職業(yè)技術教育工資回報率的變遷：基于2008—2017年的數據分析*

戴望舒，王金水

（1.國網江蘇省電力有限公司，江蘇 南京 210023；2.南京大學，江蘇 南京 210023）

一、問題的提出

當前，增強職業(yè)技術教育的適應性，大力培養(yǎng)技術技能人才成為未來一段時間我國職業(yè)技術教育發(fā)展的方向。教育部在《職業(yè)教育提質培優(yōu)行動計劃（2020—2023年）》中也明確職業(yè)教育的主要發(fā)展目標之一是提高職業(yè)教育學生就業(yè)質量，提高職業(yè)教育的吸引力和社會認可度。而無論是就業(yè)質量還是職業(yè)教育的吸引力和社會認可度都與其工資回報密切相關。

在學術研究之中，教育的工資回報率問題一直是熱點話題，但是對于職業(yè)技術教育工資回報的研究卻略顯不足。多數的研究是將職業(yè)技術教育與其他種類的教育合并來估計受教育年限對于工資的影響[1－2]。這也是當下研究教育的工資回報率的普遍做法，但忽視了職業(yè)技術教育的特殊性。少數研究聚焦到中等職業(yè)教育和普通高中教育回報的差異，或是農村地區(qū)職業(yè)技術教育的工資回報。也有研究從相對宏觀的層面來考察職業(yè)技術教育和地方經濟發(fā)展之間的關系。而職業(yè)技術教育既包含中等職業(yè)技術教育也包含高等職業(yè)技術教育，也較少有研究將二者進行系統(tǒng)地分析。因此，很難回答職業(yè)技術教育的工資回報到底有多少？以及最新的變化趨勢。

綜上，本文利用“中國綜合社會調查（CGSS）”2008和2017年兩個跨度十年具有全國代表性的數據庫，對中等職業(yè)技術教育以及高等職業(yè)技術教育的工資回報率及其變遷情況進行系統(tǒng)研究。在方法層面，為了抑制教育的選擇性帶來的內生性問題，將采用傾向值匹配（PSM）的方法來準確地估計職業(yè)教育的工資回報率。

二、文獻回顧

Becker的人力資本理論認為，教育對于提高勞動者工資具有積極的影響[3]。1974年明瑟提出了著名的“明瑟工資方程”，量化地考察了教育的工資回報情況[4]。受其影響，學者們往往將受教育年限作為對受教育程度測量的金標準。這也就導致了對于職業(yè)技術教育的忽視，雖然職業(yè)技術教育與普通教育年限相同，但由于其性質的特殊性也可能會帶來不同的工資回報，例如職業(yè)教育在課程設置、培養(yǎng)目標方面與普通教育不同，并且給學生提供的職業(yè)結構、職業(yè)機會等也不盡相同[5]。在國外的研究中，Neuman（1991）等指出參加職業(yè)教育比普通教育多出10%的工資回報[6]。并且也有研究發(fā)現職業(yè)技術教育在獲得雇傭機會以及獲得專業(yè)技術性工作上占據優(yōu)勢[7－8]。

而國內的已有文獻中對于高等職業(yè)教育的工資回報的研究相對較少，主要集中于對中等職業(yè)教育的工資回報研究方面，并且相關的研究主要有兩類：

其一，是利用地區(qū)層面的宏觀數據分析中等職業(yè)教育規(guī)模投資等對地區(qū)居民收入的影響。例如，時廣軍（2018）基于31個省份的面板數據分析發(fā)現，擴大高職規(guī)模更利于增加城市居民的工資收入和農村居民的經營收入差距[9]。田盈（2020）等人的研究也有類似結論并認為發(fā)展職業(yè)教育有利于縮小城鄉(xiāng)收入[10]。楊毅和譚界忠（2010）則從更細致的角度分解了職業(yè)技術教育對于經濟的影響[11]。

