張凱寧

（中國人民大學(xué)經(jīng)濟學(xué)院，北京 100872）

高教理論與政策

高等教育與收入分配：改變命運還是階層鎖定
——基于CGSS2008數(shù)據(jù)的實證研究①

張凱寧

（中國人民大學(xué)經(jīng)濟學(xué)院，北京 100872）

利用中國社會綜合調(diào)查2008年數(shù)據(jù)，對高等教育與收入分配之間的關(guān)系進(jìn)行了系統(tǒng)考察。通過基礎(chǔ)的OLS回歸發(fā)現(xiàn)，接受高等教育可以有效提高個體收入，且提高幅度遠(yuǎn)大于整體教育以及義務(wù)教育等階段；通過分位數(shù)回歸發(fā)現(xiàn)，高等教育在不同收入分位點上的影響存在著顯著的差異，對于中低收入群體體現(xiàn)出比高收入群體更高的回報率，起到了縮小收入差距的作用；傾向得分匹配的結(jié)果顯示，普通OLS估計方法對于高等教育回報率估計產(chǎn)生微弱的向下偏誤，結(jié)合OB分解可以得出結(jié)論，即高等教育與家庭背景等個人特征因素對于收入差距的貢獻(xiàn)是相互抵消的，接受高等教育很大程度上彌補了家庭背景、社會關(guān)系造成的收入差異，成為打破階層鎖定、改變命運的有效途徑。本文的分析結(jié)果，為高等教育的發(fā)展、高等教育作用的發(fā)揮以及縮小收入差距政策的制定提供了經(jīng)驗證據(jù)。

高等教育；收入分配；教育回報率；分位數(shù)回歸；傾向得分匹配；OB分解

Abstract：higher education;income distribution;returns to education;quantile regression;propensity score matching; Oaxaca-Blinde decomposition

一、引言

具有培養(yǎng)專門人才、科學(xué)研究、服務(wù)社會等職能的高等教育，是我國教育體系的重要組成部分。隨著教育事業(yè)的不斷發(fā)展，高等教育已經(jīng)基本形成了適應(yīng)國民經(jīng)濟建設(shè)和社會發(fā)展需要的較為完善的體系，為國家的經(jīng)濟發(fā)展和社會建設(shè)培養(yǎng)了大批的專門人才，發(fā)揮了重要的作用。特別是大學(xué)教育，成為培養(yǎng)國家急需的建設(shè)型人才的搖籃，為國家經(jīng)濟與社會的發(fā)展提供了不竭的動力和新鮮的血液。然而，高等教育的影響不僅僅是對于全國的宏觀經(jīng)濟，更加現(xiàn)實的，是針對每一個接受過、正在接受或是將要接受高等教育的微觀個體的影響，其中最為重要的就是高等教育的回報率問題，以及高等教育能否真正成為改變命運、實現(xiàn)人的發(fā)展、促進(jìn)收入公平的有效機制。

首先，就高等教育回報率估計問題而言，最為重要的論證核心就是消除模型估計的內(nèi)生性問題，以較為準(zhǔn)確的方法對教育回報率進(jìn)行度量。就高等教育而言，是否接受高等教育這一因素并不是外生的，而是受到很多內(nèi)生因素的影響，極有可能存在的情況是，原本家庭狀況越好，父母社會資源越豐富，個人自身能力越強的人，越有可能考上大學(xué)，或者說有更高的接受高等教育的概率，具備這些因素的人往往通過其個人能力與家庭背景可以獲得更好的工作崗位與更高的工資。由于選擇性偏差的存在，我們無法觀測到高等教育對于個人收入的凈效應(yīng)?，F(xiàn)有的解決內(nèi)生性問題的方法中，最為有效的估計教育回報率的方法是使用“工具變量”，但難免存在“弱工具”問題，而且工具變量的使用條件也受到較多外生因素的限制。對于選擇性偏差，考慮到將可能影響接受高等教育概率的變量直接加入回歸方程必然引發(fā)多重共線性問題，因此不能直接將這些“污染”變量加入到正規(guī)方程中。在此情況下，為了觀察到高等教育對個體收入的凈效應(yīng)，消除選擇性偏差的影響，本文應(yīng)用匹配模型進(jìn)行分析：一方面考量常規(guī)的估計方法會對高等教育的回報率產(chǎn)生怎樣的估計偏誤；另一方面也可以分析影響接受高等教育概率的個體因素。

其次，本文還考慮了高等教育對不同收入群體的異質(zhì)性影響。在不同的收入階層中，高等教育并不會對收入產(chǎn)生完全相同的效應(yīng)，很有可能會由于收入階層的不同而產(chǎn)生異質(zhì)性。因此，除對樣本總體做均值回歸之外，還分別對特定收入階層的子樣本進(jìn)行回歸，以觀測高等教育對不同人群影響的異質(zhì)性差別。在對子樣本進(jìn)行可比回歸的方法中，分位數(shù)回歸較為有效，可以針對收入分類進(jìn)行極端值的檢驗，以不同分位點為回歸基準(zhǔn)，考察關(guān)鍵解釋變量在不同分位點上所產(chǎn)生的效應(yīng)是否有顯著差異。

第三，也是最具有現(xiàn)實意義的問題是，高等教育能不能是一條階層上升的通道。寒門學(xué)子能否通過接受高等教育以提高未來收入，又或者，高等教育成為出身優(yōu)厚的個體的特權(quán)，對于家庭背景良好的個體“如虎添翼”，卻成為阻礙普通人改變命運的特權(quán)教育，成為惡化階層鎖定的工具。本文結(jié)合受限因變量回歸與OB分解對此進(jìn)行分析。

二、文獻(xiàn)回顧與模型設(shè)定

（一）文獻(xiàn)綜述

1.傳統(tǒng)研究。當(dāng)前，學(xué)術(shù)界有關(guān)教育回報率以及教育對收入分配效應(yīng)的文獻(xiàn)十分豐富。最早開始考察教育與收入分配關(guān)系的文獻(xiàn)是收入分配的人力資本理論（Schultz，1960；Becker、Chiswick，1966；Mincer，1974），該理論將教育作為人力資本積累的重要途徑之一，認(rèn)為人力資本可以影響未來的貨幣或物質(zhì)收入，構(gòu)建了人力資本的投資收益曲線與人力資本掙得函數(shù)，分析了平均受教育程度與收入分配之間的相關(guān)效應(yīng)。此后，人力資本的概念得到迅速發(fā)展，并以此衍生出關(guān)于教育回報以及教育對收入差距影響的實證研究。

