農村學生高等教育選擇的個體異質性影響及長期收入回報研究

肖琴，劉亞欣，肖磊

（昆明理工大學管理與經濟學院，云南 昆明 650093）

農村學生高等教育選擇的個體異質性影響及長期收入回報研究

肖琴，劉亞欣，肖磊

（昆明理工大學管理與經濟學院，云南 昆明 650093）

高等教育進入大眾化階段，但高校中農村學生比例偏低。利用CFPS 2012年的調查數據，采用Logit回歸方法，從個體特征、家庭特征和區位特征三個維度系統分析個體異質性對農村學生高等教育選擇的影響，進而在控制個體差異的基礎上，采用PSM方法測度農村高等教育的收入回報，設定不同的年齡分組，研究高等教育的長期收入回報，并分析東中西部農村高等教育的長期收入回報是否存在區域上的差異。結果表明，健康狀況、醫療保險、智力、理解能力、外貌、父母學歷和家庭地位等特征顯著影響農村學生是否接受高等教育的選擇；接受高等教育的農村個人收入要高于不接受高等教育時的收入；從長期來看，接受高等教育和沒有接受高等教育的農村個人之間的收入差異隨著年齡的增長呈現不斷上升的趨勢；西部地區高等教育對農村個人收入的長期影響顯現得最早，中部地區次之，東部地區最晚。在此基礎上，為縮小教育差距、實現高等教育公平，提出教育資源投入向農村落后地區傾斜、高校針對農村貧困學生制定合理的教育補助規模、農村家庭轉變傳統封閉的教育觀念鼓勵子女接受高等教育的政策建議。

高等教育；農村學生；個體異質性；長期收入回報；Logit回歸；傾向值匹配

自高校擴招計劃實施以來，國內高學歷人才規模呈現膨脹趨勢，高等教育短時間內從精英化階段迅速過渡到大眾化階段[1]。但與高等教育機會增加相矛盾的是高校中農村學生比例偏低，而且近年來呈現下降趨勢，研究表明無論是恢復高考制度還是高校擴招政策，不僅沒有使高等教育的城鄉差距得以改善，情況反而在不斷加劇[2]。城鄉大學生占各自總人口的比例嚴重失衡，這阻礙了我國高等教育公平發展和城鄉協調發展的進程。導致這一現象產生的原因有很多，一方面，政府行為、社會制度、家庭環境和個人因素等對農村學生是否接受高等教育有很大影響，另一方面，過低的高等教育收入回報預期在很大程度上影響農村學生是否接受高等教育的選擇。因此，合理分析影響農村學生接受高等教育的原因，科學評估農村學生高等教育的收入回報，對轉變農村傳統的教育觀念和縮小城鄉收入差距具有重要的現實意義。

國內外學者對農村個人高等教育選擇的影響因素進行了廣泛的研究，較多從宏觀制度或結構性因素角度分析教育政策、區域發展等對個人高等教育選擇的影響[3-4]，也有一些學者從微觀角度解釋個人高等教育選擇差異的原因，多從性別[5]、健康狀況[6]、家庭環境[7-8]等方面進行分析。已有研究普遍認為，農村學生受教育程度受到個人、家庭等很多因素的影響，但多是單一研究某個因素對受教育程度的影響，有必要對影響農村學生高等教育選擇的因素進行系統研究。

關于農村高等教育的收入回報問題，研究成果無論從成本、風險、收益還是個體特征角度均不利于提高農村學生接受高等教育的積極性。成本方面，Zhang[9]認為高等教育成本已遠遠超出我國西部地區中低收入家庭的承受能力，Li等[10]指出，如果高等教育的全部花費平均增加到6萬元，高等教育就沒有增加收入的價值了。風險方面，鄒薇和鄭浩[11]發現經濟水平落后的農村地區家庭更愿意讓子女早日輟學打工以避免較大的投資風險，Bowles等[12]

提出，即使不存在歧視問題，這種規避風險的方式使家庭的貧困形成惡性循環持續到永遠甚至被放大。收益方面，丁小浩等[13]研究表明我國大學本科的教育收益率由2002年的24.9%上升到2008年的25.6%，而后下降至2009年的23.7%，李桂榮和谷曉霞[14]提出高等教育對于農村大學生的投資收益率依然較高但存在下降趨勢，投資回收期從10年延長到了14年。個體特征方面，李雪松和詹姆斯·赫克曼[15]證明了教育收益在不同個體之間存在顯著異質性，袁誠和張磊[16]通過Roy模型對子女的能力偏差進行糾正后，表明低收入家庭子女的收益和收益率明顯低于中高收入家庭子女。以往研究多是分析高等教育的整體收益或者分析高等教育對某個群體的收入影響，但高等教育的主要目標是培養專門人才，專業能力價值體現在長期，高等教育的長期收入回報問題亟需展開深入研究。