其二，是利用個體層面的微觀數據分析是否接受中等職業(yè)教育對勞動者工資收入的影響。例如，陳偉和烏尼日其其格（2016）利用2010年中國家庭追蹤調查數據發(fā)現，接受職業(yè)技術教育比接受普通高中教育有更高的工資回報[12]。周亞虹（2010）等人通過對江蘇省蘇北地區(qū)農村的調查數據指出，農村中等職業(yè)教育的平均回報率在27%左右[13]。胡詠梅和陳純槿（2013）利用中國居民營養(yǎng)與健康調查，分析了1989—2009年農村地區(qū)中等職業(yè)教育的工資回報率變化情況[14]。此外也有研究更加細致地考察了職業(yè)教育的不同培養(yǎng)模式對于畢業(yè)生工資的影響[15]。

總體而言，現有的研究都認為中等職業(yè)教育對于提高工資有正向的影響，職業(yè)教育的作用要大于普通高中的作用。但是現有的相關研究中缺乏對于高等職業(yè)教育工資回報的考察，往往將其納入高等教育回報的研究之中。并且現有的研究多是從靜態(tài)的角度進行研究，即使有研究從較長時段進行了歷時分析，但是數據相對較舊，很難反映最新的發(fā)展情況，此外相關研究更加聚焦于農村地區(qū)的職業(yè)教育，忽視了城市中的職業(yè)教育對工資的作用。

相比于以往的研究，本文創(chuàng)新點在于：（1）將高等職業(yè)教育納入分析框架，獨立考察高等職業(yè)教育的工資回報；（2）利用跨度十年的全國性數據庫，從動態(tài)的角度分析職業(yè)教育工資回報率的最新變化，并且在方法上采用傾向值匹配的辦法來抑制樣本選擇性問題，提高估計準確性；（3）綜合考察城市居民和農村居民職業(yè)教育的工資回報。

三、數據、變量與實證模型

（一）數據與變量

1.數據來源

為了深入考察職業(yè)技術教育工資回報率的變遷，使用“中國綜合社會調查”（CGSS）2008年和2017年兩個跨度十年的數據，CGSS調查采用多段分層隨機抽樣的方法進行，樣本覆蓋全國28個省、自治區(qū)和直轄市，具有全國代表性①關于數據的具體介紹可參見中國人民大學“中國綜合社會調查中心”官方網站http：／／www.chinagss.org／。。該數據目前是學界認為具有較高質量的數據之一，成為眾多定量研究者所青睞的數據。并且對于本文而言，CGSS數據具有兩個明顯的優(yōu)勢：數據跨度年限長并且測量穩(wěn)定。

2.職業(yè)技術教育變量的測量

依據CGSS數據庫中受訪者最高受教育程度的變量，分別生成是否接受過中等職業(yè)技術教育和是否接受過高等職業(yè)技術教育兩個虛擬變量。其中，中等職業(yè)教育包含職業(yè)高中、中專和技校，參照組為受過普通高中教育的群體，這也是目前學界研究的主流做法；高等職業(yè)教育指大學專科，為了保證具有可比性參照組為最高學歷是普通高中和中等職業(yè)教育的群體，也即本文比較的核心是中職或高中畢業(yè)后沒有繼續(xù)接受教育的群體和接受高等職業(yè)教育（大學專科）群體的工資差異。

3.其他變量

本文的因變量工資收入的測量，按照經濟學研究的主流做法，采用小時工資收入，利用CGSS數據庫中年工資收入和每周工作小時數兩個變量計算得出。同時，為了防止收入變量非正態(tài)分布對模型估計產生的影響，在進入模型計算時對小時工資收入取自然對數。此外，在進行回歸分析時還控制了一些會對工資收入產生影響的重要變量，以及在傾向值估計時控制了一些會對教育選擇產生影響的重要變量，本文使用的變量具體情況見表1。

表1 變量的統(tǒng)計描述

從上述簡單的統(tǒng)計描述中可以看出，無論是接受中等職業(yè)技術教育還是高等職業(yè)技術教育均會獲得相對較高的工資，并且在十年的跨度之中，職業(yè)技術教育還是具有一定的工資優(yōu)勢，但由于單變量的統(tǒng)計描述結果可能存在混淆變量的影響，所以下文還會進行更加深入的統(tǒng)計分析。

