人力资本、企业制度与城市规模对农民工工资的影响——基于重庆市农民工工资调查研究*

潘松李江

(华东师范大学 经济学院，上海 200062)

一、研究背景

改革开放40年以来，农民工在我国经济的快速发展中扮演着非常重要的角色，数亿农民从农村进入城镇就业，为我国的经济发展和城市建设做出了不可忽视的巨大贡献。国家统计局发布的《2017年农民工监测调查报告》显示，我国农民工总量已经达到28 652万人，是我国产业大军中十分重要的一支力量①国家统计局.2017年农民工监测调查报告[EB/OL].http：//www.stats.gov.cn/tjsj/zxfb/201804/t20180427_1596389.html。。农民工市民化是我国社会转型的必经过程，是有序推进新型城镇化进程的核心问题之一，为此，党的十九大报告特地指出“三农”问题是关系国计民生的根本性问题，并强调政府应该继续加快农业转移人口市民化进程②农业转移人口包括五大重点人群：农村学生升学和参军进入城镇的人口、在城镇就业居住5年以上和举家迁徙的农业转移人口以及新生代农民工。农业转移人口市民化的重点和难点在于农民工市民化，因此本文以农民工为主要研究对象。。

然而，随着农民工市民化的不断推进，解决“谁来为农民工市民化成本买单”这一问题迫在眉睫。《国家新型城镇化规划(2014—2020年)》为农民工市民化的成本分担问题提供了指导，文件指出应该建立健全农民工市民化的成本分担机制，由政府、企业和个人三者共同承担市民化的成本，并明确成本承担的主体和相应的支出责任。“三位一体”成本分担机制共同负担农民工市民化的成本，任何一个主体都应该承担相应的责任。具体到农民工个人，工资收入无疑在其市民化的过程中承担了极其重要的作用，是决定农民工能否承担得起城市各种高昂成本从而在城市立足的关键所在，因此对农民工工资影响因素的研究有着重要的现实意义。

影响工资的因素有许多，对此所做的研究统称为工资决定理论。农民工的工资决定既有与其他职业工资决定的相似之处，也有农民工个体的特殊性。在研究工资决定的经典文献中，人力资本差异一般被认为是造成个体工资差异最重要的因素。人力资本是相对物质资本来说的一种资本形态，不同个体之间的知识、技能、经验等方面的差异都表现为人力资本差异，人力资本水平和工资水平正相关，人力资本对农业就业人口获取非农就业机会的能力具有重要影响。[1]教育背景是人力资本的核心因素，在工资决定中扮演着重要的角色，是劳动者收入差别的关键原因。[2]职业技能培训是提升农民工人力资本的主要手段，对农民工收入也有显著影响。[3]此外，对中国农民工工资决定的研究表明，工作经验、受教育程度、职业培训等人力资本变量也对农民工工资有显著的正向影响。[4-6]

农民工大多进入企业就业，因此，企业制度也是影响农民工工资的重要因素。企业制度是包含企业组织制度和管理制度在内的各种制度的总称，主要包括企业的所有制性质，企业所属的行业，企业用工制度以及企业规模大小等。农民工的工资水平与企业制度息息相关，不同的企业制度形成了不同的工资标准。其中，企业的所有制性质是一个企业最基本的制度安排，并与工人的权益保障息息相关，企业的所有制对农民工的工资影响非常大。[7]企业所处的行业也是非常重要的变量，行业间收入不平等对中国城镇居民收入差距的贡献越来越大。[8]此外，企业的规模、企业是否与农民工签订劳动合同等制度变量也决定了农民工工资水平，且一般是正向影响。[9][10]

一般而言，在控制了其他个人特征之后，规模较大的城市的工资水平更高。[11][12]这个论断对于本文讨论的农民工而言也成立。现有文献对这种现象有两种解释。一种解释是大城市可以通过各种渠道产生聚集效应，通过城市人口的规模效应或集聚外部性提高劳动生产率和工资水平。[13-15]另一种解释是由于大城市的竞争更为激烈，生产效率较低的劳动者被淘汰或自我选择进入到中小城市中去，生产效率较高的工人流向大城市，从而大城市的劳动者获得的收入较高。[16][17]总体而言，国内外很多文献都发现城市人口规模的扩大对劳动生产率和工资水平产生正向影响。

