機會不平等對就業水平和就業層級的影響

張銘志，邊 恕，陳 洋

（遼寧大學 公共管理學院，遼寧 沈陽 110036）

一、引言

黨的二十大報告特別強調促進機會公平，消除影響平等就業的不合理限制和就業歧視，使人人都有通過勤奮勞動實現自身發展的機會。前沿理論對于公平的理解、衡量以及政策建構的研究已發生方向性的變化，研究方向從結果公平轉向機會公平，從事后期轉向事前期。本文借助羅默提出的環境-努力二元分析框架理論，以機會不平等為分析工具，將“不合理的不平等”從“過高的不平等”中抽離分解出來，認清收入分配不平等的結構與本質，具體探討縣區層面機會不平等的變動趨勢及其對個體就業的影響。

“十四五”規劃綱要提出“實現更加充分更高質量就業”?！俺浞志蜆I”是指有意愿、有能力就業的勞動者都能參與就業，推動就業“量”的合理增長；“更高質量”是指就業崗位從“有沒有”轉向“好不好”，實現就業“質”的有效提升。推動實現更加充分更高質量就業順應了人民群眾對于美好生活的需求，是“十四五”時期推動高質量發展、扎實推進共同富裕的重要內容。就業直接關系千家萬戶的生活質量，是最大的民生工程。從總量上看，中國就業壓力將長期存在。2020 年第七次人口普查數據顯示15-59 歲的勞動年齡人口從2010 年的峰值9.2 億下降至8.94 億。勞動年齡人口的持續降低，加之生育政策的調整未達預期效果，曾經的勞動力數量優勢正逐漸削弱且在短期內無法逆轉，傳統人口紅利難以持續。因而研究如何推動實現更充分更高質量就業，形成有利于經濟社會發展的可持續紅利具有重要的現實意義。

已有文獻大多從個體和家庭特征的角度研究勞動就業的影響因素，包括照料父母（公婆）、［1］參與數字生活、［2］生育“延嗣懲罰”［3］等。上述因素對于解釋勞動就業問題非常重要，但地區層面影響因素有待進一步挖掘。近年來中國收入分配差距較大，尚未出現明顯的縮小趨勢。［4］收入不平等的擴大已對經濟社會健康運行產生深刻影響，［5-7］同時也對就業市場產生較為復雜的沖擊。［8］有學者考察了收入不平等對勞動就業的影響，但尚未得出一致的結論。有些文獻認為收入不平等的增長加劇了就業排斥，顯著降低了勞動供給，［9-10］但還有一些文獻則認為收入不平等提高了創業活躍度，促進了創新型企業家的涌現。［11-12］由于從整體收入不平等的角度進行研究忽略了影響不平等因素的“合理性”問題，因而本文從收入不平等的結構入手，以機會不平等為研究工具，探究不合理的外部環境因素導致的結果差異，分析機會不平等對于個體就業水平和就業層級的影響效應。

事實上，并非所有的收入不平等都是不可接受的，人們對于不合理的先天或制度環境因素導致的不平等容忍度更低。［13］在導致收入不平等的因素中，一方面，包括由個人努力因素（如高水平人力資本、勤勞奮斗創新等）所產生的收入不平等，這種是合理的不平等，可以激勵勞動者勤勞創新、努力工作；另一方面，還包括因個人出身、家庭背景關系和歧視性制度等不合理環境因素導致的收入不平等，［14］這種則是不合理的不平等，這些個人無法控制、不能負責的外生環境因素會對個體平等參與就業和職業晉升產生挑戰。機會不平等是結果不平等的起點和前因，研究機會不平等對個體就業的影響比研究整體收入不平等更加貼近問題本質，也更為重要。

改革開放后，市場在資源配置中的作用越來越重要。出身平凡但有膽識的勞動者可以通過自身努力獲得向上流動的機會，比如從農民跨越為工人，個體經濟社會階層得到躍升，為經濟發展持續注入活力。但是當機會不平等這種非市場力量在就業市場資源配置中產生越來越重要影響時，“子承父業”階層世襲的弊端顯現，“關系戶”獲得高于自己才識的工作崗位，家庭背景和制度身份等不合理的不平等因素使個體在勞動參與和職業選擇中受到多重歧視和阻礙。［10］［15］機會不平等是勞動力市場失靈的重要導火索，這種不合理的不平等理論上會降低環境弱勢個體的工作參與率及其就業層級。本文在嚴格實證研究的基礎上系統全面地分析縣區層面機會不平等的發展趨勢、成因分解及其對個體就業水平和就業層級的影響效應和影響機制，上述問題的回答對于提升就業水平和就業層級，促進初次分配中的機會平等具有重要的參考價值。

