孟凡強(qiáng)　熊家財(cái)

摘要：通過教育回報(bào)率、任期回報(bào)率和其他經(jīng)驗(yàn)回報(bào)率三個方面考察中國人力資本回報(bào)率的城鄉(xiāng)差異，研究結(jié)果發(fā)現(xiàn)：（1）受教育年限對于城鎮(zhèn)勞動力和農(nóng)村勞動力的工資水平都有顯著的正向影響，現(xiàn)職任職期和其他工作經(jīng)驗(yàn)對于城鎮(zhèn)勞動力的工資水平都有顯著的正向影響，但對農(nóng)村勞動力的工資水平均不存在顯著影響，這說明提高受教育年限是提高農(nóng)村勞動力工資水平的主要途徑。（2）人力資本回報(bào)率存在顯著的城鄉(xiāng)差異，城鄉(xiāng)勞動力教育回報(bào)率的差異在2%左右，任期回報(bào)率的差異也在2%左右，而其他經(jīng)驗(yàn)回報(bào)率的差異在1%左右。人力資本回報(bào)率的城鄉(xiāng)差異違背了勞動力市場的競爭性，成為勞動力市場進(jìn)一步完善的阻礙。

關(guān)鍵詞：人力資本；回報(bào)率；城鄉(xiāng)差異

文章編號：2095-5960（2015）04-0094-09；中圖分類號：F249.2；文獻(xiàn)標(biāo)識碼：A

一、引言

改革開放以來，隨著城市經(jīng)濟(jì)對勞動力需求的增加以及限制勞動力城鄉(xiāng)流動的相關(guān)政策的放松，大批從農(nóng)業(yè)生產(chǎn)中釋放出來的農(nóng)村剩余勞動力涌入城市勞動力市場，成為領(lǐng)取工資收入的產(chǎn)業(yè)工人的一部分。然而，進(jìn)入城市的農(nóng)村勞動力在工資報(bào)酬方面與城市勞動力存在明顯差異。這種差異部分源自于兩類勞動力的個體特征差異，另一部分則源于歧視因素，主要表現(xiàn)為城鄉(xiāng)勞動力人力資本回報(bào)率的差異。從20世紀(jì)80年代末開始，國內(nèi)外學(xué)者就已開始關(guān)注我國勞動力的教育回報(bào)率問題（Jamison and Gaag，1987）[1]，但研究城鄉(xiāng)教育回報(bào)率差異的文獻(xiàn)并不多見。李實(shí)、李文彬（1994）利用中國社會科學(xué)院經(jīng)濟(jì)研究所的住戶抽樣調(diào)查數(shù)據(jù)，估計(jì)了城鎮(zhèn)職工和農(nóng)村勞動力的教育回報(bào)。[2]姚先國、張海峰（2004）利用浙江、廣東、湖南、安徽等省的調(diào)查數(shù)據(jù)分析了教育回報(bào)率的城鄉(xiāng)差異，發(fā)現(xiàn)農(nóng)村勞動力的教育回報(bào)率低于城鎮(zhèn)勞動力，兩者的差距在4%左右。[3]王美艷（2009）則估計(jì)了不同教育階段的城鄉(xiāng)教育回報(bào)率差異，發(fā)現(xiàn)外來勞動力在高中或中專階段的教育回報(bào)率顯著高于城市勞動力，這一結(jié)果為我國城鄉(xiāng)教育資源的配置提供了有益參考。[4]張興祥（2012）利用 CHIP2002數(shù)據(jù)從總體和不同教育階段兩個角度綜合考察了城鄉(xiāng)教育回報(bào)率的差異，發(fā)現(xiàn)總體上農(nóng)村教育回報(bào)率低于城鎮(zhèn)教育回報(bào)率，兩者的差距在3%左右；通過對不同教育階段的教育回報(bào)率的研究進(jìn)一步發(fā)現(xiàn)城鎮(zhèn)勞動力中等教育、高等教育階段的教育回報(bào)率均高于農(nóng)村勞動力。[5]

