我国工资性别差异分布效应研究

1、PAGE- 23 - / NUMPAGES24 . . 我国工资性别差异的分布效应研究基于反事实分析法的分位数模型论证财经大学 林剑、程鑫、雪静目 录 TOC o h z u HYPERLINK l _Toc297113198Abstract PAGEREF _Toc297113198 h - 2 -HYPERLINK l _Toc297113199摘要 PAGEREF _Toc297113199 h - 4 -HYPERLINK l _Toc297113200一、问题的提出 PAGEREF _Toc297113200 h - 5 -HYPERLINK l _Toc297113201二、建模思

2、想与模型设定 PAGEREF _Toc297113201 h - 6 -HYPERLINK l _Toc297113202（一）理论分析与假设 PAGEREF _Toc297113202 h - 6 -HYPERLINK l _Toc297113203（二）工资分布的非参数估计对性别工资差异的刻画 PAGEREF _Toc297113203 h - 8 -HYPERLINK l _Toc297113204（三）男性与女性工资方程的分位数回归模型 PAGEREF _Toc297113204 h - 8 -HYPERLINK l _Toc297113205（四）分解方法的选择 PAGEREF _T

3、oc297113205 h - 9 -HYPERLINK l _Toc2971132061. 性别工资均值差异的Oaxaca-Blinder分解方法 PAGEREF _Toc297113206 h - 10 -HYPERLINK l _Toc2971132072. 性别工资差异的分位数分解模型 PAGEREF _Toc297113207 h - 10 -HYPERLINK l _Toc2971132083. 反事实工资分布的构造 PAGEREF _Toc297113208 h - 11 -HYPERLINK l _Toc297113209三、数据说明 PAGEREF _Toc297113209

4、 h - 12 -HYPERLINK l _Toc297113210四、初步的描述统计分析 PAGEREF _Toc297113210 h - 13 -HYPERLINK l _Toc297113211（一）男性与女性平均工资的差异 PAGEREF _Toc297113211 h - 13 -HYPERLINK l _Toc297113212（二）“天花板效应”和“地板效应”的初判 PAGEREF _Toc297113212 h - 14 -HYPERLINK l _Toc297113213五、男性和女性工资方程的分位数回归系数差异分析 PAGEREF _Toc297113213 h - 15

5、 -HYPERLINK l _Toc297113214六、性别工资差异的分位数分解结果分析 PAGEREF _Toc297113214 h - 18 -HYPERLINK l _Toc297113215七、结论与建议 PAGEREF _Toc297113215 h - 20 -HYPERLINK l _Toc297113216附录 PAGEREF _Toc297113216 h - 22 -HYPERLINK l _Toc297113217参考文献 PAGEREF _Toc297113217 h - 23 -AbstractUsing CHNS(2009) data, we firstly a

6、pply nonparametric estimation methods to observe the overall gender differential situation in China and to get an initial understanding whether there exists the glass ceiling effect or the sticky floor effects in China by plotting the gender wage gaps in the different income groups. Then we use quan

7、tile regression method to analyze coefficients differential of the influential factors in the male and female wage equations. By the establishment of quantile decomposition model based on counterfactual distribution we empirical the glass ceiling effects or the sticky floor effects from the point of

8、 distinction between urban and rural in our country. The results show that there is a stick floor effect in the urban of our country, while a strong glass ceiling effect exists in the rural of our country. The results also reveal that a lion share of the wage differential between female and male is

9、attributable to discrimination rather than to the human capital difference between the two sexes. Comparing the productivity features return level of male with female on different quantile, we conclude that on the low position of wage distributions, education returns proportion of female is lower th

10、an that of male, and on the same time ,increasing of experience only make an significant effect on female wage which is on the low position of wage distributions. Returns proportion is lower than that of male. we also get the gender wage gaps are more obvious in blue-collar occupations，and the great

11、er the wage differentials with the rise in wages. In the other hand, we find that the gender wage gaps are larger in private enterprises in the middle of the wage distribution.Keyword:Gender Wage Gaps; Glass Ceiling Effect; Sticky Floor Effect;QuantileDecomposition;Counterfactual Distribution摘要：本文利用

12、CHNS（2009）数据，首先通过非参数估计方法对工资分布函数表现出的整体性别工资差异特点与不同收入水平的性别工资差异情况进行刻画，得到我国的性别工资差异是否存在“天花板效应”和“地板效应”的初步判断，然后应用分位数回归方法对我国男性和女性的生产率特征回报率差异进行分析，进一步通过建立基于反事实分布的分位数分解模型，从区分城镇和农村的角度，对我国的性别工资差异是否存在“天花板效应”和“地板效应”进行实证，接着依据得到的分位数分解结果，对不同分位点上由性别歧视引起的工资差异程度进行考察。结果表明我国城镇的性别工资差异表现出“地板效应”，而我国农村的性别工资差异则呈现出明显的“天花板效应”，分位数

