中国大学生劳动力市场的基本情况

当前中国大学生就业现状以及造成的负面影响我国高校自扩招以来，大学毕业生由“精英就业”向“大众化就业”转化，以往存在的大学生就业满意度低的现象凸显，就业压力进一步增加，而且与社会就业高峰重叠。根据教育部公布的统计数字，2001 年全国高校毕业生人数为115 万人， 2003 年第一批扩招本科生进入就业市场后毕业生人数超过212万人。人保部门的最新统计数据显示，2010 年全国高校毕业生为630 万人，比2009 年的611 万人多19 万人。人保部门表示， 2009 年高校毕业生就业率为87%，而实质上这包括了出国以及继续深造的高校毕业生人数，目前高校就业率只徘徊在70% 左右，意味着有近200 万的大学生毕业后不能立即找到工作，就业形势严峻。然而，这种严峻的大学生就业形势并不是由于我国目前大学生的供给总量绝对大于需求量而造成的供给过剩，而是大学生不能尽快就业或者找不到与他们的教育水平相适应的工作，是人才分布的不合理，主要表现为大学生就业的学历结构、专业结构不平衡以及局部地区、个别行业的大学生供给过剩。

1. 大学生就业结构不平衡其一，学历结构不平衡。全国高校毕业生的就业状况存在很大的差异，这也使得大学校园的考研热愈演愈烈。考研人数近几年 “井喷式”增长，连续5 年保持在120 万人以上，其中占相当比例的大学生是因为无法顺利就业或现有的学历无法获得预期工资而被迫作出的选择。其二，专业结构不平衡。麦可思2009 年度大学生就业能力调查显示：从本科专业大类来看，就业率最高的专业依次是工学、管理学、经济学，但工学在毕业半年后平均月收入低于经济学专业大类。

2. 大学生就业存在结构性的供需矛盾从地区分布来看，城市人才过剩，而农村和乡镇人才稀缺，并且就业区域选择集中，多集中于东部沿海经济发达地区或大中城市，加剧了区域型人才供需矛盾；从行业选择来看，出于对工资、福利以及发展前景等因素的考虑，大学生对外企、国企、政府机关尤为青睐。按照前述各项数据的显示，可以预见在未来几年，随着高校毕业生数量的增多，大学生争相涌入主要劳动力市场，而作为大学生就业首选的主要市场对大学生的有效需求却相对下降，加之全球经济危机的持续性影响，大学生的就业率将依然维持在一个不高的水平。数量较多的大学生无法顺利就业，将会给个人、家庭以及社会带来难以估量的负面影响。一方面，失业会给大学生造成直接的生存压力和心理压力，家庭对孩子较高的教育投入不能得到相应的回报，进而影响到人们对教育投资的积极性；另一方面，教育过度使得我国这样一个资源并不丰富的发展中国家承受着人才高消费的资源浪费，大学生失业又造成全社会人力资本的浪费。另外，大量失业大学生的存在有可能形成一些社会不安定因素，影响社会和谐。 根据制度性劳动力市场分割理论对当前我国大学生就业现状的解释

主要劳动力市场和次要劳动力市场的根本差异表现为：前者大学毕业生的存量较多，有的地区和行业甚至存在某种程度上的教育过度，提供的是大公司、大企业和大机构的工作岗位，就业稳定、工资高、工作条件好、享有平等的权利和晋升机会，要求的教育水平较高、发展稳定的职业习惯；后者的大学毕业生存量少，甚至可以说劳动者的受教育程度普遍较低，所提供的是小公司、小企业中的工作岗位，工作不稳定、工资低、工作环境差、规章制度严厉、晋升机会少，教育水平要求低，不鼓励也不要求发展稳定的工作习惯。另外，次要劳动力市场的工作几乎不提供培训，晋升机会也少，而主要劳动力市场的培训却是经常的，甚至是必不可少的。

在我国，对大学毕业生来说，主要市场包括两部分：一是国有单位，如政府机关、事业单位、国有企业。这些单位的工作稳定性好，轻易不会被解聘，收入比较高，而且有良好的社会保障体系。二是非国有单位中的外企、高新技术企业、大型合作企业、跨国企业等，这些单位一般在沿海经济发达地区或大中城市。它们与国际市场接轨，管理方式先进；公司内部的培训机会较多，以自身的发展需要来培养员工；具有良好的激励机制，工作富有挑战性，每个员工都拥有平等的晋升机会；工资较高，养老保险、医疗保险、住房公积金等社会保障也比较完善。在主要市场就业压力大的情况下，如果没有特别的障碍，即如果劳动力在主要市场和次要市场之间流动没有制度性成本，则我们可以想象，很多大学毕业生到次要市场就业，边工作边找寻，等有合适的机会后就离开次要市场到主要市场去就业，而不至于在主要市场形成失业。但由于各方面的原因，大学毕业生一般不愿意到次要市场就业，从而形成了大学生的自愿性失业。

1. 主次劳动力市场预期收益存在差异在主要劳动力市场就业可以获得在次要劳动力市场无法比拟的分割性收益。我国高等教育的明瑟收益率与其他国家相比较明显偏低，就业与不同所有制单位对个人收入分配有很大影响。另外，各行业的平均工资差距变异系数也从1985 年的证明所有制类型以及行业类型都可以导致分割性收益的存在。既然主次劳动力市场存在分割性收益，那么要求大学生树立“哪里需要到哪里”的择业观显然是与市场经济条件下的职业价值观不相吻合的。实质上大学生的择业过程分为两次来完成， 一次是大学前的专业选择，区分“热门”和“冷门”专业，考虑未来的就业前景；另一次是就业前的职业选择，考虑工资水平、福利待遇以及发展前景等因素。对于大学生而言，教育成本可以认为是既定的，毕业之后的预期收入越高，则教育投资的回报会越高。作为理性的经济人，大学毕业生自然会选择在预期收入较高的主要劳动力市场就业，从而获得分割性收益。

2. 流动成本高大学毕业生一旦去了次要劳动力市场，若要回到主要劳动力市场就业会面临较高的流动成本。一是对新单位的搜寻成本，即在寻找新的工作单位的过程中所支出的各项成本。其中包括交通、通讯等各种可量化的成本，也包括为找寻新工作而放弃其他培训、社交机会的机会成本；二是单位导向的人力资本以及与原单位相关的各种福利的损失。新、旧两个单位的工作会或多或少存在一定的差异，离开原单位意味着必须去适应另一项工作以及工作环境，努力建立新的交际圈，在原单位的人力资本投资会有一定程度的损耗，失去原单位的各种福利，相关职业保障也有可能因为一些制度性因素无法转移而损失；三是与原单位的交易成本，即在流动到新单位的过程中必须向原单位支付的种种成本以及若原单位设卡不放个人而导致的机会成本，前者比如所谓的违约金和人情费，后者则指在新单位已联系好但是原单位不放人的情况下新旧单位的收入差。

