• <xmp id="a6c2a">
    立即咨詢
    您當前的位置:職稱驛站 > 論文 > 行政論文 > 勞動與社會保障論文職稱驛站 期刊論文發表咨詢 權威認證機構

    義務教育改革質量對流動人口工資水平的影響

    職稱驛站所屬分類:勞動與社會保障論文發布時間:2021-10-09 08:56:29瀏覽:

    公共教育政策的改革質量及其對勞動者收入水平的影響效果是政策效果評價的熱點問題之一。采用流動人口衛生計生動態監測調查數據,通過因果性與異質性教育收益率的測量,實證評估了義務教育改革質量對流動人口工資水平的影響效應

       摘 要:公共教育政策的改革質量及其對勞動者收入水平的影響效果是政策效果評價的熱點問題之一。采用流動人口衛生計生動態監測調查數據,通過因果性與異質性教育收益率的測量,實證評估了義務教育改革質量對流動人口工資水平的影響效應,結果發現:(1)義務教育改革顯著提高了流動人口的義務教育參與率、受教育程度以及工資水平,但內生性致使傳統研究方法嚴重低估了義務教育改革的工資效應;(2)利用傾向得分匹配法與處理效應模型進行糾偏后發現,義務教育改革的工資效應分別為16.5%~24.3%與29.6%~35.8%;(3)進一步利用無條件分位數回歸進行異質性分析發現,教育回報率的異質性收益特征表現為“V”形曲線,義務教育改革有助于收窄流動人口在低-高收入群體上的組內工資差異。因此,深化教育事業改革質量,增強對低收入群體的教育補貼,完善勞動力市場制度建設,有助于提升流動人口的工資水平,縮小工資差異。

      關鍵詞:義務教育改革;流動人口;教育回報率;工資差異;政策效果評價

    人口與發展

      《人口與發展》是理論與實踐結合,學術性、知識性、實用性和可讀性兼有的綜合性人口學刊物。本刊物被列為首屆中國中文核心期刊,面向國內外公開發行,還被《中文社會科學引文索引》(CSSCI-2004)選用為來源期刊。

      一、引言

      自1958年《中華人民共和國戶口登記條例》頒布以來,我國就確立了城鄉分割的二元經濟結構,二元經濟也成為推動國民經濟增長、實現“中國奇跡”的源動力。1978年的經濟體制改革逐步放寬了戶籍制度對于人口流動的鉗制,城市更高的勞動生產率與工資水平成為農村勞動力進城務工的重要吸力。根據農民工監測調查報告提供的統計數據,2019年農民工資總體規模達到了29077萬人(國家統計局,2020)【參見http://www.stats.gov.cn/tjsj/zxfb/202004/t20200430_1742724.html!,規模龐大的鄉-城轉移人口業已成為城市經濟發展的中間力量。然而,流動人口在新型城鎮化建設中依然面臨著就業、住房、醫療以及社會保障等方面的社會融入問題(陸萬軍、張彬斌,2018;鄧悅、郅若平,2019),就業與工資在某種程度上甚至直接決定了流動人口的社會融入。

      近年來,我國正處于經濟和教育快速發展的深度轉型時期,義務教育改革和高校擴招政策一方面提高了勞動人口的受教育程度,另一方面推動教育事業邁入了高質量發展的快車道,而這其中1986年頒布的《中華人民共和國義務教育法》通過逐步普及、免費九年制義務教育發揮了重要作用。同時,經典人力資本理論認為,學歷教育作為人力資本投資的重要手段,具有較強的社會經濟價值,教育回報率(Returns to Education)的相關研究也發現學歷教育有助于提高個體工資水平、優化勞動力市場資源配置效率(Heckman,2005;Psacharopoulos等,2018)。因此,在經典理論與現實國情的雙重背景下,合理計量流動人口的教育回報率,科學評估義務教育的改革質量,對于加速鄉-城轉移人口的教育人力資本積累、消除勞動力市場的制度性壁壘、優化教育與收入分配政策,加速轉移人口的社會融合具有極強的現實意義。

      鑒于此,本文利用衛生計生委提供的2017年全國流動人口衛生計生動態調查數據開展準實驗研究,通過因果性與異質性教育回報率的測量,揭示義務教育的改革質量,全文試圖回答以下三個方面的問題:(1)以義務教育參與率和受教育程度作為改革質量的代理指標,審視義務教育改革質量對流動人口教育人力資本積累的影響效應。(2)以教育收益率作為代理指標,考察義務教育改革質量的個體增收效應及其異質性增收特征。(3)以教育收益率的組內差距為代理指標,評價義務教育改革質量究竟是擴大還是縮小了流動人口的組內工資差距。本文剩余部分的結構安排如下:第二部分將對既有文獻進行系統梳理;第三部分為研究設計,闡述文章所用模型與方法;第四部分為數據與變量介紹;第五部分為實證分析結果及其解釋;最后為全文總結。

