高等教育投资风险和收益的实证研究，本文主要内容关键词为：高等教育论文,投资风险论文,收益论文,实证研究论文，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。
中图分类号：G40-054 文献标识号：A 文章编号：2095-1760(2011)01-0080-11
一、引言
伴随高等教育的大规模扩展，中国劳动力市场中出现了明显的大学生就业难问题，[1]这显然意味着高等教育投资风险在不断增大。基于这种理解，国内学者不再满足于在确定条件下研究高等教育投资收益问题，转而将分析框架限定为处于一个不确定环境中。[2][3][4]例如有的研究发现，大学本科的投资收益率在显著提高的同时，其教育投资风险也明显加大(马晓强，丁小浩，2005)。也有学者表明，如果不考虑风险因素，高等教育投资的收益率的确会被高估(杨娟，2008)。但问题在于，仅仅告诉人们高等教育投资是有风险的仍然不够，因为高等教育本身还有层次性(大专、本科、硕士、博士)，当投资于高等教育是有风险时，人们还希望了解，投资于何种学历层次的高等教育，能够获得最高的投资收益率，且面对的风险最小。遗憾的是，上述研究并无法回答这一问题。
近十年来，国外已有一些实证文献讨论了高等教育各学历层次的风险—收益问题。例如，Groot(1996)对英国的研究发现，学历越高投资风险越大；[5]而Frenette(2004)的研究则发现，在加拿大，硕士层次的教育投资风险最大，其次是大专层次。[6]基于一个包含了大专、本科、硕士、博士等四个学历层次的大学毕业生抽样调查数据，本文研究了我国现阶段高等教育各层次的投资收益—风险状况。由于调查样本均为即将毕业的大学生，无法测算整个生命周期的收入状况，我们讨论了当高等教育投资的净现值为临界值零时，各学历层次可能的收入增长率和风险发生概率，从而发现各学历层次的教育投资收益—风险状况。实证研究发现，在我国现阶段，硕士学历层次的投资收益率最高且风险相对较小。
二、理论分析框架
人力资本经典理论认为，人们进行教育等形式的人力资本投资，是为了获得终生收入的最大化。[7][8]后来的研究者也发现，由于个体间存在差异性且面对一个不确定的环境，个人的受教育水平并不是外界给定的，而是个人在权衡取舍中进行“自我选择”的结果。[9]但是，他们的研究假设通常都是基于一个充分竞争的市场经济环境，而在转轨中国，个人的教育选择、就业选择及这些选择所引致的福利状态，却面对着更为复杂的约束条件。
在转轨中国，大学生就业表现出一种明显的偏好于城市、偏好于东部沿海地区、偏好于垄断产业和大企业的倾向，这一倾向的形成主要有两个方面的原因。一方面，这是由于转轨中国城乡之间、地区之间、行业之间和不同所有制类型的单位之间构成的劳动力市场是非一体化的，是被分割的，而且这种分割更多的不是体现为功能性分割，而是一种制度性分割。[10]由于存在制度性分割，劳动力市场被划分为主要劳动力市场和次要劳动力市场。在主要劳动力市场活动的劳动力能够获得相对较高的“分割性收益”，这种分割性收益是以货币收入或非货币化的福利待遇和社会地位形式存在的，一旦大学生进入次要劳动力市场，则各种分割性收益就无法获得。
另一方面，这是由于投资大学教育所形成的人力资本属于专用性人力资本(specific human capital)，专用性人力资本只有就业于匹配岗位，才能获得较高的投资收益。[11]例如，为什么大学生就业偏好于城市？获取各种形式的分割性收益是一种直接诱因。然而，更深层次的原因可能在于教育体制本身就是城市指向的——当代中国的初等教育、中等教育和高等教育在培养目标、专业设置、教学内容等方面明显带有为城市服务的特点。作为一个典型的大学毕业生，经过了长达十多年城市指向的教育体制的培养，无论是在价值观念、知识储备还是生活方式上都更适合在城市工作，因为他们长期以来自然而然地形成了城市专用性人力资本，要想使这种专用性投资取得最大收益，必须在城市工作，而在农村工作则会发生贬值(并不是说这些知识技能在农村不存在需求市场，原因只是在于城市对这些知识技能有更高的需求，而农村对这些知识技能的需求率过低，市场价格不能与其边际成本相一致，造成了大学生过去的投资无法顺利收回)。由于在农村就业并不具有比较优势，体现不出作为大学生的核心竞争力，所以城市专用性人力资本的存在强化了大学生就业偏好于城市的倾向。①
