1、就业特征对教育收益率的影响及其成因就业特征对教育收益率的影响及其成因?娄世艳摘要：本文主要研究了就业特征对教育收益率的影响及其形成原因。本文首先通过在 Mincer 方程的基础上，分别加入就业方式、就业地区类型、职业、行业、单位所有制性质、职称和国家行政级别等控制变量，研究每一个控制变量对教育收益率的影响。结果显示，就业方式对教育收益率的影响最大。分类研究显示，不同就业状况的人口教育收益率存在差异。为了控制各就业特征相关性对估计结果的影响，本文将这七个控制变量可以分为就业选择因素、就业状态因素和职务等级因素三类。研究发现，就业选择因素对教育收益率的影响最大。本文还研究了控制变量对不同教育阶段收
2、益率的影响，发现这些就业相关因素对中学阶段教育收益率的影响最大。本文认为，就业特征影响教育收益率的根源在于经济发展、市场发育、社会制度、社会文化和微观环境等社会环境因素。关键词：教育收益率就业特征人力资本一、引言国内外的学者都对教育收益率尤其 Mincer 教育收益率进行了广泛的研究，得出了一些很有意义的结论。当前大部分研究都是在修正Mincer 模型基础上进行的，即考虑了除教育和经验外影响收入的其他因素。国外学者的模型主要控制了性别、种族、宗教、父母的教育水平、兄弟姐妹的数量、制度等个人、家庭与社会因素；对我国而言，几乎所有的学者都考虑了教育收益率的城乡差异，从而分别研究城镇和农村的教育收益
3、率，学者们考虑的其他控制变量还有性别、党员身份、婚姻状况、迁移流动等个人因素，地区/省份等地域因素，单位所有制性质、职业和行业等就业因素。但是这些因素中，只有职业、行业和单位所有制性质等就业特征直接影响收入，而其余绝大部分控制变量对收入的影响都不是直接的，它们主要通过影响职业和行业等就业特征而间接影响收入。前者是教育收益率的直接决定因素，而后者是间接影响因素。后者中一些重要的因素，如出生地和性别，都是个人无权选择的，研究这些因素的影响，会为宏观经济与社会政策提供合理化建议；而研究前者既可以为宏观政策的制定，又可以为个人人力资本投资和如何增加收入提供理论支持。本文主要研究直接决定因素对教育收益率
4、的影响，这些直接决定因素主要包括：就业方式、就业地区类型、职业、行业、就业单位所有制性质、职称和国家行政级别。二、模型与数据说明（一）模型 1总体教育收益率回归模型。模型 1 是 Mincer（1974）的经典教育收益率回归模型：?娄世艳，天津商业大学，讲师，博士；E-mail：sylou08191634。本文也考虑了企业规模、单位主管部门级别和工作时间等变量，但前者的估计系数很小，后两者不显著，从而将这三个变量剔除。1192lny=c+as+bx+bx+mii1i2ii（1）其中，y 为第 i 个样本的收入，s 为第 i个样本的受教育年限，x 为第 i 个样 iii 本的工作经验，c 为常数
5、项，是误差项。教育年限的赋值方法如下文所示，CGSSmi 还调查了就业人员的“首职年份” ，可以据此生成用工龄表示的工作经验。利用模型 1 进行回归，可以得出基本的教育收益率（粗教育收益率） 。Mincer 方程在教育收益率的估计中具有非常重要的意义，但并不完善。该模型假定，不同劳动者的收入差异主要是由于其受教育程度和工作经验不同造成的。但实际上，影响个人收入的因素远不止这两个，这一模型未考虑其他影响因素，必然会在很大程度上高估教育收益率。当前大量的研究对该模型进行了修正，修正的方法主要是在模型中纳入影响收入的其它变量。事实上，通过在模型中加入控制变量，不仅可以使估计的教育收益率更接近真值，而
6、且通过比较加入不同控制变量时教育回归系数和可决系数的变化，可以研究各因素对教育收益率和收入的影响。既然控制变量对收入的影响是显著的，加入该变量后，模型对收入的解释程度，即拟合优度会提高，因此可决系数的变化可以看作新变量对收入的解释程度。一般而言，如果教育与控制变量是相关的，加入控制变量后，教育年限的估计系数就有不同程度的下降，下降幅度可以看作由于控制了新加入变量而剔除了模型 1 对教育收益率的高估部分，而模型 1 得出的教育收益率可以看作是由于未控制该变量而高估了的教育收益率，因此这一变化可以看作控制变量对教育收益率的影响。加入控制变量后教育回归系数下降的幅度越大，说明教育收益率与控制变量之间
