發布時間：2021-08-06所屬分類：經濟論文瀏覽：1次
摘 要： 內容提要：本文以我國工業企業數據庫中2004-2007年的觀測數據為樣本，利用ACF(2015)方法對工業企業的產出方程進行估計，并將企業全要素生產率作為控制變量引入工資方程，分別識別出工業企業的性別平均勞動生產率差距和性別工資差距。研究發現：(1)我國工業企
內容提要：本文以我國工業企業數據庫中2004-2007年的觀測數據為樣本，利用ACF(2015)方法對工業企業的產出方程進行估計，并將企業全要素生產率作為控制變量引入工資方程，分別識別出工業企業的性別平均勞動生產率差距和性別工資差距。研究發現：(1)我國工業企業中男性平均勞動生產率比女性高72.2%，男性平均工資比女性高12.6%;(2)性別平均勞動生產率差距和性別工資差距存在公司技術的異質性，高技術公司性別平均生產率差距與性別工資差距是一致的，低技術公司性別平均生產率差距要大于性別工資差距，相比工資而言，男性的平均勞動生產率要大于女性;(3)民營企業和外資企業中“女性比重”效應較為明顯。本文從性別勞動生產率差距的角度對性別工資差距進行解釋，為我們認識性別工資差距并挖掘其產生的原因提供了一種新的思路。
關鍵詞：性別勞動生產率差距性別工資差距ACF方法
一、引言
男性和女性在勞動力市場上的不同表現被人們廣為關注。一般而言，不僅女性的勞動力市場參與率、就業機會可能低于男性，而且在就業人群中，女性就業者的工資水平通常也低于男性，全世界范圍內女性平均工資總體上低于男性(Blau&Kahn，2007;Manning&Robinson，2004)�；谛詣e平等和同工同酬等基本的社會和市場法則，這種差異通常被解讀為女性就業者在勞動力市場上受到了不公正的差別性對待，也就是通常所說的歧視。然而歧視通常所強調的是基于非生產性特征的差別性對待，這意味著，所觀測到的性別之間的工資差距并不必然地表明存在歧視，除非同時給出相應的證據表明性別之間并不存在勞動生產率的差異性。但在大多數的研究中，注意力通常集中于工資的性別差距，很少涉及勞動生產率的性別差異。
歧視是有成本的，廠商不得不因為其歧視性偏好而以更高的成本去雇傭勞動生產率較低的人群。在競爭性市場環境中，如果廠商遵循利潤最大化的行為準則，則會增加對被歧視人群的勞動力需求，因為在相同的生產能力下，被歧視的人群會具有更低的成本，這將會導致歧視程度的降低。一些發達國家的性別工資差距呈下降趨勢，似乎能在一定程度上與廠商的這種行為傾向相吻合。以OECD國家為例，性別收入差距從2000年的18.2%降低到2013年的15.5%，特別是2004—2010年間性別工資差距下降幅度非常明顯①。
然而，在對我國勞動力市場的研究中，卻發現性別工資差距有擴大的趨勢(Chi&Li，2008;Li&Gustafsson，2008;李春玲、李實，2008;李實等，2014)，并且在基于工資收入函數的分解分析中，甚至發現性別歧視的解釋份額也出現了上升的傾向。一些研究者傾向于將這種變化解釋為市場化的結果。但性別之間收入差距的這種擴大趨勢顯然同市場機制更為完善的發達國家相比是明顯不同的，也很難從企業的利潤最大化行為中獲得解釋。
