就业特征对教育收益率的影响及其成因.docVIP

就业特征对教育收益率的影响及其成因 就业特征对教育收益率的影响及其成因??娄世艳摘要：本文主要研究了就业特征对教育收益率的影响及其形成原因。本文首先通过在Mincer方程的基础上，分别加入就业方式、就业地区类型、职业、行业、单位所有制性质、职称和国家行政级别等控制变量，研究每一个控制变量对教育收益率的影响。结果显示，就业方式对教育收益率的影响最大。分类研究显示，不同就业状况的人口教育收益率存在差异。为了控制各就业特征相关性对估计结果的影响，本文将这七个控制变量可以分为就业选择因素、就业状态因素和职务等级因素三类。研究发现，就业选择因素对教育收益率的影响最大。本文还研究了控制变量对不同教育阶段收益率的影响，发现这些就业相关因素对中学阶段教育收益率的影响最大。本文认为，就业特征影响教育收益率的根源在于经济发展、市场发育、社会制度、社会文化和微观环境等社会环境因素。关键词：教育收益率就业特征人力资本一、引言国内外的学者都对教育收益率尤其Mincer教育收益率进行了广泛的研究，得出了一些很有意义的结论。当前大部分研究都是在修正Mincer模型基础上进行的，即考虑了除教育和经验外影响收入的其他因素。国外学者的模型主要控制了性别、种族、宗教、父母的教育水平、兄弟姐妹的数量、制度等个人、家庭与社会因素；对我国而言，几乎所有的学者都考虑了教育收益率的城乡差异，从而分别研究城镇和农村的教育收益率，学者们考虑的其他控制变量还有性别、党员身份、婚姻状况、迁移流动等个人因素，地区/省份等地域因素，单位所有制性质、职业和行业等就业因素。但是这些因素中，只有职业、行业和单位所有制性质等就业特征直接影响收入，而其余绝大部分控制变量对收入的影响都不是直接的，它们主要通过影响职业和行业等就业特征而间接影响收入。前者是教育收益率的直接决定因素，而后者是间接影响因素。后者中一些重要的因素，如出生地和性别，都是个人无权选择的，研究这些因素的影响，会为宏观经济与社会政策提供合理化建议；而研究前者既可以为宏观政策的制定，又可以为个人人力资本投资和如何增加收入提供理论支持。本文主要研究直接决定因素对教育收益率的影响，这些直接决定因素主要包括：就业方式、就业地区类型、职业、行业、就业单位所有制性质、职称①和国家行政级别。二、模型与数据说明（一）模型1．总体教育收益率回归模型。模型1是Mincer（1974）的经典教育收益率回归模型：??娄世艳，天津商业大学，讲师，博士；E-mail：sylou0819@1634。①本文也考虑了企业规模、单位主管部门级别和工作时间等变量，但前者的估计系数很小，后两者不显著，从而将这三个变量剔除。119 2lny=c+as+bx+bx+mii1i2ii（1）其中，y为第i个样本的收入，s为第i个样本的受教育年限，x为第i个样iii本的工作经验，c为常数项，是误差项。教育年限的赋值方法如下文所示，CGSSmi还调查了就业人员的“首职年份”，可以据此生成用工龄表示的工作经验。利用模型1进行回归，可以得出基本的教育收益率（粗教育收益率）。Mincer方程在教育收益率的估计中具有非常重要的意义，但并不完善。该模型假定，不同劳动者的收入差异主要是由于其受教育程度和工作经验不同造成的。但实际上，影响个人收入的因素远不止这两个，这一模型未考虑其他影响因素，必然会在很大程度上高估教育收益率。当前大量的研究对该模型进行了修正，修正的方法主要是在模型中纳入影响收入的其它变量。事实上，通过在模型中加入控制变量，不仅可以使估计的教育收益率更接近真值，而且通过比较加入不同控制变量时教育回归系数和可决系数的变化，可以研究各因素对教育收益率和收入的影响。既然控制变量对收入的影响是显著的，加入该变量后，模型对收入的解释程度，即拟合优度会提高，因此可决系数的变化可以看作新变量对收入的解释程度。一般而言，如果教育与控制变量是相关的，加入控制变量后，教育年限的估计系数就有不同程度的下降，下降幅度可以看作由于控制了新加入变量而剔除了模型1对教育收益率的高估部分，而模型1得出的教育收益率可以看作是由于未控制该变量而高估了的教育收益率，因此这一变化可以看作控制变量对教育收益率的影响。加入控制变量后教育回归系数下降的幅度越大，说明教育收益率与控制变量之间的关系越密切，也可以说控制变量对教育收益率的影响越大。表1给出了本文在估计总体教育收益率和评价各控制变量对教育收益率影响时所用的3个模型。其中“+”号表示某一模型中包含的变量，“-”号表示该模型不包含的变量。表1主要模型变量模型1模型2模型3教育+++工作经验+++工作经验平方+++就业方式-+就业地区类型-+职业-++任意一行业-个或一组+控制变量单位所有制性质-+职称-+国家行政级别-+常数项C+++其中，模型2是控制变量影响模型，即在