劳动力市场的自然观察与CIER指数研究
耿林 丁大建
（中国人民大学劳动人事学院）
引言
中国人民大学中国就业研究所自2008年下半年国际金融危机爆发时起，开始用自己编制的CIER就业竞争指数，开展了对我国劳动力市场的状况和变化作季度分析的工作，并对外公布了我们的CIER指数和季度分析结果。在国际社会中，通行是以失业率为龙头指标观测分析劳动力市场变化的，我们为什么采用这样一个自行编制CIER指数而非国家正式发布的失业率来观察分析我国劳动力市场的短期变化呢？本文介绍了CIER指数的由来、方法和构造，并以描述和实证的方法，对该指数的现实意义、应用价值和理论基础做了阐述。希望通过此文能使大家认识这个指数，令社会接受这个指数。
一、CIER就业竞争指数的由来
市场经济条件下市场的变化、市场的动向、市场的趋势是人们普遍关切的信息。如当下我国的楼市，价格是涨了还是跌了，成交量是增了还是减了？关心中国经济的人，关心自己利益的人都在关注，在期盼。作为市场经济的重要组成部分，劳动力市场信息自然也是人们关心的重要市场信息；其对宏观经济的判断与研究，对政府的宏观市场调控，对企业的招聘用工，对个人的打工求职都有着重要的指标性意义。
然而，如何准确地测度劳动力市场，用哪些指标来反映它的变化，长期趋势与短期波动，供求匹配及结构性的变化等等，以及如何调查获得这些指标的数据，都是中国劳动力市场长期以来面对一些难题。计划经济时期，包括改革开放初期，我们是靠统计报表制度收集全国的劳动就业与失业数据；市场化改革后，统计报表失灵了，我们开始向市场经济国家学习。由国外一些老牌的发达市场经济国家的经验来看，测度劳动力市场并不是什么难事，失业率、就业人数（新增就业人数）、领取失业救济金人数等等数据，通过是每个月（或每季度）一次的抽样调查，就可以按月（或按季度）公布于社会了。但是在中国的现在，虽然政府也在每个季度公布有城镇登记失业率、新增就业人数等数据，可是这些指标数据的科学性和准确性则是受到普遍的质疑，且难以分析使用的。其原因学术界已有许多深入分析。在我们看来，核心的问题是在很多方面我们的政府还在以计划经济的方式管理劳动力市场。以劳动力市场最核心的指标失业率为例，中国官方所发布的城镇登记失业率就有覆盖面窄、登记机制不完善、失业定义不完整等致命缺陷；以致于在数据表现上，其存在着数据僵化、缺少变化、不符合理论预期和与其他宏观经济指标脱节等问题，最终使人们无法相信其能够反映劳动力市场供求的现实变化（见参考文献[1]～[5]）。以季度数据观察，其在近十年里的变动未超出0.3个百分点幅度，长期趋势变动几乎为0，季度数据竟也看不到有任何的季节性变化（见图1）。
图1
国家统计局自1996年试点季度性的劳动力抽样调查，计算调查失业率指标，以估计全国劳动力市场的就业失业状况。这一调查制度试行至今15年，由于种种原因，仍未能正式对外发布出中国的调查失业率数据。一些学者和研究机构，出于研究目的，或采用相关指标推算方法对以往年份的失业率进行估计，或采用一次性小规模抽样调查获取数据，推算我国的失业率水平。如2008年中国社会科学院社会学所李培林教授曾根据一次抽样调查对外发布中国城镇失业率达9.4% ，引起社会和政府有关部门的轰动和关注，引来争议纷纷。但所有这些努力至今都未能解决我国目前缺少能够及时反映劳动力市场供求变化，以及能够测量和分析我国劳动力市场与宏观经济变量相关性变动规律的指标及数据的问题。如前所述，这一缺陷使劳动力市场供求的双方——用工者和求职者得不到有效的市场信息指引，使政府得不到指导和调控市场所需的正确信息基础，使研究者得不到研究我国宏观经济变化和劳动力市场变动规律所必需的数据支撑。
2008年国际金融危机爆发，对我国经济特别是出口贸易造成了巨大的冲击，订单急剧减少，大批出口加工企业陷入停工停产境地，由此也造成了一轮对我国劳动力市场的强烈冲击，大批民工失去工作被迫返乡，大学生就业难更遇雪上加霜，2008年下半年至2009年全年，劳动力市场就业压力剧增。当时，为研究我国劳动力市场的短期变化，为测量劳动力市场供求状况，中国人民大学中国就业研究所在智联招聘网、苏州工业园区人力资源开发公司等人力资源机构的数据支持下，在对我国劳动力市场进行季度分析的基础上，研发推出了反映我国劳动力市场供求匹配状况时序变化的CIER就业竞争指数（以下简称CIER指数）。CIER指数的设计十分简单，即为市场求职申请人数与市场招聘需求人数之比值（CIER指数=求职申请人数/招聘需求人数），直观意义为：职业市场上平均多少个求职者竞争一个招聘需求岗位。在日本，把这一指标称为“求职倍率”，其倒数称“求人倍率”。从方法论上讲，这一指标反映的是劳动力市场上供求匹配状况（粗匹配率），其数值以1为平衡点，表明劳动力市场上求职供给与岗位需求数量是均衡的；其数值越多地大于1，表明劳动力市场上的求职供给越大，岗位需求越少；其数值小于1时，则表明市场或出现用工短缺。
