劳动力迁移对教育回报率阶层差异及收入差距的影响

黄潇 罗俊超

摘 要：基于“中国劳动力动态调查”数据分析表明，我国的教育回报率存在明显的收入阶层差异，其总体上随收入水平的上升而增加，且低收入阶层与其他收入阶层差距较大，中等收入阶层的高等教育回报率最高;劳动力迁移能显著提升接受高等教育的中、高收入群体和接受中等教育的中等收入群体的教育回报率，进而强化其收入优势;教育回报率差异对收入差距的贡献比受教育水平分布不均更大，劳动力迁移总体上有助于缩小与个体受教育（特别是高等教育）差异相关的收入差距。因此，教育资源的分配要有利于提升低收入群体的教育层次，并清除阻碍劳动力迁移的制度障碍，以缩减由个体受教育差异引致的收入差距。

关键词：教育回报率;收入差距;劳动力迁移;收入阶层;高等教育;教育收益率;要素报酬效应;要素结构效应

中图分类号：F321.1;F042文献标志码：A文章编号：1674-8131（2019）02-0036-10

一、引言

教育具有生产和配置功能，个体学历水平的高低与其收入密切相关，通常个体收入具有随学历水平提升而上升的特征（Card，1993）[1]。我国具有独特的社会经济背景：一是当前社会收入分配差距总体较高且社会结构处于快速转型期，教育及其分布对收入不平等有重要影响（杨俊 等，2008）[2];二是地区间经济发展和劳动力资源分布不匹配，导致大规模的人口流动，劳动力迁移对于其收入水平有重要影响。那么，不同收入阶层的教育回报率是否存在差异？在教育资源分配不均的背景下，劳动力迁移是否有利于降低由个体受教育水平差异导致的收入差距？深入研究上述问题非常重要，其结论对于促进全社会人力资本积累、减少居民收入差距等具有重要启示意义和政策参考价值。

相关研究对教育回报率（也有文献使用“教育收益率”，本文将两者视为同义词）的估算主要基于Mincer（1974）提出的人力资本方程[3]。多数研究认为，个人收入水平随受教育年限的增加而不断提升。但早期研究普遍采用OLS法进行估计，其结果反映的是平均效应，不能反映由个体差异产生的非线性关系。为检验不同群体的教育回报率是否存在差异，不少学者开始采用分位数回归技术进行估计。Buchinsky（1994）研究发现，教育对低收入人群工资的贡献率要显著高于高收入人群[4]。更多的文献采用国别数据进行检验，如南非的教育回报率随着收入水平的上升出现先下降后上升的U型趋势（Mwabu et al，1996）[5]，埃塞俄比亚的教育回报率随着收入水平的上升而不断降低（Buchinsky，1998）[6]，巴基斯坦的教育回报率随着收入水平上升而不断升高（Stavena et al，2010）[7];有文献认为，不同国家教育回报率变化的差异是由于教育投资风险存在国别差异（Martins et al，2004）[8]。国内学者也采用分位回归方法对我国教育回报率进行了分析，但由于研究样本不同等原因其结论也不同，有文献认为教育收益率随着收入水平的升高而增加（张车伟，2006;邓曲恒，2007）[9-10]，也有文献认为教育回报率随着收入水平的升高而降低（邢春冰，2006）[11]，还有文献认为随着收入水平的变化教育回报率的变化具有不确定性（张涛，2011）[12]。

教育回报率随收入水平的不同而存在差异，在收入分配差距较大的情况下，其可能对收入差距本身产生影响。教育回报率随着收入水平的上升而上升，将拉大收入差距（Martins et al，2004）[8];教育回报率随着收入水平的上升先下降后上升，也无益于收入公平性的改善（Bassett et al，2002;Lesley，2015;Magadalena，2015）[13-15];教育回报率如随着收入水平的上升而下降，则有利于减小收入差距（Knight et al，2003;Goedhuys et al，2010 ）[16-17]。国内学者的研究也发现，教育回报差异是引致收入不平等的重要原因，其中教育的要素回报效应拉大了收入不平等，而教育的要素结构效应降低了收入不平等（徐舒，2010）[18]。