在已有研究中，關(guān)于教育與收入分配之間關(guān)系的研究得出的結(jié)論相對統(tǒng)一。研究美國收入分配與教育關(guān)系的文獻(xiàn)發(fā)現(xiàn)，平均受教育程度每增加一年，則收入不平等會下降10%（Malrin& Psacharopoulos,1976），提高社會教育水平有助于縮小收入差距。Chiswick（1971）使用9個國家的面板數(shù)據(jù)得出了相似的結(jié)論，即收入差距與國民平均受教育年限之間有負(fù)相關(guān)關(guān)系，普及教育有助于緩解收入分配不平等狀況。此外，Becker和Chiswick（1996）通過理論推導(dǎo)以及美國的經(jīng)驗數(shù)據(jù)回歸，進(jìn)一步發(fā)現(xiàn)對數(shù)工資收入差距與受教育程度差距有正相關(guān)關(guān)系。Easterly、Rebelo（1993）和Sylwester（1999）的研究表明，國家平均收入水平將隨著公共教育占GDP比重的上升而提高。這方面研究雖存在由樣本選擇導(dǎo)致教育影響的顯著性界定差異外，理論機制與計量技術(shù)上爭議較少。

既有的關(guān)于教育回報的研究文獻(xiàn)中，對教育回報率的測算則存在明顯的偏誤。傳統(tǒng)的研究教育收益率的模型中，多以自然對數(shù)工資作為被解釋變量，以受教育年限作為關(guān)鍵解釋變量，同時控制工作經(jīng)驗及其平方項，并以關(guān)鍵解釋變量在回歸中的系數(shù)作為教育回報率的度量（Mincer 1974）。國內(nèi)關(guān)于教育回報率問題的研究大多基于這一估計方法。邵利玲（1994）依據(jù)1990年關(guān)于“國有企業(yè)改革中的職工問題”的調(diào)查數(shù)據(jù)，應(yīng)用Mincer的回報率估算方法對職工個人教育回報率進(jìn)行測度，得到的回報率為0.75%。賴德勝（1998）根據(jù)中國社會科學(xué)院經(jīng)濟研究所1995年11個省城鎮(zhèn)住戶抽樣調(diào)查數(shù)據(jù)，估算出的城鎮(zhèn)職工收入與其教育程度間的收益率為5.73%。但是，這些研究均存在忽略個人能力等不可觀測的因素對個體收入效應(yīng)的影響，因而，直接以受教育年限的回歸系數(shù)作為教育回報率包含了遺漏因素的效應(yīng)，估計有偏誤。這些源于個人能力因素，既可以對關(guān)鍵解釋變量——受教育年限產(chǎn)生影響，又可以對被解釋變量——對數(shù)工資水平產(chǎn)生影響。在此條件下，系數(shù)估計將依賴于關(guān)鍵解釋變量與內(nèi)生遺漏變量之間的相關(guān)程度，因而使得估計系數(shù)不夠穩(wěn)健。

2.內(nèi)生性問題的解決——工具變量研究。著眼于教育回報率的傳統(tǒng)文獻(xiàn)中存在的內(nèi)生性問題，國外學(xué)者提出兩種解決方法：其一是代理變量法，即在回歸方程中加入不可觀測因素的代理變量，例如個人能力與父母受教育程度正相關(guān)，因此將父母受教育程度作為衡量個人能力的指標(biāo)加入回歸的規(guī)范方程（Lam、Schoeni，1993），以此解決內(nèi)生性問題；其二工具變量法，即尋找一個外生于模型，而又與關(guān)鍵解釋變量相關(guān)的變量作為工具變量進(jìn)行回歸，該因素與受教育年限有顯著正相關(guān)關(guān)系（相關(guān)性），并只能通過影響關(guān)鍵解釋變量從而對被解釋變量產(chǎn)生影響（外生性），如最小離校年齡、學(xué)校的地理位置與家庭的距離都在一定程度上對受教育程度產(chǎn)生影響（Card，2001）。Harmon和Walker（1995）以英國20世紀(jì)40年代以來最小離校年齡規(guī)定的調(diào)整作為工具變量，估計其對于教育回報的影響。Meghir和Palme（2005）以瑞典20世紀(jì)40年代教育改革作工具變量，研究了其對受教育程度變化進(jìn)而對教育回報的影響。這些工具變量雖然一定程度上解決了受教育年限的內(nèi)生性問題，但自身又帶來了新的內(nèi)生性問題。Angrist和Krueger（1991）在估計美國勞動力市場教育收益率時，以“出生季度”作為受教育年限的工具變量，依靠由于《義務(wù)教育法》帶來的第一季度出生者與后三季度出生者之間受教育年限的不同，利用政策外生沖擊帶來的變異解決遺漏變量產(chǎn)生的模型估計偏誤，比之前文獻(xiàn)中工具變量的選擇更具有說服力。國內(nèi)的相關(guān)文獻(xiàn)，借鑒出生季度的工具變量模型，依據(jù)中國2005年1%的人口抽樣調(diào)查數(shù)據(jù)，對我國的教育回報率進(jìn)行估計，發(fā)現(xiàn)傳統(tǒng)估計方法可能低估了中國勞動力市場上的教育回報率（吳要武，2010）。

以出生季度工具變量為基礎(chǔ)的研究受到的一項質(zhì)疑是“弱工具變量”問題，即出生季度與受教育年限變異之間的相關(guān)程度并不強。此外，由于出生季度作為工具變量的有效性是嚴(yán)格依賴于義務(wù)教育政策與勞動法政策對于入學(xué)、退學(xué)年齡以及工作年齡的限制的，因此，用出生季度的工具變量方法研究義務(wù)教育階段之后的教育回報率是不可行的。

3.當(dāng)前研究的不足。教育回報率是當(dāng)前人力資本與收入分配研究的熱點，在基礎(chǔ)理論構(gòu)建之后，很多文獻(xiàn)都通過各種巧妙的方式（特別是工具變量的估計）來解決內(nèi)生性問題?；A(chǔ)研究在分析教育對收入影響的問題時，主要基于均值下受教育程度與平均收入的關(guān)系，得出了高的教育程度對應(yīng)著高收入的關(guān)系，即受教育程度有一個正的回報率，而對于教育收益的異質(zhì)性，以及由此可能造成的收入差距的變化則鮮有考察。如果高的教育等級可以提升個人收入，并且對低收入者的收入提升越有利，那么隨著較高等級的教育逐漸普及，貧富差距將會有縮小的趨勢。蘇梽芳與蔡經(jīng)漢（2010）利用分位數(shù)回歸的方法研究了不同層次學(xué)歷的教育所帶來的教育回報率的不同，邢春冰（2006）使用同樣方法對我國不同所有制部門工資決定和教育回報進(jìn)行了估計，但均未考察不同收入層次的個體的教育回報率之間的差異。