3. 信号传导误差

造成劳动力市场分割的原因在于主要劳动力市场所提供的职位特征：主要劳动力市场都是有大公司、大企业组成，对劳动力限定的资历要求往往只有家庭背景优越、学历高的劳动力才具备；原本受歧视而被迫进入次要劳动力市场的劳动力，其生活方式长期适应于次要劳动力市场，从而形成与次要劳动力市场相关的行为特征，使其进入主要劳动力市场获得就业机会的概率更低；公共援助制度无法区分自愿与非自愿性失业，因此不能排斥这部分人群，在其失业找寻工作期间可以提供一定的生活保障。正是由于存在明显的制度性劳动力市场分割，理性的大学生如果暂时不能在主要劳动力市场就业，也不愿意进入次要劳动力市场。因为在

次要劳动力市场就业的履历会向潜在雇主传递一种信息：他们是由于竞争力太差才不得不在次要劳动力市场就业的。

第二篇：中国大学生劳动力市场上的性别工资差异与歧视

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

【研究领域：劳动、人口经济学】

中国大学生劳动力市场上的性别工资差异与歧视

摘 要：本文以2007和20xx年度“中国大学毕业生求职与工作能力调查”的山东省数据为基础，分别利用两种扩展的Blinder-Oaxaca(1973)分解方法，考察了我国大学生劳动力市场上的性别工资差异与歧视。本文的基本结论表明：我国大学生劳动力市场上的确存在性别工资差异与歧视。20xx年，男女大学生毕业半年后的性别工资差异为17.1%，其中，78.95%～98.83%的部分是由于性别歧视造成的。20xx年, 男女大学生毕业半年后的性别工资差异为12.2%～13.2%，其中，90.16%及以上的部分是由于性别歧视造成的。这表明性别工资差异呈现缩小趋势，而性别工资歧视却有扩大趋势。此外，工作能力对性别工资差异及其可解释部分(或禀赋效应)的影响显著。本文的结论不仅揭示了政府反性别歧视的必要性，还揭示了女大学生强化工作能力，提升就业竞争力的迫切性。

关键词：工资歧视；工作能力；个体异质性；Blinder-Oaxaca(1973)分解

Gender Wage Differentials and Discrimination in the Labor Market for Chinese

College Graduates

Abstract: Based on the data of Shandong province from the “survey of Chinese college graduates applying for jobs and their work skills” in 2007 and 2008, this paper discusses gender wage differentials and discrimination in the labor market for Chinese college graduates by the two extensions of Blinder-Oaxaca (1973) decomposition technique irrespectively. The findings in this paper show that gender wage differentials and discrimination really exist in the labor market for Chinese college graduates. In 2007, six months after their graduation, the gender wage differentials are 17.1%, of which 78.95%～98.83% is attributed to the gender discrimination. In 2008, the gender wage differentials vary slightly from 12.2%～13.2%, of which 90.16% and above is attributed to the gender discrimination. These findings show that the gender wage differentials are narrowing, but the gender wage discrimination is widening. In addition, the work skills significantly affect the gender wage differentials and the “explained” component (or endowment effect). The findings in this paper not only necessitate of government’s anti sexist, but also push for female students to strengthen their working skills and improve their competitiveness in the labor market.

Keywords: Gender Discrimination; Work Skills; Individual Heterogeneity; Blinder-Oaxaca (1973) Decomposition

一、引言

劳动力市场歧视现象在世界各国或地区都不同程度地存在。所谓“歧视”，是指具有同等生产率特征的劳动者因种族或性别而在劳动力市场上受到的不公正待遇，事实上，种族或性别特征对劳动生产率并无影响(Altonji et al,1999;Heckman,1998)。然而，现实中的劳动者并不是同质的，未观察到的个体异质性——认知和非认知能力(O’Neil et al,2005)、家庭背景和受教育环境(Neal et al,1990)和对未来劳动力市场运行的预期(Bravo et al,2008)等等，将直接影响劳动者在劳动市场上的表现及其回报。

1

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

国外有关大学生性别工资差异与歧视的研究，大多利用Oaxaca-Blinder(1973)分解技术，将工资差异分解为两部分：可解释的生产率特征差异所引起的工资回报不同和难以解释的非生产率特征导致的工资差异，也常被称为工资歧视。由于未观测到的个体异质性将高估性别工资歧视，后续研究更加侧重于减少相关变量遗漏。Daymont & Andrisani (1984)利用NLS72数据，探讨了工作偏好和大学专业对性别工资差异的影响，发现工作偏好和大学专业解释了大学生毕业3年后小时工资性别差异的1/3-2/3。Paglin & Rufolo(1990)发现GRE成绩中数学能力的差异解释了大学生专业分布的性别差异，而且GRE成绩中数学能力的性别差异进一步解释了20%的平均起薪差异。Brown & Corcoran(1997)基于SIPP和NLS72数据发现，当控制高中课程和大学专业后，SAT分数对于大学生毕业多年后(受过高等教育的成人)的性别工资差异的解释力并不强。Joy(2003)基于1993-94 NCES数据，对大学毕业生的性别工资差异分解后发现，劳动力市场变量(工作单位、行业、工作时间、工作搜寻等)对工资差异的影响胜过教育变量(家庭背景、专业、总学分、GPA等)；而且，性别工资差异中不能被劳动力市场变量和教育变量解释的部分高达75%。

国内有关大学生性别工资差异与歧视的代表性定量研究主要有：叶文振等(2002)基于厦门大学2002届本科毕业生的调查数据，采用OLS回归，发现性别确实会减小女大学生签约单位拟付的工资水平。当控制其他影响因素后，签约单位对男生拟付的工资水平高出女生11%。岳昌君等(2004)基于对全国大学毕业生就业状况的大规模抽样调查数据，采用OLS回归，发现性别对其起薪水平的影响并不显著。纪月梅等(2004)基于上海市两所的高校2001—2003届本科毕业生的就业调查数据，采用区间回归(Interval Regression)研究发现，无论是第一份工作还是目前工作，在控制了其他因素的影响后，女性的工资收入都明显地低于男性。此外，当控制了其他因素后，大学里女性对自身学习能力的培养普遍高于男性，但在劳动力市场上女性的工资仍然低于男性，并随工作年限的增长而扩大。

