江求川

摘要：從資源配置效率的角度看，教育錯(cuò)配是勞動(dòng)力資源配置效率低下的一種表現(xiàn)。本文利用中國(guó)家庭追蹤調(diào)查數(shù)據(jù)研究了中國(guó)勞動(dòng)力市場(chǎng)中的教育錯(cuò)配發(fā)生率，并借助異方差構(gòu)造工具變量的思路估計(jì)了教育錯(cuò)配對(duì)勞動(dòng)者工資的影響。研究發(fā)現(xiàn)，中國(guó)勞動(dòng)力市場(chǎng)中存在比較普遍的垂直型教育錯(cuò)配現(xiàn)象;隨著勞動(dòng)者教育程度的提高，過(guò)度教育的發(fā)生率越來(lái)越高，在大專學(xué)歷以上的勞動(dòng)者當(dāng)中有50%左右為過(guò)度教育;總體過(guò)度教育和教育不足發(fā)生率分別為37.8%和20%。其他條件相同時(shí)，過(guò)度教育的勞動(dòng)者遭受到顯著的工資懲罰，平均工資比恰好匹配的勞動(dòng)者低22.7%;教育不足的勞動(dòng)者獲得一定工資溢價(jià)，平均工資比恰好匹配的勞動(dòng)者高16.5%。

關(guān)鍵詞：勞動(dòng)力市場(chǎng);教育錯(cuò)配;過(guò)度教育;教育不足;工資;工具變量;傾向得分匹配

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-2848-2019（03）-0118-11

教育錯(cuò)配指勞動(dòng)者實(shí)際接受的教育與所在的工作崗位對(duì)教育的要求不匹配，包括垂直型教育錯(cuò)配（vertical mismatch）和水平型教育錯(cuò)配（horizontal mismatch），前者指勞動(dòng)者的受教育程度與崗位要求的受教育程度有差距，后者是勞動(dòng)者所學(xué)的專業(yè)技能與崗位要求的專業(yè)技能不同。教育錯(cuò)配無(wú)論對(duì)社會(huì)、企業(yè)還是個(gè)人都是有成本的[1]，因此相關(guān)話題的研究一直是學(xué)界的熱點(diǎn)。

發(fā)達(dá)國(guó)家對(duì)教育錯(cuò)配問(wèn)題的關(guān)注起始于20世紀(jì)80年代的教育快速擴(kuò)張以后[1-2]。雖然針對(duì)發(fā)展中國(guó)家教育錯(cuò)配問(wèn)題的學(xué)術(shù)研究還比較少，但教育錯(cuò)配的現(xiàn)象卻已經(jīng)很普遍。世界銀行近期發(fā)布的一份研究報(bào)告指出，教育錯(cuò)配在包括中國(guó)在內(nèi)的一些中等收入甚至低收入國(guó)家中同樣比較普遍，并建議政府進(jìn)行廣泛的政策干預(yù)[3]。也有不少學(xué)者對(duì)中國(guó)勞動(dòng)力市場(chǎng)中是否存在教育錯(cuò)配進(jìn)行了討論?？傮w而言，現(xiàn)有研究對(duì)中國(guó)勞動(dòng)力市場(chǎng)是否存在垂直型教育錯(cuò)配這一問(wèn)題已經(jīng)有了比較統(tǒng)一的結(jié)論，一般認(rèn)為，中國(guó)勞動(dòng)力市場(chǎng)中的過(guò)度教育（over education）發(fā)生率大約在30%～45%之間[3-5]。但關(guān)于教育錯(cuò)配如何影響勞動(dòng)者工資的研究還相對(duì)缺乏，這和廣泛存在的教育錯(cuò)配現(xiàn)象形成了反差。

本文進(jìn)一步探討中國(guó)勞動(dòng)力市場(chǎng)中的垂直型教育錯(cuò)配（過(guò)度教育和教育不足）對(duì)勞動(dòng)者工資的影響。雖然不少文獻(xiàn)研究了發(fā)達(dá)國(guó)家勞動(dòng)力市場(chǎng)中教育錯(cuò)配與工資的關(guān)系，但教育錯(cuò)配與工資之間是否存在顯著的因果聯(lián)系一直存在爭(zhēng)議。原因在于，教育錯(cuò)配是內(nèi)生的且常用的內(nèi)生性處理方法在解決教育錯(cuò)配的內(nèi)生性時(shí)都存在一定不足（詳見本文估計(jì)策略部分）。為了識(shí)別教育錯(cuò)配與勞動(dòng)者工資之間的因果關(guān)系，本文從三個(gè)面進(jìn)行了新的嘗試：第一，以往研究未能很好地解決不可觀測(cè)的能力差異導(dǎo)致的內(nèi)生性問(wèn)題，但中國(guó)家庭追蹤調(diào)查（China Family Panel Studies，CFPS）數(shù)據(jù)中所包含的受訪者認(rèn)知能力測(cè)試信息使得本文可以在很大程度上消除能力差異對(duì)估計(jì)結(jié)果的影響;第二，在控制認(rèn)知能力的基礎(chǔ)上，我們進(jìn)一步借助Lewbel[6-7]的工具變量估計(jì)思想解決測(cè)量誤差及其他原因?qū)е碌慕逃e(cuò)配內(nèi)生性問(wèn)題;第三，本文在穩(wěn)健性分析中將教育錯(cuò)配當(dāng)作一種處理（treatment），并用傾向得分匹配（Propensity Score Matching，PSM）估計(jì)處理效應(yīng)，但與標(biāo)準(zhǔn)PSM不同的是，我們不要求教育錯(cuò)配滿足條件獨(dú)立性假定，而是使用最小偏差PSM方法[8]修正標(biāo)準(zhǔn)PSM可能存在的偏誤。

一、相關(guān)文獻(xiàn)

西方學(xué)者對(duì)教育錯(cuò)配問(wèn)題的關(guān)注可以追溯到20世紀(jì)40年代。20世紀(jì)80年代以后發(fā)達(dá)國(guó)家普遍存在的教育錯(cuò)配現(xiàn)象進(jìn)一步激發(fā)了學(xué)者們對(duì)這一問(wèn)題的關(guān)注。圍繞教育錯(cuò)配問(wèn)題的相關(guān)文獻(xiàn)大體可分兩類：一是從理論上解釋教育錯(cuò)配存在的原因;二是分析教育錯(cuò)配導(dǎo)致的各種結(jié)果，尤其是教育錯(cuò)配對(duì)勞動(dòng)者工資的影響。

