蔣銀娟 周勤

摘 要：農(nóng)村地區(qū)青少年教育問題既關系到發(fā)展低收入階層群體脫貧致富的自生能力，也關系到實現(xiàn)社會主義共同富裕。本文利用中國家庭健康與營養(yǎng)調(diào)查（CHNS）等微觀調(diào)查數(shù)據(jù)分析制造業(yè)就業(yè)技能結構變化對農(nóng)村地區(qū)青少年教育選擇行為的影響。結果表明，地區(qū)不同技能就業(yè)份額變化將對農(nóng)村地區(qū)青少年教育選擇行為產(chǎn)生差異性的影響。高技能就業(yè)份額增大，則會鼓勵促進農(nóng)村地區(qū)青少年接受高中以及高等教育；低技能和中等技能就業(yè)份額增大，則不利于其接受高層次教育。進一步研究發(fā)現(xiàn)，不同技能就業(yè)份額對農(nóng)村地區(qū)青少年教育選擇的影響主要是通過收入效應、機會成本效應和預期收益效應發(fā)揮作用。并且，對不同年齡段、家庭農(nóng)業(yè)收入占比有差異的個體來說，不同技能就業(yè)份額也會產(chǎn)生異質(zhì)性的影響。

關鍵詞：就業(yè)技能結構；就業(yè)技能需求；個體教育選擇

DOI：10.19313/j.cnki.cn10-1223/f.20230614.001

一、引 言

近年來，中國經(jīng)濟產(chǎn)業(yè)轉(zhuǎn)型、制造業(yè)智能化生產(chǎn)趨勢日益明顯，這對勞動力市場就業(yè)結構產(chǎn)生較大的沖擊。學術界開始關注勞動力市場就業(yè)結構變化特征以及影響因素。不少學者發(fā)現(xiàn)，中國制造業(yè)就業(yè)技能結構變化呈現(xiàn)出兩極化趨勢（王永欽和董雯，2020；孫早和侯玉琳，2019；屈小博和程杰，2015）?！皟蓸O化”是指高技能和低技能職業(yè)崗位的相對擴張而中等技能職業(yè)崗位的相對收縮。通常勞動力技能層次、受教育程度與其工資收入水平有緊密關聯(lián)。就業(yè)技能結構極化也意味著不同受教育程度的勞動力就業(yè)需求差異分化，這可能造成收入差距拉大的后果，也可能對家庭教育投資行為產(chǎn)生間接的影響。同時，在我國高等教育不斷擴招的背景下，我國農(nóng)村家庭青少年高中階段入學率遠低于全國平均水平。與城鎮(zhèn)家庭相比，占據(jù)低收入階層主體的農(nóng)村家庭在子女教育投資上往往積極性不太高。那么，中國勞動力就業(yè)技能結構變化新趨勢究竟促進還是抑制了農(nóng)村地區(qū)青少年教育選擇呢？這一問題仍然有待實證檢驗。

以往文獻分析影響家庭中個體是否接受高層次教育的因素，大多是從不同技能需求角度進行分析，不同技能崗位的需求擴張導致受教育的機會成本、預期收益變化，從而對個體接受教育的選擇行為產(chǎn)生影響。例如，就業(yè)崗位擴張（張川川，2015）、就業(yè)技能偏向（張軍等，2018）、政府產(chǎn)業(yè)政策（龐曉鵬等，2020）等角度。另外，也有部分研究分析農(nóng)業(yè)生產(chǎn)率提升（周京奎等，2019）、宗族（丁從明等，2018）對農(nóng)村家庭人力資本投資影響。這些文獻側(cè)重強調(diào)收入提高緩解了個體接受高層次教育的資金約束，從而促進農(nóng)村家庭的教育投資。人力資本投資行為與其他資本投資類似，既會受到投資預期收益、機會成本的影響，也會受到信貸資金約束的影響。較少有文獻將這兩類結合分析。本文分析制造業(yè)就業(yè)技能結構變化對農(nóng)村地區(qū)青少年接受高層次教育的影響，并且將上述兩類機制效應結合起來分析其影響。

制造業(yè)就業(yè)技能結構變化一方面影響到農(nóng)村地區(qū)青少年接受高層次教育的預期收益和機會成本，另一方面也會影響其家庭中父輩外出務工收入，從而影響到家庭子女教育投資的資金約束。因此，就業(yè)技能結構變化可能通過多種作用渠道來影響農(nóng)村地區(qū)青少年教育選擇行為。本文試圖利用中國家庭營養(yǎng)健康調(diào)查等微觀調(diào)查數(shù)據(jù)分析就業(yè)技能結構變化對農(nóng)村地區(qū)青少年教育選擇行為的影響。

本文的可能創(chuàng)新之處為，揭示了技能就業(yè)結構變化對農(nóng)村家庭個體教育選擇的影響，并探討技能就業(yè)結構如何通過對家庭中父母和子女產(chǎn)生不同的作用機制，從而影響到農(nóng)村青少年的教育選擇行為。其中，不同技能層次的勞動力就業(yè)份額變化通過收入效應、預期收益效應以及機會成本效應所產(chǎn)生的影響具有明顯差異。接下來，本文將介紹我國制造業(yè)就業(yè)技能結構變化趨勢和農(nóng)村地區(qū)青少年接受高中階段教育的狀況。

二、典型性事實

首先，無論是整體勞動力市場還是制造業(yè)勞動力就業(yè)技能結構，均呈現(xiàn)出明顯變化趨勢。通常，文獻中將初中及以下教育程度的勞動力定義為低技能勞動力，將高中及中職教育文化程度定義為中等技能勞動力，將大專及本科以上教育程度定義為高技能勞動力。根據(jù)此分類，勞動力就業(yè)技能結構呈現(xiàn)升級的趨勢。圖1 表明，制造業(yè)低技能和中等技能勞動力就業(yè)份額下降，而高技能勞動力就業(yè)份額上升。圖2 表明，在交通運輸業(yè)、批發(fā)零售業(yè)以及餐飲住宿業(yè)等農(nóng)村流動人口從業(yè)比例較大的服務性行業(yè)中，低技能勞動力就業(yè)份額下降，而中等技能就業(yè)份額較少幅度上升，高技能勞動力就業(yè)份額明顯上升。這種趨勢在2010 年以后尤其突出。這也與2008 年以后我國大量的勞動密集型制造業(yè)從業(yè)工人進入交通運輸、倉儲等服務業(yè)就業(yè)的現(xiàn)象吻合。附圖1 表明，整個勞動年齡段就業(yè)人口（16-60 歲）中，中等技能就業(yè)份額不變，低技能就業(yè)份額下降，高技能就業(yè)份額上升。高中及大學年齡段就業(yè)人口（16-24 歲）中，低技能就業(yè)份額下降，中、高技能就業(yè)份額增加。

