The Impact of the Number of Children on the Gender Wage Gap in China's Labor Market——Intertemporal Data Analysis Based on CGSS
-
摘要: 在中国不断调整生育政策的背景下，利用CGSS跨期数据，全方位探讨子女数量对中国劳动力市场性别工资差异的影响，发现：总体上子女数量的增加将导致女性工资收入下降7.4%，但对男性的工资收入影响不显著。从时间跨度看，子女数量对男性工资收入产生的影响不显著，但导致女性工资收入下降了6.5%—25.1%，这种差异化的影响无疑将导致性别工资收入差异的增大。从区域看，子女数量对男性工资收入的影响在三个地区均不显著，却显著降低了东部和中部地区女性的工资收入，这体现了市场化程度对性别工资差异的不同影响。分位数回归结果表明，在各分位点数上子女数量对女性工资收入的削减作用要显著高于男性，子女数量的增加对低收入女性的收入冲击要高于高收入女性。歧视仍然是导致性别工资差异的主因，给育龄女性以支持，消除市场上的性别歧视，是缩小性别工资差异，同时提高生育率的关键所在。Abstract: In the context of the continuous adjustment of China's birth policy, this paper uses CGSS inter-temporal data to comprehensively explore the impact of the number of children on the gender wage gap in China's labor market. The results show that: overall, the increase in the number of children will lead to women's wages fell by 7.4%, but the effect on men's wages was not significant. From the perspective of time span, the number of children has no significant effect on men's gender wage income. Even in some years, the number of children has no significant positive effect on men's wage income, but leads to the decrease of women's wage income by 6.5% to 25.1%.This differentiated effect will undoubtedly lead to the increase of gender wage income difference; from the perspective of region, the influence of the number of children on the gender wage of men is not significant in the three regions, but the number of children significantly reduces the wage income of women in the eastern and central regions, which reflects the different influence of the degree of marketization on the gender wage difference. Quantile regression results show that at each quantile point, the number of children has a significantly higher reduction effect on women's income than that of men, and the increase in the number of children has a higher impact on the income of low-income women than that of high-income women. Discrimination is still the main cause of the gender wage gap. To support women of childbearing age and eliminate gender discrimination in the market is the key to narrow the gender wage gap and increase the fertility rate.
-
Keywords:
- adjustment of fertility policy /
- the number of children /
- gender wage gap /
- CGSS
-
一. 问题提出
在老龄化、少子化、不婚化三大趋势加速到来的背景下，中国的人口政策迎来了历史性的突破，鼓励生育成为当下最重要的供给侧结构性改革之一。根据国家统计局最新发布的人口数据，2022年末全国总人口数14.12亿，比上年末减少85万人，出现了自1949年以来除了三年自然灾害期以外的第一次负增长，总和生育率跌破1.1，人口政策调整效果并未达到预期，人口形势日益严峻。
女性作为中国生育和人口红利的重要贡献者，承担了怀孕生子等繁衍后代的责任和工作，女性这一重要角色对中国新生劳动力及人口红利的创造起着举足轻重的作用，女性作为母亲的角色是社会延续和发展不可或缺的部分。但是，女性作为母亲的角色也导致了“性别－母职双重赋税”问题和承担“母职”的女性在就业中要受到“生育的收入惩罚”的现实问题。美国劳动部2020年的一份统计报告显示，中国女性的劳动参与率达到了70%，位列世界第一，而逐渐上升的女性劳动力参与率并未降低劳动力市场中的性别工资差异，消除收入不平等现象。《2021年全球性别差距报告》指出，中国女性群体的收入仅为男性群体的63%，性别工资差距扩大为37%。
一方面，人口形势日益严峻，建立生育友好型社会刻不容缓；另一方面，性别工资差异持续性扩大，女性在劳动力市场上仍然遭受歧视。人口政策的调整势必对劳动力市场产生影响，同时劳动力市场回报又会影响女性的生育决策，从而影响人口政策的效果。多生育一个子女是否会导致性别工资差异的扩大？伴随着人口政策的调整，性别工资差异的变动趋势如何？有无地区差异？这些问题是本文要研究的重点问题。
二. 文献综述
关于性别工资差异，学者们进行了大量的研究，并取得了丰硕的研究成果。大部分文献主要从人力资本、性别歧视、性别职业隔离等方面解释性别工资差异形成的原因[1]。早期人力资本理论确实可以部分解释性别工资差异的存在，如女性受教育程度的上升可以解释美国20世纪80年代以前性别收入差异的缩小[2]，西班牙、意大利、南欧等国家和地区的数据也都验证了女性受教育程度的不断提高是性别收入差异缩小的主要原因[3-4]。但近年来伴随着男女受教育程度的趋同，人力资本的解释力度越来越弱[5]。大部分研究认为职业隔离现象仍然很严重，也有少量研究得出了职业隔离现象正在减少的结论。Blau和Beller认为，制度分割是造成性别工资差异的重要因素[6]。Cardoso等研究得出，近20年间，葡萄牙的性别隔离现象呈现出不断恶化的趋势，且拉大了性别工资差异[7]。Becker最早用歧视来解释性别工资差异[8]，后来得到了很多经济学者的不断发展和检验。Pacheco等分析了新西兰性别收入差异的影响因素，发现只有16.59%—35.58%可以用人力资本等因素进行解释，64.4%—83%无法解释[9]。伴随着男女受教育程度的趋同、职业隔离现象的减少，人力资本、职业隔离的解释力度越来越弱，传统工资方程中能被特征效应解释的性别工资差异部分越来越小，歧视的解释力度越来越大，但显然这是被高估了。随着高质量微观调查数据的涌现，研究者们开始从劳动力市场以外的视角寻找原因，其中对家庭分工尤其是生育的关注越来越多。
西方学者较早开始关注生育对女性职业发展的影响，女性因为生育而暂时性退出劳动力市场，因照管子女及更多的家务劳动不得不对家庭投入更多的时间和精力，从而影响到她们在劳动力市场上的表现，包括劳动参与率、工作时间及劳动效率，进一步影响劳动收入，西方学者称之为“生育惩罚”或“生育代价”[10]。人力资本理论[11]、补偿性差异理论[12]、家庭经济理论[13]、统计性歧视理论[14]等都从理论角度解释了生育的惩罚效应，大量的实证研究也证明了“生育代价”的存在。多数研究认为，虽然女性在劳动力市场上受到惩罚的程度因家庭特征、个体因素和国家及地区的生育政策而不同，但总体上生育子女数量的增加与女性工资收入的减少显著正相关。Rhys和Gaelle使用欧洲的家庭面板数据研究发现，每多生一个孩子，女性的工资就要减少10%—11%[15]。Korenman和Neumark使用美国的数据研究发现，生育一个孩子的女性比未生育女性的工资少7%，生育两个及以上孩子的女性比未生育女性的工资少22%[16]。Molina和Montuenga研究发现，西班牙劳动力市场也存在女性性别工资差异，子女数量与女性收入显著负相关，且随着生育的子女数量增加，女性收入的递减效应更显著[17]。
中国国内近年来也开始关注子女数量对女性劳动收入的影响问题。张川川发现，子女数量对于工资收入的影响，城镇和农村妇女表现不同，子女数量的增加显著降低了城镇妇女的工资水平，却没有显著影响有正规收入的农村妇女的工资水平[18]。Jia和Dong的研究结果显示, 子女数量增加带来的女性收入下降幅度非常明显，女性每增加一个子女，工资率下降约50%[19]。熊海珠和袁国敏根据中国社会综合调查中心最新公布的数据测算了生育二孩对不同地区已婚女性工资率的影响，发现生育二孩对中国已婚女性的工资率具有明显的负面影响, 但这种影响在东西部地区有所不同：在东部地区生育二孩导致女性工资率下降14.1%，在中部地区和西部地区生育二孩对女性工资率的负向影响分别为8.61%和6.76%;经济越发达，女性的生育代价越大[20]。
生育给男性带来的影响却呈现出不同的结果，父亲身份对于男性的就业结果只有微不足道或者积极的影响[21-22]。Pencavel通过对调查样本进行实证分析探究子女数量对父亲劳动供给的确定性影响，指出随着子女数量的增加，父亲的劳动供给并没有显著减少[23]。这是因为，在实际生活中，女性承担了大部分的子女照管责任，男性的工作极少受到影响。张世伟和郭凤鸣研究发现，已婚对男性的工资收入具有明显的激励作用。受传统观念的影响，男性结婚以后往往需要承担更多的家庭责任，这会促使男性增加劳动供给并且工作更加勤奋，从而导致工资水平的提升。所以，对于子女数量较多的家庭而言，男性可能更加努力工作，使得性别工资差异扩大[24]。而雇主往往也将生育对男性的激励作用作为稳定性的标志，为男性提供更高的工资收入[25]。Angrist和Evans将前两个孩子的性别作为工具变量，也发现子女数量的增加并不一定会降低父亲的劳动供给率和劳动效率[26]。子女数量增加，男性的劳动供给没有减少或者反而有所增加，那么女性只能减少劳动供给，增加照料子女的时间，这取决于市场劳动和家庭劳动选择的互相依赖性。
尽管对性别工资差异的研究成果丰硕，但国内鲜少有关注子女数量对男女收入冲击的比较研究。因此，本文在中国不断调整人口政策的背景下，利用CGSS跨期数据，分析子女数量对中国劳动力市场性别工资差异的影响，探究人口政策对劳动力市场的动态冲击。
三. 实证分析
一 数据来源及变量设计
在考虑了现有数据库的使用情况和数据可获得性的情况下，本文采用中国综合社会调查(CGSS) 2010—2019年项目第二期数据，数据包含2011年、2013年、2015年和2017年的4轮截面数据。选择CGSS数据主要是基于四个方面的考虑。一是CGSS是中国最早的全国性、综合性和连续性的学术调研项目，数据免费提供给学者进行学术研究。二是CGSS迄今已经开展了近10期调研，其数据在时间上具有相对于其他几个数据库更好的连续性。三是CGSS数据调研样本覆盖了中国各省、自治区、直辖市的1万多个家庭，调研问卷的抽样方法具有科学性和随机性，因此收集的数据更具有系统性和全面性。四是CGSS包括个体、家庭、社会等多个层面的数据，尤其是与女性生育行为密切相关的生育年龄、子女数量和收入情况等数据，非常切合本文展开的子女数量对性别工资差异的影响研究。
