流動人口的教育失配及收入懲罰

中圖分類號：C922；F014.44；G40-052 文獻標識碼：A 文章編號：1000-4149

（2025） 04-0118-15 D0I： 10.3969/j.issn.1000-4149.2025.04.009

一、引言

人口遷移對教育—職業匹配的影響正在得到世界范圍學者的關注[1-4]。從中國現實情境來看，戶籍制度深刻影響著城鄉人口流動和個體就業機會。大量研究表明，由于戶籍制度造成的城鄉二元分割，不同戶籍出身的人口在職業獲得、收入水平、住房條件、健康狀況和主觀福祉等方面存在不平等[5-8]。對此，學界目前主要從教育獲得和就業過程來探討戶籍收入差異產生的根源[7，認為農業戶籍人口所面臨的教育劣勢和職業隔離是造成收入差異的重要原因[5。在此背景下，對于農業戶籍出身人口而言，接受更多學校教育是改善生活質量、實現向上流動的重要渠道。但是，伴隨我國義務教育普及和高等教育擴招，農業戶籍出身人口有越來越多的機會接受學校正式教育，其整體受教育程度明顯上升。那么，對于教育程度相同但戶籍出身不同的社會成員而言，他們能否享有平等的就業機會？

為了回答這一問題，本文聚焦教育程度和職業類型之間的縱向失配現象。所謂縱向失配（verticalmismatch），是指個體實際教育程度超過其職業崗位所需教育水平[2.9]。新近研究表明，我國城鎮勞動力市場中大約有 35% 的就業者發生了縱向失配[10-11]。但需說明的是，從中國整體社會來看，教育遠遠沒有過度，并且我國義務教育普及和高等教育擴招，不僅為經濟增長奇跡和社會主義現代化提供了寶貴人力資源，也為提升全民素質作出了卓越貢獻。就價值立場而言，縱向失配并非強調人們接受的教育過多，而是聚焦教育和職業的失配狀態及其后果；其政策啟示并非減緩教育發展，而是在大力推進教育強國的同時，需要提升教育內涵和優化職業結構，最終加強學校到職場的聯結強度和實現勞動力的充分就業。

縱向失配可能成為形塑勞動力市場中戶籍收人差異的重要機制。個體在獲得文憑之后，從教育系統向勞動力市場系統的過渡可能會潛在地影響收入獲得和戶籍分層，具體而言，如果不同戶籍人口在這一階段存在明顯分化，那就可能成為收人差異的重要來源。從根源上講，這種分化既可能來自制度或非制度的歧視因素（例如某些崗位只招聘城市非農戶口），也有可能源于個體特征差異（如農民工在求職網絡等方面存在欠缺）；從后果來看，這種不平等機制將導致農業戶籍出身人口更難找到教育匹配的職業崗位，而不得不去接受那些學歷要求更低的職業崗位，從而導致生產效率受限并且遭受收人懲罰，最終成為戶籍收入差異的來源，而這一過程是以往職業隔離效應或者人力資本理論無法解釋的。基于此，本文從教育一職業匹配視角出發，探討縱向失配對戶籍收入差異的影響過程。

二、理論回顧和研究假設

作為一個正在興起的學術概念，教育失配主要捕捉的是教育文憑和職業崗位之間的不匹配狀態[12]。按照學歷水平和專業類型的不同，教育失配主要包含兩個維度：橫向失配和縱向失配[1-2]。縱向失配反映個體在教育程度與職業崗位需求之間的失衡狀態，例如大學畢業生進入那些僅需要初中教育文憑的職業崗位[13]。縱向失配通常源于勞動力市場中高等教育文憑供給和高技能崗位需求之間的不平衡狀態[1，14-15]，并且會降低工作滿意度和提高離職傾向等社會后果[9.16]。橫向失配則指個體所學的專業和職業崗位之間的不匹配，例如計算機專業畢業生進入會計崗位，橫向失配通常受到不同專業的職業特有度和市場稀缺度的影響[1.14]。大量研究發現，盡管縱向失配和橫向失配都會造成收入懲罰，但是橫向失配造成的收入懲罰要低于縱向失配[1.12.14]，因此，本文將重點關注縱向失配對勞動力市場結果的影響。

縱向失配對于研究收入差異具有重要理論價值。作為縱向失配所連接的兩個維度，教育和職業是研究收入差距的重要視角，但是以往研究將教育和職業作為遞進關系或者獨立關系。不同于以往研究，本文將教育和職業作為交叉因素，通過比較職業和教育之間的縱向匹配狀態，來研究縱向失配如何影響收人差異。縱向失配將在兩個階段來形塑戶籍收入差異（見圖1），其一是縱向失配發生幾率方面的戶籍差異，其二是縱向失配收入懲罰方面的戶籍差異。

1.縱向失配發生幾率的戶籍差異

戶籍制度的核心特征是在城鄉之間產生了一道就業壁壘，并且壁壘兩端的福利制度也迥然不同。新中國建立以后，政府在城市優先發展資本密集型的重工業，由于這類產業所能創造的就業機會有限，為此就需限制城市人口規模，由此戶籍制度應運而生[17]，它不僅嚴格控制農村人口流入城市，而且在城市建立起一套與工作單位密切關聯的住房、教育、醫療和養老等福利制度。這種具有排他性的就業制度和福利制度導致了城鄉勞動力市場的嚴重分割，城市戶籍出身人口往往從事工資水平更高、工作穩定性更強、社會福利更多的工作，而農業戶籍出身人口則完全相反。改革開放以后，城市就業部門的市場化程度逐漸上升，對勞動力的需求有所上漲，而此時戶籍制度也有所松動，尤其在深化改革以后，大量農村人口流入城市，從而有機會在城市就業部門工作。但是，城市就業部門通過相關政策法規，優先保證城市戶籍出身人口的就業，并在部分職業崗位設限以排斥外來勞動力，例如要求農村人口具備打工許可證和暫住人口登記證，甚至給企業規定一些工作崗位禁止雇傭外來勞動力[17]；同時，即便外來人口成功就業，也很難獲得那些與工作崗位相關的社會保障或福利。毫無疑問，這些限制條件給農業戶籍出身人口在城市的就業過程造成嚴重壁壘。