在對性別收入差距的大多數討論中，都傾向于采用在微觀個體數據基礎上分解收入函數的基本思路，將不同性別個體的收入差距均值分解為收入函數的特征差異和回歸系數差異兩個部分，特征差異以外的部分則被視為歧視，其隱含的解釋是，具有相同特征的個體所獲得的報酬應當是相同的。然而，絕大部分研究文獻中，工資方程可決系數通常不會超過0.35，這意味著勞動者可觀測特征對工資的解釋能力非常有限(徐舒、朱南苗，2011)。更為重要的是，這種分析思路并不能給出性別之間的收入差距與產出貢獻的直接聯系。即便給定的可觀測個體特征相同，也不能排除產出貢獻中的性別差異。如果性別之間的工資差異僅僅表現為其產出貢獻差異的結果，則也不能認為存在性別歧視(Hellerstein&Neumark，1999)。本文試圖在工業企業數據的基礎上，基于不同性別工資差異與產出貢獻之間的聯系來討論性別工資差距的合理性。
二、文獻綜述
對性別工資差距的量化研究，最早始于Becker(1957)提出的所謂“偏好歧視”理論，在完全競爭的勞動力市場中，偏好歧視導致的持續的工資差距是不存在的。在廠商利潤最大化假設下，從長期來看所有工人的工資都由該工人的勞動生產率決定，因性別歧視導致的性別工資差距應該隨著經濟發展與市場化程度的提高而減弱。在對我國勞動力市場中性別工資差距的研究中，大部分學者采取的方法是先對不同性別的工資方程進行估計，而后對性別工資差距進行分解，識別出性別歧視對性別工資差距的貢獻，代表性研究見表1。
由于歷史原因我國經濟中所有制成分復雜，市場化程度差異很大，不同所有制成分下經濟運行機制存在差別，勞動力在各種所有制經濟之間自由流動受到很大限制，那么在相互分割的勞動力市場上具有壟斷地位的廠商就會對特定地域或特定人群進行歧視，比如女性(Barth&Dale-Olsen，2009)。除此之外，有摩擦的勞動力市場尋找工作的成本會增加。即使工資期望降低部分群體受到歧視的勞動者也會選擇留下。Black(1995)和Bowlesetal(2005)的搜尋模型可以很好地解釋這一點。因此，市場化程度比較高的所有制經濟更不容易產生因性別歧視而造成的性別工資差距。郭鳳鳴、張世偉(2010)的研究支持這一觀點，他們對東北地區國有和非國有部門的性別工資差距進行研究后發現，國有部門和非國有部門男性的工資都要高于女性而且都存在性別歧視，但是國有部門性別工資差距小，性別歧視嚴重，非國有部門性別工資差距大，性別歧視相對較小。國有部門性別歧視體現在同工不同酬，非國有部門性別歧視則體現在勞動參與和部門選擇的歧視。
但是更多的研究結論與此相反，比如張丹丹(2004)采用中國健康與營養調查1989、1991、1993和1997年數據對我國性別工資差距的變化趨勢進行分析，指出隨著經濟結構轉型和市場化程度提高，性別工資差距和歧視程度都有所擴大，特別是對于非國有部門中的文化程度低、中老年“藍領”群體，性別工資差距更大。李春玲、李實(2008)按市場化程度將企業劃分為國有部門、混合所有制部門、集體經濟部門、私營個體經濟部門和三資企業，結果發現市場化水平最低的部門性別收入差距最小，市場化水平最高的部門次之，市場化水平較高的部門最大，指出市場化水平最低的部門性別歧視程度最低，市場化水平居中的部門性別歧視最高，而市場化水平最高的部門性別歧視程度較低。亓壽偉、劉智強(2009)從工資分布上對性別工資差距進行研究，發現不論是在國有部門還是非國有部門，處于工資收入低端的性別工資差距更大，反映出性別工資差距的“地板效應”，其次國有部門平均收入差距為28.5%，非國有部門差異為34.7%，說明非國有部門性別歧視更為嚴重。
