以下对 Dongwoo Kim 的研究论文 Does the Gender Wage Gap Originate at Labor Market Entry? Evidence from South Korea 进行一次极其详尽的分析解读,覆盖元数据与概览、逐节解读、图表与表格深度解读、方法与风险、以及结论性的综合。为便于追溯,文中涉及的结论或推断均在句末标注溯源页码,采用 [page::页码] 的格式(页码以原文页码顺序对应:页1对应 2 ,以此类推;如需跨页标注,则用逗号分隔的多页形式,比如 18 , 22 )。以下引用均指向原文中的具体页码。
一、元数据与概览
标题与主题
标题: Does the Gender Wage Gap Originate at Labor Market Entry? Evidence from South Korea
作者与机构: Dongwoo Kim,Simon Fraser University 与 Korea University
发布机构与领域主题: 针对性地研究韩国性别工资差距的起源,聚焦“是否源自劳动市场入职阶段”的问题,属于劳动力市场与性别经济学的前沿研究。2
发布日期与要点
本文以韩国作为“硬测试地”来区分入口时点的差距与进入后的生命周期效应。核心结论是:韩国的庞大总量性别工资差距主要来自入职后的生命周期过程,而非入职初期的条件差异。具体而言,最近毕业生的入口处条件性工资差距在可观的范围内(原始差距约12%),经控制教育背景、年龄、工作特征及选择偏误等后,条件性工资差距降至约4.3%,且在2008–2011 到 2016–2019 的区间内呈现逐步下降趋势,直到接近零;同时,整体分布的顶部(高薪职位)仍存在约5%的差距。总体而言,入口-level 的差距被证实为“生命周期曲线中的低点”,而总的28–29% 区间的差距则在进入后逐步累积形成。上述核心信息明确地体现在论文结论段落:进入后才是主要来源。 39
研究要点与创新点
运行在 GOMS(Graduates Occupational Mobility Survey)数据上的半参数选择模型,能够在不依赖排除变量(exclusion restrictions)的前提下实现对β0(性别工资效应)与 λ0(·) 的识别,强调选择偏差通过选择概率 p0(X) 的非线性进入工资方程的控制函数来捕获,形成对入口差距的稳健估计框架。作者还将此方法与多种替代方法(OLS、Heckman、边界法、以及 Pan–Zhang 的本地稳健方法 DML-RF)进行对比,以检验结果的鲁棒性。该设计的核心在于通过非线性选择来实现点识别,而非强依赖排除变量。相关方法细节与识别条件在理论框架中系统展开。 6 , 8 , 10
章节结构要点
论文遵循典型的经济计量研究结构:引言与数据背景、计量框架、数据描述、主结果(含若干鲁棒性分析)、生命周期分析(KLIPS 数据)、以及结论。研究还明确指出,入口处的选择偏误在总体结果中的贡献在多方法比较中基本可以忽略,强调“进入后生成差距”这一核心命题。各主要章节的要点在文中有系统展开。 4 , 19 , 33 , 38
二、逐节深度解读(逐章精读与剖析)
引言与背景(Section 1)
关键论点
韩国在OECD中具有最宽的性别薪酬差距(约29%),且被认定为OECD中最大的性别工资差距之一。若将总差距分解,入口时点的差距是否显著、以及进入后的职业路径(升职、职业切换、儿童惩罚等)对差距的贡献,是政策设计的关键所在。作者以韩国为“硬测试场”,检验入口差距的大小以及后续累积效应的作用。 3
作者的方法论动机
