利用抽样调查数据对1990年—1999年期间我国城镇的个人教育收益率的动态变化进行了经验估计，从中发现个人教育收益率是逐年上升的，而且个人的教育边际收益率是递增的。经过估计教育对个人收入增长的直接效应, 估计结果显示了教育对收入增长的影响作用在很大程度上是通过就业途径的选择来实现的。 

　　关键词  教育收益率  劳动力市场  收入差距 

　　作者李实，1956年生，经济学硕士，中国社会科学院经济研究所研究员（北京 100836）； 

　　丁赛，1969年生，中央党校研究生院博士生。 

　　一、         引言 

　　 中国经济改革开放以来，伴随着经济的高速增长和个人收入的急剧上升，个人收入差距形成了一种不断扩大的趋势。[①] 尽管收入差距扩大的原因是多种多样的，但是作为人力资本的一种形态，教育对其所产生影响正在成为人们的一种共识。到了20世纪90年代，一度曾被议论纷纷的“脑体倒挂”现象已不再存在，城镇中高低学历职工之间的收入差距变得越来越明显。一方面，人们普遍感到，学历越高就业越容易，找到好工作的机率越高，相应的收入越大。另一方面，城镇劳动力市场的发育与发展进程，不仅使得企业和用人单位更加重视人才，引进人才和有效率地使用人才，从而促进了一种较为良性的个人收入与个人人力资本之间的互动关系。一种突出的表现就是人们对教育的重视和对教育投资的热情空前高涨，在其背后一个非常重要的因素是不断提升的教育投资的收益率（简称为“教育收益率”）。从这个意义来说，对中国城镇教育收益率进行估计和测量，特别是对其长期变化趋势进行研究，不仅对于我们解释日益扩大的收入差距是有帮助的，而且对于我们理解城镇劳动力市场中工资的决定机制和人才的配置效率也是有益的。 

从20世纪80年代以来，国内外一些学者试图采用国际上较为通用的教育投资成本—收益的分析方法，对中国教育投资的个人收益率进行估计和研究。出于估计方法易于操作的考虑，大多数学者都采用了美国经济学家 J、明瑟在20世纪70年代提出的一种估计方法，[②] 即“明瑟法”（ Mincerian approach），并且利用住户或企业职工抽样调查数据，来估算中国教育投资的个人收益率[③]。李实、李文彬利用中国社会科学院经济研究所收集的1988年城镇住户调查数据中17891个职工样本，估算了教育的个人收益率。根据他们的估计，对于城镇职工而言，教育的年平均收益率为3.8%; 而且教育的边际收益率是递增的：小学、初中、高中和大学教育的收益率分别为2.7%、3.4%、3.9%和4.5%[④]。诸建芳等利用1992年的企业职工抽样调查数据[⑤]，应用大体相同的估计方法，得出的当年城镇企业职工的基础教育和专业教育的个人收益率分别为1.8% 和3.0%。[⑥] 他们获得较低的教育收益率的估计结果， 其中一个重要的原因是其样本被限制为特定行业的企业职工，因而此结果不具有一般城镇职工的代表性。 魏新、邱黎强根据国家统计局城调总队和北京大学高等教育研究所的联合调查数据[⑦]，同样应用“明瑟法”，估算了7个省市的教育的平均个人收益率和各省的个人收益率。从他们的估计结果来看，1996年7个省市的教育的平均个人收益率为6.4%；从地区来看，中部地区的个人收益率最高，为6.66%，东部和西部较为接近，在6.24%左右。[⑧] 赖德胜利用中国社会科学院经济研究所收集的1995年11个省城镇住户抽样调查数据，对11763个城镇职工的收入与其教育水平之间的关系进行了回归估算，其结果表明平均个人收益率为5.73%。[⑨] Haizheng Li and Yi Luo为了剔除不同时期教育质量的差异所产生的影响，对同样的数据中的低年龄组的职工样本（20-30岁）的教育收益率进行估计时，获得了高出2-3个百分点的平均收益率。[⑩] 耐特、宋丽娜使用同样的解释变量和控制变量对1988年和1999年的数据进行了估计，其结果显示不同学历的教育收益率都有很大幅度的上升。[⑪] 陈晓宇、闵维方采用国家统计局城调队和北大高教所联合调查得到的结果，在总样本量为7590的数据中依据城市劳动力教育程度的分布以及年平均收入情况，将教育程度分别处理为文盲、小学、初中、高中、中专、大专、本科等不同的虚拟变量后，进行回归分析。得到的各级教育的个人收益率分别为：初中3.59%，高中4.19%，中专6.76%，大专4.67%以及本科6.58%。[⑫]