縱觀以上學者的研究，本文從以下4個方面進行改進。首先，采用Logit回歸方法，從個體特征、家庭特征和區位特征三個維度系統分析不同因素對農村學生高等教育選擇的影響。其次，在農村學生高等教育選擇存在顯著個體異質性的前提下，采用傾向值匹配方法，科學分析接受和沒有接受高等教育的農村個人之間是否存在顯著的收入差異，并測度這種收入差異有多大。第三，在接受和沒有接受高等教育的農村個人之間存在顯著收入差異的前提下，設定不同的年齡分組，研究高等教育的長期收入回報。第四，不同區域經濟發展水平和高等教育發展規模不盡相同，分析不同區域高等教育的長期收入回報是否與全國一致，收入回報在不同區域之間是否存在差異。本研究對高等教育選擇問題和收入回報問題進行補充和完善，為縮小教育差距實現高等教育公平提供理論依據，為制定合理的教育補助規模和結構提供決策依據，為縮小城鄉收入差距實現區域協調發展提供更深層次的數據支持和決策參考。

1 研究方法

1.1 模型選擇

以是否接受高等教育為被解釋變量，個體異質性變量為解釋變量，建立二值選擇模型，分析個體異質性對農村學生高等教育選擇的影響，具體模型為：

式中：農村學生接受高等教育Edu=1，否則Edu=0；XT=(x1，x2，…，xi)T為解釋變量矩陣，包括個體特征、家庭特征和區位特征三個維度的每個變量；γ=(γ1，γ2，…，γi)為解釋變量的系數矩陣；ε為誤差項，代表解釋變量X之外的其他影響因素的作用。

在個體異質性對高等教育選擇具有顯著性影響的前提下，引入顯著變量為控制變量。以個人年純收入為被解釋變量，是否接受高等教育為主要的解釋變量，采用傾向值匹配方法，在控制個體差異的基礎上，研究高等教育的收入回報，具體模型為：

式中：lnY為農村個人年純收入的自然對數；Z為控制變量，主要是指顯著影響農村學生高等教育選擇的個體異質性變量；ε為誤差項，代表主要解釋變量Edu和控制變量Z之外的其他影響因素的作用。

考察高等教育是否可以增加個人收入時，把整體樣本分為干預組和控制組，接受高等教育的農村個體為干預組，沒有接受高等教育的農村個體為控制組，在控制組中找到某個農村個體j，使其與干預組農村個體i的控制變量Z盡可能相等，即Zi≈Zj，此時剔除了控制變量對收入的影響，兩者的收入差異可以認為是由高等教育產生的。使用傾向值匹配方法測度出高等教育是否對農村個人產生收入差異，得到接受高等教育的農村個人的平均處理效應（ATT）為：

式中：lnY1i和lnY0j分別表示接受高等教育的農村個體i和沒有接受高等教育農村個體j的年純收入的自然對數。

1.2 數據來源

基礎數據來源于2012年中國家庭動態跟蹤調查（Chinese Family Panel Studies，2012）數據庫，它是由是北京大學中國社會科學調查中心（ISSS）實施的一項旨在通過跟蹤搜集個體、家庭、社區三個層次的數據，樣本覆蓋28個省、市、自治區，16 000多家庭，38 000多個體。初步獲得農村個人樣本8 413個，剔除指標缺失的樣本點后，最終得到6 141個有效樣本，其中接受高等教育的樣本有389個，平均年齡30歲左右，平均年收入30 417元，就沒有接受高等教育的樣本有5 752個，平均年齡40歲左右，平均年收入16 873元。整體上，接受高等教育的個體更加年輕，收入更高，但不同個體之間收入差距較大。

基于研究需要，將數據按照東、中、西部地區進行劃分，得到東部地區樣本點2 346個，其中6.79%的個體接受高等教育，中部地區樣本點1 870個，7.11%接受高等教育，西部地區樣本點1 925個，4.99%接受高等教育，西部地區接受高等教育的農村個人比例較低。

1.3 變量設定

在分析個體異質性對農村學生高等教育選擇的影響研究中，是否接受高等教育為被解釋變量，高等教育包括大專、本科及以上，其余屬于沒有接受高等教育。個體異質性變量為解釋變量，基于前人的研究，選取個體特征、家庭特征和區位特征3個維度的13個變量（表1）。

