论文部分内容阅读
劳动力市场中，绝大多数劳动者是隶属于某个家庭单位的。而在家庭单位中，夫妻双方的劳动力供给决定往往不是独立的，而是一个复杂的相互作用过程，且有别于个人劳动供给决定。因此，劳动力市场的研究就必须考虑到夫妻中一方工作时间的选择对另一方的影响，即考虑到家庭联合劳动力供给的问题。
对于一对夫妇而言，一方工作时间的长短会通过很多方式影响另一方工作时间的选择，夫妻双方的闲暇时间消费既具有替代性又具有互补性。当一方的工作时间增加时，另一方的非劳动收入相应增加，因此会减少工作时间，增加闲暇时间的消费。这种收入效应表现为夫妻双方劳动供给的替代性。另一方面，夫妻双方的闲暇时间是一种特殊的互补性消费品。一方延长闲暇时间的消费会使得闲暇时间对于另一方更具有价值。也就是说，一方闲暇时间的消费选择影响了另一方对闲暇时间的消费偏好，使得另一方倾向于消费更多的闲暇时间。这第二种影响方式被称为闲暇共享效应，是本文研究的重点。本文的研究目的是通过实证研究得到闲暇共享效用的准确估计值，衡量夫妻间闲暇时间互补性的强弱。
研究家庭联合劳动供给的理论模型包括：一元模型、“传统家庭”模型和综合模型。一元模型假设家庭中男性和女性的工作时间是由一个家庭总效用最大化问题同时决定的；“传统家庭”模型认为男性的工作时间是独立于女性工作时间和工作收入的，但是男性的工作收入会影响女性的非劳动收入，从而影响女性的工作时间选择；综合模型则假设夫妻双方同时最大化个人效用，家庭联合劳动供给是夫妻双方谈判和博弈的结果。
为了避免本文的实证研究结果受到理论模型选择的影响，本文给出了嵌套了三种理论模型的简化模型。利用该简化模型得到的参数估计值对于理论模型的选择是稳健的。这样做的另一个优势是，在得到简化式的参数估计后，可以对结构模型做假设检验，以判断哪个结构模型与实际样本数据更为符合。
由于夫妻双方劳动供给是同时决定的，根据简化模型，本文建立了家庭联合劳动供给的联立方程模型。联立方程模型的另一个优点是可以将劳动者按性别分组，分别得到男性和女性的闲暇共享效应估计值。
由于“边干边学”(learning by doing)以及婚姻市场“分类配对”(assortativemating)现象的存在，劳动者对闲暇时间的个人偏好可能与其配偶的工作时间和自身工资率相关。为了矫正个体效应与这些解释变量相关引起的偏差，本文建立了联立方程面板数据固定效应模型。
在估计过程中，本文先利用了排斥性约束(exclusive restriction)，将只出现在联立方程系统的某一个方程的变量做为另一个方程的内生解释变量的工具变量，以矫正联立方程偏差。随后，本文假设劳动力市场是完全竞争性的，劳动者的工资率反映了其生产效率。而劳动者的生产效率主要由劳动者的知识水平和工作经验决定。因此，本文用劳动者的年龄和受教育年数做为劳动者工资率的工具变量，以矫正测量误差引起的偏差。此外，本文还采用了类似Chamberlain的个体效应处理方法，假设个体效应与配偶的工作时间和自身工资率的均值有关，且服从正态分布。通过对个体效应的处理，本文将固定效应模型转化为了随机效应模型。最后，本文在估计时，考虑到了劳动者工作时间数据的截尾性特征，采用了Tobit模型以矫正选择偏差。
本文与其它相关实证研究的最大区别在于，估计闲暇共享效应时引入了年龄虚拟变量，建立了具有可比性的联立方程面板数据计量模型。通过引入年龄虚拟变量，本文将所有劳动者根据年龄分为35岁以下的年轻人、35岁到55岁的中年人以及55岁到65岁的老年人三个年龄组别。估计含有年龄虚拟变量的面板数据计量模型，本文同时得到了三个组别的已婚男性和已婚女性的闲暇共享效应。
本文选取了美国2006年和2007年The March Current Population Survey(CPS)中9951对夫妇的样本数据。参数估计值表明，配偶的闲暇时间消费对于男性的闲暇共享效应强于女性。但闲暇共享效应的变化趋势对于已婚男性和女性基本相同。随着年龄的增长，闲暇共享效应先略微增强随后显著减弱。
本文另一个贡献是利用闲暇共享效应的估计值，计算得到了家庭联合劳动供给对男性工资率和女性工资率的弹性。计算结果表明，家庭联合劳动供给弹性具有不对称性--在所有的年龄组别中，家庭联合劳动供给对女性工资率的弹性均高于对男性工资率的弹性。这种弹性的差异首先来自于男性和女性个人劳动供给对于自身工资率变化的不同反应，而闲暇共享效应将这一差异进一步放大。
本文在得到闲暇共享效应参数估计的过程中尝试了多种估计方法，包括普通最小二乘法(OLS)、工具变量回归法(即两步最小二乘法2SLS)、带工具变量的Tobit模型、随机效应模型(random effect model)和固定效应模型(fixed effectmodel)。这些模型的估计结果比较表明闲暇共享效应的估计对于计量模型的识别较为敏感。
最后，本文利用参数估计值对一元模型和“传统家庭”模型进行了假设检验。检验结果表明，上述两个模型与本文选取的样本数据不一致，综合模型则与实际数据更加符合。