接受大學教育可以克服城鄉(xiāng)出身差異嗎
——農(nóng)村出身個體大學教育收益率研究

孫圣民 耿雪婷

?

接受大學教育可以克服城鄉(xiāng)出身差異嗎
——農(nóng)村出身個體大學教育收益率研究

孫圣民 耿雪婷

使用2010年中國家庭追蹤調(diào)查數(shù)據(jù)(CFPS)，運用平均處理效應方法，分析上大學與否對農(nóng)村出身個體收入的影響。研究發(fā)現(xiàn)農(nóng)村青年上大學的收益率穩(wěn)定在43%左右，平均年收益率約為10.7%。對比農(nóng)村出身的個體和城市出身的個體接受大學教育的收益率，兩者之間并不存在顯著差異。接受大學教育可以克服個體的城鄉(xiāng)出身差異，大學教育承載的終點公平仍然存在。如果考慮到從農(nóng)村轉變?yōu)槌鞘袘艏?，將給農(nóng)村出身的個體帶來額外經(jīng)濟社會收益的話，那么其接受大學教育的收益顯然要比城鎮(zhèn)居民高。

人力資本； 教育收益率； 城鄉(xiāng)差距； 處理效應

一、引言

中國家庭有重視教育的傳統(tǒng)，即便在收入相對較低的農(nóng)村地區(qū)，面對城鄉(xiāng)教育資源分布不均的現(xiàn)實，農(nóng)戶對子女人力資本投資仍然十分強勁。農(nóng)村教育的收益率如何，一直是學者們關注的焦點。例如Debrauw (2002)*Debrauw, A.J. Huang, S. Rozelle, L. Zhang, and Y. Zhang, “The Evolution of China’s Rural Labor Markets During the Reforms: Rapid, Accelerating, Transforming”, Journal of Comparative Economics, 2002, 30(2), pp.329-352.的研究表明，中國農(nóng)村教育的收益率大約在0%-6%之間，與國際上10%左右的平均收益率相比明顯過低。侯風云(2004)*侯風云：《中國農(nóng)村人力資本收益率研究》，《經(jīng)濟研究》2004年第12期。估計出的農(nóng)村基礎教育的收益率為3.66%，得出了教育收益率嚴重偏低的結論。并通過比較認為培訓對收入的影響高于教育對收入的作用。上述文獻的結論，引發(fā)我們進一步的思考：一是按照常理，正常情況下低收益將導致農(nóng)戶對教育投資不足，但孫圣民(2014)*孫圣民：《收支扭曲、人力資本結構性貧困與社會資本依賴——農(nóng)民制度性貧困與統(tǒng)籌城鄉(xiāng)發(fā)展的路徑》，《制度經(jīng)濟學研究》2014年第2期。發(fā)現(xiàn)中國農(nóng)村家庭對人力資本投資有熱情高、成本高的特點，而且農(nóng)戶的教育培訓支出對收入表現(xiàn)出很強的剛性。高夢滔(2011)*高夢滔：《子女教育與農(nóng)戶消費：基于8省微觀面板數(shù)據(jù)的經(jīng)驗研究》，《南方經(jīng)濟》2011年第12期。從消費的角度說明相對貧困的農(nóng)戶，被迫降低本來就不高的消費水平以進行子女的人力資本投資，也證明了上述特征。二是，即使投資教育，農(nóng)民也應該選擇收益率相對較高的職業(yè)教育和培訓而并非基礎教育。但事實是侯風云(2004)和孫圣民(2014)都發(fā)現(xiàn)相對于職業(yè)教育和培訓，農(nóng)民更看重基礎教育，即便后者收益率相對較低。

如何解釋上述反?，F(xiàn)象呢？一方面，可以從人力資本的異質(zhì)性角度，定量考察不同的教育類型對農(nóng)戶的收益率，并進行比較分析來尋找答案。例如周亞虹等(2010)*周亞虹、許玲麗、夏正青：《從農(nóng)村職業(yè)教育看人力資本對農(nóng)村家庭的貢獻》，《經(jīng)濟研究》2010年第8期。考慮了農(nóng)村以家庭為單位進行生產(chǎn)和經(jīng)營的特征，以及職業(yè)教育和基礎教育的不同，得出的農(nóng)村職業(yè)教育的年收益率大約在9%左右，和國際上10%左右收益率類似。從而揭示在農(nóng)村，基礎教育和職業(yè)教育的差別性，兩者對人力資本的提升并不一樣。另一方面，考察農(nóng)民教育投資的終極目標，孫圣民(2014)分析了農(nóng)戶人力資本的結構性差異，指出農(nóng)戶放棄收益率高而且快的職業(yè)技能教育和培訓，選擇在初高中基礎教育上支出更多。目的是通過接受大學教育，實現(xiàn)戶口從農(nóng)村到城市的戶籍遷移。但這種轉變對大學以下學歷的農(nóng)民是不太可能實現(xiàn)的。按照上面兩個思路，計算農(nóng)村出身個體接受大學教育對其收入貢獻到底有多大，并與其接受職業(yè)教育、基礎教育的收益率比較，分析其背后的經(jīng)濟邏輯，變得十分有意義。這是本文的文獻價值。

