我国农民工培训效果分析，本文主要内容关键词为：农民工论文,效果论文,我国论文，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。
[中图分类号]F12 [文献标识码]A [文章编号]1002-0209(2015)06-0035-13 一、引言 随着我国经济的快速发展，大量的农村剩余劳动力纷纷进城务工，农民工已经成为我国产业大军的重要组成部分。但是，他们的文化水平普遍较低、专业技能普遍较差，这不仅影响了农民工的就业和收入，影响了企业的技术进步，也影响了我国产业结构的优化升级和经济发展方式的转变。近年来，不少企业存在“招工难”的问题，与此同时很多农民工也存在“找工作难”、“找好工作更难”的问题。这“两难”问题的并存，更加凸显了增加农民工人力资本投资、提高农民工素质的紧迫性和重要性。农民工培训，作为提高农民工人力资本投资的一种重要形式，越来越受到人们的关注。 农民工培训无论对农民工、对企业、对政府来说都具有重要意义。从农民工的角度来讲，农民工劳动力市场是一个竞争性很强的市场，在影响农民工的就业、工资的诸多因素中，人力资本显得尤为重要，而培训又是提高人力资本的一个重要途径(Betcherman等，2004)。因此，农民工应该有很强的动力通过参加培训来提高自己的人力资本进而增加就业机会、提高收入水平(王海港等，2009)。从企业的角度来讲，企业也非常希望农民工能通过培训提高他们自身的人力资本，从而提高企业的劳动生产率。最后，政府也希望通过农民工培训来实现经济转型和产业升级，实现更大规模的中等收入阶层的发展目标(李强，2010)。 而现实情况是农民工参加培训的积极性不高，企业提供培训的积极性也不高，政府虽然近年来在农民工培训方面做了很多努力和工作，但成效却不大。自2003年起，国家相继出台了《2003-2010年全国农民工培训规划》、《农村劳动力转移培训计划》等文件，相关部门和机构也开展了多个农民工培训项目，比如农业部组织的“阳光工程”、国务院扶贫办组织的“雨露计划”、科技部门组织的“星火计划”、人力资源和社会保障部门组织的农村劳动力技能就业计划、教育部门组织的中等职业教育扩大招生计划，等等。虽然这些政策的初衷很好，实际的培训效果却并不理想。 目前，关于农民工培训的文献更多的偏重于描述分析和理论分析，主要侧重于分析农民工的培训需求、培训中所存在的问题以及相应的政策建议。由于受到数据可得性方面的限制，仅有少数的研究文献对农民工培训效果进行了实证分析。然而，这些文献呈现的结果并不一致，在很多问题上还没有形成共识。比如关于农民工的培训收益率的估计结果，由于不同文献所用数据的时间、涵盖的地区不同，培训的内容不同、培训的时长不同、培训的费用支付者不同、培训的提供者不同，不同文献所得出的培训收益率也大有差异。例如，宁光杰、尹迪(2012)认为非农培训的收益率是14.5％(OLS的估计结果)或超过140％(处理效应模型的估计结果)，而赵显洲(2012)估算出的非农培训的收益率是15.7％。杨玉梅、曾湘泉(2012)利用前测—后测估计法(before-after estimatot)对政府组织的阳光工程的培训效果进行评估，其结果显示培训有助于农民工的月工资提高33.5％。戴凤燕(2012)估算出，企业提供的培训能使农民工的小时工资提高23％。就不同出资者而言，翁杰(2012)认为，个人出资的培训的收益率为7％(OLS结果)或6.1％(匹配法的结果)，而政府出资的培训则没有效果。就不同培训时长而言，王德文、蔡昉、张国庆(2008)认为，简单培训(15天)无效果，短期培训(15～90天)和正规培训(90天以上)的培训收益率平均为9.9％(OLS的结果)、24％(处理效应模型的结果)。