收入差距分化、城市化发展与教育收益率-基于分位数回归的实证分析.docx

收入差距分化、城市化发展与教育收益率基于分位数回归的实证分析 摘要：本文利用微观调查数据，采用分位数回归法，研究教育收益率在不同收入群体之间的差异性，在城市化发展程度不同的地区间的空间差异性，为制定更适宜的政策提供决策依据结果表明：低收入群体的教育收益率高出高收入群体4.3%随着学历的提高，教育收益率越来越高，受过高等教育者的教育收益率远高于未受高等教育的群组对于中等及以上收入群体，城市的教育收益率显著高于农村；对于低收入群体，城市和农村的教育收益率没有显著差别城镇化率对于中等及中等偏上收入群体的教育收益率具有显著的正向促进作用关键词：收入差距分化，城市化，教育收益率，分位数回归，明瑟收入模型基金项目：国家自然科学基金项目“房地产价格波动对金融稳定冲击的作用机制及其货币政策选择研究”(项目编号：71103121)；上海师范大学第七期“城市经济学”重点建设学科资助一、引言教育对收入分配具有深远的间接影响，受教育程度不同是导致收入差距扩大的重要原因之一个人的教育收益率(the returns to education)是对个人因增加受教育的数量而得到的未来净经济报酬的一种测量[1]近三十多年来，我国经济和社会都经历着翻天覆地的变化，伴随着经济增长，人们收入水平及全国教育水平不断提高，我国个人教育收益率也得到提升。

学者们测算出80年代我国教育收益率在3%左右，90年代中期大约为5%左右，2002年达到世界平均水平10%，2010年达12.4%[2][3]在计划经济体制下，劳动力市场竞争性和流动性较低，教育对个人收入的贡献不能得到很好地实现，导致我国教育收益率偏低改革开放以来，在市场转型过程中，制度变化和经济结构变化，劳动力市场越来越发达，教育收益率也逐渐上升[4]也有研究认为，我国教育收益率增长趋势，要归因于人口老龄化导致的样本平均年龄的提高[3]既有的教育收益率研究中，没有考虑到我国收入差距分化严重的事实以及城市化快速发展的背景，忽略了教育收益率在不同收入群体的差异性，也没有考虑城市化发展程度不同可能导致的教育收益率的空间差异性首先，从反映收入差距的基尼系数指标来看，从2003年到2014年，我国居民基尼系数介于0.47至0.49之间，超越0.4的国际警戒线OECD(2005)研究认为，随着一国收入分配不均等程度的提高，教育的影响比重会逐渐提高在社会福利较高的国家，例如比利时、卢森堡、瑞典和芬兰等国，这些国家人均收入较为平均，受教育程度对个人的经济影响较小[5]其次，我国正处于快速城镇化的发展进程中，城镇化率从2000年的36.22%发展至2014年的54.77%，15年间增长了18.55%。

城镇化水平不断提高的过程，是城市硬件和软件升级过程，也是工业进程大大加快、产业结构转变升级的过程，从事传统低效的农业劳动力转向从事现代高效的工业、服务业和知识产业，教育和知识的作用也日益彰显，这一过程是否助推了个人教育收益率的提高？因此，在研究教育收益率时，不能忽略不同收入群体和不同区域城市化发展水平的差异本文利用微观调查数据，研究教育收益率在不同收入群体间的差异性，以及在城市化发展水平不同的区域间的空间异质性只有对不同收入群体和不同区域间教育收益率差异有了充分的理解，才能制定更适宜的政策，这对于我们认识教育投资的适宜性和公平性，以及提高劳动力配置效率都具有重要的意义二、文献述评教育收益的理论研究主要有人力资本理论和筛选理论人力资本理论通过构建收入分配的人力资本模型，来研究人口总体平均受教育程度和教育分布状况对收入分配的影响[6]Schultz(1975)[7]指出：“劳动者成为人力资本的拥有者，劳动者挖掘了更具有经济价值的知识和技能——学习能力、完成有意义工作的能力、进行各种文娱活动的能力和创造能力，这种知识和技能在很大程度上是教育等人力资本投资的结果筛选理论也认同教育对提升个人收入具有显著的正向促进作用，认为教育反映了劳动者的生产效率，起到信号和筛选作用[8]。

