颜值对收入影响的异质性及其机制分析

徐政; 许萌; 张鹤

颜值对收入影响的异质性及其机制分析

徐政¹,
许萌²,
张鹤^1,

1.
中国人民大学应用经济学院，北京 100872
2.
华南理工大学经贸学院，广东广州 510006

基金项目:

国家自然科学基金资助项目 72050001

中央高校基本科研业务费专项资金资助项目 10XNJ054

详细信息

作者简介:
徐政(1992-)，男，江苏盐城人，中国人民大学应用经济学院博士研究生

许萌(1993-)，男，湖北荆州人，华南理工大学经贸学院研究生

通讯作者:
张鹤(1994-)(通讯作者)，女，辽宁法库人，中国人民大学应用经济学院博士研究生

中图分类号: F014.2;F044
计量
- 文章访问数: 428
- HTML全文浏览量: 319
- PDF下载量: 42
- 被引次数: 0
出版历程
- 收稿日期: 2021-11-18
- 网络出版日期: 2022-04-24
- 刊出日期: 2022-03-28

On the Heterogeneity and Its Mechanism of the Influence of Appearance Level on Income

1.
School of Applied Economics, Renmin University of China, Beijing 100872
2.
School of Economics and Finance, South China University of Technology, Guangzhou 510006, China

摘要

摘要: 稳就业是双循环中国内大循环发展格局中的重要一环，但目前我国劳动力市场存在较严重的年龄、性别、户籍等显性歧视和颜值隐性歧视，采用2010—2018年中国家庭追踪调查(CFPS)面板数据，分析颜值对个体收入的效应及其影响机制。结果表明：高颜值对收入具有显著促进作用，验证了“美貌溢价”的存在；对大专及以上高学历或在城市工作的群体而言，颜值对女性收入的影响比男性更显著，表明在劳动力市场的确存在性别歧视和颜值歧视；基于产业层面的分析表明，服务业更易出现颜值歧视并带来收入不平等问题；基于信号传递理论的分析表明，高颜值可通过自信心和社会资本等途径影响个人收入。颜值歧视会触发社会不公和资源错配，客观上造成一定程度的收入差异。为此，个人与企业均应作出努力，以推动我国劳动力市场健康发展。
- 颜值 /
- 收入 /
- 个体收入 /
- 劳动力市场 /
- 信号传递理论 /
- 社会资本 /
- 美貌溢价 /
- 异质性
Abstract: Keeping employment is an important part in the development pattern dominated by domestic cycle in the dual-cycle. However, at present, there are serious overt discrimination in age, gender, household registration and implicit discrimination in China's labor market. The research on the influence of appearance level on workers' income has been neglected. Using the panel data of China Family Tracking Survey (CFPS) in 2010, 2012, 2014, 2016 and 2018, this paper analyzes the effect of appearance level on individual income and its influence mechanism. The results show that good looking has significant effect on income, which identifies the existence of "beauty premium"; for those at junior college level or above or who work in cities, the effect of good looking on women's income is more significant than that of men, indicating the existence of gender discrimination and appearance discrimination in the labor market. The analysis based on the industry level shows that the service industry is more prone to appearance discrimination and bring about income inequality. The analysis based on the signal transmission theory shows that good looking can affect personal income through self-confidence and social capital. Facial discrimination will trigger social injustice and misallocation of resources, and objectively cause a certain degree of income difference. Therefore, both individuals and companies should make efforts to promote the healthy development of China's labor market.
- appearance level /
- income /
- individual income /
- labor market /
- signal transmission theory /
- social capital /
- beauty premium /
- heterogeneity

