1、引言

研究发现，好看的外表对雇员的收入有积极影响，存在所谓的“美貌溢价”（Beauty Premium）。外貌被认为是可以通过影响劳动收入而影响个人经济福利。在我国劳动市场中是否存在美貌溢价？如果存在，造成美貌溢价的原因是什么呢？是因为外貌与影响劳动能力和工资的确定性因素相关（例如，健康、教育等人力资本，社会交际等），还是因存在外貌歧视，外貌本身就决定工资？

本文中的美貌溢价是指，基于不同外貌特征的劳动力在就业时机会不平等从而导致最终劳动工资收入存在差异，不违背同工同酬。本文首先加入社会交际因素来完善对劳动力市场歧视的估计；其次将美貌工资差异分解为劳动力市场歧视部分和劳动力能力差异部分，探究劳动力市场歧视是否是美貌工资溢价的主要原因；最后分析不同外貌者社交网络的差异，探讨社会交际中存在的外貌歧视及其间接产生的工资溢价。

2、构建模型

（一）工资模型的设定。

本文将样本数据分为男性和女性两个样本分别研究。相关工资收入模型如下：

被解释变量lnWage表示劳动力个体的月均工资收入对数值。Appearance是衡量个体外貌特征的指标，包括身高、身材和长相特征变量。Social_n表示社会交际网络用以代表个体社交信心、能力和机会的差异指标。Human_c表示衡量个体人力资本特征的指标，包括受教育年限、职业证书数和健康程度变量。其他基本特征变量包括census、age、age2、marriage和party，分别表示个体是否城镇户籍、年龄及其平方项、婚姻状况以及是否为党员变量。Province代表地区差异带来的固定影响。α、β、γ是变量系数；μ是随机扰动项。

（三）消费者歧视与社会交际歧视。

有研究显示，劳动力市场中的歧视行为可能来自于企业，同时也可能来自于消费者（Harper，2000），故本文还将实证检验消费者歧视在其中的作用。相应的工资方程变为：

在已有工资方程的基础上，本文加入了外貌特征与职业是否属于服务行业的交互项Appearance×Service_industry来检验包括较高、较矮、较胖、较瘦、较美、较丑的虚拟变量分别与职业是否属于服务行业的交叉效应。

3、数据来源

本文使用2012年中国劳动力动态调查（简称CLDS）的数据，针对在职劳动力（雇员）的工资收入情况进行处理和分析，剔除了所有年龄大于60岁的样本，同时剔除相关变量缺失的样本，最终，劳动力工资收入方程中剩余3218个有效样本（1842个男性和1376个女性）。男性样本劳动力工资收入为2851.2元，远高于女性样本收入2071.8元；男性样本平均身高超过170cm，而女性在159cm左右；男性BMI值平均值超过23，而女性仅有不到22；调查对女性被访者长相打分比男性略高；男性样本中城镇户籍比例略低于女性，而党员比例则高于女性；女性样本中在服务业的比例高于男性；女性样本的父母受教育程度均高于男性样本。其他变量包括受教育年限、专业证书数、健康程度、年龄和婚姻等变量在统计上不存在明显的男女性别差异。

4、实证分析

（一）工资方程的回归结果

第一步，将衡量外貌特征的变量放入模型，仅控制省份虚拟变量，见模型1和模型4。第二步，将户籍、年龄及其平方项、婚姻和党员作为控制变量加入模型，并控制行业和单位类型，见模型2和模型5。第三步，将社交网络、人力资本（受教育年限、专业证书数、健康程度）变量加入模型，见模型3和模型6。

通过对劳动力工资收入方程的逐步回归可以发现（表2）：其一，仅放入身高等外貌特征时，外貌特征对工资收入的作用系数绝对值较大且统计显著度较高；其二，在控制部分个体特征变量后，外貌特征对收入的作用系数绝对值普遍减小且统计显著性降低，说明外貌特征与这些决定收入的个体特征变量有一定相关性；其三，在加入社交网络和人力资本的指标后，外貌变量变得基本不显著，而社交网络和人力资本的变量系数非常显著，说明在很大程度上外貌与收入的正向相关不是外貌（歧视）本身的作用，而是由外貌决定或简单与外貌相关的社交网络和人力资本等差异带来的。

从第三步（模型3和模型6）的回归结果来看，在控制了社交网络、人力资本及其他个人基本特征变量以后，身高较矮变量系数仍显著为负。身高处于较矮组会使收入降低7.0%，这表明，劳动力市场身高歧视主要表现在身高较矮的男性身上。另外，劳动力市场外貌歧视“男女有别”，单纯从系数来看，劳动力市场歧视较矮男性，偏爱较胖男性，但却歧视较胖女性。

