王旋 李莉莉

摘要：通過對某市畢業(yè)生的社保數(shù)據(jù)建立雙重差分模型，分析了畢業(yè)生收入水平的變動情況及影響因素。研究結(jié)果表明，男性畢業(yè)生收入普遍高于女性畢業(yè)生，這主要是因?yàn)樾詣e歧視因素導(dǎo)致的，2006—2011年間歧視因素不顯著，收入差距也不大。而2011—2018年間歧視因素表現(xiàn)為顯著，由于存在較大的歧視因素，女性畢業(yè)生收入也顯著低于男性。高學(xué)歷，雙一流院校的畢業(yè)生普遍獲得更高的收入，籍貫因素對畢業(yè)生收入水平影響程度較小。在就業(yè)市場中，男女性別因素影響持續(xù)存在，近年來性別歧視影響顯著，且非雙一流學(xué)生、女性畢業(yè)生的收入在就業(yè)市場中相對較低。

關(guān)鍵詞：雙重差分模型;畢業(yè)生收入;性別歧視;政府決策

中圖分類號：F241

文獻(xiàn)標(biāo)志碼：A

收稿日期：2020-08-28

基金項(xiàng)目：

國家社科基金項(xiàng)目（批準(zhǔn)號：2019BTJ028）資助。

通信作者：

李莉莉，女，博士，教授，主要研究方向?yàn)榻y(tǒng)計(jì)調(diào)查與預(yù)測等。E-mail：lili_lee2003@126.com

自上世紀(jì)90年代以來，為適應(yīng)經(jīng)濟(jì)的高速發(fā)展，中國進(jìn)行了一系列改革。其中，如何進(jìn)行教育投資是重中之重的問題。Dominitz [1]認(rèn)為，收入是決定教育投資決策的關(guān)鍵性因素。Manski[2]指出，在理性預(yù)期模型下，如果個(gè)人擁有不同情境中市場工資水平的完美信息，那么就能通過這些信息做出對未來的無偏預(yù)測;而適應(yīng)性預(yù)期模型假設(shè)個(gè)人掌握的信息是有限的，人們對工資的預(yù)期就可能存在偏差。經(jīng)濟(jì)學(xué)家們更傾向于搜集和分析確鑿的數(shù)據(jù)，而對預(yù)期數(shù)據(jù)的估計(jì)研究較為匱乏。從現(xiàn)有的研究結(jié)果來看，對預(yù)期收入的影響因素，如何影響預(yù)期收入，將成為關(guān)注的重點(diǎn)。國內(nèi)的經(jīng)濟(jì)學(xué)家對收入的研究集中于性別差異、職業(yè)差異、地域差異、背景差異等等因素。在性別差異方面，葉文振等[3]通過研究發(fā)現(xiàn)女性的就業(yè)水平和工資水平確實(shí)比男性要低;曾湘泉[4]認(rèn)為，大學(xué)生就業(yè)困難的問題主要受到就業(yè)環(huán)境和大學(xué)生自身?xiàng)l件的影響;曹星[5]等通過問卷調(diào)查的方式得出大學(xué)生就業(yè)的性別差異問題，男女畢業(yè)生起薪差距較大。畢業(yè)生收入水平和很多因素有千絲萬縷的關(guān)系，唐詩潮[6]指出當(dāng)前大學(xué)生普遍就業(yè)困難，鄭彩玲[7]給出了當(dāng)今女大學(xué)生就業(yè)受到歧視問題的分析。葛玉好[8]定量的分析了大學(xué)生的性別歧視問題。通過對影響畢業(yè)生收入因素的定性定量的分析給出相應(yīng)的解決方案，為中國目前面臨大學(xué)生普遍就業(yè)難，就業(yè)情況不符合預(yù)期的情況提供了數(shù)據(jù)和理論的解決辦法?？v觀國內(nèi)外經(jīng)濟(jì)學(xué)家對畢業(yè)生的收入分析，數(shù)據(jù)來源大多是調(diào)查問卷或是統(tǒng)計(jì)年鑒，較少的考慮了對大量數(shù)據(jù)的統(tǒng)計(jì)分析;同時(shí)，樣本量集中在2～3年，沒有多年的樣本比較;本文在對影響畢業(yè)生收入進(jìn)行分析時(shí)，采用了大量數(shù)據(jù)，研究涉及性別、籍貫、教育水平等因素，同時(shí)關(guān)注了2006—2018年時(shí)間跨度的收入樣本，并對年份收入數(shù)據(jù)進(jìn)行雙重差分模型的分析，以此進(jìn)行男女收入情況的判斷，達(dá)到研究高校畢業(yè)生收入水平因素的目的。

