论文部分内容阅读
[摘要]推动中国城镇化建设主要依靠农业转移人口市民化，根源则在于实现农民工的经济能力，以流出型为主要表现的欠发达地区成为城镇化人口的主要来源。本文以四川省农民工2013年调研数据，结合北京市2013年调研数据、CHIP2013数据，采用比较研究方法，通过多元回归、眀瑟方程和基尼系数分解法、泰尔指数分解法、分位数回归，对四川省农民工工资的影响因素和工资差异进行分析，并与同时期北京市、全国农民工、全国城镇户籍劳动力工资情况进行对比。结果表明，影响四川省农民工工资水平的主要因素是解决住宿情况、培训情况、工作岗位、所属行业和工作经验等，与北京市和全国平均水平相比呈现出一定的差异。四川省农民工尚处于工作经验主导工资差异的阶段，其他影响较大且显著的因素还有工作岗位、培训情况和教育程度。本文在以上分析基础上，针对四川省农民工自身和政府相关部门提出了相关建议。
[关键词]农民工工资;影响因素;工资差异;比较研究
[中图分类号]F24924[文献标志码]A[文章编号]16724917（2019）04010009
一、引言
工业化、城镇化、现代化和信息化是我国科学发展与可持续发展的需要与客观必然。伴随产业发展、人口集聚，我国处于工业化中期、城市化快速发展阶段。2011年以来，中国的城镇化水平已经超过50%，一半以上的人口居住在城镇。但如果以户籍城镇化率来衡量并没有这么高。事实上，很多地方的土地城镇化率>人口城镇化率>户籍城镇化率（张卫国等，2015年）[1]。这在一定程度上说明，我国的城市建设速度、发展速度和发展能力不相匹配。另一方面，人口增长放缓，人口红利不再（蔡昉、都阳，2011年）[2]。当前中国城镇人口自然增长率低，城镇化人口的增长主要来源于迁移人口，而农村迁移人口占比保持在67%以上，成为城镇化的首要力量，且地区间并不平衡，西部地区、东北地区成为流出型城市的主要区域，户籍人口规模>常住人口规模（王宁，2018年）[3]。
《国家新型城镇化规划（2014—2020年）》提出2020年户籍人口城镇化率与常住人口城镇化率差距缩小两个百分点左右，实现1亿农业转移人口和其他常住人口落户城镇的发展目标。农民工群体，2018年已达到288亿人，其中在乡外就业的外出农民工达173亿人，总量增加、增速回落。在经过一个较长时期的适应和调整后，“农民工”这一特殊群体将为“新型市民”和“职业农民”所取代。农民对留在农村还是进城的行为决策，判断依据主要是对其转移效益与留守收益的比较;当转移效益>留守收益时，选择进城务工。农民工转移效益的来源主要是其打工的工资收入。
中国快速城镇化的主要矛盾是常住人口城镇化率与户籍人口城镇化率存在较大差异的问题，需要推进农民工市民化。市民化能力本质上源于农民工的经济能力，即工资收入。提高市民化能力，需要找到对农民工工资起核心作用的因素。哪些因素影响到农民工工资，农民工的工资差异如何，其中最能解释工资差异的是什么因素，对于处于经济和城市发展相对弱势的四川省，其农民工的相关情况如何，处于什么水平，未来应如何行动更为有利有效？本文选取四川省作为欠发达地区代表，北京市作为发达地区代表，同时与全国农民工作为平均水平及城镇户籍劳动力情况作为市民化的目标水平相比较。本研究结果对于指导欠发达地区农民工，从工资的影响因素及工资差异的来源上针对性地提高相关因素达到有效提高工资，进而提高农民工市民化的目标有一定指导意义。
二、文献回顾
蔡昉（2018年）[4]分析了农业劳动力转移的经典理论及在中国的具体情况，指出目前需进行户籍及农业经营规模制约这两个关键领域的改革，进一步实现农业劳动力转移。卢锋（2012年）[5]对1979—2010年中国农民工工资水平进行了汇总估测，发现呈增长总趋势，其名义货币工资和实际工资指数年均增长率分别为约97%、约10%。毛学峰、刘靖（2016年）[6]探讨了卢锋研究数据的可比性问题。
关于农民工工资影响因素。刘林平、张春泥（2007年）[7]在分析工资决定因素基于古典经济学社会-经济因素、马克思政治经济学劳动力价值的价格（生理-历史/社会要素）、新古典主义（人力资本理论）、社会资本理论、制度理论等基础上，将农民工工资影响因素分为人力资本、社会资本、企业制度和社会环境4个部分22个变量，利用2006年珠三角调查数据进行分析。刘士杰（2011年）[8]在人力资本和社会资本基础上加入职业流动影响共8个变量，采用分位数回归分析了2008年北京、上海、天津和广州四个城市的调查数据。中国人民银行成都分行调查统计处课题组（2011年）[9]对2010年四川省农民工工资水平及其影响因素分析验证了人力资本的密切相关关系。江金启等（2016年）[10]利用CHIP2009数据分析了专用性培训的工资促进作用。蒯鹏州等（2015年）[11]采用多元有序logit回归模型从个人特征、人力资本、社交网络三方面对2013年调研数据进行分析。李国正（2016年）[12]分析了户籍的影響，王春超等（2017年）[13]分析了社会资本的影响。张敏（2017年）[14]考察了技能培训的影响。卢海阳、郑旭媛（2019年）[15]从议价能力的角度进行了分析。事实上，不同行业、职业、地区、性别、种族之间的工资形成了差别。黄乾（2009年）[16]分析了稳定就业和非稳定就业的差异。李超海（2015年）[17]通过珠三角、长三角调研数据分析了地区因素的影响。李明艳等（2017年）[18]分析了性别因素的影响。
关于农民工工资差异。主要为农民工与城镇职工间差异及农民工群体内部工资差异。城乡户籍群体间存在系统性工资差异。邢春冰（2008年）[19]分析2005年全国人口普查数据，月收入和小时收入分别为城镇的80%、64%。田丰（2010年）[20]依据2008年中国社会状况综合调查，城镇职工比农民工年、月、小时收入分别高316%、119%、262%。陈珣、徐舒（2014年）[21]从动态同化角度研究，不同初始工资的农民工需经10～58年才能达到城镇同等水平。 差异主要来源为可解释的人力资本和不可解释的制度性歧视。使用的方法有布朗分解法、OaxacaBlinder分解、分位数分解等（Brown et al.，1980年[22]; Cotton，1988年[23]; Oaxaca，1973年[24]; Machado&Mata，2005年[25]）。邢春冰（2008年）[19]利用OaxacaBlinder分解，发现小时收入差异的90%由特征差异（教育水平）造成。其后邢春冰和罗楚亮（2009年）[26]采用DFL分解进一步证实了这个结论。更多研究表明不可解释的制度性歧视是工资差异的主要来源。谢嗣胜、姚先国（2006年）[27]利用2003年和2004年调查数据，使用OaxacaBlinder及Cotton分解，发现市场歧视能解释552%的差异;邓曲恒（2007年）[28]利用2002年调查数据，使用OaxacaBlinder分解，发现城镇居民和流动人口收入差异60%源于歧视;田丰使用布朗分解发现收入差距612%由户籍导致。国务院发展研究中心课题组（2011年）[29]认为，农民工和城镇职工的收入差距，有60%来源于人力资本差异，40%由体制差异造成。王震（2010年）[30]通过分位数分解分析了性别引起的工资差异。周春芳、苏群（2018年）[31]利用CHIP2002和CHIP2013數据分析了就业质量差异及人力资本、性别、年龄等的影响。
现有文献对农民工群体内部工资差异有一定研究，但相对较少。阮敬等（2018年）[32]梳理了收入分解的方法，包括基尼系数、泰尔指数分解法等。李晓峰等（2010年）[33]通过基尼系数分解法分析了北京市2007年工资差异。冯毅、李实（2013年）[34]通过分位数回归分析了2002年和2007年工资差距变化及原因。邓曲恒、王亚柯（2013年）[35]通过对分位点的研究发现2006年调研样本无法获得补偿性工资差异。冯虹、魏士洲（2008年）[36]认为收入是解决在京农民工问题的关键。这些研究对经济发达区域的关注更为广泛，而基于欠发达地区的研究相对较少。本研究立足于欠发达地区，以四川省为出发点，在同一时间内横向比较，以期能找到差距及原因，更好地借鉴发展，赢得后发优势、避免后发劣势。