7、的关系越密切，也可以说控制变量对教育收益率的影响越大。表 1 给出了本文在估计总体教育收益率和评价各控制变量对教育收益率影响时所用的 3 个模型。其中“+”号表示某一模型中包含的变量， “-”号表示该模型不包含的变量。表1 主要模型变量模型 1 模型 2 模型 3 教育+工作经验+工作经验平方+就业方式-+就业地区类型-+职业-+任意一行业-个或一组+控制变量单位所有制性质-+职称-+国家行政级别-+常数项 C+其中，模型 2 是控制变量影响模型，即在模型 1 的基础上分别加入一个或一组控制变量，研究某一个控制变量或某一组控制变量对教育收益率的影响。模型 3 是本文的最终模型（全模型） 。本文
8、研究控制变量对教育收益率影响的方法有两种：一是对比模型 2 和模型 1 的回归结果，研究控制就业特征前和控制就业特 120征后教育收益率估计结果的差异；二是将样本按照就业特征分类，利用模型 3 估计每一类样本的教育收益率，研究不同就业状况人口的教育收益率。模型中所有控制变量都是离散变量，每一个离散变量都用一组虚拟变量表示，各虚拟变量的具体定义见附表 1，其中行业的分类方法如表 2 所示。表 2 行业类别划分分类包含的行业第一类行业农林牧渔业第二类行业居民服务和其他服务业；批发和零售及住宿和餐饮业；建筑业第三类行业公共管理和社会组织；采矿业；教育；制造业；其他文化体育和娱乐业；房地产业；卫生、社
9、会保障和社会福利业；交通运输、第四类行业仓储和邮政业信息传输、计算机服务和软件业；金融业；科学研究、技术服务和地质勘第五类行业查业；电力、燃气及水的生产和供应业 2不同教育阶段的收益率模型。前面的 3 个模型都假定无论哪个阶段的教育，收益率是一样的，即教育收益率并不随着教育阶段的变化而变化。但无论理论上还是国内外的实证都显示，各阶段教育的收益率是不同的，因此有必要研究就业特征对我国当前不同教育阶段收益率的影响以及其形成原因。为了研究就业特征对不同阶段教育收益率的影响，本文首先用模型 4估计出各教育阶段的粗收益率，然后用模型 5 估计出纯收益率，比较模型 4 和模型 5 的估计结果，研究就业特征
10、总体上对不同阶段教育收益率的影响。为了简单起见，不再细分各控制变量分别对不同阶段教育收益率的影响。n2lny=c+as+bx+bx+m?ikki1i2iik=1（4）n2lny=c+as+bx+bx+gZ+m?ikki1i2iiiik=1（5）其中，Z 和 g 分别代表前文中提到的所有控制变量及其系数估计值。ii 但是，这两个模型虽然形式上与一般的研究不同教育阶段收益率的模型相似，但实际上是不同的。一般研究不同阶段教育收益率的模型将教育阶段作为虚拟变量，如果接受的是该阶段教育则取1，否则取 0。在模型 4 和 5 中，如果该样本接受的是某一阶段教育，则取该教育阶段的实际教育年限，否则取 0。这
11、样，计算出的每一个回归系数就是接受该阶段教育的样本每增加一年教育（含此前的所有教育阶段）所获得的收益率。此时，教育阶段不再是虚拟变量，从而计算教育收益率时不需要对系数做反对数处理。要计算某一阶段的教育收益率，需要用该回归系数乘以完成该阶段所用的所有教育年限，减去该阶段之前的所有教育阶段的总收益率，再除以该教育阶段的教育年数，即要求得虚拟变量对收入的影响，需要对其系数进行处理。一般采用 HalversonandPalmkvist 的方法，即虚 12000 拟变量系数的反对数减为该变量对因变量的相对变化。见古扎拉蒂， 。如果用样本某阶段教育的实际平均受教育年限而非理论教育年限则更准确，但对比二者的
12、计算结果，差别很小，并且计算每一类样本各教育阶段的实际教育年限非常繁琐，所以本文计算时用每一阶段的理论教育年限替代实际教育年限。121?kkk?1k?1r=?100kr=?100?1 小学 kk?1；（6）其中，r 表示每增加一年第 k 个阶段教育的收益率， 表示第 k 个阶段的教kkk 育回归系数， 表示完成第个阶段教育需要的全部受教育年限，即小学为6k 年、初中为 9 年、高中（中专、职高技校）为 12 年、大专为 15 年、本科为16 年、研究生为 19 年。 是第 k?1 个阶段教育的回归系数，而 表示完成第 k?1k?1k?1 个阶段教育所需要的全部教育年限。以往的研究，调查数据基本