通過對現(xiàn)有文獻(xiàn)的梳理可以發(fā)現(xiàn)，目前專門討論城鄉(xiāng)人力資本回報(bào)率差異的文獻(xiàn)偏少，僅有的幾篇文獻(xiàn)集中于對城鄉(xiāng)教育回報(bào)率差異的研究。根據(jù)人力資本理論，人力資本的積累有兩種主要途徑：一是接受正規(guī)的學(xué)校教育，二是“干中學(xué)”，后者主要與個人的工作經(jīng)驗(yàn)相關(guān)。因此，工作經(jīng)驗(yàn)回報(bào)率也是人力資本回報(bào)率的內(nèi)容之一，而現(xiàn)有研究中對工作經(jīng)驗(yàn)回報(bào)率的關(guān)注較少。有鑒于此，本文將同時考察城鄉(xiāng)勞動力的教育回報(bào)率差異與工作經(jīng)驗(yàn)回報(bào)率差異。另外，工作經(jīng)驗(yàn)還可以進(jìn)一步區(qū)分為現(xiàn)職任職期與其他工作經(jīng)驗(yàn)，現(xiàn)職任職期是指勞動力在當(dāng)前工作上的任職年限，其他工作經(jīng)驗(yàn)則指勞動力從事當(dāng)前工作之前的非農(nóng)工作年限，前者通常代表勞動力的專用性人力資本水平，而后者則代表通用性人力資本水平，本文認(rèn)為有必要區(qū)分兩種不同的工作經(jīng)驗(yàn)。

二、數(shù)據(jù)與模型

（一）數(shù)據(jù)來源與處理

本文的數(shù)據(jù)來自2006年中國綜合社會調(diào)查（CGSS）數(shù)據(jù)庫①②①本文使用的數(shù)據(jù)全部來自國家社會科學(xué)基金資助項(xiàng)目——《中國綜合社會調(diào)查（CGSS）》。該調(diào)查由中國人民大學(xué)社會學(xué)系與香港科技大學(xué)社會科學(xué)部執(zhí)行，項(xiàng)目主持人為李路路教授和邊燕杰教授。作者感謝上述機(jī)構(gòu)及其人員提供的數(shù)據(jù)協(xié)助，本文內(nèi)容由作者自行負(fù)責(zé)。

②中國綜合社會調(diào)查（CGSS）目前已有2008和2010年的數(shù)據(jù)，本文棄用 2008和2010年的數(shù)據(jù)而選用2006年的數(shù)據(jù)主要出于以下兩點(diǎn)考慮：（1）2008和2010年的數(shù)據(jù)中缺少月工資收入數(shù)據(jù)，這將難以得到準(zhǔn)確的小時工資數(shù)據(jù)；（2）2008年的數(shù)據(jù)中缺少行業(yè)數(shù)據(jù)。，中國綜合社會調(diào)查（CGSS）是由中國人民大學(xué)社會學(xué)系發(fā)起的一項(xiàng)全國范圍內(nèi)的、大型的抽樣調(diào)查項(xiàng)目，主要目的是了解當(dāng)前我國居民的就業(yè)、工作和生活情況，以及對當(dāng)前一些社會問題的看法。調(diào)查采用隨機(jī)抽樣的方法，在全國28個省市抽取10000個家庭戶，然后在每個被選中的居民戶中按一定規(guī)則隨機(jī)選取1人作為被訪者，由訪問員手持問卷對該被訪者進(jìn)行調(diào)查。由于是調(diào)查數(shù)據(jù)，其中存在許多無效值、缺省值以及不符合要求的數(shù)據(jù)，本文根據(jù)研究的需要進(jìn)行了數(shù)據(jù)處理：（1）將樣本限定于非農(nóng)勞動力市場上正在工作的勞動力群體，并刪除了雇主、自雇者及軍人樣本。（2）保留了年齡在18歲以上，女性年齡小于55周歲，男性年齡小于60周歲的勞動力樣本。（3）以戶籍狀況區(qū)分城鎮(zhèn)勞動力與農(nóng)村勞動力。經(jīng)過整理后的樣本總數(shù)為2677個，樣本覆蓋全國28個省市，其中城鎮(zhèn)勞動力1873個，農(nóng)村勞動力804個。