HTML全文

图 1 颜值影响收入的路径

下载: 全尺寸图片幻灯片

图 2 2010—2018年颜值与收入的变化趋势

下载: 全尺寸图片幻灯片

表 1 描述性统计

变量	全样本		男性		女性
变量	均值	标准差	均值	标准差	均值	标准差
个人收入	21 326.32	34 596.48	24 881.5	40 707.5	16 592.08	23 343.71
颜值	5.444	1.15	5.412	1.143	5.485	1.158
年龄	37.418	11.882	38.299	12.24	36.24	11.28
性别	0.428	0.495	0	0	1	0
是否结婚	0.772	0.419	0.765	0.424	0.782	0.413
户口	0.311	0.463	0.303	0.459	0.323	0.467
个人最高学历	0.197	0.398	0.179	0.383	0.222	0.415
民族	0.499	0.5	0.508	0.5	0.487	0.5
健康状况	5.622	1.125	5.643	1.102	5.596	1.155
身高	165.659	7.819	170.19	6.153	159.655	5.359
体重	124.814	23.067	134.109	22.287	112.499	17.69
BMI	22.654	3.331	23.107	3.342	22.055	3.219
衣着整洁程度	5.492	1.152	5.441	1.161	5.56	1.138
是否在城市工作	0.398	1.16	0.376	1.174	0.428	1.14
自信心	3.895	1.016	3.911	1.027	3.875	1.001
社会地位	2.796	1.005	2.794	1.065	2.799	0.92
配偶最高学历	0.102	0.303	0.098	0.298	0.108	0.31

下载: 导出CSV

表 2 颜值与收入：基准模型回归结果

变量	模型1	模型2	模型3	模型4	模型5
颜值	3 623^***(141.7)	1 066^***(227.5)	1 020^***(361.0)	1 067^***(189.6)	865.8^***(233.8)
年龄		759.5^***(94.70)	780.7^***(152.1)	621.4^***(85.49)	841.3^***(96.62)
年龄的平方		-10.54^***(1.055)	-11.25^***(1.634)	-8.003^***(0.977)	-11.33^***(1.075)
性别		-7 433^***(414.8)			-7 370^***(406.7)
户口		7 964^***(450.6)	8 033^***(751.7)	7 795^***(446.4)	4 960^***(414.2)
最高学历		16 186^***(688.6)	17 680^***(1 178)	14 657^***(643.3)	13 394^***(738.4)
婚姻状况		302.1(751.0)	2 159^*(1 253)	-1 677^***(591.2)	322.4(746.9)
民族成分		-3 356^***(337.6)	-3 556^***(525.1)	-3 022^***(314.8)	3 600^***(661.0)
健康状况		458.8^**(195.2)	567.4^*(312.2)	427.8^**(179.5)	359.3^*(191.0)
体重		249.1^**(101.8)	-43.29(147.6)	-261.6^**(110.2)	247.2^**(99.23)
身高		-160.7(148.7)	346.2(224.4)	473.4^***(160.0)	-160.4(144.6)
BMI		-1 209^**(526.8)	575.0(807.9)	1 183^**(548.3)	-1 233^**(515.1)
是否控制年份、地区变量	否	否	否	否	是
常数项	1 048(743.3)	22 347(23 653)	-67 520^*(36 706)	-78 203^***(25 343)	30 271(23 197)
样本数	37 420	37 420	21 179	16 241	37 417
R-squared	0.000 6	0.023 0	0.020 8	0.033 7	0.049 5
注：括号内为稳健标准误差；^*、^、^*分别表示p < 0.01、p < 0.05、p < 0.1。下表同。

下载: 导出CSV

表 3 颜值与收入：工具变量第一阶段回归结果

变量	模型6 颜值	模型7 颜值	模型8 颜值
衣着整洁程度	0.653^***(0.006 10)	0.642^***(0.007 96)	0.673^***(0.009 37)
是否存在控制变量	存在	存在	存在
常数项	0.748^**(0.378)	0.301(0.631)	-0.197(0.813)
样本数	37 966	21 479	16 487
R-squared	0.694 4	0.693 0	0.696 9

下载: 导出CSV

表 4 颜值与收入：工具变量第二阶段回归结果

变量	模型9 收入	模型10 收入	模型11 收入
颜值	2 081^***(361.9)	2 378^***(566.0)	1 352^***(352.5)
是否存在控制变量	存在	存在	存在
常数项	29 253(23 799)	-22 977(47 585)	-68 108^**(28 809)
样本数	37 417	21 177	16 240
R-squared	0.048 6	0.043 8	0.071 4

