程 云,張 超

(安徽信息工程學(xué)院 大數(shù)據(jù)與人工智能學(xué)院,安徽 蕪湖 241100)

近20年來(lái),我國(guó)高等教育規(guī)模逐漸擴(kuò)大,高校擴(kuò)招使更多人接受了高等教育,教育質(zhì)量成為關(guān)注焦點(diǎn)。高等教育作為調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和就業(yè)的重要途徑,能夠優(yōu)化人力資本,影響收入分配格局,因此教育回報(bào)率的探究對(duì)于經(jīng)濟(jì)發(fā)展具有重要意義,能為減少收入差距提供對(duì)策。而在高等教育中,大學(xué)本科教育占據(jù)中心地位,是高等教育的主體,是實(shí)現(xiàn)個(gè)體收入增長(zhǎng)、縮小收入差距的關(guān)鍵。教育回報(bào)率體現(xiàn)了教育水平提升所帶來(lái)的勞動(dòng)收入的增長(zhǎng)。許多學(xué)者從不同年份、不同維度測(cè)算了高等教育、中等教育的教育回報(bào)率及城鄉(xiāng)差異。

明瑟收入方程是估計(jì)教育回報(bào)率的主要形式,指出工資收入的對(duì)數(shù)值與受教育水平、工作經(jīng)驗(yàn)等的線性關(guān)系,普遍采用傳統(tǒng)最小二乘法估計(jì)教育回報(bào)率。邢春冰等[1]對(duì)城鄉(xiāng)教育回報(bào)率的差異及變動(dòng)趨勢(shì)進(jìn)行了測(cè)算,對(duì)樣本進(jìn)行重新劃分后,發(fā)現(xiàn)農(nóng)村教育回報(bào)率一直被低估,且城鄉(xiāng)教育回報(bào)率差異有縮小趨勢(shì)。梁玉蓮[2]采用分層回歸模型測(cè)算了城鄉(xiāng)教育回報(bào)率,發(fā)現(xiàn)我國(guó)農(nóng)村教育回報(bào)率較城市回報(bào)率低5.8個(gè)百分點(diǎn),時(shí)間上呈現(xiàn)前期快速上升,后期平穩(wěn)回落的趨勢(shì)。方超等[3]測(cè)算了高等教育回報(bào)率的年度變化趨勢(shì),發(fā)現(xiàn)城鎮(zhèn)居民高等教育回報(bào)率穩(wěn)步增長(zhǎng)。教育回報(bào)率的異質(zhì)性研究方面,王麗等[4]利用最小二乘法和分位數(shù)回歸法,分析了普及化階段高等教育對(duì)收入和不同收入層級(jí)群體的影響,發(fā)現(xiàn)高等教育對(duì)極低收入群體的增收效應(yīng)最明顯,對(duì)極高收入群體的增收效應(yīng)最小。祁占勇等[5]使用最小二乘法、兩階段最小二乘法與分位數(shù)回歸法,測(cè)算了城鄉(xiāng)個(gè)體中等職業(yè)教育回報(bào)率的變動(dòng)情況,發(fā)現(xiàn)中等職業(yè)教育對(duì)促進(jìn)農(nóng)村個(gè)體收入的效益具有顯著作用。常成[6]利用無(wú)條件分位數(shù)回歸法,探討了不同收入群體的高等教育回報(bào)率分布特征,發(fā)現(xiàn)中等收入分位點(diǎn)處,女性的教育回報(bào)率處于峰值。宋迪[7]研究了性別差異視角下的教育回報(bào)率分布特征,發(fā)現(xiàn)男性的教育回報(bào)率高于女性。楊宜勇等[8]從戶籍、性別、代際和收入4個(gè)層面分析了流動(dòng)人口教育回報(bào)率的異質(zhì)性特征。

針對(duì)存在異質(zhì)性、自選擇樣本導(dǎo)致的測(cè)量誤差,可以采用工具變量法、傾向得分匹配法予以修正。方超等[9]估計(jì)了義務(wù)教育改革對(duì)教育回報(bào)率的影響,發(fā)現(xiàn)義務(wù)教育改革使受教育年限提高了2.6 a,普通最小二乘法的測(cè)算低估了教育回報(bào)率,利用工具變量法進(jìn)行重新測(cè)算,傾向得分匹配法能消除選擇性偏差造成的測(cè)量誤差。胡德鑫等[10]利用傾向得分匹配法和分位數(shù)回歸法測(cè)算了城鄉(xiāng)居民高等教育回報(bào)率,得到不同時(shí)期、不同收入層次居民的變動(dòng)趨勢(shì)。戴望舒等[11]采用傾向得分匹配法,分析了職業(yè)教育回報(bào)率的變動(dòng)情況,發(fā)現(xiàn)高等職業(yè)回報(bào)率顯著高于中等職業(yè)教育回報(bào)率。

