Followme
Followme
Phổ biến
Khám phá tín hiệu giao dịch
Cuộc thi
Giải thưởng nhà môi giới
Ngôi sao
Thị trường
Người tạo
© 2026 Followme
Phổ biến
Khám phá tín hiệu giao dịch
Cuộc thi
Giải thưởng nhà môi giới
Ngôi sao
Thị trường
Người tạo
© 2026 Followme

美国就业市场歧视：学历是定义阶级的最重要因素

avatar
尼古拉斯哥
· Views 1,172

美国7月非农新增就业超预期，整体失业率及其内部结构同步改善（非裔失业率从9.2%下降到8.2%，西班牙裔从7.4%降到6.6%。），这为美联储退出QE奠定了基础（可参考：恃强凌弱的新冠，政治正确的联储——来自美国就业市场的证据；历史的回声、数据的噪声和美联储的“心跳声”）。

 

 

对于美国社会和白宫政策而言，分配是主要矛盾。对于美联储而言，就业是主要矛盾。二者的连接点在于，“最大就业”是实现分配正义的最有效途径之一。这不仅要求美联储烫平经济周期，还要求其将劳动力市场尽量长时间地维持在高压状态（Bernstein1,2018）。

 

 

失业率的群体差异

  

美国劳动市场的不公平由来已久。依据族裔、学历、行业、是否全职、年龄和性别等维度均可将劳动者划分为弱势群体和优势群体。弱势群体包括：非裔、西班牙裔等边缘族裔；高中及以下学历就业者；个人护理、运输等低薪服务业从业者；兼职，或拿小时工资劳动者；25岁以下年轻就业者；和女性。当然，不同组别内部，弱势群体与优势群体的差异也是不同的。
 
就业的群体差异可分别从失业率、劳动参与率和工资水平（或涨幅）来考察，还可以进一步考察它们的周期敏感性。一般而言，弱势群体的失业率更高，劳动参与率和工资水平更低，且都具有高贝塔特征，即对经济波动更敏感（Aaronson等，2019）。例如，当经济遭遇负冲击时，非裔和西班牙裔劳动者的失业率的平均增幅远高于白人。
 
阶层分化还体现在时间维度。弱势群体往往是最先被解雇和最后被雇佣的——在劳动市场复苏的早期（失业缺口为正），受益的主要是优势群体，只有当劳动力市场呈现出“高压”（high-pressure）状态（失业缺口为负）之后，弱势群体才更加受益。他们与优势群体的失业率差距会缩小，工资涨幅甚至更高。所以，劳动市场的高压状态维持地越长，就越有助于推动社会阶层的公平。
 
在所有导致就业分化的因子中，族裔、受教育程度和年龄的显著性高，性别差异不显著。分族裔来说（图1），近半个世纪，非裔和西班牙裔失业率在任何时点都高于白人，相对失业率2的平均值分别为6.3%和3.2%。相对失业率具有显著的逆周期特征，在经济衰退期间（失业缺口为正），非裔和西班牙裔的相对失业率更高。比如，在1980-1983年沃尔克治理通胀期间，所有族裔的失业率都快速攀升，但非裔的相对失业率从1979年底的7%升至11.67%的历史性高位，西班牙裔则从2.8%升至6.3%。2008年全球金融危机也显著加剧了就业的种族分化。新冠大流行之前，种族分化已经降至历史性低位，非裔和西班牙裔的相对失业率分别为2.1%和0.9%。新冠期间，又分别上升至5.2%和4.8%。截止到2021年6月，已分别下降至4.1%和2.3%，两倍于疫情前。
 
图1：就业的种族差异
美国就业市场歧视：学历是定义阶级的最重要因素
美国就业市场歧视：学历是定义阶级的最重要因素
数据来源: BLS，CBO, CEIC，东方证券财富研究
 
按学历将劳动划分为：高中以下、高中毕业、学院肄业3和本科及以上（包括研究生学位），也能观察到类似的群体差异——学历越高，失业率水平和周期敏感性越低。近三十年绝对失业率平均值从高到低依次为9.1%、5.7&、4.7%和2.8%（图2）。“高中以下”的相对失业率4显著高于“高中毕业”和“学院肄业”两个群体。近三十年来，“高中以下”的相对失业率为6.2%。“高中毕业”和“学院肄业”的相对失业率的均值分别为2.9%和1.9%。不同学历层次劳动者的周期敏感性也有显著差异。“高中以下”群体的周期敏感性远高于其它三组，在全球金融危机和新冠大流行期间，其相对失业率均超过10%。
 