以上研究提供了理论借鉴和指标选取依据。农民工工资的构成，除去基本工资、奖金、加班工资、津贴或补贴等常规类型（实际中不完全实行和实现），还有基于餐饮和住宿的免费食宿供给形成的隐性工资，在量化过程中可通过调研和估算进行调整。农民工工资的影响因素，包括宏观因素（制度、部门、地区）和微观因素（人力资本、社会资本）。为研究四川省农民工工资差异，本研究细分为性别、年龄、健康、婚姻、教育程度、培训情况、工作经验、所属行业、单位性质、工作岗位、参加组织、住宿情况和日小时数、月休天数等因素。在数据上选取微观调研数据和宏观公开发布数据相互验证，在方法上通过理论建立模型进行计算分析比较，最终形成合乎现实并具有实际意义的结论。
三、实证分析
（一）数据、变量与方法
1. 数据
本文对四川省、北京市的相关分析数据来源于中国农业大学国家农业农村发展研究院农民工专项调查，全国农民工及城镇户籍劳动力数据来源于公共数据资源CHIPS。具体来说，四川省和北京市的相关分析数据采用设计问卷直接调查的方式，对农民工进行专项调查：分地区、分行业抽样，进行配额和偶遇随机调查及访谈，其中，四川省包括成都、眉山、绵阳、德阳、南充、宜宾、雅安、自贡、泸州、内江、凉山、巴中等市州;北京市包括朝阳、海淀、东城、西城、丰台、宣武、崇文、昌平、通州等城区;收集整理得到2013年四川省、北京市农民工数据月工资，考虑工作单位解决食宿换算的相应货币水平计入工资，为估算数据，其中对住宿费用的估算误差相对较大，故将住宿情况纳入影响因素。。中国收入分配研究院的中国居民收入调查项目CHIP2013的样本来自国家统计局2013年城乡一体化常规住户调查大样本库，按照东、中、西分层，系统抽样，覆盖15个省份126城市234县区的18 948住户样本和64 777个体样本，其中包括7 175户城镇住户样本、11 013户农村住户样本和760户外来务工住户样本。本文主要分析其中外来务工中农业户口（农民工）和城镇户籍劳动力情况。具体样本月均收入及相关情况如表1。可以看出，四川省农民工的月均工资水平在所分析的样本群中是最低的，而北京市农民工的月均收入和食宿费用占比最高，这与城市发展水平有一定关系。
2. 变量
农民工工资影响因素通过明瑟（Mincer）工资决定方程分析：Lny=α0+α1S+α2E+α3E2+α4X+μ。（1）y为月均工资，S为受教育程度，E是工作经验，X是其他控制变量，μ为误差项。以Mincer工资决定方程为基础，选取与人力资本有关的特征和一些其他方面的个体特征作为控制变量：在这些变量中，年龄和工作经验、教育年数、月休天数、日小时数是连续变量;教育程度和工作经验是人力资本变量;被解释变量为月工资（含食宿）。
为进一步了解四川省农民工变量特征情况，将其与同年北京市农民工、全国农民工、全国城镇户籍劳动力相关数值变量进行比较分析（表1）。在劳动者年龄方面，北京市农民工最小、四川省其次;在工作经验方面，四川省最小、其次是北京市;对于教育年数，四川省高于全国平均水平，但低于北京市水平，总体来看农民工教育水平仍集中在初中阶段，而城镇户籍劳动力教育年数接近高中或中专水平;从劳动者的劳动时间来看，北京市农民工不论每周工作天数还是每天劳动小时数都是最多的，其次是四川省农民工，而城镇户籍劳动者的闲暇时间最多。
3. 方法
本文分两步对四川省农民工工资差异情况进行实证分析。第一步，找出工资的影响因素及影响程度;第二步，使用基尼系数和泰尔指数法分解各因素差异贡献，分析工资差异的来源。同时，通过比较研究，对同时期各样本工资的因素情况进行相似性和差异性对照。基尼系数计算式：G=ni=1WiYi+2n-1i=1Wi（1-Vi）-1。（2）其中，Wi是按收入排序分组后各组人数占总人数比重，这里按个人分组;Yi是按收入分组后，各组收入占总收入比重;Vi是Yi从i=1到n的累计数。费景汉·拉尼斯分解模型可测量各因素对工资差异的解释程度：G（y）=R1G1Φ1+…+RiGiΦi+ε。（3）其中，G（y）为个人工资总基尼系数，Gi为因素特征基尼系数（反映第i种因素的分布程度）;Ri为因素与工资的相关系数（反映第i种因素与个人工资间的相关程度）;Φi为因素特征收益权数（反映第i种因素的工资率在个人工资中的比重）;ε为误差项。通过因素解释力与总基尼系数相比，得到因素的解释程度。泰尔指数定义式：T=1nni=1yiμylnyiμy。（4）假定集合N被分成m个组Nk（k=1，2…，m），总体均值为μy，每组收入为yk，每组收入均值为μk，人口数量为nk，其占总人口规模的份额为vk。T（y）=T（y1，y2，…，ym）=mk=1i∈Nkyiμylnyiμy= mk=1vkμkμyT（yk）+mk=1vkμkμylnμkμy=W+B。（5）其中，W=mk=1vkμkμyT（yk），表示k个组不等值n的加权平均，通常被认为是总的收入差距值的组内差距部分。B=mk=1vkμkμylnμkμy，表示总收入差距值的组间差距部分。W和B的权数vkμkμy为第k组收入占总收入的份额。通过组内差距和组间差距的分解，找到因素特征差异的贡献率。
（二）实证
第一步，找到工资的影响因素及其影响程度。目前研究中工资的影响因素分析采用眀瑟模型较多（田丰，2010年;严善平，2011年）[20][37]。为消除异方差（未通过BP检验等），采用加权最小二乘法WLS进行修正，可决系数R2提高到98%以上;为检验模型的稳健性，进行变量替换和样本替换等，如将教育程度替换成教育年数、年龄区间替换年龄、实际健康替换自评健康等，其余变量估计系数与之前差异不大，估计结果保持较好的一致性。模型估计结果见表2。由于年龄因素对工资的影响并非完全递增，而是到达一个峰值后下降，与工作经验相似，但取值范围大，影响变动小，增加年龄平方变量后，估计系数变化不大，具有较好的稳健性。为简化研究在这里將年龄连续变量替换为年龄区间变量：相应拟合程度和变量显著性都得到提高，方差膨胀系数VIF均值小于2、最大值小于10，说明解释变量间不存在多重共线。
四川省农民工工资影响因素有住宿、培训、教育、工作岗位、所属行业、工作经验。参加组织、性别、年龄、健康、婚姻、日小时数和月休天数没有通过初始模型显著性检验，而婚姻变量没有通过修正模型显著性检验。可能的原因是初始模型识别出最主要的影响因素，修正模型识别出对被解释变量影响较弱的因素如婚姻变量。
从表2可以看出，四川省的所有显著影响因素的估计系数大部分高于其他样本群，即这些因素对工资的影响程度都较高。说明四川省的工资水平处在较低的发展阶段，弹性较大，变量小的变化能引起较大的工资改变。现实情况正是如此，基于报酬递增递减规律，当事物处于较低发展阶段，各要素报酬递增;当达到一定阶段后大量的投入只能带来产出少量增加甚至下降。工作岗位对各样本群（以下用简称）的影响程度为：四川>全国>北京>城镇，这与群体发展程度的假设相一致;教育的影响程度为：四川>全国>城镇>北京，说明教育的影响随发展程度的提高比其他变量报酬递减得慢，即教育变量的影响在城镇户籍劳动力样本中不减反增;行业变量的影响为：全国>四川>北京>城镇，说明所属行业对农民工群体的影响还是较大的，但随着发展程度逐渐弱化。眀瑟模型的回归系数其经济意义代表某因素的工资收益率或回报率，工作经验为连续变量，而其他为按类型区分的虚拟变量，故工作经验的系数较小，反映每增加1年工作经验，月工资对数的增加比率;2013年四川农民工工作经验回报率为26%，北京为22%，全国与城镇户籍劳动力均为19%，工作经验的影响北京突出、总趋势下降。
第二步，差异分解，找到差异的来源。通过基尼系数计算得到2013年四川省农民工工资差异各因素解释程度G′，通过泰尔指数分解计算得到工资差异各因素贡献率T′（表3）。基尼系数法是按照个人一组，泰尔指数法是按照因素分组分解，二者分解结果有一定差别，但对因素的解释和贡献作用分析基本一致。四川省农民工工资差异各因素作用程度，工作经验、岗位、行业、教育程度的基尼系数G′解释程度和泰尔指数T′贡献率较高，均在2%以上，即这些因素带来更大的工资差异分布。
