教育、非正規(guī)就業(yè)與勞動力收入差異
——基于動態(tài)面板數據模型的實證分析

胡鳳霞 葉仁蓀 陸 軍

教育、非正規(guī)就業(yè)與勞動力收入差異
——基于動態(tài)面板數據模型的實證分析

胡鳳霞 葉仁蓀 陸 軍

在動態(tài)面板數據的System－GMM模型基礎上，利用CHNS數據研究不同教育程度的非正規(guī)就業(yè)者與正規(guī)就業(yè)者的工資差異，結果顯示：不同的教育組別，兩部門收入差異存在著明顯不同。正規(guī)就業(yè)者的收入優(yōu)勢只在高中教育組和大專及以上教育組顯著存在，初中及以下教育水平就業(yè)者的收入并沒有顯著的部門差異。進一步的研究還發(fā)現，隨著教育程度的提高，兩部門教育回報率差距變大；高中教育組在兩部門的收入差異主要來源于非個體特征因素導致的勞動力市場分割，而大專及以上教育組在兩部門的收入差異則更多來自于個體的資源稟賦。這說明，人力資本，特別是教育在兩部門收入差異方面起了重要作用。

教育；非正規(guī)就業(yè)；收入差異；動態(tài)面板數據模型

胡鳳霞，揚州大學商學院講師，經濟學博士。（江蘇揚州 225009）

葉仁蓀，江西理工大學經濟管理學院教授，西南交通大學經濟管理學院博士生導師。（江西贛州 341000）

陸 軍，新疆維爾族自治區(qū)伊犁哈薩克自治州新源縣委組織部副部長。（新疆伊犁 835800）

在發(fā)展中國家，非正規(guī)就業(yè)部門與正規(guī)就業(yè)部門(以下簡稱為兩部門)的工資差異引起了學界的廣泛關注。不少研究者認為，勞動力市場存在著雙重工資決定機制，在均衡狀態(tài)下，非正規(guī)就業(yè)市場上的勞動力工資收入低于正規(guī)就業(yè)市場上的工資收入。[1][2](P299－322)[3][4][5]也有研究者提出了不同意見，Marcouiller等人分解墨西哥勞動力市場上兩部門的工資方程的結果表明，非正規(guī)就業(yè)市場上的工資收入反而高于正規(guī)就業(yè)市場上的工資收入。[6]Pratap和 Quintin基于阿根廷的數據研究顯示，在控制樣本選擇偏差之后，并沒有證據支持正規(guī)就業(yè)一定有高收入。[7]吳要武利用我國2005年的1%人口抽樣調查數據發(fā)現，非正規(guī)就業(yè)群體的人力資本投資收益率并不顯著低于正規(guī)就業(yè)者，勞動力市場非正規(guī)化并沒有導致勞動力資源配置上的損失。這些結論使有關非正規(guī)就業(yè)研究的爭論進一步升級。[8]在這些研究中，教育作為人力資本投資最重要的標示量，大部分是以連續(xù)變量的方式直接進入Mincer方程式中，其回報率差異往往成為兩部門工資收入差異的重要原因。[4][5]

事實上，不同教育組對兩部門工資差異會產生重要影響，原因有二：一是通常情況下，較高教育程度的勞動力在就業(yè)過程中更容易出現自選擇①，[9]因此，整體回歸會使回歸結果對低教育程度勞動力的解釋產生偏誤；二是較高教育程度的非正規(guī)就業(yè)者與低教育程度的非正規(guī)就業(yè)者可能處在不同的經濟狀態(tài)。目前，學術界就教育對兩部門工資差異的影響進行較深入的研究還比較少，因此，深入分析不同教育程度勞動者在兩部門間存在的工資差異，對制定非正規(guī)就業(yè)治理政策具有非常重要的現實意義。

本文擬運用動態(tài)面板數據的System－GMM模型，利用CHNS數據，研究不同教育程度的正規(guī)就業(yè)者與非正規(guī)就業(yè)者工資的差異，回答以下問題：非正規(guī)就業(yè)者是否都具有較低的收入水平？對不同教育程度的勞動者，影響兩部門工資差異的決定因素有何不同？其工資差異又如何解釋？作為人力資本投資最重要的標示量——教育回報率在不同教育程度勞動者中會發(fā)生怎樣的變化？回答這些問題，對政府進一步完善非正規(guī)就業(yè)治理政策具有一定的指導意義。

