農村職業(yè)教育對農村家庭收入的影響

一、對現(xiàn)有文獻的評述“三公”問題是我國經濟發(fā)展的突出問題之一。解決“三公”問題的關鍵是增加收入。增加并保持農民收入持續(xù)穩(wěn)定增長,對我國的經濟發(fā)展有著至關重要的作用。為此,政府近年來出臺了一系列政策(如取消農業(yè)稅、實施農產品最低收購保護價格,以及近期的政府補貼家電下鄉(xiāng)等)以減輕農民負擔,增加農民收入。盡管這些政策起到了一定的積極作用,但要使農民收入持續(xù)穩(wěn)定增長,發(fā)展新型農業(yè)是關鍵,農村教育,特別是農村職業(yè)教育作為提高人力資本的重要手段,在培養(yǎng)新型農業(yè)人才等方面起著十分關鍵的作用。從經濟學角度來看,教育還可以提高農村人口的素質,在農村社會生活的各個方面發(fā)揮積極的作用。現(xiàn)有研究表明,中國農村教育的回報率在0—6%1,與國際上平均10.1%教育回報率相比明顯偏低。一般來說,低回報往往導致人們對教育投資不足,但研究表明中國家庭對人力資本的投資熱情很高。據統(tǒng)計,2006年教育支出占農村家庭人均生活消費支出的10.78%2(僅次于食品支出的43%和居住支出的16.6%),而且呈現(xiàn)不斷增長的趨勢。如何解釋這一現(xiàn)象?是否存在回報率被低估的問題?本文認為,傳統(tǒng)的農村教育回報率的研究呈現(xiàn)以下特征:(1)研究者往往用常規(guī)教育回報的方法強調對勞動者個體本身的貢獻,現(xiàn)實情況是農村家庭的經營一般以家庭為單位,因此教育對家庭的貢獻是顯而易見的,這一點現(xiàn)有文獻沒有足夠重視。(2)現(xiàn)有的一些研究由于選取的樣本是農村有工資收入的群體,把務農在家從事農業(yè)經營的群體排除在外,這樣的研究一般來說是有局限性的。(3)從農村教育來看,可分為義務教育階段和農村職業(yè)教育階段,由于這兩個階段的教育目的有很大差別,如將受過農村職業(yè)教育看成是人力資本的提升,那么其回報與義務教育階段應該是不一樣的。對以上三點特征考慮不充分,可能是導致現(xiàn)有文獻對農村教育回報估計偏低的重要原因。考慮到我國農村以家庭為單位進行生產和經營的特征,以及上面提到的職業(yè)教育與初中義務教育的不同,本文將考察農村職業(yè)教育對提高農村家庭收入的作用。農村職業(yè)教育一般由中學舉辦,頒發(fā)中專學歷,有些已發(fā)展成強調實用技術的職業(yè)學校,因此也被稱為職業(yè)高中教育,是九年義務教育后提升農村人力資本的重要途徑。職業(yè)高中主要是培養(yǎng)應用性技術人才,畢業(yè)學生一般會掌握一到兩門實用性強的農業(yè)生產技術,通常會對家庭的生產經營產生積極影響,從而促進農村經濟的轉型,提高農民收入。同時我們也注意到:農村職業(yè)教育不同于專科和本科教育,受教育對象通常是不能進入全日制高中學習的初中畢業(yè)生。他們中相當一部分人將長期在當?shù)剞r村工作和生活,對當?shù)剞r村的發(fā)展起著關鍵作用。如果有實證數(shù)據表明農村職業(yè)教育對農村家庭收入的增加有著積極的作用,那么會對政府發(fā)展農村職業(yè)教育提供重要的參考依據。因此,從職業(yè)高中教育對農村家庭收入的貢獻這一角度,來實證研究職業(yè)高中教育對農村家庭的教育回報問題,是非常有意義的。眾所周知,教育回報是經濟學特別是勞動經濟學和計量經濟學的重要研究課題,許多計量經濟學的重要方法如平均處理效應(ATE)等都是伴隨該問題的研究而產生,國外已有眾多文獻對這一問題進行了廣泛的討論。最早的是Mincer(1974)的工資方程,以工資的對數(shù)值作為被解釋變量,建立了一般線性模型來估計教育回報率,模型中受教育年限前的系數(shù)估計值通常被解釋成多接受一年教育所得到的百分比回報。教育回報的難點是如何處理能力對收入的影響。