关于劳动力迁移与收入差距的关系，不少研究认为劳动力迁移会扩大收入差距。就城市内部差距而言，由于我国劳动力整体的受教育水平较低，劳动力迁移会扩大城市内部收入差距（邵宜航，2016）[19]。就农村收入差距而言，考虑劳动力异质性后，我国农村劳动力外出务工会拉大农村内部收入差距（甄小鵬，2017）[20]。就地区收入差距而言，劳动力流动导致了地区收入差距拉大（樊士德，2011）[21];中西部技能型劳动力向东部地区流动进一步拉大了地区发展差距（彭国华，2015）[22]。当然，也有文献认为劳动力迁移有助于缩减收入差距。邢春冰等（2013）认为，促进劳动力合理流动将会减小教育回报率的地区差异，进而有助于缩小收入差距[23];赵西亮（2017）研究表明，考虑户籍转换的影响后农村的教育收益率并不低，甚至高于城市的教育收益率，在一定程度上有助于减小收入差距[24] 。

综上所述，当前我国的收入差距较大，同时不同收入阶层间的教育分配也不均等，且教育不平等对收入分配差距具有显著影响（杨俊 等，2008）[2]，因此，教育回报率的阶层差异与收入差距密切相关;同时，劳动力迁移对于教育收入功能的实现具有重要的配置作用，考虑到现实中存在明显的地区和城乡经济差距，劳动力迁移不仅会影响教育回报率，而且会影响收入差距。基于此，本文认为，目前我国教育回报率存在明显的阶层差异，劳动力迁移有利于其教育回报率提升，进而有助于减小由教育差距带来的收入差距，最终改善整体收入分配格局。为验证我国劳动力迁移对教育回报率以及收入差距的影响，本文基于CLDS 2012和CLDS 2014的相关数据，采用分位数回归、分位数处理效应模型、局部工具变量法以及无条件分位数分解等方法，分析不同收入阶层教育回报率的差异以及劳动力迁移对教育回报率阶层差异的影响，并检验劳动力迁移对由教育回报率差异和受教育水平分布不均引致的收入差距的影响。

二、研究样本与变量选择黄 潇，罗俊超：劳动力迁移对教育回报率阶层差异及收入差距的影响

本文研究所使用数据来源于中山大学开展的“中国劳动力动态调查”（CLDS 2012和CLDS 2014）。CLDS将全国2 282个区县单位作为初级抽样单元构成调查总体，调查年龄设定为15岁以上，CLDS 2012和CLDS 2014分别抽取了16 253和16 244个样本进行调查，得到了较为宽泛的样本信息，具有较强的代表性。为获得可供分析的样本，本文對原始数据进行如下处理：剔除不适宜部分，包括收入、教育等核心变量观察值缺失的样本以及不符合逻辑判断的样本（如收入水平为负的样本）;剔除为家族事业工作的自我雇佣样本，以便更精确地分析教育对收入的贡献;剔除已退出劳动力市场的退休样本为尽可能地保留真实的现实经济活动信息，本文并不是简单按照年龄（男性≥60、女性≥55）来进行划分，而是按照其实际经济活动能力进行划分，认定条件为“收入仅来源于退休工资且未从事其他生产性经营活动”。 。此外，为降低异常值的影响，对样本两端按照1%的范围进行缩尾处理。通过上述整理，最终得到CLDS 2012的6 488个有效样本和CLDS 2014的4 104个有效样本考虑到CLDS 2014的样本数据更新，因此主要采用该年度的数据进行分析;引入CLDS 2012样本主要出于分析劳动力迁移对收入差距的影响时构建反事实收入分布函数的需要。 。在获得有效样本的基础上，对研究所需变量进行计算。