     应该指出，上述研究结果是对某一时点的个人收益率的估计。它对于我们理解各个时点上教育的个人收益率是有帮助的，然而它对于我们进一步理解一个较长时期内教育的个人收益率的变动趋势是不够的。这是因为不同研究者使用了不同的抽样数据，估计方法也有所差异，从而致使不同时期的估计结果难以具有可比性。因此，为了理解教育的个人收益率的长期变动趋势，我们需要长期的住户抽样调查数据，在此基础上做出连续而又一致的估计。这里特别需要指出的是，与此项研究同时展开的是张俊森和赵耀辉的研究。[⑬] 他们利用北京、辽宁、浙江、四川、广东、山西6个省市1988～1999年的连续数据，估算出每个年份的城镇职工的教育个人收益率，是一项很有价值的研究成果[⑭]。与他们的研究有所不同的是，本文使用的住户抽样调查数据覆盖了更多的省份，样本具有更高的代表性。其次，我们的数据包括了更多的可以使用的控制变量，在估计模型中引入这些控制变量可以更加准确地估计出教育所产生的直接收入效应。最后，本文试图透过教育收益率的决定方式来发现和验证城镇劳动力市场的局部分割性。

　　二、         估计方法与数据 

　　明瑟的人力资本投资函数只考虑了两种人力资本形式对个人收入或工资的影响，一是从学校教育中获得的知识，二是在工作实践中积累的技能。前者可以用教育年限作为代理变量，因为对从学校教育中获取知识的测量是非常复杂的，很难找到一个合适的测量指标；后者可以用工龄作为代理变量，同样对技能的测量也是复杂的。不难理解，技能水平与年龄之间的关系并非是一种简单的线性关系，这是因为技能水平在参加工作后的一段时期内是不断提高的，但是到了一个时点后技能水平会出现停滞甚至下降，这是由于人们年纪大了以后更加难以适应技术的革新和变化及其个人精力的不断衰减。于是，明瑟的人力资本收入函数（Human capital earnings function）的计量经济学模型可以写成以下的公式： 

　　ln(Y) = a+bS+cEX+dEX²+ε                              （1） 

　　式中ln(Y)为个人收入的对数, Y表示收入，S为受教育年限，EX表示劳动力的就业时间即工龄，工龄的平方项用来反映工龄与收入的非线形关系，ε为误差项，b、c、d表示各变量的回归系数。系数b表示在不考虑教育成本的情况下就业者从学校教育中获得的人力资本的个人收益率，又简称为教育收益率；而就业者从工作经验中获得的人力资本的个人收益率可以从系数c和d中得到[⑮]。 

　　     由于上述公式中的教育年限被设定为连续变量，系数b反映的是平均教育收益率。而在现行教育体制中绝大多数人所受的教育都具有明显的阶段性，如小学教育，初中、高中教育，大学教育，而且不同阶段的教育会有不同的教育收益率。为了使得人力资本收入函数估计出不同阶段教育的个人收益率，公式（1）可以改写为： 

　　        ln(Y) = a+b_iS_i+cEX+dEX²+ε                                   （1a） 

　　其中，S_i 和b_i 分别表示就业者的不同学历水平和相对应的教育收益率。按照中国现行的教育制度，公式（1a）可以具体写成  ln(Y) = a+b₁S₁+ b₂S₂+ b₃S₃+ b₄S₄+ b₅S₅+ b₆S₆+ cEX+dEX²+ε 。这里S₁，S₂，S₃，S₄，S₅，S₆ 分别表示大学、大专、中专、高中、初中、小学的学历。 