一、計量方法的設定

根據Mince方程式，正規(guī)就業(yè)者與非正規(guī)就業(yè)者收入方程由下式給出：

不同的就業(yè)市場意味著不同的工資決定機制，因此，就業(yè)性質是影響勞動力收入水平的重要因素。但由于個體選擇就業(yè)部門并不完全是隨機的，因此，某些無法觀測到的變量既影響勞動力的就業(yè)選擇也影響著其工資方程，在這種情況下，估計結果就可能由于樣本選擇偏差而產生偏誤。解決這一問題的經典做法是采用Heckman兩步法進行估計。[3][4][10]然而，正如巴爾塔基所言，很多經濟關系本質上都具有動態(tài)性[11](P29)，收入水平也是不同勞動就業(yè)部門選擇的重要解釋變量。[9][12]Strassmann對利馬（秘魯）的研究發(fā)現，71%的家務勞動力需要相當大的收入刺激才愿意流動到正規(guī)就業(yè)市場。[13]因此，盡管Heckman兩步法能夠有效解決截面樣本選擇性偏差問題，但卻忽略了對勞動力收入的動態(tài)調整。基于此，本文運用動態(tài)面板數據模型對勞動力的工資方程進行估計：將小時工資率對數值的滯后一期引入方程中，即：

其中vj是待估參數，M′i是影響勞動力收入的特征變量，包括教育水平（不考慮教育分組）、年齡、性別、戶籍和企業(yè)性質等變量。Pratap和Quintin的研究發(fā)現，企業(yè)規(guī)模會對勞動力的收入水平產生重要影響：當企業(yè)規(guī)模得到控制后，正規(guī)就業(yè)者的就業(yè)優(yōu)勢將變得非常不顯著。[7]為了考察這一點，本文也將企業(yè)規(guī)模納入工資方程中。λj表示受個體特征影響的隨機誤差，ζij是隨時間可變的剩余誤差，ζij和λj分別服從標準正態(tài)分布，且ζij與λj不相關。

動態(tài)面板數據模型的一個直接問題是，滯后被解釋變量與擾動項或未觀測到的截面效應相關，為了消除個體效應，Arellano和 Bond提出了一階差分GMM估計，此估計通過對模型進行差分，消除由于個體效應和解釋變量相關導致的異質性。[14]但是，這種估計法存在兩個問題：一是由于非時變解釋變量也會隨著差分被消除，一些重要變量的信息將無法看到；二是Blundell發(fā)現，一階差分GMM在小樣本情況下偏倚很大，而且估計的精確度也很低。[15]據此，學者們提出了 System－GMM模型：除了使用lnwit的滯后項作為差分方程的工具變量之外，還可以將lnwit的滯后差分項作為水平方程的工具變量，以改進估計的精度，減少樣本偏差。由于本文使用的是四期面板數據，而且也非常關注性別、戶籍等一些非時變的解釋變量對勞動力收入水平的影響，因此，運用System－GMM模型進行估計。

二、數據來源及說明

本文使用的數據資料來自美國北卡羅來納大學和中國疾控中心（China Health and Nutrition Survey，CHNS）在中國9個省、自治區(qū)調查的2000年、2004年、2006年和2009年的家庭營養(yǎng)與健康的面板數據（CHNS發(fā)布的最新數據目前只查找到2009年）。盡管該面板數據的時效性有所欠缺，但數據調查范圍涉及江蘇、山東、湖南、貴州和遼寧等東、中、西部地區(qū)，調查方法采取分層、多級、整群隨機抽樣，抽樣時兼顧大中小城市，具有較強的代表性，而且數據包含了觀測對象的職業(yè)、收入等個人信息，能夠很好地滿足本文的研究要求。根據研究的需要，本文提取了處于就業(yè)狀態(tài)（不包括務農）且年齡在16－65周歲的勞動力樣本，剔除教育、性別、收入、企業(yè)規(guī)模和企業(yè)性質等有缺失信息的樣本后共獲得3372個面板數據樣本。