综上所述，国内外学者就工资决定理论进行了大量研究，但针对农民工工资决定的研究因其特殊性仍有研究的必要。已有文献大多考虑人力资本对农民工工资的影响，而较少涉及企业制度和城市规模对农民工工资的影响，将这三种因素放在同一框架下的研究则更少。就实证方法而言，大部分研究通过对截面数据进行OLS回归来分析各种因素对农民工工资的影响，但OLS回归方法反映的是影响因素对工资期望的影响，在有异常值时效果不好，且无法反映工资决定在不同分位数上的差异，因此需要考虑新的研究方法。农民工市民化是中国转型中的特有问题，对农民工的工资及其决定因素的研究对支持农民工在城镇购房和负担其他成本有着重要的意义。重庆市作为统筹城乡综合配套改革试验区，在农民工市民化这一重大政策实践过程中的经验十分重要，针对重庆市农民工的调研能够为整个中国经济的成功转型提供参考借鉴。

基于以上因素，本文在传统工资决定因素的经典框架下，采用2015年与2016年重庆市农民工市民化现状的问卷调查资料，构建农民工工资决定模型，采用OLS和分位数回归对农民工工资的影响因素进行计量分析，分析了人力资本、企业制度和城市规模对农民工工资的影响，并进一步考察了这些因素对农民工工资在不同分位数水平上的影响差异，得出研究结论与政策建议，从而为推进农民工市民化进程提供决策参考。

二、数据来源与统计性描述

本文所采用的数据来源于调研小组2015—2016年在重庆市主城九区、万州区、酉阳县、武隆县、江津区李市镇、璧山县八塘镇针对农民工市民化现状的调查。调查采用随机分层抽样方法，根据《国家新型城镇化规划(2014—2020年)》的城市划分特点[注]规划中写到：以合法稳定就业和合法稳定住所(含租赁)等为前置条件，全面放开建制镇和小城市落户限制，有序放开城区人口50万～100万的城市落户限制，合理放开城区人口100万～300万的大城市落户限制，合理确定城区人口300万～500万的大城市落户条件，严格控制城区人口500万以上的特大城市人口规模。，在特大城市重庆市主城九区发放问卷500份；在大城市万州区发放问卷500份；在中小城市酉阳县、武隆县，中心镇江津区李市镇、璧山县八塘镇发放问卷500份。正式调查前，调研小组在北碚区歇马镇发放50份问卷进行了预调查，并根据调查结果修改完善了调查问卷。正式调查的时间为2015年暑期以及2016年春节期间，通过一对一访谈，入户调查以及问卷调查等形式，调研小组累计发放问卷1500份，回收问卷1431份。待有逻辑错误、内容不全等异常问卷被剔除后，有效问卷有1353份，问卷有效率为90.2%。

本文的样本为在重庆市主城九区、万州区、酉阳县、武隆县、江津区李市镇、璧山县八塘镇务工的农民工。问卷涉及的内容是农民工的个体特征(性别、年龄、文化程度、婚姻状况、所处行业、工作地点、月收入、务工年限、就业合同签订情况、子女读书地点等)以及农民工市民化情况等方面。

从样本的基本特征看(见表1)，特大城市、大城市、中小城市和城镇的被调查者数量差不多，多数被调查者为男性，年龄集中在20～30岁，为新生代农民工，文化程度主要为高中及中专，多数被调查者婚姻状况为已婚，他们的务工年限集中在3年以下和10年以上，所处行业建筑业最多。

表1 农民工个人基本情况

数据来源：调研问卷整理得到。

三、计量设计

Mincer(1974)工资函数是本文农民工工资决定模型的基石。本文在此基础上加入了性别、婚姻状况、职业培训、就业合同、行业、工作地点等变量，建立如下工资函数[2]：

