《劳动力市场转型与补偿工资支付.docx》由会员分享，可在线阅读，更多相关《劳动力市场转型与补偿工资支付.docx（16页珍藏版）》请在三一办公上搜索。
1、劳动力市场转型与补偿工资支付以上海浦东新区女职工为例秦蓓 陆铭 桂勇* 秦蓓，复旦大学就业与社会保障研究中心，上海，200433；电话：021-55072742；E-mail: qinbei80。陆铭，复旦大学经济学系、就业与社会保障研究中心和中国经济研究中心，上海，200433；电话和传真：021-65642064；E-mail: minglu73。桂勇：复旦大学社会学系，上海，200433；电话：021-65106941；E-mail:guiyong73。作者感谢上海市哲学社会科学基金的资助。摘 要：本文运用上海浦东新区女职工的抽样调查数据检验了补偿工资效应，结果发现，补偿工资效应显著为负
2、。我们还发现，工资方程并不存在显著的自我选择偏误，这表现出样本中职工的工作流动性还不高。关键词：补偿工资 劳动力市场分割 转型JEL分类号：J33, J42Labor Market Transition and Compensating WageBei Qin, Ming Lu and Yong GuiFirst Version, March 2004,(Comments welcome.)Abstract: This paper tests the effect of compensating wage using survey data of women workers in Shangh
3、ai Pudong New District. We find that the effect of compensating wage is significantly negative. Besides, we find no significant self-selection bias in the wage equations, which suggests poor job mobility in our samples. Key Words: Compensating Wage, Labor Market Segmentation, TransitionJEL Classific
4、ation: J33, J42一、引言本文将考察在转型中的劳动力市场上女性职工是否获得了补偿工资(compensating wage)。工资是劳动力市场上最重要的价格信号，在一个竞争劳动力市场上，工资可以反映各种工作的特征和供求状况，补偿工资就是这样一种反映。由于不同的工作存在着工作条件的差异，因此劳动力市场的竞争和劳动力的充分流动就使得从事较差工作的职工能够得到“补偿性的工资”。用更为正式的语言来说，在竞争的条件下，假设职工的特征不变，从事较差的工作的职工得到的工资高于那些在较舒适的条件下工作的职工，这其中的工资差别被称为补偿工资。这项研究有两个目的：首先，我们希望了解在经济体制转型和劳动力
5、市场发育的过程中，女性职工是否获得了补偿工资。有大量的研究都表明，无论是在东欧的转型经济国家还是在中国，女性都是经济转型的受损者，相对于男性来说，女性的失业率更高，再就业率更低，自我雇用的比例更低，同时，工资水平也相对下降(UNCF, 1999)。有关中国劳动力市场转型的研究也表明，女性相对于男性来说更容易成为劳动力市场转型过程中的利益受损者(蔡昉等，2004)。Gustafsson and Li (1998)运用中国城镇劳动者家庭收入调查数据说明，1988年到1995年间性别工资差别从15.6%扩大为17.5%，而Yueh(2004)进行的经验研究指出，中国1999年的性别工资差别比1995
6、年又有明显的增大。因此，研究女性职工的就业状态就成为了理解转型经济的劳动力市场的重要视角。其次，通过估计补偿工资效应是否存在，我们还能够对中国劳动力市场发育所处的阶段给出一个评价。从体制的构建来说，中国在很多方面都已经表现为一个市场经济国家，即使是在市场化进程较为滞后的劳动力市场上，政府也在最近几年的时间里不断地减少政府的干预和管制，让市场力量更多地发挥其决定工资和就业的作用。其中，一个标志性的事件是，作为转型时期的特殊的失业形态下岗已经随着再就业服务中心的关闭而成为历史。但是，从演化的视角来看，市场经济体制的建立决不是一个简单的构建过程，因此，对中国的市场经济发育到了何种程度进行评估就成了一
