勞動技能培訓、人力資本投資與收入效應差異
——基于CLDS微觀面板數(shù)據(jù)與PSM-DID的考察

一 問題提出及文獻述要

2017年10月18日，黨的十九大報告明確指出：“我國經濟已由高速增長階段轉向高質量發(fā)展階段”。在此背景下，創(chuàng)新成為實現(xiàn)經濟高質量發(fā)展目標的核心因素(金碚，2018)[1]，我國經濟增長的動力機制亟需由要素驅動轉向效率驅動乃至創(chuàng)新驅動(張德榮，2013)[2]。勞動力是生產活動和創(chuàng)新的主體，只有人力資本積累水平的不斷提升才能保證我國自主創(chuàng)新具有不竭的動力與源泉(劉成坤和林明裕，2020)[3]。因此，經濟高質量發(fā)展需要更高水平的人力資本積累，以及更多高技能高素質勞動力支撐。人力資本提升的途徑較多，教育和技能培訓(1)技能培訓的分類維度有很多，根據(jù)研究需要，本文主要關注勞動力的非農技能培訓(與農業(yè)技能培訓區(qū)分開)。是最重要也是最常見的兩種方式，兩者提升人力資本的作用時間存在差異。教育對人力資本的提升作用發(fā)生在勞動力進入勞動市場之前，當他們進入勞動市場之后，人力資本積累主要依靠技能培訓等“干中學”方式(Lucas，1988)[4]?，F(xiàn)階段，我國勞動力的整體教育水平與教育回報率相對較低(侯風云，2004[5]；都陽，2017[6])，根據(jù)《2019年農民工監(jiān)測報告》，農民工受教育程度為初中及以下、高中、大專及以上的人口占比分別為72.3%、16.6%和11.1%。因此，技能培訓長期以來都被政府視為提升勞動力人力資本的主要方式。例如，國務院于2019年印發(fā)《職業(yè)技能提升行動方案(2019-2021年)》，政府將從失業(yè)保險基金結余中拿出1000億元，用于職業(yè)技能提升和轉崗轉業(yè)培訓，并計劃在2019年至2021年期間開展各類補貼性職業(yè)技能培訓5000萬人次以上。

勞動力通過技能培訓來提升自身的人力資本水平進而增加收入，這在學術界基本達成共識。技能培訓對勞動力收入的作用機制在于培訓參與者能夠獲得更多的專業(yè)技能知識，提升自身的人力資本水平，進而獲得更好的就業(yè)機會和更高的工資收入?，F(xiàn)有文獻對技能培訓收入效應的評估與討論頗為豐富。王德文等(2008)[7]發(fā)現(xiàn)技能培訓對勞動力工資收入有著重要的決定作用，表現(xiàn)為參加過短期培訓與正規(guī)培訓的平均回報率為24%，遠高于教育回報率(5.3%～6.8%)。類似地，寧光杰(2012)[8]運用2008年RUMIC調查數(shù)據(jù)的研究表明，技能培訓的收入效應(6.9%)要高于教育的收入效應(4.8%)，而且長期培訓的收入效應更好。屈小博(2013)[9]基于2011年農民工監(jiān)測調查的微觀數(shù)據(jù)，采用PSM方法來估計剝離受教育程度影響后的技能培訓收入效應，結果顯示：技能培訓對人力資本凈收益增進幅度超過了8%，明顯高于教育回報率(4.4%)。但也有一些研究表明教育回報率高于技能培訓回報率(程名望等，2016[10]；Glaeser和Lu，2018[11]；Feigenbaum和Tan，2019[12])。盡管技能培訓與教育的回報率孰高孰低尚存爭議，但參與技能培訓是勞動力提升人力資本與提高收入水平的重要途徑之一，這是無可爭議的。

