中国农村地区教育与个人收入——基于三省六县入户调查数据的实证研究，本文主要内容关键词为：三省论文,中国农村论文,收入论文,实证研究论文,地区论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
通过估算个人教育收益率进而辨明教育对个人收入水平与分布具有何种影响是教育经济学研究广泛采用的一个经典范式。自20世纪60年代以来，有众多理论与经验研究依照此种研究范式证实教育在促进个人增长和调节收入差异方面具有积极影响，[1]并且此种影响在不同国家与地区人口之中均有广泛表现[2]。在农村地区亦有大量的国际经验研究结果表明，教育不仅能有效提升农民个人的劳动生产率与资源配置效率，促进个人收入增长，还能增加农民劳动迁移与实现非农就业的可能性，促进个人收入来源的多样化，分散家庭收入风险。[3]虽然教育投资具有如此广泛的收益表现，但此种收益在不同国家与地区之间存在着较大差异。[4]一般来说，在教育欠发达地区，受过良好教育的劳动力供给不足，教育收益率水平相对较高，而在教育发达地区，人力资本相对富足，教育收益率水平则相对较低。[5]中国当前劳动力教育素质的整体水平较低，尤其是农村地区。根据2003年《中国教育与人力资源问题报告》，中国农村地区劳动力平均受教育年限为7.33年，仅与撒哈拉以南非洲地区相近，远低于世界平均水平。若依照上述研究推断，中国教育的收益率应与撒哈拉以南非洲地区相近，并高于世界其他地区。然而，以往众多研究却发现中国教育的收益率无论在城镇还是农村都异乎寻常地低，既远低于撒哈拉以南非洲地区，亦低于世界平均水平[6]。(见图1)
有学者曾将中国此种在经济高速发展的同时教育收益率却常年处于较低水平的现象视为是一种“特异(Outlier)”现象。[8]针对这一现象，目前学界有两种解释。一是制度性解释，认为是中国不完善的市场机制与制度性的劳动力市场分割压制了教育对于个人收入作用的进一步发挥，导致教育收益偏低。[9]依照此种解释，随着2000年后中国市场经济转型改革的基本完成与市场化程度的不断提升，个人教育收益率应呈现出明显的持续上升趋势。然而，根据近年来相关研究的估计结果，中国农村教育收益率与以往相比虽有一定的增长，但增长较缓慢，多数收益率估计值仍在7％以下。二是技术性解释，认为以往研究所采用的估计方法存在诸多计量问题，使得教育收益率估计值偏估。由于不同计量问题所导致的估计偏差方向不同，在采用不同的计量方法进行纠偏后，教育收益率的估计结果可能会上升，也可能会下降，因此并不确定。虽然近来多数研究显示，在采用一些新方法纠偏后，教育收益率估计值一般会有一定幅度的增长，[10]但这些研究大多针对中国城镇居民，关注农村地区个人教育收益率的研究数量较少。那么，当前中国农村地区教育对于个人收入究竟具有何种程度的影响?个人教育收益率与以往估计结果相比是否有所增长?若增长，此种增长是因制度环境改善引发的一种“自然增长”，还是因计量技术改善引发的一种“技术增长”?不同教育层级和不同教育与培训类型对于农村地区个人收入影响是否存在显著差别?本文将围绕上述问题展开实证研究。
图1 个人受教育年限与教育收益率的国际比较
注：中国农村平均受教育年限采用《中国教育与人力资源问题报告》公布的数据(7.33年)，教育收益率采用以往中国农村教育收益率的OLS估计结果均值(4.5％)①；其他国际数据采用Psacharopoulos与Patrinos所汇总的国际数据[7]。
二、数据与方法
(一)数据
本文采用国家社科基金“教育促进农村社会综合进步的状况及对策研究”课题组于2009年10月至2010年1月在浙江、安徽和陕西三省六县十二村入户调查所获得的数据，以收集农村地区个人在教育、收入、就业、劳动迁移，以及健康状况等方面的数据信息为主要内容。课题组以农户作为单位，对户主及其配偶、长子、长女与父母(包括配偶父母)进行了相关信息的调查。调查共收集到1587户有效问卷，有效个体样本数为4503人。
(二)模型与变量说明
个人教育收益率有多种测算方法，本文采用最常用的明瑟收入方程法[11]，所构建的标准明瑟收入方程如下：