四川省农民工工资差异来源与北京市和全国农民工平均水平、全国目标水平比较分析发现，总系数显示各样本差异大小：城镇>全国>北京>四川。即2013年四川省农民工的工资差异程度分异最小，而全国城镇户籍劳动力工资差异的变化程度最大。这与现实情形一致，发达区的工资分异高于不发达区，全国范围的差异高于区域范围。北京农民工工资差异最主要的来源是行业因素，说明北京农民工的就业分布较为集中，因此行业垄断造成了重要的工资差异。农民工工资差异最主要来源是性别和教育因素，全国平均水平显示出性别歧视于工资的影响依然较大、而教育的影响越发重要。未来目标水平（全国城镇户籍劳动力）显示差异影响较大的因素依次有教育程度、工作经验、单位性质、性别、行业、岗位，均在1%以上;教育程度成为工资差异的最主要来源，这也是未来的主流趋势。从发展的视角来看，北京市和城镇户籍劳动力样本代表着较先进和引领性的发展趋势，虽然四川省样本显示2013年工作经验仍是最重要的工资差异来源，但未来教育程度不同造成的工资差异超越工作经验是大势所趋。在较低的发展阶段，工作任务相对简单、工作经验带来的操作熟练性等能得到较高回报;而对于较为发达阶段，简单对量的需求为质的提升所代替，因而更需要教育带来劳动力素质的提高。
一个有意思的发现，在“城镇户籍劳动力”样本中“参加组织”变量的工资影响估计系数（表2）和工资差异作用率（表3）均为负，即其他条件不变情况下、加入中国共产党与民主党派的工资低于无党派劳动者的工资，这与“农民工”样本情况相反。可能的解释是，现实中城镇户籍劳动力入党比例较大，且大多在党政机关、事业单位等公共管理与服务单位，其收入以严格的“科层制”收入为主并附有其他非货币福利，所以名义工资低于无党派劳动者;但“农民工”群体中入党劳动者为精英分子，数量少、收入高，所以名义工资高于无党派劳动者工资。
具体分析代表人力资本的两个连续变量工作经验和教育年数，结合比较样本数据，2013年四川省农民工市场“工作经验”对工资的影响程度和差异贡献均高于“教育年数”，但随着城乡劳动力市场一体化，农民工教育水平的逐步提高，劳动力市场对教育程度的区分度将逐步提高，不同教育程度造成的工资差异有超过工作经验的态势。
进一步进行分位数回归，通过不同分位数上的系数分布不同，来考察和验证工资差异情况及稳健性。其结果与表3的收入差异分解结果基本一致，这里列出了工作经验和教育年数的分位数系数分布情况（图1）。工作经验对各群体不同分位数的影响差异较大，其中四川农民工工作经验随工资的提高影响增加，而北京和城镇户籍劳动力工作经验的影响在逐步降低;教育年数对工资的影响趋势较为一致，呈现逐步上升的总趋势，且影响水平四川处于最低，城镇户籍劳动力样本教育年数对工资的影响程度最高。验证了工作经验随工资增长影响下降，而教育年数随工资增长上升的总体趋势。同时，工作经验和教育年数的分位数分布与刘士杰（2011年）[8]的研究趋势基本一致。 四、结论与建议
影响四川省农民工工资水平的主要因素按影响程度排序依次是住宿、培训、工作岗位、所屬行业和工作经验。对于北京农民工，工作经验对工资的影响大于一般趋势;对于全国农民工，行业的影响大于一般趋势;对于城镇户籍劳动力，教育的影响大于一般趋势。作为农民工市民化目标的城镇户籍劳动力，影响工资的主要因素是健康、住宿、性别、工作岗位、教育程度、所属行业和工作经验，向符合就业质量的因素转化。四川省处于较低发展阶段，因素的影响程度较高。
引起四川省农民工工资差异的主要因素是工作经验、工作岗位、所属行业、教育程度。工作经验是影响工资差异的首要因素，第二是工作岗位。北京农民工工资差异的最主要来源是行业，全国农民工工资差异最主要来源则是性别和教育程度。对于城镇户籍劳动力而言，教育程度作用高于工作经验，是工资差异的首要因素。这意味着，未来随着农民工市民化的发展与深化，劳动者教育程度的不同带来的工资差异将逐步增加，工作经验引起的差异相对弱化，体现出对劳动的市场价格从工作任务数量向质量需求的转化。
对于四川省等欠发达地区的农民工，大力提高相关因素会使工资水平得到更大的增加。一是在当前状况下，优先增加专业工作经验的积累;在转换工作时，尽量保持延续性，而不是重新开始一个新的领域。二是参加培训对工资的影响效果是明显的，仅次于工作经验，可以有针对性地提高农民工的职业技能和专业性。学历教育在现实影响程度和长期差异程度上都是重要的因素，虽然四川省农民工平均受教育年数高于全国平均水平，但仍处于初中阶段，可以通过利用闲暇时间或者互联网平台等多种渠道加强学习和培训提高职业技能。三是各样本综合显示工作岗位对工资的影响最大，而健康也是一个对工资影响较大的因素。长远来看，需要积极锻炼多方面能力，提高竞争力，为岗位提升做好准备与创造机会，同时，保持健康和良好的生活习惯、保证健康的体魄作为获得工资的前提条件和重要基础。
对于政府，缩小城乡间差距需要从差距的根源即相关因素入手。一是提供多样化的技能教育和学历教育，成立专门的农民工培训教育组织，结合乡村振兴和扶贫或低收入群体扶持工作，整合资源、搭建平台、引入社会力量、并给予有效的激励政策，引导农民工增强时间管理能力、学习能力、专业技能、综合素质，增强市民化能力。二是提供劳动力就业指导及企业工作设计指南等，促进信息、要素自由流动，减少由于垄断、信息不对称、要素障碍、性别差异等引起工资歧视的可能性。结合科技发展及市场需求情况，对农业转移人口进行注册与信息采集，与市场需求相匹配，给出建议;对企业相关工作任务给出多样化的工作设计指南以供参考。三是加强劳动保障与监管，提高劳动环境及防护具措施的标准，购买工伤保险及社会保险，对于一些具有危害性危险性的工作，定期巡查与抽检配套设施设备，避免“5元安全帽”“三无小作坊”“职业尘肺病”等类似事件的发生。四是完善行业自律及地方规范，开通相关热线、建设网络平台、举办现场活动等，对农业转移劳动者等弱势群体收入分配不合理、拖欠工资、非法用工等提供政策咨询及法律援助。长远来看，政府需要合理规划产业，选择符合发展阶段和特色的行业布局、并具有一定前瞻性，对当地的农民工进行精准引导和管理，通过区域经济的发展吸引要素与优化资源，水到渠成地实现农民工市民化。
[参考文献]
[1]张卫国、罗超平、李海明：《农民工、产业结构与新型城镇化——“中国西部开发研究联合体第10届学术年会”综述》，《经济研究》2015年第8期。
[2]蔡昉、都阳：《工资增长、工资趋同与刘易斯转折点》，《经济学动态》2011年第9期。
[3]王宁：《基于劳动力迁移的城市规模增长研究》，经济管理出版社2018年版，第72—73、79页。
[4]蔡昉：《农业劳动力转移潜力耗尽了吗？》，《中国农村经济》2018年第9期。
[5]卢锋：《中国农民工工资走势：1979—2010》，《中国社会科学》2012年第7期。
[6]毛学峰、刘靖：《中国农民工工资：概念澄清与数据核准》，《北京社会科学》2016年第1期。
[7]刘林平、张春泥：《农民工工资：人力资本、社会资本、企业制度还是社会环境？——珠江三角洲农民工工资的决定模型》，《社会学研究》2007年第6期。
[8]刘士杰：《人力资本、职业搜寻渠道、职业流动对农民工工资的影响——基于分位数回归和OLS回归的实证分析》，《人口学刊》2011年第5期。
[9]中国人民银行成都分行调查统计处课题组：《对四川省农民工工资水平及其影响因素的调查》，《西南金融》2011年第5期。
[10]江金启、张广胜、杨肖丽：《异质性培训、技能分化与农民工的工资收入决定》，《农业技术经济》2016年第10期。
[11]蒯鹏州、王明华、张丽丽：《“民工荒”视角下的农民工工资决定机制及其影响研究》，《农业现代化研究》2015年第3期。
[12]张春泥、谢宇：《同乡的力量：同乡聚集对农民工工资收入的影响》，《社会》2013年第1期。
[13]王春超、张玲、周先波：《社会关系网为什么能提升农民工工资》，《统计研究》2017年第2期。
[14]张敏：《工作技能培训对农民工工资的影响研究》，《湖北社会科学》2017年第5期。
[15]卢海阳、郑旭媛：《禀赋差异、议价能力与农民工工资——来自中国劳动力动态调查的证据》，《农业技术经济》2019年第6期。
