曾永明 張利國

(1.江西財經(jīng)大學(xué) 生態(tài)經(jīng)濟研究院，江西 南昌 330013；2.江西財經(jīng)大學(xué) 經(jīng)濟學(xué)院，江西 南昌 330013)

一、引言

2017年中國流動人口規(guī)模達2.44億，占總?cè)丝诘?8%。龐大的流動人口中絕大多數(shù)是農(nóng)民工，依據(jù)2015年全國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù)估算，其占比達到81.6%。由于農(nóng)民工的身份具有農(nóng)民和工人的復(fù)合性，與城市工人相比其農(nóng)業(yè)戶籍屬性處于弱勢地位，主要表現(xiàn)在就業(yè)市場和工資水平上，一般將其稱為“戶籍歧視”。戶籍歧視使得農(nóng)民工工資被隱性地消減，微觀上造成農(nóng)民工個體收入的減損，宏觀上則擴大了城鄉(xiāng)居民的收入差距，加劇城鄉(xiāng)二元結(jié)構(gòu)分割[1]。只因戶籍的不同，農(nóng)民工在城鎮(zhèn)勞動力市場上遭受歧視性的待遇，這嚴重阻礙了其與本地城市居民的經(jīng)濟同化過程[2]。因此戶籍歧視問題對農(nóng)民工工資率的影響成為社會反響強烈、學(xué)界廣泛關(guān)注的熱點[3]。

農(nóng)民工除了復(fù)合性的農(nóng)民與工人身份，還有一個重要特征是“流動性”，即外來人口。作為一個深受千年儒家文化熏陶的文明古國，“家文化”始終是中華民族核心文化之一，由此形成的“熟人社會”即富有人情味的交往傳統(tǒng)，也導(dǎo)致了在市場化條件下，偏愛本地勞動者情況[4]。農(nóng)民工就成了被本地人歧視的“外來人口”，一般稱其為“地域歧視”，地域歧視的存在使得外地人口工資率遠低于本地人口[5]。

目前關(guān)于戶籍歧視、地域歧視與農(nóng)民工工資率的研究成果其實比較豐富。其中關(guān)于戶籍歧視的主流分析方法是工資分解，通過各種分解理論方法解釋工資的來源：多少基于稟賦差異，多少基于戶籍歧視。Meng和Zhang使用Brown分解方法發(fā)現(xiàn)1995年戶籍歧視因素對上海民工和工人的收入差異的貢獻高達100%[6]。王美艷分別用Oaxaca和Brown的分解方法分析我國大城市農(nóng)民工和城市工人的工資差距時發(fā)現(xiàn)，戶籍歧視可以解釋2000年工資差距的76%、2005年工資差距的54%[7][8]。孟凡強和鄧保國基于中國綜合社會調(diào)查2006年數(shù)據(jù)，釆用Melly提出的分位數(shù)分解方法[9]，分析發(fā)現(xiàn)全國及東、中、西部城鄉(xiāng)勞動力由戶籍歧視造成的工資差異在低分位數(shù)到高分位數(shù)上升過程中均呈現(xiàn)縮小的趨勢，說明工資收入越高的群體，其在工資獲得方面所遭受的戶籍歧視程度越低[10]。章莉和蔡文鑫使用無條件分位數(shù)分解方法對2007年中國勞動力市場的收入戶籍歧視程度進行了考察，結(jié)果顯示戶籍歧視可以解釋農(nóng)民工和城鎮(zhèn)職工平均收入差距的近三分之一[11]。關(guān)于地域歧視，其概念未能統(tǒng)一，范圍模糊，相對戶籍歧視更為復(fù)雜。陳科汝就認為地域歧視是因戶籍不同而造成的區(qū)別對待，戶籍制度是其制度性根源[12]；陳東軍和謝紅彬認為城市人歧視農(nóng)村人，既屬于戶籍歧視，也屬于地域歧視[13]。這都表明地域歧視更為隱性和復(fù)雜，與戶籍歧視可能存在交互影響。地域歧視中最突出、最常見的是“外地人”歧視。由于本地人在諸多方面相對外地人存在明顯的親緣或地緣優(yōu)勢，且熟人社會中，為了避免“得罪”潛在的“貴人”，用人單位總是傾向于優(yōu)待本地員工，反過來“遭罪”的就是外地人，其中工資率水平就是典型表現(xiàn)。劉亮等通過第六次人口普查的區(qū)域數(shù)據(jù)研究發(fā)現(xiàn)，外來勞動力在獲得一級市場的就業(yè)機會方面受到了明顯的地域歧視[14]。張皓星利用2011年中國家庭金融調(diào)查數(shù)據(jù)發(fā)現(xiàn)我國勞動力市場存在著明顯的地域歧視現(xiàn)象：本地人比外地人工資高出46.8%[4]。

