教育收益率的性别差异分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇教育收益率的性别差异分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：很多研究均发现女性的教育收益率显著高于男性。本文利用中国城镇居民入户调查数据，也发现2004年中国城镇女性职工的教育收益率比男性高约2个百分点。进一步的分析表明，职工的教育水平与其面临的工资性别歧视程度呈反向关系，即低教育水平职工中的工资性别歧视程度更高，结果导致不同教育水平的女性之间的工资差异比男性更大，从而女性的教育收益率更高。
中图分类号：G40-054 文献标识：A文章编号：1004-2563（2008）02-0028-07
Gender Differences in Rates of Return to Education
LIU Ze-yun
(School of Economics and Business Administration at the Beijing Normal University, Beijing 100875, China)
Key words: rates of return to education, labor market, gender-based wage discrimination
Abstract: Many studies have shown that the rate of return to education is higher for female than for male. Based on Chinese urban household survey data in 2004, this paper suggests that the rate of return to education for female is 2 point higher than for male. Further analysis indicates that gender-based wage discrimination is higher for workers with lower educational level than for workers with higher educational level, so the wage gap between lower educational level workers and higher educational level workers is larger for female than that for male and the rate of return to education is higher for female than for male.
一、引言
教育收益率（Rates of Return to Education）是对个体或社会因增加其接受教育的数量而得到的未来净经济报酬的一种测量。教育收益率包括私人收益率和社会收益率，本文关注教育的私人收益率。研究教育私人收益率最常用的方法是估算明瑟收益率（Mincerian rates of return），它表示每增加一年学校教育导致的个人收入增加的百分比，本文所指的教育收益率即为明瑟收益率。
自20世纪60年代人力资本理论创立以来，大批经验研究致力于估算各个国家的明瑟收益率。有趣的是，很多研究发现女性的教育收益率高于男性。[1][2][3]对中国教育收益率的研究也大都发现女性的教育收益率高于男性，而且这一差异随着时间的推移持续存在。①例如，在张俊森等基于1988-2001年数据的研究中，1988年男性和女性的教育收益率分别为2.9%和5.2%，而2001年分别为8.4%和13.2%。[4]而在陈良和鞠高升基于1996-2000年数据的研究中，1996年男性和女性的教育收益率分别为4.7%和6.5%，2000年分别为6.7%和10.2%。[5]
为什么女性的教育收益率高于男性呢？相关研究很少深入探讨其中的原因，仅有少数几篇文献讨论了这一问题。赖德胜认为，女性劳动力受教育的机会成本低于男性，因此，只考虑受教育机会成本而不考虑直接成本的明瑟收益率比男性高。[6]陈良和鞠高升通过经验数据表明低教育水平职工的男女收入差距大于高教育水平的职工，即女性的受教育机会成本较低，从而证明了赖德胜的观点。[5]张俊森等则认为，女性的劳动参与率低于男性，而进入劳动力市场的女性能力较高，明瑟收益率估算只考虑进入劳动力市场的女性，并且忽略了能力因素对收入的影响，这会使得女性明瑟收益率的数值偏高。[4]但是，他们运用Heckman模型对这种自选择（self-selection）效应进行纠正后，发现教育收益率的性别差异仍然存在。[4]Dougherty提出从劳动力市场歧视的角度加以解释，即高学历的妇女更有能力找到性别歧视程度较低的工作，因此，如果不考虑受教育水平与性别歧视的反向关系，就会高估妇女的教育收益率。[1]