13、分解的结果表明，对女性的歧视都是引起这两种性别工资差异的主要原因。通过不同分位数上男性和女性生产率特征回报水平的比较得到，处于工资分布低端的女性教育回报率要低于男性，经验的增加只对低分位数上的女性工资产生显著作用，且回报率较男性低。通过比较还得到，蓝领职业的性别工资差异较明显，且随着工资水平的提高，差异越大；工资分布的中间，私企的性别工资差异较大。关键词：性别工资差异 天花板效应 地板效应 分位数分解 反事实分布一、问题的提出改革开放以来，人们的收入得到大幅提高的同时，性别之间的工资差异问题也日益显现，对此学者们多认为主要是由性别歧视有关的因素引起的（Meng, X.，1998；Gustafs

14、son and Li，2000；丹丹，2004；王美艳，2005）。性别工资差异的扩大会引发诸多其它问题，如从劳动力市场的角度看，会阻碍人才的自由流动，不利劳动力资源的合理配置，进而影响劳动力市场的培育和完善，从社会文明和进步的角度看，既不利女性与男性自身素质的发展和提高，也有违社会对公平和正义的追求，增加社会的不良风气，甚至产生代际影响，给社会的和谐构建和稳定发展带来冲击。因此，对我国性别工资差异的特点与其成因进行研究具有重要的现实意义。对性别工资差异的研究总体来说可分为两大类：一类是基于平均工资层次的研究，一类是基于整个工资分布角度的研究。由于前者只能单纯考察解释变量均值对平均工资差异的影

15、响，因而，国外研究的主流已经逐渐从平均工资的层次转向从整个工资分布的角度，对不同收入层的性别工资差异同时进行考察。最近的研究结果显示，性别工资差异在不同国家都表现出所谓的“天花板效应”或“地板效应”现象。Albrecht et al.（2003）在对1998年瑞典的性别工资差异进行研究后首次指出“天花板效应”（Glass Ceiling Effects），指的是在工资分布的高端，随着工资水平的上升，性别工资差异越大1，Arulampalam et al.（2005）随后对欧盟多个国家的性别工资差异进行研究后指出有的国家表现出的却是在工资分布的低端，随着工资水平的下降，性别工资差异越大，相应称之

16、为“地板效应”.（Sticky Floor Effects）2。Christofides et al.（2010）提出将0.90分位点的性别工资差异超过参考分位点（0.50或0.75）的性别工资差异至少两个百分点认为具有“天花板效应”，同时将0.10分位点的性别工资差异超过参考分位点（0.25或0.50）的性别工资差异至少两个百分点定义为“地板效应”3。就我国性别工资差异的研究情况，国学者仍多集中在对平均工资差异分析的层次，从整个工资分布的角度进行研究的文献还是为数很少。从研究得到的结论来看，多数学者认为就我国城镇住户而言，在工资分布的低端，性别工资差距较大，而在工资分布的高端，性别工资差距较

17、小（玉好，2007；Zhang, J.等，2008；迟巍、黎波、余秋梅，2008；世伟、郭凤鸣，2009），而就我国农村的性别工资差异在工资分布的不同位置是什么情况则极少论与；建宝、段景辉（2009）利用CHNS的数据就我国居民总体2005年的性别工资差异进行研究后得出在整个工资分布上表现为两端小、中间大4。另一方面，针对我国性别工资差异中是否存在“天花板效应”和“地板效应”的研究则只有寥寥几篇。亓寿伟、智强（2009）的研究认为，无论是国有部门还是非国有部门，性别工资差异存在“地板效应” 5。王震（2010）研究指出，农民工的性别工资差异表现出“天花板效应”，而城镇职工的性别工资差异表现为“

18、粘地板效应” 6。总的来看，国学者对我国的性别工资差异在工资分布的不同位置呈现出的特点和成因还没有明确的认识，由于研究角度与所用的数据不同，对我国的性别工资差异是否存在“天花板效应”和“地板效应”的回答也不一致，此外，国的研究所用的都是较早以前的微观数据，得到的结论对我国近两年的性别工资差异情况可能不再合适。为此，本文利用CHNS（2009）数据，首先通过非参数估计方法对工资分布函数表现出的整体性别工资差异特点与不同收入水平的性别工资差异情况进行刻画，得到我国的性别工资差异是否存在“天花板效应”和“地板效应”的初步判断，然后应用分位数回归方法对我国男性和女性的生产率特征回报率差异进行分析，进一

