候玉娜　鄧寧莎

摘要：基于2010年中國家庭追蹤調查數(shù)據(jù)（CFPS），本文以我國的高等教育擴招政策產生的入學機會在時間和地區(qū)兩個層面的雙重變異為個體受教育水平的工具變量，實證估計了我國居民的個體教育收益率。實證結果發(fā)現(xiàn)如下結論：第一，高等教育擴招政策使我國居民的平均受教育年限延長了1.132年。第二，我國居民個體教育收益率的IV估計值為12.6%，為OLS估計值的兩倍左右。第三，分樣本回歸發(fā)現(xiàn)，女性的教育收益率為14%，高于男性的教育收益率9.1%；城市地區(qū)的個體教育收益率為14.2%，高于農村地區(qū)的個體教育收益率10.3%；東部地區(qū)的個體教育收益率值高達20.8%，遠高于中部地區(qū)的14.2%和西部地區(qū)的8.4%。本文利用新的數(shù)據(jù)和研究方法在新的勞動力市場條件下為我國教育收益率研究提供了新的實證證據(jù)。

關鍵詞：教育收益率；高等教育擴招；工具變量方法

20世紀90年代末期，中國高等教育在短時間內經歷了世界上最大規(guī)模的擴張，從精英化發(fā)展階段邁向了大眾化發(fā)展階段。在1998年到2006年間，我國共新增845所普通高等教育機構。在政策實施的最初三年內，普通高等教育機構入學人數(shù)年增長率分別達到42.68%、42.46%及21.61%，而普通高等教育機構的在校生人數(shù)從1998年的340萬增長到2005年的1740萬，2006年中國高等教育的毛入學率提升到了22%（見圖1）。盡管我國的高等教育擴招政策在同一時間（1999年）面向所有省份及地區(qū)居民實施，這一政策對于不同人群的惠及程度卻不相同。在我國 “分省定額” 的高等院校招生錄取制度規(guī)定下，這場以中央宏觀政策形式推動的大規(guī)模的高等教育機會擴張對我國居民的受教育水平產生了一種外生的沖擊：個人的出生時間（進而決定其高中畢業(yè)時間）及高中畢業(yè)時的戶籍所在地共同決定了個體是否以及能夠在多大程度獲得擴張的高等教育入學機會。本研究利用我國高等教育擴招政策造成的個體高等教育入學機會在時間和地區(qū)的雙重變異作為個體受教育水平的工具變量，借助準實驗設計，圖1高等教育擴招規(guī)模示意圖

資料來源：中國國家統(tǒng)計局數(shù)據(jù)（1970-2012年）。實現(xiàn)對我國教育個人收益率的準確估計。針對不同社會群體及地區(qū)教育投資收益率的考察，對于個體進行理性的教育投資，政府判斷社會資源分配的適切性，進而提高整個社會的經濟運行效率具有重要意義。

一、文獻綜述

自20世紀60年代人力資本理論創(chuàng)立以來，教育被越來越多的人視為一種投資行為。過去三十年，國內外有關教育投資的經濟回報，即投資收益率的理論研究和實證方法討論層出不窮，研究者為準確估計教育收益率進行了大量的嘗試，積累了許多寶貴經驗。20世紀80年代，由于市場經濟體制剛剛建立，多數(shù)研究顯示我國的教育收益率非常低，不足3%。[1][2]進入20世紀90年代，隨著勞動力市場體制改革的深化，統(tǒng)一勞動力市場逐步建立和完善，我國的教育收益率逐步上升，達到5%左右。[3][4][5]進入21世紀，實證研究結果顯示我國的教育收益率水平進一步提高，接近10%的世界平均教育收益率水平。[6][7]