本文的邊際貢獻體現在以下幾個方面：第一，相比于已有文獻中全國或省級測度機會不平等，本文使用具有全國代表性的面板微觀數據，在更細層次上客觀測度并分解縣區層面的機會不平等；第二，鮮有文獻檢驗機會不平等與個體就業之間的關系，本文從就業水平和就業層級兩方面表征個體就業的“有沒有”和“好不好”，實證檢驗機會不平等對于個體就業的影響；第三，從勞動力流動、人力資本積累、職場用工觀念三個維度探究機會不平等的影響機制，并較好地保障了回歸結果的穩健性。

二、文獻回顧

阿瑪蒂亞·森提出的著名問題：“平等什么？”引發討論，［16］學者重新思考平等的定義和測度，學界對于平等的關注點逐漸從結果平等轉向起點平等，從收入不平等轉向機會不平等。一個公平的社會并不意味著所有的人都擁有同樣數額的財富或者處于同等的幸福狀態，而是這個社會可以保障所有的成員具有平等的機會去獲得他們所關心的結果。重視事前機會而非事后結果成為平等的“通用貨幣”。［17］遵循羅爾斯等人提出的關于社會正義和道德哲學的觀點，［18］學者們提出了機會平等的思想，［19-20］機會平等是指個體一生的功績應由個人的才智和努力決定，而不是由種族、社會制度或家庭背景等先天確定的外部環境決定。因而個體應該對自愿作出的選擇負責，而非對個人無法掌控的環境因素負責。這意味著存在事前和事后兩個時期：在競爭開始之前，政府需要采取干預措施保障個體機會平等；在競爭開始之后，則需要依靠個人的努力，并對自己的選擇負責任。

羅默開創性地將機會平等的理念引入經濟學框架中，提出環境-努力二元分析框架理論，標志著機會不平等的相關研究從理論走向實證。傳統的收入分配理論通常假設個體的努力程度與收入成正比，但這種簡單的線性關系并不能完全解釋個體收入來源的復雜性。環境-努力二元分析框架提出了非線性的環境和努力之間的共同作用，為更好地理解和處理不平等問題提供了新的視角。這一分析框架指出個人收入的差異是由兩方面因素造成的：由于個人不可控制的環境因素導致的不平等被稱為機會不平等；而由于個人可以控制、可以負責的因素導致的不平等被稱為努力不平等。這一理論強調了環境因素的重要作用。環境是指個體在生活工作中所處的社會、文化、制度等個體不可控制的因素集合，例如個體出生時的家庭背景、種族、性別、地域等因素都可能影響他們未來的收入和成就。努力是指受到個體控制的因素集合，例如受教育程度、工作努力程度和是否入黨等，努力不平等反映出有些人由于更加勤奮或更加有學識從而實現“先富”，獲得更高的回報。這也成為事前法測度機會不平等的基礎。這一分析框架蘊含的政策含義為尊重并激勵個體努力，增強努力因素的正面影響，降低直至消除不合理環境因素的負面影響。

目前機會不平等的相關文獻集中于測度和分解各國機會不平等及其可能的經濟影響?；诹_默的環境-努力二元分析框架，已有文獻測度了美國、意大利、拉丁美洲和非洲等國家的機會不平等變動趨勢，［21-24］國內學者多數使用不同時期的微觀數據測度并分解中國的機會不平等程度。［25-27］還有部分文獻將機會不平等與性別收入不平等、［28］經濟增長、［29］家庭風險投資［30］等經濟后果聯系起來。尚未有文獻在就業市場中考察機會不平等的影響，立足中國時代背景考察該問題的研究更少。

