顏 敏，王維國

（1. 東北財經(jīng)大學 數(shù)學學院，遼寧 大連 116025；2. 東北財經(jīng)大學 經(jīng)濟學院，遼寧 大連 116025）

一、引 言

上世紀中期，伴隨經(jīng)濟增長向技術(shù)和創(chuàng)新驅(qū)動方式轉(zhuǎn)變，勞動力需求結(jié)構(gòu)的調(diào)整引致許多發(fā)達國家高等教育擴張，隨后這些國家勞動力市場出現(xiàn)了高等教育溢價降低的現(xiàn)象，F(xiàn)reeman（1976）將這一現(xiàn)象定義為過度教育（Over-Education）：即大學生擁有的教育水平超過了其工作所需。過度教育本質(zhì)上與失業(yè)類似，意味著人力資本的浪費與教育資源配置低效。中國自1999年開始高校擴招，高等教育規(guī)模迅速擴張，到2014年，包括網(wǎng)絡、成人本?？普猩鷶?shù)以及研究生招生數(shù)在內(nèi)，我國高等學校在校生總計高達3 891.8769萬人，高等教育的毛入學率高達39.39%，①相關(guān)數(shù)據(jù)來自《中國統(tǒng)計年鑒》以及《聯(lián)合國教科文數(shù)據(jù)庫》。中國已經(jīng)進入世界公認的高等教育大眾化時期。但據(jù)國際勞動組織《就業(yè)報》以及麥可思《大學生就業(yè)報告》顯示：伴隨高等教育擴張，我國大學畢業(yè)生起薪持續(xù)走低，McGuinness（2006）、Leuven和Oosterbeek（2011）等基于實證分析框架證實了過度教育會對工資產(chǎn)生懲罰效應。即“過度教育會降低勞動者的工作積極性和工作效率，阻礙人力資本的有效利用，進而使教育回報降低”。

總體上看，目前針對過度教育工資懲罰效應的研究，總體上得到了相對統(tǒng)一的結(jié)論：恰好匹配工人掙得比相同教育水平但過度教育工人要多，但過度教育工人掙得比相同工作又恰好匹配的工人多。對于教育不足則呈現(xiàn)相反的結(jié)論：恰好匹配工人掙得比相同教育水平但教育不足工人要少，但教育不足工人掙得比相同工作且教育職位匹配工人要少。換言之，教育不匹配都有成本，因為其暗含著資源的低效率配置。

現(xiàn)有關(guān)于教育錯配工資效應的研究大多是基于截面數(shù)據(jù)的分析，因而將面臨以下兩個重要的計量問題：

首先，不可觀測能力因素是評估過度教育工資懲罰效應不可回避的關(guān)鍵問題。Chevalier（2003）研究表明：如果教育錯配與不可觀測能力之間相關(guān)，則最小二乘法估計結(jié)果將產(chǎn)生偏誤。事實上，假設工資和教育由下列方程決定： w=βS+αA+εε ，S =γA+ξ， w 是工資的對數(shù)，S是個體獲得學校教育年限，A代表能力，ε 與 A、S 都不相關(guān)，ξ與 ε不 相關(guān)，ξ與 w相關(guān)僅因其共同依賴能力因子 A ，但由于 A 無法觀測，故 基于OLS估 計 w= βS+ε 將產(chǎn)生 β有 偏估計 量，因為plim(βols)=β+α(σAS/σS2) ，如果 γ>0，σAS>0， α >0 ，則 βols> β。正如 Chavelier（2003）、Chevalier和Lindley（2011）的研究所指出的，不可觀測能力異質(zhì)性將大大縮小過度教育的工資懲罰效應。

在教育錯配研究中不可忽視的另一個關(guān)鍵問題是教育錯配的測量誤差。事實上，本文在分別基于平均值法和眾數(shù)法測算教育錯配指標時，發(fā)現(xiàn)二者高度相關(guān)但卻不完全相關(guān)，這暗含著

正是基于上述考慮，本文采用微觀面板數(shù)據(jù)固定效應模型，試圖控制遺漏能力變量偏差，并進一步實施工具變量法以控制可能存在的測量誤差。以期回答如下問題：中國教育錯配對工資懲罰效應如何？人力資本補償假設以及職業(yè)流動性假設在中國是否成立？二者之間是否存在相協(xié)調(diào)的年齡閾值？如何協(xié)調(diào)教育錯配中的工作競爭理論和人力資本理論？進而為國家優(yōu)化社會資源配置，提高生產(chǎn)率提供全新的政策視角。

二、模型方法、研究數(shù)據(jù)及變量確認

（一）模型方法。 Duncan和Hoffman（1981）將接受的教育水平分解為工作所需教育年限、過度教育年限和教育不足年限，用式子表示如下：其中，當 Sait>Srit時，Soit=Sait–Srit，其他情況下 Soit=0；當 Sait

Verdugo 和 Verdugo（1989）將接受的教育年限（Sa）（而非工作所需教育年限 Sr） 過度教育變量和教育不足變量納入工資方程，但教育錯配變量以虛擬變量形式出現(xiàn)，為更好地識別教育錯配對工資的懲罰效應，本文借鑒Hartog（2000）的做法，將教育錯配虛擬變量轉(zhuǎn)換為教育錯配年限變量。因而，本文同時考慮如下模型（下文簡稱VV模型）：

