特定技能要素回報率變動與技能工資差距
——基于職業任務測度法的動態分析

盛衛燕

一、引 言

20 世紀70 年代以來，在許多國家的勞動力市場上，高低技能勞動力之間存在的工資差距(也稱為技能溢價，Skill Premium)均呈明顯擴大趨勢，技能工資差距擴大現象不僅存在于歐美發達國家，也存在于印度、墨西哥等發展中國家，中國也在其中。Ge和Yang(2014)根據中國城鎮住戶調查數據(UHS)的統計表明，1992—2007 年，擁有中學學歷的勞動工資增加了135%，而擁有大學學歷的勞動工資增加了240%。此外，宋冬林等(2010)、楊飛(2017)分別通過中國宏觀數據與行業中觀數據得到類似的結果。當前中國技能工資差距擴大的趨勢已成共識。

然而，既有研究更多關注技能組間工資差距。實際上，經驗數據顯示技能組內工資差距也呈擴大趨勢(Galor 和Mova，2000；Crifo，2008)。本文基于中國綜合社會調查數據(CGSS)進一步觀察到，與2003—2005 年相比，2013—2015 年第90 與第10 百分位數處的工資差距(Q90～Q10)由1.94 變為2.30，上升幅度為18.83%，第90 與第50 百分位數處的工資差距(Q90～Q50)由0.92 變為1.20，上升幅度為31.44%；如果用Q90～Q10 表示高低技能組間工資差距，則上述結果表明，技能組內工資差距(Q90～Q50)變化貢獻了總體變化的77.78%，構成總體技能工資差距的主要部分(見表1)。另外，按學歷分組的統計結果也得到了類似的結果。

表1 工資差距變化趨勢

已有研究認識到能力異質性是理解技能組間和技能組內同時存在工資差距擴大趨勢的核心所在(Katz 和Murphy，1992；Juhn 等，1993)。Galor 和Mova(2000)、Crifo(2008)先后構建理論模型論證了能力偏向性技術進步對技能組間及技能組內工資差距的影響?？赡茑笥谀芰y度的復雜性與數據的有限性，關于能力要素影響技能工資差距實證層面的量化分析亟待豐富。此外，對于認知型技能與非認知型技能影響工資收入的作用機制，既有研究普遍是基于微觀視角的機制解釋。然而，當前國際貿易全球化不斷推進，人工智能與機器人等先進技術迅猛發展以及產業結構轉型等宏觀因素無疑會重構勞動力市場的技能需求分布。鑒于本文旨在討論特定技能要素回報率的動態變化對于技能工資差距的影響，故將其置于宏觀背景下進行機制分析更具吸引力。

為此，本文立足于技能組間與技能組內工資差距擴大的現實背景，拓展了以往研究基于單維受教育程度刻畫個體技能的分析方法，在受教育程度的基礎上增加新的解釋維度——認知型技能與非認知型技能，通過分析認知型技能與非認知型技能回報的分布特征與時變特征，考察兩類特定技能對技能工資差距趨勢變動的影響效應，進而基于地區開放水平、技術進步水平及產業結構轉型等宏觀視角檢驗特定技能要素影響技能工資差距的內在機制。

本文可能的研究貢獻如下。①不同于現有研究所采用的數據與指標構建方法。由于目前國內缺乏量化個體多維技能特征的長期微觀數據，本文嘗試將中國綜合社會調查數據(CGSS)與美國職業信息網絡數據庫(ONET)進行匹配，以獲得關于具體職業任務特征的詳細數據，進而采用職業任務法測度特定技能要素——認知型技能與非認知型技能。②不同于現有研究集中討論認知型技能與非認知型技能對收入的影響方向，本文關注長期動態視角下認知型技能與非認知型技能回報率變動對技能工資差距的影響貢獻率。通過RIF 分解方法將認知型技能與非認知型技能對技能工資差距的影響分解為要素結構效應與要素價格效應，捕捉認知型技能與非認知型技能對技能工資差距變動的作用方式與貢獻度。③不同于現有研究集中從微觀層面討論認知型技能與非認知型技能的作用機制。長期動態視角下本文聚焦地區開放水平、技術進步水平及結構轉型等視角對特定技能要素影響技能工資差距的內在機制進行探討。本研究為當前中國勞動力市場技能工資差距不斷擴大的典型事實提供新的機制解釋，也為構建與技能需求相適應的人力資本積累體系提供更具針對性的經驗支持。

二、文獻綜述

探索技能工資差距的變動原因及其作用機制是研究技能工資差距問題的核心所在。既有研究往往圍繞國際貿易全球化視角及技能偏向性技術進步視角對技能工資差距內在成因機制進行分析。隨著相關研究的不斷推進，對于技能偏向性技術進步的認識也在不斷深化。Kaboski(2009)認為，技能偏向性技術進步不僅發生在行業內部，不同技能密集度行業間的結構變遷也是產生技能偏向性技術進步進而推動技能工資差距上升的重要來源。當資本由制造業流向服務業時，由于資本與技能在技術上更加互補，這無疑會增加對技能勞動的相對需求。在此特別需要說明的是，上述各宏觀影響效應可同時存在，只不過會在不同時期表現出階段性特征。

所有關于技能工資差距的研究都須明確界定一個基礎性問題——何為技能及如何測度。一直以來，采用受教育程度指標表征個體技能的處理方法幾乎成為所有國內外關于技能工資差距問題經驗研究的首選。但是由于人力資本是多維的，受教育程度仍是一個相對粗糙的代理變量：生產技能不僅與受教育程度有關，還會受到教育質量的影響，同時與先天稟賦、家庭環境及同群效應密切相關(Hanushek，2008)；“干中學”效應意味著個體生產技能可在結束正式教育后的實際生產中逐漸積累，而受教育程度一般在結束正式教育后不再變化，基本上可以視作一個固定變量(Ingram 和Neumann，2006)；技術進步對人力資本的折舊效應會使得部分知識過時，即使對高技能勞動者而言也不例外，即所謂的高技能自動化技術進步(Acemoglu，2018)?，F實中，技能組間與技能組內工資差距擴大的特征事實需要對人力資本內涵在受教育程度的基礎上增加新的解釋維度，而多維特定技能異質性成為解釋這一問題的一個有力切入口。梳理與剖析國內外相關研究，得到如下發現和認識。