19、步通过建立基于反事实分布的分位数分解模型，从区分城镇和农村的角度，对我国的性别工资差异是否存在“天花板效应”和“地板效应”进行实证，接着依据得到的分位数分解结果，对不同分位点上由性别歧视引起的工资差异程度进行考察。需要说明的一点是，就两种效应所指的涵，本文一方面沿循Albrecht et al.（2003）和Arulampalam et al.（2005）的本义，另一方面借鉴Christofides et al.（2010）的做法，将0.90分位数上的性别工资差异超过参考分位数（0.75）上的性别工资差异至少5个百分点认为具有“天花板效应”，同时将0.1分位数上的性别工资差异超过参考分位数（0

20、.25）上的性别工资差异至少5个百分点定义为“地板效应”。本文最后部分是结论和相应的政策建议。二、建模思想与模型设定（一）理论分析与假设依据劳动经济学理论，性别之间的工资差异可以分为两个方面：一是性别之间生产率特征不同引起的差异，属于合理的可解释的差异；一是一样生产率特征的女性与男性所获得的报酬不同引起的差异，属于不合理、不公正、不可解释的差异，学者多把这类差异归结为劳动力市场上存在性别歧视的结果。生产率特征主要指个体特征与其所从事工作的特征。理论上，个体特征应该包括年龄、性别、婚姻状况、教育程度、经验、资历、所在地区、精神状况、个人偏好、个人愿景、家庭状况等因素，工作特征应该包括职业、部门、

21、行业、企业、雇主偏好、全职或兼职的工作状况、工作环境、工作强度、有无培训、有无相关保险等因素。这其中有的因素是可以衡量的，也有一些不容忽略的因素无法得到衡量。由于存在着一些同性别联系在一起而又无法得到衡量的生产率特征因素，同时，由于可得数据的约束，即使是可衡量的因素，也不可能全部包括到实际的分析当中，到目前为止，还没有一种完全令人满意的方式能将两个方面的原因对工资差异产生的影响完全区分7。因此，本文的分析研究建立在以下几个假设基础之上。假设1：可获得的生产率特征充分反映了个体特征与其所从事工作的特征。假设2：无法得到解释的性别工资差异可以归结为性别歧视原因引起。假设3：影响男性和女性工资的生产

22、率特征是一样的。同经济学的其它假设一样，这些假设也有其局限性，现实生活中，女性普遍地较男性承担着更多的家庭责任，不大可能在工作时间之外去从事工作，当家庭生活和工作之间出现冲突时，女性还可能放弃工作，由于无法对这些因素加以衡量，结果就表现为女性的可观察的生产率特征回报率较男性要低。因而，无法得到解释的性别工资差异中，至少有一部分可以用类似这些不可衡量的生产率特征得到解释8。另一方面，由于社会、学校和父母对男性和女性的要求和期望并不一样，导致二者在选择职业的偏好不同，女性可能更倾向进入包括家务劳动的低工资行业，因此影响二者工资的有关因素也并不完全一样。有了上述的几个假定，就可以通过估计工资方程和应

23、用反事实分析法对性别工资差异进行研究。以传统的Oaxaca-Blinder分解方法为例，首先对女性和男性的工资方程分别进行估计，得到二者的生产率特征回报率，然后把女性的生产率特征和男性的生产率特征回报率相乘，表示和男性生产率特征回报率一样的假设下女性可以获得的工资水平，即女性的反事实工资，接着将此假设的女性工资水平和实际的男性工资水平加以比较，二者之间的差距即可视为性别歧视引起的性别工资差异，差距占全部性别工资差距的比重越大，表示性别歧视越严重。其它如Cotton分解、Neumark分解、Brown分解方法等，含的思路都相类似。（二）工资分布的非参数估计对性别工资差异的刻画除了应用上述的方法对

24、性别工资差异的成因进行考察外，还有必要先就男性和女性的工资分布自身认识整体的性别工资差异特点以与不同收入水平的性别工资差异情况。由于工资或收入的真实分布时常是未知的，而非参数估计方法在样本容量较大的条件下，较传统的参数估计方法无须对总体分布的具体形式进行假定，同时能够给出对真实分布的更为稳健的估计，为此，本文选择非参数估计方法对工资分布函数与不同收入水平的性别工资差异进行刻画。本文首先应用核密度估计方法得到男性和女性的工资分布函数，从整体上认识我国的性别工资差异特点，然后通过在工资累积分布的百分位点上取值，再应用核加权局部多项式平滑方法得到各分位点上女性相对男性的工资差异情况，对我国的性别工资