本研究的被解释变量是性别工资(Wage)，采用CGSS问卷中全年的职业/劳动收入即个人年度总收入来衡量。在数据处理中剔除了没有工资收入的样本，接着使用2010年居民消费价格指数(CPI)对数据进行平减，以使各年的实际收入水平具有可比性，并在实证分析中进行了对数化处理。解释变量为子女数量(Children)即一个育龄女性生育孩子的数量，CGSS历年调查问卷中均有“请问您有几个儿子”和“请问您有几个女儿”两个问题，对由其答案所得的儿子数量和女儿数量进行加总，得到一个家庭的子女数量。
基于人力资本理论，借鉴以往研究，本文从个体特征、工作特征和家庭特征三个方面考虑控制变量。
个体特征。本研究考虑了性别、民族、户口类型、党员身份和受教育程度。在实际数据处理中，采用分类赋值法，男性=1，女性=0；民族为汉族的取值为1，非汉族取值为0；农业户口=1，非农业户口=0；党员=1，非党员=0；小学=6，初中=9，普通高中/职业高中/技校/中专=12，大专=15，本科=16，研究生及以上=19。
工作特征。改革开放后，单位所有制性质趋于多样化，“体制”内外的劳动者所面对的是不同的收入分配模式和生育支持环境。本研究将单位所有制性质作为“工作特征”的代理变量予以控制。该变量为类别变量，根据问卷中被调查者工作单位的性质进行分类，就职于国有部门取值为1，就职于非国有部门取值为0。
家庭特征。女性的生育行为决策，包括生育年龄和子女数量决策，均属于家庭决策，受到家庭因素的影响。具体来看，配偶的年龄和受教育程度会对女性的婚育行为产生显著的影响，同时，配偶的年龄和受教育程度又会直接影响配偶的经济收入，进而影响家庭收入，而家庭收入是女性参与劳动和生育后是否继续工作的重要影响因素。因此，本文将配偶的收入水平作为控制变量，采用CGSS调查问卷中配偶的年收入来衡量。
在明确了解释变量、被解释变量和控制变量并对数据进行整理后，得到变量的描述性统计(见表 1)。
表 1 变量的描述性统计变量名称 总体 男性 女性 均值 标准差 均值 标准差 均值 标准差 工资收入(lnwage) 10.08 1.028 10.33 0.946 9.810 1.046 子女数量(Children) 1.178 0.801 1.174 0.782 1.181 0.821 性别(Gender) 0.522 0.500 1.000 0.000 0.000 0.000 年龄(Age) 47.480 7.684 47.770 7.621 47.170 7.740 民族(Clan) 0.914 0.281 0.919 0.272 0.907 0.290 受教育程度(Education) 10.520 3.527 10.740 3.384 10.290 3.663 户口类型(Account type) 0.573 0.495 0.573 0.495 0.573 0.495 党员身份(Party) 0.109 0.312 0.143 0.350 0.072 0.259 单位特征(Unit-type) 0.799 0.401 0.802 0.399 0.796 0.403 配偶的年龄(Spouse age) 47.490 8.154 46.090 7.960 49.020 8.088 配偶的教育程度(Spouse education) 10.380 3.491 10.060 3.443 10.740 3.509 配偶的收入水平(lnSpouse income) 8.688 3.546 7.551 4.228 9.928 1.961 是否有儿子(Son) 0.488 0.500 0.490 0.500 0.486 0.500 地区代码(Zone) 1.766 0.782 1.767 0.783 1.765 0.781 二 实证模型设计
为了探究子女数量对性别工资差异的影响，本文先基于工资和收入决定模型构建基础模型如下：
lnwage i=αi+β Children i+γXi+εi (1) 其中，lnwagei为工资收入的对数，Childreni表示子女数量，Xi表示影响工资收入的控制变量，εi表示误差项，β表示子女数量对工资收入的影响估计系数。
接着，为了保证研究的稳健性和进一步深入分析子女数量对性别工资差异产生的影响，系统剖析在工资条件分布的不同位置上子女数量对性别工资水平的不同影响，本文采用分位数回归方法展开实证分析，以避免极端值导致的估计不稳健和不客观问题。分位数回归模型可表示为：
Qiθ(Yi/Xi)=Xiβiθ+uiθ (2) 公式(2)中Qiθ(Yi/Xi)表示在Xi已定的条件下与分位数Q相对应的条件分位数，可以根据课题设计和需要选择各种不同的分位数进行回归估计。本文采用现有文献中使用较多的三个分位数进行回归，分别是0.25分位数、0.5分位数和0.75分位数，并通过最小化方程(3)得到分位数回归的系数估计值，即：
min (3) 方程(1)主要检验子女数量对男女性别工资产生的影响，无法估计子女数量对性别工资差异产生的影响。为了进一步分析子女数量对性别工资差异产生的影响，采用Oaxaca-Blinder分解方法对工资方程进行分解。Oaxaca-Blinder分解将性别工资的均值差异分解为可解释和不可解释的两部分，把特征差异带来的工资差异描述为可解释部分，把系数差异带来的工资差异描述为不可解释部分，即因为雇主歧视或者性别行业歧视导致的性别工资差异。本章将采用这一方法将性别工资差异产生的原因区分为可解释的部分和不可解释的部分，并将观测年份的工资差异进行二次分解，得到不同年份的性别工资差异数据，然后再次展开子女数量对性别工资差异的影响回归分析。Oaxaca-Blinder分解方法的基本思路为，假设男女劳动力的工资决定方程如下：
\ln \bar{w}_{m t}=X_{m t} \beta_{m t}+u_{m t} (4) \ln \bar{w}_{f t}=X_{f t} \beta_{m t}+u_{f t} (5) 其中，lnw表示工资变量，X表示工资决定方程的特征变量的集合，β表示特征变量的估计系数，m、f和t分别表示男性、女性和时间，u表示误差项。Oaxaca-Blinder分解方法认为，当劳动力市场上不存在歧视时，男性工资决定方程和女性工资决定方程是通用的。接着，要选择以男性或者女性的工资方程作为基准组，即不存在歧视情况下的工资方程。一些学者认为用男女混合样本作为工资方程的参照组较为合理，但在现有关于中国性别工资差异的影响研究中，学者大多认为男性在劳动力市场上较少受到歧视，男性工资方程更加接近使用混合样本得到的工资方程，以男性工资收入方程作为基准组的做法更多。因此，在本研究中也采用男性工资方程作为基准组进行男女性别工资差异的分解。
依据最小二乘法的性质，对方程(4)和(5)作差可以得到：
\ln \overline{w_{m t}}-\ln \overline{w_{f t}}=\beta_{m t} \overline{X_{m t}}-\beta_{f t} \bar{X}_{f t}=\beta_{m t}\left(\overline{X_{m t}}-\overline{X_{f t}}\right)+\bar{X}_{f t}\left(\beta_{m t}-\beta_{f t}\right) (6) 其中，w和X分别表示工资均值和特征变量的均值; \beta_{m t}\left(\overline{X_{m t}}-\overline{X_{f t}}\right)表示的是个人特征导致的男女性别工资差异，是性别工资差异中的可解释部分；\overline{X_{f t}}\left(\beta_{m t}-\beta_{f t}\right)则是男性和女性工资方程的系数差异导致的性别工资差异，体现了性别工资差异中不可解释的部分。
三 子女数量对性别工资差异的影响实证结果与分析
1 描述性统计分析
表 2和图 1分别对2011年、2013年、2015年和2017年的性别工资收入均值及子女数量均值进行了描述性统计分析。由表 1可知，2011年至2017年全样本、男性和女性的性别工资收入均值都呈现出逐年增长的特点。这说明随着经济发展水平的提升，劳动力市场上男性和女性的工资收入均在增长。但在性别工资差异方面有两个不同点。一是2011年和2013年女性的平均工资收入要高于男性的平均工资收入，而2015年和2017年男性的平均工资收入反超了女性的平均工资收入。二是男性平均工资收入的增长速度高于女性平均工资收入。2011年至2017年，男性平均工资收入增长了1倍多，而女性平均工资收入的增长则不到1倍。这说明在劳动力市场上男性的平均工资收入增长速度快，女性的平均工资收入增长速度慢，男女工资收入的差距在逐步扩大。
表 2 性别工资收入的描述性统计分析年份 平均工资收入(元) 全样本 男性 女性 2011 30 430.57 28 319.16 32 857.17 2013 31 261.03 29 092.01 33 753.86 2015 42 857.24 55 326.94 30 365.45 2017 59 502.12 65 051.70 53 593.25 由图 1可知，在子女数量的分布特征上，2011年至2017年整体样本家庭的子女数量呈现增长趋势，但增长速度缓慢。2011年全样本分析中每个家庭平均子女数量为1.18个，2013年每个家庭平均子女数量为1.38个，2015年每个家庭平均子女数量为1.43个，2017年每个家庭平均子女数量为1.63个。2015年后，研究样本的平均子女数量增长速度要高于前面三年，这可能是因为2015年年底全国全面放开了“二孩”政策，促进了新生子女数量增长。
2 子女数量对性别工资差异的影响实证分析
(1) 子女数量与性别工资收入：基本回归结果
表 3报告了基于全样本组、女性样本组和男性样本组的基准工资回归模型估计结果。由表 3可知，在全样本组中子女数量的估计系数为-0.029，在1%的水平上显著，子女数量与性别工资收入显著负相关，子女数量的增加将导致男性与女性整体工资收入下降2.9%。在男性样本组中，子女数量的估计系数为0.007，但在统计上不显著。在女性样本组中，子女数量的估计系数为-0.074，在1%的水平上通过了显著性检验，子女数量的增加将导致女性工资收入下降7.4%。可见，子女数量的增加总体上降低了个体的性别工资收入，但对男性与女性工资收入的影响存在显著的差异。子女数量的增加显著降低了女性的工资收入，但对男性的工资收入影响不显著。
表 3 子女数量影响性别工资收入的OLS回归结果(基于全样本)变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.029*** 0.007 -0.074*** (0.011) (0.015) (0.016) Gender 0.639*** (0.019) Age -0.035*** -0.044*** -0.023*** (0.003) (0.004) (0.004) Clan 0.339*** 0.339*** 0.293*** (0.031) (0.045) (0.042) Education 0.074*** 0.071*** 0.068*** (0.004) (0.005) (0.006) Account type -0.155*** -0.080*** -0.248*** (0.021) (0.028) (0.031) Party -0.016 -0.043 0.071* (0.026) (0.031) (0.043) Unit type -0.242*** -0.275*** -0.191*** (0.018) (0.025) (0.026) Spouse age 0.019*** 0.029*** 0.008** (0.003) (0.004) (0.004) Spouse education 0.040*** 0.043*** 0.035*** (0.004) (0.005) (0.005) lnSpouse income 0.013*** 0.001 0.087*** (0.003) (0.003) (0.009) _cons 9.169*** 9.813*** 8.602*** (0.085) (0.117) (0.146) N 13 710 7 150 6 560 r2_a 0.303 0.226 0.314 注: * * *、* *、* 表示在1%、5%、10%水平下显著，括号中为标准误，下表同。 产生这种差异性结论的原因主要在于三个方面。一是随着子女数量的增加，女性照顾年幼子女的时间和精力将成倍增加，这大大减少了女性在工作上的时间投入和精力投入，降低了女性的工资收入。二是女性出于履行“母亲”这一责任的考虑，会在生育子女后进行工作选择时优先考虑除薪酬以外的工作福利待遇因素，如工作时间安排的自由程度和灵活度、工作地点离家比较近、工作时间不出差等因素，以便能够有更多的时间照顾年幼子女，而这些工作往往是一些职位较低、薪酬较低的工作，导致女性成为更低效率的市场劳动者。这无疑会造成女性的工资收入下降，使其无法像男性劳动者一样根据个人能力、专业特征和爱好选择工作和职业。三是在中国传统文化影响下，以父权为主导的家庭传统观念仍然存在，家庭分工以男性赚钱养家、女性照顾家庭为主，男性在有子女之后将要承担更加繁重的养育子女和家庭的经济压力。这导致男性将更多的时间和精力放在工作上，努力提升工资收入，一定程度上解释了为什么子女数量会对男性的工资收入产生正向影响。
