中国城镇劳动力的性别工资差距测度、分解与影响因素分析

陈梅 周申 郑妍妍

摘要：  本文利用中国城镇住户收入调查（CHIP）2002、2007和2013年数据，对我国城镇劳动力市场上的性别工资差距进行测度、分解和影响因素分析，同时比较分析了不同时间维度上和不同分位数上，性别工资差距的变化及其来源。本文研究发现，尽管2007—2013年我国性别工资差距有小幅度缩减，但是在整个研究区间内，性别工资差距增长迅速，其中特征变量不可解释部分的性别工资差距增长尤其明显而且占据整体性别工资差距的绝大部分，体现了性别歧视的严重性;对于特征变量可解释部分，传统人力资本因素如教育和工作经验的解释力度在减弱，而就业特征变量行业分割因素的解释力度在不断增强;从分位数分解结果上看，各年份不同分位数上性别工资差异大小主要由系数效应决定而非特征效应决定。据此，政府应该引起高度重视，促进工资公平分配机制的设计与建设进程，矫正劳动力市场对女性就业的工资歧视行为，创造男女两性就业“同工”和“同酬”并举的宏观大环境。

关键词：  城镇职工; 性别工资差距; Oaxaca-Blinder分解; 分位数分解方法

文献标识码： A  文章编号： 1002-2848-2018（06）-0060-14

一、引 言

劳动力市场上的性别工资差异问题一直以来受到经济学家和政策制定者的广泛关注。实现男女工资待遇公平合理，不仅有利于提高企事业单位的运作效率，而且有利于推进男女社会地位的平等及經济发展的可持续性。然而，尽管女性受教育程度不断提高并且各国政府普遍宣扬男女平等，劳动力市场上的性别歧视现象在世界范围内仍广泛存在[1]。世界经济论坛最新发布的《2017年全球性别差距报告》估算，全球男性的平均年收入为2.1万美元，女性仅为1.2万美元，按照目前的进展速度，世界需要再花217年实现职场上的性别平等。从国内来看，在传统计划经济时期，“统包统配”的就业制度，加上集中控制的工资分配体制，那一时期的中国城镇职工工资的性别差距明显小于其他国家[2-3]。但是，随着经济体制向市场经济转型，企业自主雇佣和工资分配机制的根本性变革，我国劳动力市场上的性别工资差异却越来越明显[4-6]。中华全国妇女联合会妇女研究所在2006年发布的《1995—2005年：中国性别平等与妇女发展报告》指出，尽管我国女性就业的总体规模和女性劳动参与率均有所增加，但就业领域的两性差距非但没有缩小反而呈扩大趋势。其随后在2013年发布的研究报告显示，在中国城镇就业人口中，1990年女性平均工资约为男性的77.5%，而2010年女性平均工资只有男性的65.8%。

作为劳动力的价格，传统经济学理论认为，在完全竞争的要素市场上，工资取决于工人的边际产品价值，结合公平合理准则，在生产率无差异的情况下，劳动者应该同工同酬，不存在性别差异。据此，劳动力市场上的性别工资差异通常被解读为，女性因为性别而受到的不公正对待，也就是女性就业歧视，进而受到普遍指责与关注。早期关于性别工资差异的研究主要从均值工资视角出发，比如Zhang和Dong[7]利用我国1998—2000年企业数据研究了市场开放程度对不同行业和所有制企业性别工资比例的影响。然而，考虑到就业者并非是一个同质群体，性别工资差异在工资分布的不同位置上存在不对称现象。近年来，越来越多的研究开始探讨工资分布不同分位数上性别工资差异的特点和原因。葛玉好和曾湘泉[8]基于分位数回归的反事实分析方法，研究发现市场歧视对性别工资差距和性别工资差距变化趋势的影响在工资分布的不同位置上呈现出差异。

男女两性在劳动力市场上的差别待遇，到底是来自于性别歧视，还是其他的可解释因素呢？随着改革的不断深化，经济体制的逐渐转型，性别工资差异及其影响因素是否发生变化，变化趋势如何？为了对这些问题进行深层次的剖析，本文同时结合均值分析和分布分析方法，对2002—2013年我国城镇劳动力市场的性别工资差异问题进行测度分解和影响因素探讨。文章接下来安排如下：第二部分是文献综述，第三部分对分解方法进行说明，第四部分为数据说明及基本统计描述，第五部分是分解结果与分析，第六部分是结论与政策建议。

二、文献综述

与本文相关的文献主要有两类。第一类是性别工资差异的影响因素分析。早期学者认为，个体特征（如受教育程度、工作经验、技能水平等因素）差异引起的性别生产率差异是造成性别工资差异的主要原因。Becker[9]指出，人力资本表现为人的能力和素质，可通过学校教育和在职培训投资活动获得，具有更高人力资本的劳动者会具有更高的劳动生产率，从而可以得到更高的工资。马超等[10]利用中国健康与营养调查（CHNS）数据研究发现，个人特征因素可以完全解释性别工资差异。陈国强和罗楚亮[11]亦认为在市场经济条件下，性别工资差异在一定程度上具有合理性，是性别生产率差异的体现。随着歧视经济学的发展，部分学者倾向于认为，劳动力市场上对性别本身的歧视是造成性别工资差异的主要原因。如《1995—2005年：中国性别平等与妇女发展报告》指出，86.91%的行业内性别工资差距是由歧视等不可解释的因素造成的。亓寿伟和刘智强[12]在研究不同所有制企业性别歧视程度差异时，亦发现性别工资差异几乎全是歧视的结果，禀赋差异的影响力度很小。歧视的来源则主要有偏好型歧视和统计性歧视两大类。其中偏好型歧视来源于企业的性别偏好，而统计性歧视来源于信息不对称，指的是在劳动者生产率信息不透明情况下，企业需要根据劳动者个体特征进行预判，预期结果的差异将会形成歧视。郭凯明等[13]对这两类歧视进行了比较全面的介绍。近年来，随着研究的深入，越来越多的学者开始支持禀赋差异和歧视共同导致了性别工资不平等，而且对于工资分布的不同位置，这两种因素的影响程度存在差异。例如，张世伟和郭凤鸣[14]认为性别歧视和禀赋差异共同影响我国劳动力市场上的性别工资差异，但是在工资分布的中上部，歧视是主要原因。葛玉好和曾湘泉[8]认为在工资分布的低端，歧视是性别差异的主要原因。相关研究还有马超等[10，15-17]。