7、个有意思的研究主题。由于在市场经济条件下补偿性工资支付必须以市场的竞争和劳动力的充分流动为条件，因此，补偿性工资支付是否存在就成为了我们了解劳动力市场发育状态的重要标准。劳动力市场是中国市场经济体制建立过程中相对滞后的环节，对劳动力市场的发育状态进行评估有助于我们了解中国经济的市场化进程。本文的第二部分是一个理论的讨论，我们将说明劳动力市场的竞争程度与补偿工资支付之间的关系，以及中国劳动力市场化与补偿工资支付之间的关系。第三部分是一个方法的讨论，由于在就业体制已经市场化的条件下，劳动者从事何种条件的工作已经成了劳动者自我选择的结果，因此，我们必须考虑到工资决定的内生性问题。通过检验解决内生性问
8、题的工具变量估计法和普通最小二乘法对于观测样本的适用性，我们发现，在我们的数据估计中并不显著存在工作状态的选择性偏误。第四部分报告并分析了计量结果。第五部分是结论和政策含义。二、劳动力市场化与补偿工资支付如果从1986年推行劳动合同制开始算起，中国的就业体制改革已经经历了大约20年时间，但实质性的就业体制市场化进程是以1996年从上海首创的再就业服务中心开始的。2001年再就业服务中心撤消后，下岗作为一种过渡性的失业形态已经不复存在，从制度和法律的意义上来说，企业已经可以根据自己的利润目标进行雇用决策。与就业决策的市场化相比，中国的工资改革似乎要慢一步。1985年，劳动部决定将国有和集体企业的
9、工资预算与其绩效挂钩。1992年，国务院文件指出企业可以在政府控制工资总额的情况下设置自己的工资结构。1994-1995年，允许上市公司在满足两个条件 两个条件指的是：一，总工资的增长率必须低于税后利润的增长率；二、人均工资的增长必须低于劳动生产率的增长。的情况下自行设置工资，同时劳动部还建议企业工资设置不仅要根据岗位和级别，还要以技术和生产率为基础。最近的一次改革包括在“九五”计划中，工资的组成从过去的六部分(基本工资、奖金、福利与津贴、加班工资、辅助工资和其他组成)改为两部分：固定工资和活工资。当然，就业体制的改革主要是针对国有和集体企业的，而外资和私营企业在一开始时就掌握着工资和就业决定
10、的自主权，于是，在整个就业体制改革的进程中，实际上中国形成了二元结构的工资和就业决定机制。在相当长的过渡时期里，国有部门的工资和就业仍然处于扭曲的状态，并且对中国的劳动力资源配置和经济效率产生了重要的影响。一方面，大量的高素质劳动力在扭曲的工资结构下流向非国有部门(李实，1997；陈钊、陆铭，1998；Gordon and Li, 1999)，另一方面，在存在政府对工资和就业的管制的情况下，越是对企业的管理者进行激励，越是使他们倾向于服从政府的工资和就业管制目标，从而导致国有企业的相对劳动生产率越来越低(陆铭，2003)。于是，经济学家们转而关注就业体制是否已经确实实现了市场化。Yueh(20
11、04)对中国1990年代以来工资改革的进行了经验分析，她应用1995年和1999年主要省市的家庭数据从工资组成部分的角度说明，改革后工资决定的市场化程度得到了显著提高。但这项研究仍然没有回答中国的工资决定机制是否已经市场化的问题。由于补偿工资支付与劳动力市场的竞争性有着密切的联系，这就使得补偿工资效应的估计成为了了解中国劳动力市场转型所处阶段的重要视角。补偿工资 补偿工资的思想最早可以追溯到Adam Smith(1776)，Rosen(1986)则提供了一个很好的综述。指的是坏条件和好条件的工作的工资差别，但是这种工资差别必须要在控制了职工的个人特征之后，在一定的市场条件之下才能够得到反映。在
12、实证研究中，必须加以控制的因素包括所有影响工资的其他因素，如个人的技术水平、年龄、经验、性别、种族、工会地位、地区等等。在控制了以上因素之后，补偿工资效应的出现还需要三个条件：1.职工的效用最大化和企业的利润最大化行为。个人的效用除了受收入影响，还要受他的工作环境、工作带给他的满意度等因素的影响，因此，更高的工资才可以弥补坏工作给职工带来的不愉快。2.职工了解对他们十分重要的工作特征的信息。职工是在事前还是事后知道那些工作特征并不重要，在竞争性的劳动力市场上，只要职工一旦得知某些工作的不利条件，他们就会对该工作的工资提高要求或者转而选择其他工作，于是提供坏工作的企业就必须要支付补偿工资。3.职