進一步地，一些文獻探討了不同類型技能培訓產生的收入效應差異。Ng(2005)[13]考察了在職與脫產企業(yè)培訓對員工工資的影響，發(fā)現(xiàn)只有脫產培訓才能顯著提高員工工資。翁杰(2012)[14]比較了政府培訓與個人培訓對農民工工資水平的影響，發(fā)現(xiàn)前者難以產生工資收入效應，而后者能提高7%的工資水平。王秀芝和孫妍(2016)[15]利用我國9省流動人口調查數(shù)據(jù)，采用PSM方法評估了個人培訓、企業(yè)培訓與政府培訓的增收效應，得出企業(yè)培訓的增收效應最強，其次是個人培訓，政府培訓的增收效應最不明顯。展進濤和黃宏偉(2016)[16]發(fā)現(xiàn)技能培訓對外出勞動力的工資水平起到決定性作用，而且長期培訓的工資收入效應要大于短期培訓。張敏(2017)[17]利用2012年CLDS數(shù)據(jù)進行分析，發(fā)現(xiàn)勞動力無論是參加社會培訓還是企業(yè)培訓都能顯著提其高工資水平，而且前者的工資收入效應大于后者。在技能培訓收入效應的評估過程中，會面臨樣本選擇與變量遺漏等內生性問題(Heckman，1976)[18]，已有研究主要采用PSM方法(寧光杰和尹迪，2012)[19]、DID方法(Hotz et al.，2006[20]；黃河嘯等，2014[21])和工具變量法(陳耀波，2009)[22]來解決技能培訓的樣本選擇問題。然而，由于上述研究多以截面調查數(shù)據(jù)作為研究樣本，難以解決變量遺漏問題。王海港等(2009)[23]發(fā)現(xiàn)不可觀察變量在勞動力參與職業(yè)技能培訓的過程中發(fā)揮著重要作用，導致那些最有可能參加培訓的勞動力從培訓中獲得的邊際收益反而最低。因此，需同時解決樣本選擇和變量遺漏等內生性問題，以更準確地評估勞動力參與技能培訓的收入效應。

綜上，現(xiàn)有文獻為進一步評估技能培訓收入效應奠定了良好的基礎，本文的主要貢獻在：(1)研究內容上，現(xiàn)有文獻主要聚焦于勞動力參與不同類型技能培訓產生的收入效應，少有研究考察不同類型的培訓參與者通過人力資本投資產生的收入效應差異。鑒于此，本文將從個體和地區(qū)差異兩個維度，考察不同類型培訓參與者通過人力資本投資產生的收入效應異質性。(2)方法和數(shù)據(jù)上，已有研究多基于截面數(shù)據(jù)并采用PSM方法或DID方法來解決勞動力參與技能培訓收入效應評估存在的樣本選擇問題，但無法解決變量遺漏問題。因此，本文基于2012年、2014年和2016年的CLDS微觀調查數(shù)據(jù)，構建一個勞動力個體層面的平衡面板數(shù)據(jù)來解決變量遺漏問題，并采用PSM-DID方法來解決樣本選擇問題，進而更好地評估技能培訓的收入效應。

后面內容的結構安排如下：第二部分介紹數(shù)據(jù)來源、計量模型設定與變量選??；第三部分報告模型估計結果并進行討論與分析；第四部分總結全文，提出相應的政策建議。

二 數(shù)據(jù)與模型

(一)數(shù)據(jù)來源

本文采用的數(shù)據(jù)來源于“中國勞動力動態(tài)調查”(China Labor-force Dynamics Survey，簡稱CLDS)，該調查是我國第一個以勞動力為主題的全國性追蹤調查。由于CLDS在每一輪都能成功追蹤到30%左右的上一輪受訪樣本，因此本研究通過構建微觀平衡面板數(shù)據(jù)來克服因變量遺漏而產生的內生性問題，從而獲得更準確的估計結果。CLDS通過對中國城鄉(xiāng)以村/居為追蹤范圍的家庭/勞動力個體開展每兩年一輪的動態(tài)追蹤調查，系統(tǒng)地監(jiān)測村/居社區(qū)的社會結構和家庭/勞動力個體的變化以及兩者的相互影響，建立勞動力個體、家庭和社區(qū)3個層次的追蹤調查數(shù)據(jù)庫。CLDS樣本覆蓋中國29個省份(除港澳臺、西藏、海南外)，具有較好的全國代表性，其調查對象為樣本家庭的全部勞動力。在抽樣方法上，CLDS采用多階段、多層次且與勞動力規(guī)模成比例的概率抽樣方法，確保樣本選擇的隨機性與科學性。CLDS于2011年在廣東省開展了試調查，并于2012年完成第一次全國性(正式)調查，之后在2014年、2016年和2018年完成了第一輪至第三輪的追蹤調查，調查內容為受訪樣本個體/家庭/社區(qū)在上一年的經濟活動狀況。需要說明的是，由于CLDS2018尚未向社會公布，因此CLDS2016是本研究能夠獲取的最新調查數(shù)據(jù)。

