摘 要：過度教育是否會造成收入懲罰？這是國際教育匹配領(lǐng)域長期爭論的議題。本研究聚焦中國城鎮(zhèn)勞動力市場，使用2003—2015年中國綜合社會調(diào)查（CGSS）數(shù)據(jù)分析過度教育的收入效應(yīng)，最終得到以下結(jié)論：第一，通過改進(jìn)教育匹配的測量方法，發(fā)現(xiàn)我國城鎮(zhèn)勞動力市場過度教育的發(fā)生比例約為35%。第二，通過線性回歸發(fā)現(xiàn)過度教育會造成收入懲罰，并且這種收入懲罰持續(xù)存在。第三，將歷年高考錄取率和各省專業(yè)技術(shù)人員比例作為工具變量的分析，進(jìn)一步證明了過度教育的收入懲罰效應(yīng)。以上結(jié)論意味著，通過宏觀政策促進(jìn)教育和職業(yè)匹配，對于實現(xiàn)更加充分的勞動力就業(yè)具有重要現(xiàn)實意義。

關(guān)鍵詞：教育匹配;過度教育;教育回報;收入效應(yīng)

中圖分類號：C923;F245 文獻(xiàn)標(biāo)識碼：A 文章編號：1000-4149（2021）01-0116-16

DOI：10.3969/j.issn.1000-4149.2021.00.006

收稿日期：2020-03-27;修訂日期：2020-08-13

基金項目：

西安交通大學(xué)基本科研業(yè)務(wù)費（人文社科類）專項科研項目“高學(xué)歷勞動者的教育匹配研究：發(fā)生機(jī)制、變遷趨勢與群體差異”（SK2021001）;香港特區(qū)研究資助局協(xié)作研究基金（C6011-16G）。

作者簡介：李曉光，社會學(xué)博士，西安交通大學(xué)實證社會科學(xué)研究所研究員，社會學(xué)系助理教授。

Overeducation in Chinese Urban Labor Market：

Measurement Improvements and Income Effects

LI? Xiaoguang

（Institute for Empirical Social Science Research， Xian Jiaotong University，

Xian 710049， China）

Abstract： Does overeducation cause income punishment？ This is a

controversial topic for a longstanding in the field of education matching. This study focuses on over education in the Chinese urban labor market， using the datasets from Chinese General Social Survey （CGSS 2003-2015） to examine the wage effect of overeducation. The conclusions are as follows： Firstly， by improving the measurement method of educational matching， it founds that 35% of respondents have been overeducated in the urban labor market. Secondly， linear regression results

show that excessive education can cause income? penalty， which persists over survey periods. Thirdly， instrumental variable model， including the national college entrance examination admission rate by years and the proportion of professionals and technicians by provinces， demonstrates that overeducation can cause income penalty. The above conclusions suggests the importance of macroeconomic policies to promote the matching between education and occupation， which is of great significance to facilitate better employment of the labor force.

Keywords：educational matching;overeducation;returns to education;wage effect

一、引言

過度教育主要反映個體所擁有的教育程度超過其職業(yè)崗位所需要的教育水平，它和教育不足都屬于教育錯配。這一概念自20世紀(jì)70年代被提出以來，曾在西方國家引發(fā)廣泛討論和深刻反思，其中學(xué)術(shù)界探討的一個重要問題是：過度教育是否會造成收入懲罰？所謂過度教育的收入懲罰，主要反映個體因從事那些教育需求低于自身教育水平的工作崗位，從而降低收入回報的現(xiàn)象。這是全世界教育匹配研究中實證分析最多、理論機(jī)制最富有爭議的一個問題[1]，并且至今尚未形成定論?；仡欉@些學(xué)術(shù)辯論，學(xué)者們主要聚焦于兩個問題：一是過度教育與收入懲罰之間的理論解釋，二是過度教育的測量方法與因果效應(yīng)。從中國現(xiàn)實來看，伴隨高等教育擴(kuò)招和勞動力就業(yè)難問題，教育錯配（尤其是過度教育）已經(jīng)成為當(dāng)前我國勞動力市場的重要就業(yè)現(xiàn)象，并且不斷得到學(xué)術(shù)界的重視[1-4]?；诖?，本文聚焦中國城鎮(zhèn)勞動力市場中的過度教育，回顧過度教育的理論爭辯并改進(jìn)其測量方法，從而檢驗過度教育的收入效應(yīng)。

二、過度教育的收入效應(yīng)：理論爭辯

關(guān)于過度教育的收入懲罰，學(xué)術(shù)界長期存在兩派觀點。一派觀點認(rèn)為過度教育的確會造成收入懲罰，這一脈絡(luò)的研究得到職位分配理論和工作競爭理論的支持。另一派觀點則認(rèn)為過度教育不會造成收入懲罰，研究者主要基于人力資本理論和內(nèi)生性問題進(jìn)行理論分析和因果推斷。以下詳細(xì)論述兩派觀點的基本推理邏輯。

1. 過度教育會造成收入懲罰

許多學(xué)者發(fā)現(xiàn)過度教育會造成收入懲罰[5-8]，其理論淵源主要有兩個。第一個是職位分配理論[9]，強(qiáng)調(diào)人們的收入水平并非僅取決于個體特征或工作表現(xiàn)，分配過程也扮演著重要角色。這是因為人們對工作崗位、職業(yè)種類或部門類型的選擇，會創(chuàng)造出一種中間機(jī)制來影響個體特征和收入回報之間的關(guān)系[9]。在此情況下，職位分配理論認(rèn)為，教育的收入回報不再僅僅取決于個體教育程度的高低，同時取決于個體教育和職業(yè)崗位之間的匹配程度。如果發(fā)生過度教育，個體生產(chǎn)效率的發(fā)揮將會受到限制[1]或者遭遇其職業(yè)崗位所帶來的“天花板效應(yīng)”，即過度教育者在其職業(yè)崗位上無法完全發(fā)揮出潛在的生產(chǎn)力水平，最終表現(xiàn)出更低的生產(chǎn)效率和獲得更低的工資回報[8]。第二個理論淵源是工作競爭理論[10]。該理論認(rèn)為在現(xiàn)實生活中，人們?yōu)榱双@得那些在工作崗位序列中薪酬回報更高的稀缺職位，就會加強(qiáng)投資教育以提高自己在求職者序列中的相對位置，當(dāng)這種投資超出勞動力市場的實際需求時，就會產(chǎn)生過度教育。關(guān)于收入懲罰，該理論認(rèn)為生產(chǎn)效率主要依附在工作崗位而非個體身上，所以個體的工資水平主要由工作崗位決定[8]，而任何高于崗位所需教育水平的教育投資都很難得到回報，所以那些“過度”的教育年限其收入回報幾乎為零[8，11-12]。