个人收入：为消除工作时长对收入的影响，用小时工资（元/小时）衡量。个人收入是个人在雇主单位领取的货币收入和实物收入的总和，货币收入主要是个人的名义工资，实物收入包括餐补、福利等非货币收入CLDS对非货币收入的统计相对完备，据此可计算出受访者个体的实物收入;CLDS对于财产性收入的统计缺失较多，本文在统计时未将其考虑在内。 。由于部分样本存在缺失值，为尽可能地获得更多样本，对以“周”统计工作时间的样本，小时工资=（货币收入与实物收入之和）/（每周工作天数×52×8）;对以“月”统计工作时间的样本，小时工资=（货币收入与实物收入之和）/（每月工作天数×12×8）。

受教育年限：用最高学历进行换算，小学以下为0年，小学（包括接受过私塾教育）为6年，初中为9年，高中、职高、中专和技校为12年，大专为15年，本科为16年，硕士研究生为185年我国现行的硕士研究生有专硕和学硕之分，二者的学制不一样（前者为两年、后者为三年），问卷中也对此进行了区分，但考虑到获得该层次教育的样本占比较少，因此不进行划分，取其均值185年。 ，博士研究生为22年。

行业变量：根据样本列出的农林牧渔业、采掘业、制造业、房地产业、政府人员等划分为16个类别，共产生15个虚拟变量，以农林牧渔业作为基准类别。

样本所处地域变量：一般的做法是按东、中、西部进行划分，但由于区域范围较大，同一区域内部不同地市的差异也很明显。为反映这种差异并提高拟合优度，本文根据2013年各地市经济发展水平（人均GDP）采用五等分法划分为五个区域（低收入地区、中低收入地区、中等收入地区、中高收入地区、高收入地区），以低收入地区为基准，生成4个反映经济发展差异的地区虚拟变量。

工作经验：按照“个人年龄-受教育年限-法定小学入学年龄”计算。

此外，为了反映样本所在地市的就业体量和消费水平，使用2011年各地市的城镇人均消费、农村人均消费、年末常住人口以及年末就业人口数进行测算，相关数据来自2012年的省级《统计年鉴》。其中，就业体量=就业人数÷常住人口数;人均消费若统计年鉴中列出则直接引用，未列出的则采用“人均消费=（城镇人口×城镇人均消费+农村人口×农村人均消费）÷总人口”进行计算。另外，分析中还加入了个人户籍、个人是否迁移和性别等虚拟变量。

三、实证分析结果

1.不同收入阶层教育回报率的差异

明瑟尔人力资本方程通常采用半对数模型，其一般设定形式为：

lnwagei= β0+ β1 edui+ β2 expi+ β3 exp2i+ ∑ni = 4βi Xi+ εi

其中，lnwagei为对数化后的个人收入，edui 为个人受教育年限，expi 和exp2i 分别为工作经验和工作经验的平方，εi为随机误差项，Xi为影响个人收入的其他重要因素（如性别、户籍、地域、职业等）。就估计方法而言，OLS法给出的仅仅是平均效应，未能区分出不同收入阶层教育回报率的差异。事实上，由于不同收入阶层的个体在教育资源获得、职业和能力传递、财富继承等方面存在明显差异，使得不同收入阶层的教育回报率存在差异。因此，本文按因变量（个人收入）的不同阶层进行分位数回归：

lnwagei=β（p）0+β（p）1edui+β（p）2expi+β（p）3exp2i+∑ni=4β（p）iXi+εi

其中，0

首先，采用OLS法估计明瑟尔人力资本方程（见表1），各解释变量均在1%的水平上显著，教育回报率达到107%（简化）和46%（扩展）。进一步对扩展后的明瑟尔人力资本方程进行分位数回归，低收入阶层（5分位点）、中低收入阶层（20百分位）、中等收入阶层（50百分位）、中高收入阶层（80百分位）、高收入阶层（95百分位）的教育收益率分别为33%、50%、52%、56%和51%，随着分位点的提高，教育回报率呈现逐步增加的态势。显然，低收入阶层的教育回报率最低且与其他收入阶层的差距明显，这种差距不利于其人力资本积累，并可能在长期内拉大整体收入差距。

