高等教育與收入分配：改變命運(yùn)還是階層鎖定
——基于CGSS2008數(shù)據(jù)的實(shí)證研究①

張凱寧

（中國(guó)人民大學(xué)經(jīng)濟(jì)學(xué)院，北京 100872）

高教理論與政策

高等教育與收入分配：改變命運(yùn)還是階層鎖定
——基于CGSS2008數(shù)據(jù)的實(shí)證研究①

張凱寧

（中國(guó)人民大學(xué)經(jīng)濟(jì)學(xué)院，北京 100872）

利用中國(guó)社會(huì)綜合調(diào)查2008年數(shù)據(jù)，對(duì)高等教育與收入分配之間的關(guān)系進(jìn)行了系統(tǒng)考察。通過(guò)基礎(chǔ)的OLS回歸發(fā)現(xiàn)，接受高等教育可以有效提高個(gè)體收入，且提高幅度遠(yuǎn)大于整體教育以及義務(wù)教育等階段；通過(guò)分位數(shù)回歸發(fā)現(xiàn)，高等教育在不同收入分位點(diǎn)上的影響存在著顯著的差異，對(duì)于中低收入群體體現(xiàn)出比高收入群體更高的回報(bào)率，起到了縮小收入差距的作用；傾向得分匹配的結(jié)果顯示，普通OLS估計(jì)方法對(duì)于高等教育回報(bào)率估計(jì)產(chǎn)生微弱的向下偏誤，結(jié)合OB分解可以得出結(jié)論，即高等教育與家庭背景等個(gè)人特征因素對(duì)于收入差距的貢獻(xiàn)是相互抵消的，接受高等教育很大程度上彌補(bǔ)了家庭背景、社會(huì)關(guān)系造成的收入差異，成為打破階層鎖定、改變命運(yùn)的有效途徑。本文的分析結(jié)果，為高等教育的發(fā)展、高等教育作用的發(fā)揮以及縮小收入差距政策的制定提供了經(jīng)驗(yàn)證據(jù)。

高等教育；收入分配；教育回報(bào)率；分位數(shù)回歸；傾向得分匹配；OB分解

Abstract：higher education;income distribution;returns to education;quantile regression;propensity score matching; Oaxaca-Blinde decomposition

一、引言

具有培養(yǎng)專(zhuān)門(mén)人才、科學(xué)研究、服務(wù)社會(huì)等職能的高等教育，是我國(guó)教育體系的重要組成部分。隨著教育事業(yè)的不斷發(fā)展，高等教育已經(jīng)基本形成了適應(yīng)國(guó)民經(jīng)濟(jì)建設(shè)和社會(huì)發(fā)展需要的較為完善的體系，為國(guó)家的經(jīng)濟(jì)發(fā)展和社會(huì)建設(shè)培養(yǎng)了大批的專(zhuān)門(mén)人才，發(fā)揮了重要的作用。特別是大學(xué)教育，成為培養(yǎng)國(guó)家急需的建設(shè)型人才的搖籃，為國(guó)家經(jīng)濟(jì)與社會(huì)的發(fā)展提供了不竭的動(dòng)力和新鮮的血液。然而，高等教育的影響不僅僅是對(duì)于全國(guó)的宏觀(guān)經(jīng)濟(jì)，更加現(xiàn)實(shí)的，是針對(duì)每一個(gè)接受過(guò)、正在接受或是將要接受高等教育的微觀(guān)個(gè)體的影響，其中最為重要的就是高等教育的回報(bào)率問(wèn)題，以及高等教育能否真正成為改變命運(yùn)、實(shí)現(xiàn)人的發(fā)展、促進(jìn)收入公平的有效機(jī)制。

首先，就高等教育回報(bào)率估計(jì)問(wèn)題而言，最為重要的論證核心就是消除模型估計(jì)的內(nèi)生性問(wèn)題，以較為準(zhǔn)確的方法對(duì)教育回報(bào)率進(jìn)行度量。就高等教育而言，是否接受高等教育這一因素并不是外生的，而是受到很多內(nèi)生因素的影響，極有可能存在的情況是，原本家庭狀況越好，父母社會(huì)資源越豐富，個(gè)人自身能力越強(qiáng)的人，越有可能考上大學(xué)，或者說(shuō)有更高的接受高等教育的概率，具備這些因素的人往往通過(guò)其個(gè)人能力與家庭背景可以獲得更好的工作崗位與更高的工資。由于選擇性偏差的存在，我們無(wú)法觀(guān)測(cè)到高等教育對(duì)于個(gè)人收入的凈效應(yīng)。現(xiàn)有的解決內(nèi)生性問(wèn)題的方法中，最為有效的估計(jì)教育回報(bào)率的方法是使用“工具變量”，但難免存在“弱工具”問(wèn)題，而且工具變量的使用條件也受到較多外生因素的限制。對(duì)于選擇性偏差，考慮到將可能影響接受高等教育概率的變量直接加入回歸方程必然引發(fā)多重共線(xiàn)性問(wèn)題，因此不能直接將這些“污染”變量加入到正規(guī)方程中。在此情況下，為了觀(guān)察到高等教育對(duì)個(gè)體收入的凈效應(yīng)，消除選擇性偏差的影響，本文應(yīng)用匹配模型進(jìn)行分析：一方面考量常規(guī)的估計(jì)方法會(huì)對(duì)高等教育的回報(bào)率產(chǎn)生怎樣的估計(jì)偏誤；另一方面也可以分析影響接受高等教育概率的個(gè)體因素。

其次，本文還考慮了高等教育對(duì)不同收入群體的異質(zhì)性影響。在不同的收入階層中，高等教育并不會(huì)對(duì)收入產(chǎn)生完全相同的效應(yīng)，很有可能會(huì)由于收入階層的不同而產(chǎn)生異質(zhì)性。因此，除對(duì)樣本總體做均值回歸之外，還分別對(duì)特定收入階層的子樣本進(jìn)行回歸，以觀(guān)測(cè)高等教育對(duì)不同人群影響的異質(zhì)性差別。在對(duì)子樣本進(jìn)行可比回歸的方法中，分位數(shù)回歸較為有效，可以針對(duì)收入分類(lèi)進(jìn)行極端值的檢驗(yàn)，以不同分位點(diǎn)為回歸基準(zhǔn)，考察關(guān)鍵解釋變量在不同分位點(diǎn)上所產(chǎn)生的效應(yīng)是否有顯著差異。

第三，也是最具有現(xiàn)實(shí)意義的問(wèn)題是，高等教育能不能是一條階層上升的通道。寒門(mén)學(xué)子能否通過(guò)接受高等教育以提高未來(lái)收入，又或者，高等教育成為出身優(yōu)厚的個(gè)體的特權(quán)，對(duì)于家庭背景良好的個(gè)體“如虎添翼”，卻成為阻礙普通人改變命運(yùn)的特權(quán)教育，成為惡化階層鎖定的工具。本文結(jié)合受限因變量回歸與OB分解對(duì)此進(jìn)行分析。

二、文獻(xiàn)回顧與模型設(shè)定

（一）文獻(xiàn)綜述

1.傳統(tǒng)研究。當(dāng)前，學(xué)術(shù)界有關(guān)教育回報(bào)率以及教育對(duì)收入分配效應(yīng)的文獻(xiàn)十分豐富。最早開(kāi)始考察教育與收入分配關(guān)系的文獻(xiàn)是收入分配的人力資本理論（Schultz，1960；Becker、Chiswick，1966；Mincer，1974），該理論將教育作為人力資本積累的重要途徑之一，認(rèn)為人力資本可以影響未來(lái)的貨幣或物質(zhì)收入，構(gòu)建了人力資本的投資收益曲線(xiàn)與人力資本掙得函數(shù)，分析了平均受教育程度與收入分配之間的相關(guān)效應(yīng)。此后，人力資本的概念得到迅速發(fā)展，并以此衍生出關(guān)于教育回報(bào)以及教育對(duì)收入差距影響的實(shí)證研究。

