高校擴招政策降低了城鎮勞動力的大學教育溢價嗎？
——基于反事實選擇的因果關系推斷

方 超，黃 斌

（南京財經大學公共管理學院，江蘇南京210023）

一、問題的提出

高校擴招政策是我國現存爭議最大的教育制度之一。高等教育毛入學率在擴招政策的帶動下，由20世紀90年代的3.5%上升到了新千年的12.5%，在2018年更是達到了48.1%（教育部，2019）。擴招政策將我國高等教育由精英化推向普及化的同時，也為勞動力市場供給了一批具有大學及以上受教育程度的勞動力，經濟活動人口中技能型勞動力的占比由擴招前期的2.9%上升到了擴招后期的19.4%（國家統計局，2018）。

有關資本-技能互補與過度教育的研究表明，大學擴招對勞動者收入的影響存在著兩種機制[1-2]。第一種機制：大學擴招后，技能型勞動力比重上升并占據了非技能型勞動力的工作崗位，大學文憑與崗位的“錯置”造成了大學教育收益率的下降，但非技能型勞動力的工資溢價卻相對穩定，故擴招縮小了由人力資本因素引致的期初收入差距。第二種機制：技能型勞動力的供給擴張，但技能偏態型技術進步卻刺激了資本市場的投入，促使廠商通過較低的市價購入新技術，技術市場的擴大又推動了勞動力市場對技能型勞動力的有效需求，大學教育溢價的提高也擴大了不同教育層級間的期初收入差距。針對高校擴招、技能型勞動力的過度供給以及教育收益率變動間的不確定性，本研究旨在利用微觀計量的因果推斷方法，測度城鎮勞動力的教育收益率與大學教育溢價水平，深入討論大學教育是否相對于高中階段教育而言，仍然是一項高效的人力資本投資形式。研究結果一方面為增強城鎮勞動力的資源配置效率、縮小城鎮勞動力組內收入差距提供擴招層面的經驗證據，另一方面也為我國高等教育在后大眾化時期更加注重公平發展提供可參考的決策依據。

二、既有文獻回顧

自明瑟提出人力資本收益函數后，學界便在明瑟方程的基礎上，利用不同類型的數據形式，采用不同計量方法，實證檢驗教育擴展、大學教育對勞動力收入水平的影響，一方面旨在實現教育與收入的因果關系推斷，另一方面亦可為高等教育政策評估與反思提供量化指導。譬如，薩卡羅普洛斯（Psacharopoulos，2004、2018）[3-4]的研究橫向比較了不同經濟發展階段、教育層級與教育回報率的相互關系，發現發達經濟體的教育回報率相對較低，并且初等、高等以及高中教育收益率呈遞減趨勢。克羅伊斯和多基耶（De la Croix&Docquier，2007）[5]針對美、法兩國的比較研究，利用大學教育的參與率作為代理指標，發現高等教育大眾化雖然促進了兩國勞動力的人力資本積累，但高等教育收益率的下降卻是不爭的事實。然而，阿西莫格魯（Acemoglu，2011）[6]卻在研究中得出相反的結論，即美國大學教育溢價自20世紀80年代起便不斷上升，但教育擴張在除英國外的歐洲大多數國家卻抑制了工資的增長[7]。肯亞瑟拉（Kenayathulla，2013）[8]新近的研究基于馬來西亞勞動力市場的收入數據，發現大學教育回報率高于初等教育但卻低于高中階段教育。

隨著擴招政策的深入，高等教育收益率及其變動趨勢愈發引起我國學者的關注。李實、丁賽（2003）[9]的早期研究揭示了城鎮勞動力的大學教育回報率自20世紀90年代以來的不斷上升勢頭。張車偉（2006）[10]基于抽樣調查的數據研究，發現初中及以下、高中及以上受教育程度的教育回報率分別為2.75%和5.9%，而大專及以上受教育程度的估計值卻不顯著，因而不能說明大學教育相較于高中教育更有利于個體增收。丁小浩等（2012）[11]利用入戶調查統計數據的研究，發現除初中教育以外，城鎮居民的各級教育回報率呈現出下降的趨勢，其中大學與研究生教育的凈收益分別由2002年的24.95%與50.55%下降到了2009年的23.67%與35.40%。陳純槿（2012）[12]的研究利用傾向得分匹配法，檢驗了擴招前后高等教育收益率的變動，發現擴招政策并未使得全體勞動力均質獲益，預期選擇與收入機制決定了擴招政策有限的受益者。