25、差异是否存在“天花板效应”和“地板效应”作初步的判断。核密度估计的原理和直方图类似，不同的是核密度估计方法使用更一般的核函数而非直方图使用的示性函数，并通过允许各组之间交叠，从而得到对密度函数的光滑估计。局部多项式方法则是对每个点拟合一个局部多项式来估计在该点的密度，因而在边界上的估计效果较核密度方法好9，因而更适合于考察分布两极的性别工资差异情况。（三）男性与女性工资方程的分位数回归模型由于分位数模型在研究分区间数据方面的优良性，我们选择采用基于分位数回归方法的分解模型对性别工资差异作进一步研究以与对上文提与的假定进行求证，为此首先需要在经典Mincer（1973）工资方程的基础上加以扩展，

26、建立男性与女性工资方程的分位数回归模型。分位数回归（Quantile Regression）方法由Koenker和Bassert（1978）10提出，由于能够更加全面地描述解释变量对被解释变量的条件分布的影响，近来得到了广泛的应用。较一般的线性回归，分位数回归方法具有多方面的优势，除了不要求扰动项的正态假设、估计量不易受极端值影响外，尤其适合分布呈现异质性，如不对称、厚尾、截断性等特征的因变量，为分析提供更为详尽的信息。另外，由于是对条件分布的不同分位点进行估计，不存在单纯考察条件均值面临的选择偏差问题。为此，本文选择分位数回归方法研究有关生产率特征因素对处在不同工资水平的男性和女性工资的不同

27、影响。具体到男性与女性工资方程的分位数回归模型，以男性或女性的对数工资为被解释变量，模型可设定如下： （1）其中分别表示男性和女性；表示对应的对数工资；回归元是的列向量，表示影响对数工资的各个因素，或者说生产率特征；由于工资取了对数形式，表示的改变引起的工资变动率，即男性或女性生产率特征的回报率，表示不同分位数对应的；假定残差项满足的条件。表示对数工资的第分位数值，给定条件下有： （2）根据Koenker和Bassert（1978），的估计可通过最小化（3）式求得： （3）其中为对应的男性或女性的样本量，为检查函数（Check Function）。（四）分解方法的选择传统的分解方法是针对条件均

28、值的工资差异进行，然而，基于平均工资层次的分解，无法考察不同工资水平上男性和女性的性别工资差异，会掩盖很多重要的信息，进一步容易得出错误的结论，而基于反事实分布的分位数分解方法，不仅可以研究工资方程中系数变化对性别工资差异的影响，同时可以研究解释变量分布的变化对性别工资差异的影响11，因而，分位数分解方法开始取代传统的均值分解方法，成为国外研究性别工资差异的主要方法。为此，本文应用分位数分解方法对引起我国性别工资差异的两个方面原因进行研究，具体的分位数分解模型如下：1. 性别工资均值差异的Oaxaca-Blinder分解方法基于上节介绍的男性与女性工资方程的分位数回归模型，应用传统Oaxaca

29、-Blinder方法对性别工资差异进行分解，可以对男性和女性工资差异进行如下的条件均值分解： （4）其中即“反事实”工资，表示女性按男性的生产率特征回报率可以得到的对数工资；（4）式右边第一项为特征差异，表示男性和女性生产率特征不同引起的性别工资差异；第二项为系数差异，表示由于就业市场对男性和女性生产率特征回报率的不同引起的性别工资差异。由于（4）式也可作如下分解： （5）这就产生所谓的“指数问题”（Index problem），即使用男性还是女性的回归系数作为没有“歧视”的工资结构。为解决这一问题，Neumark（1988）12提出使用男性和女性全部样本的回归系数作为没有“歧视”的工资结构，

30、并作如下分解： （6）（6）式右边第二项、第三项可分别理解为男性因为性别歧视获得的“好处”和女性因为性别歧视得到的“坏处”。2.性别工资差异的分位数分解模型类似Oaxaca-Blinder方法对于性别工资差异的均值分解，不同分位数的性别工资分解按（4）式有： （7）若按（5）式则有： （8）本文按（7）式进行性别工资差异分解，其中的表示按男性的生产率特征回报率条件下女性的反事实工资分布第分位数估计值，（7）式等号右边各项的意义同于（4）式，第一项表示分位数下的特征差异部分，第二项表示分位数下的系数差异部分。3. 反事实工资分布的构造从上面的分解可以看到，如何得到女性的反事实工资分布是对性别工资

31、差异进行分位数分解的关键，构造反事实工资分布的方法中广泛被使用的是Machado和Mata（2005）13提出的估计方法（M-M方法）。M-M方法主要是依据概率积分转换原理，通过以下四个步骤来构造女性的反事实工资分布：1）从均匀分布中生成一个大小为的随机样本。2）利用男性的数据估计，得到不同分位数下的回归系数，其中。3）利用女性的数据对进行有放回的重新抽样，生成一个大小为的随机样本。4）在男性的分位数回归系数的基础上，模拟女性的工资分布，重复进行 次，最后得到反事实的女性工资分布。由于不能保证估计出来的条件分位数方程是单调的，从而也不能保证是否能够转换，另外，M-M方法无法进行估计量方差的统计

