Page 171 - 《社会》2021年第3期

社会·2021·3

项系数和男性和女性在这些变量上分布的均值差异来分别计算不同的
变量对于性别收入差距的贡献（Oaxaca，1973；Jones and Kelley，1984）。 其
具体的公式为：
LnW m—LnW f =β f /β m / βfs（X m—X f） + 不可解释的部分
其中，β f 是利用女性样本拟合的回归系数，β m 是利用男性样本拟合的系
数，β fs 是使用全样本拟合的系数。 X m 和 X f 是 X 变量分别在男性和女性
样本中的均值，LnW m 和 LnW f 分别为男性和女性月收入的自然对数。 对
于使用哪个模型的回归系数计算结果， 相关的研究还存在争议（Marini
and Fan，1997）。 为了保证结果的稳健性，我们采取了两种方式对每个
要 素 的 贡 献 率 进 行 分 解 ， 一 种 方 式 是 采 用 全 样 本 模 型 的 回 归 系 数
（ Wellington，1994），另一种方式是采用男性样本和女性样本两个模型回
归系数的均值（ Shu and Bian，2003），这可以使我们避免由于单一样本
的回归系数对奇异值过于敏感而导致分解结果出现偏差。
表 4 报告了对不同的职业特征贡献率进行分解的结果，可以看到，
所有的变量一共可以解释性别收入差距的 21.36%， 略低于模型 5 的
23.05%，其中，职业特征变量一共可以解释其中的 17.26%。 首先看不同
职业技能的贡献率， 在职业技能中贡献率最高的是照料服务技能，为
7.47—8.31%，其次是操作修理技能，两者一共可以解释约 12%的性别
收入的差异。 但是，量化能力对于男女收入差距的贡献率较低，这一点
还有待以后的研究继续探索。 此外，语言能力的贡献是负值，这是因为
女性所在职业的语言能力要求高于男性， 而语言能力对于收入的影响
是正向的。 尽管如此，研究结果仍然显示，男性和女性在不同职业技能
上分布的差异对于性别间的收入差距共有 7.93—8.68%的贡献率，假
设 1 得到证实。
其次， 职业内部的性别比例是所有职业特征中对于解释收入差距
贡献率最大的一个，为 15.02—16.09%，这也证实了假设 2，即性别间的
收入差距在很大程度上是由职业内部的性别比例构成造成的。 这个结
论与之前西方的相关研究相差不大， 它们对这一特征的解释力在12%
左右（Kilbourne，et al.，1994），这说明“价值性歧视”在各个国家是一个
较为普遍的现象。 但本文的研究结果略低于之前国内的研究的数据结
果，这可能是当时受限于数据而没有控制其他的职业特征变量的缘故。
正像前文所指出的，由于职业特征变量与性别比密切相关，可能使其他

· 164·