从控制变量上来看，性别与工资收入显著正相关，说明男性在劳动力市场上占据优势，性别为男性有助于提升个体的性别工资收入。年龄与性别工资收入显著负相关，随着年龄的增加，性别工资收入将减少。民族特征中汉族有利于个体提升性别工资收入，而非汉族等其他民族不利于个体提升性别工资收入。个体受教育程度与性别工资收入显著正相关，受教育程度越高，性别工资收入越高。户口类型中农村户口与性别工资收入负相关，农村户口已经成为个体提升性别工资收入的劣势。是否为党员对性别工资收入的影响不显著。配偶的年龄、受教育程度和经济收入水平与个体的性别工资收入显著正相关，随着配偶年龄的增长、受教育程度的提高以及经济收入的增加，个体的性别工资收入也会增加。
(2) 子女数量与性别工资收入：年份差异
为了考察子女数量对性别工资收入影响的变动趋势，分别使用2011年、2013年、2015年和2017年的CGSS数据进行回归分析，表 4—表 7分别报告了各年份子女数量影响性别工资差异的结果。
表 4 子女数量影响性别工资差异的OLS回归结果(2011年)变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.028 -0.001 -0.071** (0.025) (0.035) (0.035) Gender 0.785*** (0.036) Age -0.048*** -0.053*** -0.035*** (0.006) (0.008) (0.008) Clan 0.289*** 0.335*** 0.155* (0.057) (0.080) (0.081) Education 0.058*** 0.055*** 0.053*** (0.007) (0.010) (0.011) Account type -0.120*** -0.057 -0.195*** (0.040) (0.054) (0.060) Party -0.037 -0.027 -0.014 (0.048) (0.058) (0.080) Unit type -0.214*** -0.255*** -0.147*** (0.034) (0.047) (0.049) Spouse age 0.033*** 0.037*** 0.023*** (0.005) (0.007) (0.008) Spouse education 0.044*** 0.041*** 0.044*** (0.007) (0.009) (0.010) lnSpouse income 0.015*** 0.002 0.136*** (0.006) (0.006) (0.026) _cons 9.037*** 9.928*** 7.909*** (0.160) (0.219) (0.330) N 3 546 1 892 1 654 r2_a 0.304 0.196 0.309 表 5 子女数量影响性别工资差异的OLS回归结果(2013年)变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.021 -0.001 -0.065** (0.021) (0.032) (0.031) Gender 0.745*** (0.031) Age -0.046*** -0.043*** -0.025*** (0.007) (0.006) (0.005) Clan 0.259*** 0.315*** 0.515* (0.051) (0.081) (0.082) Education 0.054*** 0.053*** 0.051*** (0.006) (0.010) (0.010) Account type -0.110*** -0.054 -0.185*** (0.030) (0.044) (0.050) Party -0.027 -0.025 -0.013 (0.038) (0.048) (0.070) Unit type -0.224*** -0.155*** -0.157*** (0.033) (0.044) (0.048) Spouse age 0.031*** 0.034*** 0.022*** (0.006) (0.004) (0.007) Spouse education 0.034*** 0.051*** 0.034*** (0.006) (0.008) (0.010) lnSpouse income 0.012*** 0.001 0.145*** (0.003) (0.006) (0.026) _cons 8.045*** 7.945*** 8.237*** (0.140) (0.201) (0.340) N 3 546 1 892 1 654 r2_a 0.310 0.184 0.300 表 6 子女数量影响性别工资差异的OLS回归结果(2015年)变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.241*** -0.242*** -0.251*** (0.035) (0.049) (0.049) Gender 0.580*** (0.041) Age -0.030*** -0.039*** -0.021** (0.006) (0.008) (0.009) Clan 0.428*** 0.337*** 0.477*** (0.065) (0.104) (0.081) Education 0.078*** 0.076*** 0.069*** (0.008) (0.012) (0.012) Account type -0.197*** -0.095 -0.313*** (0.041) (0.059) (0.058) Party -0.052 -0.111 0.099 (0.054) (0.068) (0.089) Unit type -0.228*** -0.273*** -0.195*** (0.038) (0.056) (0.052) Spouse age 0.014** 0.030*** 0.001 (0.006) (0.008) (0.008) Spouse education 0.038*** 0.045*** 0.034*** (0.008) (0.012) (0.011) lnSpouse income 0.013** 0.006 0.036*** (0.005) (0.006) (0.012) _cons 9.185*** 9.560*** 9.325*** (0.188) (0.262) (0.288) N 3 110 1 557 1 553 r2_a 0.313 0.227 0.329 表 7 子女数量影响性别工资差异的OLS回归结果(2017年)变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.017 0.050 -0.086*** (0.023) (0.032) (0.033) Gender 0.475*** (0.039) Age -0.014** -0.023** -0.003 (0.006) (0.009) (0.008) Clan 0.342*** 0.297*** 0.341*** (0.067) (0.098) (0.091) Education 0.096*** 0.101*** 0.090*** (0.008) (0.011) (0.011) Account type -0.171*** -0.116** -0.242*** (0.042) (0.059) (0.060) Party 0.006 -0.042 0.079 (0.048) (0.061) (0.073) Unit type -0.285*** -0.306*** -0.248*** (0.036) (0.050) (0.051) Spouse age 0.006 0.011 0.001 (0.006) (0.009) (0.008) Spouse education 0.032*** 0.036*** 0.021* (0.008) (0.010) (0.011) lnSpouse income 0.016*** 0.001 0.094*** (0.005) (0.005) (0.016) _cons 8.998*** 9.593*** 8.233*** (0.169) (0.234) (0.264) N 3 508 1 809 1 699 r2_a 0.312 0.278 0.331 从表 4和表 5的分析结果可以看出，2011年和2013年子女数量对性别工资收入的整体影响及对男性工资收入的影响都不显著，但显著影响了女性的工资收入，导致女性工资收入分别下降了7.1和6.5个百分点。子女数量对男女两性工资收入的差异化影响，无疑将加大劳动力市场上的性别工资差异。
2015年的分析结果呈现出了一定的变化，无论是在整体样本还是男女样本中，子女数量的估计系数都为负，且在1%的水平上通过了显著性检验，在三组样本中子女数量的增加均在一定程度上降低了性别工资收入。但与男性相比，子女数量导致女性工资收入下降的幅度更大，这种差异化的影响将造成男性和女性的工资收入差距进一步加大，分析结果详见表 6。
2017年的分析结果显示，尽管子女数量在整体样本和男性样本中的影响都不显著，但对男性工资收入的影响却由前面年份的负向变为正向；对女性工资收入的影响仍然通过了显著性检验，导致女性工资收入下降了近9个百分点(详见表 7)。
综上可知，不同年份子女数量对性别工资收入的影响存在一定的不同，2011年、2013年和2017年的整体样本分析中均发现子女数量对性别工资收入影响不显著，但2015年子女数量显著降低了性别工资收入。这可能是由于2014年全国较多地区放开了“单独二孩”政策以及2015年“全面二孩”政策在全国范围内的推广，导致研究样本中子女数量出现了一定的增加，进而对性别工资收入产生了显著的影响。同时，子女数量对男性和女性样本的影响存在显著的差异。总体上看，子女数量对男性性别工资收入产生的影响不显著，但对女性工资收入产生了显著的消极影响，从4年的观测结果来看，子女数量导致女性工资收入下降6.5%—25.1%。这种差异化的影响无疑将导致性别工资收入差异增大。
(3) 子女数量与性别工资收入：区域差异
为了考察子女数量对性别工资收入的影响是否存在区域异质性，本文基于研究样本的归属地，将样本分为东部地区样本、中部地区样本和西部地区样本进行分组回归分析。表 8—表 10分别报告了三个地区子女数量对性别工资收入的影响估计结果。