13、只区分了哪个阶段毕业，而没有具体读过哪一年级，例如：即使一个人读完初中二年级，他也算作小学毕业，这样可能会高估教育收益率。本文的调查数据中，小学、初中和高中教育程度者给出的是具体读过的年级数，虽然用模型4 和 5 以及公式 6 计算起来更麻烦，但得出的小学、初中和高中阶段教育收益率更准确。 （二）数据说明与样本分布 1数据说明。本文数据除特殊说明外均来自由中国国家社会科学基金资助、由中国人民大学社会学系李路路教授与香港科技大学社会科学部边燕杰教授联合主持的“中国综合社会调查（CGSS） ”（2005） 。该调查共涉及了全国 28 个省、自治区、直辖市，选取了 126 个区/县级单位的 1000
14、0 多名 18-69 岁成年人作为被访者，收回有效问卷 10371 份。本文根据研究需要选取了与个人收入和教育收益率相关的十几个变量数据，为了减少样本偏差对回归结果的影响，剔除了收入过高或过低的极端值，同时将样本年龄控制在 20-59 岁，通过筛选最终确定的有效样本数量为 5575 个，其中城镇 2581 个，农村 2994 个。本文主要采用 Eviews5.0 计量软件进行回归，方法为最小二乘法。2样本分布。本文模型中的连续变量有收入、教育和经验。模型的因变量为样本 2004 年的全年总收入，包括工资、各种奖金、补贴、分红、股息、保险、退休金、经营性纯收入、银行利息、馈赠等所有收入在内。剔除
15、了部分极端值后，年收入最大值为 180000 元，最小值为 100 元，样本的平均收入为 9778.21 元。调查数据中，小学到高中有最高教育程度的具体年数，教育年限便是该数值，而没有受过正式教育和自修教育年限赋值为 0 年，其他教育阶段与公式 6 的赋值方法一致。全部样本的平均教育年限为 8.44 年。本文样本的经验处于 0-52 年之间，平均值为 20.83 年。本文的控制变量都是离散变量，其中，2/3 的样本就业地区类型为“县城” ，全职就业和全职务农是最主要的就业方式，最主要的职业是农、林、牧、渔、水利业生产人员，其次是生产、运输设备操作人员及有关人员，两类职业共占了全部样本的 66.
16、22%，第一类行业（即农业）样本占了全部样本的 46.13%，第四、五类行业样本较少，共占了总样本的大约 10%，单位所有制性质中，比例最高的是农户，其次是个体经营和国有企业，这二者各占了大约 17%和 14%，全部有职称样本仅占总样本的 15.46%，有行政级别的样本比例很小，仅占全部样本的因为两端有部分人口不在业（在学或已经离退休） ，所以剔除 20 岁以下和 60 岁以上的样本，即便如此，20-29 岁和 50-59 岁的样本依然偏少，这可能会对回归结果有一定的影响。由于本文研究的是正规教育的收益率，所以自修的教育年限也取值 0。1223.12%。离散变量的具体分布见附表 2。三、结果与
17、分析模型 1 估计的我国教育收益率为 15.14%，这一结果高于同期其他绝大部分学者的估计结果；而模型 3 估计的教育收益率只有 6.18%，即控制就业特征的影响时我国教育收益率大大降低（具体估计结果见附表 3） 。张车伟（2006）用与本文相似的方法进行的研究得出了一致的结论。可见这些控制变量对教育收益率有比较重要的影响。本文将进一步研究不同控制变量的影响及其形成原因。本文首先在 Mincer方程的基础上，分别加入就业方式、就业地区类型、职业、行业、单位所有制性质、职称和国家行政级别等控制变量，研究每一个控制变量对教育收益率的影响。鉴于各控制变量之间的相关性难以克服，本文将这七个因素分为三类
18、，分别研究这三类因素的影响。最后本文将研究这些因素总体上对各教育阶段收益率的影响。()一单一控制变量的影响模型 1 基础上分别控制就业方式、就业地区类型等变量时，教育收益率有不同程度的下降，其中，控制就业方式后教育收益率下降了 8.12 个百分点，控制单位所有制性质后教育收益率下降了7.19 个百分点，而控制行政级别时教育收益率仅降低 0.95 个百分点。可见，这些变量对教育收益率有不同程度的影响。表 3 单一控制变量对教育收益率的影响单位：%控制变量模型 2 估计值比模型 1 估计值低就业方式 7.03-8.12 就业地区类型 11.33-3.81 职业 8.30-6.84 行业 8.44-
19、6.70 单位所有制性质 7.95-7.19 职称 13.06-2.08 行政级别 14.20-0.95 注：由于篇幅所限，本文未给出具体估计结果，读者可向作者索取。1.就业方式对教育收益率的影响。全部样本模型 3 的回归结果显示，控制其他影响因素的前提下，半职就业、临时就业和兼业务农等就业方式的收入与全职务农之间没有显著差异，而全职就业者的收入比其他就业方式收入高大约一半（46.77%，对附表 3 的估计结果进行反对数处理而得出） 。表 3 显示，模型 1 基础上控制就业方式后，教育收益率的估计结果下降了 8.12 个百分点，就业方式是影响我国教育收益率和收入的最重要因素。分别估计不同就业方
