社会资本视角下农民工工资影响因素的实证剖析-基于RUMIC2009数据

社会资本视角下农民工工资影响因素的实证剖析——基于RUMIC2009数据一、引言1.1研究背景与意义随着中国经济的高速发展和城市化的快速推进，农民工已成为中国经济转型中不可忽视的重要力量。他们广泛分布在国民经济的各个行业，是城市建设和经济发展的重要支撑，在推动工业化、城镇化和现代化进程中发挥着不可替代的作用。据相关统计数据显示，我国农民工数量持续增长，已形成了庞大的就业群体，为城市繁荣、农村发展和国家现代化建设做出了巨大贡献。尽管农民工在经济发展中扮演着重要角色，但其工资水平却普遍偏低。从国家统计局发布的数据来看，近年来农民工的工资虽有所增长，但与城镇职工相比仍存在较大差距，且增长速度相对缓慢。这种工资偏低的现状不仅影响了农民工自身及其家庭的生活质量和经济状况，也对社会经济发展产生了一定的制约。较低的工资收入使得农民工在城市中的消费能力有限，难以充分享受城市发展的成果，进而影响了消费对经济增长的拉动作用。同时，这也不利于社会的公平与和谐，可能引发一系列社会问题。在影响农民工工资的众多因素中，社会资本作为一种非经济因素，逐渐受到学术界的关注。社会资本是指个体或团体通过社会关系网络所获取的资源，这些资源可以为个体提供信息、信任、支持等，从而对个体的行为和决策产生影响。对于农民工而言，他们在城市中往往面临着诸多困难和挑战，如就业信息不对称、职业发展受限等，而社会资本可能为他们提供更多的就业机会、更好的工作条件以及更高的工资待遇。因此，深入研究社会资本对农民工工资的影响，具有重要的现实意义。通过探究社会资本与农民工工资之间的关系，可以为提高农民工工资水平提供新的思路和方法。如果能够证实社会资本对农民工工资有积极影响，那么可以通过促进农民工积累和利用社会资本，如加强农民工与城市居民、企业雇主之间的联系，提高农民工的社交能力和网络拓展能力等，来帮助他们获得更好的工作机会和更高的收入。这对于改善农民工的经济状况，提高他们的生活质量具有重要作用。研究社会资本对农民工工资的影响，有助于推动劳动力市场的完善和发展。了解社会资本在农民工工资决定中的作用机制，可以为政府制定相关政策提供理论依据，促进劳动力市场的公平竞争和资源合理配置。政府可以通过出台政策，鼓励企业重视农民工的社会资本价值，为农民工提供更多的职业发展机会和培训，从而提高整个劳动力市场的效率和活力。研究社会资本对农民工工资的影响还具有重要的社会意义。提高农民工工资水平，有利于缩小城乡收入差距，促进社会公平与和谐稳定。农民工是连接城乡的重要纽带，他们的收入状况直接关系到农村家庭的经济状况和城乡关系的协调发展。通过提升农民工工资，使他们能够更好地融入城市生活，减少社会矛盾和冲突，为构建和谐社会奠定坚实基础。1.2研究目标本研究旨在利用RUMIC2009数据，深入探究社会资本对农民工工资的影响，具体目标如下：量化影响程度：通过严谨的实证分析，准确估计社会资本对农民工工资的影响系数，明确社会资本在决定农民工工资水平中所起作用的大小。例如，运用多元线性回归等计量方法，将社会资本作为关键解释变量，工资作为被解释变量，控制其他可能影响工资的因素，如人力资本、工作特征等，从而精确衡量社会资本对工资的边际效应，揭示社会资本每增加一个单位，农民工工资会相应发生怎样的变化。剖析影响方式：深入分析社会资本影响农民工工资的内在机制和途径。一方面，探究社会资本如何通过提供就业信息和机会，影响农民工的就业选择，进而作用于工资水平。比如，拥有广泛社会资本的农民工是否更有可能获取高收入行业或企业的招聘信息，从而获得更好的工作岗位和更高的工资；另一方面，研究社会资本是否通过增强农民工在劳动力市场中的谈判能力，直接影响他们与雇主协商工资的结果，以及社会资本在促进农民工职业培训和技能提升方面发挥的作用，间接对工资产生影响。提供政策依据：基于研究结果，为政府和相关部门制定旨在提高农民工工资水平的政策提供有针对性、可操作性的建议。如果研究发现社会资本对农民工工资有显著正向影响，那么可以提出加强农民工社会资本建设的政策措施，如搭建农民工社交平台，促进农民工与城市居民、企业管理者等不同群体之间的交流与合作，拓宽农民工的社会关系网络；鼓励农民工参与社区活动、行业协会等组织，增强他们的社会融入感和归属感，从而提升其社会资本水平，最终实现农民工工资的提高和经济状况的改善。1.3研究创新点数据选取创新：本研究采用RUMIC2009数据，该数据涵盖了丰富的农民工个体特征、就业状况、社会关系等多方面信息，为深入研究社会资本对农民工工资的影响提供了全面且细致的数据基础。与以往研究中使用的单一维度或小样本数据相比，RUMIC2009数据的综合性和代表性更强，能够更准确地反映农民工群体的真实情况，使研究结果更具说服力。例如，数据中详细记录了农民工的社交活动频率、社交对象类型等社会资本相关信息，以及工作行业、工作时长、技能水平等可能影响工资的因素，这为研究社会资本与工资之间的复杂关系提供了有力支持。研究视角创新：从社会资本这一独特视角出发，深入剖析其对农民工工资的影响。以往研究多集中于人力资本、工作特征等传统因素对农民工工资的作用，而对社会资本的关注相对较少。本研究将社会资本纳入分析框架，探讨其在农民工工资决定中的作用机制，填补了这一领域在该视角下的研究空白，为理解农民工工资问题提供了新的思路和方法。通过分析社会资本如何通过提供就业信息、增强谈判能力等途径影响农民工工资，有助于揭示劳动力市场中非正式制度因素的重要性，拓展了农民工工资研究的边界。研究方法创新：在研究过程中，运用多种计量经济学方法进行实证分析，如多元线性回归、工具变量法等，以确保研究结果的可靠性和稳健性。多元线性回归能够控制其他因素的干扰，准确估计社会资本对农民工工资的影响系数；工具变量法则有效解决了可能存在的内生性问题，使估计结果更加准确。同时，还采用了中介效应模型，深入分析社会资本影响农民工工资的具体路径，如通过就业机会、职业培训等中介变量的传导作用，这种综合运用多种方法的研究方式，在同类研究中具有一定的创新性，能够更全面、深入地揭示社会资本与农民工工资之间的内在联系。二、概念与理论基础2.1社会资本的内涵社会资本这一概念自提出以来，便受到了众多学科领域学者的广泛关注与深入研究，然而，学术界至今对其尚未形成一个完全统一的定义。不同学科背景的学者从各自独特的研究视角出发，对社会资本进行了多样化的界定。法国社会学家皮埃尔・布迪厄（PierreBourdieu）最早将社会资本概念引入学术研究领域。他从社会学的角度指出，社会资本是“实际的或潜在的资源的集合体，这些资源与由相互默认或承认的关系所组成的持久网络有关，而且这些关系或多或少是制度化的”。在布迪厄看来，社会资本是一种通过个体在社会网络中的成员身份而获得的资源，它以社会关系网络为载体，具有潜在性和实际性的双重特征。个体可以凭借自身在社会网络中的位置，获取到诸如信息、机会、支持等各类资源，这些资源能够为个体的行动提供便利，从而帮助个体实现自身的目标。例如，一个人在某个行业的社交圈子中拥有广泛的人脉关系，那么他在寻找工作机会、获取行业信息或者寻求合作伙伴时，就可能借助这些社会关系网络获得更多的资源和支持。美国社会学家詹姆斯・科尔曼（JamesColeman）进一步发展了社会资本理论。他认为社会资本是“个人拥有的，表现为社会结构资源的资本财产，由构成社会结构的要素组成，主要存在于人际关系和社会结构之中，并为结构内部的个人行动提供便利”。