教育擴展背景下我國城鎮教育收益率的變動趨勢研究：2002—2018

孟大虎，許晨曦，劉澤云

改革開放四十多年來，中國經濟高速增長，人民收入大幅提高。城鎮居民人均可支配收入由1978年的343.4元提高到2020年的43834元，(1)國家統計局：《2020年國民經濟穩定恢復 主要目標完成好于預期》，2021年1月18日，http：//www.stats.gov.cn/tjsj/zxfb/202101/t20210118_1812423.html。提高了100多倍。然而在人均收入水平提高的同時，居民收入差距也大幅拉大。改革開放前，中國的收入分配政策基本上是絕對平均主義傾向的，收入差距非常小。改革開放后，為了激發人民的生產積極性，伴隨市場化改革的不斷推進，我國在很長一段時期內實行“讓一部分人先富起來”的政策，收入差距顯現出不斷擴大的趨勢。國家統計局從2003年開始每年發布全國居民收入的基尼系數數據，數據顯示從2003年至2008年，中國居民收入的基尼系數從0.479上升至0.491，達到最高點。自2009年以來不斷下降，2019年下降到了0.465，但仍然高于0.4的國際警戒線。此外，中國居民收入的基尼系數在國際上也處于較高的水平。世界銀行統計過2019年71個國家的收入基尼系數(不包括中國)：最低的國家是斯洛伐克，只有0.232；最高的是巴西，達到了0.535。(2)數據來源于世界銀行網站：https：//data.worldbank.org.cn/indicator/SI.POV.GINI。這說明我國仍然存在收入差距過大問題。

目前，我國城鄉間的分割，尤其是制度性分割依然存在，城鎮居民收入基尼系數也已達到較高水平。(3)有研究表明，城鎮地區的基尼系數與全國的基尼系數的變化趨勢一致，也是先上升，再下降。楊穗和李實(2017)用CHIP2002、2007和2013年數據計算了城鎮地區的基尼系數，發現城鎮總體收入差距先上升，再下降。田柳和周云波(2017)用CHNS 2000、2004、2006、2009和2011年數據計算了城鎮地區的對數收入方差，發現城鎮總體收入差距也是先上升，再下降，在2006年達到峰值。參見楊穗、李實：《轉型時期中國居民家庭收入流動性的演變》，《世界經濟》，2017年第11期；田柳、周云波：《基于教育和年齡結構調整的中國城鎮居民收入差距研究》，《經濟學動態》，2017年第3期。在加快構建新發展格局中，城鎮居民無疑是提高中國整體消費水平、實現消費升級的主力軍，而城鎮居民收入差距過高則會制約潛在的社會總消費水平的實現，長期而言會影響經濟高質量發展的進程。更為重要的是，過高的城鎮居民收入差距還會降低城鎮居民獲得感、幸福感并激化社會矛盾，危及長期社會穩定。因此，持續降低居民收入差距、扎實推動共同富裕已成為政府的一個政策目標，而教育擴展被認為是實現這一目標的重要手段(周文興，2002)。

教育是人力資本形成的重要途徑。受教育水平在一定程度上決定了技能水平，是影響勞動者收入的重要因素。Jones(2001)發現個人的受教育程度與其勞動生產率是正相關的，而不同受教育水平的勞動者的平均收入的差異反映了他們在生產率上的差異。改革開放以來，為了適應經濟社會發展對提升人們受教育程度的要求，我國政府制定并實施了一系列促進教育擴展的政策和措施，國民的平均受教育水平不斷提高。隨著一系列促進教育擴展的政策和措施的實行，在國民的平均受教育水平不斷提高的同時，教育結構和教育不平等的狀況悄然改變，教育收益率也隨之出現變化，最終對居民收入水平和收入差距造成了影響。從邏輯上說，教育擴展可能會從兩方面影響收入差距：一方面，教育擴展的擴張作用會擴大收入差距。受過較多教育的個體憑借自身較高的生產率水平(教育的生產能力效應)和較好的能力信號(教育的信號作用)獲得較高收入，從而擴大收入差距；另一方面，教育擴展的抑制作用會縮小收入差距。教育擴展最終會使教育在人口中的分配越來越平等，教育基尼系數不斷降低，從而降低收入基尼系數。當教育擴展達到一定程度時，還會增加受過較多教育的高技能勞動者的市場供給，改變供求關系格局，從而降低收入差距。因此，教育擴展對收入差距的實際影響取決于一定時期內擴張作用和抑制作用的相對力量對比。

