成人高等教育的工资效应，本文主要内容关键词为：高等教育论文,效应论文,成人论文,工资论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
教育对于收入的影响是人们理解劳动力市场的重要途径。因此，教育收益，或者教育的工资效应，在劳动经济学和教育经济学中都是至关重要的研究主题。然而，有关我国高等教育回报的研究基本都忽略了不同教育类型(取得同等学力的不同方式)对于教育收益的影响。考虑到成人教育在我国高教系统的独特地位，以及其在过去几十年中所经历的巨大变化，这种忽略妨碍了我们完整理解高等教育在人力资本积累、工资决定以及劳动力市场发育中所扮演的角色。在本文中，我们借助国家统计局2007年城镇居民调查数据及附加的教育特别问卷数据，专门对于成人高等教育的工资效应进行研究，并将其与普通高等教育对比。
本文提到的成人高等教育是一个广义的概念，相对于通过普通高考接受高等教育，主要包括成人高考、高等教育自学考试、广播电视大学、网络教育等形式。成人高等教育主要有三种学历教育形式，一是专科起点升本科，二是高中起点升本科，三是高中起点升大专。从学生数量来看，成人高等教育几乎占据我国高教的半壁江山。根据教育部最新的数据，2006年普通本科招生约253万人，成人本科招生近78万人；普通专科招生约293万人，成人专科招生约107万人；成人本专科招生人数是普通本专科的1/3左右。如图1所示，成人高等教育在校生占所有高校在校生的比重从20世纪80年代初开始基本稳定在40％—60％，近年来才开始出现一定下降趋势。
随着我国经济社会的发展，特别是普通高等教育的发展，我国成人高等教育的发展在不同时期也呈现了不同特点(朱涛，2003；刘传进，2008；徐旭东，2004；何红玲，2004)。20世纪70—80年代的成人教育，特别是在1977—1985年间，主要定位于学历补偿。对于圆“大学梦”有迫切需求的一代人，许多人由于年龄的原因，也限于当时普通高等教育规模偏小，只能转向接受成人高等教育。20世纪70年代末以来，各高校先后恢复或设立了成人高等教育部门，专门的成人高等院校也开始诞生。到1985年，成人高等教育达到了当时的巅峰，报考人数超过170万人，录取新生将近78.8万人。自20世纪80年代末开始，特别是90年代以来，成人教育经历了极大的转变。由于普通高等教育的规模急剧扩大，成人教育的学生构成也相应发生了很大变化(李国斌等人，2004)。这种变化在1999年后普通高校扩招的情况下变得尤为突出。此后，成人高等教育质量下降，考试作弊，学位不被用人单位所认可的现象引起了媒体和大众的广泛关注。成人高等教育界本身也对此进行了反思，特别是对于其未来的定位。一些研究者甚至提出了取消成人高等教育的观点。
有鉴于成人高等教育目前所面临的问题，我们认为本文对于其工资效应的研究可以提供一些有益的参考。通过控制教育选择的能力变量，我们发现，成人本科教育回报显著低于普通本科，其对数工资的差别约为0.17。成人专科教育回报与普通专科相比则没有显著差异。进一步的分析揭示成人本科和一般本科的教育回报差距在20世纪90年代后参加工作者中更大，约为0.22。而对于这之前的人群，二者的回报差距仅为0.09，且在统计上不显著。我们的研究凸显了成人本科教育面临的急需解决的定位问题。相比较而言，成人专科与普通专科的教育回报基本相同，这呈现出与本科完全不同的特点。由于专科教育的职业性，成人教育和普通教育在教学内容和效果方面差别不大，成人专科生因为有一定工作经验甚至更具有某种优势。
图1 成人高等教育在校生占所有高校在校生比重(1980-2002年)
数据来源：原始数据来源于《中国教育统计年鉴》及潘懋元主编(1996，P149－150)。转引自邓岳敏(2007)。
二、文献综述
有关中国教育特别是高等教育收益率的研究主要采用国家统计局城镇住户调查数据(NBS)或中国居民收入分配调查项目(CHIP)的数据。①这些研究普遍对受教育程度的内生性问题进行了处理，包括采用更详细的能力控制变量，使用工具变量法，使用双胞胎数据(Li et al.，2007)等。最近的一些研究，包括Fleisher et al.(2004)以及李雪松和赫克曼(2004)还对于教育回报的异质性进行了比较规范的处理。
