社会关系网络的户籍歧视范文

《农业技术经济杂志》2014年第五期

一、数据来源和统计描述

(一)数据简介采用中国人民大学社会学系所发起的全国范围内的、大型的抽样调查项目—中国综合社会调查(CGSS)2008年的数据。此调查访问的对象是根据随机抽样的方法，在全国28个省份抽取家庭户，然后在每个被选中的居民户中按一定规则随机选取1人作为被访者。CGSS(2008)调查共选择了6000个居民户作为访问对象，由访问员手持问卷对该被访者进行调查，内容主要涉及当前访问者的就业、工作和生活情况等。由于本研究主要聚焦于城镇劳动力市场，根据CGSS(2008)问卷中“您目前的工作状况是?”一项来进行筛选，选择回答为“目前从事非农工作”的调查问卷作为考察样本。为分析城镇劳动力市场的户籍工资差异，将调查对象分为两组，根据CGSS(2008)问卷中“您目前的户口状况是?”一项，将回答答案选择为“农村户口”归入农民工组，选择其他答案则归入城镇工组。删除带有缺失信息的样本后，共获得2282个有效样本，其中，农民工638个，占28.96%;城镇工1644个，占71.04%。

(二)变量设计首先，本文用来衡量收入的指标Income，来自被访问者对调查问题“您个人去年全年的职业收入是多少?”提供的数值。由于本文重点考察社会关系网络对劳动力工资户籍差异的影响，所以需要对劳动者的社会关系网络进行度量。CGSS(2008)中提供了受访者在工作获取时的社会关系网络情况，可以根据您找工作时“您的亲友、熟人、其他人当时有多少人帮忙打听信息，沟通情况，提供帮助?”这个问题发现调查对象在工作寻找时所拥有的关系网络。当然这种关系既可以形成劳动力市场的户籍进入障碍、阻碍农民工进入高收入行业，也可以在农民工就业后，通过回报率歧视形成工资差异。不过，这有个前提，就是这种关系网络依然存在，没有中断。我们可以通过CGSS(2008)问卷中“您和他是否仍保持联系?”这个问题设置虚拟变量D，当选择“保持联系”时设置变量值为1，“没有联系”时将变量赋值为0。然后以前述发现的社会关系网络变量与虚拟变量的交叉项来构建另一个社会关系网络变量。本文将同时采用这两个变量对社会关系网路进行度量，初始社会关系网络记为Network1，乘以虚拟变量后记为Network2。控制影响劳动力收入的其他因素，参考收入决定方程，本文控制了性别、年龄、受教育程度、身体健康状况、民族、政治面貌、健康状况、婚姻状况、工作职位和劳动时间等个人基本特征因素。劳动力性别(Sex)，男性被赋值为1，女性被赋值为0;年龄(Age)的赋值为受访者在2008年时的周岁;受教育程度(Edu)，当受访者选择“没有受过任何教育”、“私塾”、…、“研究生及以上”分别被赋值为1～13的整数;健康状况(Health)，当受访者分别回答“很不健康”、“比较不健康”、“一般”、“比较健康”和“很健康”时，其赋值顺次为1～5的整数;民族(Morality)，少数民族被赋值为1，汉族被赋值为0;政治面貌(Politic)，共产党员被赋值为1，非共产党员被赋值为0;婚姻状况(Marriage)，“同居”和“已婚”的劳动力被赋值为1，“分居”、“离婚”和“丧偶”的被赋值为0;工作职位(Jobp)，依据问题“在您目前的工作中，您的管理活动情况是?”来设定，当受访者回答“既不管理别人，又不受别人管理”、只受别人管理，不管理别人”、“既管理别人，又受别人管理”和“只管理别人，不受别人管理”分别被赋值为1～4的整数。劳动时间(Jobh)来自问卷中“您目前的工作平均每周大约要工作/劳动多少个小时?”提供的数值。