Ulla & Roope(2008)[9]的研究也支持了信号和筛选理论，他们采用芬兰工业改革前后数据进行检验发现，教育并没有提高劳动力生产效率，而只是为社会提供了筛选劳动者素质和能力的信号作用Mincer(1974)[6]提出如果个体接受教育的成本只有机会成本，而且由于多接受一年教育而增加的收入在其一生中固定不变，那么，劳动者受教育年限与其收入的自然对数具有线性关系，将两者联系起来便得到明瑟收入方程自明瑟收入方程提出之后，测算各国教育收益率的文献开始大量涌现Psacharopoulos & Patrinos(2004)[10]对大量的测算各国教育投入的明瑟收益率的研究进行整理，发现教育收益率与地区经济发展水平成反比，地区经济越发达，教育收益率越低此外，初等教育的个人收益率普遍高于中等教育和高等教育(除了欧洲中东北非地区)，高等教育收益率次之，中等教育收益率最低因此，落后国家和地区积极发展教育，对于提高国家经济增长率以及改善本国居民收入水平，缩小与发达国家居民收入差距具有积极作用孙志军(2004)[2]对18项研究我国城市居民的教育收益率的文献进行总结，学者们测算出我国80年代的教育收益率通常在3%左右，90年代中期大约为5%左右。

王海港等(2007)[11]测算出2002年我国城镇居民的教育收益率达到世界平均水平(10%)于洪霞(2013)[3]总结了1988年至2010年间9篇采用微观数据测算出的明瑟收益率，其中最小值为1.4%，最大值为12.4%，平均值为6.61%，并得出随着时间的推移我国教育收益率呈上升趋势的结论国内外学者对教育收益率的群体异质性也进行了深入的研究，特别是性别差异和年龄差异例如，Kimenyi(2006)[12]采用肯尼亚国家统计局1994年的WMS调查数据，采用明瑟收入方程对肯尼亚居民教育的个人收益率进行了测算，结果发现，肯尼亚女性的教育收益率普遍高于男性，同时，城市地区各级教育收益率普遍高于农村，尤其在大学阶段于洪霞(2015)[13]利用我国微观调查数据研究表明，在生命周期前期女性的教育收益率高于男性，后期是男性高于女性罗楚亮(2007)[14]讨论了城镇居民教育收益率与收入条件分布之间的关联形式，但是，该研究的样本选择只包括16-60岁被雇佣的样本，不包括工商经营者以及失业人员，这种做法存在样本选择性偏差另外，该文对个人能力这一影响收入的重要的因素没有进行控制，可能导致教育收益率的高估。

综上所述，国内外研究教育与收入问题的文献十分丰富，多数研究结论都显示教育对居民收入具有重要提升作用，对社会经济增长和收入分配格局具有重要影响现有研究为本文奠定了坚实的理论和实证基础然而，国内相关研究还存在一定的不足：第一，国内教育收益率的异质性研究侧重于男女性别差异和年龄差异，忽略了教育收益率在不同收入群体间的差异，在城乡之间的差异，在城市化发展水平不同的省市间的空间差异，认识教育收益率的异质性是有效制定相关政策的基础第二，现有研究往往利用居民的工资收入来考察教育的收益率，然而，随着我国市场经济的发展，除工资性收入外，居民经商的经营性收入、投资金融市场和房地产市场的财产性收入占很大比例据统计局公布的数据，2012年城镇居民的人均工资性收入仅占总收入的64.3%，非工资性收入占35.7%居民受教育程度的高低不仅仅影响其工资收入，教育可以提高公民对新知识、新技术的认知和掌握能力，个人的知识、经验和能力对居民的经营性和财产性等其它收入也存在着重要的影响(Iversen，2010)[15]因此，仅用工资收入来估算教育收益率是不完整的，会导致教育收益率的低估第三，国内现有研究的样本选择中，往往仅选择城镇具有固定工资收入(被雇佣)的样本，农村居民以及城镇有自营业的样本被人为删除，样本存在选择性偏误，导致测算结果可能有偏。