此外，對于教育回報的準(zhǔn)確測度問題，工具變量的選擇飽受“弱工具”的詬病，并且外生性的成立往往受到很多因素的限制，難以準(zhǔn)確測度教育對收入的凈效應(yīng)。本文所要解決的問題，一是對比個體資質(zhì)與教育程度對于收入水平的影響何者占優(yōu)，二是對個體受教育程度對于收入變化的凈效應(yīng)進(jìn)行估算，并加以分析。

（二）模型設(shè)定

1.基本回歸模型及變量的設(shè)定。本文首先運用基礎(chǔ)方法進(jìn)行回歸。在變量選擇方面，目前已有不少關(guān)于教育與收入的回歸方程的設(shè)定，本文的收入決定模型是基于Mincer（1974）的人力資本收入模型的方程設(shè)定，基本模型設(shè)置如下：

其中，LnY為被解釋變量，是收入的對數(shù)值；edu為關(guān)鍵解釋變量，表示是否選擇接受高等教育；其余為控制變量：D1表示是否具有黨員身份，D2表示戶口類型是農(nóng)村戶口還是非農(nóng)戶口，D3表示性別，exp和exp_2分別表示工齡與其平方，x1和x2分別控制了本人及其父親的工作單位類型，province控制了個體所屬省份的情況。

在Mincer的模型中，個人工作經(jīng)歷是重要的衡量人力資本的指標(biāo)，也是模型重要的解釋變量，工作經(jīng)歷越長，收入可能就越高。因此，本文加入以工齡衡量的工作經(jīng)歷對此進(jìn)行控制。

以黨員身份衡量的政治資本對于收入也會產(chǎn)生一定影響。已有研究表明，黨員身份更便于尋租，也更容易發(fā)生為私人牟利的行為（楊瑞龍、王宇鋒、劉和旺，2010）。同時，擁有黨員身份的人可以得到更多的社會資源和信息（Walder，1995），可以成為求職或晉升時的相對優(yōu)勢。作為重要的政治資本，黨員身份對于個人收入有著正向的作用（Knight、Yueh，2002；Appleton、Knight、Song、Xia，2008）。因此，本文也對黨員身份進(jìn)行了控制。

在當(dāng)今中國的城鄉(xiāng)二元經(jīng)濟模式下，勞動力市場中存在嚴(yán)重的城鄉(xiāng)分割與戶籍歧視。姚先國、賴普清（2004）利用企業(yè)和農(nóng)民工的調(diào)查數(shù)據(jù)分析了勞資關(guān)系的城鄉(xiāng)戶籍差異，發(fā)現(xiàn)戶籍歧視可以解釋城市、農(nóng)村兩類工人勞資關(guān)系差異的20%～30%。進(jìn)一步來看，在城鄉(xiāng)勞動力市場分割的背景下，戶籍制度歧視會對農(nóng)村勞動力工資帶來大約28%的戶籍折扣（李芝倩，2007）。因此，在研究收入問題時，戶籍差異也是必須要考慮的因素。

性別差異同樣是需要關(guān)注的因素。一般來說，收入分配領(lǐng)域普遍存在著性別歧視現(xiàn)象。李春玲和李實（2008）的研究認(rèn)為，分配型性別歧視與估價型性別歧視是性別歧視的主要手段，已逐漸成為影響收入分配的重要因素，在研究中應(yīng)該加以控制。

行業(yè)差距同樣是造成收入差距的重要原因。所有制屬性不同的單位可能會帶來工資收入的差距，企事業(yè)單位、政府機關(guān)等在收入上的差異是現(xiàn)實存在的。通過對我國15個行業(yè)大類、工業(yè)行業(yè)30個非壟斷及6個壟斷行業(yè)的分析，發(fā)現(xiàn)壟斷等因素造成了不同行業(yè)之間收入分配的顯著差別（杜健、張大亮、顧華，2006）。因此，本文在方程中也將個體所屬單位的性質(zhì)進(jìn)行了控制。

個人的工作收入與其家庭背景及社會關(guān)系也有很大的關(guān)聯(lián)。精英代際轉(zhuǎn)化和階層再生產(chǎn)模型反映出在市場轉(zhuǎn)型過程中，父輩的某些特質(zhì)會對子代的職業(yè)選擇、職業(yè)進(jìn)入門檻以及子代的階層特征產(chǎn)生顯著的影響（鄭輝、李路路，2009），自然也會影響到其就業(yè)機會與工資收入。因此，對于父輩的職業(yè)類型的控制是必要的。

我國各地區(qū)間存在明顯的收入差距，不同地區(qū)經(jīng)濟發(fā)展戰(zhàn)略（林毅夫、劉培林，2003）等要素的差異，導(dǎo)致各地經(jīng)濟發(fā)展的不均衡，進(jìn)而帶來地區(qū)間收入分配差異。因此，以省份衡量的地區(qū)變量也必須被控制。

2.分位數(shù)回歸（quantile regression）。分位數(shù)回歸模型是對以條件均值為基礎(chǔ)的普通最小二乘法（OLS）的拓展，由Roger Koenker和Bassett兩位學(xué)者于1978年提出。該模型利用被解釋變量條件分位數(shù)建模，通過最小化加權(quán)殘差絕對值之和對回歸參數(shù)進(jìn)行估計。相比于傳統(tǒng)的普通最小二乘回歸，分位數(shù)回歸在隨機誤差項呈非正態(tài)分布條件下具有更高的估計效率；代表某一特定區(qū)域的數(shù)據(jù)信息，收益長但影響有限，參數(shù)估計更加穩(wěn)??；能更加全面刻畫變量分布特征，捕捉分布函數(shù)尾部特征（李紅梅，2012）。特別的，分位數(shù)回歸法對于考察解釋變量對不同等級的被解釋變量的異質(zhì)性影響具有很好的效果。

在此，設(shè)模型中所有的控制變量為X，它是個包含D1、D2、D3、exp、exp_2以及x1、x2、province在內(nèi)的向量，由此構(gòu)建出的分位數(shù)回歸模型如下：

其中，q是分位點，取值為0～1；ε是誤差項；δq代表了q分位點下關(guān)鍵解釋變量的回歸系數(shù)，表示了當(dāng)收入在某一分位點時，接受高等教育與不接受高等教育個體之間的收入差異。在給定X的條件下，可根據(jù)下面的最小化方程求解βq的無偏估計量（陳強，2010）：

當(dāng)q=0.5時，稱為“最小絕對離差估計”（LAD），其系數(shù)估計因不易受極端值影響而更加穩(wěn)健。本文通過分位數(shù)回歸方法，可以更清楚把握是否選擇接受高等教育對于收入分配的影響。如果高等教育可以增加收入，且其對高收入者的收入增加效應(yīng)小于低收入者，那么高等教育則有助于改善收入差距。