在已有研究中，關(guān)于教育與收入分配之間關(guān)系的研究得出的結(jié)論相對(duì)統(tǒng)一。研究美國(guó)收入分配與教育關(guān)系的文獻(xiàn)發(fā)現(xiàn)，平均受教育程度每增加一年，則收入不平等會(huì)下降10%（Malrin& Psacharopoulos,1976），提高社會(huì)教育水平有助于縮小收入差距。Chiswick（1971）使用9個(gè)國(guó)家的面板數(shù)據(jù)得出了相似的結(jié)論，即收入差距與國(guó)民平均受教育年限之間有負(fù)相關(guān)關(guān)系，普及教育有助于緩解收入分配不平等狀況。此外，Becker和Chiswick（1996）通過(guò)理論推導(dǎo)以及美國(guó)的經(jīng)驗(yàn)數(shù)據(jù)回歸，進(jìn)一步發(fā)現(xiàn)對(duì)數(shù)工資收入差距與受教育程度差距有正相關(guān)關(guān)系。Easterly、Rebelo（1993）和Sylwester（1999）的研究表明，國(guó)家平均收入水平將隨著公共教育占GDP比重的上升而提高。這方面研究雖存在由樣本選擇導(dǎo)致教育影響的顯著性界定差異外，理論機(jī)制與計(jì)量技術(shù)上爭(zhēng)議較少。

既有的關(guān)于教育回報(bào)的研究文獻(xiàn)中，對(duì)教育回報(bào)率的測(cè)算則存在明顯的偏誤。傳統(tǒng)的研究教育收益率的模型中，多以自然對(duì)數(shù)工資作為被解釋變量，以受教育年限作為關(guān)鍵解釋變量，同時(shí)控制工作經(jīng)驗(yàn)及其平方項(xiàng)，并以關(guān)鍵解釋變量在回歸中的系數(shù)作為教育回報(bào)率的度量（Mincer 1974）。國(guó)內(nèi)關(guān)于教育回報(bào)率問(wèn)題的研究大多基于這一估計(jì)方法。邵利玲（1994）依據(jù)1990年關(guān)于“國(guó)有企業(yè)改革中的職工問(wèn)題”的調(diào)查數(shù)據(jù)，應(yīng)用Mincer的回報(bào)率估算方法對(duì)職工個(gè)人教育回報(bào)率進(jìn)行測(cè)度，得到的回報(bào)率為0.75%。賴(lài)德勝（1998）根據(jù)中國(guó)社會(huì)科學(xué)院經(jīng)濟(jì)研究所1995年11個(gè)省城鎮(zhèn)住戶(hù)抽樣調(diào)查數(shù)據(jù)，估算出的城鎮(zhèn)職工收入與其教育程度間的收益率為5.73%。但是，這些研究均存在忽略個(gè)人能力等不可觀(guān)測(cè)的因素對(duì)個(gè)體收入效應(yīng)的影響，因而，直接以受教育年限的回歸系數(shù)作為教育回報(bào)率包含了遺漏因素的效應(yīng)，估計(jì)有偏誤。這些源于個(gè)人能力因素，既可以對(duì)關(guān)鍵解釋變量——受教育年限產(chǎn)生影響，又可以對(duì)被解釋變量——對(duì)數(shù)工資水平產(chǎn)生影響。在此條件下，系數(shù)估計(jì)將依賴(lài)于關(guān)鍵解釋變量與內(nèi)生遺漏變量之間的相關(guān)程度，因而使得估計(jì)系數(shù)不夠穩(wěn)健。

2.內(nèi)生性問(wèn)題的解決——工具變量研究。著眼于教育回報(bào)率的傳統(tǒng)文獻(xiàn)中存在的內(nèi)生性問(wèn)題，國(guó)外學(xué)者提出兩種解決方法：其一是代理變量法，即在回歸方程中加入不可觀(guān)測(cè)因素的代理變量，例如個(gè)人能力與父母受教育程度正相關(guān)，因此將父母受教育程度作為衡量個(gè)人能力的指標(biāo)加入回歸的規(guī)范方程（Lam、Schoeni，1993），以此解決內(nèi)生性問(wèn)題；其二工具變量法，即尋找一個(gè)外生于模型，而又與關(guān)鍵解釋變量相關(guān)的變量作為工具變量進(jìn)行回歸，該因素與受教育年限有顯著正相關(guān)關(guān)系（相關(guān)性），并只能通過(guò)影響關(guān)鍵解釋變量從而對(duì)被解釋變量產(chǎn)生影響（外生性），如最小離校年齡、學(xué)校的地理位置與家庭的距離都在一定程度上對(duì)受教育程度產(chǎn)生影響（Card，2001）。Harmon和Walker（1995）以英國(guó)20世紀(jì)40年代以來(lái)最小離校年齡規(guī)定的調(diào)整作為工具變量，估計(jì)其對(duì)于教育回報(bào)的影響。Meghir和Palme（2005）以瑞典20世紀(jì)40年代教育改革作工具變量，研究了其對(duì)受教育程度變化進(jìn)而對(duì)教育回報(bào)的影響。這些工具變量雖然一定程度上解決了受教育年限的內(nèi)生性問(wèn)題，但自身又帶來(lái)了新的內(nèi)生性問(wèn)題。Angrist和Krueger（1991）在估計(jì)美國(guó)勞動(dòng)力市場(chǎng)教育收益率時(shí)，以“出生季度”作為受教育年限的工具變量，依靠由于《義務(wù)教育法》帶來(lái)的第一季度出生者與后三季度出生者之間受教育年限的不同，利用政策外生沖擊帶來(lái)的變異解決遺漏變量產(chǎn)生的模型估計(jì)偏誤，比之前文獻(xiàn)中工具變量的選擇更具有說(shuō)服力。國(guó)內(nèi)的相關(guān)文獻(xiàn)，借鑒出生季度的工具變量模型，依據(jù)中國(guó)2005年1%的人口抽樣調(diào)查數(shù)據(jù)，對(duì)我國(guó)的教育回報(bào)率進(jìn)行估計(jì)，發(fā)現(xiàn)傳統(tǒng)估計(jì)方法可能低估了中國(guó)勞動(dòng)力市場(chǎng)上的教育回報(bào)率（吳要武，2010）。

以出生季度工具變量為基礎(chǔ)的研究受到的一項(xiàng)質(zhì)疑是“弱工具變量”問(wèn)題，即出生季度與受教育年限變異之間的相關(guān)程度并不強(qiáng)。此外，由于出生季度作為工具變量的有效性是嚴(yán)格依賴(lài)于義務(wù)教育政策與勞動(dòng)法政策對(duì)于入學(xué)、退學(xué)年齡以及工作年齡的限制的，因此，用出生季度的工具變量方法研究義務(wù)教育階段之后的教育回報(bào)率是不可行的。

3.當(dāng)前研究的不足。教育回報(bào)率是當(dāng)前人力資本與收入分配研究的熱點(diǎn)，在基礎(chǔ)理論構(gòu)建之后，很多文獻(xiàn)都通過(guò)各種巧妙的方式（特別是工具變量的估計(jì)）來(lái)解決內(nèi)生性問(wèn)題?；A(chǔ)研究在分析教育對(duì)收入影響的問(wèn)題時(shí)，主要基于均值下受教育程度與平均收入的關(guān)系，得出了高的教育程度對(duì)應(yīng)著高收入的關(guān)系，即受教育程度有一個(gè)正的回報(bào)率，而對(duì)于教育收益的異質(zhì)性，以及由此可能造成的收入差距的變化則鮮有考察。如果高的教育等級(jí)可以提升個(gè)人收入，并且對(duì)低收入者的收入提升越有利，那么隨著較高等級(jí)的教育逐漸普及，貧富差距將會(huì)有縮小的趨勢(shì)。蘇梽芳與蔡經(jīng)漢（2010）利用分位數(shù)回歸的方法研究了不同層次學(xué)歷的教育所帶來(lái)的教育回報(bào)率的不同，邢春冰（2006）使用同樣方法對(duì)我國(guó)不同所有制部門(mén)工資決定和教育回報(bào)進(jìn)行了估計(jì)，但均未考察不同收入層次的個(gè)體的教育回報(bào)率之間的差異。

