职业性别结构对工资的差异化影响 - Sinoss...因此为了深入探究我国性别工资差距的根本影响因素，本文特意选取职业的性别组成作为切入点进行实证研究。就我国就业市场的独特社会背景和劳动

http://www.sinoss.net

- 1 -

职业性别结构对工资的差异化影响

齐路哲王思

（湖南大学经济管理研究中心，湖南省长沙市，410000）

摘要：本文基于 2013年中国家庭收入项目调查的实证分析，深入探究职业性别构成对性别工资的差异化影

响及其影响机制。研究发现, 我国劳动力市场中的职业性别结构具有明显的工资抑制效应, 而且男性劳动

者所面临的工资性损失远高于女性群体。为使研究结果更加准确可靠，本文还采用 Synthetic iv 方法处理

模型中的内生性偏误。结果表明, 人力资本是该负向工资效应的影响机制之一, 因此加强对女性群体的再

教育和再培训是缩小性别工资差距的有效措施。

关键词：职业性别结构；人力资本；挤出效应

中图分类号： F 文献标识码：A

1 引言

经济改革以来，收入差距伴随着我国市场经济的高速发展不断扩大，收入分配与社会公

平问题成为新的研究热点，其中由性别引发的工资差距受到学者们的广泛关注。随着劳动力

市场的不断完善以及工资制度的优化，女性劳动力不断进入就业领域，成为我国劳动力市场

中不可或缺的中坚力量。义务教育的普及与传统观念的转变会提高她们的学历、经验等，让

她们能够和男性劳动力一样有选择的进入劳动市场。相应地，市场中的性别结构会随之发生

改变，随着越来越高的女性就业参与率，我国劳动市场中的性别结构出现失衡。基于人口基

数的巨大规模，性别结构失衡这一问题在我国将愈演愈烈，势必会给我国的经济、就业及社

会公平带来一系列棘手的问题。因此为了深入探究我国性别工资差距的根本影响因素，本文

特意选取职业的性别组成作为切入点进行实证研究。就我国就业市场的独特社会背景和劳动

经济态势，本文将通过实证分析详细探究职业性别结构对性别工资的差异化影响以及可能的

影响机制。这一研究对打破我国国民经济陷入中等收入魔咒（李克强）1来说具有划时代性

的意义，为缩小性别工资差距明确解决路径和理论支持，同时填补相关领域的研究空白。

本文的研究目的即运用合适的方法对我国劳动力市场中的职业性别结构进行衡量，并在

此基础上进行实证分析。具体来说，在考察职业性别结构对性别工资影响的基础上，一并分

析职业性别组成对不同控制变量的敏感性的变化趋势。其次，通过 Synthetic iv 方法消除模

型中内生性偏误，使实证结果更加稳健可靠。最后，通过不同的分样本研究职业性别结构是

否存在异质性，使研究内容更加现实丰满。

2 国内外文献综述

近年来，国外学者普遍关注由职业性别构成所引发的性别工资差异，并试图探究这一现

象背后的内在驱动机制。Macpherson & Hirsch（1995）基于 1983-1993 年 CPS-ORG 数

1 李克强在世界经济论坛 2015 年年会上的特别致辞中提到了中等收入魔咒，网址为

http://www.gov.cn/guowuyuan/2015-01/22/content_2808672.htm


- 2 -

据研究发现，职业的性别组成对居民工资水平存在显著的负向影响[1]，其中“女性职业”所

遭受的工资性“惩罚”较为严重。因此他们将职业中的性别构成看作是职业的内在属性，代

表与职业相关的工作技能或特质。Addison et al.（2018）在前人的基础上，利用多期面板

数据验证了职业性别结构这一结构性因素在后续期间对工资存在负向效应的持续性，表明由

职业性别组成引发的工资性损失并非偶然现象[2]，这样看来，职业性别结构的确会给劳动者

带来工资损失，学者们尝试从更深层次解释这一社会现象。Becker（1985）提出传统的人

力资本理论[3]，认为性别工资差异主要由个体的人力资本投资（如教育水平）决定。男性劳

动者对教育存量的投资高于女性就业者，因而女性劳动者获得较低的工资报酬。Polavieja

（2008）发现一旦控制与职业相关的人力资本后，职业性别结构对工资水平的抑制影响消

失，因此提出了与工作技能挂钩的专业人力资本理论[4]。Sorensen（1990）提出“拥挤理

论”，并表明职业性别构成能够解释近三分之一的性别工资差距[5]。Levanon（2009）利用

1950-2000 年美国普查数据研究发现，劳动力市场是按性别划分的。鉴于雇主更加偏好男性

劳动力，故而女性劳动者在一定程度被低估或看低，这就是“低估理论”[6]。

Bayard et al.（2003）指出，这一社会现象主要是由于女性劳动力无意识进入或被隔离

到那些低收入职业，因此对职业性别结构展开深入研究有利于提升妇女的社会地位及职业声

