论文部分内容阅读
摘要：通过对某市毕业生的社保数据建立双重差分模型，分析了毕业生收入水平的变动情况及影响因素。研究结果表明，男性毕业生收入普遍高于女性毕业生，这主要是因为性别歧视因素导致的，2006—2011年间歧视因素不显著，收入差距也不大。而2011—2018年间歧视因素表现为显著，由于存在较大的歧视因素，女性毕业生收入也显著低于男性。高学历，双一流院校的毕业生普遍获得更高的收入，籍贯因素对毕业生收入水平影响程度较小。在就业市场中，男女性别因素影响持续存在，近年来性别歧视影响显著，且非双一流学生、女性毕业生的收入在就业市场中相对较低。
关键词：双重差分模型;毕业生收入;性别歧视;政府决策
中图分类号：F241
文献标志码：A
收稿日期：2020-08-28
基金项目：
国家社科基金项目（批准号：2019BTJ028）资助。
通信作者：
李莉莉，女，博士，教授，主要研究方向为统计调查与预测等。E-mail：lili_lee2003@126.com
自上世纪90年代以来，为适应经济的高速发展，中国进行了一系列改革。其中，如何进行教育投资是重中之重的问题。Dominitz [1]认为，收入是决定教育投资决策的关键性因素。Manski[2]指出，在理性预期模型下，如果个人拥有不同情境中市场工资水平的完美信息，那么就能通过这些信息做出对未来的无偏预测;而适应性预期模型假设个人掌握的信息是有限的，人们对工资的预期就可能存在偏差。经济学家们更倾向于搜集和分析确凿的数据，而对预期数据的估计研究较为匮乏。从现有的研究结果来看，对预期收入的影响因素，如何影响预期收入，将成为关注的重点。国内的经济学家对收入的研究集中于性别差异、职业差异、地域差异、背景差异等等因素。在性别差异方面，叶文振等[3]通过研究发现女性的就业水平和工资水平确实比男性要低;曾湘泉[4]认为，大学生就业困难的问题主要受到就业环境和大学生自身条件的影响;曹星[5]等通过问卷调查的方式得出大学生就业的性别差异问题，男女毕业生起薪差距较大。毕业生收入水平和很多因素有千丝万缕的关系，唐诗潮[6]指出当前大学生普遍就业困难，郑彩玲[7]给出了当今女大学生就业受到歧视问题的分析。葛玉好[8]定量的分析了大学生的性别歧视问题。通过对影响毕业生收入因素的定性定量的分析给出相应的解决方案，为中国目前面临大学生普遍就业难，就业情况不符合预期的情况提供了数据和理论的解决办法。纵观国内外经济学家对毕业生的收入分析，数据来源大多是调查问卷或是统计年鉴，较少的考虑了对大量数据的统计分析;同时，样本量集中在2～3年，没有多年的样本比较;本文在对影响毕业生收入进行分析时，采用了大量数据，研究涉及性别、籍贯、教育水平等因素，同时关注了2006—2018年时间跨度的收入样本，并对年份收入数据进行双重差分模型的分析，以此进行男女收入情况的判断，达到研究高校毕业生收入水平因素的目的。
1 双重差分（DID）分析模型选择及变量设定
1.1 双重差分分析（DID）简介
要考虑性别歧视是否对毕业生工资差异带来了显著性的变化，就是要选出不同年度的男女收入数据，来对照收入的变化。如果评价目标是Yi，则第一次差分，第二次差分和处理效应
ΔY|（treat=1），ΔY|（treat=0） （第一次差分）（1）
ΔY|（treat=1）-ΔY|（treat=0）（第二次差分）（2）
估计E（ΔY|（treat=1））-E（ΔY|（treat=0）），其中，E表示求期望，当treat=1，t=1即表示处理组在执行某项政策之后的处理效应，因此可以对毕业生收入建立回归方程
Yit=β0+β1treat+β2t+β3treat×t+uit，treat=0，1。t=0，1。i=1，…，N（3）