第二类文献是性别工资差异的分解方法。关于性别工资差异的影响因素，我们通过整理以往文献发现，讨论性别工资不平等的主要原因究竟是禀赋差异还是女性就业歧视，学术界尚存在不少争议。不过，学术界形成了一个重要共识，研究二者影响力度的首要问题在于工资分解。郭继强等[18]对工资差异分解方法做了很好的综述。与性别工资差异的研究层次相对应，工资分解方法包括均值分解方法和分布分解方法两大类，其中均值分解以Oaxaca-Blinder分解和Brown分解为代表，分布分解方法主要有MM方法和RIF方法等。例如，吴群锋[19]在考察进口竞争对性别工资的影响时，利用Oaxaca-Blinder分解方法计算了城市-行业层面的性别工资歧视系数。李实和马欣欣[20]利用Brown分解方法研究了职业分割对男女工资差异的影响。葛玉好和曾湘泉[8]以Machado和Mata[21]的分位数分解方法为基础研究我国工资分布不同位置上的性别工资差异不对称现象。李雅楠和廖利兵[22]基于1991—2009年中国健康与营养调查数据，利用RIF的分位数回归方法考察了我国城镇居民的性别收入差距变化。相关文献还有李实等[3，23-27]。关于这两类工资分解方法，分位数差异分析能够更好地解释工资分布不同位置上性别工资差异问题，与现实更贴近，从而可以提出更具有针对性的政策建议。

不过，目前与我国相关的研究主要是基于2009年以前的数据进行的分析。如葛玉好和曾湘泉[8]利用的是1988—2001年的中國城镇住户收入调查数据;马超等[10]利用的是2006年和2009年的CHNS数据;李实等[3]利用的是1995年、2002年和2007年的CHIP数据。只有周春芳和苏群[28]利用CHIP 2002年和2013年数据研究了我国农民工和城镇职工的性别工资差异。并且已有分位数差异分析的相关研究，主要是基于性别工资总体差异，而关于工资分布不同位置上性别工资差异的原因探讨很少而且不够深入。在此背景下，本文基于CHIP2002、2007和2013年数据，参考Blau和Khan[29]的分析思路，首先对我国城镇职工性别工资差异进行均值和分位数层次的统计性分析，同时比较性别劳动力就业层次特征变量中两性就业的行业职业差异;其次，利用Oaxaca-Blinder分解方法，结合不同层次特征变量，区分我国性别工资差异中的可解释部分和不可解释部分，同时考察各项特征变量在性别工资差异可解释部分中的影响力度;再次，我们在Oaxaca-Blinder分解的基础上，将不同年份之间性别工资差异的变化区分均值变化效应、回报率变化效应和不可解释部分变化效应，并且对分项特征变量的特征变化效应和系数变化效应进行细致详尽的分析;之后，我们利用分位数分析方法，对工资分布不同位置的性别工资差异现状及变化进行探讨和解释。通过深入探讨性别工资差异的形成机理及性别工资差异在工资分布上的不对称性，丰富以往学术研究，并期望为我国促进两性平等政策的制定，提供更具有针对性的依据和参考。

三、分解方法的说明

在检验中国男女两性均值工资差距问题时，最常用的方法是Oaxaca-Blinder分解方法，代表作如Gustafsson等[2-3，19，24]。Oaxaca-Blinder分解方法旨在将性别工资的均值差异分解为可解释和不可解释两部分，其首先需要识别工资方程的决定机制，把决定机制中的特征差异带来的工资差距称为可解释部分，而把决定机制中系数差异所带来的工资差异看作不可解释部分，并且一般认定为歧视的结果。Oaxaca-Blinder分解方法，亦是本文进行我国2002—2013年城镇劳动力性别工资差异测度的基础方法，将性别工资差距区分为可解释和不可解释两部分。在此基础上，我们进行工资差异的二次分解，分析不同年份性别工资差异变化的主要决定因素。最后，我们参考Chernozhukov等[30]和Blau等[29]的分位数分析方法，对工资分布不同位置的性别工资差异进行探讨和解释。本部分将对本文所使用的分解方法进行简单介绍。

（一）Oaxaca-Blinder分解方法说明

假设男女劳动力的工资方程决定如下：[WTBX]

ln w mt[TX-]=X mtβ mt+μ mt（1）

ln w ft[TX-]=X ftβ ft+μ ft（2）

其中，ln[AKw-D]是对数工资变量，X是工资决定方程的特征变量，β为特征变量的系数，μ是误差项，m、f、t分别代表男性、女性以及时间。关于工资方程决定变量的选取，通过参考以往相关文献，我们主要选取的变量分个人特征变量和就业特征变量两大类。其中个人特征变量包括年龄、年龄平方、受教育年限（教育水平指标）、本单位工作年限（工作经验指标）和婚姻状况;就业类别变量包括就业区域（是否为东部地区）、就业部门（是否为公共部门），就业职业和就业行业。个人特征变量更多体现的是人力资本差异，而就业特征变量体现着劳动力市场隔离或者企业雇佣歧视等因素。为了便于明示二者的区别，我们在之后的工资方程分解过程中，首先只考虑个人特征变量进行分解，然后综合考虑个人特征变量和就业特征变量进行分解。对分解结果进行对比，便于考察传统人力资本因素和就业市场因素的重要性变化，能够提出更具有针对性的政策建议。