（二）實證模型

本文首先采用簡單多元線性回歸（OLS）來初步考察職業(yè)技術教育的工資回報。簡單線性回歸是因果推斷中最為常用的方法，但是其一些假定條件要求較為嚴格，例如自變量要嚴格為外生變量，如果自變量存在選擇性偏誤將會影響到模型的估計。具體到本文中，是否接受中等職業(yè)技術教育和是否接受高等職業(yè)技術教育對于個體而言不是隨機的，既有研究發(fā)現教育是存在自我選擇的，受到自身稟賦、家庭資本等諸多方面影響[16]。即便是在回歸模型中對相關變量進行控制，但也很難分離出是否接受中等職業(yè)技術教育和是否接受高等職業(yè)技術教育對工資收入影響的凈效應，并且這一做法是違背統(tǒng)計原理的，即模型存在內生性問題，會得到有偏的估計。

為了克服這一問題，本文進一步采用傾向值匹配（PSM）的方法，來解決自選擇偏誤，從而估計是否接受中等職業(yè)技術教育和是否接受高等職業(yè)技術教育對工資收入的影響。基本原理如下：

可以將樣本分為處理組（D＝1）和控制組（D＝0），是否接受中等職業(yè)技術教育和是否接受高等職業(yè)技術教育視為一種干預，其中接受上述教育的視為處理組，反之則視為控制組。那么，這一干預對個體的收入的影響，即個體的處理效應為y1－y0，而整體的平均處理效應（Average Treatment Effect on the Treated，簡稱ATT）就為：

但是，對于同一個個體，不可能觀察到他在D＝1和D＝0時的兩種情況，存在反事實的情況，也即在ATT中E（y0│D＝1）這種情況是不可觀察的，而傾向值的思路就是來尋找一個替代指標，其尋找這一指標的思路就是匹配。

假設個體i屬于處理組，匹配的思路就是，在控制組找到一個個體j，使得個體i和j的可測變量盡可能相同，即xi≈xj，從而基于可忽略假定，個體i和j進入處理組的可能性相近，具有可比性，也即除了是否接受干預外，其他的情況均相似，使得y0i＝y(tǒng)j這就尋找到了這一替代指標。但是由于xi是一個包含多個變量的多維向量，這就導致如果進行精確的一對一匹配（即在處理組中的個體一定要找到一個在控制組中的情況完全一樣的個體）往往會導致很多處理組的個體找不到與之相匹配的控制組中的個體。因此，隨著匹配維度的上升，統(tǒng)計學家提出了降維的方法，其中傾向值匹配就是常用的方法之一[17]。傾向值匹配的特點就是將多個變量進行降維為傾向值，即個體i進入處理組的條件概率。

此外，在進行傾向值匹配時有多種匹配方法，即尋找哪些控制組的個體來與處理組的個體匹配。對于多種方法目前尚無證據表明究竟該使用哪種，一般認為應同時采用多種方法，如果結果相近說明穩(wěn)健性較好，不依賴于具體的方法。研究主要采用三種匹配方法，分別為：近鄰匹配法、半徑匹配法和核匹配法。

四、研究結果

（一）職業(yè)技術教育工資回報率變遷的OLS分析

表2為職業(yè)技術教育工資回報變遷的OLS模型分析結果，其中模型1和模型2為中等職業(yè)技術教育工資回報率在2008年和2017年的分析模型；模型3和模型4為高等職業(yè)技術教育工資回報率在2008年和2017年的分析模型。上述模型的因變量均為小時工資收入的對數。

表2 職業(yè)技術教育工資回報率變遷的OLS模型：2008—2017

首先來看中等職業(yè)技術教育的工資回報情況。從模型1中可以看出，在2008年中等職業(yè)技術教育對于工資收入影響顯著為正，接受中等職業(yè)技術教育可以提高約11.96%（Exp0.113－1≈0.1196）的小時工資收入，按照中等職業(yè)技術教育3年的學制年限計算，平均到每年約為3.7%左右，這也遠低于國際上年10%的收入回報。并且，到了2017年，從模型2可以看出接受中等職業(yè)技術教育對于工資回報的影響變?yōu)樨摂登也伙@著，說明是否接受中等職業(yè)技術教育已經對工資收入沒有影響。