個體隨教育的提高和經驗的積累,其能力得到了提高,而實際中我們又經常發(fā)現(xiàn)兩個個體受了相同的教育,經驗和所從事的行業(yè)也類似,但他們的收入有很大差別,一般來說這種差別不能用教育和經驗來解釋,而歸因于人的天生能力(innateability)差別3。由于個體的天生能力難以量化,20世紀70年代的研究一般都忽略天生能力對工資的影響。Ashenfelter(1987)在討論工作培訓對收入影響的研究中指出:考察工作培訓的作用不能簡單地將參加了該培訓的人員與未參加培訓的人員進行比較,因為這兩類人群的個體特征和背景可能存在明顯的差異。如果讓這些未參加培訓的人員也參加培訓,其回報可能與現(xiàn)已參加培訓的人員的回報是不一樣的。比較直觀的理解是,參加培訓的人(treated)與未參加培訓的人(untreated)天生能力不一樣,而這些天生的能力又直接影響著他們的收入狀況。由于較難分清收入的不同是緣于教育背景不同還是能力不同,所以忽略能力因素往往會對工作培訓的評價產生偏差。為克服這一問題,很多學者做了有益的嘗試。例如,Ashenfelter&Krueger(1994)利用雙胞胎數(shù)據對教育回報進行估計,他們認為雙胞胎數(shù)據的特點是可以將人的天生能力進行控制,雙胞胎中的兩個個體的能力可以看成是一樣的,但他們所受的教育往往是不一樣的,把能力因素的影響從教育中分離出去,就能得到較為準確的教育回報估計。上世紀90年代以來,對這類問題一般有以下兩種較為常用的處理方法,一是條件期望獨立假設下的平均處理效應方法(RosenbaumandRubin,1983;AngristandLavy,1999),二是工具變量方法(Angrist,1990;Heckmanetal.,1997)。在我國,由于缺乏相關數(shù)據(現(xiàn)有數(shù)據往往不能滿足研究目的,研究者需要通過自身調研來獲取)使得這方面的研究起步較晚,實證研究更不多見。比較典型的文獻有:李雪松和赫克曼(2004)用邊際處理效應(MarginalTreatmentEffect)討論大學的教育回報,對教育回報的異質性進行了較規(guī)范的處理,得到我國大學本科的教育回報率約為40%,即年均大學回報率為10%左右。陳玉宇和邢春冰4(2004)從農村工業(yè)化的角度討論人力資本在農村勞動力市場的角色,盡管考慮到了樣本的非隨機性,用Heckman(1979)的樣本選擇模型去分析1991—1997年的教育回報,得到了教育極大地提高了人們到工業(yè)部門工作的機會,由此帶來的回報在5%—7%的結論,但研究中沒有考慮控制能力因素以及對應狀態(tài)的缺失等問題,而這些正是上世紀90年代以來在教育回報研究和政策評價時需要考慮的重要因素。另外,許玲麗等(2008)則討論了成人高等教育的教育回報,通過添加代理變量和分位數(shù)方法分析了個體收入與成人高等教育的關系,發(fā)現(xiàn)了成人本科教育回報顯著低于普通本科,兩者相差約為17%。代理變量的前提條件是一旦決定了代理變量,則能力與其他回歸變量無關。該條件在實際中往往難以滿足,這將導致估計有偏。至于與農民收入相關的農村職業(yè)教育問題,相關的實證分析更不多見,這激發(fā)了我們研究農村職業(yè)教育回報問題的興趣。本文利用國外政策評價以及教育回報研究中經常采用的平均處理效應(averagetreatmenteffect)方法來實證討論職業(yè)高中教育對農村家庭收入的影響。數(shù)據來源于上海財經大學高等研究院數(shù)據調研中心2008年對蘇北濱海、射陽和阜寧等3個縣30個自然村416戶家庭2007年度基本情況的抽樣調查。從政策評價的平均處理效應的分析框架來看,評價職業(yè)高中教育對每個樣本家庭貢獻的理想方式是,比較同一個人接受或者不接受職業(yè)高中教育所引起的家庭收入變化,以得到“真正”的教育回報。