Oaxaca-Blinder分解的一个关键假设是，当歧视不存在时，男女两性的工资决定方程相互通用。关于基准组的选择问题，即以哪个性别组的工资方程作为歧视不存在情况下的工资结构，Cotton[31]和Neumark[32]建议以混合样本的工资方程作为参照。以往关于中国问题的研究，大都采用男性的工资结构为基准组，他们认为男性工资方程更接近混合样本得到的工资方程，且方法更简单。在余下的分解过程中，我们亦采用男性工资方程作为基准组进行两性工资差异的分解。

依据最小二乘法的性质有：

ln w mt[TX-]-ln w ft[TX-]=β mt X mt[TX-]-β ft X ft[TX-]=

β mt（ X mt[TX-]- X ft[TX-]）+ X ft[TX-]（β mt-β ft）（3）

其中，[AKW-]、[AKX-]分别代表工资均值和特征变量均值，第二个等式是以男性工资方程作为歧视不存在情况下的分解结果，其中β mt（ X mt[TX-]- X ft[TX-]）表示的是个人和就业特征差异所带来的男女两性工资差异，被看作工资差异中的可解释部分; X ft[TX-]（β mt-β ft）是男女两性工资方程的系数差异所带的性别工资差异，被看作工资差异中的不可解释部分。

通过观察Oaxaca-Blinder分解的可解释部分，我们发现其既受基准组回归方程的系数（男性工资决定方程的特征变量回报率）影响，也受两性特征变量均值差异的影响。因此，本文接下来在探讨不同年份之间性别工资差异变化的特点及原因时，充分考虑这一点，参考Juhn等[33]的做法，在Oaxaca-Blinder分解的基础上，将对比年份的性别工资变化进行二次分解。首先，做出如下定义：

Δwt=ln w mt[TX-]-ln w ft[TX-]

Δ Xt[TX-]= X mt[TX-]- X ft[TX-]

其中，Δwt代表t时期两性对数小时工资均值的差异，Δ Xt[TX-]代表t时期两性特征变量均值的差异。则性别工资差异从时期0→1的变化可以分解为：

从上述分解过程可以看出：二次分解的前两部分是对不同时期Oaxaca-Blinder分解过程中特征效应变化（亦即可解释部分）的再次分解，

第一部分是假设对比时期男性工资决定方程中特征变量回报率不变情况下，由于男女两性特征均值差异在两时期的变化所引起的对比时期性别工资差异的变化，将其命名为均值变化效应;

第二部分是假设对比时期两性特征均值差异不变情况下，由于对比时期男性工资方程中特征变量回报率变化所引起的性别工资差异变化部分，将其命名为回报率变化效应;

第三部分可以看出是对比时期由于性别工资差异中不可解释部分变化所引起的对比时期性别工资差异变化，将其命名为不可解释部分变化效应。例如，只考虑受教育水平这一特征变量，对2002—2007年的性别工资差异变化进行分解，假定男性工资决定方程不变，即教育回报率不变时，由于男女两性的受教育水平差异在2002—2007年间发生变化，所引起的对比年份性别工资差异变化部分属于均值变化效应;假定对比年份里两性的受教育水平差异不变，但由于男性工资决定方程的变化，教育回报率发生变化，所引起的对比年份性别工资差异变化部分属于回报率变化效应;剔除可解释部分性别工资差异的变换，由对比年份两性工资决定方程差异所引起的性别工资差异变化部分属于不可解释部分变化效应。通过二次分解，我们可以更清楚地看出不同年份之间性别工资差异变化的来源。

（二）分位数分解方法说明

为了分析性别工资差异在工资分布不同位置上的不对称性原因，本文借鉴Chernozhukov等[30]和Blau等[29]的分位数分解方法进行研究，具体如下：

首先，定义Y=lnw，为对数工资的集合，y为对数工资的某一具体取值;[WTHX]X[WTBX]为影响工资水平的特征向量，x为特征向量的某一具体取值;F Y[m，m]（y）代表无条件男性工资分布，F Y[f，f]（y）代表无条件女性工资分布，F Y[m，f]（y）代表女性按照男性工资方程调整后的工资分布。满足下式：

其中，第一个大括号表示个人特征分布差异所引起的性别工资分布差异，我们称之为特征效应，第二个大括号代表的是男女两性工资方程差异所引起的性别工资分布差异，我们称之为系数效应。值得注意得是，分位数分解方法的特征效应、系数效应和Oaxaca-Blinder基础上二次分解的特征变化效应、系数变化效应不同。具体的分解过程，我们首先需要计算出个人特征的经验分布，之后利用分位数回归计算出条件工资分布。通过该分位数分解方法，我们探讨工资分布不同位置上性别工资差异的影响因素，同时对不同年份进行比较分析，不仅能够更为详细地挖掘性别工资差异在整个工资分布中的变化，而且能够对影响工资差异变化的因素提供更好的解释。

四、数据说明及基本统计描述

（一）数据来源与指标描述

本文数据来源于2002年、2007年和2013年的中国城镇住户收入调查（CHIP）。该项目由中外学者共同组织，在国家统计局的协助下，采取多阶段分层随机抽样的方法，按照东、中、西分层，根据系统抽样方法获得数据。CHIP数据中包含了丰富的个人和家庭特征以及就业和收入方面的信息，为本文的实证研究提供了充分的数据支撑。鉴于本文的主要目的在于考察城镇就业职工的性别工资差异并考虑到我国两性退休年龄的差异性，本文选取男性年龄在16～60岁之间，女性年龄在16～55岁之间，且从事雇佣工作并获取工资性收入的劳动者作为样本进行考察。在删除失业者、自我雇佣、私营企业所有者与信息不完整及缺失的样本后，最后得到2002年的男性样本5114个，女性样本4106个;2007年的男性样本3783个，女性样本2878个;2013年的男性样本4309个，女性样本3386个。参考以往文献，工资决定方程选取的变量包括工资、年龄、教育水平、工作经验、婚姻状况、区域状况、部门类型、职业类型和行业类型，具体变量定义与构建如下。

