中国远程教育投资的个人收益率研究，本文主要内容关键词为：收益率论文,远程教育论文,中国论文，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］F08:G40-054 ［文献标识码］A ［文章编号］1002-0209(2009)02-0099-07
一、引言
20世纪80年代以来，大量的研究使用教育投资成本——收益的分析方法，对中国教育投资的个人收益率进行了估计和研究。这一类的估计主要使用的是美国经济学家明瑟在20世纪70年代提出的一种估计方法，即“明瑟法”(Mincerian approach)，并且利用住户或企业职工抽样调查数据，来估算中国教育投资的个人收益率。如李实、李文彬利用中国社会科学院经济研究所收集的1988年城镇住户调查数据中17891个职工样本，估算了教育的个人收益率，即对于城镇职工而言，教育的年平均收益率为3.8%[1](P13)。赖德胜利用中国社会科学院经济研究所收集的1995年11个省份城镇住户抽样调查数据，对11763个城镇职工的收入与其教育水平之间的关系进行了回归估算，结果表明平均个人收益率为5.73%[2](P190)。陈晓宇、闵维方采用国家统计局城调队和北大高教所联合调查得到的结果，在总样本量为7590的数据中依据城市劳动力教育程度的分布以及年平均收入情况，将教育程度分别处理为文盲、小学、初中、高中、中专、大专、本科等不同的虚拟变量后，进行回归分析，得到的各级教育的个人收益率分别为：初中3.59%，高中4.19%，中专6.76%，大专4.67%以及本科6.58%[3]。
这些研究，基本上都着重于考察不同群体接受的全日制脱产教育对其收入的影响，研究的样本在教育方式上有着显著的共同点，即在接受教育过程中，这些群体主要都是脱产学习，学习的机会成本相对较高。同时，在研究高等教育的个人收益率情况时，这些研究并没有区分样本接受高等教育的学习模式，一个普遍的隐含假设是样本在接受高等教育过程中，属于非从业人员，教育对其影响除了提高预期收入外，更大程度上是降低了毕业后寻找工作的成本。目前，从已有的文献来看，对不同教育模式分别进行教育投资的个人收益率研究还处于空白阶段，尤其是还未发现针对现代远程教育的研究。作为一种独立形态的教育模式，远程教育已经成为我国国民教育体系中的重要组成部分，而其突出的针对在职从业人员的特点，也将给已有的教育收益率研究结论带来新的挑战，传统的教育收益率估计结果是否适合远程教育的学习者，成为本研究关注的焦点。
自从上世纪90年代末以来，中国现代远程教育试点工程取得了长足的发展，远程教育在国民教育体系中的地位已经异常重要。据统计，2006年高等教育本、专科在校生人数达到了2553.7万人，其中远程高等教育的在校生人数为652.8万人，而利用现代远程教育方式接受高等教育的网络本、专科在校生人数达到了279.3万人，占全国高等教育本、专科规模的10.9%[4]。现代远程教育作为专门面向成人在职业余学习的教育形式，它的受众皆为在职从业人员，主要利用业余时间进行学习，其接受高等教育的机会成本较小。此外，由于这一群体基本上不存在通过教育重新获得工作机会的问题，因此，教育对于降低工作搜寻成本的作用较小。可以假设，对现代远程教育的学习者来说，教育对他们的主要影响就在于获得更高的收入上，教育的个人收益率相对于全日制普通教育来说必然较高。
据此，本文将利用调查数据，使用明瑟收入方程，估计远程教育投资的个人收益率，并与以往的研究进行对比，考察不同的教育模式对教育收益率的影响。此外，本文还试图通过不同专业类型的远程教育投资的个人收益率估计，来探讨专业选择对于个人教育收益率的不同影响。本文所指的远程教育是指截止到 2008年底，中国教育部批准的68所高校开展的现代远程教育试点工程，这种远程教育是利用现代信息技术，为在职从业人员提供高等教育机会的一种教育形态。
二、估计方法和数据描述
明瑟的人力资本投资函数考虑了两种人力资本形式对个人收入或工资的影响，一是从学校教育中获得的知识，二是在工作实践中积累的技能。前者可以用教育年限作为代理变量，因为对从学校教育中获取知识的测量是非常复杂的，很难找到一个合适的测量指标；后者可以用工龄作为代理变量，同样，对技能的测量也是复杂的。不难理解，技能水平与年龄之间的关系并非是一种简单的线性关系，这是因为技能水平在参加工作后的一段时期内是不断提高的，但是到了一个时点后技能水平会出现停滞甚至下降，这是由于人的年龄大了以后难以适应技术的革新和变化及其个人精力的不断衰减。于是，明瑟的人力资本收入函数(Human capital earnings function)的计量经济学模型可以写成以下的公式：
