方超　黃斌

摘要：高校擴(kuò)招政策的經(jīng)濟(jì)社會(huì)價(jià)值是大學(xué)教育質(zhì)量的“風(fēng)向標(biāo)”，也是學(xué)術(shù)界關(guān)注的焦點(diǎn)。利用中國(guó)家庭收入調(diào)查數(shù)據(jù)，采用普通最小二乘法與工具變量法、傾向得分匹配法與處理效應(yīng)模型、無(wú)條件分位數(shù)回歸及其分解的方法，研究城鎮(zhèn)勞動(dòng)力的大學(xué)教育回報(bào)率及工資差異，從勞動(dòng)力市場(chǎng)的視角審視高校擴(kuò)招政策的對(duì)大學(xué)教育質(zhì)量的影響，研究發(fā)現(xiàn)：（1）高校擴(kuò)招政策具有較強(qiáng)的個(gè)體增收效應(yīng)，但基準(zhǔn)估計(jì)因遺漏變量等內(nèi)生性問(wèn)題低估了城鎮(zhèn)勞動(dòng)力的大學(xué)教育回報(bào)率;（2）個(gè)體大學(xué)教育決策具有異質(zhì)性，利用傾向得分匹配法與處理效應(yīng)模型進(jìn)行糾偏后，發(fā)現(xiàn)大學(xué)教育回報(bào)率在101%～116%以及128%～129%之間;（3）大學(xué)教育對(duì)于收入分布的無(wú)條件影響類似于V型曲線，在工資差異中表現(xiàn)出“黏地板效應(yīng)”，高校擴(kuò)招政策引致的工資差異則表現(xiàn)為“天花板效應(yīng)”。

關(guān)鍵詞：高校擴(kuò)招;教育回報(bào)率;工資差異;黏地板效應(yīng);天花板效應(yīng)

一、引言

高校擴(kuò)招政策是我國(guó)現(xiàn)行爭(zhēng)議最大的教育制度之一（方超、黃斌，2020）。教育部在1998年底頒布了《面向21世紀(jì)教育振興行動(dòng)計(jì)劃》，提出“積極穩(wěn)步發(fā)展高等教育，高等教育入學(xué)率達(dá)到11%”（教育部，1998），自此拉開(kāi)了高校擴(kuò)招政策的序幕參見(jiàn)http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/s6986/200407/2487.html。。我國(guó)高等教育歷經(jīng)20余年的外向型發(fā)展后，毛入學(xué)率業(yè)已達(dá)到了481%（教育部，2019），即將步入普及化的高等教育發(fā)展階段參見(jiàn)http：//www.moe.gov.cn/jyb_sjzl/sjzl_fztjgb/201907/t20190724_392041.html。。與此同時(shí)，如果在教育與勞動(dòng)力市場(chǎng)之間建立供給-需求關(guān)系，高等教育毛入學(xué)率的上升意味著教育領(lǐng)域向勞動(dòng)力市場(chǎng)供給了一批具有大學(xué)教育程度的技能勞動(dòng)力。據(jù)《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》提供的數(shù)據(jù)顯示，全國(guó)具有大學(xué)及以上教育程度的技能勞動(dòng)力的占比由1999年的38%，上升到了2017年的194%，其中，研究生及以上教育程度的高技能勞動(dòng)力占比達(dá)到了08%1999年的統(tǒng)計(jì)口徑為大專及以上;2018年的統(tǒng)計(jì)口徑為高等職業(yè)教育、大學(xué)專科、大學(xué)本科、研究生。。

在高等教育毛入學(xué)率與技能勞動(dòng)力供給持續(xù)上升的背景下，科學(xué)評(píng)估高校擴(kuò)招政策對(duì)于城鎮(zhèn)勞動(dòng)力收入水平以及工資差異的影響具有較強(qiáng)的現(xiàn)實(shí)價(jià)值。對(duì)學(xué)術(shù)研究而言，基于事后觀測(cè)數(shù)據(jù)的回朔性評(píng)估有助于拓展相關(guān)選題的學(xué)術(shù)增量;對(duì)政策實(shí)踐而言，由于高校擴(kuò)招政策的社會(huì)經(jīng)濟(jì)價(jià)值是大學(xué)教育質(zhì)量的“風(fēng)向標(biāo)”，因而高校擴(kuò)招對(duì)教育收益率及工資差異的影響，能夠幫助教育決策部門(mén)從勞動(dòng)力市場(chǎng)的視角審視大學(xué)教育質(zhì)量的變化，從而為新時(shí)代的高等教育政策調(diào)整提供經(jīng)驗(yàn)證據(jù)。鑒于此，本文利用高校擴(kuò)招政策提供的自然實(shí)驗(yàn)，以城鎮(zhèn)勞動(dòng)力為研究對(duì)象，利用傾向得分匹配法與處理效應(yīng)模型糾正由可觀測(cè)和不可觀測(cè)異質(zhì)性引起的內(nèi)生偏估，利用無(wú)條件分位數(shù)回歸捕捉高校擴(kuò)招政策的異質(zhì)性收益特征，并采用FFL分解揭示擴(kuò)招政策對(duì)城鎮(zhèn)勞動(dòng)力工資差異的影響。

全文結(jié)構(gòu)安排如下：第一部分通過(guò)引言提出研究問(wèn)題;第二部分系統(tǒng)梳理有關(guān)教育回報(bào)率、高校擴(kuò)招政策以及工資差異的研究進(jìn)展;第三部分闡述基準(zhǔn)模型與研究方法;第四部分介紹數(shù)據(jù)、變量及統(tǒng)計(jì)描述;第五部分報(bào)告基準(zhǔn)回歸、處理效應(yīng)模型、傾向得分匹配法、無(wú)條件分位數(shù)回歸及其分解的估計(jì)結(jié)果;第六部分為全文總結(jié)。

二、文獻(xiàn)綜述

自雅各布·明瑟提出工資決定方程后，明瑟收益率（Mincerian rate of return）便被學(xué)者廣泛用來(lái)測(cè)量學(xué)歷教育的經(jīng)濟(jì)社會(huì)價(jià)值。明瑟收益率又被稱為教育回報(bào)率或教育收益率（The Return to Education），指的是勞動(dòng)者接受一年學(xué)歷教育能夠提高收入的百分比。迄今為止，勞動(dòng)經(jīng)濟(jì)學(xué)、教育經(jīng)濟(jì)學(xué)有關(guān)教育回報(bào)率的文獻(xiàn)可謂不勝枚舉，孫志軍（2004）、鄧峰（2013）以及周金燕（2015）分別從政策解讀與研究方法等不同視角對(duì)教育回報(bào)率的研究進(jìn)展做了較為全面的研究綜述。本文僅根據(jù)研究需要梳理高校擴(kuò)招、教育回報(bào)率以及城鎮(zhèn)勞動(dòng)力工資差異的相關(guān)研究。

（一）高校擴(kuò)招與教育收益率

從高校擴(kuò)招政策看，大學(xué)教育回報(bào)率由于受到資本-技能互補(bǔ)（Capital-skill Complementary）和技能偏態(tài)型技術(shù)進(jìn)步（Skill-biased Technology Change）的影響存在著上升或下降兩種不確定性。部分研究認(rèn)為，勞動(dòng)市場(chǎng)需求應(yīng)對(duì)高等教育供給具有一定的時(shí)滯性，高校擴(kuò)招對(duì)勞動(dòng)力市場(chǎng)的影響表現(xiàn)為漸進(jìn)增強(qiáng)的過(guò)程（Gao et al.，2015;Kuo et al.，2016），技能勞動(dòng)力的供給擴(kuò)張?jiān)诙唐趦?nèi)不會(huì)降低大學(xué)教育回報(bào)率（馬汴京、蔡海靜、姚先國(guó)，2016;余華義、侯玉娟，2019），但可能拉開(kāi)不同群體的收入差距（初帥、孟凡強(qiáng)，2017;常進(jìn)雄、阮天成、常大偉，2018）。同時(shí)，也有部分研究指出，高校擴(kuò)招與技能勞動(dòng)力的供給上升造成了特定年齡段大學(xué)教育回報(bào)率下降的現(xiàn)象（Croix et al.，2007;馬光榮、紀(jì)洋，徐建煒，2017）。