由于非正規(guī)就業(yè)在概念上存在著諸多分歧，因此，準確衡量非正規(guī)就業(yè)并非易事。目前學術界通常用兩種方法來衡量非正規(guī)就業(yè)：一是依據勞動力的經濟地位（自雇傭者、家務勞動者）或企業(yè)規(guī)模[16]，另一種是依據勞動者的契約地位或者社會保障地位。[17]前者強調非正規(guī)就業(yè)對培養(yǎng)企業(yè)家的作用，但這種定義本身存在著主觀性，后者則更多關注勞動力從事非正規(guī)就業(yè)的潛在成本。對本文的研究而言，考慮我國勞動力市場的實際發(fā)育程度、勞動力非正規(guī)就業(yè)微觀選擇的成本約束以及數據的可獲得性，將長期工直接劃為正規(guī)就業(yè)者，臨時工、非全日制工以及領取報酬的家庭幫工劃為非正規(guī)就業(yè)者。短期合同工，則考慮社會保障地位：如果有公共醫(yī)療保險則視為正規(guī)就業(yè)者，否則視為非正規(guī)就業(yè)者。②據此，本文共獲正規(guī)就業(yè)者樣本2032個，非正規(guī)就業(yè)者樣本1340個。

表1和表2分別給出了城鎮(zhèn)居民和農村戶口勞動力非正規(guī)就業(yè)者和正規(guī)就業(yè)者（括號中的數值）小時工資率和平均教育年限的統(tǒng)計信息。從表中可以看出，當我們不考慮教育分組時，正規(guī)就業(yè)者和非正規(guī)就業(yè)者的平均小時工資率的變動趨勢與他們所受的平均教育年限的變動趨勢非常相似：隨著時間的推移，城鎮(zhèn)居民非正規(guī)就業(yè)者與正規(guī)就業(yè)者之間的工資差距有擴大趨勢，兩者之間的平均教育年限差距也在逐年加大；而具有農村戶口的非正規(guī)就業(yè)者與正規(guī)就業(yè)者的工資差距卻比較穩(wěn)定，相應地，兩者之間的平均教育年限差異也沒有明顯變化。這些統(tǒng)計結果符合Maloney的觀點：今天觀察到的非正規(guī)部門勞動力的低工資往往是低人力資本的函數，與勞動力是否在正規(guī)部門還是非正規(guī)部門的關系并不大。[17]

表1 城鎮(zhèn)居民個人信息

表2 農村居民個人信息

圖1 高教育程度城鎮(zhèn)居民實際小時工資率變動趨勢

圖2 低教育程度城鎮(zhèn)居民實際小時工資率變動趨勢

圖3 高教育程度農村居民實際小時工資率變動趨勢

圖4 低教育程度農村居民實際小時工資率變動趨勢

但是，將勞動力按教育程度的高低進行分組——教育水平為大專及以上的組別視為較高教育程度者，教育水平為高中及以下的組別視為低教育程度者——就會發(fā)現，正規(guī)就業(yè)者與非正規(guī)就業(yè)者的實際對數工資率出現新的特點，如圖1、圖2、圖3、圖4所示。對較高教育程度的城鎮(zhèn)居民而言，正規(guī)部門的實際工資率對數的平均值明顯高于非正規(guī)部門的實際工資率對數的平均值；而低教育程度的城鎮(zhèn)勞動力，盡管正規(guī)部門的就業(yè)者依然具有收入上的優(yōu)勢，但這種優(yōu)勢已經開始弱化。對農村戶口的勞動力，不管是較高教育組別還是低教育組別，正規(guī)部門和非正規(guī)部門的工資差距都不大，而且在低教育組別中，差距的符號發(fā)生了變化。這說明，對較高教育程度的城鎮(zhèn)勞動力而言，非正規(guī)部門可能意味著低收入，但是對低教育程度的城鎮(zhèn)居民以及農民工而言，卻不然。

三、兩部門工資決定及報酬差異

（一）估計結果

不同教育程度勞動者，兩部門工資收入差異會發(fā)生怎樣的變化？表3、表4、表5和表6分別給出了不考慮教育分組樣本與大專及以上教育組、高中教育組和初中及以下教育組工資方程的System－GMM估計回歸結果。由于System－GMM估計量的一致性依賴于工具變量的有效性，所以，我們還需要檢驗工具變量的選擇是否滿足過度識別的約束條件以及殘差是否存在序列相關，此處采用檢驗殘差自相關的AR（1）、AR（2）統(tǒng)計量和檢驗工具聯合有效性的Sargan統(tǒng)計量。結果顯示，所有樣本都不能拒絕Sargan過度識別的約束檢驗和AR（2）序列相關的檢驗，說明模型設定沒有問題。