式中ln(Y)为个人收入的对数，Y表示收入，S为受教育年限，EX表示劳动力的就业时间即工龄，工龄的平方项用来反映工龄与收入的非线性关系，ε为误差项，b、c、d表示各变量的回归系数。系数b表示在不考虑教育成本的情况下就业者从学校教育中获得的人力资本的个人收益率，即教育收益率；而就业者从工作经验中获得的人力资本的个人收益率可以从系数c和d中得到。
由于我们重点考察样本在接受了远程教育后，其收入状况的改变，从而探究远程教育投资的个人收益率情况，也就是说，我们关注的是远程教育前后收入的变化情况受远程教育年限的影响情况，因此，我们对明瑟收入函数进行了一些调整，见公式2：
由于我国教育政策规定，现代远程教育学习者必须为在职从业人员，因此，我们假定这些学习者在接受远程教育前后不存在工作变换问题，那么在接受远程教育前后的收入差异，就主要由远程教育受教育年限以及工作经验的影响。
本文所使用的经验数据来自于现代远程教育试点高校北京交通大学所做的在读学习者抽样调查。调查覆盖了该学校现代远程教育开设的10个专业，调查样本为1066个。抽样调查收集到的数据包含了有关学习者收入、就业和个人特征等方面的较为详细的信息。在个人特征方面，有关个人人力资本的信息，除了个人的文化程度（学历）外，还有工作年限，用来代理工作经验。此外，可以用作控制变量的信息有年龄、性别、婚姻状况、工作单位的性质等（见表1）。
三、教育收益率的估计结果及解释
（一）教育收益率的一般估计
估计结果显示，远程教育的教育收益率达到了9.3%（见表2），远远高于普通教育的整体估计结果。这和我们的假设是基本一致的：远程教育的学习者在选择远程学习时，普遍存在着一种突破瓶颈的需求，也就是说，他们的教育选择常常有明确的目的性，和预期收入增长显著相关。根据我们对远程学习者就读远程教育目的的调查可以看出，个体最主要的教育选择目的是实现个人发展，提高自身的价值，而对于经济收入和工作绩效提高的选择也起着重要的作用（见表3）。
可以看出，成人学习者进行教育决策时，往往指向性非常明确，和他们当前的工作状态以及职业晋升机会息息相关，造成其学习动机具有明显的外部倾向。从访谈结果来看，往往个体是在面临着工作瓶颈和收入增加机会时，才选择通过接受更高层次的教育来突出自身的教育信号，从而获得更好的发展机会。从表3中我们也可以看出，对于一般研究所认为的教育的重要作用，即提高就业能力，增强学习者劳动力市场的竞争力方面，在远程教育中并不突出。“求职的需要”在所有的教育目的中，排在最后一位，其重要性仅为3.12。这一点也和我们的假设一致，即远程学习者皆为在职从业人员，投资远程教育的核心目的并非是改善他们的就业能力，而主要体现在收入的增长上。
（二）控制了职业相关变量和个人特征变量后的教育收益率估计
如上所述，我们对远程教育投资的个人收益率做了基本的估计，从估计结果来看，由于学习者的收入指向性明确，远程教育投资的个人收益率远远高于一般教育类型。然而就估计方法本身来说，明瑟的收入方程意味着对于所有样本，不论个体特征有多大差异，也不论就业于何种所有制单位、何种产业部门，人力资本得到的回报率应该是完全相同的。不难想象，这一假定显然与我国劳动力市场的现状相差甚远。一般来说，收入除了受到教育相关因素影响外，还会受个人特征如性别、年龄、民族以及工作单位的特征如单位所有制性质、产业特征，地区差异、企业盈利状况等因素影响。这也就意味着模型中的教育变量与这些因素之间存在着一定的共线性，从而造成教育的毛收益率和纯收益率的不同。因此，我们需要对教育的纯收益率重新加以估计，使用一些相关的控制变量。
本研究中使用的控制变量可以分为两类，一类是与学习者就业有关的因素，如职业种类、单位所有制、单位所在行业；一类是与个人特征及家庭背景有关的因素，如个人年龄、健康状况、性别、父亲文化程度等。我们在职业种类中，以“其他单位”作为缺省项，对样本的职业类别进行了估计。估计结果如表4所示（限于篇幅关系，我们未将父亲文化程度列出，在估计中，我们使用的是父亲文化程度离散变量，从估计结果看，父亲文化程度对远程教育学习者个体的收入影响不显著）。
从表4给出的结果可以看出，当控制变量被引入之后，教育变量的系数估计值出现了一定幅度的下降。这表明了简单估计出来的较高的远程教育的毛收益率并非等同于教育所产生的直接收入效应，它包括了通过控制变量产生的一部分间接效应。在控制了这些间接效应后，远程教育年限的系数估计值由原来的0.093下降为0.088，下降比例为5.4%，下降的比例远远小于已有的研究结果。根据李实和丁赛在2003年的研究，加入类似控制变量之后，教育年限的系数估计值下降了大约一半左右[5]。据此，可能的原因还是在于远程教育与传统教育模式的不同：首先，学习者皆为在职工作的成人，他们在接受远程教育的前后，不存在职业变换问题，而更多的是职业生涯的发展问题，职业相关因素在接受教育前后，并没有发生显著变化，因此对收入增长的影响有限；其次，学习者的个人特征在受教育前后也不会发生显著变化，它对于远程教育学习者来说，也难以对收入的改变造成显著影响。最重要的是，远程学习者更多的是在其面临职业晋升机会或者收入增长机会的时候，选择通过远程教育的方式促进其个人人力资本水平的提升，从而增强其获得个人发展的可能性，因此教育对收入改善的作用能够得到更加强烈的体现。综上所述，在控制了个体的职业状况以及个人特征时，远程教育投资的个人教育收益率并没有像以往研究结果那样出现显著下降，而仅仅是小幅降低，表现出远程教育投资的强收入指向性。