(三)描述性统计进一步采用假设检验的方法来判断两组劳动力的工资差异。表1中T检验结果显示农民工和城镇工工资收入存在明显差异。农民工的年度工资收入平均为1.623万元，而城镇工达到2.4790，具有明显的差异(见第1行)。由于工资差异与社会关系网络、性别、年龄、受教育程度等个体特征相关，表1进一步给出了两组劳动力各变量指标的差异性检验。通过表1可以看出，两组劳动力在年龄、受教育程度、民族、政治面貌、婚姻状况、工作职位和劳动时间等方面存在显著差异。对比而言，城镇工年龄更大、受教育程度更高、属于汉族、已婚和拥有党员身份的也更多。城镇工的工作职位要明显高于农民工，但劳动时间明显低于农民工。另外，表1显示，无论两种方法中的任何一种度量社会关系网络，农民工的社会关系网络都略高于城镇工，不过这种差异不明显。那么城镇工和农民工对于社会关系网络的运用能力是否存在差异，即社会关系网络引起的回报率歧视是否存在呢?下文报告了以两种方法度量的社会关系网络与工资收入的线性拟合关系。图1显示，无论以哪种方法度量，城镇工社会关系网络的回报率都要高于农民工，这说明社会关系网络可能是形成劳动力工资户籍歧视和差异的重要因素。当然简单的线性拟合并没有考虑其他因素的影响。

二、实证结果与分析

(一)模型估计为了考察“关系”对中国劳动力工资户籍差异的影响，本文将基准回归方程设定为如下形式:其中，下标i表示第i个居民样本，μ是随机扰动项。变量Income是衡量劳动者工资收入的指标，Net-work是衡量居民社会网络的指标，Χ是其他影响工资收入的控制变量矩阵，包括性别(Sex)、年龄(Age)及其平方项(Age2)、受教育程度(Edu)、民族(Morality)、政治面貌(Politic)、健康状况(Health)、婚姻状况(Marriage)、工作职位(Jobp)和工作时间(Jobh)等，B是相应的回归系数矩阵。根据式(1)，采用最小二乘估计方法(OLS)，本文依次对总体样本，城镇工样本以及农民工样本进行估计，表2中模型(1)～(2)、(3)～(4)和(5)～(6)分别报告了相应的估计结果。由于对社会关系网络的度量存在两种指标，本文同时报告了两种指标下的模型估计，其中模型(1)、(3)和(5)是以Network1作为社会关系网络度量指标，模型(2)、(4)和(6)替代以Network2作为指标。表1总体样本模型(1)～(2)中，无论是以Network1或是Network2作为社会关系网络指标，社会关系网络变量的估计系数都为正，且分别在5%和1%的水平上显著，说明社会关系网络会影响到劳动者的工资收入。社会关系网络作为一种非市场的力量不仅会通过劳动力市场分割，形成高收入行业的进入壁垒(陈钊等，2009)，而且社会关系网络也会通过扭曲市场规则形成回报率偏差(Lin，2001)，从而影响到劳动者的工资收入。模型(1)～(2)中，控制其他变量之后，性别(Sex)变量的估计系数都为正，而且非常显著。说明相当于女性而言，男性得到了更高的工作回报，这说明即便控制了生产率差异，工资回报的性别歧视是存在的。年龄变量的水平项(Age)为正，而其二次项(Age2)为负，说明居民年龄与工资收入之间呈“倒U”型曲线关系，即劳动者工资收入将随着其年龄的增长先上升后下降，这和国内外大多数研究的结论是一致的。受教育程度变量(Edu)的估计系数显著为正，这也和现有研究基本一致。人力资本越高，根据要素价格决定理论工作回报也会越高，并且在工作选择、工资谈判中都会处于优势，从而能得到更高的工资。另外，模型(1)～(2)中，工作职位变量(Jobp)的估计系数显著为正，且估计系数很大，这符合我们的基本直觉，职位越高的劳动者收入越高。需要指出的是，模型(1)～(2)中民族(Morality)、政治面貌(Politic)、健康状况(Health)、婚姻状况(Marriage)以及劳动时间(Jobh)等变量的估计系数不显著，说明在控制其他因素影响后，这些特征变量不会对工资收入产生显著影响。表2中模型(3)～(4)、(5)～(6)分别对应城镇工和农民工样本的估计结果。在城镇工样本中，采用两种方法度量的社会关系网络都显著为正，而在农民工样本中，社会关系网络的估计系数变得不显著。这说明相对于农民工而言，城镇工更善于运用自己的社会关系网络获取更高的收入。利用关系网络城镇工通过扭曲市场规则能够进入高收入行业，而将农民工排斥在低收入行业，形成劳动力市场的分割和行业壁垒。而在不同收入水平的行业中，要素禀赋的回报率是存在差异的。通过对比城镇工和农民工样本各变量的估计系数大小可以发现，在城镇工样本中，性别、受教育程度和工作职位等变量的估计系数都要大于农民工样本，这说明城镇工和农民工要素禀赋的回报率差异明显存在，反映出了工资回报的户籍歧视。另外，城镇工和农民工样本中，其他控制变量的估计系数方向和显著性与总体样本一致，这里不再说明。

