贸易自由化与非正规就业——基于CHNS数据的实证分析

胡 翠 纪 珽 陈勇兵

一、引 言

在中国，非正规就业已经成为越来越重要的经济现象。朱玲和姚宇(2006)利用国家统计局就业总人口数推测，1997—2004年中国城镇地区的非正规就业总量从 5392万人上升到 13601万人； 昉吴要武和蔡 (2006)的估计结果表明，中国非正规就业在城镇总就业人口中所占比重从2001年的19%上升到了2005年的25%。Xue等(2014)的研究发现，该比重在 2010年进一步提高到 40.32%。尽管关于中国非正规就业规模和比重变化的文献非常丰富而其呈上升趋势的特征也已是共识，但有关其变化原因的研究稍显不足。本文试图从贸易自由化的视角，为中国非正规就业比重的变化提供一定的解释。

理论上，本文基于有效工资的思想，构建了一个局部均衡模型来解释贸易自由化对非正规就业比重的影响机制。在模型中，正规就业和非正规就业工人的重要区别在于，前者的工作努力程度不能完全被企业监测，而后者则可以。这主要是因为，正规就业工人与企业之间签订了正式合同，企业需要搜集大量的证据证明其工作不努力才能将其解雇，因而监督成本非常高。此外，正规就业工人的努力程度与其被解雇的风险呈反方向关系。当被解雇风险增加时，正规就业工人将降低其努力水平。由于出口自由化使企业倾向于使用劳动节约型的技术，进口自由化让企业面临过剩危机，这些都会增加正规就业工人被解雇的风险，降低其努力的程度，使企业需要支付给每单位正规劳动力的有效工资上升，因而在雇佣劳动力上出现了非正规就业对正规就业的替代。

实证上，本文利用中国居民健康和营养调查(CHNS)的数据，从微观个人和宏观地区两个层面，对理论模型的预测进行实证检验。在个人层面，本文根据职业登记表的信息，确定被调研者的就业状态；且与 Paz(2014)一样，以被调研者从事非正规就业的概率作为非正规就业比重的代理变量。在宏观层面，借鉴Attanasio等(2004)以及Goldberg和 Pavcnik(2005)的做法，本文以被调研者的个体信息为基础，估计了相应地区非正规就业的比重。实证结果验证了理论模型的预测，即贸易自由化(不管是出口自由化还是进口自由化)都提高了非正规就业的比重。

本文余下的结构安排为：第二部分回顾了相关文献并提炼出本研究的贡献；第三部分从理论上探讨了贸易自由化影响非正规就业的内在机制，推导贸易自由化与非正规就业比重之间的关系；第四部分描述了模型设定、数据来源和关键变量的构造；第五部分为估计结果；最后一部分是结论。

二、文献综述

贸易自由化对就业的影响是国际贸易的一个重要研究分支。这支文献的研究问题大致可以分为两类。

一类是通过考察贸易自由化与劳动需求弹性之间的关系来探讨其对就业总量的影响。很多研究表明贸易自由化提高了企业对工人的需求弹性(Jean，2000；Hasan等，2007；Mirza和Pisu，2009)，但也有研究发现贸易自由化对劳动需求弹性的影响不确定甚至没有影响(Mitra和 Shin，2012；Akhter和 Ali，2007；Mouelhia和 Ghazalib，2013)。在国内，关于贸易自由化与就业总量关系的研究也大多是考察其对劳动力需求弹性的影响(周申，2006；盛斌和马涛，2008；盛斌和牛蕊，2009；肖德等，2013；梁中华和余淼杰，2014；毛其淋和许家云，2016)。

另一类则关注的是贸易自由化与就业结构之间的关系。最初对该问题的研究大多集中于考察贸易自由化对技术工人与非技术工人就业和工资差距的影响(Berman等，1994；Head和 Ries，2000)。随着结论越来越明晰，学者们开始扩展就业结构的定义，得到了很多其他有意思的发现。Edmonds和 Pavcnik(2006)探讨了贸易自由化如何影响劳动力在家庭和市场间的分配，结果表明贸易自由化的过程中劳动力会越来越多地在市场上寻求工作，而投入家庭劳动的时间则会下降。Davis和 Harrigan(2011)利用模拟的方法，研究了贸易自由化对“好工作”和“坏工作”的影响。Kis-Katos和Sparrow(2015)利用印度尼西亚的样本考察了贸易自由化对低技能劳动力就业的影响，发现贸易自由化增强了低技能劳动力的就业倾向，且中间品贸易自由化较最终品贸易自由化的影响大。Ahsan和Chatterjee(2017)则基于印度的数据探讨了贸易自由化对代际之间职业流动性的影响，其研究结果表明贸易开放提高了后代获得更好职业的几率。Chen等(2017)还基于中国数据，探讨了出口对不同性别工人就业的影响。