表3 不考慮教育分組樣本

System－GMM無法解決樣本選擇性偏差問題。為了更好地把握回歸結果在多大程度上可能產生偏誤，本文同時對樣本進行了Heckman兩步法回歸，由于篇幅所限，本文只報告了逆米斯比率λ的系數值及其顯著性。結果表明，在不考慮分類樣本中λ的系數值在總樣本和正規(guī)就業(yè)樣本中都比較顯著，但在分類樣本中，除了大專及以上教育組的λ系數值顯著外，高中、初中及以下教育組的λ系數值都不顯著。很顯然，較高教育程度的勞動力更容易自選擇。

不管是正規(guī)就業(yè)者還是非正規(guī)就業(yè)者，工資收入的動態(tài)性在本研究中得到了很好的驗證：滯后一期的小時工資率在所有樣本中都具有顯著性，尤其是在大專及以上教育組中，而且滯后一期小時工資率的提高對本期收入都能產生顯著的正作用。換句話說，勞動力收入水平的上升具有積極的正反饋作用。

表4 大專及以上教育組樣本

表5 高中教育組樣本

表6 初中及以下教育組樣本

在兩部門市場上，教育的回報都為正，但是正規(guī)就業(yè)市場上的教育回報率明顯高于非正規(guī)就業(yè)市場上的教育回報率，而且，這種回報率差距隨著教育程度的提高而提高,這與常進雄、王丹楓的研究結果[4]相似。例如，在大專及以上教育組中，正規(guī)就業(yè)者的教育回報率比非正規(guī)就業(yè)者的教育回報率高4．7%。而在初中及以下教育組中，這種差距只有1．3%。

與以往大部分研究結論相一致，非正規(guī)就業(yè)者的收入水平低于正規(guī)就業(yè)者。但是，當我們考慮教育分組時，這種收入優(yōu)勢只在高中教育組和大專及以上教育組中顯著存在，而對初中及以下教育水平的就業(yè)者來講，盡管正規(guī)就業(yè)者教育回報率高于非正規(guī)就業(yè)者的教育回報率，但兩部門的收入差異并不顯著。

教育組別不同，兩部門城鄉(xiāng)收入差異會發(fā)生怎樣的變化？從結果看，高中教育組和初中及以下教育組，不管在正規(guī)就業(yè)市場還是非正規(guī)就業(yè)市場上，城鎮(zhèn)居民的收入優(yōu)勢都顯著存在。但是，在大專及以上教育組樣本中，農村戶口虛擬變量的系數值都為正，而且在正規(guī)就業(yè)樣本中很顯著：具有農村戶口的就業(yè)者反而獲得了更高的報酬，這或許與農村戶口的高學歷者更具有吃苦耐勞、勤奮向上的精神有關。通常情況下，由于農村戶口的高學歷者從父輩那里獲取的資本支持要遠遠低于城鎮(zhèn)戶口的高學歷者，因此，他們往往更傾向于依靠自身的人力資本獲取成功。

對于性別收入差異，通常情況下，男性就業(yè)者能獲得更高的收入報酬，本文大部分研究結果基本符合這一結論。不過，對正規(guī)就業(yè)者樣本，考慮教育分組和不考慮教育分組得到的結論不一致：前者的回歸系數不顯著，后者的回歸系數在所有教育組中都具有顯著性。我們推測出現這一結果的可能原因是，就業(yè)性質（都屬于正規(guī)就業(yè)）掩蓋了教育異質性對勞動力性別收入差異的影響。

企業(yè)所有制的收入優(yōu)勢在不同教育組中表現較為復雜：大專及以上教育組中，不管是正規(guī)就業(yè)市場還是非正規(guī)就業(yè)市場，國有企業(yè)虛擬變量的系數值都顯著為正；高中教育組中，只有正規(guī)就業(yè)市場上顯著存在著所有制收入差異——國有企業(yè)的就業(yè)者獲得更高的收入報酬；初中及以下教育組中，所有制企業(yè)的收入差異則完全消失。

當企業(yè)人數達到100人以上時，我們發(fā)現，在正規(guī)就業(yè)市場上，所有教育組中的收入水平都會顯著上升，而在非正規(guī)就業(yè)市場上，只有大專及以上教育組的回歸系數顯著為正，即規(guī)模經濟帶來的實惠并沒有給所有非正規(guī)就業(yè)者帶來明顯的收入改善，尤其是低教育程度的非正規(guī)就業(yè)者。

上述結果表明，不同教育組別，影響兩部門工資差異的決定因素并不一致，“正規(guī)就業(yè)者的收入優(yōu)勢”并沒有在所有樣本中得到很好驗證。相反，兩部門收入差異只顯著存在于高中教育組和大專及以上教育組兩個樣本中。