下载: 导出CSV

表 5 颜值对不同学历和城乡差异人群收入的影响

变量	模型12	模型13	模型14	模型15	模型16	模型17
变量	男	女	男	女	男	女
颜值	921.7^***	712.7^***	806.2^**	845.9^***	925.5^***	689.7^***
	(298.8)	(177.0)	(376.6)	(185.6)	(297.9)	(176.4)
颜值×学历	-645.9	939.9^*			-700.3	862.6^*
	(1 056)	(511.3)			(1 066)	(512.4)
颜值×城乡差异			9.768	75.23^***	-11.20	45.14^*
			(37.29)	(22.86)	(35.52)	(24.03)
颜值×学历×城乡差异					78.04	85.31
					(109.0)	(55.01)
是否存在控制变量	存在	存在	存在	存在	存在	存在
常数项	-26 068	-67 385^***	-26 389	-67 018^***	-26 327	-67 443^***
	(37 339)	(24 233)	(37 289)	(24 229)	(37 298)	(24 225)
样本数	21 177	16 240	21 177	16 240	21 177	16 240
R-squared	0.045 0	0.071 0	0.045 0	0.070 7	0.045 0	0.071 2

下载: 导出CSV

表 6 颜值对不同年龄人群收入的影响

变量	模型18(青年组)		模型19(中年组)		模型20(老年组)
变量	男	女	男	女	男	女
颜值	769.3(915.3)	780.6^**(353.7)	1 052^***(322.6)	981.0^***(222.4)	48.25(413.4)	-572.9(419.5)
是否存在控制变量	存在	存在	存在	存在	存在	存在
常数项	-21 041(59 711)	-48 940(42 419)	-30 430(46 121)	-63 867^**(28 645)	21 570(37 977)	65 681(54 669)
样本数	8 388	7 385	11 530	8 338	1 259	517
R-squared	0.055 0	0.074 9	0.033 8	0.059 4	0.235 8	0.105 2

下载: 导出CSV

表 7 颜值对不同产业人群收入的影响

变量	模型21(第一产业)	模型22(第二产业)	模型23(第三产业)
颜值	232.2^*(137.7)	433.7(312.1)	1 524^***(530.6)
是否存在控制变量	是	是	是
常数项	41 760^***(14 359)	-4 007(34 250)	38 335(40 866)
样本数	7 472	13 247	16 239
R-squared	0.169	0.158	0.106

下载: 导出CSV

表 8 稳健性检验：随机抽样的基准模型回归

变量	模型24	模型25	模型26	模型27	模型28
颜值	3 822^***(207.3)	1 308^***(308.5)	1 650^***(485.0)	717.8^***(278.2)	1 042^***(313.2)
年龄		652.1^***(102.8)	670.5^***(164.4)	495.6^***(121.5)	728.7^***(99.05)
年龄的平方		-9.507^***(1.106)	-10.30^***(1.699)	-6.542^***(1.405)	-10.21^***(1.055)
性别		-8 380^***(699.9)			-8 030^***(696.6)
户口		8 222^***(635.9)	8 732^***(1 082)	7 578^***(610.8)	5 299^***(627.3)
最高学历		15 672^***(869.2)	15 938^***(1 439)	15 678^***(917.4)	13 113^***(900.9)
婚姻状况		1 435^*(810.7)	2 775^**(1 304)	-171.8(836.6)	1 410^*(801.3)
民族成分		-2 926^***(422.1)	-2 893^***(658.2)	-3 165^***(476.4)	4 127^***(666.7)
健康状况		404.7(271.8)	246.2(416.2)	680.6^**(265.5)	383.4(263.0)
体重		114.3(145.1)	-216.0(222.0)	-370.1^**(166.3)	143.7(140.3)
身高		-34.07(218.3)	509.5(342.0)	586.8^**(242.5)	-71.88(211.0)
BMI		-564.5(750.3)	1 442(1 226)	1 708^**(839.4)	-735.6(726.6)
是否控制年份、地区变量	否	否	否	否	是
常数项	252.8(1 027)	4 437(34 839)	-91 739(56 802)	-93 984^**(38 577)	17 541(34 135)
样本数	18 695	18 695	10 563	8 132	18 693
R-squared	0.000 7	0.030 1	0.022 9	0.041 0	0.073 7