其次，農(nóng)村地區(qū)家庭非農(nóng)業(yè)收入占總收入比例較高。圖3 是采用中國家庭追蹤調(diào)查數(shù)據(jù)統(tǒng)計得到。圖3 顯示，一直以來，農(nóng)村地區(qū)的農(nóng)戶家庭非農(nóng)收入占比呈現(xiàn)逐漸上升的趨勢。這說明，對大部分農(nóng)村家庭來說，家庭成員外出務工收入構成家庭收入的重要組成部分。農(nóng)戶家庭兼業(yè)化現(xiàn)象十分普遍，部分家庭成員留守務農(nóng)，部分青壯年家庭成員外出務工。

再次，農(nóng)村外出務工人員群體也呈現(xiàn)出不同的技能就業(yè)結構變化趨勢。農(nóng)村家庭成年子女外出務工，成為流動人口勞動力。本文接著利用中國流動人口動態(tài)監(jiān)測數(shù)據(jù)庫（CMDS）進行統(tǒng)計分析。圖4 表明，2011-2018 年間，農(nóng)村戶籍的流動人口中，低技能就業(yè)份額占比呈現(xiàn)逐漸下降趨勢，中等技能就業(yè)份額變化不大，高技能就業(yè)份額占比呈現(xiàn)逐漸上升趨勢。勞動力就業(yè)技能結構呈現(xiàn)出升級趨勢，尤其是青年年齡段勞動力就業(yè)技能結構升級更為明顯。

最后，我國農(nóng)村家庭高中階段入學率有待繼續(xù)提升。盡管是基于中國家庭追蹤調(diào)查數(shù)據(jù)，尚未進行權重處理，圖5 依然反映了我國農(nóng)村家庭青少年高中階段入學比例變化。圖5 表明，2010-2018年，我國農(nóng)村家庭青少年高中階段毛入學率有所上升，但是與全國毛入學率數(shù)值的85%左右仍有一定差距。

三、理論機制分析

近年來，許多學者研究勞動力市場結構性變化。本文將相關的研究文獻梳理為兩類：其一，研究勞動力市場技能就業(yè)結構變化通過影響微觀個體的就業(yè)機會和收入，從而影響個體的選擇行為。不少研究都證實了新技術應用對不同技能勞動收入產(chǎn)生截然不同的影響（康茜和林光華，2021；胡晟明等，2021）。新技術重塑勞動力市場就業(yè)結構的同時也會影響到不同技能群體的收入。因此，技能就業(yè)份額變動將通過收入效應對微觀個體的行為產(chǎn)生影響。Seltzer（2019）研究發(fā)現(xiàn)，勞動力就業(yè)結構極化使得微觀主體選擇降低生育率從而降低整體社會生育率。Hennig（2021）研究發(fā)現(xiàn)，就業(yè)結構極化會通過家庭收入影響到子女受教育狀況。上述文獻均強調(diào)了就業(yè)技能結構變化所導致的家庭收入變化，可將其概括為收入效應。

其二，勞動力市場技能需求變化對教育人力資本投資的影響。國際分工或技術進步會導致勞動力市場技能需求結構變化，進而會影響教育投資。不同技能勞動力會產(chǎn)生工資差異和不同的教育投資回報率進而影響教育投資決策（Falvey 等，2010；Li，2018；Blanchard 和Olney，2017；Atkin，2016）。這就是技能結構變化對教育投資影響的預期收益效應。同時，發(fā)展中國家中低技能崗位擴張也可能通過提高受教育的機會成本，從而阻礙教育投資（張川川，2015）。這就是技能就業(yè)結構變化對教育投資的機會成本效應。本文將技能就業(yè)份額變化對農(nóng)村家庭青少年接受教育的影響作用機制歸納為以下幾類，具體見表1。

四、數(shù)據(jù)處理說明和實證分析

（一）數(shù)據(jù)處理和說明

本文數(shù)據(jù)來自中國家庭健康與營養(yǎng)調(diào)查數(shù)據(jù)庫（CHNS），樣本期包含了2000 年、2004 年、2006 年、2009 年、2011 年、2015 年等6 個間隔年度。選擇這段時期作為樣本期主要是為了方便與中國工業(yè)企業(yè)數(shù)據(jù)庫的樣本信息進行匹配，從而得到調(diào)查觀測個體所在省份就業(yè)技能結構的數(shù)據(jù)信息。樣本期的觀測個體來自東、中、西部地區(qū)的7 個省份，其中既包括了經(jīng)濟較發(fā)達的省份如江蘇、山東，也包括了欠發(fā)達地區(qū)省份如貴州、廣西，調(diào)查省份涵蓋范圍較廣，具有較好的代表性。為了分析農(nóng)村家庭青少年的教育選擇，本文只選取農(nóng)村地區(qū)調(diào)查點的數(shù)據(jù)進行分析，并且將部分缺少教育信息等關鍵變量的個體樣本進行刪除。

同時，為了避免CHNS 數(shù)據(jù)調(diào)查樣本省份過少從而對估計結果產(chǎn)生影響，本文還選擇了中國社會綜合調(diào)查（CGSS）數(shù)據(jù)進行分析，其樣本期為2010-2013 年，也是和工業(yè)企業(yè)數(shù)據(jù)庫進行匹配后進行分析，具體變量處理見后文。