現(xiàn)實問題是,我們只能觀察到其中一種情況下的家庭收入,相當于缺少一個非實際狀態(tài)。因此,從樣本中未接受職業(yè)高中教育的人中挖掘信息,給接受職業(yè)高中教育的人提供這種缺失的非實際狀態(tài)的信息就顯得尤為重要。本文將著眼于職高教育對任意家庭收入的影響,即平均處理效應(簡稱ATE),以及對已接受了職業(yè)教育的家庭的影響(averagetreatmenteffectonthetreated,簡稱ATT)。現(xiàn)有文獻對后者的討論較少,由于這兩類人群背景不同,后者的討論有時更有意義。本文結構如下:第二節(jié)介紹政策評價相關的平均處理效應模型及分析職業(yè)高中教育回報的模型框架,說明實證分析使用的調查數(shù)據,提供調查數(shù)據的描述性統(tǒng)計分析。第三節(jié)是實證部分,運用第二節(jié)中的理論模型去討論職業(yè)高中教育對農戶家庭收入的影響,以期得到農村職業(yè)高中教育回報的量化結果。第四節(jié)是結論及相關建議。二、模型和數(shù)據的介紹(一)條件期望獨立假設本文將不再基于傳統(tǒng)線性回歸模型來討論,而是在平均處理效應的分析框架下,建立農村職業(yè)教育回報的結構方程。具體如下:將農戶i的家庭成員中是否有人接受過職業(yè)高中教育看作一個二元隨機變量edui,令edui=1表示家庭成員中有人接受過職業(yè)高中教育,edui=0表示家庭成員均未接受過職業(yè)高中教育;農戶i的家庭凈農業(yè)收入用ninci表示。需要討論的是edui對ninci的作用和影響,即家庭有成員接受職業(yè)高中教育為家庭凈收入帶來的貢獻。若將對應edui=1的農戶i的家庭收入記為ninc1i,對應于edui=0的農戶i的家庭收入記為ninc0i,則(ninc1i-ninc0i)代表了農戶i的家庭中有成員接受職業(yè)高中教育為家庭凈收入帶來的影響(即收入的變化額)。需要強調的是,現(xiàn)實中我們只能觀察到農戶i的ninc0i或ninc1i,卻不能同時觀察到這兩個值。為此,進一步將可以觀察到的變量ninci定義為:ninci=(1-edui)?ninc0i+edui?ninc1i=ninc0i+edui?(ninc1i-ninc0i)(1)由于我們沒有假定依賴關系的函數(shù)形式,(1)式是結構方程,它將觀察到的ninci與edui聯(lián)系起來。為說明實證分析所使用的模型,需要解釋條件期望獨立假設(ConditionalMeanIndependence),條件期望獨立假設是平均處理效應研究中常用的重要假設5。結合本文的討論,我們將條件期望獨立假設進行如下通俗解釋:一般說來,就讀職業(yè)高中是非強制性的,個體有權自己決定是否接受職業(yè)高中教育,因此是否接受職業(yè)高中教育一般與預見的未來收入有關。我們假設在控制了一些與收入有關的解釋變量Xi后,是否接受職業(yè)高中教育的選擇與潛在收入無關。也就是說,選擇是否接受職業(yè)高中教育是通過Xi與潛在收入相聯(lián)系。例如,一種特殊的情況是edui=f(Xi,εi),而其中的εi與inci無關。該假定比傳統(tǒng)模型的外生性要求要弱很多。在下面的模型I中,我們可以看到在更強的限制性條件下,方程(1)就變成了傳統(tǒng)的外生性模型。本文的協(xié)解釋變量Xi包括家庭勞動力數(shù)、耕地面積等。依據條件期望獨立假設的前提條件,可以得到:E(nincti|Xi,edui)=E(nincti|Xi),t=0,1若將均值設成ut=E(nincti),則(1)式的ninc0i和ninc1i可以分別表示成ninc0i=u0+v0i和ninc1i=u1+v1i,進而導出E(ninc0i|Xi,edui)=u0+E(v0i|Xi)和E(ninc1i|Xi,edui)=u1+E(v1i|Xi);不難得到E(v1i)=0,E(v0i)=0;于是,(1)式可表示成:E(ninci|Xi,edui)=u0+(u1-u0)edui+(E(v1i|Xi)-E(v0i|Xi))edui+E(v0i|Xi)(2)其中,u1-u0=E(ninc1i-ninc0i)為家庭成員接受職業(yè)高中教育對家庭收入所作貢獻的平均值,相當于表示成α=u1-u0的平均處理效應(ATE)。