從基本思想上看，在就業市場中實現機會平等意味著個體是否獲得工作取決于自身的能力和使用能力的意愿，而非取決于個體的社會階層或者家庭背景，［31］不會因為種族、性別和社會階層等外在環境因素將個體排除在就業市場之外。［32］從實證文獻上看，直接研究機會不平等對就業影響的文獻較少，間接研究主要涉及與機會不平等相關的單因素影響，如家庭背景關系、戶籍制度等。陳釗等研究發現父輩更高的教育和黨齡、城鎮戶籍等因素有助于后代進入高收入行業。［33］馬草原等也得出類似的結論，父母的職業類型是子女入職國有企業的關鍵因素。［34］國外相關研究得出父母的職業背景是后代就業機會差異的主要驅動因素，［35］具有特權背景的年輕人往往在勞動力市場中獲得更好的崗位。［36］雖然上述成果研究了一些外部環境因素對于勞動就業的影響，但是都局限于單一維度的機會不平等分析，沒有構造更加全面的外部環境集以客觀測度機會不平等的影響。

關于就業影響因素分析的已有文獻較為豐富。吳愈曉等發現已婚或者家庭經濟條件優越的勞動力會選擇離開就業市場。［37］陳璐等認為照料父母公婆顯著降低了勞動參與率。［1］熊瑞祥和李輝文認為照管兒童是阻礙農村女性非農就業的顯著因素。［38］戚聿東和褚席認為參與數字生活可以有效提升個體參與工作的幾率。［2］鄢偉波和安磊得出生育孩子會對母親的工作參與率和工作強度造成持久而顯著的負向影響的結論。［3］除了這些個體和家庭特征外，還有部分文獻關注了宏觀層面特征對就業的影響。丁從明等發現北方小麥區的耕作種植方式提升了男性的比較優勢，［39］小麥區男性有更高的勞動參與率。李磊和劉常青研究發現《勞動合同法》的出臺使制造業女性就業比重下降3.5%。［40］Landivar 基于美國人口調查數據得出新冠疫情的爆發使得女性更容易失業的結論。［41］從現有研究來看，已有文獻大多關注勞動參與率或勞動時間指標，對于就業層級這一重要指標的關注度不夠。

已有文獻對于機會不平等測度和分解存在不足，全面分析就業水平和就業層級的文獻較少。鮮有文獻從收入不平等的結構入手，以機會不平等為分析工具研究其對就業水平和就業層級的影響效應和機制。因而，對于機會不平等的經濟社會影響研究還存在一些探索空間。

三、模型、數據與變量

1.數據來源

本文的研究數據來自2010 年、2011 年、2012 年、2013 年和2015 年中國綜合社會調查數據（Chinese General Social Survey，CGSS）①在目前CGSS 已公開數據中，僅有CGSS2010 至CGSS2015 這五期數據公布統一的樣本縣區識別代碼，為了保證機會不平等測度口徑的一致性，本文使用這五期面板微觀數據進行測度和分析。從各期總有效樣本數上看，CGSS2010、2011、2012、2013、2015的樣本數分別為6 073個、3 020個、6 408個、5 914個、4 897個。。該調查是中國首個全國性、連續性調查項目，系統收集了個體、家庭和社會多層次的數據，涵蓋本文研究問題的豐富變量信息。本文對數據進行如下處理：為了保障樣本盡量活躍在勞動力市場，本文將研究樣本年齡限制在20-60 歲，并剔除已退休樣本。刪除收入小于0的樣本以及其他變量不完整的樣本，處理后得到的有效樣本總共26 312個。

2.實證模型

參考已有文獻，考察機會不平等對個體就業的基準計量模型設定如下：

Workist代表個體i在s縣區t年的個體就業情況，包括就業水平和就業層級兩類測度變量，IOst是s縣區t年的機會不平等程度，X包括個體、家庭和縣區層面的控制變量，λt、κs、δist分別為年份固定效應、縣區固定效應和隨機誤差項。本文主要關注系數β0的估計結果，如果β0顯著為負，表明機會不平等的增加導致就業水平或就業層級的下降。