　　     利用上述公式估计的教育收益又被称之为教育的毛收益（raw returns to education）,它包括了教育对个人收入的直接效应和间接效应两部分。直接效应又被称之为教育的纯收益（net returns to education）。然而，对教育的直接效应和间接效应不加以区分是以这样一个假定条件为前提的，即劳动力市场是完全竞争的。这个假定意味着个人教育收益率是在劳动力市场上统一决定的，因而它与企业的所有制性质，行业差异，地区差异是无关的。另外，它还意味着如果不同所有制单位之间，不同行业之间，不同地区之间存在着收入差异，教育并不成为人们进行就业选择的决定因素。在这样的假定前提下，教育的间接效应是不存在的，于是，教育的毛收益和纯收益是相等的。显然，这些假定是与中国城镇的劳动力市场的现实状况是不一致的。在劳动力市场仍处在相互分割的现实中，就业者所在的企业所有制性质，行业和地区特征不仅与个人的教育变量之间存在一定的相关性，而且还会对教育收益率的决定机制产生影响。基于这种考虑，我们一方面在公式（1）或公式（1 a）中引入了一些相关的控制变量，从而尽可能地分离出教育变量对个人收入的直接效应，从而获得教育的纯收益率。为此，我们可以得到（2）或公式（2 a）如下， 

　　ln(Y) = a+bS+cEX+dEX²+ e_iZ_i + ε                                    （2） 

　　ln(Y) = a+b_iS_i+cEX+dEX²+ e_iZ_I + ε                                   （2a） 

　　式中的Z_i  和e_i 分别代表一组控制变量及其系数估计值。另一方面，为了检验劳动力市场的分割性导致的个人教育收益率的差异，我们在引入控制变量的同时，还引入了教育变量与控制变量的相互作用项（Interaction terms）， 即S•Z_i 。从而我们可以得到 

　　ln(Y) = a+bS+cEX+dEX²+ e_iZ_i + f_iS•Z_i+ ε                                    （3） 

　　    ln(Y) = a+b_iS_i+cEX+dEX²+ e_iZ_I + f_iS_i•Z_i+ε                                   （3a） 

　　     以上三组公式也就构成了本文对中国城镇职工个人教育收益率经验研究的主要计量模型。 

　　     本文所使用的经验数据来自于中国社会科学院经济研究所收入分配课题组和城镇贫困研究课题组开展的两次住户抽样调查[⑯]。第一次抽样调查覆盖了11个省份，69个城市[⑰]，住户样本为6996个，个人样本为21696个。第二次抽样调查只包括了上次调查中的6个省份，13个城市[⑱]，住户样本为4000个，个人样本为13544个。两次抽样调查收集到的数据不仅包含了住户成员有关收入、就业，和个人特征等方面的较为详细的信息，而且还包括了就业成员在前几年中每一年的年收入的信息[⑲]。在个人特征方面，有关个人人力资本的信息，除了个人的文化程度（学历）外，还有工作年限，用来代理工作经验。此外，可以用作控制变量的信息有个人性别、工作单位的所有制性质、行业、省份、企业赢利状况等等。值得注意的是， 

　　表1、1995年和1999年样本职工的个人和就业的基本特征 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年城镇住户抽样调查数据。 

　　为了使得个人教育收益率的估计结果更为准确和一致，我们对个人样本进行了整理和裁减。用于分析的数据只包括了当年在职职工，也就是说当年有过失业下岗经历的住户成员不包括在内；此外从事个体经营和私营企业主也不包括在内，这是因为他们的收入不仅受到其人力资本的影响，也受到其物形资本（Physical capital）的影响。 

　　表1列出职工样本的个人特征和就业特征的分布情况，从中不难发现从1995年的第一次调查到1999年的第二次调查，样本职工的受教育水平有了明显的提高。[⑳] 大学及以上学历的职工的比例上升了2个百分点以上，大专学历职工的比例上升最为明显，上升了5.6个百分点。相应地小学及以下学历的职工比例的下降幅度超过了3个百分点，初中学历的职工比 

　　例的下降幅度也超过了3个百分点。与此同时，我们计算出的两年期间职工的平均教育年限增加了0.6年（约7个月）。从就业分布来看，高学历人员更多地就业于国有部门，如表1所示，在1995年的调查数据中大学和大专学历的职工在国有部门就业的比例比平均水平分别高出1.4和2个百分点。这也就意味着非国有部门的职工的学历水平平均说来要低于国有部门。同样地，企业职工的平均学历要低于国家机关和事业单位职工的水平。这一点是不难理解的，因为后者对高学历人员来说具有更大的吸引力。然而，与人们想象不同的是，我们的样本表明亏损企业职工的平均教育水平并不明显地低于赢利企业，1995年亏损企业职工的平均教育年限为10年，盈 