（二）變量處理

本文的被解釋變量是農(nóng)村家庭青少年教育選擇行為。具體采用農(nóng)村家庭適齡青少年是否接受高中及以上階段教育。我國義務教育法規(guī)定，小學階段入學年齡為6-7 周歲，正常情況下青少年在15-17 歲接受高中階段教育。但是，由于新世紀初期農(nóng)村地區(qū)留級等現(xiàn)象的存在，且學生在中考和高考失利后復讀的比例并不低，農(nóng)村學生可能就讀于高職、?？频葘W制不同的學校，所以本文在篩選高中及以上階段教育時使用了多個年齡段。本文假定年齡處于16-22 歲的農(nóng)村青少年屬于接受高中及以上階段教育的適齡群體，同時也篩選出15-22 歲、16-22 歲樣本進行穩(wěn)健性分析。假如其在被調(diào)查年份狀態(tài)處于“在?！?，被解釋變量取值為1，否則，被解釋變量取值為0。

就業(yè)技能結構份額指標，參考張軍等（2018）的處理辦法，利用2000-2013①年中國工業(yè)企業(yè)數(shù)據(jù)庫的制造業(yè)企業(yè)數(shù)據(jù)來構建省級層面不同技能層次的行業(yè)就業(yè)份額占比。通常有兩種方式來劃分技能層次標準，其一，根據(jù)行業(yè)中勞動者的受教育層次高低。具體方法如下：根據(jù)勞動者的受教育層次分為本科及以上、高中以及中專、初中及以下，計算出三位數(shù)行業(yè)層面不同技能層次的行業(yè)就業(yè)份額占比。根據(jù)其中份額最高的技能類型層次來確定該行業(yè)的技能類型層次。例如，三位數(shù)行業(yè)碼為263 的行業(yè)中，高級教育層次、中級教育層次以及低級教育層次的勞動者占比數(shù)值分別為0.447、0.276、0.277，那么該行業(yè)則屬于高技能類型行業(yè)。

其二，是根據(jù)人均微型計算機使用數(shù)量來衡量行業(yè)技能層次標準。在三位數(shù)的行業(yè)層面上，將行業(yè)人均微機數(shù)進行三等分，劃分出高、中、低三個層次的數(shù)值范圍，然后根據(jù)行業(yè)人均微機數(shù)將所有行業(yè)區(qū)分為高、中、低技能三個類型。

無論是根據(jù)行業(yè)中勞動者的教育層次來劃分行業(yè)技能層次類型，還是根據(jù)人均微機數(shù)量來劃分類型，中國工業(yè)企業(yè)數(shù)據(jù)庫中只記錄了2004 年的企業(yè)員工教育背景和微機數(shù)量的信息。因此，主要是利用2004 年的數(shù)據(jù)信息來劃分三位數(shù)行業(yè)所屬的技能層次類型。于是，分別采用上述兩種方式計算得到2000 年、2004 年、2006 年、2009 年以及2011 年等年度的各省份制造業(yè)就業(yè)技能結構份額的指標，具體計算公式如下：

其中，該式子中分母為j 地區(qū)的制造業(yè)所有就業(yè)人數(shù)總和。s 為高、中、低三種技能類型層次，p 代表制造業(yè)三位數(shù)行業(yè)的代碼，Ratio sjt 代表t 年j 地區(qū)技能類型為s 的行業(yè)就業(yè)份額占比， Emp pjt代表t年j地區(qū)p行業(yè)的就業(yè)人數(shù)， pjt p Emp * I（ ss）代表了t年j地區(qū)行業(yè)技能類型為s的就業(yè)人數(shù)。最后計算得到每個地區(qū)的高、中、低技能層次就業(yè)人數(shù)分別占就業(yè)人數(shù)總額的份額比例。值得注意的是，本文此處的地區(qū)既可指省級，也可指地級市。具體后文中有詳細介紹。

控制變量。為了控制其他相關因素對估計系數(shù)估計的擾動影響，本文控制如下變量：首先控制家庭特征變量。（1）家庭人均收入。家庭收入高低會對子女教育投資產(chǎn)生影響（鄒薇和鄭浩，2014）。并且，家庭中撫養(yǎng)比也可能會影響教育投資。因此，本文控制了經(jīng)過物價水平調(diào)整后的家庭人均收入。（2）家庭中父母教育背景。早期不少研究表明，父母受教育程度會對子女教育投資產(chǎn)生影響（祁翔，2013），因此本文分別控制了父母親的受教育程度。CHNS 數(shù)據(jù)中不少被訪個體只有單親的教育信息，并且，在將被訪個體與其父母教育信息進行匹配時，缺失數(shù)據(jù)較嚴重。后面將會考慮不控制父母教育背景這一變量的估計結果。其次，控制個人特征因素。（3）性別。多子女家庭中對子女教育投資是存在性別差異的，尤其是向男孩傾斜（劉雯等，2021），本文中被訪者是男性，則性別取值為1，被訪者是女性，則取值為0。再次，控制地區(qū)特征變量。（4）地區(qū)層面的GDP。（5）地區(qū)層面平均工資水平。（6）地區(qū)層面中等教育規(guī)模，以地區(qū)中等學校在校生人數(shù)來衡量。

（三）實證模型設定

根據(jù)前文的假說，本文的計量模型設定是為了分析就業(yè)技能份額變化對農(nóng)村家庭教育投資的影響，本文的基準模型設定如下：

其中， yijt代表了t 年度j 地區(qū)個體i 是否在校就讀； Xit代表了其他控制變量，既包含個體家庭層面的變量例如家庭人均收入、父母受教育程度、性別。X jt 代表地區(qū)層面的人均GDP、地區(qū)層面平均工資水平、地區(qū)層面中等教育辦學規(guī)模。同時還控制了年份固定效應、地區(qū)固定效應。代表隨機擾動項。

（四）描述性統(tǒng)計

表2 是部分變量的描述性統(tǒng)計。由于CHNS 數(shù)據(jù)庫中部分樣本的變量缺失情況比較嚴重，所以不同變量的觀察值數(shù)量有所不同。

五、實證結果

（一）基準模型估計結果

本文的被解釋變量為二值選擇變量，于是筆者采用Probit 模型進行估計。CHNS 是針對地區(qū)的追蹤調(diào)查數(shù)據(jù)，本文樣本研究期是2000-2015 年，在此期間年齡段為15-21 歲（或15-22 歲）的被訪者，大約2/3 只有一次調(diào)查記錄，而1/3 的被訪者有2-3 次記錄。首先，將其視為混合截面數(shù)據(jù)并且進行估計；隨后，將其視為非平衡面板數(shù)據(jù)，采用隨機效應模型進行估計。具體見下文詳細介紹。