工资。作为被解释变量，本文主要分析过程均以小时工资的形式来衡量。Cha和Weeden[34]指出男女两性在超时工作和加班方面存在巨大差异。Mandel和Semyonov[35]研究表明，工作时间差异是美国私有部门中性别收入差距的最主要原因。我们在以下分析中采用小时工资，有助于消除男女兩性的工资时间差异对性别工资差异的影响。CHIP数据虽然没有直接提供小时工资，但是提供了年工资或月工资以及工作时间的数据，据此可以计算出小时工资。以CHIP2002年的调查问卷为例，包含“Q201：全年收入（元）”“Q147：您在2002年实际工作几个月？”“Q147a：您平均每月工作多少天（不包括周末休息）？”和“Q147b：您平均每天工作几个小时？”等信息，以此，我们按照Q201/（Q147×Q147a×Q147b）计算小时工资水平。计算出小时工资后，我们以《中国统计年鉴》提供的消费价格指数，将名义小时工资转化为以2002年为基期的实际工资水平。出于稳健性考虑，我们亦采用了月工资进行检验分析。

特征变量。年龄按照调查年份减去出生年份加1获得;受教育水平以受教育年限衡量，由各年调查问卷中问题“您所受正规教育年限（年，不包括跳级和留级年数）？”提供;工作经验指标，参考周春芳和苏群[28]以本单位工作年限衡量，其中2002年样本由问题“Q132a：在现单位工作时间（年）”提供，2007年和2013年的调查问卷并没有直接提供这一信息，但是提供了“您哪年开始从事当前这份主要工作的？（年份）”信息，我们根据调查年份减去本单位起始工作年份加1计算;婚姻状况是0-1变量，其中已婚状态取值1，单身、丧偶及其他状态取值0;区域状况是0-1变量，东部地区取值1;部门类型为0-1变量，区分是否为公共部门，其中公共部门取值为1，包括党政机关、事业单位、国有独资/控股企业、集体所有制企业;职业类型和行业类型的划分，我们参考李实等[3]的处理，划分为5类职业和13类行业。

（二）基本统计描述

分析我国城镇劳动力市场上的性别工资差异问题，参考以往文献，鉴于工资差异在工资分布的不同位置上可能存在着不对称现象，我们在性别工资差异分解之前，首先按照年份统计比较了男女两性的小时工资均值以及其在工资分布不同位置上的小时工资水平，结果见表1。统计结果表明：2002—2013年我国城镇劳动力的平均工资在不断提高，其中2002—2007年工资涨幅迅速，男性小时工资增长约93%，女性工资增长约74%;而在2007—2013年工资只有轻微涨幅，男女两性的工资涨幅为20%～30%。我们从表1中的性别工资比例可以看出两性工资差距在不断扩大，尤其是2002—2007年性别工资差距增涨迅速。我们可以看出性别工资差距在工资分布的低端有所缓解，而在工资分布的顶端不断扩大。具体表现为：工资分布90%分位的女性工资占男性工资比例从2002年的87.75%下降到2013年的78.95%，下降约十个百分点;10%分位的两性工资占比则从2002年的74.99%增长到2013年的75.36%，有轻微缓解。这表明，在研究期间内，我国的城镇劳动力市场上的性别工资差异呈现出“粘天花板”现象。国际劳工组织发布的《2016—2017全球工资报告》指出，大多数国家性别工资差距随着工资水平的提高而增加。Díaz等[36-37]的研究亦发现新西兰、加拿大、瑞典和英国等国家的性别工资差距呈现出“粘天花板”现象。表1所体现出来的性别工资差异在工资分布上的非对称现象，是我们后文进行分位数分解的基础。

考虑到工资方程分解的需要，我们接下来对所研究年份的主要变量进行分性别的均值统计，结果见表2。我们发现，2002—2013年两性工资水平均有所增长，但是在各个年份男性工资都是高于女性工资的，两性对数小时工资差距在不断扩大，从2002年的0.19增长到2013年的0.24，对应的两性小时工资差异从2002年的约0.9元增加到2013年的约2.4元，与表1中各年两性工资比例的分析结果相一致;从人力资本视角来看，我国城镇劳动力市场上的女性劳动者较男性更为年轻;受教育年限显示，在2002年与2007年，男性整体受教育水平略高于女性，在2013年女性整体受教育水平略高于男性，不过从整体水平来看，男女两性的平均受教育水平在各个年份差异不大。但是值得注意的是，在各个年份内，男性劳动者在本单位的工作经验明显高于女性劳动者，而且从二者差距来看，2002—2013年呈扩大趋势;从部门选择上看，无论是男性还是女性，在公共部门工作的比例在持续下降，但是各个年份内，男性劳动者在公共部门工作的比例要明显高于女性，并且差距在2002—2013年不断扩大，表明相对于男性，女性越来越难以在公共部门就业;从各个职业和行业分布的0-1变量均值来看，两性差异明显。我们在表3和表4中对性别就业差异和性别工资差异做了更为详细的统计说明。