由此可见，上述的研究结论并不一致。我国大学生劳动力市场上的性别工资差异与歧视问题值得深入探讨。从现有文献的研究对象来看，要么是应届毕业生，要么是毕业多年的大学生。事实上，大学生毕业半年后的工资才比较真实，就业相对稳定，而其工作经验和在职培训的性别差异小。从现有文献的研究方法来看，他们直接用OLS回归对男女混合样本估计工资方程，并依据工资方程中性别变量系数的符号和大小，来判断性别工资歧视。

这种传统研究方法存在着以下四方面不足：(1)高估性别工资差异。在对男女混合样本的OLS回归中，对所有控制变量估计了同一系数，即是假定了男女大学生的人力资本投资回报率、职业分布和行业分布等方面相同，这与已有研究相违背。(2)缺乏对性别工资差异的分解，将性别工资差异等同于性别工资歧视，高估了性别工资歧视。事实上，性别工资差异并不等于性别工资歧视，性别工资差异中有一部分是由于禀赋(个体特征)差异造成的。(3)大多数研究忽视了未观测到的个体异质性，尤其是能力的差异性，可能存在遗漏变量偏误。

(4)还可能存在样本选择偏误。虽然纪月梅等(2004)在工资方程中引入了用李克特量表测度的能力，和其他研究一样，估计的工资方程仅利用调查时处于就业状态的样本，而忽略了处于非就业状态的样本。因此，利用更新、综合性、全国性、大样本和不同年份的调查数据，克服上述研究的不足，既是本文的研究目的和重点所在，也将是本文的贡献之处。

本文余下部分安排如下：第二部分介绍本文将要用到的计量模型与估计方法；第三部分是数据及其描述统计；第四部分是估计结果及解释，主要包括基于男女混合样本估计工资方程，性别工资差异分解结果及其稳健性分析；第五部分是结论。

二、计量模型与估计方法

参照Ashraf(1996)，本文首先采用Heckman（1979）样本选择模型处理大学毕业生工资 2

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

方程中因未观测到的个体异质性——尤其是能力变量遗漏导致的内生性。模型设置如下：

s

Lnwageit=Xitβt+uit (1)

S=1[Zitγt+υit>0] (2)

其中，Lnwageit为t年样本中(t=2007,2008,pooled)，大学毕业生i被调查时的对数化月工资水平。Xit是由个人特征和生产率变量组成的向量，βt是相应参数组成的向量 (包括常数项)。ui是随机误差项，且ui~ N (0,σ2)。S是大学毕业生被调查时是否处于就业状态的二分类变量。Zit是影响其就业状态的变量组成的向量，γt是其待估计的参数向量。υit随机误差项，并服从υit~ N (0,1)。

由于能力很难观测到，通常归入到随机误差项，导致参数估计的遗漏变量偏误。引入能力的代理变量—IQ(Griliches et al，1972), AFQT (O’Neil et al，1990), GRE(Paglin et al,1990),SAT (Brown et al，1997)等是纠正这种内生性偏误的重要方法之一。本文利用麦可思 (MyCOS)工作能力指数作为能力的代理变量。

Heckman(1979)指出，uit和υit均包含未观测到的个体异质性。即uit和υit存在相关关系，令uit=ρtυit+εit，代入方程(1)，并取其条件期望，则有：

sE(Lnwageit|Xit,Zit,S=1)=Xitβt+ρtE(υit|Zit,S=1)

l)Φ(Zγl (3) =Xitβt+ρtφ(Zitγtitt)

s

=Xitβt+ρtλit

l)Φ(Zγl被称为逆米尔率(Inverse Mills ratio)。当其系数ρ≠0时，直接其中，λit=φ(Zitγttitt)

用OLS对选择样本所估计的参数βt将产生样本选择偏误。

为测度性别工资差异与歧视，记Xitβt+ρtλit=Witηt，分别估计男女大学生工资方程中的参数tj及相应变量均值tj(j=M，F)，再根据Blinder-Oaxaca (1973)将性别工资差异分解为：

s=1s=1m?Wmmmm (4) LnwagetM?LnwagetF=WtMtMtFtF=(WtM?WtFηtM+WtF(ηtM?ηtF)??????????????

CF

DF

或将性别工资差异分解的角度换为男生，则有：

s=1s=1m?Wηmmmm (5) LnwagetM?LnwagetF=WtMηtMtFtF=(WtM?WtF)ηtF+WtM(ηtM?ηtF)??????????????

CM

DM

方程(4)和(5)中等号右侧第一项常被称为可解释部分(Cj)，第二项为不可解释部分(Dj)，也通常被称为性别工资歧视。然而，运用方程(4)和(5)分解性别工资差异时，所得到可解释

部分和不可解释部分的比例并不一致，即 CF/DF≠CM/DM，因而备受质疑。后续研究主

3

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视 要从两种思路对Blinder-Oaxaca(1973)进行了扩展和完善。

第一种是Neumark (1988)，Oaxaca & Ransom (1994)对Blinder-Oaxaca(1973)的扩展： s=1s=1m?η?)+Wη??ηm) (6) LnwagetM?LnwagetF=(WtM?WtF)ηt?+WtMηtMttFttF????????????????????

QU

m的加权平均数。即m和η??t为无性别歧视时估计的系数，通常设定为ηtFtM

m+(I?Ω)ηm，其中，I是单位矩阵，?是加权矩阵。然而，不同研究者对?的设ηt?=ΩηtMtF

定有所不同，Blinder -Oaxaca (1973)分解是该扩展方法的一个特例，即方程(4)和(5)对应的加权矩阵?是0矩阵或单位矩阵I。Reimers (1983)设Ω=0.5I。Cotton (1988)设Ω=SI，其中，S是男女各类样本在其混合样本中的比重。本文采用Neumark (1988), Oaxaca & Ransom (1994)倡导的方法，即用方程(3)对男女混合样本估计的参数t替代?t。方程(6)中等号右侧第一项被称为可解释部分 (Q)；第二项为“男性优势”；第三项为“女性劣势”，这两项之和称为不可解释部分或性别工资歧视(U)。

第二种是Daymont & Andrisani (1984)对Blinder-Oaxaca(1973)的扩展： s=1s=1m+Wηm?ηm)+(W?W)(ηm?ηm) (7) LnwagetM?LnwagetF=(WtM?WtFηtFtFtMtFtMtFtMtF???????????????????????

ECCE?

