城镇居民工资方程和就业方程的联立估计

城镇居民工资方程和就业方程的联立估计 张世伟，周 闯 (吉林大学 数量经济研究中心) 【摘要】本文依据2002年CHIP调查数据，使用联立极大似然估计法对城镇居民的工资方程和 就业方程进行了联立估计。估计结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明人力资本、个人能力和父亲教育背景均会影响个体的工 资;配偶收入和学龄前孩子对女性的就业概率产生负向影响，但并不影响男性的就业概率;女性 教育收益率为9.65%，就业工资弹性为1.27，男性教育收益率为5.93%，就业工资弹性为0.45; 将联立估计结果与传统Heckman两阶段估计法对工资方程和Probit模型对就业方程的估计结果 相比较可以发现，传统方法低估了教育收益率和就业工资弹性。 关键词 工资方程 就业方程 联立极大似然估计法 Estimation of the wage and employment equation model on urban labor market by the simultaneous maximum likelihood method Abstract: This paper estimates wage and employment equation model on urban labor market by the simultaneous maximum likelihood method with CHIP-2002. The results show: human capital, personal ability and father’s education background of a person will affect his/her market wage; Partner’s income and preschool children have a negative effect on female employment probability but have no effect on male employment probability; Female return rate to education is 9.65% and employment elasticity to wage is 1.27; Male return rate to education is 5.93% and employment elasticity to wage is 0.45; Conventional Heckman two step procedure and Probit MLE underestimate the return rate to education and employment elasticity to wage. Key words: wage equation; employment equation; simultaneous maximum likelihood method 一、引 言 工资作为衡量劳动力市场发育程度的主要指标受到了众多学者的关注，劳动力市场化程度越 高，工资差异越能够体现个体人力资本的差异。在当前中国城镇劳动力市场上，解决城镇居民下 岗及失业问题，吸引―沮丧‖劳动力重新回到劳动力市场中，对于增加城镇家庭收入，解决城镇贫 困问题具有显著作用。由于工资和就业在劳动力市场中的重要性，研究工资和就业的决定因素， 从而使政策实施有的放矢具有明显的实际意义。 工资方程的研究起源于Mincer(1974)。Mincer方程是一个经验方程，关注于教育水平和工 作经验对工资的影响。早期的研究只使用就业个体样本估计工资方程，主要是由于未就业个体的 市场工资不可观测。如果忽略未就业个体样本，而仅仅依据就业个体样本，采用OLS方法估计 Mincer方程，必然会产生样本选择偏倚问题，从而使工资方程的估计结果存在偏差。个体是否 就业的一个重要决定因素是其所面对的市场工资，根据搜寻匹配理论，个体面对的市场工资越高， 就业概率越大。估计就业方程面临的一个重要问题依然是未就业个体不可观测的市场工资。如果 认为个体属性决定了个体的市场工资，那么在就业方程的估计中就可以不包含个体的市场工资， 市场工资对就业概率的影响通过个体属性发生作用。早期的研究沿着这一思路展开，即使用二元 结果模型分析个体属性对就业概率的影响，在方程的设定中不包含市场工资。