應(yīng)該說既有研究對戶籍歧視、地域歧視和農(nóng)民工工資率差異的關(guān)系展開了深入分析，但依然有值得商榷之處。其一，在研究戶籍歧視時，由于地域歧視的隱性特征，直接從工資差異中分解出的戶籍歧視是有偏估計。比如王美艷通過“五普”數(shù)據(jù)和Brown分解方法分析外地勞動力和本地勞動力的工資差異，認為戶籍歧視能解釋43%[15]。不過仔細推敲發(fā)現(xiàn)，部分外來勞動力具有兩個特征：擁有外地戶口及擁有農(nóng)業(yè)戶口，因此導(dǎo)致外地勞動力和本地勞動力之間工資差距的因素除了戶籍歧視外，還可能包括地域歧視。其二，同時關(guān)注戶籍歧視和地域歧視的研究非常鮮見，現(xiàn)有文獻在考察戶籍歧視問題時大多忽視了地域歧視[14]。文獻梳理發(fā)現(xiàn)具有代表性的研究是章元等對兩種歧視的同步關(guān)注，其將城市勞動力市場區(qū)分為本地工人、本地農(nóng)民、外地工人和外地農(nóng)民，分割之后再兩兩組合即可分別估算戶籍歧視和地域歧視[16][17]，堪稱經(jīng)典，不過依然有不足：將全體農(nóng)業(yè)戶口和全體非農(nóng)戶口作為戶籍差異的表征，這其實也是其他多數(shù)關(guān)于戶籍歧視研究常見的處理方式，看似合理，其實是值得商榷的，這也是本文即將梳理的第三個商榷點。其三，樣本可比性產(chǎn)生的內(nèi)生性偏誤。絕大多數(shù)研究都是直接將農(nóng)業(yè)戶口和非農(nóng)業(yè)戶口分別作為研究的實驗組和參照組。這種比照方式的不足在于農(nóng)業(yè)戶口和非農(nóng)業(yè)戶口的差異不只是戶籍而已，更多的是包含了社會資本、人力資本、教育程度等，在估計戶籍歧視對工資的影響時，會因樣本選擇產(chǎn)生嚴重的內(nèi)生性，一般也會得到高估戶籍作用的結(jié)果。此時的戶籍歧視沒有剔除其他內(nèi)生于戶籍的因素的影響，農(nóng)業(yè)戶口與非農(nóng)戶口是兩個群體的綜合差異，而不是獨立的戶籍差異。為此，研究戶籍歧視，以所有的非農(nóng)戶口作為參照組有欠妥當。

鑒于既有文獻的不足，本文期望達到以下目的或創(chuàng)新：第一是同步研究戶籍歧視和地域歧視，并盡量剝離出“純”戶籍歧視和“純”地域歧視，同時討論兩者可能的相互影響，這對流動人口更為有意義，因為大部分流動人口兼具農(nóng)業(yè)戶口和外來人口兩個特征。第二是尋求更為合適的比較對象，盡量保持對象的同質(zhì)性，最大程度降低樣本選擇產(chǎn)生的內(nèi)生性偏誤。本文選擇“農(nóng)轉(zhuǎn)非”居民作為參照組，而不是全體非農(nóng)人口，這一點對本研究非常關(guān)鍵，也是對既有研究的一種推進。經(jīng)歷過“農(nóng)轉(zhuǎn)非”的城市居民在特征上具有和農(nóng)業(yè)人口最為相近的稟賦條件和個體特征，包括社會資本、生活環(huán)境、教育過程等方面的體驗，尤其是有農(nóng)業(yè)戶口經(jīng)歷，相對而言具有較大的可比性，可以最大限度剔除農(nóng)業(yè)戶口與非農(nóng)戶口除了戶籍之外的其他差異的影響，從而降低樣本選擇誤差產(chǎn)生的內(nèi)生性，更加精準估計戶籍制度對工資率的獨立影響效應(yīng)。眾所周知，非農(nóng)人口只有部分是“農(nóng)轉(zhuǎn)非”而來，剩下的大部分非農(nóng)人口的信息因與農(nóng)民工群體差距大而會影響估計結(jié)論，既有研究幾乎都存在這一問題，本文嘗試進行矯正。對于這點創(chuàng)新，數(shù)據(jù)是關(guān)鍵。幸運的是2015年全國流動人口動態(tài)監(jiān)測調(diào)查(MDMS)相比之前的幾輪調(diào)查提供了更為細化的戶籍登記信息，不再局限于農(nóng)業(yè)戶口和非農(nóng)戶口兩種，還包含“農(nóng)轉(zhuǎn)非”樣本，實為難得的研究數(shù)據(jù)。第三是利用傾向值匹配方法進一步控制內(nèi)生性，并進行穩(wěn)健性檢驗，從而得到較為穩(wěn)健可靠的估計結(jié)果和研究結(jié)論。盡管如此，本文可能依然存在不足。農(nóng)轉(zhuǎn)非與農(nóng)民工的比較研究不乏文獻，但農(nóng)轉(zhuǎn)非產(chǎn)生的渠道可能不同，包括選擇性農(nóng)轉(zhuǎn)非和政策性農(nóng)轉(zhuǎn)非，它們本身可能存在機制差異[18]。但鑒于MDMS數(shù)據(jù)的局限，本文不能區(qū)分和比較選擇性農(nóng)轉(zhuǎn)非和政策性農(nóng)轉(zhuǎn)非的差異。也正因如此，選擇傾向值匹配方法可能難以完全消除選擇性偏差帶來的影響。本文后續(xù)部分的內(nèi)容安排為：第二部分是數(shù)據(jù)與變量，闡釋本文樣本與既有研究的差異和優(yōu)勢；第三部分是實證研究，分析戶籍歧視與地域歧視對農(nóng)民工工資率的影響；第四部分是結(jié)論與討論。

