韩军
南开大学经济管理学院
非常高兴来到中国农业大学经济管理学院来做题为劳动力内部结构的报告。
西方对劳动力结构的研究是国家与国家之间的迁移。但是对于中国，是国家内部不同地区之间的迁移，如从农村到城市，所以我称之为内部迁移或内部流动。所谓外部效果是指，农村劳动力进入到城市后，对城市居民的消费或就业机会等的影响，就是农村劳动力带来的外部效应。内部流动和外部效应分析的是劳动力流动对于城市工资结构的影响。
一、这篇文章回答的主要问题
第一，劳动力流动会不会影响城市的工资结构。比如，劳动力流动如何影响教育回报，如何影响不同劳动力之间的工资差异，农民工进入城市后的工资与城市居民工资之间的差异，如何影响城市内的不平等性。
第二，劳动力流动如何影响城市居民的工资。这是从外部效应角度分析，即农村劳动力进入城市后，通过何种渠道来影响城市居民的工资。
第三，这是更重要的相对于西方文献的独特发现。西方已有的研究发现，移民进入一个国家后，会与本地的尤其是本地低端劳动力之间，存在一定的替代关系。但在中国，很独特地，民工进入城市后，对城市居民还产生了一定的互补性影响。产生这种独特影响的原因是，农民工在城市的工作和城市居民的工作是有非常大的差异。所以我篇文章的一个很重要贡献是，研究由于户口本身带来的工作机会的差异，产生的工资巨大差异。
二、文章的主要贡献
一、关于中国大量的劳动力内部流动和工资结构之间关系的新发现。二、劳动力流动带来的外部影响，这一点在国内和国际的研究都较少。三、与以往研究结果截然不同的，工作的巨大差异造成的劳动力比如说工资结构之间的关系。
三、演讲主要的结构
一、使用数据介绍中国劳动力的大概情况。二、分析劳动力流动对城市居民工资水平的影响。三、劳动力流动对于工资结构的影响，具体要分析劳动力流动对于教育回报的影响，城市居民和民工之间的工资差距，以及劳动力流动对城市内部的总的收入不平等的影响，劳动力流动对于城市居民与民工之间工资差距的影响。
四、已有文献回顾
哈佛一个学者研究，劳动力流动到一个国家，其工资的差距在多大程度上是因为人本身质量的差异引起的，如教育水平的差异、内在能力的差异或工作经验的差异。然后，他的一系列文献继续追踪，移民的人的本身质量是否趋同，工资差异是否缩小。他的分析不仅从静态角度进行，还有动态分析。
Smith 2006年的研究，分析了劳动力流动进入美国后如何影响本国的收入分配结构。他发现，劳动力流动到美国后，对于本国的居民，尤其是一般劳动力的工作机会构成了明显竞争的关系，压低了本国低端劳动力的工资。西方研究表示，劳动力流动扩大了教育回报，因为他压低了美国本身的低端劳动力的工资，对高端影响不大。因为移民进入美国后，对于美国的高技能劳动力的替代性不强，但是对于低技能劳动力的替代性比较强。
然后有很多单纯分析工资结构的文献，这和劳动力流动没有多大关系的。但它们都是经典文献，既然我们做这个研究，肯定要引用了解。
最后回顾一下劳动力供给。2004年一篇文献，分析二战期间女性的随迁如何影响当地的工资结构。2005年发表在A12上面的一篇文章，研究香港的制造业外移，如何影响香港的工资结构。
五、中国劳动力的大概情况
接下来我们来看中国的劳动力流动和中国的民工。2011年中国流动的民工数量，不同统计有一定差异，有的统计说是2.6亿，我引用的计生委的统计为2.21亿。基本上公认的为2亿左右，这个数字很高，已经超过了总人口的六分之一。
民工主要工作在比如建筑行业、采矿行业、服务业，即低端的劳动力密集型的行业。这里指的服务业是低端的服务业，高端的金融服务业民工无法从事。民工往往和技术性密集型的行业关系不大，哪怕进入这个行业，从事的具体工作也不是核心技术型的，可能属于服务型。总体来说民工从事的还是低端行业。
多数民工处在比较悲惨的状态下，多数人没有工伤保险、疾病保险、养老保险等健康保障。按理说单位应该给他们缴纳保险，但事实并非如此。民工的福利也很少，正常有的福利他们也没有。
我们的研究数据用的是2005年的迷你普查，即1%的抽样。选择05年迷你普查数据的原因是，它调查了收入。收入数据对研究劳动力，尤其是工资结构很重要。故2005年迷你普查是独一无二的，提供大量的关于工资、关于工作本身的数据，比如工作时间、行业、职业，这些都是较常性的。另外，05年的调查较充分，不像一般的城调会的统计，对于民工的调查比例极低。我们也使用了2000年的普查数据，得到一个工具变量，和05年的数据结合起来应用。
这个图表示工资和民工的比例，民工占城市劳动力的比例。民工往往倾向于去工资比较薄的地方。我讲的是工资率，即小时工资。因为这个数据包含了工资水平、上升的工资水平、和工作时间。我们的这篇研究的优势是可以计算出小时工资，真正意义上的工资率。基本上可以看出，工资率越高的城市，劳动力中民工的比例越高。