本质上，女性的教育收益率之所以较高，是因为与男性相比，在其他特征相同的条件下，不同教育程度的女性之间的工资差异更大。为什么会出现这样的情况呢？受到Dougherty研究的启发，本文试图从劳动力市场工资性别歧视的角度加以分析。而所谓工资性别歧视，是指具有相同生产率特征的男性和女性劳动者的工资不同。[7]
二、计量模型
1.教育收益率的估算
估算明瑟收益率的工资方程的基本形式为：[8]
lnW=?茁0+?茁1SCHOOLING+?茁2EXP+?茁2EXP2+u （1）
其中，lnW是工资的自然对数；SCHOOLING为个体的受教育年限；EXP是个体的工作经验，一般用个体的年龄减去受教育年限再减去开始接受教育时的年龄得到；EXP2是个人工作经验的平方； u为随机误差项。当然，还可以加入影响工资的其它一些解释变量。其中，回归系数β1的估计值即为教育的明瑟收益率。
根据现有文献，分析教育收益率的性别差异有两种方法：一是分别估计男性样本和女性样本的工资方程，[4][9]二是将所有样本放在一起回归，但加入方程（1）涉及的每一个解释变量与性别虚拟变量的交互项。[1][5]这两种方法得到的教育收益率性别差异的系数估计值是一样的，但后一种方法还可以对教育收益率的性别差异做出t检验，因此本文采用后一种方法。即：
lnW=β0+β1FEMALE+β2SCHOOLING
+β3FEMALE_SCHOOLING+β4EXP
+β5FEMALE_EXP+β6EXP2
+β7FEMALE_EXP2+u （2）
其中，FEMALE取值为1表示女性，取值为0表示男性；FEMALE_SCHOOLING、FEMALE_EXP、FEMALE_EXP2分别表示性别虚拟变量与受教育年限、工作经验、工作经验的平方的交互项。同样地，也可以加入影响工资的其它一些解释变量以及这些解释变量与性别虚拟变量的交互项。β3即为女性教育收益率与男性教育收益率的差异，而且如果β3显著为正，表明女性的教育收益率显著大于男性。
2.工资性别歧视程度的估算
为了分析工资性别歧视与劳动者受教育水平之间的关系，本文采用三种方法对性别工资差异进行分解。
第一种方法是最为常用的Oaxaca分解。[10]用lnWm和lnWf分别表示男性和女性对数工资的样本均值，用Xm和Xf分别表示男性和女性个体特征的样本均值，用■■和■f分别表示男性和女性工资方程的回归系数的估计值。则男性和女性平均对数工资的差异（G）可表示为：
lnWm=lnWf=Xm ■■-Xf ■ f=(Xm-Xf) ■■+Xf (■■-■f) （3）
在（3）式中，第一项是能够被解释的部分（E），表示不存在性别歧视时，由于男性和女性的个体特征不同（即禀赋差异，如教育水平、工作经验等方面的差异）而引起的工资差异；第二项是不能被解释的部分（U），即在相同的个体特征条件下，女性在工资待遇上面临的歧视（表现为男性和女性的工资方程的系数不同）。②
（3）式中的Oaxaca分解以男性工资方程的回归系数■■作为加权系数，如果以女性工资方程的回归系数■f作为加权系数，则男性和女性平均对数工资的差异可表示为：
lnWm-lnWf=Xm ■■-Xf ■ f=(Xm-Xf)■f+Xm(■■-■f) (4)
在运用Oaxaca分解时，选择不同的加权系数有时会导致性别工资差异的分解得出差别很大的结论。为此，有研究者提出更为一般的分解方法：
lnWm-lnWf=Xm■■-Xf ■f=(Xm-Xf)■*+[Xm(■■-■*)+Xm (■*-■f) ]（5）
其中，第一项仍然表示由于男性和女性个体特征差异引起的工资差异（E）；第二项表示男性的工资优势，第三项表示女性的工资劣势，后两项合起来（U）表示性别歧视。■*为加权系数，表示在无歧视情况下工资方程的回归系数。
在加权系■*数的选择上，Cotton提出用男性和女性工资方程回归系数的加权平均值。即■* ＝ fm■m+ff ■f，其中fm和ff分别表示男性和女性劳动力占劳动力总数的比例。[11]Neumark则提出用不分性别的全体样本数据的工资方程的系数作为加权系数。[12]
对工资性别歧视程度的度量有两种方法。一是Oaxaca提出的歧视系数（discrimination coefficient），文中用D1表示。
D1=■（6）