本文的現(xiàn)實意義在于，通過計算農(nóng)村出身的個體接受大學教育的收益率，可以比較農(nóng)村和城市出身個體的收益率異同。考察接受大學教育是否可以克服城鄉(xiāng)出身的差異，從而檢驗大學教育承載的終點公平是否仍然存在。在我國，城鄉(xiāng)差距是計劃經(jīng)濟時期重工業(yè)優(yōu)先發(fā)展戰(zhàn)略的產(chǎn)物，20世紀90年代以前，城鄉(xiāng)二元戶籍制度長期調(diào)節(jié)著農(nóng)村向城市流動人口的數(shù)量和質(zhì)量。農(nóng)村出身的個體主要是通過考取大學、畢業(yè)后在城市就業(yè)從而轉換為城市戶籍。在當時的特定條件下，大學教育對農(nóng)村出身個體而言體現(xiàn)著一種終點公平。即無論出身如何，如果能接受大學教育，意味著畢業(yè)后將獲得大體一樣的干部身份、城市戶籍和就業(yè)機會。接受大學教育后擁有的相似發(fā)展平臺，最終可以消除依附在個體上的城鄉(xiāng)差距特征。如果我們的研究表明，在當前條件下，同樣接受大學教育，對農(nóng)村和城市出身個體的收入貢獻并不存在差異。那么接受大學教育對農(nóng)村出身個體而言，就仍然具有克服個體城鄉(xiāng)出身差異的功能，大學教育承載的終點公平性質(zhì)在當前仍然存在。通過知識改變命運仍舊是農(nóng)村青年社會階層流動的最可行路徑，正如他們前輩所做的那樣。如果再考慮到當前戶籍制度改革的舉措中，許多大中城市仍然規(guī)定接受大學教育是獲取其城市戶籍的基本條件的事實，那么對農(nóng)村出身個體而言，大學教育的經(jīng)濟社會收益將更加突顯。

本文使用2010年中國家庭追蹤調(diào)查數(shù)據(jù)(CFPS)，運用平均處理效應方法，研究上大學與否對農(nóng)村出身個體收入的影響。并考慮到了教育回報的異質(zhì)性問題，以及個人自選擇可能造成的偏差，避免了在傳統(tǒng)OLS(Ordinary Least Squares)回歸分析中難以處理的能力變量對收入影響的問題。結論認為任意選擇一個農(nóng)村青年上大學的收益率(ATE，Average Treatment Effect，平均處理效應)，和已經(jīng)上了大學的個體上大學的收益率(ATT，Average Treatment Effect on the Treated，已處理的平均效應)都穩(wěn)定在43%左右，平均年收益率約為10.7%，兩者差異不大。對比農(nóng)村出身的個體和城市出身的個體接受大學教育的收益率，兩者之間并不存在顯著差異。但是，如果考慮從農(nóng)村轉變?yōu)槌鞘袘艏?，將給農(nóng)村出身的個體帶來額外經(jīng)濟社會收益的話，那么其接受大學教育的收益顯然要比城鎮(zhèn)居民高。從這個意義上說，接受大學教育可以克服個體的城鄉(xiāng)出身差異。大學教育承載的終點公平性仍然存在。

二、文獻綜述

(一)對中國教育收益率的研究

除引言部分所述文獻外，與本文主題較為接近的研究是王德文等(2008)*王德文、蔡昉、張國慶：《農(nóng)村遷移勞動力就業(yè)與工資決定：教育與培訓的重要性》，《經(jīng)濟學》(季刊)2008年第4期?？疾旖逃团嘤枌r(nóng)村遷移勞動力就業(yè)和工資的影響。作者使用擴展的明瑟方程(Mincer Equation)，分別估計了農(nóng)村遷移勞動力中工資收入者和自我經(jīng)營者的教育收益率。結果顯示如果不區(qū)分農(nóng)村遷移勞動力的就業(yè)類型異質(zhì)性，將低估工資收入者的教育收益率。教育年限的增加可以提高農(nóng)民選擇去城市工作的概率，尤其能夠顯著提高其成為工資收入者的概率。為了解決內(nèi)生性問題，作者使用了父母受教育年限和個人上學的地點作為工具變量。與本文類似，王德文等(2008)的研究對象也是農(nóng)村出身、并獲得在城市工作機會的個體。但其重點考察職業(yè)教育或培訓等教育，對成為工資收入者的農(nóng)村遷移勞動力收入的影響。與本文研究對象為接受大學教育的農(nóng)村個體不同，接受職業(yè)教育雖然可以提高農(nóng)村勞動力向城市遷移的概率，但是由于戶籍制度的制約，在這些獲得城市工作機會的農(nóng)村遷移勞動力人口中只有很少的一部分能夠變成城市居民，獲得在城市永久定居的機會。