評估農村高等教育收入回報時，用個體的年純收入衡量高等教育收入回報，是否接受高等教育是主要的解釋變量，引入顯著影響接受高等教育的個體異質性變量為控制變量。加入個體的年齡，作為分析高等教育長期收入回報的組間劃分依據。

1）個體特征。除了通常研究的性別、健康狀況和是否參加醫療保險等變量，還加入了智力、理解能力、語言表達能力和外貌，因為我國學生能否考得上大學是由高考成績決定的，這些能力均在一定程度上影響高考成績，在工作中也存在增加收入的可能性。從均值可以看出，接受高等教育的個體在智力、理解能力、語言表達能力和外貌上均高于未接受高等教育的個體，同時平均收入也高于未接受高等教育的個體，因此加入這些變量很有必要。

2）家庭特征。選取父母的學歷、政治面貌以及家庭社會地位。父母學歷是有序變量，一般來說，學歷較高的父母更加重視子女的學業，更希望子女能夠接受更高程度的教育。政治面貌在某種程度上可以反映家庭的權利和地位，通常擁有政治面貌的個體會比普通群眾更加有地位和權利。家庭社會地位可以反映家庭收入，大多數農村家庭父母是外出打工沒有穩定的職業和收入，通常社會地位較高的家庭會比一般家庭獲得相對更高的收入。接受高等教育個體在父母學歷、政治面貌和家庭社會地位變量的均值都高于未接受高等教育的個體。

3）區位特征。主要是指個體所在的地區，分為東中西部。我國東中西部地區經濟發展不均衡，整體呈現東部發達西部貧弱的局面，地區經濟發展可能與高等教育入學機會相關，因此所屬區域可能會對農村個人高等教育選擇產生一定影響。同時考慮到不同區域高等教育觀念不同，收入回報也可能存在差異，本文加入這一變量想要考察農村個人高等教育選擇及收入回報在區域間的差異。

2 結果與分析

2.1 個體異質性對高等教育選擇的影響

表1 變量賦值及統計描述Table 1 Variable assignments and statistical descriptions

個體特征方面，健康狀況、醫療保險、智力、理解能力和外貌是顯著的，性別和語言表達能力不顯著。身體健康的學生有更好的身體條件承受高強度的學習任務和學習壓力，因此身體健康的學生接受高等教育的機會更多。與通常大家認為的相反，參加醫療保險使農村學生接受高等教育的機會減少，一方面可能是因為目前我國的醫療保險制度相對完善，89.7%的居民均可享受到醫療保險（表1），另一方面參加醫療保險可能存在逆向選擇，身體較差的居民更有可能參加醫療保險導致醫療保險對接受高等教育的負向作用。智力和理解能力的提升均會增加接受高等教育的機會，這和我國升學考試的內容相關，智力和理解能力較高的學生更容易在考試中取得相對較高的分數。與此相反，外貌對教育程度的影響是負向的，雖然在日常社會生活中存在“美的就是好的（What is Beautiful is Good）”效應[17]，但相比于外貌平平者，外貌吸引力高的個體可能會花費更多的時間和精力在其他事情上，從而減少學習的時間降低接受高等教育的機會，從幾率比來看，外貌水平增加一個檔次，接受高等教育的幾率比就會減少14.2%。農村學生是否接受高等教育在性別差異上并不顯著，說明在我國農村地區教育發展中性別差異觀念在不斷縮小，能否接受高等教育已不存在明顯的性別差異。語言表達能力不顯著是因為我國高考制度主要采取筆試方式，語言表達能力對高考成績的貢獻較小，因此沒有顯著影響個體接受高等教育的機會。

表2 Logit回歸結果Table 2 Regression results of the Logit model

家庭特征方面，父母的學歷和家庭社會地位產生正向的顯著性影響，政治面貌影響不顯著。一方面教育水平越高的父母愿意花費更多的時間陪同孩子，懂得更好的教育方式，使子女接受更高程度的教育；另一方面教育水平越高的父母有更高的生命預期，擁有更高教育投資意愿更加重視教育[18]，具體而言高學歷父母會在早期為子女順利升入大學做出相應準備，包括鼓勵子女選擇專業相關的課程、鼓勵子女獲得優異的成績、甚至鼓勵子女參與大學招生選拔相關的競賽與實踐活動等[19]。分別探討父母學歷對子女接受高等教育影響，母親學歷的影響作用更大，母親學歷提升一個水平，子女接受高等教育的幾率比增加55.7%，而父親學歷提升一個水平，子女接受高等教育的幾率比增加51.6%，這也比較符合現實，因為在子女的教育過程中母親往往給予更多的關注扮演更重要的角色，影響作用也就更大。家庭社會地位越高子女越有可能接受高等教育，但是這一影響作用并不明顯，幾率比僅為1.127，說明家庭地位產生的影響并不大，因此家庭地位較低的農村學生不用為此產生自卑心理，能否考得上大學更多取決于自身學習能力。政治面貌影響不顯著可能是因為采用數據中擁有政治面貌的農村居民較少，僅占13.7%，對回歸結果造成一定影響。整體可以證明，人力資本在代際之間的傳遞會增加子女接受高等教育的機會。

