四 分析結果

表2-1分別給出了全部樣本和四個戶籍群體的描述性統計特征。這里只簡要歸納一下值得注意的幾項基本觀察。（1）移民人口（包括外地農村移民和外地城鎮移民兩個群體）要比本地居民年輕的多。（2）農村居民與城鎮居民相比在社會經濟地位上明顯處于劣勢，并且與其戶口所在地無關，這在受教育程度、職業的ISEI值及收入水平等指標上都有所體現。而且，外地城鎮移民看起來甚至比本地城鎮居民在這些指標上更具優勢。例如，超過75%的農村居民只具有初中及以下的文化程度，但卻有超過30%的城鎮居民完成了大專及以上的高等教育，而這一數字在外地城鎮移民中接近50%。（3）四個戶籍群體在城市勞動力市場中所處的位置具有明顯差異。用所有制標準來看，本地城鎮居民基本上是平均地分布在國有部門和非國有部門，而其他三組人群卻都高度集中在非國有部門（比例都超過85%），雖然他們在國有部門的就業比例各異。用行業標準來看，本地城鎮居民在壟斷部門的就業比例最高（超過20%），而其他三組人群卻都高度集中在非壟斷部門（比例都在90%及以上），雖然他們在壟斷部門的就業比例各異。

表2-1 樣本的描述性統計特征（上海，2005年）

表2-1 樣本的描述性統計特征（上海，2005年）-續表

這些描述性統計結果所傳達的信息是，城市勞動力市場中的戶籍分層模式具有十分復雜的情形，取決于考慮的是哪一種戶籍屬性（戶口所在地或者戶口類別）以及觀察的是哪一種就業結果。但是，目前我們尚無法確定戶籍身份的凈效應，因為這只不過是一種雙變量分析，沒有控制其他變量（例如人力資本）的作用。下面我們就將通過估計多變量模型來考察不同的戶籍群體在一系列就業結果上是否以及如何顯示出相似性或差異性，這分別包括對部門進入、職業獲得和收入差異的分析。

表2-2給出了部門進入的二項Logit模型。模型A的因變量為是否在國有部門就業，模型B的因變量為是否在壟斷部門就業。我們主要關心的是戶籍身份變量的作用。可見，在控制了性別、年齡和受教育水平這些個體特征之后，與本地城鎮居民相比，其他三組人群無論是進入國有部門還是進入壟斷部門的概率都顯著更低。這表明即使具備了相同的人力資本條件，農村居民和外來移民進入本地核心經濟部門就業的機會仍然受到限制。有趣的是：（1）當以所有制標準來反映城市經濟結構的分割性時（見模型A），戶籍身份變量主要體現的是戶口類別的差異（通常所說的城鄉差異），因為“本地農村”與“外地農村”兩個虛擬變量的系數在數值上更接近（-2.230與-2.135），^[10]而外地城鎮移民與本地城鎮居民之間的差異相對來說是比較小的（系數為-1.576）；（2）當以行業標準來反映城市經濟結構的分割性時（見模型B），戶籍身份變量則主要體現的是戶口所在地的差異（本地戶口相對于外地戶口的“價值”），因為本地農村居民與本地城鎮居民之間的差異最小（系數為-0.622），而外地農村移民和外地城鎮居民與本地城鎮居民之間的差異相對較大（系數分別為-1.641、-1.006）。^[11]

表2-2 部門進入的二項Logit模型（上海，2005年）

值得注意的是，后一個研究發現與張展新（2004）所提出并論證的“進入壟斷產業就業的‘梯度’假設”并不完全一致，它假設未遷移城市勞動者、遷移城市勞動者、未遷移農村勞動者和遷移農村勞動者進入壟斷行業的可能性依次降低。但本章研究在改進了對行業壟斷的測量方法后發現，^[12]這一“梯度”實際上依次是未遷移城市勞動者、未遷移農村勞動者、遷移城市勞動者與遷移農村勞動者。這一結果才真正符合該假設背后的因果機制和理論預期，即遷移勞動者作為“外來人”進入壟斷行業就業的機會要比未遷移勞動者小（張展新，2004：49）。我們認為，由于壟斷行業必然也存在一些低端就業崗位，當本地城鎮居民對這些崗位的勞動力供給不足時，本地農村居民就能優先分享這一“剩余”。雖然這種優先可能是來自社會性的，例如本地農村居民相對于外來移民在就業信息獲得或人際關系網絡上本來就具有優勢，但更顯見的卻是來自制度性的，例如本地就業問題的壓力或城鄉統籌發展的政策需要使得地方政府促使有關部門和單位優先吸納本地農村剩余勞動力。以上海為例，相關部門從2000年起要求單位新招用外來勞動力的，需要先進入上海職業介紹網絡招用本地勞動力，在招不到的情況下才可招用外來勞動力；還要求各單位按實際使用外地勞動力的人數繳納務工管理費和管理基金，以提高企業使用外來勞動力的成本（見袁志剛等，2005：207）。