下载: 导出CSV

表 9 稳健性检验：个人最高学历替换为配偶最高学历

变量	模型29	模型30	模型31	模型32	模型33
颜值	3 623^***(141.7)	1 216^***(228.9)	1 202^***(361.8)	1 154^***(195.3)	995.1^***(234.2)
年龄		800.2^***(95.68)	847.7^***(154.0)	667.7^***(87.64)	852.4^***(96.49)
年龄的平方		-11.59^***(1.081)	-12.55^***(1.681)	-9.195^***(1.005)	-11.74^***(1.088)
性别		-6 488^***(417.7)			-6 897^***(410.1)
户口		11 783^***(540.7)	12 142^***(919.4)	11 147^***(469.0)	8 141^***(446.9)
配偶最高学历		9 318^***(1 044)	9 324^***(1 851)	11 029^***(1 021)	8 382^***(1 010)
婚姻状况		-2 041^***(768.2)	-4.673(1 284)	-4 581^***(598.5)	-1 709^**(762.2)
民族成分		-4 902^***(350.3)	-4 945^***(544.5)	-4 885^***(318.0)	3 187^***(684.3)
健康状况		642.4^***(199.4)	681.7^**(318.3)	648.2^***(183.9)	407.9^**(193.3)
体重		330.0^***(106.1)	-14.60(154.3)	-265.1^**(115.3)	304.9^***(103.0)
身高		-222.9(154.0)	370.6(233.9)	535.5^***(167.6)	-212.5(149.3)
BMI		-1 659^***(552.0)	484.1(849.3)	1 117^*(574.4)	-1 581^***(537.5)
是否控制年份、地区变量	否	否	否	否	是
常数项	1 048(743.3)	34 815(24 567)	-71 542^*(38 406)	-83 172^***(26 565)	41 965^*(24 002)
样本数	37 420	37 420	21 179	16 241	37 417
R-squared	0.000 6	0.008 3	0.009 4	0.006 2	0.047 7

下载: 导出CSV

表 10 颜值影响自信心、社会地位的回归结果

变量	模型34(自信心)	模型35(社会地位)
颜值	0.014 4^**(0.007 30)	0.023 0^***(0.007 14)
是否存在控制变量	存在	存在
常数项	1.378^*(0.744)	-0.161(0.706)
样本数	37 969	37 969
R-squared	0.005 8	0.004 1

下载: 导出CSV

表 11 颜值的中介效应检验

变量	模型36(收入)	模型37(收入)
颜值	1 053^***(227.9)	1 048^***(225.3)
自信心	911.9^***(162.1)
社会地位		805.0^***(201.4)
是否存在控制变量	存在	存在
常数项	21 006(23 660)	22 592(23 650)
样本数	37 420	37 420
R-squared	0.023 7	0.023 0

下载: 导出CSV

参考文献(44)

