李紅陽，邵 敏

（南開大學(xué) 經(jīng)濟學(xué)院，天津 300071）

一、引 言

臨時性就業(yè)方式已經(jīng)成為我國彈性就業(yè)的一個重要組成部分。世界銀行對我國制造業(yè)企業(yè)投資經(jīng)營環(huán)境調(diào)查的數(shù)據(jù)顯示，2004年12 400家抽樣企業(yè)中約63.69%使用了臨時工，臨時工使用比重平均達到了34.66%，有些企業(yè)甚至使用了100%的臨時工。2011年2 700家抽樣企業(yè)中仍有約36.44%使用了臨時工，臨時工使用比重平均達到了20.57%，有些企業(yè)甚至使用了95.89%的臨時工。在國際和國內(nèi)市場競爭愈演愈烈的情況下，企業(yè)一方面希望通過雇傭臨時工降低成本，另一方面希望借此達到根據(jù)市場需求適時增減工作人員和靈活經(jīng)營的目的（Picchio，2008）。因而，臨時性就業(yè)方式可以有效降低失業(yè)率，使勞動力市場富有彈性。然而，已有研究表明，臨時性就業(yè)方式不僅會降低勞動者工資收入、擴大工資差距，從而加劇勞動力市場二元分割、降低就業(yè)質(zhì)量，還會抑制人力資本有效積累（Booth等，2002；A lvarado，2014）。而勞動者知識技能的提高所帶來的人力資本積累是順利實現(xiàn)經(jīng)濟結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)轉(zhuǎn)型升級的重要保障。因而如何利用臨時性就業(yè)在保持勞動力市場彈性的同時達到提高就業(yè)質(zhì)量、收入水平和為產(chǎn)業(yè)轉(zhuǎn)型升級提供人才保障則具有重要的現(xiàn)實意義。本文以個體工資收入為分析對象，探討臨時性就業(yè)對我國勞動力工資收入的影響及其內(nèi)在機制。

風(fēng)險溢價理論認為固定期限合同勞動者會面臨較高的失業(yè)風(fēng)險，因此在簽訂契約時應(yīng)獲得較高的時薪作為風(fēng)險溢價的補償（Rosen，1985）。然而Leandro（2010）指出，發(fā)展中國家的臨時性就業(yè)會導(dǎo)致個體的工作安全感和收入較低，獲得正規(guī)教育和培訓(xùn)項目的可能性較小。因而臨時性就業(yè)者缺少獲得正式工作機會的關(guān)鍵要素和職業(yè)晉升機會，也難以習(xí)得可以使用的通用技能（Arulampalam和Booth，1997）。這會降低臨時性就業(yè)者的收入，加劇發(fā)展中國家國內(nèi)勞動力市場的脆弱性（Gash和M cGinnity，2007）。但也有些勞動者本身更愿意選擇臨時性就業(yè)。有研究表明，擁有高生產(chǎn)率的工人即高技能工作者更偏好于從事臨時性工作，例如電腦系統(tǒng)專家等會將高薪的臨時工作視作自我雇傭的一種形式（Booth等，2002）。因此，臨時性就業(yè)會對我國勞動者的工資收入產(chǎn)生何種影響，需要通過細致的實證分析來給出答案。

國外學(xué)者根據(jù)合同期限長短，對固定期限合同和永久合同的收入差距進行了大量的相關(guān)研究。第一類文獻從實證角度考察固定期限合同和永久合同的收入差距。然而結(jié)論與風(fēng)險溢價理論相反，大量實證研究表明，固定期限合同勞動者工資明顯低于永久期限合同勞動者。如Jimeno和Toharia（1993）針對西班牙的研究發(fā)現(xiàn)，在控制了可觀測的個體特征和工作特征后，臨時工工資比永久雇傭工人工資低約9%?11%。Picchio（2008）針對意大利的研究發(fā)現(xiàn)，永久性和固定期限雇員之間的工資差異在7%?20%之間變化不等。A lvarado（2014）針對哥倫比亞的研究發(fā)現(xiàn)，固定期限合同勞動者收入較永久合同勞動者低43%，在控制了個體和工作特征后，修正的差距約為10%。第二類文獻則從實證角度考察固定期限合同是否是獲得永久性工作的墊腳石。如Booth等（2002）針對英國的研究發(fā)現(xiàn)，臨時合同可以成為通向永久合同的墊腳石。臨時性就業(yè)者在工作期間可通過學(xué)習(xí)彌補工作經(jīng)驗的不足，縮小工資差距，甚至女性勞動者可以通過積累經(jīng)驗實現(xiàn)工資的追趕（Bosio，2009）。然而，也有研究認為固定期限合同一旦簽訂，則很難轉(zhuǎn)換為永久合同（Scherer，2004；Pavlopoulos，2013）。Scherer（2004）指出，以固定期限合同進入勞動力市場后很難獲得具有前景的職業(yè)機會且有較高的失業(yè)風(fēng)險。Pavlopoulos（2013）也發(fā)現(xiàn)，部分簽訂固定期限合同的勞動力只能再獲得短期固定合同或經(jīng)歷失業(yè)。與國外長期以來針對不同就業(yè)合同期限的勞動者進行的研究不同，國內(nèi)現(xiàn)有研究集中在非正規(guī)與正規(guī)就業(yè)人員間的收入差距（魏下海和余玲錚，2012），福利水平差異（吳要武和蔡，2006）以及是否簽訂勞動合同對于工資拖欠、收入和福利的影響（陳祎和劉陽陽，2010；Gao等，2012）。鮮有文獻從就業(yè)期限差異出發(fā)關(guān)注臨時性就業(yè)對勞動者的工資收入產(chǎn)生何種影響。

本文的貢獻主要體現(xiàn)在以下三點：第一，從研究視角看，已有文獻研究的非正規(guī)就業(yè)同時包括臨時性就業(yè)人員、自雇傭者和家庭幫工等，這些就業(yè)方式人員的自選擇表現(xiàn)形式各有差異，且其與正規(guī)就業(yè)者的工資差距形成機理也各有不同，實證分析中應(yīng)區(qū)別對待。本文所關(guān)注的臨時工指面臨一年以內(nèi)需要重新受雇的就業(yè)狀態(tài)，主要代表了勞動力市場中就業(yè)不穩(wěn)定的人群，即面臨經(jīng)濟下滑、金融危機或健康問題時，就業(yè)更為困難或失業(yè)時間較長的群體。本文充分利用微觀調(diào)查數(shù)據(jù)CHIP2007的特點，從就業(yè)期限差異的角度詳細討論了臨時工和正式工之間的工資差異。第二，從研究方法上看，從非正規(guī)與正規(guī)就業(yè)角度出發(fā)的文獻只控制了個體特征，忽略了個體就業(yè)方式的自選擇性（如Wang和Weiss，1998）對統(tǒng)計結(jié)果的影響，識別策略有效性有待進一步提高。由于臨時工與正式工同屬受雇合同工，本文在分析二者的工資差距時，可以對受雇單位特征進行控制，以得到更為無偏的估計結(jié)果。本文還采用異方差工具變量法并引入個體的小孩兒個數(shù)作為工具變量，較好地解決了由遺漏變量和個體就業(yè)方式自選擇性帶來的內(nèi)生性問題。此外，為進一步提高識別策略有效性，采用內(nèi)生性轉(zhuǎn)換模型控制樣本選擇性偏差和可觀測控制變量的影響，進一步考察臨時工與正式工間的工資差異。第三，在實證檢驗有效識別臨時性就業(yè)方式對勞動者工資收入的作用后，本文還對臨時性就業(yè)影響個體工資收入的影響機制進行甄別檢驗，即臨時性就業(yè)對個體人力資本積累的影響以及臨時性就業(yè)者是否能在中國勞動力市場上獲得補償性工資做進一步分析。

