工作任務回報與性別工資差距

劉 瓊，樂君杰，姚先國,3

(1.浙江大學 公共管理學院，浙江 杭州 310058；2.浙江大學 經濟學院，浙江杭州 310027；3.浙江大學 民生保障與公共治理研究中心，浙江 杭州 310058)

一、引言

勞動力市場上的性別工資差距一直以來備受經濟學家和政策制定者關注。近年來，我國性別工資差距自市場化經濟改革推進以來不斷擴大的現象悄然發生了改變，出現了縮小的趨勢。如夏慶杰等采用CHNS數據發現城鎮性別工資差距2004—2009年間從13%上升到了33%，但到2011年時回落到了25%左右[1]。羅楚亮等通過分析CHIP 1995—2013年數據同樣發現性別工資差距在2007—2013年期間出現了縮小的態勢[2]。最近的研究還發現，城市招聘市場中，包括市場營銷和軟件工程師在內的中高端白領職位出現了更加偏好女性的特征[3]。

是什么因素使得女性在勞動力市場獲取了更多回報，從而使得性別工資差距得以收斂？這背后一個不可忽視的力量是勞動力市場正在經歷的普遍技能需求變革，以信息技術和自動化技術為代表的通用技術進步全面重塑了勞動力市場的需求結構。自動化機器和設備的使用使得工作場所降低了對體力和常規重復性技能的依賴，減少了大量常規的、可程序化的工作任務崗位，同時提高了抽象分析、人際互動等這些難以被自動化所替代的能力的需求[4-7]。這些變革的影響與勞動力市場的性別結構密切相關。和男性相比，女性在認知技能方面具有比較優勢[8]。女性尤其擅長溝通、協調等人際互動任務，來自心理學和神經科學的一系列文獻顯示男性和女性在利他性、外向性和宜人性方面具有顯著差異[9]，女性具有更好的移情能力(同理心)、情感識別能力和口頭交流能力[10-12]，這無疑使得她們在需要社交和人際互動的工作任務方面具有明顯優勢。因此，工作場所技能需求的變化，彌補了女性體力方面的劣勢，強化了女性的優勢特征，對女性而言可能是更有益的。

目前我國少有文獻關注性別工資差距縮小的原因，更缺乏將近年來勞動力市場工作任務需求特征與性別工資差距變化相聯系的實證分析。已有研究發現，勞動者在工作中運用的技能和所執行的具體工作任務在工資決定和工資增長中發揮著重要作用[13-15]。本文認為，如果勞動力市場需求增加的技能是女性更具有優勢、回報更高的技能，那么技術進步等因素帶來的工作任務需求變化就可能有助于性別工資差距的縮小。