上述方程中等号右侧第一项常被称为禀赋效应(E)，第二项为系数效应(E)，也常被视作性别工资歧视，第三项为禀赋和系数的交互效应(CE)。

本文将运用这两种扩展思路，对大学生毕业半年后的性别工资差异进行分解，并予以比较。同时，还将对性别工资差异的各组成部分依据各类变量(共10类变量，其中，5个分类变量：专业、工作单位、所在城市、行业和职业类型各作1类)进行详细分解，以考察各变量对各部分的影响。E可分解为：

m+(W?W)ηn+"+(WnE=(W1tM?W1tF)η1tF2tM2tF2tF10tM?W10tF)η10tF (8)

对于Q、U、C和CE的详细分解与E的详细分解完全相同，为节约篇幅，不再赘述。

三、数据及其描述统计

本文的研究数据来源于麦可思公司(MyCOS)的“中国大学毕业生求职与工作能力调查”。自20xx年开始，MyCOS每年一度对毕业半年后大学生的就业状态和工作能力进行全国性的调查。20xx年首次调查了毕业半年后的2006届大学毕业生，共收回问卷8.5万份。20xx年抽样调查的2007届大学毕业生达到44.5万人，回收有效问卷20万份，其中完成全部答卷为73%；共覆盖全国31个省、市和自治区2113所高校的1276个专业，并成为目前中国除人口普查和经济普查外最大的调查。除开其全国性、大样本、分年度等性质外，MyCOS数据的突出特点还在于：采用国际先进的能力分类方法，对大学生离校时的工作能力进行了评估。MyCOS把大学毕业生的能力分为35项基本工作能力，在调查就业的应届毕业生时，请他/她们评估各项能力在自己工作中的重要性、工作要求的水平和自己离校时掌握的水平。经过加权计算出离校时掌握的35项能力的总体水平，工作能力的最高水平是100%(《麦可思20xx年度中国大学毕业生就业报告》，第123页)。这为本文控制能力变量奠定了良好的数据基础。

由于数据授权限制，本文仅能以MyCOS数据集中的山东省2007和20xx年度调查的大学毕业生为研究样本，有效样本总量为7013人，其中，20xx年调查的大学毕业生1169人，占总 4

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

样本的16.67%；20xx年调查的毕业生5844人，占总样本的83.33%。在2007、20xx年度样本

和混合样本中，女生所占比例分别为37.45%、37.17%和35.46%，基本反映了我国在校大学

生的男女比例①，完全满足本文的研究需要。

表1 工资方程中所有变量性别差异的均值比较

2007 2008pooled

—0.0136***3.660.0116*** 3.730 是否处于就业状态

5.38293.2***9.88306.0*** 11.27半年后的月工资(元) 359.3***

-1.81-0.0249**-3.14-0.0219**-3.24本科学历 -0.0124*

0.150.01051.070.0126 1.27“211”重点大学 0.00440

0.0214 0.150.06650.810.0937 1.21在职工作时间(月)

0.110 1.640.0973***2.930.112*** 3.56年龄(岁)

6.822.637***7.213.122*** 8.92工作能力指数 6.227***

专业类型

-0.690.0008160.24-0.000059-0.02教育学等专业 (参照组) -0.00409

-2.12-0.0270**-3.21-0.0289**-3.80经济学 -0.0374**

-0.0112-1.14-0.00175-0.36-0.00338 -0.77法学

-6.78-0.121***-14.23-0.119*** -15.75文学 -0.110***

-0.170.0251***3.280.0199*** 3.03理学 -0.00155

7.950.208***16.380.214*** 18.25工学 0.237***

— —0.006751.620.00535 1.54农学

— —-0.00704-1.46-0.00628 -1.55医学

-2.61-0.0844**-7.63-0.0815**-7.88管理学 -0.0727**

工作单位类型

-2.13-0.0249**-3.05-0.0271**-3.65政府/事业/科研机构(参照组) -0.0383**

0.0643**2.500.0812***7.230.0785*** 7.63国有企业

0.0125 0.48-0.0332**-2.97-0.0255** -2.49三资企业

-1.27-0.0173-1.29-0.0208* -1.70民营/私营企业 -0.0385

— —-0.00585*-1.70-0.00508* -1.77非营利组织

所在城市类型

-0.71-0.0200**-2.50-0.0188** -2.53直辖市(参照组) -0.0139

-0.02-0.0117-0.88-0.00917 -0.75省会城市 -0.000738

0.0318**2.350.0280** 2.27地级城市及区县 0.0146 0.49

行业类型

-1.61-0.0228*-1.69-0.0276** -2.25第一类行业(参照组) -0.0483

-1.55-0.0213**-2.40-0.0223**-2.85第二类行业 -0.0236

2.440.0435***3.860.0449*** 4.42第三类行业 0.0558**

-1.29-0.00411-1.24-0.00637 -1.19第四类行业 -0.0327

-0.0155-1.15-0.00538 -0.44白领工作者 0.0449 1.47

N 1169 58447013 注：***,**,*分别代表在1%,5%,10%的置信度下显著；“—”是由于性别无差异或该变量数据缺失造成。

变量名称 为估计工资方程，除重点考察性别和工作能力指数外，还将控制年龄及其平方项、学

历层次、学校名气、专业类别等变量(见表1)。这些变量都是标准的工资方程通常控制的变

量，本文不再赘述控制这些变量的理由。需要指出的是，本文中的行业和职业分类参照王美

燕(2005)的划分方法：将所有16个行业共划分为四类行业：第一类为农业、采掘业、建筑业、

贸易、餐饮业；第二类为制造业、地质勘查业、水利业、教育、文化艺术和广播电影电视业、

社会服务业；第三类为党政机关和社会团体、卫生体育和社会福利业、房地产业、其他行业；

第四类为交通运输仓储和邮电通信业、电力、煤气及水的生产和供应业、金融、保险业、科

① 20xx年8月24日，国务院发表的《中国性别平等与妇女发展状况》显示，截至20xx年，全国普通高等

院校在校女生占在校生总数的45.7％。

5

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

学研究和综合技术服务业。将“国家机关、党群组织、企业、事业单位负责人”、“专业技术人员”、以及“办事人员和有关人员”定义为白领工作者；将“商业、服务业人员”、“农林牧渔水利业生产人员”、“生产、运输设备操作人员及有关人员”，以及“不便分类的其他从业人员”定义为蓝领工作者。

从表1可以看出，在2007、20xx年度样本及混合样本中，毕业半年后男生的月工资平均比女大学生分别高359.3元、293.2元和306.0元；高出幅度分别为17.1%，13.2%和14.0%。工作能力方面，在2007、20xx年度样本及混合样本中，毕业离校时男生的工作能力指数比女大学生分别高6.227、2.637和3.122个百分点。可见，大学毕业生的性别工资差异和工作能力指数的差异完全一致，且两者都随时间呈现缩小的趋势，即20xx年比20xx年约降低了4个百分点。此外，从表还1可以看出，大多数变量的性别差异明显，这表明性别工资差异中有一部分可能是由于个人特征差异所致。