早期教育收益率的實證研究大多使用美國經濟學家明瑟（Mincer，1974）提出的工資方程，使用現(xiàn)實觀察數(shù)據(jù)（Observational data），結合最為常用的普通最小二乘法（Ordinary Least Square， OLS）來估計教育的收益率。[8]這種非實驗方法由于無法完全控制無關因素的干擾，使得模型中的教育變量具有內生性，進而引起對教育收益率的估計偏誤。[9]例如，當在明瑟收入方程中考慮了教育、工作經驗及其他個人或制度特征變量對收入的影響后，可能還存在著影響個人收入水平且與受教育程度相關的其他解釋變量（比如無法觀察的個人能力），這將導致對教育收益率的有偏估計。研究者嘗試使用不同方法解決教育回報率估計的內生性問題。有研究者通過尋找能夠衡量個人能力的代理變量（Proxy variable），如智商、考試成績、家庭其他成員的教育水平等，加入明瑟收入方程，糾正教育收益率的估計偏誤；有研究者借助雙胞胎樣本，采用固定效應模型，消除遺漏變量對于收入的影響效應。[10][11]近年來，越來越多的研究者借助心理學領域的準實驗設計思路，在無法完全控制研究條件和無關干擾因素的情況下模擬實驗設計，降低教育收益率的估計偏誤。工具變量方法為常用的準實驗方法之一，它的基本思路是尋找到一個與個人教育水平密切相關但與其他遺漏的干擾因素無關的外生變量，作為受教育水平的工具加入明瑟收入方程。[12][13]近年來，越來越多的研究者開始嘗試利用各種社會歷史事件或政策制度產生的外生沖擊作為受教育程度的工具變量來估計教育對收入和其他結果變量的影響。例如愛芝諾和艾博馬（Ichino & Winter-Ebmer，2004）利用第二次世界大戰(zhàn)對德國和澳大利亞的適齡兒童個體受教育水平造成的外生沖擊，估算了教育對于個體成年后的收入值及整個國家GDP的影響。[14]孟鑫和趙國昌（Meng& Zhao，2013）利用中國的文化大革命事件造成各級學校教育的中斷作為一代人受教育程度的工具變量，估計了個體受教育水平的代際效應。[15]杜佛羅（Duflo，2001） 利用印尼政府的學校建設計劃實施的時間和地區(qū)雙重差異，評估了學校建設項目對于個體受教育水平及未來收入的影響。[16]另外，有許多研究者利用義務教育法帶來的受教育機會增加來估算教育的收益率。[17][18][19][20]最近，英國研究者利用高等教育擴張政策作為個體受教育水平的外生沖擊，估計了本國的教育收益率。[21][22]以上研究中，部分研究者使用地區(qū)層面的變異（cross-state variation）作為受教育水平的工具變量，另一些研究者使用時間層面的變異（cohort-level variation），還有研究者同時使用時間和地區(qū)層面的雙重變異作為工具變量。

二、研究設計

（一）數(shù)據(jù)來源

本文使用由北京大學中國社會科學調查中心（ISSS）設計實施的中國家庭追蹤調查（China Family Panel Studies， CFPS）數(shù)據(jù)。CFPS通過多階段分層隨機抽樣，跟蹤收集個體、家庭、社區(qū)三個層次的數(shù)據(jù)，樣本覆蓋25個省/市/自治區(qū)，代表全國總體的95%。本文使用2010年基線調查的成人問卷數(shù)據(jù)，包括14798戶共33600樣本。相比于以往大規(guī)模的入戶調查數(shù)據(jù)，該數(shù)據(jù)的主要優(yōu)勢在于，它不僅調查戶主等長期居住在家庭中的個體，還會尋找因為上學、外出務工等原因不在家居住的家庭直系成員，這避免了樣本的選擇性偏差。此外，CFPS提供了有關個體受教育程度的豐富信息，比如包括各個教育階段的類型、所學學科、是否畢業(yè)以及畢業(yè)年份等詳細信息。

基于研究需要，本文從以下角度對數(shù)據(jù)進行了篩選：（1）基于勞動力的標準定義以及我國對于退休年齡的相關規(guī)定，我們把男性樣本限定在16-60周歲，女性樣本限定在16-55周歲，并排除所有已經退休和正在上學的樣本。（2）剔除主要職業(yè)為“務農”和“自己經營”的個體，只保留在單位工作的“受雇”樣本。（3）剔除所有勞動收入信息為空值的樣本。經過初步篩選，最終5593名成年樣本進入正式的數(shù)據(jù)分析。另外，本研究使用的高等教育擴招相關宏觀數(shù)據(jù)來自中國國家統(tǒng)計局網站（http：//www.stats.gov.cn/）和中國教育統(tǒng)計年鑒。

