精英大學的工資溢價影響

丘錦波

[摘 要]文章利用中國收入分配研究院的CHIP數據的2013年城市人口部分的數據，估計了畢業于精英大學的工資溢價的影響。筆者發現，在控制了個人、家庭、高考分數，以及所處省份、工作單位類型和行業等情況后，畢業于 “211工程”院校的樣本比畢業于普通院校的樣本的2013年工資要高出大約14.95%。在使用傾向匹配分析法部分消除可觀測內生性后，畢業于“211工程”院校的工資溢價大約為8.38%。

[關鍵詞]“211工程”;“985工程”;工資溢價;傾向匹配分析;教育回報率

[DOI]10.13939/j.cnki.zgsc.2020.05.007

1 引言

截至2018年3月30日，教育部公布的全國高等學校共2879所，其中，有1243所本科高校。學校數量很多，但質量參差不齊。為了改善大學教育的質量，中國政府在20世紀90年代，前后分別啟動了“211工程”和“985工程”。

在本文中，筆者認為屬于“211工程”的院校即精英大學（在后文的穩健性檢驗中，再分別考慮“985工程”院校和屬于“211工程”但非“985工程”的院校）。因為這些學校不僅歷史悠久，能夠提供高質量教育教學，還可以得到政府更多的財政支持。

本文研究的主要動機在于部分工作單位或職位在招聘啟事上會明確要求“211工程”“985工程”的本科背景。而為了能讓孩子找到好工作，很多家長從小學開始就有了“擇校熱”。從經濟學的角度講，對精英大學的高需求必然是源于它能帶來的高回報。

因此，一個很自然的問題是，如果控制學生的個人特征以及家庭背景，畢業于精英大學的學生最終在勞動力市場的工資回報率是否真的會高于普通高校的學生？

在本文中，筆者利用中國收入分配研究院2013年CHIP數據庫中的城市人口部分的數據，利用最小二乘法（OLS），將畢業于“211工程”的學生設為虛擬變量，來研究精英院校對學生未來工資的影響。再使用傾向評分匹配（PSM）的方法，部分消除可觀測到的內生性問題，來觀察真正來自于精英大學對工資的影響有多少。但還有一些不可觀測的變量暫時無法觀察到，因此一些不可觀測變量的內生性問題也無從解決改善，這部分問題還有待研究探討。

文章余下部分分別為文獻綜述、數據、模型及方法、結果分析、穩健性檢驗以及結論。

2 文獻綜述

本文的研究是對教育回報率估計的一個具體的例子。教育回報率的問題是勞動經濟學研究中的一個經典問題。

相當多的國外文獻均發現精英教育存在顯著的工資溢價。Behrman等（1996）利用雙胞胎數據庫，使用雙胞胎的數據，控制了絕大部分的選擇偏差及內生性問題，對大學的精英教育對于工資回報的影響進行了研究，發現畢業于精英大學是有十分顯著的工資溢價的。Monks（2000）和Brewer等（1999）使用了學生的高中分數以及標準化考試分數，還有父母的教育和收入作為回歸的控制變量，控制選擇效應后也發現了精英大學存在顯著的正向的影響。但Dale和Krueger（2002，2011）發現，在選擇問題得到糾正后，大學選擇性的估計回報率降至零。

中國也有學者研究了有關精英教育對工資的影響。例如，吳斌珍（2016）利用大學畢業生就業調查數據，在控制個人和家庭相關變量后發現，畢業于省重點高中的大學畢業生比其他大學畢業生起薪水平高出約17%。早期的研究Li等（1998）發現，在20世紀80年代和90年代，教育回報率很低;但Zhang等（2005）發現中國城市的教育水平在2002年開始急劇上升，教育回報也開始隨之上升。Li等（2012）發現在控制學生個人和家庭因素后，精英大學（主要指“211工程”院校）能夠提高大學生起薪約11%，同時發現，女性就讀于精英大學的工資溢價效應要高于男性。

3 數據

本文使用的數據主要是2013年中國收入分配研究院的CHIP（Chinese Household Income Project）數據中的城市人口數據部分。

本次研究中使用的2013年CHIP數據是來自2014年7月至8月，中國居民收入項目進行的第五輪全國范圍調查，主要收集了2013年全年的收入和支出的相關信息。數據內容主要包括住戶個人層面的基本信息、就業信息，以及家庭層面的基本信息、主要收支信息和一些專題性問題。本文選擇了年齡在25～55歲的樣本做分析。

4 模型及方法

本文使用的方法主要是最小二乘法OLS（Ordinary Least Square）以及傾向評分匹配PSM（Propensity Score Matching）方法。

OLS模型如下：

本文用年齡代替明瑟收入分析法中的經驗項，并加入年齡的平方項代替其中的經驗的平方項。分數特征包括樣本的高考分數以及是否是畢業于省重點高中。在中國，大多數情況下是高考分數越高，步入精英大學的可能性越高。并且，高考分數從某種程度上，代表了一個人的學習能力、認真程度等情況，因此在這里控制了這一變量。而是否畢業于省重點高中，同樣也代表了一個人的學習能力還有一些綜合素質，也部分代表家庭情況，因為有些重點高中是可以通過繳納高額的擇校費進入的，因此在這里也加入了是否畢業于省重點高中這一變量。家庭特征包括兄弟姐妹數量以及戶口狀況，戶口狀況主要考慮的是是否是農村戶口。一般認為兄弟姐妹數量和是否為農村戶口也可以從某種程度上影響一個人的工資情況，因此加入了這部分代表家庭特征的變量。不同的省份的發展程度、消費水平也不盡相同，因此需要控制一下有關省份的變量。并且不同的單位類型、行業之間，比如國有企業和私企之間、制造業和金融業之間工資差距也是很大的，因此也需要對單位類型和工作所處行業進行控制。εi為殘差項。

