城乡教育回报率差异及区域分布特征-以1995-2018年中国家庭收入调查数据为证

/城乡教育回报率差异及区域分布特征——以1995-2018年中国家庭收入调查数据为证【摘要】利用1995-2018年五轮中国家庭收入调查数据，对城乡教育回报率进行测算，考查教育回报率的城乡和地区差异及其变化趋势，发现将外出务工人员和永久迁移至城市的人口重新划回农村样本后，农村地区的教育回报率显著上升。2018年，城市教育回报率为8.3％，农村教育回报率为5.8％，城乡教育回报率差异为2.5个百分点；相比2013年的5.8个百分点，城乡教育回报率差异明显缩小。在城乡教育回报率地区差异方面，经济发达省份的教育回报率较高，各省城镇地区的教育回报率差异有缩小趋势，但农村教育回报率的省际差异仍明显。将移民样本放回后，农村教育回报率的省际差异进一步上升。若以地级市为考查标准，在城镇和农村地区，各地级市间的教育回报率呈逐渐分散状态。这说明，教育回报率的地区差异更多体现在城市间而非省份间。应从因地制宜制定教育政策、加强劳动力市场建设以及充分利用科技力量提高教育质量入手，进一步缩小城乡、地区间教育回报率差距，为高质量发展创造更多人力资本红利。【关键词】教育回报率；中国家庭收入调查；城乡差异；地区内差异 一、引言 教育回报率反映了教育水平提高带来的劳动收入增加的幅度，是影响人力资本投资行为的关键因素：教育回报率越高，人力资本投资激励越强。[1]我国居民的教育水平在过去数十年快速提高，与教育回报率的上升密切相关。步入新发展阶段，提高教育回报率、形成有效的人力资本投资激励，从而拓展人口质量红利是高质量发展的必然要求。与此同时，教育的边际贡献可以通过工资差距衡量。作为一种生产性投入，具备高知识、高技能的劳动力与其他要素之间的替代性更低，在劳动力市场上通过价格机制，产生个体之间的收入差异。[2]因此，教育回报率影响着全国以及不同地区的收入差距。当前，我国劳动力市场的区域性导致教育回报率在城乡和地区之间存在显著差异，这不仅决定着不同教育水平劳动力的流动模式，也将持续影响我国的收入分配格局和社会分层。[3]在我国扶贫开发政策已转向治理相对贫困的现实背景下，打破人口流动障碍，让劳动力自由选择能够最大化教育回报的工作和居住地点，是提高农村和欠发达地区居民收入、缩小收入差距的有效方式。[4] 空间维度的教育异质性回报，主要体现在城乡和区域两个层面。在城乡差异方面，长期以来，我国农村地区的教育水平显著低于城市地区，①这既与农村地区收入和福利水平大幅低于城市有关，也是农村教育回报率显著低于城市的结果。一方面，较大的城乡差距激励农村居民迁移到城市地区，而户籍的选择性限制导致高学历的农村居民更倾向于获得城市户口。迁移到城市地区获得稳定和高收入的工作，成为农村居民教育回报的重要组成部分，是其人力资本投资的主要动因。另一方面，农村地区内部的教育回报率低，导致很多农村居民缺乏人力资本投资的激励。在区域差异方面，不论是城市还是农村，教育回报率仍存在明显的地区差异。例如，东部地区和发达城市的教育回报率明显高于中西部地区和欠发达城市；[5]而由此带来的影响是，相较于低教育水平的劳动力，高教育水平劳动力有更强的动机迁移到教育回报率高的地区。因此，教育回报率的区域差异将在很大程度上影响未来我国人口流动、劳动力转移和新就业者的就业选择。[6]近年来，我国农村居民的教育水平显著上升。这不仅是因为有更多农村居民接受了高中和大学教育，还因为有更多大学毕业生选择将户口留在农村，使农村地区拥有高等教育学历的劳动者比例大幅上升、城乡教育差距下降。农村居民教育水平的上升，意味着，教育回报率的地区差异对农村流动人口的地区选择将产生更大影响。 本文试图强调，从教育回报率的角度，城乡二元划分方式过于简单，城乡内部地区间的差异应得到充分重视。此外，考虑到制度背景，估计农村地区居民的教育回报率时，应该将那些转变了户籍身份(农转非)的农村居民放回到农村样本中，这不仅更加贴合我国城乡劳动力流动的现实，也能体现出劳动力自由流动对提升农村居民教育和收入水平的贡献，有助于全面认识影响农村居民人力资本投资决策的激励因素。 