哪些女性進入了城市高收入行業(yè)
——基于CHIP數(shù)據(jù)的經(jīng)驗分析

鄢 姣,孟大虎

(1.首都經(jīng)濟貿易大學 經(jīng)濟學院,北京 100070;2.北京師范大學 《北京師范大學學報(社會科學版)》編輯部, 北京 100875)

勞動力市場上的性別工資差距一直是學術界研究的焦點問題,而對于勞動力市場上的女性而言,高收入行業(yè)的準入障礙便是導致行業(yè)性別差距的一個重要原因。早有研究表明,高收入行業(yè)中的男性比例遠高于女性[1],而且高收入行業(yè)中往往擁有更多高質量的勞動力。[2]那么,那些已經(jīng)進入高收入行業(yè)的女性具有怎樣的特征?為什么她們能夠跨進高收入行業(yè)的門檻?本文的研究目標是針對女性進入高收入行業(yè)的影響因素進行經(jīng)驗分析。

一、文獻綜述

二是關于行業(yè)性別差距及其變化趨勢的研究。有研究發(fā)現(xiàn),因為美國就業(yè)結構的轉變,促使很多女性從事服務業(yè)工作[8],而瑞士的很多女性卻被限制在教育、醫(yī)療和餐飲等少數(shù)行業(yè)就業(yè)[9]。國內研究發(fā)現(xiàn),農(nóng)林牧漁業(yè)中女性比例高于男性,建筑業(yè)、國家機關和社會團體中男性比例高于女性。[10]還有研究發(fā)現(xiàn),女性主要集中在收入水平和社會保障程度較低的女性聚集行業(yè)和偏女性行業(yè),男性大多集中在中高收入行業(yè)。[11]此外,農(nóng)民工之間也存在行業(yè)性別差距,女性農(nóng)民工較多集中在勞動密集型低薪行業(yè)。[12]有關行業(yè)性別差距的研究表明,近年來行業(yè)間的性別差距在逐年增大。[13]有研究對比了2010年與2000年的行業(yè)性別差距,發(fā)現(xiàn)女性所在的行業(yè)分布呈兩極分化,部分傳統(tǒng)行業(yè)的男性占比提高,壟斷行業(yè)中女性占比明顯下降。[11]通過分析改革開放四十年來行業(yè)性別差距發(fā)現(xiàn),行業(yè)性別差距程度總體有所增加,此外,研究還發(fā)現(xiàn)接受過高等教育的女性更易在高收入行業(yè)就業(yè)。[14]

三是關于行業(yè)性別差距的影響因素研究。有研究指出,不但行業(yè)間存在性別差異,大多數(shù)行業(yè)內部也存在著比較嚴重的性別歧視。[15];[16]由于女性在進入高收入行業(yè)時面臨著更高的進入壁壘,因此更易進入中低收入行業(yè)。[5]但是還有研究發(fā)現(xiàn),女性在進入最高和最低收入行業(yè)時均具有優(yōu)勢,尤其是女性的性別特征更利于其進入高收入服務行業(yè),此外研究還發(fā)現(xiàn),對比同樣就業(yè)于高收入行業(yè)的女性和男性勞動者,女性勞動者的教育水平普遍高于男性。[15]盡管如此,蔡昉和張車偉分析發(fā)現(xiàn),職業(yè)天花板現(xiàn)象在各個行業(yè)中的女性就業(yè)者中表現(xiàn)得更為嚴峻。[17]

已有文獻為本研究的開展奠定了基礎,存在的不足則留下了研究空間。首先,已有文獻大都根據(jù)自己的研究需要對行業(yè)類別進行劃分,劃分標準并不精確;其次,現(xiàn)有研究均發(fā)現(xiàn)行業(yè)因素是導致性別工資差距的重要原因,但是并未對什么樣的女性可以進入高收入行業(yè)獲得高收入進行研究?；谝延醒芯?本文探討了女性進入高收入行業(yè)的影響因素,主要的貢獻有二:其一,利用中國家庭收入調查2002年、2013 年和2018 年三期數(shù)據(jù),借助普通最小二乘法(OLS)分別準確劃分三期樣本中的高收入行業(yè)、中等收入行業(yè)和低收入行業(yè)包括哪些具體細分行業(yè)。其二,運用排序Probit估計方法,分析影響女性進入高收入行業(yè)的具體因素,同時觀察這些影響因素的變化特征,最后按照女性勞動者所在城市的人口規(guī)模不同進行劃分,并作了異質性分析。