（二）高校擴(kuò)招與工資差異

有關(guān)工資差異的研究往往以“歧視”為切入點(diǎn)，從勞動(dòng)力市場(chǎng)分割、職業(yè)隔離、性別、年齡以及教育程度出發(fā)（孟凡強(qiáng)、熊家財(cái)，2015;周春芳、蘇群，2018;孟凡強(qiáng)、向曉梅，2019;鐘若愚、屈沙，2019），采用均值分解或分布分解的研究方法（楊錦英、馬良、方崢、何翠香，2016;蘇群、馮波、吳奇峰，2017;章莉、蔡文鑫，2017;周春芳、蘇群，2018），檢驗(yàn)城鎮(zhèn)、城鄉(xiāng)勞動(dòng)力市場(chǎng)上的工資差異，發(fā)現(xiàn)構(gòu)成效應(yīng)（Composition Effect）與結(jié)構(gòu)效應(yīng)（Structure Effect）共同造成了農(nóng)民工與城鎮(zhèn)勞動(dòng)力在二元經(jīng)濟(jì)結(jié)構(gòu)下的“同工不同酬”。

（三）研究述評(píng)

總的來(lái)看，教育經(jīng)濟(jì)學(xué)、勞動(dòng)經(jīng)濟(jì)學(xué)界圍繞高校擴(kuò)招、教育回報(bào)率以及城鎮(zhèn)勞動(dòng)力的工資差異業(yè)已開(kāi)展了豐富有益的學(xué)術(shù)研究，并為深化教育事業(yè)改革、完善勞動(dòng)力市場(chǎng)制度建設(shè)提供了寶貴的政策建議，但既有文獻(xiàn)仍可從以下三方面進(jìn)行深度拓展：第一，有關(guān)高校擴(kuò)招、教育回報(bào)率以及工資差異三者關(guān)系的研究相對(duì)割裂，對(duì)于高校擴(kuò)招政策影響城鎮(zhèn)勞動(dòng)力教育回報(bào)率及工資差異的關(guān)注稍顯不足;第二，有關(guān)因果性教育回報(bào)率的估計(jì)往往受到內(nèi)生性的掣肘，而內(nèi)生性問(wèn)題又可以分為由可觀測(cè)異質(zhì)性和不可觀測(cè)異質(zhì)性引致的估計(jì)偏誤（劉澤云，2009），但既有研究在解決內(nèi)生性問(wèn)題時(shí)，或倚重解決可觀測(cè)異質(zhì)性，或倚重解決不可觀測(cè)異質(zhì)性;第三，有關(guān)工資差異的分解缺乏對(duì)高校擴(kuò)招政策的關(guān)注，尤其在分布分解時(shí)缺乏采用無(wú)條件分位數(shù)回歸及其分解的研究方法。

本文的邊際貢獻(xiàn)值有以下三點(diǎn)：第一，基于高校擴(kuò)招政策提供的自然實(shí)驗(yàn)開(kāi)展研究設(shè)計(jì)，將高校擴(kuò)招、教育回報(bào)率與城鎮(zhèn)勞動(dòng)力的工資差異有機(jī)聯(lián)系起來(lái)，并以此作為診斷性指標(biāo)，衡量大學(xué)教育質(zhì)量的變化;第二，綜合采用工具變量法、傾向得分匹配法以及處理效應(yīng)模型，糾正由可觀測(cè)異質(zhì)性和不可觀測(cè)異質(zhì)性引致的內(nèi)生問(wèn)題，通過(guò)因果性教育收益率的估計(jì)，旨在實(shí)現(xiàn)教育與收入的因果關(guān)系推斷;第三，關(guān)注高校擴(kuò)招政策引致的工資差異，采用無(wú)條件分位數(shù)回歸捕捉高校擴(kuò)招政策的異質(zhì)性收益特征，分解高校擴(kuò)招政策對(duì)工資差異的影響。

三、研究設(shè)計(jì)

（一）基準(zhǔn)模型

基準(zhǔn)模型采用Mincer（1974）提供的工資決定方程：

在式（1）中，wagei表示個(gè)體i的對(duì)數(shù)工資;Educi表示i接受學(xué)校教育的年限，β1為明瑟收益率，表示接受一年學(xué)校教育能夠提高收入的百分比;Zi表示除學(xué)校教育因素以外其他影響城鎮(zhèn)勞動(dòng)力工資收入的向量，包括工作經(jīng)驗(yàn)及其二次項(xiàng)、個(gè)體特征以及行業(yè)特征等;μi為零均值期望的隨機(jī)誤差項(xiàng)。

（二）研究方法

由于教育選擇具有異質(zhì)性，即使高校擴(kuò)招政策在一定程度上放寬了大學(xué)教育的配額限制，使得某些原本達(dá)不到大學(xué)門(mén)檻的個(gè)體獲得了大學(xué)教育機(jī)會(huì)，但那些具有比較優(yōu)勢(shì)、先天高能力者以及能夠獲得更高預(yù)期收益的個(gè)體更有可能接受大學(xué)教育（方超、黃斌，2019）。此時(shí)，受到可觀測(cè)異質(zhì)性與不可觀測(cè)異質(zhì)性的影響，利用普通最小二乘法將偏估城鎮(zhèn)勞動(dòng)力的大學(xué)教育回報(bào)率。鑒于此，本文將在基準(zhǔn)估計(jì)之后，采用傾向得分匹配與處理效應(yīng)模型，分別糾正由可觀測(cè)和不可觀測(cè)異質(zhì)性引致的估計(jì)偏誤。

1.傾向得分匹配法

就可觀測(cè)異質(zhì)性而言，選擇性偏差（Selection Bias）主要體現(xiàn)在兩個(gè)方面：第一，由可觀測(cè)特征導(dǎo)致的自選擇問(wèn)題（Self Selection）;第二，由處理組（Treated）與控制組（Control）的原始條件差異導(dǎo)致的反事實(shí)問(wèn)題（Counterfactual）。針對(duì)兩類問(wèn)題，本文采用Rosenbaum & Rubin（1985）提供的傾向得分匹配法（Propensity Score Matching，PSM）予以解決。PSM在技術(shù)處理上分三步進(jìn)行：第一，通過(guò)匹配再抽樣的方式得到處理組與控制組的配對(duì)樣本，選擇協(xié)變量并進(jìn)行平衡性檢驗(yàn);第二，估計(jì)傾向分值;第三，利用配對(duì)后的樣本估計(jì)平均處理效應(yīng)。

在式（2）（3）（4）中，lnwage1i表示高校擴(kuò)招樣本中接受大學(xué)教育者的對(duì)數(shù)工資;lnwage0i則表示未接受大學(xué)教育者的對(duì)數(shù)工資;X是由可觀測(cè)特征構(gòu)成的向量;ATT、ATU、ATE分別表示接受大學(xué)教育后的平均處理效應(yīng)、未接受大學(xué)教育的平均處理效應(yīng)以及平均處理效應(yīng)。

2.處理效應(yīng)模型

如前所述，大學(xué)教育決策除了受到可觀測(cè)特征的影響以外，還會(huì)受到預(yù)期收益等不可觀測(cè)因素的影響。鑒于傾向得分匹配無(wú)法糾正由不可觀測(cè)異質(zhì)性引致的估計(jì)偏誤，本文將在PSM估計(jì)之后，進(jìn)一步采用處理效應(yīng)模型（Treatment Effect Model，TEM）糾正由不可觀測(cè)異質(zhì)性造成的估計(jì)偏誤。TEM在技術(shù)處理上分兩步進(jìn)行，首先需要建立個(gè)體大學(xué)教育決策的選擇方程：

