高等教育回報率的性別差異研究

李 祺，段依然

(鄭州大學(xué) 商學(xué)院，河南 鄭州 450001)

教育對勞動力收入改善起至關(guān)重要的作用，政府一直在不遺余力地發(fā)展教育事業(yè)。近年來，勞動力工資定價逐步市場化，在勞動力市場還沒有充分完善，無法準(zhǔn)確傳遞個人能力信號時，性別會成為企業(yè)預(yù)判勞動者能力的便捷途徑，進(jìn)而引發(fā)性別歧視問題，導(dǎo)致女性工資收入較低。李雁(2014)研究了影響我國教育回報率的因素，認(rèn)為我國在教育回報率過低的同時還存在過度教育現(xiàn)象[1]。這說明在追求教育水平的同時，不能忽略教育公平和就業(yè)引導(dǎo)，我國勞動力市場仍需完善。目前我國性別工資差異較為明顯，學(xué)界認(rèn)為差異產(chǎn)生的原因有人力資本特征差異和性別歧視兩方面。

國內(nèi)有關(guān)教育回報率與工資性別差異的研究主要是采用明瑟工資方程進(jìn)行收入函數(shù)回歸分析，并進(jìn)行分解。現(xiàn)有文獻(xiàn)大多著眼于某一特定地區(qū)或行業(yè)的微觀數(shù)據(jù)進(jìn)行教育回報率分析，或采用時間序列數(shù)據(jù)對教育收益率的變化進(jìn)行研究，針對高等教育教育回報率的研究較少。近年來我國研究性別收入差距的文獻(xiàn)很多，方法及側(cè)重點(diǎn)各有不同。袁曉燕(2012)運(yùn)用CHNS2006數(shù)據(jù)研究性別回報率差異，采用Oaxaca-Blinder分解法，結(jié)論是人力資本特征造成的工資差異為37.87%，性別歧視造成的工資差異為62. 13%[2]。彭競(2011)采用CGSS(2006)數(shù)據(jù)，通過Brown分解法分行業(yè)考察高等教育回報率性別差異，發(fā)現(xiàn)女性的高等教育回報率普遍高于男性，但女性的高等教育回報率在四類行業(yè)中依次遞減，進(jìn)而得出隨著行業(yè)的進(jìn)入門檻與收入水平的提高，高等教育對于女性收入的增長作用減弱的結(jié)論[3]。王美艷(2005)從行業(yè)獲得方面研究工資差異，認(rèn)為性別工資差異主要是由行業(yè)內(nèi)工資差異引起的[4]。黃志嶺(2010)等考察了農(nóng)村遷移勞動力性別工資差異，結(jié)論是80.7%為不可解釋部分，主因是歧視，19.3%是人力資本特征差異所體現(xiàn)的可解釋部分[5]。姚輪輪和張莉琴(2013)對中國農(nóng)村居民教育回報率進(jìn)行了研究，得出男性教育回報率明顯高于女性，且2004-2009年間隨著年份增長，性別因素導(dǎo)致的教育回報率差距越來越大[6]。李得元和李興緒(2015)采用2012年世界銀行STEP住戶調(diào)查數(shù)據(jù)中昆明市的數(shù)據(jù)，得出男性教育回報率低于女性的結(jié)論，且隨著女性學(xué)歷的提升，教育回報率的性別差異減少的結(jié)論[7]。高夢滔和張穎(2007)運(yùn)用中國城市貧困監(jiān)測數(shù)據(jù)庫中三個西部城市的居民數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)高收入行業(yè)中女性教育回報率比男性低，低收入行業(yè)中女性教育回報率則較高[8]。陳良焜和鞠高升(2004)運(yùn)用1996-2000年數(shù)據(jù)，按年份分組進(jìn)行明瑟方程回歸，得出明瑟教育收益率逐年提高的結(jié)論，并研究了總的教育收益率的值沒有落在分性別回歸的教育收益率之間的原因[9]。

1 數(shù)據(jù)來源及描述性統(tǒng)計

數(shù)據(jù)來自2013年中國綜合社會調(diào)查(CGSS)，該數(shù)據(jù)是目前可以獲取的比較新的具有全國代表性的微觀數(shù)據(jù)。選取收入、工作經(jīng)驗、性別、學(xué)歷、健康狀況、行業(yè)類型、父母受教育程度、民族、婚姻狀況、黨員等變量進(jìn)行數(shù)據(jù)分析，剔除沒有勞動收入或勞動收入缺失的、年齡小于16歲或大于60歲的部分和變量信息缺失的樣本。

