工资差距分解方法之述评

*葛玉好，中国人民大学劳动人事学院，Email：，通讯地址：北京市海淀区中关村大街59号劳动人事学院，邮政编码：100872；赵媛媛，中国人民大学劳动人事学院，Email：zhaoyuanyuan945 。本文为教育部人文社会科学研究项目“中国城镇地区性别工资差距研究”的阶段性成果，项目批准号为09YJC790252。作者感谢教育部人文社会科学研究基金的资助。感谢匿名审稿人的宝贵修改意见，文责自负。

摘要 工资差距分解方法是一种非常重要的实证研究方法。本文对文献中出现的多种工资差距分解方法进行了系统的梳理，不仅讨论了各种方法的缺陷和使用范围，还说明了新方法和老方法之间的传承关系，以及新方法对老方法所做出的改进。本文涉及的分解方法有Oaxaca分解、Cotton分解、Neumark分解、Brown分解、Appleton分解和分位数分解等等。

关键词 工资差距分解方法 指数基准 选择性偏差

一、引言

工资差距分解方法是经济学实证研究中经常使用的方法，它把两个群体的工资差距分解为各种因素的影响程度之和。通过工资差距分解方法，研究者可以得出每种因素对工资差距影响的重要性，进而可以分析哪些因素对工资差距起决定性作用。工资差距分解方法最早用于研究男性和女性的工资差距，后来还被用于研究其他关于两个群体之间的工资差距问题，如黑人和白人的工资差距、国有企业和非国有企业的工资差距等等。

在国际期刊上使用工资差距分解方法的文献数量众多，但在国内期刊上使用该方法的文献并不多。而且，在这些为数不多的文献中，有些研究者对工资差距分解方法的缺陷和使用范围不了解，得出的结论不让人信服。鉴于此类原因，本文将对文献中出现过的多种工资差距分解方法做系统的梳理，不仅分析各种分解方法的缺陷和使用范围，还会说明新方法和老方法之间的传承关系，以及新方法对老方法所做的改进。本文将会从最早的Oaxaca分解方法出发，依次介绍Cotton分解方法、Neumark分解方法、Brown分解方法、解决选择性偏差问题的分解方法、Appleton分解方法，最后是分位数分解方法。在介绍这些方法的时候，本文以性别工资差距为例。本文还会对使用这些方法的、与中国相关的研究做一些简单评述。

二、工资差距分解方法详述

（一） Oaxaca分解方法

Oaxaca分解方法是在Oaxaca（1973）中提出来的，主要用于研究两个群体在平均工资方面的差别，后发展为最经典的分解方法。Blinder（1973）给出的方法与Oaxaca分解方法相同，本文不再对其进行专门介绍。Oaxaca（1973）主要有两个研究目的，一个是度量歧视的程度，另一个是分析影响性别工资差距的各种因素的相对重要性。Oaxaca（1973）对歧视的定义式为：

D=WmWf-WmWf0WmWf0 （1）

其中下角标m指男性，f指女性，WmWf是现实的男女工资比率， WmWf0是无歧视情况下的男女工资比率。（1）式可改写为：

ln(D+1)=ln(WmWf)-lnWmWf0 （2）

现实的男女工资比率是已知的，要想估计D，只要估计WmWf0。但WmWf0是不可观察的，在没做进一步假设之前，不可能知道无歧视情况下的男女工资比率。Oaxaca（1973）对此做了两种假设。一种假设是，在无歧视情况下，女性面临的工资结构也适用于男性；另一种假设是，在无歧视情况下，男性面临的工资结构也适用于女性。为了估计男性和女性的工资结构，需要对男性和女性分别做Mincer方程回归。