13、工的流动性。职工应该有一系列可以选择的工作机会，否则职工就不能选择满意的工作或者避开不愿从事的工作。这三个基本前提其实都是竞争性市场的特征。如果这些条件都成立，补偿工资效应应该是存在的。与补偿工资理论所预测的结果相反的是，二元劳动力市场理论认为存在工作条件越差，工资越低的可能性。在二元劳动力市场上，从事好的工作的职工不仅有较好的工作条件，而且也有较好的组织，其工资具有一定的粘性特征。与此相反，从事较差工作的职工则往往面临着激烈的竞争，虽然其工作条件较差，但也无法随意地进入好的工作市场，从而只能接受较低的工资。 参见Leontaridi (1998)的综述。如果实证研究发现补偿工资效应是显著的，
14、那么就说明市场竞争和劳动力流动是决定工资的主要机制，而劳动力市场二元分割的影响则不重要。在较近的补偿工资效应的研究中，Vahey(1996)用加拿大的经验数据估计的补偿工资效应为12.7%，Lanfranchi, et al. (2001)对法国轮班职工补偿工资效应的估计为15.7%。同样道理，我们也可以通过研究补偿工资效应存在与否来检验中国是否已经存在一个竞争性的劳动力市场，或者说中国的工资和就业决定机制是否已经充分地“市场化”了。就中国的现实来看，补偿工资效应所要求的前提条件是否能够完全得到满足都是值得讨论的。从职工一方来看，虽然不需要怀疑职工的效用最大化行为，也不需要怀疑职工可以较容易地
15、了解有关工作条件的信息，但职工是否可以自由地流动仍然是值得怀疑的。在中国劳动力市场上有两点因素可能导致劳动力流动不充分。首先，虽然从制度和法律的意义上国有企业已经可以根据自己的利润目标来解雇多余的员工了，但是实际上，国有企业的管理者并不愿意承担由于解雇员工可能带来的风险和压力，于是，实际上仍然有大量的职工(特别是其中的低技能者)由于不愿经历失业的过程，还没有通过市场机制的调整离开原企业重新就业。其次，中国的劳动力市场仍然存在着大量的分割现象，借助于二元劳动力市场理论(dual labor market theories)，我们可以在劳动力市场上区分出好的工作和差的工作。形成劳动力市场二元分割的
16、原因很多，通常认为技能和工会的影响是非常重要的(Daniel and Sofer, 1998)。在中国，工会并不像在西方国家那样发挥着代表企业与雇主谈判的作用，而技能因素则在我们后面的实证研究中进行了控制。Knight和Yueh(2004b)首次对中国劳动力的流动性进行了考察，他们发现中国城市劳动力的流动性仍然非常有限，但流动性正在增强。在流动性比较强的劳动力市场上，与就业、失业和收入相关性较强的失业周期和工作性质等通常都会存在内生性问题，在决定就业、失业和收入的实证研究中会造成选择性偏误。Knight和李实(2004a)发现，在决定再就业收入的方程中，失业持续时间的内生性被拒绝，换句话说，通
17、常认为保留工资高的个人可能会在寻找高工作中坚持较长的时间，但这在中国的实证中没有得到支持。与此相类似的是，在另一篇研究企业盈利状况与职工收入之间的关系的文章里，也发现职工所在企业的盈利状况的选择性偏差在统计上并不显著(Knight和李实，2004b)。在决定中国劳动力就业、失业和收入的实证研究中，失业周期和工作性质没有造成选择性偏误，这可能与企业职工流动性不强有关。不管是由于什么样的原因造成中国劳动力的流动性不强，都说明与其他市场经济国家相比，中国的劳动力市场“市场化”程度还比较低，从而可能导致补偿工资效应消失。三、模型及计量方法根据上一节中的理论分析，中国的工资支付中是否存在补偿工资效应就成
18、了一个经验性的课题。这一节我们主要展开实证方法的讨论。好工作和坏工作中工资的决定机制或者说各项因素所得到的回报很可能是完全不同的，如果仅仅使用一个工资方程来进行工资估计的话，得到的结果很可能是有偏的，在此我们把工资方程写为：坏工作： (1)好工作： (2)其中， 和分别表示坏工作和好工作小时工资的对数，向量和分别表示坏工作和好工作中一系列影响工资的解释变量，包括个人特征和工作特征，和表示系数，、是误差项。我们先假设对于同样的特征回报是相同的()，那么就可以把所有工人的数据都放入一个方程中来估计。为了检验这一假说，我们对单一方程与两个分离的工资方程做了邹检验，得到统计量F统计值为9.33，相应的