其一，關于多維技能要素的內涵與測度。早期的經驗研究往往將個體能力作為不可觀測的個體異質性進行分析(Katz 和Murphy，1992；Juhn 等，1993)，隨著大樣本微觀調查數據的日益豐富，對能力的直接測度與量化分析成為可能。有學者認為，能力分為認知型技能與非認知型技能(Heckman 等，2006)。其中，認知型技能包括識字能力、記憶能力、計算能力、推理能力等。相比認知型技能，非認知型技能內涵則更為豐富，度量方式也更為靈活，盡管對其測度標準學術界尚無共識，但正如Heckman(2012)所言，不同概念之間實際上有著高度的一致性。

對于特定技能要素的測度并非局限于調查問卷中的直接測度法，近期已有學者開始用職業任務測度法控制多維技能特征。由于勞動力技能結構與水平不同，職業任務的技術結構與含量也不同，勞動力能力水平與所在職業任務技術復雜度的互補性使得勞動力與工作崗位之間存在正向排序匹配效應(Positive Assortative Matching，Vogel，2010)，所以可借助具體職業任務特征捕捉勞動個體潛在的技能水平。Ingram 和Neumann(2006)將美國CPS1971—1998 年數據庫與DOT 數據庫匹配，用職業任務法并結合因子分析方法考察認知型技能、運動技能等細分技能的回報率特征。Bacolod 和Blum(2010)將CPS1968—1990 年數據庫與職業大典數據庫(DOT)匹配，采用職業任務法進一步研究發現，勞動力市場技能工資差距擴大與性別工資收入收斂的共存趨勢均源自樣本時期認知型技能回報率的上升與運動型技能回報率的下降。Yamaguchi(2018)將PSID1979—1996 數據與DOT 數據庫匹配，采用職業任務測度法分析認知型技能與運動型技能對性別工資差距的影響。然而，遺憾的是，上述研究均主要強調認知型技能與運動型技能的差異，并未對認知型技能與非認知型技能做明確區分，甚至忽略對非認知型技能的考察。

其二，關于不同技能要素對工資收入差距的影響效應及貢獻率分解。經驗研究表明，認知型技能與非認知型技能回報率存在明顯分布特征與時變特征。所謂分布特征是指技能回報率在不同國家、不同地域、不同性別、不同技能等不同群體之間存在異質性。其中，不同技能勞動認知型技能與非認知型技能回報率存在顯著異質性已經得到多數研究的支持。例如，Lindqvist 和Vestman(2011)基于瑞典人口抽樣調查數據(LINDA2006)與征兵匹配數據的研究發現，非認知型技能與工資收入之間為線性關系，認知型技能與工資收入之間呈現嚴格的凸性。對于非技能勞動與管理者而言，非認知型技能回報率高于認知型技能回報率。對非管理崗位的技能勞動者而言，其認知型技能的回報率高于非認知型技能。Acosta 等(2015)基于哥倫比亞家庭調查數據(STEP2012)研究發現，認知型技能與擁有正式、高收入、高質量職業密切相關，而非認知型技能似乎對這些結果沒有直接影響。

技能要素回報率的時變特征強調技能回報率隨時間動態變化所表現出的演進趨勢特征或階段性特征?；诿绹鳱LSY1979 與1997 數據，Castex 和Dechter(2014)發現，樣本期間認知型技能回報率下降幅度達30%～40%，并指出認知型技能回報率呈現下降趨勢源于技術增長率的變動。Deming(2017)發現，對于密集需要認知型技能與社交技能的職業，無論是就業數量還是工資水平都是增長最快的，同時研究還顯示社交技能回報率在樣本期間呈顯著增加趨勢。類似地，Beaudry 等(2016)基于美國CPS數據研究發現，20 世紀末科技泡沫破敗導致勞動力市場對認知技能密集型任務需求下降，2008 年經濟危機的刺激加劇了美國勞動力市場的蕭條。Edin 等(2017)基于瑞典數據研究發現，非認知型技能回報率呈現遞增趨勢。然而，既有研究多是單獨考察認知型技能與非認知型技能的時變特征或分布特征，忽略對兩個特定技能及其回報率特征的聯合分析。Bacolod 和Blum(2010)、Yamaguchi(2018)通過考察認知型技能與運動型技能回報率的分布特征與時變特征，進一步量化各細分技能回報率的變化對性別工資收入差距變化的影響貢獻率。但迄今為止，鮮有文獻深入分析認知型技能與非認知型技能對技能工資差距的影響貢獻率。

其三，關于特定技能要素影響技能工資差距的機制檢驗。既有研究主要從教育激勵、社會網絡及職業選擇偏好(Heckman 等，2006；Borghans 等，2008；Lindqvist 和Vestman，2011；Acosta 等，2015)等微觀視角檢驗特定技能對工資收入的影響機制。Borghans 等(2008)認為，非認知型技能可以影響個體在就業信息獲得及創業資產積累上的約束，可以為個體帶來更多的社會資源，拓展其社會網絡與職業選擇空間。Edin等(2017)發現，從業者晉升到領導職位時更多地需要非認知型技能。王春超和張承莎(2019)主要從社會網絡效應、職業選擇效應及教育回報效應等視角考察了非認知型技能對工資收入的影響機制。此外，Bowles 等(2001)還提出“激勵型偏好”機制。就理論而言，各類技能回報率并非固定不變的，其會伴隨著國際貿易、技術進步及產業結構轉型等宏觀環境的變化而產生系統聯動效應。換言之，人力資本回報率不僅取決于個體層面的微觀因素，還會受制于個體所處宏觀環境的變化(Galor 和Mova，2000)，尤其是動態視角下，特定技能要素對技能工資差距的影響可能更多是由于宏觀經濟環境變化所致，因而將特定技能影響技能工資差距的內在機制置于宏觀背景下進行分析是合理的且必要的。

