方超 黃斌

摘 要： 本文采用北京師范大學(xué)收入分配研究院提供的中國家庭收入調(diào)查數(shù)據(jù)（CHIP2007），借鑒并改造工資決定方程，采用傳統(tǒng)回歸方法與準(zhǔn)實驗的傾向得分匹配法，估計了培訓(xùn)收益率的凈效應(yīng)，研究發(fā)現(xiàn)：（1）傳統(tǒng)回歸方法揭示了培訓(xùn)收益率、教育收益率、大學(xué)教育收益率分別為17%、6.6%與8.3%;（2）Logit模型與平均邊際效應(yīng)的估計結(jié)果表明，教育年限、工作經(jīng)驗每上升1年，城鎮(zhèn)勞動力的培訓(xùn)參與率可分別提高2%與0.9%，未婚與自我感覺處于健康狀態(tài)的勞動者則負(fù)向影響培訓(xùn)參與率;（3）傾向得分匹配法揭示了培訓(xùn)收益率的取值區(qū)間為[10.4%，12.9%]，大學(xué)教育收益率的取值區(qū)間為[33.8%，36%]，大學(xué)教育年收益率約為8.45%～9%;（4）在職培訓(xùn)的經(jīng)濟(jì)價值雖低于整體大學(xué)教育回報率但卻高于學(xué)歷教育投資，并且忽視自選擇偏差將會高估培訓(xùn)的經(jīng)濟(jì)價值。

關(guān)鍵詞： 在職培訓(xùn);收益率;人力資本;教育人力資本;大學(xué)教育回報率

一、 引言

改革開放四十年，我國教育事業(yè)的發(fā)展在“中國奇跡”的推動下取得了巨大的成就，兩次外生型的教育擴(kuò)張為我國由人力資源大國走向人力資源強國奠定了堅實的基礎(chǔ)。1986年《中國人民共和國義務(wù)教育法》的出臺，免費并普及了九年制的基礎(chǔ)教育，1999年《面向21世紀(jì)教育振興行動計劃》的頒布，啟動了“后發(fā)外生型”的高校擴(kuò)招政策，基礎(chǔ)教育和高等教育改革則極大的提高了國民受教育程度與勞動人口的素質(zhì)。經(jīng)典人力資本理論認(rèn)為，學(xué)歷教育與在職培訓(xùn)（“干中學(xué)”）作為人力資本投資的兩種形式，是勞動者實現(xiàn)個體增收的主要途徑。學(xué)歷教育投資在轉(zhuǎn)型改革時期發(fā)揮了較強的個體增收效應(yīng)，教育回報率也隨時間趨勢的推移而不斷上升（李實、丁賽，2003），更為重要的是，教育擴(kuò)張政策的推行與技能勞動者的過量供給并未降低學(xué)歷教育的經(jīng)濟(jì)價值。

相對于學(xué)歷教育而言，在職培訓(xùn)能夠更為直觀、敏銳的捕捉勞動力市場上的需求變化。勞動者是否具有在職培訓(xùn)經(jīng)歷以及接受培訓(xùn)的類型是否與崗位所需密切相關(guān)，直接決定了個體的勞動生產(chǎn)率與收入水平（李湘萍、丁小浩，2006）。但是，受到一手或二手微觀調(diào)研數(shù)據(jù)可獲得性的掣肘，教育經(jīng)濟(jì)學(xué)界對于在職培訓(xùn)經(jīng)濟(jì)價值的討論相對較少，這就使得我們對于在職培訓(xùn)的經(jīng)濟(jì)價值、“干中學(xué)”的個體增收效應(yīng)的認(rèn)識有待深化，并且也不利于我們厘清學(xué)歷教育與在職培訓(xùn)，究竟哪種類型的人力資本投資能夠更好的增進(jìn)勞動者的收入水平。鑒于此，本文將采用北京師范大學(xué)提供的中國家庭收入調(diào)查數(shù)據(jù)，針對收入反事實構(gòu)造準(zhǔn)實驗的實施條件，并在此基礎(chǔ)上利用傾向得分匹配法估計培訓(xùn)的經(jīng)濟(jì)價值，同時比較在職培訓(xùn)與學(xué)歷教育個體增收效應(yīng)的組間差異，以期為十九大提出的提高人民生活水平，實現(xiàn)共同富裕提供信息支撐與決策基礎(chǔ)。本文剩余結(jié)構(gòu)安排如下：第二部分回顧既有文獻(xiàn)并做出簡單述評;第三部分闡述包括模型、方法與數(shù)據(jù)在內(nèi)的研究設(shè)計;第四部分為實證研究結(jié)果的呈現(xiàn)與分析;最后為全文結(jié)論與延展討論。

二、 文獻(xiàn)回顧與述評

在職培訓(xùn)是指勞動者在結(jié)束學(xué)歷教育后，為實現(xiàn)人力資本積累的一種投資方式，即阿羅所指的“干中學(xué)”或“邊干邊學(xué)”（Arrow，1962）。培訓(xùn)經(jīng)濟(jì)價值的早期研究始于雅各布·明瑟提供的工資決定方程，他將個人收入中由學(xué)歷教育和在職培訓(xùn)貢獻(xiàn)的部分予以盤剝，進(jìn)而得到“干中學(xué)”影響勞動者個體增收的“凈效應(yīng)”（Mincer，1962）。Becker（1962）則在此基礎(chǔ)上進(jìn)一步區(qū)分了企業(yè)為員工所提供培訓(xùn)的類型與動機(jī)，認(rèn)為身處完全競爭性市場中的企業(yè)更傾向于為員工提供專有型而非通用型的培訓(xùn)機(jī)會。相對于早期研究的概念界定，后期研究則在研究側(cè)重與研究視角上變的愈發(fā)細(xì)密，并且不斷揭示了在職培訓(xùn)的經(jīng)濟(jì)、社會價值。經(jīng)濟(jì)價值方面，部分研究估計了培訓(xùn)的個體增收效應(yīng)約為30%，高于8%的大學(xué)教育收益率（Haelermans et al，2012）;而社會收益則揭示了為女性勞動者提供有針對性的在職培訓(xùn)能夠在一定程度上消除因性別差異導(dǎo)致工作分化（Grnlund，2012）。此外，新近的研究趨勢則立足于微觀企業(yè)的視角，增強了對于在職培訓(xùn)、企業(yè)生產(chǎn)率以及工資水平三者聯(lián)動關(guān)系的關(guān)注，認(rèn)為在職培訓(xùn)對于企業(yè)生產(chǎn)率的促進(jìn)作用高于對工資收入的增進(jìn)效應(yīng)（De Grip et al，2013;Konings et al，2015）。