這種基于戶籍制度的就業壁壘將直接影響勞動者的教育和職業匹配過程。城市勞動力市場的就業制度和福利制度是密切關聯的，同時二者都具有排他性，并且這種排他性基本是以戶籍身份為基礎的。首先，對于農業戶籍出身并在城市工作的流動人口而言，即便接受過一定程度的正式教育，但和城市戶籍出身的同等學歷人口相比，農業流動人口很有可能在就業過程中遭受基于戶籍的排他性，這將導致農業流動人口更難找到匹配其教育程度的工作崗位，不得不接受那些學歷要求更低而城市戶籍出身人口不愿從事的工作崗位，從而可以推測農業流動人口比城市戶籍出身人口更有可能發生縱向失配。其次，對于通過“農轉非”獲得城市戶籍的人口而言，由于他們在戶籍身份上已經具備享受城市就業制度和福利制度的資格，因此在就業過程中不太可能遭受基于戶籍身份的排他性；同時，許多研究已經表明，“農轉非”人口是一個經過高度選擇的人群，該群體在教育程度、政治身份、參軍經歷、家庭背景等方面都具備一定優勢[18]，也更有可能是農村精英群體和具備更強的個人能力。同時有研究表明，“農轉非”人口總體收入水平和向上流動機會甚至大于城市非農出身人口，并且這種優勢主要存在于經歷過高度選擇的“農轉非”人口［19]。因此本文傾向于推測經過高度選擇的“農轉非”人口比城市戶籍出身人口更不可能發生縱向失配。

除了就業壁壘以外，戶籍制度還可能通過形塑社會資本來影響勞動者的教育匹配過程。大量研究表明，擁有和使用良好的社會網絡和社會資本有助于行動者的求職過程和地位獲得[20]；基于這一理論，不同群體在社會資本存量和經濟回報方面的差異將會成為群體間收入差異的來源[21]。由于我國戶籍制度長期構筑的城鄉壁壘，不同戶籍人口之間的社會交往長期受到阻隔，因此對于農業戶籍出身人口而言，絕大多數社會交往主要集中在農業戶籍人群內（即同質性交往）[22]，同時與城市戶籍人口之間的社會網絡也相對較少[23]，導致其社會資本存量和資源含量都處于相對較低水平。

基于此，本文提出以下觀點。首先，對于農業流動人口而言，一方面由于缺乏城市當地社會網絡[23]所造成的障礙將導致這一群體難以獲得那些稀缺的、收人回報相對更高，且匹配自身教育水平的職業崗位信息；另一方面由于同質性交往[22]或聚集網絡產生的拉力，農業流動人口更有可能進入那些收入水平相對較低、學歷要求相對較低、城市戶籍人口不愿從事而農業流動人口相對集中的職業崗位，最終導致那些具有一定教育文憑的農業流動人口更有可能發生縱向失配。其次，對于“農轉非”人口而言，盡管早期會因城鄉壁壘而缺乏城市本地網絡，但由于“農轉非”人口是經過高度選擇而進入城市勞動力市場，因此也更有可能主動建構與城市本地人之間的社會聯系，所以同質性社會網絡對其求職行為的限制有限，從而降低“農轉非”人口發生縱向失配的幾率。由此，本文提出以下假設：

假設1：不同戶籍人口在縱向失配的發生幾率層面存在顯著差異。

假設1A：與城市非農出身人口相比，農業流動人口更有可能發生縱向失配。

假設1B：與城市非農出身人口相比，“農轉非”人口更不可能發生縱向失配。

2.縱向失配收入懲罰的戶籍差異

縱向失配會造成收人懲罰，但是這種收人懲罰在不同戶籍人口之間是否存在差異？換言之，當其他條件一定時，不同戶籍人口在同時面對縱向失配時，其遭受的收入懲罰是否存在差異？如果存在，這就可能成為縱向失配影響戶籍收入差異的另一個重要來源。

本質上講，這一問題主要指縱向失配和戶籍在影響收入水平時，彼此之間是否存在交互效應。以往研究主要以“雙重劣勢”來檢驗兩種劣勢相遇時產生的額外劣勢，例如女性的收入水平相對于男性處于劣勢地位，農民工的收入水平相對城市職工處于劣勢地位，而女性農民工相對男性城市職工就會面臨雙重交互的額外收入劣勢。但是，佩杜拉（Pedulla）最新的研究成果挑戰了以往的研究思路，他通過分析美國勞動力市場中黑人和失業對找工作的影響，發現失業現象對黑人找工作造成的負面影響要小于對白人的負面影響[24]，也就是說，兩種負面的刻板印象相互結合時，并非一定會產生“雙重劣勢”，而是存在相互抵消的可能。

