貿易自由化與非正規就業
——基于CHNS數據的實證分析

胡 翠 紀 珽 陳勇兵

一、引 言

在中國，非正規就業已經成為越來越重要的經濟現象。朱玲和姚宇(2006)利用國家統計局就業總人口數推測，1997—2004年中國城鎮地區的非正規就業總量從 5392萬人上升到 13601萬人； 昉吳要武和蔡 (2006)的估計結果表明，中國非正規就業在城鎮總就業人口中所占比重從2001年的19%上升到了2005年的25%。Xue等(2014)的研究發現，該比重在 2010年進一步提高到 40.32%。盡管關于中國非正規就業規模和比重變化的文獻非常豐富而其呈上升趨勢的特征也已是共識，但有關其變化原因的研究稍顯不足。本文試圖從貿易自由化的視角，為中國非正規就業比重的變化提供一定的解釋。

理論上，本文基于有效工資的思想，構建了一個局部均衡模型來解釋貿易自由化對非正規就業比重的影響機制。在模型中，正規就業和非正規就業工人的重要區別在于，前者的工作努力程度不能完全被企業監測，而后者則可以。這主要是因為，正規就業工人與企業之間簽訂了正式合同，企業需要搜集大量的證據證明其工作不努力才能將其解雇，因而監督成本非常高。此外，正規就業工人的努力程度與其被解雇的風險呈反方向關系。當被解雇風險增加時，正規就業工人將降低其努力水平。由于出口自由化使企業傾向于使用勞動節約型的技術，進口自由化讓企業面臨過剩危機，這些都會增加正規就業工人被解雇的風險，降低其努力的程度，使企業需要支付給每單位正規勞動力的有效工資上升，因而在雇傭勞動力上出現了非正規就業對正規就業的替代。

實證上，本文利用中國居民健康和營養調查(CHNS)的數據，從微觀個人和宏觀地區兩個層面，對理論模型的預測進行實證檢驗。在個人層面，本文根據職業登記表的信息，確定被調研者的就業狀態；且與 Paz(2014)一樣，以被調研者從事非正規就業的概率作為非正規就業比重的代理變量。在宏觀層面，借鑒Attanasio等(2004)以及Goldberg和 Pavcnik(2005)的做法，本文以被調研者的個體信息為基礎，估計了相應地區非正規就業的比重。實證結果驗證了理論模型的預測，即貿易自由化(不管是出口自由化還是進口自由化)都提高了非正規就業的比重。

本文余下的結構安排為：第二部分回顧了相關文獻并提煉出本研究的貢獻；第三部分從理論上探討了貿易自由化影響非正規就業的內在機制，推導貿易自由化與非正規就業比重之間的關系；第四部分描述了模型設定、數據來源和關鍵變量的構造；第五部分為估計結果；最后一部分是結論。

二、文獻綜述

貿易自由化對就業的影響是國際貿易的一個重要研究分支。這支文獻的研究問題大致可以分為兩類。

一類是通過考察貿易自由化與勞動需求彈性之間的關系來探討其對就業總量的影響。很多研究表明貿易自由化提高了企業對工人的需求彈性(Jean，2000；Hasan等，2007；Mirza和Pisu，2009)，但也有研究發現貿易自由化對勞動需求彈性的影響不確定甚至沒有影響(Mitra和 Shin，2012；Akhter和 Ali，2007；Mouelhia和 Ghazalib，2013)。在國內，關于貿易自由化與就業總量關系的研究也大多是考察其對勞動力需求彈性的影響(周申，2006；盛斌和馬濤，2008；盛斌和牛蕊，2009；肖德等，2013；梁中華和余淼杰，2014；毛其淋和許家云，2016)。

另一類則關注的是貿易自由化與就業結構之間的關系。最初對該問題的研究大多集中于考察貿易自由化對技術工人與非技術工人就業和工資差距的影響(Berman等，1994；Head和 Ries，2000)。隨著結論越來越明晰，學者們開始擴展就業結構的定義，得到了很多其他有意思的發現。Edmonds和 Pavcnik(2006)探討了貿易自由化如何影響勞動力在家庭和市場間的分配，結果表明貿易自由化的過程中勞動力會越來越多地在市場上尋求工作，而投入家庭勞動的時間則會下降。Davis和 Harrigan(2011)利用模擬的方法，研究了貿易自由化對“好工作”和“壞工作”的影響。Kis-Katos和Sparrow(2015)利用印度尼西亞的樣本考察了貿易自由化對低技能勞動力就業的影響，發現貿易自由化增強了低技能勞動力的就業傾向，且中間品貿易自由化較最終品貿易自由化的影響大。Ahsan和Chatterjee(2017)則基于印度的數據探討了貿易自由化對代際之間職業流動性的影響，其研究結果表明貿易開放提高了后代獲得更好職業的幾率。Chen等(2017)還基于中國數據，探討了出口對不同性別工人就業的影響。