近期，已有部分國內學者開始關注認知型技能與非認知型技能對勞動工資收入的影響，基于微觀調查數據進行了實證探索，并取得初步進展。張曉云和杜麗群(2017)基于CFPS 數據分析認知型技能對勞動力工資收入的影響，程虹和李唐(2017)基于中國企業-員工匹配調查數據(CEES)研究“大五”人格特征對勞動力工資收入的影響。黃國英和謝宇(2017)基于CFPS 數據考察認知型技能與非認知型技能對青年勞動力工資收入的影響。王春超和張承莎(2019)基于CFPS 數據，根據“大五”人格特征構建非認知型技能分析其對勞動工資性收入的影響。鑒于已有研究數據來源單一及指標構建方法也很接近，雖然結論較為一致，但這不代表結果穩健。況且，當前國內研究主要是單期截面分析，尚無文獻基于動態視角考察特定技能要素對技能工資差距變動的影響效應與影響貢獻，對于特定技能要素影響工資差距的內在機制更是缺乏來自宏觀視角的機制檢驗。

綜上所述，現有研究主要將受教育程度作為技能測度標準分析技能工資差距的成因機制，但受教育程度指標過于簡單籠統，存在理論局限與現實矛盾。因此，相關研究仍然有待于以多維技能特征為渠道展開分析。雖然已有文獻對認知型技能與非認知型技能對工資收入的影響效應與影響機制做出了十分有益的探索，但就特定技能對技能工資差距的影響效應與影響機制仍留有值得深入探索的空間。①既有研究關注到了認知型技能與非認知型技能對工資收入的影響，而且部分研究也深入地討論了認知型技能、非認知型技能回報率的時變特征與分布特征，但忽略了對兩個特定技能及兩個特征的聯合分析，進而忽略了兩類特定技能對各類工資差距變化的貢獻率分析(其中包括技能工資差距)。②現有研究對特定技能作用機制的考察更多是停留在微觀層面上。從理論上講，開放水平、技術進步水平及產業結構轉型等宏觀因素也可通過影響特定技能回報率影響技能工資差距，特別是動態視角下特定技能回報率的變動極易受到宏觀經濟形勢變化的影響，所以有必要將特定技能要素影響技能工資差距的內在機制置于宏觀背景下進行分析。③國內對認知型技能與非認知型技能的研究仍處在起步階段，數據來源單一且指標構建方法也很接近，為得到更加穩健的認識，對于相關問題的考察需要更多來自大樣本微觀數據的進一步驗證。

三、研究方法與數據說明

（一）計量方法選擇

本文旨在采用由Firpo 等(2009)提出的RIF 分位數模型和貢獻率分解方法考察認知型技能與非認知型技能對技能工資差距的影響效應及其內在作用機制。

RIF 分位數分解方法是將Blinder-Oaxaca 均值分解方法延伸到無條件分布分解上的一般形式，且與DFL 分布分解相比，RIF 回歸分解可以直接實現對單個變量結構效應與價格效應的分解。區別價格效應與結構效應的意義在于判斷由要素稀缺性及由歧視效應所導致的溢價效應。在實際經濟活動中，有些技能可以通過接受教育獲得，而有些技能則是先天稟賦或者需要其他方面的人力資本投資來彌補。因此，當某些技能變得稀缺而又不能通過簡單增加教育供給來滿足時，要素價格效應將會發揮更大的作用。剝離各要素影響技能工資差距的結構效應與價格效應便于捕捉各要素影響技能工資差距的作用方式與貢獻，進而為不同類型勞動者進行針對性技能積累提供現實依據。

（二）數據來源說明

本研究所使用數據主要包括中國綜合社會調查數據(CGSS)及美國職業信息網絡數據庫(ONET)。CGSS 以分層抽樣方式對中國大陸各省市自治區10000 多戶家庭展開連續性橫截面調查。對于本文而言，CGSS 時間跨度較長，從2003 年開始，目前已經發布到2015 年，符合本文從微觀層面研究技能工資差距趨勢變動對于長期微觀數據的需求；另外，構建認知型技能與非認知型技能指標需要用到關于具體職業特征描述的數據，CGSS 數據中對于個體職業的統計正是基于三分位國際標準職業分類體系(ISCO88)，職業分類詳細且便于與ONET 數據匹配。根據本文研究的具體問題，將CGSS2003 與CGSS2005 合并(記為：2003—2005 年)，將CGSS2013 與CGSS2015 合并(記為：2013—2015 年)。ONET 已逐步取代職業大典(DOT)，成為廣泛應用的職業分析工具，其數據主要是基于對在職工作人員的調查而得。本文采用的2010 版本ONET 包含968 類職業的細分能力和技巧得分等277 個特征描述指標。ONET 數據是基于美國標準職業分類體系(SOC)進行統計，由于SOC 與國際標準職業分類體系(ISCO)較為接近而更易匹配，這為本文構建認知型技能與非認知型技能指標提供了數據支持。

（三）認知型技能與非認知型技能指標測算

構造在崗勞動力認知型技能與非認知型技能指標是本文實證工作中的重要且基礎性的工作。參考Caines 等(2017)的方法，選取ONET 數據庫描述具體職業任務特征的16 個細分能力指標，分別來自其能力(Abilities)、技巧(Skills)及工作類型(Work Activities)3 個目錄下的8 個細分認知型技能指標與8 個細分非認知型技能指標(表2)。