在教育擴展背景下，本文基于中國家庭收入調查2002年、2007年、2013年和2018年的四輪城鎮住戶調查數據，探究我國城鎮教育收益率的變動趨勢。具體地，本文首先對我國城鎮居民收入差距的演變進行描述性統計分析，一方面通過收入概率密度曲線展現城鎮居民工資性收入分布的變化樣態，這有助于我們對工資性收入分布的演化態勢形成宏觀認識和整體把握；另一方面通過測度2002—2018年的工資性收入基尼系數精準判斷城鎮居民工資性收入差距的長期變化特征。其次，使用明瑟收入方程，用OLS方法來估計平均教育收益率的變化。最后，利用分位數估計法，同樣依照明瑟收入方程來測算城鎮不同收入群體的教育收益率隨時間變化情況，并進行群體間的比較，來推斷教育收益率的變化對城鎮不同收入群體間的收入差距的影響。本文的主要研究價值和意義如下：一是全面刻畫了我國城鎮居民在2002—2018年間的收入差距演變，更清晰地展示研究教育擴展對城鎮居民教育收益率影響的現實意義；二是從教育不平等和教育收益率的角度研究了教育擴展影響城鎮居民收入差距演變的機制，揭示了教育擴展如何影響各級學歷人口的占比和勞動力市場價格，即通過教育擴展的結構效應和價格效應進而影響收入差距變化的內在機制；三是為政府制定教育發展政策和調整收入分配政策提供決策參考。

一、文獻綜述

(一)教育擴展對收入差距的影響

在國際上，關于教育擴展是否能降低收入差距，實際影響程度有多大，是有爭議的。有些研究表明教育擴展可以降低收入差距(Abdullah et al.，2015；Brueckner and Dabla，2015)，然而，還有一些研究表明教育擴展不一定會縮小收入差距(Hannum and Buchmann，2005)。另有一批文獻研究表明教育擴展與收入差距呈現倒U型關系，教育擴展使收入差距先上升，再下降(Rehme，2007；賴德勝，1997)。在針對中國的研究文獻中，關于教育擴展對收入差距的影響同樣未形成一致的結論。這些文獻在研究教育擴展對收入差距的作用時，比較普遍的做法是構建收入基尼系數決定方程，在解釋變量中植入代表教育擴展的變量進行計量分析和經驗研究。一些研究結果表明，教育擴展有助于收入差距的縮小(周文興，2002；于德弘和陸根書，2001)。但是，一些采用時間序列數據或面板數據進行的研究卻發現，教育擴展擴大了中國的收入差距(方超和羅英姿，2016；韓建雨，2016)。同時，還有許多研究認為中國的教育擴展與收入差距之間的確存在如國外那樣的倒U型的關系(孫百才，2005；韓雪峰，2009；李祥云等，2016)。

