城乡居民教育收益率的差距——一个分阶段的考察

曹黎娟，颜孝坤

（上海财经大学，上海200433）

城乡居民教育收益率的差距
——一个分阶段的考察

曹黎娟，颜孝坤

（上海财经大学，上海200433）

教育对个人收入分配有着重要影响，本文利用中国居民家庭健康和营养调查数据库（简称CHNS）2011年的微观调查数据，采用Mincer收入模型分别估算我国城镇和农村的教育收益率，对我国城乡居民教育收益率在总体教育收益率和不同教育阶段的收益率差异进行比较研究。研究发现，城镇教育总体收益率高出农村4.2%，在不同的教育阶段，城镇教育收益率均大于农村，并且不论是城镇还是农村，教育收益率均呈现随教育阶段上升而增加的趋势，大专及以上学历的教育回报相比初中、高中和职业学校三类学历的教育回报更高。在实证结论的基础上，提出加大对农村地区和贫困地区以及低收入群体的教育投入等相关政策和建议。

教育收益率；Mincer收入模型；城乡教育差异；分位数回归

一、研究问题的提出及现有研究综述

教育收益率是指劳动力每增加一个阶段或一年的教育所带来收入提高的百分比。教育在收入分配中扮演了至关重要的角色，教育收益率之间的差异也是造成我国目前城乡收入分配差距扩大的一个重要原

因。改革开放30多年来，我国城镇居民家庭人均可支配收入从1978年的343元增加到2015年的31195元，增长了近90倍；我国农村居民家庭人均可支配收入从1978年的133元增加到2015年的11422元，增长约85倍，农民收入增长的速度明显落后于城镇。在我国城乡收入差距不断扩大的大环境下，城镇和农村的教育回报是否存在差异？城镇和农村教育收益率在不同的教育阶段又存在哪些具体差异？研究这些问题不仅能够使我们对我国现阶段的劳动力市场有更为深刻的认识，对于理解我国收入差距更具有重要的政策意义。

有研究表明我国城镇教育收益率高于农村教育收益率。李实、李文彬（1994）利用1988年全国调查数据估算了城乡教育收益率，结果表明城镇教育收益率比农村高出2%[1]。李春玲（2003）的研究则发现城乡教育收益率在2001年的差距上升到了7%[2]。姚先国、张海峰（2004）利用全国性的调查数据，研究表明中国教育投资回报有明显上升，但是城乡之间的教育收益率仍然存在显著性差异，其中，城镇教育收益率为8%左右，而农村教育收益率仅有4%左右，他们认为城乡教育投入不均衡是导致城乡教育收益率存在显著差异的重要原因[3]。也有一些学者发现我国农村教育收益率高于城镇。Johnson&Chow（1997）利用CHIP 1988年的数据研究发现，中国城镇居民教育收益率为3. 29%，农村居民教育收益率为4.02%，农村居民教育收益率要高于城镇[4]。邓峰、丁小浩（2013）对1989-2009年城镇和农村教育收益率的变化趋势进行分析，研究表明，在1989-1997年间，城镇居民教育收益率低于农村，他们认为我国先农村后城市的改革战略是造成这一现象的重要原因[5]。

还有学者专门研究了不同教育阶段城乡教育收益率的差异问题。王美艳（2009）使用2005年的调查数据进行实证研究发现，城镇居民在大专及以上的教育收益率最大，城镇居民接受大专及以上的教育能够显著增加工资收入，而对于农村，高中阶段的教育收益率最大，接受高中或中专教育能够显著增加其工资收入[6]。李润平、刘文革（2012）利用2004和2006年的CHNS数据研究了城镇和农村在不同教育阶段的教育回报差异的问题。结果表明从2004年到2006年，农村居民在初等教育阶段的教育收益率显著下降，而中等教育回报则显著提高，对于城镇居民来说，初等教育和中等教育的回报都呈现下降趋势，而高等教育回报则显著提高，城镇和农村在不同教育阶段的教育收益率呈现出不同的特征[7]。张兴祥（2012）则利用CHIP2002数据考察了城乡教育收益率在不同教育年限和不同教育阶段的差异，结果表明城镇教育收益率比农村高出3.4%，并且在中等和高等教育阶段城镇教育收益率均显著高于农村[8]。