lnW ―m=X ―mβ ∧m（3）

lnW ―f=X ―fβ ∧f（4）

X ―m和X ―f表示男女各种特征的平均值矩阵。 β ∧m和β ∧f表示男女估计系数的矩阵，它们代表男女的工资结构。男女可观察的总工资差异可以表示为：

lnW ―m-lnW ―f=X ―mβ ∧m-X ―fβ ∧f（5）

上式可写为以下两种形式：

lnW ―m-lnW ―f=X ―mβ ∧m-X ―fβ ∧f

=(X ―m-X ―f)β ∧f+X ―m(β ∧m-β ∧f) （6）

lnW ―m-lnW ―f=X ―mβ ∧m-X ―fβ ∧f

=(X ―m-X ―f)β ∧m+X ―f(β ∧m-β ∧f)（7）

为书写方便，令ΔX ―=X ―m-X ―f，Δβ ∧=β ∧m-β ∧f，（6）、（7）两式因而可简写为：

lnW ―m-lnW ―f=ΔX ―β ∧f+X ―mΔβ ∧ （8）

lnW ―m-lnW ―f=ΔX ―β ∧m+X ―fΔβ ∧ （9）

在Oaxaca（1973）给出的两种假设下，式（8）中的ΔX ―β ∧f和式（9）中的ΔX ―β ∧m代表的便是无歧视情况的男女工资比率，即lnWmWf0。通过它们，可以计算歧视的量化值D。在后来研究中，研究者很少汇报具体的D值，只是给出式（8）和式（9）分解结果的两部分，前一部分表示男女个人特征不同引起的工资差距，后一部分表示歧视引起的工资差距。其中，后一部分占总工资差距的比例用来度量歧视的程度。Oaxaca以后的分解方法大多沿用这种思路，如不做特殊说明，都使用第二部分的比例表示歧视程度。

Oaxaca分解方法在研究性别歧视时存在很多缺陷。第一，Oaxaca分解方法结果同加入解释变量的个数有关。一般来说，加入的个数越多，得到的歧视度量值越小。第二，Oaxaca分解存在高估歧视的可能。在一些不可观察的个人特征方面（如，身体条件、适应环境的能力等），男性可能会优于女性，但在Oaxaca分解中，这些因素全被归入到歧视。第三，Oaxaca分解也存在低估歧视的可能。男性和女性在一些可观察个人特征方面的差别本身就可能是歧视。以教育为例，受传统封建思想的影响，家庭在做出子女教育决策时，对女孩存在歧视，使女性平均受教育水平低于男性。但在Oaxaca分解中，这种歧视被“合理”化了，不再属于歧视的范畴。上述问题是工资差距分解方法的一些固有缺陷，很难克服。

Oaxaca分解方法还存在一些与自身分解过程相关的问题。第一，Oaxaca分解结果与分解次序有关。式（8）和式（9）两种不同的分解次序代表着两种关于无歧视情况下工资结构的假设。在原文中作者没有说明如何在这两种次序进行选择，而是把两种结果全部汇报。在某些情况下，这两种结果差别非常大。该问题在文献中被称为指数基准问题（index number problem）。第二，Oaxaca分解没有很好地解决男女在部门（行业或职业等）选择方面的差异。Oaxaca （1973）试图通过在Mincer方程中添加行业虚拟变量来解决这个问题，但并不理想。虚拟变量系数反应了男女在各行业平均工资的差别，而不是男女在行业选择行为方面的差别。第三，Oaxaca分解没有很好地解决选择性偏差问题关于选择性偏差问题，请参见Heckman（1979）。。不解决选择性偏差问题，实际上比较的是部分男性和部分女性的工资，由此得到的政策含义并不清楚。相对于上一段的Oaxaca分解缺陷，本段指出的问题比较容易克服。实际上，后来出现的各种工资差距分解方法目的就在于解决这些问题。

（二） Cotton分解方法

Cotton（1988）提出了一种新方法解决Oaxaca分解存在的指数基准问题。Cotton把歧视对性别工资差距的影响分成两部分：劳动力市场对男性的优惠和对女性的惩罚。Cotton仍然要面对的一个问题是，在歧视不存在的情况下，工资机制会怎么样。Cotton分析该问题的思路如下：首先，使用男性工资机制作为无歧视情况的工资机制过高，使用女性工资机制作为无歧视情况下的工资机制过低，合适的工资机制应该介于它们两者之间。其次，无歧视工资机制应该同男性和女性的工资机制存在一种函数关系。最后，男性（或女性）工资机制对无歧视工资机制的影响应跟他们的人口比例有关。综合考虑上述三个因素，Cotton最后给出的无歧视工资机制是男性和女性工资机制的加权平均数，权数为他们各自的人口比例。

