应该在哪里接受职业教育：来自教育回报空间差异的证据

一 引言

 

 

职业教育的回报在中国表现出怎样的空间差异？这个看似教育回报研究中的小问题，对于当今中国的产业转型与升级却有着重大的政策含义。伴随着改革开放以来的全球化进程，大规模的剩余劳动力在中国东部沿海地区与国际国内资本形成集聚，中国也因此成为全球的制造业大国。然而，随着潜在可转移劳动力减少后的成本上升，依赖廉价劳动力的低成本优势也将不可维持。为此，政府提出了产业转型升级的计划以提升中国制造业的国际竞争力。但一个随之而来的现实问题是：作为未来产业工人主体的农村转移劳动力，能否适应产业升级的需要，完成人力资本的积累？

 

 

 

 

现实情况并不乐观。外来人口在进入城市劳动力市场之前，由于城乡和地区间教育资源配置的不均等，人力资本初始禀赋也较低(Démurger等，2009)。王海港等(2009)发现农村的职业培训效果不佳，马立伟和王礼力(2009)也发现农村的职业教育质量并不高。那么，怎样才能尽快而有效地提高外来务工者进入劳动力市场前人力资本的初始禀赋？一个可行的解决方案是，让更多的外来人口在成为城市产业工人之前，接受优质的职业教育。职业教育培养的是具有实践动手能力、能够解决专业领域实际生产问题的应用型人才，因而能满足产业升级对高技能劳动力的需求。

 

 

 

 

接下来的问题就是，外来人口能够在城市接受优质的职业教育吗？实践中，大部分省份对职业教育外省生源比例加以限制，各学校上报的外省生源名额还需征得生源省份发改委、教育主管部门的同意；除此之外，部分地区高等职业院校的自主招生名额只针对本地区的中职学生。虽然北京、上海等大城市已出台相关政策允许外来人口子女就读本地职业教育学校，但仍然存在一定的限制门槛。例如，上海市出台的《2012年上海市全日制普通中等职业学校自主招收在沪进城务工人员随迁子女方案》，要求随迁子女必须是应届初中毕业生，而且只有在上海完成全日制中职教育学习后，才可以参加上海高职学校的自主招生考试；北京市出台的《2014年进城务工人员随迁子女在京参加高等职业学校招生考试实施办法》则要求随迁子女必须具有北京学籍且父母在北京连续缴纳社会保险已满6年。此外，农民工子女在享受职业教育优惠政策时也面临歧视，如在部分省市就读职业学校的农民工子女不能够申请助学金。上述这类针对外来人口接受职业教育的限制是否应当尽快放开？相比异地高考改革而言，放开职业学校入学户籍限制的政策阻力显然小得多，但是这样的政策调整是否必要？答案取决于本文一开始提出的问题：职业教育的回报在中国表现出怎样的空间差异？如果劳动者在东部沿海地区接受职业教育有更高的回报，那么现有的政策约束就不利于为中国制造业的产业升级提供更优的人力资本。本文的目的正是为上述政策提供经验研究上的支持。

 

 

 

 

对于中国教育回报率的研究非常丰富，但是大部分文献没有对职业教育、义务教育和普通高等教育加以区分，而只是控制了受教育年限(Zhang和Meng，2007；严善平，2007；陈玉宇和邢春冰，2004)，或者把教育程度按小学、初中、高中、大学等加以区分(尹志锋等，2011；李雪松和詹姆斯·赫克曼，2004)。在对教育回报的考察中，邢春冰等(2013)发现农民工的教育回报率在东部地区明显高于中西部地区。在他们的研究中，教育回报的差异是指教育在不同就业地点的回报差异，而本文重点关注的是因接受教育地点不同而带来的回报上的差异。

 

 

 

 

现有的涉及职业教育回报的研究基本上都发现职业教育有助于外来人口提高自身技术水平，从而提高收入。例如，周其仁(1997)认为，职业培训是大部分农民工在进入城市劳动力市场前提高自身人力资本的主要途径。基于收入决定方程的经验研究也都发现，务工者拥有专门技术或者接受过技术培训，可以提高工作能力与经验，增加其人力资本含量，最终提高收入水平(周其仁，1997；王德文等，2008)。但是，上述涉及职业教育或职业培训的研究，都没有从空间的视角去考察接受职业教育的地点对于人力资本回报的影响，而这正是本文希望回答的核心问题。

 

 

 

 

已有研究对职业教育的定义较为宽泛，主要是针对短期职业培训等非学历职业教育，在职业教育变量的处理上也有些粗略。例如，在以家庭收入为研究对象的研究中，周亚虹等(2010)采用家庭中是否有接受过职高教育的成员来定义相应的哑变量，马立伟和王礼力(2009)所考察的则是农村家庭户受职业教育人数增加1人对平均收入的影响。在以个体收入为对象的研究中，何国俊等(2008)所考察的是接受职业技术培训与否对收入的影响，这就无法对不同教育程度的职业教育，如中等职业教育与高等职业教育进行区分。

