一、引　言

随着当红词汇“颜值”的出现，外貌的作用逐渐成为国内网络媒体热议的焦点。“明明可以靠脸吃饭，偏偏要靠才华”的网络流行语也将“美貌”与“才华”并列为决定个人经济福利的最主要因素。除了婚配外，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。自Hamermesh和Biddle（1994）的研究以来，劳动经济学中关于外貌特征与工作收入的研究越来越多，并衍生为后来的“美貌经济学”。有研究发现，好看的外表对员工的收入有积极影响，存在所谓的“美貌溢价”（Beauty Premium）。

关于为什么不同外貌者会存在收入差别，主要有两种观点。一种解释是外貌特征反映了个人健康及认知能力差异（Lundborg等，2009），并影响交际信心、机会与能力（Mobius和Rosenblat，2006），这些带来了劳动能力和工资率差异；另一种解释认为，劳动能力差异不能完全解释外貌引起的工资差异，劳动市场中还存在外貌歧视行为（Loh，1993；Case等，2009）。

那么，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？一些研究证实了我国劳动力市场中外貌工资差异和外貌歧视的存在，例如Kuhn和Shen（2011）的统计分析表明，部分企业要求应聘者具有良好的相貌或一定的身高；江求川和张克中（2013）发现，我国劳动力市场对女性的外表特征存在明显的歧视行为；刘一鹏等（2016）的研究显示，相貌对工资的影响很大一部分来自雇主歧视，但也有一部分是来自相貌带来的生产率差异。

然而，国内关于美貌经济学的研究缺乏充足讨论。一方面相关研究仅试图证明外貌歧视存在，主要关注在统计意义上外貌会不会“显著”影响收入。然而，仅仅知道外貌会影响收入仍然不够，还需要知道在经济意义上外貌对收入的影响显著度如何。即需要知道外貌工资差异有多大，其中有多大比例来源于外貌本身（歧视），多大比例来源于与外貌有关的其他能力因素。本文将通过外貌工资差距的分解来测度外貌歧视在经济意义上的显著程度。另一方面，已有研究分析外貌工资差异时忽略了不同外貌的人在社会交际上的差别。已有研究表明，外貌会影响一个人的交际信心、机会和能力，影响社交网络的积累与经营（顾天竹和纪月清，2017）。外貌对社会交际的影响固然可能主要源于社交活动中存在的外貌歧视，但社会交际作为获取和胜任高收入工作的重要能力之一，其带来的工资增加显然有别于雇主或消费者对貌美者纯粹的偏爱。因此，忽略对社会交际差异的讨论会带来对劳动力市场外貌歧视的高估。

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。

二、文献综述

外貌歧视问题一直是社会学家和心理学家感兴趣的研究领域，而近年来经济学者也越来越多地参与讨论劳动力市场中的外貌歧视。学者们在分析外貌的影响时，主要从身高、身材（体重）和长相来进行描述。对于为什么不同外貌存在工资差异和就业机会不均等，学界仍存在争论。传统观点认为外貌歧视是一个很好的解释，也有部分学者认为外貌（身材）反映了个人健康状况及能力差异。

当提及美貌对人们生活的影响时，我们往往认为这都是歧视惹的祸。由于现有研究无法从其他方面完全解释外貌工资差异，因此较多学者倾向于从劳动力市场的歧视行为来进行解释（Loh，1993；Averett和Korenman，1999；Cawley，2004）。也有研究认为劳动力市场的歧视行为可以来自于企业，也可以来自于消费者（Harper，2000；Baum和Ford，2004）。这些研究结果都表明，劳动力市场中的歧视行为大多反映在女性劳动者身上。劳动力市场对身材不好的男性和女性的惩罚分别以职业差异和工资差异的形式体现出来（Pagán和Dávila，1997）。Heineck（2008）和Case等（2009）认为，身材引起的工资差异是由于身材扭曲了劳动者在不同行业之间的流动，而Rooth（2009）则用实验数据证实了身材歧视行为的存在。