CIER指数不仅计算有全国总指数（见图2），还计算有分行业、分职业和分地区（城市）等结构性指数。
图2
二、CIER指数的市场特性与局限
经三年多13个季度39个月CIER指数的编制和时序数据的积累，以及每个季度依此所做的就业形势分析，我们发现CIER指数具有良好的市场指标特质和表现：
1. 反映市场的综合性（代表性）。CIER指数是对全国三十多个大中城市网络劳动力市场供求的综合，也是对制造业和服务业等绝大多数行业网络劳动力市场供求的综合，亦是对不同职业网络劳动力市场供求的综合。这种综合性使CIER总指数具备了反映全国劳动力市场供求匹配状况和水平的代表性特征。
2. 反映市场的敏感性。不同于官方的城镇登记失业率的一成不变，以39个月的CIER月度指数来看，其时间序列即包含有趋势性的变化，亦含有季节性波动，也有一些难以解释的随机短期波动。指数数据的这些变动，恰恰说明CIER指数所具有的反映劳动力市场供求关系变化的现实敏感性，这是一个良好市场指标必须具备的。
3. 反映市场的迅捷性。CIER指数编制的基础数据是网络招聘与求职数据，是网络招聘公司的实时工作数据，在有关网络招聘公司的支持下，数据是按月实时提取的，每个月后的第一个工作日，即可以提取获得该月的全部所需数据。其数据获得的迅捷与快速是任何其他调查方式所无法比拟的。
4. 指数的自然观察属性。CIER指数的基础数据是网络招聘与求职的过程记录，自网络工作数据库中按已确定的规范、原则、口径提取，再经简单的汇总计算即可求得指数值。这一过程可完全由计算机来完成，可完全规避人为因素的干扰。不会发生象填写统计报表和统计问卷时常见的那种对数据的编造或任意篡改的情况。在我国当前的经济社会调查中，这种对社会和经济现象的自然观察数据还是太少了。
5. 与宏观经济变量的高度相关性。在30个月CIER指数时序数据基础上，本文做了其与多种宏观经济变量的相关回归分析研究，初步探索了在我国CIER指数与各项宏观经济变量之间的相关与因果关系，大多符合理论预期（见本文后节分析）。这些研究为未来预测模型的构建与深入研究奠定了基础。
CIER指数除了具有上述优势外，当然也有它的局限性，主要有如下两点：
1. 网络数据局限。网络招聘求职市场的供求状况是否可代表实体劳动力市场的供求状况？这一点尚未获得充分研究和证实。以往的经验告诉我们，网络市场较实体劳动力市场要高端一些，更多高学历人才的求职和招聘。这一点或许在用CIER指数描述分析总体劳动力市场供求变化时，要小心并有所保留。然而，这一风险将随着网络应用成本的下降和网络应用的普及而减小。
2. 商业公司经营业务变动风险。指数的基础数据可能受到我们合作方网络招聘公司的经营状况变化和业务推广情况的影响，如公司业务在某一特定时期会重点开展推广企业招聘或人才求职的某一方面的工作，这时数据就会出现招聘或求职数单方面的非市场性增长，从而导致CIER指数的非市场性变化，如我们不能分辨出这种变化，或会造成对劳动力市场变动的误判。
综上所述，我们的描述性结论是：CIER指数是对我国劳动力市场的一种自然观察，它对我国劳动力市场变动的描述是可信的、及时的、敏感的和有效的。在我国目前尚无合适和令人满意的失业率数据状况下，CIER指数在一定意义上或可替代失业率指标用于劳动力市场宏观经济关系和宏观经济规律的研究。至于CIER指数是否具有宏观经济分析特性，本文下面作专节讨论。
三、CIER月度指数与各主要宏观变量之间的关联性分析
根据已知的经济学研究中的奥肯定律和菲利普斯曲线等理论，反映劳动力市场状况的失业率指标与反映货币市场通货膨胀状况的CPI、反映产品市场状况的GDP增长率都有着某种特定的关联性。
修正的菲利普斯曲线表明：失业率与物价上涨率存在反方向对应关系。当经济萧条时间，失业率升高，工资和物价水平比较低，从而通货膨胀率也较低；反之，当经济繁荣期间，失业率下降时，工资和物价水平比较高，从而通货膨胀率也较高。这种失业率与通货膨胀率之间的替代关系，为宏观调控和政策干预提供了有用的工具，政府可以运用货币政策和财政政策等，在失业率与通货膨胀率之间相机抉择。（Samuelson and Solow,1960）
根据奥肯定律，产出的变动会引起劳动力市场的调整，进而引起失业率的变化。实际产出高于自然产出，失业率下降；实际产出低于自然产出，失业率上升，即实际产出的增长与失业率反向变动（Okun,1962）。
在我国长期没有真正的失业率数据可以用于经济分析的情况下，这里我们试图利用CIER指数作为失业率的替代指标，探讨一下在中国市场经济条件下奥肯定律和菲利普斯曲线的表现；或也可证明一下CIER指数是否具有真正的市场指标价值。
下面我们利用协整分析和误差修正模型探讨CIER月度指数与各主要宏观变量（月度）的因果关系与走向。
（一）分析方法概要