20、式的教育收益率，也可以剔除就业方式的影响。表 4 显示，按照就业方式分类后，模型 1 的估计结果大大降低，对教育收益率的高估程度也大大降低，印证了就业方式对教育收益率有重要影响这一结论。表 4 不同就业方式的教育收益率单位：%就业方式模型 1 模型 3 变化样本容量全部15.146.18-8.965575 全职就业 8.926.25-1.672196 全职务农 6.015.96-0.052521例如：姚先国、张海峰，2004；张车伟，2006；罗楚亮，2007；刘泽云，2008123灵活就业 6.185.88-0.31858 半职就业 5.72102 临时就业5.615.860.24422 兼
21、业务农 4.944.940.00334 表 4 显示，全职就业的教育收益率高于其他就业方式，全职务农的教育收益率高于临时就业和兼业务农。虽然半职就业、临时就业和兼业务农的样本量偏少，估计结果是否具有普遍性，还有待于进一步研究，但实际上，半职就业、临时就业和兼业务农这三种就业方式都可归于灵活就业。回归结果显示，灵活就业的教育收益率比较低。第一，不同就业方式之间存在收入和教育收益率差距是理所当然的。半职就业者的工作时间少于全职就业者，同时为了工作时间的灵活性，就业人员愿意牺牲一些收益，例如愿意接受比较低的工资率。第二，不同就业方式反映的生产方式不同，我国当前农业为体力劳动、分散经营的生产方式，而非
22、农业的生产方式主要为机器化大生产，教育对增加前者收入的作用不及后者大。第三，不同就业方式人员的人力资本含量不同。全职就业者平均教育水平远远高于其他就业方式人员，而当前我国对受教育程度较高者需求较高。与灵活就业者相比，全职就业者工作相对稳定，接受培训的机会也会相对较多。虽然从事灵活就业者中有少数高人力资本者，但绝大部分是低人力资本者，主要由农民工、城市下岗失业人员及城市新增低技能劳动者组成。据 2006 年 17 省 24 城市调查估算，下岗失业人员中从事灵活就业的占 30%-40%；大部分务工农民可以归为灵活就业的范围。这部分从业人员劳动报酬低，失业风险大。总之，无论是通过对比全部样本模型 1
23、 和 3 的估计结果，还是通过分类别进行估计，都显示出就业方式对教育收益率有非常重要的影响，不控制就业方式，就会高估教育收益率。2.就业地区类型对教育收益率的影响。王海港、李实和刘京军（2007）的研究表明，我国城镇居民教育收益率的地区差异很大，差异主要来源于省内各城市之间，来源于省间的差别并不显著。这一结论在一定程度上显示出就业地区类型对教育收益率存在影响。表 3 显示，控制就业地区类型后，教育收益率的估计值下降了 3.81 个百分点，即就业地区类型对教育收益率有一定的影响。本小节按照就业地区分类以控制其影响后，模型 1 对教育收益率的高估程度降低了，即全部样本模型 1 高估了 8.96 个
24、百分点，分不同就业地区的模型 1 高估了 3.73-5.61 个百分点。可见就业地区类型对教育收益率有一定的影响，但其影响小于就业方式。表 5 不同类型就业地区的教育收益率单位：%就业地区类型模型 1 模型 3 变化样本容量全部 15.146.18-8.965575 县城 11.215.61-5.613714 地级市12.527.21-5.31826 省会城市 9.585.85-3.73521 直辖市 11.126.86-4.25514目前广为接受的概念为：在劳动时间、收入报酬、工作场地、社会保险、劳动关系等方面不同于建立在工业化和现代工厂制度基础上的，传统的主流就业方式的各种就业形式的总称。
25、其形式主要有：非全日制就业、派遣就业、临时就业、兼职就业、远程就业、独立就业、承包就业、自营就业和家庭就业。马海涛，2004124表 5 显示，教育收益率并不是随着就业地区类型级别的提高而单调提高的，直辖市和省会城市的教育收益率低于地级市。很多学者用市场化程度的提高解释我国教育收益率提高的原因。王海港、李实、刘京军（2007）认为劳动力市场的发育有利于提高教育收益率，劳动力市场化程度的差异在一定程度解释了各地教育收益率的差异，在一些内地省会城市和资源型城市，改革的滞后导致了这些城市较低的教育收益率。一般而言，除了东部沿海地区部分地级市和计划单列市，省会城市和直辖市的市场化程度是比较高的，虽然缺
