教育与收入关系的实证研究——基于中国高等教育扩张冲击的视角-候玉娜.pdf

《教育与收入关系的实证研究——基于中国高等教育扩张冲击的视角-候玉娜.pdf》由会员分享，可在线阅读，更多相关《教育与收入关系的实证研究——基于中国高等教育扩张冲击的视角-候玉娜.pdf（11页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第卷 第期Vol Q.，No |.年月Journal of Educational Studies Dec .l：-Te：候玉娜（），女，河南人，西南大学西南民族教育与心理研究中心、西南大学教育学部讲师，博士，主要从事教育经济学研究。E-mail：nanaswueducn：本文系年国家社会科学基金教育学青年课题“教育的“精准扶贫”作用、机制与措施研究”（课题批准号：CFA）的阶段性成果。教育与收入关系的实证研究Sfj+（2v2B，i）K 1：基于年中国家庭追踪调查数据，借鉴工具变量断点回归方法的基本思路，使用年高等教育扩招政策对于在不同年份入读大学人群的受教育水平及劳动收入造成的外生冲击，实证

2、估计了我国居民的个体教育收益率。研究发现：（）高等教育扩招政策对我国居民受教育水平的影响不仅仅局限于高等教育领域，而是贯穿了教育系统的多个阶段；（）我国居民个体教育收益率的工具变量估计值为，男性样本和女性样本的教育收益率分别为和，为传统最小二乘法估计值的两倍左右。1oM：个体教育收益率；高等教育扩招；工具变量断点回归法ms|：G- DSM：A cI|：-（）-DOI：jcnki-B、自世纪年代人力资本理论创立以来，教育被越来越多地视为一种投资行为。对教育投资收益率（或称回报率）的准确估计不仅有助于个体进行合理的教育投资规划，也有助于政府判断社会资源分配的合理性，进而提高整个社会经济的运行效率。

3、我国的教育收益率研究始于年代。多数实证研究结果显示，在年代初期，由于市场经济体制刚刚建立，我国的教育收益率水平不足。-进入年代，随着劳动力市场体制改革的深化，统一劳动力市场逐步建立和完善，我国的教育收益率逐步上升，达到左右。-进入世纪，实证研究结果显示我国的教育收益率进一步提高，达到接近的世界平均教育收益率水平。-近年来，随着城镇化进程的不断深入，我国的劳动力市场正在经历新一轮的转型，居民个体的教育收益率也将呈现出新的发展变化动态。因此，尽管过去三十年，研究者从理论和方法角度对教育与收入之间的关系进行了大量探索，未来一段时间，教育收益率研究仍将是对于我国劳动力市场十分重要的经典研究主题。本文借

4、助年的高等教育扩招政策在短时间内对我国居民受教育水平及收入造成的外生冲击，利用个体高中毕业考大学的年份差异作为个体受教育水平的工具变量，实现对我国居民个体教育收益率的准确考察。本研究将完成如下任务：首先估算高等教育扩招政策对我国居民受教育水平及劳动收入的影响；其次，利用高等教育扩招政策对居民受教育水平的外生冲击，估算个体教育收益率。=、D8过去三十年，国内外有关教育投资的经济回报，即投资收益率的理论研究和实证方法讨论络绎不绝，研究者为准确估计个体教育收益率进行了大量的尝试，积累了许多宝贵经验。早期实证研究大多使用美国经济学家明瑟提出的工资方程，结合普通最小二乘法（Ordinary Least

5、Square，OLS）来估计万方数据l 教育学报年教育的收益率。然而使用OLS估计方法可能会产生由遗漏变量引起的模型内生性问题，进而导致对教育收益率的估计偏误。具体来说，当在明瑟收入方程中考虑了受教育水平、工作经验及其他个人或制度特征变量对收入的影响后，可能还存在着影响收入水平且同时与受教育水平相关的其他解释变量（比如无法观察的个人能力），这将导致对教育收益率的有偏估计。为了解决教育收益率估计的内生性问题，研究者进行了大量尝试与探索。早期研究主要通过寻找模型中被遗漏变量的代理变量（proxy variable）（如智商、考试成绩及家庭中其他成员的教育水平等可作为个人能力的代理变量），并将其加入