(二)中國城鎮居民教育收益率的變動趨勢

教育收益率是觀察教育與收入關系的變動、反映勞動力市場變化的一個非常重要的指標，對于理解投資于教育等人力資本行為的合理性具有非常重要的意義，而且還有助于反映勞動力市場的供求關系及結構性變化特征。正因為如此，已經出現大量文獻討論我國教育收益率的長期變化。早期大部分研究普遍認為我國城鎮教育收益率不高，這主要是由于我國長期受傳統經濟與現代經濟并存的二元經濟結構影響所導致，加劇了居民收入的差距(羅楚亮，2007；丁小浩等，2012；鄧峰和丁小浩，2013)。在這其中，城鄉差距也逐漸增大(王德文等，2008；梁潤，2011；趙西亮，2017)。但是，隨著市場化進程的深入，我國勞動力市場發育日漸成熟，這使得教育收益率逐漸呈現出上升趨勢(劉澤云和王駿，2017；羅楚亮，2018；劉澤云和劉佳璇，2020)?？傮w而言，研究者發現自20世紀90年代以來我國城鎮部門的教育收益率具有較為明顯的上升趨勢(李實和丁賽，2003)。需要指出的是，估計中國教育收益率的早期研究，使用的多為小規模調查數據，采用的計量方法多為OLS方法。進入21世紀以后，教育收益率的研究日趨技術化，越來越多的研究者開始關注模型的識別問題，即識別教育與收入之間的因果關系，通過各種方法解決內生性偏誤的問題(劉澤云，2009；劉澤云和王駿，2017；羅楚亮，2018；劉澤云和劉佳璇，2020；方超和黃斌，2020)。

通過以上文獻梳理，我們發現：第一，在研究教育擴展對收入差距的影響的實證文獻中，多數文獻只研究了教育擴展對收入差距的邊際影響，少數文獻研究一段時期內教育擴展對收入差距演變的貢獻，鮮有文獻針對教育擴展對收入差距演變的變化趨勢進行研究；第二，在研究我國教育收益率長期變化特征上，大多數文獻都是沿著教育擴展-教育不平等-收入差距的邏輯脈絡來開展研究的，即多關注教育擴展對于收入差距影響的結構效應，而對于教育擴展-教育收益率-收入差距這條研究線索關注過少，即少有關注教育擴展對于收入差距影響的價格效應的文獻，尤其是缺少重點考察教育擴展的結構效應、價格效應的文獻。

二、研究設計

(一)樣本選取與數據來源

本文數據來源于中國家庭收入調查(CHIP)2002年、2007年、2013年和2018年的四輪城鎮住戶調查數據。根據研究需要，我們對CHIP數據進行預處理如下：第一，保留CHIP數據中的就業人員樣本，刪除在校學生、失業人員、離退休人員、喪失勞動能力者、待分配者、待升學者和其他未就業人員，刪除離退休再就業人員；第二，為了使數據具有可比性，只保留了四年調查數據中都涵蓋的12個省份的數據，包括北京、山西、遼寧、江蘇、安徽、河南、湖北、廣東、重慶、四川、云南和甘肅；第三，由于我們主要以城鎮就業人員為研究對象，而私營企業主和個體工商戶主的收入中包含經營性收益，因此去掉了私營企業主和個體工商戶主的樣本；第四，由于行業類型為國際組織的樣本量過小，沒有代表性，故刪除了行業類型為國際組織的樣本；第五，只保留年齡在16—60歲之間的勞動年齡人口；第六，利用城市居民消費價格指數對工資性收入進行了平減(設2002年的價格為100)，并將名義收入調整為實際收入。經過以上篩選過程，最終獲得31127個觀測值，如表1所示。另外，本文使用Excel軟件對數據進行預處理，利用Stata14進行實證分析，并對連續變量在首尾1%分位數上進行了Winsorize處理。

表1 樣本量統計

(二)模型構建與變量說明

首先，對于平均教育收益率的計算，與大多數教育經濟學的實證研究文獻一致，我們采用經典的明瑟收入方程來估計，基本形式為：

Ln(y)=α+βScly+δ1Exp+δ2SExp+ε

(1)

其中，Ln(y)表示工資對數，Scly表示受教育年限，Exp和SExp分別表示工作年限和工作年限的平方。估計系數β度量每增加一年教育所帶來的收入增長，也就是教育的平均收益率。

其次，為了衡量不同受教育程度的相對教育收益率，我們參照模型(1)的原理，構建了如下形式的回歸方程：

Ln(y)=α+βcMidd+βhHigh+βmColl+βnUniv
+βuGrad+δ1Exp+δ2SExp+ε

(2)