有不少學(xué)者針對(duì)高等教育對(duì)收入的影響進(jìn)行研究,劉澤云[12]估算了1998—2007年的高等教育回報(bào)率,發(fā)現(xiàn)教育回報(bào)率呈現(xiàn)持續(xù)上升的趨勢(shì),并對(duì)不同群體之間的教育回報(bào)差異進(jìn)行分析。劉生龍等[13]采用分位數(shù)處理效應(yīng)方法估計(jì)中國(guó)高等教育回報(bào)的條件分布,發(fā)現(xiàn)隨著收入水平的提高,教育回報(bào)率呈現(xiàn)下降趨勢(shì)。方超等[14]探究了高校擴(kuò)招政策對(duì)大學(xué)教育質(zhì)量的影響,發(fā)現(xiàn)高校擴(kuò)招政策帶來(lái)的個(gè)體增收效應(yīng)較強(qiáng),大學(xué)教育對(duì)于收入分布的影響呈現(xiàn)V型曲線趨勢(shì)。

綜上所述,關(guān)于教育回報(bào)率的研究成果頗豐,但是仍然存在不足之處?，F(xiàn)有對(duì)高等教育回報(bào)率的研究中,并未區(qū)分大學(xué)本科教育和職業(yè)本科教育,從而缺少對(duì)大學(xué)本科教育的回報(bào)率的現(xiàn)狀研究,而大學(xué)本科教育與職業(yè)本科教育的特點(diǎn)不同,應(yīng)加以區(qū)別分析。因此本文將高等教育體系中的普通大學(xué)本科教育與其他職業(yè)本科教育等相分離,從大學(xué)本科教育的角度出發(fā),并將時(shí)間擴(kuò)展到2010年之后,包含了中國(guó)綜合社會(huì)調(diào)查(Chinese General Social Survey,CGSS)2018年的數(shù)據(jù),估算大學(xué)本科教育的回報(bào)率及其最新的時(shí)序變化趨勢(shì),能為教育回報(bào)率的研究提供最新的經(jīng)驗(yàn)證據(jù)。利用最小二乘法估計(jì)大學(xué)本科教育回報(bào)率,工具變量法對(duì)內(nèi)生性問(wèn)題進(jìn)行處理,將收入群體進(jìn)行細(xì)分,采用分位數(shù)回歸法更為細(xì)致地比較不同收入群體的教育回報(bào)情況。

1 變量與數(shù)據(jù)

CGSS項(xiàng)目始于2003年,數(shù)據(jù)采用多階分層抽樣方法,涉及全國(guó)30多個(gè)省、自治區(qū)和直轄市,社會(huì)、家庭、個(gè)人等多個(gè)層次,具有全國(guó)代表性、廣泛性和綜合性。本研究利用CGSS 2010和2018年的數(shù)據(jù)來(lái)分析大學(xué)本科教育回報(bào)率約10年間的變化趨勢(shì)。選取16～65歲處于就業(yè)狀態(tài)的樣本,剔除在校學(xué)生、離退休樣本。變量選取如下:1)因變量:將職業(yè)/勞動(dòng)收入作為年收入,取年收入對(duì)數(shù)進(jìn)行平滑處理。2)自變量:是否接受過(guò)大學(xué)本科教育。大學(xué)本科教育(包括成人高等教育和普通高等教育)及研究生教育賦值為1,其他賦值為0。3)控制變量:性別(男性=1,女性=0)、工作經(jīng)驗(yàn)(使用年齡減去受教育年限減去6的值表示)、工作經(jīng)驗(yàn)的平方、婚姻狀況(已婚包括初婚有配偶、再婚有配偶、分居未離婚、喪偶,賦值為1,未婚包括未婚、同居、離婚,賦值為0)、健康狀況(自認(rèn)好、很好、非常好賦值為1,一般和差賦值為0)、父親受教育程度,以受教育年限作為代理變量(未上過(guò)學(xué)=0,小學(xué)=6,初中=9,高中/中專=12,大專=15,本科=16,研究生=19)、中共黨員(是=1,否=0)、戶口類型(城市=1,農(nóng)村=0)。

