1、教育收益率計算方法的調整自從 20 世紀 60 年代，人力資本理論創立、 教育開始被視為一種投資行為以來， 教育收益率的估算逐漸成為研究的熱點。隨著人力資本理論、 教育經濟學等學科的發展， 國內外對于教育收益率的研究已有了相當豐富的成果。 然而又存在很多不足： 首先，針對全國的教育收益率的研究較多， 而具體針對某一地區的教育收益率的研究卻較少。 針對北京地區的教育收益率的深度研究就更加少見。 以往研究者們經常使用的明瑟收入函數法， 在北京地區應用時應該進行什么樣的修正， 才能較為準確地衡量北京地區高等教育的收益率？一、分析教育收益率的理論基礎1. 人力資本理論根據人力資本理論， 一個理性人如果

2、預期未來教育的收益可以彌補并超越教育成本時，他才會進行人力資本投資。人力資本理論對于教育水平越高則收入越高這一現象的解釋是基于以下兩點假設的：其一，教育能夠提高勞動生產率。第二，勞動市場是完全競爭的， 在勞動力市場上信息是可獲得的。在這兩點假設下，我們可以得到較為理想情況下的教育收益率。在非理想條件下，經典的估算教育收益率的方法應進行一定程度的修正。根據北京地區的實際情況，我們可以發現， 教育與勞動生產率的關系并不明確。洛克希德(M.E. Lockheed)、穆克 (P. R.Moock)和阿杜 (H. Addou)的研究表明，在農業生產部門，正規教育促進農業生產率之間的作用比較明確。李偉針對

3、我國農村數據進行分析， 發現正規教育、 健康狀況等因素對于勞動生產率的貢獻有較為密切的關系。而在工業部門和服務部門，生產率的衡量由于行業的差異而難以測量；且在工業部門與服務類部門往往會對勞動者進行非常詳盡的崗前培訓，故我們難以區分教育與培訓對于勞動生產率的作用。而在忽略了培訓等非正式教育對于生產率的積極作用的前提下，教育收益率會被高估。所以，在二、三產業從業人員較多的地區，教育與勞動生產率， 乃至教育收益率的關系在傳統的教育收益率估算方法下有被高估的風險。從 1978 年到 2009 年，北京地區農業從業人口在城市總人口中的比重逐漸下降， 且在三次產業所有從業人員中占比較小。 而工業與服務業的

4、從業人口在城市總人口中所占的比重逐漸上升，在三次所有從業人員中占比較大。根據上述勞動力從業的特征，北京地區大多數在職人員的教育與勞動生產率的關系難以建立。所以，傳統的教育收益率的衡量方法在北京地區使用的過程中必須考慮崗前培訓的作用， 在回歸方程中加入“崗前培訓”的代理變量或工具變量，以避免對于教育投資收益率的高估。2. 過度教育理論過度教育指一個人的教育水平高于其工作所需要的教育水平。過度教育產生的根本的原因都是教育( 特別是高等教育 )的迅速發展， 使得受過較多教育的勞動力的供給大于對于這些勞動力的需求，出現了供過于求的局面。在發展中國家，過度教育的現象同樣存在。依瑞扎瑞 (R. L. Ir

5、izarry) 根據西方新馬克思主義的依附理論， 分析并認為發展中國家現代化經濟組織和社會組織 ( 如大型企業、政府機關、學校等 ) 集中于少數的大城市，而農村地區則缺乏能夠吸收接受過較好教育的勞動者的就業單位，導致大量的高素質勞動力集中于中心城市地區，并造成了這些地區的過度教育現象。北京作為全國的首都，恰恰吸引了大量的優秀人才，使得過度教育的產生有了先決條件。同時，我國高等教育業處于一個全面發展、不斷擴張的時期。 全國平均毛入學率已由五、六十年代的2 到 3%發展到 2010 年的 26.5%，而北京市教委表示北京的高等教育已經達到普及化階段，毛入學率在2010 年已在 60%以上。到 20

6、15 年這一數字將達到65%，到 2020年達到 70%左右。高等教育的迅速擴張，使得勞動力市場上的勞動者學歷普遍提升，這也增大了過度教育現象發生的可能性。在存在過度教育的情況下， 勞動者雖然具有較高的學歷， 但其人力資本并不能得到完全的利用， 其收入水平也會受到一定的影響。在這樣的前提下， 應用傳統方法分析和計算的教育收益率是一個低估之后的結果。 所以，有必要在研究中對于傳統教育收益率的計算方法加以修正。以上即為本文分析教育收益率的理論基礎。 在此基礎上， 本文接下來將首先介紹最為常用的估算教育收益率的方法明瑟收益率估算法， 并提出如何對此方法進行結合地區具體情況的修正。二、明瑟收益率法簡介

7、估算明瑟收益率的方程如下所示：其中，是工資的自然對數；為個人的受教育年限，是個人的工作經驗， 一般來說不實用個人實際工齡的數據，而是用個人的年齡減去受教育年限再減去開始接受教育時的年齡得到工作經驗。 是個人工作經驗的平方。在明瑟收入函數中包含工作經驗的平方項，主要是由于實證研究中勞動者的收入往往與其工作經驗呈現倒 U型的關系。 即在勞動者就業之處， 隨著其工作經驗的增加，其收入往往會隨著增加。 然而收入增加的趨勢難以長期維持下午。當勞動者工作年限增加到一定程度時， 由于其年齡增大、勞動能力下降， 勞動生產率也會隨之下降， 則其收入也會有一個下降的趨勢。 式中的 u 為隨機誤差項， 表示除教育和