李雪松和赫克曼(2004)*李雪松、詹姆斯·赫克曼：《選擇偏差、比較優(yōu)勢與教育的異質(zhì)性回報:基于中國微觀數(shù)據(jù)的實證研究》，《經(jīng)濟研究》2004年第4期。在考慮了異質(zhì)性的基礎上，使用邊際處理效應(Marginal Treatment Effects)討論了2000年中國6個省區(qū)城鎮(zhèn)青年的大學收益率，得到我國大學本科的教育收益率約為40%，即年收益率10.7%左右的結論。許玲麗等(2008)*許玲麗、馮帥章、陳小龍：《成人高等教育的工資效應》，《經(jīng)濟研究》2008年第12期。通過添加代理變量和分位數(shù)方法分析了成人高等教育的收益率，發(fā)現(xiàn)了普通本科的教育收益率要顯著高于成人本科。這種差異在工作經(jīng)驗較少的人群中更為顯著，而普通?？坪统扇藢？浦g的收益率卻沒有顯著差異。

(二)教育收益率的估計方法

現(xiàn)代人力資本理論將教育視為最為重要的一種人力資本投資。Griliches(1977)*Griliches, Z., “Estimating the Returns to Schooling: Some Econometric Problems”, Econometrica, 1977, 45(1), pp.1-22.認為人力資本和物質(zhì)資本一樣，是同質(zhì)的。不同的人可以擁有不同數(shù)量的人力資本，但相同單位的人力資本在本質(zhì)上是相同的。每個人擁有的人力資本是同質(zhì)的，人力資本的收益率是相同的，現(xiàn)實中個人教育收益率的差別主要取決于隨機因素。一些文獻都沿用了上述觀點，并使用普通最小二乘法(OLS)來估計教育收益率，比如Johnson and Chow(1997)*Johnson, E. N., and Gregory C. Chow, “Rates of Return to Schooling in China”, Pacific Economic Review, 1997, 2(2), pp.101-113.、Zhang et al. (2005)*Zhang, Junsen, Yaohui Zhao, Albert Park, and Xiaoqing Song, “Economic Returns to Schooling in Urban China, 1988-2001”, Journal of Comparative Economics, 2005, 33, pp.730-752.等。

在這些文獻中，難點是要解決如何度量能力變量對收入的影響。每個人天生的能力不同，并且難以量化，所以早期的研究一般都忽略天生能力對收入的影響。但個體的能力會因為其接受教育而得到提高，天生能力越強的人可能越趨于接受更高水平的教育程度，所以會產(chǎn)生自我選擇的問題。如果忽略上述因素，就會導致教育收益率的非一致估計。為了克服這一問題，Ashenfelter和Krueger(1994)*Ashenfelter, O. and A. Krueger, “Estimates of the Economic Return to Schooling from a New Sample of Twins”, American Economic Review, 1994,84(5), pp.1157-1173.使用固定效應法，比較接受不同教育水平的同卵雙胞胎的工資率，并以此估計教育收益率。由于雙胞胎具有相同的基因、家庭背景和成長環(huán)境，所以可以將雙胞胎中的兩個個體的能力看成是一樣的，但他們所接受的教育水平往往存在差異。所以使用雙胞胎數(shù)據(jù)可以把天生能力的影響從教育中分離出去，從而得到有關教育收益率的一致估計。此外還有代理變量法(Proxy Variable)，即尋找一個與能力高度相關的變量，比如個體的智商指數(shù)、父母的教育年限、父母收入等。在一定的假設下，這種方法也可以得到教育收益率的一致估計，例如許玲麗等(2008)。工具變量法(Instrument Variable)也常被使用，其基本思路是找到一些與教育變量密切相關，但與能力變量不相關的變量作為工具變量，對教育收益率進行估計。例如Angrist(1990)*Angrist, J. D., “Lifetime Earnings and the Vietnam Era Draft Lottery: Evidence from Social Security Administrative Records”, American Economic Review, 1990, 80(3), pp.313-336.使用與出生日期相關的應征號碼(Draft Lottery)作為工具變量，討論了美國兵役制度對退伍士兵未來的職業(yè)收入的影響。

在人力資本是同質(zhì)的假設下，多數(shù)文獻估計教育收益率時對不同階段的教育并不加以區(qū)分，僅計算教育年限每增加一年所帶來的收入增長率。但實際上，增加一年小學教育或大學教育，兩者帶來的收益率存在很大差異。所以，有學者提出人力資本異質(zhì)性的觀點，即同樣單位的人力資本對不同的個體而言是有差異的；是否接受教育或者接受何種教育是一種自我選擇行為，比較優(yōu)勢在教育選擇中起著重要作用。這種觀點的起源可以追溯到Roy(1951)*Roy, A., “Some Thoughts on the Distribution of Earnings”, Oxford Economic Papers, 1951, 3, pp.135-46.、Willis and Rosen(1979)*Willis, R. and S. Rosen, “Education and Self-Selection”, Journal of Political Economy, 1979, 87(5), S7-36.等。