基于CHIP的研究着眼于1988年、1995年和2000年的教育收益率及其在这几年间的变化。Li和Luo(2004)估计了1995年的教育回报率，控制父母教育程度后得到的年回报为7.5％，而用父母教育程度作为工具变量得到的结果为15％。Fleisher et al.(2004)以OLS估计的教育回报在2000年为每年7.1％，采用工具变量法后更高。他们还发现中国的教育回报率在1988—2000年间有了显著的提高，尤其是在1995年后。Yang(2005)研究各城市教育回报的差异及在1988年和1995年之间的变化。其他基于CHIP的研究还有李实和丁赛(2003)、罗楚亮(2007)以及王海港等(2007)。
由于国家统计局的城镇住户调查按年进行，基于此的研究在数据量和时间点的选择上都更加灵活。例如，李雪松和赫克曼(2004)采用了国家统计局1992—2003年的数据。他们利用局部工具变量法(LIV)，并考虑了教育的异质性，得到本科教育回报在2000年为43％，也就是年均11％。他们采用的工具变量主要包括父母的教育程度。岳昌君(2004)发现在2000年，相对于受小学教育者而言，大学专科和本科的年均教育收益率分别为6.24％和8.84％。Zhang et al.(2005)估计教育年回报在2001年约为10.2％。
目前教育回报研究的一个较大的不足是忽略了对受教育质量的研究，主要原因是缺乏这方面的数据。国外的研究，特别是比较美国公立大学和“精英型”私立大学教育回报的研究，一般发现高等教育的质量对于毕业生的工资收入有显著的影响，参见Behrman et al.(1996)及Zhang(2005)。Brewer和Ehrenberg(1996)以及Brewer et al.(1999)也针对自选择问题进行了调整，但发现OLS的结果与工具变量法的结果差别不大。我们在本文中所研究的成人高等教育和普通高等教育的比较，从某种意义上来说，也是教育质量差别的问题。
三、数据和模型
1.数据
我们的数据来自于国家统计局2007年全国城镇住户调查。与往年的调查相比，这次调查增加了一份关于教育的附加问卷，含全国21个省(市、区)的5090个城镇住户。该问卷包含户主或家庭最高收入者详细的工作情况，以及是否接受成人教育和成人教育类型等方面的信息。根据我们的研究需要，我们最终选取的子样本只包括高中及以上学历者，共2809人。其中本科毕业生有632人，专科毕业生有797人，高中毕业生有1380人。在本科生中通过成人高等教育取得学历的有117人，在大专生中通过成人高等教育取得学历的有206人。表1是对各个变量的说明。
2.模型和估计方法
考虑教育收益率的模型通常都以Mincer方程为基础，如式(1)：
其中，i表示个体；lny表示小时工资的自然对数；edu3和edu2分别表示本科和专科学历；X是控制向量，包括一些表示个人特征的变量，用于反映教育之外的人力资本积累和个人能力等因素的影响，如性别、工作经历及其平方项、是否接受职业培训、工作行业、所处地区等。在式(1)中，大学本科和专科相对于高中学历的教育收益率分别为
和
。
而在本文中，为了比较普通高等教育与成人高等教育的教育回报差异，我们加入学历和成人教育的交互项，如下式：
(2)式中，edu3·ad表示接受成人高等教育毕业的本科生，edu2·ad表示接受成人高等教育毕业的专科生。因此，普通本科相对于高中生的教育回报是，成人本科教育回报为+
，普通本科与成人本科之间的回报差异为。同样，普通专科相对于高中生的教育回报是，成人专科教育回报为+
，二者之间的回报差异为。本文关注的核心是和的数值以及显著性水平。
本文将主要对上述(1)、(2)式进行OLS估计，但我们也对可能引起OLS估计出现偏误的自选择和异质性问题给以足够关注。首先，我们令控制变量中包含了比较详细的能力代理变量，如父母的教育程度、中学时的排名和学校以及是否在工作中接受培训。如果这些变量能够较好地控制个人能力，由自选择问题导致的偏误应该较小。其次，通过在OLS估计中逐次加入能力代理变量，并比较教育收益率的变化，我们可以判断由自选择问题导致的偏误的方向和可能的严重程度。最后，对于教育回报的异质性问题，我们通过分位数回归(quantile regression)的方法来加以验证。