區域特征方面，統計結果表明西部地區接受高等教育的農村個人比例小于東部和中部，回歸系數也為負值，從東部到中部再到西部地區，農村學生接受高等教育的機會依次減少，然而系數并不顯著，所以農村學生是否選擇高等教育在區域間不存在顯著差異，但是高等教育的收入回報及長期收入回報在地區之間是否存在顯著差異值得進一步研究。

2.2 高等教育對農村個人收入的影響

研究農村高等教育的收入回報問題，首先應當解決內生性問題和樣本選擇性偏差問題。根據表2的回歸結果顯示，健康狀況、醫療保險、智力、理解能力、外貌、父母學歷和家庭地位對農村學生是否接受高等教育產生顯著性影響，這些因素可能通過影響高等教育選擇進而影響個人收入，說明在高等教育與收入的關系中存在自變量與控制變量之間的內生性問題。另外，對干預組（接受高等教育的農村個體）和控制組（沒有接受高等教育的農村個體）的數據進行統計分析，發現兩組數據之間有較大偏差，尤其是智力、理解能力和父母學歷的偏差超過50%，樣本之間存在嚴重的選擇性偏差。

傾向值匹配包含k近鄰匹配（k=2）、半徑匹配（r=0.01）和半徑內近鄰匹配。匹配后平衡性檢驗結果顯示，所有控制變量在干預組（接受高等教育的農村個體）和控制組（沒有接受高等教育的農村個體）之間的差異基本在10%以內，匹配很好地消除了兩組間的顯著性差異，匹配效果良好。

三種匹配方法的干預組數據完全相同但控制組數據略有不同（表3），是因為三種匹配方法的干預組樣本完全相同，但控制組為干預組提供支持的樣本并不完全相同。ATT表示干預組和控制組之間的收入差異，其數值并不完全相同是因為匹配中存在遠距離匹配現象，半徑匹配與半徑內近鄰匹配結果完全一樣，說明兩種匹配方法樣本匹配對象完全相同，證明匹配是穩定的，因此以半徑內近鄰匹配為主要匹配方式對結果進行分析。

考生首先輸入正確的用戶名和密碼，系統將自動對后臺的數據庫進行搜索認證，只有找到相對應的考生記錄信息時，才能進入該考試系統。

匹配之前，ATT數據為0.864，接受高等教育和沒有接受高等教育的農村個人之間的收入差異為0.864，這里收入差異是指收入取對數之后的差異，意味著接受高等教育的農村個人收入比沒有接受高等教育的農村個人收入高出137.3%（exp(0.864)-1）。匹配后ATT數據均為正值，且在1%的水平上顯著，說明接受高等教育能夠顯著增加農村個人收入，但匹配后兩組間的收入差異有所減少，以半徑內近鄰匹配為例，ATT數據為0.768，接受高等教育的農村個人收入比沒有接受高等教育的農村個人收入高出115.5%（exp(0.768)-1）。收入差異在傾向值匹配前比匹配后高出21.8%，表明除了高等教育以外，農村個人的個體異質性也會影響他們之間的收入差異，如果直接把接受高等教育和沒有接受高等教育的農村個人收入進行簡單比較，而不對個體差異加以控制后進行匹配分析，會將個體差異對收入的影響作用誤以為是高等教育產生的，從而夸大高等教育對農村個人收入的影響作用。

表3 接受高等教育與未接受高等教育的傾向值匹配分析結果Table 3 Results calculated by propensity score matching

結果表明，接受高等教育的農村個人收入遠高于沒有接受高等教育的農村個人收入，說明在高等教育成本增加學位貶值的客觀事實下，高等教育作為人力資本投資的主要方式依然可以較大幅度地增加農村個人的收入。高等教育在農村的普及程度相當低，樣本中僅有6.06%的農村個人接受高等教育，93.94%的農村個人在接受完高中教育甚至未完成高中教育便輟學（表1），大部分農村人并沒有獲得高等教育帶來的較高收入回報。一方面，農村地區教育發展落后，造成農村學生在基礎教育階段輟學率較高，沒有機會參加高考進而失去接受高等教育的機會；另一方面，“讀書無用論”的盛行造成很多農村家庭低估高等教育的收入回報，認為大學畢業后的收入很低，與其花費時間金錢供養子女讀大學不如讓孩子盡早輟學打工，從而導致農村學生接受高等教育的積極性降低，高校中農村學生比例偏低。因此，迫切需要采取有效措施加強農村地區教育水平，改變農村家庭類似“讀書無用論”的觀念，提高農村學生接受高等教育的積極性，讓更多農村人可以獲得高等教育帶來的較高收入回報。