二、文獻綜述

計算機及信息技術改變了勞動者在工作中具體執行的任務，從而最終改變了對不同人力資本的需求。奧托(Autor)等在其開創性的工作中引入了一個基于任務的分析框架，將勞動力市場工作視為一系列工作任務的集合，并根據完成它們需要的技能與計算機技術是替代還是互補，將工作任務劃分為常規(routine)和非常規(non-routine)任務。常規任務是指那些在清晰的指令下能夠被機器設備所執行的重復性和可程序化的認知與操作任務，而非常規任務是指需要問題解決能力和復雜溝通技能從而不易被程序化和替代的任務[4]。此后的眾多研究如加斯曼(Gathmann)和遜伯格(Schonberg)[14]、阿西莫格魯(Acemoglu)和奧托(Autor)[6]以及吉多(Guido)[16]等照此定義將工作任務劃分為非常規認知任務(non-routine cognitive task)、常規認知和操作任務(routine cognitive and manual task)、非常規操作任務(non-routine manual task)三類(1)其他研究對工作任務的分類由于使用數據的不同存在細微的差異，但整體上均遵循以上定義。如斯皮茨歐勒(Spitz-Oener)、布萊克(Black)和斯皮茨歐勒根據德國數據將工作任務劃分為更具體的非常規分析、非常規互動、常規認知、常規操作和非常規操作五類[17-18]。斯泰恩布里克納(Stinebrickner)等則根據獨有的面板數據將工作任務分為與人打交道、與信息打交道和與物體打交道三類，同時將每一類工作任務分為低技能和高技能[13]。但根據作者的定義可發現，低技能的這三類工作任務與常規任務十分吻合，而高技能任務則分別類似非常規的人際互動任務、分析任務和操作任務。。非常規認知任務一般又分為非常規分析任務(non-routine analytical task)和非常規人際互動任務(non-routine interactive task)。前者是指需要進行研究、分析和設計的工作任務，要求較高的抽象思考能力、解決問題能力和創造力，專家和技術人員該類任務的度量值往往最高；后者主要包括談判、游說、咨詢、團隊合作和管理員工等任務，需要良好的與人交流、與同事和顧客共事的能力，主要代表職業包括經理和專業服務崗位等。常規認知和操作任務包括記錄、測量和簡單計算等不需要靈活處理的工作內容，一般而言辦公室行政、生產線工人等該類任務的度量值最高。非常規操作任務則包含不需要較高的教育水平，但需要靈活的操作能力和良好的環境適應能力來完成的工作內容，如修理、安保和駕駛等[4，6，18](2)需要指出的是，工作任務所屬類型與生產中使用的技術有關。如隨著人工智能技術的發展，輔助醫療診斷技術和自動駕駛技術的出現可能使得以往典型的非常規的分析和操作任務成為常規任務[7]。。在發達國家，常規任務偏向型技術進步(routine-biased technical change)的發生已得到一致共識。大量中等技能的常規任務崗位被技術所替代，而低技能和高技能的非常規任務崗位就業份額都出現了大幅增長[5-6]。經驗研究還發現，工作任務對工資決定具有重要的解釋作用，非常規認知任務(包括分析任務和人際互動任務)與技術進步更加互補，即計算機技術能提高執行這些工作任務的勞動者的生產率[17]。這些任務在工資決定中表現為與勞動收入顯著正相關[15]，并獲得了比容易被技術替代的常規任務高得多的工資回報[13]，且其重要性不斷上升[19]。

縱觀已有文獻，工作任務需求和回報變化對性別工資差距的影響路徑可歸為兩類。第一類研究聚焦于不同技能回報變化的影響，根據韋爾奇(Welch)的智力—體力兩要素模型，男性技能是更加體力密集型的，女性技能則相對集中于智力方面，在認知能力方面具有比較優勢[20]。以計算機和自動化為代表的技術進步變革提高了認知技能相對運動技能的價格，從而將提高女性相對男性的工資收入。這一機制得到了相關經驗研究如巴科羅(Bacolod)和布盧姆(Blum)[8]以及博德里(Beaudry)和路易斯(Lewis)[21]等的證實。稍有不同的是，亞馬古基(Yamaguchi)發現，認知技能在性別之間沒有差別，但男性的運動技能要高于女性，因此運動技能回報的下降極大地解釋了美國1980—2010年間性別收入差距的縮小[22]。第二類研究則關注男性和女性工作任務投入變化的影響。計算機的普及提高了對女性勞動者的需求[23]，同時，布萊克和斯皮茨歐勒的研究結果顯示，男性和女性在工作場所中從事的工作任務出現了分野。女性的非常規分析任務和人際互動任務投入的增長速度高于男性，而常規認知任務投入低于男性。因此，即使任務回報保持不變，工作任務需求的變化也能夠解釋1979—1999年期間聯邦德國幾乎50%的性別工資差距變化[18]。