1 雙重差分（DID）分析模型選擇及變量設(shè)定

1.1 雙重差分分析（DID）簡介

要考慮性別歧視是否對畢業(yè)生工資差異帶來了顯著性的變化，就是要選出不同年度的男女收入數(shù)據(jù)，來對照收入的變化。如果評價(jià)目標(biāo)是Yi，則第一次差分，第二次差分和處理效應(yīng)

ΔY|（treat=1），ΔY|（treat=0） （第一次差分）（1）

ΔY|（treat=1）-ΔY|（treat=0）（第二次差分）（2）

估計(jì)E（ΔY|（treat=1））-E（ΔY|（treat=0）），其中，E表示求期望，當(dāng)treat=1，t=1即表示處理組在執(zhí)行某項(xiàng)政策之后的處理效應(yīng)，因此可以對畢業(yè)生收入建立回歸方程

Yit=β0+β1treat+β2t+β3treat×t+uit，treat=0，1。t=0，1。i=1，…，N（3）

其中，Y為評價(jià)目標(biāo)值，即畢業(yè)生收入;treat=1，0表示處理組和對照組，在這里分別代表性別女和性別男;t=1，0表示執(zhí)行某項(xiàng)政策之后和之前，在這里分別代表雙一流和非雙一流院校，只有treat，t=1時(shí)，treat×t項(xiàng)才存在，文中代表院校差異與性別差異的雙重差分作用;β0、β1、β2、β3是回歸系數(shù)，β3是執(zhí)行某政策之后的處理效應(yīng)系數(shù);如果β3的估計(jì)量顯著不等于零，說明處理效應(yīng)存在，即執(zhí)行某項(xiàng)政策制后，評價(jià)目標(biāo)有顯著變化;uit是隨機(jī)誤差項(xiàng)，代表影響評價(jià)目標(biāo)Yit變化的眾多微小因素。對于經(jīng)濟(jì)問題，常用ΔLnW的值作比較[9]，因此本文將收入數(shù)據(jù)經(jīng)過對數(shù)處理后再進(jìn)行分析。

根據(jù)DID模型的設(shè)置，由于近年來某市的人口政策、人口組成、教育水平并未發(fā)生顛覆性改變或者強(qiáng)烈震蕩，因此可以使用DID模型進(jìn)行分析比較[10]，且各年份之間的數(shù)據(jù)具有參考對比的作用。

1.2 變量解釋說明

數(shù)據(jù)采用的是某市人社局2006—2018年高校畢業(yè)生的社保數(shù)據(jù)作為研究目標(biāo)，由于人社局調(diào)查的數(shù)據(jù)具有完整性、真實(shí)性，因此只需要篩選缺失數(shù)據(jù)，篩選異常數(shù)據(jù)后，對數(shù)據(jù)進(jìn)行處理后選取性別、年齡，戶籍等5個(gè)指標(biāo)，最終歸納為個(gè)體特征[11]，家庭情況，教育情況3個(gè)維度作為解釋變量，其中性別為男性設(shè)置為0，女性設(shè)置為1;非某市戶籍設(shè)置為0，某市戶籍設(shè)置為1;非雙一流大學(xué)畢業(yè)生設(shè)置為0，雙一流大學(xué)畢業(yè)生設(shè)置為1;受教育年限，年齡按實(shí)際時(shí)間填寫[12]。

2 數(shù)據(jù)來源與數(shù)據(jù)基本分析

2.1 數(shù)據(jù)來源

本文采用的是某市人社局2006—2018年高校畢業(yè)生的社保數(shù)據(jù)共500余萬條。通過對樣本進(jìn)行預(yù)處理，刪除信息不完整數(shù)據(jù)后，共計(jì)有效數(shù)據(jù)3 679 633條。數(shù)據(jù)內(nèi)容包括了性別、收入、生源地、工作年限等多個(gè)方面的信息。對變量的頻率進(jìn)行描述性統(tǒng)計(jì)，選取性別、戶籍、畢業(yè)院校等指標(biāo)，可以對比分析不同年份數(shù)據(jù)之間的差異。對被調(diào)查者的個(gè)體特征、教育情況的頻率統(tǒng)計(jì)，得到結(jié)果男女比例每年基本穩(wěn)定，男女比例接近1∶1;某市戶籍畢業(yè)生與非某市戶籍畢業(yè)生比例也在6∶4比例穩(wěn)定;雙一流大學(xué)與非雙一流大學(xué)畢業(yè)生的比例為接近1∶9。