值得注意的是，這些研究僅從勞動者工資決定的角度對性別工資差距進行研究，并沒有注意到性別勞動生產率差距對于性別工資差距的意義。Dong&Zhang(2009)基于世界銀行關于中國2001年投資環境調查數據，參照Hellerstein&Neumark(1999)的分析框架，采用非線性最小二乘法對工資方程和企業產出方程進行聯合估計，識別出性別工資差距和性別勞動生產率差距，通過比較來判斷性別工資差距的合理性。研究結果表明，我國制造業的性別工資差距中的歧視程度并不顯著，對于高技能的勞動者，企業都能按照其勞動生產率支付工資，但是對于國有企業的低技能勞動者，相對于勞動生產率水平，女性工資存在明顯溢價，這一結論為認識我國性別工資差距提供了一個新的視角。然而Dong&Zhang(2009)的研究并沒有將產出方程中的投入項與全要素生產率進行區分，估計結果可能存在偏誤，也沒考慮到全要素生產率對企業平均工資的影響。
綜上，從勞動生產率的角度對性別工資差距進行研究的文獻并不多見，而且僅有的研究也存在改進的空間�；诖�，本文在Dong&Zhang(2009)框架基礎上，采用ACF(2015)方法對產出方程進行估計，并將企業全要素生產率引入工資方程，分別得到性別平均勞動生產率差距和性別工資差距，并將二者進行比較來判斷性別工資差距的合理性。
三、平均工資和勞動生產率性別差距的識別
四、數據與變量
(一)數據處理與變量構造
本文所使用的數據來自于中國工業企業數據庫。該數據庫由國家統計局根據地方統計局報送的企業信息匯總而建，以企業法人為樣本對象，涉及全部國有和規模以上非國有工業企業，具有樣本量大、指標多和時間長等優點。根據研究需要和指標的可得性，本文選取2004-2007年間企業樣本為研究對象③，并對數據進行處理。
本文采用Brandtetal(2012)方法將1998-2007年年度數據匹配成非平衡面板數據，數據合并共分三個階段。首先對兩個連續年份數據進行匹配，識別變量依次為法人代碼、公司名稱和同一縣區的公司法人名稱，除此之外，如果兩家公司的成立年份相同、地區相同、行業相同、所處的鄉鎮名稱相同和主營產品名稱也相同，那么也認為這兩家公司是同一家公司。然后利用上述識別信息將三個連續年份進行合并。最后，將識別結果進行合并，最終得到1998-2007年非平衡面板數據。
主要變量及說明：(1)工業增加值。數據中給出名義工業增加值，本文采用Brandtetal(2012)提供的產出平減指數將名義工業增加值調整為實際增加值。(2)資本存量。工業企業數據中并沒有直接給出企業資本存量數據，也沒給出固定資產投資數據，本文又根據Brandtetal(2012)的處理方式采用永續盤存法將企業資本賬面價值轉化為實際資本存量④。(3)勞動投入與男性從業比例。本文采用數據中全部從業人員年平均人數作為勞動投入;由于2004年以后才給出企業年末女性從業人員合計數，因此本文以1減去年末女性從業人員合計數除以年末從業人員合計數作為企業男性從業人員比例。(4)人均工資。工資總額變量包括本年應付工資總額和本年應付福利費總額兩項內容，然后利用CPI將名義工資調整成以1998年為基期的實際工資，實際工資總額乘以一千再除以從業人數得到企業人均實際工資。(5)企業所有制。由于擔心企業實際控股股東變化會導致所有制類型分類錯誤，對本文結論產生影響，為了保證估計結果準確性，本文又根據各種所有制成分在實收資本中所占的比例重新對企業所有制進行定義。具體做法是：將企業實收資本劃分為國家和集體資本，包括國家資本和集體資本;民營資本，包括法人資本和個人資本;外資資本，包括港澳臺資本和外資資本。分別計算這三大類資本在實收資本中的比重，比重最大者的股東身份作為企業所有制判別依據(聶輝華、賈瑞雪，2011;聶輝華等，2012)。在新的所有制定義條件下，本文重新對國有企業(包括集體企業)、民營企業和外資企業(包括港澳臺企業，下文統一稱為外資企業)進行參數估計。(6)企業規模。根據工業和信息化部、國家統計局、國家發改委和財政部等部門聯合下發的工信部聯企業(2011)300號文件⑤，將企業按從業人員數量、營業收入等指標劃分為大型企業、中型企業和小型企業(包括微型企業)。此外還涉及地區和行業等控制變量。