由此，佩杜拉總結出兩種相對劣勢結合時，存在三種可能的效應：疊加效應（additiveeffects）、擴大效應（amplified effects）和收縮效應（muted effects）[24]。所謂疊加效應，是指兩種相對劣勢結合時產生的效應只是數量上的相互疊加。這一判斷的理由是，如果兩種社會標簽彼此之間不存在關聯，那么當它們同時出現時，就會彼此之間獨立發揮作用，所產生的總體效應就是獨立效應的簡單疊加。所謂擴大效應，是指一種相對劣勢會加強另一種相對劣勢產生的影響，從而比相互疊加產生更多的額外效應。這一判斷的依據是，如果兩種社會標簽存在內部關聯，并且內部的某些信息彼此之間是強化關系，那么當它們同時出現時，就會相互強化并存在乘數效應，從而產生的總效應將會大于兩種標簽的獨立效應之和。所謂收縮效應，是指兩種相對劣勢結合時，彼此之間會相互抵消，從而產生比相互疊加更小的負面效應。這一判斷的理由是，如果兩種社會標簽共享著一些信息，那么當它們同時存在時，彼此之間是相互消減或重復的，最終所產生的總體效應將小于兩種標簽的獨立效應之和。下面將基于這三種模式來分析不同戶籍人口和縱向失配對收人水平可能的影響模式。

首先，農業流動人口和縱向失配之間可能存在疊加、擴大和收縮這三種模式。第一種模式為疊加效應，意味著農業流動人口相對于城市非農出身人口的收人劣勢，和縱向失配產生的收人懲罰，二者之間是獨立發揮影響的，因此當二者同時出現時，產生的總效應就是二者獨立效應的相互疊加。疊加效應意味著縱向失配對于農業流動人口和城市非農出身人口造成的收入懲罰是同等的。第二種模式為擴大效應，意味著農業流動人口面臨的收入劣勢和縱向失配造成的收入懲罰，彼此之間是相互加強的。這一判斷的理由是，由于戶籍制度造成的就業壁壘，農業流動人口在城鎮勞動力市場中面臨的工作機會相對更少，因此在工資設定環節，當農業流動人口和城市非農出身人口同時成為縱向失配者時，雇主給農業流動人口可能設置更低的工資，而農業流動人口由于面臨十分有限的工作機會，選擇的空間十分有限，因此討價還價的能力相對較低，最終不得不去接受比城市非農戶籍人口更低的薪資回報。擴大效應意味著，縱向失配對農業流動人口造成的收人懲罰要大于城市非農出身人口，從而出現“同工不同酬”的市場歧視。第三種模式為收縮效應，意味著農業流動人口面臨的收入劣勢和縱向失配產生的收人懲罰，二者之間是彼此消減的。這一判斷的理由是，農業流動人口在城鎮勞動力市場的處境已經非常艱難，其收入水平遠遠低于城市非農出身人口，因此當農業流動人口發生縱向失配時，縱向失配對其造成的收人懲罰將十分有限。因此當二者同時出現時，產生的總的收入懲罰將小于二者獨立存在時產生的收人懲罰之和。收縮效應意味著，縱向失配對農業流動人口造成的收入懲罰要小于城市非農出身人口。基于此，本文提出三組競爭性假設。

假設2A：疊加效應論，即農業流動人口和城市非農出身人口在面臨縱向失配時會遭受同等的收入懲罰。

假設2B：擴大效應論，即農業流動人口比城市非農出身人口在面臨縱向失配時會遭受更大的收入懲罰。

假設2C：收縮效應論，即農業流動人口和城市非農出身人口在面臨縱向失配時會遭受更小的收入懲罰。

其次，“農轉非”和縱向失配對收入的影響也存在三種可能的模式。但是，由于“農轉非”人口具有高度選擇性，并且在勞動力市場一般處于相對優勢地位，而縱向失配者相對縱向匹配者處于相對劣勢地位，因此二者之間實際為一種優勢和一種劣勢之間的互動模式。那么，一種優勢和一種劣勢同時出現時，會產生怎樣的后果？本文將其總結為三種模式。

第一種模式為差值效應，即“農轉非”人口相對城市非農出身人口的收入優勢和縱向失配造成的收入劣勢，彼此之間相遇時是獨立發揮效應的，二者產生的總體效應是彼此獨立效應相減之后的“差值”。差值效應預示著縱向失配對“農轉非”人口和城市非農出身人口會造成同等程度的收入懲罰。第二種模式為懲罰效應。具體而言，“農轉非”會產生收入優勢，而縱向失配會造成收人懲罰，所以當“農轉非”人口發生縱向失配時，縱向失配會抑制“農轉非”本身可能產生的收入優勢，由此對“農轉非”人口造成更大的收入懲罰。懲罰效應意味著，當“農轉非”人口和城市非農出身人口同時發生縱向失配以后，雇主在工資制定環節可能給“農轉非”人口設置更低的薪資水平，由此抑制“農轉非”可能存在的收入優勢。第三種模式為保護效應。意味著當“農轉非”人口發生縱向失配時，縱向失配對“農轉非”收人優勢的抑制作用會非常有限，換言之，當城市非農出身人口和“農轉非”人口同時面臨縱向失配時，縱向失配對“農轉非”人口造成的收入懲罰更小，從而表現為保護效應。這一判斷的理由是，“農轉非”人口面臨縱向失配時，其收入水平依然高于那些未實現“農轉非”的群體，因此更有可能在縱向失配的職業崗位上表現出高生產效率或積極的工作態度；而當城市非農出身人口面臨縱向失配崗位時，其比那些具有同等學歷的縱向匹配者更有可能表現出更低的工作滿意度和更低的生產效率；在此情況下，對于同時面臨縱向失配的“農轉非”人口和城市非農出身人口，雇主更有可能為生產效率更高的“農轉非”人口設置更高的工資水平。基于以上分析，本文提出三組競爭性假設。

