精英大学的工资溢价影响

丘锦波

[摘 要]文章利用中国收入分配研究院的CHIP数据的2013年城市人口部分的数据，估计了毕业于精英大学的工资溢价的影响。笔者发现，在控制了个人、家庭、高考分数，以及所处省份、工作单位类型和行业等情况后，毕业于 “211工程”院校的样本比毕业于普通院校的样本的2013年工资要高出大约14.95%。在使用倾向匹配分析法部分消除可观测内生性后，毕业于“211工程”院校的工资溢价大约为8.38%。

[关键词]“211工程”;“985工程”;工资溢价;倾向匹配分析;教育回报率

[DOI]10.13939/j.cnki.zgsc.2020.05.007

1 引言

截至2018年3月30日，教育部公布的全国高等学校共2879所，其中，有1243所本科高校。学校数量很多，但质量参差不齐。为了改善大学教育的质量，中国政府在20世纪90年代，前后分别启动了“211工程”和“985工程”。

在本文中，笔者认为属于“211工程”的院校即精英大学（在后文的稳健性检验中，再分别考虑“985工程”院校和属于“211工程”但非“985工程”的院校）。因为这些学校不仅历史悠久，能够提供高质量教育教学，还可以得到政府更多的财政支持。

本文研究的主要动机在于部分工作单位或职位在招聘启事上会明确要求“211工程”“985工程”的本科背景。而为了能让孩子找到好工作，很多家长从小学开始就有了“择校热”。从经济学的角度讲，对精英大学的高需求必然是源于它能带来的高回报。

因此，一个很自然的问题是，如果控制学生的个人特征以及家庭背景，毕业于精英大学的学生最终在劳动力市场的工资回报率是否真的会高于普通高校的学生？

在本文中，笔者利用中国收入分配研究院2013年CHIP数据库中的城市人口部分的数据，利用最小二乘法（OLS），将毕业于“211工程”的学生设为虚拟变量，来研究精英院校对学生未来工资的影响。再使用倾向评分匹配（PSM）的方法，部分消除可观测到的内生性问题，来观察真正来自于精英大学对工资的影响有多少。但还有一些不可观测的变量暂时无法观察到，因此一些不可观测变量的内生性问题也无从解决改善，这部分问题还有待研究探讨。

文章余下部分分别为文献综述、数据、模型及方法、结果分析、稳健性检验以及结論。

2 文献综述

本文的研究是对教育回报率估计的一个具体的例子。教育回报率的问题是劳动经济学研究中的一个经典问题。

相当多的国外文献均发现精英教育存在显著的工资溢价。Behrman等（1996）利用双胞胎数据库，使用双胞胎的数据，控制了绝大部分的选择偏差及内生性问题，对大学的精英教育对于工资回报的影响进行了研究，发现毕业于精英大学是有十分显著的工资溢价的。Monks（2000）和Brewer等（1999）使用了学生的高中分数以及标准化考试分数，还有父母的教育和收入作为回归的控制变量，控制选择效应后也发现了精英大学存在显著的正向的影响。但Dale和Krueger（2002，2011）发现，在选择问题得到纠正后，大学选择性的估计回报率降至零。

中国也有学者研究了有关精英教育对工资的影响。例如，吴斌珍（2016）利用大学毕业生就业调查数据，在控制个人和家庭相关变量后发现，毕业于省重点高中的大学毕业生比其他大学毕业生起薪水平高出约17%。早期的研究Li等（1998）发现，在20世纪80年代和90年代，教育回报率很低;但Zhang等（2005）发现中国城市的教育水平在2002年开始急剧上升，教育回报也开始随之上升。Li等（2012）发现在控制学生个人和家庭因素后，精英大学（主要指“211工程”院校）能够提高大学生起薪约11%，同时发现，女性就读于精英大学的工资溢价效应要高于男性。

3 数据

本文使用的数据主要是2013年中国收入分配研究院的CHIP（Chinese Household Income Project）数据中的城市人口数据部分。

本次研究中使用的2013年CHIP数据是来自2014年7月至8月，中国居民收入项目进行的第五轮全国范围调查，主要收集了2013年全年的收入和支出的相关信息。数据内容主要包括住户个人层面的基本信息、就业信息，以及家庭层面的基本信息、主要收支信息和一些专题性问题。本文选择了年龄在25～55岁的样本做分析。

4 模型及方法

本文使用的方法主要是最小二乘法OLS（Ordinary Least Square）以及倾向评分匹配PSM（Propensity Score Matching）方法。

OLS模型如下：

本文用年龄代替明瑟收入分析法中的经验项，并加入年龄的平方项代替其中的经验的平方项。分数特征包括样本的高考分数以及是否是毕业于省重点高中。在中国，大多数情况下是高考分数越高，步入精英大学的可能性越高。并且，高考分数从某种程度上，代表了一个人的学习能力、认真程度等情况，因此在这里控制了这一变量。而是否毕业于省重点高中，同样也代表了一个人的学习能力还有一些综合素质，也部分代表家庭情况，因为有些重点高中是可以通过缴纳高额的择校费进入的，因此在这里也加入了是否毕业于省重点高中这一变量。家庭特征包括兄弟姐妹数量以及户口状况，户口状况主要考虑的是是否是农村户口。一般认为兄弟姐妹数量和是否为农村户口也可以从某种程度上影响一个人的工资情况，因此加入了这部分代表家庭特征的变量。不同的省份的发展程度、消费水平也不尽相同，因此需要控制一下有关省份的变量。并且不同的单位类型、行业之间，比如国有企业和私企之间、制造业和金融业之间工资差距也是很大的，因此也需要对单位类型和工作所处行业进行控制。εi为残差项。