其中，W■/W■是观测到的男性―女性工资比，(W■/W■)■是不存在性别歧视时的男性―女性工资比，后者反映了男性和女性劳动生产率的差异。如果观测到的男性相对工资大于无性别歧视情况下的男性相对工资，那么存在性别歧视，此时D1大于0，而且D1的数值越大表明性别歧视越严重。D1可称为绝对歧视，其估计值为：[10]
ln(D ■■+1)=U （7）
另一种度量是看性别工资差异中歧视部分所占的比重，该比重越大也能说明性别歧视越严重，可称为相对歧视，文中用D2表示。
D2=■×100% （8）
三、样本和数据
本文的分析源于2005年国家统计局的城市住户调查数据，反映的是2004年的情况。从中选择了北京、浙江、黑龙江、湖北、四川、陕西6个省市的数据，调查对象为城镇市区和县城关镇区内的住户，共计5100户。研究对象限定为2004年在职的18-60岁的职工，经过整理后有效样本数为7488人，其中男性4206人，女性3282人。（见表1）
表1所示为相关变量的描述性统计。工资指2004年全年的工薪收入，即劳动收入，包括基本工资、津贴、奖金、提成和平均加班费等。受教育年限指个人接受教育的年数，由被调查者自己填写。工作经验指潜在的工作经验，计算公式为：年龄-受教育年限-6。有配偶指被调查时已结婚且配偶健在。在此次调查中，国家统计局将职工的就业行业分为21个行业，本文将这21个行业按照职工平均工资从低到高分为四大类：第一类行业包括居民服务和其他服务业、采矿业、批发和零售业、住宿和餐饮业、农林牧渔业等5个行业，行业平均工资为10000-14000元；第二类行业包括制造业、租赁和商务服务业、建筑业、水利环境和公共设施管理业、交通运输仓储和邮政业等5个行业，行业平均工资为14000-17000元；第三类行业包括卫生社会保障和社会福利业、文化体育和娱乐业、教育、房地产业、电气燃气及水的生产和供应业、公共管理和社会组织等6个行业，行业平均工资为18000-20000元；第四类行业包括金融业、军队、科学研究技术服务和地质勘查业、信息传输计算机服务和软件业、国际组织等5个行业，行业平均工资为21000-28000元。另外，在此次调查中，国家统计局将职工的职业分为9类，本文将这9类职业划归为六大类：专业技术人员；国家机关党群组织、企事业单位负责人；办事人员和管理人员；商业和服务业工作人员（包括商业工作人员和服务性工作人员）；生产工人、运输人员和有关人员；其他职业（包括农林牧渔劳动者、自由职业者和不便分类的其他劳动者）。
根据表1，2004年女性平均工资为男性平均工资的77.23%。相关研究表明，中国城镇地区女性平均工资与男性平均工资的比值分别为：1988年84.4%、1995年82.5%、[13](P556-593)1999年77.96%、[14]2001年78.66%，[15]可见中国城镇地区的性别工资差异有扩大的趋势。[16]在人力资本方面，男性和女性职工平均受教育年限均接近12年，相当于高中水平，女性职工的平均受教育年限略微高于男性，而男性的平均工作经验比女性高约3年。在行业分布上，男性在第二类行业和第四类行业的分布较多，而女性在第一类行业和第三类行业的分布较多。至于职业分布，男性担任单位负责人和工人的比例大大高于男性，而女性从事商业和服务性工作的比例较高。
四、计量分析结果
1.教育收益率的性别差异
表2所示为教育收益率及其性别差异。表中模型1和2所用的方程为（1）式，模型3和4所用的方程为（2）式，被解释变量为工资的对数。模型1和3仅包括性别、受教育年限、工作经验以及工作经验的平方等几个解释变量，模型2和4除以上变量还包括一组控制变量：婚姻状况、党员身份、行业、职业以及省份虚拟变量（文中略去这些变量的回归系数）。
如果不考虑其他控制变量，2004年中国城镇职工的教育收益率为10.9%，略高于张俊森等人对2001年教育收益率的估计（10.2%），与1998年中等收入国家10.7%的平均教育收益率非常接近。[2]如果加入婚姻状况、党员身份、行业、职业、省份等控制变量，教育收益率为6.3%，也略高于张俊森等人6.0%的估计值。如果不考虑其他控制变量，女性的教育收益率为11.6%，男性的教育收益率为9.6%，女性的教育收益比男性显著地高出2个百分点。即便考虑其它控制变量，女性的教育收益率仍然显著地高出男性约1.3个百分点（p=0.057）。
2.职工教育水平与相对工资
