熟人推薦對(duì)中國(guó)城市工人工資的影響及啟示

史宜林

摘 要： ??基于來自中國(guó)14個(gè)省份的城鎮(zhèn)家庭調(diào)查數(shù)據(jù)，研究了熟人推薦對(duì)于城鎮(zhèn)工人初始工資和后續(xù)工資的影響。結(jié)果發(fā)現(xiàn)：熟人推薦能夠顯著提高求職者的初始工資，但工資溢價(jià)隨著任職年限增加而減少。結(jié)合現(xiàn)有文獻(xiàn)的理論假設(shè)和數(shù)據(jù)檢驗(yàn)結(jié)果，認(rèn)為背后機(jī)制是熟人推薦能夠減少雇主與求職者間的信息不對(duì)稱，提高匹配效率。異質(zhì)性方面，受教育程度低的人群利用熟人推薦求職獲益更多。

關(guān)鍵詞： ?熟人推薦；單位招聘；工資；信息不對(duì)稱；中國(guó)勞動(dòng)力市場(chǎng)

中圖分類號(hào)： ?C 939

文獻(xiàn)標(biāo)志碼： ??A

The Impact of Job Referral on Wages of Chinese Urban Workers

SHI Yilin

（Antai College of Economics and Management，Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract： ?Using survey data of Chinese urban households， this paper studies the impact of job referral on initial wages and subsequent wages of Chinese urban workers， and find that job referral significantly increases initial wages of workers， but the wage premium diminishes over tenure. Based on hypotheses in previous literature and empirical results， this paper analyzes the underlying mechanism is that job referral reduces information asymmetry， and thus improves job matching efficiency. In addition，this paper finds that people with lower education level tend to use job referral more and gain more benefit.

Key words： ?job referral; enterprise recruitment; wage; information asymmetry; Chinese labor market

通過社交網(wǎng)絡(luò)利用熟人推薦找工作的方式在發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家都非常普遍。Schmutte （2016） 發(fā)現(xiàn)求助朋友和鄰居找工作的失業(yè)工人在2000年占比為15%，到2010年增加到30%。根據(jù)中國(guó)收入分配研究院針對(duì)中國(guó)城市工人的調(diào)查，在2013年大約40%的工人通過親戚或朋友找到工作。即便在市場(chǎng)化程度較高的今天，對(duì)個(gè)人之間聯(lián)系的依賴表明人情在社會(huì)中運(yùn)作的持久性。然而，理論和實(shí)證研究都表明，利用社交網(wǎng)絡(luò)求職與求職結(jié)果之間的關(guān)系是不確定的。前期理論研究強(qiáng)調(diào)了社交網(wǎng)絡(luò)在個(gè)人求職中的積極作用。一方面，由于社交網(wǎng)絡(luò)同質(zhì)化特征，社交網(wǎng)絡(luò)可提前起到篩選高能力求職者的作用；另一方面，社交網(wǎng)絡(luò)可充當(dāng)求職過程中的“潤(rùn)滑劑”，降低信息不對(duì)稱程度，提高工作與工人的匹配度等。然而，也有理論研究強(qiáng)調(diào)通過熟人求職可加劇任人唯親現(xiàn)象，降低社會(huì)總體效率并加劇不平等，與之相關(guān)的實(shí)證研究結(jié)果也不盡相同。并且，大多數(shù)研究針對(duì)美國(guó)等發(fā)達(dá)國(guó)家，針對(duì)中國(guó)的研究尚可進(jìn)一步深入。