　　     表2、1990年-1999年样本职工的平均收入和收入增长指数 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年城镇住户抽样调查数据。 

　　注：（1）1995年和1999年的个人年收入是由当年调查的各种分项收入合并而成。分项收入包括了职工工资、奖金、补贴、从单位得到的其它收入、个体被雇者收入，其它劳动收入、实物收入等。1990~1994年和1996~1998年的职工个人总收入数据是在调查员的协助下由被调查人回忆的。 （2）各年的平均收入按照1990年的不变价格进行了统一折算。 

　　利企业为10.22年；1999年亏损企业职工平均受教育年限为10.43年，盈利企业为11.10年。这意味着企业亏损与企业职工的素质特别是文化程度的高低并没有某种相关性。从地区来看，两年的调查数据表明，对于高学历职工的比例来说，除了中部地区略低（如1995年）或者略高（如1999年）之外，而东部地区与西部地区的差异并不明显。两个地区的主要差异是小学及小学以下学历职工的比例，1995年西部地区比东部地区高出2.8个百分点，1999年高出3个百分点。 

　　    表2 给出了1990年-1999年期间几个相关年份的不同学历的样本职工的平均实际收入和收入增长指数。在整个90年代，职工的平均实际收入增加了47.5% , 但是不同学历职工的收入上升幅度是不同的。如表2所示，从1990年到1995年大学以上学历和大专学历的职工的收入都上升了20%，而初中学历职工的收入上升了12%，小学学历职工的收入仅上升了4%。而且在1995年-1999年期间，不同学历职工的收入上升幅度表现出更大的差异。在这4年中，大学及大学以上学历的职工的收入出现了更加快速的增长，增长幅度高达52个百分点，与此形成反差的是低学历职工的收入增长情况。正如表2所显示，初中学历职工的实际收入只增长了20个百分点，而小学及以下学历职工的收入不仅没有增加，反而下降了1个百分点。正是由于不同学历职工的收入表现出不同的增加幅度，不同学历职工之间的收入差距形成一种不断扩大的态势。如果将全体职工的平均收入设定为100， 那么在1990年大学及大学以上学历的职工的收入比平均水平高出23%， 而初中学历和小学及以下学历职工的收入比平均水平低7%，二者相差30个百分点。到1995年，大学及以上学历的职工的收入与初中学历职工的收入相差37个百分点，与小学及以下学历职工的收入相差44个百分点。到1999年，差距进一步扩大，前一种差距达到60个百分点，后一种差距达到78个百分点（见表2）。 

　　三、教育收益率的估计结果及其解释 

　　如上所述，90年代中国城镇不同学历职工之间的收入差距出现了不断扩大的态势。它是否意味着职工个人教育收益率的持续上升呢？为了回答这一问题，我们利用前面给出的三组公式对城镇职工的个人教育收益率进行了估计并得出一些很有意义的估计结果。它们也就构成了本节讨论的基础。表3列出了根据公式（1）得到的估计结果，从中我们可以看出1990年-1999年期间教育年限系数估计值的变动情况。[21] 不难发现，教育年限系数估计值出现了一个不断上升的变动趋势。如果将系数估计值换算成百分比，[22] 我们就可以用百分比来表示这一时期年平均个人教育收益率。图1显示了中国城镇个人教育收益率不断上升的这样一种变动趋势。就我们的数据估计结果而言，1990年的个人教育收益率仅为2.5%，到了1995年上升到4.9%，几乎翻一番；到1999年个人教育收益率进一步上升为8.4%，与1995年相比上升了71%，而与1990年相比上升了3.4倍。在较短时期内个人教育收益率的这种快速的攀升过程给人们的印象是深刻的，它又是与中国城镇劳动力市场的改革和工资制度改革的进展分不开的。 

　　表3、1995年-1999年中国城镇职工个人教育收益率的回归结果（教育年限） 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年城镇住户抽样调查数据。 