侯风云(2004)估算的是农民工在外出打工前所接受的培训的收益率，所得结果为25.36％。就职前培训和在职培训而言，张世伟、王广慧(2010)估算出，职前培训的收益率是21％左右，而在职培训的收益率仅为5％。 研究文献还显示不同的培训内容也会带来不同的培训效果，与工作相关的培训更有利于农民工工资性收入的提高，一些技能性较强的培训如电子电器、焊工、建筑装饰、汽车驾驶等职业培训更有助于受训者工资的提高(宁光杰、尹迪，2012；杨玉梅、曾湘泉，2012)。另外一个相关的研究是由谁来支付培训费用也会对培训效果产生影响。宁光杰、尹迪(2012)认为费用由个人支付的培训效果最大，费用由企业支付的培训效果居中，而费用由国家支付的培训效果最小。翁杰(2012)也认为，政府培训没能切实助推劳动者的人力资本积累，而个人培训则能明显提升农民工的小时工资水平。杨玉梅、曾湘泉(2012)进一步认为，相对于国家补贴全部费用的项目而言，国家补贴部分费用的培训项目更有助于提高受训者的工资。 由此可见，有关农民工培训效果的评估和研究仍需要利用更加可靠而又有代表性的数据和科学的方法加以深入研究。本文拟通过分析CHIP2007中的农民工调查数据和2010年流动人口动态监测数据，对以下两个问题做进一步的探究：1.农民工培训效果有多大？2.何种培训类型和方式更加适合农民工，能给农民工带来更大的收益？ 本文内容具体安排如下：第二部分讨论培训的相关理论和本文使用的方法；第三部分介绍本文使用的数据和基本统计结果；第四部分讨论培训的总体效果的估计结果；第五部分给出不同培训类型的培训效果；第六部分是本文的主要结论。 二、相关理论和分析方法 在劳动经济学中，培训可以分为“一般培训”(General Training)和“特殊培训”(Specific Training)两种。“一般培训”指的是培训内容不仅适用于本企业、本行业还适用于其他企业、其他行业，而“特殊培训”则指培训内容具有本企业的专用性。 图1a描述的是一般培训的情形。假设培训的费用是由企业负担，图中的Wu和MRPu分别代表未参加培训的工人对应的工资率和边际产品收益，Wt和
分别代表参加培训的工人在培训期间所对应的工资率和边际产品收益，而
和
则分别表示工人参加培训之后所对应的工资率和边际产品收益。
之所以低于未参加培训的工人的MRPu，是因为在培训期间，工人把时间和精力从生产转移到了学习上。由于参加的是一般培训，培训后工人对应的边际产品收益
适用于所有企业，因此其他企业将愿意以不低于
的工资水平雇佣他们。这对于负担培训的企业来说，如果支付给受过培训工人低于
的工资，工人将会跳槽到其他企业，那么其培训收益将会流失；如果按照他们的
支付工资，工人将获得培训收益，企业却无从获利，企业也就没有动力为工人负担一般培训的费用。 图1b描述的是“特殊培训”的情形。Wu和MRPu分别代表未参加培训的工人对应的工资率和边际产品收益，
和
分别代表参加培训的工人在培训期间和培训后所对应的边际产品收益。由于特殊培训的内容不适用于其他企业，因此在完全竞争的劳动力市场上，工人不能因曾参加过培训而使自己的工资率有所提高，所以工人将拒绝承担培训的费用，不接受培训期间的低工资。因此在培训期间，工人的工资率将维持在
的水平上。这意味着企业必须通过支付给工人超过其边际产品收益(
)的工资率(
)，然而，由于特殊培训的内容不适用于其他企业并不能给其他企业带来好处，所以，在培训期之后，企业将不需要支付给工人比
高的工资(为了防止受到培训的工人跳槽，企业通常会支付工资
)。对于企业来说，特殊培训在培训期间给它带来了成本流(W[,u]高于
)，但是在培训期之后给它带来了收益流(
高于
)，如果培训收益大于培训成本，那么为工人提供特殊培训是有利可图的。因此，企业大多愿意提供特殊培训。