以上兩種理論在預(yù)測過度教育的收入懲罰時，既有共性也有區(qū)別。共性在于，兩種理論都強(qiáng)調(diào)了工作崗位的重要作用，本質(zhì)上講，這種崗位決定論的推論，是從勞動力市場中需求側(cè)進(jìn)行的分析。區(qū)別在于，二者對崗位決定的具體邏輯和產(chǎn)生后果存在不同的判斷，職位分配理論認(rèn)為工作崗位主要通過限制過度教育者的生產(chǎn)效率，使得過度的教育年限其收入回報將低于適度的教育年限;工作競爭理論認(rèn)為，工作崗位不會給“過度”的那部分教育提供任何工資回報，所以其收入回報基本為零。實證分析中，絕大多數(shù)學(xué)者通過分析來自不同國家勞動力市場中的數(shù)據(jù)，發(fā)現(xiàn)過度教育者那些超出崗位需求的教育年限，其收入回報低于崗位所需教育年限的回報?；谶@一脈絡(luò)的研究，本文提出研究假設(shè)：過度教育會造成收入懲罰。

2. 過度教育不會造成收入懲罰

然而，另外一些學(xué)者認(rèn)為過度教育不會造成收入懲罰[13-15]，其推斷主要來自兩種分析視角。第一種視角是基于早期的人力資本理論[16-17]。該理論認(rèn)為個體的工資水平由教育、工作經(jīng)驗和在職培訓(xùn)等共同決定，而過度教育的發(fā)生只意味著個體的教育水平并未實現(xiàn)充分配置，但沒有考慮工作經(jīng)驗或在職培訓(xùn)的配置狀況，因此以往學(xué)者之所以觀測到過度教育的收入懲罰，是由于在實證分析中忽略了在職培訓(xùn)、工作經(jīng)驗等其他形式人力資本的匹配狀況，因此本質(zhì)上是一個遺漏變量偏誤的問題[8]。第二種視角強(qiáng)調(diào)過度教育的內(nèi)生性問題。該視角認(rèn)為研究者若想準(zhǔn)確估計過度教育的收入效應(yīng)，那么過度教育的發(fā)生必須是完全隨機(jī)的，但在現(xiàn)實生活中，以個人能力為代表的不可觀測因素，既可能影響個體是否發(fā)生過度教育，也可能影響發(fā)生過度教育后個體的收入獲得過程，如果研究者在統(tǒng)計模型中完全忽略這一問題，那么所估計出過度教育的收入懲罰則可能存在嚴(yán)重偏誤。許多新近實證研究已經(jīng)證明，遺漏不可觀測的能力等變量，將會嚴(yán)重高估過度教育造成的收入懲罰[13]。例如，有學(xué)者基于1984年到1998年的一項德國追蹤調(diào)查數(shù)據(jù)，發(fā)現(xiàn)控制了不可觀測的異質(zhì)性后，過度教育者和適度教育者之間的收入差異

幾乎消失殆盡[13]。

以上兩種視角在診斷過度教育的收入懲罰時，既有共性也有差異。共性在于，兩種視角都聚焦于行動者的異質(zhì)性，并且都是從勞動力市場中供給側(cè)展開的分析。差異在于，人力資本視角強(qiáng)調(diào)教育只是人力資本的一種形式，其他形式還包括工作經(jīng)驗和在職培訓(xùn)等，那些擁有相同教育程度的人其工作經(jīng)驗或勞動技能存在很強(qiáng)的異質(zhì)性，為此在分析過度教育的收入懲罰時，如果能納入技能異質(zhì)性，那么過度教育本身就不會造成收入懲罰。內(nèi)生性問題主要強(qiáng)調(diào)個體能力、性格、動機(jī)等不可觀測的異質(zhì)性會影響過度教育的發(fā)生，如果研究者忽略這些異質(zhì)性，那么就會嚴(yán)重高估過度教育的收入懲罰?；谶@兩種視角，本文提出備擇假設(shè)：過度教育不會造成收入懲罰。

三、過度教育的測量改進(jìn)

對過度教育收入效應(yīng)的評估，在一定程度上取決于如何測量教育錯配。截至目前，教育匹配研究領(lǐng)域主要有三種測量方法：工作分析法、現(xiàn)實匹配法和主觀評估法。以下將詳細(xì)介紹每種方法的測量原理及其局限，隨后選擇本文測量方法和提出改進(jìn)策略。

1. 教育匹配的三種測量方法及局限

第一種方法為工作分析法（Job Analysis）。其基本原理是，由每個職業(yè)領(lǐng)域的職業(yè)分析師或雇主去評估該職業(yè)所需要的標(biāo)準(zhǔn)教育程度，最終匯總成“職業(yè)—教育”匹配手冊[18]。例如，美國勞工部發(fā)布的職業(yè)詞典就包含這種匹配手冊，它提供了每種職業(yè)所需要的教育程度和特定技能。一旦具備這種匹配手冊，研究者只需將調(diào)查數(shù)據(jù)中個體的實際教育程度和其職業(yè)對應(yīng)的標(biāo)準(zhǔn)教育程度進(jìn)行比較，就可以判斷出該個體是否為過度教育。盡管工作分析法被提出以后得到許多學(xué)者認(rèn)可，但它存在以下局限：

第一，測量角度存在時間滯后性[8]，即特定職業(yè)所需要的教育程度會隨著時間發(fā)生變化，如果工作分析法所采用的匹配手冊在時間上過于落后，那么就無法捕捉職業(yè)所需教育程度的變遷。第二，實際應(yīng)用范圍受到國別限制，絕大多數(shù)國家缺乏這種匹配手冊，我國目前也不存在，因此本文難以使用工作分析法 國內(nèi)有學(xué)者嘗試將美國勞動統(tǒng)計局發(fā)布的“職業(yè)準(zhǔn)入的教育標(biāo)準(zhǔn)”，直接引入我國勞動力市場中的過度教育分析，并通過比較兩國職業(yè)結(jié)構(gòu)和教育系統(tǒng)來證明其合理性[3]，這是具有一定突破性的嘗試，但不可忽略的事實是，中美兩國教育發(fā)展存在明顯差別，例如2014年經(jīng)濟(jì)合作與發(fā)展組織報告顯示，我國高等教育人口比例不足10%，美國則為42%[19]，據(jù)此可以推測，中美兩國在高等技能勞動市場中的教育構(gòu)成存在明顯差異。為此，直接將西方“職業(yè)準(zhǔn)入的教育標(biāo)準(zhǔn)”引入我國勞動力市場的過度教育研究，可能會使研究結(jié)論存在嚴(yán)重偏誤。