文章后續(xù)安排如下：第二部分為理論機制與研究假設(shè)；第三部分為數(shù)據(jù)來源與模型構(gòu)建；第四部分為不同就業(yè)類型勞動力差異的統(tǒng)計分析；第五部分為實證結(jié)果及分析；第六部分為主要結(jié)論。

二、理論機制與研究假設(shè)

本文所研究的“臨時性就業(yè)”指無合同的臨時工以及短期合同工（一年期以下合同），而將“長期合同工”和“固定工”視作“正規(guī)就業(yè)者”。這一定義將我們所考察的個體樣本限定于被雇傭者（即有工資收入的個體），不僅有利于基于相關(guān)的工資理論理清臨時性就業(yè)影響勞動力收入的理論機制，還便于控制雇主的相關(guān)特征以得到更為無偏的工資差距估計系數(shù)。臨時性就業(yè)對勞動者工資收入的影響主要體現(xiàn)在以下兩方面：

第一，補償性工資差異。根據(jù)補償性工資差異理論，工作的非貨幣特征會影響勞動者的效用，非貨幣特征不僅包括工作環(huán)境和事故風(fēng)險等，還包括就業(yè)穩(wěn)定性、雇主違約和失業(yè)風(fēng)險等（Rosen，1985）。一方面，當(dāng)工作條件較差，如勞動強度和危險程度較高時，為滿足企業(yè)用工的彈性需求，企業(yè)會通過支付較高的工資吸引臨時性就業(yè)者（孫睿君和李子奈，2010）。另一方面，正式工的勞動成本較高，即使是在面對經(jīng)濟危機、經(jīng)濟蕭條或企業(yè)經(jīng)營不善的情況下，企業(yè)還要支付正式工較高的離職金、退休金和違約金。而臨時工的勞動成本如保險福利、解約成本和違約成本較低（Guell，2000），臨時性就業(yè)者通常會面臨較高的失業(yè)風(fēng)險和具有較強的工作不穩(wěn)定性感受。那么在簽訂契約時，臨時工理應(yīng)獲得較高的時薪作為風(fēng)險溢價的補償（Rosen，1986）以及社會保障、離職金、退休金和違約金的補償（Jimeno和Toharia，1993）。由于勞動力會選擇使得個體效用最大化的就業(yè)類型，因而在其他條件相同的情況下，使用臨時工的企業(yè)應(yīng)支付更高的工資以吸引臨時性就業(yè)者。綜上所述，本文提出研究假說1：臨時性就業(yè)通過“補償性工資機制”提高了臨時性就業(yè)者的工資收入。

第二，人力資本積累途徑。臨時工和正式工之間還存在顯著的人力資本積累和變現(xiàn)差異。根據(jù)工資決定理論的人事變動模型，員工可通過積累工作經(jīng)驗和專用人力資本投資，獲得更高的薪水。原有雇主通常會選擇支付更高的工資（Leandro，2010）留住這類雇員。然而，由于正式工與雇主的勞動關(guān)系較為穩(wěn)定，臨時工的人力資本積累和投資機會均少于正式工（Hagen，2002）。

首先，臨時工較難獲得員工職業(yè)技能培訓(xùn)或進行自身人力資本投資的機會。Booth等（2002）和A lbert等（2005）的研究指出，一方面，提供員工培訓(xùn)的企業(yè)較不可能雇傭臨時合同勞動者，即使雇傭了臨時合同勞動者，這類勞動者參與企業(yè)特定培訓(xùn)的可能性也較低。對于臨時工，企業(yè)一般不需要提供與職業(yè)技能有關(guān)的培訓(xùn)。這不僅可以減少培訓(xùn)成本，還可以避免因臨時工流動性較大而帶來的流失已受訓(xùn)員工的風(fēng)險（A lbert等，2005）。另一方面，由于臨時勞動力面臨較差的自身經(jīng)濟條件和臨時性工作的不穩(wěn)定性感受，因此也較少對自身進行特定人力資本投資（Gash和M cGinnity，2007），嚴(yán)重影響了臨時工人力資本的有效積累。

其次，臨時性工作經(jīng)驗難以變現(xiàn)。勞動力市場的信息不對稱使得臨時勞動合同成為企業(yè)篩選員工的工具（Jimeno和Toharia，1993），也使得勞動者可以通過臨時性就業(yè)和人力資本積累獲得正式就業(yè)機會（Booth等，2002）。因而，雖然臨時工應(yīng)該獲得較高的補償性工資，但是臨時工受到就業(yè)身份轉(zhuǎn)換的激勵，也愿意接受暫時的低工資（Guell，2000）。然而，工作經(jīng)驗是提高工資水平的重要能力指標(biāo)（Pallais，2014），而已有研究表明，通常臨時工的工作經(jīng)驗只能再搜尋臨時性工作（Booth等，2002），臨時性工作經(jīng)驗難以提高勞動力的工資收入，進一步影響了人力資本的有效積累。綜上所述，本文提出假說2：臨時性就業(yè)方式通過“人力資本機制”降低了臨時性就業(yè)者的工資收入。

三、數(shù)據(jù)來源與模型構(gòu)建

（一）數(shù)據(jù)來源

本文實證分析的數(shù)據(jù)來源于國家統(tǒng)計局和北京師范大學(xué)中國收入分配研究院的2007年中國家庭住戶收入調(diào)查數(shù)據(jù)（CHIP）。該數(shù)據(jù)庫共包括三個數(shù)據(jù)集，即城市住戶調(diào)查、農(nóng)村住戶調(diào)查和城市農(nóng)民工調(diào)查。本文所采用的是城市住戶數(shù)據(jù)集和城市農(nóng)民工數(shù)據(jù)集。本文將這兩個數(shù)據(jù)集合并后共得到23 129個個體樣本，其中城市居民14 683個，城市農(nóng)民工8 446個。如前文所述，回歸中我們首先剔除了沒有工資收入和勞動關(guān)系的個體9 381個，其中城市居民7 578個，城市農(nóng)民工1 803個。在此基礎(chǔ)上，我們繼續(xù)剔除了年齡小于16周歲或者大于65周歲的個體，并剔除了就業(yè)類型為缺失值的個體，最后共得到分布于18個城市20個行業(yè)的11 231個個體，其中城市居民6 329個，城市農(nóng)民工4 902個。