图1 一般培训和特殊培训 测量培训效果主要是指测量培训对农民工工资的影响程度。对此，本文用了两种方法，一是OLS回归分析方法，二是倾向得分匹配法(Propensity Score Matching，PSM)。 我们用OLS方法时，被解释变量是农民工的月工资对数，“是否接受过培训”作为一个二元虚拟的解释变量加入回归方程中，同时还引入了一些控制变量，其中回归结果中的“培训”变量的系数估计值大致反映了培训所带来的工资增长效应。但是，这种方法面临一个“自选择问题”，而这个问题会带来选择性偏差。此方法是建立在零条件均值假定的基础上的，即一部分农民工之所以参加培训，另一部分农民工之所以没有参加培训，完全是随机决定的，培训的实施有些类似于准自然实验。但是，如果农民工“参加培训”不是随机决定的，而是自选择的结果，那么用OLS方法所估计出的培训效应会是有偏的。 为了解决“自选择问题”，本文尝试使用了倾向得分匹配法来估算农民工培训的工资效应。该方法与OLS回归分析法的关系可以说明如下：令Y代表农民工工资；D为二元虚拟变量，其中D=1代表“参加培训”，D=0代表“未参加培训”；那么
代表参加过培训的农民工的工资，
代表未参加过培训的农民工的工资；令X代表性别、年龄等控制变量。采用OLS方法所估计出的结果实际是
，而此式子又可以分成两部分：
其中，分项ATT是指那些“参加过培训”的农民工的实际工资与其假如没有“参加过培训”的工资的差异。它反映了培训对工资的单纯影响，也正是我们希望得到的无偏估计结果。分项“选择性偏差”是指那些“参加过培训”的农民工假如其没有“参加过培训”所能获得的工资
与那些实际没有“参加过培训”的农民工的工资
差异。 从式(1)我们可以看出，用OLS方法所估计出的培训效果不仅包含ATT，还包含选择性偏差。选择性偏差的存在导致了OLS方法估算结果的偏误。 如果能同时知道
和
的具体取值，就能准确得出分项ATT①。可现实中，仅能观察到参加过培训的农民工培训后的工资
，却观察不到同一时间点上这些农民工假如不参加培训时的工资
。因此，我们采用倾向得分匹配法来构造这一反事实工资。 倾向得分匹配法的基本思路是：利用Logit模型估计出每个农民工参加培训的概率(即倾向性得分P(D=1/X))；将实验组(参加过培训的农民工)和控制组(未参加过培训的农民工)中倾向性得分相同或相近的农民工样本进行匹配，二者的工资之差就是ATT(Bryson等，2002；Caliendo and Kopeinig，2005)。 三、数据的介绍与基本描述统计 本文所采用的是2007年的CHIP(Chinese Household Income Project)数据和2010年的流动人口动态监测数据。2007年的CHIP数据来自于北京师范大学与澳大利亚国立大学联合课题组于2008年在我国15个具有代表性的城市进行的住户调查。这15个城市分别是广州、东莞、深圳、郑州、洛阳、合肥、蚌埠、重庆、上海、南京、无锡、杭州、宁波、武汉、成都，调查样本共包括8404个农民工。本文将研究对象限定为年龄在16～60岁之间、且有工作和工资的农民工(这里仅考虑从事工资性收入的农民工，不包含从事自我经营的农民工②)，进一步剔除掉那些遗漏个人特征、就业和收入信息的样本，最后剩下5370人，其中男性3133人，占58.34％，女性2237人，占41.66％。2010年的流动人口动态监测数据，是2010年国家人口计生委流动人口司负责全面组织协调的对全国106个城市的流动人口进行调查所得的数据，总样本量有12.28万人。本次调查的调查对象是31个省(区、市)和新疆生产建设兵团中跨县(市、区)及以上行政区域流动且在流入地居住达一个月且年龄在16-59周岁的男女人口。