在式（7）中，特征向量δi可以和選擇方程中的Xi部分重合，但至少有一個(gè)識(shí)別變量X1i不在δi中，從而保證結(jié)果方程的可識(shí)別性。假定Cov（X1i，μi）=0，識(shí)別變量X1i進(jìn)入第一階段選擇方程，影響個(gè)體大學(xué)教育決策，但不進(jìn)入第二階段結(jié)果方程干預(yù)個(gè)體收入水平。因此，識(shí)別變量在客觀上充當(dāng)了工具變量的作用（鄧睿，2019）。ρμε為選擇方程隨機(jī)誤差項(xiàng)μi和結(jié)果方程隨機(jī)誤差項(xiàng)εi的相關(guān)系數(shù)，當(dāng)ρμε≠0且統(tǒng)計(jì)顯著時(shí)，表明方程受到不可觀測(cè)異質(zhì)性的擾動(dòng)，需要利用TEM進(jìn)行糾正。

3無(wú)條件分位數(shù)回歸

PSM和TEM僅能基于均值效應(yīng)評(píng)價(jià)高校擴(kuò)招政策的個(gè)體增收效果，但政策制定者更關(guān)心的是高校擴(kuò)招政策的異質(zhì)型收益特征，通過(guò)分析大學(xué)教育對(duì)不同群體的異質(zhì)性增收效應(yīng)，決策者能夠從收入均等化的視角科學(xué)評(píng)價(jià)高校擴(kuò)招政策的經(jīng)濟(jì)社會(huì)價(jià)值，從而為深化教育事業(yè)改革提供證據(jù)支撐。因此，數(shù)量相當(dāng)?shù)膶W(xué)術(shù)研究采用了Koenker &Bassett（1978）提供的條件期望分位數(shù)回歸捕捉高校擴(kuò)招或大學(xué)教育的異質(zhì)型收益特征，但該方法僅能刻畫(huà)自變量影響因變量變化的有條件影響，無(wú)法為自變量無(wú)條件影響因變量的變化提供合理的解釋。鑒于此，本文將采用Firpo et al.（2009）提供的無(wú)條件分位數(shù)回歸（Unconditional Quantile Regression），捕捉高校擴(kuò)招政策對(duì)于城鎮(zhèn)勞動(dòng)力工資收入的無(wú)條件影響：

在式（8）中，β表示高校擴(kuò)招政策Di的邊際變化對(duì)Qτ分位點(diǎn)上工資收入的邊際影響，利用式（8）即可得到高校擴(kuò)招政策對(duì)于收入分布的無(wú)條件影響。

4.無(wú)條件分位數(shù)分解

勞動(dòng)經(jīng)濟(jì)學(xué)有關(guān)工資差異的研究始于Oaxaca-Blinder（1973）提出的均值分解，分解方法也從均值分解逐步擴(kuò)展到了分布分解，郭繼強(qiáng)、姜儷、陸利麗（2011）曾對(duì)不同分解方法進(jìn)行了全面的文獻(xiàn)梳理。根據(jù)異質(zhì)性的研究需要，本文基于再集中相應(yīng)函數(shù)（Recentered Influence Function，RIF），采用FFL分解城鎮(zhèn)勞動(dòng)力的工資差異。在技術(shù)處理方面，我們利用Firpo et al.（2007）與Fortin et al.（2011）提供的權(quán)重重置法（Reweighting Function），構(gòu)建工資分布的反事實(shí)框架，將工資差異分解為能夠被可觀測(cè)特征所解釋的構(gòu)成效應(yīng)（Composition Effect）以及不能被可觀測(cè)特征所解釋的歧視，即結(jié)構(gòu)效應(yīng)（Structure Effect），通過(guò)RIF進(jìn)行回歸分解：

四、數(shù)據(jù)與變量

（一）數(shù)據(jù)

實(shí)證研究采用北京師范大學(xué)收入分配研究院與國(guó)家統(tǒng)計(jì)局聯(lián)合開(kāi)展的中國(guó)家庭收入調(diào)查數(shù)據(jù)（China Household Income Project，CHIP）。中國(guó)家庭收入調(diào)查在1989年、1996年、2003年、2008年以及2014年開(kāi)展了五輪入戶調(diào)查，數(shù)據(jù)涵蓋城、鄉(xiāng)以及鄉(xiāng)-城轉(zhuǎn)移人口的基本特征、就業(yè)收入及社會(huì)保障等方面的信息，滿足本文的研究需要。同時(shí)，中國(guó)家庭收入調(diào)查數(shù)據(jù)已成為研究我國(guó)勞動(dòng)者收入水平的重要研究數(shù)據(jù)之一。

本文采用中國(guó)住戶收入項(xiàng)目在2014年開(kāi)展的入戶收入調(diào)查（CHIP2014城鎮(zhèn)住戶調(diào)查）。CHIP2014城鎮(zhèn)住戶調(diào)查問(wèn)卷在第一部分與第二部分搜集了住戶成員的個(gè)人情況及2013年的就業(yè)情況，基本涵蓋本文研究設(shè)計(jì)所需的各項(xiàng)信息。在剔除缺失值、農(nóng)業(yè)戶籍（含其他）、未就業(yè)的個(gè)體以后，最終樣本包含3897個(gè)觀測(cè)值。

（二）變量

1.因變量。根據(jù)工資決定方程的設(shè)置，城鎮(zhèn)勞動(dòng)力的工資水平是本文的因變量，我們選擇調(diào)查問(wèn)卷中城鎮(zhèn)勞動(dòng)力2013年的收入總額（工資性或經(jīng)營(yíng)性）作為統(tǒng)計(jì)指標(biāo)，并將其做對(duì)數(shù)處理。

2.工具變量、識(shí)別變量?；诟咝U(kuò)招政策提供的自然實(shí)驗(yàn)，我們將《面向21世紀(jì)教育振興行動(dòng)計(jì)劃》定義為高校擴(kuò)招的政策起點(diǎn)，該政策于1998年12月啟動(dòng)，理論上對(duì)1999年的大學(xué)招生構(gòu)成影響。但考慮到政策效果可能出現(xiàn)的時(shí)滯，我們將政策生效的時(shí)間放寬到2000年。根據(jù)政策生效時(shí)間，本文進(jìn)一步將1983年9月定義為政策干預(yù)的截?cái)帱c(diǎn)（Cutoff），將截?cái)帱c(diǎn)前后10年（19729～19929）、年齡在22～42周歲的個(gè)體定義為高校擴(kuò)招政策樣本，在變量處理時(shí)將精確到月份的個(gè)體出生日期與政策干預(yù)月份相減，將取值小于等于0的個(gè)體賦值為1并定義為政策干預(yù)組，將取值大于0的個(gè)體賦值為0并定義為未受政策干預(yù)組，通過(guò)對(duì)政策干預(yù)變量的二元設(shè)置完成了工具變量和識(shí)別變量的技術(shù)處理。

3.處理變量。在PSM中需要設(shè)定處理變量方能估計(jì)大學(xué)教育回報(bào)率的平均處理效應(yīng)，本文將教育年限在12年及以上的個(gè)體定義為處理組（D1i），表示接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力;將教育年限在12年以下的個(gè)體定義為控制組（D0i），表示未接受大學(xué)教育的控制組。

4.協(xié)變量。參與估計(jì)的協(xié)變量包括工作經(jīng)驗(yàn)及其平方項(xiàng)、性別、民族、婚姻、家庭規(guī)模、政治面貌、健康狀況與行業(yè)性質(zhì)。

（三）統(tǒng)計(jì)描述

表1匯報(bào)了所涉變量的基本統(tǒng)計(jì)信息。處理組為受到政策干預(yù)的城鎮(zhèn)勞動(dòng)力，觀測(cè)值為1360個(gè)，控制組為未受到政策干預(yù)的城鎮(zhèn)勞動(dòng)力，觀測(cè)值為2537個(gè)。從核心變量上看，控制組的對(duì)數(shù)工資和工作經(jīng)驗(yàn)分別為10434和188年，高于處理組的10224和77年，處理組的教育年限達(dá)到了135年，相對(duì)于控制組的127年高出了08年。