图2：就业的学历差异
美国就业市场歧视：学历是定义阶级的最重要因素
数据来源: BLS，CBO, CEIC，东方证券财富研究
 
种族和学历比较而言，低学历在劳动力市场上的相对劣势更加显著，且有加剧的趋势。五个相对弱势群体的绝对失业率从高到低的次序为：非裔>高中以下>西班牙裔>高中毕业>学院肄业；相对失业率的排序为：高中以下>高中毕业>学院肄业>西班牙裔（图3）。公平总是相对而言的，教育是划分阶层更重要的维度。
 
“高中以下”和非裔都是各组中最弱势的群体，前者的相对失业率比后者高1个百分点。上世纪90年代初至2008年，两个群体的相对失业率水平和走势紧密相连，“高中以下”略微高于非裔，但全球金融危机之后，两者出现了明显的背离。无论是大危机，还是大流行期间，“高中以下”群体的相对失业率的上升幅度都更加显著。在大危机期间，“高中以下”群体的相对失业率从5%升至11%，非裔从3.7%升至8.3%。大流行期间，前者从3%升到了11%，后者从2.1%升到了5.2%。
 
比较“西班牙裔”和“高中毕业”和“学院肄业”的相对失业率也可以发现类似特征。西班牙裔的平均绝对失业率高于后两者，平均相对失业率位于后两者之间——“西班牙裔”为2.75%，“高中毕业”为2.9%，“学院肄业”为1.9%。上世纪90年代至本世纪初，“西班牙裔”的相对失业率一直高于后两者，但下行趋势更明显，所以，截止到全球金融危机之前，其相对劣势地位已经低于后两者，目前大致与“学院肄业”相当。由此可见，“知识改变命运”。
 
图3：就业的族裔差异与学历差异的比较
美国就业市场歧视：学历是定义阶级的最重要因素
数据来源: BLS，CBO, CEIC，东方证券财富研究
 
分年龄段而言，20-24岁劳动者的失业率显著高于25岁以上年龄段（25-54岁和55岁以上）。平均而言，近半个世纪以来，20-24岁劳动者的失业率为10.3%，相对失业率为6.3%（图4）。
 
不同年龄段劳动参与率的差异既不能解释相对失业率的差异，也不能解释相对失业率的波动。1973-1983年，20-24岁与25-54岁龄段的劳动参与率水平相当，期间处于升势，均值约75%。1984年之后，两者出现了背离，虽然都在下降，但前者下降幅度更大。截止到2020年2月，22-24岁劳动参与率已经下降到72%，后者仍为83%。
 
1984年之前，虽然两者劳动参与率相当，但20-24岁劳动者的相对失业率和周期敏感性依然较高。1984年之后，虽然20-24岁的劳动参与率在下降，但相对失业并不仅没有扩大，反而呈下降态势。类似的，20-24岁劳动参与率一直高于55岁以上人口，但前者的绝对失业率和相对失业率都要高于后者。所以，不同年龄段失业率的差异并非统计意义上的，本身就反映的是就业的竞争力，而这背后又是人力资本的积累。
 
图4：就业的年龄差异

美国就业市场歧视：学历是定义阶级的最重要因素

数据来源: BLS，CBO, CEIC，东方证券财富研究
 
分性别而言，1973年以来，男性与女性的平均失业率基本相同，分别为6.28%和6.33%，但男性失业率的周期敏感性略高于女性。例如，2009年底，男性失业率升至11.0%，女性升至8.5%，二者相差3.5个百分点。
 

工资的群体差异

  

美国劳动市场的群体差异还可以从工资维度去观察。上世纪70年代中叶是美国劳动市场结构分化的关键节点。此前，工资与劳动生产率同步增长，不同分位数的工资涨幅也基本一致，贫富差距缩小。此后，工资与劳动生产率和不同分位数工资的增长都持续分化，无论是从族裔、学历、行业，还是从工资高低角度划分，优势群体与弱势群体的工资水平的“剪刀差”都在扩大。
 