二、數(shù)據(jù)樣本、變量設(shè)計與實證策略

(一)數(shù)據(jù)與樣本選擇

本文數(shù)據(jù)來自2015年全國流動人口動態(tài)監(jiān)測調(diào)查。該調(diào)查是由原國家衛(wèi)生和計劃生育委員會(當前為國家衛(wèi)生和健康委員會)組織的在流入地對流動人口進行的連續(xù)斷面調(diào)查。以在流入地居住一個月以上，非本區(qū)(縣、市)戶籍的15～59 周歲流動人口為調(diào)查對象，2015年全國流動人口衛(wèi)生計生動態(tài)監(jiān)測調(diào)查在流動人口全員信息系統(tǒng)2014年年報數(shù)據(jù)基礎(chǔ)上建立的抽樣框中選取，采取分層、多階段、與規(guī)模成比例的PPS 方法進行抽樣；調(diào)查區(qū)域涵蓋全國內(nèi)地31個省、市、自治區(qū)，總計20.6萬個樣本。其中為了與流動人口進行比較，在北京、上海、大連、無錫、杭州、合肥、廣州、貴陽等8個城市對本地戶籍(區(qū)、市縣)15周歲及以上男性和女性人口進行了調(diào)查，獲得1.6萬個樣本。

基于研究目的，不是所有樣本都適合實證研究。首先，本文的研究對象是農(nóng)民工，按照對農(nóng)民工的一般理解，主要是以“務(wù)工”而獲取工資的那部分人口，不是私營企業(yè)主或雇主，因此在MDMS中與之對應(yīng)的樣本為就業(yè)身份是“雇員”的人口(篩選后流動人口調(diào)查有96511個“雇員”樣本，本地戶籍調(diào)查有7483個“雇員”樣本)。其次，MDMS中將戶籍登記類型記錄為農(nóng)業(yè)戶口、非農(nóng)業(yè)戶口、農(nóng)業(yè)轉(zhuǎn)居民戶口(“農(nóng)轉(zhuǎn)非”)和非農(nóng)轉(zhuǎn)居民戶口四種，本文研究戶籍對工資的影響，其中參照組與實驗組(農(nóng)民工)的樣本特征需要盡量一致，選取具有城市戶籍的“農(nóng)轉(zhuǎn)非”群體作為參照組，因為他們和農(nóng)民工群體具有最為相近的特征，尤其是農(nóng)業(yè)戶口經(jīng)歷，而這些經(jīng)歷往往和社會資本、教育、個人稟賦等影響工資水平的因素相關(guān)，能大大降低樣本選擇偏差帶來的內(nèi)生性(進一步篩選后流動人口調(diào)查中農(nóng)業(yè)戶口樣本有78711個，“農(nóng)轉(zhuǎn)非”樣本有1288個；本地戶籍調(diào)查中農(nóng)業(yè)戶口樣本有301個，“農(nóng)轉(zhuǎn)非”樣本有442個)。最終在剔除跨境流動等可能影響結(jié)果的樣本后，流動人口總樣本為79916個，本地戶籍人口總樣本743個。應(yīng)該說數(shù)據(jù)和樣本選擇是本文區(qū)別于既有文獻的一個關(guān)鍵特征和研究推進。

(二)變量設(shè)計

依據(jù)本文研究目的，設(shè)定的核心變量如下：(1)工資。和多數(shù)實證研究一樣，基于小時工資率進行考察，2015年全國流動人口動態(tài)監(jiān)測調(diào)查詢問了調(diào)查時點上一周的工作小時數(shù)和上個月(四月)的工資，將周工作小時數(shù)乘以月平均周數(shù)(四月為30天，約4.29周)計為月工作小時數(shù)，然后將月收入除以月工作時間得到小時工資率，在模型實證時取自然對數(shù)作為因變量。(2)戶籍。本文關(guān)鍵是考察戶籍與地域差異對農(nóng)民工工資率的影響，其中戶籍是關(guān)鍵，其不僅將居民分為“農(nóng)業(yè)戶口”和“非農(nóng)業(yè)戶口”，還因人口的流動性分為“本地戶口”和“外地戶口”，當考察本地戶籍人口時，僅含“純”戶籍歧視；當考察流動人口時，則同時包含戶籍歧視和地域歧視。2015年全國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù)收集到四種戶籍登記類型：農(nóng)業(yè)戶口、非農(nóng)業(yè)戶口、農(nóng)業(yè)轉(zhuǎn)居民戶口(“農(nóng)轉(zhuǎn)非”)和非農(nóng)轉(zhuǎn)居民戶口。上文已重點討論了本文樣本選擇的考究，關(guān)鍵是盡量排除兩種類型樣本的異質(zhì)性，使其具有可比性，這也是本文區(qū)別于多數(shù)既有文獻的進步。本文的戶籍是一個二值變量，其中農(nóng)業(yè)戶籍取值1，“農(nóng)轉(zhuǎn)非”戶籍取值0。(3)流動范圍。相對于本地戶籍人口，流動人口的跨區(qū)流動性可能是影響工資率的重要因素。全國流動人口動態(tài)監(jiān)測調(diào)查登記了樣本的流動范圍，包括市內(nèi)跨區(qū)(市縣)、省內(nèi)跨市以及跨省(剔除跨境樣本)。(4)流動時間。該指標反映流動人口在流入地的時長，通常來說流動時間越長，其經(jīng)驗可能越多、工作穩(wěn)定性可能越好，這會影響到最終的工資率。(5)農(nóng)轉(zhuǎn)非與農(nóng)民工選擇性差異，比如社會保障和人力資本健康水平等，這些顯然會影響兩者的工資率差異。但鑒于2015年MDMS調(diào)查數(shù)據(jù)的限制，沒有直接可用的指標，這里基于“您目前參加下列何種社會醫(yī)療保險？”問題進行代替，該問題既考慮到社會保障，又側(cè)重醫(yī)療健康，因此以此來作為控制社會保障狀況、人力資本健康水平的變量。