表2 O*NET細分指標選取

借鑒Yamaguchi(2012)的處理辦法，采用主成分分析法并選取第一主成分得分作為特定技能指標的代理變量(包括認知型技能與非認知型技能)，并分別將兩類特定技能得分標準化到[0—10]區間，從而實現把多維細分指標降低為單維指標。在得到ONET 數據庫職業分類體系下職業認知型技能與非認知型技能得分后，再根據職業代碼與CGSS 數據庫的ISCO88 職業分類代碼進行匹配，進而可以得到CGSS 樣本中各類職業認知型技能與非認知型技能的分數，基于上述方法得到的認知型技能復雜度的分數較為恰當地反映了實際情況。

被解釋變量采用個體年職業工資收入對數(lnincome)。控制變量包括：受教育程度(educ)，按照從未受教育到研究生教育分為13 個層次；性別(男性，gender＝1；女性，gender＝0)；年齡(age)，取值范圍在16～65 歲；年齡平方(age)；工作經驗(exp)，exp＝(受訪者年齡-受教育年限-7)/10；戶口狀況(城鎮，hktype＝1；農村hktype＝0)；婚姻狀況(未婚，marital＝1；已婚，marital＝0)。另外，由于文中機制檢驗部分用到大類行業層面的相關數據，為保持前后一致，本文參考國民經濟行業分類體系(GB/4754—2011)將CGSS 數據中細分行業分類轉換為大類行業分類，并控制行業和地區固定效應。其具體情況見表3。

表3 其他指標描述性統計

四、認知型技能、非認知型技能對技能工資差距的影響效應

由于本文職業任務測度法是基于正向匹配效應的理論假設，根據該理論假設勞動力進行職業選擇的決定因素不僅取決于行業本身的發展前景與工資水平，也依賴于自身的技能稟賦與職業偏好，即非認知型技能較高的勞動者會選擇密集需要非認知型技能的職業，而認知型技能較高的勞動者會選擇密集使用認知型技能的職業。在進行分析之前，本文首先采用中國家庭追蹤調查數據(CFPS2010—2016)檢驗這一基礎性假設。表4 檢驗結果基本支持正向匹配效應的假設，即無論是對于認知型技能還是非認知型技能而言，基于CFPS 數據直接測度的特定技能指標與基于CGSS 數據間接職業任務測度的特定技能指標之間為顯著正相關。因此，本文可以通過職業任務特征間接刻畫個體特定技能特征。

表4 正向匹配效應檢驗

（一）基于RIF 分位數回歸模型的回歸分析

根據表5 回歸結果可知，在控制了受教育程度變量后，認知型技能與非認知型技能仍可以對個體工資收入產生重要影響，表明由職業任務所反映的不同特定技能因素是工資收入的決定因素之一。從其中還可知，認知型技能與非認知型技能回報率在各收入水平分位點上的影響系數及其顯著性水平均存在明顯的分布差異，在不同時期這種分布差異又存在明顯的時變特征。由此表明本文基于分位數回歸模型考察認知型技能與非認知型技能回報率在不同時期的分布特征與時變特征更為客觀。

表5 認知型技能、非認知型技能回報率分布特征與時變特征

對于認知型技能回報率而言，在2003—2005 年認知型技能對工資收入的增強效應基本不顯著，甚至在Q90 分位點的影響系數顯著為負(-0.03)。然而，在2013—2015年認知型技能對工資收入的影響在各分位點上顯著為正，尤其是在收入的高分位點，認知型技能回報率的提升效應更加明顯，如在Q75 分位點影響系數提升到0.04，在Q90 分位點的影響系數變化幅度最大，且由顯著為負轉為顯著為正，達到0.05。上述結果表明，勞動力市場增加了對勞動力認知型技能要素的需求，對于收入高分位點高技能勞動者尤其如此。據此可推斷，認知型技能回報率在不同分位點的分布特征及不同時期的時變特征可以提升技能工資差距水平。當前以人工智能技術為主要特征的新一輪科技革命方興未艾，先進制造設備、數字化控制系統和智能化物流管理體系等技術變革對勞動力市場的技能需求產生新的訴求，需要具有較強專業技術背景的專用型人才，特別是那些具備數據分析、邏輯演繹等認知型技能的專業技術人員。

與認知型技能回報率的時間演進規律不同，非認知型技能回報率在2013—2015年表現為下降趨勢，且低分位點勞動力非認知型技能回報率下降尤其突出。例如，在2003—2005 年Q10 分位點非認知型技能的影響系數高達0.06，而在2013—2015 年Q10 分位點非認知型技能的影響系數下降為-0.01。Q25 分位點與Q50 分位點非認知型技能的影響系數也明顯變小，甚至不再顯著。然而，在高分位點非認知型技能影響系數依然顯著為正，僅是出現了小幅下降。與認知型技能回報率變化效應相似的是，非認知型技能回報率在不同分位點的分布特征，以及在不同時期的時變特征也將擴大技能工資差距，區別在于不同技能影響工資收入的作用位置不同。對認知型技能而言，是通過相對提升高分位點勞動力的認知型技能回報率擴大技能工資差距，而對非認知型技能而言則是通過降低低分位點勞動力的非認知型技能回報率擴大技能工資差距。本文樣本期與王春超和張承莎(2019)基于CFPS 數據的研究樣本時間較為接近，但結論截然不同：王春超和張承莎(2019)研究結果顯示，隨著收入分位數水平的提高，非認知型技能對勞動工資性收入的影響會減弱，但其并未對此進行解釋。微觀數據來源不同、非認知型技能測度方法不同均可能在一定程度上導致回歸結果的差異。此外，本文研究結論與盛衛燕和胡秋陽(2019)基于CFPS 數據的研究一致，即技能勞動的非認知型技能回報率更高。這可能是因為現階段我國正處于結構化轉型的重要時期，提升高端服務業的比重是打造以服務經濟為主的現代產業體系的前提和基礎。理論上，作為典型的人力資本密集型行業，高端服務業不僅存在專業技能進入門檻，也需要勞動者具備較強的人際交往與溝通表達能力等社交技能。但是，因為以社交技能為代表的非認知型技能要素很難被信息化技術所代替，所以隨著高端服務業部門的不斷擴大，技能勞動者的非認知型技能變得更稀缺。