望[7]。鉴于职业性别构成与劳动者的就业环境高度相关，学者们试图从这一角度入手。

Groshen（1991）率先以公司所处的行业为出发点探究职业性别结构对性别工资的差异化影

响[8]。研究发现，职业性别组成对各个行业的工资水平影响迥异，其中以制造业和服务业最

为明显。制造业表现为典型的“男性职业”，而服务业所遭受的工资性损失最大。Busch &

Holst（2012）利用 2000-2009 年德国社会经济追踪调查（German Socio-Economic Panel

Survey）发现职业性别结构所带来的工资性“惩罚”更多出现在规模较大的企业[9]。当然，

也有学者发现区域因素（地理位置）会影响这一负向工资效应。Baker（2001）在控制教育

水平和职业技能后指出，美国所面临的工资性“惩罚”远高于加拿大[10]。Murphy（2016）

通过对英国、德国及瑞士三个国家的综合对比发现，英国面临由职业性别组成导致的工资性

损失最严重（12%），瑞士居中（6%），德国最少（3%）[11]。

相比于国外学者对职业性别结构的广泛研究，国内的相关文献较少，主要讨论的是职业

的性别隔离。蔡禾和吴小平（2002）发现我国就业市场的性别失衡程度在 1985 年-2000 年

不断加深，出现这一现象的职业种类也不断增加，而且就业市场中各个职业对女性劳动者隔

离的程度远高于男性劳动者[12]。同样地，吴愈晓和吴晓刚（2008）采用邓肯指数和关联指

数的方法也对这一时期的职业性别隔离情况进行研究，结果表明我国非农职业的性别隔离程

度显著提升，且不同职业的性别隔离程度存在明显差异[13]。李晓宁（2008）指出这一性别

隔离在我国城镇地区的劳动力市场中态势明显，且有横向和纵向之分[14]。相反的，也有学

者明确指出我国的职业性别隔离程度并未提高反而呈下降趋势。李春玲（2009）发现女性

劳动力向白领职业不断扩张，而蓝领和半蓝领职业无明显变化[15]。何泱泱、刘国恩（2016）

通过对 2003 年及 2013 年两期的中国社会综合调查（Chinese General Social Survey）数

据也得出类似结论[16]，他们发现性别工资的差距在逐渐扩大，但职业隔离程度却在缩小。

从以上研究中不难发现，我国学者对职业性别隔离的变动趋势各有判断，存在分歧。为了规

避这一点，本文以职业的性别比例作为研究变量，便于分析性别不平等对劳动者工资水平的

影响作用。


- 3 -

3 实证方法及模型设定

本文基于多元回归分析，在明瑟方程的基础重点考察职业性别组成这一因素对性别工资

差异的影响作用，基本模型描述如下：

uZXFEMW ififfiffiffiflog (1)

uZXFEMW imimmimmimmimlog (2)

其中下标 f 和 m 分别代表女性劳动力和男性劳动力，本文以性别为依据对样本分别报

告。被解释变量 Wi是劳动力 i 在就业市场中所获得的工资性报酬，FEM（Feminization）由

对各个职业中女性劳动力占该职业总劳动人口的比率计算而来，这种做法能够准确的测量出

各个职业的性别组成以及女性劳动力的密集程度。X'代表可观测的外生变量，包括劳动者个

人、地区及工作特征等。Z'表示无法观测的变量，如个体的就业偏好和就业动机。ui 为随机

扰动项。当然，该模型可能存在内生性偏误，因此本文将在最小二乘法(Ordinary Least

Square)的分析基础上，引入合适工具变量修正模型中的可能偏误。

但是，目前学术界内并未找到适合的工具变量，现有文献都是基于面板数据利用固定效

应解决内生性问题。除固定效应外，本文试图引入工具变量去研究职业性别结构对工资的影

响作用，这是相关领域中的首次尝试，同时也能够为现有文献的实验结论提供强有力的佐证。

因此，本文打算采用由国外学者 Lewbel（2012）提出的 Synthetic iv 方法进行实验[17]。

Synthetic iv 方法的最大优势就是解决在缺乏合适工具变量的情况下模型存在内生性偏误的

窘境。它基于变量间的异方差性构建完全外生的工具变量。具体过程如下：

ε* X -Xj =Vj ）（ (3)

其中，ε 是在第一阶段中利用内生变量对所有控制变量回归后得出的残差。之后，Lewbel

用它与去均值后的外生变量相乘，这样得出的工具变量 Vj 满足工具变量的两个前提条件：

一是它与职业性别结构（FEM）相关；二是它对工资水平无直接影响。因此本文将采用

Synthetic iv 方法来处理模型中的内生性偏误。

4 数据来源与样本创建

4.1 数据来源

本文的宏观数据来自国家统计局发布的普查数据，研究涉及的主要变量“职业性别结构”

