谈谈社会关系网络视角下社会资本与城镇劳动力市场性别歧视

论文导读：3下一页
内容摘要：本文从社会关系网络视角出发，基于2008年中国综合社会调查（CGSS）数据，采用最小二乘估计策略，建立回归模型，实证考察了社会资本对城镇不同性别劳动力工资收入的影响，同时，通过Oaxaca-Blinder分解得出社会关系网络等因素对于男性和女性工资差距影响程度。实证研究结果表明，社会关系网络会影响到不同性别劳动者的工资收入，相对于女性而言，男性更善于运用自己的社会关系网络获取更高的收入。
关键词：社会关系网络 性别歧视 工资收入
引言
男女就业差异是劳动力市场的普遍现象，这种现象在我国表现比较突出。产生这种现象的理由很多，其中，性别歧视是一个重要的理由。目前，我国城镇劳动力市场男女收入分配越来越不平等，影响了社会公平与和谐。因此，在关注经济发展速度与效率的同时，需对市场竞争中的城镇劳动力市场性别歧视同样引起足够的重视。
关于社会关系网络是否有利于工资收入增高的研究有不同的结论。章元、陆铭（2009）等通过理论与实证分析认为拥有更多的社会网络能够直接提高农民工的工资水平；叶静怡、周晔馨（2010）以及叶静怡、衣光春（2010）等研究发现，原始社会关系网络的大小对于农民工工资收入没有显著的影响，而新型社会关系网络对工资收入有正的影响。已有文献从理论和实证上对劳动力市场性别歧视的形成理由做了分析，对社会关系网络与农民工工资水平之间的联系也做了相关分析（叶静怡、薄诗雨等，2012），但从社会关系网络视角来讨论其对城镇劳动力市场性别歧视的文献却相对比较匮乏。
本文从社会关系网络视角出发，讨论影响城镇劳动力市场不同性别工资收入的因素，并对社会关系网络等因素对于男性和女性工资收入差距影响程度做了相关分析，拓展了社会资本与工资收入的已有研究，并为制定相关政策提供参考价值。
文献综述
城镇劳动力市场中的性别工资差异一直是劳动经济学研究的主题之一，围绕这个主题，许多学者从理论和实证层面做了大量的相关研究。在性别工资差异分析研究中，经典的策略就是Oaxaca-Blinder分解法（Blinder，1973；Oaxaca，1973）。姚先国、黄志岭（2008）采用Cotton工资差异分解策略可知，工资差异的80%是由个体特征差异引起的，另外20%是由歧视造成的；李晓宁（2008）利用Brown分解策略对中国城镇职工的性别工资差距进行了分解，通过实证分析得出职业内工资差异与职业间工资差异分别为19.8%和18.4%，职业性别歧视是导致城镇劳动力市场上男女工资差异的主要理由。杨鹏、张广胜（2012）采用改善的Brown分解策略对农民工性别工资差异进行测度，研究结果表明农民工市场存在严重的性别工资差异。田艳芳、李熙、彭璧玉（2009）在Mincer工资方程的基础上分析了我国城镇劳动力市场上的性别工资差异状况，认为我国城镇劳动力市场存在显著的性别工资差异。李实、杨修娜（2010）研究结果表明，男女农民工之间的工资差异主要是由性别歧视及其他不可观测因素引起的。王震（2010）采用分位数回归策略研究农民工的性别工资差异，结果显示，农民工的性别工资差异表现为“天花板效应”。
模型、策略与数据来源

(一)模型和策略

为了考察社会资本对中国城镇劳动力工资性别差异的影响，从社会关系网络角度出发，综合各种工资决定理论，结合我国实际情况，本文建立多因素工资决定模型如下：
Incomei=β1Networki+Bxi+μi （1）
式（1）中，下标i表示第i个居民样本，μ是随机扰动项。Income是衡量城镇劳动者工资收入的指标；Network是衡量城镇劳动力社会关系网络的指标；X是其他影响工资收入的制约变量矩阵，包括年龄（Age）及其平方项（Age2）、民族（Morality）、户籍（Sex）、婚姻状况（Marriage）、政治面貌（Politic）、受教育程度（社会关系网络视角下社会资本与城镇劳动力市场的性别歧视由专注毕业论文与职称论文的www.7ctime.com提供,转载请保留.Edu）、健康状况（Health）等；B是相应的回归系数矩阵。根据式（1），采用最小二乘估计策略（OLS），依次对抽样的总体，男性以及女性样本进行估计，并采用Oaxaca-Blinder分解策略得出社会关系网络等因素对于男性和女性工资差距影响程度。

