人力资本回报率变化与收入差距

人力资本回报率变化与收入差距:“马太效应”及其政策含义张车伟张车伟姓名：张车伟职务：中国社会科学院人口与劳动经济研究所副所长、研究员、博士生导师著作：《人口与劳动就业问题》（副主编）等简介：1964年10月27日出生，现为中国社会科学院人口与劳动经济研究所副所长研究员、博士生导师主要兼职：中国社会科学院劳动和社会保障研究中心主任；中国社会科学院研究生院教授、博士生导师、人口与劳动经济系主任。《中国人口年鉴》主编。工作经历：1987-1996,助理研究员；1996-2001,副研究员；2001-，研究员，中国社会科学院人口与劳动经济研究所。2000－2001，美国密歇根大学和密歇根州立大学访问学者。学术兴趣：劳动经济学和计量经济学。教育背景：1996-2001，中国社会科学院研究生院，获博士学位。1996年5月-1998年5月，中美联合温乐克农业经济博士班，中国农业大学，获博士课程培训证书。张车伟1994-1995，印度发展研究中心学习，获研究生毕业证书1984-1987，中国人民大学学习，获生物学哲学硕士学位。1980-1984，河南师范大学生物系学习，获理学学士学位。科研成果：近5年出版科研成果超过200万字，在《经济研究》、《经济学（季刊）》、《中国工业经济》、《世界经济》等国内高水平经济学刊物上发表论文超过30篇。近期发表了大量关于就业和失业的科研成果，其代表性的成果包括（副）主编《人口与劳动就业问题》2002年度绿皮书，《中国城镇的失业率到底有多高？》（英文，提交美国《中国经济评论》，即将发表），《应用教育中断来估计中国城镇地区的教育回报――以文化大革命作为工具变量的研究》（英文，提交《美国经济评论》），《农民收入问题性质的根本转变》（《中国农村观察》2004年第一期，《新化文摘》转载），《失业率定义的国际比较以及中国城镇失业率》（《世界经济》，2003年第五期），《中国城镇就业、失业与劳动参与：现状、问题与对策思路》（《中国人口科学》2003年第5期），《就业弹性变化趋势研究》（《中国工业经济》2002年第五期），（《我国城镇失业的现状、问题和对策》（《中国社会科学院要报》，2003年）。同时，近些年，作为世界银行专家，多次从事世界银行委托的有关中国劳动力市场及其相关政策的研究并提供咨询。近些年，先后主持了多项与劳动就业问题有关的大型抽样调查，如2000－2001对中国五城市劳动力市场的调查，2001年对辽宁工业企业竞争力的调查，2002年对中国城市劳动力的成人基本能力测试调查等，为深一步研究就业和失业问题积累了丰富的资料和数据。目前，正在主持中国社会科学院重大研究项目《我国失业严重地区再就业和社会保障问题研究》，北京市政府招标课题《北京市失业监测预警体系若干问题研究》等等。此外，科研成果多次获奖，曾获得农业部软科学委员会优秀科研成果二等奖（第二获奖人），中国社会科学院优秀科研成果一等奖（主要参加人）等。内容提要、关键词•【摘要】在分析人力资本回报率变化对收入差距影响的基础上,本文运用抽样调查数据估计了教育回报率及其随教育程度和收入水平的变化。结果发现,中国目前的教育回报率仍然不高,总体来看,每增加1年教育,个人收入会增加4.34%;同时,教育回报率还展现出随收入水平增加而增加的趋势,最高95%收入者的教育回报率是最低5%收入者的2倍多。教育回报率变化的“马太效应”意味着收入差距不断扩大是市场失败的产物,在这种情况下,要缩小收入差距,人力资本投资必须更多地向穷人倾斜。•关键词教育回报率收入差距马太效应引言•问题的提出：中国目前已经成为世界上收入差距比较严重的国家之一,这一问题正在对经济的健康发展构成伤害。（基尼系数）•库兹涅兹（1955年）著名的倒U型收入分配假说：在经济发展过程中,收入差距会首先随着收入水平增加而逐渐扩大,在达到一定程度后,收入差距会随劳动者受教育程度的提高而缩小并逐渐实现收入均等化。•从国际经验来看,收入分配走向均等化的转折点因国家的具体情况而差异很大。