與DH模型意義不同，在VV模型中，βa代表的是接受教育水平的回報率，βo測度過度教育年限的工資懲罰（βo<0），即與具有相同教育水平但教育職位恰好匹配的工人相比，過度教育年限每增加一年所要承受的工資下降百分比。反之，βu>0測度的是與具有相同教育水平但恰好匹配的工人相比，教育不足年限獲得的工資嘉賞。

進一步，為控制遺漏能力變量偏誤，分別基于DH模型和VV模型考慮如下面板模型：

由于不可觀測能力αi包含在復合殘差項中，且其與解釋變量xit相關(guān)，OLS估計將得到有偏且非一致估計量，xit與αi之間的相關(guān)程度越高產(chǎn)生的偏誤越大。事實上，

做一階差分或者固定效應組內(nèi)估計可以消除這種偏差?；谑剑?）和式（4）的個體平均模型為：

進而（3）式減（6）式，（4）式減（7）式，恒定變量 μ和能力變量 αi消失，得到：限制，個體真實的過度教育年限

正如前文所言，教育錯配的測度誤差會引起工資懲罰效應的估計偏誤。現(xiàn)實中由于數(shù)據(jù)的很難觀測到，測量誤差在所難免。對于規(guī)模未知、方向未知的測量誤差偏誤通常用工具變量法來校正（Green，1997）。若設So是過度教育的一種度量，So=So?+e1（e1是測量誤差），設 lny= β0+β1S?+β2X+ε，lny是對數(shù)工資，X是其他可觀測控制變量，將換成得：，由于與相關(guān)而導致過度教育工資效應估計有偏和不一致。假設測量誤差與觀測不到的變量無關(guān)，ε與與X不相關(guān)，在CEV假定下，與、X不相關(guān)，即X是外生的，但與相關(guān)。需要尋找的工具變量，其必須與相關(guān)，與ε不相關(guān)，并且與測量誤差e1不相關(guān)。一種解決辦法是獲取的第二種度量，即Z1，既然影響lny的是，Z1顯然與 ε不相關(guān)，若 Z1=So?+a1（a1是Z1的測量誤差），假定a1與e1不相關(guān)，換言之，So和Z1都錯誤地測量了，但他們的測量誤差不相關(guān)。So和Z1通過對的相依而相關(guān)，因而可以用Z1作為So的工具變量。①[美]J·M·伍德里奇. 計量經(jīng)濟學導論現(xiàn)代觀點. 北京：中國人民大學出版社，2003：466–467。

現(xiàn)有關(guān)于教育錯配的測量方法，包括平均值法、眾數(shù)法、工作分析法及自我評估法等各有千秋。任何一種測度都存在測量誤差（顏敏等，2017）。本文根據(jù)數(shù)據(jù)的可得性和可靠性，選擇平均值法、眾數(shù)法以及外部評估法測度教育錯配指標，發(fā)現(xiàn)各個測度指標有很強的相關(guān)性但卻不完全相關(guān)，相關(guān)系數(shù)介于0.67?0.76之間，說明教育錯配度量指標方差中的24%?33%來自于測量誤差。因此本文主要基于平均值法測算教育錯配指標，另外用眾數(shù)法、工作分析法測算相應指標做工具變量來矯正測量誤差。在假定不同方法測量誤差不相關(guān)的前提下，額外控制了性別、婚姻、健康等個體特征，地域特征以及行業(yè)、職業(yè)、所有制等工作特征。此外，個體固定效應又控制了個體不可觀測能力因素，所以可以認為在控制了可觀測和不可觀測因素后工具變量與隨機誤差項不相關(guān)了。經(jīng)F檢驗和Sargan檢驗，工具變量滿足相關(guān)性及外生性條件，測量誤差可以通過本文的工具變量估計控制。

（二）研究數(shù)據(jù)。本文數(shù)據(jù)來自中國家庭追蹤調(diào)查（China Family Panel Studies，CFPS）。CFPS課題組于2010年正式啟動，并將2010年基線調(diào)查的所有個體作為永久追蹤對象，于2012年、2014年跟蹤調(diào)查，這使本文用面板估計技術(shù)控制遺漏能力偏誤成為可能。數(shù)據(jù)集中包含詳實的個體教育水平、收入、職業(yè)、行業(yè)、健康以及地區(qū)、城鄉(xiāng)等特征，為教育錯配的工資懲罰效應研究提供了可靠的數(shù)據(jù)資料。

為保證過度教育年限、教育不足年限兩個關(guān)鍵指標測算的準確性，本文首先篩選出歷年教育水平以及職業(yè)分類不缺失的樣本，進一步將樣本數(shù)太少及無法同其他職業(yè)合并的職業(yè)樣本剔除，得2010年15 997個，2012年17 764個，2014年22 814個樣本?；谏鲜鰳颖痉謩e測算歷年職業(yè)需要教育水平和個體教育錯配年限。再進一步除去健康、所有制、行業(yè)、收入缺失，年齡21周歲以下、60周歲以上，年收入小于5 000、大于20萬的樣本，2010年剩余2 968個，2012年剩余3 611個，2014年剩余6 255個。然后按個體編碼匹配，保留三年全部跟蹤的個體，最終形成每年1 865個，3年共計5 955個樣本的面板數(shù)據(jù)。

（三）變量的確認。

1. 工資收入。本研究中的收入指把所有工資、獎金、現(xiàn)金福利和實物補貼都算在內(nèi)，并扣除稅和五險一金后過去一年的總收入。將其取自然對數(shù)，用 lnwage代表。