在人力資本異質(zhì)性假設下，估計教育收益率需要著重解決的問題是缺少與實際相反的情況。即一個人所受教育狀態(tài)總是處在非此即彼的狀態(tài)，我們只能觀察到事實中發(fā)生的狀態(tài)。其對立狀態(tài)的數(shù)據(jù)是缺失的，需要從其它樣本中挖掘信息來彌補。例如周亞虹等(2010)使用平均處理效應和傾向得分匹配法估計了農(nóng)村職業(yè)教育對農(nóng)村家庭收入的影響。平均處理效應是解釋變量為二分類變量時的平均邊際效應。使用傾向指數(shù)匹配法(Propensity Score Matching，PSM)估計條件期望獨立假設下的平均處理效應(ATE)方法，是近年來發(fā)展較為迅速地解決上述問題的一種方法。在考慮到教育收益率異質(zhì)性的前提下，可以解決個人自選擇可能造成的偏差。本文不再局限于傳統(tǒng)的線性回歸模型，而是在平均處理效應的框架下，建立農(nóng)村青年大學教育的估計模型，嘗試、羅列并比較上述OLS、ATE等多個方法的實證結果。

三、研究方法

本文著重討論兩種教育水平的選擇：高中和大學。令edui=1表示大學學歷，edui=0表示高中學歷。個體i的年收入的對數(shù)用yi表示，我們要討論的是edui對yi的影響，即農(nóng)村青年上大學對其個人收入的貢獻。將對應edui=1的個體i的年收入的對數(shù)用y1i表示，對應于edui=0的個體的年收入的對數(shù)用y0i表示。本文選取的協(xié)變量Xi包括：父親受教育年限、母親受教育年限、個體性別、民族、是否有兄弟姐妹、出生年份、成長地點(12歲時的居住地點)、工作經(jīng)驗、工作經(jīng)驗的平方、是否是黨員、現(xiàn)在居住的省份、工作機構、工作行業(yè)等。

(一)兩個OLS教育收益率線性模型

模型一：

(1)

即簡單的OLS(普通最小二乘法)模型，該模型假設教育是一個外生變量。為了比較傳統(tǒng)OLS模型估計結果與其他模型的估計值，我們將其羅列在此。

模型二：

于是模型二就變?yōu)椋?/p>

(2)

雖然模型二在模型一的基礎上加入了交互項，一定程度上解決了異質(zhì)性問題，但其本質(zhì)上還是經(jīng)典的線性回歸模型框架。即便我們在控制變量中加入了父母的教育年限作為個人能力的代理變量，但也有大量文獻表明父母教育水平并不是優(yōu)質(zhì)的代理變量。要找到天生能力的好的代理變量其實很難，所以遺漏能力變量問題在所難免。

(二)平均處理效應(ATE)的估計模型

平均處理效應(ATE=E(y1i-y0i))，即個體接受大學教育對個人收入影響的平均值，指任意一個個體接受大學教育的收益率。我們模型三放棄函數(shù)形式為線性的假設，轉而借鑒Rosenbaum和Rubin(1983)*Rosenbaum, P.R., and D. B. Rubin, “The Central Role of the Propensity Score in Observational Studies for Causal Effects”, Bioetrika, 1983, 70, pp.41-55.，使用傾向得分的估計值P(Xi)=P(edui=1|Xi)來代替線性函數(shù)，降低模型設定和遺漏變量所導致的錯誤和偏差。傾向得分實際上是一個預測概率值，即在給定樣本特征Xi的情況下，農(nóng)村青年i上過大學的概率。本文采用Logit模型估計傾向得分P(Xi)。這樣模型三的估計方程就是：

(3)

(三)使用傾向得分匹配法估計ATT

前文重點考察的是任意一個個體接受大學教育的收益率。而在實際生活中，有的人沒有上大學僅僅是因為還沒有達到相應的年齡，例如在中國現(xiàn)行的教育制度下，一般18歲左右的適齡青年才會參加高考。而運用ATE模型估計大學教育收益率時，實際上包括了這樣的一些個體，這是ATE模型的不足之處。下面，我們的分析對象轉向已經(jīng)上了大學的農(nóng)村個體的教育收益率。也就是edui=1的個體的教育收益率，即處置組的平均處理效應ATT=E(y1i-y0i|edui=1)。同樣的，我們在這里仍使用收入的對數(shù)形式來進行估計教育收益率。

因為這些個體已經(jīng)上了大學，所以無法觀察到他們不上大學時的收入y0i。因此，我們需要從那些沒有上過大學的個體中充分挖掘信息。我們可以使用傾向得分匹配法(PSM)來對ATT進行估計。匹配法的核心思想，是通過控制協(xié)變量給每個接受了處置的個體(edui=1)找到一個或者多個特征類似的對照個體。然后用傾向得分相近的沒有上過大學的個體的收入，來代替已經(jīng)上了大學的個體的缺失狀態(tài)y0i。本文采用核匹配等三種匹配方法進行估計，自抽樣(Bootstrap)500次以獲得ATT表達式標準誤，并采用Logistic回歸對傾向得分進行估計。

(四)OLS方法分析城鄉(xiāng)出身個體大學教育收益的差異性

在估計出了農(nóng)村出身的個體接受大學教育的收益率之后，我們關注的另一個問題就是：農(nóng)村出身的個體接受大學教育，與城市出身的個體接受大學教育，他們之間的收益是不是有顯著性差異？為此，我們利用如下模型四，做簡單OLS回歸：