多数大学毕业生都希望进入城市等主要劳动力市场工作，然而，主要劳动力市场的职位是有限的，存在激烈的职位竞争。随着高等教育的大规模扩展，涌入劳动力市场中的各学历层次的毕业生都大量增加，主要劳动力市场基本上表现为一种买方垄断状态，即由招聘者设定招聘条件和工作待遇，大学毕业生的谈判能力是很弱的。主要劳动力市场的雇主在招聘时，除了在性别、户籍身份、政治面貌、专业类别、工作经验等方面进行条件设定外，通常还会设置一个重要的入职门槛：学历要求。而且，竞争越是激烈的岗位，学历门槛设置得就越高。由于与性别、户籍身份等既定变量相比，学历变量可随时间而变——个人可以在成本—收益权衡后进行教育投资并通过个人努力获得预期的学历学位，为了增加进入主要劳动力市场的概率，越来越多的大学生投资于更高层次的学历，这一判断既可以通过日常经验感受到，也得到了抽样数据的支持。
但是，大学生群体为了增加进入主要劳动力市场的机会而不断提高学历的过程，不可避免地会使一些个体高等教育投资收益的获得面临风险，其中的一个重要表现就是这些个体可能会处于过度教育的状态——劳动者所拥有的学历水平高于工作岗位所需水平。由于这些“多余”的教育无法发现需求市场，就无法获得相应的货币评价。这是一种典型的教育水平和工作层次不匹配(mismatch)的现象。一旦出现了过度教育状况，那么与教育匹配的个体相比，过度教育者终生收入的增长曲线就会比较平缓，收入增长就会比较缓慢，他们投资收益的获得会面临较高的风险发生率。
基于上述分析，本文主要从匹配性风险角度来讨论高等教育投资的风险—收益问题。
三、数据和研究方法
(一)研究数据介绍
本研究数据来源于北京大学“高等教育规模扩展与劳动力市场”课题组2003年6月进行的全国性高校毕业生抽样调查。我国本轮高等教育扩招是从1999年开始的，1999级大专生和研究生、1999级本科生应当分别在2002年、2003年正常毕业，因此2003年的数据对研究我国高等教育的投资风险—收益问题，就具有很好的典型性。该调查采用分层整群抽样法，参与调查的省市及高校数为北京5所、山东6所、广东6所、湖南6所、陕西4所、云南17所、广西1所，合计为7个省区市45所高校。共回收有效问卷18722份，其中除广西507份和云南5734份外，其他省区市均在2000～3000份之间。在有效样本中，专科和高职毕业生占39.3％，本科、硕士、博士毕业生分别占57.0％、3.0％和0.6％，男、女生所占比例分别为57.9％和42.1％。因为调查是在6月份进行的，只有40.7％(6786个)受访者找到了工作。
(二)研究方法
教育投资的风险可视为投资收益的不确定性，这种不确定性可用方差或变异系数来表示。该方法衡量了实际工资与预期工资的离散程度，而预期工资通常用同一层次学历的平均工资来表示。我们首先用传统的变异系数，即GE指数来衡量各学历层次起薪的风险。GE指数可以通过以下公式来表达：
其中
代表收入均值。α代表不同收入分布群中收入差距的权重，可以取任意值或真实值。α取值越大，对收入分布较高部分的差距敏感度越大；同理，α取值越小，对收入分布较低部分的差距敏感度越大。α=0，1，2这三个值是最常见的指数。当α值为0时，GE指数即为对数变异系数的均值；当α值为1时，GE指数即为常用的泰尔系数；当α值为2时，GE指数即为变异方差的半值。GE指数的取值范围在0到∞之间，0表示收入完全均等分布，数值越大说明不平等程度越高。表1列出了α分别取-1，0，1和2时，我们所使用的样本中不同学历层次起薪的变异系数。可以看出，博士阶段的起薪差距最小，其次是本科、硕士和专科学历的起薪差距较大。当然，这仅仅说明从起薪来看，硕士和专科学历的投资风险较大，但是人们更关心的是从终生收入来看，是否也是如此？
于是，我们需要通过比较各学历层次终生收益的净现值来考察各学历层次的风险。优序选择理论说明，工资不仅仅与个人特征有关，还与所从事的工作层次有关。[12]因此，首先需要确定每个样本的学历水平与就业岗位之间的匹配情况。问卷中有“你当前的最高学历”和“你认为所签工作的学历要求”这两个问题，通过比较这两个问题的答案，我们可以确定样本是属于教育匹配，还是教育不足或教育过度的状况。
第二步，需要判断学历水平与就业岗位之间的匹配状况是否会影响个体的工资水平，即过度教育(教育不足)个体的收入是否会低(高)于同等学历但从事匹配工作个体的收入，即判断公式(2)是否成立。