6、明瑟收入方程来纠正教育收益率的估计偏误；还有研究者借助双胞胎样本，采用固定效应模型，消除掉遗漏变量对于收入的影响效应；-更多的研究者则采用工具变量方法，即寻找到一个或多个与个人受教育水平密切相关但与其他遗漏变量无关的外生变量，作为受教育水平的工具加入明瑟收入方程。-近年来，研究者开始尝试利用社会政策制度对个体受教育水平产生的外生冲击造成的个体受教育水平在地区层面（cross-state variation）或时间层面的变异（cohort-level variation）作为工具变量来估计教育对收入的影响。例如，有研究利用第二次世界大战对德国和澳大利亚适龄儿童受教育水平造成的外生冲击，估算了教育

7、对于个体成年后的收入值及整个国家GDP的影响；有研究利用“文化大革命”造成的各级学校教育的中断作为一代人受教育程度的工具变量，估计了个体受教育水平的代际效应；还有研究利用印尼政府的学校建设计划在实施时间和地区的双重差异，评估了学校建设项目对于个体受教育水平及未来收入的影响。另外，较多的研究者选择利用义务教育法对个体受教育机会产生的外生冲击来估算个体教育收益率。-英国研究者利用高等教育扩张政策作为个体受教育水平的外生冲击，估计了英国的教育收益率。-、!9（B）本研究使用由北京大学中国社会科学调查中心（ISSS）设计实施的中国家庭追踪调查（China Fami-ly Panel Studies，C

8、FPS）数据。CFPS通过多阶段分层随机抽样，跟踪收集个体、家庭、社区三个层次的数据，样本覆盖个省（自治区、直辖市），代表全国总体的。CFPS提供了个体在各个教育阶段的学校类型、学科、是否毕业、毕业年份等详细的受教育信息以及家庭背景相关信息。本文基于以下维度对原始数据进行了筛选：（）基于劳动力的标准定义以及我国对于退休年龄的相关规定，本文把男性样本限定在周岁，女性样本限定在周岁，并排除所有已经退休和正在上学的样本。（）剔除主要职业为“务农”和“自己经营”的样本，只保留在单位工作的“受雇”样本。（）剔除所有劳动收入信息为缺失的样本。（=）Ml研究中涉及的主要变量的定义如下。被解释变量本研究的被解

9、释变量为个体收入值。尽管CF-PS问卷针对个体收入进行了详尽的考察，由于本研究只关注个体在劳动力市场中获得的经济收入，因此只选取问卷中“去年平均月工资”、“去年平均每月的浮动工资、加班费以及各种补贴和奖金”、“去年年终奖金”、“去年单位发放的实物折合现金”、“去年的第二职业、兼职或临时性收入”及“其他劳动收入”六项经济收入合并为个体劳动力市场总收入值，并基于衡量年度劳动强度的变量“去年一年工作几个月”折算成个体月平均劳动收入值。解释变量（工具变量）本文的主要解释变量为衡量个体是否受到扩招政策影响及影响的具体程度的变量。我国的高等教育扩招政策于年起在全国范围内实施，然而关于政策何时终止并没有正式

10、的官方依据。本研究基于以下两项证据将扩招结束时间定为年：（）年我国政府反思高等教育扩招政策并提出高等教育的发展要切实把重点放在提高质量上；（）根据国家教育统计年鉴相关数据，我国普通高校本专科招生规模在年迅速下降，相比于年增幅不足。为了确保本研究工具变量的有效性，本文将在后文针对使用不同政策时间结点情况下的工具变量组合结果稳健性进行检验。由于存在出生时间的差异，个体是否受到扩招政策的影响及影响的具体程度是由高中毕业考大学的时间决定的。具体来说，在年以前及年以后高中毕业的个体没能赶上扩招政策，因而其万方数据第期教育与收入关系的实证研究l 受教育水平不受政策影响；而在年之间高中毕业的个体赶上了扩招政

11、策，因而其受教育水平可能受到政策的影响。本研究首先需要确定个体实际的或虚拟的高中毕业考大学的年份。CF-PS数据库提供了个体在教育系统各个学段的毕业肄业结业时间信息，然而部分记录在这一变量上存在缺失。对于存在缺失信息的记录，本文利用其初中毕业肄业结业时间变量及高中就学时长变量（原始问卷问题为“您高中读了几年”）推算出其高中毕业考大学的年份。如果初中毕业肄业结业时间变量也存在缺失则首先利用小学毕业肄业结业时间变量及初中就学时长变量估算出样本初中毕业肄业结业时间，以此类推。对于那些在多个学段的毕业时间和就学时长变量上都存在缺失的样本，本文根据其出生年份和月份，结合我国义务教育入学年龄要求及各个学段