综上所述，不同的学者从不同的角度对城镇和农村教育收益率进行了研究，但现有的文献较少涉及对城乡教育收益率差异的系统研究，而科学的认识和了解教育收益率在不同收入群体以及城乡之间的异质性是有效制定相关政策的基础。本文利用中国居民家庭健康和营养调查数据库（简称CHNS）2011年的微观调查数据，采用扩展的Mincer收入模型分别估算我国城镇和农村的教育收益率，分析我国城乡教育收益率在平均教育年限和不同教育阶段的差异，以及在不同收入群体间的分布特征及差异。同时，在实证估计方法方面，本文在Mincer工资方程的基础上采用分位数回归方法实证研究城乡教育收益率在不同收入群体中的分布特征及差异。另外，在考察其他控制变量对教育收益率的影响时，大多数文献的处理方法是对样本先分组后回归，这样处理会导致回归效率的降低，并且教育收益率的可比性也较差。本文在运用分位数回归方法时，使用城乡混合样本代替城镇和农村样本，并且通过采用添加“是否城镇”和“教育年限”的交叉项来取代样本分组，为制定合理的教育政策提供了理论依据。

二、模型构建、变量选取和数据描述

（一）模型构建

1.标准明瑟收入模型

明瑟（Mincer，1974）在研究人力资本理论的基础上提出了明瑟收入模型（Mincer Model）[9]。明瑟认为在完全竞争市场中，人力资本是决定收入的关键因素，而人力资本主要包括教育和工作经验两种形式，同时随着工作经验达到一定数值之后，劳动者的生产率会随着年龄增加而呈现下降趋势。明瑟收入模型是国内外学者在研究教育收益率时最常用的模型，模型假定劳动者的工资收入完全由劳动者的人力资本投资和其他个体特征所决定，明瑟收入模型表明了教育和工作经验等人力资本要素和工资收入之间的关系。标准的明瑟收入模型包含教育年限和工作经验两个解释变量，模型的计量方程式如式（1）所示：

式（1）中，wage表示劳动者的月收入；Ln（wage）则

表示月收入的自然对数；edu表示劳动者在学校所接受的教育时间；exp表示劳动者的工作经验，通常用劳动者在劳动市场上的就业时间即工龄来代替；工作经验的平方项exp2揭示了工作经验与收入之间呈现非线性关系；系数α1的经济学解释为，在不考虑教育投入的情况下劳动者从学校教育中所获得的人力资本投资的个人收益率，又被称为教育收益率；ε为随机干扰项。

被解释变量之所以采用月收入的对数而不是直接采用月收入，是因为月收入并不服从正态分布，直接采用月收入作为被解释变量可能会使参数估计产生偏误。关于教育年限，本文考虑到现实生活中有些人并没有完整的接受各个阶段的教育，所以在计算教育年限时采用样本接受正规教育的年限数据来衡量。关于工作经验的计算，一般要考虑到选择性失业、工作间歇期等相关因素的影响，但CHNS2011数据库中并没有记录这类信息，所以在本研究中，使用其他文献中惯常采用的“劳动者实际年龄-所受教育年限-上学岁数”(通常按照6岁入学来计算)来表示劳动者的工作经验[10-11]。

2.扩展的明瑟收入模型

在使用明瑟收入模型估计教育收益率时，考虑到中国劳动力市场的分割性，性别、地区以及单位类型、职业性质等都会对收入产生影响，为了消除市场分割性对收入的影响，本文在标准明瑟收入模型中的基础上加入性别、单位类型、职业性质以及地区等虚拟变量作为控制变量，得到扩展的明瑟收入模型如式（2）：

Ln（wage）=α0+α1edu+α2exp+α3exp2+∑βi*Xi+ε（2）

Xi包括性别变量、单位类型变量、职业性质变量以及地区变量，需要说明的是这些加入的控制变量全部被处理成虚拟变量。其中，性别变量以女性为参照组，单位类型以体制外单位为参照组，职业以二级劳动力市场为参照组，地区以西部各省为参照组。

现实生活中个人的收入可能更多的受到学历层次的影响，为了更全面地考察城镇和农村教育收益率的差异，本文在扩展的明瑟收入模型中加入教育层次的虚拟变量，以考察城乡教育收益率在不同教育阶段的差异情况。根据CHNS2011数据的记录，本文将学历分位初中文化程度、高中文化程度、职业学校和大专及以上，并且把小学设置为参照组。扩展后的明瑟收入模型如式（3）所示：