通过 GOMS 数据、以及生命周期分析(KLIPS 数据)来考察“入口入职差距是否等于总体差距”的命题,并提出四点核心发现:入口处条件差距小、不同的选择校正方法得到相近的入口差距、入口处差距主要集中在工资分布的上尾,以及总体差距来自入口后的阶段性积累。这为后续章节的定量检验打下框架。 3 , 4
经济计量框架(Section 2)
2.1 Semiparametric Sample Selection Model(半参数选择模型)
研究设定:Yi 是观测到的工资的对数,Di 为是否就业的指示变量,Xi 为可观测协变量,Vi 和 εi 分别为工资与选择过程的未观测误差,Di = 1{h0(Xi) ≥ εi}。核心识别在于让 λ0(·) 捕捉选择偏差,并通过 p0(Xi) 的非线性实现对 β0 与 λ0 的区分。 identification 的关键在于若 p0(X) 具有非线性,则 β0 与 λ0 可以在没有排除变量的情况下被点识别。该章节强调 identification 的核心条件与假设,并给出了两步估计过程(第一步:p0(Xi) 的 SMLE,第二步:β0 与 λ0 的部分线性回归估计)。 6 , 8 , 10
2.2 其他估计方法的对比
针对对照性,作者引入了四类对比方法:OLS(仅对已就业样本)、Heckman 选择模型、Lee(2009)/ Honoré-Hu(2020)等边界方法,以及 Pan–Zhang 的 DML-RF(随机森林第一阶段、正交矩估计的局部稳健方法)。通过这些对比,检验入口处选择偏差是否对性别工资差距估计造成系统性影响。该对比是本文核心鲁棒性检验之一。 11 , 12
2.3 数据与变量框架(Section 3)
数据来源与样本构建:GOMS 2008–2019 共12波,每波约18000 名毕业生;分析样本经年龄上限限制(35岁及以下)以及全职工资工作的筛选,最终包含202,650 条观测,其中123,632 条在全职有工资数据(61% 就业率)。因研究聚焦“入口层级”,排除了36岁及以上毕业生,以避免混淆终身积累效应。工资的依赖变量定义为小时工资对数(月工资 / 月工作时数的对数),并对极端工资数据进行截尾处理。 13
3.1 变量分类
主要关注变量包含性别(female)、个人特征(年龄、GPA、婚姻状况)、教育背景(是否4年制大学、地区、主修等)、与工作相关的特征(企业规模、公共部门、行业、区域等)。表格 II 给出性别与就业状态的摘要统计,揭示性别在年龄、专业领域、职业分工等维度的差异,从而解释为何需要对选择做出控制。 13 , 14 , 15
3.2 数据表述的初步要点
表 II 的要点在于:男性在样本中数量更多、就业率更高;男性在年龄、专业和职业排序方面与女性存在差异,这些差异本质构成了原始的“raw gap”;女性的 GPA 较高,但在职业分布上更集中于高薪教育、医卫等领域,而非高薪行业如大型制造等。上述“可观测特征差异”是导致 raw gap 的重要来源,这也解释了为何进入后的选择偏差可能对最终估计的影响有限。 15 , 19
GENDER WAGE GAP ESTIMATION(Section 4)
4.1 主估计结果与方法对比(Table III–V)
Kim–Lee 的第一阶段估计显示显著的选择概率的非线性结构,使用 cubic B-spline 的张量乘积等灵活基函数来捕捉年龄、GPA 与性别的交互等。第二阶段对工资方程进行逐步线性回归, λ0(p̂) 以样条近似,得到的性别工资差距为对数小时工资的差异,控制一系列年龄、教育、专业、行业、区域等变量。核心发现:四种方法(OLS、Heckman、KL 半参数、DML-RF)在 pooled 的样本上和三个子样本上,点估计都指向一个约 4.3% 的进入水平差距,而非传统意义上的 12% 的原始差距;四者之间的差异极小,说明选择偏差对进入水平的影响很小。研究还发现,2008–2011 与 2016–2019 的分段中,4.3% 的差距保持在接近的范围内,呈现出稳健性。 20 , 23 , 24