基于2012年、2014年和2016年的CLDS數(shù)據(jù)，本文根據(jù)被調查者的個體代碼進行一對一匹配，初步篩選出三年都有參與調查的勞動力為3213位，共9639條數(shù)據(jù)(2)本文構建的CLDS微觀面板數(shù)據(jù)具有如下兩個特征：第一，由于樣本數(shù)據(jù)的時間跨度較短(2012年～2016年)，因此本文評估的技能培訓收入效應是短期影響，考察其長期影響還需要更長時間跨度的數(shù)據(jù)來實現(xiàn)。第二，由于調查問卷的設計本身，本文難以獲得每位培訓參與者的具體培訓時間，只能獲得每位勞動力在調查時間的前兩年有無參加技能培訓的數(shù)據(jù)信息。不過，因為CLDS每兩年追蹤一次并且每一輪的調查問題基本相同，所以上述問題并不影響本文對勞動力參與技能培訓收入效應的評估。。為保證樣本質量，本文對被解釋變量“勞動收入”和核心解釋變量“技能培訓狀況”進行嚴格篩選，其中，勞動收入是工資性收入、經營性收入和其它收入的加總，技能培訓狀況所對應的調查問題是“在過去2年您是否有參加過至少5天的專業(yè)技術培訓”。具體地，本文刪除了兩年及以上的勞動收入數(shù)據(jù)或技能培訓數(shù)據(jù)缺失的調查樣本，并對勞動收入進行1%的雙向截尾處理，獲得2531位勞動力共7593條數(shù)據(jù)。其中，在2012年、2014年和2016年的CLDS微觀面板數(shù)據(jù)中，有參加技能培訓的勞動力數(shù)量分別為387位、505位和596位。進一步地，為準確地估計勞動力參與技能培訓的收入效應，本文需要獲取勞動力參與技能培訓前后的收入數(shù)據(jù)。因此，本文以CLDS2014中有技能培訓經歷的勞動力為實驗組，其它調查樣本為控制組，并利用DID方法進行估計。此外，為準確地評估勞動力參與技能培訓的凈收入效應，本文參照石大千等(2018)[24]的做法，剔除了CLDS2016新增的培訓參與者樣本91位(91=596-505)，最終獲得有效樣本為2440位勞動力，共7320條數(shù)據(jù)。

(二)模型設定與變量選取

勞動力參與技能培訓的決策會受到可觀測因素和不可觀測因素的影響，解決不可觀測問題(即變量遺漏問題)是本文評估技能培訓收入效應的前提。減緩不可觀測問題的常用做法之一是構建平衡面板數(shù)據(jù)，因此本文通過構建CLDS微觀面板數(shù)據(jù)能有效地解決不可觀測問題。不過，微觀面板數(shù)據(jù)只能解決不隨時間變動的不可觀測問題，對于隨時間變動的不可觀測因素，采用DID方法是常用做法之一。此外，針對勞動力參加技能培訓決策存在的樣本選擇問題(Heckman，1976)[18]，本文采用PSM方法來糾正(Rosenbaum和Rubin，1983)[25]。即本文將通過微觀面板數(shù)據(jù)的構建和PSM-DID方法的使用來解決勞動力參與技能培訓收入效應評估存在的不可觀測問題和樣本選擇問題，實證部分選取PSM-DID方法的優(yōu)勢在于：該方法能同時解決遺漏變量問題和樣本選擇問題，而PSM方法難以有效地解決遺漏變量問題，DID方法則難以糾正樣本選擇偏差問題(董艷梅和朱英明，2016)[26]。并在后文利用DID方法的估計結果進行比較。

根據(jù)上述分析，本文利用DID方法的回歸模型設定如下：

(1)

進一步地，本文利用PSM-DID方法進行估計，具體步驟為：第一步，在給定協(xié)變量的情況下定義勞動力接受干預(干預在本文指的是技能培訓)的條件概率，即傾向性得分：

p(X)=Pr{D=1|X}=E{D|X}

(2)

其中，D={0, 1}表示勞動力是否接受干預，X為勞動力接受干預前的特征向量，p(X)為傾向性得分。如果在特征向量X限定的樣本中，干預是隨機發(fā)生的，那么可以計算出技能培訓對勞動力收入水平的平均處理效應(ATT)為：