不同于传统观点，另一种解释是外貌与个人能力之间存在相关性，这导致了不同身材特征者工资有别。Böckerman等（2010）的研究认为，身材与个人的劳动能力、认知能力和非认知能力相关。较多研究认为劳动力市场中的“身高溢价”可以用劳动能力的差异来解释（Thomas和Strauss，1997；Lundborg等，2009）。Persico等（2004）发现，成人身高引起的工资差异很大程度上取决于青少年时的身高，少年时的身高会通过影响个人的交际能力而进一步影响人力资本的积累。Mobius和Rosenblat（2006）认为，美貌除了能够吸引雇主使其认为具有更高能力，同时也能增强个人信心并提高社交能力，这使得美貌的人工资收入更高。Case等（2009）认为，童年时期的生活水平使认知功能和身高相关。不过也有研究表明控制了童年生活条件（身材）后，身高仍然对工资有影响（Behrman和Rosenzweig，2001）。

对于我国劳动力市场中的不平等现象，经济学者大多关注性别和户籍等方面的不平等（姚先国和赖普清，2004；王美艳，2005；章元和王昊，2011；李实等，2014）。仅有少量研究关注劳动力市场中的外貌不平等问题。例如周伟（2008）对城镇就业中的身高歧视问题进行了研究；高文书（2009）探讨了外表特征和收入之间的关系，证实了“身高溢价”现象的存在；姚鹤等（2010）认为求职者会因身高因素受到区别对待，存在就业歧视；Kuhn和Shen（2011）通过统计大量招聘广告信息发现，企业对应聘者的相貌有一定程度的要求，间接地说明了外貌歧视的存在；江求川和张克中（2013）的研究发现，身材对就业和工资收入都有显著影响。刘一鹏等（2016）认为，相貌对工资的影响很大一部分是由雇主歧视造成的，同时也有部分与相貌带来的生产率差异有关。也有观点把美貌本身看作资本，例如兰小欢（2011）认为，人人爱美，所以美貌便有了市场价值，美貌既能赚取额外的回报，也能够被投资，并且认为市场关心的是美貌本身而不关心获得的途径。然而，现有研究主要证实了外貌工资差距的存在，而外貌工资差异中属于歧视的成分有多大却较少有测度。

劳动力市场中的歧视主要是通过影响不同类别行业的选择和不同收入职业的获得而影响劳动工资收入，外貌歧视也不例外。以往美貌经济学的研究都是从个体外貌特征与工资收入的关系入手，其原因在于：单纯分析某一行业（职业）中外貌特征与职位获得关系的普适性不强；而囊括所有类别行业（职业），直接分析外貌特征与就业的关系，又会因为行业类型众多、工作种类繁杂而难以理清歧视的影响。因此，用分析各行业劳动力的外貌特征与工资收入的关系来代替分析外貌对各工种就业的影响，既能通过劳动收入来反映外貌歧视的影响，又无需考虑不同工种间差异便能核算其外貌造成的影响。研究美貌溢价，就是分析外貌特征对工资收入的作用，这种思路默认了外貌特征导致就业差异从而产生收入不平等的影响路径，因其并不违背经济学“同工同酬^①”的假设而受到学界认可。

①“同工同酬”是指用人单位对于技术和劳动熟练程度相同的劳动者在从事同种工作时，不分性别、年龄、民族和区域等差别，只要提供相同的劳动量，就获得相同的劳动报酬。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，并不违背同工同酬。

总的来看，相比国外已有研究成果，国内有关“美貌经济学”的研究相对缺乏，研究不足主要表现在以下几个方面：其一，心理学和社会学角度的研究较多，但经济学角度的研究较少。目前我国还没有明确的法律规定能够约束外表歧视行为，这使得学界仍然没有给予其充分重视，研究存在诸多空白。其二，关于外貌歧视的研究主题居多，强调从其他角度解释外貌工资差异的研究较少，这造成了外貌工资差异主要源于歧视的误解。其三，社会交际在就业和收入中的作用不容忽视，已有研究分析劳动力市场歧视未控制社会交际变量，也没有讨论社会交际中外貌歧视对工资收入的间接影响。

三、模型与数据

（一）工资模型的设定。我们采用身高、身材、长相综合打分作为外表特征来探讨我国在职劳动力市场的美貌溢价和歧视，其中，本文将重点讨论身高变量，身材和长相仅作为控制指标。这么做的原因是身高的形成先于就业，并且受到就业收入影响很小；而身材和相貌具有可塑性，可通过控制饮食、健身、护肤装扮及整容等保养乃至改变身材与相貌，可能存在就业和收入影响身材和相貌的反向因果和内生性问题。^②考虑到不同性别劳动力的身高等外表特征具有不可比性，同时为避免性别歧视本身的影响，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：