近些年来，伴随着经济全球化程度的不断加深，非正规就业的规模越来越大，成为世界各国的普遍现象(Schneider和Enste，2000)，一些学者开始从正规和非正规的视角来研究贸易自由化对就业结构的影响，但并没有得到一致的结论。Acosta和 Montes-Rojas(2014)发现，进口关税的下降将使阿根廷制造业行业层面的非正规就业比重上升。Alemán-Castilla(2006)的研究表明，墨西哥可贸易品部门非正规就业比重的上升与美国关税的下降密切相关，但墨西哥本国进口关税的下降对非正规就业没有任何影响。利用巴西和哥伦比亚的样本，Goldberg和Pavcnik(2003)得到了进口关税下降使哥伦比亚非正规就业比重稍有上升以及对巴西非正规就业比重影响不显著的结论。Menezes-Filho和Muendler(2011)也以巴西为样本发现，进口关税下降对工人从正规部门转向非正规部门就业的概率没有显著影响。然而，Paz(2014)同样是用巴西的样本，发现进口关税削减使非正规就业比重显著下降。

在国内，很多学者注意到非正规就业规模不断上升这一现象，并进行了一系列相关研究。总的来看，这些研究主要围绕以下三个问题进行展开：首先，非正规就业的规模及变化趋势(朱玲和姚宇，2006； 昉吴要武和蔡 ，2006；Xue等，2014)；其次，非正规就业的影响，包括非正规就业对收入差距的影响(李雅楠等，2013)、非正规就业对主观幸福感的影响(王海成和郭敏，2015；卿石松和郑加梅，2016)、非正规就业对经济增长的影响(张延吉等，2015)、非正规就业对居民社会融入的影响(张抗私等，2016)；最后，影响非正规就业的因素，相比于前两个问题，现有文献在最后一个问题上的研究则较少，仅有王海成等(2017)考察了就业保护制度的影响、刘波和徐蔼婷(2014)探讨了家庭收入的影响以及李金昌等(2014)利用省级层面的数据探讨了贸易开放的影响。

与已有研究相比，本文的贡献有：第一，基于有效工资的思想，在理论上为贸易自由化对非正规就业比重的影响机制提供了一个可能的解释。第二，与已有关于贸易开放与中国非正规就业之间关系的研究相比，本文在微观个体层面上，进一步肯定了已有研究的结论。此外，本文主要关注非正规就业比重，而并非其绝对水平，因而研究结果变量不完全一样。第三，为关于贸易自由化对非正规就业影响的文献提供中国证据，并利用中国加入 WTO这一历史事件，更好地处理了可能存在的内生性问题，使研究结论更为可信。

三、理论模型

这部分将基于有效工资的思想，构建一个简单的局部均衡模型，为贸易自由化对非正规就业比重的影响提供可能的理论解释。

（一）偏好

假设所有劳动者都是风险中性的，且有着相同的 Dixit-Stiglitz形式常替代弹性偏好。劳动者所有的收入来自其工作报酬，即工资。同Paz(2014)一样，本文也假设，尽管工人提供的是同质劳动，但每位工人可以选择其在工作中努力的水平(e)。对于每位工人，根据其是否与企业签订合同，被分为正规就业工人和非正规就业工人。借鉴Goldberg和 Pavcnik(2003)的假设，正规就业工人和非正规就业工人的一个重要区别在于，非正规就业工人的努力程度是可以被企业完全监测的，但正规就业工人的努力程度则无法监测。正规就业工人和非正规就业工人的这种差异主要来自于劳动法的规定。由于正规就业工人与企业签订了劳工合同，仅仅以不努力工作为理由而将其解雇并非易事，所以与其对工人进行监督，企业更倾向于采用各种方式激励正规就业工人努力工作。简单起见，假设企业对非正规就业工人的监督不需要成本，非正规就业工人选择的努力程度对企业而言是确定的，且e=1；而正规就业工人付出的努力程度e≤1。因此，当工人被支付的工资为w且面临的商品价格指数为P时，其间接效用函数为：