隨著我國勞動力市場的制度建設(shè)不斷完善，培訓(xùn)經(jīng)濟(jì)價值的國內(nèi)研究在進(jìn)入21世紀(jì)后逐漸增多。但是，由于農(nóng)村勞動力或農(nóng)民工群體是新型城鎮(zhèn)化的主體，并且我國政府從2003年起也相繼出臺了《2003-2010年全國農(nóng)民工培訓(xùn)規(guī)劃》、《農(nóng)村勞動力轉(zhuǎn)移培訓(xùn)計劃》等多個文件，旨在切實保障農(nóng)民工的培訓(xùn)權(quán)益，切實提高農(nóng)村轉(zhuǎn)移勞動力的非農(nóng)收入水平。因此，教育經(jīng)濟(jì)學(xué)、勞動經(jīng)濟(jì)學(xué)界有關(guān)培訓(xùn)收益率的研究，在研究對象上大多聚焦于農(nóng)村勞動力或鄉(xiāng)-城流動人口，造成客觀上缺乏對城鎮(zhèn)勞動力的關(guān)注，并且在研究結(jié)論上呈現(xiàn)出以下兩種特征：

特征一，在職培訓(xùn)能夠促進(jìn)農(nóng)村勞動力的個體增收，并且具有統(tǒng)計學(xué)上的顯著意義。王德文等（2008）基于對樣本選擇偏差的糾正，發(fā)現(xiàn)簡單培訓(xùn)、短期培訓(xùn)和正規(guī)培訓(xùn)均對個體增收有著顯著的正向影響。屈小博（2013）利用2011年農(nóng)民工檢測調(diào)查數(shù)據(jù)，基于匹配法的處理效應(yīng)估計，發(fā)現(xiàn)技能培訓(xùn)將農(nóng)民工的人力資本回報率提高了8.24%。李實、楊修娜（2015）利用CHIP數(shù)據(jù)的經(jīng)驗研究，發(fā)現(xiàn)培訓(xùn)能夠?qū)⑥r(nóng)民工的月工資水平提高6%，并且女性勞動力的培訓(xùn)收益率要高于男性。崔玉平、吳穎（2017）的研究則再度驗證了學(xué)歷教育與在職培訓(xùn)的經(jīng)濟(jì)價值，并且得出純培訓(xùn)的收益率（10.8%）高于純教育回報率（5.8%）的論斷。

特征二，在職培訓(xùn)的個體增收效應(yīng)并不顯著，部分研究甚至發(fā)現(xiàn)培訓(xùn)經(jīng)歷負(fù)向影響勞動者的個體增收。譬如，王海港等（2009）針對珠三角洲農(nóng)村職業(yè)培訓(xùn)的研究，發(fā)現(xiàn)參加職業(yè)培訓(xùn)者的處理效應(yīng)低于其平均處理效應(yīng)，而平均處理效應(yīng)又低于未參加職業(yè)培訓(xùn)者的處理效應(yīng)，因而認(rèn)為職業(yè)培訓(xùn)未能發(fā)揮應(yīng)有的作用，不能顯著提高農(nóng)村勞動力的非農(nóng)收入水平。顧和軍（2013）利用中國老年人健康長壽影響因素調(diào)查（CLHLS）的數(shù)據(jù)，利用傾向得分匹配法發(fā)現(xiàn)培訓(xùn)經(jīng)歷對農(nóng)村勞動力的個體增收并不具備統(tǒng)計學(xué)上的顯著意義。

基于對既有文獻(xiàn)的總結(jié)與梳理，我們發(fā)現(xiàn)學(xué)界圍繞培訓(xùn)經(jīng)濟(jì)價值的討論業(yè)已形成了大量有益的研究經(jīng)驗，并且在不同程度上為推進(jìn)城鄉(xiāng)一體化建設(shè)、保障農(nóng)民工權(quán)益等方面提出了切實可行的政策建議。但有關(guān)這一選題我們?nèi)匀话l(fā)現(xiàn)以下三處值得深入討論的地方：第一，在研究對象上可將研究視角向城鎮(zhèn)勞動力聚焦，關(guān)注在職培訓(xùn)對城鎮(zhèn)勞動力個體增收的現(xiàn)實影響，同時可將研究結(jié)論與農(nóng)村勞動力進(jìn)行橫向組間對比。第二，在研究視域上可將在職培訓(xùn)的個體增收效應(yīng)與學(xué)歷教育的經(jīng)濟(jì)價值，尤其是高校擴(kuò)招政策推行后的大學(xué)教育回報率進(jìn)行對比，從而能夠更為客觀的評價兩種類型的人力資本投資對人的增值的差異化影響。第三，在研究方法上可用準(zhǔn)實驗的研究方法取代傳統(tǒng)的相關(guān)性回歸，從而實現(xiàn)培訓(xùn)與個人收入間的因果關(guān)系推斷。