2. 接受的教育水平（Sa）。CFPS數(shù)據(jù)庫提供了個體完成的最高教育程度數(shù)據(jù)，根據(jù)我國各層次教育特點，定義文盲半文盲教育年限為1，小學教育年限為6，初中教育年限為9，高中、中專、技校、大專的教育年限為12，大專教育年限為15，大學本科教育年限為16，碩士教育年限為19，博士教育年限為22。

3. 教育錯配變量。本文旨在測度教育錯配對工資的懲罰效應，因此模型中用到的是教育錯配年限變量。為設法規(guī)避教育錯配變量的測量誤差，本文借鑒Verdugo和Verdugo（1989）、Kiker等（1997）分別提出的平均值法（mean）和眾數(shù)法（mode）以及基于《國際職業(yè)分類標準》、《國際教育分類標準》的工作分析法（JA）測算各教育錯配指標。具體地，平均值法計算每一職業(yè)教育年限平均值和標準差，設定均值的一個標準差范圍為適度教育（Sq），超出部分為過度教育年限（So），低于部分為教育不足年限（Su）。并且認為每一職業(yè)的平均教育年限為該職業(yè)需要的教育年限（Re）。眾數(shù)法認為每一職業(yè)員工教育年限的眾數(shù)即表示適度教育水平或該職業(yè)需要的教育水平（Sqm），將實際教育年限與職業(yè)所需教育年限的差定義為過度教育年限（Som），職業(yè)需要教育年限與實際教育年限的差定義為教育不足年限（Sum）。工作分析法的思想來自于勞動力市場專家的分析，由勞動力市場一些專家對各種職業(yè)所需教育水平（Sqj）進行評價，超出專家設定的教育年限為過度教育年限（Soj），低于專家評定的教育水平為教育不足年限（Suj）。

CFPS數(shù)據(jù)庫依據(jù)《中華人民共和國標準職業(yè)分類與代碼》（GB/T6565-2009）將職業(yè)劃分為8個大類，83個中類，595個小類。本研究首先將教育水平指標和職業(yè)類別指標都沒有缺失的樣本篩選出來，進而將每年樣本較少又無法與其他類別合并的職業(yè)樣本剔除，最終基于46個中類職業(yè)測算職業(yè)所需教育年限，進而估算個體教育錯配年限。①本研究中絕大多數(shù)職業(yè)年均樣本數(shù)超過100，其中種植業(yè)生產(chǎn)人員、工程施工、商業(yè)服務業(yè)、運輸設備操作等職業(yè)超過1 000，印刷工人、運輸服務、郵政電信、文化藝術(shù)工作人員等職業(yè)樣本數(shù)較少，但歷年超過40，這為準確測量職業(yè)所需教育年限提供了保證。限于篇幅并未列出這些樣本數(shù)據(jù)，有需求讀者可向作者索取。

3. 經(jīng)驗（Ex）。CFPS數(shù)據(jù)中并沒有提供工作經(jīng)驗的度量指標，本文用年齡?6?教育年限代理，對于教育年限低于12年的，用年齡?18代理。同時將經(jīng)驗平方（Ex2）納入工資模型中。

4. 健康（Health）。健康人力資本是影響工資效率的重要因素之一。CFPS數(shù)據(jù)庫詳細詢問了個體的健康狀況，包括非常不健康、比較不健康、不健康、一般、健康、比較健康、很健康、非常健康。將其分別賦值1?8，數(shù)值越大代表其越健康。

5. 其他控制變量。借鑒相關(guān)文獻，本研究工資模型中還包括婚姻虛擬變量（Married）：設定在婚為1，其他未婚、喪偶、離婚、同居為0。性別虛擬變量（Male）：男性為1，女性為0。設置東部、中部地區(qū)虛擬變量（Dong、Zhong），基礎組為西部。設定三個單位所有制虛擬變量：港澳臺投資企業(yè)、外商投資企業(yè)設為 1，其他為 0（Gat），國有、集體事業(yè)單位、政府機關(guān)為 1，其他為 0（Gj），國有企業(yè)為1，其他為0（Gq），基礎組為個體、私營、民辦以及股份合作、有限責任公司。設置5個行業(yè)虛擬變量：電力、燃氣、采礦、交通倉儲為 1，其他為 0（Cd）；建筑、房地產(chǎn)為 1，其他為 0（Fj）；教育、金融、信息、科學、文化傳播為 1，其他為 0（下文中用 Jj表示）；制造業(yè)為 1，其他為 0（Zz）；公共管理、衛(wèi)生、社保、租賃、商務服務為1，其他為0（Gf）；基礎組是批發(fā)零售、住宿餐飲行業(yè)。設置戶籍虛擬變量（City）：城市戶口為1，農(nóng)村戶口為0。表1給出了關(guān)鍵變量的描述統(tǒng)計。

表1 關(guān)鍵變量的描述性統(tǒng)計

不難看出平均值法和眾數(shù)法以及工作分析法測算的各教育錯配指標整體模式一致，但是基于眾數(shù)法以及工作分析法測算的各種教育錯配指標具有較大的標準差。這與眾數(shù)法、工作分析法基于點估計的特征有關(guān)。事實上，當基于2010年①本研究也測算2012年以及2014年兩種方法測算的教育錯配的融合度，其中2012年為61.56%，2014年為61.33%。2012年以及2014年教育錯配發(fā)生率與2012年大致相近。基于工作分析法與眾數(shù)法測算的各個指標也具有相似的融合度，限于篇幅本文未列示這些測算結(jié)果。數(shù)據(jù)比較平均值法和眾數(shù)法測度的各類結(jié)果時，我們發(fā)現(xiàn)有67.37%的面板觀測點融入同一種類（表2）。這為后文工具變量的引入奠定了基礎。