（二）模型方法

估計(jì)人力資本回報(bào)率最常用的是Mincer工資方程[6] [7]，該方程的標(biāo)準(zhǔn)形式為：

Lnwi=β0+β1Edui+β2Experi+β3Exper2i+ui（1）

其中，被解釋變量Lnwi為個體Blinder-Oaxaca小時工資的對數(shù)，Edui表示個體Blinder-Oaxaca接受教育的年限，Experi表示個體Appleton的工作經(jīng)驗(yàn)③③為使研究更為深入，本文將工作經(jīng)驗(yàn)劃分為現(xiàn)職任職期和其他工作經(jīng)驗(yàn)兩部分。，Exper2i表示工作經(jīng)驗(yàn)的平方項(xiàng)，β0為截距項(xiàng)、β1、β2和β3為各變量的回歸系數(shù)，ui為隨機(jī)誤差項(xiàng)，表示解釋變量以外影響工資的因素。（1）式通常被稱為Mincer標(biāo)準(zhǔn)方程，可用以估算人力資本回報(bào)率。

但Mincer標(biāo)準(zhǔn)方程的形式過于簡單，只包括受教育年限和工作經(jīng)驗(yàn)，因此有可能高估人力資本回報(bào)率，為此多數(shù)研究者都在Mincer標(biāo)準(zhǔn)方程的基礎(chǔ)上加入控制變量以控制遺漏變量帶來的估計(jì)偏差。本文將性別、婚姻狀況加入工資方程，以控制兩個變量對工資的影響。另外，在估計(jì)人力資本回報(bào)率時，個人能力由于其不可觀測性常常被忽略掉，如果不控制個人能力變量，會造成遺漏變量問題，進(jìn)而產(chǎn)生不一致估計(jì)，解決這一問題的辦法是尋找個人能力的工具變量或代理變量。鑒于很難尋找合適的工具變量，本文選取代理變量方法。根據(jù)杜兩?。?010）[8]、馬巖（2012）[9]，本文選取職業(yè)培訓(xùn)作為個人能力的代理變量，之所以作如此選取主要出于以下兩方面的原因：（1）職業(yè)培訓(xùn)主要通過提高個人能力進(jìn)而提高勞動力的工資水平，因此代理變量的多余性條件較為滿足；（2）在控制了職業(yè)培訓(xùn)后，個人能力中的剩余部分與其他解釋變量的相關(guān)性較難驗(yàn)證。但Wooldridge（2010）認(rèn)為，當(dāng)代理變量與遺漏變量相關(guān)程度較高時，加入代理變量能夠有效地提高估計(jì)效率并降低估計(jì)偏差。[10]基于上述原因，本文選取職業(yè)培訓(xùn)作為個人能力的代理變量，以降低估計(jì)誤差。張車偉（2006）認(rèn)為由于我國勞動力市場存在多重分割，人力資本回報(bào)率在分割的市場中存在差異，如果不考慮市場分割的因素，就不能得到有關(guān)人力資本回報(bào)率的“一致性”估計(jì)結(jié)果[11]，為此本文加入了職業(yè)、部門、行業(yè)和地區(qū)虛擬變量，以控制職業(yè)分割、部門分割、行業(yè)分割和地區(qū)分割對人力資本回報(bào)率的影響。