图1 大学毕业生毕业半年后月工资的分布 图2 大学毕业生离校时工作能力指数的分布

图1给出了大学毕业生的工资分布特征，在2007、20xx年度样本中，经过对数化处理后的工资分布接近正态，这表明对数化的工资对于估计工资方程更为合理，而且更易于解释。在图2中，大学毕业生离校时的工作能力指数基本呈现正态分布。同时，不同年份的性别工资差异和工作能力指数的性别差异呈现出相似的分布特征，这表明大学毕业生半年后的工资水平差异很可能与离校时掌握的工作能力的性别差异有关。至于性别工资歧视存在性及其大小，需要在控制工作能力指数和其他影响因素的基础上，对性别工资差异进行分解。

四、估计结果及解释

(一) 工资的影响因素与性别差异

表2第(1)～(10)列显示，学历层次对工资影响显著，在其他因素相同的条件下，本科毕业生的半年后月工资水平高于专科和高职毕业生18.6%～24.4%。这主要由于本科生相对于专科和高职毕业生进行了更多的人力资本投资，积累了更多人力资本。211”重点大学毕业生的半年后月工资水平高于非“211”重点大学毕业生15.2%～17.3%。这均反应了信号理论和人力资本理论的基本观点。因为“211”重点大学的毕业生通常具有高质量的人力资本，同时能进入“211”重点大学学习本身也向雇主传递了高能力的信号。纪月梅等(2004)也发现重点大学的毕业生要比非重点大学的毕业生工资显著地高。在职工作时间对工资具有显著的正向影响，其边际效应为0.03左右，即表明工资时间每增加一个月工资增加3%。这主要由于大学生毕业半年后大多通过了试用期后，工资处于增长阶段。专业类型中，相对于教育学等专业

6

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

毕业生，经济学专业毕业生的工资高3.2%～13.6%，而法学、理学、工学等其他专业的工资优势并不明显。这可能由于改革开放以来，我国一直坚持以经济建设为中心，急需大批懂经济的专业技术人才，经济学专业毕业生备受青睐。

工作单位类型中，国有企业和三资企业的工资水平分别高于政府/事业/科研机构10%~20%，这主要由于国有企业和三资企业相对政府/事业/科研机构的工作压力更大、工作相对不稳定、福利相对较差，因而提供了一定的补偿性工资。所在城市类型中，相对于直辖市而言，省会城市、地级城市及区县的工资水平分别低30%和40%左右。一方面可能是由于直辖市的高薪机会比较多；另一方面，直辖市的物价水平相对较高，用人单位要吸引到所需要的大学生，必需支付足以弥补高物价的工资水平。行业类型中，第二类行业相对于第一类行业的工资水平显著低4.2%-6.9%，而第三和第四类行业的工资高于第一类，但并不显著。这一结论与王美燕(2005)以整体人群为研究对象时的结论并不一致。这主要是由于大学毕业生是高知识群体，主要分布于第二、三和四类行业，造成该行业内大学生过度竞争；而在第一类行业分布相对不足，同时由于第一类行业的工作相对辛苦、不稳定，因而获得了较高的工资溢价和补偿性工资。此外，白领工作者的工资比蓝领工作者的工资高约3%。

表2第(1)～(6)列分别给出了在未控制和控制了工作能力指数的情形下，运用OLS对不同年份样本所估计的参数。对2007、20xx年度样本及混合样本，当没有控制工作能力指数时，第(1)～(3)列中性别变量的系数分别为0.175、0.137和0.143，且在统计意义上十分显著。这表明在其他因素相同的条件下，平均来说，男生毕业半年后的月工资分别比女生高17.5%、13.7%和14.3%①。当控制工作能力指数以后，第(4)～(6)列中性别变量的系数分别下降为0.154、0.126和0.130，在统计意义上仍然十分显著。比第(1)～(3)列估计系数依次减少了0.025、0.011和0.013，减少幅度分别为14.3%、8%和9.1%，这表明遗漏能力变量将产生很大的估计偏误，即性别工资差异将被高估8%以上。同时，第(4)～(6)列的拟合优度分别提高了0.014、0.015和0.016，提高幅度分别为6.7%、6.94%和7.2%，这表明能力变量的控制显著提高了模型的解释力，能力变量的控制必不可少。

表2第(7)～(10)列分别给出了在未控制和控制了工作能力指数的情形下，运用Heckman样本选择模型对20xx年度样本及混合样本所估计的参数。当没有控制工作能力指数时，第(7)和(8)列性别变量的系数为0.135和0.142，且在统计意义上十分显著；较第(2)和(3)列中性别变量系数分别下降了0.2和0.01个百分点，下降幅度分别为1.5%和0.7%。这表明样本选择偏误并不大。当控制工作能力指数后，第(9)和(10)列性别变量的系数为0.124和0.129，在统计意义上仍然十分显著。较第(5)和(6)列中性别变量的系数，分别下降了0.002和0.001，下降幅度分别为1.6%和0.8%；而较第(7)和(8)列中性别变量的系数，分别下降了0.011和0.013，下降幅度分别为8.2%和10.5%。这再次表明能力变量的遗漏偏误比样本选择偏误的后果更严重。同时，第(7)～(10)列有关方程(1)和(2)独立性的Wald检验，不能拒绝原假设：ρt≠0。这表明直接用OLS而不用Heckman样本选择模型不会导致太大的偏误。这一出乎意料事实的结论是由于样本中未就业大学生的相关变量缺失值过多造成的。在原数据集中有13%的大学毕业生未就业，但在本文分析时，剔除掉相关变量的缺失值后，未就业率仅为2%；20xx年度调查的大学毕业生全部就业，因而没有用Heckman样本选择模型。

有趣的是，表2中用不同方法估计的工作能力指数的边际效应均为0.004，其经济意义在于，工作能力指数每提高1个单位，所获得的工资将显著提高0.4%。这可以解释为，通过一段时间的试用期，雇主观察到了大学生的实际工作能力，而支付了与其能力相对应的工资。而且，在实践中，很多企业推行的是绩效工资制度。即在其他因素相同的条件下，大学生的能力和绩效成正比，高能力者因而获得了与其绩效相对应的工资水平。 ① 根据标准的近似计算公式log(1+x)~x得到，下文相同，不再赘述。