前文曾经提及，女性的教育收益率较高是因为与男性相比，不同教育水平的女性之间的工资差异更大。图1所示为分性别不同教育水平职工的相对工资，即每个教育水平的男性职工的平均工资与全体男性职工平均工资之比，以及每个教育水平的女性职工的平均工资与全体女性职工平均工资之比。可以看出，在低教育水平（小学及以下、初中和高中），女性的相对工资低于男性，而在较高教育水平（大专、本科和研究生），女性的相对工资高于男性。例如，小学及以下教育水平女性职工的平均工资仅为女性平均工资的57%，而该教育水平男性职工的平均工资为男性平均工资的68%；另一方面，研究生学历女性职工的平均工资是女性平均工资的2.36倍，而相同学历的男性职工的平均工资只是男性平均工资的1.93倍。这一发现与其他有关中国的研究的结论是一致的。[5][17][18]笔者认为，出现这种情况的重要原因之一是劳动力市场上存在工资性别歧视，而且工资性别歧视与职工的受教育水平有关。
3.职工教育水平与工资性别歧视
Dougherty对不同受教育年限的劳动者的工资差异进行Oaxaca分解，发现受教育年限与歧视系数存在反向关系，即受教育年限越高，工资性别歧视程度越低。受到样本数量的限制，本文无法做到如此细致的分解，只能对不同教育水平（分为初中及以下、高中阶段、大专、大学本科及以上4类）的劳动者的性别工资差异进行分解。如果在分解性别工资差异时仅仅以劳动者个体特征（如受教育年限、工作经验、婚姻状况等）为解释变量，那么结果反映的是具有相同个体特征的男性和女性的工资差异，也就是全部的歧视，这种方法被称为“个体特征模型”（personal characteristic wage regression）。[7]而如果分解工资差异时把劳动者的职业和行业特征包括进来，就把男性和女性在行业和职业获得方面的差异排出在外，而只反映相同行业和相同职业内的性别歧视，这种方法被称为“全体特征模型”（full-scale wage regression）。[7]
考察不同教育水平的职工面临的性别工资歧视程度，需要估计不同教育水平的男性和女性的工资方程，估计方程为（1）式。表3给出利用个体特征（personal characteristic）和全体特征（full-scale）两个模型得到的Oaxaca分解、Cotton分解和Neumark分解结果（分解方法见“计量模型”部分），其中D1通过（7）式计算得出，D2通过（8）式计算得出。“个体特征”模型的解释变量包括工作经验、工作经验的平方、党员身份、婚姻状况和省份虚拟变量，“全体特征”模型除此之外还包括行业和职业两组虚拟变量。
从表3可以看出，随着教育水平的提高，男性和女性平均工资的差异逐渐缩小。具体来说，女性工资与男性工资的比值分别为：初中及以下：68%，高中阶段，76%；大专：80%，大学本科及以上：83%。③而且，教育水平越高，歧视系数D1越小，即工资性别歧视的绝对水平越低，特别是接受过高等教育的劳动者面临的绝对歧视大大低于未接受过高等教育的劳动者。至于歧视部分占工资总差异的比重 D2，具有高中学历的劳动者大于初中及以下文化程度的劳动者，但总体来看依然存在教育水平越高，歧视部分所占比重越低的趋势，特别是接受过高等教育的女性面临的相对歧视大大低于未接受过高等教育的女性。而且歧视程度随劳动者教育水平提高而下降的现象在引入行业和职业变量后保持不变，也就是说，在同一行业、同一职业内，低学历的女性面临较大的歧视。此外，即便是对于大学本科及以上的劳动者，行业内和职业内的性别歧视占工资总差异的比重仍然超过了50%，因而是导致性别工资差异的最主要原因。上述结论不因分解方法的不同而改变，说明这些结论是稳健的。
同样是采用Oaxaca分解方法，同样是以男性工资方程的回归系数作为权重，1988年和1995年性别歧视占性别工资差异的比例为52.49%和58.93%，[9]而本文的分析表明2004年的这一比例为83.43%。④这说明随着时间的推移，中国劳动力力市场的工资性别歧视变得更为严重了。⑤
五、结论
利用中国城镇居民入户调查数据，本文发现，2004年中国城镇职工的教育收益率为10.9%，而女性职工的教育收益率比男性高出约2个百分点。为了解释教育收益率的性别差异，本文从工资性别歧视的角度进行了计量分析。结果发现，职工的教育水平与其面临的工资性别歧视程度呈反向关系，因此低教育水平的女性面临更大的工资性别歧视，结果导致不同教育水平的女性之间的工资差异比男性更大，从而女性的教育收益率更高。
性别平等是社会公平的重要方面之一，也是现阶段建设社会主义和谐社会的重要内容，而经济地位的平等则是性别平等的基石。女性的教育收益率高于男性，意味着教育作为提高个人收入的一种途径对于女性更为重要。另一方面，接受更多更好的教育是帮助女性获得更好就业机会的关键力量，也是实现男女平等、迈向社会公平的重要途径。然而，相关研究表明，建国以来中国受教育状况的性别差异在逐步缩小，但男性的受教育状况仍然显著高于女性。[19]联合国教科文组织也认为中国在2000年已经实现了初等教育的性别平等，但到了2015年也很难实现中等教育的性别平等。[20]可见，大力提高女性入学率，特别是女性在中等教育和高等教育阶段的入学率，仍然是中国面临的长期任务。