三、 研究設(shè)計

（一） 模型設(shè)定

基準(zhǔn)模型設(shè)定采用明瑟提供的工資決定方程，線性形式如下：lnwagei=α+β1Schi+β2Expi+β3Exp2i+β4Xi+μ

（1）式中，下標(biāo)i表示城鎮(zhèn)勞動力個體，因變量lnwagei為i的月工資的對數(shù)形式，自變量Schj、Expi與Exp2i代表i的學(xué)歷教育年限、工作經(jīng)驗及其平方項，三個核心變量構(gòu)成了工資決定方程中的人力資本變量（方超、黃斌，2018a）。Xi為一系列影響城鎮(zhèn)勞動力收入水平的控制變量，μ則為工資方程的誤差項。在方程（1）的基礎(chǔ)上，我們對其進(jìn)行改造，用于測量培訓(xùn)的經(jīng)濟(jì)價值：lnwagei=α+β1Trainingi+β2Expi+β3Exp2i+β4Xi+μ

（2）式中，Trainingi表示城鎮(zhèn)勞動力i是否具有培訓(xùn)經(jīng)歷，當(dāng)i具有培訓(xùn)經(jīng)歷時，則有Trainingi=1，反之則有Trainingi=1，因而Trainingi為一個二元啞變量，βi則為培訓(xùn)經(jīng)濟(jì)價值的估計量，其他變量與方程（1）相同。我們利用方程（1）估計城鎮(zhèn)勞動力的教育回報率與大學(xué)教育回報率，利用方程（2）估計培訓(xùn)的經(jīng)濟(jì)價值，同時比較在職培訓(xùn)與學(xué)歷教育經(jīng)濟(jì)價值的組間差異。

（二） 估計策略

在方程（2）中，城鎮(zhèn)勞動力i是否接受在職培訓(xùn)被設(shè)定為外生或隨機(jī)安排的結(jié)果，培訓(xùn)收益率對每一個城鎮(zhèn)勞動力而言也是均質(zhì)的?；诖思俣?，傳統(tǒng)回歸方法在技術(shù)處理上通常用i接受培訓(xùn)后的實際結(jié)果值E[lnwagei|Training=1]，和假設(shè)其未接受培訓(xùn)時的結(jié)果差值τATT=E（τ|Training=1）=E（lnwage1i|Training=1）-E（lnwage01|Training=1）表示。但在現(xiàn)實世界中，我們無法觀測到城鎮(zhèn)勞動力i在接受過培訓(xùn)后，卻假設(shè)其未接受培訓(xùn)時的收入狀況，即收入反事實（Counterfactual），也就是說E（lnwagei|Training=1）是無法被觀測的。此時，繼續(xù)利用傳統(tǒng)回歸方法，將未接受培訓(xùn)個體的結(jié)果均值E（lnage01|Training=1）視作接受培訓(xùn)個體的收入反事實將會引致自選擇性偏差（Selection Bias），從而偏估培訓(xùn)的經(jīng)濟(jì)價值（Heckman，1979）。因為個體是否做出培訓(xùn)決策、實際接受培訓(xùn)并非外生或隨機(jī)安排的結(jié)果，而是受到諸多因素的綜合影響，譬如可觀測因素中的家庭特征與個體特征，不可觀測因素中的培訓(xùn)口味與需求等，因而接受與不接受培訓(xùn)的城鎮(zhèn)勞動者，在上述特征上是存在顯著差異的。

針對傳統(tǒng)回歸方法可能造成的選擇性偏估，我們將在傳統(tǒng)回歸的基礎(chǔ)上進(jìn)一步將采用Rosenbaum & Rubin（1985）提供的傾向得分匹配法（Propensity Score Matching，PSM）。傾向得分匹配的研究思路是，為每一個接受培訓(xùn)的城鎮(zhèn)勞動力找到一個在可觀測特征上近似，但卻未接受培訓(xùn)的個體，基于結(jié)果均值的比較估計培訓(xùn)的經(jīng)濟(jì)價值。傾向得分匹配法的運用需要滿足兩個假設(shè)：假設(shè)一，條件獨立假設(shè)（Conditional Independence Assumption，CIA），是指可觀測的特征值既影響了城鎮(zhèn)勞動力是否接受培訓(xùn)，又影響了其收入水平，但卻不會受到收入水平的反向干預(yù)，而將這些特征值控制后，城鎮(zhèn)勞動力是否接受培訓(xùn)便類似于隨機(jī)分配的過程;假設(shè)二，共同支撐假設(shè)（Common Support Assumption）則要求接受培訓(xùn)的處理組與未接受培訓(xùn)的控制組在傾向得分上有著重疊的支撐區(qū)域。滿足條件獨立與共同支撐假設(shè)后，培訓(xùn)的平均處理效應(yīng)（ATT）便可表述為：ATT=E{E[lnwage1i|Trainingi=1，p（X）]-E[linwage0i|Trainingi=0，p（X）]}

（3）式中，lnwage1i與lnwage0i分別表示城鎮(zhèn)勞動力在接受和未接受培訓(xùn)時的月收入情況，Trainingi為是否接受培訓(xùn)的二元啞變量，p（X）表示接受培訓(xùn)的概率值。在技術(shù)處理上，為確保平均處理效應(yīng)估計結(jié)果的穩(wěn)健性，我們將采用k最近鄰與近鄰匹配，半徑（卡尺）匹配，非參數(shù)的核匹配以及馬氏匹配四種策略估計培訓(xùn)的經(jīng)濟(jì)價值。其中，k最近鄰的匹配對象為在傾向得分上與接受培訓(xùn)個體最為接近的未接受培訓(xùn)的城鎮(zhèn)勞動力，半徑匹配則在近鄰匹配的基礎(chǔ)上，納入了一個傾向得分差異的最大容忍值，將取值區(qū)間內(nèi)未接受培訓(xùn)的城鎮(zhèn)勞動力作為匹配對象，核匹配法則利用了所有未接受培訓(xùn)個體的傾向得分加權(quán)值，與接受培訓(xùn)的城鎮(zhèn)勞動力進(jìn)行配對，馬氏匹配則采用Adabie & Imbens（2006）提供的異方差穩(wěn)健標(biāo)準(zhǔn)誤的處理辦法。