其中，wfor、winf分别为正规就业工人和非正规就业工人所获得的名义工资。正规就业工人付出的努力程度与其面临的被解雇风险(δ)呈负相关关系，即 dedδ ＜0。这意味着，当面临较大的被解雇风险时，工人会变得更加消极懈怠。其可能的原因是，当失业风险较高时，工人需要承受较大的心理压力，无法全身心的投入工作；此外，为了防患未然，劳动者也有可能将更多的精力用于寻找新工作。

贸易自由化会在一定程度上影响工人被解雇的风险。从出口自由化来看，当出口关税τ*下降时，企业倾向于采用新的、劳动节约型的技术(Cimoli等，2005)，这使工人面临的失业风险上升。从进口自由化来看，若进口关税τ下降，原来由于高关税无法进入本国市场的商品，现在能与本国商品竞争，从而本国市场上该商品的供给增加。这相当于企业受到了一个不利冲击，市场对企业生产商品的需求降低，企业面临着过剩危机，这也会导致工人被解雇的风险上升，故有：

（二）企业的行为

经济中一代表性厂商，在生产中需要同时使用正规就业工人(lfor)、非正规就业工人(linf)和资本(k)。假设该厂商的生产函数为柯布-道格拉斯形式，即：

其中A代表劳动偏向的技术。在完全竞争市场中，该厂商生产商品的价格为p，其利润函数为：

其中，r为单位资本的价格，we,for、we,inf分别是支付给单位正规就业工人和非正规就业工人的有效工资。若企业支付的名义工资为w，则we=we。结合前述关于偏好的假设有：

设企业的收入为R，则根据厂商利润最大化和成本最小化的一阶条件，企业支付的工资与雇佣的劳动量分别为：

（三）贸易自由化的影响

定义非正规就业工人的比重 Share = linf(linf+lfor)，则根据式(4)～式(7)有：

式(8)意味着，非正规就业比重与正规就业工人努力程度密切相关，而与企业在贸易自由化前后收入的变化没有任何关系。出口关税和进口关税的变化对非正规就业工人比重的影响可以写成：

根据式(8)可知，式(9)和式(10)等号右边的第一项为负；而根据对正规工人工作中努力程度与其所面临的风险关系的假设以及前述进出口关税对工人面临被解雇的影响可知，式(9)和式(10)等号右边的第二、三项也都为负。因此，我们有如下定理。

定理：当出口关税或进口关税下降时，非正规就业工人在劳动总人口中所占比重上升。

四、模型设定、数据来源及变量描述

（一）模型设定

中国居民健康和营养调查(CHNS)问卷中涉及到被调研者的就业状态以及所在单位的性质和规模，根据非正规就业定义以及上述信息，我们可以确定被调研者从事的是正规就业还是非正规就业，这为本文建立计量模型提供了一定指导。

1.个人层面计量模型

根据 Paz(2014)的研究，个人从事非正规就业概率的上升等价于非正规就业者的比重上升，因此本文首先基于被调研者的个人信息对贸易自由化的影响进行考察，具体实证模型如下：

其中，i代表工人，j为地区，t是时间；informal为虚拟变量，当工人就业形式为非正规时取值为 1，否则为 0；openness代表贸易自由化程度；X是与工人自身特征相关的且影响其选择就业形式的可观测变量，根据 Bosch等(2012)的文献，这些变量包括年龄、婚姻状况、性别以及受教育水平。为控制如经济周期或汇率变动等宏观经济冲击的影响，模型中包含了年份的虚拟变量 year。district为地区的虚拟变量，以控制地区特定且不随时间变化的因素对被解释变量的影响。ε1ijt为误差项。

2. 地区层面的计量模型

同Hasan等(2012)一样，本文也从宏观地区层面对贸易自由化与非正规就业比重的关系进行考察，以进一步验证个人微观层面得到的结论。为保持样本的一致性，这里将借鉴Attanasio等(2004)以及Goldberg和Pavcnik(2005)的两步法，首先计算个人选择非正规就业的概率被各地区解释的部分，并进行标准化处理得到地区层面的非正规就业比重；其次再用地区层面的非正规就业比重对贸易自由化变量进行回归。具体来说，在第一阶段，分别用样本中各年的个人层面数据估计如下方程：