高等教育在我国家庭人力资本投资中的地位日益重要，因此有必要分析其回报率在不同收入阶层是否存在差异。分析该问题的一般做法是在实证方程中加入“是否具备大学学历”的虚拟变量，但这只能简单地区别获得大学学历和未获得大学学历的样本，且得到的也只是平均效应，未能解决样本的“自我选择”问题这种情形下传统OLS模型的估计是有偏的。因为具备大学学历群体与和不具备大学学历群体可能具有不同的特征，而是否上大学又在很大程度上与这些特征相关，且这些特征（如禀赋、家庭文化等）会对收入产生影响。 。Abadie等（2002）提出了条件分位数处理效应模型，在传统分位数回归基础上用一个虚拟变量作为处理变量的工具变量，并结合模型的其他控制变量构建配对样本，进而估计控制组与对照组之间的处理效应[25]。由于教育具有明显的人力资本代际传递效应（张苏 等，2011）[26]，本文采用“受访者父母是否接受大学教育”只要受访者父亲或母亲任意一方受过大学教育，则认为其父母具备大学教育背景。 作为工具变量，得到如下条件分位回归模型：

WAIIi=1-Di（1-Zi）1-Pr（Z=1|Xi）-（1-Di）ZiPr（Z=1|Xi）

（τIV，τIV）=argminβ，σ∑WAIIi×ρτ（Yi-Xi×β-Di×σ）

其中，WAIIi为权重，Di为虚拟变量“是否具备大学学历”，Zi为虚拟变量“父母是否受过大学教育”，ρτ（Zi=1|Xi）为“父母是否受过大学教育”的条件倾向得分，τIV为第τ分位点上的条件分位数处理效应（当WAAIi为负时令其值为0，使全体WAAIi为非负）。处理组设定为“具备大学学历”，对照组为“接受高中教育且未接受大学教育”。另外，为尽可能地获得个体特征更为接近的配对样本，基于Kernel核函数构建适用于Logit回归的极大似然估计量，并借鉴据Firpo（2007）的研究，以均方误差最小化作为判别标准[27]，最终选取的参数为bandwidth=08、lambda=1、pbandwith=05、plambda=08、vbandwith=08、vplambda=1（见表2）。

根据上述参数设定，计算接受高等教育对个体收入的处理效应（见表3）。接受高等教育的估计系数显著为正，表明接受高等教育的边际回报是显著的，接受高等教育是个体在完成中等教育后最具“经济回报”的选择。比较不同分位点的估计系数，高等教育回报率呈现较为明显的倒U特征，最低收入阶层和最高收入阶层的高等教育回报率相对较低，中等收入阶层（特别中高收入阶层）的高等教育正回报率最为显著。综上所述，从整体上看，我国的教育回报率存在明显的阶层差异，随收入水平的提高而增加，且低收入阶层的教育回报率与其他收入阶层的差距较大;高等教育回报率则随收入水平提高而呈现倒U型特征，中等收入阶层的高等教育回报率较高。

2.劳动力迁移对教育回报率阶层差异的影响

教育作为形成人力资本的重要渠道，其生产和配置功能的发挥离不开劳动力市场的作用。不少研究发现，劳动力迁移对个人收入有显著影响（Knight et al，2003;孙三百 ，2012）[16] [28]。出身农村或经济欠发达地区的人口获得一定程度的教育（培训）后，通常选择在经济较发达地区工作，其人力资本的外部性并未被劳动力流出地所获得。一方面，迁移是受教育个体追求教育回报的结果;另一方面，更高的教育回报又进一步强化了个体的迁移动机。因此，需要更为深入地探讨劳动力迁移是否会强化教育回报，特别是该效应在不同的收入阶层是否存在差异。通常的做法是在方程的右边直接加入虚拟变量“是否发生迁移”，但这样不能解决内生性问题，可能导致估计结果偏差，一种解决的办法是采用局部工具变量。本文参照Heckman（2006）的方法[29]，采用Logit或Probit模型计算出样本进行迁移的概率，将此概率作为局部工具变量代替虚拟变量“是否发生迁移”。