近些年來，伴隨著經濟全球化程度的不斷加深，非正規就業的規模越來越大，成為世界各國的普遍現象(Schneider和Enste，2000)，一些學者開始從正規和非正規的視角來研究貿易自由化對就業結構的影響，但并沒有得到一致的結論。Acosta和 Montes-Rojas(2014)發現，進口關稅的下降將使阿根廷制造業行業層面的非正規就業比重上升。Alemán-Castilla(2006)的研究表明，墨西哥可貿易品部門非正規就業比重的上升與美國關稅的下降密切相關，但墨西哥本國進口關稅的下降對非正規就業沒有任何影響。利用巴西和哥倫比亞的樣本，Goldberg和Pavcnik(2003)得到了進口關稅下降使哥倫比亞非正規就業比重稍有上升以及對巴西非正規就業比重影響不顯著的結論。Menezes-Filho和Muendler(2011)也以巴西為樣本發現，進口關稅下降對工人從正規部門轉向非正規部門就業的概率沒有顯著影響。然而，Paz(2014)同樣是用巴西的樣本，發現進口關稅削減使非正規就業比重顯著下降。

在國內，很多學者注意到非正規就業規模不斷上升這一現象，并進行了一系列相關研究。總的來看，這些研究主要圍繞以下三個問題進行展開：首先，非正規就業的規模及變化趨勢(朱玲和姚宇，2006； 昉吳要武和蔡 ，2006；Xue等，2014)；其次，非正規就業的影響，包括非正規就業對收入差距的影響(李雅楠等，2013)、非正規就業對主觀幸福感的影響(王海成和郭敏，2015；卿石松和鄭加梅，2016)、非正規就業對經濟增長的影響(張延吉等，2015)、非正規就業對居民社會融入的影響(張抗私等，2016)；最后，影響非正規就業的因素，相比于前兩個問題，現有文獻在最后一個問題上的研究則較少，僅有王海成等(2017)考察了就業保護制度的影響、劉波和徐藹婷(2014)探討了家庭收入的影響以及李金昌等(2014)利用省級層面的數據探討了貿易開放的影響。

與已有研究相比，本文的貢獻有：第一，基于有效工資的思想，在理論上為貿易自由化對非正規就業比重的影響機制提供了一個可能的解釋。第二，與已有關于貿易開放與中國非正規就業之間關系的研究相比，本文在微觀個體層面上，進一步肯定了已有研究的結論。此外，本文主要關注非正規就業比重，而并非其絕對水平，因而研究結果變量不完全一樣。第三，為關于貿易自由化對非正規就業影響的文獻提供中國證據，并利用中國加入 WTO這一歷史事件，更好地處理了可能存在的內生性問題，使研究結論更為可信。

三、理論模型

這部分將基于有效工資的思想，構建一個簡單的局部均衡模型，為貿易自由化對非正規就業比重的影響提供可能的理論解釋。

（一）偏好

假設所有勞動者都是風險中性的，且有著相同的 Dixit-Stiglitz形式常替代彈性偏好。勞動者所有的收入來自其工作報酬，即工資。同Paz(2014)一樣，本文也假設，盡管工人提供的是同質勞動，但每位工人可以選擇其在工作中努力的水平(e)。對于每位工人，根據其是否與企業簽訂合同，被分為正規就業工人和非正規就業工人。借鑒Goldberg和 Pavcnik(2003)的假設，正規就業工人和非正規就業工人的一個重要區別在于，非正規就業工人的努力程度是可以被企業完全監測的，但正規就業工人的努力程度則無法監測。正規就業工人和非正規就業工人的這種差異主要來自于勞動法的規定。由于正規就業工人與企業簽訂了勞工合同，僅僅以不努力工作為理由而將其解雇并非易事，所以與其對工人進行監督，企業更傾向于采用各種方式激勵正規就業工人努力工作。簡單起見，假設企業對非正規就業工人的監督不需要成本，非正規就業工人選擇的努力程度對企業而言是確定的，且e=1；而正規就業工人付出的努力程度e≤1。因此，當工人被支付的工資為w且面臨的商品價格指數為P時，其間接效用函數為：