表3 是將數(shù)據(jù)處理為混合截面數(shù)據(jù)進行估計的結果。表3 的核心解釋變量是地級市層面制造業(yè)低技能就業(yè)份額，表中其他技能類型也是類似。第2 列的結果表明，低技能就業(yè)份額的估計系數(shù)在10%的顯著性水平上為負。這說明，地區(qū)低技能就業(yè)份額越高，農(nóng)村家庭青少年高中及以上教育階段在校就讀的概率越低。第4 列的結果表明，中等技能就業(yè)份額的估計系數(shù)為負，但是并不顯著。第6 列的估計結果表明，高技能就業(yè)份額的估計系數(shù)顯著為正。這表明，地區(qū)高技能就業(yè)份額越高，則農(nóng)村家庭青少年高中及以上教育階段在校就讀的概率越高。

地區(qū)制造業(yè)就業(yè)結構中，高技能就業(yè)份額占比越大，高技能產(chǎn)業(yè)的勞動力占據(jù)就業(yè)市場份額越大，該地區(qū)農(nóng)村家庭青少年更傾向初中畢業(yè)后繼續(xù)在校學習。因為本地產(chǎn)業(yè)需求的勞動力技能水平較高，只有接受高中及以上階段教育才更有可能在本地找到適宜的工作。這說明高技能就業(yè)需求將激勵農(nóng)村家庭青少年接受高層次教育。

中等技能就業(yè)份額的估計系數(shù)為負數(shù)，但是并不顯著。這說明中等技能就業(yè)份額越高，其對農(nóng)村家庭青少年接受高中及以上階段教育的影響并不確定。

當?shù)图寄芫蜆I(yè)份額越大時，制造業(yè)中大量崗位工作只需要完成初中教育程度就能勝任，這樣反而不利于促進青少年繼續(xù)接受高中及以上教育。并且部分研究表明，貿(mào)易開放后，發(fā)展中國家不同技術技能勞動力工資出現(xiàn)變化，中國加入世貿(mào)組織后中低技能勞動力工資溢價上升。段志民（2018）的研究也表明，國際貿(mào)易對個體的高中入學決策具有顯著抑制作用，但有利于提升大學入學概率。如前文所述，被訪者父母受教育層次的信息是通過個體ID 匹配得到，因此，會有部分樣本（約500個樣本觀測值）缺失其父母受教育層次的信息。表4 表明，是否在校這個變量在父母親受教育層次存在缺失樣本中的平均值明顯低于無缺失樣本的均值，而不同技能就業(yè)份額的均值差別不大。

僅采用父母受教育層次無缺失值的樣本進行估計時，可能就是人為地選擇了在校概率更高的那部分樣本。本文在表5 和表6 中將分析同一組研究樣本。表5 展示了控制了父母親受教育層次變量的結果，表6 展示了沒有控制父母親受教育層次變量的結果。由于父母親受教育層次是有序分類變量。表5 中分別控制了父親受教育層次、母親受教育層次以及其他控制變量。

表5 的結果表明，地區(qū)低技能就業(yè)份額的估計系數(shù)和中等技能就業(yè)份額的估計系數(shù)均為負數(shù)，但是不顯著。高技能就業(yè)份額的估計系數(shù)仍然顯著為正。父親受教育層次的估計系數(shù)顯著為正，母親受教育層次的估計系數(shù)也顯著為正。這也和以往研究文獻中父母教育背景對子女受教育程度有積極影響的結論一致。

表5 和表6 的估計結果表明，是否加入父母親受教育程度，高技能就業(yè)份額的估計系數(shù)都是顯著為正。低技能就業(yè)份額和中等技能就業(yè)份額的估計系數(shù)均為負數(shù)，但是均不顯著。

（二）穩(wěn)健性分析

（1）另一種衡量技能層次的指標

本文接下來將以行業(yè)人均微型計算機數(shù)量來作為劃分行業(yè)技能層次的標準，這樣可以避免以勞動力受教育程度來劃分行業(yè)技能層次的不足。因為制造業(yè)具有較強的技術路徑依賴，較早布局了工業(yè)信息化的行業(yè)很可能成為工業(yè)智能化發(fā)展勢頭強勁的行業(yè)。因此，本文將以行業(yè)人均微型計算機數(shù)量來作為劃分技能層次的標準，估計結果見表7。表7 的第1-3 列是采用混合截面回歸的結果，第4-6 列是采用面板Probit 隨機效應模型估計的結果。高技能就業(yè)份額的估計系數(shù)為正，中等技能就業(yè)份額的估計系數(shù)為負數(shù)，低技能就業(yè)份額的估計系數(shù)為負數(shù)。這一結果和前文中的估計結果較類似。這也說明不同技能就業(yè)需求對農(nóng)村青少年接受高層次教育有差異性的影響。

（2）考慮省份層面技能就業(yè)份額的估計結果

由于本文關注的是農(nóng)村家庭青少年的教育選擇問題，農(nóng)村轉(zhuǎn)移勞動力可能存在跨區(qū)域流動進行打工就業(yè)的情形。全國流動人口動態(tài)監(jiān)測調(diào)查的數(shù)據(jù)顯示，2010 年47.91%的農(nóng)村流動勞動力跨省進行流動，52.09%在省內(nèi)流動（楊巧和楊揚長，2018）。這說明農(nóng)村青少年的教育選擇行為不僅可能受到本省的就業(yè)市場技能結構影響，也可能受到鄰近的其他省份就業(yè)市場技能結構的影響。因此，本文接下來將考慮跨省流動這個因素對估計結果的影響。表8 考慮地級市層面制造業(yè)技能就業(yè)份額的影響時，還控制了省級層面全部產(chǎn)業(yè)技能就業(yè)份額的影響。前者是制造業(yè)技能就業(yè)份額，后者是利用全省就業(yè)人口受教育層次信息構建的全部就業(yè)人口技能就業(yè)份額，后者可以反映不同技能就業(yè)份額隨著時間變化的趨勢。具體估計結果見表8。