其中，同城区间人户分离人口除外；婚嫁人员除外；因出差、就医、旅游、探亲、访友、服军役、在中学等以上专业学校就学等人口除外。 这两套数据都来自于官方调查，且抽样方法科学，样本量大，具有较好的全国代表性，基于此数据进行分析所得的结果应该也具有较好的全国代表性。另外，2007年的CHIP数据搜集于2008年金融危机之前，2010年的流动人口动态监测数据搜集于金融危机发生之后，所以通过对这两年数据结果的比较，我们也可以看一看金融危机的发生对农民工培训产生了何种影响。 2007年、2010年农民工培训的普及情况见图2-1和图2-2。总体而言，农民工参加培训③的比例偏低，2007年仅有27.39％的农民工参加了培训，而到2010年，即金融危机后，农民工参加培训的比例下降到12.9％。接下来，我们具体看一下不同类别农民工的参训情况。图2-1和图2-2显示，女性农民工参加培训的比例低于男性，已婚者参加培训的比例明显低于未婚者，30岁以上的农民工参加培训的比例明显低于30岁以下的农民工；随着受教育程度的提高，农民工参加培训的比例呈现逐渐上升的趋势。
图2-1 2007—农民工参加培训的比例
图2-2 2010—农民工参加培训的比例 就单位所有制而言，2007年工作于私有部门的农民工参加培训的比例与工作于公有部门的农民工参加培训的比例差别不大，前者为28.8％，后者为30.97％，但是到了2010年，工作于私有部门的农民工参加培训的比例出现了较大幅度的下降，下降到17.88％，而公有部门相应的比例则变化不大。这也在情理之中，2008年金融危机，受冲击最大的是中小私营企业，减少对农民工的培训也是它们降低运营成本、维持生存的其中一个无奈之举。此外，国际金融危机发生后，中国政府加大了对基础设施建设的投入，增加了对农民工的需求，农民工的工资水平出现了较快速度的增长，无疑增加了他们参与培训的机会成本，也会影响到他们参与培训的积极性。 制造业之外，其他行业的农民工参加培训的比例在2008年金融危机之后都出现了较大幅度的下降。 农民工参加培训的积极性低，我们不能认为其不理性，这其实也是他们在各因素制约下的无奈之举。一是，农民工大多集中在制造业、建筑业、批发和零售等技术含量不高的劳动密集型行业，并且工作稳定性差，这使得他们觉得没有太大的必要去参加培训；二是，即便农民工意识到培训的重要性，但由于缺乏培训信息(如“到哪里参加培训”、“参加什么样的培训”等)、较长的劳动时间(如每天工作10小时以上、每周工作6天以上)、较低的收入水平、较高的生活压力等，这都使得农民工无力将参加培训的主观意愿转化为参加培训的客观需求；三是，农民工是否参加培训也取决于培训成本和预期收益的比较，农民工参加培训需要承担两种成本，直接成本(学费、书本费等)和机会成本(因参加培训而放弃的就业收入)，很多农民工因为觉得参加培训的成本过高、参加培训的收益过低(参加培训学不到知识或不能保证找到更好工作或不能使收入提高)而放弃参加培训。 在决定是否提供在职培训时，企业也会权衡培训所产生的预期收益和提供培训的成本。由于企业和农民工之间常常不存在长期稳定的合约关系，企业更看重的是短期的成本和收益，农民工培训不仅会提高企业的现期成本、降低企业的现期收益，农民工的高流动性也会导致培训收益的外溢。因此，大多数企业对农民工“重用轻养”，不愿为他们提供培训。 四、农民工培训的总体效果 (一)OLS的估计结果 首先看一下用OLS方法所估算出的培训效果。所估算的培训效果是基于如下回归方程得出的：