      二、文獻綜述

      教育回報率又被稱為教育收益率或人力資本投資回報率,通常有明瑟法(Mincer-type Method)、便捷法(Short-cut Method)以及內部收益率法(Internal Rates of Return)三種計量方法,明瑟法因其計算的便捷性而被教育經濟學、勞動經濟學廣泛的用以衡量學歷教育的經濟價值(Psacharopoulos,1981;劉澤云、劉佳璇,2020)。明瑟教育收益率是指額外接受一年學歷教育能夠引致未來工資增長的百分比,本部分將基于明瑟教育收益率對既有研究進行系統梳理,并在此基礎上提煉文章的潛在貢獻值。

      (一)流動人口教育回報率

      受到城鄉分割經濟結構的掣肘,既有文獻主要關注城鎮或農村勞動力的教育回報率,但對流動人口的關注則相對較少(馬巖、楊軍、蔡金陽、王曉兵、侯麟科,2012)。從研究主題來看,相關研究從職業隔離、戶籍歧視以及城市規模等方面估計了流動人口的教育回報率,發現農民工的教育回報率在不同職業間存在較大差異,同時受到城市總體規模的掣肘,并且城鄉戶籍差異在大城市上的矛盾較突出(王靜、武瞬臣,2015;譚靜、余靜文、李小龍,2017;林永然、耿楚宇,2019;方超、黃斌,2020)。此外,還有部分研究以教育回報率為切入點,討論了教育對流動人口組內、組間工資差異的影響(鄭猛,2017;于瀟、孫悅,2017;方超、黃斌,2017;于瀟、陳世坤,2019;陳純槿,2020;方超、黃斌,2021)。

      (二)義務教育改革與教育回報率

      學歷教育的經濟價值使得利用教育回報率評估公共教育政策的實施質量業已成為新興的學術增長點。1986年頒布的《中華人民共和國義務教育法》和1998年推行的《面向21世紀教育振興行動計劃》則成為評估教育擴張質量的重要抓手(Lu等,2019;方長春,2019;郭四維、張明昂、曹靜,2019),數量相當的學術研究檢驗了高校擴招政策對勞動力工資水平的外生沖擊(劉澤云,2015;初帥、孟凡強,2017;劉澤云、邱牧遠,2017;方超、黃斌,2020)。譬如,劉生龍和胡鞍鋼(2018)的研究發現,高校擴招政策雖然導致了畢業生就業難的社會問題,但大學教育與城鄉勞動者的個體增收仍然存在因果關系,而周揚和謝宇(2020)的研究則指出高校擴招政策進一步形塑了中國社會的分層結構。

      與高校擴招政策相比,有關義務教育改革政策效果評價的研究相對較少,大多數研究基于《中華人民共和國義務教育法》構造自然實驗或準實驗的實施條件(賈婧、柯睿,2020;林文煉、李長洪,2020),測量義務教育改革的個體增收效應(楊娟、高曼,2015)。譬如,劉生龍、周紹杰和胡鞍鋼(2016)基于斷點回歸的研究設計,實證評估了義務教育法對中國教育事業發展的貢獻,發現教育具有擴大城鎮勞動力工資差異的“馬太效應”。方超、黃斌(2021)利用無條件分位數回歸的研究,發現義務教育改革對于農村低收入群體體具有更強的個體增收效應,工資差異呈現出“黏地板效應”的鮮明特征。

      (三)研究述評

      既有研究為本文的順利開展提供了積極有益的借鑒,但仍然存在以下幾個方面可拓展的研究空間:(1)從研究對象來看,相對于城鎮或農村勞動力,有關教育回報率的研究對流動人口的關注稍顯不足;(2)從研究主題來看,有關公共教育政策質量評估的研究較少涉及鄉-城轉移人口,不利于厘清教育擴張政策,尤其是義務教育改革對流動人口工資水平的影響效應;(3)從研究方法來看,教育與收入的關系通常受到內生性的掣肘,但傳統研究方法往往受到可觀測與不可觀測異質性的擾動,無法實現教育與流動人口個體增收的因果關系推斷。

      三、研究設計

      (一)基準模型

      利用經典明瑟方程建立回歸模型,基于工資收入效應,評估義務教育的改革質量:

      lnwagei=α+β1Educi+β2δi+μi(1)

      在式(1)中,下標為流動人口個體,因變量wagei為i的對數工資;Educi為教育年限,若流動人口具有義務教育受教育程度則有Educi=1,反之則有Educi=0;δi為除教育年限以外其他影響流動人口工資水平的矢量,包括經驗及其二次項、性別、民族、婚姻等可觀測特征;μi為零均值期望的隨機誤差項;利用β1的參數估計評價義務教育的改革質量。

      (二)識別策略

      1.基準估計

      基準估計首先采用普通最小二乘法識別義務教育改革影響流動人口工資水平的均值效應,其次采用工具變量法糾正教育與收入關系中的內生性問題,估計結果可以作為后續因果識別以及異質性分析的基準校對。