表2 基于平均值法和眾數(shù)法測算的教育錯配指標的融合度（%）

續(xù)表2 基于平均值法和眾數(shù)法測算的教育錯配指標的融合度（%）

三、實證結(jié)果

（一）基于明瑟方程教育回報率估計。本文首先測算了各個截面時點個體教育回報率演變，進而基于面板數(shù)據(jù)估計了混合模型、隨機效應模型以及固定效應模型以展示并控制可能存在的個體異質(zhì)性和測量誤差。具體估計結(jié)果呈現(xiàn)在表3、4中。

由表3可見，2010年樣本期教育回報率最高，達7.23%，意味著個體教育年限每增加一年，將使工資上漲7.23%，但2012年下降到4.83%，2014年又回升到5.44%，教育回報呈現(xiàn)波動性下降的態(tài)勢。顏敏和王維國（2014）的研究表明：中國近些年已經(jīng)呈現(xiàn)出技能偏向特征，說明我國對高技能勞動力需求是增加的，那么在大學勞動力迅猛增加的同時教育回報率的下降意味著勞動力市場配置效率的下降。表3后兩列是基于面板數(shù)據(jù)混合模型以及隨機效應廣義最小二乘估計的結(jié)果。pool-ols估計結(jié)果以及隨機效應估計與前述各年教育回報率相差不大，其中pool-ols估計三年平均教育回報率為6.74%，但是F檢驗結(jié)果表明存在明顯的個體異質(zhì)性，因而基于同質(zhì)性假設的混合最小二乘估計是不一致的。隨機效應估計結(jié)果顯示，教育回報率輕微下降到了6.1%。

表3 基于明瑟方程教育回報率估計①限于篇幅本文并未列出地區(qū)、所有制以及行業(yè)等控制變量的估計結(jié)果，有需求的讀者可向作者索取。

（二）教育錯配對工資的懲罰效應估計。表4呈現(xiàn)的是基于ORU模型教育錯配對工資的懲罰效應估計。其中第2、3、4列是基于DH模型的估計結(jié)果，第5、6列是基于VV模型估計的教育錯配對工資的懲罰效應。

表4 基于ORU模型教育錯配對工資懲罰效應估計

續(xù)表4 基于ORU模型教育錯配對工資懲罰效應估計

首先由VV模型的估計結(jié)果可見，加入過度教育年限和教育不足年限后，混合模型中對接受教育水平的回歸從6.54% 升到8.58% ，即當員工的教育水平與其職位相匹配時的教育年限每提高一年，工資將增長8.58%。由VV模型可知，過度教育每增加一年，員工要承受2.24%的工資懲罰，而教育不足員工將得到的4.45%的工資嘉賞。與混合估計結(jié)果相比，本研究關(guān)鍵變量的廣義最小二乘估計結(jié)果都存在一定幅度下降。但由于不可觀測個體異質(zhì)性的存在，無論pool-ols估計還是隨機效應估計都將有偏且不一致。

對于 DH 模型，本文結(jié)論與 Korpi和 T?hlin（2007）相同。βr>0，βo>0，βu<0，|βu|<βr，βo<βr。相同教育水平下，恰好匹配工人比過度教育工人掙得多（βr>βo），若從事相同工作，過度教育工人掙得比恰好匹配工人多（βo>0）。反之，相同教育水平下，恰好匹配工人比教育不足工人掙得少（βr+βu>0），若從事相同工作，教育不足工人掙得比恰好匹配工人少（βu<0）。具體在混合模型中，工作所需的教育水平回報率為8.95%，與VV模型的估計結(jié)果具有很強的一致性。過度教育年限回報率為6.82%。過度教育者將面臨每年2.13%的工資懲罰。教育不足年限回報率為?3.96%，說明教育不足工人將比相同工作適度教育工人少掙3.96%的工資，但與相同教育水平且與工作匹配的工人相比，工資將多賺近5%（8.95%?3.96%）。同樣如果存在不可觀測能力偏誤，無論基于pool-ols估計還是隨機效應估計都將有偏且不一致，豪斯曼檢驗結(jié)果顯示 χ2(19)=1 034.9， p >χ2(19)=0.0000，說明模型中確實存在與解釋變量相關(guān)的不可觀測異質(zhì)性，因而固定效應模型結(jié)果更可靠。