（日本、一些拉美国家、中国）•一般来说,收入差距不断拉大的原因可以被归为这样两类：从非市场性因素来看,政策缺失和错位、市场法规不健全等都会使收入差距拉大。从市场本身来看,劳动力资源的市场配置必然使高人力资本存量的个人得到较高的收入,低人力资本存量的人得到较低的收入,从这个意义上说,人力资本不平等是收入差距的重要来源。引言•教育是最常用也是最容易得到的人力资本变量,本文主要研究教育回报率变化及其对收入差距的影响。在分析人力资本回报率变化对收入差距影响的基础上,本文运用2004年取得的最新抽样调查数据,将在估计教育回报率及其随教育程度和收入分布的变化基础上,揭示收入差距扩大的市场机理,从而为如何缩小收入差距提供可供参考的政策建议。•引言•本文剩余部分的结构安排如下:第二部分：相关研究文献综述；第三部分：理论、方法与数据说明；第四部分：具体估计教育回报率及其随教育程度的变化；第五部分：具体估计教育回报率随收入水平的变化；第六部分：为主要结论及其政策含义。二、相关研究文献综述•表1回顾了2002年以来有关中国个人教育回报率方面的研究，并总结了其所使用的数据、方法和主要结论。二、相关研究文献综述•总的来看,有关中国教育回报率的估计结果因方法不同存在着较大差异,例如Li和Luo(2004)使用GMM方法得到的城镇总体教育回报率高达15%,但是使用OLS方法估计得到的教育回报率基本上维持在5%—8%之间,这与国际上其他国家相比处于较低的水平;同时,中国个人教育回报率在改革开放以来呈不断升高的趋势,且教育回报率在性别、文化程度、地区和行业间存在着差异。大多数的研究表明,女性的教育回报率高于男性,城镇教育回报率高于农村,同时大学阶段的教育回报率高于高中之前的回报率。•大多数的研究证明教育不仅具有“筛选”的信号作用,而且也能直接提高劳动生产率,这实际上也是人力资本理论的主要内容。•与以往的同类研究相比,本文的贡献主要包括这样两个方面。一是使用了最新的能够代表城乡劳动力市场的数据,弥补了以往研究中因数据限制而只能把城乡教育回报率分开估计的不足。二是本研究不仅具体地估计教育回报率及其随教育水平的变化,而且还研究教育回报率随收入水平的变化与特征。在已有的文献中,有关个人教育回报率如何随收入水平变化的研究在中国还很少见到。三、理论、方法与数据说明•美国经济学家明瑟(Mincer)于1972年提出并首先使用的工资方程假定,劳动者的工资性收入完全由劳动者人力资本和其它个体特征所决定,这样个人收入Yi就写成一系列人力资本变量H的函数,即Yi=f(H)。•同时对工资方程两端取方差Var(Yi)=M2Var(Hi)(1)M为人力资本的市场回报。在一个完善的劳动力市场上,M一般为常数。•当市场不完善时,工资方程可以写成如下较为复杂的形式:Yi=Ф[Mrf(Hi)](2)其中Yi为个体的收入水平,Hi为人力资本变量,Mr为人力资本回报变量。•如果假定人力资本水平和人力资本回报之间是相互独立的,且E(Hi)=μH和E(Mr)=μM，则通过对方程式(2)两边同时取方差可得到如下关系式:Var(Yir)=μ2MVar(Hir)+μ2HVar(Mr)+Var(Hir)·Var(Mr)(3)μM为人力资本回报的期望值,μH为人力资本水平的期望值。•从公式(3)可以看出,收入差距不仅依赖于人力资本水平的差异Var(Hir)和人力资本回报的差异Var(Mr),而且还依赖于人力资本的均值μH及人力资本回报的均值μM。三、理论、方法与数据说明•在实证研究中,明瑟工资方程是用来估计人力资本回报的基本方法,其一般形式为:LnY=Xβ+μ(4)在(4)中,LnY为收入的对数,X为一系列代表人力资本的变量;β为待估计的参数,一般可以被解释为人力资本的回报;μ为误差项,且E(μ)=0,也就是说μ需要满足期望值为零的假设。