其中，wfor、winf分別為正規就業工人和非正規就業工人所獲得的名義工資。正規就業工人付出的努力程度與其面臨的被解雇風險(δ)呈負相關關系，即 dedδ ＜0。這意味著，當面臨較大的被解雇風險時，工人會變得更加消極懈怠。其可能的原因是，當失業風險較高時，工人需要承受較大的心理壓力，無法全身心的投入工作；此外，為了防患未然，勞動者也有可能將更多的精力用于尋找新工作。

貿易自由化會在一定程度上影響工人被解雇的風險。從出口自由化來看，當出口關稅τ*下降時，企業傾向于采用新的、勞動節約型的技術(Cimoli等，2005)，這使工人面臨的失業風險上升。從進口自由化來看，若進口關稅τ下降，原來由于高關稅無法進入本國市場的商品，現在能與本國商品競爭，從而本國市場上該商品的供給增加。這相當于企業受到了一個不利沖擊，市場對企業生產商品的需求降低，企業面臨著過剩危機，這也會導致工人被解雇的風險上升，故有：

（二）企業的行為

經濟中一代表性廠商，在生產中需要同時使用正規就業工人(lfor)、非正規就業工人(linf)和資本(k)。假設該廠商的生產函數為柯布-道格拉斯形式，即：

其中A代表勞動偏向的技術。在完全競爭市場中，該廠商生產商品的價格為p，其利潤函數為：

其中，r為單位資本的價格，we,for、we,inf分別是支付給單位正規就業工人和非正規就業工人的有效工資。若企業支付的名義工資為w，則we=we。結合前述關于偏好的假設有：

設企業的收入為R，則根據廠商利潤最大化和成本最小化的一階條件，企業支付的工資與雇傭的勞動量分別為：

（三）貿易自由化的影響

定義非正規就業工人的比重 Share = linf(linf+lfor)，則根據式(4)～式(7)有：

式(8)意味著，非正規就業比重與正規就業工人努力程度密切相關，而與企業在貿易自由化前后收入的變化沒有任何關系。出口關稅和進口關稅的變化對非正規就業工人比重的影響可以寫成：

根據式(8)可知，式(9)和式(10)等號右邊的第一項為負；而根據對正規工人工作中努力程度與其所面臨的風險關系的假設以及前述進出口關稅對工人面臨被解雇的影響可知，式(9)和式(10)等號右邊的第二、三項也都為負。因此，我們有如下定理。

定理：當出口關稅或進口關稅下降時，非正規就業工人在勞動總人口中所占比重上升。

四、模型設定、數據來源及變量描述

（一）模型設定

中國居民健康和營養調查(CHNS)問卷中涉及到被調研者的就業狀態以及所在單位的性質和規模，根據非正規就業定義以及上述信息，我們可以確定被調研者從事的是正規就業還是非正規就業，這為本文建立計量模型提供了一定指導。

1.個人層面計量模型

根據 Paz(2014)的研究，個人從事非正規就業概率的上升等價于非正規就業者的比重上升，因此本文首先基于被調研者的個人信息對貿易自由化的影響進行考察，具體實證模型如下：

其中，i代表工人，j為地區，t是時間；informal為虛擬變量，當工人就業形式為非正規時取值為 1，否則為 0；openness代表貿易自由化程度；X是與工人自身特征相關的且影響其選擇就業形式的可觀測變量，根據 Bosch等(2012)的文獻，這些變量包括年齡、婚姻狀況、性別以及受教育水平。為控制如經濟周期或匯率變動等宏觀經濟沖擊的影響，模型中包含了年份的虛擬變量 year。district為地區的虛擬變量，以控制地區特定且不隨時間變化的因素對被解釋變量的影響。ε1ijt為誤差項。

2. 地區層面的計量模型

同Hasan等(2012)一樣，本文也從宏觀地區層面對貿易自由化與非正規就業比重的關系進行考察，以進一步驗證個人微觀層面得到的結論。為保持樣本的一致性，這里將借鑒Attanasio等(2004)以及Goldberg和Pavcnik(2005)的兩步法，首先計算個人選擇非正規就業的概率被各地區解釋的部分，并進行標準化處理得到地區層面的非正規就業比重；其次再用地區層面的非正規就業比重對貿易自由化變量進行回歸。具體來說，在第一階段，分別用樣本中各年的個人層面數據估計如下方程：