相比关注某一静态时点上的教育回报率，本文利用1995-2018年五轮中国家庭收入调查(ChineseHouseholdIncomeProjectSurvey，以下简称CHIP)数据，对中国城乡教育回报率进行测算，并集中考查教育回报率的城乡差异及其变化趋势。本文采用了最新的CHIP2018数据，为评估近几年城乡教育回报率及其差异提供了新的证据。同时，我们还以考查地区间教育回报率差异为重点，估计了不同省份、地级市层面城镇和农村居民的教育回报率。期待此研究结果能对认识城乡劳动力市场状况以及制定相关的教育政策有所裨益。 二、文献综述 教育回报率研究建立在人力资本理论之上。自明瑟(Mincer，J.)20世纪70年代提出工资决定方程后，明瑟收益率(Mincerianrateofreturn)便成为测量正规教育经济价值的主要方式，它估计的是劳动者多接受一年学历教育能够提高的收入百分比。②学者们通过估计明瑟方程，得出工作经验、教育等要素的回报，[7]依据实际情况对明瑟方程进行不同程度的改进，如在标准明瑟方程的基础上加入更多控制变量或者使用工具变量，以降低遗漏变量和测量误差导致的估计偏差。[8]此外，学者们还放宽了个体同质性假定、修正了样本选择性偏差等问题。[9]卡德(Card，D.)等学者对以美国为主的教育回报率研究进行了很好的总结。[10] 20世纪80年代起，学者们开始关注我国的教育回报率，至今已有大量研究。[11]相关代表性研究以估计教育回报率为起点，探讨教育回报率的变化趋势、影响教育回报率的因素、教育回报率对收入差距和劳动力流动的影响，以及不同区域、行业、学段、群体的异质性教育回报等问题。不少学者利用抽样调查数据、采用明瑟方程，在控制了个体能力和家庭特征等基础上，对我国城镇教育回报率的动态变化进行估计。[12]有学者对我国高等教育回报率进行估算，并检验异质性教育回报。[13]还有学者着重探讨教育回报率的地区异质性问题。[14]此外，一些学者还关注了城市规模、地方政府教育经费支出对教育回报率的影响。[15]亦有学者运用分位数回归对我国教育回报率及其与收入差距的关系进行估计和讨论。[16] 由于我国区域经济社会发展不平衡、不充分，教育资源配置地区差距较大，使教育回报率存在较大的空间差异。目前，空间维度的相关研究主要集中在教育回报率的城乡和区域差异两方面。 教育回报率的城乡差异可为城乡教育水平及收入差距提供合理解释。有学者利用CHIP2002数据、以明瑟方程为基础研究发现，城乡教育回报率差距为3.1％～3.4％，且城乡教育回报率在高等、中等教育阶段结构性差异显著。[17]其他一些学者在明瑟工资方程的基础上，发现城乡之间的教育回报率差异显著。其中，教育每增加一年，城镇劳动力可提高约8％的收入，农村劳动力可提高约4％的收入。[18]一些学者基于2013年及以前的CHIP数据发现，农村个体的高中和大专阶段的教育回报率在2013年有所下降，城市地区则有所上升。[19]然而，也有一些研究表明，农村居民的教育回报率甚至高于城镇居民(两者分别为11％和8％)。[20]可见，关于教育回报率的城乡差异及其变化趋势，尚未形成一致结论；且在考查农村居民的教育回报率时，多数研究没有将移民特别是永久移民考虑在内。[21] 教育回报率不仅表现为明显的城乡差异，经济发展水平和教育资源配置的地区差异也使教育回报率具有地区差异特征。有学者发现，省内各城市之间的教育回报率差异明显，但省份之间的差异却较小。[22]而另一些研究则表明，省份和地区间的教育回报率也存在较大差异，各省教育回报率在2％～13％，呈现出东、中、西阶梯状态。[23]有学者认为，这种现象产生的根本原因是劳动力市场发展程度、生产率差异与能力异质性。[24]有学者指出，加入世界贸易组织显著增加了教育回报率的地区差异。[25]同时，城市规模与教育回报率之间具有正相关性，大城市相比中小城市具有更高的教育回报，特别是高等教育的回报率明显更高。[26]但上述研究均没有考查农村内部教育回报率的地区差距。 综上所述，关于教育回报率的研究成果颇丰，但仍有不足。