从表1中我们可以看出，在控制了性别、年龄、受教育程度等因素的情况下，2007年培训能使农民工的月均工资提高5.8％，2010年培训能使农民工的月均工资提高5.9％，并且都在1％的显著性水平下显著。这也说明，2008年金融危机后，虽然农民工培训的普及率发生了大幅的下降，但农民工培训的效果则没有发生太大的变化。另外，前文提到，农民工接受培训的平均天数为36天，也就是说，农民工平均接受36天的培训后，能使其工资提高5.8％；依次类推，若农民工接受为期一年(大约10个36天)的培训的话，农民工的培训年收益率约为58％(5.8％×10=58％)。这仅是粗略估计，因为年收益率还存在递减的问题。若不考虑年收益率的递减问题，对农民工群体而言，其培训年收益率(58％)远远大于其教育年收益率(大约为10％左右)。因此，从OLS的回归结果看，培训对提高农民工工资的影响还是比较明显的。
(二)匹配法的估计结果 前文已指出，由于采用OLS方法来估算农民工培训效果可能存在自选择问题，因此我们又使用倾向得分匹配法进行了重新估算，所得结果具体描述如下： 1.农民工参加培训的概率(倾向性得分) 首先，我们利用二元logit模型来估计每个农民工参加培训的概率，回归方程如下：
其中，Training是一个二元虚拟变量(Training=1代表参加培训，Training=0代表未参加培训)；X代表一系列自变量，理论上X应该包含既会影响“农民工是否参加培训的决策”又会影响“农民工工资”的变量，同时，这些变量又应该是农民工参与培训前就决定的，不会受“农民工是否参与培训”的决策的影响。在本文中，X具体包含如下变量：性别、年龄、婚姻状况、受教育程度、从事当前工作的年数及其平方、以前外出务工的年数及其平方、工作所在省份、来源地。 2007年和2010年对应的logit模型数据结果都显示：女性参加培训的概率明显低于男性；30岁以上的农民工参加培训的概率明显低于30岁以下的农民工；受教育程度越高，接受培训的概率也越高；婚姻状况、从事当前工作的年数对农民工是否参加培训影响不大；随着“以前外出务工年数”的增加，农民工参加培训的概率呈现先上升后下降的趋势。 2.平衡性检验和共同支撑检验 (1)平衡性检验 估算ATT时，所需要满足的第一个假定是条件独立性假定(Conditional Independence Assumption，CIA)即
⊥D/X，而具体到运用“倾向得分匹配法”来估算ATT时，它所需要的条件独立性假定是
⊥D/P(X)，而
⊥D/P(X)的成立又需要满足平衡性条件D⊥X/P(X)。一般情况下，CIA假定在实践上是一个无法检验的假定，而我们在实践上可以做到的是对平衡性条件的检验(Balancing Test)。 平衡性条件D⊥X/P(X)可以理解为：具有相同倾向得分的农民工，他们“是否参加培训”完全是随机决定的。也就是说，具有相同倾向得分(参加培训的概率相同)的培训组的个体和未培训组的个体，应该具有相同个体特征，即特征变量X应该是相同的。表2A和表2B给出了三种检验方法的检验结果⑥。
从表2A中的第3列和第4列我们可以看出，在匹配前，参加培训的农民工与未参加培训的农民工的个体特征变量X的均值存在着显著的差异；表2A的第7列和第8列给出了每个个体特征变量X的双t分布检验所对应的t值和p值，从中可看出，在匹配后的样本中，所有个体特征变量对应的p值都非常大，即不能拒绝“它们分布无差异”的原假设，也就是说，在匹配后，参加培训的农民工与未参加培训的农民工的个体特征变量X的均值已不存在显著的差异。(方法1的检验结果) 表2A的第6列给出的是，每个个体特征变量X的匹配后的标准偏差与匹配前的标准偏差相比所下降的程度⑦，从表中可以看出，下降幅度差不多都在80％以上(方法2的检验结果)。 表2B给出了匹配前后的拟
和联合显著性。根据匹配法的基本原理，匹配后的倾向得分模型与匹配前相比，Pseudo-
将会变得非常小，同时联合显著性检验应该变为“不能拒绝原假设”，也就是说P值应该变得比较大。从表2B中我们可以看出，匹配后的Pseudo-
