教育過度與不足的薪資效應
——基于2015年全國高校畢業(yè)生調查的分析

郭 嬌

（華東師范大學 高等教育研究所，上海200062）

一、問題提出

根據(jù)國家統(tǒng)計局的數(shù)據(jù)，自1977年恢復高考以來，中國高校錄取人數(shù)從28萬人上升到2017年的842萬人，增長了30倍。可見在這40年里的高等教育擴招，為累計上億的學生提供了社會經(jīng)濟階層的向上流動渠道，為社會結構向橄欖型發(fā)展培育了一個巨大的潛在中產群體[1]。與此同時，高校畢業(yè)生人數(shù)也從20萬人上升到794萬人①，增長幅度更大，高達40倍。這意味著在日益增長的就業(yè)壓力下，這些畢業(yè)生真正進入中產階層的關鍵在于順利找到并保持一份與所受高等教育相匹配的工作。

教育與工作的匹配不僅關系個人的收入水平及社會流動，還對國家的人力開發(fā)與技術升級具有戰(zhàn)略意義。早在20世紀70年代，這一匹配問題就引起學界關注，尤其在歐美國家，受過高等教育的勞動力供給快速增長，超過了當時的社會需求，大學畢業(yè)生相對于高中畢業(yè)生的收入優(yōu)勢明顯縮水，由此出現(xiàn)一系列聚焦在過度教育的實證研究[2]。進入90年代以來，這些國家的技術變革、教育發(fā)展以及收入分配三者之間的微妙關系發(fā)生了逆轉。計算機等偏向能力的科技進步（skill-biased technology change）②讓大學畢業(yè)生享受到更多的高等教育“紅利”（higher-education premium），與高中畢業(yè)生的收入差距拉大[3]?？梢娊逃c工作的匹配是一種動態(tài)的“賽跑”關系。不匹配既可表現(xiàn)為超前的過度教育，也可表現(xiàn)為滯后的教育不足。這種匹配或不匹配的張力在中國當前的背景下表現(xiàn)如何？怎樣測量？與哪些個人特征及工作特征相關？有什么理論可用來解釋？對面臨就業(yè)壓力的高校畢業(yè)生意味著什么？為國家統(tǒng)籌規(guī)劃科技、教育、收入這三者的協(xié)同發(fā)展提供了哪些決策依據(jù)？

為回答上述問題，本研究聚焦在教育與工作的垂直匹配（thevertical match between education and job），即勞動力的學歷或能力與工作要求持平。如果高于工作要求為過度教育（overeducation），低于工作要求則為教育不足（underducation）③[4]。基于2015年教育部規(guī)劃司“畢業(yè)生職業(yè)生涯與行業(yè)人才需求調查”課題對全國3萬多名高校畢業(yè)生的調查數(shù)據(jù)，本研究分析教育過度與教育不足這兩種就業(yè)錯位與收入水平的關系。其中對教育的測量，除了學歷層次這一虛擬變量外，本研究還使用了受教育年限這一連續(xù)變量，并對估算出的收益率進行國際對比。對薪資的測量，回歸模型分別采用起薪與當前年薪作為不同的因變量，分析這兩種錯位與收入的關系是否發(fā)生變化，并進一步檢驗這些變化能否用人力資本、篩選、偏好以及搜尋理論進行解釋。

二、文獻述評

從1969年到1974年，對于美國25到34歲的勞動者而言，高等教育“紅利”（即大學畢業(yè)生相對于高中畢業(yè)生的收入優(yōu)勢）從40%縮水到16%。引用此數(shù)據(jù)的《過度教育的美國人》[5]一書于1976年出版并引起學界對此問題的討論，其中不乏反駁之聲[6]。

1981年，美國《教育經(jīng)濟學評論》創(chuàng)刊號上發(fā)表了鄧肯與霍夫曼的經(jīng)典論文《過度教育的發(fā)生與工資效應》[7]。他們的主要貢獻在于把匹配視角從社會宏觀的供給與需求轉向個人微觀的教育與工作，并拓展了估算教育收益率的明瑟方程，把多受一年教育細分為三種情況（過度、適度和不足），由此開創(chuàng)了教育經(jīng)濟學領域對過度教育的實證研究?；?976年美國PSID調查里的白人男子數(shù)據(jù)，他們發(fā)現(xiàn)這三種情況下的教育收益率分別為2.9%、6.3%和-4.2%。