3.變量定義

被解釋變量為個體就業情況，本文從就業水平和就業層級兩個維度進行考察，分別反映個體就業“有沒有”和“好不好”。第一個維度為就業水平，使用個體是否參與工作進行測度。CGSS 問卷中對個體是否參與工作以及未參與工作的原因進行詢問，本文將從事經濟收入為目的的工作以及由于帶薪休假、學習、臨時停工或季節性歇業的個體定義為參與就業，賦值為1，否則為0。第二個維度為就業層級，使用個體具體職業編碼進行匹配測度。CGSS 問卷中詢問了個體當前工作的具體職業編碼，本文依據CGSS 提供的方法將ISCO88 職業編碼匹配轉換為ISEI 編碼（社會經濟地位指數），便于對就業層級高低情況進行量化排序。ISEI指數使用國際標準化職業分類體系，綜合反映了各個職業層級的勞動報酬和就業能力情況，被廣泛用于評價職業聲望或就業地位，［42］可以較好地表征就業層級。本文依據CGSS 問卷數據中個體工作的具體ISCO88 行業編碼轉換為ISEI 值，得到取值16 至90的連續變量。ISEI值越高表示對應職業的社會經濟地位越高。

核心解釋變量是機會不平等。參考環境-努力二元分析框架，由個體無法控制和負責的環境因素導致的不平等是機會不平等。本文采用廣泛應用的事前參數法，使用平均對數偏差（MLD）指數度量各年份縣區層面機會不平等。依據CGSS 問卷選取年齡、性別、父輩教育、父輩就業、出生戶籍、居住地共六個環境變量，具體測度方式將在下節詳細說明。

個體、家庭和地區層面的控制變量如下：個體特征變量包括年齡、受教育年限、健康情況、戶口情況、相對收入。年齡根據出生年份和問卷調查年份計算得出。受教育年限依據問卷中受教育程度進行轉換①受教育程度轉換為受教育年限的賦值方式如下：未受過任何教育為0 年，小學或私塾為6 年，初中為9 年，職業高中、普通高中或中專、技校為12年，大學?？?5年，大學本科為16年，研究生及以上19年。。健康狀況根據身體健康狀況自評賦值，將“比較健康”和“很健康”賦值為1，否則為0。戶口情況中農業戶口為0，非農戶口為1。相對收入為個體收入與所在縣區平均收入的比值，回歸中加入機會不平等與相對收入的交乘項及其平方反映機會不平等對不同收入群體的影響差異；家庭特征變量包括婚姻狀況、同居老人數量、學齡前子女數量。將“未婚”“離婚”和“喪偶”歸為無配偶并賦值為0，其他有配偶為1。老人數量為65 歲及以上同居老人數。學齡前子女數量為家庭中6歲及以下同居子女數量；地區特征變量包括縣區經濟環境和縣區所在地?？h區經濟環境使用縣區平均收入衡量，單位為萬元?？h區所在地反映樣本居住地的城鄉分類，所在地是農村賦值為0，城鎮賦值為1。通過控制上述三個層面的變量盡可能涵蓋影響就業水平和就業層級的相關干擾因素，以求更加準確地估計機會不平等對個體就業的影響效應（見表1）。

表1 變量描述性統計

4.機會不平等測度與分解

本文的核心解釋變量為機會不平等，區別于已有文獻機會不平等的測度層級為國家和省級，［26］或者僅測度對機會不平等的主觀感受或某一側面因素，［43］本文機會不平等的測度層級聚焦更小層面的縣區級，使用多層次環境變量客觀測度每個年份、每個縣區的機會不平等，以便更好地捕捉機會不平等對個體就業行為的真實影響。

已有文獻提出多種方法將機會不平等（Inequality of Opportunity，IO）從收入不平等（Inequality of Income，IN）中分離出來，本文使用測度更為精確、應用更為廣泛的事前參數法［23］測度各年各縣區的機會不平等。在環境-努力二元分析框架下，環境因素導致的收入不平等定義為機會不平等。本文使用廣義熵指數作為機會不平等的衡量指標，廣義熵指數的α=0和α=1特殊值分別為平均對數偏差（MLD）指數和泰爾（Theil）指數，由于MLD 指數具備規避環境與努力因素分解次序的優點，因而本文主要使用MLD 指數度量機會不平等，穩健性檢驗中將其替換為泰爾指數測度的機會不平等以進行檢驗。