由就业部分的相关信息整理得出。目前我国实施的是《中华人民共和国职业分类大典》为标

准的三位数职业编码，该大典以“工种分类目录”为基础、“职业分类大典”为骨干、新职

业信息发布制度为补充，按照工作性质同一性的基本原则，全面客观地反映出现阶段我国社

会职业结构状况。这部大典将我国职业划分为 8 个大类，66 个中类，413 个小类。为了深

入刻画我国职业性别结构的基本情况，本文基于第六次全国人口普查宏观数据（以下简称“六

普”）中的第二部分（长编数据资料）的第四卷（就业）表 3-8（全国分年龄、性别、职业

中类的就业人口），共 7 个大类，64 个中类，总计 71,547,989 位个体。它是我国国内一项

重大的国情国力调查，有助于本文收集有关我国人口的基本信息。

本文的微观数据来源于中国社会科学院经济研究所和国家统计局农调总队联合实施的

“中国家庭收入项目调查”（Chinese Household Income Project Survey，CHIPS），研

究涉及微观个体的个人信息及工资的相关变量均来自“城乡居民收入分配与生活状况调查问

卷”，样本年龄为 18-60 岁且就业身份为雇员。考虑到农村群体进城务工基数巨大，在职业


- 4 -

性别结构的回归模型中，同时研究城镇和农村两个子样本。另外，由于宏观数据的可得性，

本文只能基于 2013 年的调查数据，它是国内目前所有微观数据库中对职业分类最为详细，

也是最接近国家标准职业编码方式的，共计 51 种中类职业。因此本文选取 2013 年中国家

庭收入项目调查数据创建横截面数据样本并采用 Synthetic iv 方法修正可能存在的内生性，

深入研究现行就业环境下，职业中的性别结构与个体工资之间的关系。

4.2 样本创建及变量选取

基于表 3-8（全国分年龄、性别、职业中类的就业人口）2中的信息，本文能够计算出各

个职业中类女性的所占比例，以该变量来衡量社会的职业性别结构概况，这一做法能够有效

地减少因微观数据样本量较少而导致的测量误差3。之后，通过三位数的国家标准职业编码

将六普数据与 2013 年中国家庭收入项目调查、2010-2016 年中国家庭动态跟踪调查分别进

行合并。同时，我们将样本年龄控制在 18-60 岁的范围内以确保观测个体的工资收入是有效

可靠的。考虑到军人这一职业的特殊性（他们的工资水平由政府部门决定而非市场机制决

定），所以我们剔除了这部分观测个体。基于以上操作，样本中关于职业范围的考察只剩余

50 种，因此我们就是以这 50 种中类职业的性别构成作为研究核心。这样一来，最后横截面

样本总计 19,934 位观测个体，其中包括 7,773 位女性和 12,161 位男性。

职业性别结构对工资的差异化影响其中的一个主要因素就是人力资本理论，为了验证这

一理论，本文基于六普数据计算出我国就业市场中各个职业就业人员的平均受教育水平，希

望通过该变量来验证这一理论的可行性。但是由于普查数据中涉及教育相关的数据只能找到

职业大类层面而无法深究到职业中类层面，所以我们只能粗略的利用各个职业大类的平均受

教育水平来近似替代人力资本结构，进而深入探究在控制人力资本结构后，职业性别结构是

否还对工资有显著影响。因此，人力资本结构是由职业大类中不同教育阶层的受教育年限加

权平均测算而来的。此外，为了更加科学全面的观测我国劳动力市场的其他职业特征，本文

也根据六普数据一并测算出各个职业的工作时间结构，从而衡量各个职业准入门槛的高低和

个体的选择性偏好。因此，工作时间结构由每周工作时间超过（包含）35h 的人数占总人数

的比重近似替代。

5 描述性统计

表 1 描述性统计（CHIPS）

变量名称定义女性男性

均值标准差均值标准差

因变量:

工资小时工资的对

数 13.54 14.13 17.26 17.94

核心自变量:

职业性别结构

（FEM）

各职业中女性

劳动力占总人

数的比重

0.43 0.14 0.33 0.15

各职业的受教各职业的员工 10.86 1.43 10.76 1.37

2 详细数据见国家统计局官网 http://www.stats.gov.cn/tjsj/pcsj/rkpc/6rp/indexch.htm

3 这样的做法缺陷在于中间一定的时间差，但是职业性别结构作为一个结构性的特征，短时间内不会发生

重大变化，而对结果产生重大影响。


- 5 -

育年限教育水平加权

各职业的全职

比例

各职业的全职

人数占总人数

的比例

0.92 0.13 0.91 0.14

fem25 = 1 为 FEM 小

于 25% 0.11 0.32 0.33 0.47

fem25_49 = 1 为 FEM 在

25%-50%之间 0.54 0.50 0.51 0.50

fem50_74 = 1 为 FEM 大

于 50% 0.34 0.48 0.16 0.37

个人特征:

教育年限正规学校教育

年数 10.40 3.51 9.96 3.25

工作经验 =年龄-受教育

年限-6 21.15 11.70 23.58 12.33

少数民族 = 1 为少数民

族 0.05 0.22 0.06 0.23

已婚 = 1 为已婚 0.84 0.37 0.81 0.39

城镇户口 = 1 为城镇户

口 0.45 0.50 0.36 0.48

地理特征:

东部地区 = 1 为东部地

区 0.39 0.49 0.33 0.47

中部地区 = 1 为中部地

区 0.36 0.48 0.40 0.49

西部地区 = 1 为西部地

区 0.21 0.41 0.23 0.42

东北地区 = 1 为东北地

区 0.04 0.20 0.04 0.20

雇佣特征:

全职工作 = 1 为全职工

作 0.96 0.20 0.97 0.16

任职期限 = 2014 -工作

起始日期 7.79 7.87 9.39 9.32

小型企业 = 1 为公司规

模小于 100 人 0.72 0.45 0.73 0.45

中型企业

= 1 为公司规

模在 100-500

人之间

0.18 0.39 0.16 0.36

大型企业 = 1 为公司规

模大于 500 人 0.10 0.30 0.12 0.32

公司类别:

党政机关团体 = 1 为工作于

党政机关团体 0.04 0.18 0.04 0.21

事业单位 = 1 为工作于

事业单位 0.13 0.33 0.09 0.29

国有及控股企 = 1 为工作于 0.09 0.28 0.11 0.31


- 6 -

业国有及控股企

业

集体企业 = 1 为工作于

集体企业 0.05 0.21 0.04 0.20

外资企业 = 1 为工作于

外资企业 0.03 0.18 0.03 0.16

个体经营企业 = 1 为工作于

个体经营企业 0.25 0.44 0.31 0.46

私营企业 = 1 为工作于

私营企业 0.38 0.49 0.36 0.48

其他 = 1 为其他 0.04 0.19 0.02 0.15

行业部门:

第一产业 = 1 为在第一

产业工作 0.03 0.18 0.03 0.17

第二产业 = 1 为在第二

产业工作 0.36 0.48 0.52 0.50

第三产业 = 1 为在第三

产业工作 0.61 0.49 0.45 0.50

职业类别:

国家机关、事业

单位负责人

= 1 为职业属

于国家机关、事

业单位负责人

0.04 0.19 0.04 0.20

专业技术人员 = 1 为职业属

于专业技术人

员

0.16 0.37 0.14 0.35

办事人员 = 1 为职业属

于办事人员 0.12 0.33 0.11 0.31

商业、服务业人

员

= 1 为职业属

于商业、服务业

人员

0.31 0.46 0.19 0.39

生产运输设备

操作人员

= 1 为职业属

于生产运输设

备操作人员

0.27 0.45 0.41 0.49

其他 = 1 为其他 0.10 0.30 0.11 0.32

N 7,773 12,161

表 1 显示的是关于横截面样本中所有变量的定义以及描述性统计。首先，本文选取小时

工资作为模型的因变量，因为时薪相比于年薪、月薪来讲更能反映出男性职工与女性职员的

单位报酬差异。由上表可知，男性劳动力每小时的平均收入为 17.26 元，远超过女性劳动力

的 13.54 元。这说明在该样本中，男性劳动者的单位回报是要高于女性职工的。

本文的核心自变量有三个，分别为职业性别结构（FEM）、各职业的受教育年限以及

各职业的全职比例。表 1 结果显示，对女性劳动力来说其职业性别构成（FEM）的均值为

0.43，男性职工 FEM 的均值是 0.33，这两个数值说明不同性别的劳动力在就业市场中的职

业分布各有不同，因此本文围绕职业性别结构对工资效应的影响是具有现实意义的。除了直

接测度各职业的性别组成外，本文还将职业性别结构（FEM）作为虚拟变量放入回归。从

表 1 结果来看，88%的女性职工工作于女性占比超过 25%的职业，只有 16%的男性劳动力


- 7 -

在女性组成超过 50%的职业中工作。综合来看，职业性别结构的性别分布不仅表明性别比

例失衡在职业层面上是显著存在的，也侧面反映出对职业性别结构的研究具有强烈的必要性

和迫切性。其次，对于各职业的受教育年限及各职业的全职比例而言，样本中关于劳动者的

性别差异并不明显。这一结果可能是因为宏观数据的不可得性，即在六普数据中关于职业的

人力资本结构（各职业的受教育年限）这一变量仅能找到与职业大类有关的信息而非职业中

类。就职业的人力资本来说，女性职工的平均教育水平略大于男性，而且标准差也高于男性，

这表明在整个劳动力市场中存在某些职业对妇女的人力资本要求过高或过低的情况。而各职

业的全职比例无太大差异，这一现象可能与中国现行的就业制度有一定关系。

为了更好的探讨职业性别结构对工资收入的因果作用，本文还考察了除核心自变量以外

的与研究个体、地域、工作特征相关的一系列变量。以教育水平为例，它是决定劳动者是否

能进入某一职业的硬性前提。样本中，女性职员的平均受教育水平（10.4 年）高于男性（9.96

年），其变动范围也较大。这一点可能是受户口因素的影响，即样本中的女性劳动力其城镇

户口的均值为 0.45，高于男性职工的均值 0.36，再加上城乡教育水平存在一定差距，因此

样本中女性劳动者的教育水平被拉高。男性劳动力的工作经验均值（23.58 年）高于女性

（21.15 年），这一点与现实情况是相符的。少数民族的均值为 0.05（女性）和 0.06（男

性），说明样本中 95%的被观测个体都是汉族。女性劳动力中已婚的均值为 0.84，男性为

0.81，因此我们可以深入分析婚姻状态这一变量在职业性别结构导致的工资效应中如何产生

影响。

当然，我们不能忽视由地域差异性引起的工资差异，因为不同的地区经济发展水平不同、

速度和规模都不相同。就我国来说，东部地区的经济发展速度最快，工资水平也相对较高；

而西部地区交通闭塞，所以经济水平较为落后，工资水平远低于其他地区。因此，本文依据

不同地区的经济发达程度将地理区域划分为四个区域：东部地区、中部地区、西部地区以及

东北地区，其中东北地区作为参照组。东部地区主要包括北京、广东和上海等省份；河南、

安徽、湖北和山西省等是中部省份的代表；西部省份的代表主要为四川、重庆、云南省等。

表 1 结果显示，女性劳动者更多的集中在东部地区，而男性劳动力密集在中部地区，因此二

者的工资差距可能会受地理特征的影响。

本文将与工作相关的雇佣特征纳入回归模型，从而减少遗漏变量的误差。对于雇佣特征，

我们主要选取了是否全职工作、劳动者的任职期限和公司规模三个变量。由上表可知，样本

中男性劳动力开始从事这份工作的平均工龄为 9.39 年，高于女性职工的平均工龄 7.79 年。

此外，公司规模也会在一定程度上对职业性别结构引起的工资效应产生影响，因此本文将公

司规模分为 3 类：小型企业是指公司员工总数小于 100 人；公司职工总数在 100-500 人间

的是中型企业；而超过 500 人的称为大型企业，其中以小型企业作为对照组。我们可以发

现，样本中七成左右的人数都工作在小型企业中，而在大型企业的劳动者人数不足一成。这