（二）工資差異分解

根據Oaxaca的觀點，收入差異的來源一般由兩方面組成：一是個體“稟賦”差異，二是由市場扭曲導致的“系數”差異?？疾靸煞矫娌町愃伎偛町惖谋戎?，通常可以采用 Blinder—Oaxaca分解法，具體由下式給出：

表7 兩部門工資差異分解結果

式（3）中，lnwf－lnwi表示正規(guī)就業(yè)與非正規(guī)就業(yè)的對數工資差，X為工資方程的解釋變量，β為回歸系數。等式右邊的第一項是由于個體“稟賦”差異造成的收入差異，第二項則是無法解釋的系數差異所造成的收入差異。由于兩部門收入差異顯著存在于高中教育組和大專及以上教育組，因此，表8給出了兩組樣本的分解結果。對于個體“稟賦”差異，此處只報告了教育變量的相關值。此外，由于大專及以上教育組存在著顯著的樣本選擇性偏差，因此，本文還報告了Heckman兩步法回歸結果的分解結果。對大專及以上教育組，從結果來看，無論是 System－GMM回歸結果分解還是Heckman兩步法回歸結果分解，兩部門工資差異主要由個體“稟賦”差異所致（74．36%和72．02%），尤其是教育回報率差異（32．21%和31．12%）。造成這一結果的原因有兩個：一是生產率比較高的勞動力更容易（自）選擇正規(guī)就業(yè)部門；二是正規(guī)就業(yè)部門往往是規(guī)模比較大的企業(yè)（這類企業(yè)中33．12%的規(guī)模在100人以上，規(guī)模小于20人的只有16．73%，非正規(guī)就業(yè)部門的相應比例分別為10．87%和41．30%），在這些企業(yè)里，教育和經驗更容易被作為高生產力水平的標志。

對高中教育組的勞動力來講，工資收入差距中63．95%由系數差異解釋，這說明，非個體特征因素，尤其是勞動力市場分割，阻礙了勞動力在部門間的流動，使非正規(guī)就業(yè)者的工資水平低于正規(guī)就業(yè)者的工資水平。為更好地說明這一問題，表8給出了2000—2009年高中及以上教育水平勞動力在兩部門的分布情況：大專及以上教育水平勞動力在兩部門的分布變化比較大，在正規(guī)部門就業(yè)人數的變動范圍在60．5%－94．1%之間，說明兩部門勞動力的流動比較頻繁；相反，高中教育水平勞動力在兩部門的分布變化并不明顯，在正規(guī)部門就業(yè)人數的變動范圍只在59．6%－62．4%之間，說明兩部門勞動力缺乏流動。

表8 不同時期兩部門勞動力人口分布情況

四、結論

教育作為人力資本存量的重要標示量，不但直接影響著就業(yè)者的工資收入，而且其分散程度往往伴隨著更強的勞動力異質性，因此，考察不同教育程度的勞動力對傳統(tǒng)兩部門工資差異產生的影響就顯得極為重要。本文運用動態(tài)面板數據的System－GMM模型，利用CHNS數據研究這一問題，得出結論如下：

（1）在就業(yè)選擇過程中，只有大專及以上教育水平的勞動力存在著明顯的自選擇；兩部門勞動力的工資收入都具有顯著的動態(tài)性，而且收入水平的上升具有積極的正反饋作用。

（2）兩部門勞動力工資差異與其平均教育年限差距具有相似的變動趨勢，但是，正規(guī)就業(yè)者獲取高工資，只對高中及以上教育水平的勞動力適用，因此，當勞動力群體的教育水平較分散時，就可能會出現“非正規(guī)就業(yè)者的低工資是其低人力資本的函數”，但這并不意味著 Maloney的觀點[16]得到了充分驗證。

（3）對高中及以上教育組工資差異進行分解后發(fā)現，大專及以上教育組的兩部門工資差異主要由“個體稟賦”差異引起，高中教育組的兩部門工資差異則主要由無法解釋的“系數差異”所致。