      2.傾向得分匹配估計

      利用普通最小二乘法識別義務教育改革的收入時,估計結果可能存在兩方面的偏誤。一方面,流動人口的教育決策在不同個體之間存在差異,但普通最小二乘法卻假定個體教育決策相同,這將導致自選擇問題(Self selection)。另一方面,普通最小二乘法在處理反事實時(Counterfactual),僅僅將未接受處理的個體作為接受處理的反事實,但這種方法無法保證接受處理與未接受處理的個體在可觀測特征上的相似性,從而造成選擇性偏差(Selection Bias)。

      鑒于此,本文將采用Rosenbaum and Rubin(1985)提供的傾向得分匹配法(Propensity Score Matching,PSM)糾正估計偏誤。第一,匹配樣本,確定協變量及其估計形式;選擇協變量進行樣本匹配;第二,估計傾向分值;第三,計算接受義務教育(Treated)與未接受義務教育(Untreated)流動人口教育收益率的平均處理效應。

      ATT=E(lnwage1i-lnwage0i|Educi=1,δ=x)(2)

      ATU=E(lnwage1i-lnwage0i|Educi=0,δ=x)(3)

      ATE=E(lnwage1i-lnwage0i|δ=x)(4)

      在式(2)、式(3)和式(4)中,上標1和0分別表示接受和未接受義務教育的流動人口,lnwage1i和lnwage0i為相應受教育程度的對數工資;δ為影響流動人口工資水平的可觀測向量;ATT、ATU、ATE分別表示接受、未接受義務教育流動人口的平均處理效應以及平均處理效應。

      3.處理效應模型估計

      流動人口的義務教育決策除了受到可觀測特征影響以外,還會受到教育偏好和預期收益等不可觀測因素的擾動,但傾向得分匹配法只能糾正由可觀測特征引致的選擇性偏差。因此,本文將在傾向得分估計之后,進一步采用處理效應模型(Treatment Effect Model),通過第一階段選擇方程和第二階段收入方程的構建,糾正由不可觀測因素引致的估計偏誤:

      Educci=δiX+μi Educi=0,Educci≤01,Educci>0(5)

      式(5)中,Educci為潛變量,δi為特征變量,X為估計系數,μi為隨機誤差項。假定誤差項μi服從正態分布,流動人口接受義務教育的概率可寫作:

      P(Educi=1|δi)=P(Educci>0)=P(μi>-δiX)=P(μi<δiX)=Fμ(δiX)(6)

      式(6)中,Fμ(·)為μi的累積分布函數。據此,構建第二階段收入方程。

      4.無條件分位數回歸

      傾向得分估計與處理效應模型估計只能在均值層面上揭示義務教育改革質量對于流動人口工資水平的影響效應,但公共政策制定者更關心的可能是改革質量的異質性收益特征,即義務教育改革質量在不同分位點上的工資收入效應。因此,數量相當的研究采用了Koenker and Bassett(1978)提供的條件分位數回歸,檢驗了受教育程度對于工資變化的有條件影響。然而,有條件分位數回歸成立的前提是流動人口具有相似的可觀測特征,但這一點在現實經濟世界中則較難成立,故研究結論很難為決策者提供有價值的政策借鑒(方超、黃斌,2020)。為了彌補條件分位數回歸的不足,本文將在均值效應分析之后采用Firpo等(2009)提供的無條件分位數回歸(Unconditional Quantile Regression,UQR),利用再集中響應函數(Re-centered Influence Function,RIF)進行無條件估計:

      RIF(lnwageK,Qτ︿)=δKβK︿(7)

      在式(7)中,K=lnwage1i、lnwage0i以及lnwageci,分別表示接受義務教育、未接受義務教育以及反事實流動人口;RIF(lnwageK,Qτ︿)表示Qτ分位點上的無條件估計;β︿為無條件分位數的邊際效應。

      四、數據與變量

      (一)數據

      本文所用數據源自衛生計生委提供的2017年全國流動人口衛生計生動態調查數據。該數據在全國31個省(區、市)和新疆建設兵團流動人口較為集中的流入點,采用分層、多階段、與規模成比例的PPS方法進行抽樣,樣本容量近17萬。調查對象是在流入地居住一個月及以上,非本區(縣、市)戶口的15周歲及以上流入人口,是具有外部有效性和全國代表性的研究數據。在保留流動人口教育、就業以及收入等基本信息后,得到樣本有效觀測值20458個。

      (二)變量

      1.因變量

      根據明瑟方程的線性設置,流動人口的工資水平是本文的因變量,代理指標選擇了月工資水平,具體指標為“您個人上月(上次就業)工資收入/純收入為多少元?”,并在技術上做對數處理。