影響工資率的因素非常多，也得到很多研究證實，在估計戶籍歧視和地域歧視對農(nóng)民工工資率的影響效應(yīng)時需對這些因素加以控制。主要包括性別、年齡(基于明瑟工資方程，還考慮年齡的平方；需要說明的是因調(diào)查數(shù)據(jù)中無“經(jīng)驗”的代理變量，以年齡替代“經(jīng)驗”指標)、婚姻(已婚或未婚)、受教育年限(未上學(xué)為0年、小學(xué)6年、初中9年、高中12年、大學(xué)?？?5年、大學(xué)本科16年、研究生及以上20年)、職業(yè)類型(將國家機關(guān)、黨群組織、企事業(yè)單位負責人，專業(yè)技術(shù)人員，公務(wù)員，辦事人員和有關(guān)人員歸為一類：管理干部和專業(yè)技術(shù)人員；將經(jīng)商、商販、餐飲、家政、保潔、保安、裝修以及其他商業(yè)、服務(wù)業(yè)人員歸為一類：商業(yè)服務(wù)人員；農(nóng)、林、牧、漁、水利業(yè)生產(chǎn)人員和生產(chǎn)、運輸、建筑、其他生產(chǎn)、運輸設(shè)備操作人員及有關(guān)人員歸為一類：生產(chǎn)運輸人員；無固定職業(yè)和其他歸為一類：其他職業(yè)人員，后文實證時以該類為參照組)等等。

(三)實證策略

本文同時研究戶籍歧視與地域歧視，即有四個研究樣本(兩兩比較，如圖1)：外地農(nóng)業(yè)人口、外地“農(nóng)轉(zhuǎn)非”、本地農(nóng)業(yè)人口、本地“農(nóng)轉(zhuǎn)非”，對他們分別兩兩組合形成四種樣本類型：流動人口、本地人口、外地與本地農(nóng)業(yè)人口和外地與本地“農(nóng)轉(zhuǎn)非”人口，前兩者可以估計戶籍歧視，后兩者則可估計地域歧視。為了達到研究目標，這里簡要給出實證策略，說明如何使用不同樣本解決樣本選擇問題，進而在最大限度降低樣本選擇偏差的基礎(chǔ)上估計戶籍歧視和地域歧視。

圖1 本文對戶籍歧視、地域歧視估計的實證策略與分析框架

首先，對于戶籍歧視，當考察本地戶籍人口時，僅含純戶籍歧視。由于本地人口不存在地域流動性，可估計出“純”戶籍歧視。當考察流動人口時，則因為外來人口的樣本特征，同時包含戶籍歧視和地域歧視，所以得到的是“戶地雙歧視”，戶地雙歧視的估計結(jié)果是包含了捆綁在戶籍歧視中的地域歧視(本文稱為戶籍捆綁性地域歧視)，而戶籍捆綁性地域歧視可以通過本地人口的“純”戶籍歧視剝離出來：即戶地雙歧視扣除純戶籍歧視的剩余部分。

其次，對于地域歧視，僅從流動人口和本地人口的樣本分類中無法直接估計出地域歧視，需要對調(diào)查樣本進行再分類，將流動人口和本地人口中的農(nóng)業(yè)戶籍和“農(nóng)轉(zhuǎn)非”戶籍重新組合，得到兩類新樣本：外地與本地農(nóng)業(yè)戶籍以及外地與本地“農(nóng)轉(zhuǎn)非”戶籍。顯然這兩類樣本都分別具有相同戶籍，這樣就可以消除戶籍的影響而將純地域歧視估計出來，同時在相同條件下(比如都顯著)比較兩者的差異。其中通過外地與本地農(nóng)業(yè)戶籍人口樣本，消除戶籍的影響可估計出地域歧視；通過外地“農(nóng)轉(zhuǎn)非”和本地“農(nóng)轉(zhuǎn)非”也可估計得到他們之間的地域歧視；而且兩組估計都因沒有戶籍的干擾，估計結(jié)果都為純地域歧視。如此，本文在樣本選擇問題上做了最大努力以提升可比性并降低選擇偏差，能得到更為接近真實無偏的估計結(jié)果。