此外，對(duì)于教育回報(bào)的準(zhǔn)確測(cè)度問(wèn)題，工具變量的選擇飽受“弱工具”的詬病，并且外生性的成立往往受到很多因素的限制，難以準(zhǔn)確測(cè)度教育對(duì)收入的凈效應(yīng)。本文所要解決的問(wèn)題，一是對(duì)比個(gè)體資質(zhì)與教育程度對(duì)于收入水平的影響何者占優(yōu)，二是對(duì)個(gè)體受教育程度對(duì)于收入變化的凈效應(yīng)進(jìn)行估算，并加以分析。

（二）模型設(shè)定

1.基本回歸模型及變量的設(shè)定。本文首先運(yùn)用基礎(chǔ)方法進(jìn)行回歸。在變量選擇方面，目前已有不少關(guān)于教育與收入的回歸方程的設(shè)定，本文的收入決定模型是基于Mincer（1974）的人力資本收入模型的方程設(shè)定，基本模型設(shè)置如下：

其中，LnY為被解釋變量，是收入的對(duì)數(shù)值；edu為關(guān)鍵解釋變量，表示是否選擇接受高等教育；其余為控制變量：D1表示是否具有黨員身份，D2表示戶(hù)口類(lèi)型是農(nóng)村戶(hù)口還是非農(nóng)戶(hù)口，D3表示性別，exp和exp_2分別表示工齡與其平方，x1和x2分別控制了本人及其父親的工作單位類(lèi)型，province控制了個(gè)體所屬省份的情況。

在Mincer的模型中，個(gè)人工作經(jīng)歷是重要的衡量人力資本的指標(biāo)，也是模型重要的解釋變量，工作經(jīng)歷越長(zhǎng)，收入可能就越高。因此，本文加入以工齡衡量的工作經(jīng)歷對(duì)此進(jìn)行控制。

以黨員身份衡量的政治資本對(duì)于收入也會(huì)產(chǎn)生一定影響。已有研究表明，黨員身份更便于尋租，也更容易發(fā)生為私人牟利的行為（楊瑞龍、王宇鋒、劉和旺，2010）。同時(shí)，擁有黨員身份的人可以得到更多的社會(huì)資源和信息（Walder，1995），可以成為求職或晉升時(shí)的相對(duì)優(yōu)勢(shì)。作為重要的政治資本，黨員身份對(duì)于個(gè)人收入有著正向的作用（Knight、Yueh，2002；Appleton、Knight、Song、Xia，2008）。因此，本文也對(duì)黨員身份進(jìn)行了控制。

在當(dāng)今中國(guó)的城鄉(xiāng)二元經(jīng)濟(jì)模式下，勞動(dòng)力市場(chǎng)中存在嚴(yán)重的城鄉(xiāng)分割與戶(hù)籍歧視。姚先國(guó)、賴(lài)普清（2004）利用企業(yè)和農(nóng)民工的調(diào)查數(shù)據(jù)分析了勞資關(guān)系的城鄉(xiāng)戶(hù)籍差異，發(fā)現(xiàn)戶(hù)籍歧視可以解釋城市、農(nóng)村兩類(lèi)工人勞資關(guān)系差異的20%～30%。進(jìn)一步來(lái)看，在城鄉(xiāng)勞動(dòng)力市場(chǎng)分割的背景下，戶(hù)籍制度歧視會(huì)對(duì)農(nóng)村勞動(dòng)力工資帶來(lái)大約28%的戶(hù)籍折扣（李芝倩，2007）。因此，在研究收入問(wèn)題時(shí)，戶(hù)籍差異也是必須要考慮的因素。

性別差異同樣是需要關(guān)注的因素。一般來(lái)說(shuō)，收入分配領(lǐng)域普遍存在著性別歧視現(xiàn)象。李春玲和李實(shí)（2008）的研究認(rèn)為，分配型性別歧視與估價(jià)型性別歧視是性別歧視的主要手段，已逐漸成為影響收入分配的重要因素，在研究中應(yīng)該加以控制。

行業(yè)差距同樣是造成收入差距的重要原因。所有制屬性不同的單位可能會(huì)帶來(lái)工資收入的差距，企事業(yè)單位、政府機(jī)關(guān)等在收入上的差異是現(xiàn)實(shí)存在的。通過(guò)對(duì)我國(guó)15個(gè)行業(yè)大類(lèi)、工業(yè)行業(yè)30個(gè)非壟斷及6個(gè)壟斷行業(yè)的分析，發(fā)現(xiàn)壟斷等因素造成了不同行業(yè)之間收入分配的顯著差別（杜健、張大亮、顧華，2006）。因此，本文在方程中也將個(gè)體所屬單位的性質(zhì)進(jìn)行了控制。

個(gè)人的工作收入與其家庭背景及社會(huì)關(guān)系也有很大的關(guān)聯(lián)。精英代際轉(zhuǎn)化和階層再生產(chǎn)模型反映出在市場(chǎng)轉(zhuǎn)型過(guò)程中，父輩的某些特質(zhì)會(huì)對(duì)子代的職業(yè)選擇、職業(yè)進(jìn)入門(mén)檻以及子代的階層特征產(chǎn)生顯著的影響（鄭輝、李路路，2009），自然也會(huì)影響到其就業(yè)機(jī)會(huì)與工資收入。因此，對(duì)于父輩的職業(yè)類(lèi)型的控制是必要的。

我國(guó)各地區(qū)間存在明顯的收入差距，不同地區(qū)經(jīng)濟(jì)發(fā)展戰(zhàn)略（林毅夫、劉培林，2003）等要素的差異，導(dǎo)致各地經(jīng)濟(jì)發(fā)展的不均衡，進(jìn)而帶來(lái)地區(qū)間收入分配差異。因此，以省份衡量的地區(qū)變量也必須被控制。

2.分位數(shù)回歸（quantile regression）。分位數(shù)回歸模型是對(duì)以條件均值為基礎(chǔ)的普通最小二乘法（OLS）的拓展，由Roger Koenker和Bassett兩位學(xué)者于1978年提出。該模型利用被解釋變量條件分位數(shù)建模，通過(guò)最小化加權(quán)殘差絕對(duì)值之和對(duì)回歸參數(shù)進(jìn)行估計(jì)。相比于傳統(tǒng)的普通最小二乘回歸，分位數(shù)回歸在隨機(jī)誤差項(xiàng)呈非正態(tài)分布條件下具有更高的估計(jì)效率；代表某一特定區(qū)域的數(shù)據(jù)信息，收益長(zhǎng)但影響有限，參數(shù)估計(jì)更加穩(wěn)?。荒芨尤婵坍?huà)變量分布特征，捕捉分布函數(shù)尾部特征（李紅梅，2012）。特別的，分位數(shù)回歸法對(duì)于考察解釋變量對(duì)不同等級(jí)的被解釋變量的異質(zhì)性影響具有很好的效果。

在此，設(shè)模型中所有的控制變量為X，它是個(gè)包含D1、D2、D3、exp、exp_2以及x1、x2、province在內(nèi)的向量，由此構(gòu)建出的分位數(shù)回歸模型如下：

其中，q是分位點(diǎn)，取值為0～1；ε是誤差項(xiàng)；δq代表了q分位點(diǎn)下關(guān)鍵解釋變量的回歸系數(shù)，表示了當(dāng)收入在某一分位點(diǎn)時(shí)，接受高等教育與不接受高等教育個(gè)體之間的收入差異。在給定X的條件下，可根據(jù)下面的最小化方程求解βq的無(wú)偏估計(jì)量（陳強(qiáng)，2010）：