（二）美貌溢价的分解结果

为证明美貌溢价的来源，并进一步讨论劳动力市场上外貌歧视的具体表现，文章采用劳动经济学常用的Oaxaca-Blinder分解法进行实证。

表3即为工资收入中美貌（身高）溢价的分解结果，其中实验组分别为身高得分的前30%与后30%情况下（外貌虚拟变量取值为1）样本劳动力工资收入的平均值，相对应地，参照组即为这6个外貌特征为其他情况下（虚拟变量取值为0）样本劳动力工资收入的平均值。

两组差异值可以分解为可解释部分和不可解释部分，其中可解释部分为样本个体自身禀赋的差异（各解释变量取值不同所导致），而不可解释部分则为纯粹的歧视因素（两组样本回归系数的差异）。

从表3对分解结果整理的身高工资差异贡献比来看，身高特征与劳动力工资收入的关系在很大程度上（均大于50%）都可通过个体禀赋差异来解释。身高越高的劳动者平均工资收入之所以更高，是因为其他禀赋特征也往往更优越。可能的原因在于，家庭条件好的劳动者，在经济、营养和健康等方面均较好，因而身高可能更高、发育可能更好；其人力资本（早年投资）及其他个人特征均优于家庭条件一般的劳动者，此外，他们还有更好的社交信心、能力和机会，从而更易于进入高收入行业。

女性身高后30%中不可解释部分负向显著，且抵消了70%以上的“矮个罚金”，这说明，虽然女性身高较矮禀赋特征更弱从而降低女性工资收入，但同时女性身材娇小（身高较矮）也为其争取到了劳动力市场的“怜爱”，带来了对矮小女性在工资待遇上的特别关照，而这种对女性身材娇小的特别偏好却与女性表面上的工作能力无直接关联。对身材与长相的分解结果与身高溢价的分解结果相似。

（三）对歧视问题的进一步探讨

劳动市场歧视：消费者还是雇主？如果外貌特征的歧视/偏好来自于消费者，那么经常需要与消费者接触的员工更有可能受到外貌方面的影响，其他员工则影响较小，所以我们用服务行业的员工来探讨外貌歧视是否来自于消费者。

表6汇报了加入了外貌特征与是否属于服务行业交互项后工资方程的估计结果，可以看出：在男性工资方程中，较高×服务行业的变量系数显著为负，说明与其他行业不同，服务行业并不要求男性拥有较高的身高；在女性工资方程中，较瘦×服务行业的变量系数显著为正，说明与其他行业相比，服务行业更需要女性拥有较瘦的身材；男性和女性工资方程中的其他交互项的系数并不显著，因此没有证据说明消费者对服务行业从业人员存在这些方面的外貌歧视。

劳动市场之外的歧视：社会交际外貌歧视。外貌特征可能通过影响社会交际和社交网络积累来影响劳动力就业以及收入。也可能是由于外貌特征较好的劳动力，因其美貌受到周围朋友、同事、团体甚至是社会各方的偏好，导致其能拥有更多的社交资本和关系网络，这种因外貌差异而导致的个人社交网络的不平等，也可以被认为是一种歧视。

从表7实证结果来看：较高、较美的男性社交网络相对较多，较矮、较瘦的男性社交网络较少；较瘦、较美的女性社交网络较多，较矮、较丑的女性社交网络较少。

5、结论与政策建议

通过工资收入方程的回归分析发现，在控制社交网络、人力资本及其他特征变量之后，外貌特征对收入的直接影响十分有限，说明歧视本身并不是美貌溢价的主要原因。进一步通过对美貌溢价的分解可以发现，在劳动工资收入中，对身材、身高和长相的差异化对待，纯粹的歧视并非是主要原因，而与外貌特征相关的个人禀赋差异是造成美貌溢价的主要原因。随后的实证发现了外貌特征与社交网络之间存在较强的统计相关性，说明外貌特征很可能通过影响社交网络积累，从而间接地决定劳动的就业及工资收入。

为了改善此种不平等所带来的负面影响，可以考虑的措施包括两个方面：一方面，完善劳动法，通过市场管制和政策引导，树立企事业单位的科学用人观念，避免劳动力就业机会及合理工资收入遭受自身外貌特征的负面影响；另一方面，劳动市场要倡导公平竞争风气，建立公正可信的职场升迁、职位流动机制，通过平衡社交网络、人力资本及其他重要资源的获得途径，让求职者拥有更多机会的劳动力市场和更为包容的社会环境。