然而，这种分析方 法所存在的主要问题在于无法确定市场工资这一主要的劳动力市场指标对就业所产生的影响。解决工资方程估计中样本选择偏倚问题的传统方法是Heckman两阶段估计方法，即第一阶段使用解释变量中不包含市场工资的二元结果模型估计就业方程，将由就业方程得到的逆米尔斯比(inverse mills ratio)作为使用OLS方法估计工资方程时的一个解释变量从而对工资方程进行修正。在得到工资方程的估计结果之后，可以对未就业个体的市场工资进行预测，将未就业个体市场工资的预测值作为就业方程的解释变量，再次使用二元结果模型确定市场工资对就业概率的影响。采用这一方法的研究最早起源于Gronau(1974)和Heckman(1976，1979)对女性劳动参与方程和工资方程的分析，之后，许多国家的学者分别采用微观数据进行了相应的研究。尽管Heckman两阶段估计法是工资方程估计中修正样本选择偏倚的主要方法，然而，Nawata(1993，1994，1995)指出了使用Heckman两阶段估计法修正样本选择偏倚时隐时现存在的不足。Nawata(2004)进一步指出了使用工资方程预测未就业个体的市场工资并将其作为就业方程的解释变量 2004)认为使用联立极大似然估计法对工资方估计就业方程时的不足。在此基础之上，Nawata( 程和就业方程进行联立估计可以得到一致、有效的估计量。 国内关于工资方程的研究多数侧重于使用Mincer方程分析教育水平对个体收入的影响，即对教育收益率进行估算。李实等(2004)依据中国社会科学院经济研究所―中国城乡居民收入分配‖课题组的家庭调查数据，使用OLS方法估算了城镇居民教育收益率，并分析了教育收益率的变动趋势，发现随着中国经济改革，特别是企业改革的深化，居民教育收益率呈逐年升高趋势。王海港等(2007)利用同样的数据使用分层线性模型重新估算了我国居民教育收益率，发现城镇居民教育收益率的差异主要是由省内城市间的差异引起的，并且劳动市场的发育确实有利于提高教育收益率。王德文，蔡昉，张国庆(2008)使用Heckman两阶段估计法，修正了样本选择偏倚问题后分析了农村迁移劳动力的Mincer工资方程，发现城市劳动力市场上农村劳动力工资收入者的教育回报率估计结果处于5.3%-6.8%之间。 宏观经济波动、产业结构变动和国有企业承包改革造成的严重下岗和失业，以及因―沮丧工人效应‖导致劳动参与率下降，是我国劳动力市场的最重要特征(蔡昉，都阳，王美艳，2004)。在这样的情况下，研究我国城镇劳动力市场上哪些因素会促进个体就业，哪些因素导致个体失业或者是退出劳动力市场对于解决城镇就业问题，缓解城镇贫困就具有重要的现实意义。有研究表明，失业及退出劳动力市场是导致城镇家庭陷入贫困的主要原因(张世伟，周闯，2008)。由于劳动经济学的研究在我国起步较晚以及微观数据的匮乏，从微观角度分析就业影响因素的研究并不多见。李实、邓曲恒(2004)使用Probit模型分析了城镇中具有哪些特征的个体更容易失业，并进一步分析了失业群体中具有什么样特征的个体更容易再就业。蔡昉等(2004)采用Multinomial logit模型分析了决定个体处于就业、失业和退出劳动力市场三种状态的因素。 从笔者所收集的文献来看，目前国内城镇劳动力市场中工资方程和就业(或者失业)方程的研究都是分别进行的，并没有将二者联系起来进行联立估计的研究。按照Nawata(2004)的观点，分别独立估计工资方程和就业方程，估计结果必然存在着偏差。本文试图使用联立极大似然估计法对城镇劳动力市场中的工资方程和就业方程进行联立估计，从而得到更加准确的估计结果。本文所使用的数据是2002年CHIP调查数据，为将联立估计的结果与分别独立估计的结果进行对比，本文同时使用传统估计方法对工资方程和就业方程进行了估计，重点关注于两种估计方法所得到的教育收益率和就业工资弹性估计值的差异。本文第二部分给出工资方程的就业方程和设定形式;第三部分对所使用的数据进行描述，并且给出估计结果;最后给出本文所得到的结论。 二、工资方程和就业方程的设定 **h假定表示个体的工作时间，表示个体工作时间等于零时的工资，即保留工资，由wwiiiii 下式给出: *'**， (1) wxuin,，,,, 1,2,...,iii1**表示影响个体保留工资水平的个人属性向量，为系数向量，为随机扰动项，其中，xuni,1ii*表示观测值的数量。假定当个体工作时，其市场工资为，当大于时，个体选择就业，wwwiiiii 即: *'**。 (2) wxuw,，,,iiii1*方程(2)的两边同时除以的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差可以得到就业方程: ui*， yly,,(0)ii*'， (3) yxwuin,，，,,,, 1,2,...,iiii1 其中，表示代理变量，当个体就业时，未就业时。表示指标函数，当括号y,1yy,0l()iiii 内的条件成立时，否则。 l()1,l()0, 假定工资方程由下式给出: '， (4)wx,，,,iii2'其中，表示影响个体市场工资的解释变量，为随机扰动项，和可能包含不同的解,xxxii2i1i2i2和独立同分布，均值为0，方差分别为1和。方程(3)和(4)是就业方程和释变量。u,,ii, 工资方程的结构式。 把(4)代入(3)可以得到: *， yly,,(0)ii*''''， (5) yxxuxx,，，，,，，,,,,,,,,,()()iiiiiiii1212222其中，，，。假定包含和的所有解释变,,,,，uCov(,),,,,,xxxV()1,,,,，iiiii,i1i2ii, )可以写成如下的简化形式: 量，(2.5 *' (6) yx,，,,iii 工资方程的估计通常采用传统Heckman两阶段估计法(Heckman，1974，1979)。Nawata(1993，1994，1995)指出尽管Heckman两阶段估计法所得估计量是一致的，但并不是渐近有效的。就业方程的估计通常采用Probit MLE估计。因为未就业个体的市场工资无法观测，在估计就业方 ˆ程时，对未就业个体通常采用的拟合值代替，然而，Nawata(2004)指出，对未就业wwwiiii ˆ个体使用替代时，所得到的估计量是不一致的，主要问题是(1)就业方程的随机扰动项wwii ˆ不再服从i.i.d正态分布;(2)作为就业方程的解释变量与误差项相关。如wywyw,，,(1)iiiii'ˆˆ果所包含的变量至少有一个不在中，那么对所有的观测值均使用代替所得到xxwwx,,2i1iiii2的估计量是一致的(Blundell and Smith，1994)。然而，Nawata(2004)指出这个估计量同样存在问题:(1)如果包含中的所有变量，这个估计量并不能计算;(2)即使这个估计量可以xx1i2i 计算，它也不是渐近有效的。 基于上述考虑，Nawata(2004)提出可以使用联立极大似然估计法对工资方程和就业方程 '''2进行联立估计。假定，,和分别表示标准正态分布函数的概率分布函数和,,,,,,(,,,),,2222概率密度函数。因为，，并且，因而可以得到工Cov(,),,,,,V(),,,V()1,,,,，ii,i,i, 资方程和就业方程联立估计的极大似然函数为: '''xx,,,，()wx,,1'iiii122 (7) ，,,[1{}]Lxw()[()()],,，,,,,,,ii122,,,,yy01，1,,,vii, ˆ最大化(2.7)可以得到一致的、渐近有效的估计量。由于似然函数并不是和,的凹函数，,,,标准优化算法可能并不收敛到全局最大值，Nawata(2004)同时给出了最大化(7)的算法。 结合上面的论述和所使用的数据集，本文对就业方程的经验形式进行如下的设定: *'yXWAGEu,，，,,ln() (8) iiii1 其中，表示影响个体就业的个体属性向量，包括年龄、户主、党员、教育年限、健康、Xii 配偶收入、学龄前孩子以及省份代理变量，表示个体所面对的市场工资的对数，ln()WAGE,ii 表示个人属性向量的系数，表示对数市场工资的系数。根据搜寻匹配理论，个体面对的市场工, 资越高，超过保留工资的概率从而就业概率越大，预期市场工资的系数为正;根据生命周期理论，个体年龄的增加会降低就业概率，预期年龄的符号为负;党员和教育年限反映了个体的人力资本情况，根据人力资本理论，人力资本水平越高，就业概率越大，预期党员和教育年限的系数为正;身体健康能够促进个体就业，预期健康的系数为正;配偶收入的增加可以看作是个体非劳动收入的增加，收入效应会对个体的就业产生负向作用，预期配偶收入的系数为负;具有学龄前孩子增加了个体的家庭工作量，降低市场就业的概率，另一方面，具有学龄前孩子意味着更大的家庭支出，会促进个体就业从而获得更多的收入，学龄前孩子对就业的影响方向是不确定的;最后，由于各个地区的经济环境存在着差异，在就业方程中加入省份代理变量加以控制。 