APP下载

中国人力资本回报率的城乡差异

2015-06-08孟凡强 熊家财

贵州财经大学学报 2015年4期
关键词:回报率人力资本

孟凡强 熊家财

摘要:通过教育回报率、任期回报率和其他经验回报率三个方面考察中国人力资本回报率的城乡差异,研究结果发现:(1)受教育年限对于城镇劳动力和农村劳动力的工资水平都有显著的正向影响,现职任职期和其他工作经验对于城镇劳动力的工资水平都有显著的正向影响,但对农村劳动力的工资水平均不存在显著影响,这说明提高受教育年限是提高农村劳动力工资水平的主要途径。(2)人力资本回报率存在显著的城乡差异,城乡劳动力教育回报率的差异在2%左右,任期回报率的差异也在2%左右,而其他经验回报率的差异在1%左右。人力资本回报率的城乡差异违背了劳动力市场的竞争性,成为劳动力市场进一步完善的阻碍。

关键词:人力资本;回报率;城乡差异

文章编号:2095-5960(2015)04-0094-09;中图分类号:F249.2;文献标识码:A

一、引言

改革开放以来,随着城市经济对劳动力需求的增加以及限制劳动力城乡流动的相关政策的放松,大批从农业生产中释放出来的农村剩余劳动力涌入城市劳动力市场,成为领取工资收入的产业工人的一部分。然而,进入城市的农村劳动力在工资报酬方面与城市劳动力存在明显差异。这种差异部分源自于两类劳动力的个体特征差异,另一部分则源于歧视因素,主要表现为城乡劳动力人力资本回报率的差异。从20世纪80年代末开始,国内外学者就已开始关注我国劳动力的教育回报率问题(Jamison and Gaag,1987)[1],但研究城乡教育回报率差异的文献并不多见。李实、李文彬(1994)利用中国社会科学院经济研究所的住户抽样调查数据,估计了城镇职工和农村劳动力的教育回报。[2]姚先国、张海峰(2004)利用浙江、广东、湖南、安徽等省的调查数据分析了教育回报率的城乡差异,发现农村劳动力的教育回报率低于城镇劳动力,两者的差距在4%左右。[3]王美艳(2009)则估计了不同教育阶段的城乡教育回报率差异,发现外来劳动力在高中或中专阶段的教育回报率显著高于城市劳动力,这一结果为我国城乡教育资源的配置提供了有益参考。[4]张兴祥(2012)利用 CHIP2002数据从总体和不同教育阶段两个角度综合考察了城乡教育回报率的差异,发现总体上农村教育回报率低于城镇教育回报率,两者的差距在3%左右;通过对不同教育阶段的教育回报率的研究进一步发现城镇劳动力中等教育、高等教育阶段的教育回报率均高于农村劳动力。[5]

通过对现有文献的梳理可以发现,目前专门讨论城乡人力资本回报率差异的文献偏少,仅有的几篇文献集中于对城乡教育回报率差异的研究。根据人力资本理论,人力资本的积累有两种主要途径:一是接受正规的学校教育,二是“干中学”,后者主要与个人的工作经验相关。因此,工作经验回报率也是人力资本回报率的内容之一,而现有研究中对工作经验回报率的关注较少。有鉴于此,本文将同时考察城乡劳动力的教育回报率差异与工作经验回报率差异。另外,工作经验还可以进一步区分为现职任职期与其他工作经验,现职任职期是指劳动力在当前工作上的任职年限,其他工作经验则指劳动力从事当前工作之前的非农工作年限,前者通常代表劳动力的专用性人力资本水平,而后者则代表通用性人力资本水平,本文认为有必要区分两种不同的工作经验。

二、数据与模型

(一)数据来源与处理

本文的数据来自2006年中国综合社会调查(CGSS)数据库①②①本文使用的数据全部来自国家社会科学基金资助项目——《中国综合社会调查(CGSS)》。该调查由中国人民大学社会学系与香港科技大学社会科学部执行,项目主持人为李路路教授和边燕杰教授。作者感谢上述机构及其人员提供的数据协助,本文内容由作者自行负责。