[16]黄乾：《两种就业类型农民工工资收入差距的比较研究》，《财经问题研究》2009年第6期。
[17]李超海：《农民工工资结构的地区差异——以珠三角、长三角地区企业农民工为例》，《南方经济》2015年第11期。
[18]李明艳、武岩、马贤磊：《农民工工资决定机制及性别差异研究》，《浙江学刊》2017年第3期。 [19]邢春冰：《农民工与城镇职工的收入差距》，《管理世界》2008年第5期。
[20]田丰：《城市工人与农民工的收入差距研究》，《社会学研究》2010年第2期。
[21]陈珣、徐舒：《农民工与城镇职工的工资差距及动态同化》，《经济研究》2014年第10期。
[22]Brown R S，Moon M，Zoloth B S.：“Incorporating Occupational Attainment in Studies of Malefemale Differentials”，The Journal of Human Resources，Vol.15，No.1，1980，pp.3-28.
[23]Cotton J.：“On the Decomposition of Wage Differentials”，Review of Economics and Statistics，Vol.70，No.5，1988，pp.236-243.
[24]Oaxaca R.：“MaleFemale Wage Differentials in Urban Labor Markets”，International Economic Review，Vol.14，No.3，1973，pp.693-790.
[25]Machado J，Mata J.：“Counterfactual Decompositions of Changes in Wage Distributions Using Quantile Regression”，Journal of Applied Econometrics，Vol.20，No.4，2005，pp.445-465.
[26]邢春冰、羅楚亮：《农民工与城镇职工的收入差距——基于半参数方法的分析》，《数量经济技术经济研究》2009年第10期。
[27]谢嗣胜、姚先国：《农民工工资歧视的计量分析》，《中国农村经济》2006年第4期。
[28]邓曲恒：《城镇居民与流动人口的收入差异——基于OaxacaBlinder和Quantile方法的分解》，《中国人口科学》2007年第2期。
[29]国务院发展研究中心课题组：《农民工市民化：制度创新与顶层设计》，中国发展出版社2011年版，第13页。
[30]王震：《基于分位数回归分解的农民工性别工资差异研究》，《世界经济文汇》2010年第4期。
[31]周春芳、苏群：《我国农民工与城镇职工就业质量差异及其分解——基于RIF无条件分位数回归的分解法》，《农业技术经济》2018年第6期。
[32]阮敬、丁琳、纪宏：《收入分布视角下的收入分配研究》，《数理统计与管理》2018年第1期。
[33]李晓峰、王晓方、高旺盛：《北京市农民工工资差异分解分析》，《农业经济问题》2010年第2期。
[34]冯毅、李实：《农民工的工资差距及其变动》，《中国经济问题》2013年第4期。
[35]邓曲恒、王亚柯：《农民工的工作条件与工资收入：以补偿化工资差异为视角》，《南开经济研究》2013年第6期。
[36]冯虹、魏士洲：《浅谈从收入分配入手解决在京农民工问题》，《北京联合大学学报（人文社会科学版）》2008年第1期。
[37]严善平：《中国大城市劳动力市场的结构转型——对2003年、2009年上海就业调查的实证分析》，《管理世界》2011年第9期。
The Impact Factors and Differences of Migrant Workers’
Wages in China’s Lessdeveloped Regions
——Based on Comparative Study of Sichuan Province， Beijing and Countrywide Data
LI Xiaofeng1， HUANG Xing1，2
（1.College of Economics and Management， China Agricultural University， Rural Leisure Tourism and Risk
Management Research Center， Beijing 100083， China; 2. School of Land Resources，
China West Normal University， Nanchong 637009， China）
Abstract： China’s urbanization mainly depends on the citizenization of agricultural migrant population， and the root is to achieve the economic capacity of migrant workers. The less-developed regions with outflow pattern become the main source of urbanization population. Based on the survey data of migrant workers of Sichuan province in 2013， together with the survey data of Beijing and CHIP2013 data， using comparative method， through econometrics methods as Multiple Linear Regression， Mincer income function， Gini coefficient decomposition， Theil index decomposition and Quantile Regression， this article analyzes the impact factors of migrant workers’ wages and the differences in Sichuan province， and those cases at the same time in Beijing， in China， or of urban registered labors. The results show that accommodation， training， post， industry and work experience are the dominant factors affecting the wages of migrant workers in Sichuan， and appear certain differences compared with those about Beijing and the national average. Moreover， for migrant workers in Sichuan province， working experience still makes leading impacts on wage differences， while post， training and education have great significant impacts on wages. Then based on the above analysis， this paper puts forward some suggestions for migrant workers themselves in Sichuan and relevant government departments.