統(tǒng)計分析結果顯示,第一,對比2002年、2013年和2018年中高收入行業(yè)、中等收入行業(yè)和低收入行業(yè)中女性的占比發(fā)現(xiàn),高收入行業(yè)中的女性比例呈下降趨勢,而中等收入行業(yè)中的女性占比在增加,低收入行業(yè)中的女性比例并沒有發(fā)生明顯變化;第二,高收入行業(yè)中受過高等教育的女性占比呈上升趨勢,通過社會資本進入高收入行業(yè)的女性占比呈先增加后下降的趨勢;第三,高收入行業(yè)中女性的工資水平表現(xiàn)出了持續(xù)增長的特征。

實證分析結果表明:第一,受教育程度越高的女性,進入高收入行業(yè)的概率也就越高;第二,2013年和2018年,擁有社會資本的女性具有更高的概率進入高收入行業(yè);第三,年齡對女性進入高收入行業(yè)的影響發(fā)生了有趣的變化。2002年的估計結果表明,年輕的女性進入高收入行業(yè)的概率更高,而到了2018年,年齡與女性進入高收入行業(yè)的概率呈現(xiàn)出一個倒U形曲線的關系,即在倒U形曲線拐點的左側,年齡與女性進入高收入行業(yè)的概率呈正相關關系,而在拐點右側,則出現(xiàn)了相反的變化?？赡艿慕忉屖歉呤杖胄袠I(yè)對女性準入的門檻提高了,尤其是對教育水平和工作經(jīng)驗的要求均有所增加,但是如果女性的年齡超過某一個臨界值,也會降低其進入高收入行業(yè)的概率,最終表現(xiàn)出女性年齡與進入高收入行業(yè)概率間的倒U形曲線關系;第四,黨員身份對女性進入高收入行業(yè)呈顯著的負相關關系,可能的原因是擁有黨員身份的女性更偏好于選擇相對穩(wěn)定但收入一般的體制內工作;第五,農(nóng)業(yè)戶口對女性進入高收入行業(yè)的影響僅在2018年顯著,且呈正相關關系,一方面,這表明農(nóng)業(yè)戶口勞動力進入高收入行業(yè)的戶籍壁壘可能在降低。另一方面,這些女性是經(jīng)過極度選拔和篩選后進入高收入行業(yè)的,這種極度選拔和篩選會帶來收入補償效應。[18]

二、數(shù)據(jù)來源與描述性統(tǒng)計

本文使用的數(shù)據(jù)來源于中國家庭收入調查2002年、2013年和2018年的城鎮(zhèn)住戶和外來務工住戶樣本。CHIP數(shù)據(jù)主要用于追蹤中國居民收入分配的動態(tài)情況,是目前關于全國性家庭收入情況的最好數(shù)據(jù)之一。其中2002年和2013年的樣本分為城鎮(zhèn)住戶、外來務工住戶和農(nóng)村住戶三類,而2018年的樣本將之前的城鎮(zhèn)住戶和外來務工住戶合并成統(tǒng)一的城鎮(zhèn)住戶調查, 因此,我們將2002年和2013年中的城鎮(zhèn)住戶與外來務工住戶樣本合并,加上2018年的城鎮(zhèn)住戶樣本,共形成三組反映城鎮(zhèn)住戶就業(yè)信息的樣本數(shù)據(jù)。研究對象選取16—60周歲、就業(yè)身份是雇員且年度工資性收入大于100元的樣本。勞動者分為三類群體:高收入行業(yè)從業(yè)者、中等收入行業(yè)從業(yè)者和低收入行業(yè)從業(yè)者。本文關注不同行業(yè)的收入水平,因此選取勞動者的年工資收入作為核心變量,包括基本工資加上社保福利折算,具體折算方法參考李實等的處理。[19]為了保證跨期數(shù)據(jù)的可比性,本文以2002年為基期,利用省級物價指數(shù)進行平減。