工资方程的经验设定采用如下形式: ' (9) ln()WAGEX,，,,iii2 包含了基本人力资本理论认为，个人收入差异来源于人力资本投资和积累的差异，X2iMincer方程中反映个体人力资本水平差异的教育年限、工作经验和工作经验平方。利用基本Mincer方程时存在的一个重要问题是个人能力的异质性问题，即能力偏差问题(Griliches，1977)，为对个人能力的异质性加以控制，包含了两个表示个人能力的变量:高中毕业的学校是否是X2i 重点中学和大学是否通过全国统一高考录取。如果个体所毕业高中是重点中学或者是通过全国统一高考录取上大学， 说明 关于失联党员情况说明岗位说明总经理岗位说明书会计岗位说明书行政主管岗位说明书 个体具有较高的能力。Shultz(1988)指出家庭背景可以作为未观测变量的代理变量如个体的技能和教育质量，因而，在中包含对家庭背景加以控制的两个变量:X2i 父亲是否上过大学和母亲是否上过大学。最后，考虑到不同地区的经济环境会对个体工资产生的不同影响，还包含了省份代理变量。 X2i 三、数据描述和估计结果 本文分析所使用的数据来自于2002年CHIP调查数据，该样本覆盖了我国东、中、西三大地 ?区12个省份60多个城市近万个家庭，调查内容包括个人及家庭的基本信息，包括收入、消费和财产情况，同时对就业个体、失业个体以及离退休人员的相关信息分别进行了调查。由于调查中的已婚个体占据了劳动人口的决大多数，并且考虑到已婚个体的就业选择行为与未婚个体的就业选择行为存在着差异，本文选取了已婚样本作为分析对象。分析中将女性样本年龄限制为小于55岁，男性样本年龄限制为小于60岁的劳动年龄人口，并去除掉了离休、退休、提前退休、丧失劳动能力者、在校学生以及待分配和待升学者。由于私营企业主和个体经营者的收入受到物形资产的影响，工资形式与其他职业类型就业者的工资形式不同，因而，在样本中删除了职业类型为私营企业主和个体户主的个体。由于当年有过失业或下岗经历个体的工资形式可能与全年就业个体的工资形式存在着差异，进一步在样本中去除了这一部分个体。最后，得到已婚女性样本数为3756，已婚男性样本数为4314。表1给出了所选样本中处于就业、失业和退出劳动力市场的人数。其中，失业的定义采取李实、邓曲恒(2004)的定义方式，即在2002年底仍处于失业、下岗、离岗(放长假)、内部退休、待业状态的经济活动人口。将家庭劳动者和其他非就业者定义为退出劳动力市场人口。从表1可以看出，在所选样本中已婚男性的就业率为92.74%，大于已婚女性的就业率80.19%。 表1 劳动年龄人口的分布 就业 失业 退出劳动力市场 ? 其中东部地区包括北京、辽宁、江苏和广东，中部地区包括安徽、河南、湖北和山西;西部地区包括重庆、四川、云南和甘肃。 女 性 2988 525 213 男 性 4001 300 13 表2给出了分析中所采用变量的统计性描述。其中个人属性变量中的户主、党员、健康情况为取值为0或1的代理变量。如果个体是户主，户主代理变量的取值为1;如果个体是党员，党 ;如果个体认为与同龄人相比身体情况很好、较好或者是一般，健康情况员代理变量的取值为1 变量取值为1;年龄、教育年限和工作经验的单位为年。体现个人能力的重点中学和大学录取为取值为0或1的代理变量。如果个体高中毕业并且毕业于重点中学，重点中学代理变量的取值为;如果个体上大学是通过全国统一高考录取，大学录取代理变量的取值为1。家庭情况变量中1 的学龄前孩子是取值为1或0的代理变量，如果个体具有学龄前孩子，取值为1;配偶收入为年收入，单位为元;体现家庭背景的两个变量均为取值为0或1的代理变量。如果父亲或母亲上过 ?大学，相应变量的取值为1。最后，小时工资由就业个体的年工薪收入除以年工作小时数得到。 表2 样本的统计描述 女 性 男 性 均 值 标准差 均 值 标准差 个体属性: 41.26 6.63 44.47 7.31 年 龄 0.33 0.47 0.69 0.46 户 主 0.22 0.41 0.41 0.49 党 员 10.91 2.97 11.40 3.09 教育年限 0.95 0.22 0.96 0.20 健 康 18.78 9.24 24.07 8.55 工作经验 个人能力: 0.23 0.42 0.26 0.44 重点中学 0.09 0.28 0.15 0.35 大学录取 家庭情况: 13595.16 9930.78 9326.68 7467.40 配偶收入 0.08 0.27 0.07 0.26 学龄前孩子 父母教育背景: 0.08 0.27 0.07 0.25 父亲大学毕业 0.02 0.15 0.02 0.14 母亲大学毕业 5.61 5.38 小时工资 6.54 5.76 表3分别给出了工资方程的联立极大似然估计和Heckman两阶段估计的结果。