32、推断，进而Melly（2006）14提出了一种构造反事实分布的新方法，因其具备渐近性质的估计结果，在国外的最近研究中逐渐取代了MM方法得到了普遍的利用。Melly（2006）通过将估计得的工资条件分布在所有（由和组成）积分得到工资的无条件分布，借此构造反事实工资的无条件分布，针对本文的具体分析，分成男性和女性两组，工资的无条件分布有：（9）进一步有女性的反事实工资分布第分位数估计值： （10）按（7）式对第分位数的性别工资差异分解: 其中：、分别为男性和女性的样本量。三、数据说明本文研究基于中国健康与营养调查（CHNS）纵向数据库，选取2009年的最新抽样调查数据进行。依据我国对劳动和退休年龄

33、的规定，样本对象设为年龄1660周岁的男性和1655周岁的女性，剔除没有工作或工资不是正数的个体，初步得到的男性和女性样本分别为1929和1158。考虑到对数小时工资分布接近正态分布，估计偏误小，我们选取对数小时工资为被解释变量，同时选取工作经验、工作经验的平方除以100、受教育年限、工作单位所有制属性、职业、省份以与城乡作为解释变量，没有考虑年龄因素，是因为工作经验是通过年龄减去受教育年限再减6得到，二者之间存在共线性。具体处理时，按照劳动法对年满16周岁才能参加工作的规定，若受教育年限小于10年的个体则其工作经验等于年龄直接减16；加入工作经验的平方除以100，是考虑到工资随着年龄或工作经

34、验增长先升后降的非线性关系；按照CHNS的调查设问，把工作单位所有制属性分为国有（包括政府机关、国有事业单位和研究所与国有企业）、集体（包括乡镇所属的小集体、县、市、省所属的大集体与家庭联产承包农业）和私营（包括私营、个体企业、三资企业（属于外商、华侨和合资）与其它）；职业分为蓝领（包括技术工人或熟练工人、非技术工人或熟练工人、士兵与警察、司机与服务行业人员）、白领（包括专业技术工作者、管理者、行政官员、经理、办公室一般工作人员、军官与警官）以与农林牧渔业人员（包括农民、渔民、猎人）；省份包括、与9省。去掉对数小时工资不是正数的样本，最后得到的男性和女性样本分别为1864和1086。四、初步的

35、描述统计分析（一）男性与女性平均工资的差异表1给出了分城乡、分受教育水平以与分职业类型的年工资和小时工资平均水平。表1 分不同类型年工资和小时工资的平均水平平均年工资平均小时工资女性男性女/男比例女性男性女/男比例总样本15121.7 22298.0 0.678 21.4 72.8 0.294 (1158)(1929)(1158)(1929)分城乡 城镇19012.1 26185.5 0.726 12.1 28.2 0.427 (480)(665)(480)(665) 乡村12367.4 20252.8 0.611 29.1 96.2 0.303 (678)(1264)(678)(1264)

36、乡/城比例0.650 0.773 28.053 3.408 分受教育水平 文盲与小学8100.3 14926.6 0.543 14.973.8 0.202 （283）（344）（283）（344） 初中12411.7 20253.7 0.613 24.4 63.4 0.385 （368)(842)（368)(842) 高中16508.4 26743.0 0.617 10.7 149.0 0.072 (185)(362)(185)(362) 中等职业技术19682.8 25374.5 0.776 42.1 15.9 2.649 (174)(198)(174)(198) 大专或大学28192.3

37、33412.6 0.844 15.6 24.3 0.640 (147)(180)(147)(180) 硕士与以上27885.4 35042.5 0.796 19.4 33.0 0.587 (1)(3)(1)(3)按职业类型分 白领22832.9 29386.6 0.777 27.7 46.3 0.598 （421）（619）（421）（619） 蓝领12848.8 21551.5 0.596 19.0 85.2 0.223 （515）（886）（515）（886） 农林牧渔从业5770.9 13509.4 0.427 15.1 85.4 0.177 （222）（424）（222）（424）注：

38、括号为相应样本量。从表1中可以看到，就平均年工资而言，农村的性别工资差异较城镇大，从受教育水平看，随着学历的提高，性别工资差异缩小，分职业类型来看，从农林牧渔从业、蓝领到白领，性别工资差异变小。平均小时工资表现的女性占男性工资比例较平均年工资的情形明显要小，说明男性和女性劳动投入上存在较大不同。另外，还出现一些极端值，该部分是抽样误差与部分群体的工作时间难以确定引致。虽然有这方面的不足，由于小时工资能够更精确地反映性别之间的工资差异，为此本文选择对数小时工资作为被解释变量。（二）“天花板效应”和“地板效应”的初判图1左侧是应用核密度估计方法绘出的男性和女性对数小时工资密度分布，右侧是男性和女性