表 8 东部地区子女数量影响性别工资差异的OLS回归结果变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.015 0.032 -0.076*** (0.018) (0.024) (0.027) Gender 0.630*** (0.027) Age -0.035*** -0.025*** -0.037*** (0.004) (0.005) (0.006) Clan 0.577*** 0.637*** 0.503*** (0.055) (0.083) (0.070) Education 0.080*** 0.081*** 0.068*** (0.006) (0.008) (0.008) Account type -0.075*** 0.042 -0.213*** (0.029) (0.039) (0.042) Party 0.055 0.027 0.121** (0.035) (0.044) (0.053) Unit type -0.163*** -0.210*** -0.108*** (0.023) (0.032) (0.033) Spouse age 0.022*** 0.017*** 0.021*** (0.004) (0.005) (0.006) Spouse education 0.040*** 0.039*** 0.038*** (0.005) (0.007) (0.008) lnSpouse income 0.015*** 0.000 0.104*** (0.004) (0.004) (0.014) _cons 8.776*** 9.197*** 8.272*** (0.124) (0.166) (0.213) N 6 166 3 217 2 949 r2_a 0.332 0.245 0.369 表 9 中部地区子女数量影响性别工资差异的OLS回归结果变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.044** -0.010 -0.083*** (0.018) (0.025) (0.027) Gender 0.672*** (0.034) Age -0.042*** -0.042*** -0.037*** (0.005) (0.008) (0.008) Clan 0.145** 0.103 0.162* (0.061) (0.090) (0.084) Education 0.041*** 0.030*** 0.048*** (0.007) (0.009) (0.010) Account type -0.116*** -0.005 -0.241*** (0.037) (0.048) (0.057) Party -0.065 -0.048 -0.039 (0.043) (0.051) (0.085) Unit type -0.163*** -0.186*** -0.112** (0.036) (0.045) (0.057) Spouse age 0.024*** 0.025*** 0.020*** (0.005) (0.007) (0.007) Spouse education 0.031*** 0.042*** 0.018* (0.006) (0.009) (0.009) lnSpouse income 0.010** 0.003 0.053*** (0.004) (0.004) (0.014) _cons 9.783*** 10.370*** 9.476*** (0.153) (0.214) (0.249) N 4 582 2 380 2 202 r2_a 0.192 0.095 0.162 表 10 西部地区子女数量影响性别工资差异的OLS回归结果变量 (1) 全样本 (2) 男性 (3) 女性 Children 0.022 0.040 -0.009 (0.021) (0.030) (0.029) Gender 0.594*** (0.045) Age -0.031*** -0.078*** 0.005 (0.007) (0.010) (0.009) Clan 0.138*** 0.148** 0.102 (0.046) (0.065) (0.066) Education 0.076*** 0.086*** 0.061*** (0.009) (0.012) (0.012) Account type -0.332*** -0.325*** -0.330*** (0.051) (0.071) (0.070) Party -0.013 -0.002 0.093 (0.062) (0.076) (0.109) Unit type -0.320*** -0.266*** -0.363*** (0.055) (0.080) (0.078) Spouse age 0.011 0.050*** -0.020** (0.007) (0.009) (0.009) Spouse education 0.017** -0.006 0.030*** (0.008) (0.012) (0.011) lnSpouse income 0.004 -0.009 0.071*** (0.006) (0.007) (0.019) _cons 9.760*** 10.878*** 9.062*** (0.190) (0.270) (0.330) N 2 962 1 553 1 409 r2_a 0.243 0.187 0.248 由表 8可知，在东部地区全样本组中子女数量的估计系数为负，男性样本组中子女数量的估计系数为正，两者均不显著。在女性样本组分析中，子女数量的估计系数为负，且在1%的水平上通过了显著性检验。这说明在东部地区子女数量显著降低了女性的工资收入，女性工资收入下降的幅度为7.6个百分点。由表 9可知，在三组样本分析中子女数量的估计系数分别为-0.044、-0.010、-0.083，估计系数均为负，但男性样本组未通过显著性检验。这说明，在中部地区子女数量整体上降低了性别工资收入，降低幅度为4.4个百分点；同时，在中部地区子女数量也显著降低了女性工资收入，降低幅度为8.3个百分点。由表 10可知，在西部地区子女数量与性别工资收入的关系在三组样本分析中均不显著。
综上可知，子女数量对性别工资收入的影响存在一定的区域差异：在全样本分析中，子女数量仅在中部地区显著降低了性别工资收入；在男性样本分析中，子女数量对性别工资的影响在三个地区均不显著；而在女性样本分析中，子女数量显著降低了东部和中部地区女性的工资收入，但对西部地区女性的工资收入影响不显著。这个结论进一步验证了性别工资差异与区域市场化程度的关系，在市场化程度越高的地区，性别工资差异越大。
四. 子女数量对性别工资的分位数影响
为了探究在工资收入分布的不同分位点上子女数量对性别工资收入的影响差异，本部分进一步采用分位数回归法对整体样本以及各年份男性样本与女性样本展开了回归分析。
一 整体样本的分位数分析结果
表 11报告了全样本情况下子女数量影响性别工资收入的分位数回归结果。由表 11可知，在全样本分析的0.25分位数上，子女数量与性别工资收入显著负相关，也就是说生育子女数量的增加对低收入群体的负向影响最大。同时，与男性样本组相比，子女数量对女性样本组各分位点工资收入的影响更显著。在男性样本组的分析中，随着分位数的增加，子女数量对性别工资的影响逐渐增大，但均未通过显著性检验。在女性样本组的分析中，子女数量的估计系数为负，绝对值随着分位数的增加反而减小了，且在各分位点上的估计结果均显著。这说明多次生育对低收入女性的收入冲击要高于高收入女性，低收入女性在面临生育时彻底退出劳动力市场的可能性更大。整体上看，在各分位点上子女数量对女性工资收入的削减作用要显著高于男性。
表 11 子女数量影响性别工资差异的分位数回归结果(基于整体样本)变量 全样本 全样本 全样本 男性 男性 男性 女性 女性 女性 0.25 0.5 0.75 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.078*** -0.018 -0.010 -0.012 0.014 0.023 -0.129*** -0.076*** -0.077*** (0.015) (0.013) (0.015) (0.019) (0.017) (0.018) (0.019) (0.018) (0.021) Gender 0.688*** 0.631*** 0.583*** (0.027) (0.023) (0.027) Age -0.037*** -0.039*** -0.039*** -0.045*** -0.046*** -0.042*** -0.029*** -0.028*** -0.026*** (0.004) (0.003) (0.004) (0.005) (0.005) (0.005) (0.005) (0.005) (0.006) Clan 0.422*** 0.381*** 0.273*** 0.473*** 0.401*** 0.221*** 0.249*** 0.302*** 0.298*** (0.039) (0.034) (0.039) (0.052) (0.047) (0.049) (0.050) (0.048) (0.055) Education 0.076*** 0.072*** 0.067*** 0.072*** 0.069*** 0.066*** 0.068*** 0.061*** 0.063*** (0.005) (0.005) (0.005) (0.007) (0.006) (0.006) (0.007) (0.007) (0.008) Account type -0.164*** -0.058** -0.065** -0.063* -0.001 -0.029 -0.246*** -0.116*** -0.134*** (0.030) (0.025) (0.029) (0.037) (0.034) (0.035) (0.039) (0.038) (0.043) Party -0.073* -0.014 0.007 -0.081* -0.041 -0.015 -0.051 0.126** 0.099 (0.038) (0.033) (0.038) (0.043) (0.039) (0.041) (0.060) (0.058) (0.066) Unit type -0.264*** -0.191*** -0.139*** -0.274*** -0.228*** -0.192*** -0.162*** -0.147*** -0.065 (0.028) (0.024) (0.028) (0.036) (0.033) (0.034) (0.036) (0.035) (0.040) Spouse age 0.021*** 0.023*** 0.022*** 0.029*** 0.031*** 0.027*** 0.016*** 0.014*** 0.012** (0.004) (0.003) (0.004) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005) Spouse education 0.043*** 0.037*** 0.033*** 0.036*** 0.035*** 0.033*** 0.038*** 0.034*** 0.019** (0.005) (0.004) (0.005) (0.007) (0.006) (0.006) (0.007) (0.007) (0.007) lnSpouse income 0.024*** 0.014*** 0.011*** 0.013*** 0.002 -0.003 0.222*** 0.140*** 0.089*** (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.008) (0.007) (0.008) _cons 8.389*** 9.091*** 9.902*** 9.160*** 9.791*** 10.558*** 6.607*** 8.025*** 9.261*** (0.119) (0.102) (0.118) (0.150) (0.137) (0.143) (0.166) (0.161) (0.184) N 13 710 13 710 13 710 7 150 7 150 7 150 6 560 6 560 6 560 r2_a 0.198 0.159 0.131 0.143 0.108 0.093 0.225 0.178 0.143 二 各年份样本的分位数分析结果