新近的研究在研究視角上更加注重對擴招政策的績效評價，試圖通過大學教育回報率的變化判斷擴招政策對勞動力個體增收的影響。譬如，劉澤云（2015）[13]利用CHIP數據的研究，采用工具變量法（IV）與赫克曼兩階段樣本選擇模型解決了內生性與自選擇偏差后，指出大學教育愈發能夠形成對人的增值，并在此基礎上聚焦于大學教育質量對勞動力收入狀態的潛在影響，發現大學教育質量對收入存在正向影響，而勞動力的比較優勢則是個體是否進入“211”大學的決定因素（劉澤云、邱牧遠，2017）[14]。方超、黃斌（2018）[15]新近的研究則發現，高校擴招并未通過大學教育質量下降從而抑制城鎮勞動力的大學教育回報率。

總的來說，既有研究已經圍繞高校擴招政策做了大量扎實有益的研究工作，并且在提高教育分配的公平、縮小收入差距以及推進高等教育內涵式發展等方面提出了卓有成效的政策建議，但仍然存在可供研究的留白。第一，在研究設計上，既有研究基于高等教育收益率的變動趨勢，通過橫向比較評價了擴招政策對勞動力收入變化的影響，但缺乏比對教育層級上的縱向差距，即未能將擴招政策實施前后的高等教育收益與高中階段教育（普通高中與職業高中）收益進行縱向對比，因而在評價大學教育對人的增值影響時，可能有失全面性。第二，在研究方法上，教育回報率的相關研究往往面臨著反事實選擇、樣本選擇與遺漏變量等計量問題的掣肘[16-17]，但相關研究大多聚焦于一種或兩種計量偏差，因而在測度大學教育回報時，增加了系數偏估的風險。

三、研究設計

（一）模型與方法

借鑒經典明瑟收入方程，利用普通最小二乘法（Ordinary Least Squares，OLS）估計城鎮勞動力的整體教育收益率與大學教育的處理效應：

本文將采用普通最小二乘法、分教育層級回歸、工具變量法以及赫克曼兩階段樣本選擇模型估計式（1），并將教育回報率與大學教育回報率作為基準回歸的估計結果。

（二）大學教育的處理效應

基準回歸的研究假設為教育選擇的同質性，但羅伊（Roy，1951）[18]、威爾斯和羅森（Wills&Rosen，1979）[19]等學者的研究卻指出，勞動力在做出某一層級的教育選擇時是異質而非同質的，因而同質性的教育回報率便可能導致異質性偏估（Heckman&Li，2004）[20]。具體說來，城鎮勞動力根據個體偏好，在高中階段教育后做出進一步的教育決策。該決策包含兩種類型的行為選擇（此處不考慮既不進入勞動力市場也不接受大學教育的個體選擇）：一種選擇是直接進入勞動力市場，憑借高中教育取得工資收入；另一種選擇是進入大學繼續深造，寄希望于通過大學教育獲得更高水平的收入，但必須支付當期貨幣成本與機會成本。無論個體做出何種教育選擇，均是以自身的比較優勢并結合成本-收益分析所做出的判斷，認為能夠從大學教育中收獲更多回報的個體，更傾向于接受大學教育，因而大學參與率便高于那些認為可能獲益較少的個體，但這一決策并非隨機過程。