表1相關(guān)變量的描述性統(tǒng)計

說明：研究樣本只包括16～60歲之間處于工作狀態(tài)的高中及以上學(xué)歷者。

2 模型的建立、回歸及分析

2.1 模型建立

利用stata14.0軟件，在基本的明瑟方程模型的基礎(chǔ)上加入性別和學(xué)歷虛擬變量，用于分析高等教育不同學(xué)歷下不同性別的明瑟收益率，并通過增加與工資相關(guān)的其它虛擬變量及性別和教育交互項對明瑟工資方程進(jìn)行補(bǔ)充。

分性別估計男性與女性的明瑟工資方程，補(bǔ)充后的明瑟工資方程如下：

lnWm= α + β1mD + β2mB + β3mexp + β4mexp2+ ΣλimXim+ ε

(1)

lnWf= α + β1fD + β2fB + β3fexp + β4fexp2+ ΣλifXif+ ε

(2)

按性別將樣本分為兩組，下標(biāo)m代表男性，f代表女性。式(1)(2)中l(wèi)nW 為小時工資的對數(shù)，α為常數(shù)項，D與B是代表教育程度的虛擬變量，分別表示大專學(xué)歷與本科學(xué)歷，對照組為高中學(xué)歷；β1與β2分別代表相對于高中學(xué)歷、專科學(xué)歷與本科學(xué)歷的教育回報率；exp代表工作經(jīng)驗，單位為年，exp2為工作經(jīng)驗?zāi)陻?shù)的平方，引入平方值是為了反映工作經(jīng)驗與收入的非線性關(guān)系；β3與 β4為工作經(jīng)驗及其平方的回歸系數(shù)；Xi是一系列可能影響工資收入的虛擬變量，包括是否為漢族、是否有配偶、是否為黨員、所處的行業(yè)與地區(qū)、父母教育程度等，λi代表各虛擬變量的回歸系數(shù)；ε為隨機(jī)誤差項。

在分性別回歸的基礎(chǔ)上建立總的明瑟回歸方程，用于分析教育水平通過性別對勞動收入產(chǎn)生的影響：

lnW = α + β1D +β2B +β3exp +β4exp2+ΣλiXi + 性別*教育+ε

(3)

式(3)的性別*教育交互項中包含性別這一虛擬變量，男性為1，女性為0。

2.2 回歸分析結(jié)果

由表2，各組方程的p值均通過了顯著性檢驗(此處不再列出，僅標(biāo)記顯著性水平)，模型整體擬合優(yōu)度合理。模型的回歸結(jié)果顯著，與教育相關(guān)的兩個虛擬變量的系數(shù)為正，與實(shí)際相符，表明勞動力接受高等教育對工資收入有正向影響。同時，性別與教育的交互項均為正且顯著，說明性別通過教育對勞動收入的影響是顯著的。

說明：①括號內(nèi)為t值，***表示在1%的水平上顯著；**表示在5%的水平上顯著。②回歸方程中有4個健康狀況虛擬變量、15個行業(yè)類型虛擬變量、27個省份虛擬變量、6個父母教育程度虛擬變量、民族虛擬變量、婚姻狀況虛擬變量、黨員虛擬變量作為控制變量，在此不再列出。③選取的數(shù)據(jù)為16～60歲之間處于工作狀態(tài)的高中及以上學(xué)歷者。④性別*教育指總體回歸方程中包含了性別與教育的交互項。

對于男性與女性的明瑟方程回歸系數(shù)β1m、β2m、β1f、β2f進(jìn)行t檢驗，針對假設(shè)H1:β1m=0.1719、H2:β2m=0.3182、H3:β1f=0.1452、H4:β2f=0.3853，給定顯著性水平為0.05，結(jié)果顯示假設(shè)H1、H2、H3、H4應(yīng)當(dāng)被拒絕，也就是說，男性的明瑟方程回歸系數(shù)與女性明瑟方程回歸的系數(shù)差異顯著。