      2.處理變量

      在基準估計與傾向得分估計中需要設定處理變量才能識別義務教育改革質量的工資收入效應。我們根據流動人口的受教育層級,對樣本進行二元變量設置,將受教育層級為小學(或初中)的個體賦值為1,定義為處理組,表示接受義務教育的流動人口;將未上過學的個體賦值為0,定義為控制組,表示未接受義務教育的流動人口。

      3.人力資本變量

      教育年限、工作經驗及其平方項構成了明瑟方程中的人力資本變量。一般而言,工作經驗的處理方法有兩種,一種是“年齡-教育年限-6”,另一種是以從事當前工作的時間,本文結合研究數據的可獲得性選擇第二種處理方式,即從問卷中選擇“您從什么時候開始這項工作”作為代理指標,從而獲得工作經驗的代理指標。

      4.工具變量

      為了糾正教育與收入關系中的內生性問題,我們借助《中華人民共和國義務教育法》提供的自然實驗構造工具變量。首先,根據《中華人民共和國義務教育法》的頒布時間,結合義務教育九年學制與中小學入學時間,計算出1971年9月為流動人口受到“義務教育法”干預的時間截斷點;其次,在時間截斷點內剔除“自然災害”、高校擴招政策等事件的外生沖擊,確定截斷點前后9年出生的流動人口(1960.9-1980.9)進入樣本的識別范圍;最后,將精確到月份的個體出生日期與政策推行月份相減后,將取值小于等于0的個體賦值為1,定義為政策干預組;將取值大于0的個體賦值為0,定義為未受政策干預組。

      5.協變量

      協變量主要包括流動人口的性別、婚姻、民族、政治面貌、戶籍以及行業性質等個體特征和行業特征。

      (三)統計描述

      表1報告了所涉變量的基本統計信息,全樣本的有效觀測值為20458個,處理組為接受義務教育的流動人口,樣本觀測值19489個;控制組為未接受義務教育的流動人口,樣本觀測值為969個。因變量方面,處理組的月工資對數為8.082,高于全樣本的8.068和控制組的7.785,表明接受義務教育的流動人口在月工資上高于未接受義務教育的流動人口。圖1則刻畫了處理組和控制組月工資對數的核密度函數圖。

      人力資本變量方面,處理組從事當前工作的時間為5.786年,高于控制組的4.799年。個體特征變量方面,男性、未婚、漢族、農業戶籍、黨員身份的流動人口在處理組與控制組中的分別為56.7%和25.8%、1.6%和3.3%、92.1%和74.2%、87.2%和95.0%、2%和0.7%。行業特征方面,處理組中6.4%的流動人口就職于壟斷行業,高于控制組的4.6%【注:已婚包括初婚和再婚;少數民族包括蒙、滿、回、藏、壯、維吾爾、苗、彝、土家、布依、侗、瑤、朝鮮、白、哈尼、黎、哈薩克、傣及其他;非農戶籍包括非農、農業轉居民、非農轉居民、以及居民戶口;黨員身份特征包括中共黨員和共青團員;壟斷行業包括機關事業單位、國有及國有控股企業、集體企業、股份/聯營企業,非壟斷行業包括個體工商戶、私營企業、港澳臺獨資企業、外商獨資企業、中外合營企業、社團/民辦組織、其他及無單位!。

      五、實證分析

      實證研究將從均值效應與異質性特征兩方面檢驗義務教育改革質量對流動人口工資收入的影響效應。第一節將采用普通最小二乘法與工具變量法進行基準回歸;第二節將采用傾向得分匹配法與處理效應模型糾正選擇性偏差;第三節將采用無條件分位數回歸捕捉義務教育改革質量在不同分位點上的工資收入效應。

      (一)基準估計

      基準估計首先采用普通最小二乘法估計義務教育的收入效應,表2報告了回歸結果。其中,方程(2)和方程(3)在方程(1)的基礎上逐項納入了不同層面的控制變量,同時控制了聚類到區縣的固定效應,R2由方程(1)中的0.0103上升到方程(3)中的0.1499,表明逐項回歸提高了工資方程對于流動人口工資水平的解釋力度。β1的參數估計值由方程(1)中的0.297,下降到方程(3)中的0.151,表明忽視個體特征、家庭特征以及行業特征將會高估義務教育的收入效應,參數估計值的含義可以理解為相對于未接受義務教育的流動人口,接受義務教育能將流動人口的月工資水平提升15.1個百分點。

      根據方程(3)的估計結果對控制變量進行簡要匯報:人力資本變量方面,經驗及其平方項的估計結果正負相異,一次項為正二次項為負,顯示出經驗積累的個體增收效應符合倒“U”形的年齡-收益曲線。性別變量的參數估計值為-0.035(P<0.01),表明男性比女性的月工資高出34.5個百分點;民族變量的參數估計值為-0.046(P<0.01),表明漢族比少數民族流動人口的月工資水平高出6.2個百分點;未婚比已婚狀態流動人口的工資水平低5.8個百分點,戶籍、政治面貌以及行業性質對工資的影響不具有統計顯著性。