2 模型和實(shí)證分析

2.1 明瑟收入方程

明瑟收入方程經(jīng)濟(jì)學(xué)家明瑟提出的一個(gè)研究收入決定的模型,指出工資收入的對(duì)數(shù)值與受教育水平、工作經(jīng)驗(yàn)等的線性關(guān)系。本文根據(jù)研究需求,針對(duì)明瑟收入方程進(jìn)行部分調(diào)整,調(diào)整后公式為:

In(y)=β0+β1u+β2p+β3p2+∑βix+ε。

式中:In(y)為收入對(duì)數(shù);u為大學(xué)本科教育的虛擬變量;p為工作經(jīng)驗(yàn);x為其他控制變量;ε為隨機(jī)擾動(dòng)項(xiàng);β0為截距項(xiàng);β1,β2,β3為各解釋變量的相關(guān)系數(shù),其中,β1為教育回報(bào)率。

2.2 變量的描述性統(tǒng)計(jì)

變量的描述性統(tǒng)計(jì)結(jié)果如表1所示,2018年個(gè)體年收入對(duì)數(shù)較2010年呈現(xiàn)遞增趨勢(shì),接受過(guò)大學(xué)本科教育的人數(shù)也呈現(xiàn)增長(zhǎng)趨勢(shì),反映出大學(xué)本科教育的大眾化能從一定程度上提高收入水平。

表1 描述性統(tǒng)計(jì)

2.3 普通最小二乘法回歸結(jié)果

采用最小二乘法估計(jì)教育回報(bào)率,結(jié)果如表2所示?？傮w來(lái)看,2010年大學(xué)本科教育回報(bào)率為64.8%,2018年大學(xué)本科教育回報(bào)率為58%,表明大學(xué)本科教育能顯著提高個(gè)體收入,但是提升幅度有所下降。

表2 本科教育回報(bào)率的普通最小二乘法估計(jì)

從控制變量看,男性的工資高于女性;工作經(jīng)驗(yàn)的增加有利于提高收入水平;婚姻狀況對(duì)于個(gè)體收入的影響由2010年的正向轉(zhuǎn)變?yōu)?018年的負(fù)向;健康狀況良好、父親的受教育水平對(duì)于個(gè)體收入的提升有正向顯著的影響;城市個(gè)體收入水平普遍高于農(nóng)村個(gè)體。

2.4 內(nèi)生性問(wèn)題

內(nèi)生性通常由測(cè)量誤差、樣本選擇、遺漏變量、互為因果等原因造成,會(huì)導(dǎo)致測(cè)量誤差。本文采用工具變量法解決教育變量的內(nèi)生性問(wèn)題,將配偶的受教育程度作為大學(xué)本科教育的工具變量,表示為配偶的受教育年限。

本研究將2018年數(shù)據(jù)做兩階段最小二乘回歸,結(jié)果如表3所示,第1階段的回歸結(jié)果顯示,配偶的受教育程度與是否接受大學(xué)本科教育呈正相關(guān)關(guān)系,說(shuō)明配偶的教育程度越高,個(gè)體接受大學(xué)本科教育的可能性越大,所選擇的工具變量是合理的。第2階段的回歸結(jié)果顯示,大學(xué)本科教育對(duì)于年收入的影響是正向顯著的。對(duì)模型進(jìn)行不可識(shí)別檢驗(yàn)、弱工具變量等有效性檢驗(yàn)。工具變量不可識(shí)別檢驗(yàn)結(jié)果顯示,Kleibergen-Paap rk LM 統(tǒng)計(jì)量P值為0.000,則拒絕不可識(shí)別的原假設(shè)。弱工具變量的結(jié)果顯示,第1階段回歸F統(tǒng)計(jì)量的值大于10,證明配偶受教育程度為強(qiáng)工具變量,本文選擇的工具變量是有效的。

表3 兩階段最小二乘法回歸結(jié)果

2.5 不同收入分位點(diǎn)的本科教育回報(bào)率

采用分位數(shù)回歸法分析大學(xué)本科教育回報(bào)在不同收入水平下的分布情況,結(jié)果如表4所示,不同收入分位點(diǎn)上,大學(xué)本科教育對(duì)收入的影響均較為顯著,接受大學(xué)本科教育能明顯提高各階層群體的收入水平,但是本科教育對(duì)于不同收入群體的增收作用有較大差異,高收入群體和低收入群體本科教育回報(bào)率的差異隨著時(shí)間的推移在逐漸縮小。