（一）教育錯(cuò)配現(xiàn)象的理論解釋

經(jīng)濟(jì)學(xué)者們從不同的角度對(duì)教育錯(cuò)配現(xiàn)象背后的理論原因進(jìn)行了解釋，McGuinness[2，9]對(duì)理論文獻(xiàn)進(jìn)行了詳細(xì)的歸納。按照人力資本理論，追求利潤(rùn)最大化的企業(yè)和追求效用最大化的勞動(dòng)者會(huì)充分利用人力資本，勞動(dòng)力市場(chǎng)達(dá)到均衡時(shí)工人工資由其邊際產(chǎn)出決定。因此，在市場(chǎng)均衡時(shí)不會(huì)出現(xiàn)教育錯(cuò)配現(xiàn)象。當(dāng)然，這并不意味著人力資本理論和教育錯(cuò)配現(xiàn)象相矛盾。如果勞動(dòng)力市場(chǎng)短期內(nèi)沒(méi)有達(dá)到均衡或教育錯(cuò)配的統(tǒng)計(jì)存在誤差都會(huì)導(dǎo)致教育錯(cuò)配現(xiàn)象產(chǎn)生[2，9]。后期發(fā)展起來(lái)的一些理論則為教育錯(cuò)配的存在提供了更合理的基礎(chǔ)。其中，崗位競(jìng)爭(zhēng)模型和職業(yè)流動(dòng)理論主要用于解釋過(guò)度教育現(xiàn)象。崗位競(jìng)爭(zhēng)模型為過(guò)度教育現(xiàn)象長(zhǎng)期持續(xù)存在提供了解釋。該理論強(qiáng)調(diào)工作的可獲得性，給定工作崗位以后，為了在崗位競(jìng)爭(zhēng)中能夠獲勝，勞動(dòng)者需要更多的教育投資。因此，對(duì)于那些最終獲得工作的勞動(dòng)者而言，往往表現(xiàn)出過(guò)度教育現(xiàn)象。職業(yè)流動(dòng)理論認(rèn)為勞動(dòng)者選擇那些對(duì)教育要求相對(duì)低的工作，可能是因?yàn)樗麄兿Ｍ@得在職培訓(xùn)的機(jī)會(huì)或工作經(jīng)驗(yàn)，從而為以后的職業(yè)流動(dòng)積累必需的技能。對(duì)于更為一般的教育錯(cuò)配現(xiàn)象則可以通過(guò)分派理論給出合理的解釋。分派理論強(qiáng)調(diào)工作有工資和非工資多重特征，根據(jù)這一理論，教育錯(cuò)配可能是勞動(dòng)者在多重工作特征中進(jìn)行權(quán)衡與取舍的結(jié)果。不過(guò)，更多的人認(rèn)為教育錯(cuò)配是勞動(dòng)力市場(chǎng)中的結(jié)構(gòu)性不匹配[10]與信息不對(duì)稱[11]的結(jié)果。關(guān)于中國(guó)勞動(dòng)力市場(chǎng)中的教育錯(cuò)配現(xiàn)象，也有學(xué)者進(jìn)行了理論解釋。胥秋[12]認(rèn)為，高等教育的結(jié)構(gòu)失衡（包括學(xué)科、層次、區(qū)域結(jié)構(gòu)的失衡）是導(dǎo)致教育錯(cuò)配的原因。李鋒亮等[13]關(guān)于中國(guó)勞動(dòng)力市場(chǎng)過(guò)度教育的研究結(jié)論支持了崗位競(jìng)爭(zhēng)模型。

（二）教育錯(cuò)配與工資關(guān)系的經(jīng)驗(yàn)研究

針對(duì)發(fā)達(dá)國(guó)家勞動(dòng)力市場(chǎng)中教育錯(cuò)配與工資關(guān)系的研究比較豐富，但教育錯(cuò)配與工資之間是否存在顯著的因果聯(lián)系卻一直是個(gè)懸而未決的問(wèn)題。教育錯(cuò)配的內(nèi)生性問(wèn)題是識(shí)別教育錯(cuò)配如何影響工資的最大困難，并且教育錯(cuò)配存在內(nèi)生性的可能性很大，因?yàn)檫z漏的個(gè)體能力差異、教育匹配本身的度量誤差等因素都會(huì)導(dǎo)致教育錯(cuò)配的內(nèi)生性[1，9]。為了識(shí)別教育錯(cuò)配與工資水平間的因果關(guān)系，現(xiàn)有的文獻(xiàn)主要從固定效應(yīng)模型[14-16]、工具變量[14，16]和控制個(gè)體能力的代理變量[16-17]這三個(gè)方面進(jìn)行了嘗試，也有少數(shù)文獻(xiàn)利用PSM方法識(shí)別過(guò)度教育與工資之間的因果關(guān)系[18]。這些研究大多發(fā)現(xiàn)，在發(fā)達(dá)國(guó)家的勞動(dòng)力市場(chǎng)中，過(guò)度教育的勞動(dòng)者遭受到一定工資懲罰，而教育不足的勞動(dòng)者享受了一定的工資溢價(jià)。