（二）模型構(gòu)建

本文建立如下線性計量模型：

ln wagei=c+αinformali+βhumani+γZi+εi

（1）其中被解釋變量ln wagei為個體工資收入的對數(shù)值。回歸中我們采用個體的平均小時工資①小時工資數(shù)為月收入除以月工作小時數(shù)，月工作小時數(shù)的計算方法為當(dāng)前主要工作的周工作小時數(shù)除以7乘以30。月工資收入為當(dāng)前主要工作的月工資收入，包括工資、獎金、津貼和實物折現(xiàn)。指標(biāo)來度量個體的工資收入。關(guān)鍵解釋變量informali取值1表示個體為臨時性就業(yè)。根據(jù)前文的定義，結(jié)合2007年CHIP調(diào)查問題中個體對于問題“您當(dāng)前這份主要工作是哪種性質(zhì)”的回答，將“無合同的臨時工”和“短期合同工（一年以下）”的個體視作臨時性就業(yè)勞動力，將“固定工”和“長期合同工（一年及以上）”的個體視作正規(guī)就業(yè)勞動力。

humani為個體的人力資本變量集合，對應(yīng)理論機制的第一部分。1. 教育程度edu=1、2、3，分別表示“高中及以下”、“高中至大學(xué)包括大學(xué)”和“大學(xué)以上”。②教育程度分為三類，且皆包括畢業(yè)和肄業(yè)。2. 在該單位從事該職業(yè)的經(jīng)驗tenure為個體在2007年底在目前的單位從事該職業(yè)的時間。3. 健康狀況health={1，2，3，4，5}，表示與同齡人相比健康狀況分為5個等級，分別對應(yīng)非常好、很好、一般好、不好、很不好。大量研究均表明個體的受教育水平、健康狀態(tài)以及職業(yè)經(jīng)驗等個體特征會顯著地影響個體的工資收入（Pallais，2014；陳珣和徐舒，2014），同時，相關(guān)文獻研究成果也表明這些個體特征也會顯著地影響個體成為正規(guī)就業(yè)者的概率（Amuedo-Dorantes和De la Rica，2006）。

另外，模型中的Zi為控制變量集合，共包含四組控制變量CV1、CV2、I和J。其中CV1為個體特征層面的控制變量集合，包括兩組控制變量，分別對應(yīng)著理論機制部分的兩個機制。第一組為除人力資本外個體的質(zhì)量差異變量集合。1. 性別gender取值1表示女性；取值0表示男性。2. 年齡age為個體至調(diào)查年份即2007年的年齡值。大量研究表明，個體的性別、年齡等個體特征會顯著地影響個體的工資收入（秦立建等，2013；李實等，2014），同時也會顯著地影響個體成為正規(guī)就業(yè)者的概率（Jimeno和Toharia，1993；Booth等，2002）。此外，我們還加入了個體的戶籍身份變量，控制城市勞動力市場的二元分割對個體收入的影響。3. 戶籍身份變量migrant，取值1表示城市農(nóng)民工，取值0則表示城鎮(zhèn)居民。2007年中國勞動力市場上依然存在對農(nóng)民工明顯的工資待遇戶籍歧視，農(nóng)民工和城鎮(zhèn)職工工資差異中的36%無法用稟賦差異解釋（章莉和李實，2014）。第二組為補償性工資特征變量。個體當(dāng)前職業(yè)變量occupk（k=1，2，3），分別表示“各類專業(yè)技術(shù)人員和行政辦公管理人員”、“商業(yè)工作人員和服務(wù)性工作人員”、“生產(chǎn)運輸工人”，即以“其他人員”為參照基準(zhǔn)。

CV2為與個體所在企業(yè)特征相關(guān)的控制變量。1. 企業(yè)規(guī)模scale=1，2，3，4，5，6分別表示企業(yè)人數(shù)為[0，5]、（5，20]、（20，50]、（50，100]、（100，1 000）、[1 000，+∞），取值越大則表示企業(yè)規(guī)模越大。規(guī)模較小的企業(yè)，其員工工資收入較低（包群等，2011），同時其采用非正規(guī)雇傭方式雇傭勞動力的概率也較大（邵敏和包群，2013）。2. 企業(yè)所有制變量ownk=k=1，2，3 ，分別表示企業(yè)所有制為外資、國有企業(yè)和私營內(nèi)資，由此產(chǎn)生三個虛擬變量，以其他內(nèi)資企業(yè)為參照基準(zhǔn)，控制我國個體勞動力收入所存在的所有制差異。A lvarado（2014）等文獻的研究結(jié)果表明，勞動力所在企業(yè)的所有制特征也會顯著影響勞動力被該企業(yè)以非正規(guī)方式雇傭的概率。

向量I為個體所在行業(yè)的虛擬變量。樣本個體共分布于20個行業(yè)中，由此產(chǎn)生了19個虛擬變量（二元），其中以制造業(yè)為參考基準(zhǔn)。行業(yè)虛擬變量主要是控制行業(yè)要素密集度和壟斷程度等行業(yè)因素對行業(yè)內(nèi)個體所固有的工資收入差異和就業(yè)身份的影響。向量J為個體所在的城市虛擬變量。樣本分布于中國18個有代表性的城市，因此產(chǎn)生了17個城市虛擬變量（二元），其中以樂山市為基準(zhǔn)。城市虛擬變量主要是控制城市地理位置、勞動力市場制度和經(jīng)濟發(fā)展水平等城市因素對于個體收入和就業(yè)身份的影響。

四、不同就業(yè)類型勞動力特征和工資差異

（一）不同就業(yè)類型勞動力特征

在本文最終得到的11 231個個體樣本中，包含3 342個臨時性就業(yè)者，占比約為29.76%。經(jīng)統(tǒng)計，臨時性就業(yè)者的平均小時工資為6.28元，正規(guī)就業(yè)者的相應(yīng)值為11.73元。對二者進行均值T檢驗，結(jié)果顯示臨時性就業(yè)者的工資收入顯著低于正規(guī)就業(yè)者。那么什么樣的勞動力更容易成為臨時性就業(yè)者？本文對勞動力的各項特征進行均值T檢驗，結(jié)果見表1。