其中，chuzhong指最高教育水平是否为初中的虚拟变量；gaozhong指最高教育水平是否为高中的虚拟变量；zhixiao指最高教育水平是否为职业学校的虚拟变量；dazhuan指最高教育水平是否为大专及以上的虚拟变量；γ1、γ2、γ3、γ4分别表示在其他条件相同时，初中文化程度、高中文化程度、职业学校和大专及以上比小学组高出的百分比。估计结果得到的系数并不是每增加一年教育的收益率，而是每增加一个教育阶段的收益率，对γ1、γ2、γ3、γ4采用RREi=exp（γi）-1进行适当的处理，即可获得不同教育阶段的教育收益率，其中RREi为第i级教育阶段的教育收益率，γi为模型（3）估计得到的第i级教育阶段的回归估计系数[11]。

（二）变量选取

1.收入水平（y）

虽然大多数学者在研究教育收益率时采用小时收入，认为小时收入能够较为准确地反映劳动者的生产率，但CHNS2011数据中没有小时收入的直接记录，通过每周工作时间计算得到的小时收入在一定程度上也不够准确[10，12]。所以本文采用姚洋、崔静远（2015）等学者的研究方法[13]，使用月平均收入。由于明瑟收入模型中的收入变量通常是指工资性收入，所以本文的月收入不包括投资收入以及经营性收入等非工资性收入。本文的月收入具体由月工资、月补助和月奖金三部分组成，对于奖金数据有缺失值的样本，按照零处理。

2.教育（edu）

教育变量用所受教育年限来表示，在CHNS2011数据中关于教育的记录有两项，分别是“受过几年正规的学校教育”和“最高教育程度”。本文在考察城乡教育平均收益率的差异时，使用受正规教育年限的调查数据；而在考察不同教育阶段城乡教育收益率差异情况时，则使用最高受教育程度的调查数据，并且以小学做为参照组。

3.工作经验（exp）

用“劳动者实际年龄-所受教育年限-上学岁数”(通常按照6岁入学来计算)来表示劳动者的工作经验。由于工作经验是通过年龄间接获得的，此时在明瑟收入模型中就不再加入年龄变量，以避免引起线性相关。

4.城乡居民

对于城乡的区分，本文采用黄静（2015）等学者的处理方法[14]，按照居住地来划分城镇和农村，从而研究城乡二元经济结构下城镇和农村地区常驻人口的教

育收益率,进而更真实的反映教育收益率在城乡之间的差异。

5.性别（sex）

性别用虚拟变量表示，并且以女性为参照组，女性取值为0，男性取值为1。

6.单位所有制（pub）

所有制是影响工资收入的一个重要因素，本文在标准明瑟收入模型中加入所有制以控制单位性质对个人收入的影响。CHNS2011将工作单位类型分为8种，本文参考邹清明等（2016）[15]、尹志超、甘犁（2009）[16]等学者对公共部门和非公共部门的区分标准，将单位所有制划分为公共部门和非公共部门。

7.职业（work）

CHNS2011年调查问卷中关于个人职业的分类一共有12种，过多的定性变量会导致模型较为复杂，将职业类型进行适当的分类处理至关重要。本文将采用白雪梅（2014）的处理方法[17]，借鉴劳动力市场分割理论[18]，将劳动力市场划分为一级劳动力市场和二级劳动力市场。两种劳动力市场具有不同的特征，其中，一级劳动力市场具有工资收入高、就业环境舒适等特征，而二级劳动力市场收入待遇较低、就业环境较不稳定。实际上劳动力市场分割理论并没有明确指出一级劳动力市场和二级劳动力市场具体包括的职业，而是按照职业的工资收入和就业环境进行划分的。

8.地区

地区是影响收入的一个重要因素，特别是在我国各个地区经济发展不均衡的情况下，地区对收入的影响更为严重，中西部地区的个人收入普遍要落后于东部发达地区。本文将CHNS2011数据覆盖的12个省市按照地理位置划分为西部（包括贵州、广西和重庆）、中部（包括湖南、黑龙江、湖北、河南）和东部（包括山东、北京、江苏、上海和辽宁）三部分，并且将西部设置为参照组。