2011年，《教育經(jīng)濟學手冊》中的《勞動力市場的過度教育與錯位》一章梳理了過去30年不同學者對30個國家及地區(qū)的151項估算結果：在過度、適度和不足這三種情況下的教育收益率分別為4.3%、8.9%和-3.6%[2]。結果與鄧肯與霍夫曼的結論接近，回歸系數(shù)的方向不變，而效應大小有所變化（注意通常不對這三種情況進行交叉對比，而是在各自群體內部比較大?。?。從地域來看，亞洲較高（三種收益率分別達到5.2%、13.5%與-4.2%，但數(shù)據(jù)來源僅限中國香港、中國臺灣兩地）。從年代來看，90年代的適度教育收益率較高（11.3%），而21世紀初的教育過度與不足的收益率較高（4.6%與-4.0%）。從估算方法來看，除了常見的OLS回歸，運用工具變量與固定效應模型都讓教育過度與不足的收益率變得不顯著。

可見，過度教育的實證分析不能脫離畢業(yè)生群體所處的具體地區(qū)與年代。例如，一項2007年的研究基于1995年社科院的全國收入調查數(shù)據(jù)，對中國的過度教育收益率估算為1.2%,適度教育的收益率5.8%,教育不足的收益率為-2.9%[8]，都低于前面提到的同期國際水平。由此引出一系列值得探究的問題：2007年之后基于近期數(shù)據(jù)的估算結果有怎樣的變化？與國際水平相比如何？

從主要的研究方法來看，OLS回歸的使用有其局限性，限制了對這些實證依據(jù)進行因果推斷；而工具變量與固定效應分析僅占少數(shù)（例如在2011年梳理的151項估算結果里只占6%[2]），且結論還需商榷。例如，以兄弟姐妹的數(shù)量、童年居住地、原生家庭的經(jīng)濟問題作為工具變量，這些變量會通過教育之外的途徑（如個人性格、職業(yè)選擇）來影響收入，違反了工具變量的排他性約束(exclusion restriction)[9]。運用固定效應模型的挑戰(zhàn)在于對數(shù)據(jù)近乎苛刻的要求：需要對同一群體在不同時點進行至少兩次以上調查來采集面板數(shù)據(jù)，還要調查對象在不同時點的教育或工作發(fā)生了變化[10]。因此從已有文獻來看，OLS回歸分析仍是主流。

還有一個不容忽視的挑戰(zhàn)是教育過度與不足的內涵：過度教育究竟是學歷過高（overqualified）還是能力過高（overskilled）？鄧肯與霍夫曼的估算傾向于學歷，而曾滿超與萊文在1985年的研究傾向于能力：從收入是否降低、職業(yè)期望是否得以實現(xiàn)、工作中技能是否得到運用這三種方式來定義過度教育。其中第三種定義應用最廣[11]?；?001-2007年澳大利亞HILDA調查的平板數(shù)據(jù)（樣本量為每年700名男性），研究發(fā)現(xiàn)學歷過高占14.3%，能力過高占8.4%，兩者都高占5.7%。通過固定效應模型進行回歸分析，只有兩者都高的情況下過度教育對工資收入的負面效應才顯著（-5.9%）[4]。

另一個問題集中在對教育過度與不足的測量：究竟用受教育年限這一連續(xù)變量還是學歷層次這一虛擬變量？鄧肯與霍夫曼的測量傾向于前者，而國內學界更為熟悉的韋爾杜戈與韋爾杜戈（Verdugo&Verdugo）的研究則采用后者：在控制了畢業(yè)生的學歷之后采用虛擬變量來表示教育過度與不足，估算出來的過度教育系數(shù)方向為負且效應值更大（因為過度教育年限往往不止一年），而教育不足的系數(shù)方向則為正[12]。用此方法估算出來的中國2012年1800多名大學生（畢業(yè)半年到五年）過度教育對起薪的效應是-18.4%，對當前年薪的效應為-15.8%[13]。另一項研究基于2013年2400多名中國高校畢業(yè)生的就業(yè)調查數(shù)據(jù)，發(fā)現(xiàn)過度教育對起薪的效應為-6.0%（方向仍為負但效應值較?。?，對當前年薪的效應為4.7%，但影響不顯著[14]。