26、乏省会城市和地级市的相关研究，但根据樊纲、王小鲁（2006）的研究，在 31 个省、自治区、直辖市中，上海、北京和天津三个直辖市市场化指数分别排在第一、第六和第七位。理论上，教育收益率应该随着城市级别的提高而提高。本文数据显示，从教育带来的绝对收入看，教育的边际收益的确是随着就业地区类型级别的提高而提高的。但无论模型 1 还是模型 3，省会城市和直辖市模型的拟合优度远小于地级市和县城。其中的原因可能在于其他因素对省会城市和直辖市居民收入的影响较大，例如财产性收入较高，对低收入群体的补贴力度较大，因此每增加一年教育带来收入增加的百分比相对较小。可见，教育和经验人力资本是地级市和县城就业人员收入的
27、重要决定因素，而对省会城市和直辖市而言，其对收入的重要性相对降低。由于后两者人口的教育水平和收入水平都较高，如果不控制就业地区类型，必然高估教育收益率。3.职业对教育收益率的影响。虽然缺乏不同职业收入水平的宏观数据，大部分研究教育收益率的文献也都没有给出“职业”控制变量的回归结果，但将就业人员按照职业分为专业技术人员和普通工人时，前者的收入水平高于后者这一点得到了普遍认同；进一步细分职业后，专业技术人员的收入水平仅低于管理人员或单位负责人。夏庆杰等（2007）的研究发现，户主为在职人员的家庭中，收入最高的是户主为行政人员和专业人员的家庭，其次是户主为一般职员和私营企业所有者的家庭，收入最低的是
28、体力劳动者家庭。这些研究主要证实了人力资本对增加收入的作用。李实、赵人伟（1999）的研究显示，从 1988 到 1995 年，专业技术人员与一般工人之间收入差距扩大了，说明人力资本对收入分配的影响扩大了，仅仅两年间教育回报率的上升就可以解释城镇职工工资差异扩大幅度的12%。WuandXie（2002） 、姚先国、张海峰（2004） 、齐良书（2005） 、张车伟（2006） 、罗楚亮（2007） 、刘泽云（2008）等都认为职业会影响教育收益率。其中 ZhangandZhao（2002）利用经典 Mincer 模型得到 1988 年和 1999 年的教育收益率分别为 4.7%和 11.5%，
29、控制了职业变量后，两教育收益率分别变为3.2%和 7.6%，分别下降了 1.5 和 3.9 个百分点。本文将样本范围也控制为城镇样本后，控制职业变量，教育收益率从 10.94%下降为 10.10%，下降了不到一个百分点。与 ZhangandZhao（2002）的估计结果相比，职业的影响应该是下降了。本文全部样本回归结果显示，控制职业变量后，教育收益率下降了 6.84 个百分点（见表 3） 。与全部样本相比，将样本按照职业分类回归，各类职业模型1 对教育收益率的高估程度有不同程度的下降，尤其是农林牧渔水利业生产人员，模型 1 的高估程度很小（见表 6） 。可见职业变量对教育收益率有一定的影响。李
30、实、赵人伟、张平，1998；李实、赵人伟，1999；郭丛斌，2004；齐良书，2005本文 ZhangandZhao 的研究结果转引自：李实、丁赛，2003 和张车伟，2006125姚先国等（2009）运用 2000 年浙江省人口普查数据，从职业隔离的角度验证了浙江劳动力市场存在城乡分割与地域分割，同时认为“同工不同酬”与职业选择的结构性差异主要源于劳动力禀赋差异（人力资本差异）与户籍等制度因素。丁小浩（2004）等认为，由于存在职业代际效应，即子女倾向于继承父母的职业，父母的职业会造成劳动力市场分割，而教育对子女打破这种市场分割具有非常重要的正面作用。劳动者的受教育程度越高，其跨越代际效应，
31、向上流动的可能性就越大。可见，一方面，由于存在劳动力市场的城乡分割，城镇居民和农村居民存在职业分割，同时城镇居民的教育水平高于农村居民，从而职业会影响教育收益率；另一方面，受教育程度较低者受到父母职业造成的劳动力市场分割的影响更大，从而职业分割较为严重。因此教育会通过影响职业而影响收入水平，职业会影响教育收益的实现。表 6 不同职业的教育收益率单位：%职业模型 1 模型 3 变化样本容量全部 15.146.18-8.965575111.747.27-4.47429213.235.69-7.5448239.415.23-4.18320410.476.61-3.8663559.595.39-4.2