(二)描述性特征
剔除缺失值后得到包含2004-2007年間的406514家企業非平衡面板數據。其中，國有企業61777家，占15.20%;民營企業320289家，占78.79%;外資企業24448家，占6.01%。表2給出相關變量均值與標準誤。從表2中發現，在樣本區間內我國工業企業從業人員平均為245人，男性從業人員平均比例為61%，人均工資為1.62萬元，企業人均增加值為11.7萬元，企業平均實際資本存量為3697.5萬元。
一般而言，不同類型所有制企業的市場化程度存在差異性，民營企業比國有企業通常面臨著更為激烈的市場競爭。企業從業人員性別結構、增加值、工資水平，以及他們之間的相關性在不同所有制企業類型之間都具有非常顯著的差異。如男性占全部從業人員的比例，在國有企業中達到65%，民營企業略低于國有企業為62%，而外資企業則遠低于國有企業和民營企業，僅為52%。人均工資和人均工業增加值與所有制特征的關系恰好與此相反，國有企業人均工資最低為1.619萬元，人均工業增加值為11.4萬元，民營企業人均工資和人均工業增加值略高于國有企業，分別為1.620萬元和11.5萬元，外資企業要遠高于國有和民營企業，人均工資和人均工業增加值分別為2.157萬元和13.2萬元。表2中第二部分給出工資和產出與男性比例之間的相關系數，不論是工資和產出水平值還是他們的對數形式，都與男性比例呈顯著的正相關關系，從數值關系上看，民營企業的相關系數略小。表2中也報告了變量分年度的統計信息，除工資和產出外，其余變量各年之間差距并不是很大。圖1～圖3給出不同所有制企業男性比例、人均工資對數和人均工業增加值對數概率密度圖，從圖中可以發現國有企業和民營企業相關變量盡管在均值上存在差異，但分布特征很相似，而外資企業與內資企業存在較大差別，外資企業人均工資和人均工業增加值明顯要高于民營企業和國有企業，男性比例又低于國有和集體企業。值得注意的是，外資企業男性從業比重分布更為均勻，不同企業中男性比例差距不大，相比而言內資企業男性比例的分布更為集中，特別是國有企業。
五、實證結果分析
(一)基本回歸結果
1.全部樣本回歸結果。表3給出所有企業的工資方程(2)和產出方程(4)的估計結果。為了便于比較，我們分別采用OLS估計和控制了投入內生性的ACF方法對C-D形式的產出方程進行估計，并比較了兩種方法下對企業規模、地區和行業等變量控制前后產出方程的估計結果的差異。
產出方程估計結果的第二、三列為OLS估計結果，其中第三列對企業規模、地區和行業等因素進行了控制。結果顯示，男性比例對企業產出具有很強的正向影響，男性比例提高1%，企業產出提高0.34%，男性平均勞動生產率比女性高64.4%，控制企業規模、地區和行業后，企業產出提高幅度為0.36%。男性平均勞動生產率比女性高80%�？刂仆度雰壬杂绊懞�，男性比例的估計系數下降到0.332(第四列)，進一步控制企業規模、地區和行業等因素后，男性比例的估計系數下降到0.312，結果表明男性比例增加1%，企業增加值增加0.312%。
Φ系數表明，男性平均勞動生產率比女性高76.8%，控制企業規模、地區和行業等因素后降到72.2%。值得注意的是，控制投入內生性因素后，ACF法估計的C-D形式生產函數結果中，產出方程中勞動產出彈性降低，而資本產出彈性提高。