最近的一些研究還特別關注了以上這些工作任務中非常規人際互動任務對縮小勞動力市場性別差距的影響。伯翰斯(Borghans)等人指出，來自技術和組織方面的變革提高了社交技能(people tasks，指與人打交道的能力，包括溝通、照顧和激勵等)在工作場所中的重要性，由于那些社交技能更為重要的職業雇傭了更多女性，其重要性的加速增長部分解釋了美國1970—1990年間性別工資差距的縮小[24]。蓋恩(Ngai)和彼得羅哥洛(Petrongolo)認為，女性在更密集使用溝通交流和人際交往技能的服務業具有比較優勢，因此服務業的增長提高了女性的勞動供給和相對工資[25]。科特斯(Cortes)等將高薪職業或者那些更注重非常規認知技能的職業，如經理、金融分析和軟件工程師等定義為好工作，他們發現自1980年以來，盡管美國受過大學教育的女性勞動者供給增長大大超過男性，她們獲得好工作的可能性卻增加了，而男性獲得好工作的概率則在下降。他們認為對這一現象的一個關鍵解釋在于這些職業內社交技能需求及其重要性的大幅提高[26]。

目前我國已有研究和政策主要關注供給側因素如女性教育水平提升對縮小性別工資差距的作用[27]，僅有少量研究從需求側考察了技術進步等帶來的技能需求變化對此的影響。魏下海等采用廣東佛山南海區制造業數據，發現工廠內生產線的升級給女性帶來了更高的工資回報，其邏輯解釋在于生產線的升級將降低對運動技能的需求，提高對認知技能的需求，從而對女性更有益[28]。邢春冰等通過實證分析發現地區教育回報越高，則性別工資差距越低，并將這背后的力量歸結于技能偏向型技術進步對高技能需求的作用。因為技術進步提高了教育回報，從而使得具有認知技能比較優勢的女性更為受益[29]。這些研究肯定了技術進步等帶來的需求變化對縮小性別工資差距的作用，但對具體影響路徑的論證仍十分有限，其結果解釋機理所依賴的假說也有待檢驗，影響機理仍是一個“黑匣”。本文利用世界銀行數據考察具體工作任務回報及其性別差異，為性別工資差距縮小的機理提供了一個可能的解釋。

三、數據、變量與實證模型

1.數據來源

本文考察不同類型工作任務的回報及其性別差異，首先需要解決的是工作任務類型的度量及其相關的數據問題。發展中國家的此類基礎數據較為缺乏，根據數據的可得性，本文采用的是來自世界銀行的“就業和生產率技能”(Skills Toward Employment and Productivity, STEP)調查數據。該調查共覆蓋了12個發展中國家和地區，其中中國的相關數據來自2012年在云南的調查。STEP數據專門開發了工作任務模塊，直接對勞動者目前的工作內容進行調查以獲取工作任務相關信息。數據樣本選擇城鎮地區的住戶，在家庭成員樣本中隨機抽取一位勞動年齡人口(15—64歲)樣本，回答就業和具體工作內容問題。此外，數據還包括了工作報酬、個人特征、企業特征等信息，并提供了個體抽樣概率，為本文的分析提供了較好的基礎。

2.工作任務定義與描述

(1)工作任務定義。迪卡洛(Dicarlo)等將STEP調查與發達國家研究常用的工作任務模塊的具體測量問題進行了一一對應[30]，本文參考都陽等[7]和迪卡洛等[30]的定義與分類，根據問卷信息將2012年STEP云南調查任務類型首先分為常規認知型任務和非常規任務，其次再將非常規任務分為分析任務、人際互動任務和操作任務三類。因此，本文總共度量了四種工作任務，每類任務對應的具體活動和度量如表1所示。

表1 工作任務定義

計算每一個勞動者的每項工作任務分值時，首先，對每個具體活動指標采用min-max方法標準化，使之取值在0—1之間；其次，計算勞動者四類任務類型的工作任務分值，參照布萊克和斯皮茨歐勒的研究[18]，每個勞動者的各類工作任務分值可按如下公式計算：

(1)

其中，i為個體，j表示常規認知任務、分析任務、人際互動任務和操作任務。如個體i在操作型任務上的活動數得分為1.2，而操作型任務總活動數為3，則該個體的操作型任務得分為0.4。