（二）研究模型與變量

本研究使用教育收益率研究經典的明瑟收入方程法，構建模型如下：

lnW=β0+β1S+∑ni=1θiXi+u（1）

其中，被解釋變量lnW是個人收入的自然對數(shù)值。S為受教育水平變量，本文中使用個體受教育年限來衡量；u為隨機誤差項。Xi表示其他影響收入的控制變量，包括個體的年齡和年齡平方項、性別（男性=1，女性=0）、所在地區(qū)（西部=1，中部=2，東部=3）、城鄉(xiāng)類型（農村=0，城市=1）、婚姻狀況（未婚=0，已婚=1）及所屬行業(yè)①。θi表示這些控制變量的回歸系數(shù)。模型（1）中受教育年限前的回歸系數(shù)β1的估計值為在其他條件相同的情況下，每增加一年的教育帶來的個人勞動收入增加的百分比，即教育的明瑟收益率。

考慮到前文所述的OLS估計方法的內生性問題，本研究將利用準實驗設計中的工具變量方法估算中國的個體教育收益率。工具變量估計使用兩階段最小二乘法（2SLS），具體模型如下：

S=α0+∑ni=1δiXi+α1Z+ε（2）

lnW=β0+β1S∧+∑ni=1θiXi+u（3）

方程（2）為第一階段回歸，方程（3）為第二階段回歸，其中從第一階段模型中獲得的受教育年限預測值前的回歸系數(shù)β1為使用工具變量方法條件下的教育收益率估計值。

個人受教育年限的工具變量Z是研究的核心變量。本文將使用我國1999年實施的高等教育擴招政策造成個體高等教育入學機會在時間和地區(qū)兩個層面的雙重變異量作為個體受教育水平的工具變量。在高等教育擴招政策背景下，高等教育入學機會大小受到個體高中畢業(yè)參加高考的年份和高中畢業(yè)時的戶籍所在省份影響。前者決定了高等教育入學機會的時間差異，而后者決定了高等教育入學機會的地區(qū)差異。具體來說：（1）擴招政策在1999年頒布實施，因此以1999年為界，那些在1999年及之后年份高中畢業(yè)的個體的高等教育入學機會量受到了擴招政策的影響；而那些在1999年（不包括1999年）以前就已經高中畢業(yè)的個體的高等教育入學機會沒有受到擴招政策的影響。理論上講，在其他因素完全相同的情況下，那些在1999年及以后高中畢業(yè)的，受到擴招政策影響的個體享有更多的高等教育入學機會；（2）盡管擴招政策在同一時間于全國范圍內實施，但高等教育招生錄取名額的增長量在不同地區(qū)之間存在著較大差異。這是因為，我國的高等院校招生考試制度按照“分省定額”的準則，每年由國家教育部門在高等教育入學考試之前提前確定各省的招生錄取配額量。另外，我國嚴格的戶籍制度規(guī)定參加高等教育入學考試的考生必須在其戶籍所在地報名參考。這些制度性的規(guī)定造成了我國各個省份之間的高等教育入學機會差異很大，而這種差異是無法通過個人或家庭的努力改變或控制的。理論上講，在其他因素完全相同的情況下，那些戶籍所在地位于擴招規(guī)模較大的省份的高中畢業(yè)生可能享有更多的高等教育機會。工具變量及其相關變量的具體定義過程如下：

1.個體高中畢業(yè)年份和高中畢業(yè)時戶籍所在地

首先，我們需要準確確定個體的高中畢業(yè)年份和畢業(yè)時的戶籍所在省份信息。這兩個變量信息將作為指針變量（keyvariable）與衡量高等教育入學機會的宏觀工具變量進行合并。

