大學(xué)本科教育回報率的實證研究

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,我國高等教育規(guī)模逐漸擴大,高校擴招使更多人接受了高等教育,教育質(zhì)量成為關(guān)注焦點。高等教育作為調(diào)整經(jīng)濟結(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,因此教育回報率的探究對于經(jīng)濟發(fā)展具有重要意義,能為減少收入差距提供對策。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,是實現(xiàn)個體收入增長、縮小收入差距的關(guān)鍵。教育回報率體現(xiàn)了教育水平提升所帶來的勞動收入的增長。許多學(xué)者從不同年份、不同維度測算了高等教育、中等教育的教育回報率及城鄉(xiāng)差異。

明瑟收入方程是估計教育回報率的主要形式,指出工資收入的對數(shù)值與受教育水平、工作經(jīng)驗等的線性關(guān)系,普遍采用傳統(tǒng)最小二乘法估計教育回報率。邢春冰等[1]對城鄉(xiāng)教育回報率的差異及變動趨勢進(jìn)行了測算,對樣本進(jìn)行重新劃分后,發(fā)現(xiàn)農(nóng)村教育回報率一直被低估,且城鄉(xiāng)教育回報率差異有縮小趨勢。梁玉蓮[2]采用分層回歸模型測算了城鄉(xiāng)教育回報率,發(fā)現(xiàn)我國農(nóng)村教育回報率較城市回報率低5.8個百分點,時間上呈現(xiàn)前期快速上升,后期平穩(wěn)回落的趨勢。方超等[3]測算了高等教育回報率的年度變化趨勢,發(fā)現(xiàn)城鎮(zhèn)居民高等教育回報率穩(wěn)步增長。教育回報率的異質(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收入和不同收入層級群體的影響,發(fā)現(xiàn)高等教育對極低收入群體的增收效應(yīng)最明顯,對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,測算了城鄉(xiāng)個體中等職業(yè)教育回報率的變動情況,發(fā)現(xiàn)中等職業(yè)教育對促進(jìn)農(nóng)村個體收入的效益具有顯著作用。常成[6]利用無條件分位數(shù)回歸法,探討了不同收入群體的高等教育回報率分布特征,發(fā)現(xiàn)中等收入分位點處,女性的教育回報率處于峰值。宋迪[7]研究了性別差異視角下的教育回報率分布特征,發(fā)現(xiàn)男性的教育回報率高于女性。楊宜勇等[8]從戶籍、性別、代際和收入4個層面分析了流動人口教育回報率的異質(zhì)性特征。

針對存在異質(zhì)性、自選擇樣本導(dǎo)致的測量誤差,可以采用工具變量法、傾向得分匹配法予以修正。方超等[9]估計了義務(wù)教育改革對教育回報率的影響,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算低估了教育回報率,利用工具變量法進(jìn)行重新測算,傾向得分匹配法能消除選擇性偏差造成的測量誤差。胡德鑫等[10]利用傾向得分匹配法和分位數(shù)回歸法測算了城鄉(xiāng)居民高等教育回報率,得到不同時期、不同收入層次居民的變動趨勢。戴望舒等[11]采用傾向得分匹配法,分析了職業(yè)教育回報率的變動情況,發(fā)現(xiàn)高等職業(yè)回報率顯著高于中等職業(yè)教育回報率。

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

綜上所述,關(guān)于教育回報率的研究成果頗豐,但是仍然存在不足之處?，F(xiàn)有對高等教育回報率的研究中,并未區(qū)分大學(xué)本科教育和職業(yè)本科教育,從而缺少對大學(xué)本科教育的回報率的現(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),并將時間擴展到2010年之后,包含了中國綜合社會調(diào)查(Chinese General Social Survey,CGSS)2018年的數(shù)據(jù),估算大學(xué)本科教育的回報率及其最新的時序變化趨勢,能為教育回報率的研究提供最新的經(jīng)驗證據(jù)。利用最小二乘法估計大學(xué)本科教育回報率,工具變量法對內(nèi)生性問題進(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情況。

1 變量與數(shù)據(jù)

CGSS項目始于2003年,數(shù)據(jù)采用多階分層抽樣方法,涉及全國30多個省、自治區(qū)和直轄市,社會、家庭、個人等多個層次,具有全國代表性、廣泛性和綜合性。本研究利用CGSS 2010和2018年的數(shù)據(jù)來分析大學(xué)本科教育回報率約10年間的變化趨勢。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)/勞動收入作為年收入,取年收入對數(shù)進(jìn)行平滑處理。2)自變量:是否接受過大學(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(使用年齡減去受教育年限減去6的值表示)、工作經(jīng)驗的平方、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 模型和實證分析