我們現在轉入討論戶籍身份對職業獲得的影響。由于已有研究大多都關注不同戶籍群體之間的職業隔離，這里也以職業類別為因變量，使用多項Logit模型來進行分析。表2-3的結果顯示，不管是模型A還是模型B，在控制了一系列其他自變量后，社會群體在戶籍身份上的不同相應地導致了他們在城市勞動力市場上的職業位置的差異。與本地城鎮居民相比，本地農村居民和外地農村移民成為“商業/服務業人員”“辦事人員和有關人員”“單位負責人和專業技術人員”相對于成為“體力工人及其他”的概率無一例外地都在統計上顯著更低（兩個虛擬變量的系數幾乎在每一個方程中都顯著為負），但是外地城鎮移民成為“商業/服務業人員”“單位負責人和專業技術人員”相對于成為“體力工人及其他”的概率卻在統計上顯著更高（該虛擬變量的系數在第一和第三個方程中都顯著為正），他們成為“辦事人員和有關人員”相對于成為“體力工人及其他”的概率沒有顯著差異（該虛擬變量的系數在第二個方程中雖然為負，但是并不顯著）。因此，相對于本地城鎮居民而言，來自農村的就業者更多地被擠迫于城市勞動力市場的最低端（即使是本地農村居民也不例外），而外地城鎮移民則更多地流入“商業/服務業人員”及“單位負責人和專業技術人員”這兩個就業領域。顯然，如果“戶籍分割的勞動力市場”這一概念可以接受的話，那么它也是一個“三層”勞動力市場，而非通常所強調的“雙層”勞動力市場。

表2-3 職業獲得的多項Logit模型（上海，2005年）

以上觀察到的這種戶籍群體之間的職業差異，其背后有著特定的社會過程。中國城市中的產業工人大軍本來是以本地城鎮居民為絕對主力的，但1990年代中期以來的國企改革（下崗失業潮）已經將其中的許多人轉移了出來，而這期間同樣來勢迅疾的還有“民工潮”。因此，大量原本從事藍領工作的本地城鎮居民在這樣的雙重擠壓下，要么退出勞動力市場，要么轉而尋求其他替代性的職業，而商業性、服務性工作自然就成了他們的棲身之所。這樣一來，農村移民進入這種工作領域的空間就更被壓縮了，因為他們本來就相對缺乏這類職業對語言能力、溝通技巧和城市生活經驗等方面的“軟性”素質要求。就外來城鎮移民而言，他們主要是按教育水平區分的兩類人：一類人雖然接受了良好的高等教育，但由于種種原因而未能獲得本地城市戶口，^[13]因此他們主要流向白領職業；另一類人是未能接受良好高等教育的外地城鎮居民，他們流向大中城市的主要原因是那里的就業機會更多，即使他們只能從事商業性、服務性工作。我們的數據也傾向于支持這種分析：在成為“單位負責人和專業技術人員”的外來城鎮移民中，超過八成的人都有大專及以上的學歷；而在從事“商業/服務業”工作的外來城鎮移民中，約六成的人只有高中及以下的教育程度。

表2-3中的控制變量“部門”在模型A和模型B中的表現也值得比較。其相似之處是，商業性、服務性職業在國有部門比在非國有部門、在壟斷部門比在非壟斷部門更少（該變量的系數在第一個方程中顯著為負），表明這種就業崗位目前主要是由私有的競爭性經濟部門提供；不同之處是，國有部門提供的所謂的“好工作”“體面的工作”或“白領工作”崗位比非國有部門反而要少（該變量的系數在第二和第三個方程中為負，且后者統計顯著），而壟斷部門提供的這類工作卻比非壟斷部門要多（該變量的系數在第二和第三個方程中為正，且統計顯著）。這表明國有企業在經歷了一系列改革之后，內部的職業結構已經趨于按需配置，不再像計劃經濟時期那樣能夠顯著地提升職業地位，但是行業的壟斷性質卻有跡象成為中國城市社會中人們職業地位的一個新的決定因素。將ISEI作為因變量的補充性分析也得到了類似的結果：使用與本模型相同的變量，國有部門就業人員比非國有部門就業人員的ISEI平均得分低0.43（p＜0.05），而壟斷部門就業人員比非壟斷部門就業人員的ISEI平均得分則高2.22（p＜0.001）。^[14]