因变量lnINCOME为农村地区个人近三年月平均收入的对数值。有研究指出测量个人收入最好采用小时收入，因为具有不同教育水平的个人在一年或一月中的劳动小时数不尽相同，年或月收入无法真实地反映出个人单位时间的收入水平，存在一定的测量误差。[12]考虑到对个人劳动时间进行精确测量难度较大，且测量个人劳动时间本身亦存在发生较大测量误差的可能性，我们在此次调查中并未对个人劳动时间进行调查，因此只能采用个人月平均收入作为因变量。虽然此种做法面临着偏估收益率的风险，但预计偏估的程度应当不会太大。因为教育水平变化对个人劳动时间通常具有两种方向相反的影响：一是正影响，即个人教育水平越高，失业可能性越低，一年内处于就业状态的时间就会比低教育水平者多，此时采用月收入便会高估教育收益率；二是负影响，即个人教育水平越高，其就业岗位的劳动强度越弱，月平均劳动小时数要比低教育水平者少，此时采用月收入便会低估教育收益率。一正一负两种影响同时存在并相互抵消。有学者曾同时以月和小时收入为因变量对中国城镇居民教育收益率进行过估计，其结果显示采用月收入会低估收益率，但程度较小，两种方法收益率估计值仅相差0.7％。[13]
EDU为个人受教育年限，其回归系数即为明瑟教育收益率，表示个人受教育年限每增加一年，个人收入会变化百分之几。在具体的调查中，常有被访者将自己中途辍学或退学而未能毕业的学历报告为自己最终的教育水平，因此问卷增加了关于个人是否完成其最终学历与辍学年级的问题。根据样本分析结果，有20.6％的被访者未能完成其所汇报的最终教育水平，考虑与不考虑辍学时的人均受教育年限分别为7.56年和7.92年，相差0.36年。这表明此种测量误差并不是随机个案，而是系统存在的，可能会引发收益率的偏估。为此，本文所采用的受教育年限都经过辍学调整。此外，为检验不同教育层级和不同教育与培训类型对于农村个人收入的影响是否存在显著差别，我们还将采用引入个人受教育年限二次项(EDU2)，将个人受教育年限拆分为义务教育年限(EDU_COM)和义务后教育年限(EDU_POST)，以及将个人受教育年限拆分为普通教育年限(EDU_NOR)与职业技术教育年限(EDU_VTE)等三种方法，扩展标准明瑟收入方程，并分别进行回归分析。
EXP为个人工作经验。我们运用“个人年龄-6(入学年龄)-个人受教育年限”公式测算出个人工作年限。此种方法虽然简便且常用，但有学者指出它可能会导致测量误差，进而引起系数估计偏差，因为此种方法隐含地假设所有人为获得相同的教育水平和毕业后搜寻工作所花费的时间完全相同。[14]针对这一问题，我们之后也会采用一定的计量方法予以解决。此外，依照人力资本理论，个人收入与工作年限之间应存在倒U状的非线性变动关系，所以我们还引入工作经验二次项变量(EXP2)。
VTET为个人职业培训虚拟变量，表示个人是否接受过职业技术培训。将该变量估计系数代入
公式，可以计算出接受过职业培训个人的月平均收入要比未接受过个人高出多少百分比。
FARM为个人从业状态虚拟变量。近年来在农村地区，个人收入来源越来越多样化。在我们的数据样本中，有近一半的个人同时拥有两种及以上的收入来源。有鉴于此，本文定义：在过去三年间总收入中务农收入占五成及以上者为农业从业者，赋值为1；低于五成者为非农从业者，赋值为0。
EMIGRANT为个人劳动迁移状态虚拟变量。在当前农村地区，个人工作转换和迁移流动十分频繁，因此，若按照传统方法，以个人在一段时间是否发生迁移行为作为标准，我们很难准确判断出一个频繁流动的农村劳动力到底是在家从业者还是外出从业者。有鉴于此，本文将在过去三年间以外出从业收入为主要收入来源的个人定义为外出从业者，赋值为1；而将以在家从业收入为主要收入来源的个人定义为在家从业者，赋值为0。上述定义中的“外出”和“在家”又以个人是否离开本县为标准进行界定。
除上述自变量外，模型还包括个人性别(GENDER)，东中西部地域变量(EAST、MIDDLE和WEST)，以及其他一些控制变量和工具变量。各变量均值情况详见表1。
(三)计量方法
以往研究常采用OLS方法对教育收益率进行估计。此种方法虽简便，但常会遇到一些导致估计量有偏、非最优或非一致的计量问题，例如变量遗漏、测量误差和异方差。