其中，Y为评价目标值，即毕业生收入;treat=1，0表示处理组和对照组，在这里分别代表性别女和性别男;t=1，0表示执行某项政策之后和之前，在这里分别代表双一流和非双一流院校，只有treat，t=1时，treat×t项才存在，文中代表院校差异与性别差异的双重差分作用;β0、β1、β2、β3是回归系数，β3是执行某政策之后的处理效应系数;如果β3的估计量显著不等于零，说明处理效应存在，即执行某项政策制后，评价目标有显著变化;uit是随机误差项，代表影响评价目标Yit变化的众多微小因素。对于经济问题，常用ΔLnW的值作比较[9]，因此本文将收入数据经过对数处理后再进行分析。
根据DID模型的设置，由于近年来某市的人口政策、人口组成、教育水平并未发生颠覆性改变或者强烈震荡，因此可以使用DID模型进行分析比较[10]，且各年份之间的数据具有参考对比的作用。
1.2 变量解释说明
数据采用的是某市人社局2006—2018年高校毕业生的社保数据作为研究目标，由于人社局调查的数据具有完整性、真实性，因此只需要筛选缺失数据，筛选异常数据后，对数据进行处理后选取性别、年龄，户籍等5个指标，最终归纳为个体特征[11]，家庭情况，教育情况3个维度作为解释变量，其中性别为男性设置为0，女性设置为1;非某市户籍设置为0，某市户籍设置为1;非双一流大学毕业生设置为0，双一流大学毕业生设置为1;受教育年限，年龄按实际时间填写[12]。
2 数据来源与数据基本分析
2.1 数据来源
本文采用的是某市人社局2006—2018年高校毕业生的社保数据共500余万条。通过对样本进行预处理，删除信息不完整数据后，共计有效数据3 679 633条。数据内容包括了性别、收入、生源地、工作年限等多个方面的信息。對变量的频率进行描述性统计，选取性别、户籍、毕业院校等指标，可以对比分析不同年份数据之间的差异。对被调查者的个体特征、教育情况的频率统计，得到结果男女比例每年基本稳定，男女比例接近1∶1;某市户籍毕业生与非某市户籍毕业生比例也在6∶4比例稳定;双一流大学与非双一流大学毕业生的比例为接近1∶9。 关于变量的选取问题，在实证的过程中，本文曾经选取过多个相关变量进行实证分析，本文所展示的指标为筛选过后效果最佳的指标组合，其他指标组合不如该组合的解释效果优秀。
2.2 男女、教育程度、院校收入的差异度
世界经济论坛最新报告显示，2019年以来经济快速发展，然而男女的性别歧视问题并没有得到缓解。性别差异也是本文研究收入差异的重要因素之一，双重差分模型可以对这种问题进行有效的研究[13-14]，因此，接下来对性别、教育程度、院校差异和收入水平按年度数据进行简单统计分析，结果见表1。
某市毕业生在2006—2018年期间，男女社保实现稳步增长。其中男性收入从1 148.43元增长到4 080.89元，增幅达到355.34%。女性社保由1 085.47元增长到3 650.07元，增幅达到336.26%。男女社保环比增长率一直保持稳定，在8%～14%期间波动。经过男女社保均值t检验，发现p<0.05，有显著差异;社保增长的差值p<0.05，证明男女社保增长速度有显著差异，男性增长速度显著高于女性。
不同學历间收入差异也是影响毕业生收入的重要因素，同时提高学历也是大众普遍认为的提高收入的方法[15]。某市本科生毕业收入由1 086.87元增长到3 965.57元，硕士生收入由1 474.87元增长至5 221.73元，专科生收入由949.86元增长至3 507.77元，收入齐性检验p值为0.57，方差分析F统计量的p值为0.083，在10%拒绝域的基础上可以认为三者收入存在差异。多重比较结果显示，硕士生与本科生、本科生与专科生之间在0.1的显著性水平下可认为无明显差异，收入差异主要发生在硕士生与专科生间。
不同院校间收入差距，是对院校等级，教育水平在一定层次上的直观反应。某市双一流院校毕业生收入一直保持“高收入，高增长”的态势稳步前进， 2006—2018年，平均社保由1 515.33元增长至5 305.37元;相比较而言，非双一流毕业生的平均收入则略显不足：虽也保持稳定步幅增长，但从2006年的1 050元起，到2018年平均也只有3 745.51元，增长率逐年降低，在2018年时与双一流院校毕业生的平均收入差距更是达到了1559.85元之多。其中平均收入的t检验（p=0.000），社保增幅的t检验（p=0.011）的结果也说明二者在平均收入和社保涨幅方面差异都十分显著。