注意在上述文獻里，聚焦高等教育階段的研究僅為少數(shù)[4，13-14]且關注點都在過度教育，教育不足還是一個相對的“盲區(qū)”。伴隨著21世紀初以來的計算機、生物等技術快速升級趨勢[3]，高校畢業(yè)生是否也面臨教育（尤其是能力）滯后于技術進步的挑戰(zhàn)？如果這種挑戰(zhàn)真實存在，那么教育不足的群體在高校畢業(yè)生中占比多少？對其起薪或當前年薪又有何影響？本研究與針對高校畢業(yè)生的文獻可比性更強，并把側重點從過度教育拓寬到教育不足，以強調高等教育在技術進步的動態(tài)“賽跑”關系里既可能超前，也可能滯后。

三、研究設計

（一）數(shù)據(jù)來源

本研究使用的數(shù)據(jù)來自2015年教育部規(guī)劃司“畢業(yè)生職業(yè)生涯與行業(yè)人才需求調查”課題組對全國32個省、市、自治區(qū)的在線問卷調查。調查對象為畢業(yè)一年到六年的大學生。問卷回收量達到48824份。通過剔除IP地址重復、應答時間異常等個案，最后得到有效問卷34179份。

（二）樣本分布

從地區(qū)代表性來看，本研究覆蓋全國，就業(yè)區(qū)域在東、中、西部各占約1/3，中部略少。從畢業(yè)年份來看，樣本以2009到2015屆這七年畢業(yè)生為主（占97.8%），反映了近期趨勢。從學歷層次來看，樣本以本科為主，略高于3/4（77.4%），隨后是?？疲?1.9%）與碩士（10.1%），博士所占比例很?。?.6%）。從學校類型來看，非“211工程”普通本科學校最多（占87.1%），高職高專、“211工程”、“985工程”的比例都較小，分別為6.2%、5.5%、1.2%。從學科類別來看，在社科、工科、理科、人文的分布較均衡,其中社科類較多（占31.3%），人文類較少（20.8%）。從單位類型來看，多為政府機關、事業(yè)單位（35.1%）與民營企業(yè)（33.9%），集體企業(yè)（3.1%）與非營利機構（2.0%）較少?？梢姳狙芯康慕Y論具有時效性，也能代表各地區(qū)、各學科以及各種單位類型，更適用于非“211工程”普通院校的本科畢業(yè)生。

（三）變量說明

本研究的因變量為畢業(yè)生的薪資水平，包括起薪與當前年薪兩種測量方式，分別對應調查問卷里的兩個問題：“您初次參加工作時，第一年的年薪大概是多少萬元？”以及“您目前的年薪是多少萬元？”都指的是稅前收入，包括工資、獎金以及各種補貼。剔除前后各1%的極端值后，從取值范圍來看，畢業(yè)后第一年的年薪從5000元到10萬元，當前年薪從5000元到20萬元。

自變量為教育過度與教育不足，包括學歷層次與受教育年限這兩種測量方式，通過調查問卷里“就您目前所從事的工作崗位，您認為最適合的學歷層次”以及“您的最高學歷”這兩個問題來比較。如果崗位最適合的學歷層次低于畢業(yè)生的最高學歷就是過度教育，虛擬變量設為1(占樣本的30%)；反之則為教育不足，對應的虛擬變量設為1（占樣本的13%）?？梢姳M管過度教育在高校畢業(yè)生里占比相對較高，但教育不足這一現(xiàn)象也的確存在，不容忽視。在此基礎上，把學歷層次折算成受教育年限④[15-16]，再按照鄧肯與霍夫曼的方法把受教育年限分為過度、適度與不足三種情況，用連續(xù)變量來表示。剔除前后各1%的極端值后，從取值范圍來看，基于受教育年限的過度教育為0－7年，教育不足為0－4年。

