非農(nóng)部門勞動(dòng)力的人力資本回報(bào)率研究——基于解決測量誤差、遺漏

1、研究領(lǐng)域：勞動(dòng)、人口經(jīng)濟(jì)學(xué)非農(nóng)部門勞動(dòng)力的人力資本回報(bào)率研究 基于解決測量誤差、遺漏變量和樣本選擇問題的GMM估計(jì)內(nèi)容提要：本文利用CHNS2000和2004年數(shù)據(jù)，在著力解決教育水平測量、遺漏能力變量和樣本選擇等問題的基礎(chǔ)上，以GMM方法對中國非農(nóng)部門教育回報(bào)率和經(jīng)驗(yàn)回報(bào)率做出了一致有效的估計(jì)。研究結(jié)果表明遺漏變量的高估影響大于測量誤差引起的低估，而且我們認(rèn)為超過6%的教育回報(bào)率估計(jì)結(jié)果是可信的，并且自2000年以來教育回報(bào)率有一個(gè)緩慢下降的過程，這個(gè)下降過程的原因是某個(gè)類別就業(yè)者（具體說是指大中專學(xué)歷的就業(yè)者）的回報(bào)率下降引起的。關(guān)鍵詞：教育水平；測量誤差；遺漏能力變量；樣本選擇偏誤一、引

2、 言研究勞動(dòng)力的人力資本回報(bào)率意義何在呢？而中國非農(nóng)部門的勞動(dòng)力人力資本的真實(shí)回報(bào)率究竟是多少呢？人力資本回報(bào)率的變化情況又怎樣呢？這一系列的問題在經(jīng)濟(jì)學(xué)的許多領(lǐng)域都有比較成熟的研究：比如教育經(jīng)濟(jì)學(xué)、勞動(dòng)經(jīng)濟(jì)學(xué)等等學(xué)科。顯然，自Schultz（1961）、Becker（1967）等人提出人力資本理論以來，人力資本投資對于經(jīng)濟(jì)發(fā)展的重要意義已經(jīng)得到了廣泛的認(rèn)同。人力資本市場的建立和規(guī)范對于人力資本發(fā)展是至關(guān)重要的，而人力資本投資的收益則是人力資本市場運(yùn)作的主要驅(qū)動(dòng)力。從某種意義上說人力資本市場比其他物質(zhì)資本市場對經(jīng)濟(jì)發(fā)展來得更為重要，正如Heckman（2002）所言，中國的情況是重物質(zhì)資本的投

3、資而人力資本的投資從而導(dǎo)致人力資本投資的潛在收益率非常高。據(jù)Fleisher和Wang（2001，轉(zhuǎn)引自Heckman，2002）的研究，上世紀(jì)90年代中國人力資本投資的社會(huì)回報(bào)率（the social return to human capital）遠(yuǎn)高于個(gè)人回報(bào)率（the private return），他們的估計(jì)結(jié)果表明教育的總回報(bào)率為30%到40%（而Heckman認(rèn)為這個(gè)數(shù)字仍然比實(shí)際回報(bào)率偏低），而個(gè)人只得到其中的10%，即3%到4%的個(gè)人回報(bào)率。研究人力資本回報(bào)率的大小及其變化情況則可以反映人力資本市場的建立及運(yùn)作情況。因此，我們看到教育的回報(bào)率有兩個(gè)概念：總的社會(huì)回報(bào)率和個(gè)人回

4、報(bào)率。一般而言前者總是要大于后者，原因存在人力資本正的外溢效應(yīng)。但是如果個(gè)人回報(bào)率太低了則私人的人力資本投資激勵(lì)將會(huì)不足，從而不利一國的人力資本積累和發(fā)展。Heckman認(rèn)為，比照發(fā)達(dá)國家15%20%的回報(bào)率數(shù)據(jù)，然而發(fā)達(dá)國家的社會(huì)回報(bào)率和個(gè)人回報(bào)率差距很小，所以中國3%4%的個(gè)人回報(bào)率是非常低的。然而中國非農(nóng)部門的人力資本回報(bào)率究竟是多少呢？以往的研究大多存在沒有著力解決測量誤差、遺漏能力變量和樣本選擇問題，沒有太多注意估計(jì)的有效性等等問題。本文的目的是試圖在解決這些問題的基礎(chǔ)上來估計(jì)個(gè)人人力資本收益率，并且發(fā)現(xiàn)其時(shí)間變化的特點(diǎn)。本文其余部分這樣安排：第二部分簡單回顧已有的文獻(xiàn)，并且指出已有

5、文獻(xiàn)的缺失之處；提出本文的研究方法；第三部分描述數(shù)據(jù)；第四部分設(shè)定計(jì)量模型、估計(jì)結(jié)果及其討論；第五部分是簡要結(jié)論。二、文獻(xiàn)回顧盡管有很多研究以城市居民樣本來估計(jì)教育的私人收益率，如賴德勝（1998）、陳曉宇和閔維方（1998）、于學(xué)軍（2000）等，也有以農(nóng)村樣本來研究的：Zhao（1997）、陳玉宇和邢春冰（2004）、侯風(fēng)云（2004）、DeBrauw et al.（2002）等，但是他們的研究都沒有區(qū)分農(nóng)村樣本和城市樣本與農(nóng)業(yè)樣本和非農(nóng)樣本的差別。我們認(rèn)為，中國二元經(jīng)濟(jì)的實(shí)質(zhì)是農(nóng)業(yè)部門與工業(yè)部門的二元分割結(jié)構(gòu) 事實(shí)上，Lewis（1954）提出來的發(fā)展中國家的二元經(jīng)濟(jì)，主要就是針對農(nóng)業(yè)和