图表解读的要点
Figure 1a(按年龄分组、性别修正后的入职选择概率)显示:随年龄增长,就业概率上升但增长幅度递减;女性在年龄到约27岁前的入职概率高于男性,28岁之后男性高于女性。这一“逆转”正是军事服役导致男性入职年龄偏晚,影响了总体的性别对比。该现象直接挑战了单一线性索引下的平行性假设,支撑本文对选择非线性的识别策略。图示及文本强调非线性选择的重要性。 17
Figure 1b(按年份的实际就业率)显示,2010–2011 年间就业率上升,随后总体呈现下降趋势,显示出青少年时期的劳动市场趋紧趋势对性别就业率的影响较为一致。该趋势为后续分析中的“选择修正力度”提供了另外一个背景。 17
Table IV(入口层面差距的“解剖”)揭示:初步原始差距约 12%;加入教育背景、年龄、婚姻等控制后,差距降至约 4.3%,且年龄相关控件的作用最大(将差距从约 10%降至约 4%),这表明“年龄结构差异(尤其男性因兵役导致的年龄优势)是入口差距的核心驱动因素”。该结论直接支撑作者的核心命题:入口处的条件差距并非 Korea 的总差距的来源,年龄结构与职业分布的差异才是主因。 19
Table V(多种估计方法的横向对比)
pooled 结果显示:入口处的性别工资差距在各方法之间极其接近,约 0.043(对数点),折算成实际工资约 4% 的差距;与原始 12% 的差距相比,约下降三分之二。与 OLS 的差异极小,表明选择偏误对进入层面的偏差不足以解释差距的大小。结论:不同识别策略在该样本上均指向相似的进入级别差距。 20
4.2、4.3 Robustness、4.4 Decomposition
robustness(Section 4.3)的三个检查(排除外生变量、替代依赖变量、是否需要职业排序控制)均支持核心结论:进入层面的差距在各设定下均接近相同水平,且选择偏误对进入处的影响很小。特别是替代的月工资变量与小时工资变量的比较,以及无工作控制与有工作控制的比较,显示两种设定下的结果高度一致。DML-RF 进一步与 OLS、Kim–Lee 结果吻合,强化了“选择偏误对入口层面差距几乎无显著影响”的结论。 28 , 29 , 51
Oaxaca–Blinder 分解(Table IX)显示:在进入层面, observables 可以解释大约 56% 至 62% 的原始差距,年龄和职业排序是关键的解释因素;但在进入层面的残差部分仍然存在未解释的部分,表现为进入层面之外的因素影响较大。换言之, observable 解释力在入口点较强,但对进入后的增长过程(职业上升、子女惩罚、停工等)则无充分解释力。该分解对比也为后续“生命周期累积效应”提供了定量证据基础。 30
Heterogeneity across wage distribution(Section 4.5,Figure 6)
分位数回归显示入口层面的性别差距在工资分布中并非均匀分布,而是在中位数及以上分位数的差距更大,10th percentile 的差距几乎为零甚至略正,而 90th percentile 的差距则约为 -0.051,呈现所谓“入口处的玻璃天花板效应”在高薪岗位更加显著的格局。换言之,入口层面的差距在顶部职位更显著,这与 Goldin(2014)关于高薪职位对性别差距的长期性解释相一致。该结果进一步支撑作者的核心命题:总体差距的形成更多来自进入后的高薪层级结构与职业轨迹,而非入口本身。 31
进入后生命周期的证据与 KLIPS 的分析(Section 5)
研究动机与数据