(4)

其中，hukou為0-1虛擬變量，當該個體為農(nóng)村出身時hukou=0；當該個體為城市出身時hukou=1。X為控制變量，包括所處行業(yè)、年齡、父母教育年限、現(xiàn)在所處省份等信息。我們將估計作為變量hukou的系數(shù)η的顯著性。如果顯著則說明，接受大學教育的城鄉(xiāng)個體之間其收入存在明顯差異。否則為無明顯差異。并使用已有文獻的研究結論來討論OLS結果的穩(wěn)健性。

四、實證結果

(一)數(shù)據(jù)來源

本文數(shù)據(jù)來源于2010年中國家庭追蹤調(diào)查(ChinaFamilyPanelStudies，CFPS)數(shù)據(jù)庫截面數(shù)據(jù)。根據(jù)研究需要，選取17-61歲的農(nóng)村出身的個體樣本。由于數(shù)據(jù)中分別統(tǒng)計了個體3歲時、12歲時和2010年時的戶口狀況，我們將3歲和12歲時都為農(nóng)村戶口的個體視為農(nóng)村出身的青年。篩選出了具有高中學歷(包括中專、職高、成人高中、成人中專、普通高中)和大學(包括成人本科、普通本科)或大專(包括成人大專和普通大專)學歷的個體，同時這些個體在2010年必須有工作且有收入。最終得到了1080個樣本，其中498個人具有大學或大專學歷(處理組)，其余582個人為高中學歷(控制組)*由于估計處理效應、使用PSM方法需要大樣本數(shù)據(jù)，所以我們在此將接受大學教育的樣本涵蓋為包括成人本科、普通本科、成人大專和普通大專學歷的農(nóng)村個體。另外，這樣處理還有一個目的，是為了將本文的結論與李雪松和赫克曼(2004)的研究結果對照，所以此處沿用了李雪松和赫克曼(2004)的樣本選擇方法。。樣本的地域分布比較廣泛，我們將樣本所處區(qū)域劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)三類*東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西；西部地區(qū)包括四川、貴州、云南、陜西、甘肅、重慶。。

全部樣本的年均收入為25800.96元，大學組的年均收入為33725.06元，高中組的年均收入為19020.55元。從直觀上看，兩組之間的收入差異非常大。大學組的平均工作經(jīng)驗為8.15年，高中組的平均工作經(jīng)驗為11.52年；大學組的平均年齡為33.66歲，高中組的平均年齡為32.90歲。高中組僅有9.28%的人在政府部門、黨政機關及國有事業(yè)單位、科研院所工作，而大學組在上述單位工作的比例卻高達41.4%。大學組有27.5%的人是黨員，高中組黨員所占的比例僅為11.9%。大學組僅有1.0%的比例從事第一產(chǎn)業(yè)，而高中組有15.5%的個體都處于第一產(chǎn)業(yè)。主要變量的具體描述性統(tǒng)計詳見表1。

表1 變量描述性統(tǒng)計

(二)模型的估計與檢驗

表2 三個模型回歸結果

續(xù)表2

解釋變量模型一模型二模型三meduy0.003(0.007)0.005(0.007)male0.414(0.053)***0.424(0.053)***minzu0.050(0.122)0.040(0.122)party0.037(0.070)0.091(0.112)propensity0.828(0.161)***d_propen0.499(0.237)**d_exper0.047(0.020)**d_expersq0.002(0.001)**d_party0.233(0.143)地區(qū)虛擬變量有有行業(yè)虛擬變量有有產(chǎn)業(yè)虛擬變量有有地區(qū)虛擬變量交互項有行業(yè)虛擬變量交互項有產(chǎn)業(yè)虛擬變量交互項有常數(shù)項8.155(0.215)***8.401(0.257)***9.232(0.061)***F27.1516.8543.07Prob>F0.0000.0000.000R-squared0.3150.3330.107

注：(1)***表示在1%的水平下顯著；**表示在5%的水平下顯著；*表示在10%的水平下顯著。(2)小括號內(nèi)的數(shù)值表示標準誤(Standard Error)。(3)其他變量的回歸結果不再羅列。(4)表中數(shù)值保留三位小數(shù)。(5)d_propen、d_exper、d_expersq、d_party分別為教育虛擬變量(edu)與傾向得分(propensity)、工作經(jīng)驗(exper)、工作經(jīng)驗平方(expersq)、黨員虛擬變量(party)的交互項。

表2給出了相關變量系數(shù)的估計值和標準誤，從回歸結果來看，接受大學教育對個體收入有著顯著的正向影響。

在模型一中，農(nóng)村出身的個體接受大學教育的收益率達到了53.6%(exp(0.429)-1)。但是模型一假設個體之間不存在異質(zhì)性，即大學教育的收益對所有的人來說都是一樣的，這是一個非常強的假設條件，可能導致高估教育回報。在模型一中我們使用了父母的教育程度，作為個人能力的代理變量。但父母的教育程度對個人收入的影響均不顯著。這表明加入了代理變量的OLS回歸模型，并沒有很好解決個人能力的內(nèi)生性問題。