假設3A：差值效應論，即“農轉非”人口和城市非農出身人口在面臨縱向失配時會遭受同等的收人懲罰。

假設3B：懲罰效應論，即“農轉非”人口比城市非農出身人口在面臨縱向失配時會遭受更大的收入懲罰。

假設3C：保護效應論，即“農轉非”人口比城市非農出身人口在面臨縱向失配時會遭受更小的收入懲罰。

三、數據、變量和分析策略

1.數據來源

本文所使用數據來源于中國綜合社會調查（CGSS 2003—2021）。作為我國最早的全國性、綜合性、連續性的橫截面調查項目，CGSS數據庫涵蓋本文需要的核心變量，同時具備充分的樣本量和時期跨度。實際分析中，本文首先合并了十一期數據，包括CGSS 2003、2005、2006、2008、2010、2012、2013、2015、2017、2018和2021。其次，本文僅保留城鎮調查樣本，這是因為，由于我國戶籍制度的長期影響，城市和農村分別形成了兩種具有明顯差異的勞動力市場，其中城鎮相比農村的勞動力市場，其職業結構更加完善，對勞動者教育程度的要求也更加嚴苛，因此本文僅聚焦城鎮勞動力市場。隨后，本文將樣本年齡限制為18—60周歲，并剔除在教育、職業、收人上有缺失值的樣本，剩余樣本量為32222個①。

2.變量測量

縱向失配是本文需要測量的第一個核心變量。為了判斷某一個體是否屬于縱向失配，我們需要界定其職業崗位所需要的標準教育程度。截至目前，縱向失配研究領域存在三種測量方法：工作分析法、自我評估法和現實匹配法[25]。工作分析法是由特定專家或雇主來評估每種職業所需標準教育程度[26]，并形成職業手冊，但我國目前缺乏這樣的職業手冊。自我評估法是由調查中被訪者來評估其職業所需教育程度[27]，但這一方法在CGSS調查中只被應用于個別年份，無法滿足本文分析需要。此外，工作分析法存在測量成本高、標準更新滯后等問題，自我評估法則容易受到被訪者主觀認知偏差的影響，導致測量結果的可靠性不足。而現實匹配法是由研究者基于分析數據，使用標準差或眾數來界定每種職業所需要的標準教育程度。相比之下，現實匹配法是全世界縱向失配研究領域認可度最高、使用范圍最為廣泛的方法[9-10]，因此本文采取現實匹配法。

但是，現實匹配法往往存在兩個測量偏差：第一，該方法忽視了制度變遷性。具體而言，教育和職業是縱向失配所連接的兩個重要變量，但這兩個變量深受宏觀教育制度和經濟制度的影響。例如，1949年以來我國的教育制度經歷了奠基、改革、擴招和提升四個發展階段[28]，這深刻影響著不同世代群體的教育獲得；同時，從計劃經濟邁向市場經濟的經濟制度變遷，深刻形塑著人們的就業過程和生活機遇。如果研究者使用現實匹配法時忽略教育制度和經濟制度的變遷，那么其所測量的縱向失配比例將存在偏誤。為了克服這一問題，本文將分析樣本按照調查時期和出生世代劃分為不同的“時間格子”，并在每個格子內部計算每種職業所需要的標準教育程度［25]。第二，現實匹配法忽略了職業內部的教育異質性。現實生活中，一些職業需要由不同教育程度的人共同從事，如果忽略這種職業內部的教育異質性，某些縱向匹配者將會在統計上被劃分為縱向失配者。為了克服這一問題，本文計算出每種職業內部的教育異質性指數（IQV），將其納入縱向失配的預測方程，以此來降低現實匹配法因忽略教育異質性而造成的測量偏誤[25]。

縱向失配的具體測量包括四步：第一，本文根據8個時期和3個世代劃分出24個“時間格子”，其中3個世代包括1960年以前、1960—1980年和1980年以后的出生世代。第二，根據被訪者的教育狀況，界定教育程度和教育年限，其中教育程度包括6類：小學及以下、初中、高中（包括中專和技校）、大專、本科、碩士及以上。第三，在每個“時間格子”內，基于國際標準職業分類（ISCO-88）的三位職業編碼，計算每種職業內部的教育程度的眾數和教育年限的標準差，作為該職業所需標準教育水平①。第四，通過比較個體實際教育水平和其職業所需的標準教育水平，界定縱向匹配和縱向失配。結果表明，基于眾數法的縱向失配比例為 35.39% ，基于標準差法的縱向失配比例為 35.85% ，二者相當接近。