其中，informal、X和district的含義同式(11)，ε2ij為獨立同方差的擾動項。第二階段的估計方程為：

其中φ是第一階段估計得到的各地區非正規就業比重；ε3jt是滿足獨立同方差性質的隨機擾動項。其他變量的含義與式(11)相同。

（二）數據來源與變量描述

實證研究中數據來自于美國北卡羅萊納大學和中國預防醫學科學院聯合執行的中國居民健康和營養調查(CHNS)數據庫。該調查自 1989年開始，到目前為止，已經有了10個年份的樣本①分別是1989年、1991年、1993年、1997年、2000年、2002年、2004年、2006年、2009年和2011年。。調查中采用多階段分層隨整群抽樣(multistage random cluster sampling)方法，依據地理位置、經濟發展程度、公共資源的豐裕程度和健康指數的特征覆蓋了中國東、中和西部的 8～12個省份②包括遼寧、江蘇、山東、河南、湖北、湖南、廣西、貴州、黑龍江。2011年還增加了北京、上海和重慶，但考慮到數據連續性問題，本文沒有使用最后被納入調研的這三個地方的樣本。。雖然調查的目的是為了了解中國居民的健康和營養狀況，但也包含了個人的教育水平、工作等信息，因而該數據庫對于分析就業狀況非常有用。此外，相對于公布的其他微觀數據，該數據庫擁有調查年份較多、時間跨度較長等特點，能很好反映相關變量的變化趨勢。

本文根據 ILO(1993)給出的關于非正規就業的內涵，并結合已有研究，對于非正規就業者進行界定。CHNS問卷中有一個問題是“你在目前工作中的職位是何種類型”，被調研者從所給出的選項中選擇即可。相應的選項包括“有雇工的個體經營者”“無雇工的個體經營者”“為他人或單位工作的長期工(包括：各級企、事業，大、中、小集體企業，集體農場，私人企業)”“為他人或單位工作的合同工”“臨時工”“領取工資的家庭工人”“無報酬的家庭幫工”“其他”“不知道”。對于選擇“其他”和“不知道”的被調研者，由于無法進行判斷，本文刪掉了這部分觀測值。研究中，個體經濟和家庭經濟屬于非正規經濟是得到一致認可的，從而“有雇工的個體經營者”“無雇工的個體經營者”“領取工資的家庭工人”和“無報酬的家庭幫工”都被歸為非正規就業工人?！芭R時工”由于不能享受社會保障，將其歸為非正規就業者也無可厚非。難以確定的是“為他人或單位工作的長期工”的被調研者?？紤]到 ILO(1993)指導框架指出“非正規部門包括雇員數量較少的小企業”，這里將結合問卷中的另一個問題“你所在單位有多少職工”進行確定。1997年之前，后一問題要求被調研者給出具體的數字，但之后的問卷中給出了具體選項。為了保持前后一致，本文將選擇了“為他人或單位工作的長期工”且“所在單位職工低于20人”的被調研者也視為非正規就業者。

個人層面控制變量的定義如下：(1)性別(gender)。被調查者為男性時取值為0，被調查者為女性時取值為 1。(2)婚姻狀況(marital)。CHNS問卷中關于婚姻狀況的選項有 5個，本文將在婚狀態定義為 1，其他四種類型定義為 0。(3)年齡(age)。根據調研年份與被調研者出生年份進行確定。由于本文考慮的是就業情況，因而僅保留工作年齡段，即 18～65歲人群的樣本。(4)受教育水平(edu)。CHNS將被訪問者的受教育程度分為：沒有受過教育；小學；初中；高中或職業學校；大?；虼髮W；碩士及以上。本文以沒有受過教育為基礎組，定義 5個虛擬變量對受教育水平進行控制。(5)工作經驗(exp)。調研中沒有涉及到工作經驗，這里根據 Mincer(1974)的做法用潛在工作經驗進行替代，即用年齡減去受教育年限再減去入學年齡 6。對于受教育年限，借鑒李雅楠等(2013)的研究，將小學畢業、初中畢業分別設定為 6年和9年；高中畢業、中等技術學?；蚵殬I學校畢業設定為12年；大專或大學畢業、碩士及以上所對應的受教育年限分別為 16年和 19年。考慮到農村就業性質的特殊性，分析中僅保留城鎮的樣本。處理后的樣本觀測值為16448。個體層面各變量的統計性質如表1所示。

表1 個體層面控制變量的統計性質

表2均值檢驗的結果顯示，盡管正規就業和非正規就業群組在工作經驗上十分接近，但在其他方面存在著顯著的差異。正規就業群組中男女比例相差不大，但在非正規就業中，男性占比稍高。不管是正規就業還是非正規就業群組，已婚人員都超過了一半，但正規就業群組中的已婚人員占比則較非正規就業群組中的低。在年齡方面，正規就業群組的平均年齡約為39歲，比非正規就業群組的37歲略高。從受教育水平來看，正規就業群組中接受過高等教育的就業者所占比重較非正規就業群組中更大。