下面用公式来表示Cotton分解方法。性别工资差距可以表示为：

ln(W ―m)-ln(W ―f)=X ―mβ ∧m-X ―fβ ∧f

=(X ―m-X ―f)β ∧*+X ―m(β ∧m-β ∧*)+X ―f(β ∧*-β ∧f)（10）

其中：

β ∧*=rmβ ∧m+rfβ ∧f

rm指劳动力市场上男性劳动者的比例；rf指女性劳动者的比例。工资差距被分成三部分，第一部分表示男女个人特征不同造成的工资差距，第二部分表示劳动力市场对男性的优惠，第三部分表示劳动力市场对女性的惩罚。后面两部分之和，类似于Oaxaca分解方法中由歧视造成的性别工资差距。总的来看，该方法不仅细化了歧视内容，还解决了Oaxaca分解中存在的指数基准问题。

Cotton分解方法仍然存在着缺陷。它的缺陷仍然在于对无歧视工资机制的选择上。Cotton的选择方法比较随意，主要靠作者的直觉，缺少理论支持。

（三） Neumark分解方法

Neumark （1988）也提出了一种分解方法，用于解决Oaxaca分解存在的指数基准问题。相对于Cotton（1988）、Neumark（1988）的优点是，它选择无歧视工资机制是以雇主歧视理论为依据的――雇用男性会使雇主获得正效用，雇用女性会使雇主获得负效用。Neumark指出，Oaxaca（1973）给出的两种假设实际上同歧视理论的两种特殊情况相对应。如果只考虑男性的正效用，得到（8）式；如果只考虑女性的负效用，得到（9）式。Neumark认为，如果同时考虑上述两种情况，无歧视工资机制应是把男女样本混合在一起估计出来的工资机制。此时，工资分解公式可表达为：

ln(W ―m)-ln(W ―f)=X ―mβ ∧m-X ―fβ ∧f

=(X ―m-X ―f)β ∧*+X ―m(β ∧m-β ∧*)+X ―f(β ∧*-β ∧f)（11）

其中β ∧*指把男女样本混合在一起估计出来的工资机制。后来，Oaxaca and Ransom （1994）证明，Neumark给出的无歧视工资机制仍然是男性和女性工资机制的加权平均，只不过是权数同Cotton的不同，新权数可用公式表示为：

β ∧*=Ωβ ∧m+(1-Ω)β ∧f

Ω=(X′X)-1(X′mXm)

X指男女样本汇总在一起的控制变量矩阵，Xm指男性样本的控制变量矩阵。该加权方法不仅考虑了男女劳动者的人口比例，还考虑了他们个人特征的影响程度。因为Neumark分解方法选择无歧视工资机制的思路是与雇主歧视理论相一致的，它比Cotton分解更科学。

（四） Brown分解方法

Brown et al.（1980）提出了一种方法专门研究男女就业部门不同对性别工资差距的影响，解决了Oaxaca分解在部门选择方面的缺陷。该方法的创新点是，在研究性别工资差距时，不仅考虑男女工资决定机制的不同，还考虑男女部门选择机制的不同。该方法包括以下几个步骤：首先，把男性和女性的工资表示成各部门就业概率和平均工资的乘积之和；其次，使用Mincer方程估计各部门的男女工资；再次，使用多元逻辑斯蒂（Multinomial Logit）方法估计男女的部门选择机制；最后，模拟无歧视情况下的工资机制和部门选择机制。为了更清楚地理解Brown分解，下面用公式来表达上述思路。

男女总工资差距可以表示为：

w ―m-w ―f=∑j(pmjw ―mj-pfjw ―fj)

=∑j pfj(w ―mj-w ―fj)+∑jw ―mj(pmj-pfj) （12）

（w ―i为对数工资的平均数； w ―ij为各部门的平均工资； pij为各部门的就业概率；i=m，f）

上式可继续分解为：

∑jw ―mj(pmj-pfj)=∑jw ―mj(pmj-p ~fj)+∑jw ―mj(p ~fj-pfj) （13）

∑j pfj(w ―mj-w ―fj)=∑j pfj(x ―mjβmj-x ―fjβfj)