(二)Oaxaca-Blinder分解模型参数估计结果显示，社会关系网络对于城镇工和农民工的工资影响存在差异，城镇工更善于运用社会关系网络获得更高收入，而农民工模型中社会关系网络的估计系数不显著。那么社会关系网络等因素对于城镇工和农民工工资差距影响程度有多大?下面我们借鉴Oaxaca(1973)和Blinder(1973)的方法，通过对城镇工和农民工工资差距进行分解对这一问题进行解答。采用Oaxaca-Blinder分解，将城镇工和农民工工资差距分解成两部分:其中，下标1和2分别表示城镇工与农民工，Network和X分别指社会关系网络和模型中控制的其他变量，Π是OLS回归的估计系数。等式右边第一项是户籍工资差异中能被方程中解释变量的数量差异所解释的部分，称之为特征差异;第二项为不可解释的部分，表示具有相同的个人禀赋特征的两组居民由于歧视产生的回报率差异，也称系数差异。基于Oaxaca-Blinder分解方法，表3报告了城镇工和农民工工资差异的分解结果*?。表3显示，劳动者工资的户籍差异主要是由于特征差异引起的，解释比例约占86.19%。特别是城镇工和农民工的受教育程度差异，城镇工的受教育程度明显高于农民工，大约52.70%的户籍工资差异是由城镇工和农民工的受教育程度差异引起的。当然，Oaxaca-Blinder分解结果显示，以系数差异来反映的户籍歧视在城镇工和农民工工资差异中也占据一定权重，约占13.81%。其中，笔者最为关心的社会关系网络引起的户籍歧视具有重要影响，大约12.18%的户籍工资差异是社会关系网络所引起的户籍歧视引起的。

三、结论及政策含义

基于中国综合社会调查2008年的数据，本文发现社会关系网络引起的户籍歧视对劳动力工资的户籍差异具有重要影响。利用社会关系网络，具有城镇户籍的劳动力通过扭曲市场规则能够进入高收入行业，而将农民工排斥在低收入行业，形成劳动力市场分割和行业进入壁垒。由于不同行业要素禀赋的回报率是存在差异的，所以社会关系网络是形成工资回报户籍歧视的重要因素，大约12.18%的户籍工资差异是由社会关系网络所引起的户籍歧视引起的。此外，本文还发现，劳动者工资的户籍差异主要是由于特征差异引起的，特别是不同户籍劳动力的受教育程度差异，大约52.70%的户籍工资差异是由城镇工和农民工的受教育程度差异引起的。本研究有助于更全面地认识和评价收入不平等中社会关系网络的作用，也提醒人们重视“关系”对劳动力工资户籍差异的影响。由于具有城镇户籍的劳动者更善于运用社会关系网络通过扭曲市场规则形成行业进入障碍，攫取高额的回报率，而由此形成的户籍歧视导致农民工更多流入低收入行业。这种由于长期城乡分割的户籍政策，累积起城乡居民间社会资本的差异，已经从深层次影响到城镇劳动力市场的工资分配，不仅抑制了城乡收入差距的缩小，而且也会阻碍城乡二元社会的融合(章元和王昊，2011)。随着中国市场化改革深入和收入分配改革推进，不仅要从根本上变革户籍制度，而且要配套其他措施管理和控制社会关系网络等非市场的力量，建立一套清晰和公平的规则体系并维护这套规则体系的有效运行，是非常重要的。因为这将有助于弱化因“关系”不平等造成的机会和回报不平等，促进不同户籍劳动者之间的机会公平、回报公平，从而对缩小城乡收入差距、促进二元经济融合以及改善资源配置效率均具有重要的作用。

作者：凌先勇彭珏张明单位：西南大学经济管理学院西南大学政治与公共管理学院