戶籍是本文關心的第二個核心變量。首先，本文按照被訪者當前戶籍類型，界定出二分類戶籍變量：城市戶籍人口和農業戶籍人口。其次，本文通過比較被訪戶籍獲得年份、獲得方式和當前戶口狀態，從城市戶籍人口中進一步區分出“農轉非”人口，由此產生三分類戶籍變量：城市非農出身人口、“農轉非”人口和農業流動人口。最后，本文依據戶籍獲得原因，進一步界定四分類戶籍變量：城市非農出身人口、選擇性“農轉非”人口、政策性“農轉非”人口和農業流動人口。由于CGSS 2006數據缺乏非農戶口獲得過程的相關信息，本研究中三分類和四分類戶籍變量在該年份為缺失值；CGSS2005缺乏“農轉非”戶籍的獲得方式信息，在四分類戶籍編碼為缺失值。為了獲得穩健估計結果，本文在實證分析中分別基于二分類、三分類和四分類戶籍變量進行模型估計，最終發現分析結果總體穩健。實證分析表格以三分類戶籍變量為主，并以圖形呈現二分類、四分類戶籍變量的主要系數。基于三分類戶籍變量，本文將縱向失配變量和其他重要變量信息匯總到表1。我們通過

表1可以得到以下重要信息：第一，三類戶籍人口縱向失配的發生比例存在明顯差異。縱向失配比例從高到低依次為城市非農出身人口、“農轉非”人口和農業流動人口，但對這一結論需要謹慎，因為表1沒有納入任何控制變量。第二，不同戶籍人口之間存在收入差異，“農轉非”人口平均年收入最低。

其他變量也顯示出重要信息：第一，人口學特征方面存在戶籍差異。農業流動人口的年齡相對偏小，這可能是因為年齡較大的農業流動人口會選擇返回農村。教育年限方面，農業流動人口最低，城市非農出身人口最高。第二，就業特征方面也存在戶籍差異。在體制分

割和行業壟斷方面，城市非農出身人口和“農轉非”人口進入體制內或壟斷行業工作的比例都明顯高于農業流動人口。在職業方面，“農轉非”人口成為管理人員和專業技術人員的比例相對更高，城市非農出身人口次之，農業流動人口則最低，并且農業流動人口主要成為體力勞動者。這就意味著，不同戶籍人口之間的確存在職業隔離，戶籍造成的就業壁壘和教育文憑的欠缺可能是農業流動人口就業的重要障礙。第三，家庭背景方面也體現出戶籍差異。在父母教育程度方面，整體而言，城市非農出身人口的高等教育比重較大，而“農轉非”人口和農業流動人口相對較小。

3.分析策略

實證分析主要包括以下兩個環節：首先，本文將分析縱向失配發生幾率的戶籍差異，主要使用二分類邏輯回歸。其次，本文將分析縱向失配收入懲罰的戶籍差異，主要使用一般線性回歸和交互項策略。但是縱向失配存在內生性問題，例如家庭背景、個人能力等因素既會影響縱向失配的發生，同時也會影響個體收入的獲得。為了有效控制內生性問題造成的干擾，本文使用內生干預效應（endogeneity treatment effects）模型，該模型已被應用于勞動力市場中就業過程研究。在內生干預效應模型中，研究者需要納入至少一個排除限定變量，它需滿足兩個條件，即與第一階段模型的選擇變量高度相關，但與第二階段的結果變量在理論上不存在直接關聯。本文選擇1949—2021年全國高考錄取率作為排除限定，主要理由有兩個①：第一，全國高考錄取率是外生的，它在理論上和個體收入水平之間沒有直接關系。第二，高考錄取率和縱向失配之間高度相關：對于特定出生世代而言，其接受高等教育時點的全國高考錄取率越高，那么該世代內部高等教育文憑比例就會越高，而同一文憑的相對教育位置就會下降，導致該世代成員發生縱向失配的幾率越高。

四、實證分析結果

1.縱向失配發生幾率的戶籍差異

表2是基于戶籍身份這一核心自變量建立的縱向失配發生幾率模型。首先，模型1中因變量為基于眾數法界定的縱向失配。觀察可知，控制其他變量后，農業流動人口發生縱向失配的幾率比城市非農出身人口高 16% ，但“農轉非”人口與城市非農出身人口沒有顯著差異。模型2中因變量為基于標準差法界定的縱向失配，控制其他變量后，農業流動人口發

生縱向失配的幾率比城市非農出身人口高 16.5% ，而“農轉非”人口與城市非農出身人口同樣沒有顯著差異。需要注意的是，表1中基于描述性分析的結果表明，農業流動人口更不易發生縱向失配，但是當我們控制其他變量以后，這一趨勢發生反轉，這就說明，對于同等條件的農業流動人口和城市非農出身人口而言，農

業流動人口更容易發生縱向失配。可見，農業戶籍的確會增大縱向失配風險，而只有擺脫農業戶籍才能獲得與城市戶籍居民平等的就業機會。

穩健性分析中，本文分別檢驗了二分類和四分類戶籍變量對縱向失配發生幾率的影響（詳見圖2）。首先，二分類戶籍表明，控制其他變量后，農業戶籍人口比城市戶籍人口更容易發生縱向失配。其次，四分類戶籍變量表明，相比于城市非農出身人口，農業流動人口更有可能發生縱向失配，選擇性“農轉非”人口更不可能發生縱向失配，而政策性“農轉非”人口與城市非農出身人口沒有顯著差異。