3 毕业生收入的影响因素
为了对某地区毕业生的收入差异水平进行阶段性的分析，挑选出2006—2018年的收入数据进行DID分解，考虑性别因素，得到表2数据[16]。由收入栏来看，毕业生收入水平呈现逐渐升高的趋势。而性别栏数值均为负数，且影响均显著，女性毕业生普遍收入低于男性毕业生。双一流因素表现为显著的正值，说明双一流院校毕业生收入普遍高于非双一流院校的毕业生。双重差分一栏，以2011年为分界线，2011年以前性别因素对毕业生收入只有微弱影响，而从2011年起，双重差分影响逐渐增大，性别歧视为显著的负向影响，从-0.042 7增加到-0.088 3，性别歧视逐年扩大，女性毕业生在就业市场受到越来越严重的歧视。
从数值上来看，性别带来的收入差距一直稳定在-0.04～-0.08之间，毕业院校带来的影响也基本稳定在0.2～0.35之间，而性别歧视的数值却在近年逐渐增加，说明性别影响收入的情况逐渐明显，使女性收入显著低于男性。由于毕业生的收入水平与很多影响因素息息相关[17]。表3为更全面的毕业生收入分析结果，各因素影响收入效果不一。其中性别、院校、户籍、教育年限因素表现为稳定且显著的影响因素，说明毕业生收入确实和这些因素紧密相关。
女性在2006—2018年间基本保持稳定低于男性0.06左右的收入水平，只有在2016年男女因性别因素带来的收入差距不明显。院校方面，双一流院校毕业生收入显著高于非双一流毕业生收入，仅仅在个别年份二者差距不大。教育年限的数据则表示，拥有较高受教育年限的毕业生通常有较高的收入，且这种影响表现较为稳定。不同城市的毕业生也会有着不同的收入[18]，户籍数据显示负值，说明非某市的毕业生收入普遍高于某市毕业生收入，毕业生的籍贯因素会稍微影响一定的毕业生的收入水平。
表3给出了双重差分的影响，直观上来说，以2011年为分界线，2011年以前性别歧视只起了较小的影响，2011年以后性别因素影响收入水平较为显著。这也和社会发展，经济形势有所关联[19]，市场对男性劳动力需求较大，同时会匹配较高的收入水平，男性毕业生也会获得更高的生活满意度[20]。
4 结论及建议
本文基于DID模型对某地区毕业生收入问题进行分析。2006—2018年，某市毕业生收入水平实现了大幅提升，但性别因素带来的收入不平衡问题一直存在。首先，性别门槛不断提高。2019年男女收入差距进一步扩大，女性受到更严重的就业歧视。其次，教育水平对收入有显著影响。非双一流院校与双一流院校毕业生的收入有显著的差距，即使院校相同，拥有较高受教育年限的毕业生也会获得较高的收入。再次，毕业生收入受户籍影响关系较小。某市2006—2018年毕业生收入与毕业生的户籍关系不大，非某市毕业生收入略高于某市毕业生收入。说明某市用人单位贯彻了以人为本，以能力为本的宗旨，较好地匹配了毕业生的收入和能力。同时，性别对收入的影响仍然存在。男女收入表现为稳定的差距，女性收入普遍低于男性。要想解决毕业生收入差距的歧视问题，打破就业性别歧视，增加就业市场的接纳能力，补充人才引进机制，通过激励手段鼓励毕业生就业。大学生们还要不断提高自己的知识能力技能，以实现自己的就业理想。学校和政府方面，要加强就业引导，使就业渠道信息通畅，使得信息对称高效流通，引导学生树立正确的就业观和择业观，帮助学生进行职业决策。 参考文献
[1]DOMINITZ J， MANSKI C F. Eliciting student expectations of the returns to schooling[J].The Journal of Human Resources，1996， 31（1）：1-26.