=∑j pfj(x ―mj-x ―fj)βmj+∑j pfjx ―fj(βmj-βfj)（14）

把上述两式代入式（12），可以得到：

w ―m-w ―f=∑j pfj(x ―mj-x ―fj)βmj+∑j pfjx ―fj(βmj-βff)

+∑jw ―mj(pmj-p ~fj)+∑jw ―mj(p ~fj-pfj)（15）

p ~fj表示如果女性获得男性同等待遇时在各部门的就业概率。男女总工资差距被分成四大部分，其中∑j pfj(x ―mj-x ―fj)βmj为部门内可以被解释的工资差距；∑j pfjx ―fj(βmj-βfj)为部门内不能被解释的工资差距；∑jwmj(pmj-p ~fj)部门间可以被解释的工资差距；∑jwmj(p ~fj-pfj)部门间不能被解释的工资差距。

Brown分解主要解决了男女部门选择行为不同对性别工资差距的影响，其他方面的缺陷跟Oaxaca分解类似。例如，在估计行业选择方程时，选择变量的多少也会影响歧视程度。此外，它没有解决指数基准问题，也没有解决选择性偏差问题。在使用Brown分解时，还需要注意一个问题――Brown分解结果与部门个数有关，如果部门个数较少，通常会降低部门间各因素对总性别工资差距的影响。

（五） 解决选择性偏差问题的分解方法

Neuman and Oaxaca（2003）考虑的是，如何解决Oaxaca分解的选择性偏差问题。解决选择性偏差问题，一般使用Heckman两步法。假设劳动参与方程和工资决定方程分别由下述两式决定：

L*=Z′iγ+εi（16）

Yi=X′iβ+ui（17）

εi ui服从关于(0,0,σε,σu,ρ)的二元正态分布。如果只是研究已经参与劳动力市场的劳动者，他们的期望工资是：

E(Yi|L*>0)=X′iβ+E(ui|εi>-Z′iγ) （18）

E(Yi|L*>0)=X′iβ+E(ui|εi>-Z′iγ)

=X′iβ+θλi （19）

其中θ=ρ*σu，λi=φ(Z′iγ)/(Z′iγ)。此时总工资差距可以写为：

Y ―m-Y ―f=(X ―′mβm+θmλm)-(X ―′fβf+θfλf)

=X ―′f(βm-βf)+(X ―′m-X ―′f)βm+(θmλm-θfλf)（20）

前面两项跟传统的Oaxaca分解方法相同，困难是如何处理最后一项。一种最常见的处理方法是：

(Y ―m-Y ―f)-(θmλm-θfλf)=X ―′f(βm-βf)+(X ―′m-X ―′f)βm （21）

该方法的缺陷是，它不再是对现实中观察到的工资差距进行分解，而是对解决选择性偏差之后的工资差距进行分解。原文还给出了另外四种处理方法，这里不再一一介绍，有兴趣的读者可以参考原文。

（六） Appleton分解方法

Brown分解也存在“指数基准”问题。为看清该问题，可把式（12）改写为：

w ―m-w ―f=∑j(pmjw ―mj-pfjw ―fj)

=∑j pmj(w ―mj-w ―fj)+∑jw ―fj(pmj-pfj)(22)

进而可得到下式：

w ―m-w ―f=∑j pmj(x ―mj

-x ―fj)βmj+∑j pmjx ―fj(βmj-βfj)

+∑jw ―fj(pmj-p ~fj)+∑jw ―fj(p ~fj-pfj)(23)

上式结果不同于式（15）的结果，从中可看出指数基准问题的存在。Appleton et al.（1999）为解决该问题采取的方法是：

w ―m-w ―f=∑j p ―*j(w ―mj-w ―fj)+∑jw ―mj(pmj-p ―*j)