[1]	邵剑兵, 范存建. 美貌溢价效应存在吗——来自高管超额薪酬的经验证据[J]. 广东财经大学学报, 2019(2): 31-45. https://xb.gdufe.edu.cn/article/id/c4fda513-edfc-47aa-814d-6861634f6857
[2]	吴伟炯, 赵霞, 杨国亮. "美即好"?颜值对工作幸福感的"过不及"效应[J]. 心理科学, 2020(5): 1132-1139. https://www.cnki.com.cn/Article/CJFDTOTAL-XLKX202005015.htm
[3]	张航瑞. 颜值即正义?虚拟场域中的颜值消费[J]. 济南大学学报: 社会科学版, 2021(6): 124-137, 176. doi: 10.3969/j.issn.1671-3842.2021.06.015
[4]	李实, 宋锦, 刘小川. 中国城镇职工性别工资差距的演变[J]. 管理世界, 2014(3): 53-65, 187. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201403008.htm
[5]	齐良书, 刘岚. 中国劳动力市场上的工作时间及其户籍差距[J]. 经济学家, 2019(11): 45-54. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201911006.htm
[6]	管永昊, 吴佳敏, 贺伊琦, 等. 高颜值能增加个人收入吗——来自CFPS面板数据的证据[J]. 财贸研究, 2019(9): 16-28. https://www.cnki.com.cn/Article/CJFDTOTAL-CMYJ201909002.htm
[7]	徐凤辉, 赵忠. 户籍制度和企业特征对工资收入差距的影响研究[J]. 中国人民大学学报, 2014(3): 19-28. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRDX201403005.htm
[8]	朱诗娥, 杨汝岱, 吴比. 中国农村家庭收入流动: 1986~2017年[J]. 管理世界, 2018(10): 63-72. doi: 10.3969/j.issn.1002-5502.2018.10.007
[9]	徐政, 丁守海. 新时代中国劳动力市场高质量发展研究[J]. 甘肃社会科学, 2021(6): 222-228. doi: 10.3969/j.issn.1003-3637.2021.06.028
[10]	邹薇, 马占利. 家庭背景、代际传递与教育不平等[J]. 中国工业经济, 2019(2): 80-98. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201902006.htm
[11]	杨沫, 王岩. 中国居民代际收入流动性的变化趋势及影响机制研究[J]. 管理世界, 2020(3): 60-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202003007.htm
[12]	张跃. 政府干预、经济集聚与城乡收入差距[J]. 广东财经大学学报, 2020(1): 4-15, 56. https://xb.gdufe.edu.cn/article/id/04897973-0278-48d5-a5f8-c65d2f3f2989
[13]	BELLER A, BORJAS G, TIENDA M, et al. Beauty and the labor market[J]. The American Economic Review, 1994, 84(5): 1174-1194.
[14]	FRENCH M T. Physical appearance and earnings: further evidence[J]. Applied Economics, 2002, 34(5): 569-572. doi: 10.1080/00036840010027568
[15]	MOBIUS M M, ROSENBLAT T S. Why beauty matters[J]. American Economic Review, 2006, 96(1): 222-235. doi: 10.1257/000282806776157515
[16]	FLETCHER J M. Beauty vs. brains: early labor market outcomes of high school graduates[J]. Economics Letters, 2009, 105(3): 321-325. doi: 10.1016/j.econlet.2009.09.006
[17]	PARRETT, MATT. Beauty and the feast: examining the effect of beauty on earnings using restaurant tipping data[J]. Journal of Economic Psychology, 2015, 49(4): 34-46.
[18]	PRICE M K. Fund-raising success and a solicitor's beauty capital: do blondes raise more funds?[J]. Economics Letters, 2008, 100(3): 351-354. doi: 10.1016/j.econlet.2008.02.028
[19]	JOHNSTON D W. Physical appearance and wages: do blondes have more fun?[J]. Economics Letters, 2010, 108(1): 10-12. doi: 10.1016/j.econlet.2010.03.015
[20]	REGISTER C A, WILLIAMS D R. Wage effects of obesity among young workers[J]. Social Science Quarterly, 1990, 71(1): 130.
[21]	BÖCKERMAN P, JOHANSSON E, KIISKINEN U, et al. The relationship between physical work and the height premium: finnish evidence[J]. Economics & Human Biology, 2010, 8(3): 414-420.
[22]	DAS J, STEPHEN B. Mirror, mirror on the wall: the effect of time spent grooming on earnings[J]. The Journal of Socio-Economics, 2011, 40(1): 26-34.