32、0111566.475.98-0.492577 注：1=国家机关、党群组织、企业、事业单位负责人；2=专业技术人员；3=办事人员和有关人员；4=商业、服务业人员；5=生产、运输设备操作人员及有关人员；6=农、林、牧、渔、水利业生产人员（包含全职务农） 。其中 1、2、3、4 和 5 类职业中“兼业务农”和“外企”样本不足。第 6 类职业中第五类行业、行政级别为副科以下和副处级以上的样本不足。 “军人及不便分类”样本太少，故略去。4.行业对教育收益率的影响。与模型 1 相比，控制行业因素后估计的教育收益率降低了 6.70 个百分点（见表 3） 。表 7 显示，按照平均收入将行业分为五类后分别回归
33、，模型 1对教育收益率的高估程度至少下降了 3.6 个百分点。两种不同的研究方法都显示，行业因素对教育收益率存在重要影响。表 7 不同行业的教育收益率单位：%行业模型 1 模型 3 变化样本容量全部 15.146.18-8.965575 第一类行业6.755.96-0.792572 第二类行业 10.486.24-4.241049 第三类行业 9.895.22-4.681391 第四类行业 10.086.19-3.89394 第五类行业 13.357.98-5.36169 无论是否控制其他因素的影响，第五类行业的教育收益率都是最高的。第五类行业主要包括与计算机和科学技术相关的新兴行业，以及金融
34、业和水电气供应业等垄断行业，这些行业的收入水平和教育收益率较高。模型 1 估计结果中，农林牧渔业的教育收益率最低，而控制其他因素后，包括制造业、采矿业、教育业等行业的第三类行业教育收益率最低。可见，新兴行业和垄断行业的教育收益率 126较高，而传统行业和竞争行业的教育收益率较低。我国的行业工资差距明显，已成为社会各界的共识。蔡昉等（2005）的研究揭示，1978-1988 年，我国行业工资差距呈下降趋势，而 1988-2002 年则呈上升趋势。信卫平（2004）和金玉国（2004）的研究都表明，按行业工资水平高低排名，1993 年以后，位次前移的是金融、电信等垄断行业和新兴行业，位次居尾的是竞
35、争性程度较大的行业，如制造业、零售业等。根据国家统计局的数据，从 2000 年到 2004 年，收入最高的行业与收入最低的行业的平均工资差距扩大了 1.6 倍。2006 年，电力、电信、金融、保险、水电气供应、烟草等垄断行业的职工平均工资是其他行业的 2-3 倍，如果再加上工资外收入和职工福利待遇上的差异，实际收入差距可能更大。陈菲（2003）分析了第三产业内部的行业收入差距，发现有如下特点：垄断行业与竞争激烈行业之间职工的收入差距过大；新兴行业与传统行业之间职工的收入差距大；知识密集型行业与劳动密集型行业之间职工的收入差距逐渐扩大；采用半市场和非市场分配方式行业与采用市场分配方式行业之间职工
36、的收入差距逐渐拉大。国外相关文献中对行业工资收入差异的解释可归纳为两种因素：劳动力市场竞争性因素（包括人力资本补偿因素、劳动力效应因素等）和非竞争因素（包括效率工资制度、工会因素、体制因素等） 。钟春平（2004）的研究表明，行业的技术创新程度是导致行业工资差距的主要原因之一，而卢卡斯、罗默等学者把技术进步归因于人力资本和知识资本，可见人力资本对行业收入差距存在一定的影响。李晓宁（2007）也认为行业人力资本水平是造成行业职工工资差距的影响因素之一。但我国大部分学者的研究表明，人力资本差异并非行业工资差距的主要原因。国内多数文献将行业收入差距归因于非竞争因素，主要是体制因素，认为垄断是导致行业
37、工资差异的主要原因。竞争性因素，尤其是人力资本因素本身的差异导致的行业收入差异，会促使各行业教育收益率趋同，但是非竞争性因素引起的行业收入差异则会引起教育收益率的行业差异，垄断行业的收入水平和教育水平都偏高会导致教育收益率的高估。本文的回归结果显示不同行业的教育收益率存在差异，并且不控制行业因素时会高估教育收益率，可见我国存在行业隔离与垄断现象，并且这一现象影响了教育收益率。这一结论与 ZhangandZhao（2002） 、Li（2003） 、张车伟（2006） 、罗楚亮（2007）和刘泽云（2008）等学者的结论是一致的。5.单位所有制性质对教育收益率的影响。在影响收入的就业因素中，单位所