表1 不同就業(yè)類型勞動力特征均值T檢驗表

從表1可以看出，臨時性就業(yè)勞動者和正規(guī)就業(yè)勞動者在諸多個體特征因素和所在企業(yè)特征因素上均存在著顯著的差異。值得注意的是：1. 臨時性就業(yè)者的高中及以下教育程度的均值明顯大于正規(guī)就業(yè)者，臨時性就業(yè)者的高中至大學(xué)教育程度和大學(xué)以上學(xué)歷的均值明顯低于正規(guī)就業(yè)者，這說明臨時性就業(yè)者的教育水平劣于正規(guī)就業(yè)者；2. 臨時性就業(yè)者的年齡均值和在當(dāng)前單位該職位的工作經(jīng)驗的均值都明顯低于正規(guī)就業(yè)者，這說明臨時性就業(yè)者的經(jīng)驗少于正規(guī)就業(yè)者而且更年輕；3. 臨時性就業(yè)者的健康程度為非常好及很好的均值明顯低于正規(guī)就業(yè)者，而臨時性就業(yè)者的健康程度一般好、不好及很不好的均值明顯高于正規(guī)就業(yè)者，這說明臨時性就業(yè)者的健康水平劣于正規(guī)就業(yè)者。而教育、經(jīng)驗和健康都是度量人力資本的重要因素，因此上述結(jié)果進一步說明臨時性就業(yè)者人力資本劣于正規(guī)就業(yè)者。

此外，與正規(guī)就業(yè)者相比，女性臨時性就業(yè)者較多，可知女性更容易獲得臨時性工作。與勞動力市場二元分割理論預(yù)期一致，城市農(nóng)民工成為臨時性就業(yè)者的概率約為城鎮(zhèn)居民的2倍。臨時性就業(yè)者所在企業(yè)規(guī)模顯著小于正規(guī)就業(yè)者，并且其在民營企業(yè)和其他內(nèi)資企業(yè)（不包括國有企業(yè)）就業(yè)的概率顯著大于正規(guī)就業(yè)者。這說明從數(shù)據(jù)上所觀察到的臨時性就業(yè)者的工資水平更低，有一部分是要歸因于其所在企業(yè)規(guī)模更小且多為民營企業(yè)。

（二）相同人力資本水平下不同就業(yè)類型勞動力的工資差異

為考察人力資本水平相同的勞動力中，臨時性就業(yè)者和正規(guī)就業(yè)者之間是否存在顯著的工資差異。根據(jù)樣本的數(shù)據(jù)特征，進一步將行業(yè)分為四類：農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)和第三產(chǎn)業(yè)，依次包含73、2 782、831、7 487個個體。農(nóng)林牧漁業(yè)主要分布在農(nóng)村而非城市，且農(nóng)林牧漁業(yè)就業(yè)人數(shù)極少，僅有73個，不具備參考意義，暫不予以分析。后三類行業(yè)中個體在臨時性就業(yè)中的比重分別為20.27%、54.51%、30.76%。接下來考察行業(yè)內(nèi)人力資本水平相同的勞動力中，臨時性和正規(guī)就業(yè)者之間是否存在顯著的工資差異。

表2 相同人力資本范圍的勞動者行業(yè)內(nèi)工資差異T檢驗表

橫向比較發(fā)現(xiàn)，人力資本水平相同的臨時性就業(yè)者與正規(guī)就業(yè)者的小時工資對數(shù)存在顯著差異，臨時性就業(yè)者的工資顯著小于正規(guī)就業(yè)者?？v向比較發(fā)現(xiàn)，相同人力資本水平范圍內(nèi)的臨時性就業(yè)者在建筑業(yè)的工資最高，其次是工業(yè)和第三產(chǎn)業(yè)，而相同人力資本水平范圍內(nèi)的正規(guī)就業(yè)者在三個行業(yè)的工資水平非常接近。這說明，臨時性就業(yè)者獲得了因不同工種之間差別的“補償性工資”。但是，為了識別出臨時性就業(yè)身份對個體工資的因果影響，還需進行進一步的計量分析。

五、實證結(jié)果及分析

（一）抑制作用還是促進作用

本文運用OLS法對式（1）進行估計，以考察臨時性就業(yè)方式對勞動者小時工資對數(shù)的影響，同時采用截面加權(quán)估計，以盡可能消除截面數(shù)據(jù)帶來的異方差問題。結(jié)果如表3所示。表3中第（1）-（3）列模型分別為依次加入關(guān)鍵變量informal、與人力資本有關(guān)的控制變量和所有控制變量的估計模型，第（4）列模型則為完整估計模型各變量系數(shù)的beta值以進一步說明臨時性就業(yè)變量對勞動力工資收入的重要性。回歸結(jié)果中剔除了不領(lǐng)工資的家庭幫工、自我經(jīng)營者和打零工者，僅針對企業(yè)中的工資性收入者。前三列顯示，臨時性就業(yè)變量informal 的估計系數(shù)在1%的顯著性水平下顯著為負。這說明在其他條件相同的情況下，臨時性就業(yè)變量會顯著降低勞動者的勞動力收入。對比第（1）、（2）列，在加入了勞動力人力資本有關(guān)的變量后，模型的解釋力增強，修正的R2從11.8%增加到30.8%，在加入了所有控制變量后，修正的R2從30.8%增加至47.3%。當(dāng)添加全部控制變量時，第（3）列臨時性就業(yè)變量的估計系數(shù)為-0.201，在絕對值大小上僅次于教育變量的0.314、企業(yè)所有制為外資企業(yè)的0.250。比較第（4）列中臨時性就業(yè)變量估計系數(shù)的beta值大小可以發(fā)現(xiàn)，臨時性就業(yè)變量的作用僅小于年齡、教育和經(jīng)驗，而大于其他變量。這進一步說明，臨時性就業(yè)變量是影響勞動力收入的重要因素。

表3 全樣本的OLS回歸結(jié)果

模型中控制變量對勞動力收入的影響方向及顯著性基本與預(yù)期及已有文獻一致。在其他條件相同的情況下，教育水平越高、工作經(jīng)驗越豐富越會提高勞動者的平均小時工資，而健康程度越差越會降低勞動者的平均小時工資。女性平均小時工資會低于男性；勞動者的年齡增加會提高勞動者平均小時工資，農(nóng)民工會獲得較低的平均小時工資。在其他條件相同的情況下，較之其他職業(yè)類別，職業(yè)為各類專業(yè)技術(shù)人員和行政辦公管理人員會提高勞動者的平均小時工資。模型中其他與企業(yè)基本特征相關(guān)的控制變量對勞動力收入的影響方向及顯著性基本與預(yù)期及已有文獻一致。在其他條件相同的情況下，勞動者所在企業(yè)規(guī)模與平均小時工資正相關(guān)。參照其他內(nèi)資企業(yè)，外資企業(yè)的勞動者平均小時工資最高，其次為私營企業(yè)。