科尔曼强调社会资本的功能性，即它能够为个体行动提供便利，促进个体目标的实现。他将社会资本划分为三种形式：义务与期望、信息网络以及规范与有效惩罚。义务与期望是指在社会关系中，当一个人为他人提供帮助后，便获得了一种潜在的回报期望，对方则承担了相应的义务；信息网络则是个体获取信息的重要渠道，广泛的社会关系网络能够使个体更快速、更准确地获取各种有价值的信息；规范与有效惩罚则是维持社会秩序和促进合作的重要机制，当个体遵守社会规范时，会得到相应的认可和奖励，而违反规范则会受到惩罚。比如，在一个社区中，居民之间通过长期的互动和合作，形成了相互信任和互助的关系网络。当某位居民遇到困难时，其他居民会基于这种信任和互助的规范，主动提供帮助，这种社会资本不仅促进了社区的和谐发展，也为每个居民的生活提供了便利。罗伯特・普特南（RobertPutnam）从宏观的社会层面出发，将社会资本定义为“社会组织的特征，诸如信任、规范以及网络，它们能够通过促进合作行为来提高社会的效率”。普特南着重强调了社会资本在促进社会合作和提高社会效率方面的重要作用。他认为，一个社会中丰富的社会资本，如广泛存在的信任、明确的社会规范以及紧密的社会网络，能够有效地降低社会成员之间的交易成本，促进信息的流通和共享，增强社会成员之间的合作意愿和能力，从而提高整个社会的运行效率。例如，在一些经济发达的地区，企业之间通过商会、行业协会等组织形成了紧密的合作网络，企业之间相互信任、遵守行业规范，共同应对市场竞争和风险。这种丰富的社会资本不仅促进了企业的发展壮大，也推动了整个地区经济的繁荣。尽管不同学者对社会资本的定义存在一定差异，但综合来看，社会资本主要包含以下几个关键构成要素：网络关系：社会资本所依赖的社会关系网络是其核心要素之一。这种网络可以是基于血缘、地缘、业缘等多种关系而形成的，它将个体与个体、个体与组织、组织与组织紧密地联系在一起。个体在网络中的位置和网络的结构特征，如网络的规模、密度、中心性等，都会影响个体获取资源的能力和范围。例如，一个拥有广泛社交圈子的人，其社会关系网络规模较大，他就有更多机会接触到不同领域的人和信息，从而获取更丰富的资源；而处于网络中心位置的个体，往往能够更快速地获取信息和资源，并在网络中发挥更大的影响力。信任：信任是社会资本的重要组成部分，它是社会关系网络得以稳定和有效运行的基石。信任可以分为人际信任和制度信任。人际信任是指个体之间基于情感、了解和长期交往而产生的信任；制度信任则是基于社会制度、规则和法律等而形成的信任。信任能够降低交易成本，促进合作的达成。在一个充满信任的社会环境中，人们更愿意与他人分享信息、资源和合作机会，从而提高社会经济活动的效率。例如，在商业活动中，如果交易双方彼此信任，就可以减少繁琐的合同条款和监督成本，提高交易的效率和成功率。规范：规范是社会成员共同遵守的行为准则和价值观念，它包括正式的法律、规章制度，也包括非正式的习俗、道德规范等。规范能够约束个体的行为，保障社会秩序的稳定，促进社会合作的顺利进行。当社会成员遵守规范时，能够增强彼此之间的信任，提高社会资本的存量；反之，违反规范则会破坏社会信任和合作关系，导致社会资本的减少。例如，在一个企业中，员工遵守企业的规章制度和职业道德规范，能够营造良好的工作氛围，提高团队合作的效率，从而增强企业的社会资本。2.2社会资本影响工资的理论机制社会资本作为一种重要的非经济因素，在劳动力市场中对农民工工资产生着多方面的影响，其作用机制主要通过信息传递、资源获取以及增强议价能力等途径得以实现。在信息传递方面，农民工在城市劳动力市场中面临着严重的信息不对称问题。他们往往缺乏获取就业信息的有效渠道，难以了解到不同企业的招聘需求、工资待遇以及职业发展机会等关键信息。而社会资本所包含的丰富社会关系网络，能够成为农民工获取就业信息的重要来源。例如，农民工通过同乡、亲戚、朋友等关系，能够及时得知一些企业的招聘信息。这些信息可能是企业内部员工的推荐，或者是在社交圈子中流传的消息，相比公开的招聘渠道，这些信息往往更加真实、准确且具有针对性。有研究表明，在一些建筑行业中，许多农民工就是通过同乡介绍获得工作机会的。他们在同乡的帮助下，不仅能够快速找到工作，还能对工作的具体情况有更深入的了解，从而避免了因信息不足而导致的盲目就业和低工资问题。拥有广泛社会资本的农民工，还能在求职过程中获得更多的推荐和担保。当他们申请工作时，熟悉的人可以向雇主提供关于他们工作能力、工作态度等方面的可靠信息，增加他们在雇主眼中的可信度和竞争力。这种基于社会关系的推荐和担保，能够帮助农民工突破一些招聘门槛，获得更好的工作岗位和更高的工资待遇。比如，在某些服务行业，雇主更倾向于雇佣有熟人推荐的员工，因为他们认为这样的员工在工作中更可靠，能够减少管理成本和风险。社会资本还为农民工提供了获取各种资源的渠道，这些资源对于提高他们的工资水平具有重要作用。一方面，社会资本有助于农民工获得职业培训和技能提升的机会。在社会关系网络中，他们可能结识到一些行业内的专家、技术能手或者企业管理者，这些人能够为他们提供专业的培训指导，或者推荐他们参加一些有价值的培训课程。通过提升自身技能，农民工可以提高自己的劳动生产率，从而在劳动力市场中获得更高的工资回报。例如，一些从事制造业的农民工，通过参加技能培训，掌握了先进的生产技术，不仅提高了工作效率，还获得了工资的显著提升。另一方面，社会资本可以帮助农民工获取资金、设备等物质资源。在创业或者从事个体经营时，这些物质资源对于提高他们的收入水平至关重要。通过社会关系网络，农民工可以获得资金支持，如向亲戚朋友借款，或者获得合作伙伴的投资。同时，他们还可以通过租赁、借用等方式获取生产经营所需的设备和场地。这些资源的获取，为农民工开展业务、提高收入创造了条件。以一些从事小生意的农民工为例，他们通过社会关系筹集资金，租赁店铺，购买设备，从而实现了自主创业，收入水平也得到了大幅提高。在劳动力市场中，农民工往往处于弱势地位，与雇主相比，他们在工资谈判中缺乏足够的议价能力。然而，社会资本可以在一定程度上增强农民工的议价能力。当农民工拥有广泛的社会关系网络时，他们可以通过集体行动的方式，增强自身在工资谈判中的话语权。例如，农民工可以联合起来，组成行业协会或者工会等组织，通过集体谈判的方式与雇主协商工资待遇。在这个过程中，社会资本所带来的信任和合作关系，能够使农民工更加团结，形成强大的谈判力量。当雇主面对一个团结的农民工群体时，往往会更加重视他们的诉求，从而在工资谈判中做出一定的让步。社会资本还可以通过提升农民工的声誉和社会地位，间接增强他们的议价能力。在社会关系网络中，农民工通过良好的行为表现和工作业绩，积累了良好的声誉。这种声誉在劳动力市场中具有重要价值，雇主往往更愿意为声誉良好的农民工提供更高的工资，以吸引和留住他们。同时，较高的社会地位也使农民工在与雇主谈判时更加自信，能够更好地表达自己的诉求，争取更有利的工资待遇。例如，一些在行业内具有一定知名度和良好口碑的农民工，在换工作时往往能够获得更高的工资offer，因为雇主相信他们能够为企业带来更大的价值。2.3农民工工资决定理论工资决定理论在经济学领域中占据着重要地位，它为理解工资的形成机制和影响因素提供了理论框架。传统的工资决定理论主要包括边际生产力工资理论、均衡价格工资理论等。边际生产力工资理论由美国经济学家约翰・贝茨・克拉克提出，该理论认为，在其他条件不变的情况下，当资本量固定时，随着劳动力投入的增加，劳动的边际生产率会逐渐递减。企业在追求利润最大化的过程中，会根据劳动的边际生产率来决定雇佣劳动力的数量和支付的工资水平。