2.3 高等教育對農村個人長期收入的影響

雖然高等教育在整體上可以較大幅度地增加農村個人收入，但是高等教育對農村個人收入的影響有短期和長期效應的區別。將全部樣本按照年齡分組，分為30歲以下、30-40歲、40-50歲、50-60歲、60歲以上五個組，在不同年齡組內分別進行半徑內近鄰匹配（表4）。

表4 不同年齡階段傾向值匹配結果Table 4 Results of different ages calculated by propensity score matching

干預組收入基本隨著年齡的增長不斷增加，從30歲以下的9.942增加到60歲以上的10.305，增加趨勢持續到60歲以上，表明高等教育對農村個人收入的影響存在于每個年齡段，并且隨著年齡增長個體人力資本不斷積累，高等教育對收入的影響作用越來越大。控制組收入隨著年齡的增長呈現出先上升后下降的趨勢，在30-40歲之間收入達到最大，為9.503，這種趨勢符合年齡-收入曲線倒U形的觀點，與羅潤東和撒凱悅[20]研究結果一致。造成沒有接受高等教育的農村個人收入先上升后下降的原因較為復雜，一方面沒有接受高等教育的農村個體較多從事體力勞動，年齡增長的同時伴隨著體力的下降，造成自身勞動能力下降，從而收入減少，另一方面40歲左右的勞動者面臨新一代年輕勞動力的競爭沖擊，與年輕勞動力相比，年老的個體失去競爭優勢，也會造成收入減少。

從ATT數據來看，不同年齡階段干預組與控制組之間收入差異均為正值，且在1%水平上顯著，說明在控制個體顯著性差異的基礎上，接受高等教育的農村個人收入在每個年齡段均高于沒有接受高等教育的農村個人收入。具體而言，30歲以下收入差異為0.735，也就是說，30歲以下接受高等教育的農村個人收入比沒有接受高等教育的農村個人收入高出108.5%（exp(0.735)-1），收入差異在30-40歲之間擴大到0.760，此時收入高出113.8%（exp(0.760)-1），并且收入差異持續擴大到60歲以上，說明隨著時間的推移和人力資本的不斷積累，高等教育對收入的影響會逐步突顯出來，并且愈加明顯。

整體上，從長期來看，高等教育有較高的長期收入回報，高等教育對農村個人收入的影響隨著年齡的增長呈現不斷上升的趨勢。較高的長期收入回報可以提高農村家庭對高等教育的收入預期，收入回報越高農村家庭對高等教育的收入預期越高，父母也就愿意讓子女讀大學而非輟學打工同時農村學生也更傾向于接受高等教育。如此以來，農村地區傳統教育觀念得以改善，高校農村學生比例提高，高等教育公平逐步實現，農村受教育個體也能獲得高等教育較高的收入回報。

2.4 不同區域高等教育對農村個人長期收入的影響

從全國范圍看，高等教育長期收入回報在長期呈現不斷上升的趨勢，但是我國農村個人收入存在區域性差異[21]，同時東中西部地區高等教育發展規模也有差異，農村家庭的高等教育觀念不盡相同。對東中西部樣本分別進行半徑內近鄰匹配（表5），由于西部50歲以上的接受調查的農村人數較少，所以最后兩行匹配結果沒有給出。

表5 東中西部地區不同年齡組傾向值匹配匹配Table 5 Results of different ages calculated by propensity score matching in different regions

東部地區農村高等教育的收入回報隨著個體年齡的增長呈現不斷上升的趨勢，基本與全國農村高等教育的長期收入回報保持一致，但東部地區接受高等教育的農村個人收入和沒有接受高等教育的農村個人收入以及他們間的收入差異均高于全國整體水平；中部地區沒有接受高等教育的農村個人收入隨著年齡的增長呈現出先上升后下降的趨勢，收入在30-40歲之間達到最大，和全國整體趨勢保持一致，但與全國整體趨勢不同的是，中部地區接受高等教育的農村個人收入以及接受高等教育和沒有接受高等教育的農村個人收入差異也隨著年齡的增長呈現出先上升后下降的趨勢，均在40-50歲之間達到最大；西部地區結果不完整，根據現有數據推測西部地區接受高等教育和沒有接受高等教育的農村個人收入差異隨著年齡的增長呈現出先上升后下降的趨勢，在30-40歲之間達到最大。

