过度教育的动态变迁与收入轨迹-基于CFPS2010-2018数据的实证分析

/过度教育的动态变迁与收入轨迹——基于CFPS2010-2018数据的实证分析【摘要】过度教育的动态变迁和收入轨迹是教育匹配领域的重要议题，但以往文献很少将二者联合起来进行动态考察。聚焦中国城镇劳动力市场，使用2010-2018年中国家庭追踪调查数据，分析过度教育在动态变迁中的收入轨迹。研究发现：第一，序列分析结果表明，过度教育在个体职业生涯中更有可能是一种持续性现象。第二，通过使用固定效应模型，控制以个人能力为代表的、不可观测且不随时间变化的因素之后，发现过度教育者的确比同等教育程度的适度教育者拥有更低的收入水平。第三，不同教育匹配轨迹中的个体收入增长曲线表明，持续适度教育者平均收入最高，持续过度教育者平均收入水平则最低，那些摆脱过度教育的个体会实现收入的迅速增长，而陷入过度教育则收入增长明显减缓甚至出现下降。这些结论有助于理解过度教育的变迁趋势及其收入效应，从教育系统、用人单位以及劳动力市场出发，提出了政策建议。【关键词】教育匹配；过度教育；变迁趋势；收入轨迹 一、引言 过度教育(over-education)是教育匹配领域的重要议题。它反映的是个体实际教育水平超过职业岗位所需教育水平的一种现象。根据个体实际教育程度和职业岗位所需教育程度的匹配情况，现实生活中存在三种状态：教育不足、适度教育和过度教育。其中，教育不足反映个体实际教育低于职业岗位所需教育。大量研究表明教育不足并不会造成劳动力市场劣势，并且教育不足者的薪资待遇、工作满意度往往和适度教育没有显著差异[1]。因此教育匹配领域的研究者主要聚焦过度教育现象。自1970年代过度教育这一概念诞生以来，学者们主要围绕三个议题展开理论争辩和实证分析：测量方法、变迁趋势和收入效应[2-10]。其中，变迁趋势和收入效应是近年来理论争辩最为激烈的两个议题。本研究将二者联合起来，开展动态考察。 (一)过度教育的动态变迁 过度教育的动态变迁最主要关注个体层面的变化模式。其核心问题是，过度教育在个体职业生涯中究竟表现为持续性效应(persistenteffect)还是短暂性效应(temporaryeffect)。围绕这一争论，职业流动理论、信号理论和疤痕效应等理论给出了不同的解释。 第一种观点坚持过度教育是短暂性现象。这一脉络的研究主要得到职业流动理论的支持。该理论认为，过度教育者因理性选择而暂时性接受过度教育的职业岗位，但未来会通过人力资本提升(如积累工作经验、参加在职培育)，以获得组织内部的工作晋升或组织间的工作流动，最终“跳出”过度教育。沿着这个逻辑，过度教育呈现为一种短暂性现象[2]。职业流动理论背后暗含着一个假定：教育的回报形式并不限于收入或福利，还有向上职业流动的动力。即过度教育者“过度”的那部分教育年限，恰恰是其实现职业流动的根本动力[2]。斯彻曼(Sicherman)等基于美国劳动力市场进行了实证检验，最终支持了职业流动理论[11]。 然而，跨国研究对职业流动理论既有支持也有反对。沃斯默(Wasmer)对波兰的实证分析发现，过度教育是一种可转化的临时性现象，过度教育者可以通过职业流动来获得与其教育相匹配的工作[12]。但斯洛娜(Sloane)等对英国的分析发现无论是提升职业流动还是增加换工作次数，过度教育者可能仅仅只是从一种过度教育状态切换到另一种过度教育状态[13]，即过度教育者“跳出”过度教育失败了。导致失败的原因在于，一是过度教育者自身能力确实较弱，二是过度教育者可能被困在了向上流动机会极其有限的次级劳动力市场部门。另外，布切尔(Büchel)等对德国的分析也质疑了职业流动理论[14]，他们发现过度教育者明显比适度教育者的工资增长更缓慢，这是由于过度教育者很难获得正式或非正式在职培训的机会。 第二种观点认为过度教育在个体职业生涯中是一种持续性现象，并得到了信号理论和疤痕效应理论的支持。首先，信号理论由斯宾斯(Spence)于1973年提出[15]，在劳动力市场研究中已经得到了广泛应用。它假定求职者的工作经历会向雇主发送有关个人资质的信号，并由雇主基于公司用人标准进行评估[16-17]。