接下來再看高等職業(yè)技術教育的工資回報情況。從模型3中可以看出，在2008年高等職業(yè)技術教育對于工資收入影響顯著為正，接受高等職業(yè)技術教育可以提高約36.21%（Exp0.309－1≈0.3621）的小時工資收入，按照高等職業(yè)技術教育3年的學制年限計算，平均得到年工資回報率約為12%。并且，到2017年高等職業(yè)技術教育的工資回報率有所提升，從模型4中可以看出，接受高等職業(yè)技術教育依舊對工資收入產生顯著的正向影響，可以提高約39.51%（Exp0.333－1≈0.3951）的工資收入，相比于十年前提升約3.3%。

總體而言，從簡單OLS回歸結果可以看出，十年后中等職業(yè)技術教育的工資回報優(yōu)勢已經消失，而高等職業(yè)技術教育的工資回報率有所提升。但由于教育的選擇性偏誤的存在，上述結論還是不可靠的，為此下文將進一步對上述問題進行深入分析。

（二）職業(yè)教育工資回報率變遷的傾向值匹配分析

接下來是文章的重點內容，即評估是否接受中等職業(yè)技術教育和是否接受高等職業(yè)技術教育對工資收入影響的平均處理效應（ATT）。首先，在估計傾向值時，采用Logit回歸方法進行估計①由于篇幅限制估計傾向值的Logit模型沒有報告。，納入的協(xié)變量主要為會對教育選擇產生影響的變量，包括性別、年齡、戶口性質、父親受教育年限、父親黨員身份以及是否獨生子女。

傾向值匹配需要滿足一個重要的假定即重疊假定（也叫匹配假定），需要保證控制組與處理組的傾向值有共同的取值范圍，圖1顯示了四個傾向值匹配模型的共同取值范圍情況。可以看到，在四個模型當中，絕大多數的觀測值均在共同取值范圍之內（On support），所以本文的傾向值匹配較好地滿足了這一假定。

圖1 傾向值匹配的共同取值范圍

表3為傾向值匹配的平衡性檢驗，反映了中等職業(yè)技術教育模型和高等職業(yè)技術教育模型兩個年度在匹配前和匹配后的標準化偏差（bias）情況。在進行傾向值匹配后，三種匹配方法中的處理變量的標準化偏差均大幅度降低，說明數據平衡性較好，傾向值估計準確。

表3 傾向值匹配的平衡性檢驗

表4分別列出了2008年和2017年是否接受中等職業(yè)技術教育、是否接受高等職業(yè)技術教育對工資收入影響的平均處理效應（ATT）。從表中可以看出，無論是近鄰匹配、半徑匹配還是核匹配，三種匹配方法具有很好地一致性，這也在一定程度上反映了結果的穩(wěn)健性。

表4 職業(yè)技術教育對工資收入影響的平均處理效應

首先，在中等職業(yè)技術教育方面，2008年的平均處理效應在三種匹配方法之下均在0.15左右，即接受中等職業(yè)技術教育能提高16%（Exp0.15－1≈0.16）左右的小時工資，分解到每一年約為5%，這也反映出由于自選擇偏誤的存在，傳統(tǒng)的回歸分析低估了中等職業(yè)教育的工資回報率。但是在2017年，與回歸分析的結果一致，中等職業(yè)技術教育的平均處理效應在三種匹配方法下不顯著，即其工資回報的優(yōu)勢消失。

在高等職業(yè)技術教育方面，2008年的平均處理效應在0.32～0.35之間，即接受高等職業(yè)技術教育能提高37%～41%（Exp0.32－1≈0.37；Exp0.35－1≈0.41）的小時工資，分解到每一年約為10%左右，具體來看近鄰匹配和半徑匹配的結果均在0.34左右，核匹配在0.32左右。并且，到2017年高等職業(yè)技術教育的工資回報依舊十分顯著，且平均處理效應有所提高，在0.37～0.41之間，即接受高等職業(yè)技術教育能提高44%～50%（Exp0.37－1≈0.44；Exp0.41－1≈0.50），分解到每一年約為15%左右，具體來看近鄰匹配的結果約為0.41，半徑匹配的結果約為0.39，核匹配的結果約為0.37，均大于2008年的相關情況。說明十年間高等職業(yè)技術教育的工資回報的優(yōu)勢有所增強，相比于2008年，在2017年高等職業(yè)技術教育的平均處理效應提高了7%～9%左右。

