基本结果估计：排除模型异方差，以专业人力资本衡量

表6到表7给出了本文主要回归模型的OLS回归结果：首先是我们对影响行业工资所有设定的变量进行一个总体的回归，OLS.1中并没有引入集聚的二次项，OLS.2中引入了集聚的二次项，回归结果如表6所示。

表6　行业工资影响因素的模型结果1

注：表中*、**、***分别表示在10%、5%、1%的水平上统计显著。通过对回归结果进行怀特特殊检验，在一定程度上排除了模型的异方差性。(1)、(3)模型中引入的是大专以上占比作为人力资本衡量；(2)、(4)引入的是研究生占比作为人力资本衡量。

1.假设的验证

集聚特征方面，结果表明，行业的市级集聚指数与行业的平均工资呈现正的相关关系，在(1)中，集聚指数每上升0.01，行业平均小时工资会增加3.9861%，并且在5%的水平表现出了显著性，其他模型也表现了类似的效果。这充分体现了行业集聚程度的提升会显著带动行业工资水平的上涨，初步验证了假设1，但是在OLS.2的回归中，我们发现，集聚指数二次方项系数为负，说明集聚与工资是呈现一个倒U形关系。在(3)中，当集聚指数小于0.0948时，集聚指数表现出显著的工资正效应，但是当集聚指数大于0.0948时，集聚对工资表现出负效应，并且集聚指数与集聚指数的平方均在5%的水平上表现出了显著性。由此说明服务业集聚的形成在一定程度上产生了较强的劳动力市场共享效应，在减小交易成本的同时，也减小了劳资双方的搜寻成本，再加上集聚当地的市场竞争效应，劳动力市场处于“卖方市场”，因此员工的工资较高，但是随着集聚指数的上升，行业内会产生一个挤出效应，造成行业内一批员工失业，因此集聚对工资就表现出了一定的负效应，总之，回归结果基本验证了假设1，但这是在集聚指数小于一定值才成立的。

行业垄断方面，结果表明：经济垄断对于行业平均工资有着正的效应，在(3)的回归结果中，行业中单位企业的固定资产与年营业收入每增加1%，行业的平均小时工资分别增加0.0803%、0.0417%；行政垄断对于平均工资的效应并不统一，国有控股企业占比每提高0.01，行业平均小时工资降低0.2429%，这似乎不符合常理，可能是由于数据限制造成的，前文在行业垄断测量时提到，控股情况这个变量本身存在一定缺陷，因为国有控股企业占比只反映了行业国有控股企业数量，并未能反映国有控股的资本规模，由此才造成了回归结果中控股情况对于工资的负效应；在隶属关系中，省级以上隶属企业占比每提高0.01，行业平均小时工资则升高0.2764%，并在10%的水平上显著；对于反映行业整体垄断的变量——企业个数，虽然并没有表现出显著性，但是其系数反映了企业个数与行业工资呈现负的相关关系，企业个数每增加1%，行业平均小时工资减少0.0005%。总的来说，反映垄断特征的这些变量基本验证了假设2，其中经济垄断特征的变量对于行业工资的影响更显著，而对于行政垄断的两个变量得出了不一致的结论，但这是由于数据限制造成的，后期可以引入新的变量做进一步的检验。

为了观察大专以上占比与研究生占比在回归结果中的差异，我们将两者逐次引入回归模型中得到结果，我们发现：人力资本存量对于行业的平均工资具有正的效应，具体表现为，在(2)、(4)的回归结果中，研究生占比每提高0.01，行业的平均小时工资分别提高2.7301%、2.7490%，并在1%的水平上显著；在(1)、(3)中行业中大专以上学历的人员占比每提高0.01，行业的平均小时工资提高1.0668%、1.0708%，并且在1%的水平上显著，这说明高质量人力资本对于工资差异的影响更大。而女性占比对行业的平均工资有着负的效应，在(3)中，行业中女性从业人员比例每增加0.01，行业的平均小时工资将减少0.4197%，并且在1%的水平上显著，这说明行业中可能存在着一定的性别歧视，一些高工资职业更倾向于招聘男性，或者说女性大多从事技术含量较低的服务岗位，例如服务业中占比最大的批发零售业女性占比非常高，这个行业属于劳动力密集型，技术含量低，平均工资较低，而对于工资较高的证券金融业、高科技行业，行业中女性占比则比较低。

2.分位数回归结果

分位数回归的模型形式如下：

y i=x′iβθ+μθiquantθ(y i|x i)=x′iβθ(i=1，…，n)

式中的βθ和x′i都是向量k×1，而且x i 1=1，quantθ(y i|x i)代表y在给定x的条件下分位点为θ的条件分位数函数(Koneker和Bassett，1978)。分位数回归模型能够估计y在给定x下整个的条件分布，针对此模型，我们选择0.25与0.75两个分位点来研究不同工资水平上回归结果的差异。(www.xing528.com)

表7　行业工资影响因素的模型结果2

注：表中*、**、***分别表示在10%、5%、1%的水平上统计显著。通过对回归结果进行怀特特殊检验，在一定程度上排除了模型的异方差性。(6)、(8)模型中引入的是大专以上占比作为人力资本衡量；(5)、(7)引入的是研究生占比。

如表7所示，0.25分位和0.75分位回归都与总的回归结果在某些变量上表现出了较大的差异，并且0.25分位与0.75分位的回归结果也有明显不同，具体来看：

(1)集聚特征

在(6)、(8)的回归结果中，当25%低工资组的行业集聚指数占比增加0.01，行业平均小时工资升高4.7222%，而当25%高工资组的行业集聚指数占比增加0.01时，行业平均小时工资升高6.2775%，并且在5%的水平下显著，这说明集聚的工资正效应在高工资组行业中影响强度更大。收入较高的行业集聚带来的优势更明显，一方面收入较高的行业技术含量较高，对于高质量人才的搜寻成本更大；另一方面这些行业有更大的技术等外溢效应，因而在高工资组的行业中提高集聚程度对工资上涨影响更大。值得注意的，由集聚平方项系数为正可以看出集聚的工资效应呈倒U形关系，但是在(6)、(8)的回归结果中，只有当集聚指数分别大于0.2721、0.1080时，才表现出集聚负效应，而所有行业集聚指数最大的只有0.1307，也就是说在25%低工资组的回归中，集聚的工资效应一直为正，而在25%高工资的回归中，当集聚指数大于0.1080时集聚的工资效应为负。

(2)垄断特征侧面

在(6)、(8)的回归结果中，当25%的低工资组的行业中总营业收入增加1%时，行业平均小时工资上涨0.0128%，而当25%高工资的行业中总营业收入增加1%时，行业平均小时工资上涨0.0522%，并在1%水平下显著，这说明高工资行业总营业收入增加带来工资正效应更强。

(3)研究生占比

在(5)和(7)的回归结果中，当10%低工资组的研究生占比增加0.01，行业的平均小时工资增加2.5907%，而当10%低工资组的研究生占比增加0.01，行业的平均小时工资增加6.7679%，这说明高质量人才优势在高工资的行业比较中更能显示出工资差异。针对女性占比来说，在(6)和(8)的回归结果中，当10%低工资组的行业女性占比增加0.01，行业平均小时工资降低0.4725%，而当10%高工资组的行业女性占比增加0.01时，行业平均小时工资降低0.3719%，这说明低工资组相对高工资组在工资收入上存在更严重的性别歧视。