表8 第1-3 列為混合截面數(shù)據(jù)進行估計的結果，第4-6 列是采用面板Probit 隨機效應模型估計得到的結果。由表8 可知，控制住省級層面全部就業(yè)人口技能就業(yè)份額后，地級市層面的制造業(yè)低技能、中等技能就業(yè)份額的估計系數(shù)為負數(shù)，仍然不顯著。制造業(yè)高技能就業(yè)份額的估計系數(shù)顯著為正。這一結果和前文類似。省級層面全部人口中等技能就業(yè)份額的估計系數(shù)顯著為負。這說明，服務業(yè)和制造業(yè)中等技能就業(yè)份額越大，則農(nóng)村家庭青少年高中及以上教育階段在校學習的概率越低。

如前文所述，2010 年農(nóng)村勞動力外出打工大約一半在省內(nèi)遷移，另一半則是省外遷移。2010年以后農(nóng)民工回流的趨勢更加明顯，省內(nèi)遷移比例逐漸上升，而且省外遷移主要也是流向了本省鄰近省份或者鄰近的長三角、珠三角等區(qū)域省份。因此，本文接下來分析省級層面的制造業(yè)技能就業(yè)份額的影響，還將同時控制鄰近省份制造業(yè)技能就業(yè)份額的影響。這里的鄰近并非地理接壤的鄰近，而是經(jīng)濟學“虹吸效應”的鄰近。首先，根據(jù)2011 年中國流動人口動態(tài)調(diào)查數(shù)據(jù)，篩選出該省流動人口前四位的流入地作為鄰近省份。例如，江蘇省，其流動人口前四位的流入地省份為上海、浙江、北京、天津。然后，根據(jù)前四位省份的低技能就業(yè)份額數(shù)值計算出平均值，從而得到江蘇省鄰近省份的低技能就業(yè)份額的數(shù)值。中等技能和高技能就業(yè)份額的處理辦法類似。

同時，除了基準模型中的控制變量外，也控制了其他省級層面變量，例如，省級層面GDP、省級層面的平均工資水平、省級層面的農(nóng)村居民可支配收入、省級層面農(nóng)村居民工資收入、省內(nèi)公路里程數(shù)以及省級層面的家庭平均教育支出。上述變量均采用其對數(shù)形式來衡量。

表9 的第2 列結果表明，省級層面的制造業(yè)低技能就業(yè)份額的估計系數(shù)顯著為負，而且鄰近省份低技能就業(yè)份額的估計系數(shù)也顯著為負。鄰近省份中等技能份額、鄰近省份高技能就業(yè)份額的估計系數(shù)不顯著。這說明，不僅本省低技能就業(yè)份額會對農(nóng)村家庭青少年在校學習的概率產(chǎn)生負向影響，而且其鄰近省份的低技能就業(yè)份額也會產(chǎn)生負向影響。鄰近省份中等技能、高技能就業(yè)份額的作用不太明顯。這與常見的經(jīng)濟現(xiàn)象較為相符：廣東省低技能就業(yè)份額增加，也會對湖南省農(nóng)村青少年高中及以上教育階段在校就讀概率產(chǎn)生負面影響。

（3）不同年齡段被訪者樣本的估計結果

基準回歸中樣本年齡段為15-21 歲。本文接著再篩選出15-22 歲、16-22 歲年齡段的樣本進行實證分析。估計結果見表10。其中表1-3 列呈現(xiàn)了15-22 歲年齡段的樣本的估計結果，表4-6 列呈現(xiàn)了16-22 歲年齡段的樣本的估計結果。

表10 第1-3 列結果表明，低技能就業(yè)份額的估計系數(shù)和中等技能就業(yè)份額估計系數(shù)均為負數(shù)，但是并不顯著。高技能就業(yè)份額的估計系數(shù)在5%顯著性水平上為正。第4-6 列中，低技能就業(yè)份額的估計系數(shù)為負數(shù)。中等技能就業(yè)份額的估計系數(shù)在10%顯著性水平上為負數(shù)。高技能就業(yè)份額的估計系數(shù)在1%的顯著性水平上為正。這說明，對于年齡更大些的被訪者樣本，不同技能就業(yè)結構變化的作用更加明顯。

（4）內(nèi)生性檢驗

另外，本文還將考慮可能存在其他遺漏變量，內(nèi)生性問題會導致估計系數(shù)產(chǎn)生偏誤。地區(qū)經(jīng)濟發(fā)展水平可能對農(nóng)村青少年教育選擇產(chǎn)生影響，也可能影響地區(qū)技能就業(yè)份額。為了緩解內(nèi)生性問題，接下來將采取工具變量法進行估計。本文選擇各地區(qū)省會城市離最近的港口城市的地理距離與當年該省進出口貿(mào)易額的交互項作為工具變量。這兩者均采用對數(shù)形式。因為與港口的地理距離會影響該省對外貿(mào)易規(guī)模，而對外貿(mào)易會對地區(qū)勞動力技能結構變動產(chǎn)生影響（黎詩揚等，2019）。并且，我國沿海勞動力密集型產(chǎn)業(yè)向內(nèi)地省份進行產(chǎn)業(yè)轉(zhuǎn)移，這會影響到地區(qū)勞動力技能就業(yè)結構。

因此，本文認為工具變量會影響省級層面的技能就業(yè)份額。然而，工具變量對該地區(qū)農(nóng)村家庭青少年的在校學習情況并沒有直接影響。因此，工具變量符合與解釋變量相關而與被解釋變量無關的條件。具體估計結果見表11。

表11 中反映了采用工具變量法進行估計的結果。低技能就業(yè)份額的估計系數(shù)在10%的顯著性水平上為負數(shù)，而中等技能就業(yè)份額的估計系數(shù)不顯著，高技能就業(yè)份額的估計系數(shù)在5%的顯著性水平上為正。第一階段的結果表明，工具變量的估計系數(shù)也是顯著的。這說明，工具變量符合與解釋變量有相關性的條件。并且，Wald 檢驗的結果表明，工具變量符合外生性的條件。工具變量是有效的，采用兩階段工具變量法得到的結果也與前文類似。