（三）统计性描述

CHNS项目是由北卡罗来那大学人口研究中心、美国国家营养与食物安全研究所和中国疾病与预防控制中心联合成立和组织调查的，调查内容涵盖社会家庭、经济发展、健康医疗、饮食结构等多方面的信息，旨在检验健康、营养和我国计划生育政策的影响以及研究中国社会经济的发展和转变对整个人口和营养状况的作用。到目前为止，该项目一共进行了9次，最新的调查数据是2011年。该调查采用多阶段整群抽样的方法，抽样时同时兼顾不同经济发展规模和不同地区的城镇或农村，每年大约会调查200个左右的城镇和农村社区(包括农村村委会和城镇居委会)，每个社区调查20个左右的家庭，共有家庭4000户左右，城镇和农村的比例约为1∶2。其调查地区包括江苏、贵州、河南、黑龙江、山东、湖北、湖南、辽宁、广西等9个省份以及北京、重庆、上海3个直辖市。考虑到调查数据的时效性以及调查省市的覆盖性，本文采用CHNS2011年的数据进行实证研究。

基于本文的研究目的，我们只选取了其中的部分样本，其中，样本数据年龄在16岁到65岁之间（包括16岁和65岁），通过年龄的筛选，剔除了在校学生、家务劳动者、退休人员和无劳动能力者，并且不包括没有收入或没有报告收入的样本。本文的城乡划分是按照调查样本的所在地，而非按照户籍来区分，这样可以更好地反映教育收益率的地域差别。最后，符合条件的城市样本数量为1639个，农村样本数量为1673个。

表1 变量描述性统计

在工资收入方面，从表1可以看出，2011年城镇样本的月平均工资为2963.057元，农村样本的月平均工资为2356.033元，城镇样本要比农村样本高出25.76%，表明我国城乡收入差距明显。在受教育年限方面，城镇样本为11.865年，农村样本为10.398年，两者之间的差距不明显，表明随着我国九年义务教育的实行，我国城乡之间的教育差距在不断缩小。从城镇和农村样本的不同教育层次比例可以看出，城镇样本中初中文化程度的比例低于农村样本，而高中、职业学校和大专及以上文化程度的比例城镇样本均大于农村样本，并且城镇样本大专及以上文化程度的比例要高出农村样本15.49%，表明我国城镇的大学普及率

要大于农村，侧面反映出我国城乡教育特别是城乡高等教育之间的差距。

在劳动力所从事的职业类型和单位所有制方面，农村样本中从事一级劳动力市场和公共部门的比例显著低于城镇样本，造成这种差异的原因除了城乡之间的教育差距外，还有可能跟我国现阶段城乡之间的经济发展水平和产业结构差异有关。

三、估算结果

（一）城乡平均教育收益率

根据模型分别对城镇和农村样本进行教育收益率估计，估计结果见表2，城乡教育收益率的比较结果见表3。

表2 城镇和农村教育收益率估计结果

表3 城乡教育收益率的比较

1.城乡教育收益率的差异分析

在标准的明瑟收入模型估计结果中，城镇和农村的教育收益率分别为10.3%和5.6%，调整后R2的分别为20.5%和8.8%。在加入性别、单位所有制、职业以及地区等控制变量后，城镇和农村的教育收益率分别下降到7.9%和3.7%，教育对收入的影响程度显著降低，而调整后的R2则分别增加到24.9%和18.8%，模型拟合效果明显提高，分别能够解释收入的24.9%和18.8%，表明教育对收入的影响在一定程度上是通过劳动者的就业途径(性别、职业类型、单位性质、地区)实现的，中国劳动力市场存在明显的市场分割。

需要说明的是，在标准明瑟收入模型的估计结果中，农村调整后的R2只有8.8%，这一数值低于10%。关于R2数值究竟多大才能被接受，目前在学术界尚没有统一的定论，并且在使用CHNS数据库和其他微观调查数据进行教育收益率的研究文献中，均出现过调整后的R2小于10%[10，19]。本文认为调整后的R2数值过小可能与样本容量有关，较小的样本容量会影响到调整后的R2。