CIER指数与各项宏观经济指标的关系包括三个问题：CIER指数与各项宏观指标是否存在因果关系？可能存在的因果关系走向？因果关系又是通过怎样的机制实现的？对第三个问题的解释需要深入的理论探讨，而前两个问题归结为时间序列变量之间协整检验和因果关系检验。如果协整检验结果表明变量间存在协整关系，就意味着二者之间存在长期均衡关系，那么就可以进一步探讨变量间是否存在格兰杰意义上的因果关系走向。虽然格兰杰意义上的因果关系是指时间序列变量间时间上的“先行”与“后动”关系”，然而，由于因果关系以时间上的先后为前提，所以对于不同的经济分析假说来讲，格兰杰因果检验提供了有助于判断经济假说真伪的经验证据。
Granger（1988）和Bahmani-Oskooee，Alge（1997）等提出了对存在协整关系的两个变量间进行因果检验的方法。这一方法的基本步骤是：第一，对两个变量的平稳性进行检验，如果两个变量是非平稳的，则检验两变量是否同阶单整，如果两变量是同阶单整地，则进一步检验二者是否存在协整关系。第二，如果变量间存在协整关系，则意味着二者间存在长期均衡关系，就可以进一步利用均衡误差修正模型分析变量间长期以及短期的因果关系走向。具体到双变量的分析，应首先估计两变量水平量的线性回归方程，保留其残差项，将这一残差项并入两变量差分滞后项的向量自回归模型中，建立均衡误差修正模型。
例如，通过第一步和第二步检验已知CIER指数和物价指数CPI存在协整关系，那么两变量均衡误差修正模型的一般表达式如下：
其中，E表示估计两变量协整方程所得的残差项。估计这一模型，如果 显著，则认为CPI对CIER存在长期影响，即长期来看，CPI是CIER指数的格兰杰原因；如果 显著，则认为CIER对CPI存在长期影响，即长期来看， CIER是CPI的格兰杰原因。如果至少一个 显著，则认为CPI对CIER存在短期影响，即短期来看，CPI是CIER指数的格兰杰原因；如果至少一个 显著，则认为CIER对CPI存在短期影响，即短期来看， CIER是CPI的格兰杰原因。如果至少一个 、 、 （至少一个）、 （至少一个）都显著，则认为CIER和CPI之间存在格兰杰意义上的双向因果关系。
（二）CIER指数与各宏观变量之间的协整分析
首先，对 CIER月度指数以及各宏观经济变量（月度）进行单位根检验；第二，对同阶单整的变量进行协整检验，判断CIER指数与各宏观变量间是否存在长期均衡关系。并估计协整方程，保留残差项；第三，估计均衡误差修正模型，判断CIER指数与各宏观变量间的长期和短期因果关系走向。
根据单位根检验判断，CIER指数、社会消费品零售总额、进出口总额、贸易顺差、CPI定基指数、发电量、M2变化率和汇率变化率等变量的水平量都是非平稳序列（见表1），而个变量的一阶差分都是平稳序列（见表2），因此可以判断以上变量都是一阶单整的，即I（1）过程。因此，可以进一步讨论CIER指数与社会消费品零售总额、进出口总额、贸易顺差、CPI定基指数、发电量、M2变化率和汇率变化率等变量的协整关系。
表1 各变量水平量的单位根检验
项目名称 仅含差分滞后项的自回归方程 含截距项的自回归方程 含趋势项和截距项的自回归方程
t检验估计值 P值 t检验估计值 P值 t检验估计值 P值
CIER指数 -1.356275 0.1594 -1.975935 0.2957 -4.690728 0.003**
社会消费品零售总额 1.284058 0.9468 -1.190474 0.6683 -3.030266 0.138
进出口总额 0.829184 0.886 -0.1484 0.936 -3.674487 0.0366
贸易顺差 -1.568173 0.1085 -2.516802 0.1205 -2.90686 0.173
CPI（定基） 2.750734 0.998 1.623734 0.9993 -1.746951 0.7103
发电量 0.412086 0.7971 -1.364469 0.5889 -4.033586 0.016*
M2 0.12923 0.717 -4.445648 0.0011** -6.132723 0.0001**
汇率 -1.119809 0.2327 2.075839 0.9998 0.497632 0.9988
M2变化率 -0.377312 0.5404 -7.522688 0** -4.108128 0.0167*
汇率变化率 -0.155008 0.6218 -0.755411 0.8172 -5.868471 0.0002**
表2 各变量一阶差分的单位根检验
项目名称 仅含差分滞后项的自回归方程 含截距项的自回归方程 含趋势项和截距项的自回归方程
t检验估计值 P值 t检验估计值 P值 t检验估计值 P值
CIER指数 -8.335011 0** -8.333252 0** -8.210628 0**