我们的回归结果表明，以OLS估计的教育回报，尤其是成人教育和普通高等教育的回报差距，受自选择影响出现较大偏误的可能性很小。②同时，分位数回归的结果也显示，教育回报的异质性问题在我们的样本中也并不严重。当然，如果在未来的研究中可以有恰当的工具变量和更好的数据，对这两个问题可以更好地解决。关于treatment effect的文献已经对此有很完善的分析，可以参考李雪松和赫克曼(2004)。目前大量有关教育回报的文献普遍使用的工具变量，如父母的教育程度，都不是特别理想，因为其往往与被遗漏的个人能力高度相关。本文将父母的教育程度作为能力代理变量而非工具变量的做法与Card(1995)及Ashenfelter和Zimmerman(1997)相同。
四、实证分析结果
1.变量的描述性统计
表2给出了整个样本的变量的描述性统计。从表2中我们看到小时工资(y)的均值为10.5元，最大值为106元，最小值为1元。样本的平均工作年限(exp)为20.6年，最长的近46年。对于工作年限，我们并没有直接取“年龄—受教育年数—入学年龄”，也没有直接采用根据工作年份而计算的工龄，而是取了两者的均值，这样可以在一定程度上减少可能存在的度量误差。由于样本中大部分人群为户主，女性的比重仅为27.6％。在学历方面，大约一半的人只拥有高中学历，28％的人有大学专科文凭，余下22％的人有本科文凭；11.5％的人通过成人教育取得(本科或专科)学历。
表3中我们进一步按5类学历(分别为普通本科、成人本科、普通专科、成人专科和高中)分别列出各个变量的均值与标准差。我们可以直观地看到，普通本科的对数小时工资高于成人本科约0.2；普通专科的对数小时工资低于成人本科约0.17，但成人专科生的工资稍高于普通专科0.02，基本持平。高中生的对数工资与其他四组人群的差别较大，低于专科生约0.4。从表3中我们还可以很明显地看到，我们所使用的几个能力代理变量，包括fedu、medu、rank、sch_good和train，都呈现递减的趋势。也就是说，如果我们认为成人教育学历低于同等级普通教育学历，但高于下一等级普通教育学历，则学历越低，能力代理变量的均值越低。这与一般的教育选择模型的预测一致。
成人本科生中女性比重高达44％，而普通本科中这一比重仅为24％。这显示了成人高等教育对于女性获取本科学位的重要性。相对于普通本科而言，成人本科生在制造业(ind2)中的比重较低(占13％)，而在公共管理业(ind6)中的比重较高。这可能反映了在不同市场化程度的行业，成人本科教育学历的被认可程度和回报的差异。而在成人专科和普通专科的比较中，我们并没有见到类似的差别。
2.回归结果分析
作为讨论的起点以及与其他类似研究的比较，我们首先对(1)式进行回归并在表4中给出结果。根据控制变量的多寡，表4包含的结果对应于三个不同的回归方程。表4第(1)列对应于一个最简单的Mincer方程，控制变量只包括教育程度(本科和专科)、性别、工作年限及其平方项。在第(2)列中，我们加入了一系列能力代理变量，包括父亲的教育程度(fedu)、母亲的教育程度(medu)、是否在重点中学学习(sch_good)、中学时学习的排名情况(rank)、重点中学与中学排名的交互项(rank_sch)、是否在工作中接受过培训(train)。在第(3)列中，我们进一步在回归方程中加入了行业和地区变量。我们把行业分为六类，第一类(ind1)主要是农林牧渔类行业，第二类(ind2)则是制造类、建筑类行业，第三类(ind3)我们称之为低端第三产业，主要包括批发、零售、住宿等服务业，第四类(ind4)我们称之为高端第三产业，主要包括信息传输、软件业、金融业等行业，第五类(ind5)是科教文卫等相关行业，第六类(ind6)是公共管理机构、社会组织以及国际组织等。我们将地区分为东部、中部和西部三类。③
从表4的结果可以看出，随着我们逐步增加控制变量，本科学历与专科学历的收益率呈明显下降的趋势。这反映了由教育自选择问题导致的回归偏误在加入个人能力等控制变量后至少部分得到纠正。其中本科学历的回报(相对于高中)在第(1)列中为0.74，加入能力代理变量后大幅降为0.63，在第(3)列中又进一步降为0.53，这大致对应于每年13％的回报率。专科学历的回报在这三列中分别为0.42、0.35、0.31，第(3)列的结果大致对应于每年10％的回报率。表4得到的教育回报与文献中的其他估计，特别是使用国家统计局数据得到的估计基本一致(参见本文第二节文献综述)。