另外，在标准明瑟收入模型估计结果中，城镇的教育收益率为10.3%，表明在城镇样本中，每增加一年的教育月收入增加10.3%，农村的教育收益率为5.6%，表明在农村样本中，每增加一年的教育月收入增加5.6%，此时的城乡教育收益率差距为4.7%，城镇教育收益率显著高于农村。加入性别、单位所有制、职业以及地区等控制变量后，城镇和农村教育收益率分别为7.9%和3.7%，此时城乡教育收益率仍然有4.2%的差距。显然，加入性别、单位所有制、职业及以地区等控制变量后，城乡教育收益率的差距有所缩小，这说明在城乡教育收益率差距中，很大程度上是由于性别、选择的单位类型、职位性质和所处的不同地区导致的。

2.其他变量估计系数的经济学解释

从表2可以看出，工作经验、工作经验平方项、性别、单位所有制、职业性质和地区等变量的估计系数的符号均符合经济理论。其中，不论是城镇还是农村，工作经验的估计系数均为正，表明工作经验对工资收入有显著的促进作用，并且城镇居民的工作经验估计系数要大于农村居民，每增加一年工作经验，城镇居民收入可以提高1.2%，而农村居民只能提高0.9%，表明工作经验对城镇劳动者的工资收入影响更大。工作经验平方项的估计系数为负，并且在1%水平下显著，其经济学意义是在一定的年龄阶段，劳动者的收入随着工作经验的积累逐渐增加，而在工作经验增加到一定程度之后，劳动者由于年龄增加导致精力和体力下

降，之前积累的知识和技能变得相对落后，此时工作经验会对工资收入产生抑制作用。

城镇和农村居民的性别估计系数均为正，并且都在1%的水平下显著，表明在其他条件不变时，城镇和农村女性劳动力的工资收入要低于男性。在现实的劳动力市场中，女性劳动力的工资的确普遍低于男性的事实也验证了本文实证的结果。

城镇和农村样本中单位所有制的估计系数均通过显著性检验，并且呈现负值，表明非公共部门对收入具有正向的促进作用，这一结论与已有的研究存在不同之处。白雪梅（2014）利用CHNS2009的数据研究发现公共部门对收入具有正向作用，并且公共部门的工资高于非公共部门17.4%[17]。对此合理的解释是CHNS2011数据加入了上海、江苏和北京这三个民营经济较为发达、三资企业数量较多的省市。职业的估计系数在城镇样本和农村样本中都显著为正，表明从事一级劳动力市场的劳动力工资要显著高于二级市场，这与我国劳动力市场的现状相符合。从表2还可以看出不同地区对城镇和农村居民的收入具有不同的影响。城镇和农村样本中，东部的估计系数均显著为正，表明不论是城镇还是农村，东部地区和西部地区的收入差异显著，而对于中部的估计系数，城镇居民中部的估计结果并不显著，农村居民中部的估计系数仍然呈现显著，表明对于城镇居民来说中西部收入并没有显著性差异，而对于农村居民来说中西部收入具有显著性差异。

（二）城乡不同教育阶段的教育收益率

以教育阶段作为虚拟变量进行回归后的结果如表4所示，表5为城乡不同教育阶段教育收益率的比较结果。

1.不同教育阶段的教育收益率分析

从表4可以看出，对于城镇样本来说，只有初中文化程度的估计系数没有通过显著性检验，高中、职业学校和大专及以上的估计系数均在1%水平下呈现显著；而对于农村样本来说，只有职业学校和大专及以上的估计系数通过显著性检验，初中和高中文化程度对农村样本的收入没有显著性影响。不论对于城镇还是农村，从初中到高中、职业学校再到大专及以上，教育收益率呈现逐步增加的趋势，大专及以上学历的教育收益最高。我国目前劳动力市场上的招聘单位在招聘人才时往往将大专及以上学历作为最基本的要求，在同等条件下，受过高等教育的劳动者往往能够获得更多的工作机会和更高的工资待遇。基于这一事实，本文认为学历差距的扩大在一定程度上会导致劳动者工资收入回报差距的扩大。