教育回報率變化也呈現出一些規律性特征。兩期數據均顯示，隨著分位數的提高，教育回報率在增加，這與徐舒(2010)的研究結論相同。但不同的是，本文研究顯示，與2003—2005 年相比，2013—2015 年教育回報率在各分位點都有明顯下降。對此，可用“尼爾森-菲爾普斯假說”解釋。該假說認為，當技術進步較快時，勞動力需要適應不斷變化的環境，此時特定技能是最具有價值的，但隨著技術變革速度放緩，正式教育對勞動力市場的表現變得相對更重要。2003—2015 年，中國經濟高速增長與經濟危機所帶來的巨大不確定性加大了對勞動力特定技能要素的需求。同時，中國1999 年實施的《面向21 世紀教育振興行動計劃》將高等教育由精英化階段推進至大眾化階段，大學畢業生隊伍爆發式增長，也從某種程度上弱化了教育的信號篩選功能，并最終導致教育回報率呈下降趨勢。

為更全面了解認知型技能與非認知型技能在不同時期不同分位點上的表現，也為了更加直觀地與受教育程度變量進行比較分析，圖1 畫出了3 個變量在不同時期不同分位點上的RIF 回歸系數。從圖1(a)可以看出，2003—2005 年認知型技能回報率隨分位點上升而下降，甚至在高分位點表現為負；非認知型技能在各分位點的變化相對平緩，主要在0.02～0.05 之間窄幅波動；各分位點處非認知型技能回報率均高于認知型技能的回報率，但低于受教育程度要素回報率。從圖1(b)可以看出，2013—2015 年認知型技能回報率在各分位點上均表現為明顯的上升趨勢，特別是高分位點勞動力認知型技能回報率增長效應尤為突出；非認知型技能的回報率在各分位點的分布規律性較2003—2005 年明顯增強，具體表現為隨分位點的上升而上升；認知型技能與非認知型技能二者的回報率與教育回報率的差距在縮小。同時，兩個圖也表明前文所得結論較為穩健。

圖1 認知型技能、非認知型技能與受教育程度在不同時期不同分位點上的RIF 回歸系數

（二）認知型技能、非認知型技能對技能工資差距影響的貢獻率分解

上文主要采用分位數回歸模型考察了樣本期認知型技能與非認知型技能回報率的時變特征與分布特征。結果表明，2013—2015 年認知型技能回報率呈上升趨勢且在高分位點工資增強效應更大，而非認知型技能回報率呈下降趨勢且在低分位點工資下降幅度更大，認知型技能與非認知型技能回報率的演進特征初步表明二者是構成技能工資差距上升的重要因素。然而，分位數回歸模型仍無法定量測度認知型技能與非認知型技能多大程度上影響技能組間工資差距與技能組內工資差距，也無法體現各類要素究竟主要通過價格效應還是結構效應發揮作用。為進一步量化認知型技能與非認知型技能的影響貢獻，本文進一步采用RIF 分位數分解方法進行要素效應分解，分離出兩類特定技能要素影響的價格效應與結構效應，深入考察認知型技能與非認知型技能對技能組間工資差距及技能組內工資差距的影響貢獻與作用方式。穩健起見，本文分別匯報了未使用重置權重函數進行調節的分解結果及使用重置權重函數進行調節的分解結果。

由表6 回歸結果可以發現，無論是否使用重置權重函數進行調節，結果都穩健地表明，認知型技能與非認知型技能主要通過價格效應影響技能組間工資差距，通過結構效應影響的貢獻率非常小。在使用重置權重函數進行調節后，認知型技能的價格效應略有不同程度減小，對于技能工資差距的影響程度(Q90～Q10)由0.29 減小為0.22，解釋了總體技能工資差距變化效應的50%；對低技能組內工資差距(Q50～Q10)的影響程度由0.07 降低為0.03，解釋了低技能組工資收入差距變化總效應的26%；對技能組內工資差距(Q90～Q50)的影響程度由0.22 降低為0.19，解釋了技能組內工資差距變化總效應的61%?？梢娬J知型技能對技能組內工資差距變化的解釋貢獻更大。Yamaguchi(2018)基于PSID1979—1996 年與DOT1970 年匹配數據的研究表明，認知型技能可以解釋男性勞動力技能工資差距總變化的67%，其中認知型技能價格效應的解釋貢獻達48%，這與本文研究結果較為相似，均顯示認知型技能主要通過價格效應提升技能工資差距，其結構效應影響較小。這意味著對于技能勞動者而言，認知型技能在當前的確是一個重要缺口。

表6 認知型技能、非認知型技能對技能工資差距影響的貢獻率分解

與認知型技能不同，在使用重置權重函數進行調節以后，非認知型技能的價格效應變得更大，對技能工資差距的影響程度(Q90～Q10)由0.39 上升為0.81，解釋了總體技能工資差距變化的187%；對低技能組內工資差距(Q50～Q10)的影響程度由0.24 上升為0.46，解釋了低技能組工資收入差距變化總效應的361%；對技能組內工資差距(Q90～Q50)的影響程度由0.16 上升為0.35，解釋了技能組內工資差距變化總效應的114%。可見，非認知型技能對低技能組內工資差距變化的解釋貢獻更大，但這并不意味著非認知型技能對低技能勞動越來越重要。其實，前文回歸結果已表明，2013—2015年低分位點(對應于低技能勞動者)非認知型技能回報率呈現下降趨勢，所以非認知型技能對于低技能組內工資差距的解釋貢獻主要源于非認知型技能回報率的下降。對此可能的原因有兩方面。其一，對于低技能勞動而言，其主要從事簡單的身體技能密集型的工作，例如搬運、駕駛、歸檔、清潔等，這對于勞動力特定技能特質的要求并不高，即使是在低端服務業的從業者，也僅需要簡單的溝通與社交技能。正如Caines 等(2017)所言，任務復雜度較低的職業只涉及原始的身體、認知及互動技能，也就是那些支撐我們度過日常生活的普通技能。其二，樣本期服務業內部也在經歷結構轉型升級，一定程度上抑制了對低端服務業從業者的非認知型技能要素的需求。