　　注：从T值上看，所有系数估计值都是在1%的水平上高度显著的。 

　　     表3给出的仅仅是平均的教育收益率。然而，如果我们还想进一步了解教育收益率的结构性变化情况，我们需要对公式（1a）加以估计，从中可以获取不同学历的教育收益率的估计结果（见表4）。从表4给出的估计结果中，我们可以发现这样几个特点。第一，从静态的角度来看，高等教育的个人收益率明显高于初等教育的个人收益率。即使以初始的1990年为例，相对于省略变量小学及小学以下学历而言，大学学历的收益率是47%，以大学学历与省略变量之间的教育年限差额为13年计算，那么我们可以得到大学学历的年平均收益率为 

　　
  资料来源：本文表3。 

　　表4、1995年-1999年中国城镇职工个人教育收益率的回归结果（文化程度） 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年城镇住户抽样调查数据。 

　　注：（1）模型估计中包括了工龄变量及工龄的平方项，由于其系数估计值与表3中的结果大致相同，所以在本表中没有给出。 

　　（2）从T值上看，所有系数估计值都是在1%的水平上高度显著的。 

　　3.6%，比公式（1）估计出来的年平均收益率高出50%。换一种算法，大学学历的收益率比高中学历高出27.8个百分点，这意味着4年的大学教育的平均年收益率接近7%, 而三年的高中教育的年收益率只是3.3%。第二，从动态角度来看，不同学历的教育收益率都有不同的上升。这一点是可以与前面的估计结果相互印证。如图2所示，与1990年相比，不仅高等教育学历的教育收益率在1999年上升了很大的幅度，即使中等教育的教育收益率也有一定幅度的上升。第三，动态比较的角度来看，高等教育的平均年收益率的增长幅度要大于初等教育（见图2）。1995年和1999年的估计结果为这一判断提供了经验证据。相对于小学及小学以下学历而言，1995年大学学历的收益率为83%, 而高中学历的收益率为33%, 前者比后者高出50个百分点。到1999年大学学历的收益率上升为179%, 而高中学历的收益率为62%, 前者比后者高出117个百分点。这表明了教育收益率有着明显的递增趋势。 

　　如上所述，利用公式（1）或公式（1a）估计个人教育收益率时假定存在着一个完全竞争的劳动力市场。这意味着对于职工来说，不论就业于何种所有制单位、何种产业部门，哪个地区，人力资本得到的回报率应该是完全相同的。同样地，就业单位的赢利和亏损状况也不应该成为人力资本回报率差异的影响因素。不难想象，这一假定显然与中国城镇劳动力市场的现状相差甚远。而在劳动力市场相互分割和存在严重的劳动力流动障碍的市场环境下，我们所观察到的高学历与高收入的简单相关性也许包含了另外一种可能性，即高收入还受到了高学历以外的因素影响，这些因素既包括了个人特征如性别、年龄、民族身份等，也包括了工作单位的特征如单位所有制性质、产业特征，地区差异、企业赢利状况等。这也就意味着模型中的教育变量与这些因素之间存在着一定的共线性（collinearity），从而造成教育的毛收益率和纯收益率的不同。也就是说，由于教育变量与其他影响职工个人收入的变量之间存在着一定程度的相关性，我们需要对教育的纯收益率重新加以估计。我们更为关心的是，估计出的教育纯收益率会不会呈现一种不同的变动趋势呢？为了回答这个问题，我们需要发现并利用一些相关的控制变量。这些变量可以大致分为两类，一是与职工就业有关的因素，如职业种类、单位所有制、单位所在行业或地区；一是与个人特征及家庭背景有关的因素，如个人能力，性别，父母文化程度。而我们的调查数据包含更多的有关第一类因素的信息，缺少有关个人能力和父母文化程度等方面的信息。 

　　对教育的纯收益率进行估计一个办法是将影响职工个人收入的各种变量尽可能地引入模型以起到控制变量的作用。这也是公式（2）和公式（2a）所表明的意义。表5和表6分别给出了根据公式（2）和公式（2a）估计出的有关教育变量的估计结果。受于篇幅限制，其它变量的估计结果没有列出。估计模型中使用的控制变量分别是性别、党员身份、工作单位所有制、单位盈亏状况、单位所在产业、地区等。应该说明的是这些变量都被处理成虚拟变量。[23] 

　　表5、引入控制变量后个人教育收益率的回归结果（教育年限） 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年城镇住户抽样调查数据。 