對戶籍群體收入差異的多元回歸分析結果見表2-4。模型1是基準模型，包括表示戶籍身份的三個虛擬變量及其他一些基本自變量，模型A2和模型B2加入了部門這一控制變量，模型A3和模型B3進一步加入了三個虛擬變量與部門變量之間的交互項。由于三個模型都控制了個體的人力資本和職業細類，因此模型所反映的戶籍群體之間在收入上的顯著差異可以近似看作“同工不同酬”這樣一種社會歧視的經驗證據，因為這種收入上的顯著差異不能被我們觀察到的個體特征所解釋。^[15]在基準模型中，本地農村居民和外地農村移民的收入與本地城鎮居民相比都顯著較低（存在收入歧視），但外地城鎮移民與本地城鎮居民的收入卻并不存在顯著差異（不存在收入歧視）。當加入以所有制為劃分標準的部門變量以及三個交互項后（見模型A2和模型A3），發現第一個交互項的系數統計顯著，且符號與第一個虛擬變量的系數相反，表示本地農村居民所受到的收入歧視在國有部門中大幅度減小（但其他兩個交互項的系數并不顯著）。然而，當加入以行業為劃分標準的部門變量以及三個交互項后（見模型B2和模型B3），一方面仍然發現本地農村居民所受到的收入歧視在壟斷部門有所減小，另一方面卻發現外地農村移民所受到的收入歧視在壟斷部門大幅增強了（第二個交互項的系數統計顯著，且方向與第二個虛擬變量的系數同為負），而外地城鎮移民在非壟斷部門本來還享有某些收入優勢但在壟斷部門卻受到了收入歧視（第三個交互項的系數統計顯著，且方向與第三個虛擬變量的系數相反）。

表2-4 收入差異的多元回歸模型（上海，2005年）

表2-4 收入差異的多元回歸模型（上海，2005年）-續表

以往的研究都強調在城市中就業的農民工普遍受到了收入歧視（見Meng & Zhang，2001；蔡昉等，2005；姚先國等，2008；田豐，2010），如果這種歧視論確實具有實質性意義，那么上述結果就進一步揭示了國有部門與非國有部門之間在這種歧視上似乎不存在明顯差別，而壟斷部門與非壟斷部門相比卻傾向于加劇這種歧視。為明確驗證這一結論，也為具體量化這種收入歧視的程度，我們用Blinder-Oaxaca分解來對城市居民與農民工之間的收入差異進行分解。Blinder-Oaxaca分解最初是被用來研究性別之間的工資差異（Blinder，1973；Oaxaca，1973），發展到后來已經被廣泛用于研究任意兩個群體之間在各種連續變量上的差異。以工資的性別差異為例，簡單地講，這種方法是把工資的性別差異分為兩大部分：一部分可以由性別的不同特征來解釋（特征效應，或可解釋部分），另一部分則不能由性別特征所解釋（系數效應，或不可解釋部分），而后者一般就被認為是歧視對工資性別差異的影響。如果用W_m表示男性的平均工資水平，用W_f表示女性的平均工資水平，再分別用X_m和X_f分別表示男性和女性的一系列個人特征的均值，則兩性的工資決定方程分別為：W_m=X_mβ_m，W_f=X_fβ_f。于是，Blinder-Oaxaca分解用公式來表示就是：

W_m-W_f=（X_m-X_f）β_f+（β_m-β_f）X_m^[16]

其中，等式右邊的第一部分為可解釋部分，第二部分為不可解釋部分。我們對該分解方法的應用設定如下：（1）比較的兩個群體分別是本地城鎮居民和農村戶籍勞動力（包括本地農村居民和外地農村移民，他們都屬于通常所說的農民工）；（2）收入變量使用的是月收入的對數值，且兩個群體各自的收入方程中的自變量也與表2-4中模型的主要自變量相同，即性別、年齡、年齡的平方、受教育程度、兩位碼職業的ISEI分值、每周工作時間；（3）先對全部樣本做分解，再將樣本劃分為國有部門就業者和非國有部門就業者之后分別做分解，再將樣本劃分為壟斷部門就業者和非壟斷部門就業者之后分別做分解。結果如表2-5所示。

表2-5 本地城鎮居民與農民工收入對數差異的Blinder-Oaxaca分解（上海，2005年）

就全部樣本來說，本地城鎮居民的月平均收入水平是農村戶籍人口月平均收入的1.6倍（e^0.454=1.6），即使是分經濟部門來看，這一數字也都在1.4～1.6，兩個群體之間的收入差異是相當明顯的。總體上來說，這種收入差異更多地可以用個人特征來解釋，社會歧視因素約占35.5%。即使將城市經濟結構分為國有部門和非國有部門，結果也沒有太大的不同。但是，當把城市經濟結構分為壟斷部門和非壟斷部門來比較時，卻顯示出了很大的反差：非壟斷部門對農民工的收入歧視只有31.9%，而壟斷部門卻高達50.6%。由此可見，分割性的經濟結構對戶籍收入分層的調節作用并不是沿所有制維度展開的，而是沿行業壟斷維度展開的。目前對農民工的收入歧視并不因企業的所有制性質而有所不同，但卻在壟斷行業中表現得更為嚴重。至于壟斷行業中的農民工（尤其是外地農村移民）為何會受到更為嚴重的收入歧視，可能的原因是他們只不過是作為臨時的、替補的、外圍的勞動力被招募，而不享有正式員工的工資和福利待遇。這與外來城鎮移民被發現在壟斷行業反而遭受收入歧視的邏輯應該是一致的。^[17]