高校扩招、教育回报率与城镇劳动力的工资差异.docxVIP

高校扩招、教育回报率与城镇劳动力的工资差异 方超　黄斌 摘要：高校扩招政策的经济社会价值是大学教育质量的“风向标”，也是学术界关注的焦点。利用中国家庭收入调查数据，采用普通最小二乘法与工具变量法、倾向得分匹配法与处理效应模型、无条件分位数回归及其分解的方法，研究城镇劳动力的大学教育回报率及工资差异，从劳动力市场的视角审视高校扩招政策的对大学教育质量的影响，研究发现：（1）高校扩招政策具有较强的个体增收效应，但基准估计因遗漏变量等内生性问题低估了城镇劳动力的大学教育回报率;（2）个体大学教育决策具有异质性，利用倾向得分匹配法与处理效应模型进行纠偏后，发现大学教育回报率在101%～116%以及128%～129%之间;（3）大学教育对于收入分布的无条件影响类似于V型曲线，在工资差异中表现出“黏地板效应”，高校扩招政策引致的工资差异则表现为“天花板效应”。 关键词：高校扩招;教育回报率;工资差异;黏地板效应;天花板效应 一、引言 高校扩招政策是我国现行争议最大的教育制度之一（方超、黄斌，2020）。教育部在1998年底颁布了《面向21世纪教育振兴行动计划》，提出“积极稳步发展高等教育，高等教育入学率达到11%”（教育部，1998），自此拉开了高校扩招政策的序幕参见http：///publicfiles/business/htmlfiles/moe/s6986/200407/2487.html。。我国高等教育历经20余年的外向型发展后，毛入学率业已达到了481%（教育部，2019），即将步入普及化的高等教育发展阶段参见http：//e Project，CHIP）。中国家庭收入调查在1989年、1996年、、以及开展了五轮入户调查，数据涵盖城、乡以及乡-城转移人口的基本特征、就业收入及社会保障等方面的信息，满足本文的研究需要。同时，中国家庭收入调查数据已成为研究我国劳动者收入水平的重要研究数据之一。 本文采用中国住户收入项目在开展的入户收入调查（CHIP2014城镇住户调查）。CHIP2014城镇住户调查问卷在第一部分与第二部分搜集了住户成员的个人情况及的就业情况，基本涵盖本文研究设计所需的各项信息。在剔除缺失值、农业户籍（含其他）、未就业的个体以后，最终样本包含3897个观测值。 （二）变量 1.因变量。根据工资决定方程的设置，城镇劳动力的工资水平是本文的因变量，我们选择调查问卷中城镇劳动力的收入总额（工资性或经营性）作为统计指标，并将其做对数处理。 2.工具变量、识别变量。基于高校扩招政策提供的自然实验，我们将《面向21世纪教育振兴行动计划》定义为高校扩招的政策起点，该政策于1998年12月启动，理论上对1999年的大学招生构成影响。但考虑到政策效果可能出现的时滞，我们将政策生效的时间放宽到。根据政策生效时间，本文进一步将1983年9月定义为政策干预的截断点（Cutoff），将截断点前后10年（19729～19929）、年龄在22～42周岁的个体定义为高校扩招政策样本，在变量处理时将精确到月份的个体出生日期与政策干预月份相减，将取值小于等于0的个体赋值为1并定义为政策干预组，将取值大于0的个体赋值为0并定义为未受政策干预组，通过对政策干预变量的二元設置完成了工具变量和识别变量的技术处理。 3.处理变量。在PSM中需要设定处理变量方能估计大学教育回报率的平均处理效应，本文将教育年限在12年及以上的个体定义为处理组（D1i），表示接受大学教育的城镇劳动力;将教育年限在12年以下的个体定义为控制组（D0i），表示未接受大学教育的控制组。 4.协变量。参与估计的协变量包括工作经验及其平方项、性别、民族、婚姻、家庭规模、政治面貌、健康状况与行业性质。 （三）统计描述 表1汇报了所涉变量的基本统计信息。处理组为受到政策干预的城镇劳动力，观测值为1360个，控制组为未受到政策干预的城镇劳动力，观测值为2537个。从核心变量上看，控制组的对数工资和工作经验分别为10434和188年，高于处理组的10224和77年，处理组的教育年限达到了135年，相对于控制组的127年高出了08年。 五、实证研究 本章将依次估计教育收益率的均值效应、异质型收益特征并在此基础上分解由高校扩招政策引致的工资差异。第一节将在未匹配样本的基础上，采用普通最小二乘法与工具变量法进行基准估计;第二节将匹配原始样本，确定参与估计的协变量及其形式，检验样本的平衡性，采用PSM估计大学教育的平均处理效应;第三节将采用TEM纠正不可观测异质性造成的估计偏误;第四节将采用无条件分位数回归检验大学教育对整体收入分布的无条件影响;第五节将采用FFL分解扩招政策引致的工资差异。