19、显著水平p值为0.0000。因此我们可以得出结论，坏工作和好工作中职工的特征得到的工资回报是不同的，数据不能混合，两种工作的工资方程必须分开估计，从而可以在此基础上进一步对本文所用的方法进行讨论。较早的研究者大多采用普通最小二乘法(OLS)来估计工资方程并得到补偿工资效应。Viscusi(1978)、Garen(1988)、Biddle and Zarkin(1988)和Kostiuk(1990)指出，工资的特征实际上是内生的，不同人对于同一工资条件的评价或者说承受度是不同的，因此如果不考虑到这一点做出的估计将是有偏的。从补偿工资理论我们知道，由于个人的偏好不同，风险规避倾向有别，在竞争市场上
20、不同类型的职工在接受同一工作时达到的均衡收入是不同的，也就是说一个坏工作要想诱使职工付出劳动，对于不同类型的职工它所要付出的代价或说要支付的补偿工资是不同的。那么这时的补偿工资是由工作条件和个人特征产生的还是由不同类型职工的偏好差异产生的呢？为了解决这一问题，Vahey(1996)在使用加拿大的数据估计补偿工资时采用的方法是，将职工自我报告的对每点工作特征的评分相加作为工具变量以纠正不同偏好引起的评价不同问题，从而得出补偿工资的估计。但是值得质疑的是，既然评分是一个主观的行为，而评分与职工的工作选择发生的时间并不一致，那么怎么能保证在不同时间不同处境下的主观评价的一致性呢？实际上，在这里有一个
21、内生性问题，职工的工资由(1)或(2)中哪一个方程决定并不是随机的，实际上他们是自己根据个人的特征及偏好和两类工作的工资来决定自己的工作选择的，这也就是所谓的自我选择问题(self-selection)自我选择问题来自于样本的非随机性，通常样本点(个人)是有意识地自我选择进入某个样本组的，并且他们的选择又与我们需要估计的目标方程(通常是产出或收入方程)有关。这个问题最先由Roy(1951)提出，他指出个人在选择把打猎还是捕鱼作为自己的职业是基于对他来说两者相比较的好处的。而最早把这一问题引入计量经济学的是Gronau(1974)、Lewis(1974)和Heckman(1974)，Madala
22、(1983, 1994)则对此作了很好的综述。在此可以用一个决策方程来描述：坏工作的选择：(3)带入方程(1)、(2)得到简约型决策方程(4)是相应于工作选择的哑变量的潜变量，; ，。是影响坏工作选择的一组解释变量，它既包括影响工资的因素也包括其他影响工人决策的考虑因素，向量是它的系数。表示误差项。则代表坏工作的补偿金，职工选择坏工作还是好工作是要受到两种工作之间的工资差别影响的。假设某个职工拥有一些观测不到或不能量化的能力或者偏好，这些能力或偏好可以给他带来更高(或更低)的工资，相应地，反映为工资方程中正的(或负的)误差项，而更高的(或更低的)工资又使得该职工更倾向于选择(或不选择)坏工作，
23、于是我们又得到了正的(或负的)误差项，可见有一些观测不到的因素在影响着工人的工作选择，他们的工资由哪个方程决定并不是随机的，因此在这样的情况下，用普通最小二乘法(OLS)来估计工资方程将只能得到存在选择性偏误的结果。为了解决样本选择的内生性问题，Heckman(1978,1979)提出了控制方程的变量法(variants of the control function approach)，即通过构造逆米尔斯比率(the Inverse Mills ration)的选择项来对不可观测的选择性进行控制 根据Heckman(1976,1979)或者Lee(1978)，根据该法本文中的工资方程应写为：