參考明瑟方程，個體收入函數中加入客觀環境（Cit）和努力（Eit）兩組解釋變量：

yit為t年個體i的收入，α、β為環境和努力變量的待估系數，μit為殘差項。

由于環境因素可以直接影響收入水平，也可以通過影響努力水平進而影響個人的收入水平，因而環境影響努力程度可以表示為：

將（3）式代回（2）式可以得到簡化形式：

φ=α+βρ同時包括環境因素對收入的直接影響以及環境因素通過影響努力程度對收入的間接影響。此處研究是為了得到機會不平等的統一測度，并不涉及環境變量與收入之間的因果關系，因而使用OLS 估計這一簡化形式方程?；貧w方程得到回歸擬合值作為反事實的預測收入分布，以衡量不合理環境因素導致的收入不平等。計算得出預測收入的MLD 指數代表機會不平等的絕對水平。通過這一絕對值與收入不平等的比值可以得出機會不平等的相對水平度量。

結合已有文獻和數據可得性，本文選用的環境變量（Cit）包括個人、家庭和制度三類環境變量：個人環境變量包括年齡和性別，家庭環境變量包括父輩受教育情況和14歲時父輩就業情況，制度環境變量使用出生時戶籍和居住地①需要補充說明的是：盡管本文嘗試使用多層次的環境變量以測度機會不平等，但是受到數據限制，回歸方程中無法包括所有環境變量，因而所得到的估計結果可以解釋為機會不平等程度真實值的下限估計。由于本文的研究目的是得出機會不平等對于個體就業的影響，因而只要每一年、每個縣的測度標準是一致的，據此得到機會不平等的一致度量，那么在本研究中就可以避免討論測度標準的完備性。。在變量定義上，個人收入使用全年總收入的對數形式。個人環境變量中，年齡根據問卷回答計算得出。性別為男性和女性，女性賦值為0，男性賦值為1；在家庭環境變量中，父輩受教育情況使用父親受教育年限和母親受教育年限作為衡量變量，根據問卷問題“您父親（母親）的最高教育程度是”的回答，將父親和母親的受教育程度轉換為受教育年限。父輩就業情況來自問卷“請問您14歲時，您父親（母親）的就業狀況是”，根據問卷選項整理劃分為四類：無業、務農、非正式就業、全職就業，分別賦值0至3，整理得出父親和母親在樣本14歲時的就業狀態。為了避免婚姻搜尋匹配中父母雙方教育與背景相近導致父母相關特征變量的共線性問題，提取父母中教育程度的較低值反映家庭文化背景，提取父母中就業狀態的較高值反映家庭經濟背景；制度環境變量使用出生時戶籍和居住地情況。戶籍情況使用出生時戶籍程度衡量，自出生就是非農戶口賦值為1，農業戶口賦值為0。居住地劃分為東、中、西部三個地區，分別賦值1至3。

本文使用的五期CGSS 數據共585 個縣區機會不平等的均值為30.84%，表明外部環境因素導致的收入不平等占總收入不平等的約31%。從2010 年到2015 年，機會不平等占收入不平等的比重小幅上升，從2010 年30.43%上升至2015 年31.49%，說明由不合理因素導致的不平等有所增加（見表2）。與國內已有相關文獻相比，龔鋒等測度2008-2013年四個出生年代樣本的機會不平等比重為35%至43%，［25］史新杰等得出2013 年機會不平等的占比為35.7%，［26］李瑩和呂光明利用2008-2015年數據得出機會不平等從46.36%下降至34.88%，［27］萬廣華和張彤進測度2010-2015 年機會不平等從27.45%上升至33.62%，［43］上述研究均采用對應年份CGSS 數據，可見本文機會不平等的結果與已有文獻基本一致，測度較為準確。

表2 縣區機會不平等測度的相對值（%）

本文進一步根據Shapley值分解法計算2010年至2015年各環境因素對機會不平等的影響（見表3）。首先從總體上看，制度類特征因素是影響占比最大的一類因素，個體目前居住地在機會不平等的生成中發揮重要作用，貢獻率達到24.42%。家庭類特征因素對機會不平等的影響程度次之，父輩教育因素是影響較大的變量，貢獻率達到22.45%。個人類因素貢獻率最低，性別的貢獻率略高于年齡。