6、工業(yè)來闡述的。，而農(nóng)村與城市差別只是這個(gè)實(shí)質(zhì)的表現(xiàn)形式。因此，人力資本市場的實(shí)質(zhì)差別在于農(nóng)業(yè)與非農(nóng)部門勞動(dòng)力的人力資本投資和收益的差別。當(dāng)然，戶籍制度、地方保護(hù)政策等方面的制度原因引起的人力資本收益的差別并不是農(nóng)業(yè)與非農(nóng)部門的本質(zhì)差別。陳玉宇和邢春冰（2004）雖然考慮了二元經(jīng)濟(jì)的現(xiàn)實(shí)，但并沒有注意到農(nóng)業(yè)與非農(nóng)部門的本質(zhì)差別。侯風(fēng)云（2004）的研究同樣沒有注意到這一點(diǎn) 侯的研究表明：農(nóng)村人力資本積累的個(gè)人收益以遷移收益為主，教育投入的直接收益率偏低。這里的農(nóng)村主要指農(nóng)業(yè)部門。這對本文有一定的啟發(fā)意義。正如Huffman(1974)、Chaudhri（1968）等人的研究把農(nóng)業(yè)部門勞動(dòng)力的受教

7、育程度提高的收益分解為物理的勞動(dòng)生產(chǎn)率和勞動(dòng)時(shí)間配置效率（轉(zhuǎn)引自Yang，1997），時(shí)間配置效率是勞動(dòng)時(shí)間在農(nóng)業(yè)和非農(nóng)部門分配的效率。而非農(nóng)部門勞動(dòng)力的人力資本（尤其是受教育水平）除了具有信號(hào)作用外，更重要的是人力資本的積累直接會(huì)提高勞動(dòng)生產(chǎn)率。因此，農(nóng)業(yè)人力資本的提高具有推動(dòng)勞動(dòng)力產(chǎn)業(yè)部門之間遷移（或者農(nóng)村與城市之間的地理區(qū)域遷移）的作用，而非農(nóng)部門人力資本積累的主要效應(yīng)是人力資本收益率的提高。這正是本文以非農(nóng)部門勞動(dòng)力（并不區(qū)分是農(nóng)村地區(qū)還是城市地區(qū)的非農(nóng)）為研究對象的原因。賴德勝（1998）對城市工業(yè)部門的研究結(jié)果表明全國平均的教育收益率為5.73%，但是這個(gè)結(jié)果的估計(jì)方法比較粗糙，不

8、僅沒有控制由于不可觀測能力（遺漏變量）的存在引起的內(nèi)生性，而且沒有控制一般個(gè)人和家庭特征的影響，估計(jì)結(jié)果是不一致而且有偏的。國內(nèi)對中國人力資本回報(bào)率的早期研究大多存在這個(gè)問題。陳玉宇和邢春冰（2004）的研究雖然控制了一些個(gè)人和家庭特征和樣本選擇的問題，但沒有研究能力問題是應(yīng)該以代理變量（proxy variable）法還是工具變量（IV）法來解決，也沒有解決教育水平的測量誤差問題，沒有考慮異方差的問題；而且只對農(nóng)村地區(qū)工業(yè)部門人力資本回報(bào)率進(jìn)行了研究，他們對91、93和97年的估計(jì)結(jié)果分別是-0.0205、0.024754和-0.019，而且都不顯著。侯風(fēng)云（2004）的研究同樣沒有處理這些

9、計(jì)量估計(jì)問題，邢春冰（2005）對不同所有制企業(yè)的工資決定機(jī)制的研究則沒有解決遺漏變量和測量誤差的問題。而正是這些問題將導(dǎo)致他們的估計(jì)結(jié)果不是一致、無偏和有效的。國際上估計(jì)教育回報(bào)率的方法，開始非常深入解決測量誤差和遺漏能力變量的問題是在上世紀(jì)90年代以來。Card（1994，2001）以一個(gè)發(fā)展的Becker（1967）模型框架把許多文獻(xiàn)的研究統(tǒng)一起來。解決方法主要有兩類：工具變量法和固定效應(yīng)法。前者，最著名的是Angrist和Krueger（1991），他們的研究發(fā)現(xiàn)1930s1950s出生的男性其出生季度與其受教育年限有很強(qiáng)的相關(guān)關(guān)系：出生在較早季度的人受教育程度較低，同時(shí)他們假設(shè)出生季

10、度對工資收入沒有獨(dú)立影響。這樣，個(gè)人的出生季度就能夠成為受教育年限的合理工具變量。而固定效應(yīng)的研究方法，樣本的選取必須能夠消除遺漏變量問題，但一般無法消除測量誤差問題。Ashenfelter和Kreuger（1994）的研究選取了孿生兄弟/姐妹的樣本，由于孿生的性質(zhì)是所有家庭特征都相同（包括語能力相關(guān)的家庭智力遺傳），因此以一對孿生兄弟的工資方程相減則可以消除遺漏能力的問題，但是仍然存在受教育程度的測量誤差問題，此時(shí)可以以兄弟之間交叉報(bào)告的受教育年限作為工具變量來解決測量誤差，從而得出教育參數(shù)的一致估計(jì)。遺漏能力變量問題的解決，還有第二種思路：即以家庭的父母特征和兄弟特征作為控制變量而不是工具

11、變量來消除遺漏變量問題。比如Altonji和Dunn（1996）的研究正是在固定效應(yīng)方法里面把父母受教育水平及一些交叉效應(yīng)作為控制變量。Card（1994）證明了測量誤差問題會(huì)低估工資方程的教育參數(shù)（attenuation），而遺漏能力變量問題則會(huì)高估教育參數(shù)。那么，是高估多一點(diǎn)還是低估多一些？Ashenfelter和Zimmerman（1997）同時(shí)利用兄弟之間和父親與兒子之間的數(shù)據(jù)，以固定效應(yīng)和隨機(jī)效應(yīng)的方法來研究，發(fā)現(xiàn)遺漏能力變量的高估效應(yīng)可能正好與受教育年限測量誤差的低估效應(yīng)相抵消，因此當(dāng)同時(shí)控制了這兩種效應(yīng)時(shí)的估計(jì)結(jié)果與完全不考慮這些問題的OLS估計(jì)結(jié)果非常接近。更有甚者，Black