社会消费品零售总额 -5.648699 0** -5.907787 0** -5.828107 0.0001**
进出口总额 -8.363502 0** -4.252456 0.002** -4.671458 0.0034**
贸易顺差 -6.360287 0** -6.277724 0** -6.186248 0.0001**
CPI（定基） -3.640728 0.0006** -4.162801 0.0024** -4.775453 0.0024**
发电量 -7.599987 0** -7.598712 0** -7.701971 0**
M2 -7.478059 0** -2.818108 0.0663 -2.917746 0.1698
汇率 -0.206163 0.6036 -0.79742 0.8054 -5.890728 0.0002**
M2变化率 -4.487368 0.0001** -4.386271 0.0015 -4.031779 0.0176*
汇率变化率 -7.113763 0** -7.119407 0** -7.009095 0**
根据表3的协整检验结果判断，CIER指数与社会消费品零售总额、进出口总额、贸易顺差、CPI定基指数、发电量、M2变化率和汇率变化率等变量间都存在显著的协整关系（α=0.05）。因此可以进一步估计协整方程，并建立误差修正模型检验变量间的长期和短期因果关系。
表3 CIER指数与各宏观变量间的协整检验
协整方程个数 特征根 最大特征根统计量 P值 迹统计量 P值
社会消费品零售总额 1 0.707489 34.41911 0** 35.99386 0**
2 0.054689 1.574755 0.2095 1.574755 0.2095
进出口总额 1 0.621359 28.1638 0.0002** 31.44638 0.0001**
2 0.107021 3.282584 0.07 3.282584 0.07
贸易顺差 1 0.71213 31.13115 0.0001** 40.15079 0**
2 0.302872 9.019648 0.0027** 9.019648 0.0027**
CPI（定基指数） 1 0.537324 22.35114 0.0022** 32.5505 0.0001**
2 0.29651 10.19936 0.0014** 10.19936 0.0014**
发电量 1 0.497271 19.25572 0.0075** 22.64665 0.0035**
2 0.114059 3.39093 0.0656 3.39093 0.0656
M2（变化率） 1 0.699742 32.48404 0** 49.10336 0**
2 0.459646 16.61932 0** 16.61932 0**
汇率（变化率） 1 0.856589 46.60898 0** 51.92011 0**
2 0.198522 5.311133 0.0212* 5.311133 0.0212*
（三）CIER指数与各宏观变量之间的因果检验
根据误差修正模型检验结果（见表4～表10），可以得出结论：
1. CIER指数与社会消费品零售总额间存在单向因果关系，社会消费品零售总额对CIER指数的长期影响显著。长期来看，社会消费品零售总额是CIER指数的格兰杰原因。
2. CIER指数与CPI定基指数间存在双向因果关系，CPI定基指数对CIER指数的短期影响显著，CIER指数对CPI定基指数的短期影响和长期影响都显著。短期来看，CPI定基指数和CIER指数互为格兰杰原因；长期来看，CIER指数是CPI定基指数的格兰杰原因。
3. 进出口总额与CIER指数间存在单向因果关系，进出口总额对CIER指数的短期和长期影响都是显著的。无论从长期还是短期来看，进出口总额都是CIER指数的格兰杰原因。
4. CIER指数与贸易顺差间因果关系不显著。
5. 发电量和CIER指数间存在单向因果关系，发电量对CIER指数的短期和长期影响都是显著的。无论从短期还是长期来看，发电量都是CIER指数的格兰杰原因。
6. CIER只是与M2变化率间因果关系不显著。
7. CIER指数与汇率变化率间存在单向因果关系。汇率变化率对CIER指数的长期和短期影响都是显著的。无论是从长期还是短期来看，汇率变化率都是CIER指数的格兰杰原因。
综合上述技术分析结论，我们可以初步判断CIER指数具有较好的市场特质，具有宏观经济分析之价值，可用于替代失业率指标作为我国劳动力市场变动的重要指标，用来观察和研究我国劳动力市场的变化规律和宏观经济规律。
当然，CIER指数数据积累和研究还远远不够，本文只是一点初步的成果，还有待于更长期的积累和研究。
