黃 靜 易 麗

(上海工程技術(shù)大學(xué)，上海 201600)

0 引 言

教育收益是影響大眾教育選擇和不同高校生源質(zhì)量的直接因素，在教育經(jīng)濟(jì)學(xué)領(lǐng)域中有關(guān)教育收益率的研究從未間斷。具體而言，教育收益是指個體接受教育而獲得的收益，如個人收入增長。教育收益又稱為教育投資效益，通常采用實證的研究方法，且以宏觀和微觀的定量分析為主，估算方法主要有內(nèi)部收益率法與明瑟方法兩種。

關(guān)于教育收益率的影響因素研究，國內(nèi)外學(xué)者已從多個角度進(jìn)行了探索。第一、分析教育收益的歷史、現(xiàn)狀和趨勢，通過具體數(shù)據(jù)對高等教育回報率的邊際效應(yīng)進(jìn)行微觀研究。其中,許濤認(rèn)為我國教育收益率的邊際效應(yīng)呈現(xiàn)遞增趨勢，個體多接受一年教育的教育收益會呈指數(shù)性增加[1]。Henderson等通過對教育收益的異質(zhì)性研究發(fā)現(xiàn)，不同環(huán)境和種族的個體的教育收益是不一樣的[2]。第二，高等教育擴(kuò)招對教育收益率的影響研究。教育擴(kuò)招對教育收益率的影響可歸納為上升、沒有明顯影響和下降3個階段，至2020年，高等教育收益率增長速度沒有明顯增長[3]。第三，針對高等教育收益率的地區(qū)差異，分析其中關(guān)鍵因素的作用，從而找到解決策略。將區(qū)域經(jīng)濟(jì)增長因素加入教育收益率研究模型發(fā)現(xiàn),東部地區(qū)普遍高于中西部的教育收益率[4]；曹黎娟等通過微觀數(shù)據(jù)分析得出城鎮(zhèn)教育收益率在教育任何階段都大于農(nóng)村[5]。

除此之外，有人就中國人情式關(guān)系、性別差異等方面對高等教育收益率進(jìn)行研究[6-7]。然而，目前對于不同教育層次的比較研究類文章較少，所以本文試圖借助明瑟方法構(gòu)建不同層次、水平的教育相關(guān)因素的拓展方程，去分析影響非高等教育和高等教育收益率的因素、影響程度以及結(jié)果。

1 指標(biāo)確定與模型建立

1.1 方法與指標(biāo)確定

針對高等教育收益率的研究，最常用的模型是明瑟的教育收益率方程：

lnW=α+β1edu+β2exp+β3exp2+ε

其中，W表示勞動者的月收入均值，edu指的是個人的教育水平，在此用受教育年限表示，exp指的是工作經(jīng)驗，在此用工作的年限表示，exp2是為了擬合工作經(jīng)驗與月工資收入之間的線性關(guān)系而加入的變量。β1指每多接受一年教育獲得的平均月收入的增長比例，β2指每多工作一年獲得的平均月收入的增長比例，ε為隨機(jī)誤差項。

1.2 變量選擇

本模型的因變量(lnW)是個人平均月工資收入的對數(shù)，是教育收益率的重要參考指標(biāo)，是指個人2015年全年的職業(yè)或勞動收入除以12個月得到值后，以保證其線性關(guān)系進(jìn)行對數(shù)處理時的數(shù)值。

自變量是個人受教育年限(edu)，具體細(xì)分為高等教育和非高等教育個體的受教育年限，為了方便統(tǒng)一分析現(xiàn)將個人最高受教育程度依據(jù)“未受教育=0”“私塾掃盲班=2年”“小學(xué)學(xué)歷=6年”“初中學(xué)歷=9年”“職業(yè)高中、普通高中、技校、中專學(xué)歷=12年”“?？茖W(xué)歷=15年”“本科學(xué)歷=16年”“碩士及以上學(xué)歷=19年”的方式進(jìn)行確定。

控制變量包含了個人的工作年限、工作地區(qū)、工作單位、性別、黨員身份以及父母的教育程度等方面。通過對可能影響教育收益率的相關(guān)變量進(jìn)行分析，能夠找到影響個人平均月收入的變量，同時也能確定這些變量對教育收益的影響程度。為了方便變量的分析現(xiàn)定義：exp=年齡-正式教育年數(shù)-6；對于性別因素，男性=1、女性=0；工作單位劃分為公共部門和市場部門兩類，公共部門=1、市場經(jīng)濟(jì)部門=0[8]。公共部門包含黨政機(jī)關(guān)、事業(yè)單位和軍隊等，市場部門包含外資企業(yè)、私企、個體經(jīng)商戶等；工作地區(qū)是結(jié)合研究需要將中國各省份整合為西部、中部、東部三類地區(qū)，西部=1、中部=2、東部=3；根據(jù)是否是中共黨員，將黨員身份轉(zhuǎn)化為黨員和非黨員兩類虛擬變量，黨員=1、非黨員=0；父母親最高受教育程度操作為其受教育年限，分析時按照之前的方法將其受教育年限轉(zhuǎn)化為對應(yīng)的連續(xù)性變量。