12、burn和Neumark（1993）利用測試方法控制了不可觀測的能力問題、同時(shí)控制了受教育年限的各種內(nèi)生性和測量誤差，IV估計(jì)結(jié)果表明能力與教育水平之間關(guān)系的變化并沒有反映在工資方程的教育參數(shù)估計(jì)上即不影響教育參數(shù)的增加。Li和Urmanbetova（2003）對中國農(nóng)村工業(yè)部門教育回報(bào)率的研究綜合考慮了測量誤差、遺漏能力變量和估計(jì)效率問題，比較了各種估計(jì)方法，GMM估計(jì)結(jié)果是不顯著的-6.1%。他們在分析中國的特殊家庭背景的基礎(chǔ)上，巧妙地以家庭中男孩的數(shù)量作為家中女孩受教育年限的工具變量。但是這些國際上有代表性的研究都沒有考慮樣本選擇的問題。因此，本文將在綜合考慮所有這些問題的基礎(chǔ)上來估計(jì)中

13、國非農(nóng)部門的人力資本回報(bào)率，包括工作經(jīng)驗(yàn)（在職培訓(xùn)）的回報(bào)率，然后對結(jié)果進(jìn)行一些討論。三、數(shù)據(jù)來源及描述本文的數(shù)據(jù)與陳玉宇和邢春冰（2004）、邢春冰（2005）的一樣都來源于美國UNC at Chapel Hill（北卡大學(xué)Chapel Hill分校）和中國預(yù)防醫(yī)學(xué)會(huì)營養(yǎng)與食品衛(wèi)生研究所對中國農(nóng)村和城市家庭戶的調(diào)研數(shù)據(jù)（CHNS），但鑒于他們的研究是1989、1991、1993和1997年份的數(shù)據(jù)，本文將只對最新的2000、2004的數(shù)據(jù)進(jìn)行研究。我們的計(jì)量模型將在下部分的估計(jì)和檢驗(yàn)過程中來確定，在這里只說明一點(diǎn)：除了一些常規(guī)的家庭特征以外，我們采用父母的受教育程度來控制不可觀測能力的影響。

14、因此我們先對每一個(gè)家庭戶的子女及其父母的受教育程度抽取出來并對應(yīng)起來，但研究的樣本是每個(gè)家庭戶的子女，因此子女本身及其父母三方只要有一方的教育水平數(shù)據(jù)缺失則該觀測值無效，這樣就造成有效樣本量（即參數(shù)估計(jì)時(shí)起作用的樣本量）大為減少。表1主要變量的描述統(tǒng)計(jì)（教育年限為估計(jì)數(shù)據(jù)）2000 2004 主 要 變 量成年人(age>=18)所有人成年人(age>=18)教育年限樣本量46482617974 由于2004年的數(shù)據(jù)表格是針對18歲及以上成人的調(diào)查，而2000年是針對所有人的調(diào)查，所以表面上看樣本量有很大差別，但是“有否工作及有否工資收入”這一項(xiàng)變量就會(huì)把有效樣本量調(diào)整過來了，從而

15、與2004年相當(dāng)，畢竟童工觀測值是非常罕見的。如果限定年齡為18及以上，則兩年的數(shù)據(jù)就是來自同一樣本總體，可以比較。均值（標(biāo)準(zhǔn)誤）7.64(3.69)9.35(3.18)10.09(3.28)父親教育年限 樣本量46482617974均值（標(biāo)準(zhǔn)誤）7.79(3.56)7.109(3.81)7.11(4.09)母親教育年限 樣本量46482617974均值（標(biāo)準(zhǔn)誤）6.21(4.08)5.26(4.12)5.39(4.37)月工資樣本量783435均值（標(biāo)準(zhǔn)誤） 649.25(770.52)883.93(981.01)小時(shí)工資 樣本量 741 420均值（標(biāo)準(zhǔn)誤） 3.46(4.35)4.56(

16、4.46)CHNS的教育水平數(shù)據(jù)有兩種：一個(gè)是分階段的詳細(xì)代碼；另一個(gè)是學(xué)歷代碼。前者：以00代表未上過學(xué)，11到16分別代表小學(xué)1年到6年；21到26分別代表中學(xué)1年到6年；27、28分別代表1年、2年中專；31到36分別代表大學(xué)1年到6年（6年及以上）。后者：1到6分別代表小學(xué)、初中、高中、中專、大?；虼髮W(xué)、碩士及以上。我們主要利用第一類數(shù)據(jù)，不過這還不是絕對的受教育年限，我們應(yīng)該根據(jù)受調(diào)查者的這些報(bào)告數(shù)據(jù)來分別給與一個(gè)估計(jì)的絕對受教育年限，年限的估計(jì)方法類似Li和Urmanbetova（2003）對CHIP-1995數(shù)據(jù)的處理方法。具體說：未上學(xué)給與0年；11到16分別給與1到6年；21

17、到26分別給與7到12年；27給與12年 中國的中專以前大多是由初中直接選拔的，而且即使是高考選拔的，中專第一年的基本課程與高中水平相當(dāng)，其第二年才接受專業(yè)教育。、28給與12.5年；31到35分別給與13到17年；36給與19.5年 2004年的數(shù)據(jù)多了三年中專，代碼29，估計(jì)年限作一些變動(dòng)：29給與13年、31給與13.5。其余都與2000年的一樣。這樣，我們得到表1的教育變量的情況：我們看到成年人的受教育程度，2004年比2000年都有所提高。表1的下半部分是工資數(shù)據(jù)，包括月工資和小時(shí)工資。小時(shí)工資的計(jì)算方法如下 這里工資數(shù)據(jù)沒有轉(zhuǎn)化成不變價(jià)格，所以2000年與2004年比較不反映真實(shí)情