關(guān)于中國(guó)勞動(dòng)力市場(chǎng)中教育錯(cuò)配與工資關(guān)系的研究不多，且都存在不足之處。武向榮等[19-20]的研究發(fā)現(xiàn)中國(guó)勞動(dòng)力市場(chǎng)對(duì)過(guò)度教育的勞動(dòng)者存在一定的工資懲罰，即過(guò)度教育的勞動(dòng)者的教育回報(bào)率低于那些恰好匹配的勞動(dòng)者的教育回報(bào)率。但這些研究的最大不足是沒(méi)有考慮教育錯(cuò)配的內(nèi)生性問(wèn)題，僅僅利用OLS分析了教育錯(cuò)配與工資之間的相關(guān)性，相應(yīng)的結(jié)論可能存在嚴(yán)重偏誤。Wu等[21]利用世界銀行的就業(yè)能力與生產(chǎn)力調(diào)查數(shù)據(jù)（Skills Towards Employ Ability and Productivity）研究發(fā)現(xiàn)，相對(duì)于有相同教育程度且恰好匹配的勞動(dòng)者而言，過(guò)度教育導(dǎo)致勞動(dòng)者的工資下降了18.5%。但這一研究存在三方面不足：一是沒(méi)有考慮教育不足問(wèn)題，對(duì)教育錯(cuò)配及其與工資關(guān)系的刻畫還不全面;二是用父母親教育、社會(huì)經(jīng)濟(jì)地位和生活滿意度作為過(guò)度教育的工具變量有些牽強(qiáng)，因?yàn)楹茈y說(shuō)明能力的遺傳不會(huì)導(dǎo)致父母親教育和遺漏的個(gè)體能力相關(guān)，更難以說(shuō)明社會(huì)經(jīng)濟(jì)地位和生活滿意度是過(guò)度教育的決定因素事實(shí)上，該文表5說(shuō)明工具變量在第一階段回歸中都不顯著，且原文也沒(méi)有詳細(xì)介紹弱工具變量及過(guò)度識(shí)別的檢驗(yàn)結(jié)果。;三是樣本量較小，調(diào)查范圍僅包含昆明市，結(jié)果可能不具有全國(guó)代表性。顏敏等[22]的研究也考慮了教育錯(cuò)配的內(nèi)生性問(wèn)題，且他們的結(jié)論與以往的研究有較大差異。他們的思路是利用固定效應(yīng)消除遺漏的個(gè)體特征差異，再用三個(gè)不同的方法測(cè)算過(guò)度教育，并用其中的兩種作為另一種的工具變量（依賴的假定是不同測(cè)算方法的測(cè)量誤差不相關(guān)）。然而，他們僅在混合OLS和隨機(jī)效應(yīng)模型下發(fā)現(xiàn)了教育錯(cuò)配對(duì)工資有顯著影響，而固定效應(yīng)和工具變量估計(jì)都表明教育錯(cuò)配對(duì)工資沒(méi)有顯著影響。此外，顏敏等[22]的研究在識(shí)別方法上也存在一些不足。首先，教育匹配情況在時(shí)間維度上不存在或很少存在變異，這會(huì)導(dǎo)致固定效應(yīng)模型存在很大偏誤，因此除非有比較合適的樣本保證教育匹配情況有足夠大的變異，一般情況下固定效應(yīng)模型不太適合此類問(wèn)題的研究[9，14-15];其次，僅把過(guò)度教育當(dāng)作內(nèi)生變量，但教育不足和崗位的教育要求都是內(nèi)生變量[9]，所以他們的估計(jì)可能仍然存在嚴(yán)重偏誤。

總體而言，雖然現(xiàn)有的文獻(xiàn)對(duì)中國(guó)勞動(dòng)市場(chǎng)中的教育錯(cuò)配問(wèn)題及其對(duì)工資的影響進(jìn)行了有價(jià)值的探討，但研究結(jié)論并不統(tǒng)一，研究方法還存在一些完善和改進(jìn)的空間。與這些研究相比，本文主要是在識(shí)別教育錯(cuò)配和工資的因果關(guān)系上做了邊際貢獻(xiàn)，是對(duì)上述研究的進(jìn)一步擴(kuò)展。

二、計(jì)量模型及估計(jì)方法

（一）模型設(shè)定

ORU模型[23]是研究教育錯(cuò)配與工資關(guān)系的基本模型。根據(jù)這一模型，我們將個(gè)體實(shí)際獲得的教育水平（AE）分解為崗位要求的教育水平（RE）、過(guò)度教育（OE）和教育不足（UE）三部分：

對(duì)于任何個(gè)體而言，OE和UE都是非負(fù)的并且最多只有一個(gè)大于0。OE=UE=0表示教育程度和工作要求恰好匹配的個(gè)體;OE=0且UE>0表示教育程度低于工作要求的個(gè)體;OE>0且UE=0表示教育程度高于工作要求的個(gè)體。根據(jù)式（1）可對(duì)標(biāo)準(zhǔn)的Mincer方程做簡(jiǎn)單的修改得到如下的工資決定方程：

其中，ε是誤差項(xiàng)，[WTHX]X是除了教育之外其他可觀測(cè)到的工資影響因素（含常數(shù)項(xiàng)），如年齡、性別、健康狀況、婚姻狀況等。此外，根據(jù)解釋教育錯(cuò)配現(xiàn)象的人力資本理論、崗位競(jìng)爭(zhēng)理論、分派理論和職業(yè)流動(dòng)理論，[WTHX]X還應(yīng)該包含個(gè)體能力差異因素、工作特征以及職業(yè)流動(dòng)等因素。我們關(guān)心的是βr、βo、βu的大小。對(duì)于那些恰好匹配的勞動(dòng)者而言，βr反映的就是常規(guī)教育回報(bào)率大小。對(duì)于過(guò)度教育的個(gè)體而言，βr和βo共同決定了他的教育回報(bào)率，其中，βr反映的是工作要求的那部分教育的回報(bào)率，βo反映的是超過(guò)工作要求的那部分教育的回報(bào)率。對(duì)于教育不足的個(gè)體而言，教育回報(bào)率由βr和βu共同決定，βu反映的是低于工作要求的那部分教育的回報(bào)率。根據(jù)相關(guān)研究的經(jīng)驗(yàn)，一般而言，βr和βo大于0，βu小于0。大多數(shù)研究都發(fā)現(xiàn)，超過(guò)工作要求的那部分教育仍然給勞動(dòng)者帶來(lái)一定回報(bào)，但回報(bào)率小于工作要求的那部分教育的回報(bào)率，即0<βo<βr。因此，βr-βo的大小可以反映勞動(dòng)力市場(chǎng)對(duì)過(guò)度教育的懲罰。