表2 正規就業和非正規就業組的均值檢驗

關于貿易自由化，一些研究用關稅水平進行度量。例如 Castilho等(2012)在研究貿易自由化與收入差距及貧困關系的實證中，構建了行業水平的加權關稅稅率來衡量貿易自由化程度，采用類似做法的還有 Bosch等(2012)、Paz(2014)等。值得注意的是，貿易自由化不僅僅包括關稅水平下降，還包括大量的非關稅壁壘削減。尤其是近些年關稅水平已經降到了很低，影響貿易很大程度上取決于非關稅壁壘，僅用關稅水平并不能很好地反映貿易自由化程度。因此，也有研究在衡量貿易自由化的同時用到了關稅和非關稅壁壘的信息，如Hasan等(2012)。但對于中國這樣的發展中國家而言，非關稅壁壘的數據難以獲得(余淼杰，2010)?？紤]到不管是關稅壁壘還是非關稅壁壘的變化，最終都會反映在貿易流量上，本文將據此來構建貿易自由化的指標。

具體來說，本文用進出口總額與GDP之比作為貿易自由化程度的代理指標。該比值越大意味著總體貿易自由化程度也越高。此外，我們也分別構建了出口額與GDP之比以及進口額與GDP之比的指標，以進一步考察出口自由化和進口自由化的影響。事實上，已有很多研究采用過類似的做法。例如，余淼杰(2010)在考察貿易自由化對制造業企業生產率的影響時，便是用進口滲透率(進口額與總產出之比)來衡量貿易自由化程度的。Castilho等(2012)除了用關稅水平對貿易自由化進行度量外，還用到了進口滲透率和出口密集度(出口額與總產出之比)。Dutt等(2009)也以貿易開放度(進出口總額與總產出之比)作為貿易自由化的衡量指標之一來考察其對失業的影響。由于本文使用的樣本中只能確定被調研者所在的省，因而貿易自由化指標都是在省級層面上進行構建。各地區進、出口額以及GDP數據均來自國家統計局。

五、估計結果

（一）微觀個人層面的估計結果

1. 基本估計結果

利用個人層面數據對式(11)估計的基本結果如表3所示。其中，貿易自由化指標在Panel A中用進出口總額與GDP之比來衡量，在Panel B中用出口額與GDP之比來衡量，在Panel C中則以進口額與GDP之比作為代理變量。因此，相對應的結果分別表示總體貿易自由化、出口自由化和進口自由化的影響。同很多其他研究(如 Greenaway和Kneller，2008)一樣，在估計中，各貿易自由化變量均滯后一期。

表3的前3列是利用線性OLS估計方法得到的結果。第1列中僅控制了相應自由化指標以及年份和地區的固定效應，第2列加入了年齡、工作經驗、性別和婚姻狀態等個體特征的變量，第 3列進一步控制了 5個受教育水平的虛擬變量。從估計結果來看，不管是否控制個體特征變量，也不管控制了多少個體特征變量，各貿易自由化變量前面的估計系數都在1%的水平上顯著為正，即總體貿易自由化、出口自由化以及進口自由化都與個人從事非正規就業的概率之間存在著顯著正相關關系，與理論模型的預測一致。從影響大小來看，Panel A的估計結果表明，進出口總額與 GDP之比上升10%，個人從事非正規就業的概率將上升 2.33%～2.86%；Panel B中出口貿易自由化指標前面的估計系數意味著，出口額與GDP之比上升10%，個人從事非正規就業的概率將提高1.86%～3.04%；根據Panel C的估計結果，進口額與GDP之比上升10%，個人從事非正規就業的概率會增加8.40%～8.81%。因此，進口自由化對非正規就業比重的影響較出口自由化大。

考慮到被解釋變量是0和 1的虛擬變量，OLS估計量將不具有一致性，本文利用probit方法對表3中(1)～(3)列的模型設定進行重新估計，相應的結果報告在表3的(4)～(6)列。同樣，在Probit 估計結果中，各貿易自由化指標前面的系數均在1%的水平上顯著為正。結合樣本中各貿易自由化指標的均值，計算邊際影響效應的結果為：進出口總額與GDP之比上升10%，個人從事非正規就業的概率將上升2.21%～2.78%；出口額與 GDP之比上升 10%，個人從事非正規就業的概率將提高 1.55%～2.83%；進口額與 GDP之比上升 10%，個人從事非正規就業的概率將提高 8.08%～8.59%①probit估計方法中，估計系數需要結合模型中各變量的取值進行一定的變換才能解釋為邊際影響，所以這里的邊際影響效應與表格中的估計系數有差異。。與OLS估計結果相比，各貿易自由化指標的邊際影響稍有下降，但差異并不是很大。此外，probit估計結果依然表明，相較于出口自由化，進口自由化對非正規就業比重的影響更大。