π=E{Y1i-Y0i|Di=1}

=E{E{Y1i-Y0i|Di=1,p(Xi)}}

=E{E{Y1i|Di=1,p(Xi)}-E{Y0i|Di=0,p(Xi)}|Di=1}

(3)

(4)

其中，train為技能培訓虛擬變量，在CLDS2014中有參與技能培訓的勞動力定義為1，是本文的實驗組，其他的調查樣本則定義為0，是本文的控制組；time為時間虛擬變量，CLDS2014與CLDS2016的調查樣本定義為1，CLDS2012的調查樣本則定義為0；trainit×time為技能培訓與時間虛擬變量的交互項，代表勞動力參與技能培訓的收入效應；Xit為控制變量，包括勞動力的個體特征和地區(qū)虛擬變量；α1、α2、α3和β為估計系數(shù)，α0和εit分別為常數(shù)項和擾動項。

進一步地，為考察勞動力參與技能培訓的收入效應異質性，本文依次引入了個體和地區(qū)特征與train的交互項。具體的模型設定如下：

(5)

其中，Zit為勞動力個體特征和地區(qū)特征，α4為估計系數(shù)，代表勞動力參與技能培訓的收入效應異質性。參照屈小博(2013)[9]的做法，本文選取最外生的控制變量，包括年齡、年齡平方、性別、受教育年限以及地區(qū)虛擬變量。本文對比實驗組與控制組的個人特征差異(見表1)，初步發(fā)現(xiàn)相較于控制組，實驗組的勞動收入更高、年齡更小、男性占比和教育水平更高(3)CLDS數(shù)據(jù)中受教育程度包括無正式教育、小學、初中、高中、職高、中專、技校、大專、大學本科和研究生及以上共10類，為便于考察技能培訓收入效應的個體異質性，本文將上述分類簡化為四種：小學及以下、初中、高中(包括高中、職高和中專)、大學(包括大專、本科和研究生)。。

表1 實驗組與控制組個人特征的統(tǒng)計性描述

此外，本文分析了協(xié)變量在匹配前后的特征差異。由表2可知，在匹配前，實驗組與控制組的協(xié)變量差異非常明顯，而在匹配之后，兩組之間的協(xié)變量很相近，表明本文采用PSM完成的樣本匹配效果較好。

表2 協(xié)變量在匹配前后的特征差異

三 實證分析

(一)技能培訓參與者對人力資本投資的收入效應估計

由于本文采用DID方法和PSM-DID方法來估計技能培訓參與者對人力資本投資的收入效應，因此需要進行模型有效性檢驗。參照羅鳴令等(2019)[27]的做法，利用動態(tài)DID方法來檢驗平行趨勢條件是否滿足。圖1繪制了技能培訓收入效應的平行趨勢與動態(tài)效應檢驗結果，可以看出：第一，實驗組的收入水平在參與培訓之前就已經與控制組存在明顯的差異，意味著勞動力參與技能培訓的決策存在樣本選擇問題，需要利用PSM估計進行糾正；第二，雖然實驗組的勞動收入在培訓之前就處于較高的水平，但在培訓之后其與控制組之間的收入差距有明顯擴大的趨勢，間接說明勞動力參與技能培訓會提高收入水平。此外，本文發(fā)現(xiàn)的樣本選擇問題表現(xiàn)為人力資本較高的勞動力參與技能培訓的概率更大，即勞動力參與技能培訓會存在“擇優(yōu)效應”，與陳耀波(2009)[22]、王海港等(2009)[23]的研究結果一致。

圖1 技能培訓收入效應的平行趨勢與動態(tài)效應檢驗

進一步地，本文繪制了培訓參加者與未參加者的傾向得分核密度分布圖(見圖2)，可以看出控制組集中在傾向得分較低的部分，在快速達到頂峰后急劇下降，而實驗組的分布相對均勻。由于勞動力的傾向得分值越高代表其參與技能培訓的概率越大，因此實驗組參與技能培訓的概率本身就要大于控制組，與圖1反映的結果一致，即人力資本較高的勞動力參與技能培訓的概率更大。