當(dāng)q=0.5時(shí)，稱(chēng)為“最小絕對(duì)離差估計(jì)”（LAD），其系數(shù)估計(jì)因不易受極端值影響而更加穩(wěn)健。本文通過(guò)分位數(shù)回歸方法，可以更清楚把握是否選擇接受高等教育對(duì)于收入分配的影響。如果高等教育可以增加收入，且其對(duì)高收入者的收入增加效應(yīng)小于低收入者，那么高等教育則有助于改善收入差距。

3.傾向值匹配法。傾向值（propensity score）概念最早是由Rosenbaum和Rubin于1983年提出，是指在控制被研究個(gè)體可觀(guān)測(cè)的混淆變量的基礎(chǔ)上受外生沖擊影響的條件概率。由于存在模型外的混淆變量引起的選擇性偏誤（selection bias），“污染”了解釋變量與被解釋變量之間的關(guān)系，因此對(duì)于解釋變量?jī)粜?yīng)的估計(jì)會(huì)產(chǎn)生偏誤，通過(guò)控制傾向值的方法則可以消除選擇性偏差的不利影響。傾向值匹配是將受到外生沖擊的處理組與沒(méi)有受到外生沖擊的控制組進(jìn)行配對(duì)，保證處理組與控制組有相等或相近的傾向值，以控制選擇性偏差，研究外生沖擊的影響效應(yīng)?；谙嗤膯?wèn)題，計(jì)量經(jīng)濟(jì)學(xué)家Heckman（1979）提出了解決選擇性偏差的“兩步估計(jì)法”（two-step estimator）：第一步，通過(guò)模型擬合個(gè)體參與到處理組中的概率；第二步，在控制參與可能性的前提下，考察關(guān)鍵解釋變量，即外生沖擊對(duì)于被解釋變量影響的凈效應(yīng)。

在標(biāo)準(zhǔn)的實(shí)驗(yàn)環(huán)境中，是否接受高等教育的處理效應(yīng)可以由以下公式推算得出：

其中，T表示高等教育的凈處理效應(yīng)；π指實(shí)驗(yàn)組——接受高等教育的對(duì)象在樣本總體中所占比例；w是一個(gè)二元選擇變量，1表示接受過(guò)高等教育，0表示未接受高等教育；Y1和Y0分別表示接受過(guò)高等教育的樣本的收入水平與未接受過(guò)高等教育的樣本的收入水平。等式中，E（Y1|w=1）與E（Y0| w=0）是可觀(guān)測(cè)的，即接受過(guò)高等教育的樣本的收入水平與未接受過(guò)高等教育的樣本的收入水平，但E（Y0|w=1）與E（Y1|w=0）是無(wú)法觀(guān)測(cè)到的，即無(wú)法知道接受過(guò)高等教育的人在沒(méi)有接受高等教育情況下的收入水平，以及沒(méi)有接受過(guò)高等教育的人在接受高等教育情況下的收入水平。這也正是現(xiàn)實(shí)方法無(wú)法準(zhǔn)確估計(jì)處理效應(yīng)的瓶頸所在。

如果能夠找到影響一個(gè)個(gè)體進(jìn)入處理組還是控制組的相關(guān)因素，并且將這些因素控制起來(lái)，就能近似保證w與Y之間關(guān)系的獨(dú)立性。傾向值匹配得分正是通過(guò)尋找這樣的影響因素Z，并將Z通過(guò)Logistic回歸歸結(jié)為一個(gè)特定的傾向值P，并將傾向值相近的樣本進(jìn)行配對(duì)，以此來(lái)近似的達(dá)到等式所描述的準(zhǔn)實(shí)驗(yàn)分析框架：

此時(shí)，本文選擇個(gè)體父親的教育水平（D4）、父親是否是黨員（D5）、個(gè)體自身是否是獨(dú)生子女（D6）以及父親的工作單位類(lèi)型（x2）作為判斷進(jìn)入處理組還是控制組的關(guān)鍵變量。依據(jù)這些變量回歸得出的傾向值對(duì)樣本進(jìn)行匹配，匹配后可以近似地認(rèn)為處理組與控制組除了處理效應(yīng)之外，在總體上是同質(zhì)的，對(duì)匹配后的樣本進(jìn)行檢驗(yàn)便可以得出凈處理效應(yīng)。本文通過(guò)傾向得分匹配，一方面分析在控制影響個(gè)體接受高等教育的概率之后，普通回歸對(duì)于教育回報(bào)率究竟是高估還是低估；另一方面，也通過(guò)回歸的細(xì)節(jié)，分析同時(shí)影響個(gè)體接受高等教育與未來(lái)收入的因素及其影響機(jī)制。

4.OB分解。所謂OB分解，全稱(chēng)Oaxaca-Blinde分解，由Blinder（1973）和Oaxaca（1973）在分析工資的性別差異時(shí)提出。其分解方法的思想在于，將對(duì)數(shù)收入的均值差距分為兩個(gè)部分：一部分是被個(gè)體特征所解釋的，稱(chēng)為特征效應(yīng)；另一部分是被處理因素所解釋的，稱(chēng)為系數(shù)效應(yīng)。本文在均值意義上對(duì)接受高等教育與未接受高等教育的群體的收入差距進(jìn)行分解，分解方程如下：

其中，edu代表接受高等教育，uedu代表未接受高等教育，X代表個(gè)體特征，β是估計(jì)的系數(shù)。等式中，等號(hào)右邊的第一項(xiàng)為收入差距中可被個(gè)體特征所解釋的部分，即特征效應(yīng)；第二項(xiàng)為是否接受高等教育而帶來(lái)的收入差距，又稱(chēng)為系數(shù)效應(yīng)。本文之所以要構(gòu)建OB分解進(jìn)行分析，目的在于探究高等教育的系數(shù)效應(yīng)與個(gè)體身份背景、家庭條件等特征效應(yīng)對(duì)于對(duì)數(shù)收入會(huì)產(chǎn)生怎樣的影響，其中反映著怎樣的機(jī)制。若系數(shù)效應(yīng)為正，特征效應(yīng)為負(fù)，則可以反映出個(gè)體的家庭背景、政治身份等可以抵消部分高等教育的效應(yīng)；反過(guò)來(lái)說(shuō)，就是高等教育真實(shí)的回報(bào)率可能由于社會(huì)背景、家庭背景等因素的影響而被低估。高等教育有抵消家庭背景、社會(huì)關(guān)系對(duì)于收入差距擴(kuò)大的作用，為出身較差的群體提供了社會(huì)階層的上升渠道。反之，如果二者效應(yīng)均為正，且傾向得分匹配反映出家庭背景與出身對(duì)于接受高等教育的概率，進(jìn)而對(duì)收入有顯著的影響，即在控制了接受高等教育概率之后的教育回報(bào)率明顯下降，則說(shuō)明高等教育是社會(huì)階層固化的工具與途徑。由此可以分析高等教育在社會(huì)階層流動(dòng)中的功能與作用機(jī)制。

三、數(shù)據(jù)描述與初步分析

（一）數(shù)據(jù)來(lái)源

本文所使用的數(shù)據(jù)均來(lái)自中國(guó)人民大學(xué)與香港科技大學(xué)調(diào)查中心聯(lián)合完成的中國(guó)綜合社會(huì)調(diào)查項(xiàng)目（CGSS）。該項(xiàng)目收集到的數(shù)據(jù)系統(tǒng)詳盡，是很多社會(huì)科學(xué)實(shí)證論文寫(xiě)作的數(shù)據(jù)來(lái)源，已應(yīng)用于心理學(xué)、經(jīng)濟(jì)學(xué)以及社會(huì)學(xué)研究的各個(gè)領(lǐng)域。本文利用2008年的調(diào)查數(shù)據(jù)，研究是否接受高等教育對(duì)于收入差異的影響。該調(diào)查樣本選擇覆蓋農(nóng)村與城市的各種群體，共有6 000個(gè)樣本，可以滿(mǎn)足實(shí)證研究對(duì)數(shù)據(jù)量的要求。