（二）內(nèi)生性檢驗：異方差工具變量法與內(nèi)生性變換模型

考慮到OLS估計中可能存在遺漏變量、個體就業(yè)方式自選擇性和不可觀測因素等內(nèi)生性問題，通常做法是尋找與臨時性就業(yè)變量informal相關(guān)，但不受當(dāng)期勞動力收入影響的工具變量，而找到一個合適的工具變量是非常困難的。接下來本文將分別采用異方差工具變量法和內(nèi)生性變換模型來克服可能存在的內(nèi)生性問題，對上文的實證結(jié)果進行穩(wěn)健性檢驗。

1. 異方差工具變量法。異方差工具變量法由Lewbel（2007）發(fā)展而來，在國外應(yīng)用較為廣泛（Mallick，2012；Em ran 和 Shilpi，2012 等） 。例如 M ishra和 Smythv（2015）采用傳統(tǒng)工具變量和異方差工具變量法估計中國城市的教育回報率，結(jié)果發(fā)現(xiàn)在傳統(tǒng)工具變量為弱工具變量的情況下，異方差工具變量法在克服內(nèi)生性問題后結(jié)果更穩(wěn)健。根據(jù)Lewbel（2012）的做法，本文設(shè)定：其中Y1是小時工資對數(shù)ln wage，Y2是臨時工身份informal，X為所有控制變量，M為不可觀測因素，I1、I2代表異質(zhì)性誤差。在沒有合適的傳統(tǒng)工具變量或存在弱工具變量的情況下，Lew bel（2012）認為可以通過一組可觀測的外生變量向量組Z，利用作為工具變量。Lewbel（2012）方法中滿足工具變量所有標(biāo)準(zhǔn)假設(shè)條件，不要求排他性，唯一非標(biāo)準(zhǔn)要求是假設(shè)中具有異方差，即，可以在第一階段對X的線性回歸檢驗其是否滿足異方差條件。如果滿足公式，存在與異方差誤差結(jié)果無關(guān)的回歸量可以識別方程。Z可以是X的子集或者就是X本身。在缺少傳統(tǒng)工具變量時，采用上述選擇的工具組，可以通過TSLS方法估計工具變量回歸，同傳統(tǒng)IV法一致。

具體步驟為：首先用全樣本對方程（3）進行回歸估計重新得到殘差項，對殘差項異方差進行Breusch-Pagan檢驗，P值為0可以拒絕同方差的原假設(shè)，證明方程（3）的殘差項存在異方差。接著根據(jù)構(gòu)建工具變量，重新估計方程（2），結(jié)果列于表4第（1）列。最后，借鑒Booth等（2002）的做法采用小孩兒個數(shù)作為臨時性就業(yè)的工具變量IV，小孩個數(shù)（no_chi）為樣本中個體截止2007年底所有親生小孩兒個數(shù)。小孩兒個數(shù)多的家庭通常個體的人力資本水平較低、經(jīng)濟負擔(dān)較重、需要較多時間照顧家庭，這類人更容易獲得臨時性工作并且愿意暫時忍受低工資水平，而小孩兒個數(shù)為外生給定不會直接影響當(dāng)期工資收入。本文同時采用異方差工具變量法的另外兩種形式克服模型中的內(nèi)生性問題，檢驗結(jié)果見表4第（2）、（3）列。

表4 異方差工具變量法的估計結(jié)果

表4第（1）列為僅采用異方差工具變量法產(chǎn)生的工具變量回歸結(jié)果。第（2）列為同時采用小孩兒個數(shù)作為工具變量的回歸結(jié)果，其Kleibergen-Paap rk LM 統(tǒng)計量的p值為0，強烈拒絕不可識別的原假設(shè)，從第一階段弱工具變量檢驗結(jié)果可知，用小孩兒個數(shù)no_chi作為工具變量，弱工具變量檢驗Cragg-Donald Wald F統(tǒng)計量為141.535，大于10%偏誤下的臨界值138.69，即拒絕弱工具變量的原假設(shè)。第（3）列為同時采用小孩兒個數(shù)作為工具變量并采用GMM的回歸結(jié)果。結(jié)果顯示，在克服了內(nèi)生性問題后，在其他條件不變的情況下，臨時性就業(yè)變量informal在1%的顯著性水平上均顯著為負，實證結(jié)果依然穩(wěn)健。

2. 內(nèi)生性變換模型。本文繼續(xù)采用內(nèi)生性變換模型來糾正前文估計中可能存在的估計偏誤。記個體的就業(yè)類型選擇為I，記個體就業(yè)類型決策的可觀測影響因素為Z，不可觀測影響因素為v，則個體就業(yè)類型的選擇模型可以設(shè)置為：

I*為個體就業(yè)類型決策的潛變量（latent variable），不可觀測。r為估計系數(shù)，v為誤差項。下標(biāo)i表示個體。借鑒Maddala（1983）將是否獲得臨時性就業(yè)機會的個體工資方程分別設(shè)置為：其中，下標(biāo)0表示正規(guī)就業(yè)，為控制組；1表示臨時性就業(yè)，為處理組。y1為處理組當(dāng)前的小時工資對數(shù)值，y0為參照組當(dāng)前的小時工資對數(shù)值。x代表影響個體當(dāng)前工資的可觀測因素，本文將其設(shè)置為前文OLS估計中所有的控制變量。u1和u0均為誤差項。為使方程（4）、（5）、（6）滿足識別條件，向量Z至少應(yīng)該包含一個不存在于向量X中的變量，即工具變量。該變量需能夠直接影響個體的就業(yè)類型，但不會對個體的工資收入產(chǎn)生直接影響。在已有相關(guān)研究成果的基礎(chǔ)上，我們選取的工具變量仍為個體的小孩兒個數(shù)no_chi，并加入婚姻狀態(tài)marry和當(dāng)?shù)厥I(yè)率shiyelv。婚姻狀況marry取值1表示已婚，取值0表示未婚。失業(yè)率為當(dāng)?shù)厥I(yè)登記總?cè)藬?shù)占所有就業(yè)勞動力和失業(yè)登記總?cè)藬?shù)之和的比例，數(shù)據(jù)來源于《2007年城市統(tǒng)計年鑒》。