每年汛期來臨之前，對縣及鄉(xiāng)鎮(zhèn)山洪災害防御指揮部人員、責任人、監(jiān)測人員、預警人員、村負責人進行山洪災害專業(yè)知識培訓，明確各自職責，提高各級干部的防災意識，提高領導干部特別是基層領導干部的應急反應和指揮組織能力，熟悉山洪災害預警系統(tǒng)的運行操作流程，確保指揮系統(tǒng)正常、有效運轉。培訓分期分批舉辦，培訓主要內容為山洪災害成因及特點、山洪災害防御形勢、山洪災害防御基本知識、山洪災害監(jiān)測預警系統(tǒng)的運行操作流程等。

為了將行業(yè)分為高收入、中等收入和低收入三類,我們首先需要確定具有超額收入的行業(yè)。借鑒陳釗等的方法[1],在明瑟收入方程中加入反映個體特征和就業(yè)特征的控制變量,再控制行業(yè)虛擬變量,根據(jù)行業(yè)虛擬變量的符號和顯著性判斷某一行業(yè)屬于高收入行業(yè)還是低收入行業(yè),其余行業(yè)則為中等收入行業(yè)。需要說明的是,在明瑟收入方程中放入行業(yè)虛擬變量時,我們參考了Haisken-DeNew和Schmidt[20]、田柳等[21]的測算方法,將所有行業(yè)的虛擬變量均放入明瑟收入方程中,同時對行業(yè)虛擬變量的估計系數(shù)施加一個線性限制,即各個行業(yè)的勞動者份額乘上相應的估計系數(shù)并求和,其結果應為零。作此處理后,行業(yè)虛擬變量的估計系數(shù)可以解釋為在控制了其他決定收入的因素后,該行業(yè)勞動者與所有行業(yè)勞動者平均收入的差距?？刂谱兞堪ㄐ詣e、年齡、年齡的平方、教育水平、婚姻狀況、民族、政治面貌、戶口類型、單位所有制類型、職業(yè)類型、勞動合同性質、就業(yè)地、城市規(guī)模、地域等。在此基礎上,我們測算出了2002年、2013年和2018年的高收入行業(yè)(表1),由于產(chǎn)業(yè)結構的變化,不同年份的高收入行業(yè)有所差異,其中交通運輸、倉儲及郵電通信業(yè)、金融業(yè)、房地產(chǎn)業(yè)在三個樣本年份中均為高收入行業(yè),金融業(yè)的工資比所有行業(yè)的平均工資高出20%以上。

表2分別展示了2002年、2013年和2018年高收入行業(yè)、中等收入行業(yè)和低收入行業(yè)中的女性占比。可以看出,高收入行業(yè)中女性的占比總體呈下降趨勢,從2002年的40.31%下降至2013年的33.30%,直至2018年的32.59%;中等收入行業(yè)的女性占比波動較大,從2002年的41.23%上升至2013年的60.03%,繼而在2018年又下降至55.65%;低收入行業(yè)中女性的占比相對穩(wěn)定,2002年至2018年均在48%左右。

表3展示了高收入行業(yè)中女性的主要特征?？梢钥闯?2002年至2018年處于高收入行業(yè)中的女性平均年齡并沒有太大的變化,均在37—38歲之間。而2002年至2018年行業(yè)中受過高等教育的女性占比呈上升趨勢,從2002年的36.51%上升至2013年的37.28%,繼而上升至2018年的40.80%,表明高收入行業(yè)對女性教育水平的要求更高了。從社會資本發(fā)揮的重要性來看,女性通過親朋好友的介紹才進入高收入行業(yè)的占比在2002年最低,僅為8.85%,但是2013年卻上升至49.68%,而2018年又回落至39.49%,表明2013年以后,女性進入高收入行業(yè)的途徑更加公平了。此外,高收入行業(yè)中已婚女性的占比相對平穩(wěn),樣本年份中均在84%左右。