7

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

图3 工作能力指数与预测的工资(对数)

当其他变量取其均值，用第(10)列预测的对数化期望工资与工作能力指数呈正相关系。在图4中表现为不同年份和性别组合的对数化期望工资拟合线均向右上方倾斜。而且，四条拟合线平行，这表明能力对工资的边际贡献没有性别差异(均为0.4%)。值得注意的是，性别工资差异相当明显。即在控制工作能力指数和其他变量后，女大学生获得工资总是比男大学生的工资低。在图4中表现为男生的对数化期望工资拟合线的截距比女生的对数化期望工资拟合线的截距总是高。男性的对数化期望工资拟合线的截距明显高于7.25，而女性的对数化期望工资拟合线的截距明显低于或刚好等于7.25。

(下接第9页)

8

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

(二) 性别工资差异分解

首先，本文对男女样本分别估计工资方程①，并采用Neumark (1988), Oaxaca & Ransom (1994)方法将性别工资分解为两部分：可解释部分和不可解释部分，即T=Q+U。

表3第(1)～(6)列分解结果表明，无论控制工作能力与否，基于OLS参数估计量所分解的性别工资差异T相同。即对于2007、20xx年度样本及混合样本，男女大学生对数化的月工资均值差异T都分别为0.171、0.132和0.140。然而，性别工资差异T的结构有所不同，Q和U所占T的比例不同。当未控制工作能力时，性别工资差异T中分别有0.013、0.007和0.009可以被个体特征差异Q所解释，占性别工资差异T的8%、5%和6%。当控制工作能力以后，性别工资差异T中分别有0.036、0.018和0.022可以被个体特征差异Q所解释，占性别工资差异T的21%、14%和16%，可解释部分Q近增加了1.5倍。与此同时，不可解释部分U明显下降，即从0.158、0.125、0.131下降到了0.135、0.114和0.118，下降幅度分别为14.56%、8.8%和11.02%。可见，遗漏能力变量将带来较大的估计偏误，即大大高估性别工资歧视。

表3第(7)～(10)列分解结果表明，当在未控制和控制了工作能力指数的情形下，基于Heckman参数估计量所分解的性别工资差异T略有变化而不明显。但是，在控制工作能力后，性别工资差异T中可以被个体特征差异所解释部分Q明显增加，而不可解释部分U明显下降。总差异中的绝大部分仍然是由于性别歧视U造成的。此外，注意到，对于20xx年度样本和混合样本，当没有剔除样本选择偏误时，直接基于OLS估计的参数将高估性别工资差异T近0.006～0.01，高估幅度约为4%～7.5%。然而，在性别工资差异T的分解中，将低估性别歧视U所占的比例近4%。

当利用方程(8)对表3可解释部分Q和不可解释部分U按各类变量进行详细的分解后，学历层次、专业类型、工作单位类型、所在城市类型、行业类型和工作能力指数对Q具有显著的解释力，其中，工作能力指数的解释力最强。行业类型对U具有显著的解释力。

然后，根据对男女样本分别估计工资方程，本文采用Daymont & Andrisani (1984)方法将性别工资分解为三部分：禀赋效应、系数效应和禀赋与系数的交互效应，即T=E+C+CE。

表4第(1)～(6)列分解结果表明，无论控制工作能力与否，基于OLS参数估计量所分解的性别工资差异T完全相同。在性别工资差异T中, 禀赋效应E和交互效应CE均不显著, 系数效应C非常显著。对于2007、20xx年度样本及混合样本，男女月工资收入自然对数的均值差异分别为0.171、0.132和0.140。当未控制工作能力时，性别工资差异T中分别有0.169、0.136和0.142可以被系数效应C所解释，所占比例分别为99%、103%和101%。当控制工作能力以后，性别工资差异T中分别有0.150、0.125和0.129可以被系数效应C所解释，所占比例分别为88%、95%和92%，系数效应C下降了近10个百分点。由此可见，遗漏能力变量将带来很大估计偏误，即大大高估工资的性别歧视。

表4第(7)～(10)列分解结果表明，无论控制工作能力与否，基于Heckman参数估计量所分解的性别工资差异略有变化但不明显。而且，在控制工作能力后，性别工资差异T中被系数效应C明显减少，将近下降了0.011，下降幅度为8.2%。性别工资差异T主要是由于系数效应C造成的，即在第(7)～(10)列中系数效应C分别为0.132、0.139、0.121和0.129。此外，注意到，对于20xx年度样本和混合样本，当没有剔除样本选择偏误时，直接基于OLS估计的参数仍将高估性别工资差异T近4%～7.5%。在其分解结果中，将低估系数效应C所占比例近4%。

当利用方程(8)对表4禀赋效应E、系数效应C和禀赋与系数的交互效应CE按各类变量进行详细的分解后，学历层次、所在城市类型，行业类型和工作能力指数对禀赋效应E具有显著的解释力。其中，工作能力指数的解释力最强。学历层次和行业类型对系数效应C具有显著的解释力。所有变量对交互效应CE的影响并不显著。

① 为节约篇幅，省略掉了对男女样本分别估计的工资方程，但不影响阅读。

10

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

表3 用Neumark (1988), Oaxaca & Ransom (1994) 方法分解的大学毕业生性别工资差异

性别工资差异

(T=Q+U)

可解释部分

(Q)

学历层次

专业类型

工作单位类型

所在城市类型

行业类型

工作能力指数

不可解释部分

(U)

