過度教育對個人收入影響的性別差異研究

馮碧云

(南京財經大學公共管理學院，江蘇 南京 210023)

一、引言

隨著高等教育的逐漸普及，勞動力的供給方出現重大的變化，即勞動力的受教育水平逐漸提高。 然而勞動力的需求方并不能立即對這樣的變化完全反應，于是出現了勞動力的受教育水平與工作所要求的受教育水平無法匹配的狀況。過度教育問題首先在發達國家成為熱議話題，Freeman 在其1976年的著作

The Overeducated American

(《過度教育的美國人》)中，就提及了 “過度教育” 的概念。 所謂過度教育就是勞動者的受教育水平高于工作所要求的受教育水平。 并且在如今的時代背景下，過度教育有逐年加劇的趨勢，因此，過度教育問題已受到國內外學者的廣泛關注。

《2020年中國本科生就業報告》顯示，2015～2019 屆應屆畢業生直接工作(受雇工作、自主創業)比例，2015 屆畢業生為77.3%，2019 屆畢業生為73.5%，并且該比例在這五年間是連續下降的，故供需不匹配問題也出現在了中國勞動力市場上。 在現行教育投入體制下，政府對于教育的投入是巨大的。 但是不少行業招聘高學歷人才卻不重視員工培養和使用，導致服務工作能力和管理信息質量并沒有得到提升，故“高能低就” 造成了教育資源的浪費。 因此政府必須采取措施合理配置教育資源，解決過度教育問題，這關乎我國的教育事業和就業市場的發展。

二、文獻綜述

關于過度教育的測度主要有三類方法:外部估計法、實際匹配法和主觀評測法。 外部估計法也稱為工作分析法。職業評估專家或者是工作分析專家根據不同崗位需要的教育水平設定了教育標準，學者便根據教育標準來評判被調查者是否過度教育。 實際匹配法又分為眾數法與標準差法，眾數法將每一職業調查者的受教育年限的眾數當作工作所需受教育年限，標準差法將每一職業被調查者平均受教育年限加減一個標準差的范圍認為是工作所需受教育年限。當被調查者實際受教育年限大于工作所需受教育年限時，為過度教育。 主觀評測法是由被調查者自己來評判是否過度教育，可以直接選擇是否過度教育，也可以按照被調查者填寫的自己認為從事這份職業所需要的教育年限與其自身實際接受的教育年限做比較，從而判斷是否過度教育。

關于過度教育對于收入的影響，國內外主要采取兩種模型:一種是Duncan 和Hoffman 提出的DH 模型；另一種是由R.R.Verdugo 和N.T.Verdugo 提出的VV 模型。 并且在國內外關于過度教育的研究中，學者們大多都證實了過度教育是具有懲罰效應的。 Sicherman發現在相同崗位上，過度教育者會比適度教育者的工資高，但是與自己相同學歷的勞動者相比，其工資是更低的，故過度教育是具有懲罰效應的。顏敏和王維國基于DH 和VV 模型，對 “中國家庭追蹤調查”(CFPS)面板數據進行研究，發現勞動者過度教育1年會承受1.4% 的工資懲罰，教育不足1年會獲得2.4% 的工資紅利。

三、數據說明與模型介紹

(一)數據說明

本文的數據來自2014年中國家庭追蹤調查(CFPS)，該調查涵蓋了25 個省、自治區、直轄市，且包含了受教育年限、經驗、職業等變量，為過度教育對個人收入的影響研究提供了可靠數據。 為保證結論的可靠性，本文對被調查者的年齡進行限制，只保留了18～55 周歲的人群，并刪除缺失收入、職業、受教育年限等變量的樣本。 最終得到6683 個樣本。

本文的核心解釋變量是過度教育年限，選取的測度方法是眾數法。 CFPS2014 數據庫中采用的職業編碼是5 位數字層次碼編碼，本文根據編碼對職業進行劃分。 若分得太細，會導致每一職業的樣本數太少，若分得太粗，會導致結果的不精確，所以借鑒彭樹宏的做法，將5 位職業編碼中前3位相同的認為是一類職業，再將每一類職業員工實際受教育年限的眾數作為工作所需受教育年限。 表1 是主要變量的描述性統計。

表1 主要變量及其描述性統計

變量名稱 變量說明 樣本量平均值標準差最小值最大值收入的對數 6683 10.05 0.86 4.79 13.00工作所需受教育年限 基于眾數法 6683 10.74 2.75 9 16受教育年限 6683 10.51 3.76 0 19過度教育年限 基于眾數法 6683 0.98 1.81 0 10教育不足年限 基于眾數法 6683 1.21 2.30 0 16性別 男性＝1，女性＝0 6683 0.56 0.50 0 1工作經驗 6683 17.05 10.34 0 50工作經驗的平方 6683 397.73 380.62 0 2500婚姻狀況 在婚＝1，其他＝0 6683 0.78 0.41 0 1戶口 城市戶口＝1，農村戶口＝0 6683 0.42 0.49 0 1詞組測試題分數 6683 23.31 8.54 0 34數學測試題分數 6683 10.91 5.89 0 24東部 基礎組是西部 6683 0.50 0.50 0 1中部 基礎組是西部 6683 0.31 0.46 0 1西部 6683 0.19 0.39 0 1第一產業 6683 0.01 0.11 0 1第二產業 基礎組是第一產業6683 0.49 0.50 0 1第三產業 基礎組是第一產業6683 0.50 0.50 0 1