+∑jw ―fj(p ―*j-pfj) （24）

p ―*j表示无歧视情况下个人i在行业j中就业的平均概率。实际研究中选择p ―*j的方法如下。

假设个人i 在行业j中就业的概率由多元逻辑斯蒂（Multinomial Logit）机制决定，即如果个人i具有特征qi，那么该人在行业j中就业的概率为：

pij=exp(γmjqi)∑jexp(γmjqi)(如果i为男性） （25）

pij=exp(γfjqi)∑jexp(γfjqi)(如果i为女性）（26）

根据多元逻辑斯蒂模型可以估计出γmj、γfj。令：

γ*j=Ωγmj+(I-Ω)γfj （27）

如果不存在歧视的话，个人i在行业j就业的概率就由γ*j决定，即：

pi*j=exp(γ*jqi)∑jexp(γ*jqi) （28）

p ―m*j为式（28）对男性样本的平均值，p ―f*j为式（28）对女性样本的平均值，p ―*j就为式（28）对全部样本的平均值。

因为式（24）仍然有基准问题，按照类似于Neumark（1988）的思路，式（24）可以被进一步分解为：

w ―m-w ―f=∑j p ―*j(x ―mj-x ―fj)βj+∑jp ―*jx ―mj(βmj-βj)

+∑j p ―*jx ―fj(βj-βfj)+∑jw ―mj(p ―m*j-p ―*j)

+∑jw ―fj(p ―*j-p ―f*j)+∑jw ―mj(p ―mj-p ―m*j)

+∑jw ―fj(p ―f*j-p ―fj) （29）

式（29）中的前三项表示行业内的工资差距，后四项表示行业间的工资差距。其中∑j p ―*j(x ―mj-x ―fj)βj指个人特征差异导致的工资差距，∑j p ―*jx ―mj(βmj-βj)指行业内对男性的优惠，∑j p ―*jx ―fj(βj-βfj)指行业内对女性的惩罚，∑jw ―mj(p ―m*j-p ―*j)表示男性由于具有较优技能因素所导致的行业间差距，∑jw ―fj(p ―*j-p ―f*j)表示女性由于具有较差技能因素所导致的行业间差距，∑jw ―mj(p ―mj-p ―m*j)表示行业间对男性的优惠，∑jw ―fj(p ―f*j-p ―fj)表示行业间对女性的惩罚。

Brown分解存在“选择性偏差”问题，即能力高的劳动者会选择在高工资行业就业，能力低的会选择在低工资行业就业。Appleton et al.（1999）使用Lee（1983）提出的方法解决了选择性偏差问题。因而，Appleton分解方法是Brown分解方法的改进，它解决了后者存在的指数基准问题和选择性偏差问题。它还可以看作是在Oaxaca分解的基础上同时解决了部门选择问题、指数基准问题和选择性偏差问题。

目前为止，本文所讨论的工资差距分解方法研究的是两个群体（如男性和女性）在平均工资上的差别。该领域研究的前沿问题是两个群体在整个工资分布上的差别，分位数分解方法可用于此类研究。相对于上述分解方法，分位数分解方法的困难之处在于，从Qτ(Y|X)=X′βτ推导不出Qτ(Y)，因为Qτ(Y)≠Qτ(X)βτ,Qτ(Y)≠E(X)βτ。Machado and Mata （2005）给出了一种解决该问题的方法，下文介绍的分位数分解方法便以此项研究为基础文献中还出现了其他的分位数分解方法，这里不再一一介绍。。

（七） 分位数分解方法

完整的分位数分解方法分为四个步骤：分位数回归、边际工资分布、反事实分析和工资分解。

1. 分位数回归

OLS回归对被解释变量的数学期望建模，而分位数回归对被解释变量的分位数建模。建立如下的分位数回归方程：

Qθ(y|x)=x′β(θ) （30）

其中Qθ(y|x)代表给定解释向量x的情况下，被解释变量y的第θ个分位数。如同OLS系数是通过最小化残差平方和（Mean Squared Error）得到的，分位数回归系数是通过最小化下式得到的：

1n∑ni=1ρθ(yi-xiβ)（31）

其中：

ρθ(u)=θufor u≥0

(θ-1)ufor u

利用一些数学方法（如线性规划），可以求解（31）式得到系数向量β。对任意一组观测值，选取若干不同分位数θ，都可以得到预测的工资分布，它是一种条件分布。分位数分解使用边际工资分布，因此，需要从条件分布得到边际分布。