在職業(yè)分類方面，本文根據(jù)1988年國際標(biāo)準(zhǔn)職業(yè)分類（ISCO88）將職業(yè)分為“白領(lǐng)職業(yè)”和“藍(lán)領(lǐng)職業(yè)”兩類。其中，白領(lǐng)職業(yè)包括立法者、高級官員和管理者，專業(yè)人員，技術(shù)人員和專業(yè)人員助理，一般職員四個大類；藍(lán)領(lǐng)職業(yè)包括服務(wù)人員和商店及超市的銷售人員，熟練的農(nóng)業(yè)和漁業(yè)工人，工藝及相關(guān)行業(yè)的工人，廠房及機(jī)器操作員和裝配員，初級職員（非技術(shù)工人）五個大類。在部門分類方面，根據(jù)所有制形式，本文將部門分為“國有部門”與“非國有部門”，其中，國有部門包括黨政機(jī)關(guān)、事業(yè)單位和國有企業(yè)或國有控股企業(yè)，其余為非國有部門。在行業(yè)分類方面，本文參考了馬欣欣（2011）的做法，將所有行業(yè)劃分為“壟斷行業(yè)”與“競爭行業(yè)”兩類。[12]其中，壟斷行業(yè)包括采掘業(yè)，電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)，地質(zhì)勘查業(yè)、水利管理業(yè)，交通運(yùn)輸、倉儲及郵電通信業(yè)，金融、保險(xiǎn)業(yè)，衛(wèi)生體育和社會福利業(yè)，教育、文化藝術(shù)及廣播電影電視業(yè)，科學(xué)研究和綜合技術(shù)服務(wù)業(yè)，國家機(jī)關(guān)、政黨機(jī)關(guān)和社會團(tuán)體；競爭行業(yè)包括農(nóng)林牧漁業(yè)，制造業(yè)，建筑業(yè)，批發(fā)和零售、貿(mào)易餐飲業(yè)，房地產(chǎn)業(yè)，社會服務(wù)業(yè)，其他行業(yè)。在地區(qū)方面，將28個省份按照所處的地理位置分為東部地區(qū)省份、中部地區(qū)省份和西部地區(qū)省份，并以“東部地區(qū)”作為對照組，設(shè)置“中部地區(qū)”和“西部地區(qū)”兩個虛擬變量。擴(kuò)展后的Mincer工資方程為：

Lnwi=β0+β1Edui+β2Experi+β3Exper2i+θXi+ui（2）

其中Xi代表個體i的性別、婚姻、職業(yè)、部門、行業(yè)和地區(qū)等控制變量。表1為變量的描述性統(tǒng)計(jì)。

（一）樣本選擇偏差的糾正

為得到工資方程中人力資本各變量系數(shù)的無偏一致估計(jì)，除了遺漏變量和能力偏差問題，還需要考慮樣本選擇偏差問題。所謂樣本選擇偏差是指在估計(jì)工資方程的時候，只能利用觀察到的已經(jīng)就業(yè)的工人的工資，對于那些目前尚未在勞動力市場就業(yè)的工人就無法觀察到他們的工資水平，由于是否就業(yè)可能與觀測不到而又影響工資的因素系統(tǒng)相關(guān)，所以如果只用已經(jīng)就業(yè)的工人的工資有可能導(dǎo)致工資方程中參數(shù)的估計(jì)量產(chǎn)生偏誤。為控制工資方程中的樣本選擇偏差問題，本文采用Heckman兩步法首先用probit模型估計(jì)了城鎮(zhèn)勞動力和農(nóng)村勞動力的勞動參與①①此處的勞動參與是指非農(nóng)就業(yè)行為，不包括農(nóng)業(yè)生產(chǎn)活動。行為方程[13]，方程設(shè)定如下：

其中ΦZ′iδ和u分別是標(biāo)準(zhǔn)正態(tài)的累積分布函數(shù)（CDF）和概率密度函數(shù)（PDF），Yi表示個體i參與勞動的狀態(tài)，1表示參與勞動，0表示未參與勞動， δ代表回歸系數(shù)矩陣，νi代表服從正態(tài)分布的隨機(jī)擾動項(xiàng)，Zi表示可觀測的個體特征向量，城鎮(zhèn)勞動力的個體特征變量包括受教育年限，健康狀況②②魏眾（2004）的研究顯示健康對工資的影響并不顯著，但對勞動參與行為有顯著影響。，年齡，年齡平方，性別，婚姻和地區(qū)，農(nóng)村勞動力的個體特征變量在城鎮(zhèn)勞動力勞動參與模型的基礎(chǔ)上加入了實(shí)際總耕種土地面積這一變量，用以度量農(nóng)業(yè)生產(chǎn)活動對非農(nóng)生產(chǎn)活動選擇行為的影響③③本文曾嘗試加入兄弟姐妹數(shù)作為解釋變量，但是結(jié)果不顯著，因此刪除了該變量。。勞動參與方程的估計(jì)結(jié)果如表2。