3.傾向值匹配法。傾向值（propensity score）概念最早是由Rosenbaum和Rubin于1983年提出，是指在控制被研究個體可觀測的混淆變量的基礎(chǔ)上受外生沖擊影響的條件概率。由于存在模型外的混淆變量引起的選擇性偏誤（selection bias），“污染”了解釋變量與被解釋變量之間的關(guān)系，因此對于解釋變量凈效應(yīng)的估計會產(chǎn)生偏誤，通過控制傾向值的方法則可以消除選擇性偏差的不利影響。傾向值匹配是將受到外生沖擊的處理組與沒有受到外生沖擊的控制組進(jìn)行配對，保證處理組與控制組有相等或相近的傾向值，以控制選擇性偏差，研究外生沖擊的影響效應(yīng)?；谙嗤膯栴}，計量經(jīng)濟學(xué)家Heckman（1979）提出了解決選擇性偏差的“兩步估計法”（two-step estimator）：第一步，通過模型擬合個體參與到處理組中的概率；第二步，在控制參與可能性的前提下，考察關(guān)鍵解釋變量，即外生沖擊對于被解釋變量影響的凈效應(yīng)。

在標(biāo)準(zhǔn)的實驗環(huán)境中，是否接受高等教育的處理效應(yīng)可以由以下公式推算得出：

其中，T表示高等教育的凈處理效應(yīng)；π指實驗組——接受高等教育的對象在樣本總體中所占比例；w是一個二元選擇變量，1表示接受過高等教育，0表示未接受高等教育；Y1和Y0分別表示接受過高等教育的樣本的收入水平與未接受過高等教育的樣本的收入水平。等式中，E（Y1|w=1）與E（Y0| w=0）是可觀測的，即接受過高等教育的樣本的收入水平與未接受過高等教育的樣本的收入水平，但E（Y0|w=1）與E（Y1|w=0）是無法觀測到的，即無法知道接受過高等教育的人在沒有接受高等教育情況下的收入水平，以及沒有接受過高等教育的人在接受高等教育情況下的收入水平。這也正是現(xiàn)實方法無法準(zhǔn)確估計處理效應(yīng)的瓶頸所在。

如果能夠找到影響一個個體進(jìn)入處理組還是控制組的相關(guān)因素，并且將這些因素控制起來，就能近似保證w與Y之間關(guān)系的獨立性。傾向值匹配得分正是通過尋找這樣的影響因素Z，并將Z通過Logistic回歸歸結(jié)為一個特定的傾向值P，并將傾向值相近的樣本進(jìn)行配對，以此來近似的達(dá)到等式所描述的準(zhǔn)實驗分析框架：

此時，本文選擇個體父親的教育水平（D4）、父親是否是黨員（D5）、個體自身是否是獨生子女（D6）以及父親的工作單位類型（x2）作為判斷進(jìn)入處理組還是控制組的關(guān)鍵變量。依據(jù)這些變量回歸得出的傾向值對樣本進(jìn)行匹配，匹配后可以近似地認(rèn)為處理組與控制組除了處理效應(yīng)之外，在總體上是同質(zhì)的，對匹配后的樣本進(jìn)行檢驗便可以得出凈處理效應(yīng)。本文通過傾向得分匹配，一方面分析在控制影響個體接受高等教育的概率之后，普通回歸對于教育回報率究竟是高估還是低估；另一方面，也通過回歸的細(xì)節(jié)，分析同時影響個體接受高等教育與未來收入的因素及其影響機制。

4.OB分解。所謂OB分解，全稱Oaxaca-Blinde分解，由Blinder（1973）和Oaxaca（1973）在分析工資的性別差異時提出。其分解方法的思想在于，將對數(shù)收入的均值差距分為兩個部分：一部分是被個體特征所解釋的，稱為特征效應(yīng)；另一部分是被處理因素所解釋的，稱為系數(shù)效應(yīng)。本文在均值意義上對接受高等教育與未接受高等教育的群體的收入差距進(jìn)行分解，分解方程如下：

其中，edu代表接受高等教育，uedu代表未接受高等教育，X代表個體特征，β是估計的系數(shù)。等式中，等號右邊的第一項為收入差距中可被個體特征所解釋的部分，即特征效應(yīng)；第二項為是否接受高等教育而帶來的收入差距，又稱為系數(shù)效應(yīng)。本文之所以要構(gòu)建OB分解進(jìn)行分析，目的在于探究高等教育的系數(shù)效應(yīng)與個體身份背景、家庭條件等特征效應(yīng)對于對數(shù)收入會產(chǎn)生怎樣的影響，其中反映著怎樣的機制。若系數(shù)效應(yīng)為正，特征效應(yīng)為負(fù)，則可以反映出個體的家庭背景、政治身份等可以抵消部分高等教育的效應(yīng)；反過來說，就是高等教育真實的回報率可能由于社會背景、家庭背景等因素的影響而被低估。高等教育有抵消家庭背景、社會關(guān)系對于收入差距擴大的作用，為出身較差的群體提供了社會階層的上升渠道。反之，如果二者效應(yīng)均為正，且傾向得分匹配反映出家庭背景與出身對于接受高等教育的概率，進(jìn)而對收入有顯著的影響，即在控制了接受高等教育概率之后的教育回報率明顯下降，則說明高等教育是社會階層固化的工具與途徑。由此可以分析高等教育在社會階層流動中的功能與作用機制。

三、數(shù)據(jù)描述與初步分析

（一）數(shù)據(jù)來源

本文所使用的數(shù)據(jù)均來自中國人民大學(xué)與香港科技大學(xué)調(diào)查中心聯(lián)合完成的中國綜合社會調(diào)查項目（CGSS）。該項目收集到的數(shù)據(jù)系統(tǒng)詳盡，是很多社會科學(xué)實證論文寫作的數(shù)據(jù)來源，已應(yīng)用于心理學(xué)、經(jīng)濟學(xué)以及社會學(xué)研究的各個領(lǐng)域。本文利用2008年的調(diào)查數(shù)據(jù)，研究是否接受高等教育對于收入差異的影響。該調(diào)查樣本選擇覆蓋農(nóng)村與城市的各種群體，共有6 000個樣本，可以滿足實證研究對數(shù)據(jù)量的要求。