表2 不同類別收入行業(yè)中女性的占比(%)

表3 高收入行業(yè)中女性特征

高收入行業(yè)中女性的年工資水平在這一期間表現(xiàn)出了持續(xù)增長的特征,2002年至2018年期間,高收入行業(yè)中女性年工資均值上升了368.7%,2002年至2013年間上升了245.3%,2013年至2018年間增長速度要低一些,也達到了35.8%。高收入行業(yè)中女性的年工作時間在2002年至2013年有所上升,從2 054小時上升至2 266小時,2018年略微下降至2 264小時?？傮w來看,高收入行業(yè)中女性的小時工資呈上升趨勢,從2002年每小時7.12元上升至2018年每小時29.74元,增長了317.7%,表明女性的人力資本有較大提高。

三、基本估計策略與穩(wěn)健性檢驗

(一)排序Probit估計的結果

根據(jù)以上分析可以將行業(yè)分為低收入行業(yè)、中等收入行業(yè)和高收入行業(yè)三類,因此本文通過構建排序Probit模型(ordered probit model)研究教育、社會資本、婚姻狀況等個體特征對女性進入高收入行業(yè)的影響。具體模型如式(1)所示:

(1)

表4報告了整體樣本排序Probit模型的估計結果。模型(1)和模型(2)報告了2002年的估計結果,模型(3)和模型(4)報告了2013年的估計結果,模型(5)和模型(6)報告了2018年的估計結果,模型(1)、(3)、(5)僅加入了女性的個體特征變量,而模型(2)、(4)、(6)在加入女性個體特征的基礎上還控制了女性的工作特征變量和所在城市規(guī)模與地域特征變量。

從整體回歸來看,各主要變量系數(shù)顯著,模型整體回歸效果較好。2002年、2013年和2018年均顯示出了教育對女性進入高收入行業(yè)的顯著性,并隨著教育程度的增加,女性進一步進入高收入行業(yè)的概率也得到提高。比較2002年、2013年和2018年中通過社會資本找工作這一變量發(fā)現(xiàn),2002年,社會資本對女性進入高收入行業(yè)的影響并不顯著,但是到了2013年和2018年社會資本開始顯著影響女性找到高收入行業(yè)的工作了,而且這一現(xiàn)象在2013年表現(xiàn)得更加明顯。

表4 整體樣本排序Probit估計結果(1)為了節(jié)約篇幅,該表未展示出其他控制變量的系數(shù)以及排序Probit模型的臨界點。

通過三個樣本的比較發(fā)現(xiàn),年齡對女性進入高收入行業(yè)的影響發(fā)生了有趣的變化。2002年的估計結果表明,年輕的女性進入高收入行業(yè)的概率更高,2013年年齡變量卻不顯著了,到了2018年,會發(fā)現(xiàn)年齡與女性進入高收入行業(yè)的概率呈現(xiàn)出一個倒U形曲線的關系,即在倒U形曲線拐點的左側,年齡越大女性進入高收入行業(yè)的概率越高,但是在拐點的右側,則出現(xiàn)了相反的變化,也就是女性年齡越大進入高收入行業(yè)的概率越低。從2002年到2018年年齡對女性進入高收入行業(yè)的變化特征來看,在早期,年輕對女性進入高收入行業(yè)是一個優(yōu)勢,但是隨著時間推移,由于高收入行業(yè)對工作經(jīng)驗和高等教育水平的要求不斷增加,最終表現(xiàn)出進入高收入行業(yè)的女性年齡呈增長趨勢,但是也并非年齡越大越好。因此,當女性到達一個年齡峰值后,進入高收入行業(yè)的概率開始下降。樣本年份中,婚姻狀況對女性進入高收入行業(yè)的影響并不顯著。