39、对数小时工资累积分布。从左图可以看到，一方面女性的工资分布在男性左侧，峰顶较尖，二者的分布在中部较为明显地岔开，说明女性的总体工资水平低于男性，且较男性的工资分布更加不均；另一方面女性的工资分布较男性左尾更高，而右尾较低，说明低工资水平上聚集了更多的女性，而在工资分布的高端以男性居多。从右图的累积分布可以看到，在任一个分位数上女性的对数小时工资均低于男性。图1 2009年男性和女性的对数小时工资密度分布和累积分布为了更加直观地展示不同分位数上的性别工资差异，笔者在男性和女性对数小时工资分布的百分位偶数点（2、4、98）上取值（49个点），然后应用核加权局部多项式平滑方法对各分位点上的男性和女性

40、对数小时工资差异（男性对数小时工资减去女性对数小时工资）进行曲线拟合，得到图2所示的2009年依分位数不同的我国性别对数小时工资差异，图3则是区分城镇和农村样本分别绘出的依分位数不同的男性和女性对数小时工资差异。从图2可以看到，在工资分布的高端，随着分位数的提高，相对工资差异迅速拉大，表现出“天花板效应”，然而从图3可以看到，城镇的相对工资差异表现出的却是截然相反的走势。这说明对我国的性别工资差异是否存在“天花板效应”或“地板效应”需要区分城镇和农村分别进行判断，否则就会得出相悖的结论。图2 2009年依分位数不同的我国性别对数小时工资差异图3 2009年依分位数不同的分城镇和农村性别对数小时

41、工资差异五、男性和女性工资方程的分位数回归系数差异分析这一部分考察2009年我国不同分位点上的男性和女性生产率特征回报率的差异，依据2.2节介绍的男性和女性工资方程的分位数回归模型，以对数小时工资为被解释变量，相应模型如下：表示给定解释变量条件下的对数小时工资分布的第分位数值；分别表示男性和女性；表示影响对数小时工资的各种因素，本文选择的包括工作经验、工作经验的平方除以100、受教育年限、工作单位所有制属性（以国有为基准，设2个虚拟变量）、职业（以白领为基准，设2个虚拟变量）、省份（以为基准，设8个虚拟变量）以与城乡（以城镇为基准，设1个虚拟变量）；表示不同分位数对应的的回报率。表2给出了0.

42、25、0.50和0.75的分位数回归结果，表中同时列出了各分位数男性的回归系数值减去女性的差值，下文通称回归系数差异。附图4、5绘出了有关解释变量随不同分位点对小时对数工资的影响。表2 男性和女性对数小时工资的分位数回归结果（2009年）变量分位数回归回归系数差异0.25 0.50 0.75 0.25 0.50 0.75 女性男性女性男性女性男性经验0.0208*0.0289*0.01020.0376*0.01130.0352*0.008 0.027 0.024 (0.0104)(0.0068)(0.0089)(0.0074)(0.0108)(0.0082)经验平方-0.0655*-0.059

43、4*-0.0206-0.0757*-0.0215-0.0653*0.006 -0.055 -0.044 (0.0253)(0.0142)(0.0219)(0.0152)(0.0268)(0.0169)教育年限0.0309*0.0318*0.0283*0.0287*0.0234*0.0267*0.001 0.000 0.003 (0.0086)(0.0062)(0.0073)(0.0066)(0.0093)(0.0073)单位所有制属性 国有 集体-0.380*-0.234*-0.285*-0.288*-0.1230.03270.146 -0.003 0.156 (0.115)(0.0769)(

44、0.0917)(0.0787)(0.108)(0.0836) 私营-0.209*-0.233*-0.244*-0.199*-0.177*0.000787-0.024 0.045 0.178 (0.0796)(0.056)(0.0622)(0.0554)(0.0762)(0.0574)职业 白领 蓝领-0.366*-0.216*-0.429*-0.199*-0.476*-0.197*0.150 0.230 0.279 (0.0842)(0.0501)(0.0643)(0.0512)(0.0785)(0.0573) 农林牧渔业-0.256-0.0502-0.1440.328*0.661*0.534