表3 縣區機會不平等分解的相對值（%）

其次，環境因素貢獻的性別差異。從絕對值上看，女性面臨的機會不平等高于男性，女性的機會不平等高達0.381，男性僅為0.273。從相對值上看，制度類因素中出生時戶籍是引起女性機會不平等高于男性的主要因素，貢獻率為23.81%。家庭類因素中，父輩教育與父輩就業對于女性機會不平等的貢獻度均高于男性，表明女性機會不平等更容易受到父輩因素的影響。

最后，環境因素貢獻的城鄉差異。從絕對值上看，農村戶籍的機會不平等為0.314，城鎮僅為0.157，農村戶籍居民的機會不平等遠高于城鎮居民。從相對值上看，個體類環境因素差距較大，差距最大的因素為性別因素，農村占比高達26.10%，城鎮僅為6.01%，這表明農村中性別不平等是導致機會不平等的主要因素，而城鎮中父輩教育與居住地因素的貢獻率高于農村。

四、回歸分析

1.基準回歸

表4 報告了基準回歸結果，模型（1）至模型（2）以是否參與就業為被解釋變量，模型（3）至模型（4）以就業層級為被解釋變量。模型（1）和模型（3）是僅控制年份和縣區固定效應的基礎回歸結果，核心解釋變量為縣區層面機會不平等（IO），其估計系數均顯著為負，說明在不加入控制變量的情況下，機會不平等對就業水平和就業層級具有顯著的負向影響。

表4 機會不平等對個體就業的影響

模型（2）和模型（4）進一步加入個體、家庭和地區層面可能影響個體就業的控制變量，估計系數表明機會不平等對就業水平和就業層級的影響均在1%的統計水平上顯著為負，且負面效應進一步增大。機會不平等顯著降低了就業水平和就業層級，這與預期影響方向相一致。機會不平等的增加意味著不合理的不公平增加，家庭背景、制度身份等不合理環境因素影響力增大，這強化了偏見和歧視行為，使得個體在尋求就業和職業晉升中均面臨困難和挑戰，沒有背景的勞動者有可能被排除在勞動力市場之外或是被隔離在地位低或收入低的職業中，成為勞動力市場中機會不平等的利益受損者。

此外，表4 中還匯報了機會不平等與個體相對收入的交乘項及其平方項的回歸結果，可以得出機會不平等對不同收入水平勞動力的差異化影響。結果顯示交乘項顯著為正，而平方項顯著為負，表明機會不平等與個體就業的影響關系隨著相對收入的增加而呈現倒“U”型變動，這意味著中等收入群體受到機會不平等的負面影響相對較小。

2.異質性影響

基準回歸中得出了機會不平等對于就業水平和就業層級的平均效應，并未區分不同個體特征群體的異質性影響，本節繼續考察分性別、分城鄉的異質性效應（見表5）。

表5 個體異質性

表5 中依據性別差異進行的回歸結果顯示四個模型估計系數均在1%水平上顯著為負，相對比男性，機會不平等顯著降低了女性的就業水平和就業層級。這表明機會不平等程度的增加降低了整體勞動力市場的配置效率，男性和女性勞動者都不是受益者，并且機會不平等會強化勞動力市場的性別刻板印象，使得女性勞動者邁入職場和職業晉升陷入困境，相比于男性受損更多。

依據城鄉差異進行的回歸結果顯示機會不平等對于農村和城鎮勞動力均產生顯著負面影響，估計系數均在1%水平上顯著。相比于農村地區，機會不平等更多地降低了城鎮地區的就業水平和就業層級。從現實情況看，兩個地區的就業環境存在較大差距，城鎮地區的就業機會和優質崗位更多，但是機會不平等的增加意味著“關系戶”得到了更多工作和升遷的機會，這種不合理的不平等進一步削弱了環境弱勢勞動力群體的發展機會。

根據個體特征的不同，機會不平等對于就業水平和就業層級的影響存在顯著差異。女性或城鎮地區勞動力是勞動力市場的環境弱勢群體，受機會不平等的負面影響更大，使得這部分勞動力的就業水平和就業層級顯著降低。