其中，Midd、High、Coll、Univ、Grad分別表示初中、高中(職高、中技、中專)、大專、大學本科以及研究生學歷水平，其對應的回歸系數表示相應的受教育程度相對于對照組(小學及以下受教育程度)的教育收益率。

(3)從氣囊、氣閥、壓縮空氣著手，保證氣囊同步舉升。①重新購置氣囊，對破舊、損壞的氣囊進行更換，保證四個氣囊工作性能一致。②對脫模機兩端氣閥(如圖3所示)進行定期檢查，保證兩端氣閥進氣、放氣同步，使模具兩端頂升同步，發現問題及時更換、維修。③針對廣東地區空氣潮濕問題，在空壓機出口處增加空氣干燥機(如圖4所示)，避免潮濕空氣堵塞氣閥造成脫模時氣囊放氣不同步。

最后，為了檢驗不同收入群體城鎮居民教育收益率的差異，借鑒Martins和Pereira(2004)以及張傳國和晉媛媛(2020)的研究，采用明瑟方程的分位數回歸模型考察教育收益率對收入差距的影響。

關于模型(1)和模型(2)中的具體變量說明如下。

1.被解釋變量：城鎮居民收入〔Ln(y)〕。借鑒劉澤云和王駿(2017)、劉澤云和劉佳璇(2020)的研究，本文采用工資性收入的對數值進行衡量。

2.解釋變量：城鎮居民受教育年限(Scly)。參照以往研究，本文將文盲、小學、初中、高中階段、大專、本科的受教育年限分別設定為0年、6年、9年、12年、15年、16年。關于研究生教育年限的設定，我們設定碩士研究生受教育年限為19年、博士研究生受教育年限為22年，并取其中的加權平均值作為研究生的受教育年限。(4)由于數據中學歷為研究生的人沒有區分碩士和博士，為了確定博士研究生占全部研究生的比例，我們分別采用1987—2002年、1987—2007年、1987—2013年和1987—2018年博碩士畢業生的人數計算在1987—2002年、1987—2007年、1987—2013年和1987—2018年畢業的研究生中博士研究生所占比例，并用該比例作為2002年、2007年、2013年和2018年學歷為研究生的城鎮就業人員中博士占比的代理變量。設碩士的受教育年限為19年，博士為22年，經計算，2002年、2007年、2013年和2018年研究生的受教育年限分別為19.42年、19.43年、19.38年和19.35年。歷年博碩士畢業生人數的數據來源于1987—2019年的《中國教育統計年鑒》(共計33冊)。因此，通過計算得到2002年、2007年、2013年、2018年研究生樣本的受教育年限分別為：19.42年、19.43年、19.38年、19.35年。

3.控制變量。本文將常見的性別、工作年限作為控制變量，同時為了提高模型的解釋力以及可信度，還控制了年度效應和地區效應。

(三)主要變量描述性統計分析

以往研究城鎮居民教育收益率的長期變動特征時，往往關注的是回歸估計結果，忽略了城鎮居民收入變化特征。但教育收益率的變化，可能會受到教育的結構效應以及教育的規模效應的影響。所謂規模效應是指隨著教育體系規模的擴大，可能帶來的整體性效益和影響(馬浚鋒和胡陽光，2022)。而在觀察教育的結構效應和規模效應之前，我們應當對城鎮居民收入分布變化、城鎮居民收入差距以及城鎮居民不同群體間收入差距進行實證分析。以此為基礎，才能深入分析教育擴展對城鎮居民教育收益率的影響。因此，為全面刻畫2002—2018年我國城鎮居民收入差距(5)城鎮居民的收入，依照來源性質分為工資性收入、經營性收入、財產性收入和轉移性收入四種類型。其中工資性收入所占比重最大。在本課題研究中我們只關注城鎮居民的工資性收入。這方面更詳細的情況可參見羅楚亮、李實、岳希明：《中國居民收入差距變動分析(2013—2018)》，《中國社會科學》，2021年第1期。的演變情況，我們首先采用收入概率密度曲線展現了城鎮居民工資性收入分布的變化樣態，這有助于我們對工資性收入分布的演化態勢形成宏觀認識和整體把握，然后通過測度2002—2018年的工資性收入基尼系數精準判斷城鎮居民工資性收入差距的長期變化特征。