其中，informal、X和district的含义同式(11)，ε2ij为独立同方差的扰动项。第二阶段的估计方程为：

其中φ是第一阶段估计得到的各地区非正规就业比重；ε3jt是满足独立同方差性质的随机扰动项。其他变量的含义与式(11)相同。

（二）数据来源与变量描述

实证研究中数据来自于美国北卡罗莱纳大学和中国预防医学科学院联合执行的中国居民健康和营养调查(CHNS)数据库。该调查自 1989年开始，到目前为止，已经有了10个年份的样本①分别是1989年、1991年、1993年、1997年、2000年、2002年、2004年、2006年、2009年和2011年。。调查中采用多阶段分层随整群抽样(multistage random cluster sampling)方法，依据地理位置、经济发展程度、公共资源的丰裕程度和健康指数的特征覆盖了中国东、中和西部的 8～12个省份②包括辽宁、江苏、山东、河南、湖北、湖南、广西、贵州、黑龙江。2011年还增加了北京、上海和重庆，但考虑到数据连续性问题，本文没有使用最后被纳入调研的这三个地方的样本。。虽然调查的目的是为了了解中国居民的健康和营养状况，但也包含了个人的教育水平、工作等信息，因而该数据库对于分析就业状况非常有用。此外，相对于公布的其他微观数据，该数据库拥有调查年份较多、时间跨度较长等特点，能很好反映相关变量的变化趋势。

本文根据 ILO(1993)给出的关于非正规就业的内涵，并结合已有研究，对于非正规就业者进行界定。CHNS问卷中有一个问题是“你在目前工作中的职位是何种类型”，被调研者从所给出的选项中选择即可。相应的选项包括“有雇工的个体经营者”“无雇工的个体经营者”“为他人或单位工作的长期工(包括：各级企、事业，大、中、小集体企业，集体农场，私人企业)”“为他人或单位工作的合同工”“临时工”“领取工资的家庭工人”“无报酬的家庭帮工”“其他”“不知道”。对于选择“其他”和“不知道”的被调研者，由于无法进行判断，本文删掉了这部分观测值。研究中，个体经济和家庭经济属于非正规经济是得到一致认可的，从而“有雇工的个体经营者”“无雇工的个体经营者”“领取工资的家庭工人”和“无报酬的家庭帮工”都被归为非正规就业工人。“临时工”由于不能享受社会保障，将其归为非正规就业者也无可厚非。难以确定的是“为他人或单位工作的长期工”的被调研者。考虑到 ILO(1993)指导框架指出“非正规部门包括雇员数量较少的小企业”，这里将结合问卷中的另一个问题“你所在单位有多少职工”进行确定。1997年之前，后一问题要求被调研者给出具体的数字，但之后的问卷中给出了具体选项。为了保持前后一致，本文将选择了“为他人或单位工作的长期工”且“所在单位职工低于20人”的被调研者也视为非正规就业者。

个人层面控制变量的定义如下：(1)性别(gender)。被调查者为男性时取值为0，被调查者为女性时取值为 1。(2)婚姻状况(marital)。CHNS问卷中关于婚姻状况的选项有 5个，本文将在婚状态定义为 1，其他四种类型定义为 0。(3)年龄(age)。根据调研年份与被调研者出生年份进行确定。由于本文考虑的是就业情况，因而仅保留工作年龄段，即 18～65岁人群的样本。(4)受教育水平(edu)。CHNS将被访问者的受教育程度分为：没有受过教育；小学；初中；高中或职业学校；大专或大学；硕士及以上。本文以没有受过教育为基础组，定义 5个虚拟变量对受教育水平进行控制。(5)工作经验(exp)。调研中没有涉及到工作经验，这里根据 Mincer(1974)的做法用潜在工作经验进行替代，即用年龄减去受教育年限再减去入学年龄 6。对于受教育年限，借鉴李雅楠等(2013)的研究，将小学毕业、初中毕业分别设定为 6年和9年；高中毕业、中等技术学校或职业学校毕业设定为12年；大专或大学毕业、硕士及以上所对应的受教育年限分别为 16年和 19年。考虑到农村就业性质的特殊性，分析中仅保留城镇的样本。处理后的样本观测值为16448。个体层面各变量的统计性质如表1所示。

表1 个体层面控制变量的统计性质

表2均值检验的结果显示，尽管正规就业和非正规就业群组在工作经验上十分接近，但在其他方面存在着显著的差异。正规就业群组中男女比例相差不大，但在非正规就业中，男性占比稍高。不管是正规就业还是非正规就业群组，已婚人员都超过了一半，但正规就业群组中的已婚人员占比则较非正规就业群组中的低。在年龄方面，正规就业群组的平均年龄约为39岁，比非正规就业群组的37岁略高。从受教育水平来看，正规就业群组中接受过高等教育的就业者所占比重较非正规就业群组中更大。