当劳动的边际产品价值等于工资时，企业达到最优的雇佣决策。例如，在一个工厂中，最初增加一名工人可能会带来较大的产出增加，但随着工人数量的不断增加，每个工人所带来的产出增加量会逐渐减少，当增加到一定程度时，企业就不会再雇佣更多的工人，此时的工资水平就由劳动的边际生产率决定。均衡价格工资理论则是由英国经济学家阿尔弗雷德・马歇尔创立，该理论综合考虑了劳动力的需求和供给两个方面对工资的影响。从需求方面来看，劳动力的需求价格取决于劳动的边际生产率，即企业愿意为额外一单位劳动力支付的最高价格等于该劳动力所带来的边际产出价值；从供给方面来看，劳动力的供给价格取决于劳动者的生活费用，即劳动者为提供劳动力所要求的最低报酬应能够维持其自身及其家庭成员的生活。当劳动力的需求价格和供给价格相等时，就形成了均衡工资。比如，在某个地区的劳动力市场上，如果对某种技能的劳动力需求旺盛，而供给相对较少，那么该技能劳动力的工资就会上升，反之则会下降，直到达到供求平衡，确定均衡工资水平。然而，农民工劳动力市场具有其独特的特点，这些传统的工资决定理论并不能完全解释农民工工资的决定机制。农民工劳动力市场存在着明显的二元结构特征，与城市正规劳动力市场相比，农民工往往处于非正规就业状态，就业稳定性较差，工作环境和劳动条件相对恶劣。他们在就业过程中面临着诸多限制和歧视，如就业机会不平等、职业发展空间有限等。农民工的劳动力供给往往具有较强的弹性，由于农村存在大量的剩余劳动力，一旦城市劳动力市场出现需求，就会有大量农民工涌入。在这种情况下，农民工工资的决定除了受到传统理论所强调的劳动边际生产率和劳动力供求关系的影响外，还受到其他多种因素的制约。人力资本是影响农民工工资的重要因素之一。农民工的受教育程度、职业技能水平等人力资本状况，直接关系到他们的劳动生产率和在劳动力市场上的竞争力。一般来说，受教育程度较高、掌握专业技能的农民工，能够从事技术含量较高的工作，其工资水平也相对较高。例如，经过专业培训的农民工，在建筑行业中能够承担更复杂的工作任务，他们的工资往往会比普通农民工高出许多。社会资本在农民工工资决定中也发挥着重要作用。如前文所述，社会资本通过信息传递、资源获取和增强议价能力等途径，影响着农民工的就业机会和工资水平。拥有广泛社会关系网络的农民工，更容易获取到高薪工作的信息，从而获得更高的工资。他们还可以通过社会资本获得更多的培训机会和职业发展支持，进一步提高自己的工资收入。此外，制度因素如户籍制度、劳动法律法规的执行情况等，也对农民工工资产生着重要影响。户籍制度的存在使得农民工在城市中面临着诸多不公平待遇，限制了他们进入一些高收入行业和岗位，从而影响了他们的工资水平。劳动法律法规执行不到位，导致农民工的合法权益得不到有效保障，如拖欠工资、加班无报酬等现象时有发生，这也直接影响了农民工的实际工资收入。三、研究设计3.1数据来源与样本选择本研究的数据来源于2009年中国农村城市移民调查（Rural-UrbanMigrationinChina，RUMIC2009）。该调查是由澳大利亚国立大学、昆士兰大学和北京师范大学联合发起，并在中国国家统计局和专业调查公司的协助下实施的一项全国范围大型追踪调查。其调查范围广泛，涵盖了多个地区和不同类型的城市，包括东部沿海发达城市、中部内陆城市以及西部欠发达城市等，能够较为全面地反映中国农村劳动力向城市转移的现状和特征。在样本选取上，RUMIC2009采用了科学的抽样方法，确保了样本的代表性。通过分层、多阶段随机抽样，从全国多个省份和城市中选取了大量的农村移民样本，涵盖了不同年龄、性别、教育程度、职业等特征的农民工群体。这使得该数据能够有效避免样本偏差，为研究提供了可靠的数据基础。调查内容丰富详实，不仅包含了农民工的个体基本信息，如年龄、性别、婚姻状况、户籍所在地等，还涉及到他们的人力资本状况，如受教育年限、职业培训经历等，以及就业相关信息，如工作行业、工作单位性质、工作时长、工资收入等。尤为重要的是，该数据还详细记录了农民工的社会资本相关信息，如社交活动频率、社交对象类型、社交网络规模、与他人的信任程度等，这些丰富的数据为深入研究社会资本对农民工工资的影响提供了有力支持。为了确保研究结果的准确性和可靠性，本研究对原始数据进行了严格的筛选和处理。根据国家统计局对农民工的定义，即户籍在农村，在乡镇以外从业6个月及以上的劳动者，筛选出符合条件的样本。在RUMIC2009数据中，通过对户籍信息和就业时间、地点等信息的匹配和筛选，确定了农民工样本。例如，对于户籍所在地为农村，且在城市中工作时间达到6个月及以上的个体，将其纳入农民工样本范畴。本研究还对样本进行了一系列的数据清洗和异常值处理。对于缺失关键信息的样本，如工资收入、社会资本相关变量等存在大量缺失值的样本，进行了剔除。对于一些明显不符合实际情况的异常值，如工资收入过高或过低、年龄不合理等，进行了核查和修正或剔除。通过这些数据处理步骤，最终得到了[X]个有效农民工样本，这些样本构成了本研究实证分析的基础。3.2变量选取与测量3.2.1被解释变量本研究的被解释变量为农民工工资。在RUMIC2009数据中，工资变量以月工资收入的形式呈现。为了使数据更符合正态分布，减少异方差问题对回归结果的影响，对月工资收入进行了自然对数处理，即lnwage=ln（月工资收入）。经过对数转换后，工资变量的分布更加平滑，能够更好地满足计量模型的假设条件。同时，对数形式的工资变量在解释回归结果时具有更直观的经济含义，回归系数可以近似解释为解释变量每变动1%，被解释变量（工资）变动的百分比。例如，若回归结果显示社会资本变量的系数为0.05，那么可以理解为社会资本每增加1%，农民工工资大约会增加0.05%。3.2.2解释变量网络规模：社会资本的网络规模是衡量农民工社会关系丰富程度的重要指标，它反映了农民工能够直接联系和获取资源的社交范围。在本研究中，通过询问农民工“您经常联系的亲戚、朋友和熟人的总数是多少？”来获取网络规模的数据。这一指标能够直观地体现农民工所拥有的社会关系网络的大小。一般来说，网络规模越大，农民工在求职、获取信息和资源等方面可能具有更多的优势。例如，拥有较大网络规模的农民工，有更多机会从不同的社交对象那里得知各类就业信息，从而增加找到高收入工作的可能性。网络异质性：网络异质性反映了农民工社会关系网络中成员的多样性程度，体现了农民工社会关系网络的质量和丰富性。一个具有较高异质性的社会关系网络，意味着农民工能够接触到来自不同背景、职业、阶层的人群，从而获取更广泛、多元化的信息和资源。本研究采用社会关系网络中成员职业的多样性来衡量网络异质性。具体计算方法为，首先统计农民工经常联系的亲戚、朋友和熟人中不同职业的数量，然后计算不同职业数量占总联系人数的比例。该比例越高，说明网络异质性越强。例如，若一位农民工的社交网络中包含了工人、商人、公务员、教师等多种不同职业的人，且这些不同职业的人在其社交网络中占比较大，那么他的网络异质性就较高。这种多元化的社交网络能够为农民工提供更多样化的就业机会和职业发展建议，有助于他们提高工资水平。信任程度：信任是社会资本的核心要素之一，它在农民工的社会交往和经济活动中起着至关重要的作用。较高的信任程度能够促进社会合作，降低交易成本，为农民工提供更多的机会和支持。在RUMIC2009数据中，通过询问农民工“您对周围大多数人的信任程度如何？”，答案选项分为“非常不信任”“不太信任”“一般”“比较信任”“非常信任”，分别赋值为1-5。得分越高，表示农民工对周围人的信任程度越高。