1.3 模型構(gòu)建

由于本文對高等教育和非高等教育群體的教育收益率研究不只局限于受教育年限和工作經(jīng)驗對月工資收入的影響，將明瑟教育收益率方程擴(kuò)展得到教育收益模型為：

(1)

(2)

該模型分別把高等教育(edu_g)和非高等教育(edu_f)的教育收益率進(jìn)行回歸，同時還引入了性別、父母親受教育年限、工作地區(qū)、工作單位和黨員身份6個變量。比較研究各變量對受不同高等教育的兩個群體的教育收益率的影響，提高模型的合理性、完備性和可行性。其中式(1)和式(2)兩個拓展方程的因變量、自變量與控制變量完全相同，一樣的數(shù)據(jù)背景、相同的研究環(huán)境有利于減少研究誤差。此外，為了方便觀察基準(zhǔn)模型和拓展模型的比較、不同控制變量的影響程度，這兩個拓展方程將分別采用嵌套的方式，進(jìn)行多元回歸分析。通過兩個回歸方程得到的結(jié)果和其中的變量對比，分析兩種情況下各變量的基本情況，從而實現(xiàn)高等教育和非高等教育收益率的對比。

采用普通最小二乘法估計教育收益率時，需要考慮內(nèi)生性的問題，這也是明瑟教育收益率方程經(jīng)常受到質(zhì)疑的地方。根據(jù)CGSS調(diào)查數(shù)據(jù)資料，本文采用的方法是在模型中加入父母親的受教育年限作為個人能力的代理變量，而不是工具變量，與Zimmerman在研究中的做法一致[9]。

2 實例分析

2.1 數(shù)據(jù)來源

本模型的數(shù)據(jù)來源于中國綜合社會調(diào)查2015年的數(shù)據(jù)，總樣本量10 968，經(jīng)初步處理后的有效樣本量3 901。本文的研究對象集中于1978年之后接受和未接受高等教育的群體。一方面，自新中國成立以來至1978年期間，我國高等教育發(fā)展由于政治因素影響存在中斷或停滯情況；另一方面，我國市場經(jīng)濟(jì)自改革開放后飛速發(fā)展，在這樣的條件下，高等教育收益率更能體現(xiàn)出勞動力在市場上的價值。

基于研究需要，本文從以下角度對數(shù)據(jù)進(jìn)行了篩選：第一，刪除在1978年以前接受高等教育的群體；第二，根據(jù)受訪人的出生年月生成年齡，保存16～60歲之間的人群；第三，刪除主要職業(yè)為“務(wù)農(nóng)”和沒有全職“工作”的個體；第四，刪除個人全年職業(yè)和勞動收入小于500和大于200 000的奇異數(shù)據(jù)；第五，處理本研究所需變量中存在的缺失值;第六，重新編碼因變量、自變量和控制變量為回歸模型做準(zhǔn)備，比如進(jìn)行對數(shù)處理、轉(zhuǎn)化連續(xù)變量或者虛擬變量等操作。

2.2 統(tǒng)計描述

表1是整個樣本的描述性統(tǒng)計結(jié)果。在3 901名研究對象中，接受過高等教育的人1 027名，未接受過高等教育的人2 874名，高等教育學(xué)歷獲得者的比例約占26%。有效樣本總量中男性1 991人，女性1 910人，兩個群體的男女比例都接近1∶1。表1中顯示受過高等教育的人比未受過高等教育的平均月工資收入的對數(shù)要高，平均受教育年限是非高等教育群體的兩倍左右。高等教育群體的平均工作經(jīng)驗為17.851年，非高等教育群體的平均工作經(jīng)驗為31.067年，比高等教育高出接近一倍左右。高等教育群體中非農(nóng)業(yè)戶口人數(shù)居多，而非高等教育群體的農(nóng)業(yè)戶口占多數(shù)。工作地區(qū)兩者的數(shù)據(jù)比較接近，高等教育群體在公共部門工作的人多于非高等教育群體。在黨員身份、父母親受教育年限變量中，高等教育群體的均值普遍高于未接受過高等教育的群體。相關(guān)變量的更多基本情況見表1。