38、有制性质受到了最为广泛的关注。陈弋等（2005）深入分析了企业所有制对工资差别的影响，得出如下结论：我国国有企业和非国有企业间存在较大的工资差异，这种工资差异来自所有制的差别效应和工作小时数的差别效应，而非个人特征差别。中央和地方国有企业与城市集体企业之间的工资差异则是所有制效应和不同工人特征联合作用的结果，中央国有企业和地方国有企业之间的工资差异完全产生于所有制效应。地方国有企业和城市集体企业与外商投资企业的工资差异则主要由纯所有制效应造成。李实、赵人伟和张平（1998）认为，不同部门之间的收入差异的扩大在很大程度上是由个别部门的垄断造成的，因而消除这种收入差异的有效措施也只能在于打破部门垄
39、断，改变部门内部的单一所有制性质，增加部门内部的竞争。部门所有制性质不仅直接影响收入水平，还影响教育收益率。ZhangandZhao步正发:某些垄断行业工资过高要关注分配公平 ，r/news/t20060518_504208849.html,2009/2/19。127（2002）的研究显示，增加了所有制变量后，1988 年 Mincer 收益率由 4.7%变为 3.8%，1999 年由 11.5%变为 10.4%。赖德胜（1998，2001）用 11 个省表征劳动力市场分割程度的合同制职工占全部职工的比重和国有工业总产值占全部工业总产值的比重，对 1995 年各省的教育收益率做 OLS 回归分
40、析。正如作者所预期的那样，系数的符号（正负）显示：合同制比重越高的省份，教育收益率越高；国有工业总产值的比重越高的省份，教育收益率越低。李实、丁赛（2003）分析了教育收益率与劳动力市场分割的关系，得出了个人就业单位的所有制性质对教育收益率的影响变得越来越明显的结论。本文回归结果显示，控制单位所有制性质变量后，教育收益率由 15.14%变为 7.95%，下降了 7.19 个百分点（见表 3） 。按照就业单位所有制性质分类后（见表 8） ，模型 1 对三资企业教育收益率的高估程度比较严重，说明三资企业的教育收益率受到职业、行业等其他就业相关因素的影响比较大；对其他所有制单位教育收益率的高估程度都
41、下降了 3.5 个百分点左右。控制其他因素后（模型 3） ，私/民营企事业、三资企业和国有事业的教育收益率较高，而党政机关和国有企业的教育收益率最低。将党政机关、国有企业和国有事业单位合并为国有部门，其他所有制合并为非国有部门，回归结果显示，国有部门的教育收益率低于非国有部门。实际上这两个结论是一致的。表 8 不同所有制性质的教育收益率单位：%单位所有制性质模型 1 模型 3 变化样本容量全部 15.146.18-8.965575 党政机关10.805.36-5.44139 国有企业 8.944.78-4.16798 国有事业 9.886.60-3.29357集体企事业 11.075.97-5
42、.10272 个体经营 9.495.83-3.66941 私/民营企事业12.668.38-4.28459 三资企业 16.176.66-9.5192 农户 6.015.96-0.052521*国有部门 9.705.50-4.191294*非国有部门 11.136.67-4.461764*非国有部门（含农户）13.136.05-7.084282*注：包括党政机关、国有企业和国有事业单位；包括集体企事业、个体经营、私/民营企事业和三资企业。根据赖德胜（1998）的估计，全国平均的教育收益率（5.73%）高于全民所有制企业的教育收益率（5.03%） ，外资企业的教育收益率（6.9%）又高于全国平均
43、的教育收益率，外企比全民所有制企业几乎高出了 2 个百分点。赖德胜认为，教育收益率的分布呈这种高低有致的分布格局，根本原因在于各自劳动力市场的整合程度和劳动力的流动程度不同。在各种所有制企业中，以全民所有制企业的自主权特别是用工自主权和工资奖金分配自主权为最小，因此可以认为，全民所有制企业职工的教育收益率最低，是由于它所面临的劳动力市场发育程度最差的一个结果。外资企业的教育收益率最高则是因为在现阶段，它所面临的劳动力市场是体制外劳动力市场，甚至可以说是发育最充分的劳动力市场。张车伟、薛欣欣（2007）认为，国有部门采用“共享式”的工资决定模式，这种模式倾向于在压低高技能劳动力的报酬率，同时抬高
44、低技能劳动力的报酬 128率，因此国有部门的教育收益率较低。本文认为，我国教育收益率之所以存在差异，既存在赖德胜（1998）提出的劳动力市场发育程度方面的原因，又存在张车伟、薛欣欣（2007）指出的工资决定模式方面的原因，二者并不矛盾。6.职称对教育收益率的影响。在我国，职称对个人收入有非常重要的影响。本文全部样本模型 3 回归结果中，中级职称人员比无职称人员和初级职称人员收入高 32.73%，而高级职称人员则高 50.38%（见附表 3） ，相同教育程度人口的职称不同，其收入水平就会存在较大差异；另一方面，受教育程度较高者职称的晋升速度更快，不同教育程度人口的职称结构存在差异。因此职称必然影
