教育回报率与收入差异分析.docxVIP

教育回报率与收入差异分析 　　摘要:随着社会经济的发展,个人受教育程度的高低与个人未来的发展的差异逐渐显现,文章运用对厦门市常住居民个人受教育情况和费用支出的抽样调查的数据估计了教育回报率及其随教育程度和收入水平的变化。　　关键词:教育回报率;收入差异;教育程序　　中图分类号:F120文献标识码:A　　文章编号:1674-1145(XX)24-0007-02　　　　20世纪90年代我国教育成本分担制度确立以来,我国的教育事业取得了巨大的发展,教育经费总量大幅增长,各级教育的规模急剧扩大。在教育投资总量不断增长的同时,教育投资的结构也在发生着显著的变化。突出表现为教育成本分担向个人和家庭倾斜,居民教育支出大幅度增加。个人教育费用支出在近10年中的急剧上涨引起人们的普遍关注。　　我国教育在高速发展的同时也出现了一些问题,如学校收费水平的不断上涨以及我国现阶段城镇居民的收入差距加大(XX年基尼系数已达到左右,超过国际上收入差距警戒线水平),这些问题很可能会拉大贫富之间接受教育,尤其是高等教育机会的差距,从而进一步拉大收入差距,出现两极分化。这些在很大程度上影响了我国城镇居民家庭的教育支出,使在经济上处于劣势的低收入阶层在人力资本的积累方面越来越处于不利的地位。　　由此可见,人力资本的差异将引起收入的差异。同时,知识经济的发展对人力资本提出了更高的要求,而教育是形成人力资本的重要因素。如果人力资本回报在不同的人群中是不同的,则人力资本回报的差异将会加大人力资本的收入分配效应,从而起到加剧收入分配不均等的作用。教育是最常用也是最容易获得的人力资本变量,本文运用对厦门市常住居民进行的个人受教育情况及费用支出的调查数据,使用OLS估计厦门市教育回报率和受教育程度之间的关系,探讨厦门市教育回报率变化及其对收入差距的影响。　　　　一、数据说明　　　　本文所采用的数据来源于对厦门市常住居民个人受教育情况和费用支出的调查,调查对象是厦门市已工作的,年龄在45岁以下的常住居民个人。调查采用分层抽样(按厦门6大行政区进行分层)的方法,各层采用比例分配(层权为各层常住人口总数占总常住人口数的比例)样本量,共得有效样本388个,其中海沧区42个,湖里区77个,集美区26个,思明区137个,同安区68个,翔安区33个。表1描述了本文所使用的数据及其两个变量的基本情况。　　调查所得的月工作报酬数据为区间数据,此处我们取组中值代表处于该区间的调查对象的收入水平。教育水平分为不识字、小学、初中、高中(职高)、大专、大学、研究生及以上,分别的受教育年限定为0、6、9、12、15、16、19年。以上数据的整理和描述性统计使用的软件为。　　　　二、模型的设定、估计和检验　　　　由以上描述性统计分析结果可以看出,教育支出和月收入有明显的差异,且各个区之间的平均教育支出和个人月收入也有不同,为考察个人教育投入与其收入的具体数量关系,使用明瑟工资方程估计工资收益。　　模型如下:　　 (1)　　方程左边lnY为被解释变量,方程右边变量主要包括两类:一类为人力资本变量;另一类是和人力资本变量有关同时也和收入有关的变量,这类变量一般也被称为控制变量。在关于个人教育投资和收入的估计中,人力资本变量是教育,而其他必须控制的变量包括能力、工作经验、性别和年龄等。能力变量由于无法被观测到而常常被忽略。忽略了这些难以度量的变量将会导致模型的设定误差。不过,由于在一些情况下会出现误差相互抵消的现象,OLS估计也可能得到一致性的估计结果。　　 式(1)中,lnY为月平均工资性收入(含各种津贴、奖金等)的对数,Edu为平均受教育年限,Exper为工作经验,　　为工作经验平方项目,X为其他控制变量,如年龄、性别、地区和行业变量等,为误差项。　　考虑到厦门市各个区之间的收入可能存在差异,在构建模型中要引入代表各区的虚拟变量,六个区共要引入五个虚拟变量,模型中变量个数过多,会很快地消耗自由度,故对厦门市各个区的收入均值进行检验。由于此处总体分布未知,故采用非参数检验中的Kruskal-Wallis 检验。使用minitab软件得检验结果如表2所示:　　对数据进行Kruskal-Wallis检验,发现P值为,P值很大,无充分的理由拒绝原假设,故认为各个区之间的收入没有显著性差异。故在模型中不纳入区域变量。　　同时考虑到对教育程度的分组为初中及以下、高中、大专、大学本科、硕士及以上等,这样的分组方法所估计的教育投入与收入变化率实际上只是最高教育程度为该分组教育程度人的教育回报率,而不是真正意义上该教育阶段的回报率。因为这样的分组没有包括受过同样教育但最终教育程度较高的人。为了克服这种分组方法的不足,考虑采用另一种分组办法,即将样本分成小学以上教育程度组、初中