（二）指標(biāo)選取、定義與識別

本文在模型構(gòu)建中所用到的被解釋變量、解釋變量及各控制變量的定義以及處理方法見表1。

表1 主要變量的定義與處理方法

本文選擇的樣本群體均是當(dāng)前并非接受在校教育，而是已經(jīng)進(jìn)入工作崗位的群體。之所以分別選擇年工資收入對數(shù)以及小時工資收入對數(shù)作為被解釋變量是考慮到工作強度的問題，小時工資相對于總工資，消除了工作時間長短對于收入的影響。本文的解釋變量為是否接受高等教育的二元選擇變量，之所以選擇義務(wù)教育階段之后的群體作為研究樣本，是考慮到個體若從未接受過教育或是沒有完成義務(wù)教育，更可能是由于家庭極度貧困或是教育資源極度匱乏造成的，個體沒有選擇是否能接受高等教育的機會與主動性，而義務(wù)教育階段結(jié)束后，一方面說明這部分群體有接受教育的能力與資源，另一方面這部分群體在綜合考慮自身家庭背景、政治與社會資本的情況下，非強制性教育也為他們提供了選擇是否接受高等教育的可能。

（三）描述性統(tǒng)計

表2 主要變量的描述性統(tǒng)計

注：圓括號中為樣本的標(biāo)準(zhǔn)差。

首先，從整體上看，接受過高等教育樣本占樣本總體比例相對較低。其次，從描述性統(tǒng)計結(jié)果來看，可以發(fā)現(xiàn)，無論是年工資收入對數(shù)還是小時工資收入對數(shù)，接受過高等教育的樣本都要高于未接受過高等教育的樣本，且相對較小的標(biāo)準(zhǔn)差也可以看出接受過高等教育的群體收入之間的差異較小。此外，接受過高等教育的樣本中，黨員比例明顯高于未接受過高等教育的樣本；接受過高等教育的樣本中，戶口類型以非農(nóng)業(yè)戶口為主，占比高達(dá)98.6%，可見高等教育特別是正規(guī)大學(xué)本科教育存在明顯的城鄉(xiāng)差異；從性別方面看，整體上呈現(xiàn)出男性多于女性的態(tài)勢，但接受高等教育與不接受高等教育的樣本中男女性別比例則大體相當(dāng)；從工齡的描述統(tǒng)計中可以看出，接受過高等教育的樣本工齡相對較短，一定程度上反映出教育與工作經(jīng)驗之間的取舍關(guān)系；從對父親受教育水平以及黨員身份的描述中可以看出，接受高等教育的樣本，其父輩往往也具有較高的受教育經(jīng)歷，但具有黨員身份的則相對較少；在接受高等教育的樣本中，獨生子女所占比例遠(yuǎn)高于未接受高等教育樣本中獨生子女的比例?？傮w來看，父親的受教育經(jīng)歷、政治身份以及個體是否是獨生子女，在是否接受高等教育的群體之間存在明顯的差距，很有可能是影響個體是否選擇接受高等教育的關(guān)鍵因素。

圖1 自然對數(shù)收入的核密度估計

核密度估計方法的優(yōu)點在于直接依據(jù)樣本本身來對數(shù)據(jù)的分布特征進(jìn)行判斷擬合，從圖1的核密度估計中可以很明顯看出：首先，接受過高等教育樣本的對數(shù)收入均值要明顯高于未接受過高等教育樣本的對數(shù)收入水平；其次，接受過高等教育樣本的收入相對集中，未接受過高等教育樣本的收入則相對離散。由此可以得出結(jié)論，即接受高等教育的確有助于收入的提升，這符合傳統(tǒng)的理論研究，也符合常識判斷。

四、實證分析

（一）傳統(tǒng)方法——普通最小二乘法（OLS回歸）

首先，我們復(fù)制傳統(tǒng)研究結(jié)果，根據(jù)相關(guān)數(shù)據(jù)與模型設(shè)定進(jìn)行回歸。

表3 接受高等教育對收入影響的普通最小二乘回歸

從上述回歸模型中可以看出，模型整體對于年工資收入對數(shù)與小時工資收入對數(shù)的解釋程度分別達(dá)到了35.70%與37.91%，可見本文所構(gòu)建的模型具有一定的解釋力。在兩個回歸中，接受高等教育對于工資收入都有顯著性影響，接受高等教育的年工資收益為57.7%，而小時工資收益為68.2%，與吳要武（2010）在工具變量方法下估計出我國的教育回報率為13.9%～15.9%相比，這一比例相當(dāng)高?？梢姡叩冉逃鄬τ谄渌A(chǔ)性教育而言，有著更高的收益率。高等教育對于小時工資率的提升程度高于對年工資的提升程度，反映出高等教育確實在很大程度上提升了勞動生產(chǎn)率，因而才能獲得更高的小時工資。同時，本文為了防止多重共線性對計量結(jié)果造成偏誤，對數(shù)據(jù)進(jìn)行了共線性檢驗，發(fā)現(xiàn)關(guān)鍵解釋變量——是否接受高等教育的模型膨脹系數(shù)（VIF）分別為1.63和1.64，工齡與工齡平方項之外的其他變量的膨脹系數(shù)也均在合理范圍內(nèi)，模型平均膨脹系數(shù)為2.53?？梢姡瑢τ谀Ｐ驼w而言，并不受共線性問題的影響，整體的系數(shù)估計是穩(wěn)健的。

對其他系數(shù)的分析。首先，黨員身份對于收入有正向的影響，政治身份收益達(dá)到13.3%和13.5%，這與劉和旺、王宇鋒（2010）估算出的5.85%～11.2%大體相近，但影響效果并不顯著，這可能是受相關(guān)數(shù)據(jù)限制造成的。其次，非農(nóng)戶口比農(nóng)業(yè)戶口在年工資收益與小時工資收益上分別高出28.9%和27.1%，男性平均年工資收益與小時工資收益要比女性高出26.3%和27.5%，在勞動力市場上存在著嚴(yán)重的戶籍歧視與性別歧視。由于工齡與工齡平方之間有顯著的共線關(guān)系，其系數(shù)估計與顯著性程度也可能存在一定偏誤，因此不予討論。

（二）高等教育影響異質(zhì)性的研究——分位數(shù)回歸

依據(jù)上述分析可以發(fā)現(xiàn)，高等教育對于收入分配的確有著顯著性影響，下面將進(jìn)一步通過分位數(shù)回歸對高等教育的異質(zhì)性影響進(jìn)行分析。按照一般的對分位數(shù)回歸系數(shù)的解釋，以及自變量為虛擬變量的情形，本文對高等教育系數(shù)的解釋是：在年工資收入對數(shù)的q分位數(shù)上，接受高等教育比不接受高等教育高（eδ-1）*100%（張義博，2012）。由于年工資對數(shù)與小時工資對數(shù)回歸的輸出結(jié)果大體相近，本文在此只報告年工資收入對數(shù)分位數(shù)回歸的結(jié)果。