在两种估计方法下，大部分变量的符号均与预期相符，进一步对比两种估计方法所得到的结果可以发现，在两种方法下大部分个体属性变量系数估计值的符号都相同，个别变量系数估计值的显著性存在差异，估计结果的主要差异体现为系数估计值大小的差异。在女性工资方程中，经验以及经验平方项的系数估计值在两种估计方法下均显著，并且呈边际递减趋势，这与人力资本理论是一致的;党员变量的系数估计值在Heckman两阶段估计法下并不显著，然而，在联立极大似然估计法下显著为正，这说明具有党员身份会增加个体的工资;重点中学和大学录取的系数估计值在两种估 ? 年小时工作数由年工作月数、月工作天数以及每天的工作小时数相乘得到。 计方法下均显著为正，这说明能力越高的个体，工资水平相应越高。父亲大学毕业和母亲大学毕业的系数估计值在Heckman两阶段估计法下均不显著，而在联立极大似然估计法下，父亲大学毕业却对个体的工资具有正向影响，母亲大学生毕业则没有影响，这说明父亲的教育背景影响了个体的劳动力市场表现从而影响了个体的市场工资。省份代理变量的系数估计值具有不同程度的显著性，说明地区间经济环境的差异导致了劳动力市场中女性工资水平的差异。在男性工资方程中，除教育平方项在Heckman两阶段估计法下不显著外，其他个体属性变量的系数估计值在两种方法下均显著。省份代理变量的系数估计值均显著，同样说明了地区经济环境的差异对男性工资产生了不同的影响。最后，对工资方程中教育年限的系数估计值加以详细讨论。Heckman两阶段估计法得到女性和男性教育收益率分别为4.43%和4.76%，男性教育收益率虽然高于女性教育收益率，但两者仅相差0.33个百分点。然而，联立极大似然估计法得到女性教育收益率为9.65%，男性教育收益为率5.93%，女性教育收益率要比男性教育收益率高出3.72个百分点。这说明Heckman两阶段估计法低估了男性和女性教育收益率，并且没有揭示出女性教育收益率高于男性教育收益率这样的事实。联立极大似然估计法得到的结果与已有研究所得到的结论是一致的。Zhang和Zhao(2002)的研究表明女性教育收益率要高于男性教育收益率，而且随着时间的推移两者有扩大的趋势。 表3 工资方程的估计结果 女 性 男 性 联立极大似然 Heckman两阶段 联立极大似然 Heckman两阶段 0.0965*** 0.0443*** 0.0593*** 0.0476*** 教育年限 0.1108*** 0.0287*** 0.0333*** 0.0137** 经验 -0.0022*** -0.0003* -0.0005*** -0.00002 经验的平方 0.1411*** -0.0132 0.1679*** 0.1150*** 党 员 0.1211*** 0.1019*** 0.0894*** 0.0779*** 重点中学 0.1864*** 0.1478*** 0.1337*** 0.1295*** 大学录取 0.0954** 0.0722 0.1376*** 0.1420*** 父亲大学毕业 -0.0821 -0.0089 0.0034 0.0188 母亲大学毕业 北京 -0.3992*** -0.3100*** -0.3683*** -0.3725*** 辽宁 -0.0938 -0.0305 -0.2669*** -0.2132*** 江苏 0.4157*** 0.4835*** 0.1538*** 0.2391*** 广东 -0.4666*** -0.2318*** -0.5221*** -0.4232*** 山西 -0.4222*** -0.1170 -0.4258*** -0.3355*** 安徽 -0.3701*** -0.2401*** -0.5374*** -0.4644*** 河南 -0.2089*** -0.0878 -0.4543*** -0.3492*** 湖北 -0.2663*** -0.1187 -0.3910*** -0.3365*** 重庆 -0.2191*** -0.1418** -0.4785*** -0.4476*** 四川 0.0115 0.0443 -0.2990*** -0.2416*** 云南 -0.474*** -0.2790*** -0.5632*** -0.4900*** 甘肃 -0.908*** 0.7105*** 0.6988*** 1.0695*** 常数项 -0.6070*** -0.6292*** 逆米尔斯比 0.6858 0.6011 ,, 注:*，**，***分别表示在10%，5%，1%的水平下显著。 