（二）指標(biāo)選取、定義與識(shí)別

本文在模型構(gòu)建中所用到的被解釋變量、解釋變量及各控制變量的定義以及處理方法見(jiàn)表1。

表1 主要變量的定義與處理方法

本文選擇的樣本群體均是當(dāng)前并非接受在校教育，而是已經(jīng)進(jìn)入工作崗位的群體。之所以分別選擇年工資收入對(duì)數(shù)以及小時(shí)工資收入對(duì)數(shù)作為被解釋變量是考慮到工作強(qiáng)度的問(wèn)題，小時(shí)工資相對(duì)于總工資，消除了工作時(shí)間長(zhǎng)短對(duì)于收入的影響。本文的解釋變量為是否接受高等教育的二元選擇變量，之所以選擇義務(wù)教育階段之后的群體作為研究樣本，是考慮到個(gè)體若從未接受過(guò)教育或是沒(méi)有完成義務(wù)教育，更可能是由于家庭極度貧困或是教育資源極度匱乏造成的，個(gè)體沒(méi)有選擇是否能接受高等教育的機(jī)會(huì)與主動(dòng)性，而義務(wù)教育階段結(jié)束后，一方面說(shuō)明這部分群體有接受教育的能力與資源，另一方面這部分群體在綜合考慮自身家庭背景、政治與社會(huì)資本的情況下，非強(qiáng)制性教育也為他們提供了選擇是否接受高等教育的可能。

（三）描述性統(tǒng)計(jì)

表2 主要變量的描述性統(tǒng)計(jì)

注：圓括號(hào)中為樣本的標(biāo)準(zhǔn)差。

首先，從整體上看，接受過(guò)高等教育樣本占樣本總體比例相對(duì)較低。其次，從描述性統(tǒng)計(jì)結(jié)果來(lái)看，可以發(fā)現(xiàn)，無(wú)論是年工資收入對(duì)數(shù)還是小時(shí)工資收入對(duì)數(shù)，接受過(guò)高等教育的樣本都要高于未接受過(guò)高等教育的樣本，且相對(duì)較小的標(biāo)準(zhǔn)差也可以看出接受過(guò)高等教育的群體收入之間的差異較小。此外，接受過(guò)高等教育的樣本中，黨員比例明顯高于未接受過(guò)高等教育的樣本；接受過(guò)高等教育的樣本中，戶(hù)口類(lèi)型以非農(nóng)業(yè)戶(hù)口為主，占比高達(dá)98.6%，可見(jiàn)高等教育特別是正規(guī)大學(xué)本科教育存在明顯的城鄉(xiāng)差異；從性別方面看，整體上呈現(xiàn)出男性多于女性的態(tài)勢(shì)，但接受高等教育與不接受高等教育的樣本中男女性別比例則大體相當(dāng)；從工齡的描述統(tǒng)計(jì)中可以看出，接受過(guò)高等教育的樣本工齡相對(duì)較短，一定程度上反映出教育與工作經(jīng)驗(yàn)之間的取舍關(guān)系；從對(duì)父親受教育水平以及黨員身份的描述中可以看出，接受高等教育的樣本，其父輩往往也具有較高的受教育經(jīng)歷，但具有黨員身份的則相對(duì)較少；在接受高等教育的樣本中，獨(dú)生子女所占比例遠(yuǎn)高于未接受高等教育樣本中獨(dú)生子女的比例。總體來(lái)看，父親的受教育經(jīng)歷、政治身份以及個(gè)體是否是獨(dú)生子女，在是否接受高等教育的群體之間存在明顯的差距，很有可能是影響個(gè)體是否選擇接受高等教育的關(guān)鍵因素。

圖1 自然對(duì)數(shù)收入的核密度估計(jì)

核密度估計(jì)方法的優(yōu)點(diǎn)在于直接依據(jù)樣本本身來(lái)對(duì)數(shù)據(jù)的分布特征進(jìn)行判斷擬合，從圖1的核密度估計(jì)中可以很明顯看出：首先，接受過(guò)高等教育樣本的對(duì)數(shù)收入均值要明顯高于未接受過(guò)高等教育樣本的對(duì)數(shù)收入水平；其次，接受過(guò)高等教育樣本的收入相對(duì)集中，未接受過(guò)高等教育樣本的收入則相對(duì)離散。由此可以得出結(jié)論，即接受高等教育的確有助于收入的提升，這符合傳統(tǒng)的理論研究，也符合常識(shí)判斷。

四、實(shí)證分析

（一）傳統(tǒng)方法——普通最小二乘法（OLS回歸）

首先，我們復(fù)制傳統(tǒng)研究結(jié)果，根據(jù)相關(guān)數(shù)據(jù)與模型設(shè)定進(jìn)行回歸。

表3 接受高等教育對(duì)收入影響的普通最小二乘回歸

從上述回歸模型中可以看出，模型整體對(duì)于年工資收入對(duì)數(shù)與小時(shí)工資收入對(duì)數(shù)的解釋程度分別達(dá)到了35.70%與37.91%，可見(jiàn)本文所構(gòu)建的模型具有一定的解釋力。在兩個(gè)回歸中，接受高等教育對(duì)于工資收入都有顯著性影響，接受高等教育的年工資收益為57.7%，而小時(shí)工資收益為68.2%，與吳要武（2010）在工具變量方法下估計(jì)出我國(guó)的教育回報(bào)率為13.9%～15.9%相比，這一比例相當(dāng)高。可見(jiàn)，高等教育相對(duì)于其他基礎(chǔ)性教育而言，有著更高的收益率。高等教育對(duì)于小時(shí)工資率的提升程度高于對(duì)年工資的提升程度，反映出高等教育確實(shí)在很大程度上提升了勞動(dòng)生產(chǎn)率，因而才能獲得更高的小時(shí)工資。同時(shí)，本文為了防止多重共線(xiàn)性對(duì)計(jì)量結(jié)果造成偏誤，對(duì)數(shù)據(jù)進(jìn)行了共線(xiàn)性檢驗(yàn)，發(fā)現(xiàn)關(guān)鍵解釋變量——是否接受高等教育的模型膨脹系數(shù)（VIF）分別為1.63和1.64，工齡與工齡平方項(xiàng)之外的其他變量的膨脹系數(shù)也均在合理范圍內(nèi)，模型平均膨脹系數(shù)為2.53。可見(jiàn)，對(duì)于模型整體而言，并不受共線(xiàn)性問(wèn)題的影響，整體的系數(shù)估計(jì)是穩(wěn)健的。

對(duì)其他系數(shù)的分析。首先，黨員身份對(duì)于收入有正向的影響，政治身份收益達(dá)到13.3%和13.5%，這與劉和旺、王宇鋒（2010）估算出的5.85%～11.2%大體相近，但影響效果并不顯著，這可能是受相關(guān)數(shù)據(jù)限制造成的。其次，非農(nóng)戶(hù)口比農(nóng)業(yè)戶(hù)口在年工資收益與小時(shí)工資收益上分別高出28.9%和27.1%，男性平均年工資收益與小時(shí)工資收益要比女性高出26.3%和27.5%，在勞動(dòng)力市場(chǎng)上存在著嚴(yán)重的戶(hù)籍歧視與性別歧視。由于工齡與工齡平方之間有顯著的共線(xiàn)關(guān)系，其系數(shù)估計(jì)與顯著性程度也可能存在一定偏誤，因此不予討論。