2.3 穩(wěn)健性檢驗

CGSS數(shù)據(jù)中關(guān)于收入的指標(biāo)有兩個，一是個人全年總收入，二是個人全年勞動收入。教育回報率可以通過男性與女性的性別工資差異衡量，故擬采用個人全年勞動收入作為因變量。為了使結(jié)果更穩(wěn)健，分別以個人全年總收入、個人全年勞動收入為因變量進(jìn)行輔助回歸，結(jié)果個人全年勞動收入回歸得出的模型的可決系數(shù)(R2)大于個人全年總收入的，并且模型中各變量對工資的解釋力度更大，故采用個人全年勞動收入。本文還將行業(yè)、地區(qū)、家庭背景等虛擬變量與性別做了交互處理，產(chǎn)生了幾十個交互項，回歸結(jié)果顯示R2更小，且交互項系數(shù)大多不顯著，但方程整體顯著且系數(shù)均與表2中回歸結(jié)果相近，說明性別這一虛擬變量通過教育可以對勞動收入作出較好解釋。

2.4 高等教育回報率計算及分析

為了更合理地分析高等教育年均教育回報率，分別計算本科和大專的年均高等教育回報率，其中大專教育的年均高等教育回報率=大專教育回報率(β1)/3，本科教育的年均高等教育回報率=本科教育回報率(β2)/4。

從表3可看出，伴隨著學(xué)歷提高教育回報率總體上是上升的。大專教育年均教育回報率女性高于男性，差異不明顯；本科教育年均教育回報率男性高于女性，且差異較明顯。可見，隨著高等教育學(xué)歷層次的提高，男性的高等教育回報率漲幅大于女性，即男性接受高等教育的邊際收益率高于女性。

從表4可看出，本科學(xué)歷男性和女性的收入明顯大于大專學(xué)歷人員的收入，男女工資差異的絕對值隨著學(xué)歷提升加大。這與表3中男性的高等教育回報率漲幅大于女性的結(jié)果一致。

男性接受高等教育的邊際收益率整體上高于女性，一個可能的原因是行業(yè)獲得機(jī)會不同。姚先國和黃志嶺(2008)指出，從部門分類的角度看，男性相對于女性會更高比例地進(jìn)入一些收入較高的部門，比如壟斷、機(jī)關(guān)部門，而女性進(jìn)入其他行業(yè)的比例高于男性[10]。彭競(2011)將所用數(shù)據(jù)按照工資從低到高分為四個行業(yè)，發(fā)現(xiàn)受過同等高等教育的女性和男性，女性勞動者進(jìn)入收入較低行業(yè)的比例高于男性，進(jìn)入收入較高行業(yè)的比例低于男性；高收入行業(yè)對女性的進(jìn)入門檻要求可能更高，女性進(jìn)入的多是進(jìn)入門檻低的行業(yè)，相應(yīng)的工資水平較低。另一個可能的原因是本文選取的數(shù)據(jù)排除了低層次教育中男女收入差距較大的樣本，導(dǎo)致得出的明瑟收益率更加純粹地體現(xiàn)了工資收入差距中性別原因?qū)е碌牟黄降痊F(xiàn)象。以整體城鎮(zhèn)居民為樣本研究，結(jié)論是女性的明瑟收益率高于男性，李曉康(2011)認(rèn)為主要原因是低學(xué)歷女性的收入遠(yuǎn)遠(yuǎn)低于男性，這導(dǎo)致教育水平較高的女性的收入與男性相比雖然存在相當(dāng)程度的差異，但由于與高學(xué)歷相對照的低學(xué)歷的收入和收益率數(shù)值低，所以以邊際收入衡量的明瑟收益率遠(yuǎn)遠(yuǎn)高于男性[11]。

3 回歸結(jié)果的進(jìn)一步分解

采用Oaxaca-Blinder分解法對性別工資差異進(jìn)行定量分解，考察稟賦差異等對性別工資差異的影響。Oaxaca-Blinder分解法基于OLS回歸方程將性別工資差異分解為兩部分，一部分可以被男女兩組樣本的人力資本特征差異所解釋，如兩組樣本在受教育程度、工作經(jīng)驗等方面的差異導(dǎo)致的工資差異被認(rèn)為是合理差異；另一部分則是兩組樣本在回歸時不同的回報率，即各變量系數(shù)的差異造成的，這部分差異是工資差異中不可解釋的部分，被認(rèn)為是不合理部分，主要是由性別歧視引起的[12]。