12、学制对修学年限的安排，粗略地估算出了个体高中毕业考大学的时间变量。具体来说，对于在月出生的个体，其高中毕业考大学的时间计为出生年份加上；对于在月出生的个体，其考大学的年份计为出生年份加上。基于个体高中毕业考大学的年份信息，本文将在同一年高中毕业考大学的样本视为同一个时间群组（cohort），并根据对个体是否受到扩招政策影响的判断，进一步将样本划分为“扩张前（pre-expan-sion）”、“扩张中（during-expansion）”及“扩张后（after-expansion）”三个时间群组。其中，“扩张前”时间群组由那些在年之前高中毕业考大学的个体组成；“扩张后”时间群组由那些在年以后高中

13、毕业考大学的个体组成；而“扩张中”时间群组则包括了高中毕业考大学年份介于之间的个体。其他控制变量不同于以往教育收益率研究在收入方程中加入包括职业、行业、婚姻、地区、城乡等控制变量的做法，本研究认为尽管这些变量影响个体的劳动力市场收入，但它们均属于可能受到高等教育扩张政策影响的中间变量，在收入模型中控制这些变量将低估高等教育扩招的收入效应。因此，本文将性别及年龄这些事先确定、不能改变的变量作为模型控制变量。另外，本文还在所有模型中加入了个体居住省份变量用以控制不同省份的消费水平差异。主要变量的描述性统计结果见表。V1 Md9变量平均值标准差最小值最大值9高中毕业年份 年龄居住地年工作时长（月）收

14、入对数值 ?受教育年限（年） 高等教育学历比例 D高中学历比例 D3高中毕业年份,年龄居住地年工作时长（月）收入对数值 ?对于那些未接受过高中教育或高中没有毕业的个体，本文将根据其在高中之前各个学段的毕业时间以及我国的学制年限要求人为计算出其虚拟的高中毕业考大学的年份信息，用以判断个体是否受到政策影响。万方数据l 教育学报年续表变量平均值标准差最小值最大值受教育年限（年） 高等教育学历比例 D高中学历比例 Do高中毕业年份 ,年龄居住地年工作时长（月） 收入对数值 ?受教育年限（年） 高等教育学历比例 D高中学历比例 D（）为了解决使用最小二乘回归方法的估计偏误问题，本研究借鉴工具变量断点回归

15、方法（IV-RD，In-strumental variable-Regression discontinuity De-sign）的基本思路，利用我国高等教育扩招政策对在不同年份高中毕业考大学的时间群组（cohort）的受教育程度及劳动力市场收入产生的外生冲击（“断点”）来估计我国居民的教育收益率。研究的基本假设为：在高等教育招生规模未扩张的情况下，不同时间群组的受教育水平及劳动力市场收入存在随时间的自然变化。这种自然变化趋势可以通过在模型中加入时间群组的低阶多项式（low-order cohort pol-ynomial）加以控制。而高等教育扩招政策作为个体难以操控的外部事件产生的外生冲击将

16、导致不同时间群组受教育程度及劳动力市场收入的变化偏离原来的自然趋势，存在额外的增长或衰减。基于个体这种偏离自然时间趋势的受教育水平和劳动力市场收入的变化，本研究将分别估计高等教育扩招政策对个体受教育水平（教育效应）及后期劳动力市场收入的影响（收入效应）首先，受教育水平的研究模型如下：EduicccCohortcA f tercf（Cohortic）ic（）其中，下标i表示个体，c表示个体高中毕业考大学的年份，也即时间群组。Eduic为受教育水平变量，本研究使用个体受教育年限表示；Cohortc为一系列“扩张中”的时间群组虚拟变量，表示那些高中毕业考大学的年份介于年的时间群组。A f terc为