本文利用中國(guó)收入分配研究院在2013年針對(duì)中國(guó)城市工人的調(diào)查數(shù)據(jù)，研究通過朋友或親戚推薦求職對(duì)初始工資（靜態(tài)）和后續(xù)工資（動(dòng)態(tài)）的影響。本文發(fā)現(xiàn)熟人推薦能夠顯著提高求職者的初始工資，但這種工資溢價(jià)隨著后續(xù)工作年限的增加而減少。本文發(fā)現(xiàn)推薦求職提高初始工資的主要機(jī)制是減少信息不對(duì)稱，并且受教育程度低的人群獲益更多。以往的相關(guān)研究大多通過走親訪友活動(dòng)等間接度量個(gè)人社會(huì)資本，但社會(huì)資本多少與是否運(yùn)用社會(huì)資本求職沒有很直接的關(guān)系，而本文可從數(shù)據(jù)中直接獲取求職渠道。其次，以往的相關(guān)研究并未很好區(qū)分初始工資和調(diào)查時(shí)的工資，因此較難確定熟人推薦對(duì)求職者初始工資的影響，也很難研究熟人推薦對(duì)后續(xù)工資的動(dòng)態(tài)影響。最后，考慮到社交網(wǎng)絡(luò)的內(nèi)生性，本文將被熟人推薦的工人與未被熟人推薦的工人進(jìn)行傾向性得分匹配并做穩(wěn)健性檢驗(yàn)，證實(shí)了結(jié)論的穩(wěn)健性。

1 數(shù)據(jù)和實(shí)證模型

1.1 數(shù)據(jù)

本文運(yùn)用中國(guó)收入分配研究院2013年調(diào)查的城市樣本數(shù)據(jù)（CHIPS 2013）。該調(diào)查樣本來自從東、中、西部共14個(gè)省份隨機(jī)抽取的城市家庭，樣本具有代表性。該數(shù)據(jù)包含了受訪者勞動(dòng)力市場(chǎng)相關(guān)的信息，包括就業(yè)狀態(tài)，當(dāng)前工作的開始時(shí)間，當(dāng)前工作的初始工資，接受調(diào)查時(shí)的工資，當(dāng)前工作的行業(yè)、單位所有制、公司規(guī)模、職業(yè)分類和合同類型等。更為重要的是， 該調(diào)查詢問了受訪者獲取當(dāng)前工作的渠道，包括家人聯(lián)系、親戚介紹、朋友或熟人介紹、政府分配和安排、政府職介、社區(qū)就業(yè)服務(wù)站、商業(yè) 職介（包括人才交流會(huì)）、看到廣告后申請(qǐng)、直接申請(qǐng)、雇主招工、接班和其他。本文將前三種渠道定義為熟人推薦，將政府分配和安排定義為政府分配，將其余渠道（去掉接班）定義為市場(chǎng)化招聘。除此之外，該數(shù)據(jù)還包括基本人口統(tǒng)計(jì)學(xué)特征的信息。本文運(yùn)用國(guó)家統(tǒng)計(jì)局的省級(jí)城市CPI數(shù)據(jù)，將工資統(tǒng)一調(diào)整為2013年工資。

本文的自變量為是否熟人推薦這一虛擬變量，因變量分別是初始工資（靜態(tài)）和與工作時(shí)點(diǎn)相對(duì)應(yīng)的工資（動(dòng)態(tài)）。本文將分析樣本限制在2013年全職被雇傭的群體，刪除自變量、因變量和控制變量缺失的觀測(cè)值，刪除在1980年之前參加工作的個(gè)體，因?yàn)楦母镩_放前幾乎所有工作都來源于政府分配，最終樣本包括7799個(gè)觀測(cè)值。表1展示了個(gè)體求職渠道及樣本分布，通過熟人推薦（家人聯(lián)系、親戚介紹、朋友或熟人介紹）獲得工作的個(gè)體占比約30%，表明熟人推薦求職在中國(guó)城市工人中較為常見。

除自變量以外，基于已有文獻(xiàn)，本文選取了對(duì)應(yīng)時(shí)點(diǎn)可能對(duì)工資具有顯著影響的控制變量，包括年齡、性別、受教育年限、年齡的平方和參加過的工作份數(shù)。變量及描述性統(tǒng)計(jì)見表2。

1.2 實(shí)證方法

本文運(yùn)用明瑟方程估計(jì)熟人推薦對(duì)初始工資的影響，控制變量均追溯為開始當(dāng)前工作時(shí)的狀態(tài)。

lg（initialwagei）=α+β1 referi+β2 edui+β3 sagei+β4 sage2i+β5 malei+β6 num_jobi+εi （1）