（三）異質(zhì)性分析和機制分析

（1）區(qū)分高中階段和高中以上階段的樣本

高中教育層次和高中以上教育層次的勞動力分別屬于中等技能和高技能勞動力。根據(jù)前文的理論機制，不同技能就業(yè)份額的變化對高中階段、高中以上階段的家庭教育投資具有不同的影響。因此，本文接下來將全部樣本區(qū)分為15-17 歲年齡段樣本和18-21 歲年齡段樣本。

第1 列結果表明，低技能就業(yè)份額的估計系數(shù)不顯著。對15-17 歲的個體來說，這可能由于對農(nóng)村家庭父母產(chǎn)生的收入效應、接受高中階段教育的機會成本增加，這兩者對教育選擇分別具有正向影響、負向影響。兩種效應綜合起來，從而使得低技能就業(yè)份額的系數(shù)不顯著。第4 列結果表明，低技能就業(yè)份額的估計系數(shù)顯著為負。如果低技能就業(yè)份額增加，對18-21 歲的個體來說，如果此時中等就業(yè)份額需求保持不變，這意味著高技能就業(yè)份額相對較少。即使完成高等教育其預期收益也不高，這降低了農(nóng)村家庭子女念大專、普通高等學校的積極性。因此，低技能就業(yè)份額對青少年高中以上階段的在校概率產(chǎn)生了顯著的負向影響，反正亦然。并且，對于較小年齡的個體（15-17歲）來說，低技能就業(yè)份額變動通過家庭收入效應影響作用大；而對較大年齡的個體（18-21 歲）來說，低技能就業(yè)份額變動通過受教育的預期收益以及機會成本效應的影響作用更大。

第2 列和第5 列結果表明，中等技能就業(yè)份額的估計系數(shù)不顯著。中等技能就業(yè)份額增加，根據(jù)前文中典型性經(jīng)濟事實，技能結構變化呈現(xiàn)一定升級趨勢。高技能就業(yè)份額不變時，那么低技能就業(yè)份額減少，對于15-17 周歲年齡段的個體來說，家庭父輩收入減少、接受高中階段教育的預期收益增加，收入效應和預期收益效應綜合起作用，對青少年接受高中階段教育影響作用不明顯。第5列表明，中等技能就業(yè)份額增加，對于18-21 歲年齡段的個體來說，家庭父輩收入減少，高中畢業(yè)后去打工的預期收益增加，同時，上大專和本科的機會成本也會增加。收入效應、預期收益效應以及機會成本效應綜合起來發(fā)揮作用，中等技能就業(yè)份額便會對青少年接受高等教育的影響不明顯。

第6 列的結果表明，高技能就業(yè)份額的估計系數(shù)顯著為正。這表明，如果高技能就業(yè)份額增加，對父母的直接收入影響很微弱。根據(jù)典型性經(jīng)濟事實，技能就業(yè)結構呈現(xiàn)一定的升級趨勢，高技能就業(yè)份額增加，中等技能就業(yè)份額保持不變或減少。對18-21 歲年齡段個體來說，接受完整的高等教育的預期收益增加、機會成本減少，因此，對其接受高等教育具有正向影響。

（2）區(qū)分不同土地經(jīng)營規(guī)模、家庭農(nóng)業(yè)收入占比的估計結果

以往部分研究提到土地稟賦對家庭教育投資的影響（李菁等，2002；陳沁和袁志剛，2012），同時，土地經(jīng)營規(guī)模面積會影響到家庭土地流轉(zhuǎn)或者農(nóng)戶外出務工的選擇。而外出從事非農(nóng)勞動是地區(qū)制造業(yè)技能就業(yè)結構變化對青少年教育選擇行為施加收入效應、預期收益效應以及機會成本效應的關鍵渠道。但是，在我國，極少數(shù)青少年會在初中畢業(yè)后從事農(nóng)業(yè)生產(chǎn)。對父母輩來說，存在從事農(nóng)業(yè)經(jīng)營和非農(nóng)務工兩種選擇，而對農(nóng)村青少年來說，絕大部分仍是選擇非農(nóng)就業(yè)。本文接下來將農(nóng)村家庭根據(jù)其土地經(jīng)營規(guī)模面積分為兩組，具體為土地經(jīng)營規(guī)模低于均值的樣本和土地經(jīng)營規(guī)模高于均值的樣本。

表13 的結果表明，對家庭土地經(jīng)營規(guī)模較低的樣本來說，低技能就業(yè)份額、中等技能就業(yè)份額以及高技能就業(yè)份額的估計系數(shù)均不顯著。對土地經(jīng)營規(guī)模較高的樣本來說，低技能就業(yè)份額的估計系數(shù)為負，但是不顯著。中等技能就業(yè)份額的估計系數(shù)顯著為負數(shù)。高技能就業(yè)份額的估計系數(shù)顯著為正。這說明，高技能就業(yè)份額對土地經(jīng)營規(guī)模越大的家庭青少年的教育選擇正向影響更加明顯。

通常，土地經(jīng)營規(guī)模越大，家庭將會從農(nóng)業(yè)生產(chǎn)中獲得更多的收入。于是，本文接下來將全部樣本根據(jù)其家庭農(nóng)業(yè)收入占比高低進行分類，具體分為農(nóng)業(yè)收入占比低于均值的樣本和農(nóng)業(yè)收入占比高于均值的樣本。估計結果見表14。

表14 的估計結果表明，地區(qū)技能就業(yè)份額對農(nóng)業(yè)收入占比更高家庭青少年的教育選擇具有更加顯著的影響。這表明，一方面，農(nóng)業(yè)收入占比較高的家庭，一直以來該家庭的非農(nóng)收入占比較低。家庭主要收入來源是農(nóng)業(yè)經(jīng)營，而不是靠父母輩外出務工。那么地區(qū)低技能就業(yè)份額增加，對通過家庭中父母輩外出打工獲得收入增加，從而促進教育投資的收入效應更弱；反而通過提高家庭中子女輩的接受高中階段教育機會成本，促使其初中畢業(yè)后棄學打工的概率越大。機會成本效應影響更明顯。相反，如果家庭農(nóng)業(yè)收入占比低，非農(nóng)收入占比較高，那么，低技能就業(yè)份額增加，父母輩務工收入和家庭總收入大幅增加，對子女教育投資有更強烈的積極作用。這會抵消掉部分由于機會成本效應所導致的對青少年教育選擇的負面作用。