關(guān)于變量的選取問題，在實(shí)證的過程中，本文曾經(jīng)選取過多個(gè)相關(guān)變量進(jìn)行實(shí)證分析，本文所展示的指標(biāo)為篩選過后效果最佳的指標(biāo)組合，其他指標(biāo)組合不如該組合的解釋效果優(yōu)秀。

2.2 男女、教育程度、院校收入的差異度

世界經(jīng)濟(jì)論壇最新報(bào)告顯示，2019年以來經(jīng)濟(jì)快速發(fā)展，然而男女的性別歧視問題并沒有得到緩解。性別差異也是本文研究收入差異的重要因素之一，雙重差分模型可以對這種問題進(jìn)行有效的研究[13-14]，因此，接下來對性別、教育程度、院校差異和收入水平按年度數(shù)據(jù)進(jìn)行簡單統(tǒng)計(jì)分析，結(jié)果見表1。

某市畢業(yè)生在2006—2018年期間，男女社保實(shí)現(xiàn)穩(wěn)步增長。其中男性收入從1 148.43元增長到4 080.89元，增幅達(dá)到355.34%。女性社保由1 085.47元增長到3 650.07元，增幅達(dá)到336.26%。男女社保環(huán)比增長率一直保持穩(wěn)定，在8%～14%期間波動。經(jīng)過男女社保均值t檢驗(yàn)，發(fā)現(xiàn)p<0.05，有顯著差異;社保增長的差值p<0.05，證明男女社保增長速度有顯著差異，男性增長速度顯著高于女性。

不同學(xué)歷間收入差異也是影響畢業(yè)生收入的重要因素，同時(shí)提高學(xué)歷也是大眾普遍認(rèn)為的提高收入的方法[15]。某市本科生畢業(yè)收入由1 086.87元增長到3 965.57元，碩士生收入由1 474.87元增長至5 221.73元，?？粕杖胗?49.86元增長至3 507.77元，收入齊性檢驗(yàn)p值為0.57，方差分析F統(tǒng)計(jì)量的p值為0.083，在10%拒絕域的基礎(chǔ)上可以認(rèn)為三者收入存在差異。多重比較結(jié)果顯示，碩士生與本科生、本科生與?？粕g在0.1的顯著性水平下可認(rèn)為無明顯差異，收入差異主要發(fā)生在碩士生與?？粕g。

不同院校間收入差距，是對院校等級，教育水平在一定層次上的直觀反應(yīng)。某市雙一流院校畢業(yè)生收入一直保持“高收入，高增長”的態(tài)勢穩(wěn)步前進(jìn)， 2006—2018年，平均社保由1 515.33元增長至5 305.37元;相比較而言，非雙一流畢業(yè)生的平均收入則略顯不足：雖也保持穩(wěn)定步幅增長，但從2006年的1 050元起，到2018年平均也只有3 745.51元，增長率逐年降低，在2018年時(shí)與雙一流院校畢業(yè)生的平均收入差距更是達(dá)到了1559.85元之多。其中平均收入的t檢驗(yàn)（p=0.000），社保增幅的t檢驗(yàn)（p=0.011）的結(jié)果也說明二者在平均收入和社保漲幅方面差異都十分顯著。

3 畢業(yè)生收入的影響因素

為了對某地區(qū)畢業(yè)生的收入差異水平進(jìn)行階段性的分析，挑選出2006—2018年的收入數(shù)據(jù)進(jìn)行DID分解，考慮性別因素，得到表2數(shù)據(jù)[16]。由收入欄來看，畢業(yè)生收入水平呈現(xiàn)逐漸升高的趨勢。而性別欄數(shù)值均為負(fù)數(shù)，且影響均顯著，女性畢業(yè)生普遍收入低于男性畢業(yè)生。雙一流因素表現(xiàn)為顯著的正值，說明雙一流院校畢業(yè)生收入普遍高于非雙一流院校的畢業(yè)生。雙重差分一欄，以2011年為分界線，2011年以前性別因素對畢業(yè)生收入只有微弱影響，而從2011年起，雙重差分影響逐漸增大，性別歧視為顯著的負(fù)向影響，從-0.042 7增加到-0.088 3，性別歧視逐年擴(kuò)大，女性畢業(yè)生在就業(yè)市場受到越來越嚴(yán)重的歧視。

