其研究结果与国内外对非正规就业的研究结果显著不同[11]。魏下海认为，经验回报率在两种就业类型存在显著差异。当工作经验低于一定水平（7.5年左右），非正规就业的经验回报率高于正规就业；而当工作经验超过这一水平，非正规就业的经验回报率则低于正规就业。由此其认为，对非正规就业而言，经验对工资收入的作用比教育更为重要[12]。

最后，在正规就业与非正规就业工资差异方法的选取上，大多数学者采用OLS进行估计，并运用Oaxaca-Blinder分解法对工资差异进行分解。但很少有学者在使用OLS估计前考虑到内生性问题及自选择偏差的问题，且OLS回归中协变量间的相关或共线性关系，导致参数估计产生偏误[13]。

基于上述分析，本文将在完善研究方法的同时对正规就业与非正规就业工资差异及其影响因素进行进一步分析，并对两种就业类型间的工资差异进行均值分解，找出其主要影响因素及影响程度，这对于政府采取有效的应对措施，出台相应政策，缩小因就业差别导致的收入差距，促进社会经济发展，维护社会稳定等有重要意义。

2 数据来源与描述统计

2.1 数据来源

本文选用了中国综合社会调查（CGSS）2010年的中国社会综合调查数据作为研究样本，样本数据量大，质量高。该数据问卷包含3种，分为入户登记表、抽样类型页和一份正式的调查问卷。从A到Q，共涉及17个板块，且该数据对就业类型有较为合理的分类，能够对非正规就业与正规就业进行明确划分，可以较客观的分析本文所要研究的内容，了解当前中国非正规就业整体现状。通过剔除无效样本和不适用、拒绝回答的样本，最终得到有效样本3 749个。

对于正规就业和非正规就业的划分，本文采用曾湘泉在中国非标准就业报告（2015）中通过定义标准就业来反推非标准就业的方法所确定的非标准就业范畴作为本文对非正规就业的界定。即首先确定正规就业者，然后利用劳动力群体总人数减去正规就业者，从而得到非正规就业者样本。最终，得到正规就业者人数1 465人，占总样本的39%；非正规就业者人数2 284人，占总样本的61%。

2.2 描述统计

?

从表1中我们可以看到，正规就业者的月平均工资是2 885元，非正规就业者的月平均工资是2 095元，明显低于正规就业者，但就整体平均工资来看，两类就业者的月平均工资都比较低；就平均工作经验来看，非正规就业者略高于正规就业者；从每周的平均工作小时数来看，正规就业者的平均工作小时数略低于非正规就业者。

劳动力群体中不同年龄段的就业情况如图1所示。从两种不同就业类型的分类来看，非正规就业群体主要集中在了30岁以下、61～70岁和71岁以上这三个年龄段，其中尤以两头的年龄段的人最多。

样本中不同就业类型人员受教育程度分布情况如图2所示。在正规就业部门中，技校、大专、本科和研究生及以上的学历层次所占比重相对较高，分别为58%、67%、71%和78%；在非正规就业部门中，没有受过任何教育、小学、初中和高中的学历层次所占比重相对较高，分别占到该层次的96%、90%、80%和58%，远远超出同等层次正规就业人员的人数，由此得出，正规就业者的平均受教育水平要远高于非正规就业者。

表2为正规就业与非正规就业的均值差异T检验。从表中我们可以看到，正规就业的标准差为0.770 47，非正规就业的标准差为0.958 14，即这两种就业类型人群的内部工资差异非常小，但这两种就业类型间的工资具有很大差异，可以看到正规就业和非正规就业人群的工资，在1%的显著性水平上存在显著差异，且正规就业者的工资明显高于非正规就业者的工资。

综合以上数据来看，非正规就业劳动群体工资普遍偏低，但工作时间较长（个体工商户除外），并且基本的社会福利相较正规就业群体来说得不到有效保障，在社会中处于不利地位。

3 模型及结果分析

3.1 倾向得分匹配

本文将采用倾向得分匹配法对正规就业与非正规就业收入差异的影响因素进行分析。之所以采用此方法是因为，从事正规就业或非正规就业的选择不是随机的，如果我们简单地将两种就业类型作为虚拟变量，对总体进行回归的话，在回归模型中，协变量间的相关或共线性关系，会导致参数估计产生偏误，并且OLS回归难以处理的反向因果关系和遗漏变量等内生性问题及自选择问题。

在本文中，使用倾向得分匹配法的核心思路是首先将非正规就业视为处理组（赋值为1），将正规就业视为对照组（赋值为0）进行准实验。通过Probit回归将所有控制变量进行降维处理，并求出每个样本的倾向得分，然后，逐一匹配与正规就业者倾向得分相接近的非正规就业者。最终，获得正规就业与非正规就业在被解释变量上的平均差异，并获得处理组的平均干预效应其显著性水平。

从倾向值匹配结果中可看出，LR卡方检验值为1 209.91，p值为0.000 0＜0.01，由此证明模型整体回归显著。由PseudoR2为24.12%可以得出模型拟合度良好。

