冯碧云

(南京财经大学公共管理学院，江苏 南京 210023)

一、引言

随着高等教育的逐渐普及，劳动力的供给方出现重大的变化，即劳动力的受教育水平逐渐提高。 然而劳动力的需求方并不能立即对这样的变化完全反应，于是出现了劳动力的受教育水平与工作所要求的受教育水平无法匹配的状况。过度教育问题首先在发达国家成为热议话题，Freeman 在其1976年的著作

The Overeducated American

(《过度教育的美国人》)中，就提及了 “过度教育” 的概念。 所谓过度教育就是劳动者的受教育水平高于工作所要求的受教育水平。 并且在如今的时代背景下，过度教育有逐年加剧的趋势，因此，过度教育问题已受到国内外学者的广泛关注。

《2020年中国本科生就业报告》显示，2015～2019 届应届毕业生直接工作(受雇工作、自主创业)比例，2015 届毕业生为77.3%，2019 届毕业生为73.5%，并且该比例在这五年间是连续下降的，故供需不匹配问题也出现在了中国劳动力市场上。 在现行教育投入体制下，政府对于教育的投入是巨大的。 但是不少行业招聘高学历人才却不重视员工培养和使用，导致服务工作能力和管理信息质量并没有得到提升，故“高能低就” 造成了教育资源的浪费。 因此政府必须采取措施合理配置教育资源，解决过度教育问题，这关乎我国的教育事业和就业市场的发展。

二、文献综述

关于过度教育的测度主要有三类方法:外部估计法、实际匹配法和主观评测法。 外部估计法也称为工作分析法。职业评估专家或者是工作分析专家根据不同岗位需要的教育水平设定了教育标准，学者便根据教育标准来评判被调查者是否过度教育。 实际匹配法又分为众数法与标准差法，众数法将每一职业调查者的受教育年限的众数当作工作所需受教育年限，标准差法将每一职业被调查者平均受教育年限加减一个标准差的范围认为是工作所需受教育年限。当被调查者实际受教育年限大于工作所需受教育年限时，为过度教育。 主观评测法是由被调查者自己来评判是否过度教育，可以直接选择是否过度教育，也可以按照被调查者填写的自己认为从事这份职业所需要的教育年限与其自身实际接受的教育年限做比较，从而判断是否过度教育。

关于过度教育对于收入的影响，国内外主要采取两种模型:一种是Duncan 和Hoffman 提出的DH 模型；另一种是由R.R.Verdugo 和N.T.Verdugo 提出的VV 模型。 并且在国内外关于过度教育的研究中，学者们大多都证实了过度教育是具有惩罚效应的。 Sicherman发现在相同岗位上，过度教育者会比适度教育者的工资高，但是与自己相同学历的劳动者相比，其工资是更低的，故过度教育是具有惩罚效应的。颜敏和王维国基于DH 和VV 模型，对 “中国家庭追踪调查”(CFPS)面板数据进行研究，发现劳动者过度教育1年会承受1.4% 的工资惩罚，教育不足1年会获得2.4% 的工资红利。

三、数据说明与模型介绍

(一)数据说明

本文的数据来自2014年中国家庭追踪调查(CFPS)，该调查涵盖了25 个省、自治区、直辖市，且包含了受教育年限、经验、职业等变量，为过度教育对个人收入的影响研究提供了可靠数据。 为保证结论的可靠性，本文对被调查者的年龄进行限制，只保留了18～55 周岁的人群，并删除缺失收入、职业、受教育年限等变量的样本。 最终得到6683 个样本。

本文的核心解释变量是过度教育年限，选取的测度方法是众数法。 CFPS2014 数据库中采用的职业编码是5 位数字层次码编码，本文根据编码对职业进行划分。 若分得太细，会导致每一职业的样本数太少，若分得太粗，会导致结果的不精确，所以借鉴彭树宏的做法，将5 位职业编码中前3位相同的认为是一类职业，再将每一类职业员工实际受教育年限的众数作为工作所需受教育年限。 表1 是主要变量的描述性统计。

表1 主要变量及其描述性统计

变量名称 变量说明 样本量平均值标准差最小值最大值收入的对数 6683 10.05 0.86 4.79 13.00工作所需受教育年限 基于众数法 6683 10.74 2.75 9 16受教育年限 6683 10.51 3.76 0 19过度教育年限 基于众数法 6683 0.98 1.81 0 10教育不足年限 基于众数法 6683 1.21 2.30 0 16性别 男性＝1，女性＝0 6683 0.56 0.50 0 1工作经验 6683 17.05 10.34 0 50工作经验的平方 6683 397.73 380.62 0 2500婚姻状况 在婚＝1，其他＝0 6683 0.78 0.41 0 1户口 城市户口＝1，农村户口＝0 6683 0.42 0.49 0 1词组测试题分数 6683 23.31 8.54 0 34数学测试题分数 6683 10.91 5.89 0 24东部 基础组是西部 6683 0.50 0.50 0 1中部 基础组是西部 6683 0.31 0.46 0 1西部 6683 0.19 0.39 0 1第一产业 6683 0.01 0.11 0 1第二产业 基础组是第一产业6683 0.49 0.50 0 1第三产业 基础组是第一产业6683 0.50 0.50 0 1