（1）高中畢業(yè)年份。盡管CFPS直接詢問了個體的高中畢業(yè)時間[CFPS數(shù)據(jù)庫提供了個體在教育系統(tǒng)各個學段（小學至大學）的畢業(yè)/肄業(yè)/結業(yè)時間信息]，然而很多記錄在高中畢業(yè)/肄業(yè)/結業(yè)時間變量上存在缺失，因此需要人為進行估算。對于存在缺失信息的記錄，我們利用其初中畢業(yè)/肄業(yè)/結業(yè)時間變量及高中就學時長變量（原始問卷問題為“您高中讀了幾年”）推算出其高中畢業(yè)考大學的年份。如果初中畢業(yè)/肄業(yè)/結業(yè)時間變量也存在缺失，則首先利用小學畢業(yè)/肄業(yè)/結業(yè)時間變量及初中就學時長變量估算出樣本初中畢業(yè)/肄業(yè)/結業(yè)時間，以此類推。對于那些在多個學段的畢業(yè)時間和就學時長變量上都存在缺失的樣本，我們根據(jù)其出生年份和月份，結合我國義務教育入學年齡要求及各個學段學制對修學年限的安排，粗略地估算出了其高中畢業(yè)考大學的時間。具體來說，對于在1-8月出生的個體，其高中畢業(yè)考大學的時間計為出生年份加上18；對于在9-12月出生的個體，其考大學的年份計為出生年份加上19。

（2）高中畢業(yè)時的戶籍所在地。CFPS沒有直接詢問個體在高中畢業(yè)參加高考時的戶籍所在地信息，但是詳細詢問了個體在出生時、3歲時、12歲時以及2010年調查當年的戶籍所在地信息。因此我們可以根據(jù)這些信息人為地估算出個體成年之前的戶籍所在地信息。本研究假定個體在12歲到高中畢業(yè)參加高考（18歲/19歲）期間的戶籍所在地未發(fā)生改變，因此使用個體在12歲時的戶籍所在省份替代個體在高中畢業(yè)時的戶籍所在省份。這個假設存在一定的局限性，這是因為盡管在我國嚴格的戶籍登記和遷移制度背景下，個體在參加高考前通過各種方式轉換戶籍所在地的可能性較小，但父母仍可能會為了使子女獲得更多高質量的高等教育入學機會而選擇進行“高考移民”，將考生的戶口遷移到擴招規(guī)模更大的地區(qū)。如果發(fā)生這種情況，則樣本存在正向自選擇（Positive selection），個體的教育收益率將被高估。后文的穩(wěn)健性檢驗部分將對此假設進行進一步考察。

2.工具變量——高等教育入學機會增量supplyij

基于個體高中畢業(yè)的時間和戶籍地信息，本研究利用中國教育統(tǒng)計年鑒1999-2014年數(shù)據(jù)中各省年度普通高等教育機構招生規(guī)模量作為對個體高等教育入學機會的衡量，并以各省年度高中畢業(yè)生規(guī)模量作為調整變量，計算出各個省份在各個年度的生均高等教育入學機會增量supplyij（相對于擴招前1998年的生均入學機會量，后文簡稱“擴招規(guī)?！弊兞浚?。變量可以用以下公式表示：

supplyi，j=Enrollmenti jEnrollmenti 1998HSgraduateij（4）

其中，i表示個體高中畢業(yè)時的戶籍所在省份，j表示個體高中畢業(yè)參加高考的年份。Enrollmenti，j表示i省在j年普通高等教育機構的招生錄取人數(shù)；Enrollmenti，1998表示i省在1998年普通高等教育機構的招生錄取人數(shù)。因此Supplyi.j衡量了i省在j年高中畢業(yè)的學生可以獲得的高等教育入學機會的增量②。各個省份在擴招政策實施期間的“擴招規(guī)?！弊兞縮upplyij均值的描述統(tǒng)計情況見圖1③。

圖2中模塊的顏色深淺反映了高等教育“擴招規(guī)?！弊兞康拇笮〔町?。全國平均“擴招規(guī)模”量為0.61名額/生，它的含義為相對于1998年的高等教育入學機會，每個高中畢業(yè)生的高等教育機會在擴招期間的增量為0.61個名額?！皵U招規(guī)?！陛^小的省份是青海省和寧夏回族自治區(qū)，分別為0.29名額/生和0.37名額/生。以青海省為例，這表明相對于1998年的高等教育入學機會，每個戶籍所在地為青海省的高中畢業(yè)生具有的高等教育機會增量為0.29個名額。其次為陜西?。?.66名額/生）、河南?。?.48名額/生）、貴州?。?.47名額/生）、甘肅?。?.44名額/生）、內蒙古自治區(qū)（0.44名額/生）和新疆維吾爾自治區(qū)（0.41名額/生）。而“擴招規(guī)?！陛^大的省份包括北京市（1.26名額/生）、天津市（1.26名額/生）和上海市（1.01名額/生）。以北京市為例，相對于1998年的高等教育入學機會，每個戶籍所在地為北京市的高中畢業(yè)生具有的高等教育機會增量為1.26個名額。圖2的描述統(tǒng)計結果證明了高等教育擴招政策在我國不同省份的實施力度存在一定差異，因而在不同省份參與高考的高中畢業(yè)生的高等教育入學機會也存在差異。