對于進口自由化的影響大于出口自由化這一實證結論，可以結合第三部分理論模型闡述的機制進行解釋。根據理論模型，出口自由化使企業傾向于采用勞動節約的技術，增加了正規就業工人被解雇的風險，降低其工作努力程度，而進口貿易自由化則是通過使國內企業面臨產品過剩危機這一渠道影響正規就業工人的工作努力程度。從現有研究來看，出口確實提高了中國企業的生產率，但其影響幅度與中國工業生產率的平均增長速度相當。如Hu和Tan(2016)的估計結果發現，出口使企業的生產率提高了4%～8%，僅稍高于魯曉東和連玉君(2014)估計的中國所有企業生產率的平均增長率(3%)。對于進口自由化的影響，雖然沒有直接證據表明其使企業面臨過剩危機，但毛其淋和盛斌(2013)發現，1998—2007年間中國制造業企業具有很高的退出率，這在一定程度上反映了國內較多企業缺乏競爭力和遭遇過剩危機的現實。

對于其他各控制變量，相同模型設定下的估計系數符號相同，且都在1%的水平上顯著。當控制了受教育水平后，年齡(age)和工作經驗(exp)兩個變量估計系數的符號發生了改變。這主要是因為年齡和工作經驗與受教育水平之間存在一定的相關性。沒有控制受教育水平時，在年齡和工作經驗的估計系數中，也包含了受教育水平的影響。性別及受教育水平的影響在不同模型設定下表現出較強的穩健性。其中，相對于男性，女性勞動力從事非正規就業的概率較低。可能的解釋是相對于男性，女性較為重視工作的穩定性(薛進軍和高文書，2012)。在受教育程度方面，由于本文的基準組是沒受過教育的勞動者，因而各教育虛擬變量顯著為負的估計系數可以解釋為，接受過教育的勞動者從事非正規就業的概率較未接受過教育的勞動者低。比較受教育水平各虛擬變量邊際效應可以發現，個人從事非正規就業的概率會隨著接受教育水平的上升而下降，這與姚宇(2007)利用 2002年城市調查數據得到的結論一致，說明教育在尋找正規就業崗位中扮演著重要角色。

表3 個人層面估計的基本結果

續表3

2. 穩健性檢驗

這部分對上述基本回歸結果進行穩健性檢驗，包括控制更多的變量，利用不同估計方法以及對不同子樣本進行回歸。

表4報告了控制家庭收入變量和利用GMM估計方法進行回歸的結果①各列回歸中都控制了與表3一樣的個人特征變量，這些變量估計系數的符號同表3最后一列相同，為節省空間，之后表格中都不報告。。一方面家庭收入會對家庭成員產生“收入效應”，不僅影響其參與工作的可能性，而且或許還會決定其選擇何種形式的工作；另一方面，貿易自由化與收入之間存在著相關關系(李磊等，2011)。如果不控制家庭收入，基本回歸結果中各貿易自由化指標的估計系數可能會被認為包含了收入的影響?？紤]到收入的影響可能為非線性，收入的平方項也一并進行了控制。估計結果如表4的第(1)～(3)列所示。估計系數表明，即使控制家庭收入這一變量，貿易自由化依然會提高個人從事非正規就業的概率。家庭收入一次項估計系數顯著為負，但平方項顯著為正，說明收入較高或較低的家庭，其成員選擇從事非正規就業的概率也較大，這與劉波和徐藹婷(2014)的發現一致。

表4第(4)～(6)列是GMM方法估計的結果。前述估計中不可避免地存在內生性問題，因為一個地區的勞動者從事非正規就業概率越高，該地區的企業越可能雇傭到廉價的非正規勞動者，從而成本更低并更具競爭力，進口或出口將更多。為此，這里用GMM 方法對基本模型設定進行回歸。由于難以找到關于貿易自由化指標的合理工具變量，在GMM回歸中，依然以各貿易自由化指標的滯后項作為其自身的工具變量。估計結果表明，基本回歸中得到的結論依然成立?？紤]到用滯后項作為工具變量，GMM估計結果或許依然無法令人完全信服，本文后面還將基于中國加入 WTO 的擬自然實驗，利用DID的方法來解決可能存在的內生性問題。