[参考文献]
[1]Dougherty, C. Why are the Teturns to Schooling Higher for Women than for Men? [J]. The Journal of Human Resources, 2005,40(4).
[2]Psacharopoulos, G. & Patrinos, H.A. Returns to Investment in Education: A Further Update [J]. Education Economics, 2004, 12(2).
[3]Trostel, P., Walker, I. and Woolley, P. Estimates of the Economic Return to Schooling for 28 Countries [J]. Labour Economics, 2002, 9(1).
[4]Zhang, J., Zhao, Y., Park, A. & Song, X. Economic Returns to Schooling in Urban China, 1988-2001 [J]. Journal of Comparative Economics, 2005, 33 (4).
[5]陈良,鞠高升. 教育收益率性别差异的实证分析[J].北京大学教育评论, 2004, (3).
[6]赖德胜.教育、劳动力市场与收入分配[J].经济研究, 1998, (5) .
[7]伊兰伯格,史密斯.现代劳动经济学――理论与公共政策[M].北京:中国人民大学出版社, 1999.
[8]Mincer , J. Schooling, Experience, and Earning[M]. New York: Columbia University Press, 1974.
[9]杜育红,孙志军. 中国欠发达地区的教育、收入与劳动力市场经历[J].管理世界, 2003, (9).
[10]Oaxaca, R. Male-female Wage Differentials in Urban Labor Markets [J]. International Economic Review, 1973,14(3).
[11]Cotton, J. On the Decomposition of Wwage Differentials [J]. The Review of Economics and Statistics, 1988,70(2).
[12]Newmark, D. Employer’ Discriminatory Behavior and the Estimation of Wage Discrimination [J]. The Journal of Human Resources, 1988, 23(3).
[13]李实,古斯塔夫森.中国城镇职工收入的性别差异[A].赵人伟,李实,李思勤主编.中国居民收入分配再研究[C].北京:中国财政经济出版社, 1999.
[14]李实,马欣欣.中国城镇职工的性别工资差异与职业分割的经验分析[J].中国人口科学, 2006, (5).
[15]王美艳.中国城市劳动力市场上的性别工资差异[J].经济研究, 2005, (12).
[16]张丹丹.市场化与性别工资差异研究[J].中国人口科学, 2004, (1).
[17]Gustafsson, B. & Li, S. Economic Transformation and the Gender Earnings Gap in Urban China[J]. Journal of Population Economics, 2000,13(2).
[18]Hughes, J. & Maurer-Fazio, M. Effects of Marriage, Education and Occupation on the Female/male Wage Gap in China [J]. Pacific Economic Review, 2002, 7(1).
[19]郑真真,连鹏灵.中国人口受教育状况的性别差异[J].妇女研究论丛, 2004, (5).
[20]联合国教科文组织.性别与全民教育：跃向平等――2003-2004年全球教育监测报告[R].北京:人民教育出版社, 2004.
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”