為了估計出α,我們假設E(v0i|Xi)=g0(Xi),并將(2)式改寫成:ninci=u0+α?edui+g0(Xi)+edui?(E(v1i|Xi)-E(v0i|Xi))+e0i(3)其中,E(e0i|edui,Xi)=0。下面我們簡單介紹與本文實證研究有關的模型。模型I:在(3)式中,假定E(v1i|Xi)=E(v0i|Xi),6即設想家庭有成員接受過職業(yè)高中教育的農戶與家庭成員均未接受過職業(yè)高中教育的農戶之間不存在異質性(換言之,教育的回報對任意家庭都是一樣的(ConstantEffect)),那么,(3)式就可以簡寫為:ninci=u0+α?edui+X′iβ+e0i?(4)與大部分實證模型一樣,該模型假定g0(Xi)≡E(v0i|Xi)=X′iβ為線性函數(shù)。可采用簡單的普通最小二乘法(OLS)估計(4)式。值得注意的是,(4)式的模型實際上就是實證計量中經常用到的啞變量加控制變量的傳統(tǒng)回歸模型(該同質性模型假定了在控制了協(xié)解釋變量后,教育是外生的)。由于我們是在教育回報不存在異質性的假定下導出(4)式,且無異質性的假定具有較強限制性,使得模型I未必完全符合實際情況。模型II:一般說來,教育回報對于不同的個體往往存在異質性,(3)式右邊的第四項不為零,也就是E(v1i|Xi)≠E(v0i|Xi),7即:有家庭成員接受過職業(yè)高中教育的農戶與家庭成員均未接受過職業(yè)高中教育的農戶之間存在異質性,那么,(3)式就轉化為:ninci=u0+α?edui+g0(Xi)+edui?[g1(Xi)-g0(Xi)]+e0i?(5)簡單地假定g1(Xi)-g0(Xi)≡E(v1i|Xi)-E(v0i|Xi)=X′iγ為線性函數(shù)。同樣可采用簡單的普通最小二乘法(OLS)估計(5)式(該異質性模型與模型I的區(qū)別是(5)式右端交互項的存在,如遺漏了這些項會導致估計的不一致性)。此時,職業(yè)高中教育的回報ρ(Xi)=α+X′iγ是隨Xi的變化而變化,體現(xiàn)了教育回報的異質性。為了在Xi的均值處討論教育的回報,實際分析中將采用更簡潔的模型8:ninci=u0i+α?edui+X′iβ+edui?[Xi-ˉXi]′γ+e0i?(6)這里,Xˉi是Xi的均值,(6)式的處理保證了模型估計得到的edui前的系數(shù)就是我們所關注的平均處理效應αˉ。模型III:盡管模型II考慮到了教育回報的異質性,但對函數(shù)仍然作了線性的限制,即g1(Xi)-g0(Xi)≡E(v1i|Xi)-E(v0i|Xi)=X′iγ。如g1(Xi)-g0(Xi)是Xi的非線性函數(shù),模型II就會產生類似于遺漏變量等問題,利用Rosenbaum&Rubin(1983,corollary4.3),可以用傾向得分的估計值Ρ^(Xi)來代替線性函數(shù),而Ρ^(Xi)用非參數(shù)估計的方法得到,大大降低了模型設定和遺漏變量所帶來的錯誤。以下是模型III的估計方程:ninci=u0i+α?edui+βΡ^(Xi)+edui?Ρ^(Xi)-Ρˉ)+e0i(7)值得注意的是模型I,II和III是對任意家庭職業(yè)高中教育回報的討論。有時,人們更關心對參與了職業(yè)高中教育家庭的回報9,也就是AΤΤ=E(ninc1i-ninc0i|edui=1)。由于我們能觀察到的ninci0(當edui=0時)往往不能代替無法觀察到ninci0(edui=1時),即:E(ninc0i|edui=1)≠E(ninc0i|edui=0),使ATT的估計變得困難。