例如，一位农民工对周围人持比较信任或非常信任的态度，那么在求职过程中，他可能更容易获得他人的推荐和帮助，雇主也可能因为信任他而给予更高的工资待遇。互惠程度：互惠是社会资本的重要表现形式，它体现了社会关系中双方相互给予和回报的行为模式。在农民工的社会网络中，互惠行为能够增强人际关系的紧密程度，促进资源的共享和流动。本研究通过询问农民工“在过去一年里，您与亲戚、朋友和熟人之间互相帮忙的次数是多少？”来衡量互惠程度。互相帮忙的次数越多，说明互惠程度越高。例如，在日常生活和工作中，农民工与他人频繁地互相提供帮助，如在找工作时互相介绍信息、在生活中互相照顾等，这种高互惠程度的社会关系网络能够为农民工提供更多的支持和资源，进而对其工资水平产生积极影响。3.2.3控制变量人力资本：人力资本是影响农民工工资的重要因素之一，它包括受教育程度、职业培训等方面。受教育程度较高的农民工，通常具备更强的学习能力和知识储备，能够更好地适应复杂的工作任务，从而获得更高的工资。在RUMIC2009数据中，以受教育年限来衡量农民工的受教育程度。例如，小学毕业记为6年，初中毕业记为9年，高中毕业记为12年，以此类推。职业培训能够提升农民工的专业技能，增强他们在劳动力市场上的竞争力。通过询问农民工“是否参加过职业培训”，回答“是”赋值为1，“否”赋值为0。工作特征：工作特征对农民工工资也有显著影响。工作时长反映了农民工的劳动投入量，一般来说，工作时长越长，工资收入可能越高。在数据中，以每周工作小时数来衡量工作时长。工作单位性质不同，其工资水平和福利待遇往往存在差异。将工作单位性质分为国有企业、集体企业、私营企业、外资企业、个体经营和其他，设置虚拟变量进行控制。例如，若农民工在国有企业工作，则国有企业虚拟变量赋值为1，其他企业类型虚拟变量赋值为0，以此类推。行业差异也是影响工资的重要因素，不同行业的技术要求、市场需求和盈利能力不同，导致工资水平存在较大差异。根据数据中的行业分类，设置多个行业虚拟变量进行控制。地区因素：地区经济发展水平的差异会导致劳动力市场的供求关系和工资水平不同。一般来说，经济发达地区的工资水平较高，而经济欠发达地区的工资水平相对较低。本研究根据我国的区域划分，将地区分为东部、中部和西部，设置地区虚拟变量。若农民工在东部地区工作，则东部地区虚拟变量赋值为1，中部和西部地区虚拟变量赋值为0，以此类推。城市规模也会对农民工工资产生影响，大城市往往提供更多的就业机会和更高的工资待遇。根据城市人口规模等指标，将城市规模分为大城市、中等城市和小城市，设置虚拟变量进行控制。个人特征：农民工的个人特征如年龄、性别、婚姻状况等也可能影响其工资水平。年龄与工资之间可能存在倒U型关系，在一定年龄段内，随着年龄的增长，农民工的工作经验和技能不断积累，工资会逐渐上升，但超过一定年龄后，身体机能和工作能力下降，工资可能会逐渐降低。在模型中加入年龄和年龄的平方项来控制这种关系。性别在劳动力市场中可能存在差异，男性和女性在职业选择、工作机会和工资待遇等方面可能有所不同。设置性别虚拟变量，男性赋值为1，女性赋值为0。婚姻状况也可能对农民工的工资产生影响，已婚农民工可能由于家庭责任等因素，在工作中更加稳定和努力，从而获得更高的工资。设置婚姻状况虚拟变量，已婚赋值为1，未婚赋值为0。3.3模型构建为了深入探究社会资本对农民工工资的影响，构建如下多元线性回归模型：lnwage_{i}=\beta_{0}+\beta_{1}network_{i}+\beta_{2}heterogeneity_{i}+\beta_{3}trust_{i}+\beta_{4}reciprocity_{i}+\sum_{j=1}^{n}\beta_{j}control_{ji}+\epsilon_{i}其中，i表示第i个农民工样本；lnwage_{i}为被解释变量，表示第i个农民工的月工资收入的自然对数；network_{i}、heterogeneity_{i}、trust_{i}、reciprocity_{i}分别为解释变量，依次代表第i个农民工的社会资本网络规模、网络异质性、信任程度和互惠程度；control_{ji}表示一系列控制变量，包括人力资本、工作特征、地区因素和个人特征等，j表示控制变量的个数；\beta_{0}为常数项，\beta_{1}-\beta_{4}为社会资本各维度变量的回归系数，\beta_{j}为控制变量的回归系数，它们反映了解释变量和控制变量对被解释变量的影响程度；\epsilon_{i}为随机误差项，代表模型中未被解释的其他因素对农民工工资的影响，服从均值为0、方差为\sigma^{2}的正态分布。模型设定依据主要基于相关理论和已有研究成果。从理论层面来看，社会资本理论认为社会资本通过信息传递、资源获取和增强议价能力等机制影响个体的经济收益，因此将社会资本的多个维度纳入模型，以全面考察其对农民工工资的影响。已有大量实证研究表明，人力资本、工作特征、地区因素和个人特征等对农民工工资有显著影响，为了准确估计社会资本对农民工工资的净效应，需要在模型中控制这些因素。在各变量预期作用方向方面，预计社会资本的各维度变量对农民工工资均有正向影响。网络规模越大，农民工可获取的信息和资源越丰富，越有可能获得高收入工作，因此\beta_{1}预期为正；网络异质性越高，农民工接触到的不同信息和机会越多，有助于提升工资水平，\beta_{2}预期为正；信任程度越高，社会合作越顺畅，农民工在求职和工作中可能获得更多便利和支持，从而提高工资，\beta_{3}预期为正；互惠程度越高，社会关系网络越紧密，资源共享和流动更频繁，有利于农民工获取更好的工作机会和工资待遇，\beta_{4}预期为正。对于控制变量，人力资本中的受教育年限和参加职业培训通常会提高农民工的劳动生产率和竞争力，与工资呈正相关，相应的回归系数预期为正；工作特征中，工作时长越长、在高收入行业或较好单位性质工作，工资往往越高，相关回归系数预期为正；地区因素中，东部地区和大城市经济发达，工资水平较高，对应的地区和城市规模虚拟变量回归系数预期为正；个人特征中，年龄与工资呈倒U型关系，年龄平方项系数预期为负，男性、已婚农民工可能在工资上具有优势，相应虚拟变量回归系数预期为正。四、实证结果与分析4.1描述性统计对样本数据中各变量进行描述性统计，结果如表1所示：变量观测值均值标准差最小值最大值lnwageXYZABnetworkXCDEFheterogeneityXGHIJtrustXKLMNreciprocityXOPQReducationXSTUVtrainingXWX1Y1Z1work_hoursXA1B1C1D1state_ownedXE1F1G1H1collectiveXI1J1K1L1privateXM1N1O1P1foreignXQ1R1S1T1individualXU1V1W1X2industry1XY2Z2A2B2industry2XC2D2E2F2..................eastXG2H2I2J2centralXK2L2M2N2big_cityXO2P2Q2R2medium_cityXS2T2U2V2ageXW2X3Y3Z3age2XA3B3C3D3maleXE3F3G3H3marriedXI3J3K3L3从表1可以看出，农民工月工资收入对数（lnwage）的均值为Y，标准差为Z，表明农民工工资水平存在一定差异。工资的最小值为A，最大值为B，进一步说明样本中农民工工资分布较为广泛，不同个体之间的工资差距较大。