總體而言，假設1得到支持。首先，農業流動人口面臨更高的縱向失配發生幾率。即便接受過與城市戶籍出身人口同等的教育，農業流動人口仍然更可能在就業過程中遭受基于戶籍的排他性。這使得農業流動人口不得不接受那些學歷要求更低的工作崗位，從而加重縱向失配，進而成為戶籍間收人差異的直接來源。同時，選擇性“農轉非”人口面臨更低的縱向失配發生幾率。選擇性“農轉非”人口在教育程度、政治身份等方面具備一定優勢，更可能具備較強的人力資本和社會資本，這削弱了他們遭受縱向失配的幾率，進而在勞動力市場中更少遭受因縱向失配造成的收入懲罰，最終在勞動力市場中表現出相對優勢地位。但需要注意的是，對于政策性“農轉非”人口而言，其和城市非農出身人口在縱向失配的發生幾率方面不存在顯著差異。一方面，政策性“農轉非”人口獲得城鎮戶籍后，與城鎮居民享受同等的教育、醫療和社會保障等福利，從而降低了農業戶籍出身對教育和職業的限制。另一方面，戶籍轉換本身并不能完全消除個體在教育和職業發展過程中積累的劣勢。相比于選擇性“農轉非”人口，政策性“農轉非”人口缺少自我努力實現戶籍轉換的過程，因而缺乏在縱向匹配和收入獲得上的相對優勢。

2.縱向失配收入懲罰的戶籍差異

縱向失配發生以后，其造成的收入懲罰在不同戶籍人口之間是否存在差異？為了回答這個問題，本文首先基于縱向失配和戶籍建立收入的線性回歸方程，重點引入戶籍和縱向失配的交互項，以檢驗戶籍身份如何調節縱向失配的收入懲罰效應，分析結果如表3所示。

模型1為基準模型，觀察可知，在不控制任何其他變量的情況下，和城市非農出身人口相比，農業流動人口的年收入平均低4.7% ，而“農轉非”人口與城市非農出身人口沒有顯著差異。本文在穩健性分析中通過區分選擇性和政策性“農轉非”，發現選擇性“農轉非”人口比城市非農出身人口的年收入平均高 20% ，而政策性“農轉非”則平均低19% 。由此可見，勞動力市場中的確存在戶籍收入差異。

表3中模型2和3納入縱向失配和控制變量，以及戶籍與縱向失配的交互項。模型2中縱向失配是基于眾數法界定的。觀察可知，納入控制變量后，戶籍類型的主效應系數已經發生了變

化，“農轉非”人口和農業流動人口的收入劣勢轉變為收入優勢，本文通過逐步回歸發現，工作特征變量的納入對于這一轉變具有實質性作用，這意味著職業隔離或行業隔離是導致政策性“農轉非”人口和農業流動人口收入劣勢的重要來源。模型3是基于標準差法界定的縱向失配。農業流動人口和縱向失配的交互項為負且統計顯著，“農轉非”人口與縱向失配的交互項統計不顯著，這與模型2的發現完全一致，表明本文的研究結論是穩定的。

由此，在系列競爭性假設中，“擴大效應假設”和“差值效應假設”得到支持。首先，縱向失配和農業流動人口的交互項系數為負且統計顯著，這意味著當城市非農出身人口和農業流動人口同時面臨縱向失配時，農業流動人口會遭受更大的收入懲罰，這一結果符合“擴大效應”模式。長期存在的城鄉壁壘導致農業流動人口在職業獲得上的不利處境，當其面臨縱向失配時，可選擇的職業路徑更為有限，甚至出現“同工不同酬”的市場歧視，進一步加劇了他們在收入獲得方面的相對劣勢。其次，“農轉非”人口與縱向失配的交互項系數不顯著，表明“農轉非”人口和城市非農出身人口在面臨縱向失配時會遭受同等的收入懲罰，這符合理論假設中“差值效應”模式。一方面，通過選擇性渠道實現“農轉非”的人口往往具有較高的人力資本、社會資本等優勢，他們在勞動力市場中更具競爭力，從而占據收入優勢。另一方面，縱向失配的收入懲罰效應抑制了上述優勢的發揮，對收入回報產生不利影響。“農轉非”人口相對城市非農出身人口的收入優勢和縱向失配造成的收入劣勢，二者產生的總體效應是彼此獨立效應相減之后的“差值”，從而表現為縱向失配對“農轉非”人口和城市非農出身人口的同等收入懲罰。

穩健性分析中，本文分別檢驗了二分類和四分類戶籍人口在縱向失配收入懲罰方面的差異（見圖2）。首先，二分類戶籍表明，相對于同等條件的城市戶籍人口，縱向失配會給農業戶籍人口造成更大的收入懲罰。其次，四分類戶籍變量顯示，農業流動人口和政策性“農轉非”人口與縱向失配的交互項都為負且統計顯著，這符合“擴大效應”模式，意味著縱向失配對農業流動人口和政策性“農轉非”人口造成的收入懲罰要高于城市非農出身人口。而選擇性“農轉非”人口與縱向失配的交互項為正但統計不顯著，這就意味著縱向失配對選擇性“農轉非”人口和城市非農出身人口造成的收入懲罰是同等的，這符合“差值效應”模式。值得注意的是，政策性“農轉非”人口由于缺乏選擇性“農轉非”人口憑自身努力建立的求職優勢，因而由縱向失配造成的收入懲罰效應再次凸顯，這亦可作為“差值模式”的佐證。總體而言，二分類、四分類戶籍的分析結果與三分類戶籍基本一致。