Key words：wages of migrant workers; impact factors; differences of wages; comparative study
（责任编辑刘永俊）
[收稿日期]2019-07-30
[基金项目]中央高校基本科研业务费专项基金“迁移模式对农民工消费的影响研究”（项目编号：2018TC047）;西华师范大学英才基金“深度城市化下基于工资影响的农民工动态演进研究”（项目编号：17YC107）。
[作者简介]李晓峰（1978—），男，天津人，中国农业大学经济管理学院副教授、博士生导师;黄星 （1979—），女，四川南充人，中国农业大学经济管理学院博士研究生，西华师范大学国土资源学院副教授。
[关键词]农民工工资;影响因素;工资差异;比较研究
[中图分类号]F24924[文献标志码]A[文章编号]16724917（2019）04010009
一、引言
工业化、城镇化、现代化和信息化是我国科学发展与可持续发展的需要与客观必然。伴随产业发展、人口集聚，我国处于工业化中期、城市化快速发展阶段。2011年以来，中国的城镇化水平已经超过50%，一半以上的人口居住在城镇。但如果以户籍城镇化率来衡量并没有这么高。事实上，很多地方的土地城镇化率>人口城镇化率>户籍城镇化率（张卫国等，2015年）[1]。这在一定程度上说明，我国的城市建设速度、发展速度和发展能力不相匹配。另一方面，人口增长放缓，人口红利不再（蔡昉、都阳，2011年）[2]。当前中国城镇人口自然增长率低，城镇化人口的增长主要来源于迁移人口，而农村迁移人口占比保持在67%以上，成为城镇化的首要力量，且地区间并不平衡，西部地区、东北地区成为流出型城市的主要区域，户籍人口规模>常住人口规模（王宁，2018年）[3]。
《国家新型城镇化规划（2014—2020年）》提出2020年户籍人口城镇化率与常住人口城镇化率差距缩小两个百分点左右，实现1亿农业转移人口和其他常住人口落户城镇的发展目标。农民工群体，2018年已达到288亿人，其中在乡外就业的外出农民工达173亿人，总量增加、增速回落。在经过一个较长时期的适应和调整后，“农民工”这一特殊群体将为“新型市民”和“职业农民”所取代。农民对留在农村还是进城的行为决策，判断依据主要是对其转移效益与留守收益的比较;当转移效益>留守收益时，选择进城务工。农民工转移效益的来源主要是其打工的工资收入。
中国快速城镇化的主要矛盾是常住人口城镇化率与户籍人口城镇化率存在较大差异的问题，需要推进农民工市民化。市民化能力本质上源于农民工的经济能力，即工资收入。提高市民化能力，需要找到对农民工工资起核心作用的因素。哪些因素影响到农民工工资，农民工的工资差异如何，其中最能解释工资差异的是什么因素，对于处于经济和城市发展相对弱势的四川省，其农民工的相关情况如何，处于什么水平，未来应如何行动更为有利有效？本文选取四川省作为欠发达地区代表，北京市作为发达地区代表，同时与全国农民工作为平均水平及城镇户籍劳动力情况作为市民化的目标水平相比较。本研究结果对于指导欠发达地区农民工，从工资的影响因素及工资差异的来源上针对性地提高相关因素达到有效提高工资，进而提高农民工市民化的目标有一定指导意义。
二、文献回顾
蔡昉（2018年）[4]分析了农业劳动力转移的经典理论及在中国的具体情况，指出目前需进行户籍及农业经营规模制约这两个关键领域的改革，进一步实现农业劳动力转移。卢锋（2012年）[5]对1979—2010年中国农民工工资水平进行了汇总估测，发现呈增长总趋势，其名义货币工资和实际工资指数年均增长率分别为约97%、约10%。毛学峰、刘靖（2016年）[6]探讨了卢锋研究数据的可比性问题。
关于农民工工资影响因素。刘林平、张春泥（2007年）[7]在分析工资决定因素基于古典经济学社会-经济因素、马克思政治经济学劳动力价值的价格（生理-历史/社会要素）、新古典主义（人力资本理论）、社会资本理论、制度理论等基础上，将农民工工资影响因素分为人力资本、社会资本、企业制度和社会环境4个部分22个变量，利用2006年珠三角调查数据进行分析。刘士杰（2011年）[8]在人力资本和社会资本基础上加入职业流动影响共8个变量，采用分位数回归分析了2008年北京、上海、天津和广州四个城市的调查数据。中国人民银行成都分行调查统计处课题组（2011年）[9]对2010年四川省农民工工资水平及其影响因素分析验证了人力资本的密切相关关系。江金启等（2016年）[10]利用CHIP2009数据分析了专用性培训的工资促进作用。蒯鹏州等（2015年）[11]采用多元有序logit回归模型从个人特征、人力资本、社交网络三方面对2013年调研数据进行分析。李国正（2016年）[12]分析了户籍的影響，王春超等（2017年）[13]分析了社会资本的影响。张敏（2017年）[14]考察了技能培训的影响。卢海阳、郑旭媛（2019年）[15]从议价能力的角度进行了分析。事实上，不同行业、职业、地区、性别、种族之间的工资形成了差别。黄乾（2009年）[16]分析了稳定就业和非稳定就业的差异。李超海（2015年）[17]通过珠三角、长三角调研数据分析了地区因素的影响。李明艳等（2017年）[18]分析了性别因素的影响。
关于农民工工资差异。主要为农民工与城镇职工间差异及农民工群体内部工资差异。城乡户籍群体间存在系统性工资差异。邢春冰（2008年）[19]分析2005年全国人口普查数据，月收入和小时收入分别为城镇的80%、64%。田丰（2010年）[20]依据2008年中国社会状况综合调查，城镇职工比农民工年、月、小时收入分别高316%、119%、262%。陈珣、徐舒（2014年）[21]从动态同化角度研究，不同初始工资的农民工需经10～58年才能达到城镇同等水平。 差异主要来源为可解释的人力资本和不可解释的制度性歧视。使用的方法有布朗分解法、OaxacaBlinder分解、分位数分解等（Brown et al.，1980年[22]; Cotton，1988年[23]; Oaxaca，1973年[24]; Machado&Mata，2005年[25]）。邢春冰（2008年）[19]利用OaxacaBlinder分解，发现小时收入差异的90%由特征差异（教育水平）造成。其后邢春冰和罗楚亮（2009年）[26]采用DFL分解进一步证实了这个结论。更多研究表明不可解释的制度性歧视是工资差异的主要来源。谢嗣胜、姚先国（2006年）[27]利用2003年和2004年调查数据，使用OaxacaBlinder及Cotton分解，发现市场歧视能解释552%的差异;邓曲恒（2007年）[28]利用2002年调查数据，使用OaxacaBlinder分解，发现城镇居民和流动人口收入差异60%源于歧视;田丰使用布朗分解发现收入差距612%由户籍导致。国务院发展研究中心课题组（2011年）[29]认为，农民工和城镇职工的收入差距，有60%来源于人力资本差异，40%由体制差异造成。王震（2010年）[30]通过分位数分解分析了性别引起的工资差异。周春芳、苏群（2018年）[31]利用CHIP2002和CHIP2013數据分析了就业质量差异及人力资本、性别、年龄等的影响。
现有文献对农民工群体内部工资差异有一定研究，但相对较少。阮敬等（2018年）[32]梳理了收入分解的方法，包括基尼系数、泰尔指数分解法等。李晓峰等（2010年）[33]通过基尼系数分解法分析了北京市2007年工资差异。冯毅、李实（2013年）[34]通过分位数回归分析了2002年和2007年工资差距变化及原因。邓曲恒、王亚柯（2013年）[35]通过对分位点的研究发现2006年调研样本无法获得补偿性工资差异。冯虹、魏士洲（2008年）[36]认为收入是解决在京农民工问题的关键。这些研究对经济发达区域的关注更为广泛，而基于欠发达地区的研究相对较少。本研究立足于欠发达地区，以四川省为出发点，在同一时间内横向比较，以期能找到差距及原因，更好地借鉴发展，赢得后发优势、避免后发劣势。