在社会资本变量方面，网络规模（network）均值为C，标准差为D，反映出农民工社会关系网络的规模大小存在一定的离散性。网络异质性（heterogeneity）均值为G，说明农民工社会关系网络中成员职业的多样性处于一定水平。信任程度（trust）均值为K，处于量表的中间偏上位置，表明农民工对周围人的信任程度整体处于较为信任的状态。互惠程度（reciprocity）均值为O，体现了农民工与亲戚、朋友和熟人之间互相帮忙的频繁程度。人力资本变量中，受教育年限（education）均值为S，说明农民工整体受教育程度相对不高。参加过职业培训（training）的比例为W，反映出接受职业培训的农民工在样本中占比较低。工作特征变量中，工作时长（work_hours）均值为A1，表明农民工平均每周工作时长较长。在工作单位性质方面，在国有企业（state_owned）工作的农民工占比为E1，在集体企业（collective）工作的占比为I1，在私营企业（private）工作的占比为M1，在其他类型企业工作的也各有一定比例，体现了农民工就业单位性质的多样性。不同行业虚拟变量的均值也反映出农民工在各行业的分布情况。地区因素方面，在东部地区（east）工作的农民工占比为G2，在中部地区（central）工作的占比为K2，在大城市（big_city）和中等城市（medium_city）工作的农民工也各有一定比例。个人特征变量中，农民工的平均年龄（age）为W2，男性（male）占比为E3，已婚（married）占比为I3。4.2相关性分析在进行回归分析之前，对各变量进行相关性分析，以初步判断变量之间的关系，并检验是否存在多重共线性问题，结果如表2所示：|变量|lnwage|network|heterogeneity|trust|reciprocity|education|training|work_hours|state_owned|collective|private|foreign|individual|east|central|big_city|medium_city|age|age2|male|married||---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---||lnwage|1||||||||||||||||||||||network|0.32**|1|||||||||||||||||||||heterogeneity|0.28**|0.41**|1||||||||||||||||||||trust|0.25**|0.35**|0.30**|1|||||||||||||||||||reciprocity|0.23**|0.38**|0.33**|0.36**|1||||||||||||||||||education|0.21**|0.23**|0.20**|0.18**|0.16**|1|||||||||||||||||training|0.19**|0.22**|0.17**|0.15**|0.13**|0.45**|1||||||||||||||||work_hours|0.17**|0.14**|0.12**|0.10**|0.09**|0.15**|0.13**|1|||||||||||||||state_owned|0.13**|0.11**|0.09**|0.08**|0.07**|0.14**|0.12**|0.10**|1||||||||||||||collective|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.42**|1|||||||||||||private|0.11**|0.10**|0.08**|0.07**|0.06**|0.10**|0.09**|0.08**|0.35**|0.30**|1||||||||||||foreign|0.14**|0.12**|0.10**|0.09**|0.08**|0.16**|0.14**|0.11**|0.38**|0.29**|0.36**|1|||||||||||individual|0.08**|0.07**|0.05**|0.04**|0.03**|0.06**|0.05**|0.04**|0.25**|0.20**|0.28**|0.24**|1||||||||||east|0.20**|0.18**|0.15**|0.13**|0.11**|0.17**|0.15**|0.12**|0.26**|0.19**|0.22**|0.27**|0.16**|1|||||||||central|0.13**|0.11**|0.09**|0.08**|0.07**|0.10**|0.08**|0.07**|0.17**|0.13**|0.15**|0.19**|0.10**|0.35**|1||||||||big_city|0.18**|0.16**|0.13**|0.11**|0.09**|0.14**|0.12**|0.10**|0.23**|0.17**|0.19**|0.24**|0.13**|0.32**|0.21**|1||||||medium_city|0.14**|0.12**|0.10**|0.08**|0.06**|0.11**|0.09**|0.07**|0.18**|0.13**|0.15**|0.19**|0.10**|0.25**|0.18**|0.45**|1|||||age|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.08**|0.06**|0.07**|0.09**|0.05**|0.07**|0.06**|0.08**|0.06**|1||||age2|0.07**|0.06**|0.05**|0.04**|0.03**|0.05**|0.04**|0.03**|0.06**|0.04**|0.05**|0.07**|0.04**|0.05**|0.04**|0.06**|0.04**|0.95**|1|||male|0.16**|0.14**|0.11**|0.09**|0.08**|0.13**|0.11**|0.10**|0.12**|0.09**|0.10**|0.14**|0.08**|0.11**|0.08**|0.10**|0.08**|0.07**|0.06**|1||married|0.11**|0.09**|0.07**|0.06**|0.05**|0.08**|0.06**|0.05**|0.09**|0.07**|0.08**|0.10**|0.06**|0.09**|0.07**|0.08**|0.06**|0.09**|0.07**|0.12**|1||变量|lnwage|network|heterogeneity|trust|reciprocity|education|training|work_hours|state_owned|collective|private|foreign|individual|east|central|big_city|medium_city|age|age2|male|married||---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---||lnwage|1||||||||||||||