表4 不同收入分位點(diǎn)的本科教育回報(bào)率

2010年,高收入群體的教育回報(bào)率為53.7%,高于低收入群體的40%,說(shuō)明大學(xué)本科教育拉大了高收入階層和低收入階層的收入差距。2018年,高收入群體的教育回報(bào)率為63.5%,略低于低收入群體的教育回報(bào)率68.5%,表明大學(xué)本科教育對(duì)低收入群體的增收效應(yīng)最強(qiáng),在一定程度上能抑制高收入群體和低收入群體的收入差距擴(kuò)大的趨勢(shì),改善收入不平等的狀況。

2010年,大學(xué)本科教育回報(bào)率隨著不同收入分位點(diǎn)的上升呈現(xiàn)先上升再下降的趨勢(shì),70%中高收入群體的教育回報(bào)率最高,達(dá)到66.1%,10%低收入群體的教育回報(bào)率最低。2018年,教育回報(bào)率總體呈現(xiàn)先下降再上升的趨勢(shì),在收入分布的兩端值較高,10%低收入群體教育回報(bào)率最高,50%中等收入群體教育回報(bào)率最低,說(shuō)明大學(xué)本科教育對(duì)中等收入群體的提升效應(yīng)較低,謹(jǐn)防陷入“中等收入陷阱”。

2018年較2010年相比,10%低收入群體、30%中低收入群體、70%中高收入群體和90%高收入群體的教育回報(bào)率呈現(xiàn)增長(zhǎng)趨勢(shì),說(shuō)明大學(xué)本科教育對(duì)此類群體的增收效應(yīng)有所提高,而50%中等收入群體的教育回報(bào)率有所下降,說(shuō)明大學(xué)本科教育對(duì)于中等收入群體的收入提升幅度有所下降。

3 結(jié)論與建議

本文基于CGSS 2010年和2018年數(shù)據(jù),首先利用最小二乘回歸法測(cè)算接受大學(xué)本科教育等變量對(duì)個(gè)體收入的影響,其次使用工具變量法解決模型的內(nèi)生性問(wèn)題,最后采用分位數(shù)回歸法測(cè)算大學(xué)本科教育對(duì)不同收入群體的異質(zhì)性影響。得到以下結(jié)論:1)大學(xué)本科教育對(duì)于提升個(gè)體收入的正向效應(yīng)是顯著的,教育水平的提高能有效提升個(gè)體收入水平,說(shuō)明高校擴(kuò)招政策是有積極作用的。2)2018年相較于2010年,大學(xué)本科教育的回報(bào)率有所降低,說(shuō)明大學(xué)本科教育的增收幅度有所降低,需要考慮大學(xué)本科教育的擴(kuò)招政策是否降低了大學(xué)教育質(zhì)量。3)大學(xué)本科教育對(duì)不同階層收入群體的增收效應(yīng)有差異性。從橫向角度看,2018年低收入群體的教育回報(bào)率高于高收入群體,說(shuō)明大學(xué)本科教育對(duì)低收入群體的增收效應(yīng)逐漸明顯。從縱向角度看,高收入群體和低收入群體的教育回報(bào)率有所上升,但需要注意的是,中等收入群體的教育回報(bào)率有所下降,大學(xué)本科教育對(duì)于中等收入群體的正向效益正在減弱。

大學(xué)本科教育進(jìn)入大眾化化階段,對(duì)于增加經(jīng)濟(jì)效應(yīng),縮小個(gè)體收入差距有著顯著作用。本文提出如下建議:1)大學(xué)本科教育回報(bào)率處于較高水平,應(yīng)繼續(xù)加大對(duì)大學(xué)本科教育的投入,增加不同收入群體獲得大學(xué)本科教育的機(jī)會(huì)。2)建立高質(zhì)量的大學(xué)本科教育體系,注重提高本科高校人才培養(yǎng)質(zhì)量,提升教育培養(yǎng)人才的競(jìng)爭(zhēng)力,推動(dòng)人力資本升級(jí)。3)大學(xué)本科教育對(duì)于縮小收入差距的作用明顯,應(yīng)加大對(duì)落后地區(qū)的教育資源投入,促進(jìn)教育公平化。4)提升經(jīng)濟(jì)發(fā)展水平和動(dòng)力,增加就業(yè)機(jī)會(huì),建立市場(chǎng)需求與人才供給相結(jié)合的機(jī)制,促進(jìn)大學(xué)本科教育對(duì)收入的貢獻(xiàn)。