一是现有研究的时间跨度较短且多采用某一年的截面数据，未能考虑到城乡教育回报率的长期变化。二是现有研究缺少对由制度背景(如户籍制度)带来的样本选择问题的关注。集中体现为没有将永久迁移的样本放回农村，这会导致对农村教育回报率的低估。[27]三是尽管城乡收入差距、地区内部收入差异问题已得到关注，但对城市和农村内部的教育回报率差异分析较少，鲜有研究分析农村地区内部的教育回报率差异。本文的边际贡献主要体现在以下三方面。首先，本文使用了数轮跨时20多年的CHIP数据，其中包含了最新的CHIP2018数据，长时间跨度的数据集不仅有助于分析城乡教育回报率的动态变化，也能为评估当前教育回报水平提供新的经验证据。其次，将外出务工人员和从农村永久迁移至城市的人口重新划回农村样本，能够得到更加贴近中国制度背景的农村教育回报率。另外，考查农村和城市的教育回报率地区差异，能使我们对农村居民的人力资本投资决策及其流动模式有更深的认识。随着教育水平的提高，农村教育回报率的地区差异对劳动力流动产生越来越重要的影响。 三、变量与数据 本文利用1995年、2002年、2007年、2013年和2018年五轮CHIP住户数据，对中国城乡教育回报率进行研究。其中，1995年和2018年的调查包含城镇住户和农村住户两种类型的人群，2002年、2007年和2013年的调查均包含城镇住户、农村住户及外来务工住户三种类型的人群。五轮调查均包括住户个人和家庭层面的基本信息(诸如年龄、性别、受教育情况、就业和收入信息等)、家庭主要收支信息和一些专题性问题。 本文的被解释变量为劳动收入(不包括财产性收入和转移支付等非劳动收入)的自然对数，分别使用小时工资和年工资两个指标。其中，1995年、2002年和2007年直接使用样本的工资性收入，并选取了工资性收入大于零的样本。在2013年和2018年的数据中存在就业身份变量，我们保留了雇员和自营劳动者样本，将当前主要工作的收入总额作为收入变量。利用国家统计局公布的消费者物价指数以1995年为基期对工资进行调整。核心解释变量为受教育年限，即被调查者接受正规教育的年数。 样本选取方面，进一步选取22～49岁的女性以及22～59岁的男性样本。这是因为，22岁时大多数人已完成学业，而目前退休年龄为女性50岁、男性60岁。同时，剔除了在校学生以及丧失劳动能力的样本。 本文的城乡样本分为原始样本和调整样本。以CHIP数据本身划分的城镇住户样本和农村住户样本为城乡的原始样本。由于城市中有相当一部分人是从农村迁移过来的，如果我们忽略这一因素，可能会低估农村的教育回报率，故将2002年、2007年和2013年的外来务工住户样本归入农村样本。此外，将城镇样本中有过“农转非”经历且是在完成正规教育后实现户籍转换的样本归入农村样本。如此调整后的样本，为城乡的调整样本。 原始样本和调整样本的描述性统计如表1所示。总体而言，我国城乡居民的工资呈现出增长的趋势，城市样本的平均工资普遍高于农村样本；受教育年限也呈现出增长的趋势，城市受教育年限普遍高于农村；城市中的男性占比约为55％～60％，农村中的男性占比约为65％～70％。通过调整后，城市的样本量有所下降，农村的样本量有所上升。 四、中国城乡教育回报率测算 我们采用经典的明瑟方程对城乡教育回报率进行估计。如式(1)和式(2)，我们分年工资和小时工资，对原始样本和调整样本进行回归。 (一)普通最小二乘法回归结果 表2的A部分给出了以小时工资为因变量的原始样本和调整样本的普通最小二乘法(OrdinaryLeastSquare，以下简称OLS)估计结果，前4列为原始样本，后4列为调整样本。奇数列仅控制受教育年限、工作经验、工作经验的平方、性别和省份，偶数列在其基础上进一步控制个体的行业和工作单位所有制。 在原始样本中，以对数小时工资为因变量，五轮调查的城市教育回报率分别为4.74％、9.29％、8.46％、9.48％和8.63％(见第1列)。总体来看，2018年相对于1995年上升了很多，且在过去十多年大致稳定在8.5％～9.5％；在控制了行业和所有制后，城市教育回报率有所下降，分别为3.13％、5.97％、6.13％、7.86％和6.74％(见第2列)。