三、實證分析

(一)戶籍歧視與農(nóng)民工工資減損：基本結(jié)果

首先通過OLS 回歸估計戶籍歧視對農(nóng)民工工資率的減損作用，樣本分為流動人口和本地人口，為了具有可比性，基本結(jié)果僅包含流動人口和本地人口共同擁有的屬性(變量)，暫不考慮流動人口的特有影響變量，后文將專門進行討論。表1為戶籍歧視對農(nóng)民工工資影響的基本估計結(jié)果。先看流動人口樣本，第(1)列為基準明瑟方程；第(2)列為增加戶籍因素后的估計結(jié)果；第(3)列為增加控制變量的估計結(jié)果，其中擬合優(yōu)度從0.0734增加到了0.1440，幾乎增加了1倍，這說明戶籍歧視確實對農(nóng)民工工資率差異具有較強的解釋力。具體結(jié)果顯示，農(nóng)業(yè)戶籍農(nóng)民工要比“農(nóng)轉(zhuǎn)非”城市居民工資率顯著低6.9%，表明戶籍歧視確實存在。其他可觀測的變量回歸結(jié)果符合既有研究結(jié)論，以模型(3)為例，受教育年限每增加1年能提升流動人口3.6%的工資率；年齡(經(jīng)驗)則與工資率存在顯著的倒U型關(guān)系，根據(jù)方程估算得到拐點年齡約為41.8歲，即平均來說流動人口在42歲左右的中年時期工資率最高；男性流動人口工資率要比女性高出24%；已婚流動人口則比未婚流動人口工資率平均高出8.4%；相比其他職業(yè)，管理干部和專業(yè)技術(shù)人員要高出18.5%的工資率，生產(chǎn)運輸人員要高出5.6%的工資，而農(nóng)民工群體從業(yè)規(guī)模最大的商業(yè)服務(wù)人員工資最低，比其他職業(yè)人員要低2.4%；參加了至少一種社會醫(yī)療保險的流動人口要比未參加任何一種醫(yī)保的流動人口工資率高2%左右，顯示了社會保障和人力資本健康水平對工資率的促進作用。再看本地戶籍人口，其結(jié)論基本和流動人口樣本一致，不再逐個贅述。其中本文關(guān)心的核心變量顯示本地戶籍人口中農(nóng)業(yè)戶籍農(nóng)民工要比“農(nóng)轉(zhuǎn)非”居民工資率顯著低6.4%左右，同樣證實了戶籍歧視的存在；對于社會學(xué)研究經(jīng)常關(guān)注的性別工資差異，本地戶籍中的男性工資要比女性高出14.3%，相對于流動人口該指標要低10%，表明性別歧視在流動人口中表現(xiàn)得更明顯，這可能與女性經(jīng)歷“農(nóng)轉(zhuǎn)非”成為城市居民后的身份地位提升和性別平等意識增強有關(guān)。

(二)流動人口戶籍歧視的再估計：兼論“戶地雙歧視”

為了流動人口與本地戶籍人口估計的可比性，上節(jié)的基本結(jié)果估計中未考慮流動人口的特有屬性，這些屬性的特有性使得流動人口受到的影響更復(fù)雜，如果遺漏這些重要因素將產(chǎn)生模型設(shè)定偏差從而導(dǎo)致內(nèi)生性問題。相對于本地戶籍人口，流動人口的特有屬性是“流動”，包括跨區(qū)流動、跨市流動和跨省流動，這是戶籍歧視發(fā)生的空間基礎(chǔ)，遺漏這些變量顯然會低估流動人口的戶籍歧視程度，因此需要在模型設(shè)定時加以考慮。同時流動時間(在流入地的持續(xù)時間)也對流動人口戶籍歧視的估計產(chǎn)生影響。為此，本節(jié)將從流動人口的這些屬性特征著手進一步分析，表2報告了補充重要遺漏變量后流動人口戶籍歧視的再估計結(jié)果。

表1 戶籍歧視對農(nóng)民工工資率減損的估計結(jié)果

注：括號內(nèi)數(shù)值為穩(wěn)健標準誤，***、**、*分別表示1%、5%和10%的顯著性，下表同。

表2 補充重要遺漏變量后流動人口戶籍歧視的再估計

注：限于篇幅，控制變量結(jié)果未在表中報告，有興趣的讀者可向作者獲取，下表同。

為了對比，再次報告了表1中模型(3)的估計結(jié)果，其中戶籍歧視程度為6.9%。模型(7)是考慮流動范圍后的估計結(jié)果，顯示戶籍歧視程度大幅度提升，達到9.1%；其中長距離的跨省流動要比短距離的跨區(qū)流動工資率平均高出17.6%，中距離的跨市流動也要比跨區(qū)流動高出6.7%。模型(8)則同時考慮了流動時間，戶籍歧視程度進一步上升到9.3%；不過，流動時間越長，農(nóng)民工工資率反而越低，盡管比例僅為0.2%，但有顯著影響?？赡艿慕忉屖橇鲃愚r(nóng)民工受到歧視，使得晉升、漲薪并不與工作年限成正比關(guān)系，同時流動農(nóng)民工換工作的頻率非常高，穩(wěn)定就業(yè)的持續(xù)工作時間不長，使其流動時間和工作年限不等同，因此長期不穩(wěn)定的就業(yè)形勢可能導(dǎo)致工資率反而有輕微的下降。

需要說明的是，因為流動人口的角色特征是“外地人口”，計量模型不能消除他們本身是外地人口的事實，估計戶籍歧視時應(yīng)該含有地域歧視的成分，不是純戶籍歧視，這與后文估計純地域歧視的模型(9)有所差別。此時的“戶籍歧視”其實是戶籍歧視與地域歧視的“捆綁”(本文定義為“戶地雙歧視”)。

鑒于此，能否分解出流動人口“戶地雙歧視”中的戶籍歧視和地域歧視呢？本文認為可以。依據(jù)本文的樣本類型，流動人口樣本包括“外地工人和外地農(nóng)民”，本地人口包括“本地工人和本地農(nóng)民”，其中后者已經(jīng)估計出“純”戶籍歧視，將流動人口樣本估計的“戶地雙歧視”扣減本地戶籍人口樣本估計的“純”戶籍歧視則代表隱含在戶籍歧視中的地域歧視。所以隱含的假設(shè)是：流動人口樣本估計的戶籍歧視程度(“戶地雙歧視”)要大于本地戶籍人口樣本估計的戶籍歧視程度。這一點從表1中可以看出來，流動人口的戶籍歧視程度是6.9%(“戶地雙歧視”)，本地人口的戶籍歧視程度是6.4%(“純”戶籍歧視)，確實前者大于后者，證明了假設(shè)。不過兩者差異僅為0.5%，即地域歧視程度很低，相對于“純”戶籍歧視可以忽略，這可能存在估計偏差，通過以上分析發(fā)現(xiàn)產(chǎn)生估計偏差的原因在于變量遺漏產(chǎn)生的內(nèi)生性。如果比較模型(8)中9.3%的戶籍歧視程度(“戶地雙歧視”)與模型(6)中6.4%的“純”戶籍歧視，提升了2.9%，這一數(shù)值其實可以理解為“戶地雙歧視”中的地域歧視，它可能是由于流動人口中的農(nóng)業(yè)人口和“農(nóng)轉(zhuǎn)非”人口同時受到本地人的地域歧視而在計量估計時相互抵消、無法識別和分解，從而被“捆綁”到戶籍歧視估計結(jié)果中(本文且稱為戶籍捆綁性地域歧視)，這就導(dǎo)致了解讀偏差。不過本節(jié)“戶地雙歧視”中的地域歧視不同于后文要進一步分析的地域歧視，后者需要像估計“純”戶籍歧視一樣估計出“純”地域歧視，下面將對此展開討論。