在模型二中，估計得到的大學教育收益率為49.8%(exp(0.404)-1)，比模型一的結果低了約4個百分點。交互項聯(lián)合檢驗也是顯著的，說明大學教育回報確實存在著異質(zhì)性問題。如果忽略教育回報的異質(zhì)性問題，可能導致教育收益率的高估。模型三進一步放松了模型二線性模型的假設，模型三估計的教育收益率為43.9%(exp(0.364)-1)。低于模型一和模型二的估計結果，表明線性模型內(nèi)生性問題可能會導致教育收益率的估計偏差。

(三)ATT模型的估計與檢驗

我們的樣本中大學組(處理組)有498個個體，高中組(對照組)有582個個體。大學組的傾向得分的取值范圍為[0.028，0.989]，高中組的傾向得分的取值范圍為[0.0036，0.957]。我們采用了三種匹配方法來對ATT進行估計，分別是最近鄰匹配法，半徑匹配法和核匹配法，估計的結果如表3。三種匹配方法估計出的農(nóng)村出身的個體接受大學教育的收益率，分別是46.5%(exp(0.382-1))、42.8%(exp(0.356-1))、43.0%(exp(0.358-1))?？梢钥吹?，三種方法的結果十分接近，特別是采用半徑匹配法和核匹配法估計出的教育收益率，而且三種方法的t檢驗結果都是顯著的。三個數(shù)值中我們?nèi)≈虚g值，將43%作為主要參考結果。

表3 用傾向匹配法估計出的農(nóng)村出身的個體的大學教育收益率

注：括號內(nèi)的數(shù)值表示標準誤，是采用bootstrap自抽樣500次得到的結果。

我們還對匹配前后各協(xié)變量是否還存在顯著的組間差異進行了檢驗，檢驗的主要結果見表4。匹配后，大學組和高中組中各協(xié)變量之間的偏誤得到了大幅度的削減，絕大部分變量的標準偏誤都能控制在10%以內(nèi)。這說明我們的匹配基本滿足條件獨立性假設，所以匹配質(zhì)量較好，結果比較可信。

表4 協(xié)變量誤差削減狀況

續(xù)表4

變量均值樣本處理組控制組標準偏誤(%)誤差削減(%)t檢驗t檢驗p>|t|N_mid匹配前.31928.26117匹配后.31928.2681812.811.312.12.100.0361.770.077party匹配前.2751.11856匹配后.2751.2425640.18.379.26.650.0001.170.242h_second匹配前.2751.37113匹配后.2751.2717420.60.796.53.370.0010.120.905h_third匹配前.71486.47423匹配后.71486.7130450.50.499.28.240.0000.060.949

注：上述誤差削減結果是使用半徑匹配法時的情況，使用最鄰近匹配法和核匹配法時的誤差削減結果與之類似，故不再重復列出。

從上面實證結果看，已經(jīng)上了大學的農(nóng)村出身的個體(ATT方法)，其接受大學教育的收益率大致穩(wěn)定在43%左右。這與用模型三估計出的任選一個農(nóng)村出身的青年接受大學教育的收益率43.9%(ATT方法)是相差不大。

(四)比較城鄉(xiāng)大學教育收益率差異性、OLS方法分析教育收益差異

根據(jù)前面所得農(nóng)村出身個體大學教育收益率大致穩(wěn)定在43%左右的結論，結合已有文獻研究，我們可以對城鄉(xiāng)大學教育收益率作一初步比較分析和判斷?，F(xiàn)有文獻中，李雪松和赫克曼(2004)研究我國城鎮(zhèn)居民接受大學教育收益率的研究，比較具有代表性。這篇文章實證分析時，使用的大學組的樣本中也包括了大專學歷的個體，與本文的研究樣本類似，具有一定的可比性。另外，李雪松和赫克曼(2004)計量技術處理比較成熟，他們在半?yún)?shù)分析框架下，估計出的城市出身的個體，接受大學四年教育的平均收益率大約為43%。這與本文估計出的農(nóng)村出身的個體接受大學教育的收益率基本一致。

下面通過簡單OLS分析討論農(nóng)村出身的個體和城市出身的個體，其接受大學教育的收益是否存在顯著差異。當前戶籍制度改革的舉措中，許多大中城市仍然規(guī)定接受大學教育，特別是四年本科教育，才是獲取其城市戶籍的基本條件*一些特大城市甚至規(guī)定必須是重點大學本科或者研究生畢業(yè)，才有資格申請城市戶籍。。這個政策約束表明，對農(nóng)村出身、接受了四年大學教育的畢業(yè)生個體進行分析，由于他們是潛在城市戶籍的獲得者，將更加具有針對性和政策意義。我們繼續(xù)使用中國家庭追蹤調(diào)查2010的數(shù)據(jù)，從全部樣本中篩選出所有接受過四年大學教育的個體。其中農(nóng)村出身的樣本211個，城市出身的個體294個。簡單的OLS回歸估計出的η為-0.007，t統(tǒng)計檢驗值為-0.09，是不顯著的。這說明農(nóng)村出身的個體和城市出身的個體，其接受大學教育的收益(或收入)并不存在顯著差異。當然，簡單的OLS回歸不能很好的解決內(nèi)生性問題，只是借此部分佐證前面比較分析的結果。