值得注意的是，表4固定效應估計結(jié)果中關(guān)鍵變量系數(shù)大幅減小，其中工作所需教育年限回報下降到1.41%，過度教育年限回報下降到1.19%，教育不足年限的工資效應下降到?0.35%。換言之，能力偏誤使教育錯配的工資效應產(chǎn)生向上偏誤，其中過度教育工資懲罰效應由2.1%（0.0895?0.0682）下降到0.22%（0.0141?0.00119），教育不足的工資紅利從 5%（8.95%?3.96%）下降到 1.06%（0.01413?0.0035）。Tsai（2010）及 Iriondo 和 Pérez-Amaral（2015）分別基于美國、歐洲勞動力數(shù)據(jù)的分析也得到類似的結(jié)論?？赡艿慕忉屖牵菏紫?，我們的樣本期是高等教育持續(xù)擴張十年后，勞動力教育年限普遍增長，但是教育獲得水平和能力獲得水平之間的關(guān)系變得模糊不清，高層次教育不再是高能力可靠的信號，這意味著過度教育形成的工資懲罰效應可能更多反映的是不可觀測的能力異質(zhì)性，過度教育工人工資比完全匹配工人工資低的真正原因是他們能力偏低，并被分配到與其邊際產(chǎn)量相匹配的職位。因而當控制了不可觀測異質(zhì)性后，過度教育的工資懲罰效應將大大減少。另外，本研究中面板的時期較短，不足以捕捉到諸如能力等個體異質(zhì)性引致的所有教育錯配效應。由于時期短，很多控制變量在樣本期內(nèi)變化不大，比如地區(qū)變量2010年隸屬東部地區(qū)的個體在后續(xù)兩年有變化的只有15個，因而在固定效應中并未考慮地區(qū)、城市變量，固定效應模型無法成功地測度例如性別不隨時間改變的因素對工資的影響。最后，更重要的是當用不同方法測度教育錯配時，測量誤差在所難免，測度誤差會低估教育錯配的工資懲罰效應。

為進一步控制測量誤差，我們對固定效應面板模型實施了工具變量（IV）估計，并嚴格檢驗工具變量有效性和外生性。①正如Verhaest和Omey（2006）所言，理想的工具變量應該是從事這份工作需要的教育水平，但針對中國樣本沒有這樣的調(diào)查數(shù)據(jù)，本文中，當嚴格實施工具變量有效性和可靠性檢驗時，一階段弱工具變量F檢驗值都大于10，且P值都為0，即不存在弱工具變量問題，進一步實施過度識別約束的Sargan檢驗，χ2統(tǒng)計量值為0.23，P值為0.899，因而沒有理由拒絕工具變量外生性的原假設。當使用眾數(shù)法和工作分析法測度指標作為平均值法相應測度指標的工具變量時，系數(shù)的絕對值明顯增大。工作所需教育年限回報率上升到10.61%，過度教育年限回報率由0.019上升到0.092，教育不足年限回報率從?0.0035進一步下降到?0.0826，因此不可觀測異質(zhì)性引致的向上工資偏誤大部分被測量誤差引致的負偏誤補償了。但過度教育年限回報并不顯著，說明過多的教育年限并未呈現(xiàn)顯著的工資效應，過度教育工人承受至少1.4%的工資懲罰效應（0.1061?0.922），而教育不足工人的工資紅利上升到2.4%。這與Verhaest等（2012）基于弗蘭德年輕工人的估計結(jié)果相當。表4第 4、5列估計結(jié)果表明，教育錯配工資效應估計中，能力遺漏和測量誤差都不容忽視。這與Dolton和Silles（2008）基于英國大學生面板數(shù)據(jù)的研究結(jié)論相似，其研究表明，工人異質(zhì)性導致工資懲罰的向上偏誤幾乎被測量誤差引致的向下偏誤完全抵消。但與Verhaes等（2012）的研究結(jié)論不同，其估計結(jié)果表明能力偏差幾乎可以被忽略。當然由于樣本不同，國家間教育體制、就業(yè)環(huán)境以及大學生能力的差別，估計結(jié)果間不具有完全的可比性。

由此可見，在測度教育錯配的工資效應時，能力偏差以及測量誤差都是至關(guān)重要的因素。當控制了測量誤差和遺漏變量偏誤后，工作需要的教育回報上升到10.61%，但教育錯配年限并未產(chǎn)生顯著的工資效應，說明教育錯配都有成本，將面臨一定程度的工資懲罰。因而工資主要依賴于工作需要的教育水平，表4最后兩行的卡方檢驗結(jié)果也驗證了這一論斷。那么在中國，教育錯配工資效應產(chǎn)生的內(nèi)在機制是什么呢？表面上觀測到的教育錯配效應（混合模型和隨機效應估計）僅僅反應的是個體間不可觀測的異質(zhì)性和測量誤差嗎？是員工職業(yè)生涯早期的短暫現(xiàn)象還是會隨著職業(yè)過程和工作流動性而改善呢？看似過度的工人除了不可觀測能力偏低外，那些諸如表達能力、理解能力、健康資本又如何？是否存在人力資本補償機制呢？