在條件期望獨立假設下,可用配對(matching)的方法10估計參與了職業(yè)高中教育家庭的平均處理效應。直觀地說,配對方法的ATT估計就是要找一些特征相近的個體來作為匹配組進行配對估計,由于配對個體之間并不能完美配對(可觀察到的特征Xi并不完全一樣),可以用傾向得分(propensityscore)來進行配對估計。首先定義:Ρi=Ρ(edui=1|Xi),由條件期望獨立知:ninci1,ninc0i⊥edui|Xi?ninci1,ninc0i⊥edui|Ρi11。傾向得分配對估計量是用Pi相近的但沒有接受職業(yè)教育的家庭收入來近似代替已接受職業(yè)教育家庭的缺失狀態(tài)ninci0。本文采用兩種方法來討論參與了職業(yè)高中教育家庭的回報。T表示接受了職業(yè)高中教育組(處理組),C表示未接受職業(yè)高中教育組(控制組)。對處理組個體i,定義:C(i)={pj|||pi-pj‖<r},其中r為數(shù)值較小的正數(shù)(本文取為0.1512)。我們想用控制組C(i)中的元素來匹配個體i的缺失狀態(tài)。因此,對應于接受了職業(yè)高中教育家庭的平均教育回報模型定義為:AΤΤ1=1ΝΤ∑i∈Τ(ninci1-∑j∈C(i)wijninci0)?(8)其中權重wij=1ΝiC,ΝiC為C(i)中的個數(shù),這種估計量稱為局部領域估計。為了得到該估計量的方差,一般假定權重為固定的,樣本相互獨立。那么,方差可表示為:Var(AΤΤ1)=1ΝΤVar(YiΤ)+1(ΝΤ)2∑j∈C(wj)2Var(YjC)其中,wj=∑iwij。注意到(8)式中權重的取值是相同的,這是該估計量的缺點所在。而更合理的做法是在C(i)中與pi更接近的值pj應該有更多權重,為此,Heckmanetal.(1997)提出了配對核估計的方法,估計接受了職業(yè)高中教育家庭的平均教育回報的公式如下:AΤΤ2=1Ν1∑i∈Τ{ninc1i-∑j∈Cninc0iΚ(pj-pihn)∑j∈CΚ(pj-pihn)}(9)其中K(·)是核函數(shù),一般取標準正態(tài)密度函數(shù)或Epanechnikov核,兩者對實證結果相差無幾,本文采用前者。另一個參數(shù)hn是核估計的窗寬13。注意到(9)式中的∑j∈Cninc0iΚ(pj-pihn)∑j∈CΚ(pj-pihn)是缺失狀態(tài)ninc0i的相合估計。至于ATT2的方差估計一般較為復雜,可以用Bootstrapping的方法得到。值得一提的是(8)和(9)中的傾向得分pi由Probit模型得到其估計值。本文利用(8)式和(9)式估計接受了職業(yè)高中教育家庭的教育回報。(二)描述性統(tǒng)計與線性相關分析數(shù)據來源于上海財經大學高等研究院數(shù)據調研中心2008年對蘇北地區(qū)的濱海、射陽和阜寧等3個縣30個自然村416戶家庭2007年度基本情況的抽樣調查。與本研究有關的樣本數(shù)據主要包括:2007年度家庭農副業(yè)收入(inci),包括純農業(yè)和副業(yè)收入(單位:萬元),家庭成員中外出打工收入或其他非農收入不計入其中;相關生產資料支出(inpi);家庭凈收入定義為ninci=inci-inpi;家庭中是否有接受過職高教育(已畢業(yè)且從事農業(yè)生產有關的活動)的成員來定義0—1型變量edui;家庭人口;家庭務農勞動力數(shù)(記為labori);耕地面積(areai)(單位:畝)以及是否從事特種養(yǎng)殖(extrai,0—1型)等。對于調查數(shù)據,我們給出以下描述性統(tǒng)計分析。通過比較,不難看出,成員均未接受過職高教育的農戶家庭的個數(shù)(289個)是曾經接受過的(127個)2.2倍,接受過職業(yè)高中培訓的家庭比例較低;從勞動力來看,edui=1的家庭平均為2.36,比edui=0的家庭多0.24個勞動力;平均耕地面積兩者相差不大;從特種養(yǎng)殖的比例來看,接受過職業(yè)高中培訓的家庭的比例要低一些。