以上研究提供了理论借鉴和指标选取依据。农民工工资的构成，除去基本工资、奖金、加班工资、津贴或补贴等常规类型（实际中不完全实行和实现），还有基于餐饮和住宿的免费食宿供给形成的隐性工资，在量化过程中可通过调研和估算进行调整。农民工工资的影响因素，包括宏观因素（制度、部门、地区）和微观因素（人力资本、社会资本）。为研究四川省农民工工资差异，本研究细分为性别、年龄、健康、婚姻、教育程度、培训情况、工作经验、所属行业、单位性质、工作岗位、参加组织、住宿情况和日小时数、月休天数等因素。在数据上选取微观调研数据和宏观公开发布数据相互验证，在方法上通过理论建立模型进行计算分析比较，最终形成合乎现实并具有实际意义的结论。
三、实证分析
（一）数据、变量与方法
1. 数据
本文对四川省、北京市的相关分析数据来源于中国农业大学国家农业农村发展研究院农民工专项调查，全国农民工及城镇户籍劳动力数据来源于公共数据资源CHIPS。具体来说，四川省和北京市的相关分析数据采用设计问卷直接调查的方式，对农民工进行专项调查：分地区、分行业抽样，进行配额和偶遇随机调查及访谈，其中，四川省包括成都、眉山、绵阳、德阳、南充、宜宾、雅安、自贡、泸州、内江、凉山、巴中等市州;北京市包括朝阳、海淀、东城、西城、丰台、宣武、崇文、昌平、通州等城区;收集整理得到2013年四川省、北京市农民工数据月工资，考虑工作单位解决食宿换算的相应货币水平计入工资，为估算数据，其中对住宿费用的估算误差相对较大，故将住宿情况纳入影响因素。。中国收入分配研究院的中国居民收入调查项目CHIP2013的样本来自国家统计局2013年城乡一体化常规住户调查大样本库，按照东、中、西分层，系统抽样，覆盖15个省份126城市234县区的18 948住户样本和64 777个体样本，其中包括7 175户城镇住户样本、11 013户农村住户样本和760户外来务工住户样本。本文主要分析其中外来务工中农业户口（农民工）和城镇户籍劳动力情况。具体样本月均收入及相关情况如表1。可以看出，四川省农民工的月均工资水平在所分析的样本群中是最低的，而北京市农民工的月均收入和食宿费用占比最高，这与城市发展水平有一定关系。
2. 变量
农民工工资影响因素通过明瑟（Mincer）工资决定方程分析：Lny=α0+α1S+α2E+α3E2+α4X+μ。（1）y为月均工资，S为受教育程度，E是工作经验，X是其他控制变量，μ为误差项。以Mincer工资决定方程为基础，选取与人力资本有关的特征和一些其他方面的个体特征作为控制变量：在这些变量中，年龄和工作经验、教育年数、月休天数、日小时数是连续变量;教育程度和工作经验是人力资本变量;被解释变量为月工资（含食宿）。
为进一步了解四川省农民工变量特征情况，将其与同年北京市农民工、全国农民工、全国城镇户籍劳动力相关数值变量进行比较分析（表1）。在劳动者年龄方面，北京市农民工最小、四川省其次;在工作经验方面，四川省最小、其次是北京市;对于教育年数，四川省高于全国平均水平，但低于北京市水平，总体来看农民工教育水平仍集中在初中阶段，而城镇户籍劳动力教育年数接近高中或中专水平;从劳动者的劳动时间来看，北京市农民工不论每周工作天数还是每天劳动小时数都是最多的，其次是四川省农民工，而城镇户籍劳动者的闲暇时间最多。
3. 方法
本文分两步对四川省农民工工资差异情况进行实证分析。第一步，找出工资的影响因素及影响程度;第二步，使用基尼系数和泰尔指数法分解各因素差异贡献，分析工资差异的来源。同时，通过比较研究，对同时期各样本工资的因素情况进行相似性和差异性对照。基尼系数计算式：G=ni=1WiYi+2n-1i=1Wi（1-Vi）-1。（2）其中，Wi是按收入排序分组后各组人数占总人数比重，这里按个人分组;Yi是按收入分组后，各组收入占总收入比重;Vi是Yi从i=1到n的累计数。费景汉·拉尼斯分解模型可测量各因素对工资差异的解释程度：G（y）=R1G1Φ1+…+RiGiΦi+ε。（3）其中，G（y）为个人工资总基尼系数，Gi为因素特征基尼系数（反映第i种因素的分布程度）;Ri为因素与工资的相关系数（反映第i种因素与个人工资间的相关程度）;Φi为因素特征收益权数（反映第i种因素的工资率在个人工资中的比重）;ε为误差项。通过因素解释力与总基尼系数相比，得到因素的解释程度。泰尔指数定义式：T=1nni=1yiμylnyiμy。（4）假定集合N被分成m个组Nk（k=1，2…，m），总体均值为μy，每组收入为yk，每组收入均值为μk，人口数量为nk，其占总人口规模的份额为vk。T（y）=T（y1，y2，…，ym）=mk=1i∈Nkyiμylnyiμy= mk=1vkμkμyT（yk）+mk=1vkμkμylnμkμy=W+B。（5）其中，W=mk=1vkμkμyT（yk），表示k个组不等值n的加权平均，通常被认为是总的收入差距值的组内差距部分。B=mk=1vkμkμylnμkμy，表示总收入差距值的组间差距部分。W和B的权数vkμkμy为第k组收入占总收入的份额。通过组内差距和组间差距的分解，找到因素特征差异的贡献率。
（二）实证
第一步，找到工资的影响因素及其影响程度。目前研究中工资的影响因素分析采用眀瑟模型较多（田丰，2010年;严善平，2011年）[20][37]。为消除异方差（未通过BP检验等），采用加权最小二乘法WLS进行修正，可决系数R2提高到98%以上;为检验模型的稳健性，进行变量替换和样本替换等，如将教育程度替换成教育年数、年龄区间替换年龄、实际健康替换自评健康等，其余变量估计系数与之前差异不大，估计结果保持较好的一致性。模型估计结果见表2。由于年龄因素对工资的影响并非完全递增，而是到达一个峰值后下降，与工作经验相似，但取值范围大，影响变动小，增加年龄平方变量后，估计系数变化不大，具有较好的稳健性。为简化研究在这里將年龄连续变量替换为年龄区间变量：相应拟合程度和变量显著性都得到提高，方差膨胀系数VIF均值小于2、最大值小于10，说明解释变量间不存在多重共线。
四川省农民工工资影响因素有住宿、培训、教育、工作岗位、所属行业、工作经验。参加组织、性别、年龄、健康、婚姻、日小时数和月休天数没有通过初始模型显著性检验，而婚姻变量没有通过修正模型显著性检验。可能的原因是初始模型识别出最主要的影响因素，修正模型识别出对被解释变量影响较弱的因素如婚姻变量。
从表2可以看出，四川省的所有显著影响因素的估计系数大部分高于其他样本群，即这些因素对工资的影响程度都较高。说明四川省的工资水平处在较低的发展阶段，弹性较大，变量小的变化能引起较大的工资改变。现实情况正是如此，基于报酬递增递减规律，当事物处于较低发展阶段，各要素报酬递增;当达到一定阶段后大量的投入只能带来产出少量增加甚至下降。工作岗位对各样本群（以下用简称）的影响程度为：四川>全国>北京>城镇，这与群体发展程度的假设相一致;教育的影响程度为：四川>全国>城镇>北京，说明教育的影响随发展程度的提高比其他变量报酬递减得慢，即教育变量的影响在城镇户籍劳动力样本中不减反增;行业变量的影响为：全国>四川>北京>城镇，说明所属行业对农民工群体的影响还是较大的，但随着发展程度逐渐弱化。眀瑟模型的回归系数其经济意义代表某因素的工资收益率或回报率，工作经验为连续变量，而其他为按类型区分的虚拟变量，故工作经验的系数较小，反映每增加1年工作经验，月工资对数的增加比率;2013年四川农民工工作经验回报率为26%，北京为22%，全国与城镇户籍劳动力均为19%，工作经验的影响北京突出、总趋势下降。
第二步，差异分解，找到差异的来源。通过基尼系数计算得到2013年四川省农民工工资差异各因素解释程度G′，通过泰尔指数分解计算得到工资差异各因素贡献率T′（表3）。基尼系数法是按照个人一组，泰尔指数法是按照因素分组分解，二者分解结果有一定差别，但对因素的解释和贡献作用分析基本一致。四川省农民工工资差异各因素作用程度，工作经验、岗位、行业、教育程度的基尼系数G′解释程度和泰尔指数T′贡献率较高，均在2%以上，即这些因素带来更大的工资差异分布。
