选择偏差_比较优势与教育的异质性回报_基于中国微观数据的实证研究

选择偏差、比较优势与教育的异质性回报B 基于中国微观数据的实证研究

李雪松

(中国社会科学院数量经济与技术经济研究所100732)

詹姆斯#赫克曼(美国芝加哥大学经济系)

内容提要:本文根据2000年中国的微观数据,运用现代微观计量经济学的分析方法,在考虑异质性和选择偏差的基础上,估计了20世纪末中国的教育回报。研究结果表明:

与受教育水平相关的收益在人们中间存在显著的异质性;在当今中国的劳动力市场上存

在一种重要的实证现象,即人们根据比较优势原理对教育水平进行选择。传统的普通最

小二乘法以及工具变量法都难以对这种选择做出合理的估计,我们的分析框架弥补了上

述两种方法的缺陷。2000年中国6个省区城镇青年大学教育的平均回报率为43%(年均

近11%)。中国在经历二十多年的市场经济改革后,较之80年代及90年代初期,教育的

平均回报有了显著提高,中国的教育和劳动力市场已经开始发挥重要作用。

关键词:微观数据异质性选择偏差中国教育回报

一、引言

微观数据有两个基本特征:异质性以及缺少与实际相反的状况。由于存在未被观测到的异质性,即使在所有可以被观测到的方面都相同的人们仍然会做出不同的决策、获得不同的收入、选择不同的投资组合。缺少与实际相反的状况引发了数据缺失问题,如果某人实际选择了一种状况,我们就不可能观测到他(她)做出其他选择时的结果。如果我们观测到某大学毕业生的当前收入水平,我们就不可能同时观测到假使他(她)高中毕业就参加工作的当前收入水平。

过去,解决选择和数据缺失问题的方法大多没有考虑异质性,他们一般都假设不同的个人具有同质性。本文的研究充分考虑了个人之间显著的异质性。我们根据中国城镇居民家庭收入与支出调查(C UHIES2000)所公布的横截面微观数据,估计了中国高等教育的异质性回报。对学历做出不同选择的人们有着各自不同的教育回报率。本文的工作建立在由Heckman和Vytlacil(1999,2000, 2001),Carneiro,Heckman和Vytlacil(2001)以及Carneiro(2002)等研究所形成的半参数分析框架基础之上。边际政策效应(MTE)是这些文献的核心概念,这个概念是由Bjorklund和Moffitt(1987)首先提出的。边际政策效应是指,处于接受或不接受教育临界状态的人最终选择接受教育时的平均回报。这些人根据未被观测到的自身特征选择接受教育的不同水平。

我们的研究结果表明:对于2000年中国6省区(广东、辽宁、四川、陕西、浙江和北京)的城镇居民来说,大学4年教育的平均政策效应(ATE))))随机挑选任何一个人接受大学教育后其一生收入将增长43%(即每年大学教育带来近11%的回报率)。而用另外两种方法)))普通最小二乘法(OLS)和工具变量法(IV))))对ATE做出的估计结果分别为29%和56%(即每年大学教育分别带来约7%和14%的回报率)。总体中存在着显著的回报异质性,估算出的选择偏差达到了-22%。我们的发现与Carneiro,Heckman和Vytlacil(2001)相似:人们根据比较优势原理对教育水平进行选

91

2004年第4期

李雪松、詹姆斯#赫克曼:选择偏差、比较优势与教育的异质性回报:基于中国微观数据的实证研究

择。最小二乘法(OLS)对真实的平均政策效应(ATE)给出了一个下偏的估计,而工具变量法(I V)则给出了一个上偏的估计。

在经历了二十多年以市场为导向的经济改革后,中国的平均教育回报较之80年代和90年代初期有了较大幅度的提高。中国的教育和劳动力市场已经开始发挥作用,技能获得的回报也比以前更多了。

本文的余下内容是这样安排的:第二部分描述考虑和不考虑异质性时的收入模型;第三部分对选择偏差、边际政策效应(MTE)进行定义,并给出估计MTE的理论框架;第四部分是中国数据的实证分析结果;第五部分进行简要地总结。

二、考虑和不考虑异质性时的模型

考虑如下明瑟尔(Mincer)方程,其参数为常数,这是假设不存在异质性时的传统教育回报模型。

ln Y i=B S i+C X i+U i(1)其中i表示不同的个人(i=1,2,,,n),ln Y i为收入的对数形式,S i表示受教育水平,X i为解释变量向量,比如工作年限、工作年限的平方、以及性别、地区、产业、企业所有制等虚拟变量,U i是期望为零的随机误差项,B为教育回报率,C为系数向量。

直接运用普通最小二乘法(OLS)对方程(1)进行估计存在一个问题:该模型可能遗漏了个人能力变量A i,它被包含在误差项U i之中。许多实证分析认为Cov(A i,S i)X0,因此E(U i|S i)X0。此时最小二乘法只能得出有偏、非一致的估计量。Griliches(1977)阐述了对该问题的经典看法。

可是,在现实生活中,大多数数据并不包括对个人能力的度量。于是不少经济学家想方设法运用一些变通的方法,试图来消除或减弱个人能力偏差。许多学者采用工具变量(I V)法,找出一个与S i高度相关但与U i不相关的工具变量I i;另外一些学者采用固定效应方法,假设双胞胎、兄弟姐妹具有相近的个人能力,对他们进行成对比较;还有一些学者使用个人能力的代理变量,并把这些代理变量作为解释变量包含在X i中。

由于大多数数据并不具备采用固定效应方法所需的足够信息,而且使用该方法还需满足误差项可分离的条件,这种比较可能会使误差更趋严重。找到满意的工具变量也很困难,事实上,大量有关教育回报和收益问题的文献中普遍使用的工具变量都是无效的,它们往往与被遗漏的个人能力相关(Carneiro与Heckman(2002)以及Carneiro(2002))。

许多实证分析表明:家庭背景往往与个人能力关系密切,良好的家庭氛围通常有助于提高个人能力(Carneiro和Heckman,2003)。本文在实证分析过程中使用父母收入作为个人能力的代理变量。

设想一种比模型(1)更为普遍的形式,它考虑了教育的异质性回报,用随机系数的形式表示如下:

ln Y i=B i S i+C X i+U i(2)其中B i表示存在异质性时的教育回报率,因人而异。X i是由其他解释变量组成的向量,该模型在一种更为普遍的条件下对个人能力偏差进行了校正。

本文着重讨论两种教育水平的选择:高中和大学。令S i=1表示大学学历,S i=0表示高中学历(没有接受大学教育)。显然存在多种学历选择,我们的分析则是对实际情况的一种简化,这种简化普遍存在于文献中。大量证据表明,在多数情况下,教育回报与受教育年限并不成线性关系,使用传统的收入对数对于学历的回归系数将导致对教育回报率估计的严重偏差(Heckman,Lochner 和Todd,2003)。

92