表1 變量的描述統(tǒng)計

3 多元線性回歸結(jié)果分析

3.1 高等教育群體的教育收益率分析

在探討高等教育群體的教育收益率之前，需研究高等教育群體的經(jīng)濟(jì)回報情況，表2是接受過高等教育的教育收益率的多元回歸分析結(jié)果。模型(1)和模型(2)對應(yīng)的是最簡單的Mincer方程，控制變量只包括接受高等教育的年限、性別、工作經(jīng)驗和工作經(jīng)驗的平方，回歸結(jié)果的P值都小于0.001，其中男性的月平均工資比女性顯著高出22%(e0.199-1)。模型(3)增加父母親受教育年限的代理變量，估計家庭受教育程度和高等教育收益率之間的關(guān)系。從顯著性水平看，父母親受教育年限的P值<0.001，對高等教育收益率的影響比較顯著。模型(4)在回歸方程中加入了工作地區(qū)變量，包括西部、中部和東部地區(qū)。根據(jù)回歸結(jié)果顯示，在控制其他變量的情況下，工作地區(qū)對高等教育收益率存在顯著影響；西部地區(qū)和中部地區(qū)月平均收入水平較接近，而東部地區(qū)要比西部地區(qū)高出51.7%(e0.417-1)。東部地區(qū)依靠其較高的教育收益率、大量的就業(yè)機(jī)會和完善的就業(yè)服務(wù)吸引越來越多的人才慕名而來。模型(5)增加了工作單位變量，得到的回歸模型數(shù)據(jù)結(jié)果顯示，公共部門的高等教育收益率顯著低于市場部門，月平均工資增長率低13.2%。因此可以認(rèn)為隨著中國特色社會主義市場經(jīng)濟(jì)的不斷完善和發(fā)展，市場部門的高等教育收益率更高。模型(6)在回歸模型中引入黨員身份變量，探索政治身份對教育收益的影響。模型(6)加入黨員身份變量后的P值>0.1，且決定系數(shù)R2相比模型(5)從原來的0.227變?yōu)?.228，只增加了0.001，所以可以認(rèn)為黨員身份對高等教育收益率的影響不顯著。

表2 高等教育群體的回歸結(jié)果

3.2 非高等教育群體的教育收益率分析

非高等教育的教育收益分析與高等教育的控制環(huán)境相同，因變量、自變量相同，也采用多元回歸的嵌套模型，方便后面比較分析兩者的共性和差異[10]。表3中模型(1)和模型(2)同樣是經(jīng)典的明瑟收益方程，并且受教育年限、工作經(jīng)驗和性別因素對教育收益的影響顯著，不同的是非高等教育群體每增加一年的教育獲得月工資收入的增長率平均在6.7%左右，高等教育群體的月工資收入增長率平均為15.8%；比未接受高等教育人高9.1%的回報率，是非高等教育群體的2倍多；工作經(jīng)驗每增加一年比非高等教育群體的月工資收入增長率高5倍左右。在性別變量方面，非高等教育群體的男性比女性的教育收益率顯著高出41.5%，說明不管接受何種程度的教育，男性在教育的經(jīng)濟(jì)收益上都占優(yōu)勢。模型(3)中的父母受教育年限作為能力的代理變量，對他們兒女的經(jīng)濟(jì)收益率影響具有顯著性。模型(4)中部地區(qū)和東部地區(qū)的教育收益率都高于參照組(西部地區(qū))的經(jīng)濟(jì)回報，因此對于非教育群體的教育收益率在中、東部地區(qū)都具有顯著優(yōu)勢，其中東部地區(qū)又高于中西部地區(qū)。此外又引入了工作單位變量，但模型(5)的結(jié)果與其他模型結(jié)果存在顯著差異，且直接導(dǎo)致了其他多個變量的不顯著，將不同模型多次回歸后發(fā)現(xiàn)工作單位對于非高等教育群體的教育收益率來說屬于無關(guān)變量。在處理模型(6)方程中，不管是否加入工作單位因素，黨員身份回歸結(jié)果的P值都大于0.1，對非高等教育群體的教育收益率沒有顯著影響。

表3 非高等教育群體的回歸結(jié)果

4 總結(jié)與建議

本文基于中國綜合社會調(diào)查2015年數(shù)據(jù)，重點對我國接受過高等教育與非高等教育群體的教育收益率進(jìn)行了比較分析，研究結(jié)論主要從研究假設(shè)的幾方面總結(jié)。第一，研究結(jié)果顯示高等教育的教育收益率要顯著高于非高等教育，高等教育群體每增加一年的工作經(jīng)驗的平均月工資收入增長率要比非高等教育群體高出5倍左右，兩者的差距比較明顯。然而，不是接受了高等教育就一定能帶來相應(yīng)收入的提高，教育收益率還受一些外在因素的影響。第二，教育收益率受性別因素影響較大，男性的教育收益率要顯著高于女性。而對于非高等教育群體來說，教育收益率受性別差異的影響又有所減少。第三，教育收益率都受到地區(qū)差異的調(diào)節(jié)，在東部地區(qū)工作的高等教育群體的收入增長率高出西部地區(qū)51.7%，不同的是非高等教育群體在中部和東部工作的收入增長率都高于西部地區(qū)。第四，工作單位能顯著影響高等教育群體的收入增長率，市場部門的工資增長速度要高于公共部門，但對于非高等教育群體來說，卻不存在顯著性。第五，政治身份雖然有利于獲得更多的資源，但對于兩者的教育收益率都沒有顯著影響。第六，父母親的受教育年限作為個人能力的代理變量都能顯著影響教育收益率，兩者的影響程度相近。

綜上所述，本文通過對比研究高等教育與非高等教育群體在教育收益率上的區(qū)別和聯(lián)系，發(fā)現(xiàn)個體的文化程度和受教育年限在一定程度上就決定了其收入的高低。因此，單從教育對個體的教育收益率來看，盡可能選擇接受高等教育并努力完成自己的學(xué)業(yè)，在目前依然是一種相對有效的提高個人經(jīng)濟(jì)收入水平的方式。