从剩余变量显著性程度来看，年龄及年龄的平方的系数分别为0.155和-0.000 8一正一负，且分别通过了1%与5%的显著性水平检验，表明年龄对工资差异有显著的影响，且为倒U型曲线，即随着年龄的增加，正规就业与非正规就业的工资差异会增大，但当年龄超过某一临界值时，两种就业类型的工资差异则会逐渐减小。

受教育程度的系数为0.084，显著为正，说明受教育程度越高，从事正规就业的概率越大。

从工作经验及工作经验的平方来看，工作经验的系数为-0.095，显著为负，且p＜0.01，但工作经验的平方并不显著，这表明，就业者工作经验越多，从事非正规就业的概率就会越高。

从户籍变量来看，系数为0.251，显著为正，且p＜0.01，证明户籍对正规就业及非正规就业工资差异有显著影响，而正规就业群体中多为城镇户口。

就每周工作小时数来看，系数显著为正（p＜0. 01），说明每周工作时间越长，越有可能为正规就业者。

从是否参加医疗保险情况来看，系数为0.325，显著为正，且p＜0.01，证明从事正规就业的群体参加医疗保险的概率会更高；与医疗保险情况相同，是否参加养老保险的系数为0.713，显著为正，且P＜0.01，说明正规就业人员参加养老保险的概率会更高。

3.2 Oaxaca-Blinder分解

Oaxaca-Blinder分解方法建立在OLS回归基础之上，根据最小二乘法（OLS）残差均值为零的性质，我们可以将正规就业与非正规就业两种就业类型的平均工资差异表示为：

上式中，下标p和t分别表示正规就业与非正规就业，等式左边表示正规就业与非正规就业的工资差异，lnWp和lnWt分别表示正规就业与非正规就业的工资对数，βp和βt分别表示两个工资方程的系数。等式右边第一项为工资差异中能被方程中解释变量的数量差异所解释的部分，即特征差异；第二项为不可解释的部分，表示有相同个人禀赋的两种就业人群由于就业类别差异所导致的工资差异，即由歧视和劳动力市场分割等不可解释的部分所导致，我们称之为系数差异。

从分解结果中我们可以看到，正规就业和非正规就业的工资总差异为-0.574 5，其中，由特征因素引起的差异为-0.453 8，占总差异的79%；由系数因素引起的差异为-0.120 7，占总差异的21%。这一结果说明：在正规就业与非正规就业两类人群的工资差异中，有79%是由个人特征差异引起的，这部分差异是市场机制导致的差异，为合理差异；而21%的系数差异为市场无法解释的部分，即我们所说的歧视部分。表5研究结果证明，正规就业者与非正规就业者的工资差异主要是由市场机制发挥作用而产生的合理差异导致的。

就分解项而言，年龄和工作经验是造成正规就业与非正规就业工资差异最主要的因素。从工作经验来看，这可能与两种就业人群的工作经验年数差别较大有关，正规就业人群的工作经验较低。

此外，性别的系数差异为-0.015 1，占比超过100%，充分说明了我国劳动力市场就业存在严重的性别歧视。

4 结论及建议

本文使用中国综合社会调查中2010年的数据，分别利用倾向得分匹配法和Oaxaca-Blinder分解法找出正规就业和非正规就业工资产生差异的影响因素，并对正规就业与非正规就业的工资差异进行均值分解，找出其主要的影响因素及影响程度，即两种就业类型工资产生的差异主要是由歧视、劳动力市场分割等不可解释的部分导致的，还是由人力资本、个人禀赋等合理因素导致的，从而得出以下结论：

正规就业者与非正规就业者的工资存在显著差异，通过均值T检验我们可以看到正规就业和非正规就业人群的工资，在1%的显著性水平上存在显著差异；非正规就业者工资明显低于正规就业者，工作时间长于正规就业者，受教育程度较低，且医疗保险和养老保险的参保率均低于正规就业者，基本的社会福利相较正规就业者来说得不到有效保障，在社会中处于不利地位。

根据倾向得分匹配法结果可以得出除性别、婚姻及健康状况外，其他变量即年龄、受教育程度、工作经验、户籍、周工作小时数、医疗保险及养老保险这些变量均对正规就业与非正规就业工资差异产生了显著的影响。我们可以看到，应用倾向得分匹配法后，控制组即非正规就业的工资水平均值为7.215 67，相比未匹配时工资显著提升了很多，说明考虑了性别、年龄、受教育程度、工作经验、户籍等这些变量因素后，正规就业者与非正规就业者间的工资差异减少了，但同时也进一步说明了正规就业与非正规就业间存在显著的工资差异。