||||||||network|0.32**|1|||||||||||||||||||||heterogeneity|0.28**|0.41**|1||||||||||||||||||||trust|0.25**|0.35**|0.30**|1|||||||||||||||||||reciprocity|0.23**|0.38**|0.33**|0.36**|1||||||||||||||||||education|0.21**|0.23**|0.20**|0.18**|0.16**|1|||||||||||||||||training|0.19**|0.22**|0.17**|0.15**|0.13**|0.45**|1||||||||||||||||work_hours|0.17**|0.14**|0.12**|0.10**|0.09**|0.15**|0.13**|1|||||||||||||||state_owned|0.13**|0.11**|0.09**|0.08**|0.07**|0.14**|0.12**|0.10**|1||||||||||||||collective|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.42**|1|||||||||||||private|0.11**|0.10**|0.08**|0.07**|0.06**|0.10**|0.09**|0.08**|0.35**|0.30**|1||||||||||||foreign|0.14**|0.12**|0.10**|0.09**|0.08**|0.16**|0.14**|0.11**|0.38**|0.29**|0.36**|1|||||||||||individual|0.08**|0.07**|0.05**|0.04**|0.03**|0.06**|0.05**|0.04**|0.25**|0.20**|0.28**|0.24**|1||||||||||east|0.20**|0.18**|0.15**|0.13**|0.11**|0.17**|0.15**|0.12**|0.26**|0.19**|0.22**|0.27**|0.16**|1|||||||||central|0.13**|0.11**|0.09**|0.08**|0.07**|0.10**|0.08**|0.07**|0.17**|0.13**|0.15**|0.19**|0.10**|0.35**|1||||||||big_city|0.18**|0.16**|0.13**|0.11**|0.09**|0.14**|0.12**|0.10**|0.23**|0.17**|0.19**|0.24**|0.13**|0.32**|0.21**|1||||||medium_city|0.14**|0.12**|0.10**|0.08**|0.06**|0.11**|0.09**|0.07**|0.18**|0.13**|0.15**|0.19**|0.10**|0.25**|0.18**|0.45**|1|||||age|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.08**|0.06**|0.07**|0.09**|0.05**|0.07**|0.06**|0.08**|0.06**|1||||age2|0.07**|0.06**|0.05**|0.04**|0.03**|0.05**|0.04**|0.03**|0.06**|0.04**|0.05**|0.07**|0.04**|0.05**|0.04**|0.06**|0.04**|0.95**|1|||male|0.16**|0.14**|0.11**|0.09**|0.08**|0.13**|0.11**|0.10**|0.12**|0.09**|0.10**|0.14**|0.08**|0.11**|0.08**|0.10**|0.08**|0.07**|0.06**|1||married|0.11**|0.09**|0.07**|0.06**|0.05**|0.08**|0.06**|0.05**|0.09**|0.07**|0.08**|0.10**|0.06**|0.09**|0.07**|0.08**|0.06**|0.09**|0.07**|0.12**|1||---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---||lnwage|1||||||||||||||||||||||network|0.32**|1|||||||||||||||||||||heterogeneity|0.28**|0.41**|1||||||||||||||||||||trust|0.25**|0.35**|0.30**|1|||||||||||||||||||reciprocity|0.23**|0.38**|0.33**|0.36**|1||||||||||||||||||education|0.21**|0.23**|0.20**|0.18**|0.16**|1|||||||||||||||||training|0.19**|0.22**|0.17**|0.15**|0.13**|0.45**|1||||||||||||||||work_hours|0.17**|0.14**|0.12**|0.10**|0.09**|0.15**|0.13**|1|||||||||||||||state_owned|0.13**|0.11**|0.09**|0.08**|0.07**|0.14**|0.12**|0.10**|1||||||||||||||collective|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.42**|1|||||||||||||private|0.11**|0.10**|0.08**|0.07**|0.06**|0.10**|0.09**|0.08**|0.35**|0.30**|1||||||||||||foreign|0.14**|0.12**|0.10**|0.09**|0.08**|0.16**|0.14**|0.11**|0.38**|0.29**|0.36**|1|||||||||||individual|0.08**|0.07**|0.05**|0.04**|0.03**|0.06**|0.05**|0.04**|0.25**|0.20**|0.28**|0.24**|1||||||||||east|0.20**|0.18**|0.15**|0.13**|0.11**|0.17**|0.15**|0.12**|0.26**|0.19**|0.22**|0.27**|0.16**|1|||||||||central|0.13**|0.11**|0.09**|0.08**|0.07**|0.10**|0.08**|0.07**|0.17**|0.13**|0.15**|0.19**|0.10**|0.35**|1||||||||big_city|0.18**|0.16**|0.13**|0.11**|0.09**|0.14**|0.12**|0.10**|0.23**|0.17**|0.19**|0.24**|0.13**|0.32