從數(shù)值上來看，性別帶來的收入差距一直穩(wěn)定在-0.04～-0.08之間，畢業(yè)院校帶來的影響也基本穩(wěn)定在0.2～0.35之間，而性別歧視的數(shù)值卻在近年逐漸增加，說明性別影響收入的情況逐漸明顯，使女性收入顯著低于男性。由于畢業(yè)生的收入水平與很多影響因素息息相關(guān)[17]。表3為更全面的畢業(yè)生收入分析結(jié)果，各因素影響收入效果不一。其中性別、院校、戶籍、教育年限因素表現(xiàn)為穩(wěn)定且顯著的影響因素，說明畢業(yè)生收入確實(shí)和這些因素緊密相關(guān)。

女性在2006—2018年間基本保持穩(wěn)定低于男性0.06左右的收入水平，只有在2016年男女因性別因素帶來的收入差距不明顯。院校方面，雙一流院校畢業(yè)生收入顯著高于非雙一流畢業(yè)生收入，僅僅在個(gè)別年份二者差距不大。教育年限的數(shù)據(jù)則表示，擁有較高受教育年限的畢業(yè)生通常有較高的收入，且這種影響表現(xiàn)較為穩(wěn)定。不同城市的畢業(yè)生也會有著不同的收入[18]，戶籍?dāng)?shù)據(jù)顯示負(fù)值，說明非某市的畢業(yè)生收入普遍高于某市畢業(yè)生收入，畢業(yè)生的籍貫因素會稍微影響一定的畢業(yè)生的收入水平。

表3給出了雙重差分的影響，直觀上來說，以2011年為分界線，2011年以前性別歧視只起了較小的影響，2011年以后性別因素影響收入水平較為顯著。這也和社會發(fā)展，經(jīng)濟(jì)形勢有所關(guān)聯(lián)[19]，市場對男性勞動力需求較大，同時(shí)會匹配較高的收入水平，男性畢業(yè)生也會獲得更高的生活滿意度[20]。

4 結(jié)論及建議

本文基于DID模型對某地區(qū)畢業(yè)生收入問題進(jìn)行分析。2006—2018年，某市畢業(yè)生收入水平實(shí)現(xiàn)了大幅提升，但性別因素帶來的收入不平衡問題一直存在。首先，性別門檻不斷提高。2019年男女收入差距進(jìn)一步擴(kuò)大，女性受到更嚴(yán)重的就業(yè)歧視。其次，教育水平對收入有顯著影響。非雙一流院校與雙一流院校畢業(yè)生的收入有顯著的差距，即使院校相同，擁有較高受教育年限的畢業(yè)生也會獲得較高的收入。再次，畢業(yè)生收入受戶籍影響關(guān)系較小。某市2006—2018年畢業(yè)生收入與畢業(yè)生的戶籍關(guān)系不大，非某市畢業(yè)生收入略高于某市畢業(yè)生收入。說明某市用人單位貫徹了以人為本，以能力為本的宗旨，較好地匹配了畢業(yè)生的收入和能力。同時(shí)，性別對收入的影響仍然存在。男女收入表現(xiàn)為穩(wěn)定的差距，女性收入普遍低于男性。要想解決畢業(yè)生收入差距的歧視問題，打破就業(yè)性別歧視，增加就業(yè)市場的接納能力，補(bǔ)充人才引進(jìn)機(jī)制，通過激勵(lì)手段鼓勵(lì)畢業(yè)生就業(yè)。大學(xué)生們還要不斷提高自己的知識能力技能，以實(shí)現(xiàn)自己的就業(yè)理想。學(xué)校和政府方面，要加強(qiáng)就業(yè)引導(dǎo)，使就業(yè)渠道信息通暢，使得信息對稱高效流通，引導(dǎo)學(xué)生樹立正確的就業(yè)觀和擇業(yè)觀，幫助學(xué)生進(jìn)行職業(yè)決策。

參考文獻(xiàn)

[1]DOMINITZ J， MANSKI C F. Eliciting student expectations of the returns to schooling[J].The Journal of Human Resources，1996， 31（1）：1-26.

[2]MANSKI C F. Adolescent econometricians： How do youth infer the returns to schooling？[J]. NBER Chapters， 1993， 41：1405-1435.

[3]葉文振，劉建華，夏怡然等.女大學(xué)生的“同民同工”[J].中國人口科學(xué).2002（6）：57-61.