②中国综合社会调查(CGSS)目前已有2008和2010年的数据,本文弃用 2008和2010年的数据而选用2006年的数据主要出于以下两点考虑:(1)2008和2010年的数据中缺少月工资收入数据,这将难以得到准确的小时工资数据;(2)2008年的数据中缺少行业数据。,中国综合社会调查(CGSS)是由中国人民大学社会学系发起的一项全国范围内的、大型的抽样调查项目,主要目的是了解当前我国居民的就业、工作和生活情况,以及对当前一些社会问题的看法。调查采用随机抽样的方法,在全国28个省市抽取10000个家庭户,然后在每个被选中的居民户中按一定规则随机选取1人作为被访者,由访问员手持问卷对该被访者进行调查。由于是调查数据,其中存在许多无效值、缺省值以及不符合要求的数据,本文根据研究的需要进行了数据处理:(1)将样本限定于非农劳动力市场上正在工作的劳动力群体,并删除了雇主、自雇者及军人样本。(2)保留了年龄在18岁以上,女性年龄小于55周岁,男性年龄小于60周岁的劳动力样本。(3)以户籍状况区分城镇劳动力与农村劳动力。经过整理后的样本总数为2677个,样本覆盖全国28个省市,其中城镇劳动力1873个,农村劳动力804个。

(二)模型方法

估计人力资本回报率最常用的是Mincer工资方程[6] [7],该方程的标准形式为:

Lnwi=β0+β1Edui+β2Experi+β3Exper2i+ui(1)

其中,被解释变量Lnwi为个体Blinder-Oaxaca小时工资的对数,Edui表示个体Blinder-Oaxaca接受教育的年限,Experi表示个体Appleton的工作经验③③为使研究更为深入,本文将工作经验划分为现职任职期和其他工作经验两部分。,Exper2i表示工作经验的平方项,β0为截距项、β1、β2和β3为各变量的回归系数,ui为随机误差项,表示解释变量以外影响工资的因素。(1)式通常被称为Mincer标准方程,可用以估算人力资本回报率。

但Mincer标准方程的形式过于简单,只包括受教育年限和工作经验,因此有可能高估人力资本回报率,为此多数研究者都在Mincer标准方程的基础上加入控制变量以控制遗漏变量带来的估计偏差。本文将性别、婚姻状况加入工资方程,以控制两个变量对工资的影响。另外,在估计人力资本回报率时,个人能力由于其不可观测性常常被忽略掉,如果不控制个人能力变量,会造成遗漏变量问题,进而产生不一致估计,解决这一问题的办法是寻找个人能力的工具变量或代理变量。鉴于很难寻找合适的工具变量,本文选取代理变量方法。根据杜两省(2010)[8]、马岩(2012)[9],本文选取职业培训作为个人能力的代理变量,之所以作如此选取主要出于以下两方面的原因:(1)职业培训主要通过提高个人能力进而提高劳动力的工资水平,因此代理变量的多余性条件较为满足;(2)在控制了职业培训后,个人能力中的剩余部分与其他解释变量的相关性较难验证。但Wooldridge(2010)认为,当代理变量与遗漏变量相关程度较高时,加入代理变量能够有效地提高估计效率并降低估计偏差。[10]基于上述原因,本文选取职业培训作为个人能力的代理变量,以降低估计误差。张车伟(2006)认为由于我国劳动力市场存在多重分割,人力资本回报率在分割的市场中存在差异,如果不考虑市场分割的因素,就不能得到有关人力资本回报率的“一致性”估计结果[11],为此本文加入了职业、部门、行业和地区虚拟变量,以控制职业分割、部门分割、行业分割和地区分割对人力资本回报率的影响。

在职业分类方面,本文根据1988年国际标准职业分类(ISCO88)将职业分为“白领职业”和“蓝领职业”两类。其中,白领职业包括立法者、高级官员和管理者,专业人员,技术人员和专业人员助理,一般职员四个大类;蓝领职业包括服务人员和商店及超市的销售人员,熟练的农业和渔业工人,工艺及相关行业的工人,厂房及机器操作员和装配员,初级职员(非技术工人)五个大类。在部门分类方面,根据所有制形式,本文将部门分为“国有部门”与“非国有部门”,其中,国有部门包括党政机关、事业单位和国有企业或国有控股企业,其余为非国有部门。在行业分类方面,本文参考了马欣欣(2011)的做法,将所有行业划分为“垄断行业”与“竞争行业”两类。[12]其中,垄断行业包括采掘业,电力、煤气及水的生产和供应业,地质勘查业、水利管理业,交通运输、仓储及邮电通信业,金融、保险业,卫生体育和社会福利业,教育、文化艺术及广播电影电视业,科学研究和综合技术服务业,国家机关、政党机关和社会团体;竞争行业包括农林牧渔业,制造业,建筑业,批发和零售、贸易餐饮业,房地产业,社会服务业,其他行业。在地区方面,将28个省份按照所处的地理位置分为东部地区省份、中部地区省份和西部地区省份,并以“东部地区”作为对照组,设置“中部地区”和“西部地区”两个虚拟变量。扩展后的Mincer工资方程为:

Lnwi=β0+β1Edui+β2Experi+β3Exper2i+θXi+ui(2)

其中Xi代表个体i的性别、婚姻、职业、部门、行业和地区等控制变量。表1为变量的描述性统计。

(一)样本选择偏差的纠正

为得到工资方程中人力资本各变量系数的无偏一致估计,除了遗漏变量和能力偏差问题,还需要考虑样本选择偏差问题。所谓样本选择偏差是指在估计工资方程的时候,只能利用观察到的已经就业的工人的工资,对于那些目前尚未在劳动力市场就业的工人就无法观察到他们的工资水平,由于是否就业可能与观测不到而又影响工资的因素系统相关,所以如果只用已经就业的工人的工资有可能导致工资方程中参数的估计量产生偏误。为控制工资方程中的样本选择偏差问题,本文采用Heckman两步法首先用probit模型估计了城镇劳动力和农村劳动力的劳动参与①①此处的劳动参与是指非农就业行为,不包括农业生产活动。行为方程[13],方程设定如下:

其中ΦZ′iδ和u分别是标准正态的累积分布函数(CDF)和概率密度函数(PDF),Yi表示个体i参与劳动的状态,1表示参与劳动,0表示未参与劳动, δ代表回归系数矩阵,νi代表服从正态分布的随机扰动项,Zi表示可观测的个体特征向量,城镇劳动力的个体特征变量包括受教育年限,健康状况②②魏众(2004)的研究显示健康对工资的影响并不显著,但对劳动参与行为有显著影响。,年龄,年龄平方,性别,婚姻和地区,农村劳动力的个体特征变量在城镇劳动力劳动参与模型的基础上加入了实际总耕种土地面积这一变量,用以度量农业生产活动对非农生产活动选择行为的影响③③本文曾尝试加入兄弟姐妹数作为解释变量,但是结果不显著,因此删除了该变量。。劳动参与方程的估计结果如表2。

表2报告了劳动参与方程的系数估计结果和边际效应,从估计结果可以看出,受教育程度越高,劳动参与率越高,这与劳动供给理论的预期相一致。健康状况对劳动参与的影响不显著。对城镇劳动力来说,年龄与劳动参与呈倒U型关系。与女性相比,城镇劳动力和农村劳动力中男性更倾向于劳动参与,这主要是由男性和女性在家庭和劳动力市场中的相对生产率决定的(郭凤鸣、张世伟,2011)。[14]对于农村劳动力来讲,未婚个体拥有更高的劳动参与率,这是由于在组建家庭以后出于照顾家人、孩子的考虑农村劳动力外出打工的可能性降低。从地区比较来看,东部地区的劳动力更倾向于劳动参与,主要由于东部地区的经济发展水平和工资水平较高。对于农村劳动力来讲,拥有实际耕地的面积越大,劳动参与的概率越小,这说明农业生产活动对于农民的非农生产活动仍有显著的影响。

在估计出劳动参与方程的系数之后利用公式λi=Z′iδ/ΦZ′iδ计算得到逆米尔斯比(inverse Mills ratio)∑j pfj lnWmj -lnWfj = ∑j pfj Xmj βmj -Xfj βfj λ,作为工资方程中选择性偏差问题的修正参数。纠偏后的Mincer工资方程为:

(二)城乡劳动力人力资本回报率的分组估计

根据模型设定,分别应用Mincer标准方程、Mincer扩展方程和Mincer纠偏方程(Heckman两步法)估计城镇劳动力和农村劳动力的工资方程,Nawata(1994),以及Nawata & Nagase(1996)认为直接使用Heckman两步估计法所得估计量是不一致的,因此本文同时采用极大似然法(MLE)估计了城乡劳动力的工资方程[15] [16],最后共获得四组八个工资方程的估计结果(如表3)①①关于样本选择偏差问题,在表3的分样本估计中,逆米尔斯比在农村劳动力工资方程中显著,在城镇劳动力工资方程中不显著,而在表4的全样本估计中,逆米尔斯比非常显著,这说明在整个样本中存在明显的样本选择问题,具体表现在农村劳动力组,因此有必要处理样本选择偏差问题。。首先考察教育回报率的城乡差异,在Mincer标准方程的估计结果中,城镇劳动力的教育回报率为10.2%,这表明在其他条件不变的情况下,每增加一年教育将使城镇劳动力的小时工资增加10.2%,而农村劳动力的教育回报率为8.4%,表明每增加一年教育农村劳动力的小时工资将增加8.4%。在加入其他控制变量之后,城镇劳动力的教育回报率下降为8.0%,农村劳动力的教育回报率下降为6.7%,这说明其他个体特征变量和劳动力市场分割形式对城乡教育回报率的估计结果存在较大的影响,因此Mincer标准方程高估了城乡劳动力的教育回报率。但扩展形式的Mincer方程的估计结果由于样本选择问题也可能存在偏误,在对扩展形式的Mincer工资方程采用Heckman两步法进行纠偏以后,城乡劳动力的教育回报率都出现了下降,城镇劳动力的教育回报率下降为7.1%,农村劳动力的教育回报率下降为5.0%。从估计系数的大小来看,估计结果显示城乡教育回报率的差异在2%左右,这与极大似然法(MLE)的估计结果相近,说明这一结果是稳健的。

从工作经验回报率的估计结果来看,无论是现职任职期还是其他工作经验在八组方程中系数的方向与显著性都较为一致,系数大小的差异也不明显,从而表明对于工作经验回报率的估计结果是稳健的。分城乡样本来看,现职任职期对城镇劳动力的工资有显著的正向影响,在其他条件相同的情况下,现职任职期越长,城镇劳动力的工资水平越高。但现职任职期对农村劳动力的工资水平没有显著影响,出现这一结果的原因可能在于农村劳动力多数情况下属于所在单位的非正式工,多数单位内部并不存在面向农村劳动力的工龄工资晋升机制。调查数据的统计结果显示,只有14.89%的农村劳动力在现单位有过工资晋升的经历,而在现单位有过职务晋升经历的农村劳动力的比例仅为11.82%①①相关数据是根据2006年中国综合社会调查(CGSS)数据库计算整理所得。。

其他工作经验对城镇劳动力的工资水平也有显著地正向影响,同时其他工作经验平方项的系数显著为负,这说明其他工作经验与城镇劳动力的工资水平呈现倒“U”型关系,即随着其他工作经验的增加,城镇劳动力的工资水平先上升而后趋于下降。但其他工作经验对农村劳动力的工资水平没有显著影响,关于这一问题的解释,本文认为可能是由于农村劳动力多从事重复性体力劳动,掌握技术的农村劳动力比重较小,人力资本水平的积累与工作经验并不存在严格的正相关关系,因此其他工作经验对工资水平的影响不明显。

(三)混合样本下人力资本回报率城乡差异的估计

从城乡劳动力工资方程的分组估计系数来看,城乡教育回报率的差异在2%左右。为进一步考察城乡教育回报率的差异,本文在Mincer扩展方程的基础上加入了户籍与教育的交乘项(农业户口设定为1),分别采用最小二乘估计(OLS)、Heckman两步法和极大似然法(MLE)并利用城乡混合样本重新估计了一组方程。估计结果显示城乡劳动力教育回报率的差异在2%左右。这说明,在其他条件相同的情况下,受教育年限每增加一年,农村劳动力小时工资的增加比城镇劳动力低2%左右,并且这种差异是显著的,这一结果进一步佐证了前文的结论。

另外,本文还在Mincer扩展方程的基础上加入了户籍与现职任职期和其他工作经验的交乘项,同样分别采用最小二乘估计(OLS)、Heckman两步法和极大似然法(MLE)并利用城乡混合样本估计了一组方程。估计结果显示城乡劳动力工作经验的回报率也存在显著差异,农村劳动力的工作经验回报率显著低于城镇劳动力。在其他条件相同的情况下,现职任职期每增加一年,农村劳动力小时工资的增加比城镇劳动力低2%左右;其他工作经验每增加一年,农村劳动力小时工资的增加比城镇劳动力低1%左右。

四、结论与讨论

应用2006年中国综合社会调查数据,本文从教育回报率、任期回报率和其他经验回报率三个方面研究了中国人力资本回报率的城乡差异,研究结果发现:(1)受教育年限对于城镇劳动力和农村劳动力的工资水平都有显著的正向影响,现职任职期和其他工作经验对于城镇劳动力的工资水平有显著的正向影响,并且其他工作经验与城镇劳动力的工资水平呈现倒“U”型关系,而现职任职期和其他工作经验对农村劳动力的工资水平均不存在显著影响,这说明提高受教育年限是提高农村劳动力工资水平的主要途径。(2)人力资本回报率存在显著的城乡差异,城乡劳动力教育回报率的差异在2%左右,任期回报率的差异也在2%左右,而其他经验回报率的差异在1%左右。