表2 正规就业和非正规就业组的均值检验

关于贸易自由化，一些研究用关税水平进行度量。例如 Castilho等(2012)在研究贸易自由化与收入差距及贫困关系的实证中，构建了行业水平的加权关税税率来衡量贸易自由化程度，采用类似做法的还有 Bosch等(2012)、Paz(2014)等。值得注意的是，贸易自由化不仅仅包括关税水平下降，还包括大量的非关税壁垒削减。尤其是近些年关税水平已经降到了很低，影响贸易很大程度上取决于非关税壁垒，仅用关税水平并不能很好地反映贸易自由化程度。因此，也有研究在衡量贸易自由化的同时用到了关税和非关税壁垒的信息，如Hasan等(2012)。但对于中国这样的发展中国家而言，非关税壁垒的数据难以获得(余淼杰，2010)。考虑到不管是关税壁垒还是非关税壁垒的变化，最终都会反映在贸易流量上，本文将据此来构建贸易自由化的指标。

具体来说，本文用进出口总额与GDP之比作为贸易自由化程度的代理指标。该比值越大意味着总体贸易自由化程度也越高。此外，我们也分别构建了出口额与GDP之比以及进口额与GDP之比的指标，以进一步考察出口自由化和进口自由化的影响。事实上，已有很多研究采用过类似的做法。例如，余淼杰(2010)在考察贸易自由化对制造业企业生产率的影响时，便是用进口渗透率(进口额与总产出之比)来衡量贸易自由化程度的。Castilho等(2012)除了用关税水平对贸易自由化进行度量外，还用到了进口渗透率和出口密集度(出口额与总产出之比)。Dutt等(2009)也以贸易开放度(进出口总额与总产出之比)作为贸易自由化的衡量指标之一来考察其对失业的影响。由于本文使用的样本中只能确定被调研者所在的省，因而贸易自由化指标都是在省级层面上进行构建。各地区进、出口额以及GDP数据均来自国家统计局。

五、估计结果

（一）微观个人层面的估计结果

1. 基本估计结果

利用个人层面数据对式(11)估计的基本结果如表3所示。其中，贸易自由化指标在Panel A中用进出口总额与GDP之比来衡量，在Panel B中用出口额与GDP之比来衡量，在Panel C中则以进口额与GDP之比作为代理变量。因此，相对应的结果分别表示总体贸易自由化、出口自由化和进口自由化的影响。同很多其他研究(如 Greenaway和Kneller，2008)一样，在估计中，各贸易自由化变量均滞后一期。

表3的前3列是利用线性OLS估计方法得到的结果。第1列中仅控制了相应自由化指标以及年份和地区的固定效应，第2列加入了年龄、工作经验、性别和婚姻状态等个体特征的变量，第 3列进一步控制了 5个受教育水平的虚拟变量。从估计结果来看，不管是否控制个体特征变量，也不管控制了多少个体特征变量，各贸易自由化变量前面的估计系数都在1%的水平上显著为正，即总体贸易自由化、出口自由化以及进口自由化都与个人从事非正规就业的概率之间存在着显著正相关关系，与理论模型的预测一致。从影响大小来看，Panel A的估计结果表明，进出口总额与 GDP之比上升10%，个人从事非正规就业的概率将上升 2.33%～2.86%；Panel B中出口贸易自由化指标前面的估计系数意味着，出口额与GDP之比上升10%，个人从事非正规就业的概率将提高1.86%～3.04%；根据Panel C的估计结果，进口额与GDP之比上升10%，个人从事非正规就业的概率会增加8.40%～8.81%。因此，进口自由化对非正规就业比重的影响较出口自由化大。

考虑到被解释变量是0和 1的虚拟变量，OLS估计量将不具有一致性，本文利用probit方法对表3中(1)～(3)列的模型设定进行重新估计，相应的结果报告在表3的(4)～(6)列。同样，在Probit 估计结果中，各贸易自由化指标前面的系数均在1%的水平上显著为正。结合样本中各贸易自由化指标的均值，计算边际影响效应的结果为：进出口总额与GDP之比上升10%，个人从事非正规就业的概率将上升2.21%～2.78%；出口额与 GDP之比上升 10%，个人从事非正规就业的概率将提高 1.55%～2.83%；进口额与 GDP之比上升 10%，个人从事非正规就业的概率将提高 8.08%～8.59%①probit估计方法中，估计系数需要结合模型中各变量的取值进行一定的变换才能解释为边际影响，所以这里的边际影响效应与表格中的估计系数有差异。。与OLS估计结果相比，各贸易自由化指标的边际影响稍有下降，但差异并不是很大。此外，probit估计结果依然表明，相较于出口自由化，进口自由化对非正规就业比重的影响更大。