（4）教育組別不同，戶籍、性別、企業(yè)所有制以及企業(yè)規(guī)模等變量在兩部門工資回歸結果中的顯著性存在較大差異。

從以上結論可以得到一些政策性推論。第一，傳統(tǒng)的“非正規(guī)就業(yè)市場等于低級市場”這一觀點必須審慎對待，尤其是對大專及以上教育水平的勞動力，正規(guī)就業(yè)者的收入優(yōu)勢更多是市場選擇的結果。第二，高中教育組在兩部門的收入差異主要來源于非個體特征因素導致的勞動力市場分割，而大專及以上教育組在兩部門的收入差異更多來自于個體的資源稟賦，這說明，人力資本，特別是教育回報率在兩部門收入差異方面起了重要作用。因此，破解非正規(guī)就業(yè)方面存在的收入與保障問題最終還是要在教育培訓領域中求解。

注釋：

導致統(tǒng)計推斷產生偏差的樣本的非隨機性是由研究對象的個人決策造成的，由此產生的樣本截斷問題叫自選擇問題。

本文的定義與常進雄、魏下海等人的定義有所不同。第一，常進雄等人將個體經營者直接劃分非正規(guī)就業(yè)者，但本文認為，由于個體經營者的總收入里有相當一部分是非工資所得，簡單地用Mince方程式對其進行考察有失偏頗，因此，本文中非正規(guī)就業(yè)樣本中不包括個體經營者。第二，常進雄等人利用單位性質來判斷短期合同工的就業(yè)性質，即將事業(yè)單位、國有企業(yè)的短期合同工視為非正規(guī)就業(yè)者，在私營企業(yè)的視為正規(guī)就業(yè)者，本文認為這種方法有一定的道理，但容易引起標準混亂。基于此，本文將“社會保障”地位作為判斷短期合同工是否為非正規(guī)就業(yè)者的標準。

[1]J．J．Heckman,V．Hotz．An investigation of labor m-arket earnings of panamanian．Journal of Human Resources，1986,21．

[2]Winter Carolyn,T．H．Gindling．Women’s labor force participation and earnings．Psacharopulos and Tzannatos (Eds)．Case Studies in Women’s Employment and Pay in Latin America．Washington DC:World Bank,1992．

[3]張車偉，蔣欣欣．國有部門和非國有部門工資差異及人力資本貢獻[J]．管理世界，2002，（11）．

[4]常進雄，王丹楓．我國城鎮(zhèn)正規(guī)就業(yè)與非正規(guī)就業(yè)的工資差異[J]．數量經濟技術經濟研究，2010，（9）．

[5]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——基于分位數回歸于分解的發(fā)現[J]．數量經濟技術經濟研究，2012，（1）．

[6]Douglas Marcouiller,Veronica Ruiz de Castilla, Christopher Woodruff．Formal Measures of the Informal－Sector Wage Gap in Mexico,El Salvador and Peru．Economic Development and Cultural Change，1997,(2)．

[7]S．Pratap,E．Quintin．Are labor markets segmented in developing countries？A semiparametric approach．European Economic Review,2004,(50)．

[8]吳要武．非正規(guī)就業(yè)者的未來[J]．經濟研究，2009，（7）．

[9]X．D．Gong,A．V．Soest．Wage Differential and Mobility in the Urban Labor Market:a Panel Data Analysis for Mexico．Labor Economics，2002,(4)．

[10]尹志超，甘犁．公共部門和非公共部門工資差異的實證研究[J]．經濟研究，2009，（4）．

[11]（美）巴蒂·巴爾塔基．面板數據計量經濟分析[M]．張曉峒，譯．北京：機械工業(yè)出版社，2010．

[12]胡鳳霞，姚先國．城鎮(zhèn)居民非正規(guī)就業(yè)選擇與勞動力市場分割——一個面板數據的實證分析[J]．浙江大學學報（人文社會科學版），2011，（2）．

[13]W．Strassmann．Home－based enterprises in cities in developing countries．Economic Development and Cultural Change,1987,(36)．

[14]Manuel Arellano,Stephen Bond．Some tests of specification for panel data:Monte Carlo evidence and an application to employment equations．Review of Economic Studies,1991,(2)．

[15]R．Blundell,S．Bond．Initial conditions and moment restrictions in dynamic panel data models．Journal of Econometrics,1998,(87)．

[16]W．F．Maloney．Informality Revisited．World Development,2004,(7)．

[17]A．Portes,S．Blitzner,J．Curtis．The urban informal sector in Uruguay:Its internal structure,characteristics,and effects，World Development,1986,(6)．

【責任編輯：趙 偉】

F241．4

A

1004－518X（2015）03－0242－09

江蘇省高校哲學社會科學基金資助項目 “農民工身份轉化與城鄉(xiāng)勞動市場整合機制研究——非正規(guī)就業(yè)視角”（2013SJB790056）