[4]曾湘泉.變革中的就業(yè)環(huán)境與中國大學(xué)生就業(yè)[J].經(jīng)濟(jì)研究.2004（6）：89-93.

[5]曹星，岳昌君.我國高校畢業(yè)生就業(yè)狀況性別差異研究[J].高等教育研究，2010，31（1）：68-72.

[6]唐詩潮.當(dāng)前我國大學(xué)生就業(yè)問題及對策研究[J].高教學(xué)刊，2018（16）：194-196.

[7]鄭彩玲，林佳蓮，陳鑾元，等.高校女大學(xué)生就業(yè)性別歧視問題及其對策研究[J].中外企業(yè)家，2019（11）：212-214.

[8]葛玉好，鄧佳盟，張帥.大學(xué)生就業(yè)存在性別歧視嗎？——基于虛擬配對簡歷的方法[J].經(jīng)濟(jì)學(xué)（季刊），2018，17（4）：1289-1304.

[9]葉芳，王艷. 雙重差分模型介紹及其應(yīng)用[J]. 中國衛(wèi)生統(tǒng)計(jì)，2013，30（2）：131-134.

[10] 陳林，伍海軍.國內(nèi)雙重差分法的研究現(xiàn)狀與潛在問題[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（7）：133-148.

[11] 劉瑞明，趙仁杰.匿名審稿制度推動了中國的經(jīng)濟(jì)學(xué)進(jìn)步嗎？——基于雙重差分方法的研究[J]，經(jīng)濟(jì)學(xué)，2016，16（1）：174-200.

[12] 王庶，岳希明.退耕還林、非農(nóng)就業(yè)與農(nóng)民增收——基于21省面板數(shù)據(jù)的雙重差分分析[J].經(jīng)濟(jì)研究，2017，52（4）：106-119.

[13] 周黎安，陳燁.中國農(nóng)村稅費(fèi)改革的政策效果：基于雙重差分模型的估計(jì)[J].經(jīng)濟(jì)研究，2005（8）：44-53.

[14] 劉華，陸炳靜，王琳，朱晶.計(jì)劃生育政策對農(nóng)村出生人口性別比的影響——基于DID方法的實(shí)證檢驗(yàn)[J].中國農(nóng)村經(jīng)濟(jì)，2016（4）：70-80.

[15] 柳天恩，田學(xué)斌，曹洋.國家級新區(qū)影響地區(qū)經(jīng)濟(jì)發(fā)展的政策效果評估——基于雙重差分法的實(shí)證研究[J].財(cái)貿(mào)研究，2019，30（6）：24-35.

[16] BERNARD M， FANKHNEL T， RIEDEL-HELLER S G. Does weight-related stigmatisation and discrimination depend on educational attainment and level of income？ A systematic review[J]. BMJ Open，2019，9（11）.

[17] 孫雪瑩，呂學(xué)梁，張宗強(qiáng).金融排斥水平測度及其對居民收入的影響——基于省級面板數(shù)據(jù)的分析[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，30（2）：115-121.

[18] 楊瑞，張然，滕柯.鄉(xiāng)村教育投資對城鄉(xiāng)收入差距的影響研究——基于中國省際面板數(shù)據(jù)的經(jīng)驗(yàn)估計(jì)[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，33（1）：128-136.

[19] 國凡，孫毅.山東省城鄉(xiāng)人力資本投資差異對城鄉(xiāng)收入差距的影響[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，29（1）：96-102.

[20] 吳翠紅，呂學(xué)梁.收入差距與居民幸福感的關(guān)系研究[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，33（2）：116-125.

Research on Influencing Factors of College Graduates’

Income Based on DID Model

WANG Xuan， LI Li-li

（School of Economics， Qingdao University， Qingdao 266100，China）

Abstract：

Based on the social security data of graduates in a city， a difference-in-differences model was established to analyze the changes in the income level of graduates and the influencing factors. The results show that， firstly， the income of male graduates is generally higher than that of female graduates， which is mainly due to gender discrimination. During 2006-2011， the discrimination factor is not significant， and the income gap is also small. In 2011-2018， the discrimination factor is significant， and the income of female graduates is also significantly lower than that of men. Secondly， the graduates of high education， double first-class institutions generally get higher income， and the native place factor has less influence on the income. In the employment market， the influence of gender factors continues to exist， and the influence of gender discrimination is significant in recent years， and the income of non double first-class students and female graduates is relatively low in the employment market.

Keywords：

difference-in-differences model; graduates income; gender discrimination; government decision-making