表4 控制更多變量和GMM的估計結果

對不同時間段和不同地區子樣本進行 probit估計的結果如表5所示。Panel A 是以2002年為界，對2002年之前和之后的兩個子樣本進行回歸的結果，Panel B是對中東部地區和西部地區樣本分別估計的結果。各子樣本的估計中均控制了個人特征、年份固定效應和地區固定效應。估計系數表明，只有在 2002年之后或中東部地區，貿易自由化才對個人從事非正規就業的概率有顯著為正的影響。在 2002年之前或西部地區，貿易自由化的影響并不顯著。這些估計結果恰好驗證了理論模型所闡述的機制。2002年以前，大量工人在國企中工作，而當時國企的工作有“鐵飯碗”之稱(Berkowitz等，2017)，不存在被解雇的風險，從而理論模型中描述的機制并不會發生作用。自 20世紀90年代末以來，中國開始進行國企改革，尤其是2002年以后，按照加入WTO的承諾，很多國有企業變更了所有權性質，并引入市場運作機制(Li和 Xu，2015)。這意味著“優勝劣汰”成為大多數企業雇傭員工的重要原則之一，正規就業的工人開始面臨著失業的風險。貿易自由化正是通過正規就業工人面臨被解雇的風險影響其工作努力程度，最終影響經濟中非正規就業的比重。同樣的邏輯也可以用來解釋貿易自由化對中東部地區和西部地區個人從事非正規就業概率影響的差異。

表5 不同子樣本的估計結果

（二）宏觀地區層面的估計結果

利用個人層面樣本進行估計存在的問題是，衡量貿易自由化的變量是在地區層面進行構建的，無法完全反映每個勞動者所受到貿易自由化沖擊的信息。解決這一問題有兩種方法，一是構建個體層面的貿易自由化指標，二是放棄個體的樣本，利用地區層面的非正規就業比重作為被解釋變量進行估計。由于數據限制，無法為每個勞動者構建其受到貿易自由化沖擊的變量，因而本文主要采取第二種方法，利用兩步估計進一步從宏觀地區層面上驗證微觀個體層面得到的結論①兩步估計的具體步驟見模型設定部分。。對式(12)利用probit方法進行逐年回歸，得到各地區非正規就業比重的統計性質如下。

表6 各地區非正規就業比重的統計性質

以估計的地區非正規就業比重為被解釋變量，第二階段的估計結果報告在表7中。其中，第(1)～(3)列是OLS估計結果，第(4)～(6)列是GMM估計結果。不管利用哪種估計方法，貿易自由化各指標的估計系數都至少在 5%的水平上顯著為正。從影響大小來看，進出口總額與GDP之比每上升10%，地區非正規就業比重會增加1.71%～2.07%；出口額與 GDP之比每增加 10%，地區非正規就業比重將上升 2.27%～2.75%；進口與GDP之比每增加10%，地區非正規就業比重將提高5.16%～5.69%。這些結果與利用個人層面數據估計的結果相差不大。而且，根據地區層面的估計結果，同樣也能得到進口自由化對非正規就業比重的影響較出口自由化更大這一結論。

表7 地區層面估計結果

（三）擬自然實驗估計的結果

這部分以中國加入 WTO作為擬自然實驗，利用雙重差分方法解決可能存在的內生性問題，以進一步驗證上文得到的結論。

自1987年起，中國開始申請恢復 GATT(后更名為 WTO)的締約國地位，并最終于 2001年年底成功成為 WTO成員國之一。此后，中國開始履行其關稅減讓的義務，且在 WTO非歧視性原則的約束下，出口商品能享受其他國家更為優惠的關稅，使進出口規模在GDP中的比重大幅提高。加入WTO之前的十年間，進出口額與 GDP之比的平均值只有 35.07%，而加入后的十年，該比值的平均值上升到了 54.20%。WTO對各地區參與貿易的影響卻存在較大差異。例如，在本文使用的樣本中，江蘇的進出口額與GDP之比在2002年及以后的平均值較2002年之前上升了60.15個百分點，但湖南的進出口額與GDP之比在2001年前后僅變化了0.37個百分點。加入WTO對各地區參與貿易影響的不同使我們可以借鑒Guadalupe 和Wulf(2010)的處理，利用雙重差分的方法，即通過比較受中國加入 WTO影響較大地區(處理組)非正規就業比重的變化與受影響較小地區(對照組)非正規就業比重的變化，來確定貿易自由化對非正規就業的影響。對個體樣本進行雙重差分的具體模型設定為：