另一方面，農(nóng)業(yè)收入占比較高的家庭，非農(nóng)收入占比較低。那么地區(qū)高技能就業(yè)份額增加，農(nóng)村父母輩就業(yè)機會和收入受其影響較少。這是因為家庭主要收入靠農(nóng)業(yè)經(jīng)營，高技能就業(yè)份額變化對家庭總收入的影響較弱。由于接受高等教育的預期收益效應較大，因此，高技能就業(yè)份額增加會對農(nóng)村青少年教育選擇產(chǎn)生更明顯的積極影響。預期收益效應更明顯。

相反，如果家庭農(nóng)業(yè)收入占比低，非農(nóng)收入占比較高。那么地區(qū)高技能就業(yè)份額增加，農(nóng)村父母輩的技能層次大多屬于低技能勞動力。因此，即使家庭收入主要靠非農(nóng)務工，但是對父母輩就業(yè)機會和收入影響作用較弱。這也使預期收益效應更明顯。

總而言之，對非農(nóng)收入占比較低的家庭來說，主要是機會成本效應和教育預期效應發(fā)揮作用。非農(nóng)收入占比較高的家庭，收入效應也會發(fā)揮較大的作用，但僅限于在低技能就業(yè)份額變化的影響作用之下。

另外，當家庭中青少年選擇不讀書而是外出打工時，其可能導致家庭人均收入較高。家庭農(nóng)業(yè)經(jīng)營收入和家庭總收入有關，但是，農(nóng)村青少年極少棄學去經(jīng)營農(nóng)業(yè)，家庭農(nóng)業(yè)經(jīng)營收入和青少年是否初中畢業(yè)后棄學打工相關性較少。為了減少對核心解釋變量的系數(shù)估計產(chǎn)生影響，因此，本文還將采用家庭農(nóng)業(yè)經(jīng)營收入替換掉家庭人均收入這個變量，即控制了家庭農(nóng)業(yè)經(jīng)營收入進行分析，估計結果見表15。表15 的估計結果表明，其核心解釋變量的估計系數(shù)與前文類似。

（四）采用中國社會綜合調(diào)查（CGSS）數(shù)據(jù)進行分析

前文中是采用CHNS 數(shù)據(jù)和工業(yè)企業(yè)數(shù)據(jù)進行匹配分析，CHNS 數(shù)據(jù)年份跨度較長，但只是對部分省份地區(qū)進行追蹤調(diào)查。CGSS 數(shù)據(jù)非追蹤調(diào)查數(shù)據(jù)，涉及省份較多，區(qū)域范圍更廣。于是本文接下來將CGSS 數(shù)據(jù)庫和工業(yè)企業(yè)數(shù)據(jù)庫進行匹配，分析省級層面的制造業(yè)技能結構變化對農(nóng)村地區(qū)、農(nóng)村戶籍青少年接受高中以上階段教育的影響。

其中，研究樣本的年齡段選擇17-21 歲，研究樣本期為2010-2013 年。之所以選擇這期間是工業(yè)企業(yè)數(shù)據(jù)庫截止到2013 年，而CGSS 第二期是2010 年開始的。被解釋變量為青少年個體是否在校學習和受教育層次。其中，青少年在校，取值為1，否則取值為0。受教育層次分類與前文類似。核心解釋變量為省級層面制造業(yè)技能就業(yè)份額。其他控制變量包括家庭總收入、父親受教育層次、母親受教育層次、性別以及省級公路里程等反映地區(qū)經(jīng)濟發(fā)展程度的變量。

表16 的結果表明，地區(qū)低技能、中等技能以及高技能就業(yè)份額的估計系數(shù)均不太顯著。而第4 列的結果表明，低技能就業(yè)份額的估計系數(shù)顯著為負數(shù)。這說明，低技能就業(yè)份額對個體受教育層次具有負向影響。表17 則是對農(nóng)村地區(qū)青少年樣本的估計結果。表17 的結果表明，低技能就業(yè)份額增長不利于農(nóng)村地區(qū)青少年受教育層次的提升，而中等技能就業(yè)份額增加，有利于促進農(nóng)村地區(qū)青少年受教育層次提升。

六、結論和政策啟示

工業(yè)智能化趨勢下就業(yè)技能結構變化明顯，不同技能就業(yè)需求會對農(nóng)村家庭青少年教育選擇產(chǎn)生影響。本文利用中國家庭健康與營養(yǎng)調(diào)查數(shù)據(jù)實證分析就業(yè)技能結構變化對農(nóng)村地區(qū)青少年是否接受高中及以上階段教育的影響，并作出機制探討。

研究結果表明，首先，不同層次技能就業(yè)份額變化對農(nóng)村地區(qū)青少年教育選擇具有差異性的影響。高技能就業(yè)份額越高，那么，農(nóng)村地區(qū)青少年選擇接受高中及以上階段教育的概率越大。低技能就業(yè)份額和中等技能就業(yè)份額的估計系數(shù)為負。其次，不同技能就業(yè)份額都將會通過收入效應、預期收益效應以及機會成本效應對家庭中父母和子女產(chǎn)生不同的影響，從而影響到農(nóng)村地區(qū)青少年的教育選擇。再次，對于不同年齡段、不同家庭收入占比結構的個體來說，技能就業(yè)份額是通過不同的作用機制來發(fā)揮作用的。此外，本文還通過替換衡量指標、工具變量方法等多種方法來檢驗研究結論的穩(wěn)健性。