45、*0.206 0.472 -0.127 (0.137)_(0.0503)(0.112)(0.0858)(0.136)(0.0917)地区0.0408-0.00846-0.0123-0.167-0.0175-0.275*-0.049 -0.155 -0.258 (0.114)(0.0853)(0.099)(0.0887)(0.121)(0.0971)-0.212-0.0921-0.172-0.0971-0.113-0.209*0.120 0.075 -0.096 (0.117)(0.0848)(0.101)(0.0884)(0.123)(0.0956)0.283*0.192*0.338*0.28

46、6*0.419*0.178-0.091 -0.052 -0.241 (0.108)(0.0819)(0.0936)(0.0841)(0.115)(0.0907)-0.177-0.136-0.16-0.0918-0.23-0.08280.041 0.068 0.147 (0.118)(0.0838)(0.1)(0.0873)(0.121)(0.0946)-0.1170.0793-0.1340.0953-0.0590.01680.196 0.229 0.076 (0.123)(0.0807)(0.107)(0.0848)(0.133)(0.0925)0.1180.1270.01270.0111-0

47、.0361-0.1140.009 -0.002 -0.078 (0.124)(0.0848)(0.108)(0.0884)(0.132)(0.0964)0.05080.0610.06350.07260.01040.1050.010 0.009 0.095 (0.125)(0.086)(0.107)(0.0897)(0.131)(0.0976)-0.225*-0.250*-0.142-0.326*-0.184-0.267*-0.025 -0.184 -0.083 (0.112)(0.0805)(0.0959)(0.0838)(0.117)(0.0907)城乡 乡村 城镇0.0585-0.0047

48、20.0607-0.007820.114*-0.0418-0.063 -0.069 -0.156 (0.0557)(0.0415)(0.0474)(0.0428)(0.0563)(0.0453)截距项1.488*1.525*1.895*1.811*2.219*2.183*0.037 -0.084 -0.036 (0.204)(0.153)(0.174)(0.159)(0.211)(0.173)Pseudo R20.1510 0.09680.16390.0810.14150.0606注: 1、“-”表示一组虚拟变量以此为基准。回归系数差异由各分位数男性的系数值减去女性的得到。 2、系数下方为自助

49、法（种子数设为1001）计算的标准误；*、*、*分别代表5%、1%、0.1%的水平下显著；从表中可以看到，就受教育年限的回归系数情况来看，一方面，不论男性和女性，教育回报率在各分位数上都高度显著，另一方面，0.75分位数上的回归系数差异较0.25分位数上的要大些，而0.50分位数上的则近乎为零。从经验的回报率来看，男性的经验回报率在各分位数均显著，而女性只在0.25分位数上显著，且女性的回报水平较男性的要小，经验平方的系数值均为负值，对女性同样只在0.25分位数显著，且负向作用较男性的要大，说明经验的继续累积对提高工资分布低端女性收入的作用较男性要小。从工作单位所有制属性看，相对国有类型，一方

50、面集体和私营的系数值在0.75分位数都不显著，0.25和0.50分位点的系数值均为负数，另一方面，集体属性在0.25分位数上的回归系数差异较大，而私营属性在0.50分位数上的回归系数差异较大，在0.25分位数上的差异值反而为负，主要说明在工资分布的低端，集体属性较国有和私营的性别工资差异要大，而在工资分布的中端，私营属性较国有和集体的性别工资差异要大。分职业来看，相对白领职业，不论男性和女性，蓝领的系数值在各分位数都高度显著，且为负值，从0.25、0.50到0.75分位点，回归系数差异不断增大，另一方面，农林牧渔业的女性只在0.75分位数上高度显著，回报水平较男性的反而明显要大，表明蓝领职业较

51、白领与农林牧渔从业的性别工资差异要严重，且随着工资水平的上升，差异越明显，而农林牧渔从业的性别工资差异只在工资分布的高端显著，且表现为女性的工资回报率要大于男性的。从地区来看，相对，0.75分位数上都不显著，0.25分位数上，不论男性与女性，除了、广区的系数值显著（前者为正数，后者为负数），其它的系数值都不显著，地区较广区的回归系数差异要大，0.50分位数上，只有地区的显著，回归系数差异较0.25分位数上的要小，说明东部地区一方面工资回报率较西部地区要高，另一方面东部地区较西部地区的性别工资差异要大。从城乡的回归系数情况来看，除了女性在0.75分位数上的系数值较为显著（0.05水平下），其它的

52、系数值都不显著，表明在城镇和在农村引起的性别工资差异没有明显不同。最后看常数项的差异情况，不论男性和女性，在各分位数上都高度显著，且数值均大于1，0.25分位数上，表现为女性的数值小于男性，0.50、0.75分位数则表现为女性的数值大于男性的，0.50分位数上的更大些，说明工资分布的不同位置，其它遗漏因素对女性工资的影响较男性各有不同。六、性别工资差异的分位数分解结果分析应用Stata10.0，按照Melly（2006）构造反事实分布的方法，区分城镇和农村对我国2009年的性别工资差异进行不同分位数的分解，表3给出了性别对数小时工资差异的分解结果。从表中可以看到，不论是对于总样本还是区分城镇或

