Page 110 - 《社会》2022年第1期

不稳定就业与农民工市民化悖论：基于劳动过程的视角

与传统的倾向得分匹配模型（PSM）相比，GPSM 模型突破了处理变
量必须是 0-1 型变量的限制， 可以对多元变量或者连续型变量的处理
效应进行评估。 本文中连续型变量 T 为就业不稳定性，即利用因子分析
方法构建的合同类型、 流动次数和有无长期居留意愿三者的主因子和
权重，所生成的一个不稳定就业的综合变量。 归一化处理后，该变量为
在区间[0，1]中取值的连续型变量。 结果变量分别为个人收入水平和配
偶、子女、父母是否随迁。
对于随机样本，Y i （t）表示个体 i 在处理变量 t 的不同取值下所对
应的潜在产出水平，称为个体的“剂量反应”函数，在本文中即指当就业
不稳定水平为 t 时，农民工的个人收入水平（家庭随迁概率）。 u（t）=E
[Y i （t）]为平均剂量反应函数。 自变量不同取值所对应的函数值差异，可
以解释为处理强度变化所带来的因果效应。
GPSM 首先要求满足条件独立性假设。 当控制了协变量 Ｘ 之后，就
业不稳定性与个人收入水平（家庭成员随迁）之间是相互独立的。
Y（t）⊥T｜X， 坌t∈D （1）
协变量 X 为既影响就业不稳定性也影响收入水平 （家庭随迁）的
变量。 该条件能够有效剔除处理强度的选择性偏误以及由此产生的内
生性问题。当处理变量的条件概率密度为 r（t，x）=F T|X （t|x），广义倾向得
分 R 即为 r（T，X），它表示在控制了协变量 Ｘ 后，处理变量 T 取值 t∈D
时的概率。 此外，GPSM 匹配的效果还取决于平衡条件是否满足， 即控
制了倾向得分 R 一致时，处理强度 t 与潜在产出结果 Y（t）是相互独立
的。
参照相关学者（Hirano and Imbens，2004）的做法，本文将 分三 阶 段
进行不稳定就业对收入水平（家庭随迁）的影响效应估计。
首先，在给定协变量的条件下，估计处理强度的条件分布。 本文采
用的就业不稳定变量是严重有偏的，不满足正态分布的假设，因此，本
文采用 Fractional Logit 模型对密度函数进行修正。 令 E（T i |X i）表示个体
＾
i 在给定 X i 时，不稳定就业的条件期望。 R i 为农民工达到某种就业不稳
定水平的概率。

exp（X i 茁）
＾
E（T i|X i）=F（X i 茁）= ， R i=[F（X i 茁）] ·[1-F（X i 茁）] 1-T i （2）
T i
1+exp（X i 茁）
其次，根据处理强度 T 和倾向得分 R 构造结果变量 Y i 的条件期望
· 103·