(三)地域歧視與農(nóng)民工工資減損：兼全樣本分析

為了估計“純”地域歧視的影響，首先對樣本進行再分類，將流動人口和本地人口中的農(nóng)業(yè)戶籍和“農(nóng)轉(zhuǎn)非”戶籍同時分開再重新組合，得到兩類新樣本：外地與本地農(nóng)業(yè)戶籍以及外地與本地“農(nóng)轉(zhuǎn)非”戶籍。顯然這兩類樣本都分別具有相同戶籍，這樣就可以消除戶籍的影響而將“純”地域歧視估計出來，將流動人口(外地人口)賦值為1，本地人口作為參照組賦值為0，即可估計出“純”地域歧視，結(jié)果報告于表3。先看外地與本地農(nóng)業(yè)戶籍樣本，模型(9)顯示外來人口受到顯著地域歧視，其工資率大約比本地人口低7.6%，該值即可稱為“純”地域歧視；同樣長距離跨省流動和中距離跨市流動要比短距離跨區(qū)流動的農(nóng)民工工資率要高。再看外地和本地“農(nóng)轉(zhuǎn)非”戶籍樣本，模型(10)顯示盡管地域歧視變量的系數(shù)符號為負，但并不顯著，即“農(nóng)轉(zhuǎn)非”居民之間不存在外地與本地工資率的差異。這些估計結(jié)果表明地域歧視具有選擇性，僅存在于農(nóng)民工群體；地域歧視會對農(nóng)民工產(chǎn)生減損效應(yīng)，對“農(nóng)轉(zhuǎn)非”的城市居民則無影響。如果回顧戶籍歧視估計結(jié)果，可以發(fā)現(xiàn)戶籍歧視具有普遍性，即外地人口和本地人口中的農(nóng)民工工資率都要低于“農(nóng)轉(zhuǎn)非”群體。綜合兩者發(fā)現(xiàn)，農(nóng)民工群體顯然同時受到戶籍歧視和地域歧視的影響?；仡櫿略?2011)的研究結(jié)論[16][17]：外地城市居民的工資率顯著高于本地城市居民的工資率，這和現(xiàn)實觀感不一致，該文進行了比較合理的解釋。本文卻不顯著，原因可能是戶籍捆綁性地域歧視(即存在地域歧視的結(jié)果，外地城市居民的工資率顯著低于本地城市居民工資率)抵消了本來潛在的估計結(jié)果(即章元等數(shù)據(jù)樣本的結(jié)果：外地城市居民的工資率顯著高于本地城市居民工資率)，使得結(jié)果不顯著。這表明盡管外地與本地城市居民之間不存在純地域歧視，但可能存在戶籍捆綁性地域歧視，后者依然對工資率發(fā)揮減損效應(yīng)。

為了進一步分析戶籍歧視和地域歧視的作用，繼續(xù)對流動人口和本地戶籍全樣本進行估計。模型(11)單獨估計戶籍歧視，全樣本顯示戶籍歧視達到10.5%；模型(12)單獨估計地域歧視，全樣本顯示地域歧視達到11.8%。模型(13)則同步估計戶籍歧視和地域歧視，結(jié)果顯示兩者的程度分別下降到8.9%和6.8%；單獨估計和同步估計的變化說明兩者之間可能本質(zhì)上是交互關(guān)聯(lián)的，戶籍歧視和地域歧視會相互影響，戶籍歧視本身具有地域歧視的屬性，戶籍是產(chǎn)生戶籍歧視和地域歧視的最根本原因，這也證明了上文流動人口可能存在的“戶地雙歧視”特征。經(jīng)全樣本分析，舉一個例子來說明：一位在異地大城市務(wù)工的農(nóng)民工，首先因為戶籍歧視工資率減損8.9%，又因為地域歧視，工資率再減損6.8%，在其他條件不變的情況下，相比當?shù)亍稗r(nóng)轉(zhuǎn)非”工人總工資要減損15.7%，這是一個相當大的差距，而且不是與當?shù)氐囊话惴寝r(nóng)戶籍城市居民的差異，可見戶籍歧視和地域歧視會嚴重消減農(nóng)民工工資率，構(gòu)建平等、公正的社會環(huán)境還有很長的路要走。