β5educi+β6traini+β7contri+β8indusi+

β9cityi+εi

表2 变量设置及描述统计

计量方法的选择在本文的研究中十分重要。由于关于我国农民工的调研数据多是单次调研的截面数据，因此普通最小二乘法是研究我国农民工工资决定因素采用得最多的方法，该方法描述了自变量对因变量均值的影响，是一种均值回归模型，但普通最小二乘法没有考虑到农民工工资可能存在的尖峰、厚尾分布特征，也没有考虑到工资数据可能存在的异方差性，此外，该方法在存在异常值时得到的回归结果也不稳健，并且不能分析各因素的影响在不同工资水平上的差异，可能错过许多重要的信息。

基于此，本文采用条件分位数回归方法来研究农民工工资决定。条件分位数回归方法(Quantiles Regression)可以解决普通最小二乘法的这些缺陷。分位数回归方法由Koenker和Bassett提出，并在随后被广泛地使用，该方法通过调节回归平面的转向和位置，让自变量估计不同分位数上的因变量，因此分位数回归估计的是因变量的条件分位数和自变量之间的线性关系，可以给出因变量更完整的分布特征，得到更加全面的信息。和普通最小二乘法不同，分位数回归在加权误差绝对值之和最小的基础上得到参数估计值，因此能够减轻异常值的干扰，从而得到更加稳健的估计结果。根据经验研究，条件分位数回归方法非常适用于研究劳动者收入水平差异的影响因素的分析。因此，基于普通最小二乘法和分位数回归各自的优缺点，本文拟同时采用普通最小二乘法与分位数回归来估计农民工工资影响因素。

四、实证结果与分析

根据上述计量模型，本文运用Stata 14软件对影响农民工收入的因素进行回归分析，得出回归分析结果见表3。本部分依次探讨农民工的人力资本水平、性别和婚姻状况、农民工所在的企业制度以及农民工就业的城市规模与农民工工资水平的关系。

表3 农民工工资影响因素的OLS回归和分位数回归结果

注：***，**，*分别表示在1%，5%和10%水平上显著。

(一)人力资本水平和农民工工资水平

本文选取的代表农民工人力资本水平的变量包括受教育程度、务工年限和是否参加职业培训，为了考察务工年限可能存在的二次曲线特征，本文还引入务工年限的二次方作为控制变量。

图1中的散点图和平滑模拟曲线描绘了农民工的受教育程度及务工年限与农民工工资的自然对数之间的关系。从图中可以看到，农民工的受教育程度和他们的工资水平呈现出正相关关系，而农民工的务工年限和他们的工资水平之间则呈现出先升后降的二次曲线关系，因此本文加入务工年限的二次方作为控制变量是有必要的。

从OLS回归结果(见表3)来看，农民工的受教育程度对农民工工资有显著的正向影响，务工年限对农民工工资有显著的正向影响，但考虑到务工年限平方对工资有负显著影响，可以判断农民工的务工年限对农民工工资的影响呈现“倒U形”的二次曲线特征，在务工年限达到顶点阈值之前，务工年限越多的农民工工资越高，而达到阈值后，务工年限的增长反而会影响工资水平。在控制了其他变量的基础上，务工年限和工资水平的二次曲线关系表现出了务工年限的边际递减效应，说明人力资本对农民工工资水平有着正向影响，但人力资本的边际收益是递减的，这和Mincer工资函数的基本结论一致。

此外，是否接受过职业培训对受访者工资的影响显著，接受过职业培训的受访者比没接受培训的受访者对数工资高14%，且在1%水平上显著。可以看出职业培训对农民工的工资影响极大。

图2是农民工的受教育程度和务工年限的回归系数在各分位数上的变化情况。从图中可以看出，分位数回归的所有分位点上的回归系数均落在普通最小二乘回归系数95%的置信区间以内，这说明两种方法的估计结果基本一致。此外，从低分位到中高分位的过程中两个变量的回归系数均有升高的趋势，说明农民工的受教育程度和务工年限对工资水平的影响随着工资水平的提高而提高，受教育程度和务工年限的回报率在工资更高的工作岗位上的边际收益更高。但是受教育程度的回归系数在50分位上达到最大值0.032，务工年限的回归系数在80分位上达到最大值0.0258，之后并没有呈现出持续的上升趋势，这说明在较高水平上受教育程度和务工年限对工资水平的影响趋于稳定。