(二)数据来源和变量

本文数据来源于2008年中国综合社会调查（CGSS），在全国28个省市共随机选择了6000个居民户作为访问对象，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。根据CGSS（2008）问卷中设置“您目前的工作状况是什么？”一项来对抽取的样本进行筛选，本研究将回答选择为“目前从事非农工作”的调查问卷作为考察样本。根据CGSS（2008）问卷中“您的性别是？”一项将调查对象分为两组，按选择为“男性”和“女性”对考察样本进行分组。统计调查问卷，共获得2282个有效样本，其中，男性1341个，占58.76%；女性941个，占4

1.24%。

被解释变量是劳动者工资收入（Income）。城镇劳动力工资收入变量数据来源于被访问者对调查理由“您个人去年全年的职业收入是多少？”提供的数值。
主要解释变量是社会关系网络（Network）。CGSS（2008）中根据“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？”这个理由来测量受访者在寻找工作过程中社会关系网络情况。通过CGSS（2008）问卷中“您和他是否仍保持联系？”这个理由来设置虚拟变量D，选择“保持联系” 和“没有联系”时设置变量值为1和0。然后以前面叙述的社会关系网络变量与虚拟变量D的交叉项来构建本文中社会关系网络变量，记为Network。
其他制约变量。本文涉及到的主要制约变量为劳动力性别（Sex），男性被赋值为1，女性被赋值为0；年龄（Age），通过理由“您的出生年份？”计算受访者在2008年接受问卷调查时的周岁；民族（Morality），通过理由“您的民族是：”来确定受论文导读：
访者的民族，回答“汉”以外选项的被赋值为1，汉族被赋值为0；户籍（Census），设置理由“您目前的户口状况是：”取得户籍变量数据，其中“直辖市城区户口”、“省会城市城区户口”、“地级市城区户口”以及“县级市城区户口”赋值为1，其他的赋值为0；婚姻状况（Marriage），受访者的答案选项为 “已婚”和“同居”的劳动力赋值为1，其他赋值为0；政治面貌（Politic），员被赋值为1，非员被赋值为0；受教育程度（Edu），设置理由“您目前的最高教育程度是（包括目前在读的）：”，通过受访者在“没有受过任何教育”、“私塾”、“小学”、“初中”、“职业高中”、“普通高中”、“中专”、“技校”、“大学专科（成人高等教育）”、“大学专科（正规高等教育）”、“大学本科（成人高等教育）”、“大学本科（正规高等教育）”、“研究生及以上”中选择情况，分别被赋值为1-13的整数；健康状况（Health），问卷中对于理由“您觉得您的身体健康状况是：”的回答分别为“很不健康”、“比较不健康”、“一般”、“比较健康”和“很健康”时，其赋值顺次依次为1～5的整数；工作职位（Jobp），依据理由“在您目前的工作中，您的管理活动情况是：”来设定，受访者从“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”选项中回答，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。对于性别工资差异，本文采用假设检验的策略来判断。通过表1可以看出，女性的年度工资收入平均为1.8296万元，而男性达到2.5297万元，具有明显的差异。同时T检验结果也显示出，男性和女性工资收入差异明显。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、民族、户籍、婚姻状况等方面存在显著差异。对比而言，男性的工作职位要明显高于女性，劳动时间也高于女性。
实证结果与分析

(一)最小二乘估计（OLS）

根据式（1），本文依次对总体、男性以及女性样本进行估计，表2中模型（1）-（3）分别报告了相应的估计结果。估计结果表明，社会关系网络变量的估计系数都为正，说明社会关系网络对城镇劳动力的工资收入产生影响。模型（1）、（2）、（3）中，年龄变量的水平项均为正，而其二次项（Age2）均为负，说明劳动者工资收入将随着其年龄的增长先上升后下降，城镇劳动力年龄与其工资收入之间呈“倒U”型曲线关系。受教育程度变量（Edu）的估计系数在1%置信区间上显著为正，说明总体而言，受教育程度越高，劳动者的工资收入也越高。另外，模型（1）、（2）、（3）中，工作职位变量（Jobp）的估计系数在1%置信水平下显著为正，且估计系数很大，表明职位越高的劳动者收入越高。模型（1）、（2）、（3）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，说明在制约其他因素影响后，这些特征变量不会对工资收入产生显著影响。
表2中模型（2）和（3）分别对应男性和女性样本的估计结果。在男性样本中，社会关系网络在1%水平下显著为正，而在女性样本中，社会关系网络的估计系数变得不显著。这说明相对于女性而言，男性更善于运用自己的社会关系网络获取更高的工资收入。男性利用社会关系网络扭曲市场规则能够进入高收入行业，而将女性排斥在低收入行业，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。