表4 年工資收入對數(shù)的分位數(shù)回歸

從表4可以看出，高等教育在不同分位數(shù)上的回歸結(jié)果仍然顯著，并且產(chǎn)生了明顯的變化。隨著分位數(shù)的逐漸提高，高等教育回報率呈現(xiàn)出先上升后下降的趨勢，經(jīng)過換算，位于不同分位點數(shù)上的高等教育回報率分別是80.58%、89.46%、91.36%、83.86%、73.67%、57.46%、34.18%。由此可以得出結(jié)論：高等教育對于不同收入群體而言，的確存在異質(zhì)性影響。相對于高收入人群而言，中低收入人群接受高等教育對其收入增加效果更明顯。收入位于35%分位點的中低收入群體，其接受高等教育的回報率高達(dá)90%以上；收入位于95%分位點的極高收入群體，其接受高等教育的回報率僅有30%左右。對于中高收入者而言，高等教育的回報率呈現(xiàn)出一種快速下降的趨勢。由此可以看出，高等教育對于緩解收入差距起到了很重要的作用，以更高的回報率促進(jìn)中低收入群體的收入增長。其背后的機制可能在于，對于中低收入群體而言，其本身并不具備十分出眾的政治資本與社會資源，高等教育無論是作為一種信號顯示工具還是一種對自身生產(chǎn)效率的提升，都極大地增加了其社會競爭力，使其在中低收入人群中取得了較高的職業(yè)平臺與職業(yè)優(yōu)勢。因而，相對于沒有接受高等教育的中低收入者而言，接受高等教育的群體擁有更多的就業(yè)機會和更好的就業(yè)選擇。對于較高收入群體而言，他們本身可能具有良好的家庭背景、豐富的政治資源與社會資源，高等教育的經(jīng)歷可以提升其競爭力，但在職業(yè)選擇與就業(yè)競爭中可能并不起主要作用，高等教育經(jīng)歷并不能在很大程度上擴大其相對于同類型高收入人群的競爭優(yōu)勢。

考察其他因素的回歸系數(shù)可以發(fā)現(xiàn)，很多回歸系數(shù)對于某些分位點變得不顯著，但關(guān)注其中與收入有顯著關(guān)系的幾個系數(shù)值，仍可以得出很多有用信息。首先，性別對于年工資收入的影響基本都是顯著的，影響系數(shù)之間差異不大，并且沒有明顯的變化規(guī)律。這表明，性別歧視在各個收入階層均存在，女性會由于性別歧視面臨20%～30%的歧視性工資折扣。其次，黨員身份對于中低收入人群的收入增加沒有顯著的影響，但對于中高收入群體的收入則有較高程度的正相關(guān)性，這反映出政治資本可能只在較高的收入層次上才能為個體帶來牟利空間，此時黨員身份更有利于其擴展社會網(wǎng)絡(luò)或是尋租等。第三，在50%分位點上，工齡對于收入有較為顯著的正向影響，這一定程度上表明，對于中產(chǎn)階層而言，工作經(jīng)驗對于收入增長有較為重要的貢獻(xiàn)。

將上述回歸結(jié)果與OLS回歸結(jié)果進(jìn)行對比可知，分位數(shù)回歸基本證實了普通回歸的相關(guān)結(jié)論，只是在顯著性上有所差異。同時，分位數(shù)回歸也分析了高等教育對不同收入群體的異質(zhì)性影響，得出了高等教育有助于縮小收入差距的結(jié)論，從側(cè)面印證了高等教育可能具有的打破階層固化、促進(jìn)階層流動、改變命運的功能。但是，這也引出一個疑問，如何度量高等教育對一個個體的凈效應(yīng)，即對于某一特定個體，排除了個體異質(zhì)性對于接受高等教育選擇的影響后，其是否接受高等教育會帶來多大的收入差距。

（三）高等教育的凈效應(yīng)分析——傾向得分匹配

通過上述分析已可以看出高等教育的收入效應(yīng)，但由于存在選擇性偏差，系數(shù)估計可能有一定偏誤，關(guān)鍵解釋變量之前的回歸系數(shù)可能無法準(zhǔn)確衡量高等教育的真實回報率，因為是否能夠上大學(xué)這一選擇中包含著個人家庭教育、政治背景以及社會資源各方面的信息。因此，我們進(jìn)一步應(yīng)用傾向值匹配的方法對高等教育的凈效應(yīng)做出估計。

估計分兩步，第一步是二元選擇模型的擬合，估計結(jié)果見表5。

表5 選擇接受高等教育的二元Logistic回歸

由表5可以看出，父親受教育水平、父親黨員身份、個體是否為獨生子女都在很大程度上影響著樣本是否能夠進(jìn)入處理組——接受高等教育的可能性。從回歸系數(shù)可以看出，如果父親有大學(xué)本科及其以上的受教育經(jīng)歷，比父親沒有高等教育受教育經(jīng)歷的樣本更可能進(jìn)入處理組，這可能與家庭對上大學(xué)的意愿、家庭教育對于知識的積累及能力的培養(yǎng)有關(guān)；如果父親具有黨員身份，則樣本接受高等教育的可能性要比父親沒有黨員身份低，原因可能在于，父輩的黨員身份象征著一種政治資本以及社會資源，子女即便不接受高等教育同樣能夠有其他途徑獲得體面的工作和較高的收入，考慮到投入產(chǎn)出以及利益的取舍，很可能選擇不接受高等教育。此外，在表5沒有報告的是，當(dāng)父親的工作單位是黨政機關(guān)時，回歸系數(shù)為-0.797（顯著性水平為0.001），其中的原因也與黨員身份相似，即父親擁有更好的社會背景以及社會資源，子女不一定非要通過接受高等教育才能進(jìn)一步提升自己的人力資本，因此回歸系數(shù)是顯著為負(fù)的?；貧w結(jié)果顯示，獨生子女比非獨生子女有更大的概率接受高等教育，簡單的原因是，家庭的資源是有限的，獨生子女往往擁有更為充足的家庭資源以及教育資源，受到更多的關(guān)注，在各方面的發(fā)展上也比非獨生子女更好。

估計的第二步，根據(jù)以上的回歸結(jié)果，我們對所有樣本進(jìn)行傾向值打分，并根據(jù)傾向值打分的結(jié)果進(jìn)行匹配。本文針對年工資收入對數(shù)與小時工資收入對數(shù)均進(jìn)行了匹配檢驗，主要采用最臨近匹配法、核匹配法、半徑匹配法與分成匹配法，結(jié)果如表6所示。