17、“扩张后”的时间群组虚拟变量。因此缺省的参照组为“扩张前”的时间群组。f（Co-hortic）表示不同时间群组的受教育程度随时间的自然变化趋势。借鉴奥兰普拉斯（Oreopoulos）-以及德弗鲁（Devereux）和哈特（Hart）的做法，本研究使用个体高中毕业考大学年份的四次多项式形式。由于控制了受教育水平随时间变化的自然趋势，因而模型中一系列时间群组虚拟变量前的系数表示高等教育扩招政策对时间群组的受教育水平影响的净效应。其次，劳动收入的研究模型可以表示为如下相似的形式：LogY icccCohortcA f terch（Cohortic）ic（）其中，Y ic表示个体劳动力市场收入的对数值

18、。由于在收入方程中使用个体高中毕业考大学年份的四次多项式，因而模型中一系列时间群组虚拟变量在经典的断点回归模型中，个体的受教育水平仅在某一个具体的年份处，针对某个特定的时间群组存在不连续的跳跃（即断点）。由于高等教育扩招政策持续多年（），本研究使用的模型需要更强的假设：高等教育扩招政策通过影响个体的受教育水平，进而影响其劳动力市场收入。除此之外，高等教育扩招政策不改变任何与个体劳动力市场收入有关的其他变量。万方数据第期教育与收入关系的实证研究l 前的回归系数反映了在排除个体收入随时间变化的自然趋势后，扩招政策对个体劳动力市场收入影响的净效应。由于在模型（）中不包括受教育水平变量，因而该方程又被

19、成为缩减形式的收入方程。后文将结合模型（）和模型（），使用两阶段最小二乘回归方法（Two Stage Least Squares，SLS）估计个体教育收益率。由于在第一阶段的受教育水平结构模型中加入了个体高中毕业考大学年份的四次多项式，因而本研究中的个体受教育水平的工具变量即为年的一系列时间群组虚拟变量以及扩招后的时间群组虚拟变量。、LT（B）d9T为了直观地展现高等教育扩招政策的教育和收入效应，本文对在不同年份高中毕业考大学的时间群组的平均受教育水平和劳动收入的变化趋势进行了描述。首先，本文使用受教育年限考察高等教育扩招对我国居民的平均受教育水平的影响。如图所示，男性的平均受教育年限从年时间

20、群组的年增长到年时间群组的年；女性的平均受教育年限从年时间群组的年增加到年时间群组的年。在高等教育扩招期间，男性和女性的平均受教育年限均提升了年左右，而男性受教育水平的提升程度略大于女性。其次，本文使用具有高等教育（普通本专科）学历者比例来考察扩招政策对我国居民获得高等教育机会的影响。图显示，对于女性样本，具有高等教育学历者比例从年时间群组的上升到年时间群组的，这之后出现略微的回落，到年扩招结束时达到；对于男性样本，这一比例从扩招前时间群组的。提升到最高峰年时间群组的。可以看出，具有高等教育学历者比例在年扩招前的时间群组中较为平坦，而在年后的时间群组中呈现明显的上升趋势。由于在年扩招之后高中毕

21、业考大学样本可能还未毕业，因此在图中，具有高等教育学历者比例在年后出现下降趋势。有研究者利用英国的高等教育扩招政策研究发现扩招对本国居民受教育水平的影响不仅仅发生在高等教育领域，还扩散到了整个教育分布的多个阶段。-为了全面考察高等教育扩招政策对于我国居民受教育水平的影响，本研究描述了在不同年份高中毕业的时间群组中具有高中学历者的比例。由图可以看出，在扩招期间的年时间群组中，具有高中学历者比例从年时间群组的左右，提升到了年时间群组的，提高了左右。假设大学为期年，这一结果说明个体的平均受教育年限提高了约年。结果前文的描述统计，我国居民的平均受教育年限在扩招期间提高了近年，这说明受教育水平在高等教育

22、阶段的提升仅占左右。这一结果表明高等教育扩招政策对我国居民受教育水平的影响并非主要发生在高等教育领域，而是贯穿整个教育系统的多个阶段。图中值得注意的现象是，具有高中学历者比例在扩招期间的变化较为平缓，这是因为在年期间高中毕业的部分时间群组在扩招政策实施时已经完成了高中升学决策。但具有高中学历者比例从年时间群组开始迅速上升，从年时间群组的左右提升到年时间群组的左右。这说明对于那些在扩招政策实施时（）还处于义务教育阶段的学生来说，他们的高中教育决策显然受到了高等教育扩招政策的影响。这一发现再次证明了高等教育扩招政策对我国居民受教育水平的影响不局限于高等教育领域，这一结论与针对英国高等教育扩招政策的