(2)工作任務特征描述。表2和表3分別匯報了各類型任務在不同教育程度和不同職業中的分布。由表2可見，非常規分析型和人際互動型任務，在本科及以上教育程度的勞動者中分布最高；常規認知型任務大專教育程度勞動者所從事的最多，其次為高中；而操作型任務在初中及以下勞動者中分布最多。表3則顯示，常規認知、分析、人際互動和操作這四類工作任務分布最密集的職業分別為辦公室行政、專業人員、經理和工廠機器操作員，該分布與現實中各職業工作內容十分吻合。由此可見，工作任務的分布與勞動者的教育程度和職業頗為匹配，且與現有文獻對其他勞動力市場的考察也較為一致[6]，說明本文的定義是合理的。

表2 各類型工作任務在不同教育程度中的分布

表3 各類型工作任務在不同職業中的分布

圖1比較了不同教育程度男性和女性勞動者在工作中使用的技能稟賦，其中低技能勞動者是指高中及以下教育程度的工人，而高技能勞動者是指大專及以上的個體。如前所述，工作中常規認知任務容易被技術進步和機器所替代，其需求和回報可能出現下降，本文參照巴科羅和布盧姆的研究[8]，匯報的是其他三類非常規任務與常規認知任務的比值，用該比值展示的技能稟賦更有意義。圖1顯示，對于分析/常規認知、互動/常規認知比值而言，高技能勞動者的比值都要大大高于低技能勞動者，而操作/常規認知比值在低技能勞動者中更高，這與文獻觀察一致，不同教育水平的勞動者聚集的任務類型并不相同。另外一個顯著特征是，無論是高技能還是低技能，男性在工作中執行的三類任務比值普遍都要高于女性，即本文數據預示著男性的技能稟賦要優于女性，女性相對從事更多容易被技術替代的常規認知任務。這與美國等發達國家近年來的趨勢相反，而與其20世紀70年代的情況類似[8]。女性技能稟賦的劣勢可能是她們整體工資低于男性的一個原因，但若女性的某些技能回報高于男性，則該技能需求增長就可能縮小性別工資差距。

圖1 分析任務、人際互動任務和操作任務與常規認知任務的比值

3.實證模型與變量選擇

本文的實證目的在于考察不同工作任務在我國勞動力市場上的回報以及這些回報在不同性別勞動者中的差異。為了實現第一個目的，參照巴科羅和布盧姆的研究[8]，考察如下方程：

(2)

進一步地，為考察工作任務回報的性別差異，建立如下線性估計模型：

(3)

其中，female是性別虛擬變量，女性為1，男性為0，為本文第二個核心解釋變量。在公式(3)中，本文重點關注的是性別虛擬變量與四個任務變量交互項前面的系數δ。若δ大于0，表示工作中該類任務增長能夠縮小性別工資差距，反之若δ小于0，則表示工作中該類任務增長將擴大性別工資差距。

表4為變量定義及描述性統計。由表4可見，男性平均月工資為2004元左右，女性為1888元左右，二者相差116元，在5%的統計水平下顯著。相比已有文獻，這個工資差距較小，可能是因為本文采用的是云南的數據，平均工資水平較低，且差距不如其他經濟更發達的省份顯著。在具體任務分值方面，總體而言，女性操作任務值遠遠低于男性，其他三種任務類型的分布數值上則較為接近。男性的人際互動略高于女性，而女性的分析任務和常規認知任務則要高于男性，這與都陽等使用不同數據所發現的情況[7]類似，只是后者所呈現的差距要更小一些。