最后，從簡單的樣本統(tǒng)計分析來看，211個農(nóng)村出身的個體的平均年收入為42341.61元，294個城市出身的個體的平均年收入為42626.19元。兩者僅相差284.58元，這種差異也是不顯著的。

上述結果表明，從收入角度看，農(nóng)村出身的個體的大學教育收益(率)和城市出身的個體之間，并不存在顯著性差異。無論城市還是農(nóng)村出身的個體，如果他們同樣接受大學教育，那么收益率將是一樣的。

五、結論和政策含義

本文認為農(nóng)村青年上大學的收益率穩(wěn)定在43%左右，平均年收益率為10.7%左右。這個數(shù)值，略高于周亞虹等(2010)計算出的農(nóng)村職業(yè)教育9%左右的年收益率，和國際上10%左右的平均教育收益率持平。高于Debrauw(2002)和侯風云(2004)研究所得中國農(nóng)村教育收益率應在0%-6%之間和3.66%的結論。對比農(nóng)村出身的個體和城市出身的個體接受大學教育的收益率，兩者之間并不存在顯著差異。從這個意義上說，接受大學教育可以克服個體的城鄉(xiāng)出身差異。大學教育的終點公平性仍然存在。如果考慮到從農(nóng)村轉變?yōu)槌鞘袘艏?，將給農(nóng)村出身的個體帶來額外經(jīng)濟社會收益的話，例如高水平的城市社會保障和福利，以及子孫后代享受優(yōu)質(zhì)教育資源等，那么其接受大學教育的收益顯然要比城鎮(zhèn)居民高。

本研究的政策含義。上述事實有助于我們理解已有文獻中的發(fā)現(xiàn)，并為農(nóng)村家庭看似不理智的以基礎教育為主的人力資本投資結構提供了合理解釋。在我國，城鄉(xiāng)差距是計劃經(jīng)濟時期重工業(yè)優(yōu)先發(fā)展戰(zhàn)略的產(chǎn)物。隨著當前經(jīng)濟社會的快速發(fā)展，城鄉(xiāng)差距作為計劃經(jīng)濟時期的遺產(chǎn)并未消失，反而隨著城鄉(xiāng)之間的非平衡發(fā)展逐步加劇，勞動力人口由農(nóng)村向城市的自由流動激增。為此，政府一方面在人口流出的農(nóng)村地區(qū)，提出了加大轉移支付，推進城鄉(xiāng)基本公共服務均等化，縮小城鄉(xiāng)差距。但這項舉措面臨短期內(nèi)各級政府的轉移支付能力有限的約束，公共資源城鄉(xiāng)不均的現(xiàn)實短期內(nèi)較難改變。因此，農(nóng)村人口向城市流動的動力短期內(nèi)仍然存在。以基礎教育資源為例，要做到城鄉(xiāng)出身個體在教育起跑線上的起點公平，暫時存在困難。另一方面在人口流入的城市，政府著手對城鄉(xiāng)差距背后的城鄉(xiāng)二元體制進行深化改革，核心是改革戶籍制度，建立城鄉(xiāng)統(tǒng)一的戶口登記制度。但在當前城市階層利益主導城鄉(xiāng)政策的背景下，首先放開的中小城鎮(zhèn)戶口，其戶籍依附的福利十分有限、吸引力不大；為避免激增人口對有限資源的爭奪，附加值高的大中城市戶口，短期內(nèi)只能是針對部分特定人群開放。例如上海目前實行的積分落戶制度中，自主創(chuàng)業(yè)的加分很少；應屆畢業(yè)生落戶標準看重學歷、畢業(yè)院校和學習成績。類似情況還有深圳、廣州等特大城市。和20世紀90年代以前相似，接受大學教育仍然是農(nóng)村出身個體獲取大中城市戶籍的基本條件。這進一步強化了農(nóng)村出身個體接受大學教育的必要性和額外收益。

本文的研究表明，相對于較高收益率的職業(yè)教育和培訓，基礎教育收益率相對較低。而且農(nóng)村出身個體與城市出身個體相比，還要面對城鄉(xiāng)基礎教育資源分配不均的現(xiàn)實，這增加了農(nóng)村出身個體進行基礎教育投資的風險。但只有接受基礎教育，才有機會考上大學接受高等教育。所以，接受基礎教育只是廣大農(nóng)村出身的個體接受大學教育的一個中間環(huán)節(jié)，其本身的收益率并不重要，重要的是通過上普通高中尋求接受大學教育的機會。而后者的高收益率，可以克服個體的城鄉(xiāng)出身差異，實現(xiàn)大學教育承載的終點公平；只有接受大學教育，也才能使轉變?yōu)槌鞘?特別是大中城市)戶籍成為可能。熱衷于人力資本投資特別是基礎教育投資，其實是農(nóng)村出身個體面對嚴峻現(xiàn)實時，為了突破現(xiàn)有的制度約束，如戶籍制度、教育資源分配制度等因素的一種理性和自發(fā)的行為，也是當前城鄉(xiāng)差距下對個體而言的最為有效的方式。通過知識改變命運仍舊是農(nóng)村青年社會階層流動的最可行路徑，正如他們前輩所做的那樣。即便這種人力資本提升的自我努力，剛開始時就要面對制度性不公和高風險。這種突破城鄉(xiāng)差距的成功者，往往是農(nóng)村出身個體中能力較強者。他們的突圍成功增加了城市活力，反過來，農(nóng)村社區(qū)精英的流失，卻延續(xù)甚至加劇了農(nóng)村經(jīng)濟和社會的凋敝。