[2]MANSKI C F. Adolescent econometricians： How do youth infer the returns to schooling？[J]. NBER Chapters， 1993， 41：1405-1435.
[3]叶文振，刘建华，夏怡然等.女大学生的“同民同工”[J].中国人口科学.2002（6）：57-61.
[4]曾湘泉.变革中的就业环境与中国大学生就业[J].经济研究.2004（6）：89-93.
[5]曹星，岳昌君.我国高校毕业生就业状况性别差异研究[J].高等教育研究，2010，31（1）：68-72.
[6]唐诗潮.当前我国大学生就业问题及对策研究[J].高教学刊，2018（16）：194-196.
[7]郑彩玲，林佳莲，陈銮元，等.高校女大学生就业性别歧视问题及其对策研究[J].中外企业家，2019（11）：212-214.
[8]葛玉好，邓佳盟，张帅.大学生就业存在性别歧视吗？——基于虚拟配对简历的方法[J].经济学（季刊），2018，17（4）：1289-1304.
[9]叶芳，王艳. 双重差分模型介绍及其应用[J]. 中国卫生统计，2013，30（2）：131-134.
[10] 陈林，伍海军.国内双重差分法的研究现状与潜在问题[J].数量经济技术经济研究，2015，32（7）：133-148.
[11] 刘瑞明，赵仁杰.匿名审稿制度推动了中国的经济学进步吗？——基于双重差分方法的研究[J]，经济学，2016，16（1）：174-200.
[12] 王庶，岳希明.退耕还林、非农就业与农民增收——基于21省面板数据的双重差分分析[J].经济研究，2017，52（4）：106-119.
[13] 周黎安，陈烨.中国农村税费改革的政策效果：基于双重差分模型的估计[J].经济研究，2005（8）：44-53.
[14] 刘华，陆炳静，王琳，朱晶.计划生育政策对农村出生人口性别比的影响——基于DID方法的实证检验[J].中国农村经济，2016（4）：70-80.
[15] 柳天恩，田學斌，曹洋.国家级新区影响地区经济发展的政策效果评估——基于双重差分法的实证研究[J].财贸研究，2019，30（6）：24-35.
[16] BERNARD M， FANKHNEL T， RIEDEL-HELLER S G. Does weight-related stigmatisation and discrimination depend on educational attainment and level of income？ A systematic review[J]. BMJ Open，2019，9（11）.
[17] 孙雪莹，吕学梁，张宗强.金融排斥水平测度及其对居民收入的影响——基于省级面板数据的分析[J].青岛大学学报（自然科学版），2017，30（2）：115-121.
[18] 杨瑞，张然，滕柯.乡村教育投资对城乡收入差距的影响研究——基于中国省际面板数据的经验估计[J].青岛大学学报（自然科学版），2020，33（1）：128-136.
[19] 国凡，孙毅.山东省城乡人力资本投资差异对城乡收入差距的影响[J].青岛大学学报（自然科学版），2016，29（1）：96-102.
[20] 吴翠红，吕学梁.收入差距与居民幸福感的关系研究[J].青岛大学学报（自然科学版），2020，33（2）：116-125.
Research on Influencing Factors of College Graduates’
Income Based on DID Model
WANG Xuan， LI Li-li
（School of Economics， Qingdao University， Qingdao 266100，China）
Abstract：
Based on the social security data of graduates in a city， a difference-in-differences model was established to analyze the changes in the income level of graduates and the influencing factors. The results show that， firstly， the income of male graduates is generally higher than that of female graduates， which is mainly due to gender discrimination. During 2006-2011， the discrimination factor is not significant， and the income gap is also small. In 2011-2018， the discrimination factor is significant， and the income of female graduates is also significantly lower than that of men. Secondly， the graduates of high education， double first-class institutions generally get higher income， and the native place factor has less influence on the income. In the employment market， the influence of gender factors continues to exist， and the influence of gender discrimination is significant in recent years， and the income of non double first-class students and female graduates is relatively low in the employment market.
