教育回报率计量估计.docxVIP

教育回报率计量估计

引言：教育投资，值得吗？

我在高校教计量经济学十年，常被学生问：“读研究生真的能多赚钱吗？”也有家长发愁：“孩子上职高还是普高，哪种选择未来收入更高？”这些问题背后，都指向一个核心命题——教育回报率。它不仅是个人“读书有用论”的量化依据，更是政府教育财政投入、企业技能培训政策的决策基础。过去四十年，从明瑟方程的提出到现代计量方法的革新，学者们用数据为教育的经济价值“称重”，这场持续的学术探索，本质上是在回答人类社会最朴素的疑问：把时间、金钱投入教育，到底能带来多少回报？

一、教育回报率：从概念到计量的起点

1.1什么是教育回报率？

教育回报率（ReturntoEducation）是指每增加一单位教育投入（通常用受教育年限衡量）所带来的收入增长比例。它像一把“经济标尺”，既衡量个人人力资本投资的收益，也反映社会教育资源配置的效率。打个比方，如果某人多上一年学，未来收入比没多上这一年的人高8%，那这8%就是这一年教育的回报率。

这个概念的理论根基是人力资本理论。上世纪60年代，舒尔茨、贝克尔等学者提出，教育不是单纯的消费行为，而是对“人”本身的投资——通过知识、技能积累提升劳动生产率，进而转化为更高的市场价值。1974年，雅各布·明瑟（JacobMincer）在《学校教育、经验与收入》中构建了经典的“明瑟方程”，将这一理论转化为可计量的模型：

ln(Y)=α+βS+γE+δE2+ε

其中，Y是收入，S是受教育年限，E是工作经验，ε是误差项。β就是我们要估计的教育回报率。这个方程之所以经典，是因为它用最简洁的形式抓住了核心：教育年限（S）对收入（Y）的边际影响。

1.2早期计量：从直觉到数据的跨越

在明瑟之前，人们对教育回报的认知多停留在“经验判断”。比如观察到大学生平均工资高于高中生，就推断“上大学有用”。但这种比较忽略了关键问题：上大学的人可能本身能力更强、家庭条件更好，这些因素也会影响收入。明瑟方程的贡献在于，它通过引入工作经验（E）和经验平方项（E2）控制了“工作年限对收入的非线性影响”，让教育的独立效应得以显现。

早期研究多使用OLS（普通最小二乘法）估计明瑟方程。比如用某一年的人口调查数据，把每个人的收入对受教育年限、工作经验等变量做回归，得到β值。上世纪80年代以前，全球范围内的OLS估计结果普遍在7%-10%之间，这让“教育能显著提高收入”成为共识。但很快，学者们发现了问题：OLS估计可能“失真”。

二、内生性挑战：计量方法的迭代升级

2.1OLS的“先天缺陷”：为什么简单回归不可靠？

假设我们用OLS估计明瑟方程，得到的β可能不是真实的教育回报率，因为存在两大内生性问题：

第一，能力偏差。成绩好的学生更可能读大学，而他们的高收入可能不仅来自大学教育，还来自本身的高能力（如逻辑思维、学习速度）。但“能力”无法被直接观测，会被归入误差项ε，导致S与ε相关（能力高的人S大，ε也大），这就是“遗漏变量偏差”。

第二，选择偏差。是否继续上学不是随机的：家庭经济条件好的学生更可能读研究生，而富裕家庭往往能提供更多资源（如人脉、初始资金）促进收入增长。这种“自选择”会让教育年限（S）与误差项（ε）产生相关性，导致估计偏误。

举个真实案例：某研究发现，双胞胎中受教育年限多1年的一方，收入仅比另一方高5%，而用OLS估计全体样本时这个数字是8%。这说明，OLS高估了教育回报率，因为它把“双胞胎共有的基因和家庭环境优势”错误归因于教育本身。

2.2工具变量法：给教育年限找个“外生推手”

为解决内生性，学者们引入工具变量（IV）。工具变量Z需要满足两个条件：一是与教育年限S高度相关（相关性），二是仅通过S影响收入Y（外生性）。

最经典的工具变量是“义务教育法”。比如某国规定年满6岁必须上学，15岁才能辍学。那么，出生季度不同的人，受教育年限可能不同——12月出生的孩子6岁入学时，比1月出生的孩子晚近一年，更早达到辍学年龄，可能少上一年学。出生季度（Z）与教育年限（S）相关，而与个人能力、家庭背景无关，符合外生性。用Z作为工具变量估计，得到的β更接近真实回报率。

另一个常用工具是“教育扩张政策”。比如某年某地区新建多所高中，该地区同龄人受教育年限显著提高，而政策本身是外生的（非因当地居民能力或收入变化而实施）。这种“政策冲击”就可以作为工具变量。

2.3其他方法：从双胞胎数据到断点回归

双胞胎固定效应：双胞胎共享基因和家庭环境，差异主要在教育年限（比如一个早工作，一个读大学）。用双胞胎数据做回归，能控制大部分遗漏变量，估计结果更可信。有研究显示，双胞胎样本的教育回报率比OLS低2-3个百分点，说明能力偏差确实存在。

断点回归（RDD）：利用政策或规则中的“临界点”。比如某省规定中考分