在我国，户籍制度是影响劳动力迁移的重要因素，进而影响到人力资本的配置和生产。借鉴孙三百等（2012）的研究[28]，并结合CLDS的问卷调查，从“工作所在地与户籍所在地是否相符”“与父亲户籍性质是否相同”“出生时与现在户籍性质是否相同”以及“是否曾发生过户籍迁移”等多个维度构建劳动力迁移的虚拟变量。结合样本数据情况，纳入年龄、性别、工作所在地的就业机会、当地的人均消费量、所处行业、所在地区等因素，采用Logit模型对劳动力迁移虚拟变量进行回归分析（具体结果略），得到劳动力迁移概率，并将其带入下式以分析劳动力迁移对教育回报率的影响（见表4）。

lnwagei=β（p）0+β（p）1migi+β（p）2medui+β（p）3migi×medui+β（p）4hedui+β（p）5migi×hedui+β（p）6expi+β（p）7exp2i+∑ni=8β（p）iXi+εi

迁移与中等教育交互项的估计系数仅在50百分位上以5%的水平显著，对于中等教育水平的群体而言，劳动力迁移会显著提升中等收入阶层的教育回报率，但对于其他阶层的影响并不显著。迁移与高等教育交互项的估计系数在低收入和中低收入阶层不显著，但在中高及以上收入阶层显著为正，并随收入分位点的上升而增大。对于接受高等教育的中、高收入群体而言，迁移会提高其教育回报率，迁移有助于该类群体通过空间转移来获取更多的就业机会并实现更具效率的人力资本配置，进而使得其收入优势得以强化。综合来看，劳动力迁移使得中、高收入阶层本身就相对较高的教育回报率进一步提升，进而强化其收入优势，而这种强化可能会对收入分配状况产生重要影响。那么，劳动力迁移是扩大还是缩减了收入差距？

3.劳动力迁移对收入差距的影响

本文基于教育水平分布和教育回报率的角度，采用无条件分位数分解法检验劳动力迁移会不会对整体收入差距产生影响。OB（Oaxaca-Blinder）收入差距分解方法是研究这一问题的最常用方法，但其考察的是平均效应，未能考虑非线性关系（如在不同分位点可能存在的非一致性影响）以及模型本身可能存在的內生性问题。为弥补传统OB分解法的不足，Firpo（2007）提出了无条件分位数分解法[27]，通过构造反事实状态的分布函数将要素对收入差距的影响分解为结构效应和报酬效应。要素结构效应反映要素分布均等与否对收入差距的贡献程度，要素报酬效应反映要素回报差异对收入差距的贡献程度。无条件分位数分解既能考察不同分位点的情况，又能通过构造反事实分布函数克服解释变量的内生性问题，其具体分解式如下：

D={E[mv1（X1）]-E[mvc（X1）]}+{E[mvc（X1）]-E[mv0（X0）]}=[E（XT1）（γv1-γvc）]+[E（XT1）γvc-E（XT0）γvc]=[E（XT1）（γv1-γvc）]+[E（XT1）-E（XT0）]γv0+E（XT1）（γvc-γv0）

其中，Ey[RIF（y;v）|X]=mv（X）为再中心化函数的期望值;下标0、1和c分别代表基准组、对照组和反事实状态，本文基准组为2012年、对照组为2014年;E（XT1）（γv1-γvc）为要素结构效应，[E（XT1）-E（XT0）]γv0为要素报酬效应，E（XT1）（γvc-γv0）为剩余效应（反映其他因素对收入差距的影响）。

无条件分位数分解的结果如表5所示。总效应在各百分位点上均为正，表明总体上收入差距不断加大。要素结构效应大多为正，说明受教育水平分布不均是收入差距扩大的原因之一;要素报酬效应均为正，且除20百分位点外都大于要素结构效应，其差距随着分位点的上升有增大趋势（最高分位点除外）。可见，要素报酬效应对收入差距的贡献比要素结构效应更高，相对受教育水平分布不均而言，教育回报率差异是造成收入差距更主要的原因。