四、教育錯配對工資懲罰效應的理論檢驗

對過度教育產(chǎn)生的工資懲罰效應的理解有四種主流觀點：人力資本理論（Becker，1964）認為，工資是按照邊際產(chǎn)量計算的，增加人力資本投入會提高勞動生產(chǎn)率，工資因而會增加。在教育上投資多少直接影響著勞動生產(chǎn)率。但如果某職位員工的供給超過需求，結(jié)果就會導致工資暫時性下降，因而過度教育會對工資產(chǎn)生懲罰效應。但需求和供給間的錯配并不會導致技能的不充分利用，因而相對工資下降只是暫時性的（Green等，1999）。工作競爭理論（Thurow，1975）認為，邊際產(chǎn)量和工資是由工作性質(zhì)決定的，而非員工特質(zhì)決定的。工人間為獲得工作機會而競爭，并不是為工資而競爭。因而很多工人會通過在職培訓途徑獲得更多技能以增加自己的工作機會。雇主們會按照學歷、經(jīng)驗、年齡等因素將工人進行潛在排名，為了減小培訓成本，雇主會更傾向于優(yōu)先選擇排名靠前的工人，因此工人得到的工作機會，與其在排序中的相對位置一致。排名最前的工人得到最好的工作。但如果高收入職位相對不足，高學歷勞動力的供給量相對過多，高學歷勞動力中的一部分將被迫接受僅需要較低教育水平就能從事的職位，并且他們將得到相應于這些職位的報酬，因而，與相同教育水平但從事恰好匹配職位的工人相比，其工資偏低，過度教育對工資產(chǎn)生了懲罰效應。人力資本補償理論強調(diào)正規(guī)學校教育不是個體生產(chǎn)能力的完美度量，個體不可觀測異質(zhì)性解釋了工資差異的大部分，過度教育工人可能用他們剩余的教育補償了其他方面人力資本的缺陷，因此，過度教育者與那些擁有相同教育水平但與工作恰好匹配的工人相比更缺乏效率，因而會比恰好匹配的工人獲得較少的報酬（Korpi和T?hlin，2007）。職業(yè)流動性理論認為，過度教育是真實存在的，但只是短暫的，過度教育水平的上升僅限于在工人職業(yè)生涯的早期階段，這與整體勞動力市場中的技能工資差距相協(xié)調(diào)，人力資本投資戰(zhàn)略和勞動力市場搜尋一樣可能在初期產(chǎn)生不匹配，并且會產(chǎn)生對工資的懲罰效應，然而隨著職業(yè)過程和工作流動性，未來工資高速度增長會補償初始的工資懲罰。

表4的最后兩行分別基于兩種模型檢驗人力資本理論和工作競爭理論。由VV模型估計結(jié)果可知：當控制了接受的教育水平，人力資本理論認為過度教育年限和教育不足年限對工資沒有重要的影響（βo=βu=0），無論在混合面板估計還是隨機效應估計中均被拒絕。工作競爭理論認為，工資大小依賴于工作需要的教育水平而非工人獲得的教育水平。即（βa=?βo=βu）。同樣在混合估計和隨機效應估計中被拒絕。從DH模型估計結(jié)果可得相似的結(jié)論：無論在混合模型還是隨機效應模型設定中，人力資本理論（βr=βo=?βu）和工作競爭理論（βo=βu=0）均被拒絕。但固定效應估計及基于固定效應模型的工具變量估計顯示，無論人力資本理論還是工作競爭理論都不能被拒絕。即控制了能力偏誤及測量誤差時，人力資本理論和工作競爭理論在中國成立。工作所需的教育水平和接受的教育水平都是影響工資的重要因素。

Iriondo和Pérez-Amaral（2015）根據(jù)歐盟國家的數(shù)據(jù)研究表明：員工在一定年齡之前，其工資取決于個人的受教育水平，達到一定年齡后，其工資取決于職業(yè)所需教育水平。剛進入勞動力市場時，工資水平依賴于教育和工作經(jīng)驗，老板付工資多少主要看他是誰，隨著職業(yè)生涯推進，老板付工資會看他做了什么，即在長期職業(yè)生涯中，工作所需教育水平會逐漸對工資產(chǎn)生主導決定作用。只有在進入勞動力市場初期，教育水平才是員工生產(chǎn)率的代理指標。那么，中國勞動力市場是否存在這樣的年齡閾值？在閾值前后教育對工資作用機制有何不同？表5給出了分年齡組基于DH模型的教育錯配工資效應估計。如表5所示，當我們把樣本分成40歲以上和40歲以下年齡組時，教育對工資的作用機制完全不同。40歲以下群組，教育對工資作用變得模糊不清，不僅職業(yè)所需平均教育年限的提高未對工資產(chǎn)生顯著的向上拉動，過度教育回報率竟然顯著為負?？赡艿脑蚴沁@部分群體大多數(shù)在學校期間經(jīng)歷了中國高等教育擴張，過度教育員工可能更多意味著能力偏低，人力資本會因為技能缺失而貶值。與此相反，40歲以上員工群體，工資不僅取決于接受的教育水平，工作所需的教育水平對工資作用更強更顯著。職業(yè)所需教育年限每提高1年，工資將提升20%。工資形成機制的人力資本理論對40歲以上群體不成立，但工作競爭理論成立。說明工作所需教育對我國40歲以上員工工資起了主導作用。換言之，隨著員工工作年限的增長，員工的工資逐漸取決于他們現(xiàn)有的生產(chǎn)率和技能，而不是取決于他們在離開教育系統(tǒng)時所擁有的教育水平。這可以解釋為只有那些在工作中不斷學習的員工，他們的人力資本才會繼續(xù)保持或增加，而那些技能未被充分利用、沒有經(jīng)歷干中學或者經(jīng)歷事業(yè)中斷的員工，他們的人力資本可能貶值。換言之，具有相同教育水平的個體，隨著工作年限增長，他們之間的技能和生產(chǎn)率異質(zhì)性也會越來越大。

