技术工人与会计师教育收益率的实证研究.docVIP

技术工人与会计师教育收益率的实证研究 　　摘要：文章依据微观调研样本数据，采用区间回归模型对不同就业群体的教育收益率进行了测算。基本结论如下：第一，技术工人群体的教育收益率偏低，但从分级教育收益率角度分析，技术工人在大专教育的收益率要高于本科教育收益率；第二，专业与职业的匹配程度与工资收入呈现正相关，但对技术工人的影响相对较小；第三，技工群体在积累一定工作经验的情况下，收入将出现较为明显的提升。 　　关键词：教育收益率；技术工人；会计师 　　一、 引言 　　目前，尽管很多学者对我国的教育收益率进行了研究，但多数文献侧重于城镇教育收益率的计算（如赖德胜（1998）、罗楚亮（2007）、王海港等（2007），娄世艳，罗润东（2009）等），对特定群体教育收益率计算的研究则很少（只有李锋亮、李曼丽（2010）对工程师教育收益率进行了测算）；此外，很多学者都以CHNS数据库与“中国居民收入分配课题组”的住户调查数据为研究样本，造成部分研究只注重估计方法的改善，而不注重改变控制变量，以更精确的测算个人能力对教育收益率的影响。本文依据山东五市与河北三市的实地调研数据对技术工人与会计师（样本并非全是注册会计师，下同）的教育收益率进行了比较研究，以分析增加普通教育与职业/技术教育对个人的回报。 　　二、 模型、数据与方法说明 　　1. 理论模型。 　　本文采用明瑟方程作为计算教育收益率的依据，明瑟方程如式（1）所示： 　　LnY=a+∑biE+cEXP+dEXP2+ε（1） 　　其中，Y表示年收入；a为截距项；E为受教育年限； EXP表示劳动力的市场经验，多数文献采用工龄作为衡量指标；ε为随机扰动项。在何亦名（2009）研究的基础上，本文引入教育模式以及反映教育状况与职业匹配程度的相关控制变量对明瑟人力资本模型进行改进，以衡量由于职业教育、专业与职业匹配程度所造成的劳动力市场分割对个人教育收益率带来的影响。具体形式如式（2）、（3）所示： 　　LnY=a+∑biE+cEXP+dEXP2+αSex+βiXi+ε（2） 　　LnY=a+∑biEi+cEXP+dEXP2+αSex+βiXi+ε（3） 　　式（2）通过添加控制变量，对明瑟方程进行了扩展：Sex是性别虚拟变量，多数文献在计算教育收益率时，都将性别作为一个重要的外生变量加以控制，Xi是从教育角度衡量劳动力市场分割的向量，包括教育类型（是否接受职业教育）、专业知识对工作的帮助、专业与职业是否匹配；在式（2）的基础上，式（3）通过引入受教育程度的虚拟变量，以计量各级教育的收益率：Ei是以初中及以下为参照组的虚拟变量，反映受教育程度。在本科教育扩招的背景下，本文将本科教育与研究生及以上教育加以区分，以期准确衡量高等教育收益率。此外，在对技术工人样本进行回归分析时，为更好的区分个人能力，本文增加了技工等级虚拟变量。各变量的解释如表2所示。 　　在过对（3）式各变量系数估计的基础上，各级教育收益率可根据b1、b2、b3、b4的系数计算获得，如式（4）所示： 　　Rn=■×100%（4） 　　其中，tn表示相应教育水平的受教育年限，且b0=t0=0，根据该式计算出的教育收益率的含义是：与未接受该级教育的劳动力相比，多接受一年该级教育所带来收入增加的百分比。 　　2. 数据说明。 　　本文的数据来自中央财经大学经济学院社会调研团队于2011年8月和11月在山东5市与河北3市的实地调研与问卷调查，调研队以随机抽样为原则，共发放问卷1 300份，回收1 102份，回收率为84.77%；其中有效问卷966份，有效率为87.66%。根据调查对象就业特征的不同可将全样本划分为两类――技术工人（山东五市企业回收的336份有效问卷，其中技术工人294份，企业管理人员42份）与会计师（河北三市回收的672份）。本次问卷调查的一个特点是，有关收入的问题并不是采用让调查者填写具体数值的方法，而是让其选择数值区间。之所以采用这种方式，首先是因为大部分技术工人在计算工资时采用的是计件工资，无统一的工资标准；其次是为了让被调查者更愿意填写，从而使他们关于收入的问题回答更接近真实，以减少由度量误差带来的偏差（Juster Smith），1997）。各解释变量的描述性统计如表3所示。 　　3. 方法。 　　由于本文采用的收入数据并不是具体的数值，而是有序的区间数据，因此，下文选取区间回归模型对教育收益率进行估计。在使用区间回归模型时，本文根据问卷对工资区间的划分，选取两个变量对因变量的上限与下限进行定义：当年工资处于闭区间时，则因变量的取值就是该区间的上下限；如果年工资处于大于72 000元的开区间，则定义因变量的区间下限为72 000，上限为+∞。在此基础上，使用极大似然方法对参数