為了將各個省份在各個年度的“擴招規(guī)?！弊兞縎upplyij作為個體受教育年限的工具變量，進一步估計我國居民的教育收益率，我們以個體高中畢業(yè)參加高考的年份及高中畢業(yè)當年的戶籍所在省份兩個變量為指針（keyvariable），將“擴招規(guī)?！弊兞縮upplyij與本研究的主體數(shù)據(jù)庫進行合并。本研究的主要變量的描述統(tǒng)計見表1。

四、研究結果

（一） 高等教育擴招政策對于人均受教育水平的影響

表2中的估計結果顯示，個體受教育年限對“擴招規(guī)?！弊兞縮upplyij的回歸系數(shù)為1.856， 且在P=0.01水平上顯著。結合“擴招規(guī)?！弊兞縮upplyij的定義，這一結果表明，高中畢業(yè)生能夠獲得的高等教育擴招規(guī)模每增加1個名額/生，全國平均受教育年限增加1.856年?；谇拔膶Ω鱾€省份在各個年份的“擴招規(guī)?！弊兞康拿枋鼋y(tǒng)計，我們可以計算得出從1999年擴招政策實施以來，全國及居住在各個省份的高等教育適齡人群實際獲得的高等教育機會增量。例如，擴招期間全國平均高等教育機會增量為0.61名額/生，因而擴招政策使全國生均受教育年限延長了1.132年（1.856年/名額*0.61名額/生）。北京市在擴招期間實際獲得的高等教育機會增量為1.26個名額/生，因而擴招政策使北京地區(qū)的生均受教育年限延長了2.339年（1.856年/名額*1.26名額/生）。同樣的，由于青海省在擴招期間的高等教育機會增量僅為0.29名額/生，因此該省的生均受教育年限因為擴招政策延長了0.538年（1.856年/名額*0.29名額/生）。

當以個體勞動收入的對數(shù)值為因變量時，“擴招規(guī)?！弊兞縮upplyij對個人勞動收入的影響系數(shù)為0.287， 且在P=0.01水平上顯著。這一結果說明，高中畢業(yè)生能夠獲得的高等教育擴張規(guī)模量每增加1個名額/生，我國居民的平均勞動收入水平增加28.7%。同樣的，我們可以結合各省的實際“擴招規(guī)?！眮砉烙嫺叩冉逃龜U招政策對于全國及不同省份地區(qū)人群勞動收入水平的影響。經計算，擴招將全國平均勞動收入水平提高了17.51%（0.287*0.61名額/生）。北京市的平均勞動收入因為擴招政策增加了36.16%（0.287*1.26名額/生），而擴招政策使青海省的平均勞動收入水平增加了8.32%（0.287*0.29名額/生）。其他地區(qū)的平均受教育水平受擴招政策的影響程度也可以通過類似方法進行估算。

（二） 個體教育收益率的估計結果

1.個體教育收益的總體結果

本研究使用兩種方法估計個體教育收益率值，表3中的研究結果顯示，我國居民個體教育收益率的OLS估計值為6.1%。使用兩階段最小二乘估計法的我國居民教育收益率的IV估計值為12.6%，是OLS估計值的兩倍左右。工具變量模型的弱勢別檢驗（weak identification test）結果表明，“擴招規(guī)模”變量supplyij不是一個弱工具變量（弱識別檢驗使用Kleibergen-Paaprk Wald F統(tǒng)計量）。內生性檢驗（endogeneity test）結果表明可以拒絕個人受教育年限為外生的假定，即受教育年限是內生變量（內生性檢驗使用C統(tǒng)計量，也稱Difference-in-Sargan統(tǒng)計量）。其他控制變量的回歸系數(shù)顯示男性的收入比女性高出29.9%；東部地區(qū)的收入比西部地區(qū)高出25%；城市地區(qū)比農村地區(qū)的收入高出30.1%；在婚人群比未婚人群的收入高出14.3%。