式(14)中post02為虛擬變量，在2002年及之后的年份該變量取值為1，之前取值為0。Highexposure為處理組和對照組的虛擬變量。Han等(2012)發現，受影響較大地區的出口額與GDP之比或進口額與GDP之比在中國加入WTO后變化更大?；谒麄兊难芯?，本文分別根據進出口總額與 GDP之比、出口額與 GDP之比和進口額與GDP之比的變化來定義處理組和對照組。若某地區進出口總額與GDP之比在2001—2011年的變化與其在1989—2001年的變化之差大于樣本中所有地區這一差值的平均值，則認為 WTO對該地區總貿易自由化程度影響較大。因此，該地區將歸為處理組，其對應的Highexposure取值為1，否則為0。利用出口額與GDP之比和進口額與GDP之比對地區的劃分依此類推。其他各變量的含義同式(11)。

對地區樣本進行雙重差分的模型設定為：

式(15)中被解釋變量φ的含義同式(13)中一樣，為估計地區的非正規就業比重。其他各變量的含義與式(14)中相同。如果貿易自由化會對非正規就業產生影響，我們將觀察到落在處理組和對照組中的地區，個人從事非正規就業的概率或非正規就業比重在2002年前后的變化會有較為顯著的差異，即交互項的估計系數3β和4β都應該顯著異于零。

利用雙重差分方法對式(14)回歸的結果見表8的前三列。各列對應的處理組和對照組地區分別根據進出口額與GDP之比、出口額與 GDP之比以及進口額與 GDP之比進行確定，因而交互項的估計系數分別衡量的是總體貿易自由化、出口貿易自由化和進口貿易自由化的影響。各列的估計結果同樣表明貿易自由化顯著提高了個人從事非正規就業的概率。邊際效應的結果也同樣顯示出，進口自由化對非正規就業的影響大于出口自由化。這些都與之前的估計結果保持高度一致。利用地區層面樣本進行雙重差分的估計結果報告在表8的后三列。同樣地，各交互項變量的估計系數顯著為正，且進口自由化的影響依然較出口自由化的影響大。因此，本文的估計結果表現出較強的穩健性。

表8 擬自然實驗的估計結果

六、結論

就業是民生之本，是改善生活的基本前提和基本途徑，也是維持社會穩定的重要保證，因而勞動力市場狀況是社會各界所關心的問題。本文主要從貿易自由化的視角，解釋非正規就業所占比重變化的原因，為中國勞動力市場上存在的較大規模非正規就業現象提供一定解釋。

理論上，本文根據有效工資的思想，構建了一個簡單的模型，闡述貿易自由化對非正規就業比重的影響機制，并預測貿易自由化將提高非正規就業的比重。實證上，利用中國居民健康和營養調查(CHNS)的數據，本文從個人微觀和地區宏觀兩個層面對理論模型的預測進行驗證。實證分析的結果表明，貿易自由化確實提高了個人從事非正規就業的概率，也增加了地區非正規就業的比重。此外，與出口自由化相比，進口自由化對非正規就業比重的影響更大。

很多研究表明，中國的非正規就業工人不僅在收入上遠遠落后于正規就業者(薛進軍和高文書，2012)，而且在勞動條件與所獲得的社會保障等方面也都較正規就業者低(吳要武和蔡昉 ，2006)。本研究引申的政策含義包括：第一，加大對從事國際貿易企業在落實勞動法方面的監督，以改善非正規就業工人的勞動條件和福利水平。盡管由于數據限制，無法比較貿易和非貿易企業在雇傭非正規就業勞動力方面的差異，但本文理論模型表明，對外貿易部門是中國非正規就業比重上升的重要原因之一。從對外貿易中頻頻遭受的綠色貿易壁壘等案例可以推測，中國從事對外貿易企業不嚴格執行勞動法的現象非常普遍。為此，需要采取相應措施加大對從事國際貿易企業的監督，保證其認真貫徹執行勞動法，保障非正規就業工人的基本權益。第二，有效落實扶貧政策，提高貧困家庭的收入，實現社會階層流動的良性循環。本文實證結果也發現，收入越低的家庭，其家庭成員從事非正規就業的概率越高，而非正規就業的工資又普遍較正規就業的低。如此惡性循環，使得低收入家庭難以擺脫貧困。若扶貧措施能有效落實，提高貧困家庭收入的同時，也有助于其家庭成員尋找正規就業崗位和提高收入，并依靠自身能力進入中產階級。