2. 边际工资分布

如果U是一个在［0，1］上的均匀分布，那么F-1(U)就服从分布F。因此，如果θ1,θ2,…,θl 来自一个均匀分布［0，1］，给定解释向量x，通过上述分位数回归估计出的l个分位数，可以看做是给定x的条件分布的一个样本。Machado and Mata (2005)证明，如果上述解释向量x不是给定的，而是随机地从数据库中抽取，那么上述l个分位数构成的样本就可以看做是从边际分布中抽出来的样本。

下面是从分位数回归系数得到边际工资分布的具体步骤，以女性样本为例：

（a） 从均匀分布U［0，1］中随机抽取一个样本容量为l的样本，u1,u2,…ul；

（b） 在女性样本中，分别以θ=u1,u2…ul做分位数回归，

Qθ(y|xf)=x′f β(θ)

得到l个分位数回归的系数向量β ∧f(ui),i=1,2…l；

（c） 从女性被解释变量中有放回地重复随机抽样，抽取一个样本容量为l的样本，表示为

{x*i(f)},i=1,2…l。

（d） 把（b）中得到的系数和（c）中得到的样本相结合，得到一个新的样本

{y*i(f)}{x*i(f)β ∧f(ui)}li=1

它便是我们需要的边际分布样本。

3. 反事实分析

得到边际工资分布后，下一步工作就是做反事实分析。反事实分析可分为两大类，一类是基于分位数回归系数的反事实分析，一类是基于解释变量分布的反事实分析。前一类指的是，如果女性按男性的各种技能回报率（男性分位数回归系数）获得报酬的话，女性的工资分布会怎么样？后一类指的是，如果女性解释变量（教育，经验等等）的分布跟男性相同的话，女性的工资分布会怎么样？第一类反事实分析比较简单，只要把上文第（d）步换成男性分位数回归系数即可。因此，下面重点以教育水平为例解释后一类反事实分析。

如果女性的教育水平分布跟男性相同，女性的工资分布会怎么样？这一问题的解决思路是，估计男性样本中各种教育水平（小学、初中、高中、大学）人群所占的比例，然后把这些比例作用于女性样本。具体步骤是：

（a） 利用前面的步骤（a）―（d）得到女性对数工资边际分布的样本{y*f}；

（b） 利用男性样本计算小学人群所占的比例rm(1)；

（c） 从{y*f}中分离出小学人群样本，并从中进行有放回地重复随机抽样，抽出一个样本容量为l×rm(1)的样本。

（d） 对初中、高中和大学人群，重复步骤（b）和步骤（c），得到其他一些类似样本。

（e） 合并所有得到的样本，就可以得到女性教育水平同男性相同时女性工资的边际分布。

4. 工资分解

工资的边际分布（男性或者女性）可以表示为所有分位数回归系数和解释变量的函数。为简单起见，假设只有两组解释变量，记男性工资分布为fm(βm1,βm2,Xm1,Xm2)βm1是指对应解释变量的所有分位数上的回归系数。，女性工资分布为ff(βf1,βf2,Xf1,Xf2)。于是，性别工资差距可以表示为：

fm(βm1,βm2,Xm1,Xm2)-ff(βf1,βf2,Xf1,Xf2)（32）

上式可分解为：

fm(βm1,βm2,Xm1,Xm2)-ff(βf1,βf2,Xf1,Xf2)

=fm(βm1,βm2,Xm1,Xm2)-ff(βm1,βm2,Xf1,Xf2)(1)+ff(βm1,βm2,Xf1,Xf2)-ff(βf1,βf2,Xf1,Xf2)(2)（33）

第（1）部分表示男女个人特征不同所导致的工资分布差别；第（2）部分表示回归系数不同所导致的工资分布差别。类似Oaxaca分解，后一部分被看做是由于歧视所引起的工资分布差别。

从上述分析可以看出，分位数分解的基本思路同Oaxaca分解是相同的，只不过它研究的是两个群体在整个工资分布的差别，而Oaxaca分解研究的是在工资平均值上的差别。同Oaxaca分解类似，分位数分解结果也会随着分解次序的变化而变化，但目前的文献还没有提供一种很好地解决该问题的方法，通常的做法是把所有的次序都试验一下，然后检查结果是不是稳健。当然，如果解释变量较多的话，该做法意味着研究的工作量会急剧上升。

