西南边疆地区农户劳动力培训效应估计.docVIP

西南边疆地区农户劳动力培训效应估计 　　 摘要：文章通过对云南省红河州农户劳动力培训数据的实证分析，发现农户收入不仅受个体异质性影响，而且受村庄异质性影响，目前农户参加劳动力培训的效应仅为2.52%，远远低于未参加劳动力培训农户的收入效应，说明目前培训的选择机制有待改善。 　　 关键词：劳动力培训；个体异质性；村庄异质性；配对模型 　　 一、引言 　　 工业化和城市化使得我国经济得到飞速发展，但是由此导致的农村土地日益减少，农村劳动力大量剩余，另一方面，我国人口的日益增多导致越来越少的耕地却要负担越来越多的人口，所以农业生产必须提高劳动生产率，为此，由政府倡导的劳动力培训纷纷涌现，以本文调查的云南省红河州为例，政府投入了大量人力物力，2008年有三分之一的农户参与了培训，但是培训的效果尚无人考证。 　　 劳动力培训效应估计的难点在于农户的异质性，所谓异质性是指在控制了所有的可观测因素后，由于受不可观测因素（如个人能力）的影响，个人对培训的选择以及获得的收入仍存在很大区别。目前针对异质性的研究有以下方法：一是固定效应法，如假定双胞胎具有相似的个人能力（AshenfelterKrueger 1994），对其对比分析，但是这种数据收集难度较大。二是异质性工具变量方法，它的核心是对边际处理效应MTE（marginal treatment effect）的估计（Heckman，Urzua and Vytlacil2006等）。三是配对（Matching）方法（周亚虹、许玲丽 2010），配对方法是从未参加培训的个体中寻找和参加培训的个体特征类似的个体进行比较分析，本文的分析主要是在配对方法的基础上建立起来的。 　　 虽然配对方法能够比较准确地估计劳动力培训的效应，但是中国的农户大多是以自然村为单位进行生产劳动，所以农户收入随着村庄的不同而存在差异，因此本文所指的异质性分为个体异质性和村庄异质性。 　　 二、理论模型介绍 　　 广义Roy模型是一个基本的选择理论框架，它是一个潜变量模型，本文将在此模型的基础上建立分析模型。 　　 一个农户要么参加培训，要么未参加培训，而不能两者兼之，参加培训的农户人均收入记为Yli，未参加培训的农户人均??入的自然对数记为Yoi。处理效应为Yli-Yoi。Ti表示是否参加培训的虚拟变量，Ti=1表示参加培训，Ti=0表示未参加培训，则实际观察到的结果为Yi=TiYli+(1-Ti)Yol。下面的分析中省略下标i。 　　 潜在收入模型为： 　　 Y1=α1+β1X+U1 　　 Y0=α0+β0X+U0① 　　 X表示影响潜在收入的可观测变量，U1，U0分别表示随机扰动项。处理效应Y1-Y0=Δ=(α1+β1X)-(α0+β0X)+U1-U0，实际可观测的收入记为： 　　 Y=Y0+(Y1-Y0)T 　　 =α0+β0X+((α1+β1X)-(α0+β0X))T+(U1-U0)T+U0 　　 =α0+β0X+((α1+β1Xi)-(α0+β0X1))T+U0② 　　 传统方法假设农户的培训效应不存在异质性，E(U1-U0|X)=0，不同个体的处理效应相同，Y可转变为传统的线性回归模型： 　　 Y=α+βT+γX+ε③ 　　 其中：α=α0，β=(α1+β1Xi)-(α0+β0Xi)，γX=β0X，ε=U0。 　　 此时，模型③的OLS估计值可以解释为劳动力培训的效应。OLS模型假定所有农户劳动培训的效应相同，但实际上农户之间存在个体异质性，潜在收入模型中的随机扰动项（U1,U0）是不一样的，因此OLS估计的传统回归模型是不适用的。 　　 由于数据缺失性，不能同时观察到Y1和Y0这两种收入，配对模型就是通过寻找处理组和控制组中特征相近的个体对估计平均处理效应。配对模型（Matching）主要是基于倾向得分模型，通过倾向得分相近的没有接受劳动培训的农户收入来近似代替已经接受劳动培训家庭的缺失状态。倾向得分通过Logit模型或Probit模型估计，本文通过logit模型估计，记为Pi=P(Ti=I|Xi)。 　　 由条件期望独立性假设，E(Y|X,T)=E(Y|X)。设均值uT=E(YT)，即u0=E(Y0)，u1=E(Y1)，则Y0=u0+U0，Y1=u1+U1，给定X，T，由②可得： 　　E(Y|X,T)=u0+(u1-u0)T+(E(U1|X)-E(U0|X))T+E(U0|X)④ 　　 可推出： 　　 Y=u0+δT+(E(U1|X)-E(U0|X))T+G0(X)⑤ 　　 其中：G0(X)=E(U0|X)。 　　 下面讨论不同情况下的模型： 　　 模型1：当不存在个体异质性和村庄异质性时，即E(U1|X)=E(U0|X)，假定G0(X)=E(U0|