（三） 數(shù)據(jù)與變量

1.數(shù)據(jù)

本文所用數(shù)據(jù)源自北京師范大學(xué)收入分配研究院提供的中國家庭收入調(diào)查數(shù)據(jù)（Chinese Household Income Project，CHIP）。迄今為止，中國家庭收入調(diào)查共開展了五輪，最新一輪的收入數(shù)據(jù)為2013年，但該輪調(diào)研并未涉及本文最為關(guān)心的解釋變量，即城鎮(zhèn)勞動力是否接受培訓(xùn)，故無法滿足本文研究設(shè)計的需要，因而我們選用CHIP2007（城鎮(zhèn)居民適用卷）估計城鎮(zhèn)勞動力接受培訓(xùn)后的個體增收效應(yīng)。在保留本市/縣非農(nóng)戶口、外地非農(nóng)戶口，剔除當(dāng)前勞動力市場中處于失業(yè)狀態(tài)以及年齡區(qū)間在16歲以下與65歲以上的個體后，得到有效樣本共計6311個。

2.變量

基于工資決定方程，本文將因變量設(shè)置為城鎮(zhèn)勞動力的月收入對數(shù)。同時，我們根據(jù)城鎮(zhèn)勞動力是否接受培訓(xùn)（Training）劃分了處理組與控制組，處理組表示具有培訓(xùn)經(jīng)歷（Trainingi=1），而控制組則不具有培訓(xùn)經(jīng)歷（Trainingi=1）。從統(tǒng)計分布中可以看出，有38.48%的城鎮(zhèn)勞動力接受過在職培訓(xùn)，而61.52%的城鎮(zhèn)勞動力未接受過在職培訓(xùn)。根據(jù)表1給出的描述性統(tǒng)計可知，處理組中的月收入對數(shù)的均值為7.592，高于控制組中的7.407，并且雙t檢驗在1%水平上顯著，表明培訓(xùn)經(jīng)歷顯著影響城鎮(zhèn)勞動力的月收入水平，具有培訓(xùn)經(jīng)歷者的月收入高于未接受培訓(xùn)者。

教育年限、工作經(jīng)驗及其平方項是本文的核心解釋變量。教育年限為問卷中對城鎮(zhèn)勞動力接受學(xué)歷教育年限數(shù)的調(diào)查，在接受培訓(xùn)的處理組中為12.635年，受教育程度相當(dāng)于大專或本科一年級的水平，未接受培訓(xùn)的處理組為11.815年，受教育程度相當(dāng)于高中階段（普高/職高）的完成階段，處理組中的受教育程度高于控制組，并且雙t檢驗具有統(tǒng)計學(xué)上的顯著意義。關(guān)于工作經(jīng)驗及其平方項的處理上，我們直接采用了被調(diào)查人從事當(dāng)前工作的時間，而并未采用“工作經(jīng)驗=年齡-教育年限-6”的處理辦法。除人力資本變量以外，本文還在工資決定方程中控制了城鎮(zhèn)勞動力的年齡、性別、民族、婚姻與健康狀況等人口統(tǒng)計學(xué)特征。

四、 實證研究及分析

（一） 基準(zhǔn)回歸結(jié)果

基于方程（1）與方程（2），本文首先采用普通最小二乘法（Ordinary Least Square，OLS）與分教育層級回歸估計培訓(xùn)對城鎮(zhèn)勞動力個體增收的現(xiàn)實影響，同時比較在職培訓(xùn)與學(xué)歷教育經(jīng)濟(jì)價值的組間差異，表2提供了基準(zhǔn)回歸的估計結(jié)果。其中，模型（1）～（4）分別估計了培訓(xùn)的經(jīng)濟(jì)價值、教育回報率、引入培訓(xùn)因素的教育回報率以及大學(xué)教育回報率。

具體看來，模型（1）在方程（2）的基礎(chǔ)上僅僅考慮了培訓(xùn)的經(jīng)濟(jì)價值，而培訓(xùn)經(jīng)歷的參數(shù)估計值為0.170，并且在1%水平具備統(tǒng)計學(xué)上的顯著意義，說明相對于未參與培訓(xùn)的城鎮(zhèn)勞動力而言，參加培訓(xùn)顯著提高了城鎮(zhèn)勞動力的月收入水平，接受培訓(xùn)能夠?qū)⒃率杖胨教岣?7個百分點。模型（2）在方程（1）的基礎(chǔ)上僅僅考慮了學(xué)歷教育的經(jīng)濟(jì)價值，而教育年限的參數(shù)估計值為0.066，即alnwagei/schi=0.066，表明整體教育回報率為6.6%（e0.066-1）。在模型（3）中我們引入了培訓(xùn)經(jīng)歷，發(fā)現(xiàn)教育年限的參數(shù)估計值由模型（2）中的0.066下降到了0.063，說明忽略城鎮(zhèn)勞動力的培訓(xùn)經(jīng)歷可能造成教育回報率的高估。在模型（4）中，我們根據(jù)城鎮(zhèn)勞動力的教育年限劃分了高中教育階段（普高/職高）與大學(xué)教育（大專及以上受教育程度），旨在估計擴(kuò)招政策推行后的大學(xué)教育回報率。高中教育階段與大學(xué)教育參數(shù)估計值分別為0.198與0.530，將大學(xué)教育與高中教育階段的參數(shù)估計值相減，得到大學(xué)教育回報率為33.2%，當(dāng)假定大學(xué)教育的教育年限數(shù)為四年時，得到大學(xué)教育年收益率為8.3%。

