我国教育收益率城乡户籍差异变化研究

高兴民，高法文,2

（1.深圳大学 中国经济特区研究中心，广东 深圳 518060；2.深圳职业技术学院 经济学院，广东 深圳 518055）

0 引言

教育收益率反映的是教育的收益跟投入成本的关系，与一个国家或地区的教育质量、市场经济发展、不同群体人员的教育与收入关系差别等有着深刻的联系，因此一直吸引着众多学者对其进行深入研究。教育收益率的计算有多种方法，其中最常用的为1974年美国学者Mincer提出的方法[1]，它以简洁的形式计算收入与教育投入的时间关系，用这一方法计算的教育收益率常被称为明瑟收益率，本文也将采用这一计算方法。

学术界已经有众多学者对我国城镇居民、农村居民、农民工等群体的教育收益率及这些群体内部或者相互间存在的差异进行研究，并得到了许多颇有价值的发现[1-7]。

从已有研究可以总结出几个特点：一是在进行城乡划分时，多数学者都是以居住地或者常住地为依据的，以户籍作为划分依据的较少；二是总体而言，在改革开放后的我国城镇及农村的教育收益率在不断提高，其原因主要是非公有经济的发展和劳动力流动的加大；三是城镇教育收益率通常高于农村教育收益率[8]。

不同群体成员的教育收益率通常会存在差异。就我国而言，教育收益率的城乡差异一直是学者们关注的重点，但多数学者在研究中采用居住地或常住地进行城乡划分，而实际上户籍制度也是城乡人员划分的常用依据，且更利于发现因制度带来的特点和问题，因此本文将以户籍为依据来进行城乡人员划分。此外，学者们多以某一年份的调查数据来研究教育收益率的城乡差异，较少以持续多年的数据来研究城乡差异的动态变化。众所周知，21世纪以来，我国社会随着经济的快速发展而出现全面、深刻的变革，那么这一期间我国农业户口和非农户口人员的教育收益率差异是否持续存在？如果持续存在，这种差异又呈现怎样的变化特点？这是本文所要研究的重点。

1 数据和模型

1.1 数据的选用及处理

学术界研究我国教育收益率的常用数据库有中国家庭收入调查（简称CHIP）、中国健康与营养调查（简称CHNS）、中国综合社会调查（以下简称CGSS）等。CHIP共公布了1988、1995、2002、2007和2013年的数据，CHNS公布了1989、1991、1993、1997、2000、2004、2006、2009、2011年等年份的数据，而CGSS目前公布了2003、2005、2006、2008、2010、2011、2012、2013年等共计8年的数据。通过比较，本文选取了CGSS数据来进行研究，理由一是该数据包含的年份中全部是2000年之后的，有利于了解教育收益率的最新变化，二是该数据包含的年份最为密集，最多间隔两年，更有利于捕捉到不同年份之间教育收益率的变化特点。

CGSS目前已公布的各年份数据共包含73023被调查者样本，每年的样本均包含不同性别、户籍，分布于我国东、中、西各省份。根据本文需要，主要选取了各年份数据中被调查者的年收入（实为被访者在该调查年份上一年的总收入）、受教育程度、户籍、性别、地域、工作单位类型等指标，并按照一定的规范对数据作了进一步的处理：

首先，由于研究教育收益率必须有劳动收入数据，因此删掉了样本中处于受教育阶段没有收入的样本，同时按照我国普遍实行的60岁退休制度删掉了60以上的样本；其次，将受教育程度统一处理成受教育年限，各种教育阶段对应的赋值年数是研究生及以上为19年、全日制本科为16年、全日制大专和成人本科均为15年、成人大专为14年、高中（含普通高中、中专、技校、职业高中）为12年、初中为9年、小学为6年，对于在某个教育阶段求学过程中中途辍学的被访者，则该教育阶段对应的年数减半；再次，每个被访者的工作年限为其年龄减去受教育年限后再减去入学年龄，入学年龄按7岁计算，这符合我国的普遍情况；第四，将所有被访者的户口分为农业户口和非农户口两类，其中农业户口还包括了原为农业户口但被访时为“居民户口”的人员，而非农户口则包含了城镇户口、地级市区户口，以及原为非农户口但被访时为“居民户口”的人员；第五，按被访者的省份分为东部、中部、西部，东部包括北京、天津、河北、辽宁、上海、山东、浙江、福建、江苏、广西、广东、海南，中部包括内蒙古、山西、吉林、黑龙江、江西、湖南、安徽、湖北、河南，西部包括重庆、云南、四川、贵州、甘肃、陕西、宁夏、青海、新疆、西藏；最后，将被访者的就业单位类型分为党政机关、事业单位、国有企业、集体企业、合资企业、私营企业、外资企业、其他（没有明确何种单位类型）等八个类型。