18、況，但這不會(huì)影響對參數(shù)估計(jì)，因?yàn)椴蛔儍r(jià)格的調(diào)整是全部觀測值對同一個(gè)價(jià)格指數(shù)進(jìn)行換算。：Hourearning= (wagemon*workmon)/ (workmon*30/7)*workday*workhour)wagemon、workmon、workday、workhour分別表示月工資、一年工作月數(shù)、每周工作天數(shù)、每天工作小時(shí)數(shù)。圖1顯示教育水平的分布情況 (a)2000年所有人 (b)2000年 成年人(age>=18) (c) 2004年 成年人(age>=18)我們比較（b）和（c）看出兩年的教育水平分布情況很接近，主要都集中在小學(xué)畢業(yè)到大專畢業(yè)這個(gè)階段，其中初中畢業(yè)（

19、9年）占了很大一部分：2000年占到40%左右，2004年占到超過50%；只是2004年高學(xué)歷（大中專）的比例高一些。2000年所有人的教育水平分別由于未成年人的加入低學(xué)歷（初中以下）的比例增加了。圖1 另外，工作經(jīng)驗(yàn)的計(jì)算參照了Mincer（1991）的方法以及陳玉宇和邢春冰（2004）的方法，即：工作經(jīng)驗(yàn)=年齡受教育年限6，6是法定上學(xué)年齡。 四、計(jì)量模型設(shè)定、估計(jì)結(jié)果及其討論 （一）、基本模型設(shè)定我們的模型同樣采用非常成熟的明塞爾方程（Mincer，1974）： Wage是小時(shí)工資，S是受教育年限，Exp是工作經(jīng)驗(yàn)（在職培訓(xùn)）積累；向量X是一些由家庭、個(gè)人特征和工作單位特征等方面組成的控

20、制變量集：包括性別、戶口、婚姻狀況、身高、身體健康狀況、工作單位的性質(zhì)和職工人數(shù)等等。其中，之所以控制工作單位的性質(zhì)是由于邢春冰（2005）的研究表明不同性質(zhì)的單位具有不同的工資決定機(jī)制，從而有不同的教育回報(bào)率；同時(shí)，規(guī)模大小也工資決定有關(guān)系，所以我們也控制工作單位的大小。（二）、教育水平測量誤差問題教育年限的測量誤差問題，Ashenfelter和Krueger（1994）以孿生兄弟的數(shù)據(jù)作了很好的研究；Li和Urmanbetova（2003）對中國農(nóng)村勞動(dòng)力的研究也作了類似處理。衡量測量誤差大小的指標(biāo)是可靠比率（reliability ratio），其公式為：，其中，S1、S2是兩種測量教育

21、年限方法得出的數(shù)據(jù)，因此可靠率就是兩種測量方法的相關(guān)系數(shù)，這個(gè)系數(shù)越高測量誤差越小。本文對教育年限測量的兩種方法是CHNS里被調(diào)查者匯報(bào)的數(shù)據(jù)和我們據(jù)此數(shù)據(jù)作的估計(jì)數(shù)據(jù)（在前一部分有詳述），這樣根據(jù)這里的公式我們計(jì)算的可靠率為：=0.96，Sr，Se分別表示匯報(bào)年限和估計(jì)年限。表2 教育水平測量誤差的效應(yīng) 2000 2004變量III III IVI IIIIIIV OLSOLS 2SLS 2SLS OLS OLS 2SLS 2SLS匯報(bào)年限 0.040*0.042* 0.045* 0.045*(0.011)(0.012) (0.0084) (0.0086)估計(jì)年限 0.067* 0.069*

22、 0.071* 0.076*(0.019)(0.019) (0.014) (0.014)經(jīng)驗(yàn)0.0340.035 0.0350.036 0.017 0.015 0.016 0.017(0.024) (0.024)(0.024)(0.024) (0.018) (0.018) (0.018) (0.018)經(jīng)驗(yàn)平方 -8.66E-05 -0.00014 -0.00012 -0.00015 -7.09E-05 -5.37E-05 -6.87E-05 -7.13E-05 (0.00086) (0.00086) (0.00086) (0.00086) (0.00038) (0.00038) (0.000

23、38) (0.00038)樣本量 337 337 337 337 386 386 386 386F-Value3.317 3.385 3.3793.322 6.017 5.751 5.780 5.985調(diào)整R2 0.052 0.054 0.0520.054 0.094 0.090 0.094 0.090注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*表示1%顯著水平；*表示5%顯著水平；*表示10%顯著水平這個(gè)可靠率非常高，表明估計(jì)年限對回報(bào)年限的測量誤差非常小，大約只有4%左右的測量誤差；rr2004=0.97，可靠率更高。從單獨(dú)測量的精確度來看，我們只要比較匯報(bào)年限和估計(jì)年限的標(biāo)準(zhǔn)誤大小就可知道：兩年匯報(bào)年限的標(biāo)準(zhǔn)

24、誤都大于估計(jì)年限的標(biāo)準(zhǔn)誤，所以估計(jì)年限精確度要高于匯報(bào)年限。這也在預(yù)料之中，因?yàn)閰R報(bào)年限在各個(gè)學(xué)歷階段都具有跳躍性，而估計(jì)年限則是連續(xù)年限。根據(jù)教育參數(shù)估計(jì)值b1的概率極限公式：，Q為教育年限真實(shí)值的誤差方差，是測量誤差的方差。所以測量誤差方差越大教育參數(shù)的估計(jì)值越被低估，換句話說，估計(jì)年限的參數(shù)要大于匯報(bào)年限的，如表2所示。我們看到，兩年的OLS估計(jì)結(jié)果都表明估計(jì)年限的參數(shù)較大。同時(shí)，我們合理地假定兩個(gè)教育年限的測量誤差之間不相關(guān)（Li和Urmanbetova，2003），則可以估計(jì)年限作為匯報(bào)年限的工具變量或者以匯報(bào)年限作為估計(jì)年限的工具變量用2SLS方法分別估計(jì)工資方程。由于匯報(bào)年限的測