表3 地域歧視對農(nóng)民工工資的減損估計結(jié)果

注：流動范圍參照組同表2，限于篇幅不重復(fù)列出。

(四)穩(wěn)健性檢驗：傾向值匹配估計分析

盡管本文在參照組樣本選擇和流動人口特有的遺漏變量處理上已經(jīng)最大程度減緩了內(nèi)生性問題，但依然還可能存在估計偏差，這是因為戶籍歧視與地域歧視外生于工資率的假設(shè)在OLS回歸模型中難以信服，依舊可能存在“農(nóng)轉(zhuǎn)非”樣本選擇偏差：那些成為“農(nóng)轉(zhuǎn)非”的居民本身可能就有更好的稟賦條件，和農(nóng)業(yè)人口可能還存在較大的差異，內(nèi)生性并沒有完全消除，因此需要進一步處理內(nèi)生性偏誤。當前處理內(nèi)生性的方式以工具變量法或2SLS估計為主，尋找戶籍的工具變量研究并不缺乏，溫興祥以農(nóng)村土地是否被征收作為戶籍的工具變量[2]，張皓星以姓氏作為戶籍的工具變量[4]；不過研究地域歧視，如何尋找工具變量存在困難，研究比較鮮見。更棘手的是，本文利用的數(shù)據(jù)中并沒有很好的工具變量(包括姓氏信息也沒有)來代理戶籍和地域。為此需要尋找其他方法進行分析，當前削減選擇偏差、控制內(nèi)生性影響的另一個比較流行而且有效的辦法是傾向值匹配分析(propensity score matching，PSM)。該方法的核心思想是從參照組中選擇最匹配干預(yù)組的樣本，通過計算干預(yù)組和匹配后的參照組差值得到平均處理效應(yīng)(ATT)，即干預(yù)效應(yīng)。本文PSM估計過程的直觀解釋是：以戶籍歧視為例，將“農(nóng)轉(zhuǎn)非”居民設(shè)為干預(yù)組，對農(nóng)業(yè)戶口參照組中每個樣本可能成為“農(nóng)轉(zhuǎn)非”的概率進行估計，然后選出那些與“農(nóng)轉(zhuǎn)非”居民具有相同特征的匹配樣本作為對照，當每個干預(yù)組樣本都找到了最匹配的參照組樣本時，便能對這兩組樣本進行有效的比較研究了。然后再來看他們的區(qū)別：如果干預(yù)組與匹配后的參照組確實存在工資率差異(ATT顯著)，那么就可以確信在工資率上是存在戶籍歧視的；地域歧視的PSM估計過程同理。

接下來本文通過傾向值匹配方法來估算平均處理效應(yīng)ATT，本文的ATT是指農(nóng)民獲得城市戶籍后(成為“農(nóng)轉(zhuǎn)非”)是否能提升工資率，或者本地人口是否比流動人口具有更高的工資率，因此可以有效證明戶籍歧視和地域歧視是否導(dǎo)致農(nóng)民工與城市工人工資率差異，并且能有效處理內(nèi)生性問題。需要注意的是，根據(jù)一般的匹配規(guī)則，本文將“農(nóng)轉(zhuǎn)非”居民和本地居民分別作為戶籍歧視和地域歧視的干預(yù)組(處理組)，而農(nóng)業(yè)人口與流動人口分別作為參照組(控制組)，因此ATT估計結(jié)果稱為平均處理效應(yīng)，表示相對于農(nóng)業(yè)人口而言，“農(nóng)轉(zhuǎn)非”居民的工資率高出比例；或者相對于流動人口而言，本地居民的工資率高出比例，這正好與OLS估計中的處理相反，需要注意含義的解讀。

為了增強可靠性和穩(wěn)健性，通過核匹配和最近鄰域匹配兩種方式進行樣本選擇匹配，ATT估計結(jié)果報告于表4。以核匹配為例，戶籍歧視的ATT估計中，無論是本地戶籍人口還是流動人口都顯示：相對于農(nóng)業(yè)人口，“農(nóng)轉(zhuǎn)非”居民的工資率要高，反過來說就是農(nóng)業(yè)人口要比“農(nóng)轉(zhuǎn)非”居民工資率低。其中本地戶籍人口中的農(nóng)業(yè)人口要比“農(nóng)轉(zhuǎn)非”居民工資率低8.9%，流動人口中的農(nóng)業(yè)人口要比“農(nóng)轉(zhuǎn)非”居民工資低13.6%，而且都通過了1%的顯著性檢驗。地域歧視的ATT估計中，發(fā)現(xiàn)本地與外地農(nóng)業(yè)人口之間存在地域歧視，歧視程度約為4.2%；但是本地與外地“農(nóng)轉(zhuǎn)非”居民之間的地域歧視則不顯著，考慮到樣本選擇優(yōu)勢，本文認為兩者之間不存在地域歧視產(chǎn)生的工資率差異。最近鄰域匹配結(jié)果基本相同，但是本地與外地農(nóng)業(yè)人口之間的地域歧視不顯著，本文無法做出精確的解釋，這也可能成為本文不足，但不能因此否定核匹配和OLS的結(jié)論，從概率上來說，3種獨立的方式得到2：1的結(jié)果，有理由認為本地與外地農(nóng)業(yè)人口之間存在地域歧視的結(jié)論更適宜。應(yīng)該說總體上ATT估計與OLS估計結(jié)果是一致的，通過ATT估計驗證了戶籍歧視和地域歧視的存在，且不同樣本具有一定的異質(zhì)性，也證明了OLS估計結(jié)果的穩(wěn)健性，本文的研究結(jié)論比較可信。