表6 傾向值匹配結(jié)果

表6是經(jīng)過傾向得分匹配后的回歸結(jié)果。根據(jù)父親受教育水平、父親黨員身份、個體是否為獨生子女以及父親工作單位類型進(jìn)行匹配后，將年工資收入對數(shù)、小時工資收入對數(shù)分別與是否接受高等教育進(jìn)行處理效應(yīng)比較。若直接將年工資收入對數(shù)、小時工資收入對數(shù)分別與是否接受高等教育的虛擬變量進(jìn)行回歸，得到的回歸系數(shù)分別是0.633***與0.750***，對比直接回歸與傾向得分匹配結(jié)果，傾向得分匹配的系數(shù)較小，略有差距但并不明顯。這一數(shù)據(jù)對比反映出，在控制了個體的父親受教育水平、父親黨員身份、個體是否為獨生子女以及父親工作單位類型，也就是控制了個體接受高等教育的概率之后，高等教育的回報率略有下降。這一方面反映出在個體更加具備接受高等教育的機會時，其同時也具備獲得更高收入的某些特征，因此通過總體數(shù)據(jù)不加控制的回歸對于教育回報率略有高估；另一方面也反映出，當(dāng)個體的父親在黨政機關(guān)工作或者政治身份為黨員時，個體接受高等教育的可能性反而減小，說明個體的家庭背景與社會關(guān)系等因素不是促使個體接受高等教育并獲得高回報的主要因素，即不是造成教育回報率低估的主要因素。同時，也否定了個體由于家庭背景與出身較好，能夠獲得較高的接受高等教育的概率，進(jìn)而獲取高收入的階層固化的分析邏輯?？梢赃@樣說，高等教育本身并不具備加劇階層分化，鎖定收入階層身份的作用。

（四）改變命運還是階層鎖定——OB分解

上述分析逐漸理清了一條邏輯，即高等教育似乎并不是家庭背景深厚、出身良好的人群的特權(quán)，更具有一種縮小收入差距、彌補先天出身條件的促進(jìn)階層流動、促進(jìn)收入公平的作用。這一機制可以通過一個簡單的交互項回歸來直觀反映，首先構(gòu)建回歸方程：

其中，控制變量X1是一個包含D1、D2、D3、exp、exp_2以及x1、x2和province在內(nèi)的向量；X2是一個包含D1、D2、D3、exp、exp_2以及x1和province在內(nèi)的向量；x3所代表的是這樣一個虛擬變量：當(dāng)x2=1，即個體父親的工作單位是黨政機關(guān)時x3=1，其余情況下x3=0。

等式中，δ3以及γ3的經(jīng)濟學(xué)含義都是雙重差分。δ3所代表的是父親具有黨員身份的個體是否接受高等教育的收入差距與父親不具有黨員身份的個體是否接受高等教育的收入差距之間的差距，γ3所代表的是父親的工作單位是黨政機關(guān)的個體是否接受高等教育的收入差距與父親的工作單位不是黨政機關(guān)的個體是否接受高等教育的收入差距之間的差距。這兩個系數(shù)反映的都是高等教育對具有不同家庭背景的個體是否有明顯的異質(zhì)性影響，如果系數(shù)在經(jīng)濟上與統(tǒng)計上都是顯著的，則說明高等教育對于家庭背景好的個體具有“如虎添翼”的作用，社會階層將由此被進(jìn)一步固化，收入差距將可能被擴大，反之則說明這一機制是不成立的。

表7所展示的，是根據(jù)上面的方程進(jìn)行回歸分析后的結(jié)果的簡化。其中，被解釋變量選擇的是年工資收入對數(shù)，當(dāng)被解釋變量是小時工資收入對數(shù)時，可以得到相似的結(jié)論。

表7 雙重差分結(jié)果

由表7可以看出，雙重差分的系數(shù)是不顯著的，即在父親具備黨員身份的個體中，是否接受高等教育會造成一個收入差距；父親不具備黨員身份的個體中，是否接受高等教育也會造成一個收入差距。這個差距在兩者之間并沒有明顯的不同，由此反映出的是，高等教育對于特定的家庭背景并不存在所謂的“如虎添翼”的作用。

運用OB分解作進(jìn)一步的也是更加精確的分析。在進(jìn)行分析之前，對原有回歸模型進(jìn)行一定修改，在不引起多重共線性的前提下，將有關(guān)個體家庭背景的變量加入到OB分解模型中，分解結(jié)果如表8所示。

表8 OM分解結(jié)果

從表8可以看出，接受高等教育群體與未接受高等教育群體之間的收入差異，主要還是來自于教育本身。同時我們也發(fā)現(xiàn)，包括個體家庭背景與出身在內(nèi)的個體特征也產(chǎn)生了很強的抵消作用，高等教育對于收入的影響有相當(dāng)一部分被個體特征效應(yīng)的影響所抵消。具體而言，單從高等教育的角度講，原本對于收入可以產(chǎn)生0.523的影響，但個體的家庭背景、政治身份等非教育因素對此進(jìn)行了0.222水平的彌補，最后表現(xiàn)出的總效應(yīng)便成為0.301。從反面來講，高等教育的存在是可以與個體特征的異質(zhì)性相互抵消的。也就是說，接受高等教育可以減輕因出身和家庭背景不同而帶來的不公平。據(jù)此，我們可以得出結(jié)論，高等教育并不依附于家庭出身，它具有打破階層固化、促進(jìn)階層流動、改變?nèi)说拿\的作用。

五、研究結(jié)論與政策建議

本文立足于已有研究，對高等教育的教育回報及其與收入分配之間的關(guān)系進(jìn)行了系統(tǒng)分析，研究結(jié)論可以概括為四個方面。

第一，高等教育有一個顯著為正的教育回報率，且相對于以往文獻(xiàn)對于包括義務(wù)教育階段在內(nèi)的整體受教育過程的教育回報率要高。從整體上來看，對于年工資收入的回報率高達(dá)60%，對于小時工資回報率更是接近70%，可見高等教育一方面通過各種機制提升了總量工資水平，另一方面這種工資水平的提高源于效率的提升，而不是源于工作時間的延長，這一點從小時工資回報率更高的數(shù)據(jù)中可以看出。

第二，從分位數(shù)回歸的結(jié)果可以看出，高等教育對于中低收入群體比對于高收入群體具有更高的回報率。這說明，高等教育更大限度的提升了中低收入群體在勞動力市場的競爭力，也反映了高等教育對于不同收入群體而言，具有縮小收入差距、緩解貧富兩極分化的作用。