表5 分年齡教育錯配對工資懲罰效應工具變量估計

事業(yè)中斷可能是人力資本貶值的一個影響因素。接下來本研究基于40歲及40歲以上樣本，估計一個多元Logit模型闡述職業(yè)流動性對教育錯配的影響。模型中除了接受的教育年限（Sa）、性別（gender）、健康狀況（health）以外，更關(guān)注職業(yè)變動對教育過度和教育不足（基礎組是適度教育）發(fā)生率的影響，因而引入以下兩個變量：跳槽換工作（Jump），跳過槽Jump取值為1，否則取值為0；本文中跳槽是指主動跳槽，主動離開在任的職位和機構(gòu)，到其他機構(gòu)工作是自愿換工作，因而幾乎沒有空檔期。鑒于數(shù)據(jù)的可得性，本文考慮的另一個雇傭狀態(tài)改變指標是辭職（Demission），辭過職Demission取值為1，否則為0。本研究中辭職指非自愿辭職，工作所在機構(gòu)通過解聘等方式讓其離開在任的職位和機構(gòu)，因而暗含著一定的人力資本損失。

表6中，我們計算了在兩種最易受教育錯配影響的較高教育水平（教育年限為16年）和較低教育水平（教育年限為9年）上各個因素對教育錯配發(fā)生的邊際影響。如預期一樣，教育水平越高越容易過度教育，工作經(jīng)驗越長越不容易發(fā)生過度教育。教育不足則呈現(xiàn)相反的結(jié)論。男性過度教育的可能性更大而教育不足可能性偏小。身體越不健康越可能過度教育。被動辭職的員工過度教育可能性更大，教育不足的可能性更小。相對而言，主動跳槽的員工不容易發(fā)生過度教育。因而隨職業(yè)生涯推進，員工通過不斷尋找與自己教育技能相匹配的工作，教育錯配會得到改善，這與Burdett（1978）提出的職業(yè)流動性假設相一致。

表6 職業(yè)流動性理論檢驗

最后，本研究將進一步檢驗人力資本補償理論在中國勞動力市場的存在性。將教育錯配各指標與健康、語言表達能力和理解能力等人力資本指標建立聯(lián)系。其中理解能力和語言表達能力都賦值1?7，數(shù)值越大表示能力越強。①Korpi和T?hlin（2009）基于瑞典數(shù)據(jù)選擇經(jīng)驗代理一般技能，檢驗教育水平和經(jīng)驗之間的互補關(guān)系。本文舍棄這一指標的原因是CFPS并沒有統(tǒng)計個體參加工作時間等信息，因而前文工資方程中我們用年齡–教育年限–6代理，其本身就與教育年限正相關(guān)，因而用其檢驗過度教育與人力資本補償之間的關(guān)系是不可靠的?；诮y(tǒng)計數(shù)據(jù)的可得性，在此基于2014年CFPS的截面數(shù)據(jù)進行檢驗。表7呈現(xiàn)了基于DH模型人力資本補償假設的檢驗結(jié)果。不難發(fā)現(xiàn)工作所需教育水平和口頭表達能力、理解能力均呈現(xiàn)顯著正相關(guān)關(guān)系，過度教育年限對兩種能力的提升作用表現(xiàn)得更強更顯著，高于具有相同教育水平但教育職位匹配的工人（0.095>0.047，0.132>0.098）。反之，相同職位恰好匹配工人比教育不足工人能力更強。表7最后一列呈現(xiàn)了健康和錯配之間的關(guān)系。與前文估計結(jié)果類似：工作所需教育水平越高，健康狀況越差，過度教育者比具有相同工作但教育職位匹配的工人健康狀況差，比相同教育水平但匹配的工人更健康，教育不足員工要比相同工作但教育職位匹配的員工更健康。即過度教育工人用其更多的教育年限補償了較差身體素質(zhì)。

表7 人力資本補償假設檢驗

根據(jù)以上研究結(jié)論，本文發(fā)現(xiàn)過度教育工人相比從事相同工作恰好匹配工人具有更好的口頭表達能力和理解能力，教育不足工人則呈現(xiàn)相反的結(jié)論。過度教育工人可能實際上用他們剩余的教育補償了其他人力資本方面的缺陷，即教育錯配與人力資本之間存在補償機制。

五、結(jié)論及啟示

本文基于CFPS微觀面板數(shù)據(jù)研究了教育錯配對工資的影響效應及其產(chǎn)生的理論機制。基于固定效應模型以及工具變量法解決遺漏變量偏差與測量誤差，進一步檢驗教育錯配的相關(guān)經(jīng)濟理論在中國的適用性。本文結(jié)論有：（1）2010?2014年間，教育回報呈曲折下降態(tài)勢：2010年樣本期最高，達7.23%，但2012年下降到4.83%，2014年又回升到5.44%。教育回報率的下降暗含著勞動力市場配置效率的下降。（2）控制了測量誤差和遺漏變量偏誤后，工作需要教育回報率上升到10.61%，過度教育工人將面臨1.4%的工資懲罰，教育不足員工將獲得2.4%的工資紅利。工資不僅依賴于接受的教育水平，更依賴工作需要的教育水平。（3）隨著任職生涯的推進，員工通過不斷尋找與自己教育技能相匹配的工作，教育錯配會得到改善。（4）教育錯配與人力資本之間存在補償機制。在工作中，表達能力、理解能力和健康等各方面的缺失可以通過過度教育而得到補償。