圖2 培訓參加者與未參加者的傾向得分核密度分布

基于CLDS微觀面板數(shù)據(jù)，本文分別采用DID方法和PSM-DID方法來估計勞動力參與技能培訓的收入效應，估計結果見表3。

根據(jù)表3中采用DID方法的估計結果，在不考慮個體和地區(qū)特征的情況下，技能培訓與時間的交互項在5%的統(tǒng)計水平上顯著，表明勞動力通過技能培訓來提升人力資本水平能顯著提高其收入水平，提高幅度大約為13%。在考慮個體和地區(qū)特征的情況下，雖然技能培訓與時間的交互項對勞動力收入的影響仍顯著，但其估計系數(shù)下降至8.8%，表明勞動力參與技能培訓能提高8.8%的收入水平。此結果與陳耀波(2009)[22]、王海港等(2009)[23]的估計結果相近，前者發(fā)現(xiàn)勞動力參與技能培訓能提高8.6%～8.8%的工資水平，后者發(fā)現(xiàn)非農技能培訓可以提高8.24%的農民工工資水平。PSM-DID方法的估計結果要略小于采用DID方法的估計結果，這可能是因為PSM-DID方法糾正了樣本選擇問題。綜合來看，無論是采用DID方法還是PSM-DID方法都表明勞動力參與技能培訓能夠顯著地提高其收入水平，提高幅度都超過8個百分點。

關于其他個體特征對勞動收入的影響：(1)年齡方面，勞動者的年齡與其收入水平呈“倒U型”的變動關系。(2)性別方面，男性勞動者收入水平比女性勞動者收入水平明顯要高。(3)教育方面，以小學及以下學歷的勞動力為基準組，初中、高中和大學學歷的勞動力都具有更高的收入，而且勞動收入與學歷水平呈正相關關系，表現(xiàn)為具有初中、高中和大學學歷的勞動者收入水平要比基準組分別高出15%、28%和62%左右。此外，以西部地區(qū)為基準組，中部和東部地區(qū)的勞動者收入水平要高出21%和36%左右。

表3 技能培訓的收入效應：DID與PSM-DID估計

(二)技能培訓的收入效應異質性分析

上述估計結果表明勞動力通過參與技能培訓提升人力資本水平，能夠顯著地提高其收入水平，進一步地，本文根據(jù)個體和地區(qū)特征來劃分不同類型的勞動力，考察異質性勞動力參與技能培訓的收入效應差異。具體地，本文從四個維度對異質性勞動力進行分類。(1)性別維度，劃分為男性和女性勞動力。(2)年齡維度，參照黃河嘯等(2014)[21]的做法，將勞動力劃分為三組：年齡≤30歲、30歲<年齡≤45歲、年齡>45歲。(3)教育維度，將勞動力劃分為四組：小學及以下、初中、高中和大學。(4)地區(qū)維度，將勞動力劃分為三組：西部、中部和東部地區(qū)的勞動力?；谏鲜鰟趧恿Ψ纸M，本文生成各組勞動力是否有參與技能培訓的二元虛擬變量。例如，“大學*培訓”表示具有大學學歷的子樣本與技能培訓的交互項，如果具有大學學歷的勞動者參加了技能培訓就標記為1；反之，如果具有大學學歷的勞動者沒有參加技能培訓則標記為0。因此，具有不同特征的勞動力子樣本與技能培訓的交互項可以刻畫出異質性勞動力參與技能培訓的收入效應差異。

表4 技能培訓的收入效應：個體異質性

表4為不同個體特征的勞動力參與技能培訓的收入效應差異。(1)從性別維度來看，相較于基準組(包括沒有參與技能培訓的男性和女性勞動者以及參加了技能培訓的女性勞動者)，男性勞動者參與技能培訓的收入效應更強，增收效果更好。(2)從年齡維度來看，在年齡≤30歲、30歲<年齡≤45歲、年齡>45歲這三組子樣本中，勞動力參與技能培訓的收入效應都顯著高于未參與技能培訓的勞動力。其中，在年齡>45歲的子樣本中，勞動力參與技能培訓的收入效應最高，要比未參與技能培訓的勞動力收入水平高出32.6%。可能的原因是年齡較大的勞動力在就業(yè)市場上的競爭能力要弱于年輕勞動力，因此相較于沒有參與技能培訓且年齡較大的勞動力，有參與技能培訓且年齡較大的勞動力的人力資本水平更高，產生的收入效應也更強。(3)從教育維度來看，除了具有小學及以下學歷的勞動力子樣本參與技能培訓的增收效果不顯著之外，具有初中、高中和大學學歷的勞動力子樣本參與技能培訓都顯著地提高了其收入水平。其中，具有高中學歷的勞動力參與技能培訓的增收效果最好，要比沒有參與技能培訓且具有高中學歷的勞動力收入水平高出30.0%?？赡艿脑蚴鞘芙逃较鄬^低的勞動力會優(yōu)先選擇技能培訓這一途徑來提高自身就業(yè)競爭力，以便更好地進入勞動力市場(展進濤和黃宏偉，2016)[16]。綜合來看，男性、年齡>45歲、具有高中學歷的勞動力參與技能培訓的收入效應更強。