      表2還利用義務教育改革的外生性與流動人口的出生日期構造了工具變量,利用工具變量法糾正了教育與收入關系中的內生性問題。從診斷性指標來看,第一階段F值為36.57,F值顯著大于10滿足“大拇指法則”,表明義務教育改革是一個強工具變量,而本文采用單一工具變量進行內生性糾偏,因而未做過度識別檢驗。

      在第一階段估計中,義務教育改革的參數估計值為0.027(P<0.01),表明《中華人民共和國義務教育法》將流動人口接受義務教育的概率值提高了2.7個百分點,顯示出轉型經濟時期的基礎教育擴張具有較強的教育價值,能夠高質量地提升勞動者的受教育程度,女性、漢族以及非農戶籍流動人口接受義務教育的概率值比男性、少數民族以及農業戶籍分別高出了6.3、8.0以及2.6個百分點。在第二階段回歸中,β1的參數估計值為4.30(P<0.01),表明相對于未接受義務教育的流動人口,接受義務教育能將流動人口的月工資水平提高430個百分點,工具變量法的估計結果高于普通最小二乘法,與理論預期一致。

      (二)傾向得分匹配估計

      1.平衡性檢驗

      傾向得分匹配在技術實現上需要確保樣本匹配后的平衡性。本文利用Rubin(2001)提供的檢驗原則,以Pseudo-R2(偽R2)、Mean Bias(均值偏差)、B值和R值等指標作為診斷平衡性的依據【注:均值偏差小于25%被認為滿足平衡性假定;R值在[0.5,2] 的區間內認為匹配較為成功!。從表3提供的檢驗結果來看,樣本匹配前的偽R2、LR、均值偏差較大,B值超出了25%的平衡區間,表明處理組與控制組處于不平衡的狀態;但在數據匹配后偽R2、LR、均值偏差呈大幅下降趨勢,除核匹配以外,所有B值均小于25%且R值在0.5~2之間,因而有理由認為樣本匹配消除了處理組與控制組的組間差異,實現了數據平衡【注:限于篇幅有限,省略對于協變量平衡性檢驗的報告!。

      2.平均處理效應估計

      在樣本整體平衡性檢驗的基礎上,本部分綜合采用五種匹配策略:最近鄰匹配、近鄰匹配、半徑卡尺匹配、核匹配以及馬氏匹配策略,糾正由可觀測特征引致的選擇性偏差,在流動人口中計算出接受義務教育者的平均處理效應(ATT)、未接受義務教育者的平均處理效應(ATU)以及平均處理效應(ATE)。從表4提供的估計結果來看,ATT、ATU、ATE的參數估計值在各種匹配策略中較為近似,并且通過了顯著性檢驗,表明利用傾向得分匹配法評估義務教育的改革質量,能夠通過不同類型的匹配策略提供相對穩健且一致的估計結果。此外,將OLS與PSM的估計結果進行橫向比較后能夠發現,傳統研究方法在面對選擇性偏差時低估了義務教育改革質量的真實處理效應,從而無法客觀、科學評價義務教育改革質量對流動人口工資水平的影響效應。

      從估計結果來看,五種匹配策略下的ATT分別為0.165、0.173、0.187、0.243以及0.169,參數估計結果在1%水平上具有統計顯著性,將估計結果橫向整理后發現流動人口的教育回報率在[0.165,0.243] 的取值區間內,表明接受義務教育能將流動人口的月工資水平提高16.5%~24.3%,估計結果略高于OLS但低于兩階段的工具變量回歸。進一步分析ATT、ATU、ATE的系數能夠發現,ATT>ATE>ATU,表明與接受義務教育的流動人口相比,未接受義務教育的流動人口如果接受義務教育的話,其月工資水平的增幅將會放緩。

      (三)處理效應模型估計

      鑒于流動人口義務教育收益率的因果性估計還受到教育偏好、預期收益等不可觀測異質性的影響,本部分采用處理效應模型進行糾偏,表5報告了兩步法(Two-step)與極大似然法(MLE)的估計結果。從診斷性指標來看,Hazard_lambada(λ)和Insigma通過了1%水平的顯著性檢驗,顯示出教育年限為內生變量,模型存在由不可觀測因素造成的內生性問題,需要通過構建選擇方程與結果方程進行兩步估計。