為了使方程（4）、（5）、（6）滿足識別條件，向量Z中至少應(yīng)該包含一個不存在于向量X中的變量，即工具變量。該變量需能夠直接影響個體的就業(yè)類型，但不會對個體的工資收入產(chǎn)生直接影響。在已有相關(guān)研究成果的基礎(chǔ)上，我們選取的工具變量仍為個體的小孩兒個數(shù)no_chi，并加入婚姻狀態(tài)marry和當(dāng)?shù)厥I(yè)率shiyelv?；橐鰻顩rmarry={1，0}，取值1表示已婚，取值0表示未婚。失業(yè)率shiyelv采用2006年當(dāng)?shù)厥I(yè)登記總?cè)藬?shù)占所有就業(yè)勞動力和失業(yè)登記總?cè)藬?shù)之和的比例，數(shù)據(jù)來源于《2007年城市統(tǒng)計年鑒》。

綜上所述，采用內(nèi)生性轉(zhuǎn)換模型的優(yōu)點在于能夠較好地處理個體收入估計方程中就業(yè)類型變量的自選擇性，就業(yè)類型自選擇方程中各工具變量的估計結(jié)果見表5。識別變量no_chi的估計系數(shù)在1%的顯著性水平下顯著為正，與預(yù)期一致。這說明，生育小孩個數(shù)越多者，越傾向于獲得臨時性工作，因為家庭負擔(dān)的加重會使得勞動力更加難以承擔(dān)失業(yè)的風(fēng)險，從而愿意忍受臨時性工作的低工資。識別變量marry的估計系數(shù)在1%的顯著性水平下顯著為負，這說明未婚勞動力更傾向于接受臨時性工作，因為這類勞動力大多剛剛參加工作尚未積累一定的經(jīng)驗或人力資本水平較低，從而愿意接受臨時性工作的低工資。識別變量shiyelv的估計系數(shù)在1%的顯著性水平下顯著為負，這說明失業(yè)率越高，勞動力獲得臨時性工作的機會越低，因為此時就業(yè)機會大幅削減，在失業(yè)率較低時處于臨界狀態(tài)及以下水平的勞動力，此時卻很難獲得工作機會。 內(nèi)生性變換模型的估計結(jié)果說明，克服內(nèi)生性問題后，上述結(jié)果依然穩(wěn)健。

表5 內(nèi)生性變換模型估計結(jié)果

（三）穩(wěn)健性分析

接下來本文采用一系列檢驗來分析結(jié)論的穩(wěn)健性。城鎮(zhèn)居民樣本為城鎮(zhèn)居民調(diào)查問卷的個體，農(nóng)民工樣本為外來務(wù)工人員調(diào)查問卷的個體。以下回歸結(jié)果均為完整估計模型。

1. 區(qū)分戶籍的估計結(jié)果。表6前兩列報告了城鎮(zhèn)居民樣本和農(nóng)民工樣本下的計量模型估計結(jié)果。不同子樣本的回歸結(jié)果顯示，在其他條件不變的情況下，臨時性就業(yè)變量在1%的顯著水平上均顯著為負，結(jié)果依然穩(wěn)健。由第（1）、（2）列估計結(jié)果可知，在城鎮(zhèn)居民樣本下，即個體所在企業(yè)、行業(yè)、城市特征相同且二者的教育、經(jīng)驗、健康、年齡等個體特征也相同時，臨時性就業(yè)身份仍然會使其工資收入低27.25%，而農(nóng)民工樣本下該值為14.68%。

表6 不同子樣本下的OLS回歸結(jié)果

2. 新臨時性就業(yè)變量的再檢驗。為了檢驗關(guān)鍵解釋變量的度量對估計結(jié)果的影響，此處將短期合同工從臨時性就業(yè)類別下剝離，構(gòu)建新的臨時性就業(yè)變量（informal）。informal取值1為無合同的臨時工，取值0為固定工、長期合同工（一年以上）和短期合同工。重新考察臨時性就業(yè)對我國個體勞動力收入的影響。表6第（3）、（4）列報告了不同臨時性就業(yè)變量定義下的分樣本回歸結(jié)果。結(jié)果顯示臨時性就業(yè)變量在1%的顯著性水平上均顯著為負，回歸結(jié)果穩(wěn)健，且臨時性就業(yè)身份對于城鎮(zhèn)居民工資收入的抑制作用仍然大于農(nóng)民工樣本。

3. 基于2002年、2013年CHIP數(shù)據(jù)的分析?？紤]到數(shù)據(jù)選擇對于估計結(jié)果的影響，本文采用2002年和2013年CHIP數(shù)據(jù)庫中的城鎮(zhèn)居民樣本和農(nóng)民工樣本進行穩(wěn)健性檢驗。按照2007年的方法進行一致性整理后，可以得出類似結(jié)論，計量結(jié)果見表6后四列。第（5）、（6）列為2002年，第（7）、（8）列為2013年完整估計模型的回歸系數(shù)和Beta值。結(jié)果顯示，在其他條件不變的情況下，臨時性就業(yè)變量在1%的水平上均顯著為負，結(jié)果穩(wěn)健。這不僅說明本文研究結(jié)果的可靠性也說明了研究結(jié)論不受數(shù)據(jù)時效性的影響。

4. 區(qū)分行業(yè)的回歸結(jié)果。樣本中個體所從事的行業(yè)存在顯著差異，且考慮到建筑業(yè)和第三產(chǎn)業(yè)的行業(yè)特性使得這些行業(yè)更加普遍地采用非正規(guī)雇傭方式，我們進一步探討前文估計結(jié)果是否受行業(yè)特性的影響，結(jié)果顯示上述結(jié)論仍然穩(wěn)健，但存在行業(yè)差異。同前所述，本文在這里再單獨針對工業(yè)、建筑業(yè)、第三產(chǎn)業(yè)進行分析。表 7 的（1）?（3）列為工業(yè)、（4）?（6）列為建筑業(yè)、（7）?（9）列為第三產(chǎn)業(yè)的估計結(jié)果。

表7 不同行業(yè)下不同樣本的OLS回歸結(jié)果

回歸結(jié)果顯示，在工業(yè)和第三產(chǎn)業(yè)樣本下，臨時性就業(yè)變量的估計系數(shù)均在1%的水平上顯著為負，結(jié)果仍然穩(wěn)健。但建筑業(yè)行業(yè)的實證結(jié)果顯示，臨時性就業(yè)變量在全樣本和農(nóng)民工樣本中的顯著性水平下降，而對于城鎮(zhèn)居民樣本則不顯著。這很可能是因為近年來中國出現(xiàn)了較為嚴(yán)重的“民工荒”。建筑業(yè)作業(yè)時間長、工作生活條件差、欠薪問題嚴(yán)重、在施工中易受自然環(huán)境影響，因此建筑業(yè)企業(yè)只有用高工資吸引臨時工，促使農(nóng)民工薪資水平上漲。

（四）機制識別：“補償性工資差異”與“人力資本積累機制”

1. 臨時性就業(yè)者的補償性工資差異?？紤]到臨時性就業(yè)和正規(guī)就業(yè)類型的工資方程存在選擇性偏誤，估計時對選擇性偏差進行了調(diào)整。借鑒Neuman和Oaxaca（2004）的研究，正式工和臨時工的平均工資差異可分解為：