表4 主要變量統計描述

四、實證分析

1.基準估計結果

表5匯報了模型(2)和(3)的回歸結果。第1列沒有控制工作任務和其與性別的交叉項，包括了教育和年資等所有控制變量。結果顯示，女性變量系數為-0.127，且在1%統計水平下顯著。這表明，平均而言，在個體教育程度和工作經驗等可觀測特征一樣的情況下，女性工資水平依然要比男性低12.7%，性別工資差距較大。李實等發現我國城鎮女性勞動者工資約為男性的76%—89%[31]，本文的結果與之較為一致。

表5第2列在第1列控制變量基礎上，加入了前述所計算的四類工作任務類型變量，可以看到在控制教育程度等變量的情況下，非常規分析任務、人際互動任務和操作型任務系數顯著為正，而常規認知型任務的回報顯著為負。即在其他變量一樣的情況下，在工作崗位中執行非常規任務將獲得溢價，而執行常規認知型任務將使得勞動者在勞動力市場上的回報顯著降低。如前所述，近年來飛速發展的技術進步，尤其是計算機信息技術和自動化系統，能夠高效而準確地完成一些常規的、可程序化的工作內容，當勞動力成本上升時，從事常規認知型任務的人力資本就容易隨著資本深化被蘊含在機器中的技術資本所代替[4]，因此在勞動力市場上回報下降。而信息技術的發展仍然依賴人的創造力，需要進行抽象思考的能力、解決問題的能力以及說服力[6]，故非常規任務難以被替代，且往往與技術進步更加互補，尤其是分析任務和人際互動任務。因此執行非常規任務將獲得額外的回報。此時女性變量系數變為-0.065，在5%統計水平下顯著，說明即使控制了工作中具體執行的任務，男性依然比女性工資高5.6%，性別工資差異依然存在。

進一步地，加入各項工作任務與女性的交叉項后，表5第3列結果顯示，女性的常規認知任務和操作任務回報與男性沒有顯著差異，但人際互動任務回報和分析任務回報存在顯著性別差異(3)加入交互項后，女性和人際互動任務的主效應變得不顯著，原因可能在于，加入交互項后多重共線性帶來的“方差膨脹”作用使得估計量的方差增大，從而導致了回歸系數的顯著性下降。在表5最后一列我們主要關注各交叉項前面的系數，而各變量主效應的影響主要從第2列來進行解讀。。女性的分析任務回報要低于男性，交叉項系數為-0.266，即女性分析任務回報(0.391-0.266)只有男性(0.391)的32%左右。而在人際互動任務回報方面，女性任務回報要顯著高于男性，交互任務與女性的交叉項系數為0.236，達到5%的顯著性水平。這表明，在其他條件保持一樣的情況下，女性的人際互動任務回報(0.236+0.034)是男性回報(0.034)的近8倍。由此可見，女性從事人際互動任務能夠獲得比男性更高的工資回報。

表5 不同工作任務回報及性別差異(基準回歸)

其他控制變量的估計結果與現有文獻發現均較為一致。勞動者年教育回報為4.9%—6.1%，該回報相對現有研究而言較小[32]，這可能是因為本文使用的是云南的數據，我國幅員遼闊，教育回報在經濟較為落后的地方相對平均水平而言要低。已婚狀態在第1列中顯著為正，表現為一定的溢價作用。已有研究指出婚姻溢價作用部分來自雇主偏好[33]，婚姻狀態是個體心理健康和可靠性的一個指標。這與本文的結果較為一致，在控制工作任務后，已婚變量變得不再顯著，可能是由于工人執行的具體工作任務已較好地反映了雇主的期待。父母上過高中對個體工資收入具有十分穩健且顯著的正向作用。父母高教育水平一方面意味著由于遺傳和基因等作用，個體能力水平可能更高，另一方面也意味著個體所在原生家庭的社會經濟地位更好，能夠為子代傳遞非認知能力和提供社會資源，這些都有助于個體獲得更高的勞動收入。工作特征方面，工作時長對工資的影響不顯著。另外，考慮到個體的勞動收入并不會隨在企業的工作年限一直增長，而是會在某一時期進入職業生涯的頂峰，本文參考已有文獻在方程中也放入了年資的二次項。結果顯示年資的系數顯著為正，而年資平方系數為負，這表明工資—年資確實呈倒“U”型曲線。最后，勞動者與企業簽訂書面合同對勞動者工資收入存在顯著正效應，這可能源于勞動者本身的素質及勞動合同的保護作用[34]。