在等式（1）中，lg（initialwagei）是個(gè)體i開始當(dāng)前工作時(shí)月工資的自然對(duì)數(shù)；refer 是二值變量，如果個(gè)體i通過熟人推薦找到當(dāng)前工作則取1，另外控制了受教育年限、性別、年齡等。社會(huì)整體經(jīng)濟(jì)發(fā)展能夠提高工資水平，同時(shí)圖1也表明熟人推薦隨著時(shí)間推移越來越普遍。為了消除因?yàn)檎w社會(huì)經(jīng)濟(jì)發(fā)展帶來的工資水平提高對(duì)估計(jì)結(jié)果造成的偏誤，本文控制了開始當(dāng)前工作年份虛擬變量。同理，為消除市場(chǎng)分割的影響，本文控制了與工作相關(guān)的虛擬變量，例如行業(yè)、職業(yè)、公司規(guī)模、單位所有制、勞動(dòng)力合同類型。

lg（wageit）=α+β1 referi+β2 （referi*tenureit）+β3 （referi*tenure2it）+β4 tenureit+β5 tenure2it+ β6 edui+β7 malei+β8 num_jobi+β9 ageit+β10 age2it+εit （2）

為研究熟人推薦對(duì)求職者在任職期內(nèi)工資的動(dòng)態(tài)影響，本文利用開始當(dāng)前工作時(shí)點(diǎn)和接受調(diào)查時(shí)點(diǎn)（2013年）的變量信息構(gòu)造個(gè)體層面的面板數(shù)據(jù)。在等式（2）中，lg（wageit）是個(gè)體i在時(shí)點(diǎn)t的月度工資的自然對(duì)數(shù)；tenureit是個(gè)體i在時(shí)點(diǎn)t的當(dāng)前工作的任職年限；ageit是個(gè)體i在時(shí)點(diǎn)t的年齡；其他變量的定義與等式（1）中相同。同理，考慮到工資增長(zhǎng)與年份、行業(yè)、職業(yè)等相關(guān)，與等式（1）相同，本文控制了與年份和工作相關(guān)的虛擬變量。β2估計(jì)了熟人推薦對(duì)工資的動(dòng)態(tài)影響，如果隨著任職期限增加，通過熟人推薦獲得工作的工人和未通過熟人推薦獲得工作的工人的工資趨向一致，則β2的正負(fù)號(hào)應(yīng)與β1相反。

2 實(shí)證分析結(jié)果

2.1 熟人推薦對(duì)初始工資的影響

本文運(yùn)用2013年CHIPS城鎮(zhèn)居民調(diào)查數(shù)據(jù)估計(jì)等式（1），表3展示了估計(jì)結(jié)果。第1到3列表明熟人推薦對(duì)初始工資有顯著正向影響。在控制其他個(gè)人特征和所有固定效應(yīng)后，通過熟人推薦找到工作的工人的工資比沒有獲得熟人推薦的工人高7.9%，并且顯著性水平為1%。第4列和第5列分別表示相比市場(chǎng)化招聘和政府分配，熟人推薦對(duì)初始工資的影響。相比市場(chǎng)化招聘，熟人推薦對(duì)初始工資依然有正向影響，但統(tǒng)計(jì)學(xué)顯著性和經(jīng)濟(jì)大小均下降；相比政府分配，熟人推薦對(duì)初始工資正向影響較大。這可能由于政府包分配這一就業(yè)方式本身會(huì)導(dǎo)致較嚴(yán)重的雇主與工人間信息不對(duì)稱問題，而熟人推薦能夠減少輕信息不對(duì)稱。第6列為教育程度的異質(zhì)性分析，教育程度越低，熟人推薦帶來的初始工資溢價(jià)越大。同時(shí)，本文數(shù)據(jù)表明，教育程度低的群體更傾向通過熟人推薦求職。被熟人推薦的工人的平均受教育年限為10.61年，未被推薦的工人平均受教育年限為12.52年，且兩組樣本的受教育年限在統(tǒng)計(jì)學(xué)上差異顯著（t值為24.24）。

2.2 熟人推薦對(duì)后續(xù)工資的影響

本文使用2013年CHIPS調(diào)查數(shù)據(jù)構(gòu)造個(gè)人層面的面板數(shù)據(jù)來估計(jì)等式（2）。表4展示了估計(jì)結(jié)果。在控制一系列控制變量與固定效應(yīng)后，refer與tenure交乘項(xiàng)系數(shù)為負(fù)且顯著，表明盡管熟人推薦帶來更高的初始工資，但這種工資溢價(jià)隨著任職年限增加而減少。