表1 調查對象基本信息的樣本分布說明（N＝34179）

控制變量主要分為個人特征與工作特征兩類。除了性別與年齡之外，控制變量還包括：（1）反映社會資本的家庭背景（父親學歷、父親職業(yè)、家庭戶籍以及所屬區(qū)域），（2）體現(xiàn)求職這一搜尋過程的求職時間長度與拿到的錄用通知數(shù)量，（3）與學歷層次同樣在勞動力市場發(fā)揮“信號”作用的學校類型與黨員身份，（4）反映偏好的學科類別與單位類型。學校類型、學科類別與單位類型的樣本分布在表1已列出，表2只展示其余控制變量的描述統(tǒng)計。其中父親學歷為連續(xù)變量（從1到7，1代表小學，7代表博士畢業(yè)生）。父親職業(yè)為體現(xiàn)職業(yè)聲望的連續(xù)變量（從1到6，1代表“農、林、牧、漁、水利生產人員”，6代表“機關、黨群組織、企事業(yè)單位負責人”⑤）。剔除前后各1%的極端值后，從取值范圍來看，樣本的年齡為21－31歲，求職時間長度為0－12個月，錄用通知數(shù)量為0－13份。

表2 主要變量的描述統(tǒng)計（N＝30119）

（四）回歸模型

基于鄧肯與霍夫曼對明瑟收益率方程的拓展，本研究對收入取自然對數(shù)，在回歸方程里把受教育年限分為過度、適度與不足三種情況，加入工作經(jīng)驗（用年齡減去受教育年限再減去入學年齡7歲）及其平方，再加入其他控制變量，由此建立的回歸模型如下：

另一種估算方式是根據(jù)韋爾杜戈與韋爾杜戈的模型，在回歸方程里加入過度教育與教育不足的虛擬變量，代表學歷層次的虛擬變量，其余不變，得到的模型如下：

（五）假設檢驗

按照鄧肯與霍夫曼的模型（1）估算出來的過度教育收益率為正，但小于適度教育收益率，而教育不足的收益率為負，即β3＜0＜β1＜β2。根據(jù)韋爾杜戈與韋爾杜戈的模型（2）估算出來的過度教育回歸系數(shù)為負，即β1＜0，而教育不足的收益率為正，即β3＞0。

根據(jù)《勞動力市場的過度教育與錯位》的文獻梳理[2]，可用加入控制變量來進行檢驗的主要理論假設如下：

（1）根據(jù)嚴格的人力資本理論，每多受一年的教育都會對收入帶來收益，即β1＝β2＝－β3，已有研究都不支持這一假設。還有一種更為寬松的假設，從補償?shù)慕嵌葋砜?，一項基?011年8200多名中國高校畢業(yè)生就業(yè)調查的研究發(fā)現(xiàn)，來自弱勢家庭的畢業(yè)生出現(xiàn)過度教育的概率更高[17]，受教育所帶來的人力資本提高可用來彌補弱勢家庭的社會資本不足。本研究著重分析這種補償作用，而不是嚴格的人力資本理論。

（2）根據(jù)篩選理論，早在20世紀70年代斯賓塞就提出了與人力資本針鋒相對的這一理論，假設教育不能提高生產力，只是通過選拔把能力高的人配置到收入高的崗位上去[18]。對這一假設進行檢驗可加入其他發(fā)揮“信號”功能的變量（如學校類型、黨員身份等），看過度教育的收益率是否減弱。另一種檢驗方式可通過起薪與當前年薪的比較。在進入職場階段，教育的篩選功能更強，而伴隨著工作經(jīng)驗的累積與在職培訓的開展，教育的“信號”作用有所減弱。因此過度教育對起薪的效應比對當前年薪更大。

（3）根據(jù)偏好理論，過度教育的發(fā)生可以歸因于畢業(yè)生在求學或擇業(yè)時更關注收入之外的其他回報，例如選擇人文學科，從事非營利工作等。加入與偏好相關的個人特征（如學科類別）與職業(yè)特征（如單位類型），可檢驗這一假設。

（4）根據(jù)搜尋理論，過度教育導致的學歷或能力與工作要求的錯位只是一種搜尋過程里的暫時現(xiàn)象，即“摩擦性低就業(yè)”。通過控制反映求職過程的變量（如求職時間長度、錄用通知數(shù)量），這一假設也可在本研究里得到檢驗。

四、回歸分析

（一）起薪效應

本研究首先按照鄧肯與霍夫曼對明瑟模型的擴展來估算教育過度與不足對起薪的效應，回歸分析結果見表3。對起薪取自然對數(shù)之后，把受教育年限這一連續(xù)變量分為過度、適度和不足，分別檢驗這三種情況下的教育收益率。在只控制工作經(jīng)驗及其平方項的模型1里，這三種收益率對應為10.6%、13.7%、-12%。回歸系數(shù)的方向與假設一致β3＜0＜β1＜β2，且都在統(tǒng)計意義上顯著。