23、研究结果相似。图描述了在同一年高中毕业考大学的时间群体的月平均劳动收入对数值。不同于高等教育扩招政策对于受教育水平的影响，我国居民的月收入对数值在扩招期间出现小幅下降，而在扩招政策后，这种下降的趋势更加明显。目前关于高等教育扩招与个人劳动收入之间关系存在两种不同的观点。一方面，经典的人力资本理论认为那些受到扩招政策影响的群体，他们学到的知识和技术将提高其劳动力市场收入；另一方面，有研究者基于信号理论模型认为短时间内大量受教育劳动者涌入劳动力市场，可能引发过度教育问题，进而导致雇佣者低估受扩招政策影响的时间群组的生产能力，高学历劳动者从事与其教育水平不相符的工作，-这都将导致个体劳动收入受到负面

24、影响。考虑到年龄及工作经验对于个体收入的影响作用，本部分仅为描述性质的分析，后文将通过控制教育及收入随时间的自然变化趋势，估计高等教育扩招政策对个体教育及收入的净影响效应。万方数据l 教育学报年m1 HWFsMK m2 HWF1m3 HWF1 m4 HWF(l（=）q8s#lY表对图和图描述的高等教育扩招政策的教育和收入效应做了进一步的量化统计分析。以个体受教育年限和月劳动收入对数值为被解释变量，以“扩招中”若干时间群组虚拟变量和“扩招后”的时间群组虚拟变量为解释变量，模型还加入了高中毕业考大学年份的四次多项式以及现居住省份的虚拟变量。考虑到同一时间群组内部样本之间可能存在相关性，本文采用稳健

25、性标准误。V2 q8s#l1时间群组教育收入总体男性女性总体男性女性TZ* *?（）（J）（ ）（）（）（?）TH* *n（）（J）（ ）（）（）（?）TH* *?（）（J）（ ）（）（）（?）TH* *n（）（J）（ ）（）（）（?）TH* *n（）（J）（ ）（）（）（?）TH* *;*（）（J）（ ）（）（）（?）万方数据第期教育与收入关系的实证研究l 续表时间群组教育收入总体男性女性总体男性女性TH* *“*;*（）（J）（ ）（）（）（?）Tl*?* *;*（）（J）（ ）（）（）（?）扩招后J6*k*)*（）（J）（ ）（）（）（?）R)J ?样本数U u2注：括号内为估计系数的稳

26、健性标准误；*p，*p，*p。表显示，在模型中控制了受教育水平随时间的自然增长后，在扩招期间高中毕业考大学的个体的平均受教育水平比在扩招前高中毕业考大学的个体具有显著提升。在政策实施前三年，我国居民的平均受教育年限分别提高了年、年和年不等。分性别结果显示，在年扩招期间高中毕业考大学的男性的平均受教育年限比扩招前提高了年左右；而扩招政策对女性受教育年限的提高作用并不明显，仅在扩招第、年出现了显著的受教育年限延长。以上结果说明，高等教育扩招政策确实提高了我国居民的平均受教育水平，且这种提高作用对于男性样本更加明显。当以个体劳动收入对数为被解释变量时，表中的时间群组虚拟变量前的回归系数表示在控制了收

27、入随时间自然变化趋势的情况下，扩招政策对我国居民劳动收入的影响作用。不同于教育效应模型，在扩招前几年高中毕业的时间群组的回归系数不显著，这说明在扩招政策实施的最初几年，我国居民的劳动收入相比于扩招前无明显变化。但在扩招政策后期（）高中毕业考大学的时间群体的劳动收入显著降低了。具体来说，在年，年和年的时间群体的劳动收入比年时间群体分别下降了，和。女性样本结果与总体样本一致，而男性的劳动收入在整个扩招期间没有显著变化。这一结论与我国其他研究者针对扩招政策与教育收益率关系的实证研究结果类似。目前大多数研究都发现高等教育扩招政策对教育收益率产生了明显的压缩效应。例如，何亦名利用中国健康与营养调查数据研