本研究估算的教育收益率值與其他使用近期數(shù)據(jù)估算2010前后個體教育收益率的實證研究結果較為接近。例如，陳貴富和哈莫斯（Chen& Hamori， 2009）利用2004年及2006年的中國營養(yǎng)與健康數(shù)據(jù)庫，采用IV方法發(fā)現(xiàn)中國城鎮(zhèn)地區(qū)男性教育收益率為12.61%，女性教育收益率為14.47%。[23]黃斌、鐘曉琳（2012）使用2009-2010年浙江、安徽、陜西三省六縣農村入戶調查數(shù)據(jù)，研究發(fā)現(xiàn)中國農村地區(qū)的教育收益率值達到13.1%。[24]孫志軍（2014）利用雙胞胎數(shù)據(jù)，采用OLS和雙胞胎組內差分法估計出教育收益率為14%。[25]張青根、沈紅（2016）使用2010年中國家庭追蹤調查數(shù)據(jù)，使用普通最小二乘回歸法發(fā)現(xiàn)個體的明瑟教育收益率為10.5%。[26]劉生龍等（2016）借助義務教育法對個體教育年限產生的影響，使用國家統(tǒng)計局2007-2009年的中國城鎮(zhèn)家庭調查數(shù)據(jù)，采用斷點回歸方法估計出我國的個體教育收益率值在12.6%-15.3%之間。[27]

2.研究結果穩(wěn)健性檢驗

如前文所述，由于數(shù)據(jù)限制，本研究假定個體在12歲到高中畢業(yè)（18歲/19歲）之間的居住地未發(fā)生改變，并使用個體在12歲時的居住地作為其高中畢業(yè)考大學時的居住地進行工具變量回歸分析。在存在“高考移民”的情況下，樣本的正向自選擇（Positive selection）將導致個體教育收益率被高估。為了檢驗表3中估計結果的穩(wěn)健性，本部分我們刪除部分樣本，只保留那些在12歲時的戶籍所在地和現(xiàn)在的戶籍所在地相同的樣本。這樣做并不能完全解決個體的內生遷移問題，因為個體可能在參加高考前改變自己的戶籍，然后在高考結束或大學畢業(yè)后再次將戶籍遷回高中畢業(yè)時的戶籍所在地。但是考慮到我國嚴格的戶口遷移政策，本文認為發(fā)生這種情況的可能性較低。表4穩(wěn)健性檢驗結果顯示個體的教育收益率為13.5%，比表3中使用全樣本估計的收益率結果略高，但差異不大，這說明本研究結果具有一定的穩(wěn)健性。

3.不同群體和地區(qū)教育收益率的估計結果

由于教育對于不同人群收入的影響是不同的，因而不同人群的教育收益率存在一定差異。解決教育收益率異質性問題的最簡單辦法是根據(jù)研究問題的需要，把樣本劃分為各個子樣本，然后分別估計各個子樣本的教育收益率。除此之外，也可以建立樣本組別虛擬變量，并將該虛擬變量與個體的受教育程度進行交互從而實現(xiàn)對不同群體教育收益率的估計?？紤]到分樣本回歸可以針對不同組別靈活建立研究模型，且分樣本估計可以減少模型中工具變量的數(shù)量，提高估計的效率[28]，本研究選擇使用第一種做法。表5顯示的是不同性別、城鄉(xiāng)劃分及東中部地區(qū)的教育收益率?？梢钥闯?，女性的教育收益率為14.0%，男性教育收益率為9.1%；城市地區(qū)的教育收益率為14.2%，農村地區(qū)的收益率為10.3%，東部地區(qū)的教育收益率高達20.8%，中部地區(qū)和西部地區(qū)的教育收益率分別為14.2%和8.4%。