但是，我們在考察縱向失配的收入效應時，縱向失配本身可能存在內生性問題。為此，本文基于縱向失配建立內生干預效應模型，并允許內生變量（縱向失配）和協變量（戶籍）之間存在交互項，實證分析結果如表4所示。首先，從干預模型來看，控制其他變量以后，歷年高考錄取率的確會影響縱向失配的發生幾率，并且這種影響呈“U”型關系。值得注意的是， ρ 值為0.268且統計顯著，表明干預模型的誤差項和主回歸模型的誤差項確實存在相關關系；Wald檢驗的 p 值小于0.05，意味著我們可以拒絕縱向失配模型誤差項與收入決定模型誤差項之間不相關的零假設。由此可見，縱向失配的確存在內生性問題，和一般線性回歸相比，我們更應該接受內生干預效應模型的結論。其次，從主回歸模型來看，縱向失配的確會造成收入懲罰。戶籍和縱向失配的交互項表明，“農轉非”人口與縱向失配的交互效應不顯著；農業流動人口和縱向失配的交互項為負且統計顯著。由此可見，我們通過內生干預效應模型，在一定程度上控制縱向失配的內生性問題之后，本文的研究結論依然穩健：相對于城市非農出身人口，縱向失配會對農業流動人口造成更嚴重的收入懲罰，而“農轉非”人口整體上因縱向失配遭受的收入懲罰與城市非農出身人口沒有差異。這進一步證明，不同戶籍之間的收人差異并不能單一地由職業隔離效應或者人力資本理論來解釋，而是需要考慮教育—職業的綜合匹配，若教育—職業產生縱向失衡，可能擴大收人弱勢群體的懲罰效應或削減優勢群體的收入增額。

五、結論和討論

盡管市場經濟體制改革持續削弱戶籍制度所建構的城鄉分割壁壘，但這一制度所造成的長期后果卻依然持續。本文聚焦教育—職業匹配過程，基于CGSS 2003—2021的多期橫截面調查數據，使用改進后的現實匹配法來測量縱向失配，最終發現縱向失配主要通過發生幾率和收入懲罰兩個環節來影響戶籍收入差異。

第一，縱向失配的發生幾率存在戶籍差異。農業流動人口比城市非農出身人口更有可

能發生縱向失配，這是因為戶籍制度造成的就業壁壘和城鄉社會交往壁壘導致農業流動人口在城鎮更難找到教育匹配的職業崗位；但是對“農轉非”人口而言，就業壁壘對其造成的限制相對微弱，因此與城市非農出身人口的縱向失配沒有顯著差異。可見，農業戶籍的確會增大縱向失配風險，而擺脫農業戶籍方能獲得與城市戶籍居民平等的就業機會。同時，由于縱向失配會直接造成收入懲罰，因此不同戶籍人口在縱向失配發生幾率方面的差異會成為縱向失配影響戶籍間收入差異的第一個來源。

第二，縱向失配的收入懲罰存在戶籍差異。首先，縱向失配對農業流動人口造成的收入懲罰要大于城市非農出身人口。換言之，農業流動人口面臨的收入劣勢和縱向失配造成的收入懲罰，

注：1.雙尾檢驗顯著度： ^***plt;0.001 ， ^**plt;0.01 ， ^*plt;0.05;2. 括號內為穩健估計標準誤;3.為節省空間，表中未展示控制變量的系數和標準誤，包括年齡、年齡平方、性別、民族、教育年限、婚姻狀況、政治身份、職業、體制、行業、父母最高教育程度、區域。

彼此之間是相互加強的，從而呈現出“擴大效應”模式。由于戶籍制度造成的就業壁壘，農業流動人口在城鎮勞動力市場中面臨的工作機會相對更少，因此在工資設定環節，當農業流動人口和城市非農出身人口同時成為縱向失配者時，雇主可能給農業流動人口設置更低的工資，而農業流動人口由于面臨的工作機會有限，討價還價能力有限，最終不得不去接受更低的薪資回報。其次，縱向失配對“農轉非”人口和城市非農出身人口會造成同等程度的收人懲罰。這意味著，“農轉非”人口經歷過高度篩選以后，在就業過程中更不可能因縱向失配而遭受額外收入懲罰。可見，農業戶籍的確會帶來更嚴峻的縱向失配收入懲罰，而擺脫農業戶籍可以降低縱向失配的收入懲罰。綜合來看，縱向失配收入懲罰的戶籍差異成為不同戶籍出身人口之間收入差異的第二個來源。

本文的潛在邊際貢獻是從教育失配的發生幾率和收入懲罰兩個維度，有效捕捉到城市勞動力市場中戶籍收入差異的來源。面向未來，本文具有一定的政策啟示。首先，未來教育政策改革需要注重發展與新的經濟發展格局相適應的教育體系。未來經濟要“實現高質量發展，必須實現依靠創新驅動的內涵型增長”[29]，這種“以科技創新催生新發展動能”的經濟增長模式，一方面需要就業市場新增大量創新研發型崗位，另一方面需要特別加強高等教育的內涵式發展，提升學校教育的培養質量，加強學校教育向勞動力市場的聯結強度，最終降低縱向失配的發生幾率和減少人力資本的浪費。其次，政府需要進一步規范招聘行為，促進不同戶籍人口的平等就業。例如，用人單位需給不同戶籍出身人口提供平等就業機會，降低工作招聘環節現存的戶籍門檻，從而降低農業流動人口發生縱向失配的風險；同時，地方政府有必要加強規制勞動力市場中存在的戶籍歧視，逐漸消除“同工不同酬”的現象，同時需要縮小社會保障和崗位福利方面的戶籍差異，從而形成公平競爭的就業環境。

參考文獻：

[1]LIX，LUYEducation-ccpationmismatchandnativityinequalityamonghighlyeducatedUS.workers[J].Demography，2023，60（1）：1-26.

[2]VERHAESTD，SELLAMI S，VAN DER VELDENR.Diferences in horizontal andvertical mismatches acrosscountries andfields of study[J].InternationalLabourReview，2017，156（1）：1-23.