四川省农民工工资差异来源与北京市和全国农民工平均水平、全国目标水平比较分析发现，总系数显示各样本差异大小：城镇>全国>北京>四川。即2013年四川省农民工的工资差异程度分异最小，而全国城镇户籍劳动力工资差异的变化程度最大。这与现实情形一致，发达区的工资分异高于不发达区，全国范围的差异高于区域范围。北京农民工工资差异最主要的来源是行业因素，说明北京农民工的就业分布较为集中，因此行业垄断造成了重要的工资差异。农民工工资差异最主要来源是性别和教育因素，全国平均水平显示出性别歧视于工资的影响依然较大、而教育的影响越发重要。未来目标水平（全国城镇户籍劳动力）显示差异影响较大的因素依次有教育程度、工作经验、单位性质、性别、行业、岗位，均在1%以上;教育程度成为工资差异的最主要来源，这也是未来的主流趋势。从发展的视角来看，北京市和城镇户籍劳动力样本代表着较先进和引领性的发展趋势，虽然四川省样本显示2013年工作经验仍是最重要的工资差异来源，但未来教育程度不同造成的工资差异超越工作经验是大势所趋。在较低的发展阶段，工作任务相对简单、工作经验带来的操作熟练性等能得到较高回报;而对于较为发达阶段，简单对量的需求为质的提升所代替，因而更需要教育带来劳动力素质的提高。
一个有意思的发现，在“城镇户籍劳动力”样本中“参加组织”变量的工资影响估计系数（表2）和工资差异作用率（表3）均为负，即其他条件不变情况下、加入中国共产党与民主党派的工资低于无党派劳动者的工资，这与“农民工”样本情况相反。可能的解释是，现实中城镇户籍劳动力入党比例较大，且大多在党政机关、事业单位等公共管理与服务单位，其收入以严格的“科层制”收入为主并附有其他非货币福利，所以名义工资低于无党派劳动者;但“农民工”群体中入党劳动者为精英分子，数量少、收入高，所以名义工资高于无党派劳动者工资。
具体分析代表人力资本的两个连续变量工作经验和教育年数，结合比较样本数据，2013年四川省农民工市场“工作经验”对工资的影响程度和差异贡献均高于“教育年数”，但随着城乡劳动力市场一体化，农民工教育水平的逐步提高，劳动力市场对教育程度的区分度将逐步提高，不同教育程度造成的工资差异有超过工作经验的态势。
进一步进行分位数回归，通过不同分位数上的系数分布不同，来考察和验证工资差异情况及稳健性。其结果与表3的收入差异分解结果基本一致，这里列出了工作经验和教育年数的分位数系数分布情况（图1）。工作经验对各群体不同分位数的影响差异较大，其中四川农民工工作经验随工资的提高影响增加，而北京和城镇户籍劳动力工作经验的影响在逐步降低;教育年数对工资的影响趋势较为一致，呈现逐步上升的总趋势，且影响水平四川处于最低，城镇户籍劳动力样本教育年数对工资的影响程度最高。验证了工作经验随工资增长影响下降，而教育年数随工资增长上升的总体趋势。同时，工作经验和教育年数的分位数分布与刘士杰（2011年）[8]的研究趋势基本一致。 四、结论与建议
影响四川省农民工工资水平的主要因素按影响程度排序依次是住宿、培训、工作岗位、所屬行业和工作经验。对于北京农民工，工作经验对工资的影响大于一般趋势;对于全国农民工，行业的影响大于一般趋势;对于城镇户籍劳动力，教育的影响大于一般趋势。作为农民工市民化目标的城镇户籍劳动力，影响工资的主要因素是健康、住宿、性别、工作岗位、教育程度、所属行业和工作经验，向符合就业质量的因素转化。四川省处于较低发展阶段，因素的影响程度较高。
引起四川省农民工工资差异的主要因素是工作经验、工作岗位、所属行业、教育程度。工作经验是影响工资差异的首要因素，第二是工作岗位。北京农民工工资差异的最主要来源是行业，全国农民工工资差异最主要来源则是性别和教育程度。对于城镇户籍劳动力而言，教育程度作用高于工作经验，是工资差异的首要因素。这意味着，未来随着农民工市民化的发展与深化，劳动者教育程度的不同带来的工资差异将逐步增加，工作经验引起的差异相对弱化，体现出对劳动的市场价格从工作任务数量向质量需求的转化。
对于四川省等欠发达地区的农民工，大力提高相关因素会使工资水平得到更大的增加。一是在当前状况下，优先增加专业工作经验的积累;在转换工作时，尽量保持延续性，而不是重新开始一个新的领域。二是参加培训对工资的影响效果是明显的，仅次于工作经验，可以有针对性地提高农民工的职业技能和专业性。学历教育在现实影响程度和长期差异程度上都是重要的因素，虽然四川省农民工平均受教育年数高于全国平均水平，但仍处于初中阶段，可以通过利用闲暇时间或者互联网平台等多种渠道加强学习和培训提高职业技能。三是各样本综合显示工作岗位对工资的影响最大，而健康也是一个对工资影响较大的因素。长远来看，需要积极锻炼多方面能力，提高竞争力，为岗位提升做好准备与创造机会，同时，保持健康和良好的生活习惯、保证健康的体魄作为获得工资的前提条件和重要基础。
对于政府，缩小城乡间差距需要从差距的根源即相关因素入手。一是提供多样化的技能教育和学历教育，成立专门的农民工培训教育组织，结合乡村振兴和扶贫或低收入群体扶持工作，整合资源、搭建平台、引入社会力量、并给予有效的激励政策，引导农民工增强时间管理能力、学习能力、专业技能、综合素质，增强市民化能力。二是提供劳动力就业指导及企业工作设计指南等，促进信息、要素自由流动，减少由于垄断、信息不对称、要素障碍、性别差异等引起工资歧视的可能性。结合科技发展及市场需求情况，对农业转移人口进行注册与信息采集，与市场需求相匹配，给出建议;对企业相关工作任务给出多样化的工作设计指南以供参考。三是加强劳动保障与监管，提高劳动环境及防护具措施的标准，购买工伤保险及社会保险，对于一些具有危害性危险性的工作，定期巡查与抽检配套设施设备，避免“5元安全帽”“三无小作坊”“职业尘肺病”等类似事件的发生。四是完善行业自律及地方规范，开通相关热线、建设网络平台、举办现场活动等，对农业转移劳动者等弱势群体收入分配不合理、拖欠工资、非法用工等提供政策咨询及法律援助。长远来看，政府需要合理规划产业，选择符合发展阶段和特色的行业布局、并具有一定前瞻性，对当地的农民工进行精准引导和管理，通过区域经济的发展吸引要素与优化资源，水到渠成地实现农民工市民化。
[参考文献]
[1]张卫国、罗超平、李海明：《农民工、产业结构与新型城镇化——“中国西部开发研究联合体第10届学术年会”综述》，《经济研究》2015年第8期。
[2]蔡昉、都阳：《工资增长、工资趋同与刘易斯转折点》，《经济学动态》2011年第9期。
[3]王宁：《基于劳动力迁移的城市规模增长研究》，经济管理出版社2018年版，第72—73、79页。
[4]蔡昉：《农业劳动力转移潜力耗尽了吗？》，《中国农村经济》2018年第9期。
[5]卢锋：《中国农民工工资走势：1979—2010》，《中国社会科学》2012年第7期。
[6]毛学峰、刘靖：《中国农民工工资：概念澄清与数据核准》，《北京社会科学》2016年第1期。
[7]刘林平、张春泥：《农民工工资：人力资本、社会资本、企业制度还是社会环境？——珠江三角洲农民工工资的决定模型》，《社会学研究》2007年第6期。
[8]刘士杰：《人力资本、职业搜寻渠道、职业流动对农民工工资的影响——基于分位数回归和OLS回归的实证分析》，《人口学刊》2011年第5期。
[9]中国人民银行成都分行调查统计处课题组：《对四川省农民工工资水平及其影响因素的调查》，《西南金融》2011年第5期。
[10]江金启、张广胜、杨肖丽：《异质性培训、技能分化与农民工的工资收入决定》，《农业技术经济》2016年第10期。
[11]蒯鹏州、王明华、张丽丽：《“民工荒”视角下的农民工工资决定机制及其影响研究》，《农业现代化研究》2015年第3期。
[12]张春泥、谢宇：《同乡的力量：同乡聚集对农民工工资收入的影响》，《社会》2013年第1期。
[13]王春超、张玲、周先波：《社会关系网为什么能提升农民工工资》，《统计研究》2017年第2期。
[14]张敏：《工作技能培训对农民工工资的影响研究》，《湖北社会科学》2017年第5期。
[15]卢海阳、郑旭媛：《禀赋差异、议价能力与农民工工资——来自中国劳动力动态调查的证据》，《农业技术经济》2019年第6期。
[16]黄乾：《两种就业类型农民工工资收入差距的比较研究》，《财经问题研究》2009年第6期。
[17]李超海：《农民工工资结构的地区差异——以珠三角、长三角地区企业农民工为例》，《南方经济》2015年第11期。
[18]李明艳、武岩、马贤磊：《农民工工资决定机制及性别差异研究》，《浙江学刊》2017年第3期。 [19]邢春冰：《农民工与城镇职工的收入差距》，《管理世界》2008年第5期。
[20]田丰：《城市工人与农民工的收入差距研究》，《社会学研究》2010年第2期。