Keywords：
difference-in-differences model; graduates income; gender discrimination; government decision-making
关键词：双重差分模型;毕业生收入;性别歧视;政府决策
中图分类号：F241
文献标志码：A
收稿日期：2020-08-28
基金项目：
国家社科基金项目（批准号：2019BTJ028）资助。
通信作者：
李莉莉，女，博士，教授，主要研究方向为统计调查与预测等。E-mail：lili_lee2003@126.com
自上世纪90年代以来，为适应经济的高速发展，中国进行了一系列改革。其中，如何进行教育投资是重中之重的问题。Dominitz [1]认为，收入是决定教育投资决策的关键性因素。Manski[2]指出，在理性预期模型下，如果个人拥有不同情境中市场工资水平的完美信息，那么就能通过这些信息做出对未来的无偏预测;而适应性预期模型假设个人掌握的信息是有限的，人们对工资的预期就可能存在偏差。经济学家们更倾向于搜集和分析确凿的数据，而对预期数据的估计研究较为匮乏。从现有的研究结果来看，对预期收入的影响因素，如何影响预期收入，将成为关注的重点。国内的经济学家对收入的研究集中于性别差异、职业差异、地域差异、背景差异等等因素。在性别差异方面，叶文振等[3]通过研究发现女性的就业水平和工资水平确实比男性要低;曾湘泉[4]认为，大学生就业困难的问题主要受到就业环境和大学生自身条件的影响;曹星[5]等通过问卷调查的方式得出大学生就业的性别差异问题，男女毕业生起薪差距较大。毕业生收入水平和很多因素有千丝万缕的关系，唐诗潮[6]指出当前大学生普遍就业困难，郑彩玲[7]给出了当今女大学生就业受到歧视问题的分析。葛玉好[8]定量的分析了大学生的性别歧视问题。通过对影响毕业生收入因素的定性定量的分析给出相应的解决方案，为中国目前面临大学生普遍就业难，就业情况不符合预期的情况提供了数据和理论的解决办法。纵观国内外经济学家对毕业生的收入分析，数据来源大多是调查问卷或是统计年鉴，较少的考虑了对大量数据的统计分析;同时，样本量集中在2～3年，没有多年的样本比较;本文在对影响毕业生收入进行分析时，采用了大量数据，研究涉及性别、籍贯、教育水平等因素，同时关注了2006—2018年时间跨度的收入样本，并对年份收入数据进行双重差分模型的分析，以此进行男女收入情况的判断，达到研究高校毕业生收入水平因素的目的。
1 双重差分（DID）分析模型选择及变量设定
1.1 双重差分分析（DID）简介
要考虑性别歧视是否对毕业生工资差异带来了显著性的变化，就是要选出不同年度的男女收入数据，来对照收入的变化。如果评价目标是Yi，则第一次差分，第二次差分和处理效应
ΔY|（treat=1），ΔY|（treat=0） （第一次差分）（1）
ΔY|（treat=1）-ΔY|（treat=0）（第二次差分）（2）
估计E（ΔY|（treat=1））-E（ΔY|（treat=0）），其中，E表示求期望，当treat=1，t=1即表示处理组在执行某项政策之后的处理效应，因此可以对毕业生收入建立回归方程
Yit=β0+β1treat+β2t+β3treat×t+uit，treat=0，1。t=0，1。i=1，…，N（3）
其中，Y为评价目标值，即毕业生收入;treat=1，0表示处理组和对照组，在这里分别代表性别女和性别男;t=1，0表示执行某项政策之后和之前，在这里分别代表双一流和非双一流院校，只有treat，t=1时，treat×t项才存在，文中代表院校差异与性别差异的双重差分作用;β0、β1、β2、β3是回归系数，β3是执行某政策之后的处理效应系数;如果β3的估计量显著不等于零，说明处理效应存在，即执行某项政策制后，评价目标有显著变化;uit是随机误差项，代表影响评价目标Yit变化的众多微小因素。对于经济问题，常用ΔLnW的值作比较[9]，因此本文将收入数据经过对数处理后再进行分析。