25、量誤差大于估計(jì)年限，必然后一種工具變量法的教育參數(shù)要大于前一種，結(jié)果如表2顯示。四種教育參數(shù)的比較可以看出，OLS的結(jié)果與2SLS的結(jié)果其模式完全一樣：即估計(jì)年限的參數(shù)總是高于匯報(bào)年限的。我們對非農(nóng)部門的研究結(jié)果與Li和Urmanbetova（2003）對農(nóng)村工業(yè)部門的研究結(jié)果不同，表明對真實(shí)教育年限測量誤差的低估影響很明顯。所以，本文以下部分將采用估計(jì)年限作為受教育水平的代理變量，同時(shí)以匯報(bào)年限作為估計(jì)年限的工具變量來消除代理變量引起的內(nèi)生性。（三）、遺漏能力變量的影響本文對遺漏能力變量影響的處理采用父母受教育水平來控制的方法。父母受教育水平的處理有兩種方法：一是作為能力的代理變量來控制；二

26、是作為教育年限的工具變量來控制。前者是假設(shè)父母受教育水平與被觀測者的受教育水平不相關(guān)，但與被觀測者的不可觀測能力相關(guān)，比如Card（1995）；后者則相反，與被觀測者的受教育水平相關(guān)，但與被觀測者的不可觀測能力不相關(guān)，這樣才能作為其受教育水平的工具變量，如Ashenfelter和Zimmerman（1997）。我們分別來討論。表3 父母教育水平作能力代理變量的情況 2000 2004變量IIIIII IVI IIIIIIV OLSOLSOLS OLSOLS OLS OLS OLS 男性 女性 男性（控制）女性（控制） 男性 女性 男性（控制）女性（控制）教育年限 0.064* 0.0937*

27、0.080*0.0944*0.063* 0.092* 0.059* 0.064*(0.025)(0.030)(0.027) (0.033) (0.017) (0.027) (0.023) (0.037)經(jīng)驗(yàn)0.0340.0250.034 0.042 0.011 0.012 0.00029 -0.024(0.032)(0.037)(0.033)(0.039) (0.024) (0.034) (0.028) (0.041)經(jīng)驗(yàn)平方 -0.00026 0.00085 -0.00035 7.47E-06 5.95E-05 2.12E-05 0.00030 0.0015 (0.0011) (0.0015

28、) (0.0011) (0.0015) (0.00046) (0.00083) (0.00059) (0.0012)父親教育年限 -0.0130.021 0.0061 0.0058(0.016) (0.018)(0.014) (0.020)母親教育年限-0.020 -0.041*-0.0088 0.018(0.015) (0.018)(0.011) (0.018)樣本量 229 100 222 98 273 110 191 86F-Value1.8342.0861.8882.229 3.353 3.513 1.613 2.017調(diào)整R2 0.028 0.081 0.0390.112 0.065

29、 0.156 0.031 0.107注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*表示1%顯著水平；*表示5%顯著水平；*表示10%顯著水平1、作為不可觀測能力的代理變量如果父母受教育水平是被觀測者不可觀測能力的合理代理變量，則加上父母的教育年限作為控制變量來估計(jì)工資方程必然會(huì)減少高估偏誤，即被觀測者的教育參數(shù)將會(huì)降低。兩年的估計(jì)情況看表3所示。表3顯示2000年控制之后不但沒有降低反而有所增加；另一方面，即使教育參數(shù)降低了（2004年），父母的教育水平對兒子與對女兒的作用應(yīng)該是一致的才合理（這是遺傳學(xué)的原理），也才能作為子女教育年限的合理代理變量，但是無論2000年還是2004年父母對男性和女性的作用都具有不同模式

30、（正負(fù)符號(hào)不一致）。因此，父母教育年限并不是子女（被觀測者）不可觀測能力的合理代理變量，這一點(diǎn)與Li和Urmanbetova（2003）的研究是一致的。2、作為子女教育水平的工具變量父母教育水平不是子女能力的合理代理變量是由于父母教育水平與子女的教育水平相關(guān)，從而違反了代理變量的假設(shè)條件。但是這啟發(fā)我們父母教育水平可能作為子女教育水平的工具變量。表4是工具變量法估計(jì)的結(jié)果。我們看到工具變量法估計(jì)教育參數(shù)都不顯著。我們要檢驗(yàn)過度約束有效性，其實(shí)質(zhì)是看父母教育水平是否滿足與方程殘差項(xiàng)不相關(guān)的假設(shè)，由于選擇父親母親教育水平的邏輯是一樣的，因此其中一個(gè)滿足假設(shè)另一個(gè)也應(yīng)該滿足，否則父母教育水平就不是合

31、適的工具變量。過度約束的檢驗(yàn)方法我們采用Wooldridge（2003，P508）闡述的方法，結(jié)果表明兩個(gè)年份都無法拒絕所有工具變量與殘差項(xiàng)不相關(guān)的原假設(shè)，即過度約束有效。因此父母教育水平是子女教育水平的合理工具變量。表4 父母教育水平作為子女教育水平工具變量的情況 2000 2004變量III III OLS 2SLSOLS2SLS IV估計(jì) IV估計(jì)教育年限 0.072710* -0.070443 0.069645* 0.078905 (0.019559) (0.075041) (0.015271) (0.062335)經(jīng)驗(yàn) 0.030103 -0.021000 0.019968 0.01

32、2128 (0.025384) (0.038178) (0.020342) (0.030085)經(jīng)驗(yàn)平方 0.000156 0.001028 -0.000121 0.000190 (0.000915) (0.001102) (0.000417) (0.000534)樣本量 319 310 342 247F-Value 2.810742 3.536279調(diào)整R2 0.053874 0.069229過度約 nR12=2.38266 nR12=1.258224束檢驗(yàn) p-value=0.1227 p-value=0.2620Hausman H=3.9044301988 H=0.02347674統(tǒng)計(jì)量

