城镇内部行业收入差距成因的实证研究
摘 要:运用2012年中国劳动力动态调查微观数据,结合Heckman样本选择方法,估计垄断行业和竞争行业的收入方程,结果发现,垄断对行业收入的影响远大于性别、教育、工作经验等个人特征。运用Shapley值分解方法,考察各因素对我国城镇内部行业工资差距的贡献,结果发现,人力资本因素对行业收入差距的贡献最大。分行业看,人力资本因素能够解释垄断行业收入差距的一半左右,管理岗位对竞争行业收入差距的贡献最大,性别因素对竞争行业收入差距的贡献高出垄断行业两倍,非农户口在解释垄断行业收入差距时的贡献要远大于竞争行业。因此,缩小我国行业收入差距,亟需打破行业垄断壁垒,提高劳动者的受教育水平,减轻劳动者地区间流动障碍。
关键词:行业收入差距;垄断;Shapley值分解
中图分类号:F124.7 文献标识码:A 文章编号:1003-3890(2014)05-0032-06
一、引言
随着收入分配制度改革的不断深化,缩小城镇居民收入差距,已成为当前我国经济体制改革的重要内容。1990—2012年,城镇居民行业收入的基尼系数由0.058上升至0.175,扩大了近两倍,年均增幅达5.1%;而同期城镇居民收入差距仅扩大38.4%,年均增幅仅有1.5%。这意味着行业收入差距扩大的速度要远快于我国城镇居民收入差距扩大的速度,已成为城镇居民收入差距不断扩大的最主要推手(武鹏,周云波,2011)[1]。更为重要的是,有别于城乡差距和地区差距,行政垄断等不合理因素导致的行业收入差距更容易诱发人们的不平衡心理,从而危及社会稳定(黄燕东,姚先国,2012)[2]。
图1分别描述了2003—2012年垄断行业和竞争行业收入的基尼系数①,从图中可以看出垄断行业的收入基尼系数自2005年跌入最低点后就呈现缓幅攀升的趋势;竞争行业的收入基尼系数自2003年起就呈现出持续扩大的趋势,在2008年达到最高点后出现了较为显著的下降。一方面的原因是本文定义的垄断行业既包括工资收入增长很快的行业,如金融业和电力、燃气及水的生产和供应业,又包括某些低于行业平均工资水平的行业,如采矿业,这就出现了垄断行业收入差距不断扩大的趋势;另一方面,随着我国经济体制改革的不断深入,竞争行业中的市场化程度不断加强,竞争行业间的收入差距在逐步缩小。由此可见,垄断行业的收入差距在缓幅扩大,而竞争行业的收入差距却在持续缩小,这种趋势如若长期存在,势必会继续拉大城镇内部行业收入差距。
在解析行业收入差距的实证研究中,最重要的是讨论行业间工资差距的来源。在新古典经济理论的范式下,只有两类因素能够影响行业间劳动者的收入差距,一类是劳动者个体特征差异,如健康状况、教育水平等人力资本因素(王敬勇,2011;Juhn,1994)[3-4];二是行业特征差异,如劳动强度和危险程度,这种差别也被称为“补偿性工资差异”(Dickens & Katz,1971)[5]。然而,新古典经济理论描述的完全竞争假设在现实中并不存在,即使控制了一些影响生产率的因素之后,社会关系、政治身份、户籍等非市场力量也显著地影响了劳动者的工资差异(陈钊,陆铭,佐藤宏,2009)[6]。一些学者放松了完全信息的假设,考察诸如预防投机、公平感等因素的作用,即把行业收入差距解释为效率工资机制(Chen and Edin,2006;叶林祥,李实,罗楚亮2011)[7-8];也有学者试图将其解释为某种非竞争因素形成的行业租金(Smith,2000;Burks et al.,2002)[9-10]。
那么,近年来城镇内部行业收入差距的成因有哪些?这些因素对行业收入差距的贡献又如何呢?本文基于2012年中国劳动力动态调查(CLDS)微观数据,利用Heckman两阶段方法,以克服样本的自选择偏差,估计行业收入差距决定方程;利用最近发展起来的Shapley值分解方法,分析各因素对行业收入差距的贡献,探寻影响城镇内部行业收入的最主要原因并提出相应的对策建议。
二、模型设定与指标选取
(一)模型设定
在用传统的普通最小二乘法估计收入方程时,遗漏变量(如能力)可能与行业变量相关,进而高估行业间的工资差距(陈钊,万广华,陆铭,2010)[11],很多学者都在讨论如何选择合适的工具变量加以克服。但是值得注意的是,进入不同行业的样本本身也会存在系统性差异,出现截断样本,进而导致选择性偏差(余向华,陈雪娟,2010)[12]。如果直接将垄断行业和竞争行业的样本分开,分别估计两者的收入决定方程,可能会存在样本的非随机性产生问题,因为那些家庭背景较高、社会资本较为优越的劳动者更容易进入垄断行业。因此,本文采用Heckman样本选择方法来对工资方程进行估计。具体来说,该方法分为两个步骤:
第一步,本文尝试用Probit估计方程P(zi=1|w)=?椎(w′?酌),其中,?椎(·)为累积标准正态分布函数,w为是否进入垄断(竞争)行业的解释变量,在这里本文选取父亲的受教育年限(father education)和户口性质(hukou)指标。利用该方程的估计结果计算得到逆米尔斯比率(inverse Mills ration)■=?准(■′w)/?椎(■′w);
第二步,将■作为修正项加入到行业收入决定方程中:
lnwmon,i=?琢0+educationmon,i?茁1+gendermon,i?茁2+expmon,i?茁3+exp2mon,i?茁4+manmon,i?茁5+techmon,i?茁6+?准(?酌′w)/?椎(■′w)+umon,i(1)
lnwcom,i=?琢0+educationcom,i?茁1+gendercom,i?茁2+expcom,i?茁3+exp2com,i?茁4+mancom,i?茁5+techcom,i?茁6+?准(?酌′w)/?椎(■′w)+ucom,i(2)
上一篇:高校财务工作者廉政风险防范新选择
下一篇:我国环境规制对物流业效率影响研究