第二種方法為現(xiàn)實匹配法（Realized Matches）。這一方法的基本原理是，研究者通過觀察所有樣本中每種職業(yè)內(nèi)部教育程度的現(xiàn)實分布狀況，基于特定統(tǒng)計量來決定該種職業(yè)需要的教育程度[6]。根據(jù)統(tǒng)計量的不同，研究者區(qū)分出兩種現(xiàn)實匹配法：標(biāo)準(zhǔn)差法和眾數(shù)法。標(biāo)準(zhǔn)差法建立在正態(tài)分布的基礎(chǔ)上，由研究者首先計算出每種職業(yè)內(nèi)部教育年限的平均值和標(biāo)準(zhǔn)差，然后用來界定過度教育[6]。眾數(shù)法的測量規(guī)則是，由研究者根據(jù)所有樣本中每種職業(yè)內(nèi)部的教育程度的實際分布，計算該種職業(yè)內(nèi)部教育程度的眾數(shù)，然后比較個體的教育程度和其職業(yè)對應(yīng)的教育眾數(shù)，若高于眾數(shù)則為過度教育，若低于眾數(shù)則為教育不足[20]?，F(xiàn)實匹配法被提出以后，在美國、英國、德國、澳大利亞等不同國家得到廣泛應(yīng)用[7-8，21]，同時在我國勞動力市場中也得到諸多應(yīng)用[2，22-24]。但是，現(xiàn)實匹配法也受到一些批評。首先，標(biāo)準(zhǔn)差法的基礎(chǔ)是概率論中的正態(tài)分布，它假定在同一種職業(yè)內(nèi)部，教育不足、適度教育和過度教育都會出現(xiàn)，并且對稱分布。而這一對稱分布的假定在現(xiàn)實世界中是很難滿足的[8]。其次，標(biāo)準(zhǔn)差法的應(yīng)用過程中是通過將均值和標(biāo)準(zhǔn)差共同使用來判斷過度教育，但在實際計算過程中，均值容易受到極端值的影響。綜合而言，眾數(shù)法相對更加穩(wěn)定，并且在實際應(yīng)用過程中，學(xué)者們會傾向于結(jié)合使用眾數(shù)法和標(biāo)準(zhǔn)差法，以獲得更加穩(wěn)健的結(jié)論。

第三種方法為主觀評估法（Selfassessment）。其基本原理是由勞動者對其所從事的職業(yè)所需要的教育程度做主觀評估[5]，具體評估有兩種方式：一是由被訪者具體說明其所從事職業(yè)需要的教育程度，然后由研究者將該教育程度和被訪者實際獲得的教育程度進(jìn)行比較，判斷是否過度教育;二是由被訪者直接匯報其教育匹配狀態(tài)。主觀評估法被提出后，獲得了較為廣泛的應(yīng)用[1，4，8]，但也存在一定局限，例如員工主觀性造成的偏差，即實際調(diào)查過程中，個體有可能會通過夸大自己所從事工作的教育要求，來抬高或展示自己的社會地位[25]。同時，對過度教育的人而言，可能會因為對工作的冷漠或積極性不夠，而不太愿意去回應(yīng)相關(guān)的問題，從而導(dǎo)致低估過度教育[8]。

綜合來看，以上三種過度教育的測量方法各有優(yōu)劣。本研究根據(jù)調(diào)查數(shù)據(jù)特征和資料可得性，主要選擇現(xiàn)實匹配法來測量教育匹配。但是，該方法主要應(yīng)用于西方國家的勞動力市場，將其直接移植到我國勞動力市場中教育匹配測量時是否適用？如何改進(jìn)？下面將具體分析。

2. 現(xiàn)實匹配法的缺陷和改進(jìn)策略

（1） 忽略制度變遷性和引入“時期—世代”視角。

現(xiàn)實匹配法的第一個缺陷是忽略制度變遷性。這一方法提出以來主要應(yīng)用于美國、英國、澳大利亞等西方國家，這些國家近些年來經(jīng)濟(jì)制度和教育制度相對比較穩(wěn)定，但我國自1949年以來在經(jīng)濟(jì)制度和教育制度經(jīng)歷了重大變遷。首先，經(jīng)濟(jì)制度經(jīng)歷著從計劃經(jīng)濟(jì)向市場經(jīng)濟(jì)的轉(zhuǎn)型，這深刻影響勞動力市場中的職業(yè)結(jié)構(gòu)。計劃經(jīng)濟(jì)體制下，勞動力主要由國家分配給單位，并且不允許自由流動[26]，人們的求職模式以國家分配或頂替父母為主。但在市場經(jīng)濟(jì)體制下，勞動力是通過自由市場來配置的，人們可以通過個人申請、經(jīng)人介紹等方式找工作，因而存在競爭激烈的勞動力市場。邁向市場經(jīng)濟(jì)的經(jīng)濟(jì)體制改革，毫無疑問將引起勞動力分配方式的變化，所以在過度教育的測量中，需要考慮經(jīng)濟(jì)制度的變遷性。

其次，教育制度經(jīng)歷了諸多重大變革，深刻影響不同世代人口的教育獲得?？傮w而言，我國教育制度的變遷可分為四個階段

：一是奠基階段，即新中國成立之初，我國參照蘇聯(lián)模式發(fā)展教育，創(chuàng)建大量理工科院校并開展大規(guī)模掃盲運動，期間于1955年正式確立高考制度;20世紀(jì)60年代，國家組織知識青年上山下鄉(xiāng)，“文化大革命”期間學(xué)校進(jìn)入停課狀態(tài)，教育事業(yè)遭到嚴(yán)重破壞。二是改革階段，即70年代末恢復(fù)高考制度和重點學(xué)校制度。1985年開展教育體制改革，決定實施九年義務(wù)教育制度，擴(kuò)大高等學(xué)校辦學(xué)自主權(quán)，改革高校招生和畢業(yè)分配制度等。三是擴(kuò)張階段，90年代末，我國開始實施大學(xué)擴(kuò)招政策，并發(fā)展民辦教育;同時，確立“985工程”和“211工程”，提升高等教育的發(fā)展質(zhì)量。四是內(nèi)涵提升階段，2010年以來，我國繼續(xù)深化教育領(lǐng)域綜合改革，并通過“雙一流”工程加強(qiáng)一流大學(xué)和一流學(xué)科建設(shè)[27]?？梢姡覈逃贫鹊淖冞w和改革進(jìn)程自新中國成立以來就從未止步，成長在不同歷史階段的世代群體，其教育獲得過程深深烙上教育制度變遷的印記。

經(jīng)濟(jì)制度和教育制度的雙重制度變遷，深刻形塑著勞動力市場中職業(yè)和教育之間的匹配模式。具體而言，不同的歷史時期，勞動力市場中的職業(yè)結(jié)構(gòu)具有明顯差異，同時每種職業(yè)對學(xué)歷的需求，受制于勞動力市場中不同學(xué)歷人才的實際分布狀況。以教育行業(yè)為例，目前大學(xué)教師的招聘過程中，大多數(shù)高校要求應(yīng)聘者須具備博士學(xué)歷甚至海外留學(xué)經(jīng)歷，但在1977年恢復(fù)高考制度后的幾年甚至十幾年，具有博士和碩士學(xué)位的教師并不多見，這種人才短缺和斷裂現(xiàn)象，使得高校必須招聘一定數(shù)量本科學(xué)歷的教師以滿足教學(xué)和科研工作的需要。由此可見，職業(yè)和教育的匹配過程，深刻受制于勞動力市場中職業(yè)結(jié)構(gòu)和教育的實際分布狀況，而職業(yè)結(jié)構(gòu)和教育獲得更是受到宏觀經(jīng)濟(jì)制度和教育制度變遷的影響。研究者在實際測量過度教育時，如果不能在測量中糾正這一測量誤差，而直接忽略這種制度變遷性，那么其研究結(jié)論就會產(chǎn)生偏誤。