表4 城乡不同教育阶段的教育收益率估计结果

表5 城乡不同教育阶段教育收益率比较（%）

2.城镇和农村在不同教育阶段的教育收益率差异分析

在标准的明瑟收入模型中，城镇居民初中、高中、职业学校和大专及以上的教育收益率分别为13.8%、45.2%、71.8%、160.1%，农村样本初中、高中、职业学校和大专及以上的教育收益率分别为1.6%、8.0%、29.4%、79.1%。加入性别、单位类型、职业性质和地区等控制变量后，城镇样本初中、高中、职业学校和大专及以上的教育收益率分别为4.7%、23.2%、47.3%、114.9%，农村样本初中、高中、职业学校和大专及以上的教育收益率分别为1.0%、4.8%、24.5%、55.6%，城镇

和农村不同教育阶段的教育收益率均有所下降。总体来看，城镇居民在不同教育阶段的教育收益率均高于农村。加入性别、单位类型、职业性质和地区等变量后，城乡样本不同教育阶段的教育收益率差距均缩小了，并且在大专及以上文化程度城乡教育收益率的差距最大，这也体现了我国城乡在高等教育方面的巨大差距。

四、主要结论及建议

（一）主要结论

1.无论城镇还是农村，每增加一年教育年限或提高一个阶段的文化水平，会使收入得到显著的提高。以受教育年限为解释变量时，标准的明瑟收入模型中城乡教育收益率的差距为4.7%，加入了性别、地区和职业等控制变量后的扩展明瑟收入模型中城乡教育收益率的差距有所缩小，变为4.2%，这表明城乡样本的教育收益率差距中，有一部分是由于样本选择的职业、性别和地区等因素导致的。以文化水平为虚拟变量的回归结果显示，城镇居民在不同教育阶段的教育收益率均高于农村。加入性别、单位类型、职业性质和地区等变量后，城乡样本不同教育阶段的教育收益率差距均缩小了，并且在大专及以上文化程度城乡教育收益率的差距最大，这也体现了我国城乡在高等教育方面的巨大差距。

2.在不同的教育阶段，城镇教育收益率均大于农村，并且，不论是城镇还是农村，教育收益率均呈现随教育阶段上升而增加的趋势，大专及以上学历的教育回报相比初中、高中和职业学校三类学历的教育回报更高。

3.不论是城镇还是农村，不同收入群体的教育收益率均具有明显的差异，教育收益率展现出随收入增加而增加的趋势，高收入群体的教育收益率高于低收入群体。对于收入分布处于25%及以上的收入群体，城镇居民的教育收益率比农村居民显著高出2.9%至4.0%，而对于收入分布处于25%以下的低收入群体，城镇居民和农村居民的教育收益率没有显著性差异。

（二）政策建议

1.增加教育的财政投入，提高城乡居民的教育收益。本文实证结论表明，教育对收入具有显著的促进作用，对于城镇居民教育每增加一年月收入增加7.9%，对于农村居民教育每增加一年月收入增加3.7%，增加教育投入有助于我国居民的收入增长。不论是城镇还是农村，教育收益率均随着教育阶段的上升而增加，这表明教育在中国具有边际报酬递增的特点，增加对教育的财政投入不仅能提升我国居民的教育水平，进而增加个人收入，而且从长远角度来看，对于缩小我国城乡收入差距也具有积极的促进作用，这对于我国建设和谐社会具有重要的政策意义。同时，可以考虑提高义务教育水平至高中阶段。根据本文的实证结果，从初等教育、中等教育到高等教育，教育的收益率是逐步提高的，当劳动者的平均受教育水平达到高中阶段以上时，收入差距有了缩小的可能。

2.优化教育资源配置，加大对农村地区的教育财政投入。本文实证结论表明，城乡教育收益率存在显著性差异，在扩展的明瑟收入模型中城镇居民教育收益率高出农村4.2%，城镇在教育资源以及教育投入等方面具有比农村更多的优势。政府在增加教育总量投入的同时，需要更多地向农村地区和偏远地区倾斜，减少由于教育资源分配不均带来的低效率和浪费。

3.加大对贫困地区的教育投入。城乡教育收益率均呈现随着收入分位点的增加而增加的趋势，高收入群体比低收入群体具有更高的教育回报，教育程度、收入以及教育收益率之间展现出“马太效应”，即“贫穷者更贫穷、富有者更富有”。要想有效缩小我国城乡之间的收入差距，就必须加快提高低收入群体和低教育水平劳动者的受教育水平，政府要加强对贫困地区和低收入群体的教育经费投入，扩大对贫困地区和低收入群体的教育经费支出规模。

[1]李实,李文彬.中国教育投资的个人收益率的估算[G]//赵人伟.中国居民收入分配研究.北京:中国社会科学出版社,1994:335-345.