五、結論與討論

本文基于2010年中國家庭追蹤調查數(shù)據(jù)（CFPS），利用我國1999年實施的高等教育擴招政策造成的個體高等教育入學機會在時間和地區(qū)兩個層面的雙重變異量作為個體受教育水平的工具變量，估計了我國居民的個體教育收益率。研究發(fā)現(xiàn)高等教育擴張期間，全國生均高等教育入學機會每增加1個名額，我國居民的平均受教育年限延長1.856年。由于擴招期間全國生均高等教育入學機會實際增加了0.61個名額，因而高等教育擴招政策將我國居民的平均受教育年限延長了1.132年。然而在擴招期間，我國各個省份的高等教育入學機會差異較大：東部地區(qū)（如北京、天津、上海）獲得了更多的生均高等教育機會，而西部地區(qū)（如青海、寧夏、新疆、內蒙、甘肅、貴州、陜西）的生均高等教育機會在擴招期間的增量很少，中部地區(qū)的河南省生均高等教育機會增量也較少。由于大部分高等教育入學是在本省內部消化，因而省際高等教育擴招規(guī)模的差異是由地區(qū)社會經濟發(fā)展水平和財政投入水平差異帶來的。[29]加之高等教育“分省定額”的招生錄取制度規(guī)定，個體能夠獲得的高等教育機會在很大程度上超出了學生及其家庭的控制范圍。本研究正是利用了宏觀政策制度對個體高等教育入學機會的外生沖擊實現(xiàn)了對教育收益率的估計。本研究得出的教育收益率的OLS估計值為6.1%，在使用工具變量方法糾正遺漏變量問題造成的估計偏差后，發(fā)現(xiàn)個體教育收益率的IV估計值為12.6%，是OLS估計值的兩倍左右。通過分樣本對教育收益率的異質性考察發(fā)現(xiàn)，女性的教育收益率為14%，男性的教育收益率為9.1%；城市地區(qū)的個體教育收益率為14.2%，農村地區(qū)的個體教育收益率為10.3%；東部地區(qū)的個體教育收益率高達20.8%，遠高于中部地區(qū)的14.2%和西部地區(qū)的8.4%。

教育與個體收入之間的關系一直是教育經濟學和勞動經濟學學科的核心議題。過去近三十年，研究者們基于對相關理論和研究方法的積極探索，進行了大量的實證研究，獲得了各個時期我國勞動力市場中的教育收益率水平信息。隨著中國城鎮(zhèn)化進程的不斷深入，未來我國的勞動力市場將經歷新一輪的轉型，教育收益率也將呈現(xiàn)新的動態(tài)發(fā)展與變化。因此在未來的實證研究領域，教育收益率研究仍是對于我國勞動力市場十分重要的研究主題。本研究使用新的數(shù)據(jù)和研究策略估計我國居民的個體教育收益率，將為新時期我國的教育收益率研究提供新的實證證據(jù)，為個體合理地進行教育投資規(guī)劃，政府提高市場經濟運行效率提供參考。

注釋：

①其中所在地區(qū)和城鄉(xiāng)類型均按照國家統(tǒng)計局標準進行劃分；所屬行業(yè)按照國民經濟行業(yè)分類標準進行劃分，并以農林牧漁業(yè)作為參照組。

②在1999年之前高中畢業(yè)的個體，由于未受到擴招政策影響，因而擴招規(guī)模變量supplyij的取值為0。

③由于篇幅原因，本文只呈現(xiàn)各個省份從1999年到2013年的“擴招規(guī)模”變量supplyij的年份均值，并未呈現(xiàn)各個省份 “擴招規(guī)模”變量的年度值，感興趣的讀者可來信向作者索取。

參考文獻：

[1]Knight，J.，Song，L.The determinants of urban income inequality in china[J].Oxford Bulletin of Economics and Statistics，1991，53（2）：123–154.

[2]李實，李文彬.中國教育投資個人收益率的估算[M].北京：中國社會科學出版社， 1994：97-98.

[3]Zhang，J.，Zhao，Y.，Park，A.， Song，X.Economic returns to schooling in urban china，1988 to 2001[J].Journal of Comparative Economics，2005，33（4）：730-752.

[4]李實，丁賽.中國城鎮(zhèn)教育收益率的長期變動趨勢[J].中國社會科學，2003（6）： 58-72.