(二)Oaxaca-Blinder分解

模型参数估计结果显示，社会关系网络对于男性和女性的工资影响存在差异，男性更善于运用社会关系网络获得更高收入，女性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男性和女性工资差距影响程度有多大？本文借鉴Oaxaca（1973）和Blinder（1973）的策略，通过对男性和女性工资差距进行分解对这一理由进行解答。采用Oaxaca-Blinder分解，将男性和女性工资差距分解成两部分：
△=Income1-Income2
（2）
式（2）中，下标1和2分别表示男性和女性，Network和X分别指社会关系网络和模型中制约的其他变量，Ⅱ是OLS回归的估计系数。等式右边第一项是可解释部分，是由于男性和女性个人特征不同所引起的工资分布的差异部分，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分解策略，表3报告了男性和女性工资差异的分解结果。表3显示，劳动者工资差异的系数差异解释比例约占78.33%，说明劳动者工资差异主要是由于性别歧视引起的。以特征差异来反映的男性和女性工资差异中也占据一定权重，约占21.67%。我们最为关心的社会关系网络引起的性别歧视具有重要影响，大约18.71%的工资差异是社会关系网络所引起的性别歧视造成的。
结论
对不同性别的工资差异理由的研究可以帮助理解造成性别工资歧视的理由，并为相关政策的制定提供科学的依据，有助于社会公平和社会和谐的实现。本文从社会网络视角出发，通过最小二乘估计，得出影响城镇劳动力工资差异的影响因素，通过实证分析得出，社会关系网络会在很大程度上影响到不同性别劳动者的工资收入，相对于女性而言，男性更善于运用自己的社会关系网络获取更高的收入。通过Oaxaca-Blinder分解结果得出，劳动者工资差异主要是由于性别歧视引起，其中，社会关系网络所引起的性别歧视占较大比例。本文的研究结果加深了我们对社会资本这种非正式经济制度在不同性别劳动力市场中的作用的理解，配合体制改革的进程，为建立健康有序、公平竞争的劳务市场提供理论支撑。
参考文献：
1.Blinder，A.S.Wage Discrimination： Reduced Fo论文导读：
rm and Structural Estimates[J].Journal of Human Resources 8，1973
2.Oaxaca，R. Male-Female Wage Differentials in Urban Labor Markets.International Economic Review Vol.14（3），1973
3.姚先国，黄志岭.人力资本与户籍歧视[J].浙江大学学报（人文社会科学版），2008（6）
4.李实，杨修娜.农民工工资的性别差异及其影响因素[J].经济社会体制比较，2010（5）
5.李中建.近年来进城农村劳动力的收入差异理由研究综述与启迪[J].经济学动态，2012（5）
6.王震.基于分位数回归分解的农民工性别工资差异研究[J].世界经济文汇，2010（4）
7.田艳芳，李熙，彭璧玉.中国城镇劳动力市场性别工资差异研究[J].南方人口，2009（1）
8.李晓宁.城镇劳动力市场上的性别工资差异理由研究[J].统计与信息论坛，2008（9）
9.杨鹏，张广胜.农民工性别工资差异的实证分析—基于改善的Brown分解法[J].广东商学院学报，2012（4）
10.章元，陆铭.社会网络是否有助于提高农民工的工资水平？[J].管理世界，2009（3）
11.陈钊，陆铭，佐藤宏.谁进入了社会关系网络视角下社会资本与城镇劳动力市场的性别歧视相关论文由www.7ctime.com收集,如需论文.高收入行业？—关系、户籍与生产率的作用[J].经济研究，2009（10）
12.叶静怡，衣光春.农民工社会资本与经济地位之获得—基于北京市农民工样本的研究[J].学习与探索，2010（1）
13.叶静怡，周晔馨.社会资本转换与农民工收入—来自北京农民工调查的证据[J].管理世界，2010（10）
14.叶静怡，薄诗雨，刘丛，周晔馨.社会网络层次与农民工工资水平—基于身份定位模型的分析[J].经济评论，2012（4）