根據(jù)上述研究結(jié)論，本文得如下啟示：第一，教育主管部門應改革教育體系。過度教育年限并未呈現(xiàn)明顯的工資效應，其原因之一是過度教育者相對于相同教育水平恰好匹配者能力偏低，過度教育并非由于高學歷畢業(yè)生供給大于需求，更主要的原因是高學歷畢業(yè)生在教育體系中所獲得技能的缺失。當前的教育體系導致他們不能獲得與其知識結(jié)構(gòu)相匹配的工作。因此，應該改革教育體系，高校應及時有效地調(diào)整學科專業(yè)結(jié)構(gòu)和人才培養(yǎng)結(jié)構(gòu)，主動順應社會主義市場經(jīng)濟的需求，根據(jù)經(jīng)濟結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)的變動以及勞動力市場需求的變化，對學科專業(yè)結(jié)構(gòu)和人才培養(yǎng)模式進行及時調(diào)整，從而提供市場需要的擁有技能的畢業(yè)生。第二，企業(yè)應該建立人才識別和多層級獎懲機制。過度教育存在一定程度的工資懲罰效應。拋開過度教育者自身能力偏低外，企業(yè)可能缺乏有效的人才識別策略。本質(zhì)上是過度教育者自身的個人勞動生產(chǎn)率水平高于相同職業(yè)但教育職位匹配者的平均勞動生產(chǎn)率水平，事實上，從本文的研究結(jié)論（過度教育者的工資懲罰低于教育不足者的工資紅利）可推知，過度教育者提高了行業(yè)的平均勞動生產(chǎn)率水平。因此，企業(yè)應該通過建立人才識別機制，識別出過度教育這一部分人才，再通過多層級的獎懲激勵制度，充分釋放他們的勞動生產(chǎn)率水平，進而提高企業(yè)整體的生產(chǎn)率水平。第三，政府應加強就業(yè)指導工作。員工在職業(yè)生涯的早期存在著更為嚴重的教育錯配問題?？梢酝ㄟ^加強對無工作經(jīng)驗或經(jīng)驗較少的大學生的就業(yè)指導，通過分析求職者的受教育情況以及市場的需求情況，幫助求職者精準定位與其教育水平相匹配的職位，減少搜尋成本，緩解過度教育的工資溢價不足問題。

最后，需要指出的是，社會關(guān)系網(wǎng)絡等對職位獲得及工資的影響效應已得到了諸多研究的關(guān)注（李宏彬等，2012；孔高文等，2017）。相同教育水平的大學生，擁有的社會關(guān)系網(wǎng)絡越豐厚，越可能在職業(yè)生涯初期獲得更高收入的職業(yè)，但也越可能弱化其求職及追求知識增加技能的努力程度。如何搜集詳實可靠的數(shù)據(jù)準確測算有效社會網(wǎng)絡規(guī)模、質(zhì)量、異質(zhì)性進而挖掘其對教育錯配及工資的長期影響方向和程度是本文進一步的研究方向。總之，我國收入分配不均和教育錯配現(xiàn)象并存，因此市場因素以及更重要的制度因素、社會因素應同時納入分析框架才能更好地理解并解決經(jīng)濟不平等問題。

[1]范皚皚. 大學生人力資本的過度與不足——基于彌補型過度教育視角的實證分析[J]. 北京大學教育評論，2012，（10）：100?119.

[2]羅潤東，彭明明. 過度教育及其演變趨勢分析——基于CGSS受高等教育職員的調(diào)查[J]. 經(jīng)濟社會體制比較，2010，（5）：173?179.

[3]武向榮. 教育擴展中的過度教育現(xiàn)象及其收入效應[J]. 北京師范大學學報（社會科學版），2007，（3）：132?136.

[4]武向榮，賴德勝. 過度教育發(fā)生率及其影響因素——基于北京市數(shù)據(jù)的分析[J]. 教育發(fā)展研究，2010，（19）：36?41.

[5]顏敏，王維國. 中國技能偏態(tài)性技術(shù)變遷的實證檢驗：兼論大學教育溢價[J]. 統(tǒng)計研究，2014，（10）：55?62.

[6]Bauer T K. Educational mismatch and wages：A panel analysis[J]. Economics of Education Review，2002，21（3）：221?229.

[7]Becker G. Human capital：A theoretical and empirical analysis，with special reference to education[M]. New York，NY：National Bureau of Economic Research, 1964.

[8]Dolton P J，Silles M A. The effects of over-education on earnings in the graduate labour market[J]. Economics of Education Review，2008，27（2）： 125?139.

[9]Duncan G J，Hoffman S D. The incidence and wage effects of overeducation[J]. Economics of Education Review，1981，1（1）： 75?86.

[10]Hartog J. Over-education and earnings：Where are we，where should we go？[J]. Economics of Education Review，2000，19（2）： 131?147.

[11]Iriondo I，Pérez-Amaral T. The effect of educational mismatch on wages in Europe[J]. Journal of Policy Modeling，2015，38（2）： 304?323.

[12]Mcguinness S. Overeducation in the labour market[J]. Journal of Economic Surveys，2006，20（3）： 387?418.

[13]Tomas K，Michael T. Educational mismatch，wages，and wage growth：Overeducation in Sweden，1974–2000[J]. Labour Economics，2009，16（2）： 183?193.

[14]Verdugo R R，Verdugo N T. The impact of surplus schooling on earnings：Some additional findings[J]. Journal of Human Resources，1989，24（4）： 629?643.

[15]Verhaest D，Omey E. Overeducation，undereducation and earnings：Further evidence on the importance of ability and measurement error bias[J]. Journal of Labor Research，2012，33（1）： 76?90.

[16]Wooldridge J M. Econometric analysis of cross-section and panel data[J]. Mit Press Books，2001，1（2）： 206?209.