表 12报告了男性样本组各年份子女数量影响性别工资收入的分位数回归结果。由表 12可知，2011年和2013年，在0.25、0.5和0.75分位数上，子女数量对男性工资收入的影响均不显著，但从各分位数上子女数量的估计系数来看，其系数估计值在逐渐增大，且对男性工资收入的影响随着分位数的增加呈现U型特征。2015年，在各分位点上子女数量的估计系数分别为-0.162、-0.238、-0.303，随着分位数的增加，子女数量的估计系数绝对值逐渐增大；这说明随着分位数的增加，子女数量对男性工资收入的影响越来越大，表现为子女数量的增加显著降低了高收入男性的工资收入。2017年，仅在0.5分位数上子女数量对男性工资收入的影响是显著的，但在三个分位点上子女数量的估计系数均为正; 这说明子女数量对男性工资收入产生了正向影响，但这种影响在0.25和0.75分位数上不显著。总体上看，2011年与2013年各分位点上子女数量对男性工资收入的影响不显著，2015年子女数量对男性工资收入的负向影响随着分位数的增加而增大，而2017年子女数量在各分位点上对男性工资收入的影响均为正；随着年份的推移和分位数的增加，子女数量对男性工资收入的影响逐渐由负向影响向正向影响转变。
表 12 子女数量影响性别工资差异的分位数回归结果(基于男性样本)变量 2011男性 2013男性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.037 -0.006 0.032 -0.027 -0.005 0.022 (0.052) (0.040) (0.041) (0.042) (0.041) (0.031) 控制变量 Yes Yes Yes Yes Yes Yes N 1 931 1 931 1 931 1 853 1 853 1 853 变量 2015男性 2017男性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.162*** -0.238*** -0.303*** 0.038 0.073* 0.053 (0.055) (0.061) (0.064) (0.044) (0.038) (0.039) 控制变量 Yes Yes Yes Yes Yes Yes N 1 557 1 557 1 557 1 809 1 809 1 809 表 13报告了女性样本组各年份子女数量影响性别工资收入的分位数回归结果。由表 13可知，2011年、2013年和2017年，在各分位点上，子女数量的估计系数都为负，且随着分位数的增加，子女数量对女性工资收入的影响越来越小。而2015年呈现出了不一样的特点，随着分位数的增加，子女数量的估计系数绝对值逐渐增大，且均在统计上显著；这说明随着分位数的增加，子女数量对女性工资收入的负向影响越来越大。总体上看，子女数量在各分位点上对女性工资收入的影响表现出2011年和2013年随着分位数的增加而减小、2015年随着分位数的增加而增大、2017年随着分位数的增加而减小的N型变动趋势。
表 13 子女数量影响性别工资差异的分位数回归结果(基于女性样本)变量 2011女性 2013女性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.134*** -0.083** -0.061 -0.132*** -0.081** -0.060 (0.044) (0.041) (0.047) (0.042) (0.041) (0.044) 控制变量 Yes Yes Yes Yes Yes Yes N 1 615 1 615 1 615 1 693 1 693 1 693 变量 2015女性 2017女性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.237*** -0.264*** -0.320*** -0.136*** -0.082** -0.035* (0.069) (0.057) (0.062) (0.041) (0.040) (0.037) 控制变量 Yes Yes Yes Yes Yes Yes N 1 553 1 553 1 553 1 699 1 699 1 699 综上可知，在相同年份相同分位点上，子女数量对女性工资收入的影响基本要高于男性，且随着分位数的增加和时间的推移，子女数量对男性工资收入的影响逐渐由负向转为正向，而对女性工资收入的影响始终是负向影响。
五. 子女数量对性别工资差异的影响分解
在通过OLS回归分析和分位数回归分析后，为了探索个体因素中的特征效应和歧视因素对性别工资差异的贡献程度，进一步发现子女数量对性别工资差异的贡献程度，本章采用Oaxaca-Blinder分解法对整体样本的性别工资差异进行分解，具体分解结果见表 14。
表 14 子女数量影响性别工资差异的Oaxaca-Blinder分解结果分解项 变量 系数 百分比(%) 工资总差异 0.538 100 特征效应 Children -0.073 -13.569 Age -0.022 -4.089 Clan 0.293 54.461 Education 0.068 12.639 Account type -0.247 -45.911 Party 0.071 13.197 Unit type -0.19 -35.316 Spouse age 0.001 0.186 Spouse education 0.035 6.506 lnSpouse income 0.087 16.171 合计 0.023 4.275 系数效应 Children -0.007 -1.301 Age -0.043 -7.993 Clan 0.338 62.825 Education 0.07 13.011 Account type -0.079 -14.684 Party -0.042 -7.807 Unit type 0.275 51.115 Spouse age 0.029 5.390 Spouse education 0.042 7.807 lnSpouse income 0.001 0.186 _cons -0.069 -12.825 合计 0.515 95.725 在特征差异方面，子女数量的特征差异值为负数，从系数的绝对值来看，子女数量对性别工资差异的贡献度为13.569%，说明子女数量将有利于缩小性别工资差异。可能的原因是，现代家庭主要以双职工家庭为主，夫妻双方均为家庭经济收入的主要贡献者，随着子女数量的增加，家庭生活成本和子女养育成本增加，夫妻双方将更加努力工作，增加在劳动力市场上的工作时间，提升工资收入。从特征效应和系数效应的比较来看，性别工资差异中由市场歧视造成的无法解释部分的比例远远高于由个体特征造成的可解释部分。这说明劳动力市场上仍然存在较为严重的性别歧视现象，而生育本身是造成市场对女性产生歧视的一个重要原因。因此，给育龄女性以支持，消除劳动力市场上的性别歧视现象，是缩小性别工资差异的关键所在。
六. 稳健性检验
在实证模型的设计中，子女数量可能具有内生性，这种内生性主要来自两个方面。一是可能存在一定的反向因果关系，即子女数量会影响女性在劳动力市场上的工资收入，同时女性了解到女性群体生育后在劳动力市场上面临的不公平竞争和较低的工资收入等性别工资差异客观存在的事实，可能进一步影响已婚女性在生育时间及生育数量上的决策，导致一些女性推迟生育时间或者少生育子女的情况发生。二是存在一定数量的遗漏变量，即可能存在一些不可观测的变量，既影响女性生育子女的数量，又影响性别工资差异，如雇主歧视和行业歧视等。已有研究采用工具变量法解决内生性问题，如使用双胞胎作为子女数量的工具变量[27-28]，但双胞胎本身出现的概率很低，需要大数据样本支持，具有一定的局限性。Angrist和Evans使用前两个孩子的性别作为子女数量的工具变量，基于美国人对于子女性别偏好的传统，如果前两个孩子性别相同，则倾向于生育第三个孩子[26]。由于中国还存在重男轻女的传统观念，一胎是否为儿子和家庭子女中是否有儿子会对家庭是否再生育一个子女及家庭子女总数量产生重要的影响，故采用家庭中是否有儿子这一变量作为子女数量的替代变量进一步展开实证分析，以验证结论的稳健性。由表 15可知，其结果与前期结果基本一致，说明本文的实证分析具有一定的稳健性。
表 15 稳健性检验结果变量 (1) 全样本 (2) 男性 (3) 女性 Son -0.193*** -0.142*** -0.245*** (0.016) (0.021) (0.023) Gender 0.641*** (0.019) Age -0.034*** -0.044*** -0.022*** (0.003) (0.004) (0.004) Clan 0.346*** 0.341*** 0.305*** (0.031) (0.045) (0.040) Education 0.072*** 0.070*** 0.068*** (0.004) (0.005) (0.006) Account type -0.153*** -0.074*** -0.251*** (0.021) (0.028) (0.031) Party -0.012 -0.037 0.068 (0.025) (0.031) (0.048) Unit type -0.246*** -0.275*** -0.205*** (0.018) (0.025) (0.029) Spouse age 0.020*** 0.030*** 0.008** (0.003) (0.004) (0.004) Spouse education 0.041*** 0.042*** 0.038*** (0.004) (0.005) (0.005) lnSpouse income 0.012*** 0.000 0.084*** (0.003) (0.003) (0.006) _cons 9.186*** 9.859*** 8.599*** (0.084) (0.116) (0.133) N 13 710 7 150 6 560 r2_a 0.310 0.231 0.323 七. 结论及建议
从实证分析结果看，人口政策的不断调整一定程度上增加了中国家庭的子女数量，子女数量的增加对男性收入并未造成显著影响，但对女性收入的影响显著且长远，这将不利于缩小劳动力市场上存在的性别工资差异。同时，女性预料到生育对其劳动力市场回报的冲击，可能推迟生育或减少生育次数，这将使人口政策调整的效果大打折扣。基于现有分析，本文从三个方面提出缩小性别工资差异的建议。
一是从宏观层面看，政府应致力于改善公共服务及配套设施，为女性增加生育子女数量创造良好条件和外部支持，实现国家和社会联合助养，减轻女性的生育负担。通过扶持鼓励社区、单位开设托儿所、幼儿园及婴儿照料机构，帮助女性减少育儿的时间束缚，缩短因生育导致的职业间隙，提升女性劳动参与的连续性和持续性，减少劳动力市场对女性生育导致的职业中断的预期，提高女性劳动力市场谈判能力，进而提高女性劳动收入。
二是加强对低收入育龄女性群体的政策倾斜。低收入育龄女性群体学历低，技能缺乏，受生育导致的收入冲击最大，很难重返劳动力市场，即使重新工作，也只能选择更低收入的工作。政府应从再就业培训、生育补贴、育儿支持等方面对低收入育龄女性群体进行帮扶。
三是加强对东中部地区企业的引导，实施更加公平的就业制度和工资分配制度。根据前文分析，在经济较发达的东中部地区，女性受到的生育冲击程度更高，市场化程度越高，女性在劳动力市场的劣势越明显。改善劳动力市场的性别歧视不能仅仅依靠市场自身的调节，需要政府立法以及配套的就业制度和工资制度共同作用。
-
表 1 变量的描述性统计
变量名称 总体 男性 女性 均值 标准差 均值 标准差 均值 标准差 工资收入(lnwage) 10.08 1.028 10.33 0.946 9.810 1.046 子女数量(Children) 1.178 0.801 1.174 0.782 1.181 0.821 性别(Gender) 0.522 0.500 1.000 0.000 0.000 0.000 年龄(Age) 47.480 7.684 47.770 7.621 47.170 7.740 民族(Clan) 0.914 0.281 0.919 0.272 0.907 0.290 受教育程度(Education) 10.520 3.527 10.740 3.384 10.290 3.663 户口类型(Account type) 0.573 0.495 0.573 0.495 0.573 0.495 党员身份(Party) 0.109 0.312 0.143 0.350 0.072 0.259 单位特征(Unit-type) 0.799 0.401 0.802 0.399 0.796 0.403 配偶的年龄(Spouse age) 47.490 8.154 46.090 7.960 49.020 8.088 配偶的教育程度(Spouse education) 10.380 3.491 10.060 3.443 10.740 3.509 配偶的收入水平(lnSpouse income) 8.688 3.546 7.551 4.228 9.928 1.961 是否有儿子(Son) 0.488 0.500 0.490 0.500 0.486 0.500 地区代码(Zone) 1.766 0.782 1.767 0.783 1.765 0.781 