1.城鎮居民工資性收入分布變化

為了研究城鎮居民工資性收入變化情況，我們用Epanechnikov核函數估計了2002—2018年城鎮居民月工資性收入對數的概率密度曲線。如圖1所示，曲線峰值對應的月工資性收入對數2002年處于6.5-6.8之間，2007年位于7.2附近，2013年位于7.8附近，2018年處于8.2-8.5之間。即峰值在2002年和2018年更離散，而在2007年和2013年更集中。2002年，多數城鎮居民的月工資性收入對數分布在4.9-8.3之間；2007年，多數城鎮居民的月工資性收入對數分布在5.9-9.3之間；而到了2013年和2018年，多數分布在6-9.5之間和6.2-10.3之間。對比各年度概率密度圖寬度來看，2007年最寬，2002年最窄?？傮w來看，從2002年至2018年，概率密度曲線不斷向右移動，說明城鎮居民工資性收入的確是不斷提高的，與日常觀察和經驗判斷一致。

圖1 收入概率密度曲線圖

2.城鎮居民工資性收入差距的演變

圖2 城鎮居民工資性收入分布的洛倫茲曲線圖

基尼系數是根據洛倫茲曲線計算得出的。洛倫茲曲線的定義域為[0，1]。洛倫茲曲線越接近直線，代表收入差距越小。令A代表洛倫茲曲線與對角線所圍成的圖形的面積，B代表洛倫茲曲線與直線Y=0和X=1所圍成的圖形的面積，則基尼系數的計算公式為：

Gini=A/(A+B)

(3)

按照上述研究思路，首先，我們基于CHIP數據繪制了城鎮居民工資性收入分布的洛倫茲曲線(見圖2)。通過觀察該曲線圖，可以直觀地獲得以下重要信息：在2002年、2007年、2013年和2018年這四個年份中，收入最低的10%的居民收入之和的占比十分穩定，一直保持在占全部居民收入之和的4%左右的水平，而收入最高的10%的居民收入之和占全部居民收入之和的比重，則落在了25%-29%的區間。

然后，我們按照洛倫茲曲線測算了這四個年份的收入基尼系數，具體結果見表2?？梢钥闯?，從2002年至2018年，城鎮居民工資性收入差距表現出先上升、再下降、再上升的變化特征和趨勢。而且，觀察最近幾年的變化情況可以發現，雖然2013—2018年工資性收入基尼系數是上升的，從2013年的0.348上升到2018年的0.377，但是2018年的基尼系數仍略低于2007年(0.378)。我們認為，近些年來收入基尼系數的這種積極變化是與“讓人民群眾共享改革發展成果”以及扎實推動共同富裕的政策導向息息相關的。

表2 城鎮居民工資性收入基尼系數的變化：2002—2018

三、實證結果

依照上文分析，我們首先基于明瑟收入方程使用OLS估計法得到2002—2018年城鎮居民平均教育收益率。再利用分位數回歸方法得到不同收入群體的教育收益率變化。

(一)基準回歸

主回歸結果如表3所示。在2002年，城鎮就業人口受教育年限每增加一年，工資性收入將增加8.7%，2007年上升到10.3%，2013年和2018年則穩定在8%。在這一過程中，教育收益率(平均教育收益率)呈現先提高后降低并趨于穩定的趨勢，特別是2002年至2007年，一共上升了2.6個百分點。但從2007年到2013年、2018年，平均教育收益率不僅沒有繼續上升的勢頭，反而降低了2.3個百分點，并在2013—2018年之間保持穩定。這與劉澤云和王駿(2017)的計算結果基本一致。