表2報(bào)告了勞動參與方程的系數(shù)估計(jì)結(jié)果和邊際效應(yīng)，從估計(jì)結(jié)果可以看出，受教育程度越高，勞動參與率越高，這與勞動供給理論的預(yù)期相一致。健康狀況對勞動參與的影響不顯著。對城鎮(zhèn)勞動力來說，年齡與勞動參與呈倒U型關(guān)系。與女性相比，城鎮(zhèn)勞動力和農(nóng)村勞動力中男性更傾向于勞動參與，這主要是由男性和女性在家庭和勞動力市場中的相對生產(chǎn)率決定的（郭鳳鳴、張世偉，2011）。[14]對于農(nóng)村勞動力來講，未婚個體擁有更高的勞動參與率，這是由于在組建家庭以后出于照顧家人、孩子的考慮農(nóng)村勞動力外出打工的可能性降低。從地區(qū)比較來看，東部地區(qū)的勞動力更傾向于勞動參與，主要由于東部地區(qū)的經(jīng)濟(jì)發(fā)展水平和工資水平較高。對于農(nóng)村勞動力來講，擁有實(shí)際耕地的面積越大，勞動參與的概率越小，這說明農(nóng)業(yè)生產(chǎn)活動對于農(nóng)民的非農(nóng)生產(chǎn)活動仍有顯著的影響。

在估計(jì)出勞動參與方程的系數(shù)之后利用公式λi=Z′iδ/ΦZ′iδ計(jì)算得到逆米爾斯比（inverse Mills ratio）∑j pfj lnWmj -lnWfj = ∑j pfj Xmj βmj -Xfj βfj λ，作為工資方程中選擇性偏差問題的修正參數(shù)。糾偏后的Mincer工資方程為：

（二）城鄉(xiāng)勞動力人力資本回報(bào)率的分組估計(jì)

根據(jù)模型設(shè)定，分別應(yīng)用Mincer標(biāo)準(zhǔn)方程、Mincer擴(kuò)展方程和Mincer糾偏方程（Heckman兩步法）估計(jì)城鎮(zhèn)勞動力和農(nóng)村勞動力的工資方程，Nawata（1994），以及Nawata & Nagase（1996）認(rèn)為直接使用Heckman兩步估計(jì)法所得估計(jì)量是不一致的，因此本文同時采用極大似然法（MLE）估計(jì)了城鄉(xiāng)勞動力的工資方程[15] [16]，最后共獲得四組八個工資方程的估計(jì)結(jié)果（如表3）①①關(guān)于樣本選擇偏差問題，在表3的分樣本估計(jì)中，逆米爾斯比在農(nóng)村勞動力工資方程中顯著，在城鎮(zhèn)勞動力工資方程中不顯著，而在表4的全樣本估計(jì)中，逆米爾斯比非常顯著，這說明在整個樣本中存在明顯的樣本選擇問題，具體表現(xiàn)在農(nóng)村勞動力組，因此有必要處理樣本選擇偏差問題。。首先考察教育回報(bào)率的城鄉(xiāng)差異，在Mincer標(biāo)準(zhǔn)方程的估計(jì)結(jié)果中，城鎮(zhèn)勞動力的教育回報(bào)率為10.2%，這表明在其他條件不變的情況下，每增加一年教育將使城鎮(zhèn)勞動力的小時工資增加10.2%，而農(nóng)村勞動力的教育回報(bào)率為8.4%，表明每增加一年教育農(nóng)村勞動力的小時工資將增加8.4%。在加入其他控制變量之后，城鎮(zhèn)勞動力的教育回報(bào)率下降為8.0%，農(nóng)村勞動力的教育回報(bào)率下降為6.7%，這說明其他個體特征變量和勞動力市場分割形式對城鄉(xiāng)教育回報(bào)率的估計(jì)結(jié)果存在較大的影響，因此Mincer標(biāo)準(zhǔn)方程高估了城鄉(xiāng)勞動力的教育回報(bào)率。但擴(kuò)展形式的Mincer方程的估計(jì)結(jié)果由于樣本選擇問題也可能存在偏誤，在對擴(kuò)展形式的Mincer工資方程采用Heckman兩步法進(jìn)行糾偏以后，城鄉(xiāng)勞動力的教育回報(bào)率都出現(xiàn)了下降，城鎮(zhèn)勞動力的教育回報(bào)率下降為7.1%，農(nóng)村勞動力的教育回報(bào)率下降為5.0%。從估計(jì)系數(shù)的大小來看，估計(jì)結(jié)果顯示城鄉(xiāng)教育回報(bào)率的差異在2%左右，這與極大似然法（MLE）的估計(jì)結(jié)果相近，說明這一結(jié)果是穩(wěn)健的。