为0.001，P值为0.998(联合显著性)(方法3的检验结果)。 上述三种方法的检验结果都表明，我们的数据通过了平衡性检验，匹配质量不错。 (2)共同支撑条件或重叠性条件检验 估算ATT时所需要的第二个假定是0＜P(D=1/X)＜1，这是为了保证不仅“培训组”的农民工在“未培训组”中能找到倾向得分与其相同或相近的匹配对象，“未培训组”的农民工在“培训组”中也能找到倾向得分与其相同或相近的匹配对象。匹配法只有在共同支撑区域⑧(Common Support Region)才有效。因此，我们将共同支撑区域之外的样本都剔除掉，以便培训组和未培训组分别对应的倾向得分的最大值都一样，最小值也都一样。以2007年的CHIP数据为例，我们在培训组中剔除掉了69个样本，最后培训组中所剩的样本量为1323个，未培训组所剩下的样本量为3486个。图2-3给出了样本的匹配情况。
图2-3 样本的匹配情况 3.估算ATT 通过以上检验后，下一步就开始着手估算ATT。在估算ATT时，有多种匹配法可供选择，如近邻匹配法(Nearest-Neighbor Matching，NNM)、一对一匹配法(One-to-one Matching)、核匹配法(Kernel Matching)、半径匹配法(Radius Matching)等，这几种方法各有优缺点。一种方法在降低估计偏差的同时，又往往会降低估计的精确度(即标准误变大)。要想既保证估计的偏差最小又保证估计精度最高(即最小标准误)，这通常是很难做到的。实践上一般同时采用多种匹配法，并进行比较，本文也如此，表3列出了用各种不同的匹配法所得出的ATT。 从表3中我们可以看出，无论采用何种匹配法、何种匹配参数，数据显示，在2007年培训能使农民工月均工资提高5.7％～6.4％，在2010年培训能使农民工月均工资提高5.4％～7.2％。用匹配法所计算出的这两个年份的培训效果与用OLS方法所计算出的这两个年份的培训效果(5.8％，5.9％)基本一致，这也反映出农民工培训所存在的自选择问题并不严重。
五、何种培训类型更有效 根据培训内容的不同，2007年的数据将培训分为“与工作相关的技能培训”、“与工作无关的一般技能培训”、“一般性培训”三类。图4A显示，农民工参加的主要是“与工作相关的技能培训”，占到88.76％，其他两类仅占9％、2％。根据培训提供方的不同，2007年的数据将培训分为“企业提供的培训”、“社会提供的培训”两类，图4B显示，“企业提供的培训”占到71.45％，“社会提供的培训”占到28.55％。可见，农民工所接受的培训以企业内部提供的培训为主。同样是根据培训提供方的不同，2010年的数据将培训分为“单位提供的培训”、“户籍地政府提供的培训”、“户籍地以外政府提供的培训”、“培训机构提供的培训”四类，图4C显示，“单位提供的培训”占到71％，其次是“户籍地政府提供的培训”占到18％，而“户籍地以外政府提供的培训”和“培训机构提供的培训”分别仅占6％、5％。
图4A 2007-三类
图4B 2007-两类
图4C 2010-三类 表4A进一步显示，在企业提供的所有培训中，96.29％的培训都是“与工作相关的技能培训”；而在社会提供的所有培训中，70％的培训是“与工作相关的技能培训”，25.92％的培训是“与工作无关的技能培训”，仅有4.16％的培训是“一般性培训”。由此看出，无论是企业还是社会，都是以提供“与工作相关的技能培训”为主。 表4B显示，在农民工所参加的“与工作相关的技能培训”中，77.5％是由企业提供的，22.5％是由社会提供的；在农民工所参加的“与工作无关的一般技能培训”中，19.7％是由企业提供的，80.3％是由社会提供的。