第三步，如果上述假设成立，为了探讨哪一学历层次的平均投资回报最高，在计算终生预期工资净现值时，应考虑被过度教育的概率。因为在同一学历水平，被过度教育个体的收入会小于找到匹配工作个体的收入。虽然本文使用的样本均为即将毕业的大学生，无法直接测算整个生命周期的收入状况，但由于理性的教育投资者，不会使预期收入的净现值为负，即预期净现值为零时，是个体教育投资的最大值或临界值，于是我们只要讨论当高等教育投资的净现值为临界值零时，各学历层次可能的收入增长率和过度教育概率之间的关系，就能推导出各学历层次的教育投资收益—风险状况。也就是说，需要确定当过度教育概率在0到1的范围内时，工资增长率需要达到什么水平，才能保证预期净现值大于或等于零。具体推导过程如下：
四、实证结果及讨论
(一)教育与就业岗位之间的匹配情况
通过表2，可以清楚地看到大约有20％的大学毕业生认为自己属于过度教育者，其中大专、本科、硕士和博士层次分别为12.9％、21.1％、35.8％和42.0％。从比例分配情况来看，学历越高越容易被过度教育，这与Groot对英国的研究结果一致，但与Frenette对加拿大的研究结论相异。Frenette发现硕士学历层次的毕业生是最容易被过度教育的。性别对过度教育的影响与美、英发达国家类似：女性由于受自身或家庭因素的限制，被过度教育的比例高于男性，而且学历越高越显著。
(二)教育与就业岗位之间的匹配情况对工资的影响
表3是对公式(2)的回归结果。不难发现，适度教育年限、过度教育年限、教育不足年限的回报均很显著，且与预期方向相同，适度教育年限的回报大于过度教育、教育不足年限的回报。也就是说Sicherman的两个假设在我国成立：工作所需学历低(高)于自己实际学历，即过度教育(教育不足)个体的收入低(高)于那些与自己学历相同并找到匹配工作的个体，但高(低)于那些与自己工作层次相同且只获得工作所需学历的个体。[13]与其他国外研究相比，本研究的回归结果中对过度教育年限的回报比较高；女性过度教育回报率高于男性，而教育不足的损失率则低于男性。[14][15]这也解释了为什么有很多女性选择接受更多的教育。另外，可能是由于本研究样本的整体学历层次偏高，所以估计结果高于武向荣(2007)用CHIP-1995做的估算，但方向和比例是一致的。
观察表3还可以发现，把父亲职业、入学来源、成绩、工作地等变量分别设为虚拟变量而不是一个累加变量可以提高模型的拟合度，这也说明不同的父亲职业、不同的入学来源地等对工资的影响程度也是不同的。同时，大学的质量与工资息息相关，这与Rumberger和Thomas的发现相一致。毕业于一般院校大学毕业生的工资明显低于毕业于“211”大学毕业生的工资。英语成绩对工资的影响也很大，已通过大学英语六级考试的毕业生比其他毕业生高13.3个百分点。但与西方国家不同的是，在我国学习成绩对工资没有显著影响。此外，班干部、生源地为大城市及父亲的学历和职业等变量均对毕业生起薪有一定影响，尤其是对于男性来说更是如此。另外，是否是党员身份对工资无显著影响。
我国各学科专业的回报率与西方发达国家差别也较大：外语和文学专业对工资的贡献率为正，而在西方国家的回报为负。[16]相反，一些在西方国家能获得高收入的学科，如法律、医学、建筑，在我国却为负，特别是对女性来说更是如此。医学专业的回报在我国较低的原因可能是医学院参差不齐，有些学校的录取条件比较低，而在国外，医学通常是竞争最激烈、门槛最高的学科。电子或计算机专业在我国与英美发达国家一样，对工资的贡献显著为正。
(三)各学历层次的投资风险—收益比较
上述结果表明，投资更高层次的教育可以增加收入，但投资过多的教育可能造成教育过度，而过度部分的教育回报低于适度部分。由于教育投资是有成本的，且成本随着学历的提高而递增，如果投资较高的教育层次，而不能找到相应水平的工作，可能造成投资的净现值为负，这当然是一种非理性行为。
表4描绘了我国平均工资增长率和每一学历水平相对应的边界过度教育概率
的关系。
均来自大学生调查问卷的均值，θ为实际利率。表4第2行显示了当NPV为零、边际过度教育概率在0到1之间时，平均工资增长率的范围。可以发现，硕士阶段所需的工资增长率最低，只要年均工资增长率大于2.23％，硕士毕业生就不会被过度教育，这说明在我国投资硕士阶段教育的风险最小。当然，以上估计均假设个体是风险中立的(risk-neutral)，然而，现实社会中的个体普遍都是风险厌恶的，而且随着学历的提高，教育回报率的风险可能呈现先减小后增加的趋势。但是，个体风险厌恶程度与许多因素有关，目前尚没有准确方法来衡量，于是我们假定风险厌恶程度ξ等于0.05，个体折现率等于θ=r+ξ=0.07，这样，我们推出了表4第2行，即考虑了风险态度后的平均工资增长率