其中制度因素对两种就业类型人群的工资差异影响最大，可以看到是否参加养老保险变量的系数为0.713，是否参加医疗保险变量的系数为0.325，户籍变量的系数为0.251，系数均显著为正，且P值均小于0.01，这表明中国城乡二元制劳动力市场背景下，劳动力进入正规就业部门的制度限制依然存在，即使能够进入也不能和拥有城镇户口的员工享有同样的待遇，如进修与培训，升职及加薪等；另外，社会中的公共服务资源如社会福利等还是更倾向于正规就业部门，在正规就业部门中的员工可以获得更多的社会保障，这些都对正规就业和非正规就业人员的工资差异产生了极大的差异。

根据Oaxaca-Blinder分解结果我们可以看出，正规就业者与非正规就业者的工资差异主要是由市场机制发挥作用而产生的合理差异导致的。在正规就业与非正规就业两类人群的工资差异中，有79%是由个人特征差异引起的，为合理因素导致，这些合理因素包括受教育程度、经验等人力资本差异，由于正规就业人员获得了更多的人力资本，从而得到更高的劳动报酬，这部分差异是合理的；而剩下的21%为市场无法解释的部分，即歧视、劳动力市场的分割所导致的工资差异。如结果中的性别变量，我们可以看到，其系数差异占比超过100%，说明我国劳动力市场就业存在严重的性别歧视。

正规就业与非正规就业只是两种不同的就业形式，均对增加就业做出了不同程度的贡献，因此，首先要树立正确的市场就业观，尽量做到平等看待两种就业模式，消除就业中的性别歧视。其次，要加快户籍制度的改革，弱化户籍观念，并调节劳动力市场中的公共服务资源，如社会保障等，要逐步完善非正规就业者的社会保障，逐步实现全覆盖。最后，还要加大对教育、培训资金的投入，尤其是对非正规就业人员教育、培训的投入，从根本上提高他们的人力资本，从而加快非正规就业的发展。

[1]薛进军,高文书.中国城镇非正规就业:规模、特征和收入差距[J].经济社会体制比较.2012(6):59-69.

[2]Blanchard O,Landier A.The perverse effectsof partial labour market reform:fixed‐term contracts in France [J].The Economic Journal.2002,112(480):F214-F244.

[3]Booth A L,Francesconi M,Frank J.Temporary jobs:stepping stones or dead ends?[J].The economic journal.2002,112(480): F189-F213.

[4]Dolado J J,García Serrano C,Jimeno J F.Drawing lessons from the boom of temporary jobs in Spain[J].The Economic Journal.2002,112(480):F270-F295.

[5]Farber H S.Alternative and part-time employment arrangements as a response to job loss[R].National Bureau of Economic Research,1999:122-148.

[6]Toharia L,Serrano J F J.The effects of fixed-term employment on wages:theory and evidence from Spain[J].Investigaciones económicas.1993,17(3):475-494.

[7]Saavedra J,Chong A.Structural reform,institutions and earnings: evidence from the formal and informal sectors in urban Peru[J]. The Journal of Development Studies.1999,35(4):95-116.

[8]Hagen T.Do temporary workers receive risk premiums? Assessing the wage effects of fixed-term contracts in West Germany by a matching estimator compared with parametric approaches[J].Labour.2002,16:667-705.

[9]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):94-106

[10]屈小博.城市正规就业与非正规就业收入差距及影响因素贡献——基于收入不平等的分解[J].财经论丛.2011(2):3-8

[11]吴要武.非正规就业者的未来[J].经济研究.2009(7):91-106

[12]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——基于分位数回归与分解的发现 [J].数量经济技术经济研究.2012(1):78-90.

[13]屈小博.中国城市正规就业与非正规就业的工资差异——基于非正规就业异质性的收入差距分解 [J].南方经济.2012 (4):32-42.

［责任编辑：路 实］

Study on Wage Differentials between Formal Employment and Informal Employment and Influence Factors

HAOTian，YANGYu-mei
（College ofEconomics and Management，BeijingForestryUniversity，Beijing100083，China）

According to 2010 CGSS,this paper utilizes propensity score matching to carry out one-to-one matching to formal employment and informal employment on the premise of controlling other factors,finding the influence factor of wage differentials caused by the two kinds of employment types,and carrying out mean decomposition to the wage differentials of formal employment and informal employment to find the main influence factors and influence degree,and that is tosaythe differentials caused byformal employment and informal employment are caused by the inexplicable factors such as discrimination,labor market segmentation or caused by the reasonable factors such as human capital,individual endowment.The results showthat,there is significant wage differentials between formal employment and informal employment,and the wage of formal employed persons is significantly higher than the wage of informal employed persons, wherein institutional factor has the biggest influence to the wage differentials of the two kinds of employment types.Oaxaca-Blinder decomposition result shows that the wage differentials of formal employment and informal employment is mainly caused by the reasonable factors produced by market mechanism playing a role.

Formal Employment;Informal Employment;Wage Differentials;Propensity Score Matching; Oaxaca-Blinder Decomposition

F272.92

A

1673-5919（2017）01-0035-05

10.13691/j.cnki.cn23-1539/f.2017.01.009

2017-01-10

郝恬（1992-），女，河北石家庄市人，硕士研究生。