其中，f為正式工群體，temp為臨時工群體，ln w是估計出的對數(shù)工資的均值，X為工資決定要素的均值向量，β是估計出的工資決定要素的回報率。分解出的第一項為由個體特征差異導(dǎo)致的工資差異，第二項為工資決定要素回報率差異帶來的工資差異，表示市場對不同勞動者群體擁有的同樣一組特征估價不同，第三項為選擇性因素帶來的工資差異。本文采用該分解方法，對2007年正式工與臨時工之間的工資差異進行分解，結(jié)果見表8。

表8 正式工與臨時工的工資差異

由表8的全樣本分解結(jié)果可見，正式工比臨時工的小時工資高89.65%。其中臨時工和正式工之間的特征差異產(chǎn)生的工資差異占總工資差異的50.30%；其他特征回報率差異導(dǎo)致的工資差異為20.43%；由樣本選擇性偏差帶來的工資差異占總工資差異的29.26%。這意味著排除特征因素和選擇性因素，臨時工比正式工工資低13.88%。這與補償性工資差異理論的分析相反，中國的臨時工整體并未獲得補償性工資。這可能是我國臨時工面臨較高的失業(yè)風(fēng)險和較強的工作不穩(wěn)定性，但在簽訂契約時，由于個體議價能力有限和法律意識薄弱等很難獲得作為風(fēng)險溢價補償以及彌補離職金的這部分“補償工資”。

實際上，工作性質(zhì)差異可使部分臨時工獲得來自勞動力所從事的工種之間差別的這部分“補償工資”，如勞動強度和危險程度等，一般強度較高、危險性較大及給予人不適感較強的工種往往有著較高的收入水平。繼而，本文分行業(yè)子樣本進一步分解工資差異。結(jié)果顯示，在雇傭臨時工從事勞動強度或危險程度較高的工種占比較高的建筑業(yè)和農(nóng)業(yè)，排除特征因素和選擇性因素后，從事建筑業(yè)的臨時工比正式工工資高19.72%；排除特征因素和選擇性因素后，從事農(nóng)業(yè)的臨時工比正式工工資高41.91%。這與補償性工資差異理論的分析一致。臨時性就業(yè)的工作穩(wěn)定性較差、解約成本較低，因而臨時工面臨較高的市場風(fēng)險。但在中國勞動力市場中，僅特定行業(yè)為了吸引臨時性就業(yè)者，企業(yè)向臨時工支付了補償性工資。

2. 臨時性就業(yè)對人力資本積累的影響。前文的估計結(jié)果均顯示臨時性就業(yè)對我國勞動力工資收入產(chǎn)生了顯著的抑制作用，那么很可能是因為“人力資本效應(yīng)”超過了“補償性工資效應(yīng)”。我們推斷，臨時性就業(yè)會降低了個體的人力資本積累。在職培訓(xùn)是人力資本形成和積累的重要方式之一（Becker，1962）。如果勞動力可以接受與工作技能有關(guān)的培訓(xùn)，則可以提高勞動生產(chǎn)率，進而獲得較高的工資。Arulampalam和Booth（1997）等的研究表明，臨時性就業(yè)的勞動者通常很難獲得職業(yè)生涯晉升和獲得工作相關(guān)培訓(xùn)機會。然而盡管勞動者希望通過努力工作釋放積極信號，同時積累工作經(jīng)驗從而獲得勞動合同轉(zhuǎn)換的機會，但提供員工培訓(xùn)的企業(yè)不太可能雇傭臨時性就業(yè)者，即使是雇傭了臨時性就業(yè)者，這類勞動者參與企業(yè)特定培訓(xùn)的可能性也較低（Albert等，2005）。這些都不利于臨時性就業(yè)的勞動者通過在職培訓(xùn)實現(xiàn)人力資本積累。因而，我們將考察臨時性就業(yè)是否會導(dǎo)致個體減少在職培訓(xùn)機會及培訓(xùn)時間。

本文根據(jù)“最近12個月內(nèi)獲得過何種培訓(xùn)？”和“這次培訓(xùn)一共多少天？”兩個問題，構(gòu)建了個體獲得的與工作技能有關(guān)的培訓(xùn)時間變量為training，是否獲得與工作技能有關(guān)的培訓(xùn)變量為train=0或1。替換（1）式中的被解釋變量，采用Probit模型對train其進行估計，估計結(jié)果列于表9前3列，采用Tobit模型對training進行估計，估計結(jié)果列于表9后3列。

表9 臨時性就業(yè)對在職培訓(xùn)機會和培訓(xùn)時間的影響

Probit回歸結(jié)果顯示，在全樣本和城鎮(zhèn)居民及農(nóng)民工子樣本下，臨時性就業(yè)變量informal的估計系數(shù)均在1%的顯著性水平上顯著為負。這說明在其他條件相同的情況下，臨時性就業(yè)身份顯著降低了個體獲得與工作技能有關(guān)的培訓(xùn)機會。Tobit回歸結(jié)果顯示，在全樣本和城鎮(zhèn)居民子樣本中，臨時性就業(yè)變量informal的估計系數(shù)均在1%的顯著性水平上顯著為負；農(nóng)民工樣本中，臨時性就業(yè)變量informal的估計系數(shù)均在5%的顯著性水平上顯著為負。這說明在其他條件相同的情況下，臨時性就業(yè)身份顯著降低了個體獲得與工作技能有關(guān)的培訓(xùn)時間。即臨時性就業(yè)者很難獲得工作相關(guān)培訓(xùn)機會，臨時性就業(yè)不利于個體的人力資本積累。

六、結(jié)論

在我國臨時性就業(yè)普遍存在的條件下，如何在利用臨時性就業(yè)實施積極就業(yè)政策的同時，提高人民收入水平和加強人力資本積累，進而為縮小工資差距、提高就業(yè)質(zhì)量、順利實現(xiàn)經(jīng)濟結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級轉(zhuǎn)型提供人才保障呢？本文使用CHIP2007年調(diào)查數(shù)據(jù)實證分析了臨時性就業(yè)對勞動者工資收入的影響及影響機制。本文將無合同的臨時工以及短期合同工（一年以下合同）視作臨時性就業(yè)者。首先，統(tǒng)計結(jié)果顯示，臨時性就業(yè)者的人力資本如教育程度、經(jīng)驗值和健康狀況等因素均劣于正規(guī)就業(yè)者，女性、農(nóng)民工、受雇企業(yè)規(guī)模較小、受雇于民營企業(yè)和其他內(nèi)資企業(yè)（不包括國有企業(yè)）的勞動者成為臨時性就業(yè)者的概率更高。人力資本水平相同的同行業(yè)的臨時性就業(yè)者工資水平低于正規(guī)就業(yè)者。其次，實證結(jié)果顯示，在其他條件不變的情況下，臨時性就業(yè)會使得個體的工資收入顯著減少約18.05%。在采用異方差工具變量法和內(nèi)生性轉(zhuǎn)換模型控制樣本選擇性偏差和可觀測控制變量影響后，臨時工與正式工之間仍存在無法解釋的工資差異。且這一負向作用在考慮改變指標(biāo)度量、按戶籍和行業(yè)特性劃分子樣本及其他年份樣本等情形下仍然穩(wěn)健。最后，機制檢驗表明，僅在高勞動強度或危險強度工種的臨時工比例較高的行業(yè)中，企業(yè)向臨時工支付了“補償性工資”，但臨時性就業(yè)會通過顯著降低個體獲得與工作技能有關(guān)的培訓(xùn)機會而抑制其人力資本積累。