東部地區總體收入均高于全國整體水平是因為東部地區經濟比較發達，無論是否接受高等教育，東部地區農村個人收入都要高于全國整體水平，也高于中部和西部地區農村個人收入；與全國農村高等教育的長期收入回報趨勢不同，中西部地區農村高等教育的收入回報隨著年齡的增長呈現出先上升后下降的趨勢，可能是因為中西部地區經濟相對落后，農村大學生畢業以后更愿意去外省大城市或經濟發達地區工作積累經驗，之后再回到本地工作[22]，造成高等教育收入回報先上升到某一階段達到最大繼而下降的趨勢。

從接受高等教育和沒有接受高等教育的農村個人收入差異最大的年齡階段來看，東部地區在60歲以上，中部地區在40-50歲之間，西部地區在30-40歲之間。不同區域高等教育的長期收入回報趨勢略有不同，西部地區高等教育對農村個人收入的影響顯現得最早，中部地區次之，東部地區最晚。整體而言，高等教育對農村個人收入的影響不會在短期內立刻表現出非常明顯的效應，隨著年齡的增長和人力資本的積累，高等教育對農村個體收入的影響愈加明顯。高等教育不同于職業教育，農村家庭不能急于希望子女在大學畢業后立刻獲得相當高的收入來回報家庭，應該看到高等教育的長期收入回報，鼓勵子女接受高等教育，這也是高等教育的意義所在。

3 結論及政策建議

3.1 結論

研究表明，農村學生的健康狀況、醫療保險、智力、理解能力、外貌、父母學歷和家庭地位等特征顯著地影響其高等教育選擇；在控制個體差異的基礎上，接受高等教育的農村個人收入遠高于沒有接受高等教育的農村個人收入；從長期來看，高等教育有較高的長期收入回報，高等教育對農村個人收入的影響隨著年齡的增長呈現不斷上升的趨勢；不同區域高等教育的長期收入回報趨勢略有不同，西部地區高等教育對農村個人收入的影響顯現得最早，中部地區次之，東部地區最晚。

本研究在前人的基礎上取得了新的進展，但依然存在一些不足。首先，基于微觀數據獲取的困難性，我們采用的數據是CFPS 2012年數據，由于不同年份統計指標不完全相同，不能形成時間上的對照。用來衡量高等教育收入回報的是當期收入，缺少個體在時間序列上的追蹤，無法用終身收入衡量高等教育產生的潛在收入差異，還需要進一步探究。其次，在城鄉二元戶籍制度向一元推進過程中，對于部分接受高等教育之后農轉非農的勞動者，無法獲取其之前的信息狀態，可能會造成數據的偏差，有待進一步調查研究。

3.2 政策建議

基于以上結論，政府、高校、家庭應共同努力改善農村教育水平，提高高校中農村學生比例，縮小城鄉教育差距和收入差距，促進農村經濟發展。

1）政策制定上，我國基礎教育資源在投入上應向農村落后地區、向低收入人群傾斜，降低農村學生在基礎教育階段的輟學率，讓更多學生有機會參加高考，從而增加農村學生接受高等教育的機會。同時，政府應制定合理的教育補助規模和結構，減輕農村學生接受高等教育給家庭帶來的沉重的經濟負擔，降低農村家庭進行高等教育投資的風險，在經濟上幫助農村貧困家庭學生順利完成高等教育，提高高校中農村學生的比例。

2）各高校在大學生入學時應保障“綠色通道”持續暢通，對不能按時繳納學雜費的貧困學生，可填寫緩交學費申請表，經學校核實后先辦理注冊報到手續，以確保按時入學。貧困學生入學以后，各高校可以進一步拓展對特困生和家庭經濟困難學生的勤工助學崗位，增加勤工助學崗位的數量，最大程度地解決農村貧困生生活問題。另外，針對農村貧困學生，高校可以單獨設立貧困生獎助學金，重點獎勵學業成績優異和表現良好的貧困生，以保障他們順利完成學業。

3）農村家庭父母應認識到高等教育較高的長期收入回報，轉變傳統的教育觀念，鼓勵子女接受高等教育，盡可能給子女提供接受高等教育的機會。家庭貧困的農村學生要努力提升自身能力，爭取接受更高程度的教育、進而增加個人收入，同時為農村經濟發展做出相應的貢獻。接受高等教育的農村個人成為父母后要為子代創造良好的教育環境, 將自身的人力資本積累通過代際傳遞增加子女接受高等教育的機會，形成良性循環，促進高等教育的公平發展。

致謝：非常感謝北京大學中國社會科學調查中心（ISSS）為本文提供2012年中國家庭動態跟蹤調查（Chinese Family Panel Studies，2012）的數據。

[1] 湯二子. 學歷和性別對個人工資的影響研究[J]. 統計研究, 2012, 29(11): 67-73.