[5]陳曉宇，陳良焜，夏晨.20世紀90年代中國城鎮(zhèn)教育收益率的變化與啟示[J].北京大學教育評論，2003，1（2）： 65-72.

[6]范靜波.2003-2008年間中國教育收益變動趨勢研究[J].統(tǒng)計與信息論壇，2011，26（8）： 47-52.

[7]丁小浩，于洪霞，余秋梅.中國城鎮(zhèn)居民各級教育收益率及其變化研究：2002～2009年[J].北京大學教育評論，2012，10（3）： 73-84.

[8]Mincer，J.Schooling，experience，and earnings[M].New York： Columbia University Press，1974： 218-223.

[9]Card，D.The causal effect of education on earnings.In Ashenfeilter，O.，Card，D.（Eds.） ，Handbook of Labor Economics[M].New York： North Holland，1999：238-239.

[10]Ashenfelter，O.， Rouse，C.Income， schooling and ability： evidence from a new sample of identical twins[J].Quarterly Journal of Economics，1997，113（1）： 253-284.

[11]Li，Hongbin， P.W.Liu， J.Zhang.Estimating returns to education using twins in urban China[J].Journal of Development Economics，2012， 97（2）： 494-504.

[12]Angrist，J.D.，& Krueger，A.B.The effect of age at school entry on educational attainment： an application of instrumental variables with moments from two samples[J].Journal of the American statistical Association，1992，87（418）： 328-336.

[13]Card， D.Using geographic variation in college proximity to estimate the return to schooling.NberWorking Papers， 1993： 1127-1160.

[14]Ichino，A.，Winter-Ebmer，R.The long-run educational cost of World War II[J].Journal of Labor Economics，2004，22（1）： 57-87.

[15]Meng，X.，& Zhao，G.The intergenerational effect of the ChineseCultural Revolution on education.The Australian National University Working Paper， 2013.

[16]Duflo， E.Schooling and labor market consequences of school construction in Indonesia： evidence from an unusual policy experiment[J].American Economic Review，2001， 91（4）： 795-813.

[17]Devereux，P.J.，Hart，R.A.Forced to be rich？ Returns to compulsory schooling in Britain[J].The Economic Journal， 2010，120（549）：1345-1364.

[18]Oreopoulos，P.Estimating average and local average treatment effects of education when compulsory schooling laws really matter[J].The American Economic Review， 2006， 96（1）： 152-175.

[19]Fang，H.，Eggleston，K.N.， Rizzo， J.A.，Rozelle，S.，Zeckhauser， R.J.The returns to education in China： Evidence from the 1986 compulsory education law.Nber Working Papers， 2012.

[20][27]劉生龍，周紹杰，胡鞍鋼.義務教育法與中國城鎮(zhèn)教育回報率：基于斷點回歸設計[J].經濟研究， 2016（2）： 154-167.

[21]Devereux， P.J.，F(xiàn)an， W.Earnings returns to the British education expansion[J].Economics of Education Review，2011， 30（6）：1153–1166.

[22]Walker，I.， Zhu，Y.The college wage premium and the expansion of higher education in the UK[J].The Scandinavian Journal of Economics，2008， 110（4）： 695–709.

[23]Chen， G.， Hamori，S.Economic returns to schooling in urban China： OLS and the instrumental variables approach[J].China Economic Review，2009， 20（2）：143-152.

[24]黃斌，鐘曉琳.中國農村地區(qū)教育與個人收入——基于三省六縣入戶調查數(shù)據(jù)的實證研究[J].教育研究， 2012（3）： 18-26.

[25]孫志軍.基于雙胞胎數(shù)據(jù)的教育收益率估計[J].經濟學季刊，2014，13（3）： 1001-1020.

[26]張青根，沈紅.“一紙文憑”究竟價值幾許？基于中國家庭追蹤調查數(shù)據(jù)的實證分析[J].教育發(fā)展研究，2016（3）： 26-35.

[28]劉澤云.上大學是有價值的投資嗎——中國高等教育回報率的長期變動（1988-2007）[J].北京大學教育評論，2015（4）： 65-81.

[29]路曉峰，鄧峰，郭建如.高等教育擴招對入學機會均等化的影響[J].北京大學教育評論，2016，14（3）：131-143.

（責任編輯劉第紅）