33、 p-value=0.0482p-value=0.8782 注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*表示1%顯著水平；*表示5%顯著水平；*表示10%顯著水平值得注意的是Blackburn和Neumark（1993）闡述了教育水平其他原因引起的內(nèi)生性問題：即受教育水平與工資方程的殘差相關(guān)，但并非與遺漏的能力相關(guān)引起的。譬如說，在把工資作為繼續(xù)接受正規(guī)教育的機(jī)會(huì)成本的人力資本模型中，如果工資下降到某個(gè)保留水平時(shí)，人們寧愿繼續(xù)接受正規(guī)教育以期望下一期的就業(yè)能夠獲得較高的工資水平。教育年限其他內(nèi)生性的存在我們可以通過Hausman 檢驗(yàn)來提供依據(jù)，Hausman檢驗(yàn)的統(tǒng)計(jì)量為 具體的闡述，參見Greene(2000)

34、，P384。：，對于一個(gè)參數(shù)來說這個(gè)公式變?yōu)椋?，根?jù)這個(gè)公式我們可以計(jì)算2000年、2004年的H統(tǒng)計(jì)量，如表4：2000年H統(tǒng)計(jì)量大于一個(gè)自由度的卡方分布臨界值3.84，p值=0.0482以5%的顯著度拒絕OLS估計(jì)量是一致估計(jì)量的原假設(shè)，這意味著存在其他形式的教育水平內(nèi)生性。盡管2004年無法拒絕原假設(shè)，只表明可能不存在教育水平的其他內(nèi)生性。這種內(nèi)生性需要特定的調(diào)研數(shù)據(jù)，遺憾的是CHNS數(shù)據(jù)庫里沒有，本文無法解決這個(gè)問題，而只是針對遺漏能力變量引起的內(nèi)生性。 另外，我們還試圖解決非教育水平的內(nèi)生性問題，比如個(gè)人的工作經(jīng)驗(yàn)（在職培訓(xùn)）與其不可觀測的能力是正相關(guān)的（Mroz，1987）。按照一

35、般做法，個(gè)人的年齡及其平方是經(jīng)驗(yàn)及其平方很好的工具變量。因此我們在最后的估計(jì)方法中會(huì)加上這兩個(gè)工具變量。（四）、樣本選擇問題樣本選擇偏誤最早由Heckman（1979）提出來并被廣泛認(rèn)同，而勞動(dòng)經(jīng)濟(jì)學(xué)中的研究很多都有這個(gè)問題，人力資本回報(bào)率的研究也不例外。要估計(jì)非農(nóng)部門的教育和工作經(jīng)驗(yàn)的回報(bào)率，能夠觀測到并且有工資收入的只是非農(nóng)部門的部分勞動(dòng)者，還有一些沒有工資收入但又不是從事農(nóng)業(yè)部門工作的，而是一些小手工業(yè)者、個(gè)體經(jīng)營者等等。因此按照Heckman的兩步估計(jì)法，首先要估計(jì)一個(gè)勞動(dòng)者的潛在決策方程：即決定勞動(dòng)者在非農(nóng)部門就業(yè)并取得工資收入的方程。選擇機(jī)制：工資方程（1）變?yōu)椋?，其中，。因此估?jì)

36、過程如下：先估計(jì)Probit模型（2），求出擬合值代入方程（3），再估計(jì)方程（3）可以得出的估計(jì)值。如果的估計(jì)值不顯著則應(yīng)該選擇方程（1）來估計(jì)人力資本回報(bào)率，若顯著則應(yīng)以方程（3）來估計(jì)。表5顯示2000年和2004年的樣本選擇情況。表5的估計(jì)過程之所以沒有包括父母教育水平，是因?yàn)楸静糠值谌?jié)里闡明了父母教育水平不是子女能力的合理代理變量，這是由于父母對兒子和女兒的影響不一致。值得注意的是，在Probit模型中不能出現(xiàn)工作單位和工作職位的變量作為解釋變量（即作為影響個(gè)體選擇在非農(nóng)部門工作并取得工資收入的決策的變量），否則將會(huì)出現(xiàn)另外一種“樣本選擇偏誤”。這是由于有關(guān)工作單位、工作職位和性質(zhì)的

37、指標(biāo)在CHNS數(shù)據(jù)中只有那些已經(jīng)在非農(nóng)部門工作的被調(diào)查者才會(huì)回答這些問題。當(dāng)然，在工資方程（3）則可以增加這些變量來估計(jì)教育、經(jīng)驗(yàn)參數(shù)，盡管表5沒有列出。 表5 樣本選擇問題：Heckman兩步回歸因變量=是否有工資20002004 I 選擇機(jī)制： II 工資方程（3）I 選擇機(jī)制： II 工資方程（3）收入（有=1，無=0） Probit模型 Probit模型教育年限0.154775*0.0380670.105455*0.152588*(0.016520)(0.090319)(0.015454)(0.092183)經(jīng)驗(yàn)0.0306960.016868(0.025464)(0.020629)經(jīng)

38、驗(yàn)平方0.000144-6.19E-05(0.000917)(0.000422)健康狀況-0.106749*0.060385-0.002025-0.042740(0.056957)(0.079834)(0.056250) (0.046822)身高0.011822*-0.0001780.0031220.007495(0.004145)(0.008680)(0.004517) (0.004784)性別-0.0649960.066664-0.072287-0.068070(0.092912)(0.107078)(0.107774(0.107676)戶口0.708748*-0.0788500.5775

39、22*0.496363(0.089414)(0.407138)(0.090416) (0.547802)婚姻狀況-0.651023*0.363094-0.510811* -0.451116(0.091655)(0.478645)(0.086001)(0.459111)逆米爾斯(imills) -0.3582071.177285(0.911682)(1.290353)Adj.R2樣本量0.051269319 0.068757342McFadden R2 樣本量 0.2140411810 0.1314211182 注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*表示1%顯著水平；*表示5%顯著水平；*表示10%顯著水平從估