五轮调查的农村教育回报率分别为2.06％、3.2％、2.53％、2.24％和2.65％，一直徘徊在较低水平(见第3列)；在控制了行业和所有制之后，教育回报率变化不大。这说明，城市和农村的教育回报率差异非常显著。但如此估计得到的农村教育回报率只是影响农村居民教育投资的部分因素。农村居民提高收入的地点既可以是家乡，也可以是外地。对他们而言，迁移才是提高其收入的更重要来源。 在调整样本中，城市教育回报率与原始样本相比变化不大(见第5列和第6列)，说明城市居民的教育回报率本身就维持在一个比较高的水平。然而，农村教育回报率相对于原始样本有了显著上升，五轮样本分别为2.06％、8.03％、6.00％、3.63％和5.77％(见第7列)，教育回报率的城乡差距明显缩小；控制行业和所有制的情况也是如此。调整样本后农村教育回报率显著上升的事实说明，迁移样本总体教育水平高于非迁移样本，且通过向城市流动和迁移获得了更高收入。如果不考虑迁移样本，会低估影响农村居民教育决策的教育回报率。运用(5)、(7)列的系数进行简单数学运算，可得出五轮数据的城乡教育回报率差异为2.68、1.51、2.10、5.84和2.53个百分点；运用(6)、(8)列可以得出城乡教育回报率差异分别为2.29、1.27、1.78、4.52和1.95个百分点。因此，就动态变化趋势来看，1995-2002年，我国城乡教育回报率差异下降，2002-2013年呈现上升趋势，2013-2018年又有较大幅度的下降。 表2的B部分给出了以年工资为因变量的原始样本和调整样本的OLS估计。相对于以小时工资为因变量的回归，城市教育回报率略有下降，而农村教育回报率大多数情况下都有所上升。可以看到，在调整后的样本中，2018年的农村教育回报率甚至超过城市。以年工资代替小时工资所带来的上述变化说明，城镇地区的工作时间与教育水平呈负相关，而农村地区则刚好相反。农村地区低教育水平的劳动力工作时间更短，很可能是因为本文基本只考虑了工资性收入，③相对于高教育水平的劳动力，他们更有可能还从事其他经济活动(诸如务农或经商)。因此，使用年工资水平可能高估教育回报率。由于小时工资更能反映生产率的差异，后文主要集中探讨以小时工资为因变量的情况。 (二)基于Heckman两步法的回归结果 由于我们只能观测到进入劳动力市场的人群的工资，而不能观测未能进入劳动力市场的人群的工资，这可能会引起样本选择问题，而且这个问题可能在农村地区更为严重。我们尝试利用Heckman两阶段样本选择模型来解决这一问题。 第一阶段为利用不同年份的城乡样本估计离散选择模型(Probit模型)，因变量为反映样本是否有工资收入的虚拟变量(能够观测到个人工资则=1，否则=0)；自变量包括式(1)中所有的解释变量，此外，还加入了是否已婚、家中孩子的数量和老人的数量三个变量。其中，孩子数为每户15岁以下的样本数量，老人数为每户70岁以上的样本数量，这些变量可能会影响个体是否进入劳动力市场，但对市场工资没有影响。基于Probit模型估计结果，我们可以计算出逆米尔斯比率，然后将此变量加入式(1)得到式(3)，对样本进行第二阶段回归。 表3是以小时工资对数为因变量的回归结果。1995年城市样本、2002年农村原始样本、2018年城市原始样本和调整样本的lambda系数都是显著的，说明确实存在样本选择偏误问题。相对于普通的OLS回归，利用Heckman两步法修正后，教育回报率普遍呈提高状态，1995年的城市样本和2018年的样本教育回报率提高得较明显，但总体与OLS回归的变化趋势类似。通过计算，我们可以发现，城乡教育回报率差异的变化趋势也与OLS回归类似，呈现先下降再上升、在2013-2018年又有所下降的趋势。 (三)小结 我国城乡教育回报率及其变化趋势的估计结果表明，城乡教育回报率差异在过去的20余年呈现先下降、后上升、再下降的趋势。总体而言，得益于我国教育事业的发展和城乡一体化进程，城乡教育和收入差距有缩小趋势，但城乡间的教育回报率差异仍然显著。 