　　注：从T值上看，所有系数估计值都是在1%的水平上高度显著的。 

　　     从表5和表6给出的结果可以看出，当控制变量被引入之后，教育变量的系数估计值出现了较大幅度的下降。这表明了公式（1）和公式（1a）估计出来的较高的教育的毛收益率并非等同于教育所产生的直接收入效应，它包括了通过控制变量产生的一部分间接效应。从这个意义上来说，根据公式（2）和公式（2a）估计出来的教育变量的系数估计值是教育变量所产生的直接收入效应，也就是个人教育的纯收益率。总体来说，加入控制变量之后，教育年限的系数估计值下降了大约一半左右。如表3和表5所示，1990年教育年限的系数估计值从0.0243下降为0.012; 1995年教育年限的系数估计值从0.048下降为0.029; 1999年的这一数值从0.081下降为0.048。然而，尽管教育变量对个人收入的直接效应小于其总体效应，即教育的纯收益率小于教育的毛收益率，但是二者所表现出的变动趋势却是完全一致的，即职工个人的教育纯收益率也是逐年上升的。 

　　表6、引入控制变量后个人教育收益率的回归结果（学历） 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年城镇住户抽样调查数据。 

　　注：从T值上看，所有系数估计值都是在1%的水平上高度显著的。 

　　对表6中的估计结果做进一步的考察，我们可以发现引入控制变量以后对不同学历教育的纯收益率产生的不同影响。不难看出，不论是高学历还是低学历，反映为教育对收入直接效应的教育纯收益率都有较大幅度的下降，而且各自的下降幅度大致相同。这里分别以1995年和1999年的估计结果为例加以说明。从1995年的估计结果来看，大学学历的系数估计值从0.603下降为0.392, 下降了35%；同样地，高中和初中学历的系数估计值分别下降了33% 和41%。再从1999年的估计结果来看，大学学历的系数估计值也下降了35%；与此同时，高中和初中学历的系数估计值分别下降了34% 和35%。然而，从变动趋势上看，不同学历的纯收益率呈现出不断上升的趋势。利用表6中的结果，我们可以算出，在1990年至1999年期间，对于大学，大专，中专高中学历来说，它们各自的系数估计值分别增加了150%，187%，153% 和164%。 

　　四、教育收益率与劳动力市场分割 

　　     从以上的估计结果中，我们可以或多或少地察觉到中国城镇劳动力市场存在着某种程度的分割性。一些控制变量的系数估计值表明，职工工资收入的差异不仅存在于不同学历之间，而且存在于不同所有制之间，不同行业之间，不同地区之间等等。即使在学历、工龄以及其他个人就业特征完全相同的情况下，就业于垄断性行业的职工的平均工资收入比竞争性行业的职工高出许多。[24] 为了对劳动力市场分割对教育收益率的影响加以验证，我们利用上述公式（3）和1995年和1999年的数据对个人教育收益率进行了再估计，其结果显示在表7中。 

　　表7、1995年和1999年城镇职工教育收益率的估计结果（引入相互作用项） 

　　资料来源：中国社会科学院经济研究所收入分配课题组1995年城镇住户抽样调查数据和城市贫困课题组1999年 

　　城镇住户抽样调查数据。 

　　注：（1）表中带*的变量是指该变量与教育年限的相互作用项。（2）省略变量是女性、非党员、城镇集体企业、盈利企业、西部地区、垄断行业。 

　　     对表7中的结果加以归纳，我们可以得到以下两个要点。第一，单位所有制性质对教育收益率的影响是存在的，而且变得越来越明显。相对于省略变量城镇集体企业来说，国有独资企业职工的个人教育收益率是偏低的。从1995年的数据估计结果来看，国有独资企业职工的个人教育收益率低于城镇集体企业，但是其系数估计值在统计上都是不显著的。然而，1999年的数据估计结果表明，国有独资企业职工的个人教育收益率大大低于城镇集体企业职工，而且其系数估计值都是高度显著的。可以算出，国有独资企业职工的个人教育收益率比城镇集体企业职工大约低4个百分点。对于私营个体企业来说，在 1999年模型中的系数估计值是正的，在统计上也是高度显著的。这意味着私营个体企业职工的个人教育收益率比城镇集体企业职工大约高出5-6个百分点。由此我们可以得出结论认为，私营个体企业给予职工教育的回报是最高的，而国有独资企业给予的回报是最低的。这在一定程度上也解释了国有部门高学历人才大量外流的问题。第二，职工个人教育收益率在不同地区之间的差别不是非常明显，但是是客观存在的。从表7中的估计结果来看，在1999年中部地区职工的个人教育收益率是最低的，西部地区比之要高出近2个百分点，东部地区要高出近3个百分点。 