Tang E Z. The impact of education degree and gender difference on the worker wages[J]. Statistical Research, 2012, 29(11): 67-73.

[2] 譚敏. 社會分層、城鄉二元與高等教育入學機會分化——基于福建省的實證分析[J]. 復旦教育論壇, 2016, 14(1): 71-79.

Tan M. Social stratification, urban-rural dualistic structure and access to higher education: An empirical analysis of Fujian Province[J]. Fudan Education Forum, 2016, 14(1): 71-79.

[3] 李生濱. 基于區域差距的教育投資效率研究[D]. 大連: 大連理工大學, 2013.

Li S B. Research on the efficiency of education investment considering regional differences[D]. Dalian: Dalian University of Technology, 2013.

[4] 武瑋. 個人高等教育選擇風險及其規避[J]. 高教發展與評估, 2015(6): 19-26.

Wu W. Personal higher education choice risk: An perspective of informational asymmetry[J]. Higher Education Development and Evaluation, 2015(6): 19-26.

[5] 吳愈曉. 中國城鄉居民教育獲得的性別差異研究[J]. 社會, 2012, 32(4): 112-137.

Wu Y X. Gender gap in educational attainment in urban and rural China[J]. Chinese Journal of Sociology, 2012, 32(4): 112-137.

[6] Mullahy J, Sindelar J. Life-cycle effects of alcoholism on education, earnings, and occupation[J]. Inquiry A Journal of Medical Care Organization Provision & Financing, 1989, 26(2): 272-282.

[7] 張彥芬. 冀中地區農村子女受教育程度與家庭背景的關系研究——以河北省行唐縣米霍口村為例[D]. 天津: 南開大學,2007.

Zhang Y F. Research on the relationship between education level and family background of children from Hebei[D]. Tianjing: Nankai University, 2007.

[8] Castello-Climent A, Doménech R. Human capital inequality, life expectancy and economic growth[J]. Economic Journal, 2008, 118(528): 653-677.

[9] Zhang H. The poverty trap of education: Education-poverty connections in Western China[J]. International Journal of Educational Development, 2014, 38(9): 47-58.

[10] Li H, Liu P W, Zhang J. Estimating returns to education using twins in urban China[J]. Journal of Development Economics, 2012, 97(2): 494-504.

[11] 鄒薇, 鄭浩. 貧困家庭的孩子為什么不讀書: 風險、人力資本代際傳遞和貧困陷阱[J]. 經濟學動態, 2014(6): 16-31.

Zou W, Zheng H. Why kids from poor families don’t study? Risk, intergenerational transmission of human capital and poverty traps[J]. Economics Information, 2014(6): 16-31.

[12] Bowles S, Loury G C, Sethi R. Is equal opportunity enough? A theory of persistent group inequality[J/OL]. Http//:www.Santafe. Edu, 2007.

[13] 丁小浩, 于洪霞, 余秋梅. 中國城鎮居民各級教育收益率及其變化研究: 2002～2009年[J]. 北京大學教育評論, 2012, 10(3): 73-84.

Ding X H, Yu H X, Yu Q M. Private returns to different education levels in urban China: 2002～2009[J]. Peking University Education Review, 2012, 10(3): 73-84.

[14] 李桂榮, 谷曉霞. 農村籍學生接受高等教育的個人成本與收益分析——基于山西省懷仁縣海北頭鄉的調查研究[J]. 教育研究, 2012(7): 15-21.

Li G R, Gu X X. On personal costs and benefits of rural students receiving higher education—Based on the investigation of the Haibeitou town of Huairen County, Shanxi Province[J]. Educational Research, 2012(7): 15-21.

[15] 李雪松, James J Heckman. 選擇偏差、比較優勢與教育的異質性回報: 基于中國微觀數據的實證研究[J]. 經濟研究, 2004(4): 91-99.

Li X S, Heckman J J. Heterogeneity selection bias and the return to education: An empirical analysis based on Chinese microdata[J]. Economic Research Journal, 2004(4): 91-99.

[16] 袁誠, 張磊. 對低收入家庭子女大學收益的觀察[J]. 經濟研究, 2009(5): 42-51.