40、計(jì)結(jié)果我們看出：教育水平越高越傾向于在第二和第三產(chǎn)業(yè)就業(yè)并取得工資收入；健康狀況對在非農(nóng)企業(yè)就業(yè)的影響符合理論預(yù)期 由于CHNS數(shù)據(jù)健康狀況的選值為：1 非常好，2 好，3 一般，4 差，因此健康狀況的估計(jì)參數(shù)為負(fù)是符合預(yù)期的。身體狀況越好的越傾向于在非農(nóng)企業(yè)就業(yè)；同時(shí)作為營養(yǎng)狀況的身高也符合預(yù)期。值得注意的是城市戶口對于在非農(nóng)部門工作具有優(yōu)勢，而婚姻狀況方面結(jié)過婚、在婚的人比未婚的更愿意在非農(nóng)部門工作并取得工資 戶口是虛擬變量（dummy），1表示城市戶口，0表示農(nóng)村戶口；婚姻狀況也是dummy：1表示未婚，0表示在婚、在婚或離婚；工作單位類型：1 表示公有制企業(yè)，0 表示非公有制；單位員工

41、規(guī)模：1 表示<20，2 表示20100，3 表示>100。重要的是，第二步控制樣本選擇偏誤的回歸里，逆米爾斯的參數(shù)都極不顯著，因此樣本選擇偏誤在兩個(gè)年份的非農(nóng)部門里都不嚴(yán)重，對人力資本回報(bào)率參數(shù)估計(jì)的標(biāo)準(zhǔn)誤影響不大 Heckman（1979）闡述了，若第二步回歸中的選擇機(jī)制的參數(shù)估計(jì)是顯著不為零，則在遺漏樣本選擇機(jī)制來估計(jì)參數(shù)，其標(biāo)準(zhǔn)誤會(huì)被低估從而高估其顯著性水平。（五）、非農(nóng)部門人力資本回報(bào)率的估計(jì)模型及其結(jié)果討論經(jīng)過本節(jié)前面四個(gè)部分的闡述，我們確定了估計(jì)模型：教育水平方面，以匯報(bào)年限作為估計(jì)年限的工具變量從而矯正低估問題；遺漏能力變量問題，以父母受教育水平作為工具變量來糾正高

42、估問題；由于樣本選擇問題在本文的框架內(nèi)并不顯著，所以采用方程（1）來估計(jì)；另外，其它內(nèi)生性方面以年齡及平方作為經(jīng)驗(yàn)及平方的工具變量。還有一個(gè)估計(jì)效率的問題，眾所周知，如果回歸方程的殘差項(xiàng)出現(xiàn)異方差和/或序列相關(guān)的情況下2SLS的估計(jì)并不是最有效估計(jì)，而GMM才是最有效的估計(jì)方法。在勞動(dòng)經(jīng)濟(jì)學(xué)研究里的橫截面數(shù)據(jù)通常都會(huì)出現(xiàn)異方差（Li和Urmanbetova，2003），因此我們的估計(jì)方法采用GMM方法。兩年的估計(jì)結(jié)果如表6。表6 最后估計(jì)結(jié)果：與OLS比較，因變量=Log(wage)2000 2004 OLS GMM OLSGMM教育年限 0.072710* 0.064635*0.069645

43、*0.061894*(0.019559)(0.022050)(0.015271)(0.019352)經(jīng)驗(yàn)0.0301030.0554780.0199680.013122(0.025384)(0.034326)(0.020342)(0.023244)經(jīng)驗(yàn)平方0.000156-0.000749-0.0001210.0000395(0.000915)(0.001199)(0.000417)(0.000513)健康狀況0.0401830.039526-0.042425-0.035693(0.060989)(0.057222)(0.046809)(0.050183)身高0.0028520.0030740

44、.0049410.004927(0.003975)(0.003542)(0.003878)(0.003259)性別0.0557290.019149-0.016369-0.072288(0.103255)(0.091317)(0.091536)(0.090359)戶口0.0755960.0878420.0025690.040424(0.105902)(0.102409)(0.084648)(0.107367)婚姻狀況0.1801540.223819*-0.039775-0.044288(0.110815)(0.129750)(0.086699)(0.102534)工作單位類型-0.093553-

45、0.0406420.0162780.005932(0.100479)(0.118644)(0.073521)(0.084221)單位員工規(guī)模-0.055927-0.0549980.0259150.033371(0.055390)(0.063136)(0.042537)(0.057995)Adj.R2樣本量0.0538743190.0475903100.0692293420.038064247注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤，*表示1%顯著水平；*表示5%顯著水平；*表示10%顯著水平。估計(jì)方法：GMM，匯報(bào)年限作為估計(jì)年限的工具變量，父母教育年限作為教育年限的工具變量、年齡及平方作為經(jīng)驗(yàn)及平方的工具變量。

46、表6顯示，只有教育年限的參數(shù)是非常顯著的，而且估計(jì)結(jié)果兩年都達(dá)到6%以上，這是一個(gè)相當(dāng)高的教育回報(bào)率，尤其是對比農(nóng)村工業(yè)部門的回報(bào)率來說 參看候風(fēng)云（2004）的列表，比較不同作者對中國農(nóng)村教育收益率估計(jì)結(jié)果，沒有達(dá)到6%的。即使是十年前對城市工業(yè)部門教育回報(bào)率的估計(jì)（盡管估計(jì)方法存在很大缺陷）也大多沒有達(dá)到6%以上。與OLS的估計(jì)結(jié)果比較，我們發(fā)現(xiàn)OLS估計(jì)確實(shí)存在高估的情況，這表明遺漏變量的情況比教育測量誤差更為嚴(yán)重。經(jīng)驗(yàn)參數(shù)的估計(jì)，2000年的符合倒U型曲線的特征；而2004年則是正U型，不符合現(xiàn)實(shí)情況，盡管都極不顯著。2004年所有控制變量的參數(shù)符號(hào)，只有性別不太符合我們的預(yù)期，其余都