由此看出，“与工作相关的技能培训”以“企业”提供的为主，而“与工作无关的一般技能培训”以“社会”提供的为主。 如果我们将“与工作相关的技能培训”视为“特殊培训”，将“与工作无关的技能培训”视为“一般培训”，表4B的数据结果与前文第三部分提到的劳动经济学中关于“一般培训和特殊培训”的理论论述是一致的。由于“一般培训”的培训内容不仅适用于本企业还适用于其他企业，企业很难从“一般培训”中获得收益，因此用工单位往往不愿意提供这种培训。由于“特殊培训”的培训内容只适用于本企业而不适用于其他企业，培训的收益只能在本企业才能实现，所以企业可以通过支付给工人低于其劳动生产率的工资来收回提供培训的成本并获得更多的收益，因此，企业大多愿意提供这种类型的培训。但是企业提供特殊培训的其中一个前提条件是，企业可以与工人达成一个稳定的、长期的、预期收益比较明确的契约关系。但是具体到我国农民工而言，由于他们的高流动性从而造成的培训收益的外溢性，企业往往也不太愿意为他们提供特殊培训，这也是导致我国农民工培训普及率较低的其中一个原因。
我们利用OLS方法和匹配法分别估算了每种培训类型的培训效果，即每种培训类型对农民工月均工资的提高程度。 首先，来看一下2007年数据里根据培训的提供方不同来进行分类的两种培训类型的培训效果。如表5模型a所示，“企业提供的培训”能使农民工的月均工资提高6.7％，“社会提供的培训”能使农民工的月均工资提高3.4％，前者是后者的两倍。 表6给出的是用匹配法所得出的这两种类型的培训效果。从中我们可以看出，不论用何种匹配法所得结果差别不大，都显示“企业提供的培训”能使农民工的月均工资提高6.5％～7.2％之间；“社会提供的培训”能使农民工月均工资提高4％～5％之间。用匹配法所得出的数据结果略高于OLS法所得出的数据结果，但相差不大，并且都表明“企业提供的培训”比“社会提供的培训”对农民工的月均工资的影响更大。 其次，来看一下2007年数据里根据培训内容的不同进行分类的3类不同培训的培训效果。所得数据结果如表5模型b所示。从中我们可以看出，“与工作相关的技能培训”能使农民工的月均工资提高6.1％，而“与工作无关的一般技能培训”和“一般性培训”对农民工月均工资的影响不明显。表6给出的各种匹配法的结果也表明，“与工作相关的技能培训”能使农民工的月均工资提高6.4％～7.7％之间，而“与工作无关的一般技能培训”和“一般性培训”对农民工月均工资的影响都不明显。 再次，来看一下2010年数据里根据培训提供方的不同进行分类的4类不同培训的培训效果。表5模型c显示，“户籍地政府提供的培训”能使农民工的月均工资提高11.9％，效果最明显；其次是“培训机构提供的培训”能使农民工的月均工资提高10.7％，而“单位提供的培训”仅能使农民工的月均工资提高4.4％，“户籍地以外政府提供的培训”对农民工月均工资的提高则没有明显作用。表6中相应的匹配法结果与OLS方法的结果基本一致。在这里值得注意的是，“单位提供的培训”的培训效果(4.4％)远远低于“户籍地政府提供的培训”和“培训机构提供的培训”的培训效果(11.9％，10.7％)，前者的效果之所以远远低于后两者，有可能是因为培训的收益大部分被企业拿走了，培训结束后，工人劳动生产率的提高并不一定表现为工人工资的提高。由于企业提供的培训一定程度上是只适用于本企业的“特殊培训”，其所培训的内容仅适用于提供培训的企业自身，而不适用于其他企业，没有普适性，因此企业通过支付给农民工低于农民工实际劳动生产率(收益)的工资从而变向的将培训成本转嫁给农民工，培训本身所带来的收益也更多地被企业通过这种方式拿走了。农民工从“企业内部培训”中“实际”所获得的收益远远低于他们“应该”获得的收益。