（二）估計(jì)策略

式（2）的最大障礙是教育匹配可能是內(nèi)生的。然而，常用的內(nèi)生性解決方法在研究教育匹配問(wèn)題上都有一定不足。首先，教育匹配情況在時(shí)間維度上不存在或很少存在變異，這會(huì)導(dǎo)致固定效應(yīng)模型存在很大偏誤。因此，除非有比較合適的樣本，一般情況下固定效應(yīng)模型不太適合此類問(wèn)題的研究[9，14-15]。其次，和教育有關(guān)的變量一般也與工資有關(guān)，很難找到滿足排除性約束的變量作為教育匹配的工具變量[14，16]。式（2）的工具變量估計(jì)更是困難，因?yàn)镽E、OE和UE通常都是內(nèi)生的[9]，所以我們至少需要尋找3個(gè)有效的工具變量，這是一件極為困難的事。

綜合這些因素以及本文的數(shù)據(jù)特征，本文利用Lewbel[6-7]的方法識(shí)別教育錯(cuò)配與工資的因果關(guān)系。為此，我們考慮如下教育匹配決定方程：

最后，我們參照Wu等[21]的做法，用是否存在過(guò)度教育和教育不足的虛擬變量代替OE和UE重新估計(jì)式（2）。他們認(rèn)為利用虛擬變量代替ORU模型中的OE可以一定程度上消除測(cè)量誤差的影響。使用虛擬變量也意味著我們可以將過(guò)度教育的勞動(dòng)者視為處理組，恰好匹配的勞動(dòng)者視為控制組，因此，除了上述參數(shù)估計(jì)方法外，我們還可以使用PSM方法對(duì)處理效應(yīng)進(jìn)行非參估計(jì)。不同的是，我們采用最小偏差PSM方法[8]修正PSM的偏誤。原因在于，標(biāo)準(zhǔn)的PSM方法依賴的關(guān)鍵假定是條件獨(dú)立性（conditional independence assumption），即給定可觀測(cè)的因素后教育錯(cuò)配是隨機(jī)的，但教育錯(cuò)配可能和不可觀測(cè)因素有關(guān)，因此條件獨(dú)立性假定可能不成立。

三、數(shù)據(jù)及變量

本文的數(shù)據(jù)來(lái)自中國(guó)家庭追蹤調(diào)查的城市居民子樣本。這套數(shù)據(jù)的基線調(diào)查始于2010年，隨后分別在2012、2014和2016年進(jìn)行了追蹤調(diào)查。使用這套數(shù)據(jù)研究教育錯(cuò)配問(wèn)題有三個(gè)優(yōu)點(diǎn)：第一，從2014年的調(diào)查開始，調(diào)查問(wèn)卷新增受訪者所從事工作的教育要求問(wèn)題，這可以幫助我們確定受訪者是否存在教育錯(cuò)配;第二，這套調(diào)查數(shù)據(jù)對(duì)受訪者的認(rèn)知能力進(jìn)行了測(cè)試，通過(guò)控制認(rèn)知能力差異可以幫助我們?cè)诤艽蟪潭壬暇徑馐剑?）中的遺漏變量偏誤問(wèn)題;第三，CFPS是一個(gè)全國(guó)性的調(diào)查，樣本更具有代表性。

本文的核心變量是教育匹配情況?，F(xiàn)有文獻(xiàn)中常見的教育匹配測(cè)度方法有主觀評(píng)價(jià)法、經(jīng)驗(yàn)統(tǒng)計(jì)法和崗位評(píng)價(jià)法，每種方法都有各自的優(yōu)缺點(diǎn)，McGuinness等[1]對(duì)不同測(cè)度方法的差異做了比較詳細(xì)的對(duì)比。在經(jīng)驗(yàn)分析中具體使用何種測(cè)度方法主要是根據(jù)數(shù)據(jù)的可獲得性。在2014年的調(diào)查中，受訪者需要根據(jù)自己的主要工作情況回答：“從知識(shí)和技能的角度上講，您/你認(rèn)為勝任這份工作實(shí)際需要多高的教育程度？”我們利用這一問(wèn)題和受訪者的實(shí)際教育程度相比，判斷受訪者是否存在教育錯(cuò)配，如果受訪者回答的崗位要求教育程度大于受訪者實(shí)際的教育水平，我們就將其定義為教育不足的勞動(dòng)者，反之，則定義為過(guò)度教育的勞動(dòng)者，當(dāng)受訪者的受教育程度和崗位要求的教育程度相同時(shí)，將其定義為恰好匹配。雖然2016年的調(diào)查也詢問(wèn)了相同問(wèn)題，但本文只使用了2014年的截面數(shù)據(jù)。我們沒(méi)有使用面板數(shù)據(jù)的最主要原因是受訪者的教育匹配情況幾乎在兩年間沒(méi)有變異。例如，在我們能夠成功匹配的2646位受訪者中（不考慮收入信息缺失），有2071位在兩年間沒(méi)有工作變動(dòng)，在575位工作有變動(dòng)的受訪者中，僅有246位的教育匹配情況發(fā)生變化。因此，總體而言，在成功匹配的樣本中只有9.3%（246/2646）的樣本發(fā)生教育匹配變化。這正是以往多個(gè)研究[9，14-15]認(rèn)為不適合用固定效應(yīng)模型研究該問(wèn)題的關(guān)鍵原因本文沒(méi)有使用面板數(shù)據(jù)的另外兩個(gè)重要原因是2016年的收入信息缺失較多并且2016年的認(rèn)知能力測(cè)試分?jǐn)?shù)與2014年不可比，而這兩個(gè)變量都是本文的關(guān)鍵變量。事實(shí)上，考慮收入信息和其他變量缺失的情況下，我們只成功匹配了546位受訪者，但利用這一面板數(shù)據(jù)估計(jì)并沒(méi)有得到非常穩(wěn)健可靠的結(jié)論。。表1是本文的變量定義及描述性統(tǒng)計(jì)。

本文的被解釋變量是受訪者的工資收入，根據(jù)問(wèn)卷中的信息，我們用受訪者從主要工作中獲得的年工資收入表示。我們將樣本限定為年齡在16—60歲并且在職的受訪者。工資收入、教育、工作對(duì)教育程度的要求以及其他解釋變量信息缺失的受訪者被剔除。為了避免離群值的干擾，進(jìn)一步剔除了工資收入最高1%和最低1%的樣本。此外，崗位的教育要求問(wèn)題僅對(duì)從事非農(nóng)工作的受雇人員詢問(wèn)，所以本文的樣本中不包含自營(yíng)、從事農(nóng)業(yè)工作的受雇人員等。最終，我們得到4673個(gè)觀察值。