（二）高等教育影響異質(zhì)性的研究——分位數(shù)回歸

依據(jù)上述分析可以發(fā)現(xiàn)，高等教育對(duì)于收入分配的確有著顯著性影響，下面將進(jìn)一步通過(guò)分位數(shù)回歸對(duì)高等教育的異質(zhì)性影響進(jìn)行分析。按照一般的對(duì)分位數(shù)回歸系數(shù)的解釋?zhuān)约白宰兞繛樘摂M變量的情形，本文對(duì)高等教育系數(shù)的解釋是：在年工資收入對(duì)數(shù)的q分位數(shù)上，接受高等教育比不接受高等教育高（eδ-1）*100%（張義博，2012）。由于年工資對(duì)數(shù)與小時(shí)工資對(duì)數(shù)回歸的輸出結(jié)果大體相近，本文在此只報(bào)告年工資收入對(duì)數(shù)分位數(shù)回歸的結(jié)果。

表4 年工資收入對(duì)數(shù)的分位數(shù)回歸

從表4可以看出，高等教育在不同分位數(shù)上的回歸結(jié)果仍然顯著，并且產(chǎn)生了明顯的變化。隨著分位數(shù)的逐漸提高，高等教育回報(bào)率呈現(xiàn)出先上升后下降的趨勢(shì)，經(jīng)過(guò)換算，位于不同分位點(diǎn)數(shù)上的高等教育回報(bào)率分別是80.58%、89.46%、91.36%、83.86%、73.67%、57.46%、34.18%。由此可以得出結(jié)論：高等教育對(duì)于不同收入群體而言，的確存在異質(zhì)性影響。相對(duì)于高收入人群而言，中低收入人群接受高等教育對(duì)其收入增加效果更明顯。收入位于35%分位點(diǎn)的中低收入群體，其接受高等教育的回報(bào)率高達(dá)90%以上；收入位于95%分位點(diǎn)的極高收入群體，其接受高等教育的回報(bào)率僅有30%左右。對(duì)于中高收入者而言，高等教育的回報(bào)率呈現(xiàn)出一種快速下降的趨勢(shì)。由此可以看出，高等教育對(duì)于緩解收入差距起到了很重要的作用，以更高的回報(bào)率促進(jìn)中低收入群體的收入增長(zhǎng)。其背后的機(jī)制可能在于，對(duì)于中低收入群體而言，其本身并不具備十分出眾的政治資本與社會(huì)資源，高等教育無(wú)論是作為一種信號(hào)顯示工具還是一種對(duì)自身生產(chǎn)效率的提升，都極大地增加了其社會(huì)競(jìng)爭(zhēng)力，使其在中低收入人群中取得了較高的職業(yè)平臺(tái)與職業(yè)優(yōu)勢(shì)。因而，相對(duì)于沒(méi)有接受高等教育的中低收入者而言，接受高等教育的群體擁有更多的就業(yè)機(jī)會(huì)和更好的就業(yè)選擇。對(duì)于較高收入群體而言，他們本身可能具有良好的家庭背景、豐富的政治資源與社會(huì)資源，高等教育的經(jīng)歷可以提升其競(jìng)爭(zhēng)力，但在職業(yè)選擇與就業(yè)競(jìng)爭(zhēng)中可能并不起主要作用，高等教育經(jīng)歷并不能在很大程度上擴(kuò)大其相對(duì)于同類(lèi)型高收入人群的競(jìng)爭(zhēng)優(yōu)勢(shì)。

考察其他因素的回歸系數(shù)可以發(fā)現(xiàn)，很多回歸系數(shù)對(duì)于某些分位點(diǎn)變得不顯著，但關(guān)注其中與收入有顯著關(guān)系的幾個(gè)系數(shù)值，仍可以得出很多有用信息。首先，性別對(duì)于年工資收入的影響基本都是顯著的，影響系數(shù)之間差異不大，并且沒(méi)有明顯的變化規(guī)律。這表明，性別歧視在各個(gè)收入階層均存在，女性會(huì)由于性別歧視面臨20%～30%的歧視性工資折扣。其次，黨員身份對(duì)于中低收入人群的收入增加沒(méi)有顯著的影響，但對(duì)于中高收入群體的收入則有較高程度的正相關(guān)性，這反映出政治資本可能只在較高的收入層次上才能為個(gè)體帶來(lái)牟利空間，此時(shí)黨員身份更有利于其擴(kuò)展社會(huì)網(wǎng)絡(luò)或是尋租等。第三，在50%分位點(diǎn)上，工齡對(duì)于收入有較為顯著的正向影響，這一定程度上表明，對(duì)于中產(chǎn)階層而言，工作經(jīng)驗(yàn)對(duì)于收入增長(zhǎng)有較為重要的貢獻(xiàn)。

將上述回歸結(jié)果與OLS回歸結(jié)果進(jìn)行對(duì)比可知，分位數(shù)回歸基本證實(shí)了普通回歸的相關(guān)結(jié)論，只是在顯著性上有所差異。同時(shí)，分位數(shù)回歸也分析了高等教育對(duì)不同收入群體的異質(zhì)性影響，得出了高等教育有助于縮小收入差距的結(jié)論，從側(cè)面印證了高等教育可能具有的打破階層固化、促進(jìn)階層流動(dòng)、改變命運(yùn)的功能。但是，這也引出一個(gè)疑問(wèn)，如何度量高等教育對(duì)一個(gè)個(gè)體的凈效應(yīng)，即對(duì)于某一特定個(gè)體，排除了個(gè)體異質(zhì)性對(duì)于接受高等教育選擇的影響后，其是否接受高等教育會(huì)帶來(lái)多大的收入差距。

（三）高等教育的凈效應(yīng)分析——傾向得分匹配

通過(guò)上述分析已可以看出高等教育的收入效應(yīng)，但由于存在選擇性偏差，系數(shù)估計(jì)可能有一定偏誤，關(guān)鍵解釋變量之前的回歸系數(shù)可能無(wú)法準(zhǔn)確衡量高等教育的真實(shí)回報(bào)率，因?yàn)槭欠衲軌蛏洗髮W(xué)這一選擇中包含著個(gè)人家庭教育、政治背景以及社會(huì)資源各方面的信息。因此，我們進(jìn)一步應(yīng)用傾向值匹配的方法對(duì)高等教育的凈效應(yīng)做出估計(jì)。

估計(jì)分兩步，第一步是二元選擇模型的擬合，估計(jì)結(jié)果見(jiàn)表5。

表5 選擇接受高等教育的二元Logistic回歸

由表5可以看出，父親受教育水平、父親黨員身份、個(gè)體是否為獨(dú)生子女都在很大程度上影響著樣本是否能夠進(jìn)入處理組——接受高等教育的可能性。從回歸系數(shù)可以看出，如果父親有大學(xué)本科及其以上的受教育經(jīng)歷，比父親沒(méi)有高等教育受教育經(jīng)歷的樣本更可能進(jìn)入處理組，這可能與家庭對(duì)上大學(xué)的意愿、家庭教育對(duì)于知識(shí)的積累及能力的培養(yǎng)有關(guān)；如果父親具有黨員身份，則樣本接受高等教育的可能性要比父親沒(méi)有黨員身份低，原因可能在于，父輩的黨員身份象征著一種政治資本以及社會(huì)資源，子女即便不接受高等教育同樣能夠有其他途徑獲得體面的工作和較高的收入，考慮到投入產(chǎn)出以及利益的取舍，很可能選擇不接受高等教育。此外，在表5沒(méi)有報(bào)告的是，當(dāng)父親的工作單位是黨政機(jī)關(guān)時(shí)，回歸系數(shù)為-0.797（顯著性水平為0.001），其中的原因也與黨員身份相似，即父親擁有更好的社會(huì)背景以及社會(huì)資源，子女不一定非要通過(guò)接受高等教育才能進(jìn)一步提升自己的人力資本，因此回歸系數(shù)是顯著為負(fù)的?；貧w結(jié)果顯示，獨(dú)生子女比非獨(dú)生子女有更大的概率接受高等教育，簡(jiǎn)單的原因是，家庭的資源是有限的，獨(dú)生子女往往擁有更為充足的家庭資源以及教育資源，受到更多的關(guān)注，在各方面的發(fā)展上也比非獨(dú)生子女更好。