根據(jù)研究結(jié)論，我們提出如下政策建議：第一，各級政府和有關(guān)部門應(yīng)嚴(yán)格落實目前勞動力市場改革過程中提出的“限制臨時工比例、提高解雇成本和獲得同工同酬權(quán)利”的勞動政策。規(guī)范采用臨時性就業(yè)方式的企業(yè)建立補償機制和失業(yè)基金，其中失業(yè)基金由企業(yè)和工人共同繳納。此外，還應(yīng)提高臨時工的勞動保護意識，鼓勵勞動者通過尋求法律或工會幫助提高自身的議價能力，獲得應(yīng)有的“補償性工資”和“企業(yè)內(nèi)部與正式工同等的職業(yè)技能有關(guān)的培訓(xùn)機會”等合法勞工權(quán)益。第二，各級政府還應(yīng)鼓勵中介機構(gòu)開展就業(yè)專業(yè)技能培訓(xùn)業(yè)務(wù)并給予一定的政策傾斜，如職業(yè)中介機構(gòu)、就業(yè)訓(xùn)練中心和再就業(yè)培訓(xùn)基地等，通過市場機制調(diào)動中介機構(gòu)為臨時性就業(yè)者提供有助于獲得正式工作的職業(yè)培訓(xùn)。與此同時，各省市勞動就業(yè)服務(wù)管理局應(yīng)嚴(yán)格監(jiān)管各類中介機構(gòu)的管理和審核，同時負責(zé)指導(dǎo)城鎮(zhèn)勞動力就業(yè)前培訓(xùn)、下崗失業(yè)人員再就業(yè)培訓(xùn)和創(chuàng)業(yè)培訓(xùn)等。只有臨時性就業(yè)方式與培訓(xùn)相結(jié)合，臨時性就業(yè)方式才可以有效成為正規(guī)就業(yè)方式的補充，進而提高勞動積極性和就業(yè)質(zhì)量。

[1]陳珣，徐舒. 農(nóng)民工與城鎮(zhèn)職工的工資差距及動態(tài)同化[J]. 經(jīng)濟研究，2014，（10）：74?88.

[2]陳祎，劉陽陽. 勞動合同對于進城務(wù)工人員收入影響的有效性分析[J]. 經(jīng)濟學(xué)（季刊），2010，（2）：687?712.

[3]孫睿君，李子奈. 不同期限類型勞動合同的工資決定機制及差異——基于中國家庭住戶收入調(diào)查數(shù)據(jù)的經(jīng)驗研究[J]. 財經(jīng)研究，2010，（2）：36?47.

[4]魏下海，余玲錚. 我國城鎮(zhèn)正規(guī)就業(yè)與非正規(guī)就業(yè)工資差異的實證研究——基于分位數(shù)回歸與分解的發(fā)現(xiàn)[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2012，（1）：78?90.

[5]吳要武，蔡昉. 中國城鎮(zhèn)非正規(guī)就業(yè)：規(guī)模與特征[J]. 中國勞動經(jīng)濟學(xué)，2006，（2）：67?83.

[6]Albert C，Carlos G S，Hernanz V. Firm-provided training and temporary contracts[J]. Spanish Econom ic Review，2005，7（1）： 67?88.

[7]Alvarado L K A. The effects of fixed-term contracts on workers in Colombia[J]. Cuadernos de Econom ia，2014，33（63）：421?446.

[8]Arulampalam W，Booth A. Who gets over the training hurdle? A study of the training experiences of young men and women in Britain[J]. Journal of Population Econom ics，1997，10（2）： 197?217.

[9]Becker G. Investment in human beings[J]. Journal of Political Economy，1962，70（l）： 9?49.

[10]Booth A L，F(xiàn)rancesconi M，F(xiàn)rank J. Temporary jobs: Stepping stones or dead ends?[J]. Econom ic Journal，2002，112（480）： 189?213.

[11]Gao Q，Yang S，Li S. Labor contracts and social insurance participation among migrant workers in China[J]. China Economic Review，2012，23（4）： 1195?1205.

[12]Gash V，M cGinnity F. Fixed-term contracts—the new European inequality? Comparing men and women in West Germany and France[J]. Socio-Economic Review，2007，5（3）： 467?496.

[13]Hagen T. Do temporary workers receive risk prem iums? Assessing the wage effects of fixed-term contracts in West Germany by a matching estimator compared with parametric approaches[J]. Labour，2002，16（4）： 667?705.

[14]Jimeno J F，Toharia L. The effects of fixed-term employment on wages: Theory and evidence from Spain[J]. Investigaciones Economicas，1993，17（3）： 475?494.

[15]Leandro E. Temporary/Permanent workers wage gap: A brand-new form of wage inequality?[J]. Labour，2010，24（2）：178?200.

[16]Lewbel A. Using heteroscedasticity to identify and estimate m ismeasured and endogenous regressor models[J]. Journal of Business and Economic Statistics，2012，30（1）： 67?80.

[17]Maddala G S. Lim ited-dependent and qualitative variables in econometrics[M].Cambridge: Cambridge University Press，1986.

[18]M ishra V，Smyth R. Estimating returns to schooling in urban China using conventional and heteroskedasticity-based instruments[J]. Econom ic Modelling，2015，47： 166?173.

[19]Pallais A. Inefficient hiring in entry-level labor markets[J]. The American Econom ic Review，2014，104（11）：3565?3599.

[20]Picchio M. Temporary contracts and transitions to stable jobs in Italy[J]. Labour，2008，22（1）： 147?174.

[21]Rosen S. Implicit contracts：A survey[J]. Journal of Econom ic Literature，1985，23（3）： 1144?1175.

[22]Scherer S. Stepping-stones or traps? The consequences of labour market entry positions on future careers in West Germany，Great Britain and Italy[J]. Work，Employment and Society，2004，18（2）： 369?394.