圖1統(tǒng)計(jì)了不同教育程度的勞動(dòng)者當(dāng)中，教育錯(cuò)配發(fā)生率情況以及總體教育錯(cuò)配發(fā)生率情況。圖1表明，隨著教育程度的提高，過(guò)度教育的勞動(dòng)者占比越來(lái)越高，在大專以上的勞動(dòng)者當(dāng)中有50%左右為過(guò)度教育。平均而言，在我國(guó)勞動(dòng)力市場(chǎng)中過(guò)度教育的發(fā)生率大約為37.8%。這和現(xiàn)有文獻(xiàn)統(tǒng)計(jì)出的中國(guó)勞動(dòng)力市場(chǎng)過(guò)度教育發(fā)生率是比較吻合的[3-5，21]。教育不足現(xiàn)象雖然在現(xiàn)有的文獻(xiàn)中較少被關(guān)注，但這種錯(cuò)配同樣存在，不過(guò)教育不足的發(fā)生率較低，且主要集中在高中以下的勞動(dòng)者當(dāng)中。總體的教育不足發(fā)生率不到20%。

圖2統(tǒng)計(jì)了不同教育水平上的教育不足人員、恰好匹配人員以及過(guò)度教育人員的平均對(duì)數(shù)工資情況。從圖2中我們可以初步觀察教育錯(cuò)配對(duì)勞動(dòng)者工資收入的影響。首先，無(wú)論教育匹配情況如何，總體而言，勞動(dòng)者的工資收入隨著教育程度的提高而上升，說(shuō)明即便是存在教育錯(cuò)配，勞動(dòng)者也仍然可以從額外的教育投資中獲得一定的回報(bào)。其次，對(duì)于過(guò)度教育的勞動(dòng)者而言，他們的平均教育回報(bào)率低于那些教育程度相同但恰好匹配的勞動(dòng)者，說(shuō)明過(guò)度教育的勞動(dòng)者有可能遭受到一定的工資懲罰。例如，一個(gè)本科畢業(yè)生工作在只需要大專學(xué)歷的崗位上，即便是他的工資比他那些具有大專學(xué)歷的同事更高，但他的工資很可能依然低于在需要本科學(xué)歷的崗位上的工資。最后，對(duì)于教育不足的勞動(dòng)者而言，他們的平均教育回報(bào)率高于那些教育程度相同但恰好匹配的勞動(dòng)者，說(shuō)明教育不足的勞動(dòng)者有可能獲得了一定程度的工資溢價(jià)。例如，一個(gè)大專畢業(yè)生在一個(gè)需要本科學(xué)歷的崗位上工作，即便是他的工資比他那些具有本科學(xué)歷的同事更低，但由于身邊的同事都是本科畢業(yè)并且推動(dòng)了整個(gè)企業(yè)的生產(chǎn)率上升，低學(xué)歷的勞動(dòng)者依然有可能因這種溢出效應(yīng)而獲得工資溢價(jià)。當(dāng)然，這些工資差異有可能來(lái)自補(bǔ)償性工資差異、勞動(dòng)者自身的特征差異等。接下來(lái)我們將探討教育錯(cuò)配是否和工資之間存在因果關(guān)系，尤其是過(guò)度教育懲罰是否真的存在。

四、經(jīng)驗(yàn)分析

（一）基本結(jié)果

為了更精確地估計(jì)教育錯(cuò)配對(duì)工資的影響，我們對(duì)式（2）進(jìn)行了估計(jì)，表2匯報(bào)了核心變量的系數(shù)估計(jì)結(jié)果。第（1）列沒(méi)有控制其他解釋變量，用于考察不同教育匹配情況下的勞動(dòng)者平均對(duì)數(shù)工資差異。結(jié)果表明，對(duì)于恰好匹配的勞動(dòng)者而言，教育年限每增加一年，工資增加3.1%，而對(duì)于過(guò)度教育的勞動(dòng)者而言，超過(guò)崗位要求的那部分教育年限雖然有正的教育回報(bào)（OE系數(shù)顯著大于0），但回報(bào)率小于恰好匹配時(shí)的教育回報(bào)率（OE系數(shù)小于RE系數(shù)）。對(duì)于那些教育不足的勞動(dòng)者而言，教育欠缺有可能導(dǎo)致他們的工資相對(duì)于恰好匹配的勞動(dòng)者更低，但效應(yīng)非常小且不顯著。需要強(qiáng)調(diào)的是，這一結(jié)果和圖2是一致的。圖2是給定勞動(dòng)者的實(shí)際教育水平比較不同教育匹配情況下的勞動(dòng)者工資差異。而表2估計(jì)的是給定崗位教育要求的條件下不同教育匹配情況的勞動(dòng)者工資差異，其結(jié)果表明，在崗位教育要求相同的情況下，那些教育不足的勞動(dòng)者和恰好匹配的勞動(dòng)者的工資沒(méi)有顯著差異，這正好說(shuō)明教育不足的勞動(dòng)者（相對(duì)那些教育水平相同但恰好匹配的勞動(dòng)者）獲得了超額的教育回報(bào)。