教育選擇的異質性使得教育回報對個體增收的影響也具有異質性。對勞動者而言，同為教育年限的增長，但大學教育層級在理論上要比高中階段教育有著更強的個體增收效應。此時，明瑟收入方程中的教育年限便很清晰地區分出兩種學歷教育下的教育年限增長對勞動者收入的精確影響。對于教育選擇的異質性，傳統處理方法是在式（1）的基礎上，根據教育選擇建立二元啞變量。當時，表示城鎮勞動力做出第二種教育選擇，即接受大學教育表示高中階段教育后直接進勞動力市場。則為高中階段或大學教育的個體增收效應。

根據 Heckman（2001）[21]的研究，我們將大學教育的處理效應表述為下列三種形式：

第一，城鎮勞動力做出大學教育選擇并接受大學教育后的收入水平為，在高中階段教育后直接進入勞動力市場的收入水平為，X為影響收入水平的一組矢量。那么，大學教育相對于高中階段的增收效應（ATE）便可表述為：

第二，大學教育的處理效應為（ATT）：

第三，高中階段教育的處理效應為（ATU）：

如果個體的大學教育決策為隨機過程，那么處理組（接受大學教育）與參照組（未接受大學教育）下的勞動力便具有了相同的個體、家庭、區域等特征，而僅存在受教育程度的差別，我們可以將參照組的收入水平作為處理組的收入反事實數據，通過OLS即可得到無偏的處理效應。但是，教育決策并非隨機生成，而是基于個體比較優勢和成本-收益的判斷。事實上，接受大學教育的個體通常對未來收益有著較高的認知。因此，基于微觀數據的經驗研究便很難滿足隨機試驗的需要。

（三）傾向得分匹配與大學教育的處理效應

為糾正異質性的教育選擇引致的偏估，我們將采用傾向得分匹配的準實驗研究設計，估計大學教育的處理效應。具體做法是：借鑒羅森鮑姆和魯濱（Rosenbaum&Rubin，1985）[22]提供的研究思路，根據個體教育選擇建立二值Probit模型，即其中，X為影響教育選擇的控制變量。首先，估計城鎮勞動力做出大學教育選擇的概率值；其次，將大學教育的處理組與高中階段教育的參照組按照傾向得分相近的原則進行匹配，在數據平衡的基礎上估計大學教育的平均處理效應，并通過對比大學教育回報率的變化趨勢，判斷擴招政策對大學教育溢價的影響。

（四）數據與變量

本文有關高校擴招影響城鎮勞動力收入水平的數據源自北京師范大學收入分配研究院提供的第五輪收入調查數據CHIP2013（城鎮居民）。CHIP2013為收入分配研究院2014年組織的對城鎮、農村居民以及外來務工人員的第五輪收入調查數據，采用了分層系統的抽樣方法，隨機選取了東、中、西部地區的15個省、126個城市、234個縣，共計7175戶城鎮居民與17257個個體，最大限度地支撐了本研究所需的外部有效性。

表1報告了所涉變量的基本統計特征。被解釋變量我們選取了城鎮勞動力的年收入，同時作對數處理后代入方程（lnY）。從均值上看，城鎮勞動力的收入水平隨著時間的推移表現出增長的態勢，對數收入由2007年的9.957增長到了2013年的10.285。此外，我們進一步通過表2刻畫了城鎮勞動力的受教育程度與收入分布的構成狀態。我們選取了CHIP數據中接受正規學歷教育的年限數定義教育年限（Educ），將教育年限在0-6年、7-9年、10-12年、13-16年以及16年以上等不同的取值區間，分別定義為小學、初中、高中、大學、研究生及以上教育層級。

表1 數據描述

橫向上看，城鎮勞動力的收入水平與教育年限呈正相關，即受教育程度越高，收入對數的均值越高；縱向上看，同一教育層級內部，城鎮勞動力2013年的收入水平要高于2007年。無論是橫向對比還是縱向對比，受教育程度與年齡的關系均呈現出反向變動的趨勢，即受教育程度越高則年齡越小，但需要指出的是，具有研究生及以上教育經歷的勞動力，其年齡要大于大學教育層級，這是因為研究生教育延遲了城鎮勞動力進入勞動力市場的時間。