五、實(shí)證研究

本章將依次估計(jì)教育收益率的均值效應(yīng)、異質(zhì)型收益特征并在此基礎(chǔ)上分解由高校擴(kuò)招政策引致的工資差異。第一節(jié)將在未匹配樣本的基礎(chǔ)上，采用普通最小二乘法與工具變量法進(jìn)行基準(zhǔn)估計(jì);第二節(jié)將匹配原始樣本，確定參與估計(jì)的協(xié)變量及其形式，檢驗(yàn)樣本的平衡性，采用PSM估計(jì)大學(xué)教育的平均處理效應(yīng);第三節(jié)將采用TEM糾正不可觀測(cè)異質(zhì)性造成的估計(jì)偏誤;第四節(jié)將采用無(wú)條件分位數(shù)回歸檢驗(yàn)大學(xué)教育對(duì)整體收入分布的無(wú)條件影響;第五節(jié)將采用FFL分解擴(kuò)招政策引致的工資差異。

（一）基準(zhǔn)估計(jì)與解釋

表2匯報(bào)了普通最小二乘法（OLS）與工具變量法（IV）的基準(zhǔn)估計(jì)結(jié)果，方程（1）與方程（2）為利用OLS對(duì)城鎮(zhèn)勞動(dòng)力教育回報(bào)率與大學(xué)教育回報(bào)率的估計(jì)，方程（3）與方程（4）則為利用兩階段（2SLS）估計(jì)的教育回報(bào)率與大學(xué)教育回報(bào)率因篇幅有限，本文僅給出第二階段估計(jì)結(jié)果。。從OLS的估計(jì)結(jié)果上看，教育年限的估計(jì)值為0101（P<001），表明多接受一年學(xué)校教育能將城鎮(zhèn)勞動(dòng)力的收入水平提高101個(gè)百分點(diǎn);大學(xué)教育的估計(jì)值為0424（P<001），表明大學(xué)教育相對(duì)于其他教育層級(jí)能將城鎮(zhèn)勞動(dòng)力的收入水平提高424個(gè)百分點(diǎn)，假定大學(xué)教育的學(xué)制為4年，得到大學(xué)教育年回報(bào)率為106%。

工具變量估計(jì)方面，方程（3）與方程（4）中的第一階段F值分別為50774與65070，滿足第一階段F值高于10的“大拇指”法則，表明高校擴(kuò)招政策的外生性拒絕存在弱工具變量的可能本文僅采用高校擴(kuò)招政策作為工具變量，故文中報(bào)告未提供過(guò)度識(shí)別的檢驗(yàn)結(jié)果。。從估計(jì)結(jié)果看，城鎮(zhèn)勞動(dòng)力的教育回報(bào)率為10%，與OLS估計(jì)結(jié)果基本一致，但大學(xué)教育回報(bào)率卻達(dá)到了686%，年回報(bào)率為172%，相比OLS估計(jì)高出了66個(gè)百分點(diǎn)，表明內(nèi)生性問(wèn)題導(dǎo)致OLS低估了城鎮(zhèn)勞動(dòng)力的大學(xué)教育回報(bào)率，這與既有文獻(xiàn)的結(jié)果基本一致。

根據(jù)表2提供的回歸結(jié)果，對(duì)參與估計(jì)的協(xié)變量進(jìn)行簡(jiǎn)要匯報(bào)：工作經(jīng)驗(yàn)及平方項(xiàng)是工資決定方程中的人力資本變量，正負(fù)各異的估計(jì)結(jié)果顯示出經(jīng)驗(yàn)積累在個(gè)體生命周期內(nèi)對(duì)工資收入的影響表現(xiàn)為先上升再下降的倒U型過(guò)程，符合年齡-收益曲線（方超、黃斌，2017）;男性和漢族勞動(dòng)力教育回報(bào)率、大學(xué)教育回報(bào)率高于女性和少數(shù)民族;自評(píng)身體健康狀況良好有利于個(gè)體增收，但家庭兄弟姊妹數(shù)量抑制了個(gè)體收入水平的增長(zhǎng)，符合資源稀釋理論（Resources Dilution Model）和同胞競(jìng)爭(zhēng)效應(yīng)（Sibling Competition Effect）;婚姻狀況、政治面貌以及行業(yè)性質(zhì)對(duì)工資收入的影響不具有統(tǒng)計(jì)顯著性。

（二）傾向得分估計(jì)

1.平衡性檢驗(yàn)

基于傾向得分估計(jì)的處理步驟，本節(jié)借鑒Imbens（2015）提供的篩選辦法，確定參與估計(jì)的協(xié)變量及其形式在stata15中利用psestimate命令進(jìn)行估計(jì)，確定參與估計(jì)的協(xié)變量包括：經(jīng)驗(yàn)及其平方項(xiàng)、行業(yè)性質(zhì)、政治面貌、婚姻、性別、經(jīng)驗(yàn)平方項(xiàng)與經(jīng)驗(yàn)平方項(xiàng)的交叉項(xiàng)、性別與婚姻的交叉項(xiàng)、經(jīng)驗(yàn)平方與經(jīng)驗(yàn)的交叉項(xiàng)、婚姻與經(jīng)驗(yàn)平方的交叉項(xiàng)。，然后通過(guò)處理組與控制組的標(biāo)準(zhǔn)化偏差減少情況進(jìn)行平衡性檢驗(yàn)。同時(shí)，為了直觀反映匹配后的整體平衡性，我們利用卡尺匹配繪制了城鎮(zhèn)勞動(dòng)力工資收入的核密度函數(shù)圖。從圖1中可以看出，樣本匹配雖然折損了部分觀測(cè)值，但匹配后的樣本更為聚攏且大部分觀測(cè)值落入了共同取值區(qū)間內(nèi)，表明樣本整體的平衡性較好匹配樣本中的觀測(cè)值為3897個(gè)，處理組與控制組落入共同取值范圍內(nèi)的觀測(cè)值為3267個(gè)。。

圖1核密度函數(shù)圖

表3基于卡尺匹配檢驗(yàn)了參與估計(jì)協(xié)變量的平衡性，通過(guò)對(duì)比處理組與控制組的標(biāo)準(zhǔn)化偏差發(fā)現(xiàn)，所有協(xié)變量的標(biāo)準(zhǔn)化偏差在匹配后均有所下降，基本滿足偏差削減幅度小于10%的檢驗(yàn)要求。同時(shí)，t檢驗(yàn)的結(jié)果表明協(xié)變量在匹配后均不顯著，因而不能拒絕處理組與控制組之間不存在顯著差異的原假設(shè)，滿足平衡性檢驗(yàn)的要求。

2.大學(xué)教育的平均處理效應(yīng)

最近鄰匹配、近鄰匹配、卡尺匹配、非參數(shù)的核匹配以及馬氏匹配是學(xué)界利用PSM進(jìn)行反事實(shí)估計(jì)時(shí)常用的估計(jì)策略。為保證處理效應(yīng)的穩(wěn)健估計(jì)，本小節(jié)將綜合采用上述策略估計(jì)接受大學(xué)教育的平均處理效應(yīng)（ATT）、未接受大學(xué)教育的平均處理效應(yīng)（ATU）以及平均處理效應(yīng)（ATE）PSM在技術(shù)處理上應(yīng)該首先利用Logit模型估計(jì)個(gè)體大學(xué)教育決策，但鑒于此部分內(nèi)容與TEM的第一階段估計(jì)重合，為節(jié)省篇幅本文將在TEM第一階段的選擇方程中予以報(bào)告。