分行业而言（图5），法律、管理、计算机与数学、医疗、生命科学等都属于高薪行业，农业、个人护理及服务、食物配置及服务等属于低薪行业，行业中位数工资低于拜登政府计划推动最低工资（15美元/小时）。
 
图5：工资的行业差异

美国就业市场歧视：学历是定义阶级的最重要因素

数据：BLS，May 2019National Occupational Employment and Wage Estimates，东方证券财富研究
 
分性别而言，男性的工资高于女性，但溢价率在持续下降（图6）。2020年，美国男性的中位数工资和平均工资分别为23.0美元5和31.9美元，女性对应的工资为19.2美元和25.4美元，溢价率6分别为20%和23%，显著低于1978年的峰值（溢价率分别为37.5%和34.8%）。控制其它7因素，溢价率则从1978年的38%%降至2020年的23%8。
 
分族裔而言，白人工资显著高于非裔，且差距不断扩大。2020年，美国白人小时工资的中位数和平均值分别为23.0美元和30.9美元，非裔分别为17.6美元和23.0美元，溢价率分为为23.6%和25.3%（2018年峰值时溢价率分别为26.7%和27.5%），而1979年的溢价率仅为16.4%和17.3%。控制其它因素，白人的溢价率从1979年的8.6%升到了2020年的16.2%。
 
学历的溢价率最高，且比族裔溢价率上升得更快。以本科和高中学历为例，从1973年到2020年，本科的小时工资从29.0美元上升到36.8美元，涨幅27%，高中的小时工资从19.7美元涨到了20.0美元，涨幅为零9。相应地，本科学位的溢价率从32.2%上升到了45.5%。控制其它因素，2020年的溢价率高达49.7%。
 
图6：工资水平的群体差异

美国就业市场歧视：学历是定义阶级的最重要因素

数据来源：CPS，EconomicPolicy Institute（EPI）datalibrary；东方证券财富研究
 
弱势群体的工资低，波动性大，随经济周期触底反弹的时间更为滞后，但在劳动市场高压期，其涨幅的提升速度也会更快（图7）。由此可见，烫平经济波动，实现充分就业，有助于缩小贫富分化。由于劳动收入是美国居民收入的主体[10]，缩小劳动收入的差距仍然是缓解贫富分化的最有效手段。这就要求有针对性地消除种族歧视，提升弱势群体的受教育水平。
 
图7：不同分位数工资的涨幅
美国就业市场歧视：学历是定义阶级的最重要因素
数据来源: Atlanta Fed；东方证券财富研究
说明：阴影部分为劳动市场“高压”期，产出缺口为负。
 

社会流动性的下降和群体差异

 

劳动市场不公平的直接结果就是社会阶层[11]向上垂直流动性的下降和群体差异的扩大（Rose，2020）。比较1967-1981年和2002-2016年社会阶层的流动性可发现，所有阶层向上跃迁的人口比例都在下降，而且，所处的阶层越低越困难；反之，所有阶层向下流动的比例却在上升，且阶层越低概率越高（图8）。
 
贫困或准贫困阶层维持原状的比例从57%增加至65%，升至中产阶级的比例从43%[12]下降至35%[13]。低层中产阶级维持原状的比例从37%增加至50%，升至更高阶层的比例从56%下降至32%，向下流动的比例从6%增至18%；高层中产阶级维持原状的比例从68%下降至65%，但向上流动的比例从26%下降到24%，反而向下流动的比例从5%增加至11%；高层中产阶级维持原状的比例从84%下降至81%，变为富裕阶层的比例从6%下降到3%，向下流动的比例从10%增至15%。
 
图8：美国社会阶层的漂移
美国就业市场歧视：学历是定义阶级的最重要因素
数据来源：Rose，2020.Brookings Institution，东方证券财富研究
可见，本世纪以来，所有阶层向上的流动性都在下降，但贫困/准贫困和低层中产阶级下降的幅度更明显；所有阶层的向下的流动性都在增加，增加的幅度随阶层的上升而递减——低层中产增加了12个百分点，中层中产增加了6个百分点，高层中产增加了5个百分点。
 