論文的不足之處。首先，本文非線性估計中使用了平均處理效應研究中常用的假設：條件期望獨立假設(Conditional Mean Independence)。此假設在本文的通俗解釋是：一般來說，是否接受大學教育是非強制的，個體有權利決定自己是不是要上大學。然而如果深究的話，上大學是否能夠視為一種個人選擇行為值得進一步探討。上世紀九十年代以前，我國高等教育資源相對稀缺，想要升入大學需要經(jīng)過高考，并達到一定分數(shù)才可能被錄取、接受高等教育。隨著近年來我國高等教育資源的日益發(fā)展和高考擴張等政策，歷年高考錄取率逐步上升，到2014年全國高考錄取率已經(jīng)達到約74.3%。個體接受高等教育的權利得到了充分保障，從這個意義上講，假設個體有權利決定自己是不是要上大學，也存在一定合理性。在本文所使用的數(shù)據(jù)中，由于沒有高中學歷這部分樣本的進一步個人信息，我們無從判斷他們是否自主決定了自己是不是要上大學。如果樣本中學歷為高中的個體多數(shù)是因為沒有達到高校錄取的分數(shù)線才無法升入大學，那么使用傾向得分匹配法估計出的教育回報仍有可能偏高。其次，使用傾向得分匹配法時，我們希望匹配后協(xié)變量的標準偏誤能夠控制的越小越好，一般5%以內(nèi)為最佳。但是由于數(shù)據(jù)的限制，本文的研究將大部分協(xié)變量的標準偏誤控制在了5%以內(nèi)，少數(shù)協(xié)變量的標準偏誤超過了5%，但我們?nèi)詫⑵淇刂圃?0%以內(nèi)。

上述不足，有可能影響到我們量化分析的具體結果，即農(nóng)村出身個體接受大學教育的收益率為43%左右。然而，我們根據(jù)傳統(tǒng)OLS方法計算得到的結果并不存在上述不足，即假設個體之間不存在異質(zhì)性時，得出的農(nóng)村出身個體的教育回報率為53.6%的結論；假設存在異質(zhì)性問題時，得到的大學教育收益率為49.8%的結論。OLS方法得到的數(shù)值結果，仍然支持我們的判斷，即接受大學教育可以克服個體的城鄉(xiāng)出身差異，大學教育承載的終點公平仍然存在。如果再考慮到從農(nóng)村轉變?yōu)槌鞘袘艏瑢⒔o農(nóng)村出身的個體帶來額外經(jīng)濟社會收益的話，其收益率將更高。農(nóng)村出身個體接受大學教育的收益率要比城鎮(zhèn)居民高，這個判斷仍然穩(wěn)健。我們可以將本文各種方法下得到的農(nóng)村出身個體的教育收益率納入42.8%-53.6%這個區(qū)間，與已有文獻所得各類教育收益率比較后，我們的判斷仍然成立。

[責任編輯：賈樂耀]

Does University Education Contribute to Decreasing Difference Between Urban and Rural Individuals? ——A Study on Returns to Higher Education for Rural Individuals

SUN Sheng-min GENG Xue-ting

(Center for Economic Research, Shandong University, Jinan 250100, P.R.China)

Based on data from 2010 CFPS survey, we employ average treatment effect method and estimate the returns to higher education of rural individuals. We find that, going to college can increase a rural individual’s earnings by 43 percent, while one year of higher schooling can increase a rural individual’s earnings by 10.7 percent. According to this result, there is no significant difference between the rural individual and the urban individual in returns to higher education. Getting higher education can contribute to decreasing the difference between rural and urban individuals, and the indifferent effect of university education for everyone still exists. If we take consideration to the transformation in one’s Hukou System from rural to urban, which provides extra social and economic returns to rural individuals, the returns to higher education for rural individuals are higher than returns for urban individuals.

Human capital; Returns to education; Urban-rural difference; Treatment effect

2016-03-01

山東大學自主創(chuàng)新基金青年團隊項目“中國制度變遷與經(jīng)濟增長的歷史與現(xiàn)實考察”(IFYT1209)；山東大學人文社會科學重大研究項目“西方歷史計量學與中國本土化研究”(12RWZD12)。

孫圣民，山東大學經(jīng)濟研究院教授，博士生導師(濟南250100)。耿雪婷，山東大學經(jīng)濟研究院碩士研究生(濟南250100)。作者感謝秦雪征、邢春冰、張衛(wèi)國、張進峰、王海寧、侯麟科和兩位審稿人的建議。