53、农村，在不同分位点系数差异都要大于总差异，说明就本文选择的女性与男性的生产率特征而言，女性都要优于男性，女性与男性的工资差异主要是由与性别歧视有关的不可解释因素引起的。从表中可以看到，0.1分位数的对比结果说明城镇表现出“地板效应”，而0.90分位数的对比结果则表明农村具有明显的“天花板效应”，这个结论与本文第3节所得的直观判断一致。表3 不同分位数的性别（对数小时）工资差异分解结果分位数510255075909510-2510-5090-5090-75（%）总样本总差异0.285 0.343 0.356 0.367 0.309 0.549 0.656 -0.039 -0.067 0.494

54、0.778 0.04310.03150.02230.02050.02740.06720.1001系数差异0.381 0.428 0.428 0.434 0.339 0.521 0.640 0.001 -0.013 0.203 0.537 0.04150.03810.03400.03600.04570.09500.1344特征差异-0.096 -0.086 -0.071 -0.066 -0.031 0.027 0.015 0.200 0.290 -1.410 -1.889 0.03630.03320.02590.03160.03180.07260.1164城镇总差异0.340 0.335 0.3

55、19 0.244 0.166 0.135 0.134 0.050 0.373 -0.444 -0.186 0.04470.03520.02910.03170.03410.05530.1101系数差异0.417 0.394 0.370 0.331 0.246 0.209 0.199 0.065 0.190 -0.369 -0.151 0.05770.04920.04170.04840.039860.06330.1043特征差异-0.077 -0.060 -0.052 -0.088 -0.080 -0.074 -0.065 0.157 -0.318 -0.158 -0.078 0.08640.06

56、400.04530.04950.05210.06630.1195农村总差异0.271 0.337 0.374 0.465 0.4620.739 0.812 -0.100 -0.276 0.591 0.601 0.04930.03850.02600.02880.04850.09080.1361系数差异0.351 0.403 0.444 0.496 0.443 0.711 0.851 -0.093 -0.188 0.434 0.606 0.05090.04460.03040.03630.05220.11350.1592特征差异-0.080 -0.066 -0.070 -0.031 0.019 0.

57、028 -0.039 -0.057 1.100 -1.891 0.478 0.06090.05560.04300.04220.06300.12410.1624注：1、括号为相应系数估计标准差，从中可以看到各个系数值都高度显著。2、5-10表示0.05分位数上差异相对0.10分位数上差异的差距的比值，其它类同。图6、图7分别是使用总样本和区分城镇与农村的样本得到的我国2009年性别对数小时工资差异依分位数的分解。图中更加清晰地显示了上文分析得到的结论。从图6可以看到，我国的性别工资差异似乎只存在着“天花板效应”，而事实是，从图7可以发现，我国城镇的性别工资差异表现出“地板效应”，即在工资分布的低

58、端，随着分位数的降低，性别工资差异越大；而我国农村的性别工资差异则呈现出明显的“天花板效应”，在工资分布的高端，随着分位数的提高，性别工资差异越大。再一次表明判断我国的性别工资差异是否存在“天花板效应”或“地板效应”，若不区分城镇和农村分别进行就会得出有偏误的认识。另一方面，除了高分位点，系数差异都处在总差异的上方，和表4说明的一样，我国的性别工资差异主要是由性别歧视有关的因素引起的，反映了到2009年我国对女性的歧视程度已经非常严重。 图6 依分位数（5%95%）对2009年性别工资差异的分解图7 依分位数（5%95%）对2009年城镇和农村性别工资差异的分解七、结论与建议本文的分解结果表明

59、我国城镇的性别工资差异表现出“地板效应”，而我国农村的性别工资差异则呈现出明显的“天花板效应”，分解结果同时表明，对女性的歧视都是引起这两种性别工资差异的主要原因。通过不同分位数上男性和女性生产率特征回报水平的比较本文得到，处于工资分布低端的女性教育回报率要低于男性，经验的增加只对低分位数上的女性工资产生显著作用，且回报率较男性低。对此政府需要加大对低学历、低技术女性的教育和培训投入，改善她们的受教育环境，尤其需要关注贫困家庭女孩的受教育问题，保证她们享有和男性平等受教育的权利。通过比较还得到，蓝领职业的性别工资差异较明显，且随着工资水平的提高，差异越大；处于工资分布的中间，私企的性别工资差异较大。针对这些与性别歧视有关的不可解释因素引起的性别工资差异，政府需要加强劳动法执行的监督职能，加大对企业用