從工作經(jīng)驗(yàn)回報(bào)率的估計(jì)結(jié)果來看，無論是現(xiàn)職任職期還是其他工作經(jīng)驗(yàn)在八組方程中系數(shù)的方向與顯著性都較為一致，系數(shù)大小的差異也不明顯，從而表明對于工作經(jīng)驗(yàn)回報(bào)率的估計(jì)結(jié)果是穩(wěn)健的。分城鄉(xiāng)樣本來看，現(xiàn)職任職期對城鎮(zhèn)勞動力的工資有顯著的正向影響，在其他條件相同的情況下，現(xiàn)職任職期越長，城鎮(zhèn)勞動力的工資水平越高。但現(xiàn)職任職期對農(nóng)村勞動力的工資水平?jīng)]有顯著影響，出現(xiàn)這一結(jié)果的原因可能在于農(nóng)村勞動力多數(shù)情況下屬于所在單位的非正式工，多數(shù)單位內(nèi)部并不存在面向農(nóng)村勞動力的工齡工資晉升機(jī)制。調(diào)查數(shù)據(jù)的統(tǒng)計(jì)結(jié)果顯示，只有14.89%的農(nóng)村勞動力在現(xiàn)單位有過工資晉升的經(jīng)歷，而在現(xiàn)單位有過職務(wù)晉升經(jīng)歷的農(nóng)村勞動力的比例僅為11.82%①①相關(guān)數(shù)據(jù)是根據(jù)2006年中國綜合社會調(diào)查（CGSS）數(shù)據(jù)庫計(jì)算整理所得。。

其他工作經(jīng)驗(yàn)對城鎮(zhèn)勞動力的工資水平也有顯著地正向影響，同時其他工作經(jīng)驗(yàn)平方項(xiàng)的系數(shù)顯著為負(fù)，這說明其他工作經(jīng)驗(yàn)與城鎮(zhèn)勞動力的工資水平呈現(xiàn)倒“U”型關(guān)系，即隨著其他工作經(jīng)驗(yàn)的增加，城鎮(zhèn)勞動力的工資水平先上升而后趨于下降。但其他工作經(jīng)驗(yàn)對農(nóng)村勞動力的工資水平?jīng)]有顯著影響，關(guān)于這一問題的解釋，本文認(rèn)為可能是由于農(nóng)村勞動力多從事重復(fù)性體力勞動，掌握技術(shù)的農(nóng)村勞動力比重較小，人力資本水平的積累與工作經(jīng)驗(yàn)并不存在嚴(yán)格的正相關(guān)關(guān)系，因此其他工作經(jīng)驗(yàn)對工資水平的影響不明顯。

（三）混合樣本下人力資本回報(bào)率城鄉(xiāng)差異的估計(jì)