从城市来看，近年来，城镇地区的教育回报率维持在8％～9％这一较高水平，尽管2013-2018年略有下降，但幅度很小，难以据此判定其呈现明显下降趋势。这说明，城市所具有的更高教育水平及其在生产率、市场化环境、劳动力流动性及技能互补等方面的优势，使教育回报率保持在较高水平。同时，持续的技术进步和经济转型升级仍在增加对高教育水平劳动力的需求，城镇地区居民进行教育投资的激励仍然很强。 从农村来看，尽管农村教育回报率显著更低，但研究结果并不支持农村教育回报率下降的结论。仅就原始样本而言，农村地区的教育回报率长期维持在3％以下，说明农村地区内部的经济结构并未构成对高教育水平劳动力大幅增加的需求，也未出现明显改善的趋势。但在调整样本中，农村教育回报率显著上升。尤其是在2018年，考虑移民样本后估计得到的教育回报率上升了3.1个百分点。这说明，迁移机会对农村居民实现教育回报起到了至关重要的作用。而调整后样本(考虑迁移人口)的教育回报率仍低于城市样本的结果则至少说明以下两方面问题。一是低教育水平劳动力进入城市构成庞大的进城务工人员群体，即使在城市工作相比留在农村获得了更高的收入，但由于教育水平低，加之歧视和信息不对称等原因，进城务工人员的工资水平仍显著低于城镇本地职工。二是由于农村基础教育质量相对较低，居民获得高质量高等教育的机会相对较少，通过接受高等教育留在城市进而获得理想教育回报的难度增大。此外，由于不同教育水平的劳动力在城乡间还无法实现充分流动，农村居民在迁移过程中，确实还面临一些障碍，导致他们难以找到非常适合的工作，使得教育回报率并不理想。 当然，即使总体的农村教育回报率低于城镇地区，但不同省份间仍可能存在较大的差异。例如，一些省份农村地区的教育回报率可能高于本省或其他省份城镇地区的教育回报率。为此，我们将进一步对城乡地区进行更细致的划分，并对地区间的教育回报率差异进行更细致分析。 五、城乡内部地区间的教育回报率差异 在上述回归的基础上，我们按照式(1)分省份和地级市进行OLS回归，不再控制行业和所有制，也不再考虑以年工资为因变量的情况。④由于1995年的数据较为陈旧，且分省估计农村教育回报率不显著的情况较多、误差较大，无助于得到关于教育回报率地区差异的时间趋势，在此不报告该年结果。 (一)城镇地区省份层面的教育回报率估计 表4报告了各省份城镇样本的回归结果。2002年、2007年、2013年和2018年分别有12、9、14和15个省份。从表中可以看出，北京、上海、江苏、广东等沿海发达省份的教育回报率较高，多数情况下都在10％以上。也有一些省份城镇地区的教育回报率较低。例如，2013年，山西省的教育回报率仅为5.5％，约为北京的41％(见第3列)；考虑调整样本后，则不足北京的三分之一(见第7列)。2018年，河南、安徽、湖南三省的教育回报率也远低于东部发达省份。总体来看，各省城镇地区的教育回报率存在较大差异，而且这种差异的大小随时间不断变化。这些都为我们认识我国劳动力市场的状况提供了重要线索。 基于表4的结果，我们计算了各省教育回报率的标准差，图1则据此描绘了城镇地区教育回报率地区差异的变化趋势。⑤2002-2007年，各省教育回报率的标准差从0.019增大到0.024，此后从0.024下降到2018年的0.018。显然，城镇地区教育回报率的省际差异在过去20年中经历了一个先上升后下降的过程。从2002年到2007年，各省城镇地区间的教育回报率差异显著上升。这说明，在经历了20世纪90年代的普遍上涨后，教育回报率在2002年至2007年显著分化：沿海地区的教育回报率上升明显，而内陆省份则相对较低。我国加入世界贸易组织，带动了沿海地区的出口增加和产业结构调整，沿海省份逐步建立起更具生产率优势的产业体系，增加了对高教育水平劳动力的需求。劳动力边际生产率的上升会提高劳动力的边际产出，进而提高劳动力的工资水平。而无论是“本地生产”(提高本地居民的教育水平)还是“外来供给”(吸引高教育水平的外来人口)，短期内都难以满足对高技能劳动力快速增加的需求，使高学历、高技能劳动力获得了更高的教育回报。