24、，其中和就是表示选择项的逆米尔斯比率，和分别表示以决策方程(4)中的为变量的标准正态分布的密度函数和累计概率密度函数。，Kostiuk(1990) 和Lanfranchi, et al. (2001)都采用这种方法对法国轮班工人的补偿工资效应进行了估计。但是逆米尔斯法有一个前提假设就是，简约型决策方程中的误差项必须是正态分布的，而且Duncan(1983)和Goldberger(1983)都指出当误差项的分布只要有一点偏离正态分布的时候估计的结果就会变动很大。误差项的正态分布是一个太强的假设，尤其是对于比较小的样本来说较难满足。针对此，Duncan和Leigh(1985)在一篇研究工会与非工会
25、职工的工资差异的文章中提出，工具变量估计(instrumental variables estimator)加上豪斯曼检验(Hausman test)的方法更有优势。工具变量法能够在纠正选择性偏误，而且对决策方程误差项的分布并没有要求，比较适合于小样本。本文中，实际进入实证分析的有效样本容量为850，不能算是一个大样本，所以我们选择了工具变量法来估计工资方程，并进一步算出补偿工资效应。根据Duncan和Leigh (1985)，对于随机抽取的个人的工资方程可以写为(5)带入方程(1)、(2)得(6)此方程又可以写为(7)在这里，而。Duncan和Leigh(1985)证明，只要存在联合密度函数
26、，也就是说它假设在好工作和坏工作工资方程中误差项的产生机制是相同的，但该密度函数不一定要是正态分布，就有。这个假设虽然不是很强，但是如果不满足这个假设的话工资方程估计出来的系数将是有偏的，从而没有解释度。如上文所述，通常不论是工资方程还是决策方程中的误差项都包括一些难以观测的能力或者偏好，两类方程中的误差项是相关的，因而也有，这也就是所谓的内生性问题，所以我们不能直接用OLS去估计方程(7) 当我们用普通最小二乘法估计方程(7)的时候，实质上和分开估计方程(1)和(2)是一样的，因为这里的取值只包括了坏工作的样本，而则只包括了好工作的样本。Duncan和Leigh(1985)提出，解决这种内生
27、性的方法就是为解释变量寻找一组工具变量，在这里采用它们的期望值来作为工具变量。的期望值是，其中表示工人从事坏工作的概率，。我们先用logit回归估计简约型决策方程(4)，再用得到的结果估计累积概率，得到估计量，接着构造工具变量和，然后使用这些工具变量来估计工资方程(7)。但是，工具变量法只有在工资方程确实含有内生性问题的时候才是一致和有效的，否则，我们就应该用普通最小二乘法进行估计。为此，我们就要进行豪斯曼的设定检验(Hausman,1978)。对于我们的回归，检验的零假设是以下方程中的： (8)其中，而向量代表一组工具变量，。其实，在零假设下，方程(8)就退化为对方程(7)的普通最小二乘估计
28、。如果检验的结果接受了零假设，意味着普通最小二乘估计和工具变量法估计之间的差别不显著，选择性偏误不存在；反之，就说明选择性偏误显著存在。值得说明的是，Duncan和Leigh(1985)指出，豪斯曼检验并不受工具变量法估计有效的前提假设成立与否的影响。综上所述，我们的实证研究步骤如下：(1)用logit估计简约型决策方程(4)，估计累计概率，构造工具变量和；(2) 使用工具变量对方程(7)进行估计；(3) 对方程(8)进行豪斯曼检验；最后，我们计算补偿工资效应。在此，定义补偿工资的数量值为坏工作和好工作部门之间的工资差别占好工作部门工资的百分比。从工资估计方程(1)、(2)可以推出(9)四、模
29、型估计与结果本文利用的数据是2003年上海浦东新区妇联和复旦大学社会学系课题组联合进行的“上海市浦东新区女职工权益保障状况调查”数据，这项调查涵盖了本研究所需要的变量。这次调查共获得了1171份有效问卷，在所有样本中，有1042份问卷包含了工资信息，可以被下面的估计所用。同时，我们将研究对象限定在了职工或普通技术人员层次，未包括管理层，因为管理层的人力资本回报较大，工资普遍偏高，即使在回归方程中用哑变量来控制也可能会使得我们的结果会有向上的偏差。将研究对象限定在普通职工也是补偿工资研究的通常做法。而且，在坏工作中工作的管理层在样本中不多，如果包括了管理层，很可能得到的估计结果就被管理层与职工之