在此过程中，失业、非充分就业等工作经历会释放出负面信号，从而阻碍职业流动过程[18-19]。雇主会因求职者以往的过度教育经历而对其个人能力、工作意愿、生产效率等产生负面认知与评价。因而从这个角度看，过度教育和失业、非充分就业或非稳定就业等现象相似，都可能向雇主释放负面信号，并导致其无法实现向上流动。因此，根据信号理论推断，过度教育更有可能是一种持续性现象。 其次，疤痕效应理论(scareffects)也支持了这一判断。该理论最早被应用于失业的长期负效应研究[20-21]。疤痕效应指的是，个体失业等经历会在其职业生涯留下一道“疤痕”，抑制其未来工作流动。那么疤痕效应是如何产生的？已有研究基本提供了三种解释，一是个体因失业很有可能错失掌控劳动技能的时机；二是失业会导致个体掌握的人力资本随着时间发生贬值；三是失业经历可能会向新雇主释放一种低生产力的负面信号，导致个体难以获得理想工作[21]。实际上，这种由失业引发的疤痕效应，也很有可能存在于过度教育中。这是因为教育和职业不匹配的劳动经历，也会在个体履历上烙下一道疤痕[22]。换言之，早期职业经历中劳动技能的配置若不充分，会阻碍个体生命历程后期的收入获得和职业流动[17]，最终导致个体持续地处于过度教育状态。 尽管职业流动理论、信号理论和疤痕效应理论在过度教育动态变迁问题上存在分歧，但无论过度教育呈现为持续性还是短暂性，最终都会直接反映到职业收入的变化趋势中。鉴于此，本文将深入剖析过度教育在动态变迁中的收入轨迹，来检验这些理论各自的解释力。一方面，本研究将结合追踪数据和序列分析来聚焦过度教育本身的变迁轨迹，另一方面还将分析过度教育对收入变化趋势的影响。 (二)过度教育的收入效应 过度教育的收入效应是另一个争辩较多的研究议题。不少研究者认为过度教育存在收入惩罚。具体而言，相对于同等教育程度的教育匹配者，过度教育者的收入程度更低。然而，该观点也面临着一些质疑，以及因果效应方面的挑战。 首先，以往大量研究表明过度教育存在收入惩罚[6-7,23-24]。这主要得到了职位分配理论的支持。萨庭格尔最早提出除了个人能力、人力资本等特征之外，个体对工作岗位、职业种类或部门类型的选择，也会直接影响收入水平[25]。这就意味着，除个体特征之外，职业岗位特征也是影响收入水平的重要因素。即个体进入怎样的职业岗位，就在一定程度上预示其将获得怎样的收入水平。换言之，那些拥有同等教育水平的个体，会因为工作岗位差异而获得不同的收入回报。如果某一个体的教育水平高于其职业岗位所需教育水平(即出现过度教育)，那就意味着该个体掌握的劳动技能超出职业岗位所需要的技能[26]，这可能导致个体无法在过度教育的工作岗位上发挥出潜在的生产效率和劳动技能，最终导致过度教育者收入回报更低。总之，职位分配理论的核心逻辑是收入水平主要由职业岗位决定，而过度教育者因受职业岗位限制而无法充分发挥潜在生产效率，最终遭受收入惩罚。 但是，另一些学者认为过度教育不会导致收入惩罚[27-29]。人力资本理论[30-31]假定公司或组织会通过调整生产策略以最大化员工的生产效率，个体的工资水平主要由其边际生产效率决定，而边际生产效率和收入水平又由个体的教育、工作经验和在职培训等形式的人力资本来决定[7]。收入回报低只是个体缺乏工作经验及在职培训所造成的。过度教育只反映出了教育水平的不匹配，并未纳入工作经验或在职培训的匹配状态，因而过度教育本身并没有收入惩罚。另一方面，也有学者从其他视角分析，认为工资水平由人力资本决定而非岗位特征，即拥有相同教育水平或教育文凭的两个劳动者，其技能水平可能存在差异[29]。基于这一视角，过度教育的收入惩罚主要是由相同教育水平员工的技能高低所导致的。换言之，过度教育者之所以遭受收入惩罚，是因其自身技能短缺所造成，并非是由过度教育本身而引发的[26]。 值得注意的是，内生性问题是过度教育收入效应研究所面临的重要挑战。以往许多学者在估计过度教育的收入效应时，在一定程度上忽视了那些未被观测的异质性，譬如个人能力、性格和动机等因素。例如，有学者使用1979到2005年的一项美国追踪调查数据，发现过度教育状态不会带来收入惩罚，以往研究结论与之相反的原因在于，过去忽略了教育匹配中的非随机分配问题，即过度教育发生的选择性问题[28]。