表3和表4统计了样本研究期间内性别就业的职业、行业分布和工资差异，并对男女两性劳动者在不同职业和行业内的工资均值进行了T检验。首先从表3的最后两列我们可以看出，在各个职业中，几乎均存在着男性工资显著高于女性工资的现象，但是在高工资职业单位负责人和技术人员的性别工资差异明显低于其他职业类型。其次，依据表3的就业部分我们可以看出，我国城镇劳动力市场上存在着职业性别隔离现象，其中有一半以上的女性从事着办事人员工作，男性劳动者较女性更容易成为单位负责人和技术人员。但是对于职业隔离的时间变化趋势，结合表2统计的2002—2013年男女两性在各个职业的占比情况，我们发现随时间推移，男女两性进入高收入职业的差异越来越小，如在单位负责人中两性就业比例差异从2002年的11%下降到2007年的4%再到2013年的2%。这些现象表明，尽管两性在各职业内均存在工资差距，但在职业隔离方面，随时间推移，两性差异有所缓解。我们按照样本研究期间内行业平均工资水平对行业进行排序，比较各个行业内的性别就业比例和性别工资差异大小。首先，从表4的最后两列我们可以看出，男性雇员的工资均显著高于同行业女性雇员的工资;其次，整体来看，工资水平越高的行业，两性的工资差距越小。对于男女两性进入不同行业的差异分析，我们参考王湘红等[38]的处理方法，按照工资水平将13个行业整合为四类行业，其中第一类行业是平均工资最低行业，第四类行业是平均工资最高行业，第二、三类行业处于中间位置。通过对表4两性就业数值的简单计算，发现女性在这四类行业的就业比例分别为86.45%、82.76%、54.98%和98.84%，表明我国女性进入第二、三类行业的概率，尤其是进入第三类行业的概率，明显低于进入第一和第二类行业的概率。如此显著的行业性别隔离现象，将必然对两性工资差距产生影响。具体各因素的影响力度，我們在下文的Oaxaca-Blinder分解结果中再做详细说明。

五、分解结果与分析

（一）Oaxaca-Blinder分解结果

在利用Oaxaca-Blinder分解均值性别工资差异，识别出可解释部分和不可解释部分，并考察分项特征变量的影响程度时，我们首先利用三次调查数据分别估计了2002年、2007年和2013年我国男性城镇职工的工资决定方程式（1），之后进行如式（3）的分解，被解释变量是小时工资的对数形式。分解结果见表5和表6。其中表5是只考虑个人特征的分解结果，而表6是同时考虑个人特征变量和就业特征变量的整体分解结果。

从表5和表6的最后一行可以看出，在研究期间内，性别工资差距在整体上呈扩大趋势，尤其是2002—2007年性别工资差距扩大迅速，2007—2013年性别工资差距有小幅度缩减。对于两性工资差距的可解释部分和不可解释部分，当只考虑个人特征变量时，无论是从绝对值还是相对比例上看，性别工资差距的可解释部分都在减少，而不可解释部分都在迅速增加。具体而言，男女两性的对数小时工资中可解释部分从2002年的0.0634下降到2007年的0.0310，再下降到2013年的0.0037，相应比例变化从34.16%下降到11.63%，再下将到1.51%;不可解释部分从2002年的0.1222增加到2007年的0.2354，再到2013年的0.2431，相应比例变化从65.84%，增加到88.37%，再增加到98.49%。当同时考虑个人特征变量和就业特征变量时，工资差距的可解释部分与不可解释部分的变化与之类似，在此不做赘述。Oaxaca-Blinder分解的不可解释部分是特征变量回报率差异所引起的，一般被认定为性别歧视的结果。初步分解结果显示，2002—2013年我国劳动力市场的性别工资差距在不断扩大，其中主要原因是歧视。

对于可解释部分的性别工资差距，从特征变量的解释力度上看，通过观察表5和表6不难发现，在2002年，以教育和工作经验为代表的人力资本变量是主要决定因素，而在之后年份，这两者的解释力度在逐渐下降，教育水平差异的解释力度甚至在2013年表现为负，这与前文统计性描述部分中女性受教育水平的提高相对应。这表明随着社会进步，女性受教育程度提高，试图用人力资本差异来解释性别工资差异的理论将面临挑战。正如Goldin[39]指出的，随着女性提高对个体生产率的投资，女性劳动者和男性劳动者越来越相似，那么人力资本因素将在性别工资差异中不起任何作用。观察两性就业特征变量的解释力度我们发现，样本研究期间内，职业与行业差异的解释力度变化值得注意。具体而言，其中职业差异的解释力度在不断下降，与上一节统计性描述中我国高收入职业性别进入差异的缓解相一致;而行业差异的解释力度则在不断增强，从2002年的占比1.58%增加到2013年的13.65%，这在两性行业分布的统计性描述中已有所体现。行业因素的解释力度增强，是由性别行业隔离因素，还是由男性密集行业回报率变化引起的呢？具体原因在下面的二次分解过程中将有体现。