根據(jù)表4提供的估計(jì)結(jié)果可以發(fā)現(xiàn)，接受大學(xué)教育者、未接受大學(xué)教育者以及平均處理效應(yīng)在五種估計(jì)策略中基本一致，參數(shù)估計(jì)值均在1%水平上具有統(tǒng)計(jì)顯著性卡尺匹配的范圍是001;核匹配默認(rèn)了核函數(shù)及帶寬;馬氏匹配選擇了異方差穩(wěn)健標(biāo)準(zhǔn)誤的估計(jì)方法。。同時(shí)，為了進(jìn)一步識(shí)別偏差和選擇性偏差對(duì)大學(xué)教育處理效應(yīng)、平均處理效應(yīng)的擾動(dòng)，我們還在表4中納入了OLS的估計(jì)結(jié)果。通過(guò)比較OLS與ATE、ATT的參數(shù)估計(jì)值不難發(fā)現(xiàn)，OLS相對(duì)于真實(shí)處理效應(yīng)給出了向下估計(jì)，基準(zhǔn)估計(jì)由于并未涉及自選擇問(wèn)題而低估了大學(xué)教育的處理效應(yīng)OLS僅起到與PSM的比較作用，因而本文僅給出了大學(xué)教育的參數(shù)估計(jì)值。。

從參數(shù)估計(jì)值看，ATT在五種估計(jì)策略下分別為0452、0454、0462、0443以及0403，將參數(shù)估計(jì)值橫向整理后得到城鎮(zhèn)勞動(dòng)力大學(xué)教育回報(bào)率落入[0403，0462]的取值區(qū)間，進(jìn)而計(jì)算出大學(xué)教育年回報(bào)率在101%～116%之間，表明額外接受一年大學(xué)教育能將城鎮(zhèn)勞動(dòng)力的工資收入提高101到116個(gè)百分點(diǎn)，這一估計(jì)結(jié)果低于IV估計(jì)中的172%。進(jìn)一步分析ATT、ATU、ATE的參數(shù)估計(jì)發(fā)現(xiàn)ATU>ATE>ATT，表明未接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力如果做出大學(xué)教育決策并實(shí)際接受大學(xué)教育將能顯著提高工資收入。

（三）處理效應(yīng)估計(jì)

個(gè)體大學(xué)教育決策除了受到可觀測(cè)特征的影響以外，還會(huì)受到諸如預(yù)期收益、教育偏好等不可觀測(cè)因素的影響。鑒于此，本節(jié)將采用TEM糾正大學(xué)教育回報(bào)率中由不可觀測(cè)異質(zhì)性引致的估計(jì)偏誤，表5呈現(xiàn)了兩步法（Two-step）與極大似然法（MLE）估計(jì)結(jié)果。在TEM中，無(wú)論是兩步法還是極大似然估計(jì)，診斷性指標(biāo)hazard_lambada（λ）和athrho（ρ）均通過(guò)了10%水平的顯著性檢驗(yàn)，表明城鎮(zhèn)勞動(dòng)力的教育年限為內(nèi)生變量，模型存在由不可觀測(cè)異質(zhì)性造成的內(nèi)生性問(wèn)題。

從第一階段選擇方程的估計(jì)結(jié)果看，系數(shù)與平均邊際效應(yīng)dydx的方向與顯著性較為一致，表明方程具有較好的擬合性。但要指出的是，本文對(duì)于個(gè)體大學(xué)教育決策的考察以工資決定方程為基礎(chǔ)，所涉協(xié)變量為城鎮(zhèn)勞動(dòng)力工資收入的前定變量，不能完全體現(xiàn)個(gè)體大學(xué)教育決策的影響因素，因而參數(shù)估計(jì)結(jié)果僅能作為有限的參考。具體看來(lái)，高校擴(kuò)招政策作為T(mén)EM的識(shí)別變量，參數(shù)估計(jì)值與平均邊際效應(yīng)顯著為負(fù)，表明高校擴(kuò)招并未提高城鎮(zhèn)勞動(dòng)力的大學(xué)教育決策，造成這一現(xiàn)象的可能原因有二：一是工資決定方程未提供大學(xué)教育決策的前定變量，造成選擇方程不能準(zhǔn)確識(shí)別高校擴(kuò)招政策的外生沖擊;二是高校擴(kuò)招政策使得人們對(duì)大學(xué)教育預(yù)期收益的判斷發(fā)生了變化，認(rèn)為未來(lái)收益不足以“支付”當(dāng)期的決策成本，從而放棄接受大學(xué)教育。其他變量方面，男性大學(xué)教育參與率比女性高出23個(gè)百分點(diǎn)，漢族大學(xué)教育參與率高于少數(shù)民族，但估計(jì)結(jié)果不具有統(tǒng)計(jì)顯著性。

從第二階段結(jié)果方程的估計(jì)結(jié)果看，兩步法與最大似然法的估計(jì)結(jié)果基本一致，大學(xué)教育處理效應(yīng)在兩步法中為0515（P<001），在極大似然法中為0513（P<001），經(jīng)過(guò)整理后得到大學(xué)教育回報(bào)率的處理效應(yīng)在513%～515%之間，年回報(bào)率在128%～129%之間，這一估計(jì)結(jié)果高于OLS和PSM估計(jì)，但低于兩階段的IV估計(jì)。

（四）無(wú)條件分位數(shù)估計(jì)

表6報(bào)告了利用再集中響應(yīng)函數(shù)（RIF）估計(jì)的大學(xué)教育對(duì)于城鎮(zhèn)勞動(dòng)力工資收入的無(wú)條件影響。從參數(shù)估計(jì)結(jié)果上看，大學(xué)教育在經(jīng)典五分位點(diǎn)上，即低收入分位點(diǎn)（QR_10）、中低收入分位點(diǎn)（QR_25）、中位數(shù)（QR_50）、中高收入分位點(diǎn)（QR_75）以及高收入分位點(diǎn)（QR_90）上的參數(shù)估計(jì)值分別為0406、0346、0388、0495以及0512，各分位點(diǎn)上的估計(jì)值均通過(guò)了1%水平的顯著性檢驗(yàn)，表明接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力相較于未接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力，工資收入在各分位點(diǎn)上分別高出了406、346、388、495以及512個(gè)百分點(diǎn)。

基于大學(xué)教育在各收入分位點(diǎn)上的變化趨勢(shì)，能夠做出如下兩點(diǎn)推論：第一，在高校擴(kuò)招政策背景下，接受大學(xué)教育仍能顯著提升城鎮(zhèn)勞動(dòng)力的工資收入，大學(xué)教育的個(gè)體增收效應(yīng)在不同收入分位點(diǎn)上表現(xiàn)出鮮明的異質(zhì)型收益特征;第二，就異質(zhì)型收益特征而言，大學(xué)教育收益率并非隨著收入分位點(diǎn)的上升呈現(xiàn)出單調(diào)上升或下降的線性趨勢(shì)，而是表現(xiàn)出非線性的V型變化趨勢(shì)，中位數(shù)則是V型曲線向上偏折的拐點(diǎn)，而這說(shuō)明高校擴(kuò)招的“政策紅利”并未被高收入群體所“獨(dú)享”，原因在于中位數(shù)上的大學(xué)教育收益率高于高收入分位點(diǎn)，表明大學(xué)教育對(duì)于中等收入群體而非高收入群體具有最強(qiáng)的個(gè)體增收效應(yīng)，而這也可能成為我國(guó)利用教育擴(kuò)張擺脫“中等收入陷阱”的可能路徑之一。此外，需要指出的是，雖然大學(xué)教育對(duì)中等收入群體具有最強(qiáng)的個(gè)體增收效應(yīng)，但高收入群體的大學(xué)教育收益率卻高于低收入群體，這就有可能擴(kuò)大由人力資本因素引致的組內(nèi)工資收入差距。

最后，對(duì)協(xié)變量的參數(shù)估計(jì)值做簡(jiǎn)要匯報(bào)：工作經(jīng)驗(yàn)及其平方項(xiàng)的估計(jì)結(jié)果正負(fù)各異;男性工資收入雖然在各分位點(diǎn)上高于女性，但隨著收入分位點(diǎn)的上升，性別工資差異呈收斂態(tài)勢(shì);漢族勞動(dòng)力的工資收入高于少數(shù)民族，但在低收入分位點(diǎn)和高收入分位點(diǎn)上不具有統(tǒng)計(jì)顯著性;家庭規(guī)模在各收入分位點(diǎn)上均與工資收入呈負(fù)相關(guān);壟斷行業(yè)對(duì)低、中低分位點(diǎn)以及中位數(shù)具有正向增收效應(yīng)，但在中高和高收入分位點(diǎn)上則轉(zhuǎn)為負(fù)效應(yīng);黨員和民主黨派身份對(duì)于工資收入的影響不具有統(tǒng)計(jì)顯著性。