根據(jù)基準(zhǔn)回歸的估計結(jié)果我們能夠得到如下推論：城鎮(zhèn)勞動力在職培訓(xùn)的經(jīng)濟(jì)回報率為17%，高于6.6%的純教育回報率，并且在引入培訓(xùn)經(jīng)歷等因素后，純教育回報率進(jìn)一步下降。同時，將培訓(xùn)的經(jīng)濟(jì)價值與大學(xué)教育回報率相比后發(fā)現(xiàn)，培訓(xùn)收益率雖然低于33.2%的總體大學(xué)教育回報率，但卻顯著高于8.3%的大學(xué)年收益率，即高于額外接受一年大學(xué)教育能夠引致未來收入增長的百分比。

最后，本文對工資決定方程中剩余變量的估計結(jié)果做簡要匯報，經(jīng)驗及其平方項的估計結(jié)果正負(fù)相異，一次項為正二次項為負(fù)，說明工齡增長的個體增收效應(yīng)表現(xiàn)為“倒U”型的增長曲線。相對于女性勞動者而言，男性勞動者的培訓(xùn)回報率與教育回報率均高于女性勞動者，未婚狀態(tài)相對于已婚勞動者而言的工資報酬更低，自我對于健康的感知越高則月收入水平越高。

（二） 培訓(xùn)的經(jīng)濟(jì)價值：平均處理效應(yīng)估計

1.城鎮(zhèn)勞動力的培訓(xùn)參與率估計

利用傾向得分匹配法估計培訓(xùn)收益率的“凈效應(yīng)”前，首先需要估計城鎮(zhèn)勞動力參與培訓(xùn)的概率值：Trainingi=α+βX+μ

（4） ?式中，Trainingi為前述二元啞變量，表示城鎮(zhèn)勞動力是否接受培訓(xùn)，X為一系列解釋變量。理論上講，解釋變量X所涵蓋的影響因素應(yīng)滿足兩個條件：第一，影響城鎮(zhèn)勞動是否做出培訓(xùn)決策并且影響其月收入水平;第二，不會受到是否參與培訓(xùn)的反向干預(yù)，即X應(yīng)該為接受培訓(xùn)的前定變量?；趯べY決定方程的借鑒，本文中影響城鎮(zhèn)勞動是否接受培訓(xùn)的因素包括受教育程度、從事當(dāng)前工作的時間及其平方項、年齡、性別、民族、婚否與健康狀況，表3匯報了基于Logit模型估計的城鎮(zhèn)勞動力的培訓(xùn)參與率。由于Logit概率模型的被解釋變量為0-1構(gòu)成的二分變量，參數(shù)估計值僅僅能夠提供解釋變量X在影響城鎮(zhèn)勞動力是否做出決策時的方向性信息，而無法給出是否參與培訓(xùn)的概率值，即平均邊際效應(yīng)。為了得到培訓(xùn)參與與否的確切概率值，我們在Logit估計的基礎(chǔ)上進(jìn)一步計算出各變量的平均邊際效應(yīng)，即dy/dx（表3第四列）。

從平均邊際效應(yīng)的估計結(jié)果上看，受教育程度對是否做出培訓(xùn)決策具有正向顯著的積極影響，教育年限提高一年可將參加在職培訓(xùn)的概率值將提高2個百分點。工作經(jīng)驗及其平方項對于培訓(xùn)參與率的影響正負(fù)相異，表明經(jīng)驗增長并非線性提高城鎮(zhèn)勞動力的培訓(xùn)參與率，個體在進(jìn)入職場的初期，出于人職匹配與工作技能鍛造的需要，在職培訓(xùn)的需求不斷上升，工齡每增長1年，培訓(xùn)參與率將提高0.9個百分點，而這一理由同樣也適用于解釋年齡變量對培訓(xùn)參與率的消極影響，隨著年齡（工齡）的增長，人職匹配與技能鍛造的完成，勞動者對培訓(xùn)的需求（口味、偏好）逐漸變?yōu)殚_口向下的減函數(shù)?；橐鰻顩r負(fù)向影響城鎮(zhèn)勞動者的培訓(xùn)參與率，已婚狀態(tài)無疑承擔(dān)了更多的家庭責(zé)任，包括贍養(yǎng)老人與撫養(yǎng)子女等，因而在個體增收的動機(jī)與意愿上可能要強于未婚勞動者，故培訓(xùn)參與率相對于未婚勞動者要高出4.2個百分點。健康狀況對培訓(xùn)參與率的影響負(fù)向顯著，表明自我感覺身心處于不健康或亞健康狀態(tài)的城鎮(zhèn)勞動力參與培訓(xùn)的意愿更強，在參與培訓(xùn)的概率值上相對于自我感覺健康的勞動者要高出5.7個百分點。此外，性別變量顯示出女性、漢族勞動者相對于男性、少數(shù)民族勞動者有著更高的培訓(xùn)參與率，但估計系數(shù)未通過顯著性檢驗。

2.協(xié)變量的平衡性檢驗

基于Logit概率模型對培訓(xùn)參與率的估計，我們進(jìn)一步利用傾向得分匹配法估計在職培訓(xùn)的經(jīng)濟(jì)價值，但在估計平均處理效應(yīng)前，需要對處理組與參照組中協(xié)變量的平衡性進(jìn)行檢驗。具體說來，平衡性檢驗是指具有相同傾向得分的城鎮(zhèn)勞動力，在是否選擇接受培訓(xùn)上是完全隨機(jī)分配的。就文本而言，就是指參與/未參與培訓(xùn)的個體應(yīng)該具備相同的個體特征，即解釋變量X在理論上應(yīng)該是相同的。從圖1可知，處理組與控制組在實現(xiàn)數(shù)據(jù)匹配后的重心，相對于數(shù)據(jù)匹配前更為擬合、聚攏，并且有著更為寬泛的重疊區(qū)間，這就使我們有理由認(rèn)為，數(shù)據(jù)匹配能夠消除處理組與控制組的個體特征差異，從而為平均處理效應(yīng)的估計提供便利條件。