2.處理效應模型估計結果

根據以上分析，分析任務和人際互動任務存在顯著性別差異。然而，基準回歸的OLS識別策略只能進行相關關系判斷。個體從事的工作任務內容可能與一些無法觀測的個體性格、能力等特征相關，而這些特征同時影響勞動收入。為了解決這一潛在內生性問題，同時考慮到本文所用的截面數據較難尋找合適的工具變量，本文通過構造二值變量，采用處理效應模型(treatment effect moldel)，分別考察分析任務和人際互動任務對收入的影響及性別差異(4)本文也采用處理效應模型對常規認知任務和操作任務的回報及性別差異進行了處理，結果與OLS十分接近，表現為與性別的交叉項均不顯著，限于篇幅在正文中未匯報。。

以人際互動任務為例，具體做法是，首先根據全部樣本的人際互動任務平均值，將樣本分為高人際互動任務組和低人際互動任務組，人際互動任務值大于等于樣本平均值的員工為高人際互動任務組，任務值小于樣本平均值的員工為低人際互動任務組。本文對人際互動任務采用的工具變量為同一職業內其他樣本的人際互動任務均值，因為個體的任務值與從事同一種類型職業的個體任務值存在很強的相關性，而一般來說，在家庭住戶調查的樣本中，其他樣本的任務均值并不直接影響個體的勞動收入。此外，由于回歸模型中采用了個體權重，本文采用極大似然估計法(MLE)對處理效應模型進行估計。分析任務的內生性處理與之類似。

表6給出了基于處理效應模型的估計結果。實證驗證結果表明，在控制其他個體特征和就業特征變量的基礎上，高分析任務和人際互動任務均對個體工資收入具有顯著作用。但與表5不同的是，此時女性與分析任務交互項變得不再顯著。但女性與人際互動任務的交互項系數依然顯著為正，且在5%的顯著性水平下統計顯著。這表明，在考慮工作任務的內生性問題后，男性和女性的分析任務回報沒有表現出顯著差異，但女性的人際互動任務回報仍然顯著高于男性。同時，表6最后兩行結果表明，處理效應模型中回歸方程和選擇方程誤差項相關系數為負，且除最后一列外在至少5%的顯著性水平上拒絕相關系數為0的原假設，說明處理效應模型結果較為合適。

表6 分析任務和人際互動任務回報及性別差異(處理效應模型)

3.分組回歸結果

在以上分析基礎上，進一步檢驗不同性別和技能的勞動者的不同工作任務回報，并根據以上結果重點關注人際互動任務和分析任務回報的性別差異。從表7中可見，女性從事分析任務時其回報相對男性處于劣勢，這主要體現在高技能樣本中。高技能女性樣本中分析任務的估計系數為0.339，高技能男性樣本中其估計系數為0.764，二者具有較大的差距。在低技能樣本中，雖然回歸系數也存在一定差距，但差距幅度不及高技能樣本，同時估計系數在男性和女性中均不顯著。

表7 不同技能和性別工人工作任務回報

與表5和表6一致的是，從事人際互動任務使女性獲得了更高的回報。無論是低技能群體還是高技能群體，女性的人際互動任務回報都要遠高于男性。低技能和高技能女性的人際互動任務回歸系數分別為0.290和0.259，分別達到1%和5%的統計顯著水平，相應男性的回歸系數并不顯著，且數值很小，分別為0.033和-0.083。這意味著女性在勞動力市場執行人際互動任務回報更大。該結果也可與現有關于我國非認知能力的一些研究遙相呼應，如已有研究發現女性在宜人性和細心盡責方面相比男性均獲得了更高的回報[35-36]。但個人特征并不一定與完成工作場所特定任務所需要的技能完全重合，工作任務對工資決定具有更強的解釋力。