為了降低制度變遷造成的干擾，本文引入“時期—世代”視角來測量過度教育。經(jīng)濟(jì)制度和教育制度的變遷，幾乎是同步發(fā)生的，這就使得研究者捕捉兩種制度變遷效應(yīng)時會非常棘手。但本研究認(rèn)為，兩種制度變遷所產(chǎn)生的效應(yīng)，最終會投影到個體身上，為此，通過觀察這些處在不同時期和不同世代的個體，研究者可以捕捉到兩種制度變遷所帶來的影響。具體而言，本研究的實證策略是，通過個體所出生的年份劃分M個世代，再根據(jù)調(diào)查實施的年份劃分N個時期，然后將個體投射到由世代和時期組成的M×N個“時間格子”中，最后在每個“時間格子”中計算每種職業(yè)所需要的教育程度。這種基于“時間格子”計算出的教育匹配標(biāo)準(zhǔn)，能夠有效捕捉經(jīng)濟(jì)制度和教育制度變遷對教育匹配的效應(yīng)，從而可以更加準(zhǔn)確地反映出勞動力市場中不同職業(yè)對教育程度的實際要求。

（2） 忽略職業(yè)內(nèi)部教育異質(zhì)性和引入教育異質(zhì)性指數(shù)。

現(xiàn)實匹配法的第二個缺陷是忽略職業(yè)內(nèi)部教育異質(zhì)性。盡管已有學(xué)者批評現(xiàn)實匹配法忽略了同一職業(yè)內(nèi)部工作內(nèi)容的異質(zhì)性[8]，但更需反思的是忽略教育異質(zhì)性，并且這一缺陷是跨越國界的。所謂職業(yè)內(nèi)部的教育異質(zhì)性，是指同一種職業(yè)需要不同教育程度的勞動者來共同從事。這種教育異質(zhì)性主要有兩個來源：第一，職業(yè)分工的精細(xì)化程度不斷上升。例如，軟件工程師這一職業(yè)，既需要大量?？坪捅究茖W(xué)歷的勞動者從事基礎(chǔ)性的代碼撰寫工作，也需要一定數(shù)量具有碩士和博士學(xué)歷的勞動者來引導(dǎo)項目方向和解決疑難問題。第二，組織異質(zhì)性導(dǎo)致同一職業(yè)對教育程度的需求不同。組織規(guī)模、組織結(jié)構(gòu)及組織發(fā)展程度，都可能使組織對員工教育程度的需求存在差異。這一現(xiàn)象在現(xiàn)實生活中屢見不鮮，例如軟件工程師這一職業(yè)，媒體或宣傳公司通常僅需要本科學(xué)歷的求職者來解決軟件應(yīng)用中出現(xiàn)的問題，而互聯(lián)網(wǎng)公司則需要至少碩士學(xué)歷以上的求職者來從事研發(fā)工作。由此可見，同一職業(yè)內(nèi)部，其需求的教育程度存在明顯差異。如果研究者忽略了職業(yè)內(nèi)部的這種教育異質(zhì)性，則會使一部分適度教育的個體在統(tǒng)計上被劃為過度教育者。

為了降低忽略職業(yè)內(nèi)部教育異質(zhì)性造成的偏差，本文引入教育異質(zhì)性指數(shù)。異質(zhì)性指數(shù)（Index of Qualitative Variation，簡寫為IQV），是指實際觀察到的變異量和依數(shù)據(jù)可能發(fā)生的最大變異量之間的比值[28]。本研究將異質(zhì)性指數(shù)引入過度教育分析中，主要目的是通過計算每種職業(yè)內(nèi)部的教育異質(zhì)性指數(shù)，將其加入過度教育的預(yù)測模型中，從而控制由于忽略“職業(yè)內(nèi)部教育異質(zhì)性”而引起的過度教育預(yù)測偏差。具體而言，對于一個特定的職業(yè)類別，其教育異質(zhì)性指數(shù)的計算公式為：

IQVedu=K（N2-f2）N2（K-1）（1）

其中，K是教育類別數(shù)，N是該職業(yè)的所有個案數(shù)，f是該職業(yè)內(nèi)部實際出現(xiàn)的教育類別中的實際個案數(shù)，

f2則是該職業(yè)內(nèi)部實際出現(xiàn)的各類別教育中實際個案數(shù)平方的總和。

研究者確定好這幾個參數(shù)之后，就可以根據(jù)上述公式計算該職業(yè)內(nèi)部的教育異質(zhì)性指數(shù)IQVedu。該指數(shù)的取值范圍介于0與1之間，值越大則異質(zhì)性越高，同時0表示該職業(yè)內(nèi)部不同教育類別的分布完全沒有差異，1則意味著不同教育類別中個案分布達(dá)到差異性最高的程度。以上步驟是計算某一特定職業(yè)內(nèi)部教育的異質(zhì)性，本研究隨后按照國際標(biāo)準(zhǔn)職業(yè)分類（ISCO-88），分配到

“時期—世代”構(gòu)成的“時間格子”，然后計算出每個“時間格子”中每一類職業(yè)內(nèi)部的教育異質(zhì)性指數(shù)

（IQVEdu），并將其作為預(yù)測變量放入過度教育的預(yù)測方程，從而控制職業(yè)內(nèi)部教育異質(zhì)性對于過度教育的影響。

四、數(shù)據(jù)、變量和統(tǒng)計模型

1. 數(shù)據(jù)來源

本文主要使用2003年到2015年中國綜合社會調(diào)查數(shù)據(jù)（CGSS）。CGSS是我國最早的全國性、持續(xù)性的多次橫截面調(diào)查，本研究主要合并CGSS 2003年、2005年、2006年、2008年、2010年、2012年、2013年和2015年共8期數(shù)據(jù)，并限制為18—69歲的城鎮(zhèn)樣本。剔除教育、職業(yè)、收入等核心變量有缺失的樣本以后，剩余樣本量為28137。

2. 變量測量

過度教育的測量是基于改進(jìn)后的現(xiàn)實匹配法，測量步驟總體為四步。第一，將世代劃分為三組：1960年及以前、1961—1979年和1980年及以后的出生世代，并于調(diào)查時期交叉產(chǎn)生“時期—世代”的時間格子。

第二，將受教育程度劃分為6個等級：小學(xué)及以下、初中、高中、大學(xué)專科、大學(xué)本科和研究生及以上，并生成教育年限變量 具體而言，未受過任何教育被編碼為0年，私塾、掃盲班為3年，小學(xué)為6年，初中為9年，職業(yè)高中和普通高中為12年，中專和技校為13年，大學(xué)?？茷?5年，大學(xué)本科為16年，研究生及以上為19年。第三，在每個時間格子內(nèi)部，基于國際標(biāo)準(zhǔn)職業(yè)編碼（ISCO-88）計算每種職業(yè)內(nèi)部教育程度眾數(shù)和教育年限標(biāo)準(zhǔn)差 需要說明的是，在“時期—世代”的時間格子內(nèi)部，有部分職業(yè)類型的樣本量過小，為減少誤差，本文對樣本量少于20的職業(yè)，使用CGSS所有樣本來界定計算教育匹配標(biāo)準(zhǔn)。第四，通過比較被訪者實際教育程度和所從事職業(yè)的標(biāo)準(zhǔn)教育程度（眾數(shù)或標(biāo)準(zhǔn)差），來界定過度教育和適度教育。