表2 城鎮勞動力的受教育程度與收入分層

有關經驗（Exp）及其二次項（Exp2）的處理上，我們采用學界常用的處理辦法，以勞動者接受調查的實際年齡減去接受學歷教育的年限數，同時減去假定接受學歷教育的起始年齡（6歲），得到工作經驗，該處理辦法較好地考慮了人力資本積累的持續性。圖1是利用受教育程度、經驗與收入對數制作的線性散點圖，上半部分為2007年，下半部分為2013年。從線性關系上看（95%置信區間內），勞動力的人力資本積累與收入水平呈正相關性。

圖1 2007-2013年城鎮勞動力受教育程度、經驗積累與收入水平的關系

此外，除了被解釋變量與核心解釋變量外，為了精確控制個體特征與家庭特征變量對教育回報率和大學教育溢價的影響，我們引入了性別（男性取1）、婚否（已婚取1）、民族（漢族取1）、健康程度（自我感覺健康取1）、戶籍（非農取1）、是否接受培訓（接受過取1）等變量作為控制變量組，對其做二元啞變量的設置，代入明瑟收入方程。

四、實證研究結果

（一）基準回歸

在探討高中階段教育與大學教育對城鎮勞動力的增收效應之前，我們首先基于方程（1），利用普通最小二乘法與工具變量法估計了城鎮勞動力的整體教育回報率，同時采用兩階段樣本選擇模型糾正了樣本選擇偏差。表3報告了相關基準回歸的結果，利用普通最小二乘法并消除標準誤后，方程（1）中Educ的估計系數（）由2007年的0.071上升到了2013年的0.091，說明城鎮勞動力的整體教育收益率由擴招前的7.1%上升到了擴招后的9.1%，實現了2個百分點的增長。

表3 基準回歸結果

由于普通最小二乘法可能引致教育回報率的內生性偏估，因而我們采用工具變量法（IV）進一步估計方程（1）。鑒于本文旨在重點探討高中階段教育與大學教育的增收效應，我們并未采用父母的受教育程度或《義務教育改革法》作為工具變量。為了滿足工具變量選取的既定原則——與城鎮勞動力的受教育程度存在相關，但又與殘差項不存在相關，我們以1999年作為擴招政策的起始年份，將《面向21世紀教育振興行動計劃》視為外生政策變量，并且假定城鎮勞動力從6周歲起接受學歷教育，歷經九年制義務教育與三年制普通高中教育，于18周歲接受大學教育。如果說擴招政策的推行降低了大學準入的門檻，那么出生在1981年9月以后的勞動力，在理論上將有著更高的概率做出大學教育選擇，而這也是本文工具變量設置的理論依據。

為了消除標準誤的擾動，我們同樣采用工具變量穩健標準差的回歸形式估計整體教育回報率。從結果上看，將擴招政策視作外生變量的處理辦法，通過了不可識別（Kleibergen-Papp）、冗余變量（LM test of redundancy of specified instrument）以及弱工具變量（Cragg-Donald）的一系列檢驗，具備統計學上的有效性，因而可以認為擴招政策作為大學參與的工具變量能夠較好地消除內生性偏估。由于篇幅的關系，本文只報告了第二階段的回歸結果，變量Educ的估計系數由2007年的0.141下降到了2013年的0.091，也就是說，城鎮勞動力的整體教育回報率由擴招前期的14.1%下降到了擴招后期的9.1%。這表明，假若我們忽視教育選擇的異質性，那么遺漏變量的存在將低估擴招前期的教育回報率。

在赫克曼兩階段樣本選擇模型中，反米爾斯比率（λ）分別通過了1%與5%的顯著性檢驗，說明城鎮勞動力在進入勞動力市場時存在樣本選擇偏差。具體看來，2007年城鎮勞動力的整體教育回報率由選擇方程中的10.7%下降到了收入方程中的5%，說明樣本選擇高估了教育回報率；而2013年城鎮勞動力的整體教育回報率則由選擇方程中的9.9%上升到了收入方程中的10.7%，說明樣本選擇低估了2013年的教育回報率。對比兩期截面數據的估計結果，我們發現在糾正了樣本選擇偏差后，城鎮勞動力的整體教育回報率由2007年的5%上升到了2013年的10.7%，實現了5.7個百分點的增長。