表4分别给出了使用联立极大似然估计法和Probit模型的极大似然估计法对就业方程进行估计的结果。对比两种方法得到的结果可以发现，个体属性变量的系数估计值在两种方法下对就业概率的影响表现出了相同的趋势并且与理论预期相符，两种方法所得结果的差异主要体现为系数估计值大小的差异。在女性就业方程中，随着年龄的增长，就业概率呈递减趋势，这与生命周期理论是一致的;个体为户主，就业的概率将增加;党员和教育年限体现了个体的人力资本禀赋，个体为党员，受教育年限越高，就业的概率越大;健康能够促进个体的就业;当使用Probit模型时，配偶收入系数的估计值并不显著，但是当使用联立极大似然估计时，配偶收入系数的估计值显著为负，这说明配偶收入的增加会降低女性就业的概率，收入效应为负;两种估计方法下，学龄前孩子的系数估计值均在10%水平下显著，说明具有学龄前孩子增加了女性的家庭劳务负担，倾向于降低女性的就业概率。省份代理变量系数的估计值在两种估计方法下具有不同程度的显著性，说明地区经济环境的差异会影响女性的就业概率。在两种估计方法下，男性就业方程中除配偶收入和学龄前孩子数之外的其他个体属性变量对就业概率的影响与女性相同，配偶收入和学龄前孩子的系数估计值均不显著，说明男性就业概率受家庭因素影响较小。省份代理变量的系数估计值在两种估计方法下同样具有不同程度的显著性，说明地区经济环境的差异会影响男性个体的就业概率。最后，重点关注于对数小时工资的系数估计值。在两种方法下，女性和男性就业方程中对数小时工资的系数估计值均为正，说明女性和男性的就业概率均随市场工资率的增加而增加，这与搜寻匹配模型的理论预期相一致。无论是女性还是男性就业方程，采用Probit模型得到的对数小时工资的系数估计值均小于联立极大似然估计法得到的系数估计值，这说明使用Probit模型所得到的就业方程低估了市场工资对个体就业概率的影响。依据联立极大似然估计法得到的 ?对数小时工资的系数估计值，在样本均值处计算女性和男性的就业工资弹性分别为1.27和0.45。国外多数关于劳动供给的经验研究发现，女性的劳动供给弹性大于男性的劳动供给弹性，并且劳 ?动参与弹性要大于工作时间弹性(Blundell和Macurdy，1999)，本文的研究并没有考虑劳动供给的另一方面，即工作时间，但是从就业角度看，女性的就业工资弹性大于男性的就业工资弹性，这一点与国外研究所得出的结论相一致。 表4 就业方程的估计结果 女 性 男 性 联立极大似然 Probit 联立极大似然 Probit 1.0198*** 0.3418*** 0.4228*** 0.1282** 对数小时工资 -0.0395*** -0.0316*** -0.0468*** -0.0456*** 年龄 0.3297*** 0.4474*** 0.1843*** 0.2068*** 户主 0.6340*** 0.6820*** 0.3053*** 0.3536*** 党员 0.0407*** 0.1073*** 0.0279** 0.0452*** 教育年限 0.3897*** 0.3381*** 0.7404*** 0.7536*** 健康 -0.1245*** -0.0385 0.0034 0.0502 配偶收入 -0.1087* -0.2036* 0.2378 0.2088 学龄前孩子 北京 -0.3690* -0.3500** 0.0662 0.0008 辽宁 -0.6286*** -0.4065*** -0.4296** -0.4553*** 江苏 dP? 就业工资弹性的计算公式为:。 PdWAGE*ln() ?国外学者对于劳动供给的研究通常将在一年中工作一小时以上定义为劳动参与，这与就业的概念比较接近。由于调查数据的差异，本文直接使用就业进行分析。 -1.1070*** -0.6314*** -0.6925*** -0.6189*** 广东 -0.6469*** -0.8250*** -0.565*** -0.6864*** 山西 -1.0517*** -0.9736*** -0.542*** -0.6011*** 安徽 -0.7209*** -0.6403*** -0.4948*** -0.5851*** 河南 -0.9159*** -0.7447*** -0.6006*** -0.6698*** 湖北 -0.8214*** -0.6718*** -0.3081 -0.3539** 重庆 -0.6297*** -0.5154*** -0.1094 -0.1997 四川 -0.6989*** -0.4154** -0.4049** -0.4306** 云南 -0.5542*** -0.7137*** -0.4165** -0.5486*** 甘肃 1.4911*** 0.7281** 2.1083*** 2.2475*** 常数项 注:*，**，***分别表示在10%，5%，1%的水平下显著。在使用Probit模型估计就业方程的过程中，就业个体的真实对数小时工资和未就业个体的预测对数小时工资作为对数小时工资变量，其中，未就业个体的对数小时工资预测值由Heckman两阶段估计法得到。 四、结 论 本文使用联立极大似然估计法对城镇劳动力市场中的工资方程和就业方程进行了联立估计，并与使用Heckman两阶段估计法对工资方程和Probit模型对就业方程进行估计的传统估计方法所得到的结果进行了对比。工资方程扩展了基本Mincer方程的设定，引入了体现个人能力和家庭背景的变量。联立极大似然估计法所得工资方程的估计结果表明，人力资本的差异对个体的工资产生了影响，并且符合人力资本理论的预期，个人能力对个体的工资具有正向影响，能力越高，个体工资水平越高，父亲的教育背景对个体的工资产生了影响，父亲的教育背景越高，个体的工资水平越高。联立极大似然估计法和Heckman两阶段估计法所得到的工资方程的主要差异是教育年限系数估计值的差异，即教育收益率的差异。Heckman两阶段估计法得到的女性和男性教育收益率分别为4.43%和4.76%，男性教育收益率略高于女性教育收益率，联立极大似然估计法得到女性教育收益率为9.65%，男性教育收益为率5.93%，女性教育收益率要比男性教育收益率高出3.72个百分点。这说明Heckman两阶段估计法低估了男性和女性教育收益率，并且没有揭示出女性教育收益率高于男性教育收益率的事实。联立极大似然估计法所得就业方程中个体属性变量的系数估计值均与理论预期相符，配偶收入和学龄孩子在女性就业方程中显著，对女性的就业概率具有负向影响，而对于男性的就业概率没有影响，说明男性的就业概率受家庭因素影响较小。联立极大似然估计法得到的就业方程中，对数小时工资的系数估计值大于Probit模型得到的估计值，说明Probit模型低估了市场工资对就业概率的影响。依据就业方程中对数小时工资的系数，可以在样本均值处计算就业工资弹性的估计值，其中女性就业工资弹性为1.27，男性就业工资弹性为0.45，女性就业工资弹性大于男性就业工资弹性。 由于女性教育收益率和就业工资弹性均大于男性，并且女性的就业收入能够起到缩小家庭收入差距的作用(丁赛，董晓媛，李实，2007)，再就业培训等积极的劳动力市场政策将能够增加个体的人力资本，促进失业以及退出劳动力市场个体的就业，特别是能够促进女性就业，增加女性的就业收入，对于缓解城镇收入不平等，减少城镇贫困具有明显的作用。 参考文献 [1] 蔡 昉, 都 阳, 王美艳. 中国劳动力市场转型与发育 [M], 商务印书馆, 2005. [2] 丁 赛, 董晓媛, 李 实. 经济转型下的中国城镇女性就业、收入及其对家庭收入不平等的影响 [J]. 经济学(季刊),2007,6(4):1320-1338. [3] 李 实, 邓曲恒. 中国城镇失业和非正规再就业的经验研究 [J]. 中国人口科学, 2004, 4, 2-10. [4] 李 实, 丁 赛. 中国城镇教育收益率的长期变动趋势, 载李实、佐藤宏主编: 经济转型的代价——中国城市 失业、贫困、收入差距的经验分析, 中国财政经济出版社, 2004。 [5] 王德文, 蔡 昉, 张国庆. 农村迁移劳动力就业与工资决定: 教育与培训的重要性 [J]. 经济学(季刊), 2008, 7(4):1131-1148. [6] 王海港, 李 实, 刘京军. 城镇居民教育收益率的地区差异及其解释 [J]. 经济研究, 2007, 8, 73-81. [7] 张世伟, 周 闯. 城市贫困群体就业扶持政策的劳动供给效应——基于自然实验的研究 [J]. 