結合以往研究，我們認為，城鎮居民平均教育收益率出現的這種變化趨勢，反映了勞動力市場的變化，而勞動力市場的變化從需求側來看主要是受到經濟增長狀況的影響。城鎮居民平均教育收益率的這種變化特征，會對城鎮居民收入分配狀況產生一定的影響。如在2013—2018年，因為平均教育收益率不變，那么如果教育擴展對收入分配的結構效應顯著，則城鎮居民受教育水平的分布越均等，收入差距就會緩解；而當城鎮居民受教育水平的分布越不均等時，收入差距就會加劇。當然，平均教育收益率指標只是衡量和反映教育擴展對收入不平等影響的價格效應的一個維度，要全面衡量這種價格效應的大小及其變化，至少還需要考慮教育收益率的分布情況(不同人群之間教育收益率的差異)。

進一步，我們按照不同受教育程度，設置小學及以下為參照組，分析城鎮居民相對教育收益率的變化情況。結果顯示，不同受教育程度的估計系數均呈現遞增態勢，這說明整體來看，2002—2018年間不同受教育程度人群的教育收益率均遞增。而各受教育程度的教育收益率，2018年系數相對2013年系數有所降低，但總體高于2002年系數，意味著相應受教育程度的收益率較為穩定，并呈現一種倒U型結構。此外，通過粗略計算可以發現，相對教育收益率增速最快的為高等教育階段，如2002年“大學本科”與“高中”的估計系數差異為0.036，即“大學本科”相對于“高中”的教育收益率大約有45.6%，2007年、2013年到2018年則分別上升至55.6%、48.8%和47.6%。特別值得關注的是，“研究生”的收益率系數逐年提升，且其教育收益率系數在2007年之后高于其他組教育收益率系數(“大學本科”“大?！薄案咧小薄俺踔小?。

表4 不同受教育程度城鎮居民的相對教育收益率：以小學及以下受教育程度為參照組

最后，如果將這四年的情況進行整體對比分析，可以得到一個判斷，即2007年的情況是一種教育收益率的非典型狀態，而其他三年的情況應該是一種常態。進一步，我們嘗試推測2018年之后的各受教育程度群體的相對教育收益率變化趨勢。一方面，高學歷群體相對教育收益率保持穩定、中低學歷群體相對教育收益率下降的狀況，應該還會延續一段時間。另一方面，隨著時間段的繼續拉長，高學歷群體與低學歷群體的相對教育收益率的差距可能會逐漸收窄，但以高中階段教育為代表的中等技能群體的相對教育收益率還會繼續下降。其理由有三：一是隨著教育擴展，尤其是高校擴招的繼續推進，每年會有越來越多的以大學畢業生為代表的高技能勞動者進入勞動力市場，那么，如果勞動力市場對高技能勞動者的需求增長未能匹配高技能勞動者的供給增長，則高等教育收益率就有下降的可能；(6)劉澤云和劉佳璇(2020)對中國教育收益率所做的元分析表明，中國高等教育收益率在2005年之前隨時間增長，此后就開始進入下降通道。參見劉澤云和劉佳璇：《中國教育收益率的元分析》，《北京師范大學學報(社會科學版)》，2020年第5期。二是勞動年齡人口比重和規模不斷下降的供給端的變化，以及以國內大循環為主體、國內國際雙循環相互促進的新發展格局的加快構建和確保產業鏈供應鏈穩定的需求端的變化，都會引發對處于不斷短缺的低技能勞動者的旺盛需求，這會抬高低技能勞動者的工資水平和教育收益率；三是以人工智能為代表的技術進步的加速發展，會產生加速替代中等技能勞動者的效果，導致對中等技能勞動者需求的快速下降，這會繼續拉低中等技能勞動者的教育收益率。