表4还显示女性的工资比男性显著低约15％，这与其他研究结果也大致相符(Zhang等人，2008)。工作年限(exp)对工资的影响呈首先递增、然后递减的正常形态。是否接受过职业培训(train)对工资也有显著的影响，培训的回报根据第(3)列约为0.14，略高于一年的教育回报。在行业方面，我们可以看到制造业，特别是低端第三产业的工资水平明显低于公共管理业。而科教文卫行业的工资水平最高，高于公共管理业0.13，也相应高于其他所有行业。地区因素也对工资具有显著影响，东部沿海地区工资水平最高，比西部地区要高出0.37，而中部地区的工资最低，比西部地区要低约9％。
由于表4中有关教育回报的估计与其他研究基本一致，可以认为我们使用能力变量来控制由遗漏变量导致的回归偏误的方法是基本令人满意的。以此为基础，表5给出对于(2)式的回归结果。相对于表4而言，主要的区别在于我们在回归中加入了成人教育本科(edu3·ad)和成人教育专科(edu2·ad)两项。因此我们可以区别不同教育方式对于教育回报的影响。根据表5中第(3)列的结果，相对于高中学历而言，普通本科的工资回报为0.56，普通专科的回报为0.3。成人本科的回报大大低于普通本科，二者差距为0.17。这个差距在1％的水平上显著。不一样的是，对于专科生而言，普通教育和成人教育的回报基本相同。普通专科教育回报略低于成人专科教育回报0.01，并且该差距在统计上不显著。
需要特别注意的是，在表5各列逐步加入控制变量的过程中，尽管edu3和edu2的回归系数与表4一样呈现出递减的趋势，交互项edu3·ad和edu2·ad的回归系数却基本保持不变。这反映了虽然自身能力因素导致个人对于教育程度(本科、专科或高中)和教育方式(普通或成人)的不同选择，其对于工资回归中系数偏误的影响程度是非常不一样的。通常而言，可观测到的能力因素与不可观测到的能力因素对于回归造成的偏误应该成比例(Altonji，2005)。有鉴于此，基于表5的结果，我们可以认为遗漏变量的问题对于edu3·ad和edu2·ad的系数估计的影响应该非常有限，不会改变我们的基本结论。
那么，为什么会出现成人本科教育回报大大低于普通本科，而成人专科回报却与普通专科基本持平的现象呢？基于上一段的分析，在个人能力基础上的自选择应该不是主要原因。也就是说，成人本科教育回报水平较低并不是因为成人本科生在入学前就是低能力者，而是因为成人本科教育(相对于普通本科教育)本身提供的人力资本积累偏低。考虑到成人教育的学生绝大多数都采取不脱产的方式学习，其定位主要是职业教育和继续教育，这与普通高等教育中本科的特点有较大的区别，而与普通专科却非常相似。成人本科教学在课程设置、教学管理、师资等各方面都与普通本科相差甚远，这导致“混文凭”的现象非常严重，其毕业生的水平和被认可程度也可想而知。而由于成人专科本身定位于职业培训，与普通专科的差别并不大。在岗的成人专科生由于工作经验的关系，可能学习动力和效果还优于从来没有参加过工作的普通专科生。
当然，如我们前面提到的，成人教育，特别是成人本科的制度特征和定位并不是一成不变的。在20世纪80年代，成人教育的主要定位是学位补偿，是为当时因种种原因失去接受高等教育机会的人提供一个在职学习和获得文凭的机会。由于当时普通高等教育的规模非常有限，我们可以认为当时的成人本科与普通本科在信号显示与人力资本积累方面的差别可能都不大。而20世纪90年代以来，随着普通高等教育的规模大幅扩大，成人本科和普通本科的差距也越来越大。
在表6中，我们将样本分为高工作年限(大于20年)和低工作年限(小于或等于20年)两组，并分别进行与表5类似的回归分析。其中高工作年限组大概对应20世纪80年代末前参加工作的人群，而低工作年限组对应于90年代及以后开始工作者。我们的结果完全验证了上面所提到的成人高等教育的制度变迁情况。在高工作年限组的回归中，交互项edu3·ad的系数尽管为负，但统计上不显著。根据表6第(3)列的结果，成人本科和普通本科在高工作年限组的回报差距仅为0.09，而且我们不能拒绝其为0的假设。与此不一样的是，在低工作年限组的回归中，根据表6第(3)列的结果，成人本科和普通本科的回报差距为0.22，且在1％的水平上显著。