（三）不同专业类型的远程教育收益率研究
另外，我们希望考察在不同专业类型间，远程教育投资的个人收益率差异情况。本次研究的样本涵盖了10个专业的学习者，分别是电力自动化、工商管理、公路工程与管理、会计学、机车车辆、计算机、土木工程技术、交通运输管理、铁道工程、土木工程、通信工程等。我们希望进一步考察不同专业类型的远程教育投资的个人收益率情况，为方便估计，我们将这些专业按照文科和工科分成了两类，其中文科专业包括工商管理、会计学、交通运输管理等3个，工科专业为剩余的7个。从样本情况来看，文科专业选读的样本数为625个，工科专业的样本数为441个，估计结果如表5所示。
估计结果表明，不同专业类型对于远程教育投资的个人收益率有着明显的不同，工科类的教育收益率达到了11.7%，而文科类专业的教育收益率仅为7.2%，两者相差5.5个百分点。对此，我们做了进一步的分析，发现从调查样本的特征来看，由于学校和专业的性质，选择就读工科类专业的学习者多为交通部门的工人或基层管理人员，他们在接受远程教育之前，往往是各一线单位的重要骨干，其面临的升迁机会主要体现在从普通技工到高级技工的转变，以及从一般技工向基层管理人员的转变，这种职业升迁的机会，往往面临着收入的显著变化。为了获得这种升迁，他们选择了远程教育作为资格认证的标准或者提升其竞争能力的手段，所以往往在获得高等教育机会后，其收入水平显著增长。因此工科专业的教育收益率在所有的专业类别中，体现出高收益的特征。文科类专业的学习者，主要来源于社会各行业各类部门，他们主要从事的是非一线的管理工作，但由于受教育水平较低，因此往往不属于主要劳动力市场。当他们面临职业晋升机会时，常常不能带来像一线技工似的收入增长。这也验证了我国的一个基本国情，即高级技工的供需矛盾，造成了技能人才的缺失，从而引致了高技能人才的高收入效应。
四、结论
基于调查数据，我们估算出我国远程教育投资的个人收益率为9.3%，控制各种变量对收入的影响后，远程教育投资的教育收益率为8.8%。而远程教育中不同的专业类型，其投资的个人收益率也各不相同，本文的研究表明，文科类专业的教育投资的个人收益率为7.2%，而工科类专业的教育收益率为11.7%。本文的研究结论由于受到样本数量以及教育机构的限制，所以无法简单推广到我国远程教育的所有群体，但仍然给予我们一些有益的启示。
首先，远程教育与传统教育尤其是全日制学校教育相比，具有显著的个人收益率优势。和以往的研究相比，我们估算出的远程教育投资个人收益率要高50%-80%，这种高收益率体现了远程教育作为一种成人在职教育的特殊性，即教育选择更大程度上是在面临职业升迁和收入增长的机会时做出的。另一方面，这种高收益率也体现出远程教育的受众主要就业于次要劳动力市场，接受高等教育对促进他们的职业发展，提高收入水平具有显著的作用。利用远程教育等多种教育形式，提供高等教育受教育机会，能有效促进次要劳动力市场从业人员的收入增加，改善他们的生存和职业状态。
其次，在估计模型中引入职业和个人特征的控制变量后，远程教育投资的个人收益率有了小幅的下降，但下降幅度远小于已有针对传统教育的相关研究结果。远程教育的作用体现出了更加直接的收入相关性，这和传统教育模式有着显著不同。传统教育的一般研究结论是，教育对收入增长的影响作用在很大程度上是通过就业途径的选择来实现的，因为高学历有助于人们就业于一些收入较高的行业、地区和企业。[5]远程教育对收入增长的影响作用则在更大程度上是通过职业晋升机会来实现的，高学历更多地体现出一种帮助人们获得更高收入的信号作用。
最后，选择不同的专业进行远程教育投资，个体的个人收益率具有显著差异。就远程教育本身来说，常常是弱势群体的教育选择，他们往往是在各行各业一线的具备一定专业素质的普通工人或基层管理人员。这类从业人员的群体特征突出体现在对技能培养的特殊需求上，因此投资在专注于提高技术能力的工科类专业，往往比投资于更加突出理论水平的文科类专业，能够获得更好的教育回报。
［收稿日期］2008-11-30
标签：远程教育论文; 中国远程教育论文; 网络远程教育论文; 投资收益率论文; 个人投资论文; 特征选择论文; 工作选择论文; 就业选择论文; 投资论文;