一规律对男性职工和女性职工都是适用的。

公司类别我们沿用“城乡居民收入分配”调查问卷中的 8 种分类，分别为党政机关团体、

事业单位、国有及控股企业、集体企业、外资合伙企业、个体经营企业、私营企业及其他，

其中其他作为参照组。表 1 结果显示，六成以上的劳动者就职于个体和私营企业，工作在党

政机关团体、事业单位以及国有控股企业的人数接近三成，不到一成的劳动力工作单位是集

体企业和外企等。本文的行业分类标准参照《国民经济行业分类》（GB/T4754-2011）。

为了使模型简便，我们将行业按其基本特质笼统的划分为 3 大类，即第一产业、第二产业和

第三产业。数据显示，97%的观测个体都在第二及第三产业中工作。其中，女性劳动力更多


- 8 -

的是在第三产业中工作（均值为 0.61），而男性则是较为均匀的分布在非农产业中。基于

本文的研究变量是职业性别结构，它是关于职业层面的一种因素，因此我们必须控制职业类

别这一变量，将工资的比较限定在同类职业中才合理。我们依据标准职业编码方式将样本中

的职业划分为六大类，分别为国家机关、事业单位负责人、专业技术人员、办事人员和有关

人员、商业、服务业人员、生产运输设备操作人员及有关人员及其他[18]。由表 1 结果可知，

不同性别的劳动者在这 6 类职业中的分布趋势是一致的。其中，接近六成的劳动力从事商业、

服务业以及生产运输设备这两类职业，但是男性职工和女性员工的具体表现有所不同。女性

劳动力均匀分布在这两类职业中，而从事生产运输设备操作职业的男性劳动力人数约为从事

商业和服务业的两倍。

6 实证分析

6.1 实证结果

表 2 职业性别构成对不同模型的回归结果

模型女性男性

1.无 -0.144* -0.138

2.Base(个人特征) -0.297*** -0.322***

3.Base + 雇佣特征 (是否全职，任期，任期的平方，公司规模) -0.298*** -0.355***

4.Base + 公司类别 -0.301*** -0.325***

5.Base + 行业部门 -0.224*** -0.264***

6.Base + 职业类别 -0.166*** -0.215***

7.Standard ( Base +雇佣特征，公司类别，行业部门及职业类别) -0.169*** -0.250***

8. Standard + 职业平均受教育年限 -0.168** -0.253***

9. Standard + 职业全职比例 -0.172*** -0.258***

10. Expanded ( Standard +所有职业特征) -0.177*** -0.259***

N 7,773 12,161

注：模型 1 在未加任何控制变量的情况下对 FEM 单独回归。Base 模型是控制了个人基本特征后的回

归结果，个人特征包括受教育年限、工作年限及其平方、户口、民族、婚姻状态、地区。Standard 模型在

Base 模型的基础上控制了个体的雇佣特征、公司类别（7）、行业（2）及职业类别（5）变量。Expanded

模型在 Standard 模型的基础上进一步控制了职业平均受教育年限及职业的全职比例。***表示在 1%的统计

水平下显著。为了消除变量间的异方差性，本文所有的回归都采用 Two-way cluster-robust error，其标准

误都是聚双类（行业、职业）稳健标准误。

表 2 分性别显示职业性别结构对职工小时工资的回归结果。这一做法有两点考虑：一是

职业性别结构不仅会导致女性职工获得较低收入，同时它也对那些身处在“女性职业”中的

男性工资产生消极影响、二是这种方式能够简明、直观的展现出职业性别结构这一结构性因

素对不同性别职工收入的“惩罚”程度。在模型 1 中，我们发现当不考虑任何控制变量时，

职业性别结构与工资确实存在负向关系，尽管这一结果仅凸显在女性职工上。这一结论与我

们的预期猜想是一致的，即工资收入在女性越密集的职业较低而在男性越密集的职业较高。

为了进一步验证该结论的有效性，本文将所有的控制变量进行分类回归，同时将不同模型的

回归结果分别进行讨论，这一做法有利于通过各个模型之间的结果对比来观测职业性别结构

对各类控制变量的敏感性变化。

Base 模型中我们控制了个人特征后，FEM 的系数大小以及显著性水平都发生了明显变

化：一方面，回归系数明显增大、另一方面，显著性水平得到显著提高，这充分表明模型 1


- 9 -

中存在严重的遗漏变量问题。当个人信息得到控制时，自变量的初步回归系数分别是-0.297

和-0.322。由此可见，Base 模型的结果再一次验证了职业性别结构对工资存在抑制作用。

但是，这一结果只能够证明二者之间存在负相关系而非因果作用。为研究职业性别结构对工

资的直接影响，本文还将与职业、行业相关的其他因素全部纳入控制变量的范畴，从而展开

更加科学、全面的研究。

模型 3-模型 6 分别对职业、行业相关的变量进行分类回归，即分别控制了雇佣特征、

公司类别、行业部门以及职业类别等变量。通过这 4 个模型的对比实验，我们不仅能够发现

职业性别结构对工资存在显著的负向作用，而且还观测到职业性别结构对这几类控制变量的

敏感性变化。综合模型 3-模型 6，职业性别结构对行业、职业类别的敏感性较高，尤其是对

职业类别（其系数变化最大）、对与公司相关的雇佣特征及公司类别敏感程度较低。除此之

外，男性职工对雇佣特征更为敏感但是女性无明显变化，男性职工对公司类别这类控制变量

的系数变化与女性相同。这些结果证明职业性别结构对工资的影响与劳动者所处的行业、职

业等外部就业环境是高度相关的（行业或职业的内在属性会在一定程度上对工资收入产生影

响），即如果我们将研究范围限定于某个特定的职业，该职业中的性别工资可能在一定程度

反映的是与该职业相关的工作技能的回报。简言之，职业性别结构对工资的差异化影响很大

程度上取决于劳动者所跻身的职业，一旦控制这个因素后，FEM 的回归系数显著减小。而