②我们也曾参考刘一鹏等（2016）使用配偶相貌为工具变量来纠正相貌的内生问题。但考虑到配偶相貌可能受其收入影响，难以满足“与随机误差项不相关”的假定。因此没有汇报相关结果。

其中，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。已有研究通常采取两种方式描述个体的身材：一是直接用体重来衡量；二是用BMI指数（江求川和张克中，2013）。BMI指数，即身体质量指数，又称体质指数（Body Mass Index），BMI=体重/身高²，其中体重单位kg，身高单位m，同等体重不同身高的人，身材胖瘦有别。与体重指标相比，BMI是更好的衡量身材的指标。医学上根据BMI绝对值从健康角度来判断一个人体重超标还是过低；而美貌经济学研究一般根据BMI值相对大小，把介于0.3至0.7分位点的数值定义为“常人水平”，在0.7分位点以上的样本定义为“偏胖”，0.3分位点以下的定义为“偏瘦”。仿照这一做法，将身高根据相对大小分为“较高”、“常人水平”和“较矮”三类；将长相分为“较美”、“常人水平”和“较丑”三类。以常人水平作为对照，设置相应虚拟变量，观察外貌特征对收入的影响。^①

①虽然使用体重−身高指标的估计结果与BMI −身高指标的估计结果略有不同，但定性地来看两者作用类似，并且两种指标的实证结果也体现出较强的一致性。

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。社会资本的涵义较为宽泛且社会学研究通常从多个角度衡量社会网络，譬如“讨论网”、“拜年网”、“餐饮网”或“社区活动”等（Yang，1994；边燕杰等，2004）。基于所使用的数据并借鉴相关文献研究，本文将从餐饮网和讨论网这两个方面^②来建立衡量个体日常社交网络的综合指标。餐饮网代表个体餐饮社交情况，包括5个变量：f.1工作日在外就餐频率、f.2休息日在外就餐频率、f.3请别人在外就餐频率、f.4被人请在外就餐频率、f.5陪朋友在外就餐频率；讨论网代表个体朋友支持情况，包括4个变量：f.6支持帮助人数、f.7诉说心事人数、f.8讨论要事人数、f.9可以借钱人数。这9个指标取值1−5代表“无−很多”。通过因子分析可得2个主要因子，^③根据旋转后的因子载荷矩阵结果，分别命名为F1餐饮社交因子（代表f.1−f.5）和F2朋友支持因子（代表f.6−f.9），并按照各因子方差贡献率进行加权，计算出社会交际网络综合因子F，计算公式为：F=（0.6896×F1+0.4010×F2）/1.0906。

②所用数据还调查了社区融入指标，包括社区熟悉程度、信任程度和互助程度，但社区网络通常对劳动力就业及工资收入没有直接影响，因此本文没有将其纳入衡量社会网络的范畴。

③根据KMO 和Bartlett 检验，KMO 值为0.830，球形Bartlett 检验的显著性概率（sig）值为0.000，为高度显著，因此该数据适合做因子分析。第一公因子解释了原始变量总方差的68.96%，第二公因子解释了原变量总方差的40.10%，特征根均大于1 且累计方差贡献率达到了109.06%，说明公因子对原数据解释力较强。两个公因子的相关系数为0.0359，说明公因子相互独立、互不影响，因子分析结果较为理想。

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。工作经验和年龄高度相关难以同时估计，一般二取一放入模型估计。通常也会在工资方程中放入工作经验。本文参考江求川和张克中（2013）的研究，放入年龄及其平方项而非工作经验及其平方项，主要原因是年龄对外貌特征（身材和长相）及工资收入均有直接的影响，将其遗漏在随机扰动项中会造成外貌特征的内生性和估计偏误。工资方程中Industry和Employer分别表示个体所在行业类型（职业）和单位类型（雇主）的虚拟变量。另外，考虑到不同区域劳动力市场供求状况和工资水平存有差异，实证模型中还控制了省份虚拟变量，Province代表地区差异带来的固定影响。 $\alpha $ 、 $\beta $ 、 $\gamma $ 是变量系数； $\mu $ 是随机扰动项。