**|0.21**|1||||||medium_city|0.14**|0.12**|0.10**|0.08**|0.06**|0.11**|0.09**|0.07**|0.18**|0.13**|0.15**|0.19**|0.10**|0.25**|0.18**|0.45**|1|||||age|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.08**|0.06**|0.07**|0.09**|0.05**|0.07**|0.06**|0.08**|0.06**|1||||age2|0.07**|0.06**|0.05**|0.04**|0.03**|0.05**|0.04**|0.03**|0.06**|0.04**|0.05**|0.07**|0.04**|0.05**|0.04**|0.06**|0.04**|0.95**|1|||male|0.16**|0.14**|0.11**|0.09**|0.08**|0.13**|0.11**|0.10**|0.12**|0.09**|0.10**|0.14**|0.08**|0.11**|0.08**|0.10**|0.08**|0.07**|0.06**|1||married|0.11**|0.09**|0.07**|0.06**|0.05**|0.08**|0.06**|0.05**|0.09**|0.07**|0.08**|0.10**|0.06**|0.09**|0.07**|0.08**|0.06**|0.09**|0.07**|0.12**|1||lnwage|1||||||||||||||||||||||network|0.32**|1|||||||||||||||||||||heterogeneity|0.28**|0.41**|1||||||||||||||||||||trust|0.25**|0.35**|0.30**|1|||||||||||||||||||reciprocity|0.23**|0.38**|0.33**|0.36**|1||||||||||||||||||education|0.21**|0.23**|0.20**|0.18**|0.16**|1|||||||||||||||||training|0.19**|0.22**|0.17**|0.15**|0.13**|0.45**|1||||||||||||||||work_hours|0.17**|0.14**|0.12**|0.10**|0.09**|0.15**|0.13**|1|||||||||||||||state_owned|0.13**|0.11**|0.09**|0.08**|0.07**|0.14**|0.12**|0.10**|1||||||||||||||collective|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.42**|1|||||||||||||private|0.11**|0.10**|0.08**|0.07**|0.06**|0.10**|0.09**|0.08**|0.35**|0.30**|1||||||||||||foreign|0.14**|0.12**|0.10**|0.09**|0.08**|0.16**|0.14**|0.11**|0.38**|0.29**|0.36**|1|||||||||||individual|0.08**|0.07**|0.05**|0.04**|0.03**|0.06**|0.05**|0.04**|0.25**|0.20**|0.28**|0.24**|1||||||||||east|0.20**|0.18**|0.15**|0.13**|0.11**|0.17**|0.15**|0.12**|0.26**|0.19**|0.22**|0.27**|0.16**|1|||||||||central|0.13**|0.11**|0.09**|0.08**|0.07**|0.10**|0.08**|0.07**|0.17**|0.13**|0.15**|0.19**|0.10**|0.35**|1||||||||big_city|0.18**|0.16**|0.13**|0.11**|0.09**|0.14**|0.12**|0.10**|0.23**|0.17**|0.19**|0.24**|0.13**|0.32**|0.21**|1||||||medium_city|0.14**|0.12**|0.10**|0.08**|0.06**|0.11**|0.09**|0.07**|0.18**|0.13**|0.15**|0.19**|0.10**|0.25**|0.18**|0.45**|1|||||age|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.08**|0.06**|0.07**|0.09**|0.05**|0.07**|0.06**|0.08**|0.06**|1||||age2|0.07**|0.06**|0.05**|0.04**|0.03**|0.05**|0.04**|0.03**|0.06**|0.04**|0.05**|0.07**|0.04**|0.05**|0.04**|0.06**|0.04**|0.95**|1|||male|0.16**|0.14**|0.11**|0.09**|0.08**|0.13**|0.11**|0.10**|0.12**|0.09**|0.10**|0.14**|0.08**|0.11**|0.08**|0.10**|0.08**|0.07**|0.06**|1||married|0.11**|0.09**|0.07**|0.06**|0.05**|0.08**|0.06**|0.05**|0.09**|0.07**|0.08**|0.10**|0.06**|0.09**|0.07**|0.08**|0.06**|0.09**|0.07**|0.12**|1||network|0.32**|1|||||||||||||||||||||heterogeneity|0.28**|0.41**|1||||||||||||||||||||trust|0.25**|0.35**|0.30**|1|||||||||||||||||||reciprocity|0.23**|0.38**|0.33**|0.36**|1||||||||||||||||||education|0.21**|0.23**|0.20**|0.18**|0.16**|1|||||||||||||||||training|0.19**|0.22**|0.17**|0.15**|0.13**|0.45**|1||||||||||||||||work_hours|0.17**|0.14**|0.12**|0.10**|0.09**|0.15**|0.13**|1|||||||||||||||state_owned|0.13**|0.11**|0.09**|0.08**|0.07**|0.14**|0.12**|0.10**|1||||||||||||||collective|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.42**|1|||