•数据说明：本研究使用的数据来自于中国社会科学院人口与劳动经济研究所与台湾省“中央研究院”合作于2004年7月在上海、浙江和福建三省市进行的“家庭动态与财富代际流动抽样调查”,调查对象为年龄在25—68岁的个人。调查采用分层多阶段PPS抽样方法,即按城市化水平进行分层抽样后再分阶段抽取调查样本,共得到有效样本4684个,其中上海为903个、浙江1856个、福建1925个。三、理论、方法与数据说明•表2描述了本研究使用的数据及其两个重要变量的基本状况。四、有关教育回报率及其随教育水平变化的估计•运用来自上海、浙江和福建的最新调查数据,作者使用前面介绍的明瑟方程对教育回报率进行估计,所估计的具体方程形式如下:LnY=α0+α1Edu+α2Exper+α3Exper2+ΣλjX+μ(5)LnY为月平均工资性收入的对数,Edu为平均受教育年限,Exper为工作经验,Exper2为工作经验平方项,X为其他控制变量,如年龄、性别、地区、职业和行业变量等,μ为误差项。•本文主要通过分组的办法来研究教育回报率随教育程度的变化状况,这里共估计了10组方程,方程1—5为不考虑市场分割情况下的估计结果,方程6—10考虑到市场分割情况下的估计结果。•综合表3的估计结果可以看出,在不考虑市场分割影响的情况下,总体教育回报率高达10.14%,其中,初中阶段的教育回报率最高达到9.7%,高中阶段次之为8.03%,大专及以上阶段为5.26%,小学阶段最低,仅仅为4.12%。•但当考虑了市场分割因素后,教育回报率出现了很大的变化。总体教育回报率减少到只有4.34%,分教育程度来看,高中、初中和小学教育回报率都很低且在统计上都不太显著,高中最高也只有2.5%,但是,大专及以上教育程度的回报率不仅没有降低反而提高到6.42%,且在统计上非常显著。•考虑到市场分割的估计结果说明,市场分割因素对教育回报率的估计影响非常大,且这种影响对低教育程度者的影响要大大高于高教育程度者。这意味着受过较低教育程度的劳动者的教育回报更多地是通过选择就业途径(如选择地区、行业和职业)而实现的。四、有关教育回报率及其随教育水平变化的估计•能够保持和按教育程度分组估计相同含义且可以把同组内不同教育程度影响分解开来的办法就是使用交叉项的方法,即通过设置代表某一类教育程度的虚拟变量,然后把这一虚拟变量与教育年限变量的乘积放入方程中,这样,所估计的方程就变成了如(6)所示。LnY=β0+β1Di+β2Edu+β3Di*Edu+β4Exper+β5Exper2+ΣβjZj+ε(6)•Di为某一级教育程度的虚拟变量,Edu为受教育年限变量,Exper为工作经验,Di*Edu为教育程度虚拟变量与受教育年限变量的交叉乘积,Zj为其他控制变量,包括性别、年龄、地区、职业和行业等,ε为误差项。•作者这里共估计了6组方程。其中方程(1)—(3)为一般分组方法模型,被称为一般模型;方程(4)—(6)为交叉项分组方法模型,被称为交叉项模型。估计结果被汇总在表4之中。•在一般模型的估计中,初中以上教育程度者教育回报率为6.53%,高中教育程度者教育收益率高达8.91%,大专教育程度者教育回报率为6.42%。考虑到前面估计的总体(小学以上教育程度者)的教育回报率为4.34%(参见表3方程(6)的结果),较高教育阶段的回报率都高于平均(总体)回报率,其中,高中以上教育程度者的回报率最高,是平均回报率(小学以上教育程度者)的2倍多,初中以上教育程度者的回报率是平均回报率的1.5倍,大学以上教育程度者回报率是平均水平的1.48倍。•一般模型的分组并不能把同组内较低教育程度的影响剔除,而交叉项分组办法则可以弥补这方面的不足。四、有关教育回报率及其随教育水平变化的估计•交叉项模型所估计的教育回报率分别为:初中以上教育程度组为0.0254+0.0448=0.0702,高中以上教育程度组为0.0275+0.0590=0.0865,大专以上教育程度组为0.0314+0.0103=0.0417。能得到和一般模型相似的结果.•交叉模型估计结果还能分辩出不同教育程度回报率的差异。•综上，本文