30、间的工资差别所掩盖了。去除了管理层的样本后，实际进入估计的共850个样本。在我们的估计中，把职工的工作环境中存在高温、低温、高空、有毒有害物质或气体、噪音、光污染、放射性、冷水潮湿等不利条件的工作定义为坏工作，反之则为好工作。在我们的850个总体样本中在坏条件下工作的女性有198个，占了23.29%。在工作决定方程中，我们控制了以下直接影响工作决策的四个哑变量：medical: 此变量为1表示单位为职工提供医疗保险，否则此变量为0；insur: 此变量为1表示单位为职工提供除了养老、医疗、失业、公积金以外的其他保险，否则此变量为0；carein: 此变量为1表示职工最关心的是收入，否则此变量为
31、0；carehlth: 此变量为1表示职工最关心的是健康，否则此变量为0。影响工资方程的变量则包括以下变量：age: 年龄；edu: 教育年数；edu2: 教育年数的平方；exp: 工龄married: 此变量为1表示职工已婚，否则此变量为0；party: 此变量为1表示职工是共产党员，否则此变量为0；ownerf: 此变量为1表示企业是外资企业，否则此变量为0；ownerp: 此变量为1表示企业是私营企业，否则此变量为0；ownero: 此变量为1表示企业是其他企业，否则此变量为0； “其他企业”是指除了外企、私企、国有和集体企业以外的工作单位性质。其中，合资企业已被包括在外企中。entsc
32、l: 企业规模(人数)；industry: 此变量为1表示容易产生坏条件工作岗位的行业，包括化工、运输、机电、纺织、仪表、建筑和重工业，否则此变量为0；techp: 此变量为1表示职工是初级技术人员，否则此变量为0；techm: 此变量为1表示职工是中级技术人员，否则此变量为0；danger1: 此变量为1表示半年来职工所在的车间发生的工伤事故为1次，否则此变量为0；danger2: 此变量为1表示半年来职工所在的车间发生的工伤事故为2次，否则此变量为0；danger3: 此变量为1表示半年来职工所在的车间发生的工伤事故为3次，否则此变量为0；danger4: 此变量为1表示半年来职工所在的车
33、间发生的工伤事故为4次或以上，否则此变量为0。 在调查问卷中问道，“半年来您工作的车间里因工受伤的次数为：0、1、2、3、4次及以上”。需要说明的是，我们的样本全是上海浦东新区的女性职工，因此没有在估计中控制性别变量和地区。一些在其他研究中加以控制的因素(如种族、工会地位)，在中国也并不起作用，因此也未加以控制。1.简约型决策方程表1中给出了对简约型决策方程(4)的估计结果。纵向的第一组是影响职工对坏工作选择的决策但不影响工资的变量(都为哑变量)，而第二组则包括了既影响选择又影响影响工资的变量。对不同的职工来说，收入和个人的身体健康对他的效用是不同的。对于坏条件工作的选择，这两个因素更是职工考
34、虑的重点，选择通常是在二者的权衡中做出的。如果一个职工更偏好收入，那么当坏工作提供补偿工资时，他就更倾向于选择坏工作。而当职工偏好健康时，则他更不倾向于选择坏工作。在我们的估计结果中，最关心收入的哑变量确实显著地为正。同时，最关心健康的哑变量的影响也为正，但不够显著。一般来说，保险有助于降低坏工作带来的风险使职工更放心的去选择坏条件的工作。但是我们的估计结果却显示，医疗保险的哑变量(medical)和其他保险的哑变量(insur)的系数都显著地为负，也就是说，数据告诉我们越是有医疗保险和其他保险的人越不可能是在坏条件下工作的人。这一点既不符合直觉，也不符合补偿工资理论，我们认为这正是中国劳动力
35、市场发育不成熟的反映。很多提供坏工作的单位本身的经济状况可能就不是很好，为了降低成本，他们可能并不愿雇用正式的职工，而是不与职工签订劳动合同，甚至干脆在雇用的时候直接就协定了不提供这样的保险。如果是这样，那么职工为什么还愿意接受这些工作呢？这一问题我们将在后面继续讨论。在同时影响工资决定的变量中，另外有七个变量是显著的。外资企业的系数非常显著，说明如果坏工作的岗位是由外企提供的，职工就倾向于选择这份坏工作。其他显著的变量是教育、行业1、初级技术和三个工伤率的哑变量。半年来的工伤率是在职工已经进行了选择后才发生，这也说明坏工作是带有一定危险性的。在竞争市场上，这样的工作特征的信息多少应该为大家所