下载: 导出CSV
表 2 性别工资收入的描述性统计分析
年份 平均工资收入(元) 全样本 男性 女性 2011 30 430.57 28 319.16 32 857.17 2013 31 261.03 29 092.01 33 753.86 2015 42 857.24 55 326.94 30 365.45 2017 59 502.12 65 051.70 53 593.25
下载: 导出CSV
表 3 子女数量影响性别工资收入的OLS回归结果(基于全样本)
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.029*** 0.007 -0.074*** (0.011) (0.015) (0.016) Gender 0.639*** (0.019) Age -0.035*** -0.044*** -0.023*** (0.003) (0.004) (0.004) Clan 0.339*** 0.339*** 0.293*** (0.031) (0.045) (0.042) Education 0.074*** 0.071*** 0.068*** (0.004) (0.005) (0.006) Account type -0.155*** -0.080*** -0.248*** (0.021) (0.028) (0.031) Party -0.016 -0.043 0.071* (0.026) (0.031) (0.043) Unit type -0.242*** -0.275*** -0.191*** (0.018) (0.025) (0.026) Spouse age 0.019*** 0.029*** 0.008** (0.003) (0.004) (0.004) Spouse education 0.040*** 0.043*** 0.035*** (0.004) (0.005) (0.005) lnSpouse income 0.013*** 0.001 0.087*** (0.003) (0.003) (0.009) _cons 9.169*** 9.813*** 8.602*** (0.085) (0.117) (0.146) N 13 710 7 150 6 560 r2_a 0.303 0.226 0.314 注: * * *、* *、* 表示在1%、5%、10%水平下显著，括号中为标准误，下表同。
下载: 导出CSV
表 4 子女数量影响性别工资差异的OLS回归结果(2011年)
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.028 -0.001 -0.071** (0.025) (0.035) (0.035) Gender 0.785*** (0.036) Age -0.048*** -0.053*** -0.035*** (0.006) (0.008) (0.008) Clan 0.289*** 0.335*** 0.155* (0.057) (0.080) (0.081) Education 0.058*** 0.055*** 0.053*** (0.007) (0.010) (0.011) Account type -0.120*** -0.057 -0.195*** (0.040) (0.054) (0.060) Party -0.037 -0.027 -0.014 (0.048) (0.058) (0.080) Unit type -0.214*** -0.255*** -0.147*** (0.034) (0.047) (0.049) Spouse age 0.033*** 0.037*** 0.023*** (0.005) (0.007) (0.008) Spouse education 0.044*** 0.041*** 0.044*** (0.007) (0.009) (0.010) lnSpouse income 0.015*** 0.002 0.136*** (0.006) (0.006) (0.026) _cons 9.037*** 9.928*** 7.909*** (0.160) (0.219) (0.330) N 3 546 1 892 1 654 r2_a 0.304 0.196 0.309
下载: 导出CSV
表 5 子女数量影响性别工资差异的OLS回归结果(2013年)
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.021 -0.001 -0.065** (0.021) (0.032) (0.031) Gender 0.745*** (0.031) Age -0.046*** -0.043*** -0.025*** (0.007) (0.006) (0.005) Clan 0.259*** 0.315*** 0.515* (0.051) (0.081) (0.082) Education 0.054*** 0.053*** 0.051*** (0.006) (0.010) (0.010) Account type -0.110*** -0.054 -0.185*** (0.030) (0.044) (0.050) Party -0.027 -0.025 -0.013 (0.038) (0.048) (0.070) Unit type -0.224*** -0.155*** -0.157*** (0.033) (0.044) (0.048) Spouse age 0.031*** 0.034*** 0.022*** (0.006) (0.004) (0.007) Spouse education 0.034*** 0.051*** 0.034*** (0.006) (0.008) (0.010) lnSpouse income 0.012*** 0.001 0.145*** (0.003) (0.006) (0.026) _cons 8.045*** 7.945*** 8.237*** (0.140) (0.201) (0.340) N 3 546 1 892 1 654 r2_a 0.310 0.184 0.300
下载: 导出CSV
表 6 子女数量影响性别工资差异的OLS回归结果(2015年)
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.241*** -0.242*** -0.251*** (0.035) (0.049) (0.049) Gender 0.580*** (0.041) Age -0.030*** -0.039*** -0.021** (0.006) (0.008) (0.009) Clan 0.428*** 0.337*** 0.477*** (0.065) (0.104) (0.081) Education 0.078*** 0.076*** 0.069*** (0.008) (0.012) (0.012) Account type -0.197*** -0.095 -0.313*** (0.041) (0.059) (0.058) Party -0.052 -0.111 0.099 (0.054) (0.068) (0.089) Unit type -0.228*** -0.273*** -0.195*** (0.038) (0.056) (0.052) Spouse age 0.014** 0.030*** 0.001 (0.006) (0.008) (0.008) Spouse education 0.038*** 0.045*** 0.034*** (0.008) (0.012) (0.011) lnSpouse income 0.013** 0.006 0.036*** (0.005) (0.006) (0.012) _cons 9.185*** 9.560*** 9.325*** (0.188) (0.262) (0.288) N 3 110 1 557 1 553 r2_a 0.313 0.227 0.329
下载: 导出CSV
表 7 子女数量影响性别工资差异的OLS回归结果(2017年)
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.017 0.050 -0.086*** (0.023) (0.032) (0.033) Gender 0.475*** (0.039) Age -0.014** -0.023** -0.003 (0.006) (0.009) (0.008) Clan 0.342*** 0.297*** 0.341*** (0.067) (0.098) (0.091) Education 0.096*** 0.101*** 0.090*** (0.008) (0.011) (0.011) Account type -0.171*** -0.116** -0.242*** (0.042) (0.059) (0.060) Party 0.006 -0.042 0.079 (0.048) (0.061) (0.073) Unit type -0.285*** -0.306*** -0.248*** (0.036) (0.050) (0.051) Spouse age 0.006 0.011 0.001 (0.006) (0.009) (0.008) Spouse education 0.032*** 0.036*** 0.021* (0.008) (0.010) (0.011) lnSpouse income 0.016*** 0.001 0.094*** (0.005) (0.005) (0.016) _cons 8.998*** 9.593*** 8.233*** (0.169) (0.234) (0.264) N 3 508 1 809 1 699 r2_a 0.312 0.278 0.331
下载: 导出CSV
表 8 东部地区子女数量影响性别工资差异的OLS回归结果
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.015 0.032 -0.076*** (0.018) (0.024) (0.027) Gender 0.630*** (0.027) Age -0.035*** -0.025*** -0.037*** (0.004) (0.005) (0.006) Clan 0.577*** 0.637*** 0.503*** (0.055) (0.083) (0.070) Education 0.080*** 0.081*** 0.068*** (0.006) (0.008) (0.008) Account type -0.075*** 0.042 -0.213*** (0.029) (0.039) (0.042) Party 0.055 0.027 0.121** (0.035) (0.044) (0.053) Unit type -0.163*** -0.210*** -0.108*** (0.023) (0.032) (0.033) Spouse age 0.022*** 0.017*** 0.021*** (0.004) (0.005) (0.006) Spouse education 0.040*** 0.039*** 0.038*** (0.005) (0.007) (0.008) lnSpouse income 0.015*** 0.000 0.104*** (0.004) (0.004) (0.014) _cons 8.776*** 9.197*** 8.272*** (0.124) (0.166) (0.213) N 6 166 3 217 2 949 r2_a 0.332 0.245 0.369
下载: 导出CSV
表 9 中部地区子女数量影响性别工资差异的OLS回归结果
