义务教育法与中国城镇教育回报：

• 现有的主流文献解决教育内生性问题的方法：工具变量 法（Angrist and Krueger，1991；Card，1993；Harmon and Walker，1995）利用双胞胎数据控制家庭背景和内 生的能力（ Ashenfelter and Rouse , 1998） • 本文解决内生性方法：回归断点方法（RD）
文献评述
• 当采用不同时期的数据、不同的估计方法和使 用不同的工具变量时，中国的教育回报有很大 的不同，变动范围从近似0回报到20%以上的 回报率
• 要克服教育回报测量中遇到的所有问题几乎是 不可能的，这也就使得教育回报率的一致估计 成为经济学中一个长盛不衰的话题。只要是利 用新数据或者采用新方法，或者找到新的更加 合理的工具变量都能够为这一问题的研究提供 新的知识。
•
1992年以后确立市场经济方向，一些经济学家认为随着计划经济向市场经济 转变，中国的教育回报率会逐渐上升，实证研究也证实了这一点。
•
•
利用1988-2001年中国城镇家庭调查数据，Zhang等（2005）年的研究表明， 中国城镇的教育回报率从1988年的4%上升至2001年的10.2%。
利用CHIP1988-2002年的追溯（retrospective）面板数据，Appleton et al.(2005) 的研究表明中国的教育回报率从1988年的3.6%上升至2002年的7.5%，教育回 报率的增速高于同期其他OECD国家的增速。 利用1988年和1995年国家统计局家庭调查数据，Yang（2005）的研究表明中 国的教育回报率从1988年的3.1%上升至1995年的5.1%。 前述大多数研究主要采用OLS估计方法估计中国的教育回报率，但是教育的内 生性偏差常常在文献中被提及（Woodridge, 2002; Arabsheibani and Mussurov, 2007; Vincent La, 2014）。 OLS方法不能够解决教育与收入之间的因果关系问题，因此，2000年以后，越 来越多的研究者运用工具变量法（IV）对中国的教育回报进行估计。
因果识别
• 义务教育的实施是否显著地提高了中国居 民的平均受教育年限呢？ • 如果YES，义务教育就可以作为作为教育年 限的工具变量。 • Fang等（2012）和Vincent La（2014）都利 用了义务教育法作为受教育年限的工具变 量来对中国的教育回报进行测算
• Fang等（2012）估计出来的教育回报率很高，达到 了20%。 • Vincent La（2014）的估计结果很低，并且还没能通 过显著性检验。 • Vincent La（2014）指出Fang等（2012）的估计结果 明显高估，主要是因为在实施义务教育以后的时间 里，中国刚好经历了经济的高速增长，因而导致教 育回报率被高估
相关文献回顾
• Card（1999）曾经对先前教育回报的文献进行了很好的 评述，而其中的文献大多数利用西方国家的数据进行研 究，这里仅仅针对中国的教育回报进行文献梳理 • 20世纪80年代的教育回报率非常低（Fleisher and Wang, 2005），许多研究的结果表明仅为3%左右（Byron and Manaloto，1990；Knight and Song，1991；Johnson and Chow ，1997等等） • 许多经济学家将中国1980年代的低教育回报率归因于国 有和集体经济在改革开放前期仍然占据主导地位，社会 主义的再分配政策使得教育回报受到限制（Zhou, 2000）
Mean 9.77（0.73） 9.81(0.79) 13.02（2.59） 12.81(2.82) 17.15（1.46） 16.77(7.61) 0.50（0.50） 0.52(0.50) 0.97（0.17） 0.97(0.16) 0.90（0.30） 0.91(0.28) 0.11（0.31） 0.11（0.31） 0.13(0.34) 0.13(0.34) 0.13(0.33) 0.13(0.34) 0.14(0.35) 0.15(0.35) 0.12(0.32) 0.11(0.31) 0.12(0.32) 0.11(0.31) 0.12(0.33) 0.12(0.33) 0.08(0.28) 0.08(0.27) 0.05(0.23) 0.05(0.22) 1.00（0.00） 0.00（0.00） 0.00（0.00）
200
义务教育法实施前后的收入断点
9.96 9.66
-200
Mean of lnincome2007
9.74
9.81
9.89
-100 0 100 Birth year and month relative to cutoff