行业类型

OLS未控制工作能力 控制工作能力 未控制工作能力 控制工作能力 2007 2008 Pooled 2007 2008 Pooled 2008 Pooled 2008 Pooled (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) 0.171*** 0.132*** 0.140*** 0.171*** 0.132*** 0.140*** 0.123*** 0.132*** 0.122*** 0.134*** (0.019) (0.013) (0.012) (0.019) (0.013) (0.012) (0.026) (0.020) (0.026) (0.019) 0.013 0.007 0.009 0.036*** 0.018** 0.022*** 0.002 0.004 0.012* 0.017*** (0.013) (0.009) (0.008) (0.011) (0.009) (0.008) (0.007) (0.006) (0.007) (0.006) -0.003 -0.005* -0.004* -0.003 -0.005* -0.004* -0.005*** -0.005*** -0.005*** -0.005*** (0.002) (0.007) (0.004) (0.006) (0.003) (0.003) (0.005) (0.003) (0.003) (0.002) (0.002) (0.002) (0.002) (0.002) (0.002) (0.001) (0.002) (0.001) (0.004) (0.007) (0.005) (0.004) (0.003) (0.003) (0.003) (0.003) (0.002) (0.004) (0.003) (0.002) (0.002) (0.002) (0.002) (0.002) (0.003) (0.006) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.002) (0.003) (0.002) (0.002) (0.001) (0.001) (0.001) (0.001) (0.005) (0.002) (0.002) (0.002) (0.002) 0.009 0.010** 0.010** 0.003 0.009* 0.008** 0.010*** 0.010*** 0.009*** 0.008*** 0.009** 0.004 0.004** 0.010** 0.004 0.005** 0.003 0.004* 0.003 0.004* -0.006 -0.009*** -0.009*** -0.006 -0.009*** -0.008*** -0.009*** -0.008*** -0.009*** -0.008*** 0.003 0.004** 0.004** 0.003 0.004** 0.004** 0.004*** 0.004*** 0.004*** 0.004*** 0.028*** 0.012*** 0.015*** 0.012*** 0.014*** 0.158*** 0.125*** 0.131*** 0.135*** 0.114*** 0.118*** 0.122*** 0.129*** 0.110*** 0.117*** (0.021) (0.010) (0.009) (0.021) (0.010) (0.009) (0.025) (0.019) (0.025) (0.019) (0.248) (0.069) (0.039) (0.022) (0.036) (0.198) (0.039) (0.036) (0.041) (0.041) (0.041) (0.040) (0.023) (0.066) (0.022) (0.023) (0.024) (0.022) (0.024) (0.022) -0.049 -0.046** -0.047** -0.045 -0.048** -0.050** -0.048** -0.049** -0.051** -0.051** N 1169 5844 7013 1169 5844 7013 5783 6952 5783 6952 注：***，**,*分别代表在1%,5%,10%的置信度下显著；括号内为以“毕业学校”为簇(Cluster)计算的稳健标准误(Robust Standard Error)；Q和U按变量的详细分解不受变量参照组变化而变化；为节约篇幅，本表仅列出了显著的变量。

11

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

表4 用Daymont & Andrisani (1984)方法分解的大学毕业生性别工资差异

性别工资差异 (T=E+C+CE)

禀赋效应

(E)

学历层次

所在城市类型

行业类型

工作能力指数

系数效应 (C)

学历层次

行业类型

交互效应 (CE) 未控制工作能力 控制工作能力 未控制工作能力 控制工作能力 2007 2008 Pooled 2007 2008 Pooled 2008 Pooled 2008 Pooled (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) 0.171*** 0.132*** 0.140*** 0.171*** 0.132*** 0.140*** 0.123*** 0.132*** 0.122*** 0.134*** (0.019) (0.013) (0.012) (0.019) (0.013) (0.012) (0.026) (0.020) (0.026) (0.019) -0.018 -0.007 -0.008 0.005 0.004 0.006 -0.013 -0.013* -0.002 0.001 (0.016) (0.009) (0.008) (0.019) (0.009) (0.009) (0.008) (0.007) (0.008) (0.007) -0.004 -0.006* -0.005** -0.005 -0.006* -0.006** -0.007*** -0.006*** -0.007*** -0.006*** (0.004) (0.007) (0.005) (0.003) (0.003) (0.002) (0.003) (0.003) (0.003) (0.003) (0.002) (0.002) (0.002) (0.002) (0.003) (0.006) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.002) (0.005) (0.002) (0.002) (0.002) (0.002) (0.002) (0.001) (0.008) (0.002) (0.002) (0.002) (0.002) -0.007 -0.010*** -0.009*** -0.006 -0.010*** -0.009*** -0.010*** -0.009*** -0.009*** -0.009*** 0.000 0.004** 0.004** 0.001 0.004** 0.004** 0.005*** 0.004*** 0.004*** 0.004*** 0.023*** 0.012*** 0.014*** 0.011*** 0.014*** 0.169*** 0.136*** 0.142*** 0.150*** 0.125*** 0.129*** 0.132*** 0.139*** 0.121*** 0.129*** (0.023) (0.012) (0.011) (0.023) (0.012) (0.011) (0.026) (0.019) (0.025) (0.019) -0.125 -0.071* -0.069* -0.165 -0.074* -0.074** -0.067 -0.065 -0.072* -0.074* (0.249) (0.039) (0.037) (0.198) (0.039) (0.037) (0.042) (0.041) (0.041) (0.041) -0.048 -0.045** -0.046** -0.044 -0.047** -0.049** -0.047* -0.048** -0.050** -0.050** (0.071) (0.022) (0.023) (0.068) (0.022) (0.023) (0.024) (0.023) (0.024) (0.022) 0.021 0.004 0.006 0.016 0.003 0.004 0.004 0.006 0.003 0.004 (0.015) (0.007) (0.006) (0.018) (0.008) (0.007) (0.007) (0.007) (0.007) (0.007) N 1169 5844 7013 1169 5844 7013 5783 6952 5783 6952 注：***，**,*分别代表在1%,5%,10%的置信度下显著；括号内为以“毕业学校”为簇(Cluster)计算的稳健标准误(Robust Standard Error)；E、C和CE按变量的详细分解不受变量参照组变化而变化；为节约篇幅，本表仅列出了显著的变量。

12

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

(三) 稳健性分析(Robustness Analysis)

本节呈现性别工资差异分解的稳健性检验，即比较用Neumark (1988), Oaxaca & Ransom (1994)和Daymont & Andrisani (1984)这两种分解方法所得结果的一致性及差异性。

图4 用不同模型分解的性别工资差异比较①

由图4可以看出，用上述两种不同的分解方法所得性别工资差异T及其结构基本稳健。主要表现在以下四个方面：(1) 性别工资差异相同，即两种方法分解的T相等。在图中表现为O1与D1，O2与D2，……，O10与D10的顶端分别对齐。(2)可解释部分Q和禀赋效应Ｅ在控制了工作能力后，明显增大；在图中表现为O4～D6对应部分呈明显的上凸三角形。在调整了样本选择偏误后，三角形的面积都有所减小(O9～D10对应部分)。(3)性别工资歧视，即不可解释部分U和系数效应C都介于0.110～0.169之间，分别占性别工资差异T的90.2%～99.2%。在图4中明显呈比较稳定的宽带状。但是，分解出的性别歧视大小，即U和C的绝对值有所差别，即U＜C。在图中表现为D1～D10对应的系数效应C凹向横轴。正如Ben(2008)指出，这可能是由于Neumark (1988), Oaxaca & Ransom (1994)分解法将性别工资差异T中一些不可解释部分U不合理地分解进了可解释部分Q而造成的，但还未引起足够的重视②。(4)影响性别工资差异内部结构的各因素基本相同，即学历层次、所在城市类型，行业类型和工作能力指数对可解释部分Q和禀赋效应U具有显著的影响；而行业类型对不可解释部分U和系数效应C都具有显著影响。