表1為過度教育的實證測量結(jié)果。首先，觀察CGSS的測量結(jié)果可知，基于眾數(shù)法的過

度教育比例為35.09%，基于標(biāo)準(zhǔn)差法的測量結(jié)果為35.27%，這兩個比例是相當(dāng)接近的。同時，CGSS 2003年和2008年具有主觀評估法的測量，基于這一方法測量的過度教育比例為34.75%，進(jìn)一步證明了現(xiàn)實匹配法測量結(jié)果的穩(wěn)健性。由此可見，當(dāng)前我國勞動力市場中的過度教育總體比例約為35%，這一結(jié)果在不同測算標(biāo)準(zhǔn)中具有穩(wěn)健性。

表2呈現(xiàn)出基于CGSS數(shù)據(jù)庫定義的其他變量，該數(shù)據(jù)庫總共包括8期，平均每期的比例約在12%左右。首先是人口學(xué)特征變量。樣本中平均年齡為40歲，女性占47%，農(nóng)業(yè)戶

口占21%，少數(shù)民族約占6%，已婚者占83%，黨員占22%，平均教育年限為11.38年。其

次是工作特征變量，剔除年收入小于500元的樣本，然后基于《中國統(tǒng)計年鑒》公布的消費者物價指數(shù)進(jìn)行調(diào)整，并取自然對數(shù)。職業(yè)類型中管理人員占10%，專業(yè)技術(shù)人員占20%，辦事人員占12%，商業(yè)服務(wù)人員占20%，體力勞動者占38%。工作經(jīng)驗均值為23年，體制內(nèi)人員占50%，壟斷行業(yè)占45%。職業(yè)內(nèi)部的教育異質(zhì)性指數(shù)的取值范圍是0到1，均值為0.85，意味著職業(yè)內(nèi)部的教育異質(zhì)性程度是相對較高的。最后是家庭背景和區(qū)域變量。本文分別界定了父母教育程度，劃分為四分類變量，然后取二者中最高值作為家庭背景的代理變量，由于樣本中父母的教育程度存在諸多缺失值，本文將這些缺失值專門作為一個類別進(jìn)行控制。區(qū)域是按照省份進(jìn)行劃分的，其中東部地區(qū)樣本約為52%，中部地區(qū)為28%，西部地區(qū)為20%。

3. 過度教育的收入方程

研究過度教育的收入效應(yīng)時，研究者主要通過兩種方式來建立過度教育的收入方程：教育分解法和虛擬變量法。前者主要通過分解不同類型的教育年限，并計算其收入回報率，來證明過度教育是否會造成收入懲罰。后者主要通過教育匹配狀態(tài)區(qū)分不同人群，并比較其收入水平，去檢驗過度教育的收入懲罰。下面分別詳細(xì)介紹。

（1）教育分解法。

鄧肯（Duncan）等最早通過教育年限分解法，檢驗了過度教育的收入效應(yīng)[5]。具體而言，他們將個體完成的教育年限分解為三個部分：需要/適度的教育年限、過度的教育年限和不足的教育年限。由此，個體教育和收入之間的因果關(guān)系就可以表達(dá)為如下方程形式：

ln（yi）=β0+βXi+β1Eri+β2Eoi+β3Eui+εi

（2）

其中，ln（yi）表示個體i收入的自然對數(shù)形式，Xi表示與個體特征相關(guān)的控制項向量（如性別、年齡等），而εi表示隨機(jī)誤差項。

Eri代表的是個體所在職業(yè)需要的教育年限，

Eoi代表個體過度的教育年限，

而Eui代表個體不足的教育年限?；谠摲匠蹋芯空咄ㄟ^比較β1、β2和β3的大小，就可以知道適度、過度和不足的教育年限所對應(yīng)的教育受益率，由此可以檢驗過度教育是否會造成收入懲罰，具體而言，如果β2小于β1，那就意味著過度教育

的確會造成收入懲罰。該方法在實證分析中得到許多應(yīng)用[14，29-32]。需要說明的是，這種建模策略背后隱含著一個重要假定：研究者將過度教育者與相同崗位的適度教育者進(jìn)行比較，而非與同等教育程度的適度教育者進(jìn)行比較。

（2）虛擬變量法。

韋爾多戈（Verdugo）等在1989年通過虛擬變量法區(qū)分教育匹配狀態(tài)，從而檢驗過度教育的收入效應(yīng)[6]。具體而言，該方法首先控制個體的教育年限，然后將教育匹配的三種狀態(tài)（適度教育、過度教育和教育不足），作為分類變量納入模型，并且

將適度教育作為參照項。由于此研究主要關(guān)注過度教育對不平等的影響，為此將教育不足和適度教育進(jìn)行合并，所以在使用虛擬變量法建立模型時，納入的是過度教育的二分類變量，最終其收入方程為如下形式：

ln（yi）=β0+βXi+β1Edui+β2OEi+εi

（3）

其中，Edui表示個體i的受教育年限，OEi代表過度教育?；谠摲匠?，研究者就可以通過β2的系數(shù)來判斷過度教育是否會造成收入懲罰，如果β2小于0且統(tǒng)計顯著，那就意味著過度教育者比那些擁有同等教育年限但實現(xiàn)教育匹配的人將得到更低的收入回報;反之，則意味著過度教育不會造成收入懲罰。這一方法被提出以后，也得到廣泛應(yīng)用[6，11，13，33]。

4. 過度教育的因果推斷

為了檢驗過度教育是否會造成收入懲罰，本文需要有效控制內(nèi)生性問題造成的干擾。所謂內(nèi)生性問題，是指那些潛在的不可觀測因素，既會影響“因”又會影響“果”[34]，以過度教育為例，像個人能力等不可觀測因素，既會影響過度教育的發(fā)生，也會影響過度教育的收入效應(yīng)。為了有效控制內(nèi)生性問題造成的干擾，本文擬采用工具變量來檢驗過度教育的教育回報。