（二）外貌工资差异的分解：能力特征差异还是劳动力市场歧视。上述工资收入模型可以简化为：

其中，lnY是样本劳动力i月工资收入的对数值，X是影响个体工资收入的变量，u是扰动项。为研究身高-收入差异及其来源情况，使用Oaxaca-Blinder方法分解各因素对收入差异的贡献。先假定收入结构适用于不同身高特征分组的劳动力群体，那么，身高-收入差异可进行如下分解：

其中， $\bar Y_t$ 是实验组（例如身高前30%组）样本的收入均值， $\bar Y_c$ 则是控制组（例如身高后70%组）样本的收入均值。 $\ln {\bar Y_t} - \ln {\bar Y_c}$ 为两组收入对数的差异值。 ${\hat \beta _t}$ 和 ${\hat \beta _c}$ 分别是相应的估计系数。令 $\Delta \bar X = {\bar X_t} - {\bar X_c}$ ，同时 $\Delta \hat \beta = {\hat \beta _t} - {\hat \beta _c}$ ，则收入差距公式也可以写成：

其中， $\Delta X{\hat \beta _t}$ 表示两组样本由于禀赋（即个体特征）不同引起的收入差距；也被称为可解释部分，即收入差距中可以用人力资本、社会交际等禀赋能力差别来解释的部分。 ${\bar X_c}\Delta \hat \beta $ 则为不可解释部分，通常理解为歧视导致的收入差距。本文将主要分性别来分解身高较高组（前30%）和其他组（后70%）；以及较矮组（后30%）与其他组（前70%）间的收入差距。而身材（BMI）与长相特征的分解方式及分析类似。

（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，我们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。身处服务行业的劳动者更有可能与消费者直接接触，如果消费者对外貌有歧视行为，则服务行业中外貌对收入的影响会更大，交互项将显著。

除了劳动力市场中歧视行为以外，社会交往中的外貌歧视可能通过影响一个人社会交际信心、机会和能力从而间接影响工作能力和工资，更加出众的应聘者往往会有更多的社会资本。为了进一步判断社会交际是否与外貌特征有关，本文将继续对社会网络进行回归估计。在控制变量中我们加入了可能影响社交网络的家庭特征因素，即父亲和母亲受教育程度的变量。相应的测量模型如下：

其中，lnSocial_n为社交网络因子值的对数。新增的解释变量Parents_edu表示衡量父母受教育水平的变量。

（四）数据来源及描述统计。本文使用2012年中国劳动力动态调查^①（简称CLDS）的数据，这是该项目第一期调查获得的截面数据，数据质量很高。CLDS是全国第一个以劳动力为主题的全国性跟踪调查，通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，为实证导向的高质量理论研究和政策研究提供了基础数据。其样本覆盖中国29个省、市和自治区（未调查港澳台、西藏和海南）；调查对象为样本家庭户中的全部劳动力（15至64岁）。抽样方法采用多阶段、多层次与劳动力规模成比例的概率抽样方法。

①本文使用的数据来自中山大学社会科学调查中心开展的“中国劳动力动态调查”(CLDS)。本文的观点和内容由作者自负。如需了解有关此数据的更多信息，请登录http://css.sysu.edu.cn。

本文针对在职劳动力（雇员^①）的工资收入情况进行处理和分析。根据劳动经济学研究的通常做法，我们剔除了所有年龄大于60岁的样本^②；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3 218个有效样本（1 842个男性和1 376个女性）。^③男性样本劳动力工资收入为2 851.2元，远高于女性样本收入2 071.8元；男性样本平均身高超过170 cm，而女性在159 cm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。

①本文中的在职劳动力（雇员）特指非农劳动力中除雇主、自雇体力或非体力工作者以外，且问卷调查期间正处于工作状态的劳动力群体。

②国际上一般把15~64 岁列为劳动年龄人口，我国规定男子16~60 周岁，女子为16~55 周岁；男性法定退休年龄为60 周岁，女性为55 周岁。

③由于篇幅原因，统计性描述表格未列出，如有需要可向作者索要。

（五）不同身高特征者的收入及禀赋差异。从工资收入的统计可以发现：在没有控制其他变量的情况下，数据显示身高处于前30%的样本平均收入高于处于后30%的样本，说明男女的平均收入与身高呈正相关关系。另外，男性身高工资收入明显高于女性，且身高前30%与后30%的平均工资收入差异也大于女性。