根据DID模型的设置，由于近年来某市的人口政策、人口组成、教育水平并未发生颠覆性改变或者强烈震荡，因此可以使用DID模型进行分析比较[10]，且各年份之间的数据具有参考对比的作用。
1.2 变量解释说明
数据采用的是某市人社局2006—2018年高校毕业生的社保数据作为研究目标，由于人社局调查的数据具有完整性、真实性，因此只需要筛选缺失数据，筛选异常数据后，对数据进行处理后选取性别、年龄，户籍等5个指标，最终归纳为个体特征[11]，家庭情况，教育情况3个维度作为解释变量，其中性别为男性设置为0，女性设置为1;非某市户籍设置为0，某市户籍设置为1;非双一流大学毕业生设置为0，双一流大学毕业生设置为1;受教育年限，年龄按实际时间填写[12]。
2 数据来源与数据基本分析
2.1 数据来源
本文采用的是某市人社局2006—2018年高校毕业生的社保数据共500余万条。通过对样本进行预处理，删除信息不完整数据后，共计有效数据3 679 633条。数据内容包括了性别、收入、生源地、工作年限等多个方面的信息。對变量的频率进行描述性统计，选取性别、户籍、毕业院校等指标，可以对比分析不同年份数据之间的差异。对被调查者的个体特征、教育情况的频率统计，得到结果男女比例每年基本稳定，男女比例接近1∶1;某市户籍毕业生与非某市户籍毕业生比例也在6∶4比例稳定;双一流大学与非双一流大学毕业生的比例为接近1∶9。 关于变量的选取问题，在实证的过程中，本文曾经选取过多个相关变量进行实证分析，本文所展示的指标为筛选过后效果最佳的指标组合，其他指标组合不如该组合的解释效果优秀。
2.2 男女、教育程度、院校收入的差异度
世界经济论坛最新报告显示，2019年以来经济快速发展，然而男女的性别歧视问题并没有得到缓解。性别差异也是本文研究收入差异的重要因素之一，双重差分模型可以对这种问题进行有效的研究[13-14]，因此，接下来对性别、教育程度、院校差异和收入水平按年度数据进行简单统计分析，结果见表1。
某市毕业生在2006—2018年期间，男女社保实现稳步增长。其中男性收入从1 148.43元增长到4 080.89元，增幅达到355.34%。女性社保由1 085.47元增长到3 650.07元，增幅达到336.26%。男女社保环比增长率一直保持稳定，在8%～14%期间波动。经过男女社保均值t检验，发现p<0.05，有显著差异;社保增长的差值p<0.05，证明男女社保增长速度有显著差异，男性增长速度显著高于女性。
不同學历间收入差异也是影响毕业生收入的重要因素，同时提高学历也是大众普遍认为的提高收入的方法[15]。某市本科生毕业收入由1 086.87元增长到3 965.57元，硕士生收入由1 474.87元增长至5 221.73元，专科生收入由949.86元增长至3 507.77元，收入齐性检验p值为0.57，方差分析F统计量的p值为0.083，在10%拒绝域的基础上可以认为三者收入存在差异。多重比较结果显示，硕士生与本科生、本科生与专科生之间在0.1的显著性水平下可认为无明显差异，收入差异主要发生在硕士生与专科生间。
不同院校间收入差距，是对院校等级，教育水平在一定层次上的直观反应。某市双一流院校毕业生收入一直保持“高收入，高增长”的态势稳步前进， 2006—2018年，平均社保由1 515.33元增长至5 305.37元;相比较而言，非双一流毕业生的平均收入则略显不足：虽也保持稳定步幅增长，但从2006年的1 050元起，到2018年平均也只有3 745.51元，增长率逐年降低，在2018年时与双一流院校毕业生的平均收入差距更是达到了1559.85元之多。其中平均收入的t检验（p=0.000），社保增幅的t检验（p=0.011）的结果也说明二者在平均收入和社保涨幅方面差异都十分显著。