本文将基于追踪调查数据，使用固定效应模型克服不可观测异质性的作用以捕捉收入惩罚效应，并采用增长曲线模型去刻画不同教育匹配模式下的收入增长轨迹。 二、数据、变量和统计模型 (一)数据来源和样本限制 本文使用的数据来自中国家庭追踪调查(CFPS2010-2018)。CFPS是一项全国性、综合性的追踪调查项目，2010年正式开展全国基线调查，并在2012、2014、2016和2018年完成五轮追踪调查。对于本文而言，CFPS数据有助于解决过度教育的因果效应问题，同时有利于观察同一个体教育匹配的变迁轨迹。由于CFPS在上海、辽宁、河南、甘肃、广东五省市进行了过度抽样，随后通过对五省市进行二次抽样，并与其他省份样本共同构成全国代表性样本，本文使用的就是这个样本库。为了得到更为清晰、可靠的实证结论，同时满足序列分析方法的研究需要，本文将样本限制为具有五轮观测值的个体，同时仅保留年龄为16到69周岁的城镇样本，剔除教育、职业等变量有缺失值的样本，最终剩余5496位个体。 (二)过度教育的测量 过度教育的测量主要有三种方法：工作分析法、现实匹配法和主观评估法。本文选择目前使用最为广泛的现实匹配法。同时，考虑到中国自1949年以来在经济制度和教育制度方面变化较大，本文还将引入世代视角测量过度教育。具体测量包括四步：首先，划分出三组出生世代，即1960年及以前、1961到1979年、1980年及以后的世代。其次，将教育程度划分为小学及以下、初中、高中(包括中专和技校)、大专、本科、研究生及以上，同时界定了相应的教育年限变量。再次，基于国际标准职业编码(ISCO-88)，在每个世代内部计算每种职业内教育程度的众数和教育年限标准差，并作为每种职业所需标准教育程度。最后，本文通过比较被访者实际教育程度和其职业所需标准教育程度，来界定过度教育。表1展示了过度教育的实证测量结果。观察可知，基于众数法的过度教育比例为37.4％，基于标准差法计算的比例为36.7％，两种现实匹配法计算的过度教育比例相当接近，平均约为37％。由此可见，当前我国劳动力市场中的过度教育总体比例约为37％左右，这一结果在不同测算标准中具有稳健性。 (三)其他变量的测量 表1还展示了基于CFPS数据库定义的其他变量。该数据库包括五轮数据，即CFPS2010、2012、2014、2016和2018，由于本文将样本限制为五轮调查都参加的被访者，因此表l中每轮数据拥有相同的样本量(5496)。首先在人口学特征变量方面，女性所占比例为54％，年龄均值为47岁，少数民族占5.3％，党员占11.6％，已婚者占86％。户籍类型是三分类变量，其中城市非农出身占23％，“农转非”群体占21％，农业流动人口占56％。 其次是人力资本变量。CFPS提供了多种有关人力资本的测量，包括教育年限、认知能力测试、健康状况等。教育年限是连续变量，其均值为8.3年。认知能力包括语言流利程度、数学测试成绩、文字测试成绩，其均值分别为5.5、11.5和19.5。自评健康是连续变量，其均值为3.2。工作经验为连续变量，其均值为32。为了控制不同类型人力资本对教育—职业匹配的影响，本文在实证分析中将这些人力资本都纳入回归模型，由此获得更为稳健的因果关系。 第三是工作特征变量。CFPS测量了个体全年总收入，本文将其进行自然对数处理，处理之后的个体年收入均值为9.54。职业类型分为五类，包括管理人员(7％)，专业技术人员(8％)，办事人员(7％)，商业服务人员(22％)，体力劳动者占(56％)。行业为二分类变量，其中垄断行业占21％。 最后是家庭背景和区域变量。家庭背景中，本文纳入父亲或母亲的政治身份和教育程度，其中父母至少一方为党员的比例是17％。父母最高教育程度中，未受过教育的占41％，小学和初中为46％，高中、中专和技校为10％，大专及以上占3％。区域变量的测量来自调查省份，其中西部地区占50％，中部地区占29％，东部地区占21％。 (四)过度教育的因果推断 为了评估过度教育的收入效应和变迁轨迹，本文使用两种统计模型：固定效应模型和增长曲线模型。首先，本文建立过度教育影响收入水平的固定效应模型。