估計(jì)的第二步，根據(jù)以上的回歸結(jié)果，我們對(duì)所有樣本進(jìn)行傾向值打分，并根據(jù)傾向值打分的結(jié)果進(jìn)行匹配。本文針對(duì)年工資收入對(duì)數(shù)與小時(shí)工資收入對(duì)數(shù)均進(jìn)行了匹配檢驗(yàn)，主要采用最臨近匹配法、核匹配法、半徑匹配法與分成匹配法，結(jié)果如表6所示。

表6 傾向值匹配結(jié)果

表6是經(jīng)過(guò)傾向得分匹配后的回歸結(jié)果。根據(jù)父親受教育水平、父親黨員身份、個(gè)體是否為獨(dú)生子女以及父親工作單位類(lèi)型進(jìn)行匹配后，將年工資收入對(duì)數(shù)、小時(shí)工資收入對(duì)數(shù)分別與是否接受高等教育進(jìn)行處理效應(yīng)比較。若直接將年工資收入對(duì)數(shù)、小時(shí)工資收入對(duì)數(shù)分別與是否接受高等教育的虛擬變量進(jìn)行回歸，得到的回歸系數(shù)分別是0.633***與0.750***，對(duì)比直接回歸與傾向得分匹配結(jié)果，傾向得分匹配的系數(shù)較小，略有差距但并不明顯。這一數(shù)據(jù)對(duì)比反映出，在控制了個(gè)體的父親受教育水平、父親黨員身份、個(gè)體是否為獨(dú)生子女以及父親工作單位類(lèi)型，也就是控制了個(gè)體接受高等教育的概率之后，高等教育的回報(bào)率略有下降。這一方面反映出在個(gè)體更加具備接受高等教育的機(jī)會(huì)時(shí)，其同時(shí)也具備獲得更高收入的某些特征，因此通過(guò)總體數(shù)據(jù)不加控制的回歸對(duì)于教育回報(bào)率略有高估；另一方面也反映出，當(dāng)個(gè)體的父親在黨政機(jī)關(guān)工作或者政治身份為黨員時(shí)，個(gè)體接受高等教育的可能性反而減小，說(shuō)明個(gè)體的家庭背景與社會(huì)關(guān)系等因素不是促使個(gè)體接受高等教育并獲得高回報(bào)的主要因素，即不是造成教育回報(bào)率低估的主要因素。同時(shí)，也否定了個(gè)體由于家庭背景與出身較好，能夠獲得較高的接受高等教育的概率，進(jìn)而獲取高收入的階層固化的分析邏輯?？梢赃@樣說(shuō)，高等教育本身并不具備加劇階層分化，鎖定收入階層身份的作用。

（四）改變命運(yùn)還是階層鎖定——OB分解

上述分析逐漸理清了一條邏輯，即高等教育似乎并不是家庭背景深厚、出身良好的人群的特權(quán)，更具有一種縮小收入差距、彌補(bǔ)先天出身?xiàng)l件的促進(jìn)階層流動(dòng)、促進(jìn)收入公平的作用。這一機(jī)制可以通過(guò)一個(gè)簡(jiǎn)單的交互項(xiàng)回歸來(lái)直觀(guān)反映，首先構(gòu)建回歸方程：

其中，控制變量X1是一個(gè)包含D1、D2、D3、exp、exp_2以及x1、x2和province在內(nèi)的向量；X2是一個(gè)包含D1、D2、D3、exp、exp_2以及x1和province在內(nèi)的向量；x3所代表的是這樣一個(gè)虛擬變量：當(dāng)x2=1，即個(gè)體父親的工作單位是黨政機(jī)關(guān)時(shí)x3=1，其余情況下x3=0。

等式中，δ3以及γ3的經(jīng)濟(jì)學(xué)含義都是雙重差分。δ3所代表的是父親具有黨員身份的個(gè)體是否接受高等教育的收入差距與父親不具有黨員身份的個(gè)體是否接受高等教育的收入差距之間的差距，γ3所代表的是父親的工作單位是黨政機(jī)關(guān)的個(gè)體是否接受高等教育的收入差距與父親的工作單位不是黨政機(jī)關(guān)的個(gè)體是否接受高等教育的收入差距之間的差距。這兩個(gè)系數(shù)反映的都是高等教育對(duì)具有不同家庭背景的個(gè)體是否有明顯的異質(zhì)性影響，如果系數(shù)在經(jīng)濟(jì)上與統(tǒng)計(jì)上都是顯著的，則說(shuō)明高等教育對(duì)于家庭背景好的個(gè)體具有“如虎添翼”的作用，社會(huì)階層將由此被進(jìn)一步固化，收入差距將可能被擴(kuò)大，反之則說(shuō)明這一機(jī)制是不成立的。

表7所展示的，是根據(jù)上面的方程進(jìn)行回歸分析后的結(jié)果的簡(jiǎn)化。其中，被解釋變量選擇的是年工資收入對(duì)數(shù)，當(dāng)被解釋變量是小時(shí)工資收入對(duì)數(shù)時(shí)，可以得到相似的結(jié)論。

表7 雙重差分結(jié)果

由表7可以看出，雙重差分的系數(shù)是不顯著的，即在父親具備黨員身份的個(gè)體中，是否接受高等教育會(huì)造成一個(gè)收入差距；父親不具備黨員身份的個(gè)體中，是否接受高等教育也會(huì)造成一個(gè)收入差距。這個(gè)差距在兩者之間并沒(méi)有明顯的不同，由此反映出的是，高等教育對(duì)于特定的家庭背景并不存在所謂的“如虎添翼”的作用。

運(yùn)用OB分解作進(jìn)一步的也是更加精確的分析。在進(jìn)行分析之前，對(duì)原有回歸模型進(jìn)行一定修改，在不引起多重共線(xiàn)性的前提下，將有關(guān)個(gè)體家庭背景的變量加入到OB分解模型中，分解結(jié)果如表8所示。

表8 OM分解結(jié)果

從表8可以看出，接受高等教育群體與未接受高等教育群體之間的收入差異，主要還是來(lái)自于教育本身。同時(shí)我們也發(fā)現(xiàn)，包括個(gè)體家庭背景與出身在內(nèi)的個(gè)體特征也產(chǎn)生了很強(qiáng)的抵消作用，高等教育對(duì)于收入的影響有相當(dāng)一部分被個(gè)體特征效應(yīng)的影響所抵消。具體而言，單從高等教育的角度講，原本對(duì)于收入可以產(chǎn)生0.523的影響，但個(gè)體的家庭背景、政治身份等非教育因素對(duì)此進(jìn)行了0.222水平的彌補(bǔ)，最后表現(xiàn)出的總效應(yīng)便成為0.301。從反面來(lái)講，高等教育的存在是可以與個(gè)體特征的異質(zhì)性相互抵消的。也就是說(shuō)，接受高等教育可以減輕因出身和家庭背景不同而帶來(lái)的不公平。據(jù)此，我們可以得出結(jié)論，高等教育并不依附于家庭出身，它具有打破階層固化、促進(jìn)階層流動(dòng)、改變?nèi)说拿\(yùn)的作用。

五、研究結(jié)論與政策建議

本文立足于已有研究，對(duì)高等教育的教育回報(bào)及其與收入分配之間的關(guān)系進(jìn)行了系統(tǒng)分析，研究結(jié)論可以概括為四個(gè)方面。

第一，高等教育有一個(gè)顯著為正的教育回報(bào)率，且相對(duì)于以往文獻(xiàn)對(duì)于包括義務(wù)教育階段在內(nèi)的整體受教育過(guò)程的教育回報(bào)率要高。從整體上來(lái)看，對(duì)于年工資收入的回報(bào)率高達(dá)60%，對(duì)于小時(shí)工資回報(bào)率更是接近70%，可見(jiàn)高等教育一方面通過(guò)各種機(jī)制提升了總量工資水平，另一方面這種工資水平的提高源于效率的提升，而不是源于工作時(shí)間的延長(zhǎng)，這一點(diǎn)從小時(shí)工資回報(bào)率更高的數(shù)據(jù)中可以看出。