五、结论

本文引入常被忽略的能力变量，在控制影响大学毕业生工资水平的多因素的基础上，分别利用OLS和Heckman方法估计了男女大学生混合样本的工资方程。研究发现：性别变量的系数显著为正，这表明大学生劳动力市场上性别工资差异的确存在，但性别工资差异的大小因样本、模型设定和估计方法略有差异。20xx年，男生毕业半年后的工资平均比女生高15.4%～17.5%；20xx年，男女大学生毕业半年后月工资差异下降为12.4%～13.7%，或者说女生的工资只有男生工资的86.3%～87.6%。可见，性别工资差异呈现缩小趋势。 ① 模型编号：“O1”指表3第1列分解结果，“D1” 指表4第1列分解结果，其他依次类推。

感兴趣的读者可以参考Fortin (2006)对此作的研究和探讨。 ②

13

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

作为比较，本文利用两种扩展的Blinder-Oaxaca(1973)分解方法，分别对男女大学生样本估计工资方程，再计算的性别工资差异。20xx年，男生毕业半年后的工资平均比女生高17.1%；20xx年，男女大学生毕业半年后月工资差异下降为12.2%～13.2%，比传统研究方法估计的性别工资差异12.4%～13.7%减小了1.6%～3.65%。这证明传统研究方法会高估性别工资差异。同样，性别工资差异也呈现缩小趋势。

在此基础上，本文接着对性别工资差异进行了详细而深入的分解，发现估计的性别工资歧视因分解方法不同而略有差异。20xx年，用Neumark (1988), Oaxaca & Ransom (1994)分解方法估计的性别工资歧视介于13.5%～15.8%之间；用Daymont & Andrisani (1984)分解方法性别工资歧视介于15.0%～16.9%之间；两者分别占性别工资总差异的78.95%～92.40%和87.72%～98.83%。20xx年，用Neumark (1988), Oaxaca & Ransom (1994)分解方法估计的性别工资歧视介于11.0%～12.5%之间；用Daymont & Andrisani (1984)分解方法性别工资歧视介于12.1%～13.6%之间；两者分别占性别工资总差异的90.16%～94.70%和99.20%及以上。这也证明传统研究方法把性别工资差异等同于性别工资歧视是不准确的，这将高估性别工资歧视。很明显，性别工资歧视在性别工资差异中所占的比例呈扩大趋势。

综上所述，本文为我国大学生劳动力市场上存在的性别工资差异及歧视提供了最直接的经验证据。其政策含义在于，迫切需要政府加强反性别歧视的干预。虽然我国《宪法》赋予了公民男女平等权，《劳动法》第十二条和第十三条也都规定了禁止性别歧视，但都只是原则性的规定和条款，因而其可操作性差，对用人单位的约束力并不大。有必要在借鉴国外的《反性别歧视法》和《平等就业机会法》的基础上，针对我国就业中的性别歧视现象进行反歧视立法；细化《劳动法》中原则性规定，加大反就业歧视的力度，营造良好的法律和制度环境。若忽略这种性别歧视的存在，其后果是对其后代的人力资本产生反馈效应，并导致女性群体技能水平的持久性差异。本文研究还表明，工作能力指数对工资水平具有显著的正向影响，并对性别工资差异中的可解释部分或者禀赋效应具有很强的解释力。因此，女大学生应更加注重提高自身素质，强化工作能力，积累更多高质量人力资，以降低短时期内我国难以消除的性别工资歧视对自身就业造成的冲击和影响。

参考文献

纪月梅、秦蓓，2004:《性别工资差别与人力资本》,《世界经济文汇》第6期。

王美艳，2005：《中国城市劳动力市场上的性别工资差异》，《经济研究》第12期。 王伯庆、周凌波、吴垠、赵昕馨等，2008:《麦可思20xx年度中国大学毕业生就业报告》。 岳昌君、丁小浩、文东茅，2004:《从求职和起薪看高校毕业生的就业竞争力》,《管理世界》第11期。

叶文振、刘建华、夏怡然、杜娟，2002:《女大学生的“同民同工”》,《中国人口科学》第6期。

Ashraf, J., 1996, “Is gender pay discrimination on the wane”? Evidence from panel data, 1968-1989, Industrial & Labor Relations Review 49(3): 537-546.

Altonji, J., and R. Blank., 1999, “Race and Gender in the Labor Market”, In: O. Ashenfelter and D. Card, editors. Handbook of Labor Economics. Vol.3, Amsterdam, the Netherlands: North Holland.

Brown, C., and Corcoran, M., 1997, “Sex-based differences in school content and male-female wage gap”, Journal of Labor Economics 15: 431-465.

Bravo, D., Sanhueza, C., and Urzúa, S., 2008, “Is there labor market discrimination among professionals in Chile”? Research Network Working papers R-545.

14

20xx年中国经济学年会征文 题目：中国大学生劳动力市场上的性别工资差异与歧视

Blinder, A., 1973, “Wage Discrimination: Reduced Form and Structural Estimates”, Journal of Human Resources 7(4): 436-55.

Griliches, Z., and Mason, 1972, “Education, Income and Ability”, Journal of Political Economy 80(3):74–103.

Heckman, J.J., 1979, “Sample selection bias as a specification error”, Econometrica 47(1):153-161.

Heckman, J., 1998, “Detecting Discrimination”, Journal of Economic Perspectives 12(2): 101-116.

Joy，L., 2003, “Salaries of Recent Male and Female College Graduates: Educational and Labor Market Effects”, Industrial and Labor Relations Review 56(4): 606-621.

Neal, D.A., W.R. Johnson. A., William R. and Johnson, 1996, “The Role of Premarket Factors in Black-White Wage Differences”, Journal of Political Economy 104(5): 869-895.

Oaxaca, R., 1973, “Male-Female Wage Differentials in Urban Labor Markets”, International Economic Review 14(3): 693-709.

O'Neil, June, 1990, “The Role of Human Capital in Earnings Differences Between Black and White Men”, Journal of Economic Perspectives 4:25-45.

O’Neil, J.E., and D.M. M. O’Neil., 2005, “What Do Wage Differentials Tell Us about Labor Market Discrimination”, NBER Working Paper 11240.

Paglin, M., and Rufolo, A.M., 1990, “Heterogeneous human capital, occupational choice, and male-female earnings differences”, Journal of Labor Economics 8(1):123-144.

15