[21]陈珣、徐舒：《农民工与城镇职工的工资差距及动态同化》，《经济研究》2014年第10期。
[22]Brown R S，Moon M，Zoloth B S.：“Incorporating Occupational Attainment in Studies of Malefemale Differentials”，The Journal of Human Resources，Vol.15，No.1，1980，pp.3-28.
[23]Cotton J.：“On the Decomposition of Wage Differentials”，Review of Economics and Statistics，Vol.70，No.5，1988，pp.236-243.
[24]Oaxaca R.：“MaleFemale Wage Differentials in Urban Labor Markets”，International Economic Review，Vol.14，No.3，1973，pp.693-790.
[25]Machado J，Mata J.：“Counterfactual Decompositions of Changes in Wage Distributions Using Quantile Regression”，Journal of Applied Econometrics，Vol.20，No.4，2005，pp.445-465.
[26]邢春冰、羅楚亮：《农民工与城镇职工的收入差距——基于半参数方法的分析》，《数量经济技术经济研究》2009年第10期。
[27]谢嗣胜、姚先国：《农民工工资歧视的计量分析》，《中国农村经济》2006年第4期。
[28]邓曲恒：《城镇居民与流动人口的收入差异——基于OaxacaBlinder和Quantile方法的分解》，《中国人口科学》2007年第2期。
[29]国务院发展研究中心课题组：《农民工市民化：制度创新与顶层设计》，中国发展出版社2011年版，第13页。
[30]王震：《基于分位数回归分解的农民工性别工资差异研究》，《世界经济文汇》2010年第4期。
[31]周春芳、苏群：《我国农民工与城镇职工就业质量差异及其分解——基于RIF无条件分位数回归的分解法》，《农业技术经济》2018年第6期。
[32]阮敬、丁琳、纪宏：《收入分布视角下的收入分配研究》，《数理统计与管理》2018年第1期。
[33]李晓峰、王晓方、高旺盛：《北京市农民工工资差异分解分析》，《农业经济问题》2010年第2期。
[34]冯毅、李实：《农民工的工资差距及其变动》，《中国经济问题》2013年第4期。
[35]邓曲恒、王亚柯：《农民工的工作条件与工资收入：以补偿化工资差异为视角》，《南开经济研究》2013年第6期。
[36]冯虹、魏士洲：《浅谈从收入分配入手解决在京农民工问题》，《北京联合大学学报（人文社会科学版）》2008年第1期。
[37]严善平：《中国大城市劳动力市场的结构转型——对2003年、2009年上海就业调查的实证分析》，《管理世界》2011年第9期。
The Impact Factors and Differences of Migrant Workers’
Wages in China’s Lessdeveloped Regions
——Based on Comparative Study of Sichuan Province， Beijing and Countrywide Data
LI Xiaofeng1， HUANG Xing1，2
（1.College of Economics and Management， China Agricultural University， Rural Leisure Tourism and Risk
Management Research Center， Beijing 100083， China; 2. School of Land Resources，
China West Normal University， Nanchong 637009， China）
Abstract： China’s urbanization mainly depends on the citizenization of agricultural migrant population， and the root is to achieve the economic capacity of migrant workers. The less-developed regions with outflow pattern become the main source of urbanization population. Based on the survey data of migrant workers of Sichuan province in 2013， together with the survey data of Beijing and CHIP2013 data， using comparative method， through econometrics methods as Multiple Linear Regression， Mincer income function， Gini coefficient decomposition， Theil index decomposition and Quantile Regression， this article analyzes the impact factors of migrant workers’ wages and the differences in Sichuan province， and those cases at the same time in Beijing， in China， or of urban registered labors. The results show that accommodation， training， post， industry and work experience are the dominant factors affecting the wages of migrant workers in Sichuan， and appear certain differences compared with those about Beijing and the national average. Moreover， for migrant workers in Sichuan province， working experience still makes leading impacts on wage differences， while post， training and education have great significant impacts on wages. Then based on the above analysis， this paper puts forward some suggestions for migrant workers themselves in Sichuan and relevant government departments.
Key words：wages of migrant workers; impact factors; differences of wages; comparative study
（责任编辑刘永俊）
[收稿日期]2019-07-30
[基金项目]中央高校基本科研业务费专项基金“迁移模式对农民工消费的影响研究”（项目编号：2018TC047）;西华师范大学英才基金“深度城市化下基于工资影响的农民工动态演进研究”（项目编号：17YC107）。
[作者简介]李晓峰（1978—），男，天津人，中国农业大学经济管理学院副教授、博士生导师;黄星 （1979—），女，四川南充人，中国农业大学经济管理学院博士研究生，西华师范大学国土资源学院副教授。