Yuan C, Zhang L. Parental income and return to college education in urban China[J]. Economic Research Journal, 2009(5): 42-51.

[17] Dion K, Berscheid E, Walster E. What is beautiful is good[J]. Journal of Personality and Social Psychology, 1972, 24(3): 285-290.

[18] Kirchsteiger G, Sebald A. Investments into education: Doing as the parents did[J]. European Economic Review, 2006, 54(4): 501-516.

[19] McDonough P M. Choosing Colleges: How Social Class and Schools Structure Opportunity[M]. Albany: State University of New York Press, 1997.

[20] 羅潤東, 撒凱悅. 中國年長勞動者工資收入年齡差異及其影響因素研究[J]. 勞動經濟評論, 2015(1): 1-12.

Luo R D, Sa K Y. A study on age wage differentials and impact factors for older workers in China[J]. Labor Economic Review, 2015(1): 1-12.

[21] 王鵬飛, 彭虎鋒. 城鎮化發展影響農民收入的傳導路徑及區域性差異分析——基于協整的面板模型[J]. 農業技術經濟, 2013(10): 73-79.

Wang P F, Peng H F. Analysis on the conduction path and regional differences for the impact of urbanization on the income of farmers—Based on the panel cointergration model[J]. Journal of Agrotechnical Economics, 2013(10): 73-79.

[22] 王遠偉. 個人高等教育選擇的影響因素分析[D]. 武漢: 華中師范大學, 2005.

Wang Y W. Analysis on the influence factor of personal higher education choice[D]. Wuhan: Central China Normal University, 2005.

（責任編輯：童成立）

Study of the influence of individual heterogeneity on the choice of higher education by rural students and the long-term income return to higher education

XIAO Qin, LIU Ya-xin, XIAO Lei
（School of Management and Economics, Kunming University of Science and Technology, Kunming, Yunnan 650093, China）

The proportion of college students from rural area is very small, though higher education in China has entered into the stage of massification. Based on the Chinese Family Panel Studies (CFPS) data collected in 2012 and applying the Logit model, this paper analyzed the influence of individual heterogeneity on the choice of higher education by rural students from three dimensions, including individual characteristics, family characteristics, and location characteristics. And the propensity score matching (PSM) method was used to measure the income return to higher education for rural students after controlling individual heterogeneity. Additionally, this paper also examined the long-term income return to higher education by analyzing rural income of different ages and discussed whether there is regional difference in the long-term income return to higher education of rural students among eastern, central and western regions. Results show that 1) individual characteristics, including health status, medical insurance, intelligence, understanding, appearance, degree of parents, and family status, influenced higher education choice significantly; 2) in general, rural individuals with higher education earned more than those without higher education while considering heterogeneity; 3) in the long run, income differences between rural individuals receiving higher education and not receiving higher education had a rising trend with age; and 4) the long-term impact of higher education on personal income in the west appears earliest, followed by the central, and the east. Based on the above analysis, to reduce the gap between rural and urban areas and to provide fair education opportunity for rural students, this paper suggests that rural and poor areas should receive more educational resources, universities should allocate more reasonable education fundfor rural students, and rural families should change their traditional ideology and encourage children to receive higher education.

higher education; rural students; heterogeneity; long-term return; Logit model; propensity score matching

XIAO Qin, E-mail: selcisxiao@kmust.edu.cn.

D422.7

A

1000-0275（2016）06-1142-09

10.13872/j.1000-0275.2016.0091

肖琴, 劉亞欣, 肖磊. 農村學生高等教育選擇的個體異質性影響及長期收入回報研究[J]. 農業現代化研究, 2016, 37(6): 1142-1150.

Xiao Q, Liu Y X, Xiao L. Study of the influence of individual heterogeneity on the choice of higher education by rural students and the long-term income return to higher education[J]. Research of Agricultural Modernization, 2016, 37(6): 1142-1150.

教育部人文社會科學青年基金項目（15XJC790014）；國家自然科學地區基金項目（71463033）；昆明理工大學管理與經濟學院熱點科研支撐計劃項目 （QY2015004）。

肖琴（1984-），女，湖北安陸人，博士，講師，主要從事宏觀經濟學研究, E-mail: selcisxiao@kmust.edu.cn。

2016-03-15，接受日期：2016-07-26

Foundation item: the Foundation for Young Scholars of Humanities and Social Sciences of Ministry of Education of China (15XJC790014); National Natural Science Foundation of China (71463033); Hot Research Support Program of School of management and Economics, Kunming University of Science and Technology (QY2015004).

Received 15 March, 2016;Accepted 26 July, 2016