经过以上步骤的处理，共得到47318个被访者样本的数据，基本情况汇总如表1所示。

表1 CGSS2003—2013年数据中研究样本的基本情况

相比较而言，8个年份的数据中2003年的非农户口比例超过了90%，这一比例与我国当年的户口比例不符，也明显不同于其他年份样本的户口比例，这可能会导致概念分的教育收益率结果与其他年份的可比性变差，因此本文将主要对其他7个年份的计算结果来进行研究分析。

1.2 模型的选择

在教育收益率的研究领域中，最为广泛使用的模型是美国学者Mincer（1974）根据人力资本理论推导出的研究收入决定的模型，也被称为Miner模型，它的被解释变量通常是个人工资（可以是年工资、月工资、小时工资等）的对数，通常以教育和工作经验作为解释变量[1]，基本形式可表示为：

这一模型也被称为研究教育收益率的经典Mincer模型，其中W为个人工资，edu、exp分别为受教育年限和工作年限，u为随机扰动项。在这个模型中，α1系数的含义为教育年限每增加一年，工资提升的比率，这正是本文重点要研究的教育收益率，也常称为Mincer收益率。

经典Mincer模型由于其简洁明了，适用性强而得到广泛运用，但实际上影响教育收益率的因素除了教育年限、工作年限，还有许多其他因素。因此，许多学者在研究过程中对经典Mincer模型其进行了拓展，在原有变量外，根据实际需要增加了性别、工作单位类型、区域、婚姻状况、家庭阶层、父母受教育情况等不同的变量，这些方法可统称为拓展Mincer模型，可表达为：

其中，Z代表教育年限（或阶段）和工作年限之外的其他变量，β为其系数。

根据研究需要以及数据的特点，本文将使用经典Mincer模型计算对应样本的毛教育收益率，再加入各种控制变量用拓展Mincer模型计算对应样本的净教育收益率，然后根据计算结果，对不同样本的毛教育收益率、净教育收益率进行比较分析。本文计算时用OLS法进行回归。

2 估算结果

为了尽可能详细地研究我国城乡户籍教育收益率的差异情况，本文分别估算了各年份农业户口人员和非农户口人员的毛教育收益率及净教育收益率，同时还进一步将年份农业户口人员及非农户口人员分别按照不同男性和女性进行教育收益率的估算，再作分析研究。

2.1 各年份农业户口人员和非农户口人员的毛教育收益率差异

所有年份的毛教育收益率比较中，非农户口人员都大于农业户口人员。2003—2008年期间，农业户口人员的毛教育收益率与非农户口人员的差距不断缩小，2008年两者的差距只有0.006，几乎相等。但2008—2011年期间差距又明显扩大，2012、2013年两者差距又明显缩小。相对而言，非农户口人员的毛教育收益率波动比较有规律，波动幅度也较小，而农业户口人员的波动幅度较大。

2.2 各年份农业户口人员和非农户口人员的净教育收益率差异

当计量模型变为拓展Mincer模型时，加入了性别、地区、行业等变量，得到了两类户口人员的净教育收益率。相对于同类人员的毛教育收益率，农业户口人员和非农户口人员的净教育收益率都出现了明显的下降。非农户口人员各年份净教育收益率均值为0.101，比毛教育收益率均值低0.022，降幅17.9%；农业户口人员各年份净教育收益率均值为0.036，比毛教育收益率均值低0.044，降幅为55%。可见，在加入控制变量后，农业户口人员的教育收益率下降的数值和幅度都远高于非农户口人员，也说明性别、地区、行业等因素对农业户口人员的影响比对非农户口人员更大。

图1 各年份农业户口、非农户口人员毛教育收益率、净教育收益率变化

如图1所示，从逐年的变化特点来看，农业户口人员的净教育收益率从2003—2008年期间不断上升，延续了之前一些学者认为农村教育收益率自1990年代初期起不断上升的结论[2，3]；但2010—2013年的平均水平（0.032）相较于2005—2008年的平均水平（0.05）却又有明显下降。非农户口人员的净教育收率在2003—2008年期间持续缓慢下降，这与部分学者的研究结论不同，2008—2011年间缓慢上升，2011—2013年间又缓慢下降，从图1可见其围绕0.10这一直线呈比较有规律的波动状态。

如果以非农户口人员净教育收益率与农业户口人员净教育收益率这一比率来看，2005—2008年这一比值平均为1.94①如前文所述，样本中2003年的农业户口比例太小，该年份数值与真实情况差距可能较大，在此不作讨论。，2010—2013年这一比值的平均值则上升为3.28。由于非农户口人员净教育收益率相对稳定，因此这一比率的变化实际上跟农业户口人员的净教育收益率变动的规律是一致的，在2008年之后整体上达到一个较高的比值（见表2）。