变量遗漏问题中以遗漏个人(天生)能力变量最为典型。个人能力是决定个人收入的重要因素，但一般难以直接观测，测量成本很高，因此研究者常“有意”或“无意”遗漏个人能力变量，引发自变量与误差项相关的内生性问题(Endogeneity)。因为个人能力与受教育水平之间一般成正相关，所以在个人能力遗漏的情况下采用OLS方法，必定会高估教育收益率。与变量遗漏相似，测量误差亦可能引发自变量与误差项相关的内生性问题，导致估计偏差。如前所述，在实际的调查工作中，个人受教育年限和工作经验常会被过高测量，而这又极易导致OLS下教育收益率和工作经验系数的过低估计。
解决变量遗漏问题的常用方法有两种：一是采用双胞胎样本，利用同卵双胞胎具有相同基因而拥有相同天生能力的特性，以达到完全控制与消除个人能力影响的目的。[15]由于双胞胎样本获取困难，样本容量较小，因此此种方法应用得很少。二是将一些可直接观测变量作为个人能力的控制变量(CV)或工具变量(IV)进行回归分析。父母教育水平是最常用的控制或工具变量②。若以父母教育水平作为控制变量，一般假定父母教育水平与个人能力之间存在一定的正相关，且对个人收入具有直接影响。相关研究显示，采用控制变量法会使得教育收益率估计值有所下降，但下降幅度并不大。[16]若以父母教育水平作为工具变量，一般假定父母教育水平与个人能力之间不相关，但对个人教育水平具有重要影响，并由此间接地影响个人收入。该假设与控制变量法正相反，其估计结果亦大相径庭。国外相关研究显示，以父母教育水平作为工具变量进行两阶段回归(2SLS)的教育收益率估计结果要比OLS高出许多，[17]中国经验结果亦是如此[18]。导致这一现象的主要原因是工具变量法作为解决内生性问题的经典计量方法，它既能纠正因变量遗漏导致的高估问题，降低教育收益率估计值，又能在工具变量与个人教育水平相关，但又与个人教育水平测量误差不相关的条件下，同时纠正因测量误差导致的低估问题，提高教育收益率估计值。当后一种低估偏差要大于前一种高估偏差时，采用工具变量法所得到的收益率估计值便会高于OLS。
异方差(Heterogeneity)问题多出现于横截面数据。与内生性问题不同，异方差并不会导致 OLS估计量有偏，但会增大OLS估计系数的标准误值，并对显著性检验结果产生不良影响。解决异方差的方法有很多，简单方法如分组群样本进行回归，或采用稳健性标准误，复杂方法如广义最小二乘法(GLS)、广义矩方法(GMM)和多层线性模型化方法(HLM)等。
依照以上讨论，本研究所采用的调查数据既未能提供个人能力的观测数据，个人受教育年限和工作经验变量亦可能存在一定的测量误差，因此不可避免地面临着内生性估计偏差问题。此外，本文采用的是横截面数据，因此还可能面临异方差问题。为解决这些计量问题，我们在下文将尝试OLS、GLS和2SLS等多种计量方法对中国农村地区个人教育收益率进行估计，并对不同方法的有效性及其估计结果差异进行检验与讨论。
三、估计结果
(一)个人教育收益率的估计结果
根据表2中模型1的估计结果，个人教育收益率的OLS估计值为6.5％，且在P=0.01水平上显著。依据这一结果，我们有两点判断。一是这一结果与以往同采用OLS研究的估计结果均值(4.5％)相比有所增长，涨幅为44.4％。可见，近年来教育对于农村地区个人收入的影响作用在上升。二是这一结果虽较以往有所增长，但仍低于10％的世界平均水平。如前所述，OLS估计量可能因多种计量问题而存在估计偏差的可能。以下，将对这些可能存在的计量问题进行检验，并判定此种偏低的估计结果是否因“技术错误”所致。
首先，采用White检验和LM检验对模型1是否存在异方差进行检验。White检验结果在P=0.01水平上(
=140.39)拒绝了残值方差同质的原假设，LM检验结果亦显示残值方差与自变量之间在P=0.01水平上存在显著的相关性。两种检验结果均表明异方差的存在。为纠正异方差影响，我们采用GLS对样本重新进行估计。如模型2，GLS的教育收益率估计值为5.9％，变化不大。各估计系数的标准误亦仅有少许下降，各自变量显著性表现均保持不变。这表明异方差虽存在，但影响并不严重。