在 Standard 模型中我们一次性放入了这四类控制变量，FEM 的回归结果相比较 Base 模型

存在明显变化，缩减了近三分之一。此时的回归系数分别为-0.169 和-0.250，我们不难发现

女性职工的回归结果总是小于男性职工，即越是女性密集的职业，其职业性别结构的“惩罚

性”工资对男职工来讲更为严重，造成这一结果的可能原因是男性对于那些女性比例较高的

职业缺乏参与意愿，认为这类职业缺乏挑战性、与自我的职业规划不匹配，从而该类职业的

男性就业率就越低，长久以往会形成恶性循环。

为了验证人力资本理论对性别工资的差异化影响，本文在 Standard 模型的基础上控制

各职业平均受教育年限这一变量来观测自变量（FEM）的系数变化。对比 Standard 模型的

回归结果而言，自变量（FEM）的系数在模型 8 中有一定变化，尽管是在千分位上的变化。

具体来说，即女性职工的回归系数降低，而男性职工的回归系数变大，本文主要针对后者的

系数变化展开讨论4。对男性职工来讲，一旦控制人力资本结构后其职业性别结构的回归系

数增大，这一结果表明职业性别结构与人力资本结构呈反比，即女性越密集的职业学历水平

越低，女性越稀少的职业教育水平较高。这一结论与我国的现实国情相符。因此，模型 8

的回归结果证实了职业的人力资本结构会对工资产生影响。除此之外，本文还在模型 9 中单

独对工作时间结构这一变量进行回归。结果表明，在控制某职业的工作时间结构后，自变量

（FEM）的回归系数相比 Standard 模型结果出现明显增大，即由职业性别比例的差距导致

的工资性“惩罚”更严重。综合人力资本结构和工作时间结构的回归结果，在深入研究职业

性别结构对工资的因果影响这一目的下，控制职业的人力资本结构和工作时间这两个因素是

非常有必要的。

最后，我们将所有能够控制的与职业、行业相关的变量全部放入模型中回归。Expanded

模型的回归结果显示，当其他因素固定时，FEM 每升高 10 个百分点，女性职工的工资水平

4 职业平均受教育年限对女性职工来讲统计不显著（可能原因在于职业的人力资本结构是由各职业大类的

平均受教育水平衡量的，存在一定测量误差），而对男性职工在 10%的置信水平上统计显著，因此本文着

重讨论男性职工的系数变化。


- 10 -

将减少 1.77%，男性职工的劳动收入则显著降低 2.59%。这一结果与 Base 模型相比出现

明显变化，自变量 FEM 的回归系数显著降低，表明职业性别结构对职工工资的确存在显著

的负向影响。

6.2 Synthetic iv 方法

鉴于目前学术界针对职业性别结构这一变量并未找到合适的工具变量，而模型又可能存

在内生性问题，所以本文在这一部分拟采用 Synthetic iv 方法来处理。使用该方法的首要前

提就是模型中变量之间存在的一定的异方差性，因此我们首先来验证这一前提是否存在。以

Expanded 模型为例，在模型回归结束后我们进行了异方差检验，结果见表 3。首先对于

White 检验来说，结果表明无论是男性员工还是女性职工，异方差检验的 p 值都等于 0.0000，

这说明该检验强烈拒绝原假设为同方差，表明模型中存在严重的异方差性。之后的 BP 检验

（Breusch-Pagan test）也验证了这一发现。因此利用 Synthetic iv 方法来处理模型中可能

存在的内生性问题是合适的。

表 3 异方差检验

White 检验 Chi2 Prob > chi2

女性

男性

625.63

830.61

0.0000

0.0000

Breusch-Pagan 检验 Chi2 Prob > chi2

女性

男性

102.25

165.71

0.0000

0.0000

表 4 显示的是分别利用最小二乘法（Ordinary Least Square）与 Synthetic iv 方法对模

型回归的结果。研究发现，表4的最后一列其回归结果都是显著为负的，这表明基于Synthetic

iv 方法，职业性别构成依旧对职工的工资水平有明显的抑制作用。以 Expanded 模型为例，

其回归系数分别为-0.226 和-0.430，可被解释为在一定条件下，FEM 每增长 10 个百分点会

导致女性职工的工资水平平均降低 2.26%，使得男性员工减少 4.30%。这一结果也能够说

明在同一职业中男性职工所面临的由职业性别构成所带来的工资性“惩罚”是高于女性员工

的结论是稳健可靠的。综合 OLS 与 Synthetic iv 这两种方法的回归结果来看，无论对男性

职工还是女性员工而言，结果都是显著为负的；而且采用 Synthetic iv 方法的回归系数显然

大于基于最小二乘法的回归数值，这一变化规律与 Wang 和 Cheng(2016)的研究结果是一

致的[19]。他们利用该方法对中国职业风险的补偿性问题进行研究，发现该方法的实验结果

与引入传统工具变量的回归结果是一致的5。这表明尽管之前讨论的 OLS 结果是有偏的，但

最少其影响趋势是一致的，即职业性别构成对工资水平有显著的消极影响。因此通过表 4

的对比分析，我们可以得出职业中的性别组成确实会降低劳动者的工资水平，且男性职工所

遭受的工资损失的严重程度高于女性员工。

表 4 "OLS 与 Synthetic IV 结果对比"

模型 OLS Synthetic iv

女性：

Standard -0.169*** -0.190***

[0.057] [0.038]

Expanded -0.177*** -0.226***

5 实证结果表明由 Synthetic iv 方法得到的回归结果也与基于倾向匹配得分（Propensity Score Matching）

方法的回归系数具有一致性，这充分表明该方法是稳健可靠的。


- 11 -

[0.056] [0.04]

N 7,773

男性：

Standard -0.250*** -0.438***

[0.068] [0.097]

Expanded -0.259*** -0.430***

[0.063] [0.076]