此外，农民工是否参加职业培训的回归系数在所有分位数上均通过统计检验，可见职业培训在所有工资水平对农民工工资有显著影响。

注：图中直线之间的范围是OLS回归系数的95%置信区间。

(二)性别和婚姻状况对农民工工资水平的影响

大量关于农民工性别工资理论的研究发现我国存在非常严重的性别歧视，女性农民工的非农就业参与率和工资水平普遍低于男性[18]，本文的研究结论佐证了这一观点。从描述统计来看，女性农民工的就业行业多集中于服务业，而男性农民工就业行业则比较广泛；此外，研究还发现职业内部的工资差异也十分明显，对于同一岗位，男性农民工的平均工资普遍高于女性。本文的实证研究也验证了这一观点。从OLS回归结果来看，在控制了其他变量的情况下，男性农民工的工资比女性显著高21.3%。分位数回归结果也得出同样的结论，但可以得到更细致的信息。男性虚拟变量在不同分位数上的变化趋势显示(见图3)，随着工资水平的上升，农民工就业市场上的性别歧视程度逐渐降低。

此外，从OLS回归结果来看，已婚的农民工相比未婚的农民工的工资显著高出15.7%，并且从分位数回归结果来看，在各个分位数上已婚的农民工均比未婚的农民工工资高。由于样本中男性占比较多，对于农民工中女性的婚姻到底是“升水”还是“诅咒”很难得出，但不难得出对于农民工中的男性，婚姻会显著地提高工资。

(三)企业制度和农民工工资水平

农民工就业的企业往往面临着企业制度不完善的问题。从OLS回归结果来看，是否与企业签订就业合同会显著影响农民工的工资水平。分位数回归结果显示，是否签订就业合同在低收入群体(10～30分位数)上非常显著，而在更高的收入水平上没那么显著；一个明确的结论是，签订就业合同能够显著地提高低收入群体的工资水平。而且从OLS回归结果来看，签订就业合同能够从总体上提高所有农民工4.01%的工资，但从分位数回归的10～30分位数的回归结果来看，签订就业合同能够使工资显著提高23.1%、17.5%和7.9%，这说明了对越低收入群体来说是否签订劳动合同对工资的影响很大。

农民工在城市就业时面临着种种困难，其中最重要的一项就是所属行业和从事职业的限制，这种限制既有受教育程度、专业技能等人力资本因素的原因，又有企业制度的原因。农民工的就业岗位多集中在建筑、加工制造和服务业等行业，而这些行业属于低端的劳动密集型行业。本研究的样本中有25.7%的农民工属于建筑业，19.7%的农民工属于服务业，而仅有5.8%的农民工还在从事农林牧渔业。而就业集中在低端市场的特点决定了农民工在就业时选择的空间有限，因此他们在变换工作时更多的是同阶层的流动。

从OLS回归结果来看，和农林牧渔业相比，建筑业、服务业、加工制造业和交通运输业的工资均显著高于农林牧渔业，建筑业工资最高，平均比农林牧渔业工资高18.9%，而服务业也高14.9%，加工制造业和交通运输业分别比农林牧渔业高11.7%和12.4%，这从侧面证明了从事第二三产业能够取得比第一产业更高的收入，从另外一个角度也发现从事农林牧渔业的农民工收入与从事二三产业的差距不大，这也可能与从事农林牧渔业的农民工多以兼业方式为主有关。从分位数回归的结果来看，建筑业和加工制造业等第二产业低收入群体(10～30分位数)的工资显著高于农林牧渔业，而中高收入群体则没有显著的差别。服务业和交通运输业等第三产业中低等收入群体(10～40分位数)的工资显著高于农林牧渔业，高收入群体没有显著差别。

(四)城市规模和农民工工资水平

一般而言，规模较大的城市的工资水平更高，大城市的农民工工资溢价更可能是因为大城市使得农民工更有生产力，但很大程度上并不是因为大城市的农民工技能水平更高。[12]从OLS回归结果来看，城市规模虚拟变量的回归系数显示特大城市的农民工工资显著高于城镇，平均高出13.4%，大城市的农民工工资同样显著高于城镇，但只高出城镇7.55%，而中小城市和城镇的农民工工资没有显著差别。分位数回归结果提供了更为细致的信息，显示特大城市的农民工工资在中低等和中高等收入群体(20～40分位数和60～70分位数)上显著高于城镇，而在极低、极高和中等收入群体中却没有显著的差别。大城市的农民工工资在中低等收入群体(20～40)上显著高于城镇。中小城市的农民工收入在较少分位数上显著，但总体上不显著。