[23]	HARPER. Beauty, stature and the labor market: a British cohort study[J]. Oxford Bulletin of Economics and Statistics, 2000, 62(S1): 771-800.
[24]	GORTMAKER S L, MUST A, PERRIN J M, et al. Social and economic consequences of overweight in adolescence and young adulthood[J]. New England Journal of Medicine, 1993, 329(14): 1008-1012.
[25]	BIDDLE J E, HAMERMESH D S. Beauty, productivity, and discrimination: lawyers' looks and lucre[J]. Journal of Labor Economics, 1998, 16(1): 172-201.
[26]	HAMERMESH D S, MENG X, ZHANG J. Dress for success—does primping pay?[J]. Labour Economics, 2002, 9(3): 361-373.
[27]	郭继强, 费舒澜, 林平. 越漂亮, 收入越高吗?——兼论相貌与收入的"高跟鞋曲线"[J]. 经济学(季刊), 2017(1): 147-172. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201701006.htm
[28]	杨园争, 方向明, 郑晓冬. 劳动力市场中容貌歧视的学历纠正效应研究[J]. 南方经济, 2017(3): 71-98. https://www.cnki.com.cn/Article/CJFDTOTAL-NFJJ201703005.htm
[29]	SPENCE M. Job market signaling science direct[J]. Uncertainty in Economics, 1978, 87(3): 281, 283-306.
[30]	黄玖立, 田媛. 美貌能带来幸福感吗?[J]. 南方经济, 2019(1): 81-102. https://www.cnki.com.cn/Article/CJFDTOTAL-NFJJ201901006.htm
[31]	SCHMIDT F L. The role of general cognitive ability and job performance: why there cannot be a debate[J]. Human Performance, 2002, 15(1-2): 187-210.
[32]	HECKMAN J J, STIXRUD J, URZUA S. The effects of cognitive and noncognitive abilities on labor market outcomes and social behavior[J]. Journal of Labor Economics, 2006, 24(3): 411-482.
[33]	黄国英, 谢宇. 认知能力与非认知能力对青年劳动收入回报的影响[J]. 中国青年研究, 2017(2): 56-64, 97. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGQL201702009.htm
[34]	陈雨露, 秦雪征. 相貌对个人认知能力与非认知能力的影响——基于中国家庭追踪调查(CFPS)数据的研究[J]. 劳动经济研究, 2018(4): 71-96. https://www.cnki.com.cn/Article/CJFDTOTAL-LDJJ201804004.htm
[35]	MARES S H W, DE LEEUW R N H, SCHOLTE R H J, et al. Facial attractiveness and self-esteem in adolescence[J]. Journal of Clinical Child & Adolescent Psychology, 2010, 39(5): 627-637.
[36]	李丽, 赵文龙, 边卫军. 家庭背景对非认知能力影响的实证研究[J]. 教育发展研究, 2017(1): 45-52. https://www.cnki.com.cn/Article/CJFDTOTAL-SHGJ201701010.htm
[37]	张海峰. 责任感、自信心、能力、素质[J]. 内蒙古工业大学学报: 社会科学版, 1999(1): 95-97. https://www.cnki.com.cn/Article/CJFDTOTAL-LGDX199901023.htm
[38]	SCHOLZ J K, SICINSKI K. Facial attractiveness and lifetime earnings: evidence from a cohort study[J]. Review of Economics and Statistics, 2015, 97(1): 14-28.
[39]	ADLER P S, KWON S W. Social capital: prospects for a new concept[J]. Academy of Management Review, 2002, 27(1): 17-40.
[40]	边燕杰. 城市居民社会资本的来源及作用: 网络观点与调查发现[J]. 中国社会科学, 2004(3): 136-146, 208. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK200403011.htm
[41]	FEINGOLD A. Good-looking people are not what we think[J]. Psychological Bulletin, 1992, 111(2): 304.
[42]	DION K, BERSCHEID E, WALSTER E. What is beautiful is good[J]. Journal of Personality and Social Psychology, 1972, 24(3): 285.
[43]	胡文馨, 曾湘泉. 美貌能提高婚姻满意度吗?——来自CFPS数据的经验证据[J]. 劳动经济研究, 2019(3): 100-119. https://www.cnki.com.cn/Article/CJFDTOTAL-LDJJ201903005.htm
[44]	温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014(5): 731-745. https://www.cnki.com.cn/Article/CJFDTOTAL-XLXD201405001.htm