N 12,161







6.3 稳健性检验

表 5 职业性别构成对不同模型的回归结果（CHIPS-五普）

模型女性男性

1.无 -0.194* -0.172

2.Base(个人特征) -0.251*** -0.304***

3.Base + 雇佣特征 (是否全职，任期，任期的平方，公司规模) -0.256*** -0.329***

4.Base + 公司类别 -0.258*** -0.305***

5.Base + 行业部门 -0.198*** -0.255***

6.Base + 职业类别 -0.118** -0.196***

7.Standard ( Base +雇佣特征，公司类别，行业部门及职业类别) -0.131* -0.230***

8. Standard + 职业平均受教育年限 -0.130* -0.235***

9. Standard + 职业全职比例 -0.134** -0.240***

10. Expanded ( Standard +所有职业特征) -0.137** -0.239***

N 7,773 12,161







基于以上研究，我们基本可以得出职业性别结构对职工工资存在显著负向影响的结论。

但是为了使研究结果更加真实可靠，除了前文已经采用的 Synthetic iv 方法和

CFPS2010-2016双样本对职业性别结构分析之外，本文还试图使用第五次人口普查数据（六

普数据的滞后一期）作为职业性别结构的衡量对已得出的结果进行稳健性检验。之所以利用

第五次人口普查数据是因为职业的性别比例是一个结构性因素，它在短时间内不会发生太大

变化，且可能会存在滞后效应。表 5 结果表明，以滞后一期变量作为职业性别结构的度量仍

然会对职工收入产生影响，而且显著为负。

综合以上分析我们可以得出这一结论------职业性别结构这一变量确实对性别工资存在

滞后效应，因为表 5 中 FEM-1 的回归系数都显著为负。这一点也侧面反映出职业性别比例

作为职业的一个结构性因素，短期内的确不会改变。这一研究发现也证实了表 2 的研究结论，

即职业性别结构对性别工资存在明显的抑制作用。此外，表 5 中职业性别结构滞后一期变量


- 12 -

其回归结果的变动趋势与表 2 完全一致，即职业性别结构对职业及行业类别等因素具有较高

的敏感性，一旦控制相关变量后，职业性别结构自身对工资的影响力度会减弱。与此同时，

在同一职业中，男性职工所遭受的工资性“惩罚”远比女性职工高得多。因此，以上发现皆

表明职业性别结构对劳动者的工资收入存在不可忽视的性别惩罚。

7 结论

职业性别结构作为一个结构性因素对我国劳动者的性别收入差异存在不可忽视的重要

影响。本文以我国劳动力市场中各个职业的女性劳动力人数占总劳动人口的比率作为职业性

别构成的一种衡量，利用 Synthetic iv 方法对性别工资差异进行了实证分析。通过第六次全

国人口普查（宏观数据）与 CHIP2013 年、CFPS2010-2016 年等微观数据的结合，本文的

主要结论有以下几点：

首先，本文的实证结果与现有文献的结论基本一致。即职业性别结构对我国劳动力市场

中的工资性收入的确存在显著的抑制作用。结果表明，职业中的女性比率越高，该职业的工

资水平就越低。与此同时，我们将不同性别的劳动力分别进行回归，研究发现职业性别结构

对男性及女性劳动者的工资都是存在“惩罚”作用的。具体来说，在其他因素不变的条件下，

职业中的女性比重每增长 10 个百分点，女性职工的工资水平将平均减少 1.77%，男性员工

的劳动收入则降低 2.59%，而且职业性别组成对男性劳动力的工资性“惩罚”远高于女性。

其次，职业性别结构对不同控制变量的敏感程度不同。本文将控制变量分类进行回归以

便于直观观测职业性别构成对不同控制变量的敏感性变化趋势。结果表明，在控制与个体相

关的自身特征、雇佣特征、与职业相关的工作特征后，职业性别结构的回归系数明显缩小，

但依旧显著为负。其中，职业性别组成对职业及行业类别等特征的加入最为敏感，对雇佣特

征、公司性质等控制变量无明显反应。这充分表明职业性别结构所导致的工资效应与劳动者

跻身的职业或者行业密切相关。但是，在控制相关工作特征后，职业性别结构依旧对劳动者

的工资水平存在负向影响。

最后，职业性别结构对劳动者工资收入的抑制作用具有稳健性。为了使回归结果更加平

稳可靠，本文采用 Synthetic iv 方法消除模型中可能存在的内生性问题。Synthetic iv 方法下

的实证结果与 OLS 结果基本一致，回归系数都是显著为负。除此之外，本文还以第五次人

口普查数据作为职业性别结构的滞后一期变量进行回归，结果表明职业性别结构对劳动者工

资收入的负向影响是稳健持续的。


- 13 -

参考文献

［1］Macpherson D A, Hirsch B T. Wages and gender composition: why do women's jobs pay less?[J].

Journal of labor Economics, 1995, 13(3): 426-471.

［2］Addison J T, Ozturk O D, Wang S. The occupational feminization of wages[J]. ILR Review, 2018,

71(1): 208-241.

［3］Becker G S. Human capital, effort, and the sexual division of labor[J]. Journal of labor economics,

1985, 3(1, Part 2): S33-S58.

［4］Polavieja J G. The effect of occupational sex-composition on earnings: job-specialization, sex-role

attitudes and the division of domestic labour in Spain[J]. European Sociological Review, 2008, 24(2):

199-213.

［5］Sorensen E. The crowding hypothesis and comparable worth[J]. Journal of Human Resources,

1990: 55-89.

［6］Levanon A, England P, Allison P. Occupational feminization and pay: Assessing causal dynamics