进一步，考察劳动力迁移通过教育维度对收入差距的影响（见表6）。对中等教育水平群体而言，劳动力迁移会减少教育回报率差异引致的收入差距，但对受教育水平分布不均所引起的收入差距并没有明显抑制作用。就高等教育水平群体而言，劳动力迁移有助于降低由受教育水平分布所引起的收入差距，也有助于减小由教育回报率差异引致的收入差距（除高分位点外）。总体上看，我国劳动力迁移有助于缩减由于个体受教育差异所引致的整体收入差距，特别是与高等教育相关的收入差距。事实上，劳动力流动将有利于不同教育层次劳动力之间的互补，并能够在一定程度上削弱由于教育水平差异所引致的收入差距（陆铭 等，2012）[30]。

四、结论与启示

本文基于“中国劳动力动态调查”2012和2014的数据，采用分位回归模型考察教育回报率的收入阶层差异，并使用局部工具变量法分析劳动力迁移对教育回报率收入阶层差异的影响，进而采用无条件分位数分解法检验劳动力迁移对整体收入差距的影响，结果表明：总体教育回报率随收入水平的上升而增加，存在明显的收入阶层差异，且低收入阶层的教育回报率与其他收入阶层差距较大;高等教育普遍具有顯著的正向收入回报，特别是中等收入阶层的高等教育回报率最高;劳动力迁移能显著提升具备高等学历的中、高收入群体和具备中等学历的中等收入群体的教育回报率，进而强化其收入优势;相对受教育水平分布不均而言，教育回报率差异对收入差距的贡献更大;劳动力迁移有助于缩减由于受教育水平分布不均和教育回报率差异所引致的收入差距，特别是与高等教育相关的收入差距。

教育作为人力资本积累的重要渠道，被视为决定个体收入的核心因素，具有非常重要的地位。本文分析表明，接受教育对低收入群体的收入增长更加重要。目前我国居民受教育水平普遍提升，但低收入群体的受教育水平仍然较低，而受教育的不足正是其教育回报率偏低的重要原因。因此，除了要确保低收入群体接受基本的义务教育，更应该为其接受更高层次的教育提供公共服务保障和必要的经济支持。同时，劳动力迁移既是个体追求教育回报最大化的需要，也是劳动力资源合理配置的需要;通过劳动力迁移不但可以优化不同学历层次劳动力在劳动力市场上的配置，而且可以在提升各层次劳动力收入水平的同时减小收入差距。因此，要进一步深化户籍制度改革和优化劳动力市场机制，破除阻碍劳动力迁移的体制性障碍，促进劳动力合理流动，进而缩小劳动力收入差距。

参考文献：

[1] CARD D. The causal effect of education on earnings[J].Handbook of Labor Economics，1999（3）：1801-1863.

[2] 杨俊，黄潇，李晓羽.教育不平等与收入分配差距：中国的实证分析[J].管理世界，2008（1）：38- 47.

[3] MINCER JA. Age and experience profiles of earnings[M]. NBER Chapters，1974：64-82.

[4] BUCHINSKY M. Changes in the U.S. wage structure 1963—1987：Application of quantile regression[J]. Econometrica，1994，62（2）：405- 458.

[5] MWABU G，SCHULTZ T P. Education returns across quantiles of the wage function：Alternative explanations for returns to education by race in South Africa[J].The American Economic Review，1996，86（2）：335-339..

[6] BUCHINSKY M. The dynamics of changes in the female wage distribution in the USA：A quantile regression approach[J]. Journal of Applied Econometrics，1998，13：1-30.

[7] STAVENA A，ARABSHEIBANI G，MURPHY R P. Returns to education in four transition countries：Quantile regression approach[J]. IZA Discussion Paper，2010，No 5210：1-34.

[8] MARTINS P S，PERIRA P T. Does education reduce wage inequality？ Quantile regression evidence from 16 countries[J]. Labor Economics，2004，11：355-371.

[9] 张车伟.人力资本回报率变化与收入差距：马太效应及其政策含义[J].经济研究，2006（12）：59-70.

[10]邓曲恒.城镇居民与流动人口的收入差异[J].中国人口科学，2007（2）：8-16.