8、工作經驗以外的其他因素對于工資或收入的影響。對于明瑟收益率的估計方程的兩邊求的一階偏導數：即回歸系數可以表示在工作經驗相同的條件下， 每增加一年的教育導致的個人收入增加的百分比，即教育的明瑟收益率。明瑟收入法可以在回歸分析中控制其他變量對于收入的影響，較為準確地估算教育對于勞動者收入的影響， 故明瑟收益率在計算教育收益率時最為常用。三、明瑟收益率法修正明瑟收益率的計算過程中，會產生一系列的問題。首先，明瑟收益率的計算中可能會出現測量誤差。 即便排除了調查者謊報其信息的可能，測量誤差依然存在：其一，勞動者除了獲得貨幣工資收入之外，還可能從工作單位獲得非貨幣性的收入， 如住房、醫療、交通等福利。調

9、查中往往只能獲得貨幣工資收入的數據，而很難得到其他收入數據。 因此只使用貨幣工資收入數據就會低估真實的工資收入，產生測量誤差。其二，理論上講，被解釋變量最好是小時工資率，即每小時的工資收入，但在現實中往往獲得的是年收入或月收人數據，這也會引起測量誤差。一些研究認為，教育程度低的人比教育程度高的人每天以小時計的工作時間可能會更長， 這樣，相對于小時工資率而言， 變量中采用日工資、月收入或年收入都會低估教育收益率。 針對有可能出現的測量誤差，本文在問卷調查的過程中統一采用小時工資率。 而由于各個企業采取的員工福利形式繁多、 難以準確核算其價值， 本文沒有將工資之外的福利納入調查的范圍， 這也從一定

10、程度上降低了本文調查的準確性。其次，明瑟收入函數法的估計中， 必須考慮到樣本選擇性造成的偏差。 即對于工資收入活動的參與， 我們只能觀察到哪些已經參與了該活動的個體， 這些個體很可能具有某些我們觀察不到的而有與他們的收入相關的特征。 例如，參與社會活動的個體很可能是哪些素質相對較高， 從而生產率也較高的個體， 這些個體無論從事何種活動， 其收益率都會高于其他個體， 如果以這些個體為依據來估計教育收益率， 很可能會產生過高估計的偏差。 此外，對于那些沒有從事非農活動的個體，我們也無法知道假如如果他們參與非農活動時可能的工資收入。這種偏差通常用Heckman而二階法來修正，并可以得到修正的明瑟收入

11、函數。具體來說，應該采取兩步進行修正。其一，用 Probit 模型計算調查對象參與社會活動的概率 ( 即逆 mills 比率。 )其二，將 帶入明瑟收入函數，得到調整后的明瑟收入函數：在進行調整后， 明瑟收入函數法計算得到的教育收益率則可以避免樣本偏差的問題。最后，在應用明瑟收入函數時， 有可能造成解釋變量的遺漏。加入其它解釋變量后的明瑟收入函數為：根據前文的理論分析，并結合北京地區的現狀，本次研究中應在傳統的明瑟收入函數中加入了解釋變量以對于傳統的明瑟收入函數進行修正。上文曾經提到， 在北京地區二、 三產業密集而第一產業相對較少的前提下，教育與收入的關系往往不必然。所以，要想得到相對準確的明

12、瑟收益率， 必須剔除二、 三產業崗前培訓對于勞動力收入的作用。本文采取的具體做法為：在調查問卷中，請被調查人員提供其接受培訓時長與培訓頻率的信息， 并從“培訓與工作的相關程度”、 “對于崗前培訓的滿意度”等方面進行從 1 分到 5 分的打分。在此基礎上， 本文計算得到每位勞動者所接受培訓的綜合評分， 并將此評分納入回歸方程， 以剔除崗前培訓對于收入的影響。進過這一步調整之后的明瑟收入函數為：其中 training代表崗前培訓的綜合評分。 b4 為其回歸系數。通過這一步的調整， 明瑟收入函數從一定程度上避免了對于教育收益率的低估。 由于本文關注教育收益率的性別比較，這一步調整也有利于我們分析崗前

13、培訓對于不同性別勞動力的影響程度。根據上文有關過度教育理論的闡述以及北京市高等教育的具體情況，本文在明瑟收入函數中剔除了過度教育的影響以避免對于教育收益率的低估。經過這一步調整之后的明瑟收入函數為：其中表示勞動者過度教育的年限。( 勞動者教育不足時可以取負值。 ) 為過度教育的回歸系數。通過這一步的調整，明瑟收入函數從一定程度上避免了由于過度教育的存在而造成的對于教育收益率的低估。同時，經過這一步調整，本文得以分析過度教育對于不同性別勞動力的教育收益率的影響程度。以上即為結合北京地區的實際情況，對于明瑟收益率法應該采取的一些修正方法。注釋：李偉 . 教育與健康水平對農村勞動生產率的影響: 對中國農村貧困地區的一項研究J.市場與人口分析 ,2001(5).Duncan G J an d Hoffman S. (1981) The incidence and wage effects of over-educ