表4 CIER指数与社会消费品零售总额（CONSUME）的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △CONSUME
系数 t检验估计值 系数 t检验估计值
截距项 -0.04745 [-0.48227] 截距项 568.6209 [ 1.65403]
协整方程残差项 -0.947589 [-2.86419] 协整方程残差项 581.5115 [ 0.50305]
△CIER（-9） 0.397037 [ 2.36424]
表5 CIER指数与CPI定基指数的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △CPI
系数 t检验估计值 系数 t检验估计值
截距项 -0.464033 [-2.57019] 截距项 1.517758 [ 2.51596]
协整方程残差项 0.257199 [ 1.02262] 协整方程残差项 -2.523221 [-3.00253]
△CIER（-2） -0.74217 [-2.11512] △CIER（-9） -0.887446 [-2.05248]
△CPI（-1） 0.232178 [ 2.09273]
△CPI（-3） 0.214113 [ 2.35417]
△CPI（-7） 0.225154 [ 2.78611]
表6 CIER指数与进出口总额（EXIMPORT）的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △EXIMPORT
系数 t检验估计值 系数 t检验估计值
截距项 -0.035559 [-0.49717] 截距项 323.0017 [ 2.79326]
协整方程残差项 -1.269764 [-3.67333] 协整方程残差项 853.5561 [ 1.52728]
△CIER（-9） 0.309139 [ 2.57214] △EXIMPORT（-1） -1.485565 [-3.15457]
△EXIMPORT（-3） 0.00048 [ 2.00642] △EXIMPORT（-2） -0.817277 [-2.04608]
表7 CIER指数与贸易顺差（MAOYISHUNCHA）的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △MAOYISHUNCHA
系数 t检验估计值 系数 t检验估计值
截距项 0.010227 [ 0.06262] 截距项 63.36816 [ 1.57992]
协整方程残差项 0.120074 [ 1.14580] 协整方程残差项 38.74998 [ 1.50570]
表8 CIER指数与发电量（FADIANLIANG）的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △FADIANLIANG
系数 t检验估计值 系数 t检验估计值
截距项 -0.12922 [-1.50784] 截距项 384.0506 [ 1.67636]
协整方程残差项 -0.67568 [-2.38260] 协整方程残差项 958.9188 [ 1.26487]
△CIER（-9） 0.215813 [ 2.21152]
△FADIANLIANG（-2） 0.000497 [ 2.27971]
△FADIANLIANG（-3） 0.000628 [ 2.85019]
表9 CIER指数与M2变化率（DM2）的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △DM2
系数 t检验估计值 系数 t检验估计值
截距项 15.33228 [ 0.92017] 截距项 -73.42914 [-1.42630]
协整方程残差项 -0.540228 [-0.92327] 协整方程残差项 2.566781 [ 1.41978]
表10 CIER指数与汇率变化率（DHUILV）的误差修正模型
（仅报告截距项、误差修正项和通过显著性检验的滞后项系数及t检验估计值）
△CIER △DHUILV
系数 t检验估计值 系数 t检验估计值
截距项 0.28997 [ 1.52634] 截距项 -0.001073 [-0.29414]
协整方程残差项 -0.482338 [-2.96743] 协整方程残差项 -0.000958 [-0.30679]
△CIER（-1） -0.716261 [-2.71666]
△CIER（-2） -0.878025 [-2.64210]
△CIER（-3） -0.796921 [-2.78087]
△DHUILV（-3） 234.3842 [ 2.73536]
△DHUILV（-3） 231.3039 [ 2.73040]