如何選擇過度教育的工具變量？理論上講，勞動力市場中教育程度和職業(yè)崗位之間的供需關(guān)系，會深刻影響過度教育的發(fā)生，例如當(dāng)教育程度供給遠(yuǎn)超職業(yè)崗位需求時，就會增加個體發(fā)生過度教育的風(fēng)險。為此，從市場中職業(yè)和教育的供需關(guān)系切入，有助于尋找到合理的工具變量。本研究從勞動力市場的供給側(cè)和需求側(cè)尋找到兩個變量作為過度教育的工具變量。第一，在勞動力市場供給側(cè)，本文選擇1949—2015年全國高考錄取率作為工具變量。這是因為高考錄取率在理論上與個體收入之間沒有直接的因果關(guān)系，滿足外生性要求;同時，高考錄取率和過度教育之間高度相關(guān)。具體而言，高考制度的變遷會影響不同世代群體獲得高等教育文憑的幾率和勞動力市場中高等學(xué)歷的供給，對于特定出生世代而言，其接受高等教育時點的全國高考錄取率越高，那么該世代內(nèi)部擁有高等教育文憑的比例就會越高，而同一文憑的相對教育位置就會下降，所以該世代內(nèi)部的成員在勞動力市場中發(fā)生過度教育的幾率越高 本文結(jié)合個體出生年份和人們參加高考的平均年齡，將歷年高考錄取率數(shù)據(jù)匹配到CGSS數(shù)據(jù)庫。第二，在勞動力市場需求側(cè)，本文選擇“省份—時期—世代”框架中專業(yè)技術(shù)人員比例作為工具變量。這是因為，該比例與個體收入水平在理論上沒有因果關(guān)系，同時該比例與過度教育存在高度相關(guān)。當(dāng)某一地區(qū)在特定時期的職業(yè)結(jié)構(gòu)中專業(yè)技術(shù)人員比例較高時，則對教育

程度的需求也會增加，由此會降低過度教育的發(fā)生幾率 計算過程中，本文按照省份、時期、世代將樣本分組，計算每個組內(nèi)專業(yè)技術(shù)人員比例。對于樣本量小于30的分組，本文主要在省份層次進(jìn)行計算。確定工具變量之后，過度教育影響收入獲得的工具變量模型可以表達(dá)為如下方程組形式：

OE*i=γ0+γ1Zi+

γ2Xi+ζi， OEi=1 if OE*i>0（4）

ln（yi）=β0+βXi+β1Edui+β2OEi+εi（5）

方程（4）為第一階段模型，其中Zi代表工具變量（即全國高考錄取率），ζi為隨機(jī)誤差項，而OE*i代表過度教育的潛在變量，當(dāng)OE*i>0時，OEi的取值為1。Zi作為有效的工具變量，要求方程組（4）和（5）必須滿足兩個條件，即

Cov（Zi，εi）=0，并且Cov（Zi，OEi）≠0。

在模型估計過程中，由于過度教育是二分類變量，本文選擇Probit-2SLS方法進(jìn)行估計，該方法比直接使用兩階段最小二乘法

（twostage leastsquares，即2SLS）更加穩(wěn)健[35]。

五、實證分析結(jié)果

本文的實證分析主要包含兩個部分。首先，本文將基于CGSS 2003—2015的橫截面調(diào)查數(shù)據(jù)，使用眾數(shù)法和標(biāo)準(zhǔn)差法建立過度教育的收入效應(yīng)模型。其次，本文將使用工具變量獲得更加穩(wěn)健的因果推斷。

1. 過度教育的線性回歸模型

表3呈現(xiàn)出過度教育影響個體收入水平的線性回歸結(jié)果。所有模型的因變量都為個體年收入的自然對數(shù)形式，模型1和模型2采取虛擬變量法。模型1是基于眾數(shù)法定義的過度教育變量，觀察可知，過度教育的系數(shù)為-0.078，并在0.001水平上統(tǒng)計顯著。這就意味著和同等教育年限的適度教育者相比，過度教育者的個體年收入要低7.5% 計算方式為：1-e-0.078=7.5%，下同。模型2中核心自變量為基于標(biāo)準(zhǔn)差法定義的過度教育，其系數(shù)為-0.106，并且也在0.001水平上統(tǒng)計顯著，意味著和同等教育程度但實現(xiàn)教育匹配的個體相比，過度教育者的平均收入低10%。綜合模型1和2可知，過度教育的確會造成收入懲罰。

模型3采用教育分解法[5]，其實證結(jié)果和虛擬變量法基本一致。模型3回歸結(jié)果表明，適度的教育年限每增長1年，那么個體年收入就會增長約10.3%;而過度的教育年限每增長1年，那么個體年收入就會增長約5.2%。由此可見，過度的教育年限其教育收益率僅為適度的教育年限的一半，這與以往研究的結(jié)果一致[5]。綜合來看，教育分解法和虛擬變量法的結(jié)果都表明過度教育會給個體造成收入懲罰。

表3中控制變量也顯示出重要信息。第一，人口學(xué)變量層次，男性比女性平均收入高，說明女性在勞動力市場中依然處于相對劣勢地位;個體年收入隨著年齡增長呈現(xiàn)出先上升后下降的趨勢;少數(shù)民族比漢族的平均收入要低;非農(nóng)業(yè)戶籍人口比農(nóng)業(yè)戶籍的平均年收入更低，本文通過逐步回歸發(fā)現(xiàn)，這是由于控制職業(yè)這一變量之后，戶籍的系數(shù)發(fā)生了逆轉(zhuǎn);已婚者比未婚者的年收入平均高;黨員比非黨員的平均年收入高，意味著黨員身份的確有助于提升個體的收入水平。第二，在工作特征變量層次，職業(yè)變量表明，專業(yè)技術(shù)人員、辦事人員、商業(yè)服務(wù)人員和體力勞動者的收入都低于管理人員;工作經(jīng)驗對個體收入的影響為負(fù)，這可能是由于它跟年齡之間的共線性導(dǎo)致的;體制內(nèi)從業(yè)人員比體制外的平均年收入更低;壟斷行業(yè)人員比非壟斷行業(yè)的年收入更高。第三，家庭背景變量層次，教育變量表明，和父母教育程度為小學(xué)及以下相比，父母受過初中、高中及中專、大學(xué)及以上教育的個體，其平均收入更高，反映出家庭背景在我國勞動力市場中依然是形塑群體間收入不平等的重要力量。第四，在宏觀區(qū)域?qū)哟?，與東部地區(qū)居民相比，中部和西部地區(qū)居民的個體年收入更低，這就意味著區(qū)域差異是我國勞動力市場中收入不平等的重要來源。最后，職業(yè)內(nèi)部教育

異質(zhì)性指數(shù)越高，個體收入水平越高，并且控制這一變量后，過度教育的收入懲罰依然統(tǒng)計顯著。

圖1呈現(xiàn)出過度教育收入懲罰的時期變遷效應(yīng)。具體而言，本文在表3模型中納入了時期變量和世代變量（即建立年齡—時期—世代模型），并將時期變量與過度教育進(jìn)行交互，最后將交互項結(jié)果進(jìn)行圖示化。我們通過圖1可以發(fā)現(xiàn)：首先，從2003年到2015年，人們的平均收入水平呈現(xiàn)持續(xù)上升趨勢（已經(jīng)調(diào)整消費者物價指數(shù)）;其次，相對于同等教育水平的適度教育者，過度教育者的收入水平持續(xù)更低。無論眾數(shù)法還是標(biāo)準(zhǔn)差法，都表明過度教育造成的收入懲罰隨著時期持續(xù)存在。這表明伴隨著時期進(jìn)程，過度教育所造成的收入懲罰是持續(xù)穩(wěn)定的。