3 毕业生收入的影响因素
为了对某地区毕业生的收入差异水平进行阶段性的分析，挑选出2006—2018年的收入数据进行DID分解，考虑性别因素，得到表2数据[16]。由收入栏来看，毕业生收入水平呈现逐渐升高的趋势。而性别栏数值均为负数，且影响均显著，女性毕业生普遍收入低于男性毕业生。双一流因素表现为显著的正值，说明双一流院校毕业生收入普遍高于非双一流院校的毕业生。双重差分一栏，以2011年为分界线，2011年以前性别因素对毕业生收入只有微弱影响，而从2011年起，双重差分影响逐渐增大，性别歧视为显著的负向影响，从-0.042 7增加到-0.088 3，性别歧视逐年扩大，女性毕业生在就业市场受到越来越严重的歧视。
从数值上来看，性别带来的收入差距一直稳定在-0.04～-0.08之间，毕业院校带来的影响也基本稳定在0.2～0.35之间，而性别歧视的数值却在近年逐渐增加，说明性别影响收入的情况逐渐明显，使女性收入显著低于男性。由于毕业生的收入水平与很多影响因素息息相关[17]。表3为更全面的毕业生收入分析结果，各因素影响收入效果不一。其中性别、院校、户籍、教育年限因素表现为稳定且显著的影响因素，说明毕业生收入确实和这些因素紧密相关。
女性在2006—2018年间基本保持稳定低于男性0.06左右的收入水平，只有在2016年男女因性别因素带来的收入差距不明显。院校方面，双一流院校毕业生收入显著高于非双一流毕业生收入，仅仅在个别年份二者差距不大。教育年限的数据则表示，拥有较高受教育年限的毕业生通常有较高的收入，且这种影响表现较为稳定。不同城市的毕业生也会有着不同的收入[18]，户籍数据显示负值，说明非某市的毕业生收入普遍高于某市毕业生收入，毕业生的籍贯因素会稍微影响一定的毕业生的收入水平。
表3给出了双重差分的影响，直观上来说，以2011年为分界线，2011年以前性别歧视只起了较小的影响，2011年以后性别因素影响收入水平较为显著。这也和社会发展，经济形势有所关联[19]，市场对男性劳动力需求较大，同时会匹配较高的收入水平，男性毕业生也会获得更高的生活满意度[20]。
4 结论及建议
本文基于DID模型对某地区毕业生收入问题进行分析。2006—2018年，某市毕业生收入水平实现了大幅提升，但性别因素带来的收入不平衡问题一直存在。首先，性别门槛不断提高。2019年男女收入差距进一步扩大，女性受到更严重的就业歧视。其次，教育水平对收入有显著影响。非双一流院校与双一流院校毕业生的收入有显著的差距，即使院校相同，拥有较高受教育年限的毕业生也会获得较高的收入。再次，毕业生收入受户籍影响关系较小。某市2006—2018年毕业生收入与毕业生的户籍关系不大，非某市毕业生收入略高于某市毕业生收入。说明某市用人单位贯彻了以人为本，以能力为本的宗旨，较好地匹配了毕业生的收入和能力。同时，性别对收入的影响仍然存在。男女收入表现为稳定的差距，女性收入普遍低于男性。要想解决毕业生收入差距的歧视问题，打破就业性别歧视，增加就业市场的接纳能力，补充人才引进机制，通过激励手段鼓励毕业生就业。大学生们还要不断提高自己的知识能力技能，以实现自己的就业理想。学校和政府方面，要加强就业引导，使就业渠道信息通畅，使得信息对称高效流通，引导学生树立正确的就业观和择业观，帮助学生进行职业决策。 参考文献
[1]DOMINITZ J， MANSKI C F. Eliciting student expectations of the returns to schooling[J].The Journal of Human Resources，1996， 31（1）：1-26.