　　五、关于估计误差的讨论 

　　    我们的上述估计结果都是用OLS(Ordinary Least Squares, 普通最小二乘法) 获得的。而利用OLS对明瑟的人力资本收入函数估计所获得的有关个人教育收益率的估计结果有可能会产生一定的偏差。在这里我们将集中讨论导致估计偏差的两种因素：个人能力的影响和教育变量的测量误差问题。在通常估计的人力资本收入函数中，由于没有考虑个人能力对个人收入水平的影响作用，因而会导致个人教育收益率的高估。对不同个人而言，受教育水平的差异是显而易见的，而造成这种差异的原因是多种多样的，其中一个非常重要的原因是个人认知能力的差别。这种能力不仅决定了在激烈升学竞争中获胜的可能性，而且也决定了个人教育投资效率的高低。前者在教育需求大于教育供给的情况下变得尤为重要，而后者构成了个人教育需求的一个决定因素。总之，个人认知能力与个人的受教育程度之间存在着一定的正相关性，即个人认知能力高的人往往会受到更多的教育，反之亦然。另一方面，在劳动力市场上，个人认知能力也会得到一定的收入回报，因为它有助于提高个人劳动生产率。然而，在估计模型中如果舍弃了个人认知能力的变量，由于个人教育水平与个人认知能力之间的正相关性作用，反映教育收益率的教育变量的系数估计值会包含个人认知能力带来的部分收入回报，从而导致教育收益率的高估。自从该问题被认识以来，一些学者通常试图通过两个办法来解决高估的问题。 一个办法是在估计模型中引入个人认知能力的代理变量如个人智商或父母的受教育水平作为控制变量，来分离出个人认知能力对收入的影响作用；另一种办法是利用工具变量的估计方法（IV estimation）, 来校正OLS方法所产生的教育变量系数估计值的估计误差。对于第一种方法，Card (1999) 对90年代以来的7篇重要研究文献中的估计结果进行了归纳，从中发现引入父母的受教育水平作为控制变量后会使得教育变量的系数估计值下降5-10%，而引入兄弟姐妹的受教育水平作为控制变量后会使得教育变量的系数估计值下降10-25%。[25] Li and Luo在利用1995年城镇住户抽样调查数据对低年龄组职工的教育收益率进行估计时，在估计模型中引入父母的教育水平作为控制变量后，教育变量的系数估计值下降了16%。[26] 最近中国社会科学院人口与劳动经济所的一项研究课题，在将测试后的一些个人能力指标引入估计模型后，并没有明显地改变教育变量的系数估计值。[27] 对于第二种方法, 由于寻找合适的工具变量存在着一定的难度, 使用不同的工具变量估计出来的结果存在较大的差异。[28] 

　　    如果说能力因素会造成教育收益率的高估，那么教育变量的测量误差则会引起教育收益率的低估。应该说明的是，测量误差问题在任何抽样调查数据中都是无法避免的。具体到教育变量的测量误差，它主要来自于数据中填报的教育年限与实际教育年限偏离。这种偏离具有这样一个特点，即最高学历的样本组只有低报其教育年限的可能，而不可能有高报的可能，因为高报者很容易被识别出来，同样最低学历的样本组只有高报其教育年限的可能。[29] 而中间学历组样本却可能出现教育年限高报或低报的情况。这种情况的出现会降低教育年限与收入之间的相关性，因为它一方面降低了最高学历组的平均收入，另一方面提高了最低学历组的平均收入。其结果就会表现在估计模型中教育年限变量系数估计值的低估。从20世纪90年代以来的一些最新的研究成果来看，教育变量的测量误差大约会造成个人教育收益率10-15%的低估。[30] Li and Luo在对教育年限变量进行调整后，使得个人教育收益率上升了大约11%。[31] 