为了更为直观地表达性别工资差距中可解释部分与不可解释部分，基于Oaxaca-Blinder分解，我们绘制出不同年份经个人特征差异调整以及经整体特征差异调整之后的性别工资比与原始性别工资比的对比图，如图1和图2所示。其中图1是基于表5和表6绘制的。在以上分析的Oaxaca-Blinder分解过程中，工资方程的被解释变量是对数小时工资，出于稳健性考虑，我们亦使用对数月工资进行了分解分析，具体分解结果与对数小时工资类似，我们并未在文章展示，而只绘制了原始月工资差异和经调整的月工资差异，如图2所示。从图中我们可以看出，对数月工资的差异均大于对数小时工资的差异，这反映出男女两性劳动者在工资时间上的差异，也表明我们使用小时工资进行分析更可靠。不过，无论是小时工资决定方程还是月工资决定方程的分解结果均显示，研究期间内性别工资差异不断扩大，其中不可解释部分的扩大是主要原因。对于2002—2013年不可解释部分性别工资差异的提高，可能的原因有：第一，国有企业改革和经济体制向市场经济转型，企业自主雇佣和工资分配机制增加了雇主的歧视空间[3]，进而增加歧视性性别工资差异。第二，伴随着我国加入世界贸易组织以后贸易自由化和经济开放的加深，经济中的劳动力就业非正规化比例有较大提升[40]，非正规部门或正规部门中的非正规岗位对相关法规中女性就业收入保护、同工同酬的执行远比正规部门差，对女性的歧视性工资待遇也就明显高于正规就业部门。第三，研究期间人口红利逐渐下降，用工成本上升，相关用人单位在提供更高的男性职位工资的同时，对女性职工有提供较少工资涨幅降低用工成本的动机，同时经济进入“新常态”以后不少地区由于经济景气度不高、企业经营困难，对劳动执法、女性就业收入保护的检查不充分，导致女性的歧视性工资待遇有所抬头。

（二）二次分解结果

为了进一步分析性别工资差异在研究期间内变化的原因，我们按照式（4），在Oaxaca-Blinder分解的基础上将2002—2007年和2007—2013年性别工资变化进行分解，其中选取2007年的男性工资方程决定的基期特征变量系数。具体分解结果见表7。表7的第一部分显示了对比年份性别工资差异的总变化以及按照式（4）分解的三大块;第二部分和第三部分分别为对均值变化效应和回报率变化效应的分解。从第一部分我们可以看出，2002—2007年以及2007—2013年性别工资差异的变化主要是由不可解释部分性别工资差异变化引起的，工资分解可解释部分的变化有利于对比年份性别工资差距的缩小，2002—2007年缩小0.0286，2007—2013年缩小了0.0044。具体而言，对于可解释部分性别工资差异二次分解的两部分，均值变化效应在2002—2007年和2007—2013年均有助于两性工资差距的缩小;男性工资方程关于特征向量回报率的变化，在2002—2007年有助于缩小两性差距，而在2007—2013年扩大了两性差距。各特征变量分项的均值变化效应和回报率变化效应对性别工资差异变化的影响见表7的第二部分和第三部分。各特征变量的分析思路相类似，在此我们只分析行业特征变量，以期为前文Oaxaca-Blinder分解部分体现出的行业特征变量在可解释性别工资差距中越来越重要的来源提供解释。2002—2007年，男女两性的行业隔离因素有所缓解，性别工资差距缩减0.0009，但是因为男性行業回报率的增加，性别工资差距增加了0.0002，综合效果是性别工资差异减小0.0007，与表6整体分解的结果相对应（0.0022-0.0029= -0.0007）;2007—2013年，男女两性的行业隔离因素增强，性别工资差距增加了0.0032，同时由于男性行业回报率的变化，性别工资差距增加0.0283，综合效果性别工资差异增加了0.0315，与表6整体分解的结果相对应（0.0337-0.0022=0.0315）。这表明缓解两性行业隔离有助于缩小性别工资差距，但目前阶段我国行业特征变量所引起的性别工资主要体现在男性行业回报率变化上，改善女性行业回报率变化更有助于两性工资平等。

另外，观察表7我们发现，2007—2013年年龄、工作经验和职业这三个因素的均值变化效应出现比例过大问题，对此，结合前文的统计性分析部分，可能的原因是：年龄因素和工作经验因素的性别差异在2007—2013年均发生显著变化。具体而言，CHIP数据显示两性劳动者的平均劳动年龄在2002—2007年幾乎不变，2007—2013年的城镇男性劳动者平均年龄亦维持在41岁左右，而女性劳动者年龄均值在此间增长了约1岁，从2007年的38.07岁增加到2013年的39.06岁;工作经验方面，两性差异从2002年的3.37轻微下降到2007的3.34，而在2013年迅速增加到5.26;关于职业均值变化效应过大问题，结合表2和表4，可能是2007—2013年低收入职业（工人）两性差异显著扩大和高收入职业（单位负责人）两性差异显著缩小共同作用所致。

（三）分位数分解结果

在分解分析了2002年、2007年和2013年各年性别工资差距来源，以及对比年份性别工资差距变化的基础之后，我们将考察性别工资差距在工资分布不同位置上的不对称现象。利用前文介绍的分位数分解方法进行分解，结果见表8。

我们取整个研究区间起始年份2002年和终止年份2013年，来对比分析工资分布不同分位的变化。从总效应来看，2002—2013年性别工资差距在扩大，而且随着工资分布分位数的提高，性别工资差距增加的幅度变大。具体而言，2002—2013年当只考虑个人特征变量时，10%分位两性工资差距增长约0.01，50%分位增长约0.07，90%分位增长约0.09。结合特征效应和系数效应部分的分解结果，我们发现2002—2013年个人特征变化有助于缩小性别工资差距，而且在低分位上缩小的程度更大，表现为表8第（3）列的特征效应数值小于第（1）列，并且二者的差值随分位数增加而减小;对于系数效应，对比表8第（3）列和第（1）列的系数效应部分，则呈现出相反趋势。这表明2002—2013年性别收入差距增加幅度随工资水平提高而增加的主要原因在于系数效应的变化。对于考虑全部特征变量以及其他年份的对比分析，与2002—2013年的思路类似，在此不做赘述。

六、结论与启示

本文利用2002年、2007年和2013年3个年份的中国城镇住户收入调查（CHIP）数据，结合均值分析方法和分位数分析方法，对我国城镇职工性别工资差距的演变特点进行了细致详尽的分析。主要结论如下：