漢族僅在模型(1)和模型(3)中顯著,且加入工作特征變量、城市規(guī)模和地域特征后,便不顯著了,表明綜合其他因素來看,民族狀況對女性進入高收入行業(yè)的影響非常有限。此外,各年份均顯示出黨員對女性進入高收入行業(yè)呈顯著負向影響,可能的原因是擁有黨員身份的女性更愿意選擇相對穩(wěn)定但收入一般的體制內工作。有意思的是,農(nóng)業(yè)戶口對女性進入高收入行業(yè)的影響在2002年和2013年并不顯著,但是到了2018年轉而變得顯著正相關了。其原因可能有二:一是農(nóng)業(yè)戶口勞動力進入高收入行業(yè)的戶籍壁壘在降低,二是這些女性是經(jīng)過極度選拔和篩選后進入高收入行業(yè)的,這種極度選拔和篩選會帶來收入補償效應。[18]

(二)穩(wěn)健性檢驗

為了檢驗結果的穩(wěn)健性,本文采用了兩種方法:一是替換估計方法,將被解釋變量替換為是否在高收入行業(yè)工作(是=1,否=0),并采用普通最小二乘法進行估計;二是替換解釋變量,用教育年限替換教育水平離散組,用工作經(jīng)驗及其平方替換年齡及其平方。從估計結果可以看出,模型各變量系數(shù)顯著,主要變量估計結果與表4基本一致,這說明排序Probit估計結果是穩(wěn)健的。

由于排序Probit估計的參數(shù)含義不直觀,本文進一步分別以表4的模型(2)、(4)、(6)回歸結果為基礎,計算各個解釋變量影響女性進入高收入行業(yè)的邊際效應,計算當所有解釋變量處于其均值水平,某一解釋變量變動一個單位,女性進入各類行業(yè)的概率如何變化(2)受篇幅所限,我們僅展示了個體特征變量的邊際效應值。,如表5所示?？傮w來看,教育水平越高的女性進入高收入行業(yè)的概率越高,但是其余解釋變量在不同年份表現(xiàn)出了不同的變化特征。

具體而言,在2002年和2013年,即便是教育水平較低的女性,也有很大可能進入高收入行業(yè),這說明教育并不是決定能否進入高收入行業(yè)的關鍵變量;而到了2018年,僅有受過較高教育水平的女性有更高的概率進入高收入行業(yè),如接受過大專及以上教育的女性,進入高收入行業(yè)的概率在5%的顯著性水平上提高3.1%,表明高收入行業(yè)對女性受教育水平的要求在逐步提高。

通過比較2002年、2013年和2018年中社會資本對女性進入高收入行業(yè)的邊際效應來看,在2002年,社會資本變量對女性進入高收入行業(yè)的影響并不顯著,但是2013年和2018年的結果顯示,擁有社會資本的女性進入高收入行業(yè)的概率在10%的顯著性水平上分別增加2.1%和0.4%。

觀察女性的年齡變量發(fā)現(xiàn),2002年,女性的年齡越小進入高收入行業(yè)的概率越高,如女性年齡長一歲在5%的顯著性水平上進入高收入行業(yè)的概率下降1.5%,2013年,年齡對女性進入高收入行業(yè)的影響并不顯著,但是到了2018年,女性的年齡與進入高收入行業(yè)的概率在10%的顯著性水平上形成了倒U形曲線的關系,也就是說在倒U形曲線拐點的左側,女性年齡越大,進入高收入行業(yè)的概率越高,在拐點右側,則恰恰相反。

表5 主要解釋變量的邊際效應

婚姻和民族狀況對女性進入高收入行業(yè)并沒有顯著影響。女性如果是黨員進入高收入行業(yè)的概率更低,這種現(xiàn)象在2013年和2018年表現(xiàn)得更加明顯,例如,在2013年和2018年,相較于非黨員女性,黨員女性進入高收入行業(yè)的概率在1%顯著性水平上分別下降4.5%和8.8%。