作者将重点从 GOMS 的入口样本扩展到 KLIPS(韩国劳动与收入面板研究),以观测“跨年龄段的工资差距”以及“进入后选择偏差在生命周期中的作用”。KLIPS 提供了覆盖 24–55 岁的成年人样本,能够在同一职业生命周期阶段外部进行对比,揭示生命周期曲线的真实走向。 32
KLIPS 的主结果(Table X 与 Fig 7)
对比入口层面的 4%左右的差距,KLIPS 的全样本估计在入口后生命周期阶段显著放大:OLS 估计的全样本差距约 0.313(对数单位,即远高于入口处),若应用选择修正,修正后的差距降至大约 -0.19 至 -0.21 的区间(表示女性工资的显著下降相对于男性,偏误显示为进入样本的“负选择”偏差)。年轻组(24–35 岁)的修正后差距仍为负且显著,但幅度较小,进入初期的 8% 左右的差距明显高于入口处的 4%。这表明选择修正在生命周期中的作用是“第一阶段就很显著”的,随后在中年阶段随婚姻、 motherhood、职业分层等因素,差距继续扩大。结论与入口样本相符:生命周期曲线的上升部分主要来自进入后阶段。 33 , 34
KLIPS 的分组对比与分段
全样本与 college(四年制学历)子样本的结果显示:进入后的差距增长在年轻子样本中相对较小,而在更广泛的工作年龄段中(包含中年组)则放大,且样本选择的修正越强,估计越显示出显著的负选择效应。该结果与生命周期的“选择偏误在后期成为第一阶的重要矫正因素”的直觉一致。 35 , 34
KLIPS 的分期差异(Figure 7、8)
Figure 7 的结果显示,年轻组(college, 24–35 岁)在进入后几十年的工资缺口仍存在,但增长速度较慢;而全样本的生命周期曲线则呈现出更为陡峭的上升。Figure 8 的分位数分析显示, prime-age(职业中期)阶段,分布中位数附近的差距最大,顶端分位数的差距依然显著,且生命周期的年龄结构会放大差距。KLIPS 的分析强调:进入后的职业发展阶段与生命周期中的工作中断、晋升结构和育儿相关的“儿童惩罚”共同推动了总体工资差距的扩大。 36 , 37
KLIPS 的综合解读(作者的结论)
入口处的进入差距是进入后的最小起点,生命周期中的工作安排、职业路径及育儿相关的劳动市场制度共同生成了大规模的总体性别工资差距。KLIPS 脚本把进入后差距的上升过程与韩国的育儿成本、父母假、以及 seniority-based 薪酬制度联系起来,形成一个清晰的因果链条。该分析补充了 GOMS 的入口层面发现,强调政策应向“后入口”阶段倾斜,以缓解长期薪酬差距。 37
结论性综合(Section 6)
核心结论
Korea 的总工资差距接近 29%,但入口层面的条件性差距仅约 4.3%,远低于总体差距的水平。多种识别策略对入口层面的估计结果高度一致,选择偏误对入口层面的偏差很小。相对而言,生命周期分析(KLIPS)给出的证据表明,后续阶段的职业发展、子女抚养、晋升与工龄结构等共同作用,才是推动总体差距放大的关键因素。 39
政策含义
鉴于入口差距较小,政策应从“入口平等”向“退出后续阶段的公平性”转向,重点包括: parenthood 期间的就业 continuity(育儿假设计、可负担的托儿服务、顺畅的重返工作机制)、降低长 tenure 下的薪酬僵化(更透明的晋升机制、减少严格的资历导向薪酬结构)等,以降低育儿与职业中断对长期收入的惩罚。作者强调这并非要放弃入职阶段的平等,而是要扩大政策关注点,聚焦后入职阶段的制度安排对总体差距的贡献。未来研究可以继续拆解后入职机制对不同教育背景、行业和家庭背景群体的具体贡献。 38
三、图表与表格深度解读(图表深度解读)
图1a: 选择概率随年龄的分布(男女对比)