首先，两性工资差异的统计结果显示，2002—2013年我国城镇劳动者的平均工资在不断提高，其中2002—2007年工资涨幅迅速，男性小时工资增长约93% ，女性小时工资增长约74%，而在2007—2013年工资只有轻微涨幅，男女两性的工资涨幅约为20%～30%。但男性工资水平在各个年份均高于女性劳动者，而且两性工资差距呈现出扩大趋势，同时在工资分布的不同位置呈现出不对称性。

其次，从均值分解结果上看，2002—2013年男女两性工资差距在整体上呈不断扩大趋势。其中不可解释部分增长迅速，占总差距的比例从2002年的65%左右增长到2013年的90%左右;对于可解释部分的男女两性工资差距，传统的人力资本因素如教育和工作经验等在其中的解释力度在减弱，就业特征因素、行业因素在其中的解释力度不断增加。以Oaxaca-Blinder分解方法为基础的二次分解结果显示，不同年份两性工资差异变化的主要原因则是由不可解释部分性别工资差异变化引起的，而工资分解可解释部分的变化有利于对比年份性别工资差距的缩小，2002—2007年缩小了0.0286，2007—2013年缩小了0.0044。结合Oaxaca-Blinder和二次分解的结果，传统人力资本解释力度的降低主要是由于女性受教育水平的提高，而行业因素的解释力度增强，尽管行业隔离在其间起一定作用，尤其是女性进入中高收入行业（前文提及的第三类行业）的概率明显低于男性，但目前阶段我国行业特征变量所引起的性别工资主要体现在男性行业回报率变化上，有效控制男性行业回报率变化更有助于两性工资平等。

最后，从分位数分解结果上看，各个年份不同分位数上性别工资差异大小主要由系数效应决定而非特征效应决定。对于2002—2013年特定分位数上性别工资差距变化，性别工资差距的扩大随着分位数的提高而提高，呈现出“粘天花板”现象，这与周春芳和苏群[28]、杨锦英等[41]采用相似年份的研究结果相一致;个人特征变化有助于缩小性别工资差距，而且在低分位上缩小的程度更大，系数效应变化呈现相反特征，而且决定了2002—2013年性别收入差距增加幅度随工资水平提高而增加。

实现男女工资待遇公平合理，不仅有利于提高企事业单位的运作效率，而且有利于推进男女社会地位的平等及经济发展的可持续性[42-44]。鉴于男女两性社会分工和生理特征等方面的客观差异[45-46]，要做到完全消除两性工资差距在短时期内是很困难的。但是基于本文上述研究结论，我们可以得到以下启示与政策建议：首先，针对2002—2013年我国性别收入差距不断扩大且不可解释部分占据绝大部分的事实，政府应该引起高度重视，积极推进应对措施，促进工资公平分配机制的设计与建设进程，降低工资分配过程中性别劳动回报率的差异，矫正劳动力市场对女性就业的工资歧视行为;其次，由于传统人力资本因素解释力度的下降，行业分割影响力度的增加，一方面，政府应大力提倡同工同酬，消除市场障碍，消除行业进入障碍，使男女两性在不同行业间拥有同等就业机会，另一方面，政府要加大对女性的专业技能和就业转化培训，提高女性竞争力，增强女性进入传统男性行业的机会，而且针对于男性行业回报率显著提高的事实，政府应当注重产业结构变化并进行适当调控，加强促进男性行业和女性行业回报率的公正公平;此外，政府还应该建立和完善相关的法律法规，完善公平就业的宏观大环境，规范企业用工制度，避免各类企业对女性员工在招聘和薪酬方面的歧视，从法规法律层面给予女性劳动者保护。各种政策搭配实施，尽可能降低劳动市场上的女性工资歧视，缩小收入差距，促进我国劳动市场的健康均衡发展。

参考文献：

[1] Chen Z， Ge Y， Lai H， et al. Globalization and gender wage inequality in China  [J]. World Development， 2013， 44（4）： 256-266.

[2] Gustafsson B， Li S. Economic transformation and the gender earnings gap in urban China  [J]. Journal of Population Economics， 2000， 13（2）： 305-329.

[3] 李實， 宋锦， 刘小川. 中国城镇职工性别工资差距的演变  [J]. 管理世界， 2014（3）： 53-65.

[4] Maurer-Fazio M， Hughes J. The effects of market liberalization on the relative earnings of Chinese women  [J]. Journal of Comparative Economics， 2002， 30（4）： 709-731.

[5] 李宏兵， 赵春明， 文磊， 等. 市场潜能促进了制造业女性就业吗？——基于中国工业企业数据的实证分析  [J]. 财经研究， 2014（3）： 52-62.

[6] 赵春明， 文磊， 李宏兵. 进口产品质量、来源国特征与性别工资差距  [J]. 数量经济技术经济研究， 2017（5）： 20-37.

[7] Zhang L， Dong X Y. Male-female wage discrimination in Chinese industry investigation using firm-level data  [J]. Economics of Transition， 2008， 16（1）： 85-112.

[8] 葛玉好， 曾湘泉. 市场歧视对城镇地区性别工资差距的影响  [J]. 经济研究， 2011（6）： 45-56.

[9] Becker G S. Investment in human capital： A theoretical analysis  [J]. Journal of Political Economy， 1962， 70（5）： 9-49.

[10] 马超， 顾海， 李佳佳. 中国劳动力市场上的性别工资差异变化研究——来自面板分位数回归分解方法的证据  [J]. 世界经济文汇， 2013（2）： 96-108.

[11] 陈国强， 罗楚亮. 劳动生产率与工资决定的性别差距——来自我国工业企业数据的经验研究  [J]. 经济学动态， 2016（8）： 38-52.

[12] 亓寿伟， 刘智强. “天花板效应”还是“地板效应”——探讨国有与非国有部门性别工资差异的分布与成因  [J]. 数量经济技术经济研究， 2009（11）： 63-77.