[2]MANSKI C F. Adolescent econometricians： How do youth infer the returns to schooling？[J]. NBER Chapters， 1993， 41：1405-1435.
[3]叶文振，刘建华，夏怡然等.女大学生的“同民同工”[J].中国人口科学.2002（6）：57-61.
[4]曾湘泉.变革中的就业环境与中国大学生就业[J].经济研究.2004（6）：89-93.
[5]曹星，岳昌君.我国高校毕业生就业状况性别差异研究[J].高等教育研究，2010，31（1）：68-72.
[6]唐诗潮.当前我国大学生就业问题及对策研究[J].高教学刊，2018（16）：194-196.
[7]郑彩玲，林佳莲，陈銮元，等.高校女大学生就业性别歧视问题及其对策研究[J].中外企业家，2019（11）：212-214.
[8]葛玉好，邓佳盟，张帅.大学生就业存在性别歧视吗？——基于虚拟配对简历的方法[J].经济学（季刊），2018，17（4）：1289-1304.
[9]叶芳，王艳. 双重差分模型介绍及其应用[J]. 中国卫生统计，2013，30（2）：131-134.
[10] 陈林，伍海军.国内双重差分法的研究现状与潜在问题[J].数量经济技术经济研究，2015，32（7）：133-148.
[11] 刘瑞明，赵仁杰.匿名审稿制度推动了中国的经济学进步吗？——基于双重差分方法的研究[J]，经济学，2016，16（1）：174-200.
[12] 王庶，岳希明.退耕还林、非农就业与农民增收——基于21省面板数据的双重差分分析[J].经济研究，2017，52（4）：106-119.
[13] 周黎安，陈烨.中国农村税费改革的政策效果：基于双重差分模型的估计[J].经济研究，2005（8）：44-53.
[14] 刘华，陆炳静，王琳，朱晶.计划生育政策对农村出生人口性别比的影响——基于DID方法的实证检验[J].中国农村经济，2016（4）：70-80.
[15] 柳天恩，田學斌，曹洋.国家级新区影响地区经济发展的政策效果评估——基于双重差分法的实证研究[J].财贸研究，2019，30（6）：24-35.
[16] BERNARD M， FANKHNEL T， RIEDEL-HELLER S G. Does weight-related stigmatisation and discrimination depend on educational attainment and level of income？ A systematic review[J]. BMJ Open，2019，9（11）.
[17] 孙雪莹，吕学梁，张宗强.金融排斥水平测度及其对居民收入的影响——基于省级面板数据的分析[J].青岛大学学报（自然科学版），2017，30（2）：115-121.
[18] 杨瑞，张然，滕柯.乡村教育投资对城乡收入差距的影响研究——基于中国省际面板数据的经验估计[J].青岛大学学报（自然科学版），2020，33（1）：128-136.
[19] 国凡，孙毅.山东省城乡人力资本投资差异对城乡收入差距的影响[J].青岛大学学报（自然科学版），2016，29（1）：96-102.
[20] 吴翠红，吕学梁.收入差距与居民幸福感的关系研究[J].青岛大学学报（自然科学版），2020，33（2）：116-125.
Research on Influencing Factors of College Graduates’
Income Based on DID Model
WANG Xuan， LI Li-li
（School of Economics， Qingdao University， Qingdao 266100，China）
Abstract：
Based on the social security data of graduates in a city， a difference-in-differences model was established to analyze the changes in the income level of graduates and the influencing factors. The results show that， firstly， the income of male graduates is generally higher than that of female graduates， which is mainly due to gender discrimination. During 2006-2011， the discrimination factor is not significant， and the income gap is also small. In 2011-2018， the discrimination factor is significant， and the income of female graduates is also significantly lower than that of men. Secondly， the graduates of high education， double first-class institutions generally get higher income， and the native place factor has less influence on the income. In the employment market， the influence of gender factors continues to exist， and the influence of gender discrimination is significant in recent years， and the income of non double first-class students and female graduates is relatively low in the employment market.
Keywords：
difference-in-differences model; graduates income; gender discrimination; government decision-making