教育因素的結構效應與價格效應表現出明顯不同于特定技能要素的特征，分解結果顯示教育因素對收入差距變化影響的價格效應在不同技能組別出現了分化。具體而言，教育對低技能組工資收入差距變化的價格效應為0.23，而對高技能組工資收入差距變化的價格效應為-0.29，表明教育因素通過價格效應擴大了低技能組內工資差距，同時抑制了高技能組內工資差距的擴大趨勢。受20 世紀90 年代末高等教育擴招政策的影響，技能勞動的供給大規模增加，教育因素對各類收入差距影響的結構效應為正。由于教育因素對不同技能組內(低技能組Q50～Q10 和高技能組Q90～Q50)工資收入差距的影響受方向相反的兩種效應的影響，教育因素對總體技能工資差距的影響貢獻僅為4%，遠遠低于認知型技能與非認知型技能對技能工資差距的影響，特別是教育因素對技能組內工資差距的影響受價格效應主導而表現為抑制了技能組內工資差距擴大。

五、認知型技能、非認知型技能對技能工資差距的作用機制

任何形式的人力資本總是隨著技術進步與經濟結構等宏觀因素變動而產生聯動效應，并在不同時期表現出階段性特征。既有研究主要從技能偏向性技術進步與國際貿易視角展開分析(Acemoglu，1998，2002；Burstein 和Vogel，2017)，但鮮有文獻從結構轉型視角解釋技能溢價問題?，F階段，我國正處于結構化轉型的重要時期，理論上，作為典型的人力資本密集型行業，高端服務業不僅存在專業技能進入門檻，也需要勞動者具備較強的人際交往與溝通表達能力等社交技能。由于該類技能很難被信息化技術所代替，所以隨著產業結構中服務部門比重不斷增加，尤其是高端服務業部門的不斷擴大，特定技能要素作為重要的人力資本構成在勞動力市場中將扮演著越來越重要的角色。因此，有必要將中國技能溢價上升問題置于結構轉型背景下進行分析。宏觀因素影響技能溢價的微觀機制主要通過影響微觀個體人力資本回報率渠道最終作用于技能溢價(Lee，2020)，而既有研究更多的是基于傳統單維教育因素，忽略基于認知型技能與非認知型技能視角的考察，本文希冀在以上兩方面做出有益推進。首先，借鑒Autor 等(2003)、Black 和Spitz-Oener(2010)分析任務需求結構的方法，初步甄別產業結構轉型因素的必要性。然后，通過引入交互項方式，分析各宏觀因素對技能工資差距的影響。

（一）行業組內-組間分解——初步甄別宏觀驅動因素

根據Autor 等(2003)、Black 和 Spitz-Oener(2010)的研究，判斷任務需求結構變化來源的一個重要方法就是將任務結構變化進行職業層面或行業層面的組內-組間分解。Autor 等(2003)基于美國CPS 數據及Black 和 Spitz-Oener(2010)基于德國GCS數據的統計均顯示組內變化占主導地位，并由此判斷是組內技術因素主導了任務需求結構的變化。然而，也有學者得到不同的結論。Goos 等(2014)基于16 個歐洲國家數據對不同職業就業數量的分解結果顯示，組內-組間分解沒有明顯主次地位的區別，組內-組間因素共同促成勞動市場的極化趨勢，而且組內因素與組間因素作用方向相同。

那么，對于中國這類轉型中的發展中大國而言，究竟組內與組間因素如何影響中國勞動技能需求結構的變化？既有的經驗分析多是基于國外發達經濟體的數據，且結論不一。為此，借鑒Black 和Spitz-Oener(2010)的方法，本文進一步將高低技能勞動的認知型技能(非認知型技能)差距變化趨勢進行行業組內-組間分解。其具體如下式：

對認知型技能與非認知型技能需求結構基于行業層面組內-組間的分解結果表明，認知型技能主要通過行業組內力量影響總體技能需求結構，并且總體上高低技能勞動間認知型技能差距呈收斂趨勢。表7 分解結果顯示，行業組內影響效應為-0.39，行業組間影響效應為0.14，總體而言，高低技能勞動間認知型技能收斂了0.25；非認知型技能則主要通過組間力量影響總體技能需求結構，總體上高低技能勞動間非認知型技能差距呈發散趨勢，行業組內影響效應為-0.03，行業組間影響效應為0.30，高低技能勞動間非認知型技能差距擴大了0.27。由此，可以初步判斷，對于當前正處于轉型階段的中國而言，行業組間力量仍然是影響中國勞動力市場結構變遷的重要因素。這為把結構轉型因素納入實證分析提供了現實依據。