其次，针对变量遗漏与测量误差所可能导致的内生性问题，尝试采用控制变量法和工具变量法予以纠正。
对于控制变量法，采用一种常用的控制方法，即以父母亲受教育年限作为个人能力的代理变量进入到明瑟方程中进行回归(如模型3)。与预期相符，在控制父母受教育年限后个人教育收益率估计值与OLS估计结果相比有所下降，但下降幅度不大。由6.5％下降为5.7％，收益率水平仅下降了0.8％。依照工具变量法的基本假设，父母受教育年限作为个人能力的代理变量，理应对个人收入具有显著的直接影响，而结果却显示父母受教育年限变量的估计系数值都很小，且显著性表现不好。父亲受教育年限仅在P=0.1水平上影响显著，而在P=0.05水平上，父母受教育年限影响均不显著。这一结果与之前许多国外研究结果相似。[19]Psacharopoulos曾提出从经验证据上看，父母教育水平对于个人收入的直接影响较少，更多的是通过影响个人受教育水平进而对个人收入产生出的间接影响。[20]由此可见，对于解决变量遗漏问题来说，以父母受教育水平作为个人能力的控制变量并不是一种好的方法。(见表2)
对于工具变量法，尝试以个人受教育年限、工作经验及其二次项作为内生变量，采用父母受教育年限、个人年龄及其二次项，和家庭人口规模作为工具变量，进行2SLS回归。之所以选取这五个工具变量，有以下考虑：(1)个人教育水平通常与父母教育水平高度相关，而且之前模型3的估计结果显示父母教育水平对个人收入并无太多的直接影响；(2)家庭人口规模(特别是兄弟姐妹数量)常与个人教育水平成负相关关系，且对个人收入并无明显的直接影响；(3)将个人年龄及其二次项作为工具变量，主要是为了纠正个人工作经验的测量误差问题。选取年龄作为工具变量的合理性在于，个人年龄与工作经验必定高度相关，而且个人年龄的测量误差一般较小，因此与工作测量误差之间应无太大的相关性。
根据模型4中2SLS估计结果，教育收益率估计值为13.1％，且在P=0.01水平上显著。这一结果要比之前OLS估计结果高出1倍以上。Hausman内生性检验的结果表明，2SLS模型与 OLS模型估计结果在P=0.01水平上存在显著差异(=94.88)。这表明模型1中确实存在内生性的估计偏差。如前所述，采用工具变量法能同时对变量遗漏和测量误差所导致的偏估问题同时进行纠偏，因此，2SLS估计结果的大幅度提升表明模型中因测量误差导致的低估程度要远大于因变量遗漏导致的高估程度。除内生性检验外，我们还就模型4所采用的工具变量是否合理有效进行检验。一是，根据以各内生变量为因变量、各工具变量与其他外生变量作为自变量的回归模型的F联合检验结果，工具变量与内生变量之间确实存在显著的相关关系(F=61.99)；二是，根据Sargan过度识别限制检验结果，在P=0.01水平上无法拒绝所采用的五个工具变量与残值项不相关的原假设(=6.4)。
综合以上各模型估计结果可知，与以往估计结果相比，本文估计出的中国农村地区个人教育收益率有大幅度增长，且此种增长可以分解为两部分。一是，本文OLS农村地区个人教育收益率值要比以往同采用OLS研究的平均估计值高出2个百分点。方法相同样本不同，这可以视为一种“自然增长”，即反映的是一种伴随着中国经济制度环境的改善和市场化程度的提升，教育对个人收入所具有的作用得到不断释放所引致的增长。该增长占总增长的比重为23.7％。二是，本文2SLS的估计结果要比OLS估计结果高出6.6个百分点。样本相同方法不同，这可以视为是一种“技术增长”，即反映的是一种因计量技术改善所引致的增长。该增长占总增长的比重为76.3％。(见图2)
图2 中国农村地区个人教育收益率增长趋势及其分解
由此可见，当前中国农村地区个人教育收益率增长主要表现为“技术增长”，特别是利用工具变量法纠正测量误差偏估后所引致的增长，而源自于制度环境改善的“自然增长”幅度相对较小。这一发现与之前国外学者的一项研究结果相似。De Brauw和Rozelle在对中国农村非农从业者的教育收益率估计中，曾发现在运用Heckman两步回归法对样本选择性偏差问题(Select Bias)予以纠正后，教育收益率会有明显上升，并且此种因计量技术改善所引致的增长要大于单纯因时间变化所引致的增长。[21]