人力资本回报率的城乡差异表明,相同水平生产率的提高并不能为农村劳动力带来与城镇劳动力相同的报酬,人力资本回报率的这一差异违背了劳动力市场的竞争性,并成为劳动力市场进一步完善的阻碍。从教育回报率来看,目前农村劳动力的受教育水平明显低于城镇劳动力,过低的教育回报率将使农村劳动力对于教育的投入更加减少,从而导致农村劳动力与城镇劳动力受教育水平的差距的进一步扩大,进而造成收入差距的进一步扩大,农村经济将进入一个恶性循环(姚先国,张海峰,2004)。[3]此外,工作经验回报率的估计结果表明,农村劳动力任职期限的增加并不能带来其工资水平的提高,这将在一定程度上降低农村劳动力的工作稳定性,进而妨碍其人力资本存量的积累。

当然,由于本文在估计教育回报率时采用的是受教育年限,而没有将教育质量考虑在内,因此教育回报率的城乡差异可能部分缘于城乡教育质量的差异,但这种差异本身也是公共教育投资不均的结果,是一种市场歧视。因此,在进一步经济转型的过程中,政府应给予农村地区更多的关注,不断加大对农村教育的投入力度,缩小城乡教育质量的差异,同时应逐步完善我国的劳动力市场,降低户籍歧视对农村劳动力的影响,避免户籍制度改革流于表面。

参考文献:

[1]Jamison D. and Gaag J. Education and Earning in the People Republic of China, Economics Education Review, 1987,6(2):161-166.

[2]李实,李文彬.中国教育投资的个人收益率的估计[M]//赵人伟,等.中国居民收入分配研究.北京:中国社会科学出版社,1994.

[3]姚先国,张海峰.中国教育回报率估计及其城乡差异分析——以浙江、广东、湖南、安徽等省的调查数据为基础[J].财经论丛,2004(6):1-7.

[4]王美艳.教育回报与城乡教育资源配置[J].世界经济,2009(5):3-17.

[5]张兴祥.我国城乡教育回报率差异研究——基于CHIP2002数据的实证分析[J].厦门大学学报(哲学社会科学版),2012(6):118-125.

[6]Mincer J. Schooling, Experience and Earnings. New York: National Bureau of Economic Research,1974.

[7]Heckman James J., Lance J. Lochner and Petra E. Todd. Fifty Years of Mincer Earnings Regressions,NBER Working Papers 9732, 2003.

[8]杜两省,彭竞.教育回报率的城市差异研究[J].中国人口科学,2010(5):85-94.

[9]马岩,杨军,蔡金阳,等.我国城乡流动人口教育回报率研究[J].人口学刊,2012(2):64-73.

[10]Wooldridge Jeffrey M. Econometric Analysis of Cross Section and Panel Data. Cambridge, MA: MIT Press,2010.

[11]张车伟,薛欣欣.国有部门与非国有部门工资差异及人力资本贡献[J].经济研究,2008(4):18-25.

[12]马欣欣.劳动力市场的产业分割——关于垄断行业与竞争行业间工资差异的经验分析[J].中国劳动经济学,2011(1):44-82.

[13]Heckman James J.Sample Selection Bias as a Specification Error, Econometrica, 1979, 47(1):153-161.

[14]郭凤鸣,张世伟.教育和户籍歧视对城镇工和农民工工资差异的影响[J].农业经济问题,2011(6):35-42.

[15]Nawata K.Estimation of sample selection bias models by the maximum likelihood estimator and Heckman's two-step estimator, Economics Letters,1994(45):33-40.

[16]Nawata K. and Nagase N. Estimation of sample selection bias models,Econometric Reviews,1996(15):387-400.

责任编辑:吴锦丹 吴锦丹 萧敏娜 常明明

猜你喜欢

回报率人力资本
指数化投资:中国债券市场投资新视角
指数化投资:中国债券市场投资新视角
现阶段个人理财规划的要点问题探究
嵌入全球价值链是否提升了浙江省的资本回报率
浅析企业大学培训体系的构建
人力资本的经济权力与企业剩余分配分析
研发投入增长真的促进全要素生产率增加吗?
关于《教育的经济价值》的若干思考
哪些电影赔了钱
复星国际海外并购进退有度