基于核密度函數(shù)圖的刻畫，本文將進(jìn)一步通過偏差削減的百分比來評價協(xié)變量的平衡性，表4報告了匹配前后平衡性的檢驗結(jié)果。其中，表4第3、4列分別為處理組（Treated）和控制組（Control）在不同匹配狀態(tài)下的樣本均值，第5列為用百分比表示的偏誤削減的幅度，也就是接受培訓(xùn)與未接受培訓(xùn)的城鎮(zhèn)勞動力，在月收入對數(shù)上的均值差與方差均值的平方根比，第6、7兩列則為偏差削減百分比的絕對值和t值。

根據(jù)表4提供的平衡性檢驗結(jié)果，我們發(fā)現(xiàn)，除了工作經(jīng)驗與婚姻變量的偏誤存在上升以外，其他協(xié)邊量的偏誤在數(shù)據(jù)平衡后均實現(xiàn)了不同幅度的削減。其中，城鎮(zhèn)勞動力的受教育程度實現(xiàn)了最大幅度的削減，偏誤降幅達(dá)到了93.6%，而偏誤削減幅度最小的變量則為性別變量，削減幅度為44.7%?？傮w上看，協(xié)變量在數(shù)據(jù)匹配后的t值下降、p值變大，并且在統(tǒng)計上均不顯著，說明無法拒絕處理組與控制組在個體特征的分布上存在顯著差異的原假設(shè)，也就是說通過數(shù)據(jù)匹配消除了接受與未接受培訓(xùn)的城鎮(zhèn)勞動力，在可觀測個體特征上的差異，因而是否做出培訓(xùn)決策以及實際接受培訓(xùn)便可視為隨機(jī)分配的過程，從而滿足條件獨立假設(shè)，而圖2刻畫的傾向得分的共同取值范圍則滿足了共同支撐假設(shè)。

3.平均處理效應(yīng)估計

在協(xié)變量平衡性檢驗的基礎(chǔ)上，我們利用前述五種匹配策略：K最近鄰匹配、K近鄰匹配、半徑（卡尺）匹配、非參數(shù)的核匹配以及異方差穩(wěn)健標(biāo)準(zhǔn)誤的馬氏匹配估計培訓(xùn)收益率的平均處理效應(yīng)。其中，K最近鄰與近鄰匹配分別采取了一對一與一對四，即令K=1和K=4的識別策略;半徑匹配則令卡尺Radius=0.01，也就是選擇了在半徑“不太遠(yuǎn)”的半徑范圍內(nèi)進(jìn)行配對識別;核匹配則默認(rèn)了核函數(shù)的帶寬值為0.06，表5報告了平均處理效應(yīng)的估計結(jié)果。

根據(jù)表5給出的估計結(jié)果可知，處理組中具有培訓(xùn)經(jīng)歷的城鎮(zhèn)勞動力在五種配對策略下的月工資的對數(shù)收入，均高于不具有培訓(xùn)經(jīng)歷的控制組，處理組與控制組的組間差值（Difference），也就是平均處理效應(yīng)（ATT）的參數(shù)估計值全都在1%水平上顯著，一方面表明相對于不具有培訓(xùn)經(jīng)歷的城鎮(zhèn)勞動力而言，接受培訓(xùn)能夠顯著促進(jìn)個體收入水平的增長，另一方面也說明本文的實證研究;結(jié)論具有穩(wěn)健性。從平均處理效應(yīng)的參數(shù)估計值上看，K最近鄰匹配、K近鄰匹配、半徑匹配、核匹配以及馬氏匹配的估計系數(shù)分別為0.104、0.124、0.120、0.129以及0.115，即培訓(xùn)收益率在各配對策略下分別為10.4%、124%、12%、12.9%以及11.5%。將不同配對策略下的培訓(xùn)收益率進(jìn)行整理，我們發(fā)現(xiàn)，相對于不具有培訓(xùn)經(jīng)歷的勞動者而言，接受培訓(xùn)對月收入提高的增長效應(yīng)落入了[10.4%，12.9%]的取值區(qū)間內(nèi)。此外，將平均處理效應(yīng)的取值區(qū)間與基準(zhǔn)回歸的估計結(jié)果進(jìn)行對比后不難發(fā)現(xiàn)，忽視個體特征等可觀測變量將會引致選擇性偏差，而選擇性偏差將會高估培訓(xùn)的經(jīng)濟(jì)價值。