200
• 实证证据
基准模型
是个体i的年度收入的自然对数 是个体i的受教育年限 是影响个体收入的其他一些个体变量，
• •
•
• 利用2000年中国城镇家庭投资和支出调查（CUHIES）数据，Heckman and Li(2004)用工具变量法对异质性和选择偏差进行修正后发现每一年 中国大学教育的回报率约为11%。 • 利用2004年和2006年中国健康与营养调查（CHNS）数据，Chen and Hamori（2009）也分别利用OLS和IV方法对分别对中国城镇男性和女 性居民的教育回报进行了测算，结果发现OLS测算的结果为男性8.06%， 女性7.67%；而用IV估计出来的结果为男性12.61%，女性14.47%；而对 女性的样本选择偏差进行修正后，女性的教育回报率更是高达21.5%。 • 虽然前述大部分研究都表明中国的教育回报率自1990年以来都一直上 升，而且用IV估计的教育回报率要高于OLS估计，但这也不是所有的 情况。 • 利用2002年中国5个城市的双胞胎数据，Li等（2005）的研究表明OLS 估计的中国城市的教育回报率为8.4%，然而当采用双胞胎固定效应估 计控制个人能力和家庭背景等因素后，教育回报率下降到2.7%。 • 近年来，一些研究者开始利用制度变量作为教育的工具变量估计中国 城镇的教育回报率。Fang等（2012）和 Vincent La（2014）
变量
变量的定义
(1) All 55270 Mean 9.85(0.76) 12.91(2.74) 17.27(7.59) 0.52(0.50) 0.97(0.17) 0.91(0.28) 0.11(0.32) 0.13(0.34) 0.13(0.34) 0.14(0.35) 0.11(0.32) 0.11(0.32 ) 0.12(0.33) 0.08(0.28) 0.05(0.22) 0.33(0.47) 0.33(0.47) 0.34(0.47)
相关背景
• 1964年中国的文盲率为33.58%，1982年中国的 文盲率仍然保持高位，为22.81%（NBS，2011） • 1986年4月，中国的中央政府通过了9年制义务 教育法，之后中国的文盲率迅速下降，2010年 仅为4.08% • 随着义务教育法的实施，中国15岁及以上人口 的平均受教育年限由1980年的4.86年上升至 1990年的5.59年（Barro and Lee，2012）
a50低收入组b50高收入组50低收入组50高收入组panel对数工资简化式方程001900210021000600160016000900100010001100110011002009009011016016panel教育简化式方程036003930391024902540254009600990091012501170117011025025007029029panel对数工资结构式方程school005400530054002500620062002000200020003100210021多项式阶数yesyesyesyes样本量276352763527635276352763527635分高低收入组的教育回报的rd结果改变窗宽和多项式阶数教育回报的2sls估计结果改变窗宽及估计方法教育回报的rectangular核参数估计结果rd结果的有效性检验rd设计识别的一个主要威胁来自截断点cutoffpoint两边的驱动变量不能够满足随机分布的假设此外除了教育之外其他那些能够影响收入水平的变量在截断点两边应该是平滑的即其他的控制变量不能够在相同的地方存在断点200100100200birthyearmonthrelativecutoff1971年9月前后出生人口的频数分布这里的箱宽binwidth是1个月200100100200birthyearmonthrelativecutoffexperience200100100200birthyearmonthrelativecutoffmarriage200100100200birthyearmonthrelativecutoffrace个人特征变量的连续性检验职业虚拟变量的连续性检验结论中国城镇居民的教育回报率为96这一回归结果与许多西方具有里程碑意义的研究结论是惊人的一致的不论是ols估计还是rd高收入城镇居民的回报率均高于低收入者说明中国的教育回报率存在着使城镇居民收入差距进一步扩大的马太效应rd估计结果明显高于ols估计结果因此我们认为ols方法会低估中国的教育回报这与国内外许多研究文献的结论是一致的harmonhamori2009
本文可能的贡献