因此，特大城市的农民工工资显著高于大城市的农民工工资，大城市的农民工工资显著高于小城市和城镇，但是小城市和小城镇的农民工工资之间并没有明显的区别，这可能是因为在重庆市只有特大城市和大城市能够为农民工带来生产力的提升。

五、结论、探讨与政策建议

本文利用重庆市农民工的问卷调查资料，构建了农民工的工资决定模型，并通过最小二乘法和分位数回归法对农民工工资的影响因素进行计量分析。研究发现：

1.农民工的人力资本水平对其工资有显著的正向影响，但人力资本的边际收益是递减的。农民工的受教育程度和务工年限对工资水平的影响随着工资水平的提高而提高，受教育程度和务工年限的回报率在工资更高的工作岗位上的边际收益更高。此外，职业培训在各个工资水平上均对农民工的工资有正向影响。

2.企业制度也是影响农民工工资水平的重要因素。企业制度变量中的是否与企业签订就业合同对农民工工资有一定影响，特别是能够显著地提高低收入群体的工资水平。农民工就业集中在低端市场的特点决定了他们在就业时选择的空间有限，因此他们在变换工作时更多的是同阶层的流动。和农林牧渔业相比，建筑业、服务业、加工制造业和交通运输业的工资均显著高于农林牧渔业，建筑业工资最高，服务业其次，加工制造业和交通运输业也比农林牧渔业高。

3.规模较大的城市的工资水平更高。特大城市的农民工工资显著高于城镇，大城市的农民工工资同样显著高于城镇，而中小城市和城镇的农民工工资没有显著差别。

由此，我们得出的基本结论是：人力资本中的受教育程度、务工年限、就业培训等变量对农民工工资有显著的正向影响，性别和婚姻状况也有显著影响；企业制度中的是否签订劳动合同对中低收入群体有显著影响，对高收入群体没有显著影响，企业所属行业对工资有显著影响，总体来说建筑业和服务业的工资较高；城市规模对农民工工资有一定影响，特大城市农民工工资显著高于城镇，大城市工资低于特大城市高于城镇，但是中小城市和城镇的农民工工资没有显著差别。基于此，本文提出以下政策建议：

1.加强对农民工尤其是低收入阶层农民工的职业培训。职业培训在各个收入水平上对农民工的工资水平均有正向影响，加强农民工的职业培训能够对农民工整体工资收入的提升起到极其重要的作用。农民工的职业培训途径主要分为政府和企业，政府应该积极整合职业教育和职业技能培训资源，加强新生代农民工的职业教育，并补贴职业技能培训服务，从而提高农民工就业创业能力和职业素养。企业应该积极开展农民工岗位技能培训，足额提取并合理使用职工教育培训经费。

2.加强对农民工就业合同签订情况的监管。企业制度变量中的是否签订就业合同对农民工工资有显著影响，特别是能够显著地提高低收入群体的工资水平。但是农民工劳动合同签订率低的困境不能单靠农民工自身来维权解决，而是需要政府这样的外力强力介入。通过加大劳动合同法的执法力度，力争改变农民工在和企业谈判中的弱势地位，从而尽快打破农民工劳动合同签订率低的恶性循环，最终提升农民工的工资。

3.积极保障大城市中低技能劳动力的权益。大城市相对规模较小的城市拥有更高的工资溢价，能够使在大城市就业的低技能劳动者完成市民化成本的工资积累，但是低技能劳动力在大城市的就业中却经常遭受就业歧视，因此，在接下来的户籍制度改革中，大城市不应该一味地驱逐低技能劳动力，而是应该对低技能劳动力采取包容性政策，保障他们的权益，并积极吸纳部分在城市有较长居住时间的农民工市民化，以促进城市繁荣。