按照人力資本理論對(duì)教育錯(cuò)配現(xiàn)象的解釋，第（1）列的估計(jì)結(jié)果有可能是勞動(dòng)者之間存在教育之外的其他人力資本差異導(dǎo)致的。為此，第（2）列進(jìn)一步控制了勞動(dòng)者的個(gè)體特征差異，包括年齡、性別、婚姻狀況、健康狀況、身高和體重等。結(jié)果表明，除了UE的系數(shù)顯著性發(fā)生變化外，其他系數(shù)大小以及RE和OE的系數(shù)大小及顯著性都未發(fā)生明顯變化。這在一定程度上說(shuō)明人力資本理論不適合用于解釋中國(guó)勞動(dòng)力市場(chǎng)的教育錯(cuò)配現(xiàn)象。為了進(jìn)一步證實(shí)這一結(jié)論，第（3）列進(jìn)一步控制了個(gè)體的認(rèn)知能力差異。我們發(fā)現(xiàn)，認(rèn)知能力確實(shí)是影響工資的重要因素，教育回報(bào)率也發(fā)生比較明顯的變化，但并沒(méi)有改變我們的核心結(jié)論。第（4）列進(jìn)一步控制了地區(qū)效應(yīng)，用于考察地區(qū)間的工資差異以及人口流動(dòng)對(duì)工資的潛在影響。按照崗位競(jìng)爭(zhēng)模型、分派理論以及職業(yè)流動(dòng)理論，教育錯(cuò)配以及由此產(chǎn)生的工資差異可能與工作特征差異有關(guān)。因此，我們?cè)诘冢?）列進(jìn)一步加入了工作特征變量，包括職業(yè)類型、行業(yè)類型、工作滿意度、勞動(dòng)合同簽訂情況、工作場(chǎng)所、工作安全情況、領(lǐng)導(dǎo)職務(wù)情況、晉升情況以及晉升預(yù)期等。工作特征差異確實(shí)增強(qiáng)了模型對(duì)工資差異的解釋力，但仍然不影響本文的主要結(jié)論。綜合以上結(jié)論，我們認(rèn)為，現(xiàn)有的用于解釋教育錯(cuò)配的理論都無(wú)法完全解釋我國(guó)勞動(dòng)力市場(chǎng)的教育錯(cuò)配現(xiàn)象。

最后，現(xiàn)有的研究都認(rèn)為，教育錯(cuò)配的測(cè)量誤差和遺漏變量等潛在問(wèn)題可能導(dǎo)致教育錯(cuò)配是內(nèi)生的，因此，直接用OLS估計(jì)式（2）得到的結(jié)果可能存在偏誤。第（6）列用工具變量估計(jì)思路重新估計(jì)了式（2）并控制全部解釋變量。IV估計(jì)的Hayashis C統(tǒng)計(jì)量為7.800，在5%的水平上顯著異于0，說(shuō)明有理由相信教育錯(cuò)配變量是內(nèi)生的。Hansens J統(tǒng)計(jì)量為39.42（P值為0.240），說(shuō)明模型的工具變量不存在過(guò)度識(shí)別。IV估計(jì)結(jié)果表明，UE的系數(shù)仍然很小且不顯著，OE的系數(shù)仍然顯著為正且小于RE的系數(shù)。因此，IV估計(jì)也沒(méi)有改變本文的結(jié)論，即過(guò)度教育的勞動(dòng)者確實(shí)遭受過(guò)度教育懲罰，而教育不足的勞動(dòng)者獲得了超額的教育回報(bào)。這和一些國(guó)際研究結(jié)論是類似的[1]。

（二）穩(wěn)健性分析

1.錯(cuò)配虛擬變量

部分學(xué)者在估計(jì)教育錯(cuò)配對(duì)工資的影響時(shí)用是否存在教育錯(cuò)配的虛擬變量代替標(biāo)準(zhǔn)ORU模型中相應(yīng)的變量[21，24]。這樣處理的好處是可以在一定程度上緩解教育錯(cuò)配的測(cè)量誤差問(wèn)題[21]。合并式（1）和式（2）可以得到

式（9）是式（2）的恒等變形，但式（9）直接控制了受訪者的教育程度AE。將式（9）中的過(guò)度教育程度OE和教育不足UE替換為是否存在過(guò)度教育和教育不足的虛擬變量可以得到如下方程：

其中，D1=1（OE>0），D2=1（UE>0）均為虛擬變量，分別表示是否存在過(guò)度教育和教育不足。根據(jù)以往的研究結(jié)論[14]以及表2中的估計(jì)結(jié)果，我們預(yù)期δ2<0、δ3>0。雖然使用虛擬變量代替教育錯(cuò)配的程度可以在一定程度上緩解教育錯(cuò)配的測(cè)量誤差，但式（10）的OLS估計(jì)仍然有可能是有偏的。首先，δ1反映的是恰好匹配的勞動(dòng)者的平均教育回報(bào)率，所有關(guān)于教育回報(bào)率的研究都無(wú)法回避教育年限的內(nèi)生性問(wèn)題。其次，兩個(gè)反映教育錯(cuò)配的虛擬變量仍然可能會(huì)因?yàn)檫z漏個(gè)人能力因素而成為內(nèi)生變量。所以式（10）的估計(jì)同樣至少需要三個(gè)有效的工具變量。因此，我們?nèi)匀皇褂肔ewbel[6]的方法估計(jì)式（10）。雖然，該研究針對(duì)的是連續(xù)型的內(nèi)生變量，但其在隨后的研究中實(shí)證了這一思路同樣適用于像式（10）這樣包含離散型內(nèi)生變量的模型[7]。表3是利用教育錯(cuò)配的虛擬變量替代ORU模型中的教育錯(cuò)配程度之后得到的估計(jì)結(jié)果。

如表3所示，過(guò)度教育虛擬變量和教育不足虛擬變量的系數(shù)符號(hào)是符合我們預(yù)期的，并且兩個(gè)變量的系數(shù)都顯著異于0，而且個(gè)人特征變量、認(rèn)知能力以及工作特征變量的控制都對(duì)估計(jì)結(jié)果影響不大。這些結(jié)果都進(jìn)一步印證了表2中的結(jié)論。IV估計(jì)的系數(shù)顯著性有所下降，但系數(shù)的符號(hào)仍然是符合預(yù)期的。結(jié)果表明，平均而言，在教育程度相同的情況下，過(guò)度教育勞動(dòng)者的工資比恰好匹配的勞動(dòng)者的工資低22.7%，而教育不足勞動(dòng)者的工資比恰好匹配勞動(dòng)者的工資高16.5%，即勞動(dòng)力市場(chǎng)對(duì)過(guò)度教育有一定懲罰，而教育不足卻有一定的工資溢價(jià)。這一結(jié)論和表2的結(jié)論是相符合的，但更直接地展示出圖2觀察到的現(xiàn)象。此外，IV估計(jì)的外生性檢驗(yàn)結(jié)果在1%的水平上顯著，拒絕了教育年限、過(guò)度教育虛擬變量、教育不足虛擬變量是外生變量的假定。過(guò)度識(shí)別檢驗(yàn)的Hansens J統(tǒng)計(jì)量雖然較大，但依然在常規(guī)的顯著性水平上不顯著，說(shuō)明IV估計(jì)沒(méi)有明顯的過(guò)度識(shí)別問(wèn)題。因此，我們認(rèn)為IV估計(jì)的結(jié)果更加可靠。最后，本文得到的工資懲罰效應(yīng)略高于Wu等[21]18.5%的結(jié)論。不同的是，本文還同時(shí)證實(shí)了教育不足的勞動(dòng)者存在工資溢價(jià)。