36、知道，按照补偿工资理论，雇主应该为其提供更高的工资。表1：简约型决策方程，logit模型被解释变量(S*，S=1表示从事的是坏工作)系数标准差careinc0.809 0.254 *carehlth0.403 0.244 *insur-0.787 0.348 *medical-0.756 0.221 *age-0.020 0.017 edu-0.526 0.295 *edu20.020 0.013 exp0.017 0.017 married-0.269 0.331 party-0.263 0.404 ownerf0.710 0.231 *ownerp0.094 0.252 ownero1.2
37、40 1.397 entscl0.000 0.000 industry1.249 0.205 *techp0.435 0.220 *techm0.375 0.360 danger10.794 0.442 *danger21.229 0.623 *danger32.111 0.997 *danger40.565 1.036 常数项1.846 1.826 对数似然值-355.8713似然比统计量(2)100.01显著水平(p)0.0000拟R20.1398观测样本数由于850个总样本中有一些存在缺失数据，所以计量软件Stata自动删除了一些不合标准的数据样本。774注：1. *表示在10%的水平上
38、显著，*表示在5%的水平上显著，*表示在1%的水平上显著。 2.在进行方程回归之前，我们对数据样本进行了异方差的检验(Breusch-Pagan test) B-P test: chi2(1) = 576.59, Prob chi2 = 0.0000, 因此拒绝零假设下的同方差性。，结果拒绝了同方差性，因此在回归时(包括后面的工具变量法和普通最小二乘法估计)我们报告的都是稳健性标准误(Robust standard error.)2.工资方程及内生性问题检验我们运用简约型决策方程回归的结果来控制工资方程中不可观测的职工的偏好和选择，以纠正样本选择的内生性问题，也就是使用工具变量来估计方程(7)
39、，表2中的第二、第三栏报告了工具变量法估计的结果。但是，如果我们所研究的问题本来就不存在内生性的话，为得到一致无偏的估计我们就应该用普通最小二乘法去估计工资方程，估计结果报告在了第四、第五栏。为了确定哪一种方法才是正确的工资方程的估计，我们进行了豪斯曼检验，结果报告在了表2的最下方。检验结果p值非常低，也就是说用工具变量法作的估计和普通最小二乘法做的估计之间的差异很小，工资方程中的选择性偏误被拒绝了，也就是说在我们的样本中，工人的工资由哪个方程决定并不是自我选择的结果，工人无法选择自己是进入好条件还是坏条件的部门工作。这一结果在竞争市场下是难以想象的，但这可能正反映了中国劳动力市场的现实情况，
40、也与其他类似研究的发现相一致(Knight和李实2004a; 2004b)。关于这一问题，我们将在后面计算完补偿工资效应后一并分析。所以，虽然考虑了工资方程的内生性问题，我们仍然要使用不考虑样本选择问题的普通最小二乘法来估计工资方程，因为这是在中国市场情况下的更有效的估计。现在，我们可以集中讨论第四、第五栏中的普通最小二乘估计结果。在回归中我们可以看到，在坏工作和好工作中的工资回报结构是非常不同的，除了教育年数的平方、私营企业、中级技术外，没有其他解释变量对两个部门的工资影响是同时显著的。年龄对坏工作职工的工资有显著的负的效应，对好工作的职工却没有显著的影响。婚姻状况在5%临界显著水平上对好工
41、作有正的工资效应，对坏工作没有显著影响。是否党员仅对坏工作的工资方程有显著的正效应。这里，教育对于工资的影响是比较奇怪的。对于坏工作，只有教育的平方对工资有显著影响，系数为负，也就是说教育对于工资的回报始终是负的影响。而教育对好工作的职工的工资效应呈U形。根据系数计算，只有在受教育年数大于16时教育才有对工资的正效应。工龄 在估计工资方程的时候，由于工龄、初级技术、半年来工伤次数为1次和2次对于坏工作和好工作的工资都没有显著影响，把他们删除后也不影响其它变量的显著性，因此我们最后采用的工资方程中没有包括这四个变量。和教育没有得到相应的工资回报，这一点在正常的市场经济中是难以想象的，但在中国却可