五、穩健性檢驗

1.改變機會不平等的度量

為了檢驗上述結論的可靠性，本節使用機會不平等的兩種不同度量方式進行穩健性檢驗。前文回歸中主要使用MLD 指數測度的縣區機會不平等，本節使用泰爾指數重新測度各年份各縣區的機會不平等（IOTheil）。泰爾指數測度得到的機會不平等數值越大，表示機會不平等程度越高。將這一變量重新放入模型進行估計（見表6），可以得出機會不平等對于就業水平和就業層級依然具有顯著的負向影響，估計系數均在1%的統計水平上顯著。

表6 穩健性檢驗：改變機會不平等的度量

前文使用機會不平等的絕對值進行了實證分析，本節通過各年份各縣區機會不平等與縣區收入不平等的比值得到機會不平等的相對度量（IORe），檢驗機會不平等的相對值對于個體就業的影響，從表6 的回歸結果可見機會不平等對于個體就業依然具有顯著的負向影響，估計系數均在1%的統計水平上顯著，穩健性檢驗的回歸結果與基準回歸結果相近，證實了機會不平等與就業水平、就業層級之間存在顯著的負向影響關系。

2.改變樣本的選擇

基準回歸中使用包含流動人口在內的樣本進行估計，而流動人口可能自行選擇遷移到機會不平等程度較高或者較低的縣區，因此基準回歸的關系估計可能存在偏差。所以需要在穩健性檢驗中刪除樣本中的流動人口樣本。本文將目前居住在戶口登記地以外縣區的樣本定義為流動人口，在刪除6 536 個流動人口樣本后，重新估計機會不平等對個體就業的影響（見表7）。結果顯示機會不平等對于個體就業依然具有顯著的消極影響，對于就業水平和就業層級的估計系數均在1%水平上顯著為負。

表7 穩健性檢驗：改變樣本選擇

為了避免使用縣區級小維度樣本導致的偏誤，本文將樣本數低于100 的縣區定義為小樣本縣區。在刪除77 個小樣本縣區后，對基準回歸重新進行估計（見表7）。結果表明：在剔除縣區小樣本后，機會不平等對于個體就業仍然具有顯著的負向影響，并且估計系數均在1%的統計水平上顯著。這說明基準模型的估計結果較為穩健。

本節穩健性檢驗采用改變機會不平等的度量和改變樣本的選擇，檢驗結果顯示機會不平等對于就業水平和就業層級的影響依然顯著為負，因而可以認為本文對于機會不平等與個體就業之間關系的分析結論穩健可靠。

六、機制分析

在分析得出機會不平等會降低就業水平和就業層級的基礎上，本節繼續探討機會不平等影響個體就業的影響機制。從理論上分析，機會不平等導致就業水平和就業層級的下降可能存在以下三個方面的傳導機制：一是機會不平等的增加可能意味著戶籍等制度壁壘的負面影響增大，如一線城市較高的落戶門檻，這限制了勞動力在城鄉和地區間的自由流動，加大了勞動力的跨地區參與就業與職業晉升的難度；二是不合理的環境因素使教育資源分布和教育機會獲取存在不平等，如農村教育投資存在重男輕女的問題，農村相比于城鎮的教育資源較為匱乏，這使個體、家庭或制度環境弱勢群體的人力資本積累受阻，進而影響日后的擇業機會和工作成就；三是機會不平等可能強化企業的用工歧視行為，如在求職和入職階段設置婚育、性別和年齡等不合理限制，使承擔工作和家庭雙重責任的女性在勞動力市場處于弱勢地位，企業減少雇傭甚至解雇女性員工，崗位產生性別隔離，使女性失去了與男性站在同一起跑線奮斗的機會。

首先，檢驗機會不平等是否影響勞動力的跨地區流動，本文將目前居住在戶口登記地以外縣區定義為勞動力外流，賦值為1，而目前居住地就是戶口登記地，沒有外流的賦值為0。估計結果見表8的模型（1），可以得出機會不平等的估計系數在1%水平上顯著為負，表明機會不平等阻礙了勞動力的地區間自由流動，使得勞動力資源空間配置無法達到最優狀態，降低了環境弱勢勞動力的就業率和就業層次。