從戶籍類型來看,2002年和2013年戶口性質并不影響女性進入高收入行業(yè),但是到了2018年卻出現(xiàn)了農(nóng)業(yè)戶口的女性進入城市高收入行業(yè)的概率更高的情況,具體而言,擁有農(nóng)業(yè)戶口的女性進入高收入行業(yè)的概率在1%的顯著性水平上高出3.7%。如上文分析所言,我們認為,在很大程度上,這并不能說明在農(nóng)業(yè)戶口和非農(nóng)業(yè)戶口的競爭中出現(xiàn)了“逆轉”,這反而說明,我國的城市勞動力市場仍然在基于戶籍身份進行選拔和篩選,只有那些能力更強的擁有農(nóng)業(yè)戶口的女性在經(jīng)過極度選拔和篩選后,才能克服戶籍身份的不利影響進入高收入行業(yè)。

四、內生性檢驗

女性進入高收入行業(yè)的影響因素很復雜,受到個體因素、家庭因素等多維度的影響。由于數(shù)據(jù)和方法上的限制,我們無法控制所有可能影響女性進入高收入行業(yè)的變量,因此模型中可能存在遺漏變量問題,從而使基準回歸結果有偏,影響了模型估計的準確性和穩(wěn)健性。本文采用工具變量法解決由于遺漏變量帶來的內生性問題。

根據(jù)工具變量外生性和相關性的選擇要求,在討論教育水平對女性進入高收入行業(yè)的影響時,本文采用地區(qū)整體平均受教育水平作為女性受教育程度的工具變量。家庭對子女的教育投資往往具有同群效應,會受到周圍整體的教育投入和教育水平的影響,這種地區(qū)層面的變量往往反映了當?shù)氐幕旧鐣L氣和開放程度,體現(xiàn)了人們對教育的重視和投入程度,而地區(qū)平均受教育水平又很難直接影響女性個體進入高收入行業(yè)的概率?？紤]到工具變量模型中的識別問題以及教育分組過程存在一定的主觀性,僅在受教育水平作為連續(xù)變量時的情況下使用工具變量,不再討論教育細分為離散組時的情況。

考慮到行業(yè)分類賦值的有序性,因此本文采用Roodman[22]提出的工具變量兩階段混合過程方法(two-stage mixed-process estimator)進行估計。已有文獻表明,面對被解釋變量是離散變量時,這種估計策略比普通兩階段回歸方法更有效率。[23-24]表6報告了基于工具變量方法的估計結果。(3)為了節(jié)約篇幅,該表未展示出其他控制變量的系數(shù)以及排序Probit估計的臨界點。其他控制變量包括:社會資本、年齡、年齡的平方、婚姻狀況、民族、政治面貌、戶口類型、工作特征變量、城市規(guī)模、地域。

表6 工具變量回歸結果

由表6可以看出,與基準回歸估計結果相似,工具變量估計結果依然顯著且影響方向相同,由于控制了遺漏變量帶來的內生性問題,在每個臨界值處的邊際效應值大小不同于基準回歸估計。具體而言,2002年、2013年和2018年,女性的受教育水平每增加1年,在1%的顯著性水平上,女性進入高收入行業(yè)的概率分別增加3.0%、3.5%和3.5%。這表明受教育水平對女性進入高收入行業(yè)的影響力在增加。

五、異質性檢驗

我們按人口數(shù)量將城市分為中小城市、大城市、超大及特大城市三類,分樣本進行回歸分析。(4)為節(jié)約篇幅,本小節(jié)未展示異質性檢驗的估計結果。

第一,樣本年份里受教育水平對女性進入高收入行業(yè)的影響顯示出了相似的特征,即在中小城市,相比于小學及以下教育水平,高中、中專技校、大專及以上受教育水平均對女性進入高收入行業(yè)有顯著的正向影響,但是在大城市、超大及特大城市中,僅有高等教育可以顯著提高女性進入高收入行業(yè)的概率。