表1数据显示，不同身高特征的劳动力在社交网络上差别很大，具体表现为男性身高越高，其社交网络因子对数值越大，另外，在各身高分段下女性的平均社交网络因子对数值远远低于男性。从人力资本方面来看，劳动力身高越高时其受教育年限、专业证书数和健康程度也往往越高，男女样本都有共同的趋势。除此以外，收入模型中的其他解释变量也与身高特征有一定程度的关系。身高处于前30%是城镇户籍的可能性大于处于后30%，可能是城镇居民营养水平较高导致了城镇户籍劳动力身高普遍高于农村户籍劳动力。身高较高的劳动力平均年龄更低，其原因在于：随着收入增长和营养改善，年轻一代身高也比老一辈更高。身高处于前30%的劳动者，已婚率低于中间40%和后30%的人群，因为已婚人士往往年长，未婚单身人士则相对年轻，这与年龄有关。身高还与政治面貌有关，党员的形象普遍符合大众审美，身高较高组的党员比例大。

四、美貌溢价的实证分析

（一）工资方程的回归结果。为区分外貌歧视造成的工资差异和禀赋能力造成的工资差异，我们分三步对劳动力收入方程进行回归分析，实证结果详见表2。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，但不控制其他任何变量，模型1和模型4的结果显示：较胖、较高、较美的外貌特征对男性收入有显著正向影响，而较瘦、较矮的影响显著为负；较美对女性收入有显著正向影响，而较胖的影响显著为负。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，模型2和模型5的结果显示：各外貌特征变量系数方向没有变化，但系数绝对值均减小且统计显著性都有所降低，其中身高较高对男性收入的影响变得不显著。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，模型3和模型6的结果显示：大部分外貌变量系数绝对数值变小、显著性进一步降低，男性工资方程中仅较胖有显著正向影响，而较矮有显著负影响，女性较美和较丑有显著正向影响；^①其余外貌特征变量均不再显著。对数社交网络变量系数显著为正，说明社交网络对收入的决定具有不可忽略的重要作用；受教育年限、职业证书数变量系数显著为正，说明人力资本对收入的积极影响也十分重要；其余变量包括户籍、年龄及其平方项、婚姻，其系数显著为正，说明在个人能力和重要资源相同的情况下，城镇市民、工作经验较多（年龄较大）和已婚人士往往能得到更多的收入。

①可能的解释为长相较差的一部分女性如果能进入高收入行业，为了弥补其外表特征的不足而更努力地提高自身社会资本和人力资本以及其他模型中难以控制的与生产率有关的能力，使得数据上体现出较丑的女性工资略高于普通长相。

通过对劳动力工资收入方程的逐步回归^①可以发现：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。

①我们也尝试过在模型2 和模型5 的基础上分别加入社会资本或人力资本变量，结果显示无论是单独加入社会资本或者是人力资本变量，其结果都会影响外貌变量系数大小及显著性，说明社会资本和人力资本因素都与外貌特征统计相关。

（二）美貌溢价的分解结果。前述分析已经表明，在控制了社交网络、人力资本及其他个人特征与劳动力工资收入的关系后，外貌歧视本身对工资收入的直接影响较小，歧视很可能并非美貌溢价的主要原因。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，我们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、身材（BMI）和长相得分的前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。例如，当实验组身材特征为“较高”时，参照组即为“非较高”人群（“普通”+“较矮”），身材和长相分组类似。差异值为实验组均值与参照组均值之差。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）。从对工资收入的分解结果（表3−表5）可以发现，身材、身高和长相对男女收入的影响与对社交网络、人力资本的影响方向基本一致，并且工资收入差异主要由可解释部分构成，不可解释部分占较少比重，这说明上述实证模型结果较为可靠，纯粹的歧视并非劳动力市场中美貌溢价的主要原因。

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。

值得注意的是，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。

除表3中汇报的身高溢价的分解结果以外，对身材与长相的分解结果（表4和表5）与前述统计结果相似。身材的影响存在明显的男女性别差异：较胖的男性收入高、较瘦的男性收入低。这很可能并不是简单的因果关系，比如说经济条件较好和社会地位较高的男性，常常参与餐饮社交（饭局/宴会），这会使得这类男性普通身材因日常饮食原因而较胖；越是年长的男性，其身材往往也越显较胖（发福），而工资收入又与年龄（工作经验/资历）有密切关联；从事体力劳动的男性，工作消耗相对较大且身材更偏精干，其工资收入相对偏低。与男性劳动力相反，女性身材越胖则工资收入相对越低，这一点恰好符合了社会对女性以瘦为美的身材要求和审美价值观。