综上所述，就培训的提供方而言，“企业内部提供的培训”比“社会提供的培训”更有效；就培训内容而言，“与工作相关的技能培训”比“与工作无关的技能培训”、“一般性培训”更有效；“户籍地政府提供的培训”和“培训机构提供的培训”比“单位提供的培训”和“户籍地以外政府提供的培训”更有效。 六、结论 本文利用2007年的CHIP数据和2010年的流动人口动态监测数据，对农民工的培训状况和培训效果进行了分析。总体而言，农民工参加培训的比例偏低，2008年金融危机前(2007年)仅有四分之一左右的农民工参加过培训，而2008年金融危机后(2010年)仅有12.9％的农民工参加培训。农民工参加的培训也主要是企业提供的培训、与工作相关的技能培训。2007年CHIP数据显示培训总体上能使农民工的月均工资提高5.7％～6.4％，2010年流动人口动态监测数据结果显示，培训总体上能使农民工的月均工资提高5.4％～7.2％。这两年数据所测算的培训效果基本一致。这也表明，2008年的金融危机降低了农民工培训的普及率，对农民工的培训效果则并没有影响。进一步的分析结果显示，“企业内部提供的培训”的效果好于“社会提供的培训”；“与工作相关的技能培训”的效果好于“与工作无关的技能培训”、“一般性培训”。这主要因为企业提供的培训内容具有针对性，是企业自身所急需的，接受过这种培训的农民工可以直接上岗就业为企业创造效益，从而获取相对较高的工资。在上述分析结果的基础上，本文的主要政策含义是各级政府部门要更加重视农民工的培训工作，建立高效的农民工培训体系，激励企业担当农民工培训的主要角色，更大限度地提升农民工的技能和劳动生产率。 [收稿日期]2015-05-04 注释： ①理论上，培训效果应包含三种类型：ATE(Average Treatment Effect)、ATT(Average Treatment Effect on the Treated)和ATU(Average Treatment Effect on the Untreated)。ATE指的是，对于“所有的农民工”(包括已参加过培训的农民工和未参加过培训的农民工)来说，在控制其他因素不变的情况下，单单“培训”这一行为能使他们的月均工资提高多少；ATU指的是，对于那些“没有参加过培训的农民工”来说，在控制其他因素不变的情况下，如果他们参加培训，培训能使他们的月均工资提高多少。在本文中，我们只关注ATT，这是因为估算ATT比估算ATE所需要的假设相对弱一些，对数据的要求也相对少一些。ATE所需要的假设是：1)
，
⊥D/X；2)0＜P(D=1/X)＜1；ATT所需要的假设是：1)
⊥D/X；2)0＜P(D=1/X)＜1。 ②由于从事自我经营的农民工很难分清自己的收入中，哪些收入属于工资性收入，哪些收入属于其他类型的收入，即他们所上报的收入可能不仅仅包含工资性收入，还包含其他类型的收入，因此，本文在做具体分析时，仅考虑了从事“工资性收入”的农民工样本，而将从事“自我经营”的那部分农民工样本剔除掉了。 ③本文所提到的培训都指的是非农培训。 ④以前外出务工的年数=总外出务工年数-从事当前工作的年数。 ⑤来源地区包括东部、中部、西部。 ⑥表2A和表2B列出的是2007年CHIP数据对应的检验结果。2010年的流动人口动态监测数据的数据结果也同样都通过了这三种方法的检验，但受篇幅所限，其对应的检验结果未在正文列出。 ⑦关于“匹配后的标准偏差与匹配前的标准偏差相比，下降多少才能表明匹配质量不错”，还没有一个定论。一些研究认为，降低3％或5％就足够了，当然，下降得越多越好。 ⑧共同支撑区域指的是：将所有样本(培训组和未培训组)按照倾向得分从低到高进行排序，培训组中倾向得分最低的样本与未培训组中倾向得分最高的样本之间的区域。
标签：相关性分析论文; 对应分析论文; 技能培训论文; att论文;