。
计算出边际过度教育概率在0到1范围内的工资增长率后，我们还需要了解我国目前各学历的年均工资增长率，以便更好地作对比。由于国内权威的居民入户调查并没有对高等教育的学历层次进行细分(2000年以后仅区分了本科和研究生两个学历层次)，我们引用了中华英才网在30个城市抽取1％的职工样本得到的各学历年均工资增长率
，④列于表4第3行。结果表明，工资增长率确实与学历m有关。
通过对比
，我们仍可以得出投资硕士阶段教育的回报最高的结论，当然在引入风险厌恶系数后，各学历层次都有被过度教育的可能。
五、结论及隐含的政策含义
本文研究了我国现阶段高等教育各层次的投资收益—风险状况。由于调查样本均为即将毕业的大学生，无法测算整个生命周期的收入状况，我们讨论了当高等教育投资的净现值为临界值零时，各学历层次可能的收入增长率和风险发生概率，从而发现各学历层次的教育投资收益—风险状况。实证研究发现，在我国现阶段，硕士学历的收益率最高，风险最小；本科学历和博士学历均有很大可能出现净收益为负的情况，说明投资风险较大。
这一结论隐含着两点政策含义：其一，应当树立高等教育投资的风险意识。高等教育投资的风险是客观存在的，投资于不同层次高等教育的风险—收益状况也有差异。因此，应该向社会大众开展有关风险的教育，不但要宣传高等教育投资的高收益特点，也要强调高等教育投资风险的不可避免性。政府要通过制度创新，平滑高等教育投资的风险，从而降低个人投资于高等教育的风险。其二，充分考虑城乡劳动力市场分割的现实重新估算高等教育毛入学率。我国现阶段出现的高等教育风险，在很大程度上是由于大学生群体为增加进入主要劳动力市场的机会而不断提高学历所致。赖德胜指出，出现这种状况是因为城市劳动力市场与农村劳动力市场分割严重，这导致大学毕业生主要以城市劳动力市场为就业对象，而很少考虑农村的就业市场，结果形成这样一个局面，即高等教育的生源来自农村，但毕业去向却主要在城市。[17]他建议，如果以高等教育毛入学率作为判断高等教育规模是否合适的依据，可以用两个指标分别测算，一是现在通行的高等教育毛入学率，二是以城镇学龄人口为分母计算的高等教育毛入学率。我们认同这一建议。用第二个指标来计算可以发现，我国当前的毛入学率高于40％，⑤与发达国家的毛入学率相近，因此我国现阶段也会出现过度教育现象就不足为奇了。充分考虑城乡劳动力市场分割的现实重新估算高等教育毛入学率，能帮助政策制定者更好地确定最优高等教育规模，从而降低高等教育投资的风险。
注释：
①孟大虎(2009)的实证研究表明，控制其他变量，除了法学专业以外，其他14个专业毕业生的农村就业意愿都显著低于农学专业。这14个专业的系数估计值从高到低的排序情况是：1.生物；2.中文；3.管理学；4.物理；5.数学；6.地理学；7.教育学；8.工程；9.医学；10.经济学；11.艺术；12.计算机；13.化学；14外语。这一结果表明，不同专业毕业生所表现出的农村就业意愿差异，在很大程度上是由专业本身之间的差异造成的，如果专业的农村专用性更强，如生物专业，那么他们就更愿意就业于农村；相反，如果专业的城市专用性更强，如外语专业，因为就业于农村并无用武之地，所以这一专业的毕业生就更不愿意到农村就业。这就说明，人力资本的城市专用性是大学生就业倾向于城市的重要影响因素。
②由于工资决定因素的回归样本仅为那些已经找到工作，并知道自己实际工资的个体，可能产生样本选择偏差。为了克服此选择偏见，我们采用了赫克曼(Heckman，1976)两步最小二乘估算方法(TSLS)对明瑟教育收益率方程进行了回归，即先用整体样本估算出Inverse Mills Ratio(IMR)，然后把IMR代入工资的回归方程中。F检验表明，所有系数均显著不为零，即回归是有效的。
③当考虑个体的风险态度时，可以理解为风险偏好。
④中华英才网是我国最大的找工作门户网站，他们通过求职人员填写的信息，并通过统计处理(如去掉最高值和不合理值)得到表4中的工资增长率，其中硕士不包含MBA毕业生。
⑤用通行指标计算的我国2008年高等教育毛入学率为23.3％。参见《中国统计年鉴2009》。