相对而言，大规模进城务工人员大范围的流动，导致低教育水平劳动力工资的地区差距缩小。[28] 然而，伴随着大学扩招以及高教育水平劳动力流向高教育回报率的地区，教育回报率的地区差异势必缩小。这个趋势与托佩尔(Topel，R.)等学者对区域劳动力市场动态变化的研究结论一致。[29]布莱克(Black，D.)的研究表明，在一个可以自由流动的劳动力市场中，如果劳动力的偏好相同，区域间的流动将促使地区间的教育回报率趋同。[30]同时，城镇地区教育回报率地区差距的变化当然也与市场化程度以及经济发展水平的地区差距密切相关。加入世界贸易组织后，我国的外向型经济极大地扩大了东部沿海和内陆地区的差距。但随着外贸增长放缓以及产业向内陆地区转移，地区之间的经济差距也在缩小，教育回报率地区差异在最近两轮CHIP数据中的变化反映了这一趋势。城镇教育回报率地区差异的缩小预示着中国劳动力市场的结构性变化，对于不同地区居民的人力资本投资行为以及高教育水平劳动力的就业地选择有重要意义。未来，高教育水平劳动力(特别是大学毕业生)跨省向高回报地区流动的趋势可能会有所放缓。 此外，表4和图1的结果还表明，调整样本(去掉城乡移民)后教育回报率的地区差异与原始样本的情况比较接近。是否考虑移民样本对城镇地区的估计结果影响不大。当然，这并非因为移民对城镇地区教育回报率没有影响，而是因为移民(尤其是转换了户籍的农村移民)与本地职工同处于城镇劳动力市场，面对大致相同的工资决定环境。这一点与农村样本有很大不同。 图1城镇地区省际教育回报率标准差 注：各年份教育回报率的标准差是根据表4中的各省教育回报率进行计算得到的。 (二)农村地区省份层面的教育回报率估计 表5展示了农村样本各省份的回归结果。从表中原始样本估计结果可以看出，农村地区总体的教育回报率较低(这与表2的结果一致)，但在其内部也表现出一定的地区差异。从表5中可以看出，辽宁、江苏、广东、甘肃、内蒙古等省份农村教育回报率较高。比如，广东省农村地区的教育回报率基本维持在4％～5％。但其余多数省份的回报率较低，且在统计上不显著。考虑了调整样本后(见表5的B部分)，农村各省的教育回报率都有显著上升，尽管幅度不尽相同。例如，2018年，辽宁省教育回报率从原始样本的4％上升为9.5％，河南和四川两省份调整样本后的教育回报率仍然不到3％。这可能是因为这两个省的迁移样本主要是低教育水平的劳动力，而尽管流动到城市获得更高的收入，但低教育水平劳动力的教育回报要显著低于中等教育水平和高教育水平的劳动力。总之，表5的结果再次印证了如下事实：农村地区内部的教育回报率总体较低，且迁移到城镇地区获得更高的收入是农村居民接受教育的重要动机。[31] 针对农村地区教育回报率的地区差异，不妨重申如下两个重要发现。首先，农村地区教育回报率的省际差异十分明显。以各省教育回报率的标准差为指标，尽管它在2002年后有所下降，但在最新的数据中又有所上升。就农村本地就业的样本(原始样本)而言，我国农村教育回报率的省际差异和城镇地区教育回报率的省际差异大体相当，其标准差都在1.8个百分点左右。其次，在考虑了调整样本后，教育回报率的地区差异更为明显。有些省份农村地区的教育回报率因为迁移样本而大幅上升；而在另外一些地区，考虑移民对教育回报率的影响不大。最终，2018年使用调整样本得到的回报率标准差为2.8个百分点。这说明，不同地区劳动力面临的迁移机会为其带来的回报不同。迁移人口的正向选择性越强，高教育水平的劳动力越倾向于到城镇地区赚取更高的收入，将这些样本放回农村将使农村教育回报率显著上升。(见图2) 图2农村地区省际教育回报率标准差 注：各年份教育回报率的标准差是根据表5中的各省教育回报率进行计算得到的。 由于农村地区调整样本后的教育回报率地区差异不反映本地经济对高技能劳动力需求的地区差异，因此，不会像城镇地区的回报率差异那样对劳动力流动(包括大学生就业)产生很大影响。比如，辽宁省农村地区的高回报，是高教育水平劳动力外出就业的结果，而非其原因。本文的研究结果也意味着，外出就业机会和外出模式的差异是造成各地农村教育水平差异的重要原因。