表5 技能培訓的收入效應：地區(qū)異質性

表5為不同地區(qū)勞動力參與技能培訓的收入效應差異，可以看出，相較于西部地區(qū)(東部地區(qū))沒有參與技能培訓的勞動力，西部地區(qū)(東部地區(qū))有參與技能培訓的勞動力收入水平要顯著高出22.8%(25.2%)；而中部地區(qū)的勞動力參與技能培訓并未取得顯著的增收效果。

四 主要結論及政策啟示

中國經濟轉上高質量發(fā)展階段引發(fā)更多有技能、高素質的勞動力和人力資本需求，勞動技能培訓是滿足這種需求的重要方式，這同時提出勞動技能培訓、人力資本投資如何與收入回報激勵相互推動的問題。本文通過構建CLDS微觀面板數(shù)據(jù)并采用PSM-DID方法來解決勞動力參與技能培訓收入效應評估存在的遺漏變量問題和樣本選擇問題，進而準確地評估技能培訓參與者通過人力資本投資所獲得的收入效應及其異質性。得到結論為：第一，技能培訓作為人力資本投資的一種方式，顯著地提高了培訓參與者的收入水平，在解決遺漏變量問題和樣本選擇問題后，勞動力參與技能培訓能夠提高8%左右的收入水平；第二，勞動力參與技能培訓的決策存在“擇優(yōu)效應”，即人力資本水平較高的勞動力參與技能培訓的概率更大；第三，不同類型的培訓參與者通過人力資本投資所獲得的收入效應存在明顯差異，表現(xiàn)為男性、年齡較大、具有高中學歷以及東部地區(qū)的勞動力參與技能培訓的收入效應更強。

上述研究結果具有一定的政策啟示。首先，技能培訓對勞動力收入水平的提高幅度是相對可觀的，因此政府有必要搭建更多的技能培訓平臺，降低勞動力參與技能培訓的成本，促進更多的勞動力參與技能培訓，積累人力資本，進而提高收入水平。然后，針對勞動力參與技能培訓過程中存在的“擇優(yōu)效應”，政府應當深入了解導致人力資本水平較低(比如學歷較低)的勞動力參與技能培訓的概率反而較低的原因，因為這些勞動力是最需要依靠技能培訓來幫助就業(yè)和提高技能的人群(王海港等，2009)[23]，也是技能培訓政策關注的重點人群之一。只有提高人力資本水平較低的勞動力參與技能培訓的概率，拓寬其就業(yè)和增收渠道，才能讓這類勞動力也享受到參與技能培訓的收入提升效應，進而縮小社會收入差距，構建一個和諧社會。最后，根據(jù)異質性勞動力參與技能培訓的收入效應差異，政府可以有針對性地設計差異化的技能培訓政策，提高勞動力參與技能培訓的積極性，加快全社會勞動力的人力資本積累進程，推動中國經濟高質量發(fā)展目標的實現(xiàn)。

需要指出的是，由于數(shù)據(jù)限制，本研究難以考察勞動力參與技能培訓的長期收入效應，也很難考察技能培訓類型、培訓時長和培訓方式對勞動力參與技能培訓的決策及其收入效應的影響，這方面的研究結果對政府更準確地選擇培訓投入和公共服務的側重點具有很強的指導意義，值得進一步探討。另一方面，不同行業(yè)的勞動工資水平具有很強異質性，本研究只是從培訓參與者個體異質性的角度來考察技能培訓通過人力資本投資所產生的收入效應差異，未來的研究可以進一步考察行業(yè)間和行業(yè)內技能培訓的收入效應特征。