值得注意的是，在逐渐放松假设前提的两种设定下，纠正样本选择问题后估计的工资同化速度均显著上升。如模型四中的结果显示，农民工工资同化速度为1.8%，高出模型二0.2个百分点；模型五中的小时工资同化速度为2.5个百分点，更是比模型三的估计值高出1.2个百分点。这表明了样本选择问题导致了普通最小二乘的估计存在负的偏差。由此可知，返乡的农民工中正向选择占大多数，这意味着移民持续时间与个人能力是负相关的。如前文所述，这可能是由于能力越强的农民工越有可能在较短的时间内在城镇地区积累足够的资本。譬如，当面临信贷约束时，家庭成员会选择外出务工以获取足够的资本(Brauw & Rozelle，2008)，因此，能力越强的农民工就能越快达到设定目标后回乡。与此同时，进城务工的人并不是农村居民中能力最高的(Du et al.，2005)。因此，普通最小二乘回归低估了实际的工资同化速度。^⑨

表6  第二阶段回归：纠正样本选择后移民时间对农民工和城镇职工工资差距的影响

进一步地，群组效应(cohort effect)可能会造成农民工工资同化速度，即农民工与进城持续时间交互项的系数存在估计偏差。也就是说，若是由于劳动力市场的宏观变化，使得越是早期的农民工收入越高，那么农民工与移民持续时间交互项的系数将会被高估；反之则反是(Borjas，1985；Borjas，1995；Kuhn & Trejo，2006)。模型六在回归中加入了农民工与进城时间段的交互项，以对群组效应进行控制。我们将农民工进城时间分成五个阶段，分别是1997年以前、1997—1999年、2000—2002年、2003—2005年以及2006—2008年。回归结果表明，农民工与进城时间段的交互项均显著为负，即在所有的时段上，农民工的初始工资均显著低于相应的城镇职工；并且可以明显看出，越是后期的农民工初始小时工资越低。以小学及以下学历的受教育程度为例，1997年以前进城的农民工初始小时工资比同等学历同样特征的城镇职工低57.3%；而1997—1999年期间进城的农民工初始小时工资与同等学历同样特征的城镇职工的差距增大到63.0%；2000—2002年期间进城的农民工与城镇职工的差距则更是拉大到66.1%；2003—2005年期间进城的农民工与城镇职工的小时工资差则进一步增加到69.8%；而在2006—2008年期间进城的农民工的小时工资更是只相当于城镇职工的19.5%。这说明了群组效应在我们的问题中较为明显，忽略了群组效应将导致工资同化速度被高估。因此，尽管农民工的小时工资仍旧显著向城镇职工同化，然而与模型五的结果相比，模型六的估计值大幅减少。具体而言，农民工与调整的移民持续时间交互项的估计系数由模型五中的0.025减少到了模型六中的0.014，减少了一半以上。该结果表明，农民工在城镇每多待一年，其相对工资将上升1.4个百分点。

(三)对结果的解释

模型六给出了工资同化速度的准确估计。从动态的角度看，农民工的工资确实会随着时间的增加逐渐向当地居民同化。这与大部分既有文献的结论相一致：在移民初期，移民的工资会低于同样特征的当地居民，然而随着移民持续时间的增加，农民工与城镇居民的工资差距会逐渐减小。然而更值得关心的是，该工资差距会不会在足够长的移民持续时间后彻底消除？表7给出了上述问题的回答。根据模型六的结论，我们选取了五个不同的移民群组中两个学历水平(小学及以下、大学及以上)为例，考察不同群组不同学历农民工相对工资随时间的变化情况。由此可以得出如下两个方面的结论：

第一，越是早期的农民工群组，越有可能在生命周期时长中获得与城镇职工同等，甚至超出城镇职工的工资收入。以大学及以上学历为例，1997年以前进城的农民工在移民持续时间达10—12年以后，便可获得与同样特征的城镇职工相当的工资收入；随后其工资甚至超出城镇职工，在20年的移民持续时间后，农民工的工资可达到城镇职工的113.7%。1997—1999年期间进城的农民工则需要14—16年才可获得与城镇职工同等的工资待遇。而2000—2002年期间进城的大学以上学历的农民工则需要16—18年；而且在20年的移民持续时间后，农民工的工资则为城镇职工的104.9%，明显小于更早的移民群组。及至2003—2005年期间进城的农民工，则需将近20年之久才能达到与城镇职工相当的工资水平。而2006—2008年期间进城的农民工，即便在20年以后，其工资水平也只有同样特征城镇职工的90.5%。

第二，越是高学历的农民工，越有可能在生命周期时长中获得与城镇职工同等的工资收入。以1997—1999年期间进城的农民工为例，大学及以上学历的农民工在移民持续时间达到14—16年后就可获得与同样特征城镇职工相当的工资收入，而小学及以下学历的农民工即便在20年以后也只能拿到相当于同样特征城镇职工65.0%的工资。同样地，2003—2005年期间进城的群组中，大学及以上学历的农民工能够在20年后达到与城镇职工同等工资水平，而小学及以下学历农民工即便在20年后也只能获得相当于同样特征城镇职工58.2%的工资收入。