表中工資方程采用最小二乘估計，被解釋變量為平均工資，主要解釋變量為男性比例和勞均資本。從第二、三列發現，控制企業規模、地區和行業后，工資方程中男性比例系數估計值從0.095上升到0.186。第四、五列則控制了在產出方程中利用ACF方法識別出的全要素生產率，其中第四列男性比例系數估計值為0.142，表明控制全要素生產率后，男性平均工資率比女性高14.2%，控制企業規模、地區和行業等因素后，男性平均工資率比女性高12.6%。在控制全要素生產率后，勞動資本系數顯著提高。表3中結果顯示，男性比例對產出的影響要遠大于對平均工資的影響。我們用沃爾德檢驗對Φ與λ是否相等進行檢驗，表3中四種設定方法的估計結果都表明性別平均勞動生產率差距遠大于性別平均工資率差距。
2.分所有制估計結果。由于歷史原因我國經濟長期呈現出多種所有制經濟并存的局面，每種所有制經濟在國民經濟體系中發揮的作用也不相同，與民營和外資經濟相比，國有經濟承擔了更多的政策性負擔，其經營目標更多體現社會責任與政治目的(Boyko，Shleifer&Vishny，1996;林毅夫、劉培林，2001)，相對地市場化程度較低。外資企業在經營理念、管理方式和運行效率等方面與民營企業有很大區別，代表更高的市場化程度。因此，本部分利用不同的所有制結構代表不同的市場化程度，研究性別平均勞動生產率和工資差距在不同的資源配置機制下的表現形式，估計結果見表4。其中，第二、三列分別為國有企業樣本的OLS和ACF估計結果。從第二列參數值可以看出，產出方程中男性比例系數估計值為0.504，Φ系數估計值為0.982，工資方程中男性比例系數估計值為0.217，表明在沒有控制全要素生產率條件下，國有企業中性別勞動生產率差距和性別工資差距都是顯著的，沃爾德檢驗的卡方值為423.95，表明國有企業性別平均勞動生產率差距和性別工資差距并不相等。但控制投入內生性問題，即控制全要素生產率后，國有企業工資方程中男性比例系數估計值為0.014，Φ系數估計值為0.032，工資方程中男性比例系數估計值為-0.044，這些系數均沒有通過統計檢驗，表明性別差距在國有企業中并不顯著，卡方檢驗值為0.07，也不能拒絕性別勞動生產率差距與性別工資差距不相等的原假設。同時，結果還發現控制全要素生產率后，產出方程中勞動產出彈性和資本產出彈性系數都會減小，工資方程中勞均資本系數增大。
第四、五列為民營企業估計結果，模型參數都通過5%水平下的統計檢驗。可以看出，男性比例對企業產出和平均工資都有正向影響，但控制全要素生產率后，產出方程中男性比例系數估計值從0.322降低到0.298，Φ系數估計值從0.703降到0.698，工資方程中男性比例系數估計值從0.162降低到0.133，卡方值表明民營企業性別勞動生產率差距和性別工資差距存在顯著差別。
第六、七列為外資企業樣本估計結果，模型參數也都通過5%水平下的統計檢驗。OLS估計中，產出方程中男性比例系數估計值為0.433，Φ系數估計值為0.968，工資方程中男性比例系數估計值為0.26。ACF估計中，產出方程男性比例系數估計值降到0.188，Φ系數估計值降到0.357，工資方程中男性比例系數估計值降到0.121�？ǚ綑z驗結果表明外資企業性別平均勞動生產率差距大于性別工資差距。——論文作者：陳國強羅楚亮
相關期刊推薦：《經濟學動態》是中國社會科學院經濟研究所主辦的向國內外發行的經濟類月刊。主要欄目與內容包括：經濟科學新論、經濟熱點分析、宏觀經濟探討、部門經濟、地區經濟、財政金融研究、會議綜述、學術資料、經濟體制改革、企業管理、調查與建議、中外學術交流、外國經濟理論、海外經濟學博覽、世界經濟、書刊評介等。
SCISSCIAHCI