（五）工資差異分解

在第四節(jié)中，我們利用再集中響應(yīng)函數(shù)檢驗(yàn)了大學(xué)教育對(duì)于收入分布的無(wú)條件影響，同時(shí)捕捉了大學(xué)教育的異質(zhì)性增收特征，但卻無(wú)法回答大學(xué)教育、高校擴(kuò)招政策對(duì)城鎮(zhèn)勞動(dòng)力工資差異影響幾何的問(wèn)題。因此，本節(jié)將采用FFL分解由大學(xué)教育和高校擴(kuò)招政策引致的工資差異，以期從勞動(dòng)力市場(chǎng)的視角審視大學(xué)擴(kuò)招的經(jīng)濟(jì)社會(huì)價(jià)值。表7和表8報(bào)告了以大學(xué)教育和高校擴(kuò)招政策為二分變量的分解結(jié)果，包含Panel A、Panel B以及Panel C三部分內(nèi)容：Panel A匯報(bào)的是由大學(xué)教育或高校擴(kuò)招政策造成的總體工資差異（Overall Decomposition）;Panel B匯報(bào)由構(gòu)成效應(yīng)造成的工資差異（Explained）;Panel C匯報(bào)由結(jié)構(gòu)效應(yīng)造成的工資差異（Unexplained）。

從表7提供的各項(xiàng)分解結(jié)果看，未接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力在不同收入分位點(diǎn)上的對(duì)數(shù)工資

顯著低于接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力，工資差異由低收入分位點(diǎn)上的-0.411（P<001），下降到了高收入分位點(diǎn)上的-0.390（P<001）。低收入分位點(diǎn)上的工資差異高于高收入分位點(diǎn)，表明以大學(xué)教育為分解變量時(shí)，城鎮(zhèn)勞動(dòng)力的工資差異主要集中在低收入分位點(diǎn)上，因而具有鮮明的“黏地板效應(yīng)”。同時(shí)，結(jié)構(gòu)效應(yīng)與構(gòu)成效應(yīng)與總差異的變化基本一致，均隨著收入分位點(diǎn)的上升而下降，構(gòu)成效應(yīng)在工資差異中的占比高于結(jié)構(gòu)效應(yīng)，表明能夠被勞動(dòng)者可觀測(cè)特征所解釋的因素在工資差異中占據(jù)了主導(dǎo)地位，教育年限、工作經(jīng)驗(yàn)及其平方項(xiàng)構(gòu)成的人力資本變量則成為構(gòu)成效應(yīng)中重要的影響因素。

從表8提供的分解結(jié)果看，高校擴(kuò)招政策引致的工資差異與是否接受大學(xué)教育存在著一定的不同。

首先，根據(jù)Panel A提供總差異情況，高校擴(kuò)招政策引致的工資差異由低收入分位點(diǎn)上的0231（P<001），上升到了高收入分位點(diǎn)上的0268（P<001），高收入分位點(diǎn)上的工資差異高于低收入分位點(diǎn)，表明以高校擴(kuò)招政策為分解變量時(shí)，城鎮(zhèn)勞動(dòng)力的工資差異主要集中在高收入分位點(diǎn)上，因而具有鮮明的“黏地板效應(yīng)”。其次，構(gòu)成效應(yīng)與結(jié)構(gòu)效應(yīng)的變化趨勢(shì)與總差異的變化基本一致，均隨著收入分位點(diǎn)的上升而上升，但構(gòu)成效應(yīng)在工資差異中占據(jù)了主導(dǎo)地位，表明不可觀測(cè)特征而非可觀測(cè)特征主導(dǎo)了工資差異。再次，根據(jù)Panel B和Panel C提供的要素分解情況，大學(xué)教育、工作經(jīng)驗(yàn)及其平方項(xiàng)構(gòu)成的人力資本變量依然是導(dǎo)致工資差異的主要因素，但大學(xué)教育在構(gòu)成效應(yīng)中隨收入分位點(diǎn)的上升而上升，而在結(jié)構(gòu)效應(yīng)中則表現(xiàn)為下降趨勢(shì)。

六、結(jié)論與討論

公共教育政策的經(jīng)濟(jì)社會(huì)價(jià)值是學(xué)界與政策制定者近年來(lái)關(guān)注的熱點(diǎn)話題，高校擴(kuò)招政策自推行之日起就面臨著諸如是否降低了大學(xué)教育質(zhì)量，造成技能勞動(dòng)力工資溢價(jià)等種種爭(zhēng)議。本文以勞動(dòng)力市場(chǎng)為切入點(diǎn)，以城鎮(zhèn)勞動(dòng)力為研究對(duì)象，基于高校擴(kuò)招政策提供的自然實(shí)驗(yàn)，利用中國(guó)家庭收入調(diào)查數(shù)據(jù)，通過(guò)測(cè)量大學(xué)教育回報(bào)率的均值效應(yīng)與異質(zhì)性特征，分解大學(xué)教育和擴(kuò)招政策引致的工資差異，評(píng)價(jià)擴(kuò)招政策的經(jīng)濟(jì)社會(huì)價(jià)值，得到如下研究結(jié)果：

第一，大學(xué)教育與高校擴(kuò)招政策具有較強(qiáng)的個(gè)體增收效應(yīng)，但傳統(tǒng)估計(jì)面臨著內(nèi)生性的掣肘?；贠LS基準(zhǔn)估計(jì)發(fā)現(xiàn)大學(xué)教育年回報(bào)率為106%，但在利用IV糾正了內(nèi)生性問(wèn)題以后，發(fā)現(xiàn)大學(xué)教育年回報(bào)率上升到了172%，表明內(nèi)生性導(dǎo)致OLS低估了城鎮(zhèn)勞動(dòng)力的大學(xué)教育回報(bào)率。

第二，個(gè)體是否做出大學(xué)教育決策受到可觀測(cè)與不可觀測(cè)特征的綜合影響，但傳統(tǒng)估計(jì)無(wú)法識(shí)別出大學(xué)教育決策的個(gè)體異質(zhì)性，估計(jì)結(jié)果因而受到選擇性偏差的掣肘?；趦A向得分匹配法糾正了由可觀測(cè)特征引致的選擇性偏差后，測(cè)得大學(xué)教育年回報(bào)率為101%～116%，通過(guò)反事實(shí)估計(jì)還發(fā)現(xiàn)未接受大學(xué)教育的城鎮(zhèn)勞動(dòng)力假設(shè)其接受了大學(xué)教育后將能更好地促進(jìn)個(gè)體增收;基于處理效應(yīng)模型糾正了由不可觀測(cè)異質(zhì)性引致的估計(jì)偏誤后，測(cè)得大學(xué)教育年回報(bào)率為128%～129%。

第三，大學(xué)教育對(duì)于整體收入分布的無(wú)條件影響具有異質(zhì)型的收益特征?；跓o(wú)條件分位數(shù)回歸發(fā)現(xiàn)，大學(xué)教育收益率隨收入分位點(diǎn)的上升呈V型曲線的變化趨勢(shì)，中位數(shù)是V型曲線向上偏折的拐點(diǎn)，顯示出高校擴(kuò)招對(duì)于中等收入群體具有最強(qiáng)的個(gè)體增收效應(yīng)，而這則可能成為我國(guó)擺脫“中等收入陷阱”的路徑。同時(shí)，大學(xué)教育對(duì)高收入群體的個(gè)體增收效應(yīng)高于低收入群體，表明高校擴(kuò)招、大學(xué)教育有可能拉開(kāi)由人力資本因素引致的組內(nèi)工資收入差距。