在人際互動中，讀取他人的信號并作出回應是一種隱性知識，難以用一定符碼系統完整表述并被機器所理解，相比其他技能更難被技術所取代[37]。近年來勞動力市場大量常規性的中等技能任務減少，高技能和低技能的服務業就業份額則出現了大幅增長。而無論是金融、法律服務等專業技術崗位，還是銷售、個人服務等中低端服務業崗位，都需要展現直接面向顧客的結果，無一不需要很強的人際互動能力。此外，人際互動技能還能夠減少個體與他人的協調成本，提高團隊合作的效率，在促使勞動者專業化和相互合作更加有效方面具有不可或缺的作用[19]。最新的研究發現人際互動技能在工作中變得越來越重要，它不僅與勞動者收入顯著正相關[15]，相比非常規分析任務甚至表現出了更快的增長[19]。都陽等也指出我國非常規互動型任務2005—2016年間出現了較大的增長[7]。本文結果意味著，女性在人際互動任務方面更高的回報將提高女性勞動力市場的相對收入，工作場所技能需求變化更有利于女性，從而起到縮小性別工資差距的作用。

五、結論

本文采用世界銀行“就業和生產率技能”調查數據，考察了勞動者工作中執行的工作任務的回報，以及這些回報的性別差異，以此為視角探討性別工資差距縮小的一個可能的機理。研究發現：工作中執行常規認知型任務回報顯著為負，而執行包括分析、人際互動和操作任務在內的非常規任務回報均顯著為正。此外，無論是高技能還是低技能勞動者，女性的人際互動型任務回報均遠高于男性。這表明，工作場所人際互動任務需求增長和該任務回報性別異質性可能是性別工資差距縮小的一個重要原因。

本文從工作任務回報性別差異和勞動力市場工作任務需求特征出發，對性別工資差距的縮小提供了一個新的解釋，所得結論也具有重要的政策意義。本文研究結果意味著女性在人際互動工作任務回報方面具有很強的優勢，因此促進人際互動任務需求增長和增加女性執行此任務的頻率將有助于縮小女性與男性之間的工資差距。據此，本文提出如下幾點政策建議：首先，應大力促進服務業及其就業占比的提升。需要面對面交流互動的服務業無疑是更密集使用人際互動技能的行業，且人民收入水平的提高要求更高的服務質量以及更廣泛的服務產品，但我國服務業GDP和就業所占比重雖然在增長，其與發達國家歷史同階段相比依然存在巨大差距。應通過提高城市化水平、放松戶籍限制和勞動力流動以及放開行業管制等手段大力促進我國服務業的發展。其次，應創造更公平的職場競爭環境，減少對女性的歧視，使女性能夠獲得與男性同等的進入更高層次崗位的機會。對女性的歧視往往造成她們職場的天花板效應，這一性別工資差距的重要來源，阻礙了她們充分發揮自身優勢以獲取更高成就。因此，縮小性別工資差距應努力消除歧視的影響。再次，應提供更完善的社會支持系統，如學齡前兒童看護和養老服務等，減輕女性應對家庭照料需求的顧慮，鼓勵女性根據自身比較優勢，減少從事容易被技術替代的常規任務，盡可能多地從事回報更高，也更具挑戰性的分析和人際互動任務，從而獲取更高勞動收入。最后，與傳統人力資本一樣，完成非常規任務的技能同樣可以通過投資和學習后天習得。因此，公共教育方面，應打破社會刻板印象，在女性成長過程中為她們提供優質的教育資源以及恰當的職業選擇引導。而公共就業服務部門則可以圍繞抽象分析和人際交往技能，開展語言表達、銷售技巧、程序設計等專業技能培訓，以幫助女性勞動者獲得回報更高、更具發展前景的工作。