基于此，促进高教育水平劳动力在更大范围内寻找就业机会，可以提高农村居民的教育回报率，从而鼓励其人力资本投资。换言之，教育事业的发展要与就业机会的供给相结合。 (三)地级市层面的教育回报率估计 进一步地，我们对2002-2018年的数轮数据按地级市进行分样本回归，分别探讨各年份地级市城市样本和农村样本的教育回报率变化。由于我们使用的CHIP数据中没有地级市名称，因此，通过提取住户编码的前四位来识别地级市。⑥ 由于无法准确将移民样本按地级市放回农村，本节不再讨论调整样本的情况。此外，由于2007年城镇样本中识别的地级市相对较少，因此不予讨论。在计算了教育回报率之后，我们以每个地级市为一个观测点，按年份采用非参数估计得到核密度分布。使用伊番科尼可夫核函数(Epanechnikov核函数)和默认最优带宽，并删除了一些异常值，结果如图3和图4所示。 图3地级市层面的城市教育回报率分布(因变量=对数小时工资) 图4地级市层面的农村教育回报率分布(因变量=对数小时工资) 城市样本的结果如图3所示。2002年、2013年和2018年分别有62、121和155个地级市。可以看出，2002-2013年，分布略微左移且分布更加分散；2013-2018年，分散程度持续增大，说明地区间的教育回报率差异逐渐扩大，一些城市表现出了非常高的教育回报率，而另一些城市的教育回报率则很低。 农村样本的结果如图4所示。2002年、2007年、2013年和2018年分别有105、68、118和128个地级市。2002-2018年，四轮数据的核密度分布比较接近。2002-2007年，分布稍有集中；2007-2018年，分布稍有分散。而若以对数年工资为因变量进行回归时，趋势变得更加明显。2002-2007年，分布由相对分散变得非常集中；2007-2018年，分布由集中逐渐变得分散，且分布逐渐右移。 基于地级市维度的考查为分析教育回报率的地区差异提供了更加细致的证据。与省际维度的考查结果不同，以地级市为标准，在城市和农村内部，地区间的教育回报率差异均有扩大趋势，一些城市表现出了非常高的教育回报率，而这些城市主要为沿海发达城市，具有明显的城市规模大、经济结构优、教育水平高等特点。这说明，地区间的教育回报率差异更多体现在不同城市而非不同省份，省内城市之间的差异可能存在扩大趋势。当我们以省为单位估计教育回报率时，省内城市间的差异一定程度上被平均化了。许多研究者把教育回报率的地区差异归因于劳动力市场开放程度的地区差异，这种差异即便在省内不同城市间仍然存在。[32]但在不同城市持续推进市场化改革、加大力度建设劳动力市场的背景下，来自劳动力市场自身发育程度的影响将逐渐变小。目前，造成城市间教育回报率差异扩大的经济差距因素主要有以下三方面。一是教育回报高的城市往往在产业发展和生产率方面更具优势，现代化的产业体系需要高教育水平和高技能劳动力的集聚，而产业和人才的集聚带动了生产率提升和工资上涨。[33]二是教育回报高的城市往往存在显著的知识和技能溢出效应，从而产生人力资本外部性，较高的人力资本外部性会提升高技能者周围劳动力的生产率，从而在加总的意义上带来更高的城市教育回报。[34]三是教育回报高的城市劳动力流动性较强，这使得劳动力对工作岗位的搜寻效率提高、更换工作的频率增加，从而产生收入增长效应。 来自城市人才引进、公共服务、生活成本等方面的差异也是造成地区间教育回报率分散的重要原因。具有较高教育回报率的城市政府部门，往往会更加注重当地的教育质量、医疗卫生水平等基础服务，吸引更多高教育水平的劳动力，同时也会通过培训项目等方式来提升现有劳动力的技能水平，从而进一步提升地区内的教育回报率。但是，目前我国不同城市之间的劳动力流动仍然是不充分的，一些城市仍然存在对高学历劳动力流入的制度性障碍(如户籍限制)。如果允许高教育水平劳动力在地区之间流动，解决户口、公共服务等各方面的后顾之忧，可能让地区间的教育回报率相对趋同。此外，地区间的生活成本特别是住房和交通成本，也提高了高教育水平劳动力对收入的要求，从而提高了他们在大城市的教育回报率。