表7 認知型技能、非認知型技能需求結構變化之行業組內-組間分解

（二）各宏觀因素對技能工資差距的影響——基于特定技能傳導機制的檢驗

本部分將地區開放水平、技術進步水平及產業結構轉型等宏觀因素同時納入分析框架，進一步挖掘認知型技能、非認知型技能回報率分布特征與時變特征演進規律背后的宏觀驅動因素。沿用傳統方法，用外貿依存度指標刻畫地區對外開放水平。外貿依存度，常用一國進出口貿易總額與該國國內生產總值之比表示。外貿依存度不僅表明一國經濟依賴于對外貿易的程度，還可以在一定程度上反映一國經濟發展水平及參與國際競爭的能力；技術進步的代理變量極為豐富，不同學者根據其研究需要往往會采取不同的測算方法，例如計算機普及率(Autor 和Dorn，2013)、信息與通信技術投資占比(Michaels，2014)、全要素生產率(宋冬林等，2010)等?？紤]到數據可得性與全要素生產率測算方法的局限性，本文借鑒郝翠紅(2018)的方法，采用地區研發投入強度作為地區技術進步水平的代理變量。對于產業結構轉型指標構建，本文參考陳斌開和陳思宇(2018)的分類辦法，設定高端服務業包括信息傳輸、軟件和信息技術服務行業，金融行業，科學研究與科學技術服務行業，教育行業及文化體育行業等五類，用地區高端服務業產值占比作為地區產業結構轉型的代理變量。所需數據來自《中國統計年鑒》《中國科技統計年鑒》及《中國勞動統計年鑒》。同時，分別用2003—2005 年、2013—2015 年各指標年平均值作為各期宏觀指標代理變量。將省級宏觀指標與特定技能變量做交互項，采用RIF 分位數回歸模型及分解方法，考察各交互項在不同時期以及不同分布位置的影響系數，以之確定各宏觀因素是如何通過影響特定技能要素回報率作用于技能工資差距，進而通過RIF 分位數分解方法量化各宏觀因素通過微觀特定技能渠道影響技能工資差距的貢獻率。

由表8 基于宏觀視角的機制檢驗結果可以發現，開放水平主要通過提升高分位點勞動力的認知型技能回報率影響技能工資差距。其開放水平與認知型技能交互項系數在Q75 分位處由2003—2005 年的0.02 上升為2013—2015 年的0.07，其上升幅度為2003—2005 年的2.62 倍，在Q90 分位點由2003—2005 年的0.02(且統計不顯著)上升為2013—2015 年的0.11，上升幅度為2003—2005 年的6.23 倍；但開放水平通過非認知型技能渠道的影響不顯著，甚至在高分位點降低了非認知型技能回報率，如2013—2015 年在Q90 分位點開放水平與非認知型技能交互項系數變為-0.01。

表8 基于宏觀視角的機制檢驗

續表8

對于中國而言，廉價低技能勞動力相對豐富，按照H-O-S 定理貿易會使得低技能勞動收入增加得更多，因而開放水平對高分位點勞動力認知型技能回報率的增強效應不能用H-O-S 定理解釋，而更有可能是貿易開放引致的技術升級效應。因為貿易使得各國對技能密集型產品的需求擴大，技能密集型產品的相對價格提高，為維持海外市場競爭力與擴大海外需求份額，出口企業面臨技術升級的需要，需要不斷提升出口產品質量和提高企業生產率，進而增加對勞動力認知型技能要素的需求。

技術進步水平與認知型技能、非認知型技能交互項的系數變化特征與開放水平指標的變化規律非常相似，也主要是通過提升高分位處勞動力認知型技能回報率影響技能工資差距。技術進步水平與認知型技能交互項系數在Q75 分位點由2003—2005 年的0 上升為2013—2015 年的0.02，上升幅度為2003—2005 年的1.97 倍，在Q90 分位點上升為2003—2005 年的0.42 倍。技術進步水平與非認知型技能交互項系數在Q90分位點由2003—2005 年不顯著變為2013—2015 年顯著為-0.01。這表明，技術進步水平通過弱化高分位處勞動力的非認知型技能回報率緩解了技能工資差距。

技術進步水平對高分位點勞動力認知型技能回報率的增強效應可以從技術部門自主研發的直接效應及內生的技能偏向性技術進步兩方面進行解釋。①自主研發的直接效應是指科技研發部門本身就需要大批專業的技能型人才。在全球范圍的信息技術革命與生物科技革命背景下，各國為在相關領域占據制高點，勢必會增加對軟件工程師與醫藥專家等認知技能密集型職業的需求。②改革開放以來，為了以更低成本更快速度實現技術趕超，中國引進或模仿了發達國家大量的成熟技術與管理經驗，中國的技術進步應該也會呈現類似于發達國家的技能偏向性，更具體說是認知型技能偏向的。

與地區開放水平、技術進步水平對各類特定技能回報率的作用規律不同，產業結構轉型不僅可以影響高分位點勞動力的認知型技能回報率，還可以影響高分位點勞動力的非認知型技能回報率。產業結構轉型變量與認知型技能交互項系數在Q75 分位點由2003—2005 年的0.05 上升為2013—2015 年的0.17，上升幅度為2003—2005 年的2.06 倍，在Q90 分位點由0.06 上升為0.36，上升幅度為2003—2005 年的5.06 倍。產業結構轉型變量與非認知型技能交互項系數在Q75 分位點由0.06(統計不顯著)下降為0.03，削減幅度為2003—2005 年的0.45 倍，在Q90 分位點由0.27 下降為0.19。雖然產業結構轉型通過勞動力非認知型技能渠道對技能工資差距的影響效應在減弱，但其仍是構成樣本期技能工資差距擴大的重要原因，因為2013—2015 年產業結構轉型變量與非認知型技能交互項系數在低分位點不再顯著，產業結構轉型因素僅是提升了高分位點勞動力的非認知型技能回報率。Deming(2017)也發現，那些密集需要認知型技能與社交技能的高端服務類職業正處于上升期，工資水平與就業數量都增長較快。