2.傾向得分匹配估計(jì)

在式（10）的啟發(fā)下，我們可進(jìn)一步利用PSM方法估計(jì)教育錯(cuò)配對(duì)勞動(dòng)者工資的影響。具體而言，我們可以將過(guò)度教育或教育不足的勞動(dòng)者作為處理組，將恰好匹配的勞動(dòng)者作為控制組再用PSM估計(jì)錯(cuò)配的處理效應(yīng)。

我們分別估計(jì)過(guò)度教育和教育不足兩種處理效應(yīng)，控制組均為恰好匹配的勞動(dòng)者。圖3的左右兩邊分別是兩種處理效應(yīng)中的控制組和處理組的傾向得分核密度分布。從圖3可以直觀地看出，共同支撐（common support）假定是成立的。當(dāng)然，為了保證結(jié)果的可靠性，我們刪除了處理組中得分高于控制組最高分的個(gè)體以及控制組中得分低于處理組最低分的個(gè)體。

表4匯報(bào)了幾種常用匹配方法下的處理組平均處理效應(yīng)（Average Treatment Effect on the Treated，ATT）和平均處理效應(yīng)（Average Treatment Effect，ATE）的估計(jì)結(jié)果。近鄰匹配、核匹配、局部線性匹配以及半徑匹配都是常用的標(biāo)準(zhǔn)匹配方法。這些方法都依賴條件獨(dú)立性，即給定可觀察到的因素之后，勞動(dòng)者是否存在過(guò)度教育（或教育不足）是隨機(jī)的。由于勞動(dòng)者的教育錯(cuò)配情況可能與未觀察到的個(gè)體特征有關(guān)，所以條件獨(dú)立性假定有可能不成立。為此，我們使用最小偏差方法[8]進(jìn)一步修正可能存在的估計(jì)偏誤。利用PSM估計(jì)得到的過(guò)度教育工資懲罰效應(yīng)和教育不足工資溢價(jià)效應(yīng)與前面利用參數(shù)回歸方法得到的對(duì)應(yīng)結(jié)論略有差異，其中過(guò)度教育的工資懲罰效應(yīng)大約在10%左右，教育不足的工資溢價(jià)效應(yīng)大約在8%左右。但是總體而言，PSM估計(jì)結(jié)果都進(jìn)一步證實(shí)了過(guò)度教育的勞動(dòng)者遭受到顯著的工資懲罰效應(yīng)，而教育不足的勞動(dòng)者卻獲得顯著的工資溢價(jià)我們還對(duì)每種估計(jì)方法做了平衡性檢驗(yàn)，結(jié)果都說(shuō)明處理組與控制組的匹配效果較好，但限于控制變量較多導(dǎo)致平衡性檢驗(yàn)的詳細(xì)結(jié)果篇幅太大，故未在文中匯報(bào)。。

五、結(jié)論

教育錯(cuò)配是世界各國(guó)勞動(dòng)力市場(chǎng)中比較普遍的現(xiàn)象，甚至在低收入國(guó)家的勞動(dòng)力市場(chǎng)中也存在嚴(yán)重的教育錯(cuò)配問(wèn)題。從資源配置效率的角度來(lái)看，教育錯(cuò)配無(wú)疑是勞動(dòng)力資源配置效率低下的一種表現(xiàn)。本文利用2014年的CFPS數(shù)據(jù)分析了中國(guó)勞動(dòng)力市場(chǎng)中的教育錯(cuò)配發(fā)生率，并重點(diǎn)考查了教育錯(cuò)配對(duì)勞動(dòng)者工資的影響。實(shí)證結(jié)果表明，中國(guó)勞動(dòng)力市場(chǎng)中存在比較普遍的垂直型教育錯(cuò)配現(xiàn)象。隨著勞動(dòng)者教育程度的提高，過(guò)度教育的發(fā)生率越來(lái)越高，在大專以上（本科和研究生）的勞動(dòng)者當(dāng)中有50%左右為過(guò)度教育。平均而言，我國(guó)勞動(dòng)力市場(chǎng)中過(guò)度教育的發(fā)生率大約為37.8%。教育不足的發(fā)生率在低學(xué)歷勞動(dòng)者當(dāng)中較多，整個(gè)勞動(dòng)力市場(chǎng)的教育不足發(fā)生率在20%左右。

為了更加準(zhǔn)確地估計(jì)教育錯(cuò)配對(duì)勞動(dòng)者工資的影響，本文使用工具變量方法[6-7]和最小偏差PSM方法[8]解決教育錯(cuò)配的內(nèi)生性問(wèn)題。本文的ORU模型估計(jì)結(jié)果表明，過(guò)度教育的勞動(dòng)者遭受了一定程度的工資懲罰，在崗位的教育要求相同的情況下，過(guò)度教育的勞動(dòng)者從額外的教育投資中獲得的回報(bào)率較低。平均而言，在勞動(dòng)者教育程度相同的情況下，過(guò)度教育的勞動(dòng)者的平均工資比恰好匹配的勞動(dòng)者的平均工資低22.7%。然而，教育不足的勞動(dòng)者卻得到一定程度的工資溢價(jià)，在崗位的教育要求相同的情況下，教育不足的勞動(dòng)者的教育回報(bào)率并沒(méi)有明顯低于那些恰好匹配的勞動(dòng)者的教育回報(bào)率。這導(dǎo)致教育不足的勞動(dòng)者的平均工資比那些具有相同教育程度但恰好匹配的勞動(dòng)者的平均工資高16.5%。此外，本文的實(shí)證分析還表明，人力資本理論、崗位競(jìng)爭(zhēng)模型、分派理論和職業(yè)流動(dòng)理論都不能充分解釋中國(guó)勞動(dòng)力市場(chǎng)的教育錯(cuò)配現(xiàn)象。如何解釋中國(guó)勞動(dòng)力市場(chǎng)中的教育錯(cuò)配現(xiàn)象仍然是一個(gè)有待進(jìn)一步研究的問(wèn)題。