对于进口自由化的影响大于出口自由化这一实证结论，可以结合第三部分理论模型阐述的机制进行解释。根据理论模型，出口自由化使企业倾向于采用劳动节约的技术，增加了正规就业工人被解雇的风险，降低其工作努力程度，而进口贸易自由化则是通过使国内企业面临产品过剩危机这一渠道影响正规就业工人的工作努力程度。从现有研究来看，出口确实提高了中国企业的生产率，但其影响幅度与中国工业生产率的平均增长速度相当。如Hu和Tan(2016)的估计结果发现，出口使企业的生产率提高了4%～8%，仅稍高于鲁晓东和连玉君(2014)估计的中国所有企业生产率的平均增长率(3%)。对于进口自由化的影响，虽然没有直接证据表明其使企业面临过剩危机，但毛其淋和盛斌(2013)发现，1998—2007年间中国制造业企业具有很高的退出率，这在一定程度上反映了国内较多企业缺乏竞争力和遭遇过剩危机的现实。

对于其他各控制变量，相同模型设定下的估计系数符号相同，且都在1%的水平上显著。当控制了受教育水平后，年龄(age)和工作经验(exp)两个变量估计系数的符号发生了改变。这主要是因为年龄和工作经验与受教育水平之间存在一定的相关性。没有控制受教育水平时，在年龄和工作经验的估计系数中，也包含了受教育水平的影响。性别及受教育水平的影响在不同模型设定下表现出较强的稳健性。其中，相对于男性，女性劳动力从事非正规就业的概率较低。可能的解释是相对于男性，女性较为重视工作的稳定性(薛进军和高文书，2012)。在受教育程度方面，由于本文的基准组是没受过教育的劳动者，因而各教育虚拟变量显著为负的估计系数可以解释为，接受过教育的劳动者从事非正规就业的概率较未接受过教育的劳动者低。比较受教育水平各虚拟变量边际效应可以发现，个人从事非正规就业的概率会随着接受教育水平的上升而下降，这与姚宇(2007)利用 2002年城市调查数据得到的结论一致，说明教育在寻找正规就业岗位中扮演着重要角色。

表3 个人层面估计的基本结果

续表3

2. 稳健性检验

这部分对上述基本回归结果进行稳健性检验，包括控制更多的变量，利用不同估计方法以及对不同子样本进行回归。

表4报告了控制家庭收入变量和利用GMM估计方法进行回归的结果①各列回归中都控制了与表3一样的个人特征变量，这些变量估计系数的符号同表3最后一列相同，为节省空间，之后表格中都不报告。。一方面家庭收入会对家庭成员产生“收入效应”，不仅影响其参与工作的可能性，而且或许还会决定其选择何种形式的工作；另一方面，贸易自由化与收入之间存在着相关关系(李磊等，2011)。如果不控制家庭收入，基本回归结果中各贸易自由化指标的估计系数可能会被认为包含了收入的影响。考虑到收入的影响可能为非线性，收入的平方项也一并进行了控制。估计结果如表4的第(1)～(3)列所示。估计系数表明，即使控制家庭收入这一变量，贸易自由化依然会提高个人从事非正规就业的概率。家庭收入一次项估计系数显著为负，但平方项显著为正，说明收入较高或较低的家庭，其成员选择从事非正规就业的概率也较大，这与刘波和徐蔼婷(2014)的发现一致。

表4第(4)～(6)列是GMM方法估计的结果。前述估计中不可避免地存在内生性问题，因为一个地区的劳动者从事非正规就业概率越高，该地区的企业越可能雇佣到廉价的非正规劳动者，从而成本更低并更具竞争力，进口或出口将更多。为此，这里用GMM 方法对基本模型设定进行回归。由于难以找到关于贸易自由化指标的合理工具变量，在GMM回归中，依然以各贸易自由化指标的滞后项作为其自身的工具变量。估计结果表明，基本回归中得到的结论依然成立。考虑到用滞后项作为工具变量，GMM估计结果或许依然无法令人完全信服，本文后面还将基于中国加入 WTO 的拟自然实验，利用DID的方法来解决可能存在的内生性问题。