[3]KALFAE，PIRACHAM.Socialnetworksandthelabour market mismatch[J].JournalofPopulationEconomics，2018，31（3）：877-914.

[4]VILLARREALA.Theeducation-occupation mismatchof internationaland internal migrants inMexico，2Oo5－2012[J].Demography，2016，53（3）：865-883.

[5］吳曉剛，張卓妮.戶口、職業隔離與中國城鎮的收入不平等[J].中國社會科學，2014（6）：118-140.

[6］王鵬．“農轉非”、人力資本回報與收入不平等：基于分位數回歸分解的方法[J].社會，2017（5）：217-241.

［7］李駿.城鄉出身與累積優勢：對高學歷勞動者的一項追蹤研究[J].社會學研究，2016（2）：57-81.

[8］吳愈曉.中國城鄉居民的教育機會不平等及其演變（1978—2008）［J].中國社會科學，2013（3）：4-21.

[9]LUY，LIX.Verticaleducation-occupationmismatchandwage inequalitybyrace/ethnicityandnativityamong highlyducatedUSworkers[J].SocialForces，2021，100（2）：706-37.

[10］吳曉剛，李曉光.中國城市勞動力市場中教育匹配的變遷趨勢- —基于年齡、時期和世代效應的動態分析［J].中國社會科學，2021（2）：103-124.

[11］江求川.教育錯配對工資的影響：來自CFPS的新證據［J].當代經濟科學，2019（3）：1-14.

[12］李曉光.教育失配經歷對企業雇傭決策的影響：來自簡歷投遞實驗和在線招聘職位的證據[J].管理世界，2024（4）：121-137.

[13]MCGUINNESS S.Overeducation in the labour market[J].Journalof Economic Surveys，2006，20（3）：387-418.

[14］李曉光，陸瑤，吳曉剛.高學歷勞動者的教育失配[J].教育研究，2023（6）：122-137.

[15］李曉光.趨同與分化：雇主決策視角下高學歷者的教育失配研究[J].社會，2024（6）：159-193.

[16］李曉光，申欣悅.青年群體就業中的教育失配與社會心理感知[J].中國青年研究，2024（11）：58-68.

[17］蔡昉，都陽，王美艷.戶籍制度與勞動力市場保護[J].經濟研究，2001（12）：41-49.

[18]WUX，TREIMANDJ.Thehouseholdregistrationsystemand social stratificationin China：1955－1996［J].Demography，2004，41 （2）：363-384.

[19］鄭冰島，吳曉剛.戶口、“農轉非”與中國城市居民中的收人不平等[J].社會學研究，2013（1）：160-181.

[20]LIN N.Social networks and status attainment[J].Annual Review of Sociology，1999，25（1）：467-487.

[21]LIN N.Inequality in social capital[J].American Sociological Association，2O00，29（6）：785-795.

[22］程誠，邊燕杰.社會資本與不平等的再生產——以農民工與城市職工的收入差距為例[J].社會，2014（4）：67-90.

[23]LUY，RUAND，LAIG.Socialcapitalandconomic ntegrationof migrantsinurbanChina[J].SocialNetworks，20l3，35（3）：357-369.

[24]PEDULLADS.Howraceandunemploymentshapelabor marketopportunities：additive，amplified，or mutedefects？[J].SocialForces，2018，96（4）：1477-1506.

[25］李曉光.中國城鎮勞動力市場中的過度教育——測量改進與收入效應［J].人口與經濟，2021（1）：119-134.

[26]RUMBERGERRW.Overeducation inthe US labor market[M].New York：Praeger Publishers，1981：47-51.

[27]DUNCANGJ，HOFFMANSD.Theincidenceandwageefectsofovereducation[J].EconomicsofEducationReview，1981，1（1）：75-86.

[28］吳愈曉，杜思佳.改革開放四十年來的中國高等教育發展［J].社會發展研究，2018（2）：1-21.

[29]新華網.習近平總書記在經濟社會領域專家座談會上的講話[EB/OL].（2020-08-24）[2024-10-03].https：//ww.xinhuanet.com/politics/2020-08/24/c-1126407772.htm.

Education-OccupationMismatchand Wage PenaltyamongMigrant Population： NewEvidence on the SourcesofHukou-Based Wage Disparities

LI Xiaoguang，ZHOU Runqi， LIANG Xin （1.School of Humanities and Social Science，Xi'an Jiaotong University，Xi'an 71Oo49，China）

Abstract：Population migration profoundly shapes the allocation of educational credentials and occupational positions. This study investigates how vertical education-occupation mismatch contributes to Hukou-based income disparities in China.Utilizing a modified version of the realized match approach to define vertical mismatch，we conduct an empirical analysis based on multi-wave cross $$ sectional data from the CGSS （2003 - 2021）.The results reveal that vertical mismatch primarily affects Hukou-based wage disparities through two mechanisms： the incidence and wage penalties of mismatch. Regarding the incidence of mismatch，rural migrants are more likely toencounter vertical mismatch thanurban natives，but there is no significant difference between Hukou converters and urban natives. In terms of wage penalties of mismatch， rural migrants suffer more severe wage penalties compared to the urban natives， but there is no significant difference between hukou converters and urban natives.These results provide a new perspective for identifying the sources of Hukou-based wage disparities in urban labor markets， and ofer significant policy implications for achieving high-quality economic and social development.

Keywords：population migration； education-occupation matching； vertical mismatch;Hukou;wage disparities

[責任編輯崔子涵]