對此可能的解釋是，當前中國正處于由工業化向后工業化轉型的重要時期，服務部門的產值比重已經超過51%，其中高端服務部門比重也處在持續上升階段。作為典型的人力資本、知識密集型行業，高端服務部門職業復雜多元的工種性質決定了對從業者特定技能的需求。一方面，高端服務部門信息、數據與知識高度融合，增加了對從業者專業技能知識的需求，如數據挖掘、信息獲取等特定認知型技能；另一方面，高端服務部門存在大量復雜的互動性工作(interactive tasks)，決定了其工作并不是勞動者獨立完成的，往往需要同他人溝通與協作發揮團隊集體智慧的力量才可實現，這就迫切需要勞動者具備良好的人際交往能力與邏輯表達能力。同時，高端服務部門職業任務的復雜多元性決定了其較難以被信息化、自動化技術替代。

本文還通過改變地區開放水平、技術進步及結構轉型等指標的測度方法檢驗上文結果的穩健性。變換宏觀指標后的回歸結果表明前文回歸結果依然穩健，開放水平與技術進步因素主要通過影響認知型技能回報率來影響技能工資差距，而結構轉型既可以通過認知型技能渠道影響技能工資差距，還可以通過影響非認知型技能回報率影響技能工資差距?；诤暧^視角的機制檢驗更多捕捉到了勞動力認知型技能回報率時變特征與分布特征的演進規律及高分位點勞動力非認知型技能回報率的時變特征。遺憾的是，對于低分位點勞動力非認知型技能回報率下降趨勢卻難以體現。一個可能的解釋是，2012—2014 年間制造業機器換人現象從根本上削減了對體力密集型低技能勞動的需求，從而大批低技能勞動力被迫流向低端服務部門，導致低端服務部門就業擁擠。同時由于低技能勞動力從事的簡單職業任務內容決定了低技能勞動力非認知型技能要素并非稀缺不可替代。最終導致低端服務部門勞動力供給過剩并引起低技能勞動力非認知型技能回報率下降。

六、結論與啟示

技能組間與技能組內工資差距擴大，同時過度教育現象初見端倪是當前中國勞動力市場的特征事實，意味著對人力資本內涵需要在受教育程度的基礎上增加新的解釋和認識維度。在此背景下，本文基于動態視角考察認知型技能與非認知型技能回報率變動對中國技能工資差距的影響效應與影響機制。通過將中國綜合社會調查數據(CGSS)與美國職業信息網絡數據庫(ONET)匹配，運用職業任務法構建認知型技能與非認知型技能代理指標，結合RIF 分位數及其分解方法量化特定技能對技能工資差距的影響效應，并基于地區開放水平、技術進步水平及產業結構轉型等宏觀視角檢驗特定技能對技能工資差距的影響機制。

本文的結論如下。①樣本期間認知型技能回報率呈上升趨勢，且技能勞動力認知型技能回報率上升幅度更大，而非認知型技能回報率呈現下降趨勢，且主要體現為低技能勞動力非認知型技能回報率的下降。認知型技能與非認知型技能均通過價格效應影響技能工資差距，二者聯合作用對技能工資差距的解釋貢獻高達240%，對技能組內工資差距變化總效應的解釋貢獻達到176%。教育回報率隨分位數的上升而增加，但在2013—2015 年受教育程度的回報率在各分位點處均出現了顯著的下降趨勢，其對技能工資差距變動的解釋貢獻率僅為4%，特別是其有利于抑制技能組內工資差距擴大。②開放水平與技術進步水平主要通過對高分位點勞動力認知型技能回報率的增強效應影響技能工資差距，而產業結構轉型不僅可以影響高分位點勞動力的認知型技能回報率，還可以影響高分位點勞動力的非認知型技能回報率并最終擴大技能工資差距?；谡J知型技能渠道的分解表明，無論是開放水平、技術進步還是產業結構轉型均主要通過價格效應影響技能工資差距，而結構效應影響甚微；基于非認知型技能渠道的分解結果顯示產業結構轉型主要是通過價格效應影響技能工資差距。

本文為分析當前中國技能工資差距擴大現象提供新視角下的機制解釋，也為甄別勞動力市場對各類技能勞動及其不同能力特質的需求提供經驗依據。伴隨著20 世紀90 年代“科教興國”戰略口號的提出及高校擴招政策的實施，教育發展取得長足進步。豐富的人力資本積累為充分發揮后發優勢以更低成本、更快速度實現技術趕超提供了強大后盾。然而，現階段技能工資差距擴大，大學生失業率上升及過度教育等不尋?，F象持續存在，表明簡單教育擴張已不能滿足經濟發展的需求。當前中國正處于工業化向后工業化轉型的重要時期，產業結構轉型勢必會對勞動力技能結構產生新的訴求。全球范圍內以人工智能和互聯網為代表的科技革命方興未艾，自動化、信息化技術進步替代復雜度較低職業任務的勞動，同時也增加了密集需要靈活性、判斷力、常識性等職業技能的勞動需求。隨著全球化進程中地區開放水平的不斷提升，增強勞動力質量有助于重塑一國的出口比較優勢。中國要真正實現由“出口大國”向“出口強國”的轉變，必須培養以能力為核心的新型人力資本積累體系。根據本研究結論，對技能勞動而言，不能簡單寄希望于高學歷帶來高質量就業，要切實增強自身應對勞動力市場技術沖擊與經濟變革的根本能力，即包括數據分析、演繹推理、書面表達等高水平認知型技能，同時由于產業結構轉型與組織方式變革，技能勞動還需提升服務感知、社交協調等非認知型技能水平；勞動力市場對低技能勞動力的非認知型技能需求并不強烈，但對其認知型技能需求較為迫切。因這輪技術革命的性質，科技不能均等地惠及社會所有勞動力群體，與機器人競爭還是要靠人力資本水平的提升，低技能勞動力需要彌補字詞記憶與算數推理等基礎性認知技能短板?？傊?，只有厘清勞動力市場對不同技能勞動及其不同能力特質的需求，才能對當前技術進步與產業結構轉型等經濟形勢變化作出充分回應。