表8 機制分析

其次，檢驗機會不平等是否阻礙人力資本積累，使用受教育年限衡量個體的人力資本水平，回歸結果見表8 的模型（2），可以得出機會不平等顯著降低了個體受教育年限，這一結果在1%水平上顯著，表明機會不平等的增加阻礙了個體人力資本的積累，環境弱勢群體難以達到高水平教育層次，對其邁入職場和職業晉升將產生不利影響。

最后，檢驗機會不平等是否影響職場用工歧視，使用問卷中“您是否同意以下說法：在經濟不景氣時，應該先解雇女性員工”這一問題的回答衡量職場用工歧視，其中“完全不同意”和“比較不同意”賦值為1，“無所謂同意不同意”賦值為2，“比較同意”和“完全同意”賦值為3。該指標數值越大表示職場用工歧視越嚴重。本部分考察機會不平等對于職場性別角色觀念的影響，回歸結果見表8的模型（3），可以得出機會不平等顯著為正的結論，表明機會不平等強化了職場的用工性別歧視，使得企業更愿意雇傭男性而非女性，這也將不利于女性勞動力就業水平和就業層次的提升。

七、結論與政策啟示

保障各類要素主體有公平的機會參與市場競爭、分享發展成果，是推進共同富裕的題中之意。本文測度并分解了各年份縣區層面的機會不平等，考察了機會不平等對就業水平和就業層級的影響效應。研究發現：2010-2015 年間中國縣區層面的機會不平等占收入不平等的比重約為31%。以居住地表征的制度類因素和以父輩教育表征的家庭類環境因素在機會不平等生成中影響較大。機會不平等的增加顯著地降低了個體就業水平和就業層級。異質性分析表明機會不平等對于女性或城鎮勞動力的影響更加顯著。通過改變機會不平等的度量和校正樣本選擇進行穩健性檢驗，結論均是穩健的。機制分析表明機會不平等的主要影響機制來自于顯著限制了勞動力地區間流動，阻礙了人力資本積累，強化了職場用工性別歧視。

本文的關注視角和研究結論對于初次分配中實現機會公平和促進高質量就業具有重要現實意義。研究視角從事后結果公平轉向事前機會公平，公共政策不應只關注結果層面的收入不平等，更應該關注收入不平等形成機制中不合理因素所起的負面作用，公共政策重點應放在降低甚至消除機會不平等，這為縮小收入分配不平等提供了新的政策視角和明確的政策方向。降低甚至消除機會不平等，既有利于就業水平“量”的增長，也有利于就業層次“質”的提升。具體政策啟示如下：

第一，規范企業的招聘錄用和晉升制度。在制度上保障環境弱勢勞動力同樣有公平的機會進入勞動力市場，通過公開透明的考試篩選和嚴格的程序約束減少選任程序中的尋租空間，制衡“關系戶”背后的隱形權力。完善反就業歧視的相關法律體系，既要強化企業主體責任，同時政府應擔起監督懲處就業歧視的責任，可以考慮對招錄孕產婦的企業給予一定稅款減免或補助。

第二，降低城鄉和地區間流動的制度障礙。建設國內統一大市場，需要實現要素在全國層面的暢通流動。應進一步推動戶籍制度與社會福利脫鉤，消除戶籍、地域和性別等附加的身份差異，降低除特大城市外的落戶門檻限制，在教育、醫療和養老等群眾關心的領域提高公共服務的公平性和便捷性。

第三，穩定城鎮地區崗位與就業。疫情沖擊下城鎮青年失業率處于較高水平，落實穩就業政策，各類企業應該努力拓展適合畢業生的優質崗位，促進小微企業和基層組織吸納就業。促進應屆和往屆畢業生的就業創業，以創業帶動就業，給予高學歷青年創業創新活動的資金和政策支持，加強創業孵化基地建設，增強對失業人口的幫扶。

第四，主動干預并努力降低初次分配中的機會不平等。通過制定公平合理的政策處理好增長與分配的關系，通過轉移支付等再分配環節彌補機會弱勢群體的發展短板，為勞動力市場的機會弱勢群體提供更多的就業幫扶和技能培訓，為這些群體依靠自身努力公平競爭創造條件、提供平臺，形成公平參與、公平發展的環境。