当然，上述结论的成立有很强的隐含条件，要求城镇职工与农民工的个体要素回报不变，并且劳动力市场的需求没有发生改变。这样的预测可能与实际情况相去甚远，但可以直观地反映不同族群农民工的工资同化情况。

表7  不同群组不同学历农民工相对工资随时间的变化    单位：%

六、哪些因素影响了农民工工资同化速度？

(一)扩展的模型设定及数据描述

如前文所述，移民的工资之所以会逐渐向当地职工同化，一方面可能是由于随着时间的增加，他们对当地劳动力市场更加熟悉，更加容易找到匹配的工作(Borjas，1992)；另一方面，可能是由于他们在当地进行了人力资本的再投资，譬如接受了技能培训(Eckstein & Weiss，2004)。此外，拥有更多的社会网络能够通过影响农民工的工作类型而间接地影响他们的工资水平(章元和陆铭，2009)。接下来，我们从这几方面进一步研究哪些因素对我国农民工的工资同化速度有影响。因此，基于模型六的设定，我们进一步对回归方程扩展如下：

其中，edulevmi(m=1，2，3)反映了样本的学历水平。⑩Yamauchi(2004)指出，学历对移民工资的影响可能在两方面有所体现。其一，在移民初期，更高的学历能一定程度上消除雇主对于外来人员能力的不确定性，帮助移民找到更匹配自身人力资本的工作；因此，学历越高的移民初始工资与城镇职工的差距可能越小。其二，随着移民持续时间的增加，更高学历的移民可能更懂得去寻求与自身更匹配的工资，因而获得更快的工资增长率。为了检验学历对农民工的相对工资是否有如上所述的影响，我们在回归式(4)中同时加入了学历与农民工虚拟变量的交互项(Migi×edulevmi)及学历与移民持续时间的交互项。

traini是一个反映样本是否受过技能培训(包括企业内部的非农业培训和社会上的非农业培训)的虚拟变量；⑾在控制了traini的前提下，δ3考察了技能培训是否能够额外加快农民工小时工资向城镇职工同化的速度。与城镇职工相比，一方面，技能培训能够帮助农民工更快地将移民前的技能转化过来；另一方面，接受过技能培训的农民工可以向雇主传递一种信号，雇主可能会认为这部分农民工能力更高，并且愿意在城镇待的时间较长而更加稳定，从而愿意支付更高的工资。因此，我们预期δ3的系数为正。

relateji(j=1，2，3，4)则是一个反映样本社会关系的虚拟变量；⑿δ3j(j=1，2，3，4)考察了不同的社会关系是否会帮助农民工更快地缩短与城镇职工的工资差距。更强的社会网络可能会帮助农民工更快地寻找到更加匹配的工作。此外，MigPeriodit(t=1，2，3，4，5)指代了样本的移民时间段，我们将其加入这部分所有的回归设定中以对群组效应进行控制；其他变量的含义与前文相同。

表8列出了农民工社会关系虚拟变量及培训虚拟变量的描述统计结果。由表中可以看出，在全部农民工样本中，有17.4%农民工的关系人中有本市城里人；11.7%农民工的关系人有外市城里人；有54.0%农民工的关系人中有进城务工人员；另有9.6%农民工的关系人中有农村非农工作人员。同时，在全部样本中，参加过培训的比例为31%。此外，社会关系和培训虚拟变量中共有531个缺失值。

表8  农民工社会关系和培训虚拟变量的描述统计结果

(二)实证结果

表9列出了(4)式的回归结果。模型七中，我们首先考察了学历水平对于农民工工资同化速度的影响。由回归结果可以看出，所有学历水平与移民持续时间的交互项都不显著，这说明了学历水平并不会帮助农民工更快地向城镇职工的小时工资同化；同时，农民工与调整的移民持续时间交互项的估计系数为0.016，与模型六相比变化不大。另一方面，农民工与高中学历以及农民工与大学及以上学历的交互项则均显著为正。这一结果表明，在刚进城时，高学历能够帮助农民工找到与同等特征的城镇职工工资差距较小的工作，这与理论预期一致；而与前文预期不符的是，进城之后，较高的学历对于农民工小时工资向城镇职工的同化过程并无显著促进作用。具体而言，与小学及以下学历的农民工相比，高中学历的农民工的初始相对工资高出28.1个百分点，大学及以上学历的农民工初始相对工资更是高出了32.2个百分点；而他们均以每年1.6个百分点的速度向同样特征的城镇职工同化。

作者： 西南财经大学经济与管理研究院 陈珣 西南财经大学经济学院 徐舒  来源： 《经济研究》2014年第10期