(二)模型介绍

Duncan 和Hoffman将明瑟方程实际受教育年限进行分解，如式(1)，进而得到DH 模型，如式(2)。

式(1)中，

S

指个人实际受教育年限；

S

指工作所需受教育年限；

S

指超出工作所需的那部分教育年限，即过度教育年限；

S

指低于工作所需的那部分教育年限，即教育不足年限。 式(2)(DH 模型)揭示了在工作所需受教育年限相同的情况下，每过度教育一年得到的收益率与每教育不足一年得到的收益率，其中，ln

Y

是个人年收入的对数；

S

是工作所需受教育年限；

S

是过度教育年限；

S

是教育不足年限；

X

是一些影响个人收入的其他解释变量来作为该式的控制变量，包括工作经验、性别、地区等；

β

表示在工作所需受教育年限相同的情况下，每过度教育一年得到的收益率；

β

表示在工作所需受教育年限相同的情况下，每教育不足一年得到的收益率；

γ

表示各控制变量对个人收入的影响；

ε

是残差。Verdugo 和Verdugo在明瑟方程和DH 模型的基础上，提出了新的衡量教育不匹配对收入的影响效应的模型(下文简称VV 模型)，但教育错配是以虚拟变量的形式出现。 本文借鉴Hartog的做法，将教育错配的虚拟变量变为具体的教育错配年限，如式(3)所示。 VV 模型与DH 模型的不同是将工作所需受教育年限(

S

)变为实际受教育年限(

S

)，在控制了实际受教育年限的情况下，来看教育不匹配对个人收入的影响。

四、实证结果和分析

本文运用最小二乘法对式(2)和式(3)进行估计，进而得到过度教育对个人收入的影响，估计结果如表2 所示。 由DH 模型估计结果可知，在工作所需受教育年限相同的情况下，过度教育年限变量的系数小于工作所需受教育年限变量的系数(

β

＜

β

)，故过度教育对个人收入具有惩罚效应，劳动者每过度教育一年会面临4.2%(0.079－0.037)的收入损失。其中，对男性劳动者来说， 每过度教育一年会面临3.2%(0.058－0.026)的收入损失；对女性劳动者来说，每过度教育一年会面临4.4%(0.100－0.056)的收入损失。 由VV 模型估计结果可知，在实际受教育年限相同的情况下，过度教育年限变量的系数为负数(

β

＜0)，劳动者每过度教育一年会面临4.2% 的收入损失。 其中，男性劳动者每过度教育一年会产生3.2% 的收入损失，女性劳动者每过度教育一年会产生4.4%的收入损失，其结果与DH 模型估计结果一致。 DH 模型和VV 模型都表明过度教育对个人收入具有惩罚效应，并且由于性别歧视的存在，过度教育的惩罚效应在不同性别间存在差异，即女性过度教育者受到的惩罚效应要高于男性过度教育者。

表2 不同性别条件下过度教育对个人收入的影响估计

注:、、表示在10%、5%、1% 的水平上通过了显著性检验，括号内为标准误。 个人特征包括:性别、工作经验、工作经验的平方、婚姻状况和户口；工作特征包括:地区(东部、中部、西部)和产业类型(第一产业、第二产业、第三产业)；认知能力包括:词组测试题分数和数学测试题分数。

DH 模型 VV 模型全样本 男性 女性 全样本 男性 女性工作所需受教育年限(基于众数法)0.079***(0.005)0.058***(0.006)0.100***(0.008)受教育年限 0.079***(0.005)0.058***(0.006)0.100***(0.008)过度教育年限(基于众数法)0.037***(0.006)0.026***(0.007)0.056***(0.011)－0.042***(0.006)－0.032***(0.007)－0.044***(0.011)教育不足年限(基于众数法)－0.037***(0.005)－0.031***(0.007)－0.040***(0.008)0.042***(0.006)0.027***(0.007)0.060***(0.009)个人特征 控制 控制 控制 控制 控制 控制工作特征 控制 控制 控制 控制 控制 控制认知能力 控制 控制 控制 控制 控制 控制常数项 8.314***(0.111)8.915***(0.138)8.241***(0.178)8.314***(0.111)8.915***(0.138)8.241***(0.178)观测值 6683 3762 2921 6683 3762 2921拟合优度 0.188 0.117 0.156 0.188 0.117 0.156调整后的拟合优度 0.19 0.11 0.15 0.19 0.11 0.15

五、结论

本文基于2014年中国家庭追踪调查(CFPS)数据，运用DH 模型和VV 模型估计我国过度教育对个人收入的影响以及该影响的性别差异，结果表明:过度教育对个人收入具有惩罚效应。 其中，男性劳动者每过度教育一年会产生3.2%的收入损失，女性劳动者每过度教育一年会产生4.4% 的收入损失，可知由于性别歧视的存在，女性劳动者较男性劳动者而言过度教育惩罚效应更显著。

所以，尽管教育是促进经济发展和社会进步的重要因素，但是教育并不能保证每一位接受教育的劳动者都能获得与自身教育水平相匹配的工作。 当劳动力市场涌现大批高等学历求职者时，会出现 “高能低就” ，进而导致知识资源无法得到充分利用，这属于资源的一种浪费，过度教育问题也就产生了。 过度教育问题无疑是不利于社会发展的，因此劳动者不可一味追求高学历，应当进行自身教育投资和教育回报的最优选择。