就歧视问题来看，身高较矮的男性劳动力会遭受来自雇主的歧视，即使是在工作能力和态度没有差异的情况下，矮个儿男性不受欢迎；身材较胖的女性会遭受到歧视，身材较瘦的女性却能够获得更高收入，然而这种胖瘦的差别也与工作效率无关。此外，身高较矮的女性却会受到能力之外的优待，这可以称为女性劳动力特有的“矮个溢价”（反向歧视），由于这种女性矮个溢价对工资收入的作用小于女性劳动力整体工资与身高的正向关系，因此尚不足以改变女性样本工资方程中身高变量的系数，但不能否认“矮个溢价”的存在。

（三）对歧视问题的进一步探讨。

1、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。单纯从服务行业对职员外貌的要求来说，可以看出消费者更加偏好正常身高的男性和较瘦身材的女性，而其他方面的外貌偏好及用人选择主要是来自企业自身的行为。

如果我们将不可解释部分归结为纯粹歧视因素，这种歧视是来自于雇主对劳动力外貌特征的偏好，且与劳动力自身工作能力和社会关系无关。然而，更多的工资收入差异仍然来自于可解释部分−禀赋差异，这种差异包含了社交网络、人力资本以及其他可能影响收入的因素。

2、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社交网络的实证结果来看：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。具体的来说，身高对社交网络有显著的正向影响，在其他条件相同时，高个子往往比矮个子更受欢迎，并且身高对于男性而言更为重要；男性较瘦对社交网络的影响为负，说明体形瘦小对男性社会交际的不利影响更多，例如看起来瘦弱的男生可能生活不规律或者给人以不稳重的感觉，同时餐饮社交的存在，也会使得男性BMI值与社交网络正向相关；对女性而言，较矮对社交网络的影响为负，说明矮个女性的社交网络往往较少；在控制了其他个体特征、父母教育、行业类型、单位类型和省份固定效应后，外貌特征变量大多不显著，说明这些方面的外貌特征与社交网络相关性不大。从外表特征整体来看，社会交际对男性身高要求更高，高个男性社交网络往往更多；对女性也是如此，矮个女性社交网络往往更少。从控制变量来看，户籍、党员、婚姻、国有部门和父亲教育程度变量系数显著，说明劳动力的社交网络在这些方面存在显著差异。

五、结论与建议

劳动力市场中的不平等，尤其是外貌特征造成的不平等更容易为大众所接受，而劳动力市场中的歧视行为可能会导致整个社会福利受损，如果外貌歧视问题不能引起学术界的充分关注与讨论，那么劳动力将面临更多的不平等对待。劳动力市场中普遍存在的美貌溢价，就是一种劳动收入与外貌有关的不平等现象。但外貌造成的不平等并不能完全归结于劳动力市场歧视，这种不平等也与个人工作能力、社会交际能力以及其他与生产率相关的禀赋差异有关。

本文探讨了我国在职劳动力工资收入的影响因素，并测度了其中外貌特征的作用。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。研究认为，我国劳动力市场中的美貌溢价确实存在，且美貌溢价主要来源于工作能力的差异，工作能力之外，消费者和雇主歧视所占成分较小。但需要说明的是社会交际中的歧视也会间接带来美貌溢价。单纯从外貌歧视来看，男性劳动力受到更多的身高歧视，而女性劳动力则受到更多的身材歧视。

社会活动中对男女外貌特征的差异化要求是劳动力在获取社会资源过程中重要的不平等因素，而社交网络和人力资本的相对缺乏，也意味着女性群体在劳动力市场上将会面临更多的不公平；同时通过社交网络资源差异和人力资本投资差异的交互影响，外貌歧视问题所造成的不平等亦会不断被放大。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、消除劳动力市场的外貌歧视问题，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，使得人尽其才、才尽其用；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。解决外貌歧视问题的关键在于消除外貌差异所导致的个人资本获得的不平等，尤其是社交网络和人力资本的不平等，因此改善社交网络形成的机制、促进文化教育和技能培训机会的公平性，缩小男女性别之间社交网络和人力资本的差距，是解决目前我国劳动力市场外貌歧视问题的有效途径。

　　* 感谢南京农业大学经济管理学院纪月清副教授的指导与建议，但文责自负。