第四，大學(xué)教育與高校擴(kuò)招政策對(duì)城鎮(zhèn)勞動(dòng)力工資差異的影響存在著顯著差異。大學(xué)教育引致的工資差異隨收入分位點(diǎn)的上升而下降，表現(xiàn)出“黏地板效應(yīng)”，能夠被勞動(dòng)者可觀測(cè)特征所解釋的構(gòu)成效應(yīng)在工資差異中占據(jù)了主導(dǎo)地位;高校擴(kuò)招政策引致的工資差異隨收入分位點(diǎn)的上升而上升，表現(xiàn)出“天花板效應(yīng)”，不能被勞動(dòng)者可觀測(cè)特征所解釋的結(jié)構(gòu)效應(yīng)在工資差異中占據(jù)了主導(dǎo)地位。

最后，本文的實(shí)證研究結(jié)論具有一定的政策意涵。高校擴(kuò)招政策在一定程度上提高了城鎮(zhèn)勞動(dòng)力的受教育程度與收入水平，大學(xué)教育回報(bào)率依然是刺激勞動(dòng)者進(jìn)行人力資本投資的動(dòng)力源泉。但另一方面也顯示出大學(xué)教育與高校擴(kuò)招客觀上也擴(kuò)大了城鎮(zhèn)勞動(dòng)力的組內(nèi)工資差異，這一現(xiàn)象值得學(xué)界與教育部門(mén)深刻反思：高校擴(kuò)招政策在擴(kuò)大高等教育機(jī)會(huì)供給的同時(shí)，是否造成了大學(xué)教育的質(zhì)量下降，并擴(kuò)大了城鎮(zhèn)勞動(dòng)力的組內(nèi)工資差異。因此，應(yīng)該在穩(wěn)步擴(kuò)大教育機(jī)會(huì)，尤其是保障“老、少、邊、貧”地區(qū)與弱勢(shì)群體高等教育機(jī)會(huì)的同時(shí)，盡可能消除過(guò)程端的質(zhì)量差異，通過(guò)高等教育在機(jī)會(huì)-過(guò)程-結(jié)果端的無(wú)差異供給，實(shí)現(xiàn)組內(nèi)工資差異的均質(zhì)收斂。

具體建議方面，可以依靠第三方或市場(chǎng)評(píng)估機(jī)構(gòu)搜集勞動(dòng)力市場(chǎng)的宏觀需求以及畢業(yè)生在勞動(dòng)力市場(chǎng)上的微觀表現(xiàn)，將需求信息與職業(yè)發(fā)展納入過(guò)程端對(duì)人才培養(yǎng)質(zhì)量的考核與評(píng)價(jià)之中，基于過(guò)程控制實(shí)現(xiàn)對(duì)結(jié)果端供給質(zhì)量的有效保障，或許是新時(shí)代高等教育與勞動(dòng)力市場(chǎng)建立聯(lián)系的有效途徑。需要指出的是，由于本文并沒(méi)有直接的證據(jù)指向城鎮(zhèn)勞動(dòng)力的組內(nèi)工資差異是由高校擴(kuò)招與大學(xué)教育質(zhì)量下降所造成的，也沒(méi)有證據(jù)支撐高校擴(kuò)招政策導(dǎo)致了大學(xué)教育的質(zhì)量下降，因此，從教育質(zhì)量的發(fā)展維度上看，能否在高校擴(kuò)招、大學(xué)教育質(zhì)量與城鎮(zhèn)勞動(dòng)力的工資差異之間建立起因果關(guān)系，仍然需要新近的證據(jù)不斷驗(yàn)證，而這也是本文未來(lái)深入拓展的方向之一。

參考文獻(xiàn)：

[1]常進(jìn)雄、阮天成、常大偉，2018：《擴(kuò)招對(duì)我國(guó)城鄉(xiāng)教育平等的研究——基于大學(xué)教育回報(bào)率與大學(xué)入學(xué)機(jī)會(huì)的視角》，《學(xué)術(shù)研究》第7期。[Chang Jinxiong，Yuan Tiancheng and Chang Dawei，2018，The Impact of Higher Education Expansion Equality of Urban and Rural Residents：Based on the Perspective of Return to Education and Entrance Opportunity，Academic Research，7.]

[2]初帥、孟凡強(qiáng)，2017：《高校擴(kuò)招與教育回報(bào)率的城鄉(xiāng)差異——基于斷點(diǎn)回歸的設(shè)計(jì)》，《南方經(jīng)濟(jì)》第10期。[Chu Shuai and Meng Fanqiang，2017，College Enrollment Expansion in China and The Difference Return of Education between Urban and Rural：Based on Regression Discontinuity Design，South China Journal of Economics，10.]

[3]鄧峰，2013：《教育收益率估算中的計(jì)量偏誤及調(diào)整方法的綜述》，《教育與經(jīng)濟(jì)》第5期。[Deng Feng，2013，A Review of Econometric Problems and Corrective Approaches for Estimating Rates of Return to Education，Education & Economy，5.]

[4]鄧睿，2019：《身份的就業(yè)效應(yīng)：——“城市人”身份認(rèn)同影響農(nóng)民工就業(yè)質(zhì)量的經(jīng)驗(yàn)的考察，《經(jīng)濟(jì)社會(huì)體制比較》第5期。[Deng Rui，2019，The Employment Effect of Identity：An Empirical Study on the Impact of Urban Citizen Identity on Migrant Workers Employment Quality，Comparative Economic & Social System，5.]

[5]方超、黃斌，2020：《高校擴(kuò)招政策降低了城鎮(zhèn)勞動(dòng)力的大學(xué)教育溢價(jià)嗎？——基于反事實(shí)選擇的因果關(guān)系推斷》，《復(fù)旦教育論壇》第1期。[Fang Chao and Huang Bin，2020，Does the Policy of Enrollment Expansion Reduce the University Education Premium of Urban Labor Force？ Based on Causal Influence of Counterfactual Choice，F(xiàn)UDAN Education Forum（Bimonthly），1.]

[6]方超、黃斌，2019：《高校擴(kuò)招政策能夠提高農(nóng)村勞動(dòng)力的大學(xué)教育收益嗎？》，《清華大學(xué)教育研究》第1期。[Fang Chao and Huang Bin，2019，Could the Enrollment Expansion Policy Increase the Rate of Return on Higher Education of Rural Labor Force，Tsinghua Journal of Education，1.]

[7]方超、黃斌，2017：《城鄉(xiāng)一體化進(jìn)程中我國(guó)流動(dòng)人口的教育回報(bào)與工資收入差距的分解》，《教育科學(xué)》第6期。[Fang Chao and Huang Bin，2017，The Return on Education and Decomposition of Wage Income Gap of Migrant Chinese in the Process of Urban and Rural Integration，Education Science，6.]

[8]郭繼強(qiáng)、姜儷、陸利麗，2011：《工資差異分解方法述評(píng)》，《經(jīng)濟(jì)學(xué)（季刊）》第2期。[Guo Jiqiang，Jiang Li and Lu Lili，2011，Decomposition Methods for Wage Differentials：A Survey，China Economic Quarterly，2.]

[9]劉澤云，2009：《教育收益率估算中的幾個(gè)方法問(wèn)題》，《北京大學(xué)教育評(píng)論》第1期。[Liu Zeyun，2009，Some Econometric Problems in Estimating the Rate of Return in Education，Peking University Education Review，1.]

[10] 馬汴京、蔡海靜、姚先國(guó)，2016：《高校擴(kuò)招與大學(xué)教育回報(bào)率變動(dòng)——基于CGSS數(shù)據(jù)的經(jīng)驗(yàn)研究》，《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》第6期。[Ma Bianjing，Cai Haijing and Yao Xianguo，2016，Higher Education Expansion，Ability Heterogeneity and Return to Higher Education：Evidence from CGSS，Economic Theory and Business Management，6.]

[11] 馬光榮、紀(jì)洋、徐建煒，2017：《大學(xué)擴(kuò)招如何影響高等教育溢價(jià)》，《管理世界》第8期。[Ma Guangrong，Ji Yang and Xu Jianwei，2017，How does College Enrollment Expansion Affect Premium in China？，Management World，8.]