      處理效應模型的第一階段是流動人口義務教育參與的選擇方程,參數估計結果與平均邊際效應基本一致,說明方程架構較合理。從某些前定變量來看【注:處理效應模型在第一階段的選擇方程中在協變量的選擇上要求是參與義務教育的前定變量,在第二階段結果方程中則要求是影響工資水平的前定變量(義務教育參與的后定變量)。由于本文的重點旨在估計義務教育改革的收入效應,因而在第一階段的協變量選擇上不完全是流動人口義務教育參與率的前定變量!,義務教育改革的參數估計值為0.298(P<0.01),平均邊際效應為0.027,其含義可以理解為義務教育改革能將流動人口的義務教育參與率提高2.7個百分點,顯示出轉型經濟時期的教育擴張政策提高了流動人口的受教育程度、加速了教育人力資本的積累。性別與民族變量的參數估計值分別為0.675與0.615,估計結果在1%水平上顯著,根據平均邊際效應能夠識別出男性與漢族流動人口的義務教育參與率比女性和少數民族高了6.1個百分點和5.5個百分點。戶籍變量的參數估計值負向顯著,表明相對于非農戶籍的流動人口而言,農業戶籍的義務教育參與率要低3.1個百分點。

      處理效應模型的第二階段是義務教育改革影響流動人口工資水平的結果方程,結果方程同時報告了兩步法與極大似然估計結果。流動人口是否接受義務教育的參數估計值分別為0.358(P<0.01)和0.296(P<0.05),表明相對于未接受義務教育的流動人口,接受義務教育能將個體月工資水平提高35.8個百分點和29.6個百分點,將估計結果進行橫向整理后,發現義務教育的個體增收效應約為29.6%~35.8%,估計區間略高于PSM的估計結果,而控制變量的參數估計值與工具變量回歸基本一致。

      (四)無條件分位數回歸估計

      為了在流動人口的整體工資分布中揭示義務教育改革質量的異質性增收特征,本部分選擇了QR_10、QR_25、QR_50、QR_75以及QR_90分位點,依次表示流動人口在低、中低、中位數、中高以及高分位點上的月工資水平,利用無條件分位數回歸,通過自舉抽樣1000次后,得到異質性分析的回歸結果。從表6提供的回歸結果來看,是否接受義務教育的參數估值在低收入、中低收入、中位數、中高收入、高

      收入分位點上分別為0.234、0.20、0.062、0.089以及0.106,各分位點上的估計結果在1%水平上具有統計顯著性,表明相對于未接受義務教育的流動人口,接受義務教育能將相應分位點上的工資水平提高23.4、20、6.2、8.9以及10.6個百分點。

      根據核心變量的參數估計值能夠發現,義務教育的異質型收益特征并非隨著收入分位點的上升呈現出單調上升或下降的線性趨勢,其非線性的變化趨勢表現為先下降再上升的“V”形曲線,“V”形曲線向上偏折的拐點則出現在中高分位點上。同時,義務教育的個體增收效應在低分位點上為0.234,高于高分位點上的0.106,表明在其他因素不變的情況下,接受義務教育將會通過教育收益率組內差異的縮小低-高收入群體間的工資差異。

      最后,對控制變量的估計結果進行簡要匯報:經驗及其平方項的估計結果在各分位點上正負相異,符合年齡-收益曲線;男性在各分位點上的工資水平高于女性,性別工資差異隨分位點的上升呈“N”形曲線變化;漢族流動人口的工資水平高于少數民族,民族工資差異隨分位點的上升呈“V”形曲線變化;婚姻狀態與行業性質負向影響流動人口的工資水平,未婚與就職于壟斷行業的工資水平低于已婚和非壟斷行業;戶籍與政治面貌對工資水平的影響不具有統計顯著性。

      六、結論

      本文利用衛生計生委提供的2017年全國流動人口衛生計生動態調查數據,基于1986年《中華人民共和國義務教育法》提供的自然實驗,通過測量流動人口的因果性與異質性教育收益率,科學評價了義務教育改革的政策效果,得到以下幾點研究發現:

      第一,義務教育改革能夠提高流動人口的受教育程度與工資水平,但傳統研究方法因受到內生性的掣肘而低估了義務教育改革的個體增收效應。本文首先采用普通最小二乘法進行基準估計,發現接受義務教育能將流動人口的月工資水平提高15.1個百分點,但將義務教育改革作為工具變量后,進一步利用工具變量法卻發現義務教育的個體增收效應達到了430%。

      第二,在數據匹配與樣本整體平衡性檢驗的基礎上,利用傾向得分匹配法糾正由可觀測異質性引致的選擇性偏差后,發現接受義務教育能將流動人口的月工資水平提高16.5%~24.3%;利用處理效應模型糾正不可觀測的異質性后,發現義務教育改革能將流動人口的義務教育參與率提高2.7個百分點,同時能將月工資水平提高29.6%~35.8%。

      第三,義務教育的個體增收效應在不同收入群體之間具有異質型的收益特征。利用無條件分位數回歸發現,流動人口的教育收益率隨收入分位點的上升呈現出先下降再上升的“V”形曲線,低分位點上的個體增收效應高于高分位點,顯示出經濟轉型時期的教育擴張政策有利于縮小流動人口的組內工資差異。