2. 過度教育的工具變量模型

過度教育的發(fā)生可能存在內(nèi)生性問題。例如，個人能力等不可觀測因素既會影響過度教育的發(fā)生，也會影響個體的收入水平。按照統(tǒng)計模型部分的介紹，本文采用兩個工具變量來降低這些不可觀測異質(zhì)性造成的干擾。首先聚焦勞動力市場供給側(cè)，工具變量為1949—2015年高考錄取率，它對過度教育的影響呈現(xiàn)“U”型關(guān)系，當(dāng)高考錄取率在一定界限內(nèi)上升時，有助于提升勞動力市場中的教育匹配狀況;但是超過一定界限以后，高考錄取率越高，那么個體發(fā)生過度教育的幾率就越高。由此，高考錄取率的確和過度教育之間存在高度相關(guān)，可以作為過度教育的工具變量 本文在使用Probit-2SLS估計之前，首先使用2SLS估計檢測高考錄取率是否符合工具變量要求。Durbin檢驗的卡方值為997.601 （p<0.000），表明過度教育的發(fā)生的確存在內(nèi)生性問題。弱工具變量F檢驗值為62.128 （p<0.000），大于臨界值（10），表明高考錄取率是可行的工具變量。表4中模型1為Probit-2SLS估計結(jié)果，觀察可知，高考錄取率對過度教育具有顯著影響，它的確是一個有效的工具變量;同時，過度教育的確會造成收入懲罰，與同等教育程度的適度教育者相比，過度教育者的平均收入低44%，表明一般線性回歸低估了過度教育的收入懲罰。

其次，我們聚焦勞動力市場需求側(cè)。工具變量為“省份—時期—世代”內(nèi)部專業(yè)技術(shù)人員比例 本文在使用Probit-2SLS估計之前，本文同樣使用2SLS估計檢測“專業(yè)技術(shù)人員比例（省份—時期—世代）”是否符合工具變量要求。Durbin檢驗的卡方值為798.15 （p<0.000），表明過度教育的發(fā)生的確存在內(nèi)生性問題。弱工具變量F檢驗值為44.939 （p<0.000），大于臨界值（10），表明專業(yè)技術(shù)人員比例是有效工具變量。模型2中第一階段Probit模型表明，當(dāng)專業(yè)技術(shù)人員比例越高時，個體發(fā)生過度教育的幾率越低，這意味著當(dāng)特定地區(qū)的勞動力市場對專業(yè)技術(shù)人員的需求越高時，對教育文憑的吸收能力也就越強(qiáng)，由此降低人們發(fā)生過度教育的幾率。第二階段2SLS表明，當(dāng)其他條件不變時，過度教育者比同等教育程度的適度教育者的平均收入低25%。綜合以上分析，基于CGSS和工具變量法的分析結(jié)果都表明過度教育的確會造成收入懲罰。

3. 基于CFPS 2010—2016數(shù)據(jù)的穩(wěn)健性分析結(jié)果

為了進(jìn)一步檢驗結(jié)論穩(wěn)定性，本文使用2010—2016中國家庭追蹤調(diào)查數(shù)據(jù)（CFPS）和固定效應(yīng)模型進(jìn)行穩(wěn)健性分析。

之所以如此，這是因為固定效應(yīng)模型有助于控制難以測量的、不隨時間變化的個體特征，例如個人能力、性格等，這些因素既可能影響過度教育的發(fā)生，也可能影響個體收入獲得。本研究將CFPS樣本限制為城鎮(zhèn)樣本，僅保留2010年、2012年、2014年、2016年都被調(diào)查的被訪者，并且剔除職業(yè)和收入有缺失值的樣本。實證分析結(jié)論主要有兩個：首先，本文改進(jìn)之后的現(xiàn)實匹配法測量結(jié)果表明，基于CFPS數(shù)據(jù)測量的過度教育比例約為36%，這與本文使用CGSS數(shù)據(jù)測量的結(jié)果非常接近，這表明基于改進(jìn)版現(xiàn)實匹配法在不同數(shù)據(jù)之間的測量結(jié)果具有穩(wěn)定性。其次，固定效應(yīng)結(jié)果表明，相比于同等教育程度的教育匹配者，過度教育者的個體年收入要低12%。這一收入懲罰雖然低于基于CGSS和工具變量法的分析結(jié)果，但是高于基于一般線性回歸所估計的收入懲罰 為了節(jié)省空間，本文省略了相關(guān)表格，感興趣者可以向作者索要。

。由此，穩(wěn)健性分析結(jié)果表明本文的研究結(jié)論是穩(wěn)定的，即過度教育的確會造成收入懲罰，并且一般線性回歸會低估過度教育造成的收入懲罰。

六、結(jié)論與討論

過度教育的收入效應(yīng)是教育匹配領(lǐng)域爭辯比較激烈的研究議題之一。基于工作競爭理論和職位分配理論的學(xué)者們強(qiáng)調(diào)過度教育會造成收入懲罰，但是基于人力資本理論和內(nèi)生性問題的學(xué)者們強(qiáng)調(diào)過度教育不會造成收入懲罰。本文基于CGSS 2003—2015的多期橫截面數(shù)據(jù)，首先通過納入“時期—世代”視角和職業(yè)內(nèi)部教育異質(zhì)性指數(shù)，對現(xiàn)實匹配法進(jìn)行改進(jìn)，最終發(fā)現(xiàn)我國城鎮(zhèn)勞動力市場的過度教育比例約為35%。其次，本文結(jié)合線性回歸和工具變量模型，發(fā)現(xiàn)過度教育的確會造成收入懲罰，并且過度教育的收入懲罰效應(yīng)隨著時期持續(xù)存在。那么職位分配理論和工作競爭理論中，哪種理論更能解釋過度教育的收入懲罰？本文的實證分析支持職位分配理論。這是因為按照工作競爭理論，那些超出工作崗位所需要的教育年限將不會得到任何回報，換言之，過度的教育年限其收益率為零。但是本文通過教育年限分解法發(fā)現(xiàn)，那些過度教育年限的收益率，只有適度教育年限收益率的一半，但是絕對不會為零。這反駁了工作競爭理論，而支持職位分配理論，即過度教育的工作崗位會限制個體的生產(chǎn)效率，從而造成收入懲罰。