28、究发现高等教育收益率在扩招政策实施之前快速增长，在扩招政策前期（）增长减缓，而在扩招政策后期（），教育收益率出现了下降趋势。吴要武、赵泉的研究发现，在不考虑高中毕业生群体的相对变化时，扩招导致了本科新毕业生小时工资的下降。邢春冰、李实研究发现扩招政策降低了大学毕业生的平均能力水平，进而带来大学毕业生失业率的上升。姚先国等使用年中国城镇住户调查数据研究发现受到扩招政策影响的新大学毕业生遭受了一定程度的工资损失，而随着时间的推移，扩招对新毕业生工资的负效应逐渐减弱。（）q38lmq本文使用三种方法估计我国居民的个体教育收益率，结果见表。工具变量弱势别检验（weak i-dentification

29、test）的结果表明，本研究选取的一系列时间群组变量组合不是弱工具变量（弱识别检验使用Kleibergen-Paaprk Wald F统计量）。内生性检验（endogeneity test）结果表明可以拒绝个人受教育年限为外生的假定，即受教育年限是内生变量（内生性检验使用C统计量，也称Difference-in-Sargan统计量）。由表可知，我国居民的个体教育收益率的OLS估计值为，其中男性教育收益率为，略低于女性教育收益率。在纠正了遗漏变量偏误等问题后，使用工具变量方法的教育收益率IV估计值为，男性和女性的IV收益率分别为万方数据l 教育学报年和，为OLS估计值的两倍左右。在有限样本条件下

30、，有限信息最大释然估计方法（LimitedInformation Maximum Likelihood，LIML）在过度识别模型条件下可以获得无偏估计量。考虑到本研究模型为过度识别模型，因此本文也汇报了LIML方法的估计结果。表中的LIML方法的估计结果与SLS方法非常接近，这再一次验证了本研究选取的工具变量组合和研究模型的有效性。V3 S8lmq变量模型-OLS模型-SLS模型-LIML总体男性女性总体男性女性总体男性女性受教育年限”*z*N*!*o*（ ）（）（）（）（f）（9）（）（）（）弱识别检验e*J* *fl*内生性检验e*J* *fl*R) 样本数pC? d注：括号内为估计系数的

31、稳健性标准误；*p，*p，*p。本研究结论可以作为近期我国个体教育收益率实证研究结论的验证与补充。陈贵福和哈莫瑞（Hamori）利用年及年的中国营养与健康数据库，采用工具变量方法发现中国城镇地区男性教育收益率为，女性教育收益率为。黄斌、钟晓琳（）使用年浙江、安徽、陕西三省六县农村入户调查数据，研究发现中国农村地区的教育收益率值达到。孙志军利用双胞胎数据，采用普通最小二乘法和双胞胎组内差分法估计出教育收益率为。张青根、沈红（）使用年中国家庭追踪调查数据，使用普通最小二乘回归法发现个体的明瑟教育收益率为。刘生龙等（）使用国家统计局年的中国城镇家庭调查数据，借助义务教育法对个体教育年限的冲击，采用断

32、点回归方法估计出我国的个体教育收益率值在之间。（）r_为了验证表中教育收益率结果的稳健性，本文基于不同工具变量组合和模型设定形式，使用工具变量两阶段最小二乘回归方法（SLS）对我国居民的个体教育收益率进行了多次验证。在前文中，本文将扩招政策的结束时间定为年，并根据个人高中毕业考大学年份，将研究样本划分为“扩招前（年之前）”、“扩招中（）”“扩招后（年以后）”三个时间群组，扩招中的一系列时间群组虚拟变量和扩招后时间群组虚拟变量被作为个体受教育水平的工具变量。第一种稳健性检验，本文尝试将扩招政策的结束时间分别延长到年和年，并改变进入模型的工具变量组合。这种做法的目的是为了确保工具变量的有效性不受扩

33、招政策结束时间的影响。检验结果见表第列和第列。第二种检验，本文借鉴国外研究者的做法，除了在模型中加入个体高中毕业考大学年份的低阶多项式外，本文还加入了年龄变量的四次多项式作为对教育和收入随时间变化自然趋势的进一步控制。检验结果见表第列。第三，本文将“扩招后”时间群组虚拟变量从工具变量组合中删除，并将其作为控制变量加入模型。第四，本文将年时间群组虚拟变量从工具变量组合中删除，并将“扩招前”时间群组虚拟变量作为控制变量加入模型中。第三和第四种稳健性检的目的是为了确保教育收益率的估计完全来自于扩招期间个体受教育水平的变化。检验结果见表第列和第列。第五，本文减少了模型中的工具变量数量。具体来说，本文用