(二)分位數回歸

進一步，為了測算不同收入群體的教育收益率的變化特征，我們采用分位數回歸的方法來進行估計，具體結果如表5所示?？梢钥闯觯菏紫?，在2002年，從收入的10%分位點到90%分位點，教育收益率依次為9.5%、9.4%、8.6%、7.7%、7.6%，這表明，低收入群體的教育收益率相對于高收入群體的教育收益率更高，這與現有的研究基本一致(張傳國和晉媛媛，2020；張車偉和薛欣欣，2008)；其次，在2007—2018年期間，這種現象出現了顯著變化。2007年，教育收益率呈現隨收入分位點提高，先遞增后遞減的趨勢，最高點在50%分位點。在2013年和2018年，則又都出現隨收入分位點提高，先降低后提高的局面，在90%分位點處都是遞增的；最后，從分位數教育收益率差距來看，90%分位點與10%分位點的教育收益率差距的絕對值在2002—2018年間出現先縮小后增大的變化趨勢：由2002年相差0.019，縮小到2007年的0.005，而到了2013年和2018年差距又轉而增大到0.024和0.028。并且從這四年在低分位點和高分位點的教育收益率估計系數值來看，低收入人群教育收益率展現了一定的逐年遞增趨勢，而高收入群體的教育收益率水平卻比較穩定。因此，總體而言，我國教育收益率的長期變化仍然呈現為低收入群體-高教育收益率特征，其隱含的政策含義是，增加教育投資有助于縮小居民收入差距。

表5 城鎮部門不同收入群體的教育收益率：2002—2018年

(三)穩健性檢驗

1.替換被解釋變量：小時工資

小時工資，利用勞動者獲得的工資性收入總額除以年工作小時數得到。本文考慮兩類收入的測算，一是樣本個體從事主要工作的工資性收入；二是主要工資性收入加上社保福利折算，具體折算方法參考李實等(2019)。為了保證跨期數據的可比性，本文以2002年為基期，利用省級物價指數進行平減。結果并未發生實質性變化，基準回歸結果穩健。

2.變換回歸方式：分樣本回歸

本文在按照不同受教育程度分析教育擴展對城鎮居民相對教育收益率的影響時，采用的是全樣本回歸。進一步，為了檢驗結果的穩健性，我們進行了分樣本回歸：一方面，對參照組(小學及以下)樣本和其他組樣本分別進行回歸，觀察相對教育收益率的變化趨勢。另一方面，我們以相鄰受教育程度為參照組，測算某一較高受教育程度群體的相對教育收益率，比如，大專相對于高中階段教育的收益率，大學本科相對于大專學歷的收益率，進行分樣本回歸。結果并未發生實質性變化，基準回歸結果穩健。

四、結論與政策建議

(一)研究結論

基于教育擴展背景，本文利用中國家庭收入調查2002年、2007年、2013年和2018年的四輪城鎮住戶調查數據，探究我國城鎮教育收益率的長期變動趨勢。研究結論如下：第一，在我國各級各類教育大規模擴展的背景下，2002—2018年，城鎮居民的工資性收入不斷提高，且城鎮居民收入分配狀況展現了波動發展趨勢，并在細分時段內差距呈或擴大或縮小的演變態勢；第二，2002—2018年平均教育收益率呈現先提高后降低最后趨于穩定的變化趨勢，相對教育收益率呈現出一定的先遞增后遞減的趨勢；第三，測算不同收入群體的教育收益率的變化特征發現，低收入人群教育收益率展現了一定的逐年遞增趨勢，而高收入群體的教育收益率水平卻比較穩定，總體而言我國教育收益率長期變化仍然呈現為低收入群體-高教育收益率特征。

以上結果表明：一方面，我國當前城鎮居民教育收益率變化態勢仍然呈現低收入群體-高教育收益率特征，其隱含的政策含義是，增加教育投資有助于縮小居民收入差距，所謂的“讀書無用論”是站不住腳的；另一方面，教育收益率的總體變化及各類受教育群體之間教育收益率升降關系的變化，雖然遵循了一定的自身內在發展規律，但在很大程度上還受到了經濟社會發展大格局的影響和制約，經濟增長速度、產業結構變遷、技術進步和人口轉變等多種供需變量都會對教育收益率的變化發揮或大或小，有時甚至可能是決定性的影響。因此，將教育收益率視為勞動力市場對教育給出的經濟回報的分布(即要素價格的分布)(劉澤云，2009)，并將這種影響看作教育擴展對工資性收入不平等的“價格效應”是十分貼切的。與之相異，教育擴展與教育不平等(教育在人口中的分配)之間的關系，較少受到即期或短期的經濟社會發展形勢和勞動力市場變化的影響，而主要取決于存量(教育在人口中的初始分配情況)和增量(教育擴展導致的學齡人口受教育規模和結構等方面的變化)之間的對比變化。所以，將教育不平等的影響視為教育擴展對工資性收入不平等的“結構效應”無疑也是十分準確的。