由此，根據(jù)本文研究結論，提出相關的政策啟示和建議。隨著工業(yè)部門對勞動者技能水平要求提升，中等技能就業(yè)份額逐漸降低。高技能就業(yè)崗位需求擴張也會激勵農(nóng)村家庭進行教育人力資本投資。這將會有利于改善農(nóng)村地區(qū)的教育環(huán)境，提高農(nóng)戶家庭子女接受高層次教育的積極性。這也表明，產(chǎn)業(yè)技能結構升級有利于促進農(nóng)村地區(qū)人力資本投資。另外，研究結論還表明，地區(qū)高技能就業(yè)份額對農(nóng)地經(jīng)營規(guī)模較大家庭的青少年教育促進作用更明顯。本文提出以下的政策建議：第一，目前制造業(yè)技能結構呈現(xiàn)出中低技能就業(yè)份額下降而高技能就業(yè)份額上升的趨勢，高技能就業(yè)份額增加對農(nóng)村地區(qū)青少年教育具有促進作用，應充分發(fā)揮產(chǎn)業(yè)技能結構升級對農(nóng)村教育發(fā)展的促進作用。第二，增加農(nóng)民非農(nóng)務工收入、保障農(nóng)民工的合法權益，盡量避免低技能就業(yè)份額減少對農(nóng)民工家庭收入的沖擊。通過多種方式來拓展農(nóng)民增收渠道，降低農(nóng)村家庭青少年接受優(yōu)質(zhì)教育的成本。第三，農(nóng)村家庭農(nóng)地經(jīng)營面積也會對青少年接受高層次教育產(chǎn)生影響。因此，應繼續(xù)推進農(nóng)村土地流轉(zhuǎn)，使得農(nóng)村土地經(jīng)營適度規(guī)?；黾蛹彝マr(nóng)業(yè)收入，也將有助于促進家庭教育投資。

參考文獻

[1] 陳沁，袁志剛.《土地替代教育——城市化進程中農(nóng)業(yè)家庭的教育選擇》[J].《經(jīng)濟學（季刊）》，2013 年第12 期，第357-372 頁。

[2] 丁從明，邵敏敏，梁甄橋.《宗族對農(nóng)村人力資本投資的影響分析》[J].《中國農(nóng)村經(jīng)濟》，2018 年第2 期，第95-108 頁。

[3] 段志民.《國際貿(mào)易、技能調(diào)整與職業(yè)選擇——來自中國的經(jīng)驗證據(jù)》[J].《經(jīng)濟評論》，2018 年第2 期，第44-58 頁。

[4] 胡晟明，王林輝，朱利瑩.《工業(yè)機器人應用存在人力資本提升效應嗎？》[J].《財經(jīng)研究》，2021 第6 期，第61-75+91 頁。

[5] 康茜，林光華.《工業(yè)機器人與農(nóng)民工就業(yè)：替代抑或促進》[J].《山西財經(jīng)大學學報》，2021 年第2 期，第43-56 頁。

[6] 劉雯，於嘉，謝宇.《家庭教育投資的性別差異——基于多子女家庭的分析》[J].《青年研究》，2021 年第5期，第51-63+95-96 頁。

[7] 黎詩揚，朱華晟，丁玥.《國際貿(mào)易對地區(qū)勞動力技能升級的影響——基于中國大陸地區(qū)地級市的數(shù)據(jù)分析》[J].《地理科學進展》，2019 年第10 期，第1514-1522 頁。

[8] 李菁，林毅夫，姚洋. 《信貸約束、土地和不發(fā)達地區(qū)農(nóng)戶子女教育投資》[J]. 《中國人口科學》，2002 年第6 期，第10-26 頁。

[9] 龐曉鵬，龐小冬，霍鵬.《投資驅(qū)動型產(chǎn)業(yè)政策、地方固定資產(chǎn)投資與農(nóng)村人力資本積累——基于中國家庭追蹤調(diào)查（CFPS）的實證分析》[J].《經(jīng)濟理論與經(jīng)濟管理》，2021 年第7 期，第36-50 頁。

[10] 屈小博，程杰.《中國就業(yè)結構變化：“升級”還是“兩極化”？》[J].《勞動經(jīng)濟研究》，2015 年第1 期，第119-144 頁。

[11] 祁翔.《父母受教育程度與子女人力資本投資——來自中國農(nóng)村家庭的調(diào)查研究》[J].《教育學術月刊》，2013年第9 期，第73-79 頁。

[12] 孫早，侯玉琳. 《工業(yè)智能化如何重塑勞動力就業(yè)結構》[J].《中國工業(yè)經(jīng)濟》，2019 年第5 期，第61-79 頁。

[13] 王永欽，董雯.《 機器人的興起如何影響中國勞動力市場？——來自制造業(yè)上市公司的證據(jù)》[J].《 經(jīng)濟研究》，2020 年第10 期，第59-175 頁。

[14] 楊巧，楊揚長.《租房還是買房——什么影響了流動人口住房選擇？》[J].《人口與經(jīng)濟》，2018 年第6 期，第101-111 頁。

[15] 張川川. 《“中等教育陷阱”？——出口擴張、就業(yè)增長與個體教育決策》[J]. 《經(jīng)濟研究》，2015 年第12 期，第115-127 頁。

[16] 張軍，張慧慧，徐力恒. 《勞動力市場分割的技能偏向如何影響家庭人力資本投資》[J]. 《中國工業(yè)經(jīng)濟》，2018 年第8 期，第5-23 頁。

[17] 周京奎，王貴東，黃征學. 《生產(chǎn)率進步影響農(nóng)村人力資本積累嗎？——基于微觀數(shù)據(jù)的研究》[J].《經(jīng)濟研究》，2019 年第1 期，第100-115 頁。

[18] 鄒薇，鄭浩. 《貧困家庭的孩子為什么不讀書：風險、人力資本代際傳遞和貧困陷阱》[J].《經(jīng)濟學動態(tài)》，2014 年第6 期，第16-31 頁。

[19] Atkin D. Endogenous Skill Acquisition and Export Manufacturing in Mexico[J]， American Economic Review， 2016，106（8）： 2046-2085.

[20] Blanchard， E. J. and Olney， W. W. Globalization and Human Capital Investment： Export Composition DrivesEducational Attainment[J]. Journal of International Economics， 2017， 106： 165-183.

[21] Falvey， RD.， Greenaway， J. and Silva. Trade Liberalization and Human Capital Adjustment[J]. Journal of InternationalEconomics， 2010， 81（2）： 230-239.

[22] Hennig， Jan-Luca. Labor Market Polarization and Inter-generational Mobility： Theory and evidence[R]. Working paper，2021.

[23] Li B.. Export Expansion Skill Acquisition and Industry Specialization： Evidence from China[J]. Journal ofInternational Economics， 2018， 114（1）： 46-361.

[24] Seltzer N. Beyond the Great Recession： Labor Market Polarization and Ongoing Fertility Decline in the UnitedStates[J]. Demography， 2019， 56（4）： 1463-1493