第二,社會資本只有在2002年的大城市樣本中對女性進入高收入行業(yè)有顯著正向影響,其余樣本年份中均沒有顯著影響。

第三,年齡在2002年的大城市樣本中對女性進入高收入行業(yè)呈顯著負向影響,即年齡越小的女性進入高收入行業(yè)的概率越高。而到了2018年的中小城市、超大及特大城市中,女性的年齡與其進入高收入行業(yè)的概率卻呈倒U形曲線的關系,即在拐點左側,女性的年齡越大進入高收入行業(yè)的概率越高,在拐點的右側則恰好相反,表明進入高收入行業(yè)對女性受教育水平、工作經(jīng)驗的要求都更高了。

第四,相對而言,婚姻和民族狀況對女性進入高收入行業(yè)的影響并不顯著,但是擁有黨員身份的女性進入高收入行業(yè)的概率明顯降低,原因仍然可能是我們上面所提到的,擁有黨員身份的女性更傾向于進入穩(wěn)定但收入不是很高的體制內工作。

第五,在2018年的中小城市、超大及特大城市中,農(nóng)業(yè)戶口的女性進入高收入行業(yè)的概率顯著升高,但在其余年份并沒有表現(xiàn)出這個特征,說明隨著人口流動性的增強,更多有能力的外地勞動力進入城市,也正是因為她們的能力更強,因此進入高收入行業(yè)的概率更高。

六、結論與政策啟示

本文使用2002年、2013年和2018年中國家庭收入調查的城鎮(zhèn)數(shù)據(jù),首先采用限制最小二乘方法準確識別出樣本年份高收入行業(yè)、中等收入行業(yè)和低收入行業(yè)具體包括哪些細分行業(yè),繼而運用排序Probit估計分析了女性勞動力進入高收入行業(yè)的影響因素,最后進行了穩(wěn)健性檢驗及異質性檢驗。結論如下:首先,教育水平與社會資本對女性進入高收入行業(yè)具有顯著正向影響,且這種現(xiàn)象在2013年和2018年表現(xiàn)得更加明顯。其次,年齡對女性進入高收入行業(yè)的影響發(fā)生了有趣的變化,2002年“年輕就是資本”,到了2018年,年齡與女性進入高收入行業(yè)的概率呈倒U形曲線的關系,即在倒U形曲線拐點的左側,年齡與女性進入高收入行業(yè)的概率呈正相關關系,在拐點右側則恰恰相反。再次,樣本年份中,黨員身份對女性進入高收入行業(yè)的概率均呈顯著的負相關關系,而農(nóng)業(yè)戶口在2018年中對女性進入高收入行業(yè)表現(xiàn)出了顯著的正向影響。最后,通過城市規(guī)模估計發(fā)現(xiàn),個體特征因素對女性進入高收入行業(yè)概率的影響在不同規(guī)模的城市中反映出了不同的結果。例如,大城市、超大及特大城市對女性教育水平的要求更高,社會資本僅在大城市中影響女性進入高收入行業(yè)的概率,年齡與女性進入高收入行業(yè)概率的倒U形曲線關系僅在中小城市、超大及特大城市中顯著,與此相似,農(nóng)業(yè)戶口變量也僅在中小城市、超大及特大城市的子樣本中顯著。

本文的主要政策啟示是,要致力于實現(xiàn)勞動力市場中的性別平等,就需要打破女性進入高收入行業(yè)的障礙,實施有利于行業(yè)性別收入均等化的政策。一方面,高等教育的性別比已經(jīng)發(fā)生了逆轉[25],即女性接受過高等教育的比例超過了男性,但是即便是受過高等教育的女性更多了,我們仍然發(fā)現(xiàn),2002年至2018年,高收入行業(yè)中的女性占比在下降,表明應給予高學歷女性平等入職的個人發(fā)展機會,盡快扭轉高收入行業(yè)中女性占比下降的態(tài)勢,促進高收入行業(yè)內部性別均衡發(fā)展。另一方面,應繼續(xù)強化勞動力市場的規(guī)范化發(fā)展,弱化社會資本對女性求職的作用,促進行業(yè)和性別均衡發(fā)展。