三、基于中国数据的相关研究

本部分将对基于中国数据、并且使用上述分解方法做的研究做一个简要评述。为了便于读者更清楚地了解各分解方法的差别，笔者把使用相同方法的研究安排在一起。

Gustafsson and Li（2000）、谢嗣胜和姚先国（2005）两项研究使用Oaxaca分解研究性别工资差距问题。Gustafsson and Li（2000）使用的数据是1988年和1995年城镇居民收入调查数据，得到的结论是：1988年，由歧视造成的工资差距（式8中的第二部分）占性别工资差距的52.49%；1995年，由歧视造成的工资差距占63.20%。谢嗣胜和姚先国（2005）使用的数据是2002年城镇住户调查数据，得到的结论是，由歧视造成的工资差距占性别工资差距的45.6%。在理解这些研究结论的时候，一定要注意它们工资方程中包括哪些解释变量，否则不同结果之间不能直接比较。Gustafsson and Li（2000）使用的解释变量是年龄、是否党员、受教育水平、从事职业和单位所有制性质等等。谢嗣胜和姚先国（2005）使用的是工作经验、受教育年限、单位所有制性质、从事行业、所在地区、是否参加岗位培训等等。此外，这两项研究都没有考虑指数基准问题。

Meng（1998）、Liu et al.（2000）两项研究都同时使用了Oaxaca分解和Cotton分解。Meng（1998）研究的是中国农村地区乡镇企业的性别工资差距问题。作者把乡镇企业划分为两大类――市场组和非市场组。这项研究表明，市场组乡镇企业里性别工资差距较大，非市场组乡镇企业里差距较小。但是，非市场组中由歧视所导致的工资差距的比例（99.9%）要远远地大于市场组中的比例（52.5%）。Liu et al.（2000）考察的是中国经济体制改革对性别工资差距的影响，得到的一个重要结论是，从国有企业到集体企业再到私人企业，性别工资差距是不断扩大的，但歧视所能解释的比例却越来越小。文章结论意味着，随着中国市场化经济体制的改革，工资越来越反映个人的生产率，对女性的歧视越来越小。上述两项研究还使用Cotton分解解决了指数基准问题。但是，它们都只是在平均工资水平上分析问题，没有分析男女在工资分布方面的差别。

Meng and Miller（1995）、王美艳（2005）两项研究使用了Brown分解方法。Meng and Miller（1995）研究的是农村地区乡镇企业中男女职业差别对他们工资差距的影响。职业被归纳为四大类：普通工人，工长，普通干部，中层干部。该研究的结论是：（1）在全部性别工资差距中，职业内部工资差距约占76.7%，职业间差距约占23.3%；（2）职业内部的性别歧视要远高于职业间的歧视。王美艳（2005）研究的是城镇地区男女行业差别对性别工资差距的影响。该研究的主要结论是：（1）在全部性别工资差距中，行业内部工资差距约占93.1%，行业间差距约占6.9%；（2）无论在行业内部还在行业之间，对女性的歧视程度都很高。这两项研究都存在着两项缺憾，一是划分职业（或行业）的标准太宽泛，二是没有考虑职业（或行业）的自选择问题。

葛玉好（2007）使用了Appleton分解方法。它研究的也是城镇地区男女行业差别对性别工资差距的影响。相对于Meng and Miller(1995)、王美艳（2005），该文在两方面做出了改进，一是对行业分类比较细致，共研究了十类行业；二是在多个年份上进行研究，从而可以看出男女行业差别对工资差距影响的变化趋势。该研究得到的主要结论是，行业内部对女性歧视的程度较高，但行业之间对女性歧视的程度较低。该研究虽然使用Appleton分解方法解决了指数基准问题和选择性偏差问题，但没有解决详细分解过程（针对各个具体变量）中的分解次序问题。

葛玉好和曾湘泉（2009）使用分位数分解方法在工资分布层次上研究了性别工资差距问题。该研究发现两个现象：从静态角度看，2001年，在工资分布底端性别工资差距较大，在顶端差距较小；从动态角度看，从1988年到2001年，在工资分布底端性别工资差距越来越大；在顶端差距越来越小。文章对静态现象的解释是，工资分布底端女性受歧视程度较大，顶端女性受歧视程度较小。对动态现象的解释是，工资分布底端女性受歧视程度越来越严重（底端性别工资差距越来越大的原因），而分布顶端的男女教育水平差距越来越小（顶端工资差距越来越小的原因）。该研究存在与葛玉好（2007）类似的缺陷，没有给出解决分解次序问题的方法。