表2 各年份非农户口与农业户口人员净教育收益率的比率

2.3 农业户口和非农户口人员教育收益率的性别差异情况不同

在教育收益率的研究中，许多学者发现不同性别之间也有常常会出现较为明显的差异。为了更深入地了解农业户口和非农户口人员的教育收益率差异，本文进一步将两类人员分别按照男性和女性进行分类，加入地区、行业进行控制，得到各年份农业户口、非农户口男性和女性的净教育收益率，并发现农业户口、非农户口人员中男女的教育收益率差异特点也是明显不同的。

如图2所示，非农户口人员中，男性的教育收益率一直比女性低，各年份平均差距为0.017；说明在非农户口人员所面对教育收益率影响因素表现相对稳定，不容易随着社会、经济发展的变化而受到影响。农业户口人员中，男性和女性的教育收益率的差距呈现波动状态，其中四个年份是女性高于男性（2006、2011、2012、2013年），另外四个年份（2003、2005、2008、2010年）则相反；说明农业户口人员教育收益率性别差异更容易收到社会、经济变革的影响。梁润（2011）[5]采用CHNS2000、2004、2006、2009年的调查数据发现，发现农村男性的教育收益率总是低于女性，而本文发现非农户口与农业户口人员教育净收益率的随年份而有所变化，两个结论有较大不同，产生的原因可能是因为所选样本年份不尽相同，另外本文是以户籍进行城乡划分，而梁润的研究是以居住地进行城乡划分。

图2 各年份不同户籍、性别人员的净教育收益率变化

3 影响我国教育收益率城乡差异长期变化的因素

3.1 我国教育收益率城乡差异长期存在的原因

教育收益率差异长期存在，许多学者是从常住地来划分城乡，得出城镇地区教育收益率显著高于农村地区；而本文用户籍来划分城乡，也发现非农户口人员的教育收益率显著高于农业户口人员，而且在2008年之后，这种差距的幅度还有总体扩大的趋势。造成这种差异的原因是多方面的。

（1）城乡人员劳动特点的不同。无论是以常住地还是以户籍来划分，农村人员（或者农业户口人员）所从事的劳动与城镇人员（或非农户口人员）相比，体力劳动的成分更大，这类劳动的报酬对于受教育水平的反映程度较低；而城镇人员（或非农户口人员）所从事的劳动中脑力劳动的成分更大，其劳动报酬更能反映受教育水平。城乡人员劳动特点的差异，是造成城乡教育收益率差异的重要原因。

（2）高学历人员从农业户口向非农户口转移。非农户口人员中在接收教育过程中表现优异并最终能够获得高等教育的人员，通常在接受完高等教育后选择城镇地区工作，并获得非农户口。有研究表明，无论是城镇还是农业户口人员，在大学毕业后获得的收入并不会因为其原来户口的差异而出现显著差异[9]。因此，高学历人员由农业户口最终流向非农户口也是造成农业户口人员教育收益率底下的一个原因。本文的样本中，非农户口共23975人，其中有6850人接受过高等教育，占比28.6%；农业户口23343人，其中742人受过高等教育，占比3.2%，非农户口中有相当一部分接受过高等教育的人是从农业户口转为非农户口的。

（3）城乡人员接受的教育质量不同。由于我国二元经济的特点，城乡经济长期以来发展不平衡，也带来了城镇和农村地区教育设施、师资力量，以及家庭对教育投入的较大差距，城镇地区教育质量要明显高于农村地区，其结果是同样的教育年限，城镇地区人员的人力资本提升要明显高于农村地区人员，这也进一步带来前者的收入因教育年限的增加而增加的幅度比后者要更大，因此表现出更高的教育收益率。

3.2 教育收益率城乡户籍差异扩大的可能原因

从图1和表2可以发现，相较于非农户口人员净教育收益率的相对稳定，农业户口人员的净教育收益率在2010—2013年间的平均水平比2005—2008年的平均水平有明显的下降，也进而导致2010—2013年间两者的差距幅度比2005—2008年间明显扩大。导致这一变化的重要的可能原因之一是我国劳动力结构在2000年代中期开始出现的变化，农民工劳动力供不应求，“民工荒”现象越来越严重，其结果是使得农村户籍的低学历劳动力收入水平总体较快上升，进而使教育收益率出现下降。当然，这一时期的教育收益率变化确切原因仍有待进一步深入研究。

4 结束语

本文基于中国综合社会调查（CGSS）2003—2013年的调查数据，研究了我国教育收益率的城乡户籍人员差异及其变化特点，发现非农户口人员的教育收益率长期显著高于非农户口人员，且在后期有扩大的趋势。究其原因，与城乡人员劳动特点不同、高学历人员不断从农业户口向非农户口转移、城乡人员接受的教育质量不同、我国劳动力结构在2000年代中期开始出现变化有关。