• 本文首次使用RD方法对教育回报进行估计，现 有的文献已经证明当设计变量（assign variable） 不能够完全被个体操纵时，相比较IV估计而言， RD估计结果更具随文另一个可能的贡献是利用最新2007-2009 年中国城镇家庭调查（CUHS）来测算中国城 镇的教育回报率问题，与当前最新文献采用 2006年的数据相比，本文无疑能够提供一些有 关中国教育回报的更新的知识
• 受义务教育影响的人群为处理组（treated group),不受义务教育 影响的人群为参照组（reference group)。
• 为了实施断点回归，我们的样本仅仅包含受政策影响前后11年 时间内出生的人群，这样，我们的样本最终集中于1960年1月至 1982年12月之间出生的个体，最后，我们剩下的样本容量为 55270。
lny School Exp Gender Race Marriage dpro1 dpro2 dpro3 dpro4 dpro5 dpro6 dpro7 dpro8 dpro9 dyear1 dyear2 dyear3
对数收入（2007=100） 受教育年限 经验：用工作年限表示 男性=1 汉族=1 已婚且有配偶=1 北京=1 辽宁=1 浙江=1 安徽=1 湖北=1 广东=1 四川=1 陕西=1 甘肃=1 2007=1 2008=1 2009=1
0.00（0.00） 0.00（0.00） 1.00（0.00） 0.00（0.00） 0.00（0.00） 1.00（0.00）
• 义务教育法导致教育断点的描述性证据
义务教育法实施前后的教育断点
Mean of school
11.8
-200
12.4
13.1
13.7
14.3
-100 0 100 Birth year and month relative to cutoff
• 调查数据给出了9类受教育程度，为了验证 受教育年限的回报率，我们从每种受教育 程度来对个人的受教育年限进行估计。
• 对各类受教育程度赋予的受教育年限如下： 从未上过学(0年)、扫盲班及其他形式的识 字班（3年）、小学程度（6年）、初中程 度（9年）、高中程度（12年）、中专程度 （13年）、大专程度（15年）、大学本科 （16年）、研究生程度（19年）。
• Vincent La（2014）应用了同样的数据、同样的义务 教育工具变量，为什么没有得出相同的结论呢？ Vincent La（2014）并没有对这一点进行解释。
• 本文也利用义务教育法作为工具变量，不同之处是本文 不是传统2SLS方法，而是RD方法 • 这是因为义务教育的实施使得某一年月以后出生的人受 到义务教育法的影响（treatment group），而在该年月 出生之前的人不会受到义务教育法的影响（reference group）。 • 这就使得在该年月（cutpoint）出生前后的人存在教育 断点，通过该教育断点我们可以对该年月出生前后的收 入断点进行因果识别。 • 由于本文的RD估计结果是一种局部平均处理效应 （LATE），它不会出现Fang等（2012）由于在实施义务 教育期间中国经济高速增长从而导致教育回报率被高估 的问题。
数据
• 国家统计局2007、2008和2009年的中国城 镇家庭调查（CUHS） • 数据样本覆盖北京、辽宁、浙江、安徽、 湖北、广东、四川、陕西和甘肃9个省市地 区
• 该样本变异性很大，因此具有很强的代表 性
• 由于本文研究的是教育水平如何影响劳动力市场上个体收入的 问题，遵循标准的程序，我们的样本中排除了在校学生、失业 及退休人员和家务工作人员 • 1986年4月中国制定9年制义务教育法，由于中国法定上学年龄 是年满6周岁，这就意味着义务教育法实施后，未满15周岁的人 不允许离开学校 • 由于中国小学入学时间是每年的9月份，因此，1986年对应的受 到义务教育影响的人员出生于1971年9月以后。
(2) 2007=1 18192 Mean
(3) 2008=1 18328
(4) 2009=1 18750 Mean 9.97(0.73) 12.90(2.79) 17.87(7.66) 0.52(0.50) 0.97(0.17) 0.93(0.26) 0.12（0.33） 0.13(0.33) 0.13(0.34) 0.14(0.35) 0.11(0.31) 0.11(0.31) 0.12(0.33) 0.08(0.27) 0.05(0.22)
义务教育法与中国城镇教育回报： 基于回归断点设计
刘生龙
中国社科院数量经济与技术经济研究所 2014年11月于中央财经大学
研究动机
• 自美国经济学家Mincer（1974）提出教育与与收入决定 的人力资本框架以来，教育的回报问题受到高度关注。 • 内生性问题的存在使得教育回报既有可能高估，也有可 能低估