从本部分的分析可以看出，工资差距分解方法是一种重要的实证研究方法。从上述研究中，还可以看出工资差距分解方法的演进以及各种方法的优缺点。

四、小结

综上所述，Oaxaca分解方法是最基本的工资差距分解方法。该方法存在很多问题，如指数基准问题、部门选择问题、选择性偏差问题、虚拟变量问题。Cotton分解方法和Neumark分解方法解决了其中的指数基准问题，Brown分解方法解决了部门选择问题，Neuman and Oaxaca（2003）的方法解决了选择性偏差问题。分位数分解方法借用Oaxaca分解方法的思想，在整个工资分布层次上研究两个群体的工资差别。在实际研究中，研究者一定要注意各种研究方法的研究范围和缺陷，针对自己所研究的具体问题选择最合适的方法。

参考文献

Appleton, S. J., 1999, Hoddinott and P. Krishnan, “The Gender Wage Gap in Three African Countries,” Economic Development and Cultural Change, 47(2),289312.

Blinder, A., 1973, “Wage Discrimination: Reduced Form and Structural Estimates,” The Journal of Human Resources, 8 (4),436455.

Brown, R., M. Moon and S. Barbara,, 1980, “Incorporating Occupational Attainment in Studies of MaleFemale Earnings Differentials,” The Journal of Human Resources, 33 (1),328.

Cotton, J., 1988, “On the Decomposition of Wage Differentials,” The Review of Economics and statistics, 7(2),236243.

Gustafsson, B. and S. Li, 2000, “Economic Transformation and the Gender Earnings Gap in Urban China,” Journal of Population Economics, 13(2),305329.

Heckman, J., 1979, “Sample Selection Bias as A Specification Error,” Econometrica, 47(1),153162.

Lee, L., 1983, “Generalized Econometric Models with Selectivity,” Econometrica, 51(2), 507512.

Liu, P., X. Meng and J. Zhang, 2000, “Sectoral Gender Wage Differences and Discrimination in the Transitional Chinese Economy,” Journal of Population Economics, 13(2),331352.

Machado, J. and J. Mata, 2005, “Counterfactual Decomposition of Changes in Wage Distributions Using Quantitle Regression,” Journal of Applied Econometrics, 20,445465.

Meng, X., 1998, “MaleFemale Wage Determination and Gender Wage Discrimination in Chinas Rural Industrial Sector,” Labor Economics, 5,6789.

Meng, X. and P. Miller, 1995, “Occupational Segregation and Its Impact on Gender Wage Discrimination in Chinas Rural Industrial Sector,” Oxford Economic Papers, 47(1),136155.

Neuman, S. and R. Oaxaca, 2003, “Estimating Labor Market Discrimination with SelectivityCorrected Wage Equations: Methodological Considerations and An Illustration from Israel,” CEPR Discussion papers, No.1915.

Neumark, D., 1988, “Employers’ Discriminatory Behavior and the Estimation of Wage Discrimination,” The Journal of Human Resources, 23(3),279295.

Oaxaca, R., 1973, “MaleFemale Wage Differentials in Urban Labor Markets,” International Economic Review, 14(3),693709.

Oaxaca, R. and M. Ransom, 1994, “On Discrimination and the Decomposition of Wage Differentials,” Journal of Econometrics, 61,521.

葛玉好，2007，“部门选择对性别工资差距的影响”，《经济学（季刊）》第6卷第2期607―628页。

葛玉好和曾湘泉，2009，“市场歧视对城镇地区性别工资差距的影响”，中国经济学学术资源网工作论文，NO.WP19。

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35―44页。

谢嗣胜和姚先国，2005，“我国城市就业人员性别工资歧视的估计”，《妇女研究论丛》第6期10―13页。

“本文中所涉及到的图表、公式、注解等请以PDF格式阅读”