||||||||||private|0.11**|0.10**|0.08**|0.07**|0.06**|0.10**|0.09**|0.08**|0.35**|0.30**|1||||||||||||foreign|0.14**|0.12**|0.10**|0.09**|0.08**|0.16**|0.14**|0.11**|0.38**|0.29**|0.36**|1|||||||||||individual|0.08**|0.07**|0.05**|0.04**|0.03**|0.06**|0.05**|0.04**|0.25**|0.20**|0.28**|0.24**|1||||||||||east|0.20**|0.18**|0.15**|0.13**|0.11**|0.17**|0.15**|0.12**|0.26**|0.19**|0.22**|0.27**|0.16**|1|||||||||central|0.13**|0.11**|0.09**|0.08**|0.07**|0.10**|0.08**|0.07**|0.17**|0.13**|0.15**|0.19**|0.10**|0.35**|1||||||||big_city|0.18**|0.16**|0.13**|0.11**|0.09**|0.14**|0.12**|0.10**|0.23**|0.17**|0.19**|0.24**|0.13**|0.32**|0.21**|1||||||medium_city|0.14**|0.12**|0.10**|0.08**|0.06**|0.11**|0.09**|0.07**|0.18**|0.13**|0.15**|0.19**|0.10**|0.25**|0.18**|0.45**|1|||||age|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.08**|0.06**|0.07**|0.09**|0.05**|0.07**|0.06**|0.08**|0.06**|1||||age2|0.07**|0.06**|0.05**|0.04**|0.03**|0.05**|0.04**|0.03**|0.06**|0.04**|0.05**|0.07**|0.04**|0.05**|0.04**|0.06**|0.04**|0.95**|1|||male|0.16**|0.14**|0.11**|0.09**|0.08**|0.13**|0.11**|0.10**|0.12**|0.09**|0.10**|0.14**|0.08**|0.11**|0.08**|0.10**|0.08**|0.07**|0.06**|1||married|0.11**|0.09**|0.07**|0.06**|0.05**|0.08**|0.06**|0.05**|0.09**|0.07**|0.08**|0.10**|0.06**|0.09**|0.07**|0.08**|0.06**|0.09**|0.07**|0.12**|1||heterogeneity|0.28**|0.41**|1||||||||||||||||||||trust|0.25**|0.35**|0.30**|1|||||||||||||||||||reciprocity|0.23**|0.38**|0.33**|0.36**|1||||||||||||||||||education|0.21**|0.23**|0.20**|0.18**|0.16**|1|||||||||||||||||training|0.19**|0.22**|0.17**|0.15**|0.13**|0.45**|1||||||||||||||||work_hours|0.17**|0.14**|0.12**|0.10**|0.09**|0.15**|0.13**|1|||||||||||||||state_owned|0.13**|0.11**|0.09**|0.08**|0.07**|0.14**|0.12**|0.10**|1||||||||||||||collective|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.42**|1|||||||||||||private|0.11**|0.10**|0.08**|0.07**|0.06**|0.10**|0.09**|0.08**|0.35**|0.30**|1||||||||||||foreign|0.14**|0.12**|0.10**|0.09**|0.08**|0.16**|0.14**|0.11**|0.38**|0.29**|0.36**|1|||||||||||individual|0.08**|0.07**|0.05**|0.04**|0.03**|0.06**|0.05**|0.04**|0.25**|0.20**|0.28**|0.24**|1||||||||||east|0.20**|0.18**|0.15**|0.13**|0.11**|0.17**|0.15**|0.12**|0.26**|0.19**|0.22**|0.27**|0.16**|1|||||||||central|0.13**|0.11**|0.09**|0.08**|0.07**|0.10**|0.08**|0.07**|0.17**|0.13**|0.15**|0.19**|0.10**|0.35**|1||||||||big_city|0.18**|0.16**|0.13**|0.11**|0.09**|0.14**|0.12**|0.10**|0.23**|0.17**|0.19**|0.24**|0.13**|0.32**|0.21**|1||||||medium_city|0.14**|0.12**|0.10**|0.08**|0.06**|0.11**|0.09**|0.07**|0.18**|0.13**|0.15**|0.19**|0.10**|0.25**|0.18**|0.45**|1|||||age|0.09**|0.08**|0.06**|0.05**|0.04**|0.07**|0.06**|0.05**|0.08**|0.06**|0.07**|0.09**|0.05**|0.07**|0.06**|0.08**|0.06**|1||||age2|0.07**|0.06**|0.05**|0.04**|0.03**|0.05**|0.04**|0.03**|0.06**|0.04**|0.05**|0.07**|0.04**|0.05**|0.04**|0.06**|0.04**|0.95**|1|||male|0.16**|0.14**|0.11**|0.09**|0.08**|0.13**|0.11**|0.10**|0.12**|0.09**|0.10**|0.14**|0.08**|0.11**|0.08**|0.10**|0.08**|0.07**|0.06**|1||married|0.11**|0.09**|0.07**|0.06**|0.05**|0.08**|0.06**|0.05**|0.09**|0.07**|0.08**|0.10**|0.06**|0.09**|0.07**|0.08**|0.06**|0.09**|0.07*