描述与解读:图中显示在不同年龄段,女性与男性的选择进入全职工资就业的概率分布。总体上,年龄增长伴随选择概率上升,但增长速度减缓;女性在约27岁之前的入职概率略高于男性,28岁以后男性优势开始凸显。这一“入口转折点”与军事服役导致的男性入职晚、年龄结构差异密切相关。文本指出,在严格的单索引/线性结构下,若女性的系数对年龄的影响保持加性且为常数,则该转折将不可出现,因此该现象为非线性选择存在的直观证据。该图强化了入口阶段识别策略需要考虑非线性选择的必要性。 18
溯源与图像:
图1b: 就业率随时间的趋势(男女对比)
描述与解读:同样在图中,显示2008–2019年间两性就业率的时间序列。总体上,青年时期的就业率随时间而波动,2010–2011 的峰值后逐步下降,体现出韩国青年劳动力市场的紧缩趋势。这一趋势为进入阶段的选择偏误在样本中的变化提供了宏观背景。 18
溯源与图像:
图2: 年龄分组的 Lee bounds(按年龄分组的边界)与总体就业率变化
描述与解读:图中给出 age-bin 级别的年龄条件 Lee 边界下的性别工资差距区间与点估计。边界区间在不同年龄段的包含情况表明,尽管存在选择,但在多数年龄段,Kim–Lee 的点估计落在边界区间之内,且边界区间并不覆盖零点,支持入口层面的差距较小的结论。该图还能体现出年龄分组内存在的非单向选择,从而支撑作者对“非单向选择”的检验与结论。 21
溯源与图像:
图3: 选择校正函数 λ(p̂) 的估计(入口样本)
描述与解读:左图展示入口样本中 λ(p̂) 的拟合曲线及 95% 置信区间,显示 λ(p̂) 的取值跨 employment 概率范围大致在 0.08 的区间内变动,且对回归结果的影响显著性通过 Wald 检验体现为“有意义”的选择偏误存在,但对最终的性别工资差距估计影响非常有限。右图展示对比:非传统样本(年龄>35 的非传统学生)在相同估计框架下 λ(p̂) 的形态与幅度,提示强选择情形下的差异性。总体而言,选择偏误确实存在,但对入口层面的 β0 的估计影响微弱。 22
溯源与图像: 与 (同图系列在不同子样本的对照)
图4: 年度分解的入口层面差距趋势(年-年分解估计)
描述与解读:各年度的 OLS、Kim–Lee、DML-RF 的点估计及置信区间,显示入口层面的性别工资差距在 2009 年 ~ 2019 年逐步下降,2009 年附近的差距较大,2019 年降至约 2.6% 左右(在子样本中保持一致或更低),表明入口层面的差距在时间维度上确有收敛趋势。图中点估计与边界线的对比进一步验证了不同辨识策略对结果的一致性。 23
溯源与图像:
图5: 就业率按专业领域的分布(2008–2019)
描述与解读:本图揭示医疗、教育等领域的就业率长期维持在较高水平,而 humanities、自然科学等领域在后期普遍下降,并且不同领域的性别就业分布差异也随时间演化而变化。这是进入后阶段差距扩大的一个“职业结构渠道”的直观呈现,解释了为什么入口后“组合型分布”会推动总体差距的收敛与扩大并存。图中显示医疗、教育等领域女性就业比率相对较高,低需求领域女性受冲击更大。 27
溯源与图像:
图6: 入职阶段的分位数回归结果(入口层面的工资差距在分布上呈现玻璃天花板效应)
描述与解读:入口层面的差距在各分位数上呈现显著异质性:10th 分位差距近似为零,而中位及以上分位(如 90th)的差距显著为负,且在 2016–2019 年尤为明显。该发现与 Goldin(2014)关于高薪职位“时间灵活性不足”造成顶层差距持续的观点相一致。换言之,入口层面的差距并非均匀存在,而是在高薪区间更易显现。这一结果对政策的含义也更为具体:若要缓解总体差距,需关注高薪职位的进入与晋升路径及其灵活性。 31
图7: KLIPS 生命周期曲线的总览(年龄相关的差距随年龄增长而放大,提出“入职后第一点”为低点)