表3 教育過度與不足的起薪效應（基于受教育年限的連續(xù)變量）

通過逐步加入控制變量，本研究依次檢驗四種理論假設（補償作用、信號／篩選、個人偏好以及搜尋／摩擦）。模型2控制性別及家庭背景之后，三種教育收益率都略有下降（注意：教育不足的收益率為負，此處的“下降”指收益率的絕對值變小。下面的回歸結果若出現(xiàn)類似變化，不再贅述）。除了農村戶籍的回歸系數(shù)不顯著外，女性、父親學歷低、父親職業(yè)聲望低以及家在中西部都對起薪有顯著的負面效應?？梢娺^度教育的補償作用有限，不能完全抵消這些大學生就業(yè)弱勢群體的“先天不足”。

與人力資本理論不同，根據(jù)篩選理論，學歷只是畢業(yè)生在勞動力市場上用來體現(xiàn)能力的信號之一，用人單位還可根據(jù)學校類型、黨員、學生干部、獎學金、證書、實習等多種信號進行綜合篩選。模型3控制學校類型以及黨員身份后，教育過度、適度以及不足的三種收益率進一步減少。這些系數(shù)的變化符合篩選理論的假設，即在增加其他勞動力市場通用的“信號”之后，學歷本身在篩選過程里發(fā)揮的作用就會減弱。

偏好理論也會影響求學與求職等選擇，例如個人追求薪資之外的教育收益。根據(jù)這一理論假設加入相關的個人特征（學科類別）與工作特征（單位類型）進行檢驗（見模型4）。教育過度、適度以及不足的收益率僅有微小變化，小于根據(jù)前兩種理論（人力資本的補償作用與學歷的信號／篩選功能）加入控制變量之后產生的變化。教育過度對起薪的效應基本不變，教育不足的效應進一步縮小為-7.8%。從學科類別來看，選擇人文學科的高校畢業(yè)生起薪最低，比起薪最高的工科少12%；從單位類型來看，選擇非營利機構的高校畢業(yè)生起薪最低，比起薪最高的三資企業(yè)少38.1%。

最后來看與求職過程相關的搜尋理論。根據(jù)此假設，教育的過度與不足都是一種“摩擦性就業(yè)錯位”的短期現(xiàn)象，通過充分的搜尋可以減少其發(fā)生的概率。在控制求職時間與拿到的錄用通知數(shù)量之后，回歸結果表明，教育過度、適度與不足這三種收益率基本不變（見模型5）。究其背后的原因，這回應了在文獻述評里提到的一個關鍵問題：到底是學歷的過度還是能力的過度？盡管學歷達到或超出崗位要求，如果能力有所不足，搜尋過程長，起薪就低；反之如果能力也達到或超出崗位要求，拿到錄用通知多，起薪就高。

（二）基于當前年薪的穩(wěn)健性檢驗

教育過度與不足除了對起薪具有顯著的負面效應外，對當前年薪也有影響。以當前年薪作為因變量進行回歸，既可檢驗模型的穩(wěn)健性，也可進一步揭示相關理論發(fā)揮作用的機理。具體回歸結果見表4的模型6。教育過度的收益率從6.9%縮小為5.0%（接近已有文獻里對港臺地區(qū)的估算[2]），教育適度的收益率從9.6%變大為10.6%，而教育不足的收益率維持在-7.8%左右?？梢娺m度或不足的教育支持人力資本理論，多受一年教育所提高的能力不會隨著工作年限增加而貶值，甚至還會在與崗位需求匹配時帶來更高的回報。過度教育在起薪模型里表現(xiàn)出的補償作用有所減弱，女性、父親學歷較低、農村戶籍以及來自中西部的弱勢群體差距在當前年薪上與參照組的差距進一步拉大。這些變化符合篩選理論，即過度教育并沒有提高能力，而是通過高學歷提供了一塊“敲門磚”，幫畢業(yè)生爭取到更高的起薪。伴隨著工作表現(xiàn)及經(jīng)驗積累，用人單位可通過學歷之外的其他職場“信號”來進行篩選，過度教育對當前年薪的效應以及對弱勢群體的補償作用都縮水了。