最后，我們對接受高中階段教育和大學教育的勞動力設置了二元啞變量，利用分教育層級回歸估計大學教育收益率，將大學教育層級的估計值與高中階段相減，同時除以假定相同的大學教育年限（4年），得到2007年與2013年大學教育的年收益率分別為8.7%和9.65%，而相應的高中階段年收益率分別為6.4%和7.8%。2007年和2013年大學教育年收益率相對于高中階段要分別高出2.3和1.85個百分點，這表明即使高校擴招政策的推行向勞動力市場供給了過量的技能型勞動力，但大學教育相對于高中教育而言仍然是一項有效的人力資本投資。工作經驗方面，一次項的估計值為正，二次項的系數為負，并且在各方程中均具備統計學上的顯著意義，說明“干中學”、人職匹配等經驗的積累以倒U型的方式影響收入增長，即隨著人力資本的消耗以及工齡對退休年齡的逼近，越過“拐點”后的經驗延長，對收入增長的促進作用將更為發散，而這一點也符合加里·貝克爾提供的年齡-收入曲線。個體與家庭特征構成的控制變量方面，男性、身體更為健康的個體、接受過職業培訓以及家庭規模較小的個體，其收入水平相對于參照組而言要更高。

（二）大學教育的處理效應估計

1.大學參與的概率估計

本小節將利用傾向得分匹配的原理，根據城鎮勞動力是否接受大學教育，將樣本劃分為接受大學教育的處理組和高中階段教育后直接進入勞動力市場的參照組，構建反事實選擇的解釋框架，著重探討高校擴招政策對大學教育溢價的影響。我們對表4報告的城鎮勞動力大學參與的logit模型估計結果做出簡單報告：工作經驗對大學參與的概率形成負向影響，說明高中畢業后直接做出大學教育選擇的概率要高于先進入勞動力市場再做出大學教育決策的概率，這一估計值與劉澤云（2011）[23]對高等教育質量的估計結果較為一致。男性、非農戶籍的個體有著更高的概率選擇接受大學教育。

表4 城鎮勞動力大學參與的概率水平估計

2.平衡性檢驗

我們將參照組中的個體收入作為處理組的反事實選擇狀態，利用傾向得分匹配估計大學教育的處理效應之前，需要對明瑟方程中的協變量進行平衡性檢驗，旨在考察匹配后的數據是否能夠實現有效的平衡。根據表5給出的平衡性檢驗結果，我們發現在完成數據匹配后，處理組與參照組下協變量的標準化偏差（Bias）顯著縮小，并且雙t檢驗的p value在匹配后實現上升。這表明處理組與參照組中變量的特征差異得到有效控制，即消除了城鎮勞動力在做出教育選擇前的個體、家庭等方面的背景差異。因此，我們有理由認為，城鎮勞動力在結束高中階段教育后，是否做出大學教育選擇并接受大學教育，僅僅由大學教育所帶來的預期收益以及對自身比較優勢的判斷所決定，因而協變量在兩組下具有一致的分布特征。此外，協變量的傾向得分匹配圖也顯示出數據匹配后具有良好的平衡性（圖2）。

3.大學教育的處理效應

在數據匹配平衡的基礎上，考慮到多種識別策略有利于檢驗大學教育溢價的估計是否穩健，我們采取四種識別策略估計擴招前與擴招后的大學教育溢價水平，即近鄰匹配（Neighbor K）、半徑或被稱作卡尺匹配（Radius）、核匹配（Kernel）以及馬氏匹配（Mahal）。其中，近鄰匹配選取K=4；半徑匹配選取卡尺在不太遠的“近鄰”范圍內，即Cal=0.01；核匹配選取默認的核函數與相應的帶寬；馬氏匹配則選用Adabie&Imbens（2006）提供的異方差標準誤的估計形式。表6報告了四種估計策略下的大學教育溢價水平。