47、符合但沒有一個(gè)顯著的。而2000年未婚的比結(jié)過婚（包括在婚、離婚）的工資收入高22%左右，且在10%的水平顯著；健康狀況、工作單位類型、單位員工規(guī)模的參數(shù)都與預(yù)期符號(hào)相反且不顯著，說明這些控制變量的影響不穩(wěn)定。那么，為什么2004年的教育回報(bào)率比2000年的有所下降？教育回報(bào)率的下降與就業(yè)者受教育水平的分組變化有關(guān)。Card（1994）的研究證明：把所有就業(yè)者分成幾個(gè)類別，如果只有其中某個(gè)類別的就業(yè)者受到某些干擾，那么以工具變量法估計(jì)的所有就業(yè)者的教育回報(bào)率將會(huì)等于那個(gè)受到干擾類別的邊際教育回報(bào)率。具體說，只要某個(gè)受到干擾類別的邊際教育回報(bào)率下降得足夠大，則總體教育回報(bào)率的IV估計(jì)結(jié)果將會(huì)與這

48、個(gè)類別一樣下降。再回到本文第三部分圖1（b）、（c）兩幅圖的對比，我們發(fā)現(xiàn)中國自1998年以來大中專招生的急劇擴(kuò)張迅速提高了勞動(dòng)力市場中受過大中專教育的就業(yè)者比例，以至于大中專學(xué)歷的就業(yè)者嚴(yán)重供過于求，導(dǎo)致其薪酬急劇下跌，從而回報(bào)率也必然下跌 對高技能、高學(xué)歷的勞動(dòng)者供求效應(yīng)，Mincer（1991）有精辟的闡釋。因此，根據(jù)Card理論，非農(nóng)部門的總體教育回報(bào)率必然隨著高學(xué)歷類型就業(yè)者教育回報(bào)率的下降而下降。2000年到2004年正好處在這個(gè)教育回報(bào)率下降的過程中。 五、結(jié)論本文對中國非農(nóng)部門人力資本回報(bào)率的研究，得出以下幾個(gè)結(jié)論：教育回報(bào)率的估計(jì)需要解決的三個(gè)問題，其一是教育水平測量誤差，我

49、們的研究表明測量誤差比較明顯，不可忽略，而且連續(xù)年限的測量（即本文的估計(jì)年限）更為精確。其二，遺漏能力變量問題的解決，以父母受教育水平作為代理變量來控制其影響效果并不好，因?yàn)楦赣H、母親對兒子和女兒的作用不一致。若父母教育水平作為子女教育水平的工具變量則比較合理，而且效果較好，能夠部分消除遺漏變量的高估問題；同時(shí)，年齡也是工作經(jīng)驗(yàn)的較好工具變量。其三，樣本選擇問題在非農(nóng)部門的就業(yè)者中并不嚴(yán)重，雖然教育水平確是決定就業(yè)者在第二第三產(chǎn)業(yè)部門就業(yè)并取得工資收入的重要變量。應(yīng)用更加有效的GMM估計(jì)方法，我們得出2000年和2004年中國非農(nóng)部門勞動(dòng)力教育回報(bào)率都顯著超過了6%，而且對比OLS估計(jì)結(jié)果發(fā)現(xiàn)

50、遺漏變量的高估很明顯地超過測量誤差的低估，從而同時(shí)控制測量誤差和遺漏變量影響之后，GMM估計(jì)結(jié)果明顯低于OLS估計(jì)。我們的結(jié)果發(fā)現(xiàn)，中國非農(nóng)部門的教育回報(bào)率從2000年到2004年有一個(gè)下降的過程，這個(gè)過程并非是Heckman（2002）所說的由于各種技能和學(xué)歷層次的勞動(dòng)力自由流動(dòng)（這是人力資本市場健康發(fā)展的標(biāo)志）引起的人力資本回報(bào)率下降。這個(gè)教育回報(bào)率的下降過程是由于90年代末以來中國大中專學(xué)歷的就業(yè)者急劇增長造成工資報(bào)酬下降引起的，這種某個(gè)類別就業(yè)者回報(bào)率的下降引起的總教育回報(bào)率下降，其理論依據(jù)來源于Card（1994）的理論。同時(shí)，應(yīng)該指出：由于數(shù)據(jù)可得性限制，我們無法解決受教育水平的非

51、遺漏能力變量引起的內(nèi)生性，這是未來進(jìn)一步研究的一個(gè)方向。參考文獻(xiàn)：陳曉宇、閔維方，1998：我國高等教育個(gè)人收益率研究，高等教育研究，第6期。陳玉宇、邢春冰，2004：農(nóng)村工業(yè)化以及人力資本在農(nóng)村勞動(dòng)力市場中的角色，經(jīng)濟(jì)研究，第8期。侯風(fēng)云，2004：中國農(nóng)村人力資本收益率研究，經(jīng)濟(jì)研究，第12期。賴德勝，1998：教育、勞動(dòng)力市場與收入分配，經(jīng)濟(jì)研究，第5期。邢春冰，2005：不同所有制企業(yè)的工資決定機(jī)制考察，經(jīng)濟(jì)研究，第6期。于學(xué)軍，2000：城市經(jīng)濟(jì)轉(zhuǎn)型時(shí)期人力資本回報(bào)率研究，市場與人口分析，第1期。Altonji，J. G. and Dunn，T. A.，1996，“The Effects of Family Characteristics on the Return to Education”，The Review of Economics and Statistics，Vol.78，No.4.（Nov.，1996），pp.692704.Angrist，J. D.，and Krueger，A. B.，1991，“Does Compulsory Schooling Affect Schooling and Earnings？”，Quarterly Journal of Economics，106（Nove