表4 控制更多变量和GMM的估计结果

对不同时间段和不同地区子样本进行 probit估计的结果如表5所示。Panel A 是以2002年为界，对2002年之前和之后的两个子样本进行回归的结果，Panel B是对中东部地区和西部地区样本分别估计的结果。各子样本的估计中均控制了个人特征、年份固定效应和地区固定效应。估计系数表明，只有在 2002年之后或中东部地区，贸易自由化才对个人从事非正规就业的概率有显著为正的影响。在 2002年之前或西部地区，贸易自由化的影响并不显著。这些估计结果恰好验证了理论模型所阐述的机制。2002年以前，大量工人在国企中工作，而当时国企的工作有“铁饭碗”之称(Berkowitz等，2017)，不存在被解雇的风险，从而理论模型中描述的机制并不会发生作用。自 20世纪90年代末以来，中国开始进行国企改革，尤其是2002年以后，按照加入WTO的承诺，很多国有企业变更了所有权性质，并引入市场运作机制(Li和 Xu，2015)。这意味着“优胜劣汰”成为大多数企业雇佣员工的重要原则之一，正规就业的工人开始面临着失业的风险。贸易自由化正是通过正规就业工人面临被解雇的风险影响其工作努力程度，最终影响经济中非正规就业的比重。同样的逻辑也可以用来解释贸易自由化对中东部地区和西部地区个人从事非正规就业概率影响的差异。

表5 不同子样本的估计结果

（二）宏观地区层面的估计结果

利用个人层面样本进行估计存在的问题是，衡量贸易自由化的变量是在地区层面进行构建的，无法完全反映每个劳动者所受到贸易自由化冲击的信息。解决这一问题有两种方法，一是构建个体层面的贸易自由化指标，二是放弃个体的样本，利用地区层面的非正规就业比重作为被解释变量进行估计。由于数据限制，无法为每个劳动者构建其受到贸易自由化冲击的变量，因而本文主要采取第二种方法，利用两步估计进一步从宏观地区层面上验证微观个体层面得到的结论①两步估计的具体步骤见模型设定部分。。对式(12)利用probit方法进行逐年回归，得到各地区非正规就业比重的统计性质如下。

表6 各地区非正规就业比重的统计性质

以估计的地区非正规就业比重为被解释变量，第二阶段的估计结果报告在表7中。其中，第(1)～(3)列是OLS估计结果，第(4)～(6)列是GMM估计结果。不管利用哪种估计方法，贸易自由化各指标的估计系数都至少在 5%的水平上显著为正。从影响大小来看，进出口总额与GDP之比每上升10%，地区非正规就业比重会增加1.71%～2.07%；出口额与 GDP之比每增加 10%，地区非正规就业比重将上升 2.27%～2.75%；进口与GDP之比每增加10%，地区非正规就业比重将提高5.16%～5.69%。这些结果与利用个人层面数据估计的结果相差不大。而且，根据地区层面的估计结果，同样也能得到进口自由化对非正规就业比重的影响较出口自由化更大这一结论。

表7 地区层面估计结果

（三）拟自然实验估计的结果

这部分以中国加入 WTO作为拟自然实验，利用双重差分方法解决可能存在的内生性问题，以进一步验证上文得到的结论。

自1987年起，中国开始申请恢复 GATT(后更名为 WTO)的缔约国地位，并最终于 2001年年底成功成为 WTO成员国之一。此后，中国开始履行其关税减让的义务，且在 WTO非歧视性原则的约束下，出口商品能享受其他国家更为优惠的关税，使进出口规模在GDP中的比重大幅提高。加入WTO之前的十年间，进出口额与 GDP之比的平均值只有 35.07%，而加入后的十年，该比值的平均值上升到了 54.20%。WTO对各地区参与贸易的影响却存在较大差异。例如，在本文使用的样本中，江苏的进出口额与GDP之比在2002年及以后的平均值较2002年之前上升了60.15个百分点，但湖南的进出口额与GDP之比在2001年前后仅变化了0.37个百分点。加入WTO对各地区参与贸易影响的不同使我们可以借鉴Guadalupe 和Wulf(2010)的处理，利用双重差分的方法，即通过比较受中国加入 WTO影响较大地区(处理组)非正规就业比重的变化与受影响较小地区(对照组)非正规就业比重的变化，来确定贸易自由化对非正规就业的影响。对个体样本进行双重差分的具体模型设定为：