 

 

 

 

相比而言，本文在侧重探讨职业教育回报空间差异的同时，还在以下两方面对文献有所推进：首先，基于全国样本，本文利用被调查对象接受职业教育的地点和就业地点更科学地估计职业教育的回报，尽可能剔除就业地因素对教育回报估计的可能影响。由于受教育地与就业地两者有较强的相关性，我们在考察教育地对人力资本回报的影响时，必须同时考虑就业地这一因素的作用。因为后者很可能导致在沿海发达地区就业者人力资本回报更高，并且这一效果与受教育地无关。理论上而言，地区间生活成本差异、生产的外部性、有效运转的劳动力市场以及群分效应可能高估东部或发达地区的教育回报率，本文在研究中通过地区生活成本平减、同时控制受教育地与就业地、按就业地进行分组回归等方法尽可能地克服上述偏误。其次，我们研究的对象是具有正规学历的职业教育，并对中等与高等职业教育加以区分。

 

 

 

 

本文的一个核心发现是，在东部沿海地区接受高等职业教育有着更高的人力资本回报，因此，政府不应限制流入城市的大量制造业从业人员在进入劳动力市场前到城市接受更为优质的职业教育，这样才能够更好地让市场发挥作用，减少教育资源供求在地区间的错配，也能够缓解发达地区面临的高技能劳动力短缺局面，这与发达地区地方政府实现产业升级、推进创新创业的政策目标一致。①

 

 

 

 

本文接下来介绍研究所使用的数据，并基于该数据对职业教育的现状做初步的描述分析，其后是基本的计量结果与稳健性检验，最后总结全文并提出政策建议。

 

 

 

 

二 数据与描述

 

 

 

 

本文的数据来自2010年北京大学中国社会科学调查中心收集的中国家庭动态跟踪调查(CFPS)的成人问卷数据。该调查对象是除了香港、澳门、台湾以及新疆、西藏、青海、内蒙古、宁夏、海南之外的中国25个省(区、市)的家庭户以及样本家庭户的所有家庭成员。其中，成人问卷数据共有21572个样本，调查不包括无法接受访问的残障人士以及不在家居住和不需要追访的家庭成员。

 

 

 

 

我们将职业教育接受者分为中等职业教育样本(简称中等职教或中职)和高等职业教育样本(简称高等职教或高职)两类。中等职教样本包括最高教育程度为职业初中、普通中专、职业高中或者技工学校的样本。对于最高教育程度为普通专科的样本，我们根据入学年份、学校名称和修读专业等信息，从中筛选一部分作为高等职教样本。基于我们对文献的了解，这一数据是目前能够利用职业教育地点信息回答本文所提出问题的最为合适的数据。由于问卷包含受访者就读学校及专业等相关信息，我们按以下标准筛选高职样本：首先根据大专名称或别称筛选，如果大专名称或别称中带有“职业”“技术”“技工”“卫校”“医科”“师范”等关键字，便视为职业教育学校，考虑到电视大学主要面向社会人员和需要提高学历层次的在职人员，具有成人教育的性质，本文的样本不包括在电视大学就读的样本；其次，由于1999年之前，中国大部分专科教育办学条件较好，注重传授理论知识，主要走“压缩式”本科模式，而1999年高校扩招之后，中国的高等专科教育已逐步开始突出课程设置的应用性和实践性，具有职业教育的性质(袁声莉，2002；李学雷和董奇志，2003)，我们将1999年之后入学的专科样本均视为高职样本；最后，我们根据各学校网站的专业介绍和受访者修读的专业，重点对1990年至今入学的样本进行核实，根据其修读的专业是否具有明确的职业导向，最终确定高等职业教育样本。由于所受教育最高为职业教育的人群只是少数，因此本文中这一样本数量为995个。

 

 

图一 职业教育学校分布图

 

数据来源：职业教育学校数来自2010年《中国教育统计年鉴》，职业教育学校样本数根据样本中有职业教育地点信息的956个样本计算。

在这995个职业教育样本中，有956个样本可以确定职业教育地点(4个样本未填写学校名称，35个样本所填写的学校名称过于笼统)，我们进一步剔除收入信息缺失或以经营性收入为主的样本(共311个)。为了保证样本的收入有可比性，我们又剔除了117个离退休样本和9个非离退休但是从事农业工作的样本。最终有效样本为519个。表1给出了职业教育接受者相关个人特征的描述性统计。②由于我们剔除了以经营性收入为主的样本，表中的收入为问卷上一年的个人非经营性收入(包括工资、加班费、补贴、奖金、实物收入、第二职业收入等)。

 

 