描述与解读:KLIPS 的年龄分组分析显示,年轻组(24–35 岁, college 与非 college 子集)在进入后的差距相对较小,随着年龄增长、婚姻、育儿及职业路径的累积,差距逐步扩大。年轻组的差距在进入时就存在一定程度,但总体上对比入口层面的 4% 仍显著增大,这体现出生命周期曲线的“上升趋势”与样本选择的高度相关性。该图与表 IX 的分解结果共同指出,进入后的工资差距大部分是未被观测特征解释的残差,以及生命周期机制所致的选择偏误放大。 36
图8: KLIPS 的分位数结果(进入后薪酬分布中位数及以上的差距更大)
描述与解读:KLIPS 的分位数回归显示,进入后阶段的差距在中位数及以上分位数呈现更强的负向效应,且在全样本的高分位数中,差距显著且随年龄增长而加强。这反映出进入后期的职业路径和薪酬增长曲线对性别差距的放大效应,且在高薪层级尤为明显。 37
表 IX(Oaxaca–Blinder 分解,按行业/职业等分解进入层面的端点因素)
描述与解读:在入口层面的端点分解中,observable characteristics 的解释力较强,年龄和职业排序成为贡献最大的两项(合计对入口差距的解释约 0.032),教育背景与婚姻等对差距的抑制作用也存在,但总体呈现为中等程度的解释力,残差部分仍显著,强调入口后的未被观测收益和选择偏误的重要性。虽然在不同子样本中(如 30 岁以下、4 年制毕业生等)端点解释力有所不同,但总体框架依旧指向“入口低点、生命周期升级的再现性”这一结论。 30
图示与边界的鲁棒性(Appendix 与 Bounds 部分)
与Lee Bounds、Honoré–Hu Bounds 的对比结果显示:入口层面的点估计往往处于边界区间之外,尤其在 HH Bounds 下,点估计并不总是包含在边界区间内。这与 Kim–Lee 的主结果形成对照,说明单一边界模型的受限性,以及非线性选择对识别的重要性。尽管边界方法提供了对结果的区间推断,但本文的主张在于非线性选择的点识别性更为强健。 21 , 52
四、方法学评估与潜在的偏见、风险
研究的识别策略与假设
识别核心来自于对选择过程的控制函数假设:λ0(p0(X)),其关键在于 p0(X) 的非线性。如果 p0(X) 为单指数线性形式则 β0 将与 λ0 同线性相关而不可识别;作者通过统计检验(如 Table III 的 Wald 检验)证实了第一阶段的非线性特征显著,因而识别成立。该结论在不同分组(如年龄、教育背景、行业)下均得到检验。 16 , 17 , 19
数据与样本选择限制
样本限定在“毕业于前两年制或四年制高等教育”的群体、年龄 <= 35、且以全职有工资数据的雇佣者为主要分析对象。这一限定确保分析聚焦“入职初期”阶段,但也意味着研究结果的外推性相对有限,不能直接推广到所有年龄段或非正规就业群体。KLIPS 的扩展分析部分有助于缓解这一局限,但生命周期推断仍然是基于横截面与跨期样本的合成(synthetic cohort)推断,因此仍需谨慎对待年龄效应与 cohort 效应的混淆。 13 , 32 , 33
结果的一致性与鲁棒性
OLS、KL 半参数、DML-RF、Heckman 以及边界法在入口层面的差距估计高度一致,均指向约 4.3% 的入口差距,且边界法并未强烈改变核心结论。这种跨方法的一致性增强了对入口层面差距小、选择偏误对入口层面影响有限的信心。 20 , 21 , 22 , 23
五、批判性视角与细微差别(审慎视角)
潜在偏见与限制
虽然论文对入口层面的偏误进行了全面的鲁棒性分析,但生命周期分析仍然依赖于跨段样本的对比与合成年龄效应的推断,可能受 cohort 效应、行业周期、教育背景变化及劳动市场结构性变化的叠加影响。作者在 KLIPS 部分对“年龄- cohort” 的识别进行了谨慎讨论,但不同时间段经济周期与育儿制度的演变对后续阶段的影响仍可能混入分析框架。未来研究可进一步用长期纵向数据来直接追踪个体职业轨迹,以降低合成 cohort 的潜在偏误。 32 , 33 , 34
