個人特征還是行業特征

摘要：基于統計年鑒宏觀數據和吉林省勞動力市場狀況調查微觀數據，采用兩步驟回歸模型分析吉林省行業間工資差異的成因。結果發現，個人特征對吉林省行業工資回報具有正向作用；行政壟斷等行業特征變量對吉林省行業工資差距同樣產生正向影響。可見，個人特征和行業特征都是行業間工資差異形成的原因，相比之下，行業特征因素更為顯著。因此，政府在調控現階段行業間工資回報差異方面，更應該傾向于關注行政壟斷帶來的工資差異。

關鍵詞：個人特征；行業特征；行業工資差異

中圖分類號：F224 文獻標識碼：A 文章編號：1003－3890(2011)03－0021－05

一、引言

中國改革開放三十年來的巨大變化反映在人們生活的各個方面，伴隨著城鎮居民收入水平的不斷提高，城鄉之間、城市內部、行業之間的收入差距也在不斷擴大(陸銘，陳釗，2004；陳斌開，楊依山，徐偉，2009，薛繼亮，李錄堂，2010)。其中，行業間工資差異的問題逐步受到中國學者的關注。現有文獻主要從個人特征和行業特征兩個角度論述行業工資差異的成因。從個人特征的角度，學者們主要拓展了Becker(1962)和Mincer(1974)的研究。認為由人力資本投資、性別、工作經驗等個人特征造成的差異是造成行業工資差異的主要原因。而對中國行業工資差異的現實驗證表明，在控制了個體特征變量之后，行業間工資差異依然存在(呂康銀，王文靜，2008)。以Lucas(1988)為代表的人力資本外部性理論對此提出了新的解釋，人力資本通過學習而產生的“行業溢出效應”因勞動者所處的行業不同而存在很大差異(sakellarious，1995)。另一方面，學者們多以所有制性質或壟斷作為行業特征分析行業工資差異的成因。認為壟斷行業依靠獨占資源和行政特權限制正常競爭獲得超額回報，因此，消除行業壟斷，引入競爭機制才能夠縮小行業工資差異(岳希明，李實，史泰麗，2010)。可以說，由個人特征引起的行業工資差異是行業運行效率的體現，而由行業特征造成的行業工資差異通常被學者認為是低效率且不公平的表現。

然而，現有研究對壟斷特征以外的行業特征關注較少，有些行業的平均工資高于其他行業正是市場效率的體現。例如，高科技產業、金融保險業等行業出現的高工資，就不能完全用壟斷經營來解釋。同時，現有研究大多應用宏觀或中觀數據，以省級數據為尺度的微觀調查非常有限。對此，本文將采用2007年“吉林省勞動力市場狀況調查”微觀數據和《吉林省統計年鑒》中的宏觀數據，運用兩階段回歸方法，綜合分析個人特征和行業特征對吉林省行業工資回報的影響，探尋吉林省行業工資差異的獨特成因，為縮小吉林省行業工資差異提供理論依據。

二、方法與數據分析

(一)計量模型構建

本文借鑒計量模型中“兩階段回歸”的思想(Kruger and Summers，1988；Winter－Ebmer，1994)，在第一步回歸中采用微觀樣本控制個體特征對工資差異的影響，基本模型為：

logW_ij＝C＋Z_ijλ＋X_ijβ＋ε_ij (1)

其中，logW_ij表示處于第j個行業個體i的工資對數值，Z_ij為控制了個人特征之后的個體行業收益虛擬變量，X_ij為除了行業虛擬變量之外的其他個人特征變量，C為常數項，ε_ij為隨機擾動項。

第二步回歸在第一步得出行業工資回報系數基礎上，引入行業特征變量，基本模型為：

λ_j＝c＋I_jγ＋e_j (2)

其中，λ_j為式(1)中的行業工資回報系數，I_j為相應的j行業特征向量，通過檢驗參數γ的顯著性，解釋λ_j變動的成因。由于方程(1)與(2)在整體研究中密切相關，第二步中的因變量λ_j大小取決于第一步回歸中樣本容量和行業就業分類的細致程度。因此，本文在利用“吉林省勞動力市場狀況調查”微觀數據之前，對其進行了聚類處理，以希望在第二步回歸中獲得更為細致的因變量。利用SPSSl7.0按照吉林省各行業國有企業所占比例和各行業從業人員平均工資將吉林省非農行業進行聚類處理，結果如表1所示①：

從聚類結果可以看出，吉林省的非農行業大體可以分成三類：第一類是以信息傳輸、計算機服務和軟件業、金融業為代表的行業，從工資水平來說，這類行業得到較高的工資，而筆者認為該類行業的高工資是由高人力資本集聚帶來的“學習效應”，也就是說人力資本外部.1生這一個人特征在這一行業表現明顯；第二類是以電力、燃氣及水的生產和供應、教育、文化、體育和娛樂等為代表的行業，這些行業勞動者的工資主要靠政府財政支出或控制資源而獲得的超額利潤，可以把這類行業看作行政壟斷行業；第三類行業是以采掘業、制造業、建筑業等為代表的行業，這類行業在市場中多依靠產品或服務爭奪市場，市場進入或退出均不受太多障礙，勞動者工資獲得由其勞動生產率的大小決定。因此，可以將這類行業看成是競爭性行業。