本文使用的另一種方法是傾向評分匹配法（PSM）。傾向評分匹配是一種用于處理觀察研究的數據的統計學方法。文章研究接受精英院校的教育對其收入的影響，如果只是簡單地將是否畢業于精英院校作為虛擬變量，而對總體進行回歸的話，參數估計可能是會產生偏誤的，因為在這種情況下，只能觀察到畢業于精英院校的人在從精英院校畢業后的工資情況，拿這種表現去和沒有接受過精英教育的一部分人做比較，顯然是不太嚴謹的，因為比較的基礎不同。因此，選擇在最小二乘回歸后加入PSM分析。

5 得出的結果

表1是畢業于211院校樣本的2013年的工資溢價的回歸結果。由表1可知，在加入個人特征、分數特征等控制變量后，畢業于“211工程”院校的樣本相較于畢業于普通院校的樣本的工資高出約14.95%，并且在1%的顯著水平下顯著。即畢業于精英大學的樣本存在工資溢價效應。

下一步，進行傾向評分匹配，主要使用Stata實現這一過程。在依據高考成績等變量進行傾向匹配后，畢業于“211工程”院校的樣本的工資溢價的影響下降為8.3761%，并且結果在1%的顯著水平下顯著。雖然比例有所下降，但是畢業于211院校的樣本還是存在一定的工資溢價效應。

6 穩健性檢驗

在前面的研究分析中，將精英大學定義為所有屬于“211工程”（包括“985工程”）的院校。在下面的分析中，將分別考慮“211工程”和“985工程”院校不同的工資溢價的影響。

表2為穩健性檢驗的結果以及與之前的普通回歸的對比結果。第（1）列為前面回歸中的結果。第（2）列為穩健性檢驗的結果。第（2）列分別考慮“211工程”非“985工程”院校和“985工程”院校的工資溢價效應。從表2可以看出，在控制了可觀測變量后，畢業于“985工程”院校的樣本比畢業于普通院校的樣本多賺大約18.57%，畢業于“211工程”院校的樣本與畢業于普通院校的樣本相比多賺大約13.16%，即畢業于“985工程”院校的樣本比畢業于211院校的樣本賺得還要多。

因為，國家對于“985工程”院校的投入要更多，“985工程”院校的資源要比普通院校以及“211工程”非“985工程”院校的更好，“985工程”院校對于高考分數要求更高，“985工程”院校對于學生的培養也比其他的院校更加好，因此，“985工程”院校畢業的樣本要比其他院校畢業的樣本賺得多。

7 結論

通過使用CHIP數據的2013年城市人口部分的數據，我們發現，在控制了大部分可以直接觀測到的變量后，畢業于“211工程”院校的樣本在2013年的工資相比畢業于普通院校的樣本要高出14.95%。也就是說，就讀于精英教育在某種程度上是會存在工資溢價的效應的。而如果分別考慮“211工程”和“985工程”，則會發現，畢業于“985工程”院校的人與畢業于普通院校相比工資要高出大約18.57%，而畢業于“211工程”非“985工程”院校的人的工資與普通院校畢業的人相比要高出大約13.16%。畢業于“985工程”院校的人要顯著高于其他學校，可能是由于國家對于“985工程”的教育投入，以及就讀“985工程”院校之前的選擇效應。為了部分控制內生性問題，筆者又做了傾向匹配分析，最后發現，畢業于“211工程”院校的工資溢價大約為8.38%。也就是說，在控制了可觀測到的內生性問題后，畢業于精英院校還是會存在工資溢價效應的。

參考文獻：

[1]吳斌珍，趙心妤，鐘笑寒.重點高中帶來的工資溢價：來自大學生就業調查的證據[J].世界經濟，2016（2）.

[2]BEHRMAN J R，ROSENZWEIG M R，TAUBMAN P.College choice and wages： Estimates using data on female twins[J].The Review of Economics and Statistics，1996，78（4）：672-685.

[3]DOMINIC J BREWER，ERIC R EIDE，RONALD G EHRENBERG.Does it pay to attend an elite private college？ Cross-cohort evidence on the effects of college type onearnings[J].Journal of Human Resources，1999，34（1）： 104-123.

[4]CHETTY R，FRIEDMAN J N，ROCKOFF J E.Measuring the impacts of teachers II： Teacher value-added and student outcomes in adulthood[J].The American Economic Review，2014，104（9）：2633-2679.

[5]DALE S B，KRUEGER A B.Estimating the payoff to attending a more selective college： An application of selection on observables and unobservables[J].Quarterly Journal of Economics，2002，117（4）： 1491-1527.

[6]DALE S B，KRUEGER A B.Estimating the return to college selectivity over the career using administrative earning data[R].Working Paper， Mathematica Policy Research and Princeton University， 2011.

[7]DEARDEN L M，FERRI J，MEGHIR C.The effect of school quality on educational attainment and wages[J]. Review of Economics and Statistics，2002，84（1）： 1-20.

[8]LI H， MENG L，Wu B，et al.Does attending elite colleges pay in China[J] Journal of Comparative Economics，2012，40（1）：78-88.

[9]LI TIANYOU，ZHANG JUNSEN.Return to education under collective and household farming in China[J].Journal of Development Economics，1998（56）：307-335.

[10]MONKS J.The returns to individual and college characteristics： Evidence from the national longitudinal survey of youth[J].Economics of Education Review，2000，19（3）：279-289.

[11]ZHANG J S，ZHAO Y H，ALBERT PARK，et al.Economic returns to schooling in urban China，1988 to 2001[J].Journal of Comparative Economics，2005， 33（4）：730-752.