using 1950-2000 US census data[J]. Social Forces, 2009, 88(2): 865-891.

［7］Bayard K, Hellerstein J, Neumark D, et al. New evidence on sex segregation and sex differences

in wages from matched employee-employer data[J]. Journal of labor Economics, 2003, 21(4): 887-922.

［8］Groshen E L. The structure of the female/male wage differential: Is it who you are, what you do, or

where you work?[J]. Journal of Human Resources, 1991: 457-472.

［9］Busch A, Holst E. Occupational sex segregation and management-level wages in Germany: What

role does firm size play?[J]. 2012.

［10］Baker M, Fortin N M. Occupational gender composition and wages in Canada, 1987-1988[J].

Canadian Journal of Economics/Revue canadienne d'économique, 2001, 34(2): 345-376.

［11］Murphy E, Oesch D. The feminization of occupations and change in wages: A panel analysis of

Britain, Germany, and Switzerland[J]. Social Forces, 2016, 94(3): 1221-1255.

［12］蔡禾, 吴小平. 社会变迁与职业的性别不平等[J]. 管理世界, 2002, 9: 71-77.

［13］吴愈晓, 吴晓刚. 1982-2000:我国非农职业的性别隔离研究[J]. 社会, 2008(06):133-157+231-232.

［14］李晓宁. 城镇劳动力市场上的性别工资差异问题研究[J]. 统计与信息论坛, 2008, 23(9): 90-96.

［15］李春玲. 中国职业性别隔离的现状及变化趋势[J]. 江苏社会科学, 2009, 3: 9-16.

［16］何泱泱, 刘国恩, 徐程. 中国职业隔离与性别工资差异的变化趋势研究[J]. 经济科学, 2016 (4):

78-89.

［17］Lewbel A. Using heteroscedasticity to identify and estimate mismeasured and endogenous

regressor models[J]. Journal of Business & Economic Statistics, 2012, 30(1): 67-80.

［18］中华人民共和国职业分类大典［M］．北京: 中国劳动社会保障出版社，中国人事出版社，2015

［19］Wang H, Cheng Z, Smyth R. Are Chinese workers compensated for occupational risk?[J].

Journal of Industrial Relations, 2016, 58(1): 111-130.


- 14 -

The effect of occupational gender composition on people’s wage

Qi Luzhe, Wang Si

(Center for Economics, Finance and Management Studies,

Hunan University, Changsha, Hunan, 410000)

Abstract：Based on the empirical analysis of Chinese Household Income Project Survey in 2013, this

thesis makes an in-depth study on the differential impact of occupational gender composition on

people’s wage and possible influencing channels. The study finds that there is a significant negative

income effect on occupational gender composition in Chinese labor market, and male workers face a

heavier wage loss than female workers. In order to make the empirical results more accurate and

reliable, this paper uses Synthetic iv method to deal with the possible endogenous bias. The results

show that human capital is one of the possible mechanisms of this negative wage effect, so

strengthening re-education and retraining of female groups is an effective measure to narrow down the

gender wage gap.

Keywords: Occupational gender composition; Human capital; Crowding-out effect

Documents

职业性别结构对工资的差异化影响 - Sinoss...因此为了深入探究我国性别工资差距的根本影响因素，本文 特意选取职业的性别组成作为切入点进行实证研究。就我国就业市场的独特社会背景和劳动

职业性别结构对工资的差异化影响 - Sinoss...因此为了深入探究我国性别工资差距的根本影响因素，本文特意选取职业的性别组成作为切入点进行实证研究。就我国就业市场的独特社会背景和劳动