(二)政策建議

基于上述研究結論，我們提出如下兩點政策建議。

其一，政府部門要實時關注教育收益率隨時間變化、群體間的異質性和群體間的差距變動狀況，通過適當的政策干預實現政策目標。例如，我們推測，2002—2018年間城鎮居民平均教育收益率出現的先升后降再平穩的變化趨勢，主要是受到經濟增長狀況的影響；而2013年和2018年這兩個年份大學及以上學歷群體成為教育收益率“競賽”中的勝利者，則綜合反映了由于增長動力轉向創新驅動、產業結構加速升級和數字經濟迅速發展，使得經濟發展對高技能勞動力的需求快速增長的現實。同時我們還注意到，新近的一篇文獻發現，在2011年以后的中國城鎮勞動力市場中，國有部門勞動者的教育收益率已不低于非國有部門，其教育收益率亦表現出“馬太效應”的特征，即高收入勞動者擁有更高的教育收益率(戴思源，2021)。這與張車偉和薛欣欣(2008)這篇經典文獻所得出的國有部門勞動者的教育收益率低于非國有部門的結論形成了巨大反差。因此，政府部門要實時關注教育收益率的變化情況，并充分分析其變化機理，通過適當的政策干預實現政策目標。

其二，全面強化就業優先政策，繼續改革和完善勞動力市場制度，提高勞動力市場資源配置效率。通過本文的研究，我們不但進一步印證了既有文獻的共識——受教育水平的提高，能促進城鎮居民工資性收入的增長，證明所謂的“讀書無用論”是站不住腳的，而且發現教育的這種促進工資性收入增長效應，還隨時間推移在逐漸增強。另外我們還推斷出了我國城鎮居民教育收益率變化態勢表現出一定的低收入群體-高教育收益率特征。這些結果，似乎都清晰地表明了增加教育投資、繼續推進教育擴展的經濟價值所在。但是，這些判斷的成立，實際上都預設了一個共同的前提，即這些受教育水平得到提升的勞動力，一定是進入了勞動力市場，并通過勞動力市場的有效配置實現了就業，從而獲得了工資性收入。對這一點，我們一定要保持足夠清醒的認識。也就是說，在未實現就業前，這些受教育水平得到提升的人力資本只是一種潛在的人力資本，而潛在的人力資本只有通過勞動力市場的合理配置實現了就業，才是一種現實的人力資本，才能展示其生產能力，人力資本的經濟價值也才能得以釋放和實現。如果這些受教育水平得到提升的人力資本處于失業狀態，即便這些人力資本具有再大的潛在價值，也因無法參與就業，無法參與實際的經濟活動，其價值的實現也就無從談起。

更進一步說，要使教育的這種促進工資性收入增長效應充分發揮，保障教育的價值在勞動力市場上充分彰顯，就不能僅僅滿足于勞動力實現了就業，而應該是通過勞動力市場的合理配置使勞動力實現高質量就業。要做到這一點，一方面，政府要繼續改革和完善勞動力市場制度，提高勞動力市場資源配置效率；另一方面，政府應進一步推進產業結構的升級和合理化進程，為人力資本發揮潛在價值提供足夠的空間，進而最大限度地實現收入增長。特別是，全面強化就業優先政策，提高勞動力市場資源配置效率，對于低收入群體具有更為特殊的意義。這是因為，不同于高收入群體有更多的財產性收入、經營性收入，低收入群體的收入往往主要來源于工資性收入(羅楚亮等，2021)。因此，推動低收入群體實現就業就具有更為積極的意義。