45、响个人教育收益率。在模型 1 基础上，控制职称因素后，教育收益率下降了 2.08个百分点。可见职称对教育收益率有一定的影响，分职称的回归结果支持了这一点（见表 9） ，分职称回归时，模型 1 对教育收益率的高估程度下降了。表 9不同职称的教育收益率单位：%职称模型 1 模型 3 变化样本容量全部15.146.18-8.965575 无职称 13.295.89-7.404713 有职称 9.007.42-1.58862 初级 7.936.73-1.20244 中级 8.235.61-2.62465 高级以上 9.565.71-3.85153 全部有职称者的教育收益率高于无职称者，但将有职称者细分
46、为初级、中级和高级以上职称时，无职称者的收益率仅低于初级职称者。全部有职称者的教育收益率高于初级、中级和高级以上职称各自的教育收益率，其中的原因在于职称越高，收入水平越高，同时较高教育水平者职称也较高，因而不分职称级别时会高估教育收益率。相对而言，初级职称人口的教育收益率高于中级和高级职称人口。其中的原因可能在于，职称较高者年龄一般较高，参加工作时间也较早，我国传统工资制度存在“脑体倒挂”现象。 “脑体倒挂”是一种不合理的收入分配机制，是我国原有收入分配制度造成的。虽然随着我国市场化程度的不断提高，这一现象基本消除，但是该制度对年龄较高人口的影响却依然存在。国有部门“共享式的工资决定模式”实际
47、上与“脑体倒挂”表达了相同的意思，即受教育程度较低者获得的收入高于他们的边际劳动生产率。可见， “脑体倒挂”现象至少在国有部门还没有彻底消除。职称差异是收入差异的重要原因，提高职称是提高收入的重要途径，受教育程度较高者更有可能获得较高职称，通过提高职称而间接增加收入是教育收益的一个方面，个人获得的职称影响其教育收益率。7.行政级别对教育收益率的影响。虽然当前缺乏行政级别与收入关系的研究，但显而易见，行政级别对收入存在显著影响。全部样本模型 3 的回归结果显示，行政级别为“副处级及以上”者的收入比其他人员高 28.67%（见附表 3） 。但在模型 1 基础上控制行政级别，教育收益率仅下降了 0.
48、95 个百分点，对比不同行政级别模型 1 和 3 的估计结果，也可以发现，行政级别对教育收益率虽然存在一定的影响，但影响不大。虽然有行政级别者的教育收益率高于无行政级别者，但其中的原因可能与有职称者教育收益率较高的原因相同，主要是由于高估造成 129的。与职称的影响一样，行政级别主要是直接影响收入。尤其是 2004 年党政机关干部工资制度的改革大幅度拉开了收入差距。这在不少地方表现更为明显，例如北京市 2004 年开始实行“3581 工程” ，即科级、处级、局级和部级干部的年薪分别为 3 万、5 万、8 万和 10 万。行政领导与一般干部的工资水平差距大大扩大了。另一项调查也证实了这一点。 “
49、全国城市居民综合社会调查”就“近二十年来谁获利最多?”征询调查对象的意见，认为国家干部获利最多的比例最高，国有、集体企业经营管理者获利次之。与职称一样，个人获得较高的行政级别有利于收入的大幅提高，获得较高行政级别的可能性也是教育收益率的一个体现，行政级别影响个人教育收益率。表 10 不同行政级别的教育收益率单位：%行政级别模型 1 模型 3 变化样本容量全部 15.146.18-8.965575 不适用 8.645.11-3.541056 无行政级别 15.066.02-9.054345 有行政级别10.697.90-2.79174 总之，本节研究发现，就业方式、就业地区类型、职业、行业、单位所有制性质、职称和行政级别等因素对教育收益率都有一定程度的影响。其中就业方式对教育收益率的影响最大，控制就业方式后，模型 1 估计的教育收益率接近于真值。(二)控制变量相关性及各类控制变量的影响上一节研究了某一控制变量对教育收益率的影响，但是各个控制变量并不是相互独立的。各控制变量之间的相关性，必然导致高估这些控制变量对教育收益率的影响。本节首先研究教育收益率直接影响因素之间的相关性，然后将变量分类，研究各类变量对教育收益率的影响。1.直接影响