表5 協變量的平衡性檢驗

圖2 數據匹配平衡圖

根據平均處理效應的估計值可知，大學教育溢價在四種識別策略下的估計結果較為一致與穩健。2007年處理組中，城鎮勞動力的大學教育溢價落入[0.380，0.390]的取值區間內，并據此計算出大學教育的年收益率則落入[9.5%，9.75%]的取值區間內，而該估計值要高于分教育層級基準回歸中的8.7%；同時，2013年處理組中，城鎮勞動力的大學教育溢價水平則落入[0.457，0.477]的取值區間內，并據此計算出大學教育年收益率則落入[11.425%，11.925%]的取值區間內，而這一估計值同樣高于分教育層級回歸中的9.65%。因此，將基準回歸估計結果與傾向得分匹配法的估計結果進行對比后，我們發現反事實選擇偏差將造成大學教育溢價的低估。此外，將大學教育的處理效應進行對比，我們發現2013年的大學教育年收益率高于2007年。因此，我們有理由相信，城鎮勞動力在擴招政策開啟后，做出大學教育選擇并實際接受大學教育，并未顯著降低個體大學教育溢價。

表6 大學教育溢價的處理效應估計

五、結論與探討

（一）研究結論

本文采用北京師范大學收入分配研究院提供的CHIP2013數據，綜合采用微觀計量領域內的實證研究方法，構建大學教育與高中階段教育的反事實選擇框架，揭示了高校擴招政策、城鎮勞動力大學教育溢價以及工資收入差距間的因果關系，研究發現：

第一，基準回歸方面，利用OLS發現城鎮勞動力的整體教育回報率不斷上升，由2007年的7.1%增長到了2013年的9.1%；分教育層級的回歸結果表明，大學教育年收益率由2007年的8.7%增長到了2013年的9.65%，并且高于高中階段的估計值；但選取高校擴招政策作為工具變量，利用工具變量法的估計卻發現，整體教育回報率由2007年的14.1%下降到了2013年的9.1%，說明遺漏變量的存在導致了教育收益率的向上或向下偏估；利用赫克曼兩階段樣本選擇模型，糾正了勞動力市場的樣本選擇偏差后，整體教育回報率由2007年的5%上升到了2013年的10.7%。

第二，利用傾向得分匹配法實現數據平衡后，通過平均處理效應估算出大學教育的年收益率由2007年的 9.5%～9.75%上升到了 2013年的11.425%～11.925%，驗證了本文的研究假設，即高校擴招政策的推行并未降低城鎮勞動力的大學教育溢價，大學教育相對于高中階段教育而言，仍然是一項高效的教育人力資本投資。同時，傾向得分匹配法對大學教育年收益率的估計值要高于分教育層級回歸，說明反事實選擇偏差造成了大學教育收益率的低估。

（二）延展討論

政策含義方面，根據表2可知，城鎮勞動力在大學教育層級的占比由2007年的26.19%略微上升到了26.53%，保持小幅增長的態勢，但研究生教育層級的勞動力占比卻由2007年的3.42%小幅下降到了2013年的1.85%。因此，我們認為，在保證本科規模穩定的同時，可將大學擴招的層級適度上移，在后大眾化發展時期，適度放寬博士生“申請-考核”制的門檻，通過碩士與博士兩級研究生教育層級的穩步擴張，尤其是專業博士招生規模的穩步擴大，逐步提高研究生勞動力在經濟活動人口中的比重，優化當前人力資本的分布結構。需要注意的是，研究生教育位于高等教育金字塔的頂端，是一國拔尖創新人才的集中反映，因此，對于研究生教育規模擴張切勿極端冒進，而應走內涵式發展道路，堅持早發內生型的戰略路徑選擇。同時，研究生教育規模擴張應注重與勞動力市場、產業結構的變動緊密結合，并契合“中國制造2025”的大政方針，有針對性地向專業技術型或服務型等行業輸送研究生人力資本，最終以研究生教育為發展杠桿，提高全體勞動力的受教育程度與收入水平，進一步縮減收入差距，實現教育扶貧的目標。