為了回答本文提出的研究問題：在職培訓(xùn)與學(xué)歷教育究竟哪一方能夠更好的促進(jìn)城鎮(zhèn)勞動力收入水平的增長，我們利用與培訓(xùn)收益率相同的估計策略，估計了接受大學(xué)教育后的平均處理效應(yīng)。根據(jù)表6提供的估計結(jié)果可知，處理組的城鎮(zhèn)勞動力接受了大學(xué)教育，因而在月工資上要高于未接受大學(xué)教育的控制組，說明作為學(xué)歷教育最高層級的大學(xué)教育（含碩博士）能夠有效的促進(jìn)城鎮(zhèn)勞動力的個體增收，平均處理效應(yīng)在K最近鄰匹配、K近鄰匹配、半徑匹配、核匹配與馬氏匹配中分別為0.338、0.359、0358、0.360以及0.340，也就是說大學(xué)教育的總體收益率在各匹配策略中分別為33.8%、35.9%、358%、36%以及34%。通過進(jìn)一步整理后發(fā)現(xiàn)，大學(xué)教育的個體增收效應(yīng)落入了[33.8%，36%]的取值區(qū)間內(nèi)，當(dāng)對大學(xué)教育年限做出四年的統(tǒng)一假定后，得到大學(xué)教育年收益率約為8.45%～9%，估計結(jié)果既與基準(zhǔn)回歸的參數(shù)估計值大體相當(dāng)，也與既有研究對城鎮(zhèn)勞動力大學(xué)教育凈收益的估計基本保持一致（方超、黃斌，2018b）。因此，對比培訓(xùn)收益率與大學(xué)教育收益率的平均處理效應(yīng)后，我們發(fā)現(xiàn)培訓(xùn)的經(jīng)濟(jì)價值在整體上低于大學(xué)教育收益率，但高于大學(xué)教育的年收益率。

五、 結(jié)論與討論

（一） 研究結(jié)論

本文利用北京師范大學(xué)收入分配研究院提供的中國家庭收入調(diào)查（CHIP2007），基于對工資決定方程的借鑒與改造，在事后觀測數(shù)據(jù)的基礎(chǔ)上分別采用了傳統(tǒng)回歸方法與準(zhǔn)實驗的傾向得分匹配法，估計了城鎮(zhèn)勞動力接受在職培訓(xùn)后的經(jīng)濟(jì)報償，同時將在職培訓(xùn)與學(xué)歷教育的經(jīng)濟(jì)價值進(jìn)行了橫向比較，重點探討了培訓(xùn)與大學(xué)教育個體增收效應(yīng)的組間差異，結(jié)果發(fā)現(xiàn)：

第一，利用普通最小二乘法估計出城鎮(zhèn)勞動力的培訓(xùn)收益率為17%，高于6.6%的純教育收益率，而在引入培訓(xùn)經(jīng)歷后，純教育回報率則進(jìn)一步下降到了6.3%，表明忽視培訓(xùn)經(jīng)歷將會高估純教育回報率;利用分教育層級回歸發(fā)現(xiàn)，整體大學(xué)教育回報率與年回報率分別為33.2%與8.3%?；鶞?zhǔn)回歸的估計結(jié)果顯示出培訓(xùn)的經(jīng)濟(jì)價值高于包括大學(xué)教育在內(nèi)的學(xué)歷教育的價值，但低于總體大學(xué)教育回報率。

第二，基于Logit二值選擇模型以及平均邊際效應(yīng)的計算，發(fā)現(xiàn)受教育程度與工作經(jīng)驗正向影響培訓(xùn)參與率。教育年限與工齡每增長1年可將城鎮(zhèn)勞動力的培訓(xùn)參與率提高2%與0.9%?；橐雠c健康程度則負(fù)向影響培訓(xùn)參與率，未婚、健康勞動者的培訓(xùn)參與率相對于已婚、不健康或者亞健康的勞動者要分別低出4.2與5.7個百分點。

第三，利用準(zhǔn)實驗的傾向得分匹配法，基于協(xié)變量的平衡性檢驗，通過K最近鄰匹配、K近鄰匹配、半徑匹配、核匹配與馬氏匹配對平均處理效應(yīng)的估計，發(fā)現(xiàn)城鎮(zhèn)勞動力的培訓(xùn)收益率落入了[10.4%，12.9%]的取值區(qū)間內(nèi)，揭示了自選擇偏差將會高估在職培訓(xùn)的經(jīng)濟(jì)價值;大學(xué)教育收益率則落入了[33.8%，36%]的取值區(qū)間，相應(yīng)的年收益約為8.45%～9%，驗證了基準(zhǔn)回歸結(jié)果的穩(wěn)健性，同時也回應(yīng)了本文的研究問題，即培訓(xùn)收益率高于大學(xué)教育年收益率但卻低于整體大學(xué)教育收益率。

（二） 延展討論

本文利用準(zhǔn)實驗的傾向得分匹配法估計了培訓(xùn)的經(jīng)濟(jì)價值，糾正了在傳統(tǒng)回歸方法下可能面臨的由可觀測特征值造成的選擇性偏差。但是，城鎮(zhèn)勞動力是否做出培訓(xùn)決策以及是否接受培訓(xùn)還可能由不可觀測特征值，譬如先天稟賦、個人能力等因素所決定。然而，本文所用的匹配法則無法糾正由不可觀測特征值引致的內(nèi)生性偏估。因此，如何進(jìn)一步剔除不可觀測特征值的擾動，糾正內(nèi)生性偏估，實現(xiàn)在職培訓(xùn)與個體增收間的因果關(guān)系推斷，將是我們下一階段的研究重點。此外，本文的研究結(jié)論同樣具有一定的政策意涵。有鑒于在職培訓(xùn)的經(jīng)濟(jì)價值高于學(xué)歷教育投資，因而政府可以站在需求側(cè)的角度，有針對性的向城鎮(zhèn)低收入個人或家庭供給多種形式的培訓(xùn)機(jī)會，切實利用培訓(xùn)供給這種社會服務(wù)的形式，有效提高城鎮(zhèn)低收入家庭的收入水平，助力精準(zhǔn)扶貧的加速實現(xiàn)。

參考文獻(xiàn)：

[1] 崔玉平、吳穎，2017：《教育培訓(xùn)對蘇州市農(nóng)民工收入的影響——教育培訓(xùn)經(jīng)濟(jì)收益率的再檢驗》，《教育與經(jīng)濟(jì)》第2期。[Cui Yuping and Wu Ying，The Impact of Education and Training on Migrant Workers Income in Suzhou——A Reexamination on Rate of Return of Education and Training，Education & Economy，2.]