(二)不同教育阶段与不同教育和培训类型的收益率比较分析(见表3)
1.不同教育阶段的收益率
如模型5，个人受教育年限二次项估计系数显著为正。这表明农村地区个人教育收益率会随个人教育水平上升而不断递增。若将个人受教育年限被拆分为义务和义务后受教育年限(如模型6)，估计结果显示义务教育年限的平均收益率仅为0.1％，且非显著，而义务后教育年限的平均收益率高达26.5％，且在P=0.01水平上显著。人力资本理论一般认为教育边际收益应呈递减趋势，国际经验证据亦显示在发展中国家初等教育收益率一般要高于中等和高等教育[22]，而我们的估计结果却显示此种趋势在中国农村地区为递增，且义务后教育收益率远高于义务教育。之所以有此现象，与当前中国农村劳动力的教育供给结构有很大关联。样本中，小学和初中文化程度个人所占比重超过70％，而具有高中、大专和本科及以上文化程度个人所占比重仅分别为12.7％、3.3％和2.2％。低知劳动力供给过足，高知劳动力供给紧缺，且教育水平越高的劳动力，越是紧缺，这势必造成教育收益率随教育层级上升而不断加速递增的态势。以往有研究指出，在中国农村地区初中教育的收益最高[23]，而我们的研究结果则显示当前农村收益最高的教育层级已后移至高中及以上教育层级。
2.不同教育和培训类型的收益率
如模型7，在将个人受教育年限拆分为普通和职业受教育年限之后，2SLS估计结果显示普通教育年限的平均收益率为10.3％，职业教育为17.3％，两个估计值相差至少一个标准误以上，差异显著。此外，职业技术培训对个人收入有显著正影响，估计系数为0.201。这意味着在其他条件相同的情况下，接受过职业培训个人的月平均收入要比没接受过的个人高出22.3％。样本中所有接受过职业培训个人的平均培训年限为0.91年，由此我们可以通过22.3％/0.91大致测算出职业培训的年平均收益率为24.5％。虽然根据点估计结果，职业培训收益率水平要比职业教育高，但根据区间估计结果，职业培训和职业教育估计系数并无显著性差异，两者估计值相差仅在一个标准误范围之内。由此可见，在当前中国农村地区，职业教育和培训的收益率上大体相当，且都远高于普通教育收益率。这一结果凸显出当前劳动力市场对于职业教育与培训具有十分强烈的需求。
(三)其他估计结果
与理论预期相符，工作经验与个人收入之间呈现显著的倒U状变动关系。在所有模型中，工作经验一次项和二次项估计系数都分别显著为一正一负。由于在模型4～7中采用工具变量对个人工作经验测量误差所引致的内生性问题进行了纠正，因此这些模型中工作经验一次项系数的估计结果都要比OLS模型的估计结果高。依据2SLS估计结果，个人收入最大化的工作经验年限在28.5～34.5年之间。若简单地将收入最大化的工作经验年限加上个人受教育年限样本均值，可以大致得到个人收入最大化年龄在36～42周岁。
从业状态对个人收入有显著的正影响，且估计值较大，2SLS估计值都在0.6以上。这表明在其他条件相同的情况下，非农从业者的月平均收入要比农业从业者至少高出82.2％。此外，根据本文多数模型的估计结果，劳动迁移对个人收入的影响多为非显著。一般认为，农村外出从业者的收入水平要高于在家从业者，而本文的估计结果却显示两者收入并没有显著差异。导致这一现象的主要原因在于，农村外出者多数务工，而在家者多数务农，并且务工与务农收入差异较大③，因此在控制个人从业状态的条件下，劳动迁移对个人收入的大部分影响必定会被个人从业状态差异以及农业与非农行业较大的收入差异所解释。迁移经济学理论一般认为，个人实施劳动迁移是为了获取更多的收入，迁移对于个人收入必定具有重要影响，而我们的研究则显示在当前中国农村地区，能否在非农领域实现就业对于个人收入至关重要，而迁移仅是个人寻找和实现非农领域就业的一种途径，它对个人收入并不具有显著的直接影响。
根据地域变量的估计结果，东部省份农村人均收入要显著高于中部，而中部又显著高于西部。性别变量估计系数显著为正亦表明农村地区男性收入要显著高于女性。
四、总结与讨论