表5 Oaxaca-Blinder分解結(jié)果

由表5，人力資本特征造成的差異為-0.0161492，占總差異的-5.79%，這體現(xiàn)了“逆差異”效應(yīng)，說明雖然女性樣本的人力資本特征比男性樣本的人力資本特征優(yōu)秀，但無法抵消性別歧視帶來的差異。這與范璐(2012)[13]的結(jié)論一致。同時，人力資本特征不可解釋部分為0.295243，占總差異的105.79%，不可解釋差異有很多原因，通常認(rèn)為大部分是由性別歧視造成的。在可解釋部分中，教育項數(shù)值為-0.0245062，占比151.75%，即教育差別對性別工資的影響。可以看出，只看教育項時逆差異效應(yīng)更為明顯，也就是說，教育變量提升女大學(xué)生人力資本特征的效果部分地被行業(yè)、地區(qū)、家庭背景等變量抵消了。在不可解釋部分中，教育項數(shù)值為0.029366，可解釋部分為0.295243，教育項占比9.95%，這個比例體現(xiàn)的是教育回報率差別對性別工資的影響，即前文明瑟工資方程式(1)(2)中教育這一虛擬變量的回歸系數(shù)的不同所導(dǎo)致的男女工資差別。除教育之外，行業(yè)、地區(qū)、家庭背景等變量也對不可解釋部分?jǐn)?shù)據(jù)造成了正向影響，即這些變量共同體現(xiàn)出了性別歧視等不可解釋原因造成的性別工資差異。

本文做的分解針對的是高等教育范圍內(nèi)教育回報率的性別差異，與其他采用了教育程度分布較廣泛的樣本的研究相比表現(xiàn)出的性別歧視程度更高。如袁曉燕(2012)指出工資差異中由性別歧視原因造成的占62.13%；黃志嶺(2010)認(rèn)為性別歧視造成的占80.7%。在異質(zhì)性較小的數(shù)據(jù)中，逆差異效應(yīng)往往體現(xiàn)得較為明顯。如曲兆鵬(2016)考察了大學(xué)生起薪數(shù)據(jù)，數(shù)據(jù)同質(zhì)性強(qiáng)，在分析中除運(yùn)用Oaxaca-Blinder分解方法外，還采用了匹配分解結(jié)果的方法，也出現(xiàn)了顯著的“逆差異”效應(yīng)，即女大學(xué)生的人力資本特征更具有優(yōu)勢，但這種優(yōu)勢被系數(shù)特征的巨大差異抵消了，計算得出的女性大學(xué)畢業(yè)生遭受的歧視程度被低估21%[14]；袁霓(2005)分別用阿普爾頓(Appleton)方法、奧克薩克(Oaxaca)和紐曼克(Neumark)方法對不同所有制部門男女收入差異進(jìn)行了分解，結(jié)果中的不可解釋部分均為負(fù)值[15]。

4 結(jié)論

4.1 主要結(jié)論

本文采用CGSS數(shù)據(jù)，應(yīng)用明瑟方程和Oaxaca-Blinder分解法研究高等教育回報率的性別差異，得出以下結(jié)論：第一，在高等教育勞動力市場上存在明顯的性別工資差異，高中以上學(xué)歷的就業(yè)者中男性的工資高于女性。第二，在高等教育范圍內(nèi)，無論男女，學(xué)歷提升都會導(dǎo)致教育回報率提高，教育回報率總體上隨著教育水平的提高而增加。第三，用明瑟收益率衡量高等教育的教育回報率，發(fā)現(xiàn)大專教育年均教育回報率女性大于男性，本科教育年均教育回報率男性大于女性。第四，隨著高等教育學(xué)歷層次的提高，男性高等教育回報率漲幅大于女性，也就是說，在接受更高層次的高等教育時男性的邊際教育回報率大于女性。第五，在高等教育性別工資差異中，由性別歧視等原因造成的不可解釋部分的差異達(dá)105.79%，說明雖然接受過高等教育的高學(xué)歷勞動力基本代表了勞動力市場上的高技能勞動力，但用人單位對女性存在歧視。

4.2 存在的不足

本研究尚存在一些不足：一是未詳細(xì)分析產(chǎn)生教育回報率差異的行業(yè)分類原因，未來可對男性、女性行業(yè)獲得或行業(yè)準(zhǔn)入門檻差異進(jìn)行研究。二是未能將本科以上學(xué)歷進(jìn)行細(xì)分，如分為本科學(xué)歷和研究生學(xué)歷。三是結(jié)論未排除樣本的自選擇效應(yīng)，即沒有排除樣本認(rèn)為自己將教育進(jìn)行收益化的能力比常人高，所以選擇接受更多的教育的可能性。四是未能明確在不同年齡段、學(xué)歷甚至家庭狀況下，男女勞動者在工作穩(wěn)定程度、晉升空間等方面是否有系統(tǒng)性差異。