以上發(fā)現(xiàn)具有重要的政策啟示。由于過度教育會造成收入懲罰，因此通過宏觀政策強(qiáng)化學(xué)校系統(tǒng)與勞動力市場系統(tǒng)的聯(lián)結(jié)強(qiáng)度，進(jìn)而促進(jìn)教育和職業(yè)匹配，對于實現(xiàn)更加充分的勞動力就業(yè)具有重要意義。為此首先要優(yōu)化教育結(jié)構(gòu)，促進(jìn)教育系統(tǒng)和勞動力市場之間的供需均衡。伴隨著我國高等教育的擴(kuò)張，人們越來越感知到勞動力市場中的“就業(yè)難”問題，同時雇主卻也越來越難招到符合其要求的人才，這反映出人們過度地追求教育學(xué)歷或文憑，而忽視勞動技能的培養(yǎng)和積累，對此政府應(yīng)該調(diào)整教育結(jié)構(gòu)，增強(qiáng)職業(yè)教育和技能教育，為勞動力市場輸送合適的人才。其次要促進(jìn)校企合作，強(qiáng)化學(xué)校與職場之間的聯(lián)結(jié)強(qiáng)度。這是因為，教育系統(tǒng)和勞動力市場系統(tǒng)之間聯(lián)結(jié)越緊密的國家，人們實現(xiàn)教育匹配的幾率越大，并且失業(yè)的幾率越低。為此，加強(qiáng)學(xué)校與企業(yè)之間的交流與合作，有助于強(qiáng)化教育系統(tǒng)和勞動力市場系統(tǒng)的聯(lián)結(jié)強(qiáng)度，有效降低過度教育的發(fā)生，從而實現(xiàn)更加充分的就業(yè)。

（感謝李黎明教授和答辯委員會的指導(dǎo)與建議，同時感謝郭小弦、姚遠(yuǎn)、王建三位博士提供的建設(shè)性意見。

感謝謝宇教授、董浩博士和吳瓊博士提供了寶貴修改建議，同時《人口與經(jīng)濟(jì)》編輯部和匿名評審專家提出了許多建設(shè)性意見。

）

參考文獻(xiàn)：

[1]李駿. 中國高學(xué)歷勞動者的教育匹配與收入回報[J]. 社會， 2016（3）： 64-85.

[2]劉金菊. 中國人口的教育過度：水平、趨勢與差異[J]. 人口研究， 2014（5）： 41-53.

[3]李建民， 陳潔. 中國過度教育的測度——基于美國職業(yè)準(zhǔn)入的教育標(biāo)準(zhǔn)[J]. 人口與經(jīng)濟(jì)， 2017（5）： 34-44.

[4]郝雨霏， 張順. 勞動力就業(yè)市場化、人力資本與人職匹配[J]. 人口與經(jīng)濟(jì)， 2016（2）： 79-85.

[5]DUNCAN G J， HOFFMAN S D. The incidence and wage effects of overeducation[J]. Economics of Education Review， 1981， 1（1）： 75-86.

[6]VERDUGO R R， VERDUGO N T. The impact of surplus schooling on earnings： some additional findings[J]. The Journal of Human Resources， 1989， 24（4）： 629-643.

[7]GROOT W， VAN DEN BRINK H M. Overeducation in the labor market： a metaanalysis[J]. Economics of Education Review， 2000，19（2）： 101-122.

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

[9]SATTINGER M. Assignment models of the distribution of earnings[J]. Journal of Economic Literature， 1993， 31（2）： 831-880.

[10]THUROW L C. Generating inequality： mechanisms of distribution in the U.S. economy[M]. New York： Basic Books， 1975：75-98.

[11]WU N， WANG Q. Wage penalty of overeducation？： new microevidence from China[J]. China Economic Review， 2018， 50（2）： 206-217.

[12]DI STASIO V， BOL T， VAN DE WERFHORST H G. What makes education positional？ institutions， overeducation and the competition for jobs[J]. Research in Social Stratification and Mobility， 2016， 43（15）： 53-63.

[13]BAUER T K. Educational mismatch and wages： a panel analysis[J]. Economics of Education， 2002， 21（3）： 221-229.

[14]TSAI Y. Returns to overeducation： a longitudinal analysis of the U.S. labor market[J]. Economics of Education Review， 2010， 29（4）： 606-617.

[15]CHEVALIER A. Measuring overeducation[J]. Economica， 2003， 70（3）： 509-533.

[16]BECKER G S. Human capital[M]. New York： University of Chicago Press， 1964：5-20.

[17]SCHULTZ T W. Investment in human capital[J]. The American Economic Review， 1961， 55（1）： 1-17.

[18]RUMBERGER R W. Overeducation in the US labor market[M]. New York： Praeger Publishers， 1981：138-148.

[19]OECD. Education at a glance 2014： OECD indicators[R]， 2014.

[20]KIKER B F， SANTOS M C， DE OLIVEIRA M M. Overeducation and undereducation： evidence for portugal[J]. Economics of Education Review， 1997， 16（2）： 111-125.

[21]HARTOG J. Overeducation and earnings： where are we， where should we go？[J]. Economics of Education Review， 2000， 19（2）： 131-147.

[22]武向榮. 教育擴(kuò)展中的過度教育現(xiàn)象及其收入效應(yīng)——基于中國現(xiàn)狀的經(jīng)驗研究[J]. 北京師范大學(xué)學(xué)報（社會科學(xué)版）， 2007（3）： 132-136.

[23]羅潤東， 彭明明. 中國教育不匹配狀況及其對工資收入的影響[J]. 學(xué)術(shù)月刊， 2010（11）： 71-77.

[24]顏敏，王維國. 教育錯配對工資的懲罰效應(yīng)——來自中國微觀面板數(shù)據(jù)的證據(jù)[J]. 財經(jīng)研究， 2018（3）： 84-96.

[25]劉璐寧. 我國勞動力市場中過度教育問題研究[D]. 北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)， 2015：1-20.

[26]邊燕杰， 盧漢龍， 孫立平. 市場轉(zhuǎn)型與社會分層：美國社會學(xué)者分析中國[M]. 北京：三聯(lián)書店， 2002：1-38.

[27]吳愈曉， 杜思佳. 改革開放四十年來的中國高等教育發(fā)展[J]. 社會發(fā)展研究， 2018（2）： 1-21.

[28]MUELLER J H， SCHUESSLER K F， COSTNER H L. Statistical reasoning in sociology[M]. Boston： Houghton Mifin， 1970：177-179.

[29]COHN E， KHAN S P. The wage effects of overschooling revisited[J]. Labour Economics， 1995， 2（1）： 67-76.

[30]RUMBERGER R W. The impact of surplus schooling on productivity and earnings[J]. The Journal of Human Resources， 1987， 22（1）： 24-50.

[31]SICHERMAN N. “Overeducation” in the labor market[J]. Journal of Labor Economics， 1991， 9（2）： 101-122.

[32]RUBB S. Overeducation in the labor market： a comment and reanalysis of a metaanalysis[J]. Economics of Education Review， 2003， 22（6）： 621-629.

[33]PECORARO M. Is there still a wage penalty for being overeducated but wellmatched in skills？ a panel data analysis of a Swiss graduate cohort[J]. Labour， 2014， 28（3）： 309-337.

[34]陳云松. 邏輯、想象和詮釋： 工具變量在社會科學(xué)因果推斷中的應(yīng)用[J]. 社會學(xué)研究， 2012（6）： 192-216.

[35]CERULLI G. Ivtreatreg： a command for fitting binary treatment models with heterogeneous response to treatment and unobservable selection[J]. The Stata Journal， 2014， 14（3）： 453-480.

[責(zé)任編輯 劉愛華 ]