綜合表3和表4的實(shí)證結(jié)果發(fā)現(xiàn)，熟人推薦能夠給工人帶來較高初始工資，但工資溢價(jià)隨著任職年限下降。這與Simon 和 Warner （1992） 的理論假設(shè)一致，即熟人推薦能夠減少雇主和求職者間的信息不對(duì)稱，提高初始匹配效率，但隨著任職年限增加，雇主與其他工人也逐漸增進(jìn)了解，因此被推薦的工人最初信息對(duì)稱的優(yōu)勢(shì)減少。

3 穩(wěn)健性檢驗(yàn)

3.1 傾向性得分匹配

大量社會(huì)學(xué)證據(jù)表明，社交網(wǎng)絡(luò)通常具有同質(zhì)化特征，即人們傾向于與自己特質(zhì)相似的人交往，例如社會(huì)經(jīng)濟(jì)地位、受教育程度、種族等。社交網(wǎng)絡(luò)同質(zhì)性的存在會(huì)導(dǎo)致前文的估計(jì)結(jié)果產(chǎn)生偏誤。例如，若能力高的個(gè)體更容易得到推薦， 同時(shí)高能力本身會(huì)帶來高工資和高的工資增長(zhǎng)率，那么等式（1）中β1會(huì)被高估，等式（2）中β2會(huì)被高估。為減輕這一內(nèi)生性問題，本文將被推薦的個(gè)體和未被推薦的個(gè)體進(jìn)行一對(duì)一匹配，匹配標(biāo)準(zhǔn)包括開始當(dāng)前工作的年份、受教育年限、性別、年齡、參加工作份數(shù)、行業(yè)、職業(yè)、公司規(guī)模、單位所有制、合同類型。圖2展示了匹配前和匹配后兩組樣本的差異，匹配前兩組樣本差異較大，匹配后所有標(biāo)準(zhǔn)差異不到10%，表明匹配后兩組樣本平衡性較好。表5展示了用匹配后樣本做回歸分析的結(jié)果，第1列和第2列分別是對(duì)等式（1）和等式（2）的估計(jì)結(jié)果，主結(jié)論依然穩(wěn)健。

3.2 其他可能的解釋——任人唯親

除了減少信息不對(duì)稱，熟人推薦帶來初始工資溢價(jià)的另外一種可能解釋是任人唯親。在這種情況下，有關(guān)系但能力低下的求職者會(huì)排擠掉沒有關(guān)系但能力較強(qiáng)的求職者獲得職位，并獲得高于與其能力相稱的薪酬。任人唯親現(xiàn)象在家庭關(guān)系中發(fā)生較為頻繁，Magruder （2009） 發(fā)現(xiàn)兒子傾向于在與其父親相同的行業(yè)內(nèi)工作。Kramarz 和Skans （2007）發(fā)現(xiàn)相比在公司內(nèi)沒有親屬關(guān)系的工人，與其父親在同一家公司工作的工人學(xué)歷更低，但工資更高。本文檢驗(yàn)了與父親/母親從事相同職業(yè)或在同種體制下工作的個(gè)體是否有更大概率通過熟人推薦獲得工作。因?yàn)樯鐣?huì)整體變化，父母輩更多在國(guó)有單位工作或務(wù)農(nóng)，年輕輩更多在私有單位工作，而熟人推薦更多發(fā)生在私有單位。為消除因?yàn)槟甏町悓?dǎo)致的勞動(dòng)力市場(chǎng)差異，本文控制了受訪者開始當(dāng)前工作的年份與其父親/母親出生年份的交乘項(xiàng)。表6 展示了檢驗(yàn)結(jié)果，其中因變量是二值變量，若通過家人聯(lián)系或親戚介紹獲得工作則取值1；主要自變量也是二值變量。表6 顯示與父母在同一體制下工作或從事相同職業(yè)與是否通過家人關(guān)系獲得工作并沒有顯著關(guān)系。因此，任人唯親并不是解釋本文主結(jié)果的主要因素。