[11]邢春冰.中国不同所有制部门的工资决定与教育回报：分位数回归的证据[J].世界经济文汇，2006（04）：1-26.

[12]张涛.工资收入差异的解释：基于分位数回归的经验研究[J].统计与信息论坛，2011（11）：50-56.

[13]BASSETT G，CHEN H. Economic applications of quantile regression[M]. Physica-Verlag HD，2002：293-305.

[14]LESLEY T. The returns to higher education for marginal students：Evidence from Colorado welfare recipients[J]. Economics of Education Review，2015（9）：1-16.

[15]MAGDALENA T D. Estimate of the private return on education in Indonesia：Evidence from sibling data[J]. International Journal of Educational Development，2015，42：14-24.

[16]KNIGHT J，SONG L. Increasing urban wage inequality in China[J]. Economics of Transition，2003，1：597-619.

[17]GOEDHUYS M，SLEUWAEGEN L. High-growth entrepreneurial firms in Africa：A quantile regression approach[J]. Small Business Economics，2010，34：31-51.

[18]徐舒. 技術进步、教育收益与收入不平等[J].经济研究，2010（9）：79-92.

[19]邵宜航，汪宇娟，刘雅南.劳动力流动与收入差距演变：基于我国城市的理论与实证[J].经济学家，2016（1）：33- 41.

[20]甄小鹏，凌晨.农村劳动力流动对农村收入及收入差距的影响[J].经济学（季刊），2017，16（3）：1073-1096.

[21]樊士德，姜德波.劳动力流动与地区经济增长差距研究[J].中国人口科学，2011（2）：27-38.

[22]彭国华.技术能力匹配、劳动力流动与中国地区差距[J].经济研究，2015（1）：99-110.

[23]邢春冰，贾淑艳，李实.教育回报率的地区差异及其对劳动力流动的影响[J].经济研究，2013（11）：114-126.

[24]赵西亮.教育、户籍转换与城乡教育收益率差异[J].经济研究，2017（12）：150-163.

[25]ABADIE A，ANGRIST J，IMBENS G. Instrumental variables estimates of the effect of subsidized training on the quantiles of trainee earnings[J].Econometrica，2002，70（1）：91-117.

[26]张苏，曾庆宝. 教育的人力资本代际传递效应述评[J].经济学动态，2011（8）：127-132.

[27]FIRPO S. Efficient semiparametric estimation of quantile treatment effects[J]. Econometrica，2007，75（1）：259-276.

[28]孙三百，黄薇，洪俊杰.劳动力自由迁移为何如此重要——基于代际收入流动的视角[J].经济研究，2012（5）： 147-159.

[29]HECKMAN J，URZUA S，VYTLACIL E. Understanding instrument variables in models with essential heterogeneity[J]. Review of Economics and Statistics，2006，88：389- 432.

[30]陆铭，高虹，佐藤宏.城市规模与包容性就业[J].中国社会科学，2012（10）：47- 66.

Chinas Labor Immigration and Its Influence on Income Distribution：

Empirical Study Based on Education Return

HUANG Xiao， LUO Jun-chao

（Yangtze Upriver Economic Research Center， Chongqing Technology and Business University， Chongqing 400067， China）

Abstract： The analysis based on the China Labor-force Dynamic Survey data shows that Chinas education return rate has significant difference in income hierarchies， that the education return rate rises with the rising of income level as a whole， that there is big difference between lower income hierarchy and other income levels， that the education return rate of middle income hierarchy is the highest， and that the labor immigration can obviously promote the education return rate for receiving high education of middle and high income groups and for receiving middle education of middle income group to further strengthen their income advantages. The contribution of education return rate to income difference is more uneven than education level， as a whole， the labor immigration is conducive to narrowing the income gap related to individual education （especially high education）. Thus， the allocation of education resources should be helpful to raise the education level of lower income groups， we should eliminate the systematic barrier resisting labor immigration to narrow the income gap resulting from the difference in individual education.

Key words： education return rate; income difference; labor immigration; income hierarchy; higher education; education gain rate; factor reward effect; factor structure effect