從城鄉(xiāng)勞動力工資方程的分組估計(jì)系數(shù)來看，城鄉(xiāng)教育回報(bào)率的差異在2%左右。為進(jìn)一步考察城鄉(xiāng)教育回報(bào)率的差異，本文在Mincer擴(kuò)展方程的基礎(chǔ)上加入了戶籍與教育的交乘項(xiàng)（農(nóng)業(yè)戶口設(shè)定為1），分別采用最小二乘估計(jì)（OLS）、Heckman兩步法和極大似然法（MLE）并利用城鄉(xiāng)混合樣本重新估計(jì)了一組方程。估計(jì)結(jié)果顯示城鄉(xiāng)勞動力教育回報(bào)率的差異在2%左右。這說明，在其他條件相同的情況下，受教育年限每增加一年，農(nóng)村勞動力小時工資的增加比城鎮(zhèn)勞動力低2%左右，并且這種差異是顯著的，這一結(jié)果進(jìn)一步佐證了前文的結(jié)論。

另外，本文還在Mincer擴(kuò)展方程的基礎(chǔ)上加入了戶籍與現(xiàn)職任職期和其他工作經(jīng)驗(yàn)的交乘項(xiàng)，同樣分別采用最小二乘估計(jì)（OLS）、Heckman兩步法和極大似然法（MLE）并利用城鄉(xiāng)混合樣本估計(jì)了一組方程。估計(jì)結(jié)果顯示城鄉(xiāng)勞動力工作經(jīng)驗(yàn)的回報(bào)率也存在顯著差異，農(nóng)村勞動力的工作經(jīng)驗(yàn)回報(bào)率顯著低于城鎮(zhèn)勞動力。在其他條件相同的情況下，現(xiàn)職任職期每增加一年，農(nóng)村勞動力小時工資的增加比城鎮(zhèn)勞動力低2%左右；其他工作經(jīng)驗(yàn)每增加一年，農(nóng)村勞動力小時工資的增加比城鎮(zhèn)勞動力低1%左右。

四、結(jié)論與討論

應(yīng)用2006年中國綜合社會調(diào)查數(shù)據(jù)，本文從教育回報(bào)率、任期回報(bào)率和其他經(jīng)驗(yàn)回報(bào)率三個方面研究了中國人力資本回報(bào)率的城鄉(xiāng)差異，研究結(jié)果發(fā)現(xiàn)：（1）受教育年限對于城鎮(zhèn)勞動力和農(nóng)村勞動力的工資水平都有顯著的正向影響，現(xiàn)職任職期和其他工作經(jīng)驗(yàn)對于城鎮(zhèn)勞動力的工資水平有顯著的正向影響，并且其他工作經(jīng)驗(yàn)與城鎮(zhèn)勞動力的工資水平呈現(xiàn)倒“U”型關(guān)系，而現(xiàn)職任職期和其他工作經(jīng)驗(yàn)對農(nóng)村勞動力的工資水平均不存在顯著影響，這說明提高受教育年限是提高農(nóng)村勞動力工資水平的主要途徑。（2）人力資本回報(bào)率存在顯著的城鄉(xiāng)差異，城鄉(xiāng)勞動力教育回報(bào)率的差異在2%左右，任期回報(bào)率的差異也在2%左右，而其他經(jīng)驗(yàn)回報(bào)率的差異在1%左右。

人力資本回報(bào)率的城鄉(xiāng)差異表明，相同水平生產(chǎn)率的提高并不能為農(nóng)村勞動力帶來與城鎮(zhèn)勞動力相同的報(bào)酬，人力資本回報(bào)率的這一差異違背了勞動力市場的競爭性，并成為勞動力市場進(jìn)一步完善的阻礙。從教育回報(bào)率來看，目前農(nóng)村勞動力的受教育水平明顯低于城鎮(zhèn)勞動力，過低的教育回報(bào)率將使農(nóng)村勞動力對于教育的投入更加減少，從而導(dǎo)致農(nóng)村勞動力與城鎮(zhèn)勞動力受教育水平的差距的進(jìn)一步擴(kuò)大，進(jìn)而造成收入差距的進(jìn)一步擴(kuò)大，農(nóng)村經(jīng)濟(jì)將進(jìn)入一個惡性循環(huán)（姚先國，張海峰，2004）。[3]此外，工作經(jīng)驗(yàn)回報(bào)率的估計(jì)結(jié)果表明，農(nóng)村勞動力任職期限的增加并不能帶來其工資水平的提高，這將在一定程度上降低農(nóng)村勞動力的工作穩(wěn)定性，進(jìn)而妨礙其人力資本存量的積累。