42、能是可以理解的。对于年龄偏大的职工来说，他们所受的教育往往是在改革以前或改革初期接受的，那时的教育质量较低，不能适应现在的工作需要。同时，由于中国正经历着迅猛的产业结构调整过程，由工龄所带来的经验可能已经不能满足现在工作的需要，结果可能造成在其他国家都显著的工龄在中国却对工资没有回报。外资企业没有为坏工作岗位提供显著的更高的工资，相反，外企好工作的小时工资还在5%的显著水平上低于国有部门的16.44%。从决策方程我们又知道，外企提供的坏工作是对职工更有吸引力的，为什么外企的小时工资不高却能吸引职工呢？是不是外资企业的月总工资更高呢？我们对坏条件下职工的工资作了统计发现，198个坏条件下工作的职
43、工中70个是在外企工作的，平均月收入为866.1429元，在非外企部门工作的128人平均的月收入为879.4922。另外我们又针对坏条件职工的月收入方程作了回归，在控制掉一些个人特征和工作特征后发现，外企对月收入的效应为负，但很不显著(结果见附录1)。可见，不管是从小时工资还是月工资来看，外企并没有提供更高的工资给坏条件工作的职工，同时给好条件工作的职工提供的工资更低。这样看来，职工更多地倾向于到外企工作可能还是与劳动力市场分割和劳动力流动不充分有关。在国有企业工资并不是一个竞争性的工资，而是有着很强的向下刚性，同时，在这样的工资下，企业也没有解雇那些低技能的职工，而对那些在国有企业之外的劳动
44、力来说，他们却很难获得国有企业的工作，于是就只有去非国有企业工作，而这种选择又加剧了非国有企业的劳动力市场的竞争，压低了工资。在我们的样本中，私营企业的工作无论是好条件还是坏条件所提供的工资都在5%的显著性水平上低于国有和集体企业。其他企业在两个工资方程中都没有显著的效应。企业规模仅在10%的显著水平上对好条件下工作的工人工资有十分微弱的影响。行业1的职工在坏条件下工作能得到更高的工资，而在好条件下则没有显著的效应。中级技术对好条件和坏条件下工作的工人工资都有十分显著的影响，显著水平都在5%，只是对坏工作的工资效应为正，而好条件的工资影响为负。在决策方程中我们知道，工伤率与坏工作有正向的关系。
45、按照补偿工资的理论，工伤率高的工作应该得到补偿。但遗憾的是，在坏工作工资方程中，哑变量半年来的工伤次数为3、4级以上的指标都对工资没有显著影响。只有danger3(即半年来工伤次数为3)对好工作的工资有影响，而且是非常显著的负。而且决策方程也告诉我们，拥有医疗保险和其他保险与在坏条件下工作的可能性成反向的关系。在这里我们看到两类保险都只对坏条件下的工人工资有影响，这种影响还都是正的，这意味着越是拥有保险的工人工资反而越高，那些没有保险的工人工资更低。保险实际上是另一种形式的收入，当保险与工资成正向关系的时候有两种可能，一是，一些工作的工作条件实在太差，所以必须给工人更高的收入才能弥补，另一种可
46、能就是，一些企业或单位利用了劳动力市场的不完善，雇用了一些处于劣势地位的工人，并不与他们签署正式的合同，支付的工资既低也逃避了为工人买保险的义务。综合决策方程中保险与坏条件下工作的可能性的反向关系，我们认为后一种情况更加符合对于中国劳动力市场的观察。表2：工资方程估计及豪斯曼检验被解释变量(工资的对数)工具变量法估计普通最小二乘估计坏工作好工作坏工作好工作age-0.023 (0.012)*-0.011 (0.007)*-0.021 (0.008)*-0.004 (0.003)edu0.127 (0.118)-0.839 (0.587)0.123 (0.096)-0.141 (0.080)*e
47、du2-0.006 (0.004)0.039 (0.025)-0.006 (0.004)*0.009 (0.004)*married-0.161 (0.111)0.179 (0.068)*-0.119 (0.115)0.161 (0.069)*party0.480 (0.251)*-0.083 (0.173)0.417 (0.202)*-0.127 (0.149)ownerf0.099 (0.148)-0.172 (0.092)*-0.056 (0.104)-0.164 (0.081)*ownerp-0.311 (0.240)-0.188 (0.076)*-0.315 (0.154)*-0.126 (0.052)*ownero0.221 (0.233)-1.175 (0.292)*0.096 (0.196)