[13] 郭凯明， 余靖雯， 蒋承. 统计型歧视理论视角下的性别工资差距  [J]. 世界经济文汇， 2017（5）： 23-39.

[14] 张世伟， 郭凤鸣. 分位数上的性别工资歧视——基于东北城市劳动力市场的经验研究  [J]. 中国人口科学， 2009（6）： 69-79.

[15] 黄志岭， 姚先国. 教育回报率的性别差异研究  [J]. 世界经济， 2009（7）： 74-83.

[16] 陈建宝， 段景辉. 中国性别工资差异的分位数回归分析  [J]. 数量经济技术经济研究， 2009（10）： 87-97.

[17] 陈昊， 赵春明. 性别工资不平等： 演化路径与反事实证据  [J]. 南开经济研究， 2016（5）： 110-131.

[18] 郭继强， 姜俪， 陆利丽. 工资差异分解方法述评  [J]. 经济学（季刊）， 2011（2）： 363-414.

[19] 吴群锋. 进口竞争缓解了制造业性别工资歧视吗  [J]. 国际贸易问题， 2017（4）： 49-61.

[20] 李实， 马欣欣. 中国城镇职工的性别工资差异与职业分割的经验分析  [J]. 中国人口科学， 2006（5）： 2-13.

[21] Machado J A F， Mata J. Counterfactual decomposition of changes in wage distributions using quantile regression  [J]. Journal of Applied Econometrics， 2005， 20（4）： 445-465.

[22] 李雅楠， 廖利兵. 城镇居民性别收入差距及其演变： 1991—2009  [J]. 人口与经济， 2014（2）： 86-95.

[23] 王美艳. 中国城市劳动力市场上的性别工资差异  [J]. 经济研究， 2005（12）： 35-44.

[24] Ng Y C. Gender earnings differentials and regional economic development in urban China， 1988—1997  [J]. Review of Income and Wealth， 2007， 53（1）： 148-166.

[25] Wang M， Cai F. Gender earnings differential in urban China  [J]. Review of Development Economics， 2008， 12（2）： 442-454.

[26] 李佳， 吕学静， 牟俊霖. 中国城镇地区性别工资差距的分布变化： 2002～2008  [J]. 人口学刊， 2014（4）： 52-63.

[27] 王静， 武舜臣. 直接歧视、反向歧视与性别收入差异 ——基于CHIP微观数据的实证分析  [J]. 财贸研究， 2015（5）： 99-105.

[28] 周春芳， 苏群. 二元结构下我国城镇劳动力市场中的性别工资差异研究  [J]. 南方经济， 2018（7）： 96-112.

[29] Blau F D， Kahn L M. The gender wage gap： Extent， trends， and explanations  [J]. Journal of Economic Literature， 2017， 55（3）： 789-865.

[30] Chernozhukov V， Fernndez-Val I， Melly B. Inference on counterfactual distributions  [J]. Econometrica， 2013， 81（6）： 2205-2268.

[31] Cotton J. On the decomposition of wage differentials  [J]. The Review of Economics and Statistics， 1988， 70（2）： 236-243.

[32] Neumark D. Employers discriminatory behavior and the estimation of wage discrimination  [J]. Journal of Human Resources， 1988， 23（3）： 279-295.

[33] Juhn C， Murphy K， Pierce B. Accounting for the slowdown in black white wage convergence  [C]∥Workers and Their Wages： Changing Patterns in the U. S.. Washington： American Enterprise Institute， 1991.

[34] Cha Y， Weeden K A. Overwork and the slow convergence in the gender gap in wages  [J].  American Sociological Review， 2014， 79（3）： 457-484.

[35] Mandel H， Semyonov M. Gender pay gap and employment sector： Sources of earnings disparities in the United States， 1970-2010  [J]. Demography， 2014， 51（5）： 1597-1618.

[36] Díaz-Barrera A， Maturana N， Pacheco-Leyva I， et al. Different responses in the expression of alginases， alginate polymerase and acetylation genes during alginate production by Azotobacter vinelandii， under oxygen-controlled conditions  [J]. Journal of Industrial Microbiology & Biotechnology， 2017， 44（7）： 1041-1051.

[37] Fortin B， Ragued S. Does temporary interruption in postsecondary education induce a wage penalty？Evidence from Canada  [J]. Economics of Education Review， 2017， 58： 108-122.

[38] 王湘红， 曾耀， 孙文凯. 行业分割对性別工资差异的影响——基于CGSS数据的实证分析  [J]. 经济学动态， 2016（1）： 44-53.

[39] Goldin C. A grand gender convergence： Its last chapter  [J]. American Economic Review， 2014， 104（4）： 1091-1119.

[40] 李金昌， 刘波， 徐蔼婷. 中国贸易开放的非正规就业效应研究  [J]. 中国人口科学， 2014（4）： 35-45.

[41] 杨锦英， 马良， 方峥， 等. 中国城镇地区性别工资差异问题新探——基于无条件分位数回归和再次分解方法  [J]. 政治经济学评论， 2016（1）： 63-88.

[42] Bobonis G J. Is the allocation of resources within the household efficient？ New evidence from a randomized experiment  [J]. Journal of Political Economy， 2009， 117（3）： 453-503.

[43] Duflo E. Women empowerment and economic development  [J]. Journal of Economic Literature， 2012， 50（4）： 1051-1079.

[44] 杜凤莲， 董晓媛. 转轨期女性劳动参与和学前教育选择的经验研究： 以中国城镇为例  [J]. 世界经济， 2010（2）： 51-66.

[45] 朱琪. 性别工资差异的理论应用与实践发展  [J]. 经济评论， 2008（4）： 136-141.

[46] 徐林清. 女性就业的行业——工资倾向与性别歧视  [J]. 妇女研究论丛， 2004（2）： 34-38.