      本文的研究結論具有一定的政策意涵。第一,教育擴張政策有利于提高流動人口的義務教育參與率、個體受教育程度與工資水平。新時代的教育事業發展應繼續深化改革,一方面積極提升義務教育鞏固率,另一方面擴大對流動人口的優質基礎教育供給,通過教育人力資本的均衡積累,提高鄉-城轉移人口的工資水平。第二,向低收入群體提供有針對性的教育補貼,規劃校外培訓機構的市場化運作。義務教育的異質型收益特征顯示出基礎教育具有收窄流動人口組內工資差異的公平效應,針對低收入群體的基礎教育擴張可以從校內、校外兩方面入手:對于校內而言,各級政府可以向農村、經濟欠發達地區或貧困家庭提供多種形式的教育補貼(如教育券);對于校外而言,適時強調政府對校外培訓機構的干預,規劃市場化行為,確保低收入群體不在校內、校外教育競爭中掉隊(方超、黃斌,2020),從而形成兼具質量和針對性的基礎教育擴張。第三,深化勞動力市場制度建設,打破制度性壁壘,進一步消除流動人口在城鎮勞動力市場所面臨的戶籍歧視與職業隔離。

      參考文獻:

      [1]陳純槿,2020:《中國流動人口教育收益率的出生隊列異質性研究》,《教育科學研究》第10期。[Cheng Chunjin,2020,A Study on the Heterogeneity of Birth Cohort of Floating Populations Returns to Education in China,Educational Science Research,10.]

      [2]初帥、孟凡強,2017:《高校擴招與教育回報率的城鄉差異——基于斷點回歸的設計》,《南方經濟》第10期。[Chu Shuai and Meng Fanqiang,2017,College Enrollment Expansion in China and The Difference Return of Education between Urban and Rural:Based on Regression Discontinuity Design,South China Journal of Economics,10.]

      [3]鄧悅、郅若平,2019:《新時代下城鄉社會保障制度整合現狀與路徑分析》,《理論月刊》第6期。[Deng Yue and Zhi Ruoping,2019,A Study on Strategy and Ways Social Guarantee System and Service Integration in Urban and Rural Areas in the New Era,Theory Monthly,6.]

      [4]方長春,2019:《教育擴張是否影響了教育收益率——基于中國城鎮數據的HLM分析》,《教育研究》第1期。[Fang Changchun,2020,Does Education Expansion Affect the Returns to Education?—A Data Analysis in HLM Based on the Evidence from Urban China,Educational Research,1.]

      [5]方超、黃斌,2020:《本地務工與外出務工勞動力的工資差異——兼論遷移對教育回報率的影響》,《教育經濟評論》第5期。[Fang Chao and Huang Bin,2020,Wage Difference between Local Workers and Migrants Workers:on the Influence of Migration on the Rate of Return on Education,China Economics of Education Review,5.]

      [6]方超、黃斌,2017:《城鄉一體化進程中我國流動人口的教育回報與工資收入差距的分解》,《教育科學》第6期。[Fang Chao and Huang Bin,2017,The Return on Education and Decomposition of Wage Income Gap of Migrant Chinese in the Process of Urban Rural Integration,Education Science,6.]

      [7]方超、黃斌,2021:《高校擴招與鄉城轉移勞動力的教育收益率——基于模糊斷點設計的工具變量估計》,《中國高教研究》第6期。[Fang Chao and Huang Bin,2021,The Policy of College Enrollment Expansion and Return on Education of Transfer of Rural Urban Labor Force Estimation of Instrumental Variables:Based on the Design of FRD,China Higher Education Research,6.]

      [8]方超、黃斌,2020:《高校擴招政策降低了城鎮勞動力的大學教育溢價嗎?——基于反事實選擇的因果關系推斷》,《復旦教育論壇》第1期。[Fang Chao and Huang Bin,2020,Does the policy of Enrollment Expansion Reduce the University Education Premium of Urban Labor Force?—Based on Causal Inference of Counterfactual Choice,Fudan Education Forum,1.]

      [9]方超,2021:《義務教育改革、教育收益率與農村勞動力的工資差異——基于勞動力市場的教育政策效果評估》,《南京農業大學學報(社會科學版)》第2期。[Fang Chao,2021,Reform of Compulsory Education,Return on Education and the Wage Difference of Rural Labor Force:Effect Evaluation of Education Policy Based on Labor Market,Journal of Nanjing Agricultural University(Social Sciences Edition),2]

      [10] 方超、黃斌,2020:《高校擴招、教育回報率與城鎮勞動力的工資差異——兼論高校擴招政策對大學教育質量的影響》,《宏觀質量研究》第4期。[Fang Chao and Huang Bin,2020,University Expansion,Return on Education and Wage Difference of Urban Labor Force:on the Influence of Enrollment Expansion Policy on the Quality of University Education,Journal of Macro-Quality Research,4.]