追踪数据的特点在于，样本中每一个体(i=1，…，n)拥有多个时点的观测值(t=1，…，T)。基于这一数据类型，我们可以使用固定效应模型，它的优势在于可以控制那些不可观测且不随时间变化的因素，从而获得更加稳健的因果推断[32]。具体而言，我们可将过度教育收入效应的固定效应模型表达为如下形式： 观察方程(1)可知，左边代表个体内部收入的变化量，右边代表随时间变化的变量在个体内部的变化量，而那些不随时间变化的个体问的变量，则被消除掉了，由此我们通过该方程，就可以获得过度教育其收入效应的无偏估计。 其次，为了观察过度教育的发生和摆脱对收入造成的影响，本文基于不同教育匹配轨迹建立增长曲线模型。不同的教育匹配轨迹来自序列分析(sequenceanalysis)，我们将使用增长曲线模型来刻画不同教育匹配轨迹的收入变化趋势，该模型在本质上为随机效应模型。本文把教育匹配轨迹的增长曲线模型表达为如下形式： 以上方程中，代表时间变量，本文同时加入其平方项，以期捕捉收入变化的拐点。代表不随时间变化的教育匹配轨迹，通过将它和时间进行交互()，就可以得到不同教育匹配轨迹中人们收入水平的变迁趋势，由此可以证明发生过度教育和摆脱过度教育对个体收入产生的影响。 三、实证分析结果 (一)过度教育的动态变迁 在个体职业生涯中，过度教育究竟为持续性还是短暂性？为了回答这个问题，本文使用了序列分析，来刻画个体教育匹配状态随时间的动态变化①。其优势在于：可以勾勒出同一个体在不同时间点教育匹配的变迁轨迹。本文根据五轮调查中被访者的教育匹配状态及其变化，使用序列分析将相似度最高的个体进行聚类。这一过程是通过四个步骤完成的。第一，界定五个调查时点的教育匹配状态(适度教育和过度教育)，并构建为序列数据结构。第二，测量序列之间的距离，测量过程中本文将不同状态之间的转化率作为序列之间替代成本，并将“删除或插入”的成本设定为1，最终测量出序列之间的匹配距离。第三，基于匹配距离，使用Ward法(也称为离差平方和法)将不同序列进行聚类，并依据多种决策指标以产生四种主要的教育匹配轨迹。第四，将四种轨迹进行图示化，分析不同匹配轨迹中个体的收入变化趋势。 图1为序列分析的结果图示。其中图1-A呈现出四种教育—职业匹配聚类内部的代表性序列；图1-B为不同聚类内部的个体序列分布。我们对二者依次进行观察和解读。 首先，图1-A显示了每个聚类内部代表性序列的基本特征(包括数量和覆盖率)。其中，代表性序列的条形宽度与分配给它们的序列数量成正比。每个聚类上方的尺度线是从0到理论上的最大匹配距离。该尺度线上面的有两个指标：指标(A)为代表性序列内部的差异性(discrepancy)，即分配给代表性序列内部的各个序列之间的差异(各个序列到代表性序列的平均距离)；指标(B)为代表性序列之间的差异，通过各个序列到代表性序列的平均距离来衡量。观察四种聚类结果可知，第一个聚类为持续适度教育，它仅有1个代表性序列。该序列在五轮调查中都处在适度教育，能够覆盖该轨迹中86％的序列类型，并且序列内部和序列之间的平均差异距离都接近于0，表明该序列对本聚类有很好的代表性。第二个聚类为持续过度教育，同样仅有1个代表性序列，该序列在五轮调查中都处在过度教育状态，能够覆盖该聚类中100％的序列类型，并且序列内部和序列之间的平均差异距离都为0，说明该序列可以完全代表本聚类。第三个聚类是从过度转向适度教育，有两个代表性序列(主要差异在于转化时间不同)，能够覆盖该聚类中40％的序列类型，从序列内部和序列之间的平均差异距离较小(约为1)，说明这两个序列具有良好的代表性。第四个聚类是从适度转向过度教育，该聚类有1个代表性序列，能够覆盖29％的序列类型，并且序列内部和序列之间的平均差异距离都接近1，表明该序列对本聚类具有良好代表性。这些信息可以帮助我们识别出每个聚类的特征。 图1基于序列分析的过度教育变迁轨迹 接下来，将图1-B不同聚类内部的个体序列分布信息与图1-A中代表性序列信息相结合，我们可以得出如下结论：第一，基于最佳匹配和聚类分析，所有个体可以被聚类到四种教育—职业匹配的轨迹之中，即持续适度教育、持续过度教育、适度转向过度和过度转向适度。