值得注意的是,與成員均未接受過職高教育的農戶家庭相比,有成員接受過職高教育的農戶平均家庭收入要高2000元左右。而在影響家庭收入的其他因素基本相似的情況下,我們認為家庭收入的區(qū)別主要來自于教育的不同,這也是我們研究的興趣所在。本文關注的變量是edui,而labori,areai和extrai等與家庭收入有著直接聯(lián)系的變量作為控制變量也引入模型中。在實證分析中,如我們在引言部分所分析的那樣,由于較難分清每個個體在農村家庭的農副業(yè)收入中的貢獻,我們以家庭凈收入作為被解釋變量,家庭中是否有接受過職高教育的成員、家庭勞動力數(shù)、家庭耕地面積(包括養(yǎng)殖水面)以及是否從事特種養(yǎng)殖等作為備選解釋變量來建立模型。計算各種變量之間的相關系數(shù),得到以下結果(見表2)。從上表第二列可以看出,就線性相關關系分析結果來看,備選解釋變量edui、labori、areai以及extrai與被解釋變量ninci之間均存在著較明顯的正相關關系。同時,我們也注意到labori與avareai以及extrai之間線性相關性較小,這就可以很好地避免線性模型中可能出現(xiàn)的多重共線性問題。為了較為準確地得到農村職高教育回報的量化結論,我們將利用第二節(jié)中的理論模型對該樣本進行實證分析。三、估計模型i估計結果(1)對于不考慮異質性的模型I,將協(xié)變量定義成X′i=(labori,areai,extrai),得到估計模型如下:E(ninci|Xi,edui)=u0i+α1?edui+X′iβ1?E(logninci|Xi,edui)=u0i+α2?edui+X′iβ2?這里,第二個方程主要是想考察農戶家庭成員接受職高教育所帶來的家庭收入相對變化。(2)對于考慮異質性的模型II,我們簡單地假定潛在結果(potentialoutcome)為一般線性函數(shù),得到以下估計模型:E(ninci|Xi,edui)=u0i+α1?edui+X′iβ1+edui?[Xi-Xˉi]′γ1；E(logninci|Xi,edui)=u0i+α2?edui+X′iβ2+edui?[Xi-Xˉi]′γ2。其中,X′i=(labori,areai,extrai)?Xˉ′i=(laboriˉ,areaiˉ,extraiˉ)。與模型Ⅰ相比,該模型中加入了控制異質性的edui與其它控制變量的交互項,與實際更加相符。(3)對不設定線性假設的模型Ⅲ,類似地討論如下方程:E(ninci|Xi,edui)=u0i+α3?edui+β3Ρ^(Xi)+edui?(Ρ^(Xi)-Ρˉ)γ3?E(logninci|Xi,edui)=u0i+α4?edui+β4Ρ^(Xi)+edui?(Ρ^(Xi)-Ρˉ)γ4?其中Ρ^(Xi)為非參數(shù)估計的傾向性得分。為了便于比較,我們將模型Ⅰ、Ⅱ和Ⅲ的結果放在下面的表3中。表3給出了相關變量系數(shù)的估計值和p值,從回歸系數(shù)的結果來看,模型I整體非常顯著,并且家庭成員中是否有人接受過職高教育對其家庭收入有著較為顯著的正面影響。對任意一個家庭來說,接受職業(yè)高中教育家庭的平均收入比不接受職業(yè)高中教育家庭的平均收入要高出1220元。從考慮百分比變化的模型來看,家庭成員接受職高教育會令其家庭收入增加21.05%14。值得注意的是,模型I假設農戶家庭不存在異質性,也就是教育的回報對所有家庭是一樣的,這是一個會造成估計偏差的非常強的假設條件,從上節(jié)知,該模型就是外生性假設下的傳統(tǒng)模型,與Mincer(1974)相似。為了便于比較,我們還是給出其估計值。從模型Ⅱ回歸系數(shù)的第一列估計結果來看,家庭成員中有人接受過職業(yè)高中教育對其家庭收入仍有著較為顯著的正面影響。