本文利用“中国家庭动态跟踪调查(CFPS)”项目2012年的微观调查数据，使用城乡混合样本代替城镇样本，以人均家庭纯收入代替工资收入，利用分位数回归方法，考察教育收益率在不同收入群体、在城市与乡村之间、在不同城市化发展程度的省市之间的差异，以弥补现有研究的不足三、计量模型设定与估计方法明瑟收入模型(Mincer Model)是教育收益率估计最常用的模型，模型假定劳动者的收入完全由劳动者人力资本和其他个体特征所决定，是一个劳动力定价的享乐主义(hedonic)方程，揭示了教育和工作经历这些具有生产力特性的要素在劳动力市场上的报酬(Heckman. et. al，2005)[16]，如式(1)所示式(1)中，LnY表示收入的对数，Edu为受教育年限，Exp表示工作经验，常常以劳动者的就业时间即工龄为代表，工龄的平方项用来反映工龄与收入的非线性关系，xi为个人的特征变量，例如年龄、能力、职业、地区等，ε为误差项系数β1表示在不考虑教育成本的情况下就业者从学校教育中获得的人力资本的个人收益率，又简称为教育收益率已往研究往往普遍采用最小二乘法对明瑟收入模型进行估计，然而，最小二乘法只能描述解释变量对于被解释变量的作用平均化，并且回归模型要满足一系列假设才能保证系统估计是最佳无偏线性估计。

为了深入比较不同收入群体的教育收益率的差别，本文采用分位数回归方法以突破传统最小二乘法只能研究平均解释变量的局限分位数回归是给定回归变量x，估计响应变量LnY在不同分位数下的变化趋势的一个基本方法对于一个连续随机变量LnY，如果LnY≤qT的概率是τ，则LnY的τ分位值是qτ，或qτ称为LnY的τ分位数如果将被解释变量LnY表示为一系列解释变量x的线性表达式(又称为拟合值)，并使得该表达式满足≤qτ的概率是τ，就称为分位数回归假设条件分布LnY丨x的总体τ分位数LnYτ(x)是x的线性函数，即LnYτ(xi)=xiβτ，其中βτ为“τ分位数回归系数”，其估计量可以由式(2)最小加权绝对偏差问题来定义：从参数估计来看，一般线性回归模型是使得被解释变量Y与其拟合值之差(称作残差)的平方和最小，而分位数回归是使该残差的绝对值的表达式最小，表达式不可微，因此传统的求导方法不再适用，而应采用线性规划或单纯形算法来计算与普通最小二乘法相比，分位数回归具有以下几个方面的优势[17]：第一，分位数回归并不需要对模型中的随机干扰项做任何分布的假定，在干扰项非正态的情形下，分位数估计可能比普通最小二乘估计更为有效；第二，分位数回归特别适合具有异方差性的模型；第三，分位数回归通过使加权误差绝对值之和最小得到参数估计，估计量不易受到异常值的影响，从而更加稳健；第四，与普通最小二乘法只拟合一条曲线不同，分位数回归可以拟合一簇曲线，当自变量对不同部分的因变量的分布产生不同影响时，能更加全面的刻画条件分布的大体特征。

四、数据来源与指标选择本文数据来源于北京大学中国社会科学调查中心实施的“中国家庭动态跟踪调查(CFPS)”项目2012年度的调查数据，该项目旨在通过跟踪搜集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁情况本文共整理家庭层次的有效样本8004个，关键指标的描述性统计如表1和表2所示CFPS调查了家庭成员的工资性收入、经营性收入、财产性收入、转移性收入和其它收入，为了弥补既有研究仅考虑工资性收入的缺陷，本文把与教育和人力资本相关的经营性收入和财产性收入也包括在收入指标内，农村家庭的收入还包括务农等劳动经营性收入家庭纯收入汇总后，再计算出人均家庭纯收入，取自然对数如表1所示，收入指标的偏度为负，峰度大于0，表示收入为长左尾，分布比标准正态分布更为陡峭K-S正态检验P值为0，也表明人均家庭纯收入的分布不服从正态分布可见，本文采用分位数回归法对约瑟收入模型进行估计，结果会比最小二乘法更稳健 -全文完-。