同時，為了解決個體樣本中行業分類細致程度較低的問題，本文借鑒了SakeUariou(1995)的思想，將聚類后的3個行業再次細分為白領和藍領，通過對原方法的調整，建立適合中國的兩階段模型。第一步：

lnwage＝C＋Z_ijλ_ij＋educafionβ₁＋expβ₂＋exp²β₃＋genderβ₄＋age＋e (3)

(i=1，2，3，j=1，2)

其中，ln wage為個體年收入對數值；z。代表行業i職位j個體的特征，i＝1，2，3分別代表吉林省的新興產業、行政壟斷行業和競爭性行業；j＝1，2分別代表藍領和白領兩類職位，本文將競爭行業的藍領作為參照組，λ_ij代表控制了個體特征后各行業不同職位的收益參數；education代表個體受教育年限；exp和exp²)分別代表個體工作經驗和工作經驗的平方；gender為男性虛擬變量(女性為參照組)；age代表個體的年齡。第二步：

λ＝c＋I₁γ₁＋I₂γ₂＋αM＋η (4)

其中，回歸系數γ₁、γ₂分別代表行業平均受教育年限提高一年和平均工作經驗提高一年對行業收益的影響，預期符號為正。在考察行業內工資差異時，為了驗證之前對各類行業性質的假設，筆者引入行業特征變量M，用以估計行業壟斷對行業工資差異的影響。

(二)數據分析

根據《中國統計年鑒》和《吉林省統計年鑒》等宏觀數據，本文計算整理出2000--2008年全國和吉林省行業工資的極差值和變異系數對比圖(如圖1和圖2所示)。

從圖1可以看出，從2000－2008年，中國最高行業工資與最低行業工資之間的極差值呈上升趨勢，這表明全國行業平均工資差距呈現出逐漸擴大的趨勢；而吉林省行業間工資差距在2004年達到最大值后，開始呈現出逐漸下降的趨勢。但是，從變異系數上看，吉林省從2004開始變化趨勢大于全國水平，這說明雖然從極差值來看全國水平高于吉林省，然而，行業中各組值中的變化幅度大于全國平均水平。因此，如果按照行業特征將吉林省行業平均工資進行分組的話，各組間的行業工資差距將大于全國平均水平。

本文采用的微觀數據是“2007年吉林省勞動力市場狀況”調查數據，調查共收回1018份問卷，根據研究需要，對數據進行了如下處理：(1)剔除農業樣本，(2)剔除自我雇傭類型的勞動者。有效問卷共計289份，調查中男性134份，占46.37％，女性155份，占53.6％。

不同類型行業勞動者相關變量基本統計如表2所示。其中，筆者將樣本中的“各類專業技術人員”、“管理人員”定義為“白領”勞動者、“普通勞動者”和“其他職業”定義為“藍領”勞動者。第二步回歸中使用的“行業壟斷程度”M變量用“行業國有化比重”代替，即行業內從業于國有單位人數占行業全部從業人數的比重來表示。

三、計量結果分析

利用普通最小二乘法對方程(3)進行回歸，將競爭行業——藍領作為參照組回歸其他變量，所得的回歸結果見表3。從結果中可以看出，調整后的擬合優度R²都達到了45％以上，多數回歸系數在5％的水平上顯著。從回歸結果中可以得出以下結論(見表3)。

1.模型(a)僅對勞動者的個人特征變量進行回歸。受教育年限的回歸系數為0.151，即在控制性別、工作經驗等其他個人因素后，勞動者私人的教育收益率為15.1％；工作經驗以及工作經驗的平方回歸系數為0.216和－0.017，其符號符合預期。男性工資會高于女性，但是回歸系數并不顯著。這意味著在控制了其他個體特征后，性別對吉林省工資差異的影響不顯著。

2.模型(b)引入了行業特征變量，在控制了行業特征變量后，勞動者受教育年限的回歸系數為0.124，這說明在考慮行業因素后，勞動者的私人教育收益率下降了2.7％，行業特征會掩蓋勞動者人力資本投資的貢獻程度；在控制了行業特征變量后，吉林省男性工資水平明顯高于女性(回歸系數為0.053)，在考慮行業特征因素后，吉林省出現了明顯的性別工資差異。

3.從模型(b)回歸結果看出，相對于競爭行業藍領參照組，行業歸屬和身份都能夠對勞動者的工資帶來顯著的影響，即吉林省行業工資差異確實存在。從回歸系數來看，各個行業的白領平均收益都要高于藍領，其中，新興行業的白領平均收益最高(回歸系數為0.663)，行政壟斷的白領平均收益次之(回歸系數為0.465)。令我們感興趣的是，行政壟斷行業中.的藍領勞動者平均收益顯著高于新興行業的藍領勞動者(0.219＞0.184)，同時，這部分群體的平均收益也要高于競爭行業的白領(0.219＞0.202)。通常情況下。白領勞動者的受教育程度和職位重要程度要比藍領重要得多，而行政壟斷行業中的藍領勞動者的平均收益高于競爭行業的白領勞動者，說明這種收益有可能不是來自其個人特征，而是來自于行業特征。