34、一个“扩招中”虚拟变量代替原模型中的一系列“扩招中”时间群组虚拟变量。换句话说，这时模型中仅有“扩招中”和“扩招后”两个虚拟变量。第六，本文将“扩招中”时间群组虚拟变量与个体高中毕业考大学的年份变量做交互，并将此交互项与“扩招后”时间群组虚拟变量共同作为个体受教育水平的工具变量。第五和第六种稳健性检验的目的是为了确保扩招期间个体高中毕业考大学的时间与其受教育水平之间呈一种线性关系。检验结果见表第列和第列。万方数据第期教育与收入关系的实证研究l 表中的稳健性检验结果显示在各种模型设定及工具变量组合形式下的研究结果与表中的模型结果非常接近，这表明本研究对于个体教育收益率的估计结果十分稳健。V4 l

35、mqTr_变量总体样本N*q*b*（ ）（）（）（）（ ）（）（）男性样本N*q*b*（ ）（）（）（）（ ）（）（）女性样本N*q*b*（ ）（）（）（）（ ）（）（）解释变量年龄变量（四次方）扩招后虚拟变量扩招前虚拟变量工具变量年各个年份虚拟变量，扩招后（年之后）虚拟变量年各个年份虚拟变量，扩招后（年之后）虚拟变量年各个年份虚拟变量，扩招后（年及之后）虚拟变量年扩招期间各个年份虚拟变量年扩招期间各个年份虚拟变量，扩招后虚拟变量年虚拟变量，扩招后虚拟变量年虚拟变量，扩招后虚拟变量，年虚拟*考大学年份注：所有方程中均包括考大学年份的四次多项式和省份虚拟变量；括号内为估计系数的稳健性标准误；*p

36、，*p，*p。、)教育与个体收入之间的关系一直是教育经济学和劳动经济学的核心议题。本研究基于年中国家庭追踪调查数据，利用年的高等教育扩招政策对于在不同年份入学人群的受教育水平产生的外生冲击作为个体受教育年限的工具变量，估计了我国居民的个体教育收益率。研究发现，年的高等教育扩招政策（年）将我国居民的平均受教育年限提高了年左右，且对于男性受教育水平的提升作用更加明显。高等教育扩招政策不仅影响了我国居民的高等教育机会，还影响了高中教育机会。使用工具变量方法得到的我国居民教育收益率的IV估计值为，男性教育收益率的IV估计值为，略低于女性的教育收益率，且IV估计值为OLS估计值的两倍左右。万方数据l 教

37、育学报年本研究结果在各种模型设定及工具变量组合条件下十分稳健。工具变量方法得到的是一种局部平均处理效应（Local Average Treatment Effect，LATE），即是那些行为容易受到工具变量影响的样本的统计结果，研究结论只能推论到相似的有限群体中。因此本研究得到的教育对收入的局部平均处理效应不等于平均处理效应（Average Treatment Effect，ATE）。然而当那些受工具变量影响群体的数量占总样本量较大份额时，局部平均处理效应将接近平均处理效应。-目前已有的许多实证研究选择使用义务教育法产生的外生冲击作为受教育水平的工具变量估计个体教育收益率。由于义务教育法通常影

38、响受教育水平分布的低段位，因而得到的教育对收入的局部平均处理效应与平均处理效应之间存在一定差异。值得注意的是，尽管我国高等教育扩招政策的预计影响人群主要为教育分布的高段位，即具有高等教育入学考试资格的高中毕业生或同等学历人群，但本研究发现扩招政策对我国居民受教育水平的影响不仅仅局限于高等教育领域，而是贯穿了教育系统的多个阶段，影响了我国居民教育水平分布的多个段位，因此本研究得到的教育对收入的局部平均处理效应将十分接近平均处理效应。本文利用最新的数据样本和研究模型在新的劳动力市场条件下为我国个体教育收益率相关研究领域提供了新的实证证据。ID：KNIGHT J，SONG LThe determinants of urban in-comeinequality inchinaJOxfordBulletinof Econom-ics and Statistics，