第三，從傾向得分匹配的結(jié)果中可以看出，在控制了個體接受高等教育的可能性之后，高等教育的教育回報率依然是顯著的，但系數(shù)估計相比于一般的估計方法略有下降。這反映出，在關(guān)鍵解釋變量為是否接受高等教育的虛擬變量時，對于教育回報率的估計具有向上偏誤，但誤差很小，基本上是準(zhǔn)確的。

第四，結(jié)合傾向得分匹配與OB分解的結(jié)果可以發(fā)現(xiàn)，在受限因變量回歸模型中，父親政治身份以及工作單位性質(zhì)等因素對于個體是否接受高等教育具有反向作用，而OB分解的結(jié)果也顯示出在收入差異的貢獻(xiàn)值中，系數(shù)效應(yīng)與特征效應(yīng)是相互抵消的。由此可以得出一個推論，往往家庭背景越好的個體，越不需要通過高等教育的途徑提升個人的競爭力，而高等教育作為一種手段，在很大程度上彌補了先天的家庭條件與個人出身的差異，成為促進(jìn)階級流動、打破階層固化的一種手段。

基于本文的研究結(jié)論，我們提出相應(yīng)的對策建議。首先，要更加普及高等教育，為更多的社會中下層群體提供階層進(jìn)步的上升通道。其次，高等教育應(yīng)在一定程度上向中低收入階層傾斜，因為這樣將帶來更高的教育回報，更有效地發(fā)揮高等教育的效用。最后，高等教育應(yīng)不斷完善自身，更好發(fā)揮自身職能。

研究的不足與展望。本文在研究中最大的缺陷是，在傾向得分匹配過程中，計算模型傾向值使用了受限因變量模型，而此模型的最終擬合優(yōu)度僅有0.1733，說明本文根據(jù)已有數(shù)據(jù)庫所選擇的解釋變量不足以很好的衡量是否選擇接受高等教育的傾向，使得匹配過程不夠完美和精確。如何彌補這一缺陷，是下一步研究的努力方向。

注釋：

（1）資料出處說明：本文所使用的數(shù)據(jù)全部來自國家社會科學(xué)基金資助之《中國綜合社會調(diào)查（CGSS）》項目。該調(diào)查由中國人民大學(xué)社會學(xué)系與香港科技大學(xué)社會科學(xué)部執(zhí)行，項目主持人為李路路教授、邊燕杰教授。筆者感謝上述機構(gòu)及其人員提供數(shù)據(jù)協(xié)助，本文內(nèi)容由筆者自行負(fù)責(zé)。

［1］賴德勝.教育、勞動力市場與收入分配［J］.經(jīng)濟研究，1998（5）：43－50.

［2］杜健，張大亮，顧華.中國行業(yè)收入分配實證分析［J］.山西財經(jīng)大學(xué)學(xué)報，2006（6）：73－78.

［3］田茂茜，虞克明.中國城鎮(zhèn)居民人力資本收益率性別差異分析——基于貝葉斯分位數(shù)回歸［J］.山西財經(jīng)大學(xué)學(xué)報，2013（9）：1－10.

［4］吳要武.尋找阿基米德的“杠桿”——“出生季度”是個弱工具變量嗎［J］.經(jīng)濟學(xué)（季刊），2010（2）：661－686.

［5］趙錦春，謝建國.收入分配不平等、有效需求與創(chuàng)新研發(fā)投入——基于中國省際面板數(shù)據(jù)的實證分析［J］.山西財經(jīng)大學(xué)學(xué)報，2013（11）：1－12）

［6］林毅夫，劉培林.中國的經(jīng)濟發(fā)展戰(zhàn)略與地區(qū)收入差距［J］.經(jīng)濟研究，2003，（3）:19－25.

［7］文雯.收入再分配效應(yīng)的測度及其影響因素分析［J］.山西財經(jīng)大學(xué)學(xué)報，2012（7）：9－15.

［8］姚先國，賴普清.中國勞資關(guān)系的城鄉(xiāng)戶籍差異［J］.經(jīng)濟研究，2004（7）:82-90.

［9］惠寧，郭淑娟.行業(yè)壟斷與行業(yè)收入差距研究［J］.山西財經(jīng)大學(xué)學(xué)報，2012（8）：21－30.

［10］楊瑞龍，王宇鋒，劉和旺.父親政治身份、政治關(guān)系和子女收入［J］.經(jīng)濟學(xué)季刊2010（4）:872-890

［11］Harmon C,Walker I.Estimates of the economic return to schooling for the United Kingdom［J］.The American Economic Review,1995,85（5）:1278-1286.

［12］Meghir C,Palme M.Educational reform,ability,and family background［J］.The American Economic Review,2005,95（1）:414-424.

［13］Angrist J,Krueger A.Does compulsory attendance schooling affect earnings［J］.Quarterly Journal of Economics,1991.

［14］Walder A G.Career mobility and the communist political order［J］.American Sociological Review,1995:309-328.

［15］Knight.J&L.Yueh.The Role of Social Capital in the Labor Market in China［C］.Oxford University，Department of Economics Discussion PaPer,2002.

［16］Simon Appleton，John Knight，Lina Song，Qingjie Xia.The economics of communist party membership:the curious case of rising numbers and wage premium during China's transition［J］.The Journal of Development Studies 2008,45（2）:256-275.

［17］Koenker R,Bassett Jr G.Regression quantiles［J］.Econometrica:journal of the Econometric Society,1978:33-50.

［18］Rosenbaum P R,Rubin D B.The central role of the propensity score in observational studies for causal effects［J］. Biometrika,1983,70（1）:41-55.

［19］Heckman J J.Sample selection bias as a specification error［J］.Econometrica:Journal of the econometric society,1979: 153-161.

［20］Blinder.A.Wage Discrimination:Reduced Form and Structural Estimates［J］.Journal of Human Resources 1973,8（4）: 436-455.

［責(zé)任編輯：馮霞］

Higher Education and Income Distribution:Change of Destiny or Locking of Hierarchy ----An Empirical Study based on Data CGSS2008

ZHANG Kai-ning

（School of Economics,Renmin University of China,Beijing 100872,China）

Based on OLS regression,we find that higher education can improve individual income,and the increase is far greater than the overall education and compulsory education.The outcome of quantile regression shows that the returns in higher education are significantly different at different quantiles of the income,and the ruturns to education is higher for low-income groups than highincome groups.Through propensity score matching,we can find that the OLS estimation produces weak downward bias when estimates return to higher education.Higher education is an effective way to break the locking of hierarchy and change fate.

G640

A

2095-106X（2014）02-0001-12

2014－05－10

張凱寧（1993－），男，山西太谷人，中國人民大學(xué)經(jīng)濟學(xué)院，研究方向是收入分配理論與微觀計量經(jīng)濟學(xué)。