表6的其他回归结果也与我们的预期一致。普通本科和专科的教育回报在低工作年限组都更高，这反映了我国随着市场化改革教育收益率逐步提高的情况(Fleisher et al.，2004及Zhang et al.，2005)。与此同时，在两组的回归中，edu2·ad的系数都非常小，且不显著异于0。这显示成人专科并没有经历与成人本科相同的制度变迁。
最后，为确保我们的分析和结论不会因为教育回报异质性的原因而出现较大的偏差，我们在表7中列出分位数回归的结果。我们选择在第20、40、60、80个百分位点进行回归，并使用与表5第(3)列中相同的解释变量。从表7来看，我们认为教育回报异质性的问题并不严重，因为各变量的回归系数在不同的分位点上都比较接近。我们重点关注的edu3·ad的系数仅在第80个百分位点的回归中略低，在其他分位点的回归中都与OLS回归结果非常接近。同样，edu2·ad的系数都不显著异于0，但随分位数的增加呈现一种递减的趋势。总体而言，分位数回归显示成人教育和普通教育回报的差别在高收入者中较小。
当然，对于异质性问题的严格处理需要参照李雪松和赫克曼(2004)中的treatment effect方法。但这要求对教育自选择问题的更好解决，包括有恰当的工具变量或自然实验(natural experiment)。这些在本研究中都是不具备的。
五、结论
本文重点关注我国成人高等教育的工资效应，特别是其与相应的普通高等教育的比较。使用国家统计局2007年城镇住户调查数据和其教育附加问卷数据，我们发现，成人本科教育回报显著低于普通本科，其对数工资的差别约为0.17。成人专科教育回报与普通专科相比则没有显著差异。进一步的分析揭示成人本科和一般本科的教育回报差距在20世纪90年代后参加工作者中更大，约为0.22。而对于之前参加工作的人群，二者的回报差距仅为0.09，且在统计上不显著。我们的分位数回归也显示教育回报的异质性不太可能导致我们的结果出现大的偏误。
我们的研究显示出成人教育，尤其是本科，面临急需解决的定位问题。如果说20世纪70—80年代成人本科在普通高等教育规模有限的情况下发挥了巨大的学历补偿作用，90年代后其更多成为某些人“混文凭”的工具。结果是成人本科生不能被社会和雇主认可，如同我们的数据所显示的一样。在这种定位错乱的情况下，成人本科出现考试大规模作弊，学生缺乏学习积极性，教学质量低下等现象就不足为奇了。而这些现象的出现，又会进一步影响成人本科生的人力资本积累和社会接受程度，形成恶性循环。
相比较而言，成人专科与普通专科教育回报基本相同，这呈现出与本科完全不同的特点。这主要是因为专科教育定位于职业培训，因而成人教育和普通教育差别不大，成教专科生甚至因为具有工作经验还比普通专科生有一定优势。基于此，现有的成人教育必须进行大的定位转型，或者是取消成人本科，回归到专科水平的职业培训和继续教育；或者是按照普通高等教育的同样要求培养本科生；甚至如同美国等发达国家一样，通过学分制等方法，将年龄偏大的成人学生与一般学生放入同一课堂，学位授予上采用同一标准。
我们希望本文能够抛砖引玉，带动更多的研究者关注教育方式和教育质量对于劳动力市场的影响。目前最大的研究瓶颈还是在于数据的缺乏。我们建议国家统计局在其常规的住户调查中可以加入一个“最高学历是否通过成人教育取得”这样的问题。
（我们感谢匿名审稿人对初稿提出的许多非常富有建设性的意见。文责自负。）
注释：
①其他数据如中国健康和营养调查(CHNS)数据。黄国华(2006)利用CHNS数据计算得到教育年收益率在2000年约为11％。
②国外有关教育回报的研究往往发现OLS与工具变量法在结果上区别不大。使用不恰当的工具变量的估计结果可能比OLS有更大的偏误，参见Card(2001)对文献的综述和相关的分析。
③东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、湖北、河南、湖南；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。