總體而言，傾向值分析的結果顯示，傳統(tǒng)的簡單線性回歸低估了職業(yè)技術教育的工資回報率。但與簡單線性回歸一致的是，十年后中等職業(yè)技術教育對于提高工資收入的作用消失，而高等職業(yè)技術教育的作用進一步強化。

五、結論與政策啟示

以上基于2008年和2017年“中國綜合社會調查（CGSS）”數據，采用傾向值匹配的方法，詳細地分析了中等職業(yè)技術教育和高等職業(yè)技術教育工資回報率的變遷，主要得出以下結論：

第一，中等職業(yè)技術教育的工資回報優(yōu)勢隨著時間的推移而消失，傾向值分析結果顯示在2008年接受中等職業(yè)技術教育能夠提高16%左右的小時工資，但這一回報率也是低于國際水平的，而到了2017年則沒有顯著影響，即中等職業(yè)技術教育的工資回報的優(yōu)勢已經不存在。中等職業(yè)技術教育學校的培養(yǎng)效果可能值得進一步提高，并沒有切實提高中職學生的人力資本，使得其在勞動力市場競爭中失去優(yōu)勢。

第二，高等職業(yè)技術教育的工資回報優(yōu)勢隨著時間的推移得到強化，從2008年到2017年，高等職業(yè)技術教育的平均處理效應提高了7%～9%左右，2017年的工資回報率約為44%～50%，分解到每一年約為15%左右，已經超過國際平均水平，也充分展示了我國高等職業(yè)技術教育所取得的成效。

第三，在方法層面，本文認為無論是中等職業(yè)技術教育還是高等職業(yè)技術教育都存在較為嚴重的自選擇問題，因而導致了簡單線性回歸低估了其工資回報率。

本文的研究結論也具有重要的政策意涵，主要體現在如下三個方面：

第一，完善中等職業(yè)技術學校學生的升學機制，鼓勵學生進入高等職業(yè)技術學校繼續(xù)學習。從上述結論可以看出，在當前的勞動力市場競爭之中，中等職業(yè)技術教育的競爭力減弱，工資回報的優(yōu)勢已經消失。而高等職業(yè)技術教育卻依舊保持較高的工資回報，所以鼓勵學生繼續(xù)接受高等職業(yè)教育對其未來的工資收入提高具有重要的意義。并且，當前正值高職院校百萬擴招的政策背景，也為其升學提供穩(wěn)定的政策保障。

第二，進一步強化高等職業(yè)技術教育的教學質量，力保高等職業(yè)教育的工資回報率穩(wěn)中有升。當前，高等職業(yè)技術教育的工資回報處于較高水平，但是與普通本科教育依舊有一定的差距。并且在高等教育擴招、高職教育擴招的政策背景之下，學歷貶值問題仍舊值得警惕，為此高等職業(yè)技術教育管理部門以及學校要有危機意識，不斷強化人才培養(yǎng)質量，保證高職畢業(yè)生在勞動力市場上的工資回報穩(wěn)中有升，真正使得職業(yè)技術教育“大有作為、大有可為”。

第三，通過高等職業(yè)技術教育社會招生，職業(yè)技能培訓等途徑為中職畢業(yè)生賦能。針對已經畢業(yè)的中等職業(yè)院校學生，為了提升其就業(yè)能力，可以通過高職教育的社會招生提升學歷。或通過依托職業(yè)技能提升計劃，將中等職業(yè)技術教育畢業(yè)生作為職業(yè)技能培訓重點群體提升能力，彌補其在勞動力市場競爭之中的劣勢，以保證合理的收入分配格局。