從其余控制變量來看，學校類型的系數(shù)基本不變，其中“985工程”高校相對于其他本科院校的薪資優(yōu)勢在當前年薪里有所擴大，說明“985工程”院校不僅是求職時的“敲門磚”，也在能力培養(yǎng)上有助于畢業(yè)生的后續(xù)發(fā)展。黨員身份在當前年薪模型里的效應略有縮小，也符合理論假設，即其提供“信號”的作用大于提升能力。學科門類的系數(shù)略有變化，其中人文學科與工科的薪資差距進一步擴大。單位類型里，非營利機構與其他單位類型的薪資差距進一步拉大，尤其是民營企業(yè)與三資企業(yè)。可見是否選擇人文學科、非營利機構等個人偏好對當前年薪的影響要大于起薪。從搜尋來看，也符合前面提到的理論假設，搜尋時間長反映能力不足，對當前年薪的負面效應也大于起薪；拿到錄用通知數(shù)量多反映能力強，系數(shù)則基本不變。

（三）基于學歷虛擬變量的穩(wěn)健性檢驗

對教育過度與不足的測量包括基于受教育年限的連續(xù)變量與基于學歷層次的虛擬變量。本研究的另一個穩(wěn)健性檢驗就是用韋爾杜戈與韋爾杜戈的學歷虛擬變量模型來進行回歸（見表4的模型7）。從起薪來看，過度教育的系數(shù)為-8.6%，教育不足的系數(shù)則為4.6%。這支持在研究設計里提出的假設，即在控制最高學歷之后（相當于把每一年都按適度教育來估算，因此會高估收益率），過度教育系數(shù)為負，且效應值通常較大（相當于模型5估算出的2到3年過度教育）；教育不足的系數(shù)則為正。

從當前年薪來看（見表4模型8），過度教育的系數(shù)為-16.4%，教育不足的系數(shù)則為7.7%，與起薪效應相比近乎翻倍。這與基于連續(xù)變量得出的結論在本質上一致：過度教育的負面效應對當前年薪的影響遠大于起薪，主要是其篩選作用及對弱勢群體的補償功能有所減弱。其余控制變量的系數(shù)在上一節(jié)已經(jīng)討論過，在此無實質變化，不再贅述⑥。

結論與討論

本研究聚焦在教育過度與教育不足這兩種就業(yè)錯位對薪資水平的負面效應?；?015年的高校畢業(yè)生就業(yè)數(shù)據(jù)，根據(jù)鄧肯與霍夫曼的經(jīng)典模型，本研究估算出教育過度、適度與不足對起薪的收益率分別是6.9%、9.6%與-7.8%，對當前年薪的收益率分別是5.0%、10.6%與-7.7%。用當前年薪估算出的過度教育收益率與已有文獻里的港臺地區(qū)水平接近（-5.2%）[2]，而教育不足的負面效應（-7.7%）則高于國際水平（-3.6%）以及港臺水平（-4.2%）。已有文獻發(fā)現(xiàn)亞洲地區(qū)及21世紀初以來教育不足對薪資的效應值都較高。本研究為這種趨勢提供了新的來自中國內地的實證依據(jù)。這種趨勢是否與計算機等偏向技能的科技進步相關？以往的實證研究側重于高等教育階段的過度教育，對教育滯后于技術進步的不足相對關注較少。結合具體國情與時代背景來重構教育與技術之間的賽跑關系，既關注超前也關注滯后，這是值得下一步深挖的研究方向。

表4 教育過度與不足的薪資效應穩(wěn)健性檢驗

基于剖析教育與收入之間關系的四種主要理論（人力資本、篩選、偏好、搜尋），本研究加入控制變量來檢驗相關假設?；貧w結果不支持嚴格的人力資本，但給一種更為寬松的理論假設提供了實證依據(jù)：教育既提高能力，也提供學歷這一勞動力市場通用的“信號”；過度教育的“信號”功能更強，而適度教育與教育不足更支持人力資本理論。過度教育幫助弱勢群體（女性、父親學歷較低、農村戶籍以及來自中西部的高校畢業(yè)生）的補償作用有限，而且對當前年薪而言，這種補償作用有所減弱。當用人單位可以通過其他“信號”（畢業(yè)院校類型、黨員身份、工作經(jīng)驗）來進行篩選時，過度教育的薪資效應就明顯減小?？梢娙瞬排囵B(yǎng)要強調能力本位而不是學歷本位，尤其對于政策重點幫扶的就業(yè)困難的大學生群體而言，高學歷只是“敲門磚”，高能力才可以助其在積累一定工作經(jīng)驗后繼續(xù)享受高等教育“紅利”，順利進入中產階層。