表4 戶籍歧視與地域歧視對農(nóng)民工工資減損的ATT估計結(jié)果

四、結(jié)論與討論

本文利用2015年全國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù)分析了戶籍歧視和地域歧視對農(nóng)民工工資率的減損效應(yīng)。對于戶籍歧視，鑒于既有研究關(guān)于本議題的最大不足——樣本可比性較差而產(chǎn)生內(nèi)生性偏誤，本文以農(nóng)業(yè)人口和經(jīng)歷過“農(nóng)轉(zhuǎn)非”的居民(而不是全體非農(nóng)人口)作為樣本，來盡量估計出獨立的戶籍歧視而剔除其他不可控制變量的影響，分別通過流動人口樣本和本地人口樣本得到戶籍歧視估計結(jié)果。對于地域歧視，將選擇的樣本進行重新分類組合，分別通過外地與本地農(nóng)業(yè)人口樣本、外地與本地“農(nóng)轉(zhuǎn)非”人口樣本估計得到地域歧視估計結(jié)果。同時考慮到流動人口的特殊屬性，專門對流動人口進行單獨分析，并提出流動人口特有的“戶地雙歧視”概念。經(jīng)過一系列樣本估計、模型比較和歸納總結(jié)，并利用傾向值匹配方法進行內(nèi)生性處理和穩(wěn)健性檢驗，得到的主要結(jié)論有：

第一，通過本地人口樣本估計發(fā)現(xiàn)，在其他條件不變時，戶籍歧視使得農(nóng)民工工資率要比“農(nóng)轉(zhuǎn)非”的城市居民減損6.4%。這一數(shù)值是獨立的戶籍因素對農(nóng)民工工資率的影響效應(yīng)。本文估計的“純”戶籍歧視程度相對既有研究顯著偏低，這是因為現(xiàn)有研究成果的戶籍歧視程度包含的不可控制信息太多，并不是獨立的戶籍歧視，本文的研究在樣本選擇上更可信。

第二，通過外地與本地農(nóng)業(yè)戶籍人口樣本，消除戶籍的影響可估計出地域歧視使工資率減損7.6%；而外地“農(nóng)轉(zhuǎn)非”和本地“農(nóng)轉(zhuǎn)非”之間的地域歧視不顯著。綜合戶籍歧視和地域歧視估計結(jié)果發(fā)現(xiàn)，農(nóng)民工既受到戶籍歧視又受到地域歧視，而“農(nóng)轉(zhuǎn)非”本身不含有戶籍歧視，地域歧視估計也不顯著。這些估計結(jié)果表明戶籍歧視具有普遍性，而地域歧視具有選擇性，僅存在于農(nóng)民工群體。

第三，流動人口有“外來人口”屬性，因此流動農(nóng)民工同時兼具“農(nóng)業(yè)人口”和“外來人口”特征，“戶地雙歧視”使工資率減損9.3%，通過本地人口的“純”戶籍歧視剝離得到戶籍捆綁性地域歧視的影響大約為2.9%。戶籍捆綁性地域歧視是因為外來農(nóng)業(yè)戶籍人口和外來的“農(nóng)轉(zhuǎn)非”人口同時受到地域歧視而無法在估計中消除，但確實是存在的，因此，盡管通過外地“農(nóng)轉(zhuǎn)非”和本地“農(nóng)轉(zhuǎn)非”估計得到他們之間的“純”地域歧視不顯著，但戶籍捆綁性地域歧視仍能發(fā)揮作用。

第四，戶籍歧視和地域歧視既是獨立的又是相互關(guān)聯(lián)的，這從全樣本獨立估計戶籍歧視、獨立估計地域歧視和同時估計兩者的參數(shù)變化中可以得到驗證。這種關(guān)聯(lián)性的主要來源是戶籍制度，戶籍歧視本身具有地域歧視的屬性，戶籍是產(chǎn)生戶籍歧視和地域歧視的最根本原因。

綜合以上研究結(jié)論，證明了戶籍歧視和地域歧視兩種獨立而又相互關(guān)聯(lián)的制度性因素和非制度性因素對農(nóng)民工工資率具有顯著的減損效應(yīng)。如何構(gòu)建城鄉(xiāng)平等、區(qū)域平等的就業(yè)市場環(huán)境，消除戶籍歧視和地域歧視是政府需要持續(xù)努力的方向，其中戶籍改革是核心。當前我國正在進行戶籍改革，逐步破除戶籍障礙。戶籍歧視的根本來源是政策制度，但直接原因是用人單位或企業(yè)的不平等行為，所以，戶籍改革需要政府和市場聯(lián)合行動。另外，地域歧視與戶籍歧視是兩種獨立的力量，因而政府需要采取不同的政策措施來應(yīng)對。隨著戶籍改革深化，甚至完全取消戶籍制度，市場對農(nóng)民工的地域歧視依然難以消除，地域歧視問題需要長期的文化、思維的轉(zhuǎn)變和精神文明的引導(dǎo)才有望解決，尤其在受儒家文化和“熟人社會”文化熏陶的我國。

同時，鑒于本文估計的戶籍歧視是獨立的“一紙證件”的工資率減損效應(yīng)，未來的研究可以進一步評估戶籍改革的成效，即通過比較2016年、2017年或今后的調(diào)查數(shù)據(jù)，檢驗戶籍歧視程度的變化，這在一定程度上可以判斷戶籍改革成效，因為具有可比性的樣本能最大程度排除其他因素的影響，得到更加客觀、獨立的戶籍改革效應(yīng)評估結(jié)論。這一評估的實現(xiàn)依賴于調(diào)查樣本的持續(xù)性，如果今后全國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù)持續(xù)獲取“農(nóng)轉(zhuǎn)非”這一寶貴的樣本數(shù)據(jù)，則本文的樣本設(shè)計可以成為戶籍改革成效評估的參考方式。