式(14)中post02为虚拟变量，在2002年及之后的年份该变量取值为1，之前取值为0。Highexposure为处理组和对照组的虚拟变量。Han等(2012)发现，受影响较大地区的出口额与GDP之比或进口额与GDP之比在中国加入WTO后变化更大。基于他们的研究，本文分别根据进出口总额与 GDP之比、出口额与 GDP之比和进口额与GDP之比的变化来定义处理组和对照组。若某地区进出口总额与GDP之比在2001—2011年的变化与其在1989—2001年的变化之差大于样本中所有地区这一差值的平均值，则认为 WTO对该地区总贸易自由化程度影响较大。因此，该地区将归为处理组，其对应的Highexposure取值为1，否则为0。利用出口额与GDP之比和进口额与GDP之比对地区的划分依此类推。其他各变量的含义同式(11)。

对地区样本进行双重差分的模型设定为：

式(15)中被解释变量φ的含义同式(13)中一样，为估计地区的非正规就业比重。其他各变量的含义与式(14)中相同。如果贸易自由化会对非正规就业产生影响，我们将观察到落在处理组和对照组中的地区，个人从事非正规就业的概率或非正规就业比重在2002年前后的变化会有较为显著的差异，即交互项的估计系数3β和4β都应该显著异于零。

利用双重差分方法对式(14)回归的结果见表8的前三列。各列对应的处理组和对照组地区分别根据进出口额与GDP之比、出口额与 GDP之比以及进口额与 GDP之比进行确定，因而交互项的估计系数分别衡量的是总体贸易自由化、出口贸易自由化和进口贸易自由化的影响。各列的估计结果同样表明贸易自由化显著提高了个人从事非正规就业的概率。边际效应的结果也同样显示出，进口自由化对非正规就业的影响大于出口自由化。这些都与之前的估计结果保持高度一致。利用地区层面样本进行双重差分的估计结果报告在表8的后三列。同样地，各交互项变量的估计系数显著为正，且进口自由化的影响依然较出口自由化的影响大。因此，本文的估计结果表现出较强的稳健性。

表8 拟自然实验的估计结果

六、结论

就业是民生之本，是改善生活的基本前提和基本途径，也是维持社会稳定的重要保证，因而劳动力市场状况是社会各界所关心的问题。本文主要从贸易自由化的视角，解释非正规就业所占比重变化的原因，为中国劳动力市场上存在的较大规模非正规就业现象提供一定解释。

理论上，本文根据有效工资的思想，构建了一个简单的模型，阐述贸易自由化对非正规就业比重的影响机制，并预测贸易自由化将提高非正规就业的比重。实证上，利用中国居民健康和营养调查(CHNS)的数据，本文从个人微观和地区宏观两个层面对理论模型的预测进行验证。实证分析的结果表明，贸易自由化确实提高了个人从事非正规就业的概率，也增加了地区非正规就业的比重。此外，与出口自由化相比，进口自由化对非正规就业比重的影响更大。

很多研究表明，中国的非正规就业工人不仅在收入上远远落后于正规就业者(薛进军和高文书，2012)，而且在劳动条件与所获得的社会保障等方面也都较正规就业者低(吴要武和蔡昉 ，2006)。本研究引申的政策含义包括：第一，加大对从事国际贸易企业在落实劳动法方面的监督，以改善非正规就业工人的劳动条件和福利水平。尽管由于数据限制，无法比较贸易和非贸易企业在雇佣非正规就业劳动力方面的差异，但本文理论模型表明，对外贸易部门是中国非正规就业比重上升的重要原因之一。从对外贸易中频频遭受的绿色贸易壁垒等案例可以推测，中国从事对外贸易企业不严格执行劳动法的现象非常普遍。为此，需要采取相应措施加大对从事国际贸易企业的监督，保证其认真贯彻执行劳动法，保障非正规就业工人的基本权益。第二，有效落实扶贫政策，提高贫困家庭的收入，实现社会阶层流动的良性循环。本文实证结果也发现，收入越低的家庭，其家庭成员从事非正规就业的概率越高，而非正规就业的工资又普遍较正规就业的低。如此恶性循环，使得低收入家庭难以摆脱贫困。若扶贫措施能有效落实，提高贫困家庭收入的同时，也有助于其家庭成员寻找正规就业岗位和提高收入，并依靠自身能力进入中产阶级。