△DHUILV（-3） 253.4562 [ 2.82650]
△DHUILV（-3） 338.6922 [ 2.97987]
△DHUILV（-3） 408.5192 [ 2.74140]
△DHUILV（-3） 450.5013 [ 2.61309]
△DHUILV（-3） 374.7702 [ 2.58705]
△DHUILV（-3） 231.69 [ 2.58272]
参考文献：
【1】何凤秋．合理调控公务员地区收入差距的途径分析．公共行政与人力资源，2008（3）．
【2】刘昕．完善我国公务员工资制度的几点建议．环球市场信息导报杂志社http://www.ems86.com/，2007（10）．
【3】张来春，姚勤华．公务员工资的公平性困境及若干思考．中国人力资源开发，2006（11）．
【4】梅继霞．我国公务员薪酬制度的公平性问题．中国人力资源开发，2007（7）．
【5】李广斌．我国公务员工资制度存在的问题及改革建议．攀登，2006（5）．
【6】刘冬华，马长伟．中国内地与香港特区公务员工资制度比较初探．行政论坛，2004（7）．
【7】胡卫，陈立中．基于绩效的公务员薪酬制度改革研究．中国企业管理论坛网http://bgsyw.com/，2008（2）．
【8】徐刚．公务员薪酬激励的多维联动机制研究．中国行政管理，2008（9）．
【9】董克用，王丹．建立中国公务员工资水平调查比较机制的理论基础．中国人才，2008（8）．
【10】丁进．公务员工资水平调查探索和思考。中国社会科学院《环球市场信息导报》杂志社网站http://www.ems86.com。2008（11）．
[11]胡继晔.社会保险法与养老保险的全国统筹.财经政法资讯[J].2009（3）：68.
[12]《环球市场信息导报》杂志社主要面向国内外社会科学领域的高等院校、科研机构、决策机构、社会团体、企业集团的实践者、研究者、管理者、领导者发表论文《环球市场信息导报》杂志社网站http://www.ems86.com．2008（11）
[13]姚先国,黄志岭.职业分割及其对性别工资差异的影响[J],重庆大学学报（社会科学版）,2008(2).
[14]杨肖丽,景再方.不同迁移模式下农民工的经济地位与社会地位差异研究[J],经济问题,2010(8).
[15]易君健,耿龙波.中国农村劳动力迁移过程中的部门选择与性别差异[J],世界经济文汇,2007(4).
[16]张智敏,唐昌海.从农村高素质群体到城市中边缘者[J],中国农村经济,2009(2).
[17]Meng，x．，& J．Zhang，。TheTwo-tier Labor Market in Urban China：Occupational Segregation And Wage Differentials between Urban Residents and Rural Migrants in Shanghai，Journal of Comparative Economics，2001，29 (3).
[18] Meng, Xin,the informal sector and rural- urban migration-a Chinese case study, Asian economic Journal,2001.
[19] Leventhal,G.& Fry,W.R.Beyond fairness:A theory of allocation pref- erences[M].New York:Springer Verlag,1980.
[20] Martin,J. Relative deprivation:A theory of distributive injustice for an era of shrinking resources[M].中国社会科学院《环球市场信息导报》杂志社网站http://www.ems86.com。,1981.
[21] O’Reilly C,Main B & Crystal G.CEO Compensation as Tournament and Social Compensation:A Tale of Two Theories[J].Administrative Science Quarterly.1988(2):257-274．
[22] Pfeffer,J.& Langton, N.The effect of wage dispersion on satisfaction, productivity,and working collaboratively:Evidence from college and uni- versity faculty[J].Administrative Science Quarterly,1993(38): 382-407.
|