本文使用的另一种方法是倾向评分匹配法（PSM）。倾向评分匹配是一种用于处理观察研究的数据的统计学方法。文章研究接受精英院校的教育对其收入的影响，如果只是简单地将是否毕业于精英院校作为虚拟变量，而对总体进行回归的话，参数估计可能是会产生偏误的，因为在这种情况下，只能观察到毕业于精英院校的人在从精英院校毕业后的工资情况，拿这种表现去和没有接受过精英教育的一部分人做比较，显然是不太严谨的，因为比较的基础不同。因此，选择在最小二乘回归后加入PSM分析。

5 得出的结果

表1是毕业于211院校样本的2013年的工资溢价的回归结果。由表1可知，在加入个人特征、分数特征等控制变量后，毕业于“211工程”院校的样本相较于毕业于普通院校的样本的工资高出约14.95%，并且在1%的显著水平下显著。即毕业于精英大学的样本存在工资溢价效应。

下一步，进行倾向评分匹配，主要使用Stata实现这一过程。在依据高考成绩等变量进行倾向匹配后，毕业于“211工程”院校的样本的工资溢价的影响下降为8.3761%，并且结果在1%的显著水平下显著。虽然比例有所下降，但是毕业于211院校的样本还是存在一定的工资溢价效应。

6 稳健性检验

在前面的研究分析中，将精英大学定义为所有属于“211工程”（包括“985工程”）的院校。在下面的分析中，将分别考虑“211工程”和“985工程”院校不同的工资溢价的影响。

表2为稳健性检验的结果以及与之前的普通回归的对比结果。第（1）列为前面回归中的结果。第（2）列为稳健性检验的结果。第（2）列分别考虑“211工程”非“985工程”院校和“985工程”院校的工资溢价效应。从表2可以看出，在控制了可观测变量后，毕业于“985工程”院校的样本比畢业于普通院校的样本多赚大约18.57%，毕业于“211工程”院校的样本与毕业于普通院校的样本相比多赚大约13.16%，即毕业于“985工程”院校的样本比毕业于211院校的样本赚得还要多。

因为，国家对于“985工程”院校的投入要更多，“985工程”院校的资源要比普通院校以及“211工程”非“985工程”院校的更好，“985工程”院校对于高考分数要求更高，“985工程”院校对于学生的培养也比其他的院校更加好，因此，“985工程”院校毕业的样本要比其他院校毕业的样本赚得多。

7 结论

通过使用CHIP数据的2013年城市人口部分的数据，我们发现，在控制了大部分可以直接观测到的变量后，毕业于“211工程”院校的样本在2013年的工资相比毕业于普通院校的样本要高出14.95%。也就是说，就读于精英教育在某种程度上是会存在工资溢价的效应的。而如果分别考虑“211工程”和“985工程”，则会发现，毕业于“985工程”院校的人与毕业于普通院校相比工资要高出大约18.57%，而毕业于“211工程”非“985工程”院校的人的工资与普通院校毕业的人相比要高出大约13.16%。毕业于“985工程”院校的人要显著高于其他学校，可能是由于国家对于“985工程”的教育投入，以及就读“985工程”院校之前的选择效应。为了部分控制内生性问题，笔者又做了倾向匹配分析，最后发现，毕业于“211工程”院校的工资溢价大约为8.38%。也就是说，在控制了可观测到的内生性问题后，毕业于精英院校还是会存在工资溢价效应的。

参考文献：

[1]吴斌珍，赵心妤，钟笑寒.重点高中带来的工资溢价：来自大学生就业调查的证据[J].世界经济，2016（2）.

[2]BEHRMAN J R，ROSENZWEIG M R，TAUBMAN P.College choice and wages： Estimates using data on female twins[J].The Review of Economics and Statistics，1996，78（4）：672-685.

[3]DOMINIC J BREWER，ERIC R EIDE，RONALD G EHRENBERG.Does it pay to attend an elite private college？ Cross-cohort evidence on the effects of college type onearnings[J].Journal of Human Resources，1999，34（1）： 104-123.

[4]CHETTY R，FRIEDMAN J N，ROCKOFF J E.Measuring the impacts of teachers II： Teacher value-added and student outcomes in adulthood[J].The American Economic Review，2014，104（9）：2633-2679.

[5]DALE S B，KRUEGER A B.Estimating the payoff to attending a more selective college： An application of selection on observables and unobservables[J].Quarterly Journal of Economics，2002，117（4）： 1491-1527.

[6]DALE S B，KRUEGER A B.Estimating the return to college selectivity over the career using administrative earning data[R].Working Paper， Mathematica Policy Research and Princeton University， 2011.

[7]DEARDEN L M，FERRI J，MEGHIR C.The effect of school quality on educational attainment and wages[J]. Review of Economics and Statistics，2002，84（1）： 1-20.

[8]LI H， MENG L，Wu B，et al.Does attending elite colleges pay in China[J] Journal of Comparative Economics，2012，40（1）：78-88.

[9]LI TIANYOU，ZHANG JUNSEN.Return to education under collective and household farming in China[J].Journal of Development Economics，1998（56）：307-335.

[10]MONKS J.The returns to individual and college characteristics： Evidence from the national longitudinal survey of youth[J].Economics of Education Review，2000，19（3）：279-289.

[11]ZHANG J S，ZHAO Y H，ALBERT PARK，et al.Economic returns to schooling in urban China，1988 to 2001[J].Journal of Comparative Economics，2005， 33（4）：730-752.