[2]李春玲.文化水平如何影响人们的经济收入——对目前教育的经济收益率的考查[J].社会学研究,2003(3):64-76.

[3]姚先国,张海峰.中国教育收益率估计及其城乡差异分析——以浙江、广东、湖南、安徽等省的调查数据为基础[J].财经论丛,2004 (5):1-7.

[4]JOHNSON E N,CHOW G C.Rates of Return to Schooling in China [J].Pacific Economic Review,1997,2(2):101-113.

[5]邓峰,丁小浩.中国教育收益率的长期变动趋势分析[J].统计研究,2013, 30(7):39-47.

[6]王美艳.教育收益与城乡教育资源配置[J].世界经济,2009(7):3-17.

[7]李润平,刘文革.教育回报率的城乡差异研究——基于CHNS数据的一项检验[J].现代管理科学,2012(2):66-68.

[8]张兴祥.我国城乡教育收益率差异研究——基于CHIP2002数据的实证分析[J].厦门大学学报：哲学社会科学版,2012(12):118-125.

[9]MINCER JA.Schooling and Earnings[J].Nber Chapters,1974.

[10]李实,丁赛.中国城镇教育收益率的长期变动趋势[J].中国社会科学,2003(6):58-72.

[11]钟甫宁,刘华.中国城镇教育收益率及其结构变动的实证研究[J].中国人口科学,2007(4):34-41.

[12]侯风云.中国农村人力资本收益率研究[J].经济研究,2004(9):75-84.

[13]姚洋,崔静远.中国人力资本的测算研究[J].中国人口科学,2015 (1):70-78.

[14]黄静,王周伟,杜永康.收入差距分化、城镇化发展与教育收益率——基于分位数回归的实证分析[J].教育与经济,2015(6):18-24.

[15]邹清明,黎志军.基于分位数回归的我国公共部门与非公共部门工资差异分析[J].时代金融,2016(2):250-252.

[16]尹志超,甘犁.公共部门和非公共部门工资差异的实证研究[J].经济研究,2009(4):129-140.

[17]白雪梅,李莹.教育对中国居民收入的影响分析——基于分位数回归和收入分布的考察[J].财经问题研究,2014(4):11-18.

[18]DOERINGER P B,PIORE M J.Internal Labor Markets& Manpower Analysis[J].Industrial&Labor Relations Review,1970, 65(7):344.

[19]张车伟.人力资本收益率变化与收入差距：“马太效应”及其政策含义[J].经济研究,2006(7):59-70.

Urban-Rural Differences in Rates of Return to Education:A Phased Study

CAO Li-juan,YAN Xiao-kun
（ShanghaiUniversity of Finance and Economics,Shanghai 200433,China）

Education playsan important role in personal income distribution.Using themicroeconomic survey data of 2011 China Household Health and Nutrition Survey database,this paper estimates the rates of return to education in urban and ruralareas based on Mincer Income Model,and compares the differences in overall rates of return to education and in rates of return to education at different educational stages between urban and rural areas.Key findings are summarized as follows:In general,rates of return to education in urban areas are 4.2% higher than in rural areas.At different educational stages,rates of return to education in urban areas are higher than in rural areas.Whether in urban or rural areas,rates of return to education display an ascending trend with the advancementof educational level.In otherwords,rates of return to education at college level or above tend to be higher than at the levels of junior high school,high school or vocational school.On the basis of the empirical conclusions,the paper puts forward several suggestions,including increasing educational investment in rural and depressed areasand for low-income groups.

Rates of Return to Education;Mincer Income Model;Urban-Rural Differences;Quantile Regression

2016-05-23

曹黎娟，1979年生，女，四川德阳人，上海财经大学发展规划处（学科建设办公室）副处长，博士，主要研究领域为高等教育学、国民经济；颜孝坤，1990年生，男，安徽滁州人，上海财经大学农林经济管理专业硕士研究生，主要研究领域为城乡教育比较。