分族裔看（图9），在任意时间段，相比白人而言，非裔和西班牙裔在低层中产及以下阶层分布比例都比较高，在中层中产及以上阶层分布的比例则更低。两个时间段比较而言，西班牙裔整体状况在恶化，贫困/准贫苦比例增加了3个百分点；非裔和白人的贫困/准贫困人口比例都有所下降，差距主要体现在高层中产阶级占比的变化上，非裔从1%增加至14%，白人则从13%增加至37%。
 
图9：社会向上流动性的下降：按族裔划分

美国就业市场歧视：学历是定义阶级的最重要因素

数据来源：Rose，2020.Brookings Institution，东方证券财富研究
 
分学历而言（图33），可得到类似的结论，高中肄业或高中毕业的弱势群体分布在贫困/准贫困阶层和低层中产阶级的比例显著高于高学历人群。与上世纪相比，就在中层中产及以上阶层分布的比例而言，高中肄业从35%下降至20%，高中毕业从65%下降至56%，大学肄业/准学士和本科及以上学历维持不变；但是，他们在高层中产及以上阶层分布的比例大幅提升，尤其是对于本科及以上学历人群。
 
图33：社会向上流动性的下降：按学历划分
美国就业市场歧视：学历是定义阶级的最重要因素
数据来源：Rose，2020.Brookings Institution，东方证券财富研究
 
劳动市场的不公平与劳动力市场是否处于充分就业状态密切相关。一个高压的劳动力市场兼具效率和公平两层含义（Aaronson等，2019）。奥肯早在1973年（Okun，1973）就提出，失业率从5%下降至4%不仅意味着有1%的劳动力资源得到了利用，还有助于社会向上垂直流动性的提升和全社会人力资本的积累。
将所有弱势群体和优势群体放在一起进行比较，横轴是平均失业率，纵轴是贝塔系数，会呈现出一条斜率为正的直线——平均失业率和贝塔系数最高的三个弱势群体的排序为：非裔、高中肄业和西班牙裔；优势群体的排序为：研究生、大学本科和55-64岁群体[14]。这说明：弱势群体向优势群体的转变靠得是人力资本的积累——知识与时间[15]。
 
邵宇为东方证券首席经济学家、总裁助理，陈达飞为东方证券宏观研究员、财富研究中心主管；编辑：苏琦。

 

1 Jared Bernstein是拜登经济顾问团队的一员。
2非裔或西班牙裔的失业率-白人失业率。
3即某个学院但未毕业。
4与“本科及以上”学历的差。
5小时工资（2020年美元，下同）。
6（23.0-19.2/19.2）*100%，（31.9-25.4/25.4）*100%。
7控制变量包括：种族、民族、教育、年龄和地域划分。
8数据参考EPI data library》
9 2019年的工资（19.1美元）甚至低于1973年
[10]按收入高低将劳动分为5组，每组人数占比20%。在收入最高的20%人群中，劳动收入占比约为62%，在其余4组中则超过80%。
[11]阶层划分的依据是收入水平，可参考Rose，2020。
[12]低层中产阶级的比例为37%，升至中层中产的比例为6%；
[13]低层中产26%，中层中产8%，高层中产1%。
[14] Wolfers，2019. Comment on “Okun Revisited: Who Benefits Most from a Strong Economy?”
[15]对于本科以上学历者，时间是“值钱的”，单位小时工资会随着年龄的增长而增长，反之，对于高中及以下学历的就业者，工资随年龄增长的趋势并不明显（Nunn,2019）。从这个角度来说，知识比时间更有助于阶层的跃迁。
作者：邵宇、陈达飞，文章来源宇观新时代，版权归原作者所有，如有侵权请联系本人删除。

Tuyên bố miễn trừ trách nhiệm: Quan điểm được trình bày hoàn toàn là của tác giả và không đại diện cho quan điểm chính thức của Followme. Followme không chịu trách nhiệm về tính chính xác, đầy đủ hoặc độ tin cậy của thông tin được cung cấp và không chịu trách nhiệm cho bất kỳ hành động nào được thực hiện dựa trên nội dung, trừ khi được nêu rõ bằng văn bản.

Bạn thích bài viết này? Hãy thể hiện sự cảm kích của bạn bằng cách gửi tiền boa cho tác giả.
Trả lời 0
Phổ biến nhất

Để lại tin nhắn của bạn ngay bây giờ

  • tradingContest