潜在政策解读的边界
论文强调政策应聚焦“后入职阶段”的制度安排,如育儿假、托育与回岗,及减少 seniority-based 薪酬的刚性等,以缓解长期薪酬差距。然而,这并不意味着入口阶段的性别平等无需关注;在某些子群体(如特定行业、教育程度、婚姻状态等)入口差距仍可能较大,且对不同年龄段的影响程度不同。因此,综合政策设计应兼顾入口与退出后两端的综合性平衡。 38
六、结论性综合(综合要点)
关键发现汇总
入口层面的性别工资差距在韩国样本中相对较小,约 4.3%,且不同识别方法的估计基本一致,表明入口处的选择偏误对入口层面的估计影响有限。入口处的差距的确与年龄结构(尤其是男性因兵役而导致的年龄优势)和职业排序相关。生命周期分析(KLIPS)显示进入后的差距显著扩大,且在中高薪阶层尤为明显,表明总体差距的形成更多来自进入后的职业轨迹与制度性因素(如育儿对职业生涯的影响、晋升与薪酬调整的结构性偏差等)。这使得政策应重点关注育儿、产后重返工作、柔性晋升与薪酬透明度等领域。 39 , 33 , 36 , 37 , 38
作者的总体立场
作者明确表达的政策立场是:韩国的总体性别工资差距主要由进入后的生命周期过程驱动,入口阶段的条件性差距虽存在但对总体差距贡献有限,因此应将政策重点从“入口平等”扩展到“生命周期中的保留、晋升与薪酬进展”改革。该观点在结论部分得到清晰强调。 39 , 38
研究贡献与未来方向
研究通过结合 GOMS 的入口样本与 KLIPS 的生命周期数据,系统地将入口处差距与生命周期差距联系起来,提供了一个较完整的跨阶段分析框架。未来工作可进一步将后入职机制(如育儿与工作安排、企业文化的性别偏好、晋升时点的透明度等)定量拆解为其对工资差距的具体贡献,并在不同行业、教育水平及家庭背景中进行更细致的异质性分析。此外,将来可扩大样本覆盖,如包括二、三线城市、非全日制岗位等,以检验结果的稳健性与普适性。 38
七、图表与表格的溯源简表
Figure 1a: 入口选择概率按年龄分布(18 )
图像引用:
Figure 1b: 各年就业率(18 )
图像引用:
Figure 2: 年龄条件 Lee bounds 的结果(21 )
图像引用:
Figure 3: λ(p̂) 的估计(22 )
图像引用:
Figure 4: 年度分段的入口层面差距(23 )
图像引用:
Figure 5: 就业率按专业领域(27 )
图像引用:
Figure 6: 分位数回归的入口差距(31 )
图像引用:
Figure 7: KLIPS 生命周期图景(36 )
图像引用:
Figure 8: KLIPS 的分位数结果(37 )
图像引用:
Table IV: 入口层面的差距解剖(19 )
Table V: 主估计(20 )
Table IX: Oaxaca–Blinder 分解(30 )
其他鲁棒性表格(如 Table B.II、Table B.III、Table B.IV 等)在相应页码可追溯,本文仅就核心表格给出溯源示意。
总体而言,这篇论文提供了一个较为系统且严谨的证据链,支持“韩国庞大总体性别工资差距的起源并非来自劳动市场入口阶段,而是来自后续生命周期阶段的职业路径和制度性因素”的结论。其方法学的创新性在于通过非线性选择识别实现对入口差距的点识别,并以多种鲁棒性检验进行充分校验。研究对政策的启示清晰且具有针对性:在追求性别平等时,除了推动入职阶段的公平,更应聚焦育儿与职业连续性、晋升与薪酬制度的结构性改革,以及对高薪岗位的进入与留任路径的公平性设计。 39