本文基于2009～2010年中国三省六县的农村入户调查数据，运用多种计量方法，就中国当前农村地区个人教育收益率进行了估计，并得出以下结论。
首先，本文验证了在存在内生性问题的情况下，OLS方法会较大程度低估教育收益率的事实。经工具变量法纠偏后，农村地区个人教育收益率的2SLS估计值达到13.1％，已超过世界平均收益率水平，并与中国当前税前物质资本回报率大体相当④。这一结果又再次验证了教育之于个人收入所具有的重要作用，尤其是在当前土地资源紧张和物质资本相对稀缺的中国农村地区，教育可以说是农民及其家庭实现收入增长、生活境遇改善以及社会地位升迁最为重要的一条途径。教育投资的高收益同时意味着会有更多个体间教育差异被“转化”为收入差异，从而进一步加剧农村地区内部已然十分严重的贫富分化状况⑤。为此，高层级政府未来除继续以财政转移支付平衡地区间教育财政差异外，还应加强针对农村贫困学生个人的财政资助力度，通过科学和合理的资助模式设计，充分发挥教育在调节收入差异方面的功能。
其次，虽然本文13.1％的收益率估计值与以往估计结果相比有很大幅度的增长，但此种增长主要是因计量方法改善而引致的增长，制度改善引致的增长部分较少。近十年来，中国市场经济制度与劳动力市场不断完善，城乡劳动力流动日益频繁，而个人教育收益率却增长缓慢。同时，本文还发现农村地区个人教育收益率随教育层级上升呈递增趋势，且义务教育和后义务教育收益率差别巨大。这些经验证据都暗示当前制约农村个人教育收益率进一步增长的最重要因素已不再是制度，而是农村教育自身的发展水平。当前农村劳动力整体教育素质较低，主要集中在初级和次要劳动力市场就业，所从事的工作岗位对劳动技能和知识的要求较低，工作环境相对简单，教育所能形成的个人劳动与资源配置能力都无法得到充分的发挥，其收益率自然低。因此，为推动农村地区个人教育收益率持续不断增长，中央政府未来应以后义务教育发展作为农村教育优先的发展目标，加大对农村地区高中教育的财政投入力度，逐步将高中教育纳入义务教育范畴之内。
最后，本文还发现在农村地区职业教育与培训的收益率均显著高于普通教育。这一结果凸显出在农村地区发展职业教育与培训之重要性。2000年后，中央政府开始重视农村职业教育发展并加大财政投入，农村职业教育人口比例上升得很快。根据我们对样本统计描述分析的结果，在总样本中曾接受过职业教育的人口比例仅为11.1％，而在18～25周岁人口样本中该比例迅速上升至31.1％。与政府大力投入的职业教育相比，农村的职业培训发展主要依靠个人。样本中，曾接受过各类职业培训的人口比例为13.2％，其中有超过五成是由自己出资参加短期技能培训，学徒学艺者约占1／4，而参加过政府组织的农业技术推广和进城务工技能培训的人口比例不足8％，参加过企业在职培训的人口比例亦不足9％。这一局面在年青一代农民中并无太大的改观。在18～25周岁人口样本中，曾接受过政府培训的人口比例比总样本比例还要低。虽然教育经济学理论一般认为，职业培训收益主要由个人和企业获得，因此职业培训发展应以个人和企业推动为主，但考虑到职业培训在促进农民个人收入方面所具有的重要影响，中央与各级地方政府未来还应在制订农民职业培训类别与标准，规范和管理农民职业培训机构与市场，保障农民职业培训质量，增加农民职业培训资助规模与覆盖面，以及创新资助模式等方面承担更多的责任，以更加积极的干预，引导并推动农民职业培训的发展。
注释：
①以往中国农村地区个人教育收益率的OLS估计结果多在4％～5％之间，估计均值大致在4.5％左右。
②亦有许多研究以个人IQ或标准化学业成绩作为个人天生能力的代理变量，或是以个人是否有兄弟姐妹，以及通过自然实验法构造出工具变量进行分析。
③样本中，务工平均年收入为8611.6元，务农平均年收入为3247.5元，前者是后者的2.7倍。
④据白重恩等人(2007)测算，中国1978～2005年税前物质资本收益率大致在10％左右波动，2005年接近15％。
⑤有研究(Benjamin等，2000)指出，中国农村内部收入差异自改革开放以来一直处于不断扩大化之中，2000年后农村内部收入差异的基尼系数便已达到0.4以上。