4 結(jié)論與啟示

本文基于來自中國(guó)14個(gè)省份的城鎮(zhèn)家庭調(diào)查數(shù)據(jù)檢驗(yàn)了熟人推薦對(duì)于城鎮(zhèn)工人初始工資和后續(xù)工資的影響，結(jié)果發(fā)現(xiàn)：熟人推薦能夠顯著提高求職者的初始工資，但這種工資溢價(jià)隨著任職年限增加而減少。結(jié)合現(xiàn)有文獻(xiàn)和本文的數(shù)據(jù)檢驗(yàn)結(jié)果，本文仔細(xì)探討了背后的機(jī)制，認(rèn)為熟人推薦能夠減少雇主與求職者間的信息不對(duì)稱，提高匹配效率，導(dǎo)致較高初始工資。但隨著雇主與其他員工逐漸增進(jìn)了解，被推薦工人的信息對(duì)稱優(yōu)勢(shì)減弱，因此最初的工資溢價(jià)減少。本文的研究基于這樣的背景，即無論在發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家，通過社交網(wǎng)絡(luò)求職越來越普遍。本文的發(fā)現(xiàn)表明盡管信息技術(shù)越來越發(fā)達(dá)，人們可以通過互聯(lián)網(wǎng)獲得就業(yè)相關(guān)信息，但通過熟人推薦仍然是促進(jìn)工人與工作匹配的良好方式。在中國(guó)這樣一個(gè)尤其講究關(guān)系和人情的社會(huì)，熟人推薦背后的動(dòng)機(jī)也并非由裙帶關(guān)系和任人唯親所主導(dǎo)。另外，本文還發(fā)現(xiàn)教育程度低的人群更多使用熟人推薦求職，并且獲得更高工資溢價(jià)。因此，社交網(wǎng)絡(luò)的運(yùn)用在減少社會(huì)不平等方面也起到一定作用。用人單位人力招聘部門應(yīng)注意利用內(nèi)推等方式減少與求職者間的信息不對(duì)稱，并降低招聘成本。

參考文獻(xiàn)：

［1］ ?BAYER P， ROSS S L， TOPA G. Place of work and place of residence： informal hiring networks and labor market outcomes［J］. Journal of Political Economy， 2008， 116（6）： 1150-1196.

［2］ BEAMAN L， MAGRUDER J. Who gets the job referral？ Evidence from a social networks experiment［J］. American Economic Review， 2012， 102（7）： 3574-93.

［3］ BOASE J. Personal networks and the personal communication system： using multiple media to connect［J］. Information， Communication & Society， 2008， 11（4）： 490-508.

［4］ CHEN Y， WANG L， ZHANG M. Informal search， bad search？ The effects of job search method on wages among rural migrants in urban China［J］. Journal of Population Economics， 2018， 31（3）： 837-876.

［5］ HOLZER H J. Search method use by unemployed youth［J］. Journal of Labor Economics， 1988， 6（1）： 1-20.

［6］ IOANNIDES Y M， DATCHER L L. Job information networks， neighborhood effects， and inequality［J］. Journal of Economic Literature， 2004， 42（4）： 1056-1093.

［7］ KNIGHT J， YUEH L. The role of social capital in the labour market in China 1［J］. Economics of Transition， 2008， 16（3）： 389-414.

［8］ LONG W， APPLETON S， SONG L. Job contact networks and wages of rural-urban migrants in China［J］. 2013.

［9］ LOURY L D. Some contacts are more equal than others： informal networks， job tenure， and wages［J］. Journal of Labor Economics， 2006， 24（2）： 299-318.

［10］ MAGRUDER J R. Intergenerational networks， unemployment， and persistent inequality in South Africa［J］. American Economic Journal： Applied Economics， 2010， 2（1）： 62-85.

［11］ MONTGOMERY J D. Social networks and labor-market outcomes： toward an economic analysis［J］. The American Economic Review， 1991， 81（5）： 1408-1418.

［12］ PELLIZZARI M. Do friends and relatives really help in getting a good job？［J］. ILR Review， 2010， 63（3）： 494-510.