变量 (1) 全样本 (2) 男性 (3) 女性 Children -0.044** -0.010 -0.083*** (0.018) (0.025) (0.027) Gender 0.672*** (0.034) Age -0.042*** -0.042*** -0.037*** (0.005) (0.008) (0.008) Clan 0.145** 0.103 0.162* (0.061) (0.090) (0.084) Education 0.041*** 0.030*** 0.048*** (0.007) (0.009) (0.010) Account type -0.116*** -0.005 -0.241*** (0.037) (0.048) (0.057) Party -0.065 -0.048 -0.039 (0.043) (0.051) (0.085) Unit type -0.163*** -0.186*** -0.112** (0.036) (0.045) (0.057) Spouse age 0.024*** 0.025*** 0.020*** (0.005) (0.007) (0.007) Spouse education 0.031*** 0.042*** 0.018* (0.006) (0.009) (0.009) lnSpouse income 0.010** 0.003 0.053*** (0.004) (0.004) (0.014) _cons 9.783*** 10.370*** 9.476*** (0.153) (0.214) (0.249) N 4 582 2 380 2 202 r2_a 0.192 0.095 0.162
下载: 导出CSV
表 10 西部地区子女数量影响性别工资差异的OLS回归结果
变量 (1) 全样本 (2) 男性 (3) 女性 Children 0.022 0.040 -0.009 (0.021) (0.030) (0.029) Gender 0.594*** (0.045) Age -0.031*** -0.078*** 0.005 (0.007) (0.010) (0.009) Clan 0.138*** 0.148** 0.102 (0.046) (0.065) (0.066) Education 0.076*** 0.086*** 0.061*** (0.009) (0.012) (0.012) Account type -0.332*** -0.325*** -0.330*** (0.051) (0.071) (0.070) Party -0.013 -0.002 0.093 (0.062) (0.076) (0.109) Unit type -0.320*** -0.266*** -0.363*** (0.055) (0.080) (0.078) Spouse age 0.011 0.050*** -0.020** (0.007) (0.009) (0.009) Spouse education 0.017** -0.006 0.030*** (0.008) (0.012) (0.011) lnSpouse income 0.004 -0.009 0.071*** (0.006) (0.007) (0.019) _cons 9.760*** 10.878*** 9.062*** (0.190) (0.270) (0.330) N 2 962 1 553 1 409 r2_a 0.243 0.187 0.248
下载: 导出CSV
表 11 子女数量影响性别工资差异的分位数回归结果(基于整体样本)
变量 全样本 全样本 全样本 男性 男性 男性 女性 女性 女性 0.25 0.5 0.75 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.078*** -0.018 -0.010 -0.012 0.014 0.023 -0.129*** -0.076*** -0.077*** (0.015) (0.013) (0.015) (0.019) (0.017) (0.018) (0.019) (0.018) (0.021) Gender 0.688*** 0.631*** 0.583*** (0.027) (0.023) (0.027) Age -0.037*** -0.039*** -0.039*** -0.045*** -0.046*** -0.042*** -0.029*** -0.028*** -0.026*** (0.004) (0.003) (0.004) (0.005) (0.005) (0.005) (0.005) (0.005) (0.006) Clan 0.422*** 0.381*** 0.273*** 0.473*** 0.401*** 0.221*** 0.249*** 0.302*** 0.298*** (0.039) (0.034) (0.039) (0.052) (0.047) (0.049) (0.050) (0.048) (0.055) Education 0.076*** 0.072*** 0.067*** 0.072*** 0.069*** 0.066*** 0.068*** 0.061*** 0.063*** (0.005) (0.005) (0.005) (0.007) (0.006) (0.006) (0.007) (0.007) (0.008) Account type -0.164*** -0.058** -0.065** -0.063* -0.001 -0.029 -0.246*** -0.116*** -0.134*** (0.030) (0.025) (0.029) (0.037) (0.034) (0.035) (0.039) (0.038) (0.043) Party -0.073* -0.014 0.007 -0.081* -0.041 -0.015 -0.051 0.126** 0.099 (0.038) (0.033) (0.038) (0.043) (0.039) (0.041) (0.060) (0.058) (0.066) Unit type -0.264*** -0.191*** -0.139*** -0.274*** -0.228*** -0.192*** -0.162*** -0.147*** -0.065 (0.028) (0.024) (0.028) (0.036) (0.033) (0.034) (0.036) (0.035) (0.040) Spouse age 0.021*** 0.023*** 0.022*** 0.029*** 0.031*** 0.027*** 0.016*** 0.014*** 0.012** (0.004) (0.003) (0.004) (0.005) (0.005) (0.005) (0.005) (0.005) (0.005) Spouse education 0.043*** 0.037*** 0.033*** 0.036*** 0.035*** 0.033*** 0.038*** 0.034*** 0.019** (0.005) (0.004) (0.005) (0.007) (0.006) (0.006) (0.007) (0.007) (0.007) lnSpouse income 0.024*** 0.014*** 0.011*** 0.013*** 0.002 -0.003 0.222*** 0.140*** 0.089*** (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.008) (0.007) (0.008) _cons 8.389*** 9.091*** 9.902*** 9.160*** 9.791*** 10.558*** 6.607*** 8.025*** 9.261*** (0.119) (0.102) (0.118) (0.150) (0.137) (0.143) (0.166) (0.161) (0.184) N 13 710 13 710 13 710 7 150 7 150 7 150 6 560 6 560 6 560 r2_a 0.198 0.159 0.131 0.143 0.108 0.093 0.225 0.178 0.143
下载: 导出CSV
表 12 子女数量影响性别工资差异的分位数回归结果(基于男性样本)
变量 2011男性 2013男性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.037 -0.006 0.032 -0.027 -0.005 0.022 (0.052) (0.040) (0.041) (0.042) (0.041) (0.031) 控制变量 Yes Yes Yes Yes Yes Yes N 1 931 1 931 1 931 1 853 1 853 1 853 变量 2015男性 2017男性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.162*** -0.238*** -0.303*** 0.038 0.073* 0.053 (0.055) (0.061) (0.064) (0.044) (0.038) (0.039) 控制变量 Yes Yes Yes Yes Yes Yes N 1 557 1 557 1 557 1 809 1 809 1 809
下载: 导出CSV
表 13 子女数量影响性别工资差异的分位数回归结果(基于女性样本)
变量 2011女性 2013女性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.134*** -0.083** -0.061 -0.132*** -0.081** -0.060 (0.044) (0.041) (0.047) (0.042) (0.041) (0.044) 控制变量 Yes Yes Yes Yes Yes Yes N 1 615 1 615 1 615 1 693 1 693 1 693 变量 2015女性 2017女性 0.25 0.5 0.75 0.25 0.5 0.75 Children -0.237*** -0.264*** -0.320*** -0.136*** -0.082** -0.035* (0.069) (0.057) (0.062) (0.041) (0.040) (0.037) 控制变量 Yes Yes Yes Yes Yes Yes N 1 553 1 553 1 553 1 699 1 699 1 699
下载: 导出CSV
表 14 子女数量影响性别工资差异的Oaxaca-Blinder分解结果
分解项 变量 系数 百分比(%) 工资总差异 0.538 100 特征效应 Children -0.073 -13.569 Age -0.022 -4.089 Clan 0.293 54.461 Education 0.068 12.639 Account type -0.247 -45.911 Party 0.071 13.197 Unit type -0.19 -35.316 Spouse age 0.001 0.186 Spouse education 0.035 6.506 lnSpouse income 0.087 16.171 合计 0.023 4.275 系数效应 Children -0.007 -1.301 Age -0.043 -7.993 Clan 0.338 62.825 Education 0.07 13.011 Account type -0.079 -14.684 Party -0.042 -7.807 Unit type 0.275 51.115 Spouse age 0.029 5.390 Spouse education 0.042 7.807 lnSpouse income 0.001 0.186 _cons -0.069 -12.825 合计 0.515 95.725
下载: 导出CSV
表 15 稳健性检验结果