當(dāng)然，由于本文在估計(jì)教育回報(bào)率時采用的是受教育年限，而沒有將教育質(zhì)量考慮在內(nèi)，因此教育回報(bào)率的城鄉(xiāng)差異可能部分緣于城鄉(xiāng)教育質(zhì)量的差異，但這種差異本身也是公共教育投資不均的結(jié)果，是一種市場歧視。因此，在進(jìn)一步經(jīng)濟(jì)轉(zhuǎn)型的過程中，政府應(yīng)給予農(nóng)村地區(qū)更多的關(guān)注，不斷加大對農(nóng)村教育的投入力度，縮小城鄉(xiāng)教育質(zhì)量的差異，同時應(yīng)逐步完善我國的勞動力市場，降低戶籍歧視對農(nóng)村勞動力的影響，避免戶籍制度改革流于表面。

參考文獻(xiàn)：

[1]Jamison D. and Gaag J. Education and Earning in the People Republic of China， Economics Education Review， 1987，6（2）：161-166.

[2]李實(shí)，李文彬.中國教育投資的個人收益率的估計(jì)[M]//趙人偉，等.中國居民收入分配研究.北京：中國社會科學(xué)出版社，1994.

[3]姚先國，張海峰.中國教育回報(bào)率估計(jì)及其城鄉(xiāng)差異分析——以浙江、廣東、湖南、安徽等省的調(diào)查數(shù)據(jù)為基礎(chǔ)[J].財(cái)經(jīng)論叢，2004（6）：1-7.

[4]王美艷.教育回報(bào)與城鄉(xiāng)教育資源配置[J].世界經(jīng)濟(jì)，2009（5）：3-17.

[5]張興祥.我國城鄉(xiāng)教育回報(bào)率差異研究——基于CHIP2002數(shù)據(jù)的實(shí)證分析[J].廈門大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2012（6）：118-125.

[6]Mincer J. Schooling， Experience and Earnings. New York： National Bureau of Economic Research，1974.

[7]Heckman James J.， Lance J. Lochner and Petra E. Todd. Fifty Years of Mincer Earnings Regressions，NBER Working Papers 9732， 2003.

[8]杜兩省，彭競.教育回報(bào)率的城市差異研究[J].中國人口科學(xué)，2010（5）：85-94.

[9]馬巖，楊軍，蔡金陽，等.我國城鄉(xiāng)流動人口教育回報(bào)率研究[J].人口學(xué)刊，2012（2）：64-73.

[10]Wooldridge Jeffrey M. Econometric Analysis of Cross Section and Panel Data. Cambridge， MA： MIT Press，2010.

[11]張車偉，薛欣欣.國有部門與非國有部門工資差異及人力資本貢獻(xiàn)[J].經(jīng)濟(jì)研究，2008（4）：18-25.

[12]馬欣欣.勞動力市場的產(chǎn)業(yè)分割——關(guān)于壟斷行業(yè)與競爭行業(yè)間工資差異的經(jīng)驗(yàn)分析[J].中國勞動經(jīng)濟(jì)學(xué)，2011（1）：44-82.

[13]Heckman James J.Sample Selection Bias as a Specification Error， Econometrica， 1979， 47（1）：153-161.

[14]郭鳳鳴，張世偉.教育和戶籍歧視對城鎮(zhèn)工和農(nóng)民工工資差異的影響[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2011（6）：35-42.

[15]Nawata K.Estimation of sample selection bias models by the maximum likelihood estimator and Heckman's two-step estimator， Economics Letters，1994（45）：33-40.

[16]Nawata K. and Nagase N. Estimation of sample selection bias models，Econometric Reviews，1996（15）：387-400.

責(zé)任編輯：吳錦丹 吳錦丹 蕭敏娜 常明明