      [11] 方超、黃斌,2020:《馬太效應還是公平效應:家庭教育支出與教育結果不平等的異質性檢驗》,《教育與經濟》第4期。[Fang Chao and Huang Bin,2020,Matthew Effect or Equity Effect:Heterogeneity Test of Family Education Expenditure and Inequality of Educational Outcome,Education & Economy,4.]

      [12] 郭四維、張明昂、曹靜,2019:《教育真的可以影響健康嗎?——來自中國1986年義務教育法實施的證據》,《經濟學報》第3期。[Guo Siwei,Zhang Mingang,and Cao Jing,2019,Does Education Relly Affect Adult Health? Evidence from Chinas Implementation of the 1986 Compulsory Schooling Law,China Journal of Economics,3.]

      [13] 賈婧、柯睿,2020:《免費義務教育政策與農村人力資本積累——基于CFPS的實證研究》,《教育與經濟》第1期。[Jia Jing and Ke Rui,2020,Free Compulsory Education Policy and Rural Human Capital Accumulation——An Empirical Analysis Based on CFPS,Education & Economy,1.]

      [14] 林文煉、李長洪,2020:《“入學年齡規定”會產生教育不平等嗎?——來自1986年《義務教育法》的證據》,《經濟學(季刊)》第3期。[Lin Wenlian and Li Changhong,2020,Does the “Regulation of School Starting Age” Cause Education Inequality?—Evidence from the 1986 Compulsory Education Law in China,China Economic Quarterly,3.]

      [15] 林永然、耿楚宇,2019:《城市人口規模對流動人口教育回報率的影響》,《城市問題》第2期。[Lin Yongran and Geng Chuyu,2019,Influence of Urban Population Size on the Rate of Return to Education for Floating Population,Urban Problems,2.]

      [16] 劉生龍、胡鞍鋼,2018:《大學教育回報:基于大學擴招的自然實驗》,《勞動經濟研究》第4期。[Liu Shenglong and Hu Angang,2018,Returns to College Education:A Natural Experiment from Expansion of Higher Education in China,Studies in Labor Economics,4.]

      [17] 劉生龍、周紹杰、胡鞍鋼,2016:《義務教育法與中國城鎮教育回報率:基于斷點回歸設計》,《經濟研究》第2期。[Liu Shenglong,Zhou Shaojie and Hu Angang,2016,Compulsory Education Law and Economic Return to Education in Urban China:Based on Regression Discontinuity Design,Economic Research Journal,2.]

      [18] 劉澤云、劉佳璇,2020:《中國教育收益率的元分析》,《北京師范大學學報(社會科學版)》第5期。[Liu Zeyun and Liu Jiaxuan,2020,A Meta-Analysis on the Returns to Education in China,Journal of Beijing Normal University(Social Sciences),5.]

      [19] 劉澤云,2015,《上大學是有價值的投資嗎?——中國高等教育回報率的長期變動(1988-2007)》,《北京大學教育評論》第4期。[Liu Zeyun,2015,Long-Term Change in Returns to Higher Education in China:1988-2007,Peking University Education Review,4.]

      [20] 劉澤云、邱牧遠,2017:《上好大學值得嗎——對大學質量回報的估計》,《北京大學教育評論》第1期。[Liu Zeyun and Qiu Muyuan,2017,Does Attending a High Quality University Pay Off:Estimation on the Repayment of University Quality,Peking University Education Review,1.]

      [21] 陸萬軍、張彬斌,2018:《就業類型、社會福利與流動人口城市融入——來自微觀數據的經驗證據》,《經濟學家》第8期。[Lu Wanjun and Zhang Binbin,2018,Employment Type,Social Welfare and Urban Integration of Floating Population——Evidence from Microdata,Economist,8.]

      [22] 馬巖、楊軍、蔡金陽、王曉兵、侯麟科,2012,《我國城鄉流動人口教育回報率研究》,《人口學刊》第2期。[Ma Yan,Yang Jun,Cai Jinyang,Wang Xiaobing,Hou Linke,2012,Education Return to Migrants:An Analysis Based on a Three-Province Survey in China,Population Journal,2.]

      [23] 譚靜、余靜文、李小龍,2017:《流動人口教育回報率的城鄉戶籍差異及其原因研究——來自2012年北京、上海、廣州流動人口動態監測的經驗證據》,《中國農村觀察》第1期。[Tan Jing,Yu Jingwen and Li Xiaolong,An Analysis on Hukou Difference in the Rate of Return to Education for Migrant Workers:A Comparison between Rural Temporary Migrants and Urban Temporary Migrants,China Rural Survey,1.]

    《義務教育改革質量對流動人口工資水平的影響》

    本文由職稱驛站首發,一個權威專業的職稱論文發表網

    文章名稱:義務教育改革質量對流動人口工資水平的影響

    文章地址:http://www.bjjkshz.com/lunwen/xingzheng/shebao/45602.html

    '); })(); 精品99久久久,老头扒开我粉嫩的小缝,啦啦啦视频在线视频免费4
  • <xmp id="a6c2a">