[12] 孟凡強(qiáng)、向曉梅，2019：《職業(yè)隔離、工資歧視與農(nóng)民工群體分化》，《華南師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》第3期。[Meng Fanqiang and Xiang Xiaomei，2019，Occupational Segregation，Wage Discrimination and Group Difference of Rural Migrants，Journal of South China Normal University（Social Science Edition），3.]

[13] 孟凡強(qiáng)、熊家財(cái)，2015：《前勞動(dòng)力市場(chǎng)教育歧視與城鄉(xiāng)勞動(dòng)力工資差異——基于Neumark方法的分解》，《廣東社會(huì)科學(xué)》第1期。[Meng Fanqiang and Xiong Jiacai，2015，Pre Labor Market Education Discrimination and the Urban-Rural Wage Differentials，Social Sciences in Guangdong，1.]

[14] 蘇群、馮波、吳奇峰，2017：《教育質(zhì)量、戶籍歧視與城鄉(xiāng)勞動(dòng)力工資差異——基于分位數(shù)回歸與分解方法》，《宏觀質(zhì)量研究》第2期。[Su Qun，F(xiàn)eng Bo and Wu Qifeng，2017，Educational Quality and Urban vs Rural Regional Household Registration Discrimination and Their Relationship with Wage Differential between Urban and Rural Labors：Based on Quantile Regression and Decomposition Method，Journal of Macro-quality Research，2. ]

[15] 孫志軍，2004：《中國(guó)教育個(gè)人收益率研究：一個(gè)文獻(xiàn)綜述及其政策含義》，《中國(guó)人口科學(xué)》第5期。[Sun Zhijun，2004，Individual Returns to Education in China：Literatures and Policy Implications， Chinese Journal of Population Science，5.]

[16] 楊錦英、馬良、方崢、何翠香，2016：《中國(guó)城鎮(zhèn)地區(qū)性別工資差異問(wèn)題新探——基于無(wú)條件分位數(shù)回歸和再次分解方法》，《政治經(jīng)濟(jì)學(xué)評(píng)論》第1期。[Yang Jinying，Ma Liang，F(xiàn)ang Zheng and He Cuixiang，2016，Gender Wage Differentials in Urban China：Based on Unconditional Quantile Decomposition and Double Decomposition，China Review of Political Economy，1.]

[17] 余華義、侯玉娟，2019：《高校擴(kuò)招與高等教育回報(bào)率——基于斷點(diǎn)回歸設(shè)計(jì)的證據(jù)》，《教育與經(jīng)濟(jì)》第5期。[Yu Huayi and Hou Yujuan，2019，Higher Education Expansion and Economic Return to College：Based on Regression Discontinuity Design，Education Economy，5.]

[18] 章莉、蔡文鑫，2017：《中國(guó)勞動(dòng)力市場(chǎng)收入戶籍歧視的無(wú)條件分位數(shù)分解》，《復(fù)旦學(xué)報(bào)（自然科學(xué)版）》第1期。[Zhang Li and Cai Wenxin，2017，The Income Discrimination by Hukou in Chinas Labor Market：An Analysis Based on Unconditional Quantile Decomposition，Journal of Fudan University（Natural Science），1.]

[19] 鐘若愚、屈沙，2019：《勞動(dòng)力市場(chǎng)分割、就業(yè)機(jī)會(huì)不平等與城鄉(xiāng)工資差異——基于中國(guó)綜合社會(huì)調(diào)查（CGSS）數(shù)據(jù)的研究》，《北京工商大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》第6期。[Zhong Ruoyu and Qu Sha，2019，Labor Market Segmentation，Unequal Employment Opportunities and Urban-rural Wage Gap：An Study Based on CGSS Data，Journal of Beijing Technology and Business University（Social Sciences），6.]

[20] 周春芳、蘇群，2018：《二元結(jié)構(gòu)下我國(guó)城鎮(zhèn)勞動(dòng)力市場(chǎng)中的性別工資差異研究》，《南方經(jīng)濟(jì)》第7期。[Zhou Chunfang and Su Qun，2018，The Study of Gender Wage Differential in Chinese Urban Labor Market，South China Journal of Economics，7.]

[21] 周春芳、蘇群，2018：《我國(guó)農(nóng)民工與城鎮(zhèn)職工就業(yè)質(zhì)量差異及其分解——基于RIF無(wú)條件分位數(shù)回歸的分解法》，《農(nóng)業(yè)技術(shù)經(jīng)濟(jì)》第6期。[Zhou Chunfang and Su Qun，2018，Job Quality Gap between Rural Migrants and Urban Workers in China and Its Decomposition：Evidence from RIF Quantile Rgression and Decomposition Method，Journal of Agrotechnical Economics，6.]

[22] 周金燕，2015：《明瑟教育收益率述評(píng)：計(jì)量方法及在中國(guó)的估計(jì)趨勢(shì)》，《教育學(xué)報(bào)》第1期。[Zhou Jinyan，2015，Review on Mincer Rate of Return to Education：Measurement Methods and Estimations of Trend in China，Journal of Educational Studies，1.]

[23] Croix D.L.，and F. Docquier ，2007，School Attendance and Skill Premiums in France and the US：A General Equilibrium Approach，F(xiàn)iscal Studies，28（4）：383-416.

[24] Firpo S.，N. M. Fortin，and T. Lemieux，2009，Unconditional Quantile Regression，Econometrica，77（3）：953-973.

[25] Firpo S.，N. M. Fortin，and T. Lemieux，2007，Decomposing Wage Distribution using Recentered Influence Function Regression，Unpublished Manuscript，University of British Columbia.

[26] Fortin N.，T. Lemieux，and S. Firpo，2011，Decomposition Methods in Economics，in Ashenfelter，O.，and D.Card（eds），Handbook of Labor Economics，4a：1-102，North Holland.

[27] Gao W.，and R. Smith，2015，Education Expansion and Returns to Schooling in Urban China，2001-2010：Evidence from Three Waves of the China Urban Labor Survey，Journal of the Asia Pacific Economy，20（2）：178-201.

[28]? Griliches Z. ，1969，Capital-skill Complementarity，Review of Economics and Statistics，51（4）：465-468.

[29] Imbens G.W.，2015，Matching Methods in Practices：Three Examples，Journal of Human Resources，50（2）：373-419.

[30] Kuo M. Y.，and J. L. Shiu. ，2016，A Dynamic Quantitative Evaluation of Higher Education Return：Evidence from Taiwan Education Expansion，Journal of the Asia Pacific Economy， 21（2）：1-25.

[31] Rosenbaum P. R.，and D. B. Rubin ，1985，Constructing a Control Group using Multivariate Matched sampling Methods that Incorporate the Propensity Score，American Statistician，24（4），521-544.

Abstract：The economic and social value of college enrollment expansion policy is the ‘wind vane of college education quality， while it is also the focus of attention in the academic circles. Based on the data of CHIP， this paper studies the rate of return on university education and wage difference of urban labor force by using the method of OLS and IV， PSM and TEM， RIF and FFL， to examine the impact of enrollment expansion policy on the quality of university education from the perspective of labor market. The indications of the study include： （1） The policy of college enrollment expansion promotes individual income， while the OLS underestimates the return rate of college education of urban labor force due to endogenous problems such as missing variables; （2） It is found that the return rate of university education is between 10.1% and 11.6% and 12.8% and 12.9% respectively by using PSM and TEM to correct bias because of the heterogeneity of individual university education decision-making; and （3） The unconditional influence of university education on income distribution is similar to the curve of V-shaped， showing the characteristics of ‘sticky floor effect in wage difference， while the wage difference caused by university enrollment expansion policy shows the characteristics of ‘ceiling effect.

Key Words：Enrollment Expansion in Colleges and Universities; Return on Education; Wage Difference; Sticky Floor Effect; Ceiling Effect

責(zé)任編輯 郝偉