第二，从2010年到2018年，57％的个体持续适度教育，24％的个体持续过度教育，7％的个体从适度转向过度，而只有12％的个体从过度转向适度。这意味着现实生活中尽管有些个体可以摆脱过度教育，但是绝大多数的个体难以摆脱过度教育。需要说明的是，图中过度教育的变化轨迹，主要是由职业变动所引起的，而非职业内部教育需求或个体教育程度变化。 (二)过度教育的固定效应模型 为了分析过度教育的收入效应，我们使用固定效应模型来检验。固定效应模型的优势在于可以控制许多未被观测的、不随时间变化的变量(例如个人能力和性格等)对过度教育收入效应的干扰，从而可以获更加稳健的研究结论。由于CFPS2010-2018数据库中个体收入存在许多缺失值，本文首先将样本限制为具有3期及以上年收入不为缺失值的个体，最终包含1721个个体和5207个观测值。其次，本文在固定效应模型中纳入许多控制变量(详见表2注解)，既包括随时间变化的变量(如年龄、教育年限、职业等)，也包括不随时间变化的变量(如性别、民族等)。最后，本文在CFPS数据中同时使用众数法和标准差法来界定过度教育，以期获得更加稳定的研究结论。 表2显示了过度教育影响个体年收入水平的固定效应模型。模型1是基于众数法界定的过度教育收入效应模型，观察可知，和同等教育程度的适度教育者相比，过度教育者的个体年收入平均要低8.4％②。模型2为基于标准差法的过度教育收入效应模型，数据显示，相比于同等教育年限的适度教育者，过度教育者的个体年收入平均低6.1％。这就意味着，在控制了那些以个人能力、性格为代表的不可观测且不随时间变化的变量后，过度教育的确会造成收入惩罚，即那些过度教育者比同等教育程度的适度教育者获得更低的收入。 (三)过度教育的收入轨迹 对于同一个体而言，摆脱或陷入过度教育会如何引发收入水平的变化？图2显示了不同教育匹配轨迹中个体年收入的变迁趋势。该图左边为基于众数法的个体收入变化轨迹，右边为基于标准差法的个体收入变化轨迹。观察可知，不同教育匹配轨迹中个体收入整体都呈现增长趋势，但是增长速度或轨迹存在差异。具体而言，第一，持续适度教育者的收入一直处于相对较高水平，而持续过度教育者的收入则处于相对较低水平；第二，过度转向适度教育的个体，其收入呈现出迅速上升的趋势；第三，适度转向过度教育的个体，其收入在后期则呈现出缓慢增长甚至下降的趋势。由此可见，持续处于过度教育的个体的确会面临长期的收入惩罚，而那些能够摆脱过度教育的个体则可以减轻这种收入惩罚，实现收入的快速增长。相反，那些从适度教育陷入过度教育的个体则会陷入收入惩罚，其收入增长速度减缓甚至下跌。这进一步反映出，过度教育的确会造成收入惩罚，摆脱和陷入过度教育的个体，也会分别摆脱或陷入收入惩罚。 图2不同教育匹配轨迹中个体年收入的增长曲线模型 四、结论与讨论 本文聚焦过度教育的动态变化和收入轨迹。实证分析结果表明：首先，过度教育在个体职业生涯中更有可能是一种持续性现象。其次，过度教育的确会造成收入惩罚。使用固定效应模型控制以个人能力为代表的、不可观测且不随时间变化的变量之后，本文发现过度教育者的确比同等教育程度的适度教育者拥有更低的收入水平。最后，本文使用序列分析和增长曲线模型，去刻画不同教育匹配轨迹中个体收入随时间的变化趋势，最终发现那些持续适度教育者拥有相对更高的收入水平，持续过度教育者则收入水平相对更低，那些从过度转向适度教育的个体会迅速实现收入增长，而那些从适度转向过度教育的个体收入增长明显减缓甚至出现下降。 以上结论支持了信号理论和职位分配理论。首先，过度教育的动态变迁支持了信号理论的推断。过度教育的经历会给求职者的履历上留下一道疤痕，而这种疤痕在未来职业搜寻过程中会释放出负面信号，导致其很难找到与自身教育水平相匹配的职业岗位。这同时也表明了，职业流动理论的预测是失败的。可能的原因是，即便过度教育者能够发生职业流动，也会因为过度教育的疤痕效应，只是从一份过度教育的工作换到另一份而已。实际上，过度教育者很难彻底摆脱过度教育的困境。其次，过度教育的收入效应支持了职位分配理论，即个体的收入水平在很大程度上取决于职业岗位。而过度教育者由于受到其职业岗位限制，无法充分发挥出人力资本优势和潜在生产效率，会遭受收入惩罚。尽管人力资