第二，從分位數(shù)回歸的結(jié)果可以看出，高等教育對(duì)于中低收入群體比對(duì)于高收入群體具有更高的回報(bào)率。這說(shuō)明，高等教育更大限度的提升了中低收入群體在勞動(dòng)力市場(chǎng)的競(jìng)爭(zhēng)力，也反映了高等教育對(duì)于不同收入群體而言，具有縮小收入差距、緩解貧富兩極分化的作用。

第三，從傾向得分匹配的結(jié)果中可以看出，在控制了個(gè)體接受高等教育的可能性之后，高等教育的教育回報(bào)率依然是顯著的，但系數(shù)估計(jì)相比于一般的估計(jì)方法略有下降。這反映出，在關(guān)鍵解釋變量為是否接受高等教育的虛擬變量時(shí)，對(duì)于教育回報(bào)率的估計(jì)具有向上偏誤，但誤差很小，基本上是準(zhǔn)確的。

第四，結(jié)合傾向得分匹配與OB分解的結(jié)果可以發(fā)現(xiàn)，在受限因變量回歸模型中，父親政治身份以及工作單位性質(zhì)等因素對(duì)于個(gè)體是否接受高等教育具有反向作用，而OB分解的結(jié)果也顯示出在收入差異的貢獻(xiàn)值中，系數(shù)效應(yīng)與特征效應(yīng)是相互抵消的。由此可以得出一個(gè)推論，往往家庭背景越好的個(gè)體，越不需要通過(guò)高等教育的途徑提升個(gè)人的競(jìng)爭(zhēng)力，而高等教育作為一種手段，在很大程度上彌補(bǔ)了先天的家庭條件與個(gè)人出身的差異，成為促進(jìn)階級(jí)流動(dòng)、打破階層固化的一種手段。

基于本文的研究結(jié)論，我們提出相應(yīng)的對(duì)策建議。首先，要更加普及高等教育，為更多的社會(huì)中下層群體提供階層進(jìn)步的上升通道。其次，高等教育應(yīng)在一定程度上向中低收入階層傾斜，因?yàn)檫@樣將帶來(lái)更高的教育回報(bào)，更有效地發(fā)揮高等教育的效用。最后，高等教育應(yīng)不斷完善自身，更好發(fā)揮自身職能。

研究的不足與展望。本文在研究中最大的缺陷是，在傾向得分匹配過(guò)程中，計(jì)算模型傾向值使用了受限因變量模型，而此模型的最終擬合優(yōu)度僅有0.1733，說(shuō)明本文根據(jù)已有數(shù)據(jù)庫(kù)所選擇的解釋變量不足以很好的衡量是否選擇接受高等教育的傾向，使得匹配過(guò)程不夠完美和精確。如何彌補(bǔ)這一缺陷，是下一步研究的努力方向。

注釋?zhuān)?/p>

（1）資料出處說(shuō)明：本文所使用的數(shù)據(jù)全部來(lái)自國(guó)家社會(huì)科學(xué)基金資助之《中國(guó)綜合社會(huì)調(diào)查（CGSS）》項(xiàng)目。該調(diào)查由中國(guó)人民大學(xué)社會(huì)學(xué)系與香港科技大學(xué)社會(huì)科學(xué)部執(zhí)行，項(xiàng)目主持人為李路路教授、邊燕杰教授。筆者感謝上述機(jī)構(gòu)及其人員提供數(shù)據(jù)協(xié)助，本文內(nèi)容由筆者自行負(fù)責(zé)。

［1］賴(lài)德勝.教育、勞動(dòng)力市場(chǎng)與收入分配［J］.經(jīng)濟(jì)研究，1998（5）：43－50.

［2］杜健，張大亮，顧華.中國(guó)行業(yè)收入分配實(shí)證分析［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2006（6）：73－78.

［3］田茂茜，虞克明.中國(guó)城鎮(zhèn)居民人力資本收益率性別差異分析——基于貝葉斯分位數(shù)回歸［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013（9）：1－10.

［4］吳要武.尋找阿基米德的“杠桿”——“出生季度”是個(gè)弱工具變量嗎［J］.經(jīng)濟(jì)學(xué)（季刊），2010（2）：661－686.

［5］趙錦春，謝建國(guó).收入分配不平等、有效需求與創(chuàng)新研發(fā)投入——基于中國(guó)省際面板數(shù)據(jù)的實(shí)證分析［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013（11）：1－12）

［6］林毅夫，劉培林.中國(guó)的經(jīng)濟(jì)發(fā)展戰(zhàn)略與地區(qū)收入差距［J］.經(jīng)濟(jì)研究，2003，（3）:19－25.

［7］文雯.收入再分配效應(yīng)的測(cè)度及其影響因素分析［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012（7）：9－15.

［8］姚先國(guó)，賴(lài)普清.中國(guó)勞資關(guān)系的城鄉(xiāng)戶(hù)籍差異［J］.經(jīng)濟(jì)研究，2004（7）:82-90.

［9］惠寧，郭淑娟.行業(yè)壟斷與行業(yè)收入差距研究［J］.山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012（8）：21－30.

［10］楊瑞龍，王宇鋒，劉和旺.父親政治身份、政治關(guān)系和子女收入［J］.經(jīng)濟(jì)學(xué)季刊2010（4）:872-890

［11］Harmon C,Walker I.Estimates of the economic return to schooling for the United Kingdom［J］.The American Economic Review,1995,85（5）:1278-1286.

［12］Meghir C,Palme M.Educational reform,ability,and family background［J］.The American Economic Review,2005,95（1）:414-424.

［13］Angrist J,Krueger A.Does compulsory attendance schooling affect earnings［J］.Quarterly Journal of Economics,1991.

［14］Walder A G.Career mobility and the communist political order［J］.American Sociological Review,1995:309-328.

［15］Knight.J&L.Yueh.The Role of Social Capital in the Labor Market in China［C］.Oxford University，Department of Economics Discussion PaPer,2002.

［16］Simon Appleton，John Knight，Lina Song，Qingjie Xia.The economics of communist party membership:the curious case of rising numbers and wage premium during China's transition［J］.The Journal of Development Studies 2008,45（2）:256-275.

［17］Koenker R,Bassett Jr G.Regression quantiles［J］.Econometrica:journal of the Econometric Society,1978:33-50.

［18］Rosenbaum P R,Rubin D B.The central role of the propensity score in observational studies for causal effects［J］. Biometrika,1983,70（1）:41-55.

［19］Heckman J J.Sample selection bias as a specification error［J］.Econometrica:Journal of the econometric society,1979: 153-161.

［20］Blinder.A.Wage Discrimination:Reduced Form and Structural Estimates［J］.Journal of Human Resources 1973,8（4）: 436-455.

［責(zé)任編輯：馮霞］

Higher Education and Income Distribution:Change of Destiny or Locking of Hierarchy ----An Empirical Study based on Data CGSS2008

ZHANG Kai-ning

（School of Economics,Renmin University of China,Beijing 100872,China）

Based on OLS regression,we find that higher education can improve individual income,and the increase is far greater than the overall education and compulsory education.The outcome of quantile regression shows that the returns in higher education are significantly different at different quantiles of the income,and the ruturns to education is higher for low-income groups than highincome groups.Through propensity score matching,we can find that the OLS estimation produces weak downward bias when estimates return to higher education.Higher education is an effective way to break the locking of hierarchy and change fate.

G640

A

2095-106X（2014）02-0001-12

2014－05－10

張凱寧（1993－），男，山西太谷人，中國(guó)人民大學(xué)經(jīng)濟(jì)學(xué)院，研究方向是收入分配理論與微觀(guān)計(jì)量經(jīng)濟(jì)學(xué)。