　　    由此可见，利用明瑟的人力资本收入函数来估计个人教育收益率，既有高估的问题，也有低估的问题，我们给出的上述估计结果也存在着同样的问题。可是，如果将高估程度与低估程度加以综合考虑，在高估部分与低估部分相互抵销后，实际估计误差也许并不如所想象的那样严重，这也是迄今为止大多数学者仍在使用这一估计方法的原因所在。但是这并不意味着我们已经得到了理想的估计结果，对不同性质误差加以准确估计仍将是该领域中一个未来的研究方向。 

　　六、结论 

　　本文利用两套抽样调查数据对1990年—1999年期间我国城镇的个人教育收益率的动态变化进行了经验估计，从中发现个人教育收益率是逐年上升的，十年间上升了近3倍。到了90年代末期，我国城镇的个人教育收益率水平已与国际平均水平相差无几[32]。这是与中国城镇劳动力市场的改革和工资制度改革的进展分不开的。为了理解不同学历的教育收益率的差别及其各自不同的变化态势，我们同时对各年的不同学历的教育收益率的平均水平进行了估计，其结果表明高学历职工的平均教育收益率显示了较高的水平，对大学以上学历的职工来说尤其如此。这意味着我国城镇的个人教育收益率是递增的。这一点是有别于大多数发展中国家的情形，一些相关的研究文献表明发展中国家的初等教育却具有更高的收益率[33]。为了进一步准确估计教育对个人收入增长的直接效应, 我们在估计模型中引入了控制变量，从中获得的估计结果显示，教育对收入增长的影响作用在很大程度上是通过就业途径的选择来实现的，因为高学历有助于人们更容易就业于一些收入较高的部门，行业，地区，和企业。我们的估计结果还表明就整个城镇来说教育收益率并非是一致的，不同所有制单位之间存在着较为显著的差异，不同地区之间也有一定的差异。这在某种程度上反映了城镇劳动力市场的分割性。 

　　参考文献： 

　　Becker, Gary （1993）. Huamn Capital. Third Edition. The University of Chicago Press. 

　　Card，David (1999). The Causal Effect of Education on Earnings. In Ashenfelter, Orler and David Card, eds., Handbook of Labor Economics, volume 3A, pp 1801-1863. 

　　The China Adult Literacy Survey Team（2002）. “The Design, Implementation and Relevance of Adult Literacy Tests in China”. Working paper. Institute of Population and Labor Economics, CASS. 

　　陈晓宇、闵维方（1998年）《我国高等教育个人收益率研究》，《高等教育研究》1998年6月 

　　Knight and Song（2001）. “Economic Growth, Economic Reform and Rising Inequality in China”. In Riskin, Carl, Zhao Renwei and Li Shi, eds., China’s Retreat from Equality. New York: M.E. Sharpe. 

　　赖德胜（1998年）《教育、劳动力市场与收入分配》，《经济研究》1998年第5期 

　　Li , Haizheng and Yi Luo (2002). Reporting Errors, Ability Heterogeneity, and Returns to Schooling in China. Working Paper，School of Economics，Georgia Institute of Technology. 

　　李实、李文彬（1994年）《中国教育投资的个人收益率的估计》，载赵人伟，格里芬主编《中国居民收入分配研究》（第十四章），中国社会科学出版社。 

　　Mincer, Jacob （1974）. Schooling, experience and earnings, Columbia University Press, New York, 1974.   

　　Psacharopoulos, George （1985）.“Returns to Education: A Further International Update and Implications.” Journal of Human Resources 20: 583-604. 

　　Psacharopoulos, George and Harry Patrinos （2002）.“Returns to Investment in Education： A Further Update”. World Bank Policy Research Working Paper 2881. 

　　魏新、邱黎强（1998年）《中国城镇居民家庭收入及教育支出负担率研究》，《教育与经济》1998年4月 

　　Zhang，Junsen and Yaohui Zhao （2002）.“Economic Returns to Schooling in Urban China, 1988-1999”. Working paper. November 2002. 

　　赵人伟、格里芬（1994年）主编《中国居民收入分配研究》，中国社会科学出版社。 

　　赵人伟、李 实、 李思勤（1999年）主编《中国居民收入分配再研究》，中国财经出版社。 

　　诸建芳等（1995年）《中国人力资本的个人收益率研究》，《经济研究》1995年第12期。