上述結(jié)論表明，雖然教育和技能培訓(xùn)被視為促進(jìn)經(jīng)濟(jì)發(fā)展的重要因素，但教育本身并不能保證勞動(dòng)者獲得恰好匹配的工作，較高的過(guò)度教育發(fā)生率意味著勞動(dòng)力市場(chǎng)未能提供足夠多的工作崗位以充分利用潛在的人力資源，這無(wú)論對(duì)勞動(dòng)者本身還是對(duì)企業(yè)都是有成本的。教育錯(cuò)配也有可能意味著通識(shí)型教育對(duì)勞動(dòng)者的技能培養(yǎng)不能很好地和勞動(dòng)力市場(chǎng)匹配。因此，解決教育錯(cuò)配問(wèn)題需要從需求和供給兩個(gè)方面著手。在需求方向面，應(yīng)該進(jìn)一步加強(qiáng)勞動(dòng)力市場(chǎng)建設(shè)，推進(jìn)勞動(dòng)力市場(chǎng)改革，完善就業(yè)服務(wù)體系和人才流動(dòng)機(jī)制。在供給方面，應(yīng)該大力發(fā)展職業(yè)教育;全面提高高等教育質(zhì)量，優(yōu)化學(xué)科專業(yè)、類型、層次結(jié)構(gòu)，擴(kuò)大應(yīng)用型、復(fù)合型、技能型人才培養(yǎng)規(guī)模;加快發(fā)展繼續(xù)教育。

參考文獻(xiàn)：

[1]?McGuinness S， Pouliakas K， Redmond P. Skills mismatch： Concepts measurement and policy approaches[J]. Journal of Economic Surveys， 2018， 32（4）： 985-1015.

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

[3]?Handel M J， Alexandria V， Puerta M L S. Accounting for mismatch in low-and middle-income countries： Measurement， magnitudes， and explanations[M]. Directions in Development. Washington， DC： World Bank， 2016： 37-78.

[4]?繆宇環(huán). 我國(guó)過(guò)度教育現(xiàn)狀及其影響因素探究[J]. 統(tǒng)計(jì)研究， 2013（7）： 48-54.

[5]?顏敏， 王維國(guó). 中國(guó)過(guò)度教育現(xiàn)狀及其演變——來(lái)自微觀數(shù)據(jù)的證據(jù)[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2017（3）： 15-29.

[6]?Lewbel A. Using heteroscedasticity to identify and estimate mismeasured and endogenous regressor models[J]. Journal of Business & Economic Statistics， 2012， 30（1）： 67-80.

[7]?Lewbel A. Identification and estimation using heteroscedasticity without instruments： The binary endogenous regressor case[J]. Economics Letters， 2018， 165： 10-12.

[8]?Millimet D L， Tchernis R. Estimation of treatment effects without an exclusion restriction： With an application to the analysis of the school breakfast program[J]. Journal of Applied Econometrics， 2013， 28（6）： 982-1017.

[9]?Leuven E， Oosterbeek H. Overeducation and mismatch in the labour market[C]∥ Hanushek E， Machin S， Woessmann L. Handbook of the Economics of Education （Volume 4）. Elsevier， 2011： 283-326.

[10]Carroll D， Tani M. Over-education of recent higher education graduates： New Australian panel evidence[J]. Economics of Education Review， 2013， 32： 207-218.

[11]Carroll D， Tani M. Job search as a determinant of graduate over-education： Evidence from Australia[J]. Education Economics， 2015， 23（5）： 631-644.

[12]胥秋. 從過(guò)度教育現(xiàn)象看我國(guó)高等教育的結(jié)構(gòu)失衡[J]. 高教發(fā)展與評(píng)估， 2006（1）： 10-13.

[13]李鋒亮， 岳昌君， 侯龍龍. 過(guò)度教育與教育的信號(hào)功能[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2009（2）： 569-582.

[14]Korpi T， Tahlin M. Educational mismatch， wages， and wage growth： Overeducation in Sweden， 1974—2000[J]. Labour Economics， 2009， 16（2）： 183-193.

[15]Mavromaras K， McGuinnes S， OLeary N， et al. Job mismatches and labour market outcomes： Panel evidence on university graduates[J]. Economic Record， 2013， 89（286）： 382-395.

[16]Kleibrink J. Inept or badly matched？—Effects of educational mismatch in the labor market[J]. Labour， 2016， 30（1）： 88-108.

[17]Montt G. Field-of-sudy mismatch and overqualification： Labour market correlates and their wage penalty[J]. Iza Journal of Labor Economics， 2017， 6（1）： 2-22.

[18]Lamo A， Messina J. Formal education， mismatch and wages after transition： Assessing the impact of unobserved heterogeneity using matching estimators[J]. Economics of Education Review， 2010， 29（6）： 1086-1099.

[19]武向榮. 過(guò)度教育的經(jīng)驗(yàn)研究——基于對(duì)3家企業(yè)的調(diào)查[J]. 教育與經(jīng)濟(jì)， 2005（2）： 4-8.

[20]Ren W， Miller P W. Changes over time in the return to education in urban China： Conventional and ORU estimates[J]. China Economic Review， 2012， 23（1）： 154-169.

[21]Wu Na， Wang Qunyong. Wage penalty of overeducation： New micro-evidence from China[J]. China Economic Review， 2018， 50： 206-217.

[22]顏敏， 王維國(guó). 教育錯(cuò)配對(duì)工資的懲罰效應(yīng)——來(lái)自中國(guó)微觀面板數(shù)據(jù)的證據(jù)[J]. 財(cái)經(jīng)研究， 2018（3）： 84-96.

[23]Duncan G， Hoffmann S. The incidence and wage effects of overeducation[J]. Economics of Education Review， 1981， 1（1）： 75-86.

[24]Li I W， Miller P W. Overeducation and earnings in the Australian graduate labour market： An application of the Vahey model[J]. Education Economics， 2015， 23（1）： 63-83.