2.1 明瑟收入方程

明瑟收入方程經(jīng)濟學(xué)家明瑟提出的一個研究收入決定的模型,指出工資收入的對數(shù)值與受教育水平、工作經(jīng)驗等的線性關(guān)系。本文根據(jù)研究需求,針對明瑟收入方程進(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)為收入對數(shù);u為大學(xué)本科教育的虛擬變量;p為工作經(jīng)驗;x為其他控制變量;ε為隨機擾動項;β0為截距項;β1,β2,β3為各解釋變量的相關(guān)系數(shù),其中,β1為教育回報率。

2.2 變量的描述性統(tǒng)計

變量的描述性統(tǒng)計結(jié)果如表1所示,2018年個體年收入對數(shù)較2010年呈現(xiàn)遞增趨勢,接受過大學(xué)本科教育的人數(shù)也呈現(xiàn)增長趨勢,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

2.3 普通最小二乘法回歸結(jié)果

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

表2 本科教育回報率的普通最小二乘法估計

從控制變量看,男性的工資高于女性;工作經(jīng)驗的增加有利于提高收入水平;婚姻狀況對于個體收入的影響由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于個體收入的提升有正向顯著的影響;城市個體收入水平普遍高于農(nóng)村個體。

2.4 內(nèi)生性問題

內(nèi)生性通常由測量誤差、樣本選擇、遺漏變量、互為因果等原因造成,會導(dǎo)致測量誤差。本文采用工具變量法解決教育變量的內(nèi)生性問題,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,說明配偶的教育程度越高,個體接受大學(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)本科教育對于年收入的影響是正向顯著的。對模型進(jìn)行不可識別檢驗、弱工具變量等有效性檢驗。工具變量不可識別檢驗結(jié)果顯示,Kleibergen-Paap rk LM 統(tǒng)計量P值為0.000,則拒絕不可識別的原假設(shè)。弱工具變量的結(jié)果顯示,第1階段回歸F統(tǒng)計量的值大于10,證明配偶受教育程度為強工具變量,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 不同收入分位點的本科教育回報率

采用分位數(shù)回歸法分析大學(xué)本科教育回報在不同收入水平下的分布情況,結(jié)果如表4所示,不同收入分位點上,大學(xué)本科教育對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率的差異隨著時間的推移在逐漸縮小。

表4 不同收入分位點的本科教育回報率

2010年,高收入群體的教育回報率為53.7%,高于低收入群體的40%,說明大學(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率為63.5%,略低于低收入群體的教育回報率68.5%,表明大學(xué)本科教育對低收入群體的增收效應(yīng)最強,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大的趨勢,改善收入不平等的狀況。

2010年,大學(xué)本科教育回報率隨著不同收入分位點的上升呈現(xiàn)先上升再下降的趨勢,70%中高收入群體的教育回報率最高,達(dá)到66.1%,10%低收入群體的教育回報率最低。2018年,教育回報率總體呈現(xiàn)先下降再上升的趨勢,在收入分布的兩端值較高,10%低收入群體教育回報率最高,50%中等收入群體教育回報率最低,說明大學(xué)本科教育對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率呈現(xiàn)增長趨勢,說明大學(xué)本科教育對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率有所下降,說明大學(xué)本科教育對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算接受大學(xué)本科教育等變量對個體收入的影響,其次使用工具變量法解決模型的內(nèi)生性問題,最后采用分位數(shù)回歸法測算大學(xué)本科教育對不同收入群體的異質(zhì)性影響。得到以下結(jié)論:1)大學(xué)本科教育對于提升個體收入的正向效應(yīng)是顯著的,教育水平的提高能有效提升個體收入水平,說明高校擴招政策是有積極作用的。2)2018年相較于2010年,大學(xué)本科教育的回報率有所降低,說明大學(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率高于高收入群體,說明大學(xué)本科教育對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率有所上升,但需要注意的是,中等收入群體的教育回報率有所下降,大學(xué)本科教育對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,對于增加經(jīng)濟效應(yīng),縮小個體收入差距有著顯著作用。本文提出如下建議:1)大學(xué)本科教育回報率處于較高水平,應(yīng)繼續(xù)加大對大學(xué)本科教育的投入,增加不同收入群體獲得大學(xué)本科教育的機會。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)人才的競爭力,推動人力資本升級。3)大學(xué)本科教育對于縮小收入差距的作用明顯,應(yīng)加大對落后地區(qū)的教育資源投入,促進(jìn)教育公平化。4)提升經(jīng)濟發(fā)展水平和動力,增加就業(yè)機會,建立市場需求與人才供給相結(jié)合的機制,促進(jìn)大學(xué)本科教育對收入的貢獻(xiàn)。