下面一个图，横轴是工资率的百分位，纵轴是工资率倍数。最上面的一条线是城市居民的工资情况，整条线向上走，不会向下或者平行，意味着越是高官，排序百分位越是多的地方工资越高。民工和城市工资的区别到底发生在哪些百分位？中间的虚线是民工的工资情况。民工的工资在最低端，即小于十的百分位，跟城市居民的最低端的工作率是差不多。但随着超过第十个分位越多，越往右移动，两者之间的差距是越大的。也就是高技能的工作，民工的高工资比城市居民的高工资要低一大截。最下面一条线是农村劳动力的工资，比如农村的私营企业。农民在农村工作的工资分配水平和农民进入城市以后的工资的差异，越是低端，差距越明显。这就是为什么很多低贱的劳动力会倾向于劳动力迁移到城市的原因。这只是一个简单的图，并没有控制很多因素，比如说可能出现迁移到劳动力的低端的情况，劳动力和农村本身农民的低端劳动力教育水平以及内在能力还是有差距的。所以需要交代的是，仅从图上来看，越是低技能的劳动力，他迁移带来本身的回报是越高的。
下面来看一下这个数据的基本特征。我们选取了北京、天津、上海这些比较有代表性的城市。民工的定义为：户口不在本地，在其他地方的农村户口，到城市里来工作的人为民工。左边数据反映，工资越高的地方民工比例越大。右边数据说明，男性劳动力比例也有所差别。
六、劳动力流动对城市居民工资水平的影响
将城市劳动力和民工劳动力两个表格比较来看，对于所有城市，城市劳动力的平均工资水平比民工劳动力要高。北京的城市劳动力的教育水平，大学及以上教育水平的超过一半，在民工中大学以上的比例是3点多，表明教育水平是有很大的差距的。所以在后面的一系列研究里一定要注意控制住教育及内在能力等因素以防研究会有偏差。
下面用实证的方法来研究劳动力流动的外部影响，对城市居民的工资水平的影响。根据已有研究，民工进入城市可能造成北京本身低端劳动力失业率上升，但事实并非如此。劳动力流动可能带来负面影响，也可能会有正向社会影响。民工可能会因为工作本身的差异，行业的差异，与本地居民产生巨大的区分，产生正面影响，具体的还需要接下来看实证研究的结果。
模型将不同城市的平均教育年限、平均的年男性工作比例、平均的工作年限等因素进行控制，防止产生内生性问题导致估计结果产生偏差。在这里我们使用工具变量区分出，从来源地到一个城市的劳动力流动是有传统的。
下面我们来看一下这个初步的结果。一、民工的比例对于城市总体平均工资水平的影响，用加权最小二乘法计算。二、使用工具变量后，弹性上升0.21，即若民工的比例上升10%，那么这个城市的本地劳动力的平均工资水平会上升2.1%。三、教育水平越高的本地居民从劳动力流动中得益越多。从此可以预期出，劳动力流动的教育回报是正向的影响。
七、劳动力流动力如何影响工资结构
一、劳动力流动会影响本地城市居民的教育回报。二、劳动力流动是否会影响城市内收入不平等。三、劳动力流动是否会影响观测不到的因素引起的不平等。四、劳动力流动如何影响城市居民和民工的工资差距。
民工比例和大学回报之间的关系，基本上可以看出其利益上总体来说是正向的关系。在使用工具变量以后，系数增加。理论上讲，系数应该减小，但一个重要的因素——对技能的需求在起作用。技能的需求对于城市本身的高端劳动力有非常明显的影响，而与民工的比例往往是负的影响，故系数增大。应用工具变量后，模型显著性增强，说明民工进入城市后对大学的回报起的作用更大，更明显。
劳动力流动对城市内收入不平等的影响，通过用Log Wage第90个百分点减去Log Wage第10个百分点，这是国际通用做法。通过这样的处理可以看出，劳动力流动对城市内收入不平等可能有一些影响。
劳动力流动对工资结构的影响。我将收入差距拆解成两块，一部分是中高端的差距，一部分是中低端的差距。90年代初期，工资中低端的差距较大，进入到21世纪初，中国中高端差距的拉大非常明显。
下面来看收入分配，劳动力流动对总的收入不平等的影响是显著的正向影响。这意味着越多民工进入城市，对城市本地居民的收入是明显拉大的。劳动力流动对中低端的收入差距的影响是更大，为0.124，中高端的影响是0.058。研究中涉及到一个因素，就是每个城市总体来看高端、中端、低端，几乎不可能是均匀的。即便是均匀的，有一个劳动力流动对于观测不到因素，如人的内在能力的影响是明显的。这一问题还未深入研究，但可预期对于中低端的影响更大。
通过几百万数据的估计，劳动力流动对于中低端的组内不平等的影响更大的。民工进入城市后对于城市人的内在能力的激发回报是不一样的。民工进入城市后，可帮助高端劳动力做一些琐碎的工作，对于高端劳动力的智商激发起到的作用更大，短时期内对于高技能劳动力的组内不平等的影响更大。但民工和城市本地低端劳动力的内在能力差别不明显，智商上升区别不大。
民工和本地居民的工资差异。这个回归视图中，一定要移除民工和城市居民的教育的巨大差异，否则结果里会搀杂太多风险。通过民工和本地居民相对的劳动力工资，可以衡量出来相互之间的替代弹性。 |