[2] 方超、黃斌，2018：《工資收入視角下的城鎮(zhèn)居民的教育回報》，《城市問題》第6期。[Fang Chao and Huang Bin，The Education Return for Urban Residents from the Perspective of Wage Income，Urban Problems，6.]

[3] 方超、黃斌，2018：《高校擴(kuò)招、教育質(zhì)量與城鎮(zhèn)勞動力的大學(xué)教育回報率——基于傾向得分匹配法的準(zhǔn)實驗研究》，《國家教育行政學(xué)院學(xué)報》第12期。[Fang Chao and Huang Bin，University Enrollment Expansion，Education Quality and Rate Return on University Education of Urban Labor Force：A Quasi-experimental Study Based on PSM，Journal of National Academy of Educational Administration，12.]

[4] 顧和軍，2013：《職業(yè)培訓(xùn)對農(nóng)村勞動力工資收入的影響》，《華南農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版）》第3期。[Gu Hejun，The Effect of Vocational Training on Wage of Rural Workers，Journal of South China Agricultural University（Social Science Edition），3.]

[5] 李實、丁賽，2003：《中國城鎮(zhèn)教育收益率的長期變動趨勢》，《中國社會科學(xué)》第6期。[Li Shi and Ding Sai，Long-term Chang in Private Returns to Education in Urban China，Social Science in China，6].

[6] 李實、楊修娜，2015：《我國農(nóng)民工培訓(xùn)效果分析》，《北京師范大學(xué)學(xué)報（社會科學(xué)版）》第6期。[Li Shi and Yang Xiuna，The Effect of Training for Rural Migrants，Journal of Beijing Normal University（Social Sciences），6.]

[7] 李湘萍、丁小浩，2006：《企業(yè)在職培訓(xùn)的私人投資收益分析》，《教育與經(jīng)濟(jì)》第4期。[Li Xiangping and Ding Xiaohao，An Analysis of Employees Return of On-The-Gob Training Investment in Private Sector，Education & Economy，4.]

[8] 屈小博，2013：《培訓(xùn)對農(nóng)民工人力資本收益貢獻(xiàn)的凈效應(yīng)——基于平均處理效應(yīng)的估計》，《中國農(nóng)村經(jīng)濟(jì)》第8期。[Qu Xiaobo，The Net Effect of Contribution of Training to the Return of Human Capital Investment in Rural Migrant Workers——An Estimation with Average Effect of Treatment on the Treated，Chinese Rural Economy，8.]

[9] 王德文、蔡昉、張國慶，2008：《農(nóng)村遷移勞動力就業(yè)與工資決定：教育與培訓(xùn)的重要性》，《經(jīng)濟(jì)學(xué)（季刊）》第4期。[Wang Dewen，Cai Fang and Zhang Guoqing，Employment and Wage Determination of Rural Migrant Workers：The Role of Education and Training，China Economic Quarterly，4.]

[10]王海港、黃少安、李琴、羅鳳金，2009：《職業(yè)技能培訓(xùn)對農(nóng)村居民非農(nóng)收入的影響》，《經(jīng)濟(jì)研究》第9期。[Wang Haigang，Huang Shaoan，Li Qin and Luo Fengjin，The Effect of Vocational Training on Non-farming Incomes，Economic Research Journal，9，]

[11]Abadie，A.，and G. Imbens.，2006，Large Sample Properties of Matching Estimators for Average Treatment Effect， Econometrica，74（1）：235-267.

[12]Arrow，K.J. ，1962，The Economic Implications of Learning by Doing， The Review of Economic Studies，29（3）：155-173.

[13]Becker，G.S.，1962，Investment in Human Capital：A Theoretical Analysis， The Journal of Political Economy，70（5）：9-49.

[14]De Grip，A. and J. Sauermann ，2013，The Effect of Training on Productivity：The Transfer of On-The-Gob Training from Perspective of Economics， Educational Research Review，8：28-36.

[15]Grnlund，A.，2012，On-The-Gob Training-A Mechanism for Segregation？Examining the Relationship between Gender，Occupation，and On-The-Gob Training Investments， European Sociological Review，28（3）：408-420.

[16]Haelermans，C. and L. Borghans，2012，Wage Effects of On-The-Gob Training：A Meta Analysis， British Journal of Industrial Relations，50（3）：502-528.

[17]Heckman，J.J.，1979，Sample Selection Bias as a Specification Error， Econometrica，47（1）：153-161.

[18]Konings，J. and S. Vanormelingen，2015，The Impact of Training on Productivity and Wages：Firm-level Evidence， Review of Economics and Statistucs，97（2）：485-497.

[19]Mincer，J.，1962，On-The-Job Training：Cost，Return and Some Implication， Journal of Political Economy，70（5）：60-79.

Abstract： This paper based on the CHIP2007 provided by the survey of income of residents in China， drawing lessons from and reforming the wage determination equation， estimating the net effect of training return rate by traditional regression method and quasi-experimental research of PSM. It is indicated that（1）The traditional regression method reveals that the rates of return on training， education and university education are 17%， 6.6% and 8.3%; （2）The model of Logit and average marginal effect show that the probability of urban labor force participating in training can be increased by 2% and 0.9% for every one year's increase in education and work experience， while unmarried and self-perceived workers in a healthy state negatively affect the training participation rate; （3）The PSM reveals that the range of return on training and university are [10.4%， 12.9%] and [33.8%， 36%]， while the annual return on university education is about 8.45%～9%; （4）Although the economic value of on-the-job training is lower than the overall rate of return on University education， it is higher than the investment in education， Ignoring self-selection bias will overestimate the economic value of training.

Key Words： On-The-Job Training; Rate of Return; Human Capital; Educational Human Capital; Return on University Education

責(zé)任編輯 葉 青