為了探究吉林省行業工資差異的成因是個人特征還是行業特征帶來的，第二階段回歸的因變量采用第一步回歸中的行業工資回報系數。在自變量中引入體現“學習效應”個人特征變量——人力資本外部性指標，用行業平均受教育年限和工作經驗數據替代。如果行業平均受教育年限和行業平均工作經驗的回歸系數是正值，說明人力資本外部性對吉林省行業工資回報具有正向作用。同時，為了驗證前面對行業特征的假設，本部分引入行業壟斷程度變量M衡量行業特征對行業收入差異的影響。表4是對方程(4)回歸的結果，從回歸結果可以看出：

首先，行業平均受教育水平的回歸系數在1％水平上顯著為正，表明行業平均受教育年限的增加會提高行業工資回報。從個人特征的角度說，人力資本外部性在吉林省行業尺度上普遍存在，一方面，勞動者在高新技術行業聚集加速了行業工資的提高；另一方面，行政壟斷部門也在市場改革過程中重視依據勞動者教育程度而支付工資。

其次，從行業壟斷程度的回歸系數來看，目前吉林省行業特征對行業工資回報的影響與其他因素相比居于主導地位(回歸系數為0.389和0.374)。這說明，吉林省目前的競爭環境還不夠開放，勞動力市場分割較為嚴重，行政壟斷因素干擾了個人特征在勞動力市場上的行業收益分配。

第三，從模型(d)的回歸結果發現，行業平均工作經驗(I₂)系數為正但并不顯著，這意味著行業工作經驗的增加并沒有促進行業收益的提高，這似乎與人力資本外部性的部分觀點相違背。然而，在考慮到吉林省經濟發展的實際情況中不難發現，除了傳統工業之外，絕大多數新興行業和競爭行業的發展時間都比較短，從業者大多都是新人，工作經驗非常有限，利用其來衡量行業工資回報不顯著也是可

四、結論及建議

本文利用2007年“吉林省勞動力市場調查”微觀數據和吉林省統計年鑒的宏觀數據，綜合分析個人特征和行業特征對吉林省行業工資回報的影響，通過對行業工資差異的“兩階段模型”進行回歸，得出以下結論：

1.通過對比全國和吉林省行業工資的極差值和變異系數發現，全國行業間的最高工資與最低工資的極端值高于吉林省平均水平；然而，若按照行業特征將行業平均工資進行分組的話，吉林省各組間的工資差距大于全國平均水平。

2.勞動者的個人特征對吉林省行業工資差異產生顯著影響。其中，在控制了性別、工作經驗等其他因素后，勞動者的私人教育收益率為15.1％；在控制了行業特征后，勞動者的私人收益率為12.4％，同時，控制了行業特征后的性另U對工資差異產生了顯著的影響。這說明，吉林省不同行業勞動者的工資水平在一定程度上能夠反映其個體特征的差異。

3.勞動者個體特征總體水平，即人力資本外部性對吉林省行業工資差異產生顯著影響。(回歸系數為0.227)。原因在于，一方面，勞動者在高新技術行業的聚集使行業“學習效應”的增強，容易形成知識外溢等正向影響；另一方面，行政壟斷部門也在改革的過程中逐漸重視勞動者教育程度的提高。可見吉林省行業工資差異能夠反映行業勞動生產率，是一種效率提高的體現。

4.行業特征對吉林省行業工資差異產生顯著影響且占主導地位。其中，行業壟斷程度對行業工資差異產生正向且顯著的影響(回歸系數為0.389和0.374)，這表明行政壟斷因素干擾了勞動者個人特征在勞動力市場上的行業收益分配，吉林省經濟發展中缺乏競爭機制，勞動力市場存在著分割。行業平均工作經驗對行業工資差異的影響并不顯著，這一結果和很多學者的結論并不相同(白彥，吳言林，2010)。因為，除了傳統工業外，吉林省絕大多數的行業發展時間都比較短，從業者的工作經驗非常有限，利用其來衡量行業工資回報不顯著。

5.行政壟斷行業中的藍領勞動者平均收益顯著高于新興行業的藍領勞動者(0.219＞0.184)，也高于競爭行業的白領勞動者(0.219＞0.202)，這說明在吉林省行業工資差異中，個人特征對行業工資回報的影響要小于行業特征對其工資回報的影響。

綜上所述，吉林省行業工資差異的成因中，既包括了個人特征，也包括了行業特征，其中，行業特征占主導地位。因此，為了控制吉林省逐步擴大的行業工資差異，發揮個人特征在行業收入的貢獻程度，就應在倡導競爭機制的過程中消除行政壟斷對行業收入分配的干預。

責任編輯：焦世玲