從平均意義來看,職業(yè)高中教育會給農戶的平均家庭收入帶來1430元回報,比假定不存在異質性的模型Ⅰ高出約210元。從第二列百分比變化來看,家庭成員接受職高教育會令其家庭收入增加28.15%(exp(0.248)-1),比模型I的21.05%高出7.1%。交互項edui?[Xi-Xˉi]聯(lián)合檢驗顯著,表明職高教育對于家庭的回報確實存在異質性問題。因此,如果忽略教育回報的異質性,可能會低估家庭成員接受職高教育為其家庭收入所作的貢獻。正如我們在模型介紹部分所指出的那樣,模型II盡管考慮個體之間異質性,但仍然保持了回歸變量的線性假設,模型III放松該要求,避免了因函數(shù)設定錯誤而引起的估計的不一致性。從結果來看,職業(yè)高中教育會給農戶的平均家庭收入帶來1370元回報,比模型II的1430元略低,但比較相近。從第二列百分比變化來看,家庭成員接受職高教育會令其家庭收入增加26.24%(exp(0.233)-1),與模型II也基本一致。因此,從實證結果來看,無論在線性或非線性的假定下,回報的絕對值和回報率估計都較為穩(wěn)定(絕對值在1400左右,回報率可認為27%)。下面我們將討論職業(yè)高中教育對已接受了職業(yè)高中教育的家庭的影響,一般來說它與我們上面模型Ⅰ、模型Ⅱ和Ⅲ分析的對象是不一樣的。模型Ⅰ、Ⅱ、Ⅲ的分析對象是整個農村家庭,相應的教育平均回報是針對任意一個農村家庭的。正如前面已提到的,對于實際的農村家庭,有些家庭沒有接受職業(yè)高中教育的適齡青年,存在接受職業(yè)高中教育的可能性不大,而估計平均教育回報(ATE)時包括了這些家庭,這也是模型Ⅱ和模型Ⅲ的缺陷所在。因此,討論接受了職業(yè)高中教育家庭的教育回報(ATT),就有著重要的現(xiàn)實意義。本文利用(8)式和(9)式估算接受了職業(yè)高中教育家庭的教育回報,先通過probit模型估計傾向得分pi=Ρ(edui=1|Xi),再將相應的估計值代入(8)式和(9)式中,得到局部領域匹配估計ATT1和局部核匹配估計ATT2。農村職業(yè)高中教育對家庭凈收入水平影響的估計結果如表4。從表4可以看到,農村職業(yè)教育對已接受了職業(yè)教育的家庭的平均教育回報(ATT)約為1700元,且統(tǒng)計上非常顯著,與模型II、III的結果(約為1400元)相比,已接受了職業(yè)教育的家庭的平均教育回報的絕對值要高于對任意農戶而言的平均教育回報絕對值,這就意味著從絕對值來看接受了職業(yè)教育的家庭教育回報比平均回報高出約300元。這一結果說明了接受了職業(yè)教育的家庭與未接受職業(yè)教育的家庭的背景是有區(qū)別的,已參與職業(yè)教育的家庭的教育回報要更高些,這也是他們較其他農戶更愿意接受職業(yè)高中教育的原因之一。最后,我們再來看一下職業(yè)教育對已接受了職業(yè)教育的家庭的相對貢獻度(回報率),我們得到的估計結果如表5。從表5可以清楚地看到,農村職業(yè)高中教育對已接受了職業(yè)教育的家庭的回報率約為27.12%(約為exp(0.24)-1),與模型II、III估算的平均教育回報率基本一致。這說明就整體農戶的平均回報與接受了職業(yè)教育的家庭的平均百分比回報相差無幾。這從另外一個側面反映了無論對整個樣本農戶而言,還是對已接受職業(yè)教育的農戶來說,職業(yè)教育的回報率基本穩(wěn)定,不存在對某些群體很高,同時對另一些群體偏低的現(xiàn)象。穩(wěn)定的回報率說明了發(fā)展職業(yè)教育的意義所在。值得注意的是,這與已接受了職業(yè)教育的家庭的絕對回報較大并不矛盾,原因是:如果這些家庭不接受職業(yè)教育,他們的家庭收入也會比現(xiàn)在沒有接受職業(yè)教育的家庭的收入要高一些。四、大力加強農村職業(yè)教育對農民的教育投資本文通過對2007年度蘇北農村400多個樣本家庭數(shù)據的實證分析,