[35] 对于农村而言，虽然其劳动力流动更表现为在区域选择过程中的个体偏好异质性，但不同地区发展水平、生产率、公共服务等方面的差异还是使得教育回报率逐渐变得分散。在地级市维度中，我们没有考虑农村调整样本的情况。前文的分析表明，农村省份层面的教育回报率差异主要是由迁移样本所带来的影响，如果不考虑这些样本，农村地级市层面的教育回报率差异随时间变化的分散度不如城市明显。 利用地级市样本估计教育回报率时，回归的样本量相对较小，教育回报率的估计误差较大。此外，各年城市数量不尽相同，要对地级市层面教育回报率的地区分布及其背后原因进行细致深入的分析，还需更多数据。 六、研究结论与启示 本文利用CHIP的1995年、2002年、2007年、2013年和2018年数据对中国城乡教育回报率及其差异和区域分布特征进行了详细分析与探讨。首先，将外出务工人员和农村永久迁移至城市人员重新划回农村样本后，城市教育回报率变化不大，但农村地区的教育回报率显著上升；在城乡教育回报率各自动态演进下，过去20余年，城乡教育回报率差异总体呈先下降、后上升、再下降的变化趋势。2018年，城市教育回报率为8.3％，农村教育回报率为5.8％，城乡教育回报率差异为2.5个百分点；相比2013年的5.8个百分点，城乡教育回报率差异明显缩小。其次，在城乡教育回报率的地区差异方面，在省际维度，各地区的教育回报率存在显著差异，经济发达省份的教育回报率较高。但近10年来，各省城镇地区的教育回报率差异有缩小趋势，而农村教育回报率的省际差异仍十分明显。在将移民样本放回后，农村教育回报率的省际差异进一步上升。若以地级市为考查标准，城镇和农村地区，近10年来各地级市间的教育回报率都呈现逐渐分散状态，一些城市表现出了非常高的教育回报率。这说明，地区间的教育回报率差异更多体现在城市间而非省份间，省内城市间的差异可能存在扩大趋势。从现实来看，各地的经济发展水平差距和教育资源配置不均衡都是导致教育回报率地区差异的原因。其中，在很大程度上，农村地区教育回报率的省份差异是迁移机会和迁移模式不同所带来的。 本文使用的CHIP数据中最新的年份是2018年。该轮调查于2019年采集个人信息，其中就业(收入)则是2018年的信息。新一轮的CHIP数据能够较好地反映教育回报率的最新趋势，且是目前研究中国教育回报率所能使用的最新微观数据资料。此外，教育回报率的变化反映劳动力市场上不同教育水平劳动力长期的供需变化。在供给方面，尽管近些年来我国整体和各地区的教育水平上升明显，但在短期内不会发生显著变化。在需求方面，各地的经济结构调整和产业升级亦是缓慢的过程，一两年难以导致对不同技能需求的结构性变化。因此，本文使用的数据既可以呈现教育回报率及其地区差异的历史趋势，也可以较好地反映当前的劳动力市场状况，以此为相关政策制定提供有价值的参考。 总体而言，我国当前的教育回报率较高；同时，教育回报率的城乡和地区差异意味着，要达到城乡和区域间经济社会均衡发展任重而道远。基于上述研究结论，应从如下几方面入手，进一步缩小城乡、地区内部教育回报率差距，促进人力资本积累，为高质量发展创造更多的人力资本红利。 (一)加大教育投入总供给 因地制宜制定适合当地情况的教育政策。我国教育回报率处于较高水平，意味着城镇和农村地区都应加大教育投入，并鼓励社会力量促进教育服务供给。通过增加高质量教育服务的供给，为城乡家庭教育投入“减压”。此外，城乡间教育回报率差异是城乡收入差距拉大的主要原因，反过来又影响私人和公众对教育的投入，导致城乡间人力资本差异进一步拉大。所以，将教育投入向农村及经济欠发达地区倾斜有助于提高农村地区、经济欠发达地区的人力资本存量。本文的结果也表明，农村居民教育回报率的实现依赖于迁移机会。因此，在对农村进行教育投资时，应进一步改善农村居民外出就业的机会。农村地区内部教育回报率的差异表明，各地应根据自身条件制定不同的教育政策。比如，在高回报地区，可增加普通高中和优质高等教育的供给；在低回报地区，发展职业教育或为更加可行的途径。 (二)加强劳动力市场制度建设 教育回报率差异源于不同劳动者的工资收入差异，所以，健全和完善劳动力市场颇为重要。首先，继续放宽省市、区域