变量 (1) 全样本 (2) 男性 (3) 女性 Son -0.193*** -0.142*** -0.245*** (0.016) (0.021) (0.023) Gender 0.641*** (0.019) Age -0.034*** -0.044*** -0.022*** (0.003) (0.004) (0.004) Clan 0.346*** 0.341*** 0.305*** (0.031) (0.045) (0.040) Education 0.072*** 0.070*** 0.068*** (0.004) (0.005) (0.006) Account type -0.153*** -0.074*** -0.251*** (0.021) (0.028) (0.031) Party -0.012 -0.037 0.068 (0.025) (0.031) (0.048) Unit type -0.246*** -0.275*** -0.205*** (0.018) (0.025) (0.029) Spouse age 0.020*** 0.030*** 0.008** (0.003) (0.004) (0.004) Spouse education 0.041*** 0.042*** 0.038*** (0.004) (0.005) (0.005) lnSpouse income 0.012*** 0.000 0.084*** (0.003) (0.003) (0.006) _cons 9.186*** 9.859*** 8.599*** (0.084) (0.116) (0.133) N 13 710 7 150 6 560 r2_a 0.310 0.231 0.323
下载: 导出CSV
-
[1] BLAU F D, FERBER M A, WINKLER A E. The economics of women, men and work[M]. Upper Saddle River: Prentice Hall, 2010: 189-203.
[2] BLAU F D, KAHN L. The gender pay gap: have women gone as far as they can?[J]. Academy of management perspectives, 2007, 21(1): 7-23. doi: 10.5465/amp.2007.24286161
[3] OECD. OECD employment outlook 2014[M]. Paris: OECD Publishing, 2014: 152-191.
[4] GUNER N, KAYA E, SÁNCHEZ-MARCOS V, et al. Gender gaps in Spain: policies and outcomes over the last three decades[J]. Journal of the Spanish economic association, 2014, 5(1): 61-103.
[5] DIPRETE T A, BUNCHMANN C. The rise of women: the growing gender gap in education and what it means for American schools[M]. New York: Russell Sage Foundation, 2013: 132-223.
[6] BLAU F D, BELLER A H. Trends in earnings differentials by gender 1971—1981[J]. Industrial and labor relations review, 1988, 41(4): 513-529.
[7] GUIMARAES P, PORTUGAL P, CARDOSOAR, et al. The sources of the gender wage gap[C/OL]. Economic bulletin and financial stability report articles, 2016, https://EconPapers.repec.org/ RePEc: ptu: bdpart: e201606.
[8] BECKER G S. The economics of discrimination[M]. Chicago: The University of Chicago Press, 1957: 1-190.
[9] PACHECO G, LI C, COCHRANE B. Empirical evidence of the gender pay gap in NZ[G/OL]. Working papers from Auckland University of Technology, Department of Economics, 2017-05, https://workresearch.aut.ac.nz/__data/assets/pdf_file/0014/221036/Economics-WP-2017-05.pdf.
[10] WALDFOGEL J. The effect of children on women's wages[J]. American sociological review, 1997, 62(2): 209. doi: 10.2307/2657300
[11] POLACHEK S. Occupational self-selection: a human captal approach to sex differences in occupational stucture[J]. Reviews of economics and stitistics, 1981, 1(1): 60-69.
[12] ENGLAND P. Comparable worth: theories and evidence[M]. New York: Aldine de Gruyter, 1992: 172-173.
[13] BECKER V, MISCHKE U. Groove pancreatitis. [J]. International journal of pancreatology, 1991, 10(3-4): 173-182. doi: 10.1007/BF02924155
[14] PHELPS S E. The statistical theory of racism and sexism[J]. American economic review, 1972, 62: 659-661.
[15] RHYS D, GAELLE P. The family gap in pay in Europe: a cross-country study[J]. Labour economics, 2005, 12(4): 469-486. doi: 10.1016/j.labeco.2005.05.003
[16] KORENMAN S, NEUMARK D. Marriage, motherhood, and wages[J]. Journal of human resources, 1992, 27(2);233-255. doi: 10.2307/145734
[17] MOLINA J A, MONTUENGA V M. The motherhood wage penalty in Spain[J]. Journal of family & economic issues, 2009, 30(3): 237-251.
[18] 张川川. 子女数量对已婚女性劳动供给和工资的影响[J]. 人口与经济, 2011(5): 29-35. https://www.cnki.com.cn/Article/CJFDTOTAL-RKJJ201105006.htm [19] JIA N, DONG X Y. Economic transition and the motherhood wage penalty in urban China: investigation using panel data[J]. Cambridge journal of economics, 2013, 37(4): 2011-2012.
[20] 熊海珠, 袁国敏. 生育二孩对不同地区女性工资率的影响——基于匹配法及Oaxaca-Blinder分解的分析[J]. 绥化学院学报, 2017(12): 1-5. doi: 10.3969/j.issn.2095-0438.2017.12.001 [21] CUDDY A C, FISKE S T, GLICK P. When professionals become mothers, warmth doesn't cut the ice[J]. Journal of social issues, 2004, 60(4): 701-718. doi: 10.1111/j.0022-4537.2004.00381.x
[22] FUEGEN K, BIERNAT M, HAINES E, et al. Mothers and fathers in the workplace: how gender and parental status influence judgements of job-related competence[J]. Journal of social issues, 2004, 60: 737-754. doi: 10.1111/j.0022-4537.2004.00383.x
[23] PENCAVEL J. Labor supply of men: a survey[J]. Handbook of labor economics, 1986(1): 3-102.
[24] 张世伟, 郭凤鸣. 城市劳动力市场中性别工资差异的变动——基于固定效应模型的研究途径[J]. 经济评论, 2010(4): 66-72. https://www.cnki.com.cn/Article/CJFDTOTAL-JJPL201004009.htm [25] GOLDIN C. A grand gender convergence: its last chapter[J]. American economic review, 2014, 104(4): 1091-1119. doi: 10.1257/aer.104.4.1091
[26] ANGRIST J D, EVANS W N. Children and their parents' labor supply: evidence from exogenous variation in family size[J]. American economic review, 1998, 88(3): 450-477.
[27] ROSENZWEIG M R, WOLPIN K I. Testing the quantity-quality fertility model: the use of twins as a natural experiment[J]. Econometrica, 1980(48): 227-240.
[28] JACOBSEN J P, PEARCE J W, ROSENBLOOM J L. The effects of childbearingon married women's labor supply and earnings: using twin births as a natural experiment[J]. Journal of human resources, 1999, 34 (3): 449-474.
-
期刊类型引用(3)
1. 赵桂婷，张铭涵. 人工智能对女性非农就业的影响——基于中国家庭追踪调查的经验分析. 金融经济. 2025(01): 90-100 . 
百度学术
2. 谭晓艳，张泽宇. 地权稳定性、农业社会化服务与农村性别收入差距. 农村经济. 2024(08): 41-52 . 百度学术
3. 张洪，夏博阳. 家庭子女结构对劳动者多重就业行为的影响研究. 南方人口. 2024(06): 12-24 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 147
- HTML全文浏览量: 93
- PDF下载量: 92
- 被引次数: 6