本研究的另一穩(wěn)健性檢驗是基于學歷層次的虛擬變量來擬合模型。根據(jù)韋爾杜戈與韋爾杜戈的方法，在控制最高學歷之后，過度教育對起薪的效應為-8.6%，教育不足則為4.6%；對當前年薪的效應近乎翻倍（分別為-16.4%與7.7%）。這些擬合結果符合假設，即過度教育系數(shù)為負且效應值通常較大，而教育不足的系數(shù)為正。擬合值大小與國內已有研究具有可比性，例如根據(jù)2013年高校畢業(yè)生就業(yè)數(shù)據(jù)估算出的教育過度與不足的起薪效應分別為-6.0%和4.7%[14]。2012年對畢業(yè)半年到五年后的大學生當前年薪估算出的過度教育效應為-15.8%[13]。盡管數(shù)據(jù)來源與采集時點不同，但結論基本一致。這些實證研究的結果互為驗證，從理論層面可不斷完善模型并檢驗假設，從政策層面可及時監(jiān)測并統(tǒng)籌全國在教育、技術、收入三者之間的協(xié)同發(fā)展，并提供經(jīng)過各種穩(wěn)健性檢驗的決策依據(jù)。

致謝

本研究調查問卷開發(fā)及數(shù)據(jù)清洗主要由華東師范大學閻光才、曹妍、李琳琳老師等人負責，謹此致謝。

注釋

①數(shù)據(jù)來自《全國教育事業(yè)發(fā)展統(tǒng)計公報》。統(tǒng)計口徑包括普通高等教育本?？萍把芯可A段。例如2017年的高校畢業(yè)生包括本?？?35.83萬人與研究生57.80萬人，合計793.63萬人（約794萬人）。②偏向技能的技術變革是指在相對工資固定情況下，任何一種相對于低技能勞動力（如高中畢業(yè)生）來說提高了對高技能勞動力（如大學畢業(yè)生）需求的新技術的引進、生產方式的改變或工作組織的變化[3]。

③教育與工作的垂直匹配是指勞動力的學歷或技能與工作要求持平。如果高于工作要求為過度教育，低于工作要求則為教育不足。與這一視角相對的水平匹配是指學歷或技能與工作要求持平，但教育類型（例如專業(yè)）與工作要求不符[4]。

④根據(jù)人口社科司社會處2003年的《“人均受教育年限”計算方法探討》，以現(xiàn)行學制年數(shù)視為受教育年數(shù)將文盲受教育年數(shù)定為0年，小學文化程度者受教育年數(shù)定為6年，初中文化程度者受教育年數(shù)定為9年，高中文化程度者受教育年數(shù)定為12年，大專以上文化程度者受教育年數(shù)定為16年。本研究側重于高等教育階段，需要對大專以上學歷對應的受教育年限加以區(qū)分?；诂F(xiàn)行學制，將大專的受教育年限定為15年，本科定為16年，碩士定為18年，博士定為22年。碩士學制為2到3年，設為18年受教育年限可與美國進行對比[15]。博士學制為3到4年。據(jù)國務院學位辦的全國博士學位獲得者數(shù)據(jù)庫顯示，2011到2012年的平均年限為4.3年[16]，故把博士受教育年限設為22年。

⑤父親學歷的連續(xù)變量：1＝小學，2＝初中，3＝高中，4＝高職高專，5＝本科，6＝碩士畢業(yè)生，7＝大學畢業(yè)生。父親職業(yè)的連續(xù)變量：1＝“農、林、牧、漁、水利生產人員”，2＝“生產、運輸設備操作及有關人員”，3＝“商業(yè)、服務人員”，4＝“辦事人員和有關人員”，5＝“專業(yè)技術人員”，6＝“機關、黨群組織、企事業(yè)單位負責人”。

⑥博士的回歸系數(shù)在模型7與模型8里差異較大?？紤]到博士在樣本里僅占0.6%，本研究進行了另一項穩(wěn)健性檢驗，把碩士與博士合并為研究生這一學歷層次?；貧w結果跟模型7與模型8相比幾乎沒有變化：教育過度與不足的起薪效應分別為-8.6%與4.7%，對當前年薪的效應分別為-16.4%與7.5%。