经济评论, 2008, 6, 23-30. [8] Blundell R, Macurdy T. Labor Supply: A Review of Alternative Approaches [A] in O. Ashenfelter and D. Card, Handbook of Labor Economics [C], Amsterdam: Elsevier Science, 1999, 3, 1559-1695. [9] Blundell R, Smith J. Coherency and Estimation in Simultaneous Models with Censored or Qualitative Dependent Variables [J]. Journal of Econometrics, 1994, 64, 355–373. [10] Griliches Z. Estimating Returns to Schooling: Some Econometric Problems [J]. Econometrica, 1977, 45 (1):1-22. Schultz T. Education Investments and Returns [A], in Chenery H, Srinivasan T (eds.), Handbook of Development Economics [C], New York : North Holland , 1988, 1. [11] Gronau R. Wage Comparisons-a Selectivity Bias [J]. Journal of Political Economy, 1974, 82, 1119-1143. [12] Heckman J. The Common Structure of Statistical Models for Truncation, Sample Selection and Limited Dependent Variables and a Simple Estimator for such Models [J]. Annals of Economic and Social Measurement, 1976, 5, 475–492. [13] Heckman J. Sample Selection Bias as Specific Error [J]. Econometrica, 1979, 47, 152-161. [14] Mincer J. Schooling, Experience and Earning [M]. New York: Columbia University Press, 1974. [15] Nawata K. A Note on Estimation of Models with Sample-Selection Biases [J]. Economics Letters, 1993, 42, 15–24. [16] Nawata K. Estimation of the Sample-Selection Models by the Maximum Likelihood Estimator and Heckman’s Two-step Estimator [J]. Economics Letters, 1994, 45, 33–40. [17] Nawata K. Estimation of Sample-Selection Models by the Maximum Likelihood Method [J]. Mathematics and Computers in Simulation, 1995, 39, 299–303. [18] Nawata K, Ii M. Estimation of the Labor Participation and Wage Equation Model of Japanese Married Women by the Simultaneous Maximum Likelihood Method [J]. Journal of Japanese and International Economies, 2004, 18, 301–315 [19] Zhang J.H, Zhao Y.H. Economic Returns to Schooling in China, 1988-1999. World Bank Discussion Draft, 2002.