(二)模型介紹

Duncan 和Hoffman將明瑟方程實際受教育年限進行分解，如式(1)，進而得到DH 模型，如式(2)。

式(1)中，

S

指個人實際受教育年限；

S

指工作所需受教育年限；

S

指超出工作所需的那部分教育年限，即過度教育年限；

S

指低于工作所需的那部分教育年限，即教育不足年限。 式(2)(DH 模型)揭示了在工作所需受教育年限相同的情況下，每過度教育一年得到的收益率與每教育不足一年得到的收益率，其中，ln

Y

是個人年收入的對數；

S

是工作所需受教育年限；

S

是過度教育年限；

S

是教育不足年限；

X

是一些影響個人收入的其他解釋變量來作為該式的控制變量，包括工作經驗、性別、地區等；

β

表示在工作所需受教育年限相同的情況下，每過度教育一年得到的收益率；

β

表示在工作所需受教育年限相同的情況下，每教育不足一年得到的收益率；

γ

表示各控制變量對個人收入的影響；

ε

是殘差。Verdugo 和Verdugo在明瑟方程和DH 模型的基礎上，提出了新的衡量教育不匹配對收入的影響效應的模型(下文簡稱VV 模型)，但教育錯配是以虛擬變量的形式出現。 本文借鑒Hartog的做法，將教育錯配的虛擬變量變為具體的教育錯配年限，如式(3)所示。 VV 模型與DH 模型的不同是將工作所需受教育年限(

S

)變為實際受教育年限(

S

)，在控制了實際受教育年限的情況下，來看教育不匹配對個人收入的影響。

四、實證結果和分析

本文運用最小二乘法對式(2)和式(3)進行估計，進而得到過度教育對個人收入的影響，估計結果如表2 所示。 由DH 模型估計結果可知，在工作所需受教育年限相同的情況下，過度教育年限變量的系數小于工作所需受教育年限變量的系數(

β

＜

β

)，故過度教育對個人收入具有懲罰效應，勞動者每過度教育一年會面臨4.2%(0.079－0.037)的收入損失。其中，對男性勞動者來說， 每過度教育一年會面臨3.2%(0.058－0.026)的收入損失；對女性勞動者來說，每過度教育一年會面臨4.4%(0.100－0.056)的收入損失。 由VV 模型估計結果可知，在實際受教育年限相同的情況下，過度教育年限變量的系數為負數(

β

＜0)，勞動者每過度教育一年會面臨4.2% 的收入損失。 其中，男性勞動者每過度教育一年會產生3.2% 的收入損失，女性勞動者每過度教育一年會產生4.4%的收入損失，其結果與DH 模型估計結果一致。 DH 模型和VV 模型都表明過度教育對個人收入具有懲罰效應，并且由于性別歧視的存在，過度教育的懲罰效應在不同性別間存在差異，即女性過度教育者受到的懲罰效應要高于男性過度教育者。

表2 不同性別條件下過度教育對個人收入的影響估計

注:、、表示在10%、5%、1% 的水平上通過了顯著性檢驗，括號內為標準誤。 個人特征包括:性別、工作經驗、工作經驗的平方、婚姻狀況和戶口；工作特征包括:地區(東部、中部、西部)和產業類型(第一產業、第二產業、第三產業)；認知能力包括:詞組測試題分數和數學測試題分數。

DH 模型 VV 模型全樣本 男性 女性 全樣本 男性 女性工作所需受教育年限(基于眾數法)0.079***(0.005)0.058***(0.006)0.100***(0.008)受教育年限 0.079***(0.005)0.058***(0.006)0.100***(0.008)過度教育年限(基于眾數法)0.037***(0.006)0.026***(0.007)0.056***(0.011)－0.042***(0.006)－0.032***(0.007)－0.044***(0.011)教育不足年限(基于眾數法)－0.037***(0.005)－0.031***(0.007)－0.040***(0.008)0.042***(0.006)0.027***(0.007)0.060***(0.009)個人特征 控制 控制 控制 控制 控制 控制工作特征 控制 控制 控制 控制 控制 控制認知能力 控制 控制 控制 控制 控制 控制常數項 8.314***(0.111)8.915***(0.138)8.241***(0.178)8.314***(0.111)8.915***(0.138)8.241***(0.178)觀測值 6683 3762 2921 6683 3762 2921擬合優度 0.188 0.117 0.156 0.188 0.117 0.156調整后的擬合優度 0.19 0.11 0.15 0.19 0.11 0.15

五、結論

本文基于2014年中國家庭追蹤調查(CFPS)數據，運用DH 模型和VV 模型估計我國過度教育對個人收入的影響以及該影響的性別差異，結果表明:過度教育對個人收入具有懲罰效應。 其中，男性勞動者每過度教育一年會產生3.2%的收入損失，女性勞動者每過度教育一年會產生4.4% 的收入損失，可知由于性別歧視的存在，女性勞動者較男性勞動者而言過度教育懲罰效應更顯著。

所以，盡管教育是促進經濟發展和社會進步的重要因素，但是教育并不能保證每一位接受教育的勞動者都能獲得與自身教育水平相匹配的工作。 當勞動力市場涌現大批高等學歷求職者時，會出現 “高能低就” ，進而導致知識資源無法得到充分利用，這屬于資源的一種浪費，過度教育問題也就產生了。 過度教育問題無疑是不利于社會發展的，因此勞動者不可一味追求高學歷，應當進行自身教育投資和教育回報的最優選擇。