由表1可见，虽然我们剔除了离退休样本，但是仍旧存在已到法定退休年龄③但是没有报告自己已离退休的样本(一共10个，主要收入来源均是工作单位发放的工资、加班费、补贴、奖金和实物收入)。数据栏中第二行是名义收入的对数值，考虑到可能存在的地区间购买力差异，第三行按地区购买力指数对收入进行平减(具体可参见Brandt和Holz，2006)，再取平减后收入的对数。分析表中数据可知，由于高收入地区的生活成本相对较高，按购买力指数平减之后收入水平的离散程度就有所缩小。按接受职业教育所在地点进行区分，这部分有效样本中，在东、中、西部④接受职业教育的比例分别为46.05%、37.38%和16.57%。此外，问卷中还有对受访者健康程度的评估，从1到7依次表示更高的健康水平。

 

 

 

 

和普通高等教育一样，中国职业教育业也面临着教育资源配置不均衡的现象。如图1中的折线所示，本文样本中东中部地区的职业教育学校数量相对较多，⑤这与柱状图所示的来自《中国教育统计年鉴》的职业教育学校分部情况接近，也间接说明本文的抽样较有代表性。根据本文样本，按东中西进行区分，在本省接受职业教育的比例分别为82.78%、86.83%和78.75%。这一比例普遍较高，说明目前中国职业教育的招生缺少全国范围内的流动性，以区域性的招生为主。如果职业教育的回报因接受教育的地点不同而存在明显差异，现有的招生制度又对跨地区(如跨省)职业教育招生有所限制，这就不利于职业教育相对落后省份的学生去职业教育相对发达的省份接受更为优质的教育，即不利于优质教育资源在空间上的合理配置。

 

 

表2所反映的是在不同地区接受职业教育者就业的地区分布。可以看到，各地区的职业教育接受者在完成学业后大部分留在当地就业，这很可能与职业教育的生源以本地为主有关。相对而言，欠发达地区的毕业生去其他地区就业的比例要略高些，这在一定程度上说明，发达地区对受过职业教育的人才有更大的吸引力。表2所反映的信息也提醒我们，在检验受教育地的不同是否显著影响个人的人力资本回报时，我们也需要进一步分离就业地这一因素，因为该变量与受教育地有较大的相关性。

 

本文最为关心的核心问题是，在经济较发达地区(尤其是东部或沿海地区)接受职业教育是否为劳动者带来更高的回报。以下两方面的原因可能导致东部或沿海地区的职业教育有更高的人力资本回报：第一，与普通高等教育类似，职业教育资源也存在地区间的配置不均，经济较发达的东部或沿海地区在师资等方面更有优势。第二，经济发达地区产业聚集程度更高，当地职业教育享有信息优势。一方面，教育的供给更接近市场需求，易于了解现代产业发展对技能的要求，因而能更有针对性地培养适应产业发展需要的职业教育人才；另一方面，职业教育学校与本地产业密切联系，本地产业能够提供具有足够吸引力的就业岗位(刘明兴和田志磊，2014)，也提高了需求与供给匹配的效率。后一点意味着，东部或沿海地区人力资本回报更高，也可能是教育质量之外的因素导致的。本文还将对高等职业教育与中等职业教育加以区分，我们猜想，以上两点导致东部或沿海地区有更高教育回报的因素，在高等职业教育中会有更明显的体现，因为高等职业教育对师资投入的要求更高，更高层次的职业教育需要有与现代产业的集聚地更紧密的联系。本文下一部分将对上述猜想加以检验。

 

三 模型与计量结果

 

与现有研究教育回报的文献相类似，我们运用半对数的收入决定方程来考察职业教育的回报及其在地区间的差异。收入决定方程如下：

其中，W表示受访者上一年的收入(工资、加班费、补贴、奖金、实物收入、第二职业收入等)。Z是我们所关心的表示教育程度的核心变量。考虑到职业教育接受者与非职业教育接受者可能存在特征上的差异，而这些差异并非都能被我们观察到，因此在基本模型中，我们只放入了所有最高学历为职业教育的样本，并以哑变量的形式区分受教育程度(以中等职业教育为基准)。X是包括其他影响收入水平以及个人特征的解释变量向量，包括性别、年龄、⑥年龄的平方、婚姻状况、民族、户口状况等。是随机扰动项，是教育回报的系数。考虑到户籍制度的限制使得本地人口相比于外来人口有更多的工作机会、更强的语言优势(Chen等，2014)和社会资本，同时，受访者从事的行业也会影响收入水平，所以X还包括就业行业、是否是本地人(户籍所在省份与工作省份相同)。

 

除此之外，如前所示，大部分职业教育接受者在职业教育接受地工作，理论上存在以下四种使回归结果产生偏误的可能：(1)发达地区生活成本更高，通过生存工资等机制导致劳动力成本相应更高，这会导致发达地区的名义收入水平也更高。(2)发达地区存在生产上的正外部性，经济发达地区的工作机会、基础设施等条件也相对较好，有利于人力资本充分发挥正的外部性，从而带来更高的收入。但劳动力市场的竞争可能使这一效应只能部分地转化为劳动者的收入。此外，从另一方面而言，发达地区人力资本未来的增长潜力更大，公共服务水平更高，于是，劳动力市场的竞争效应就可能使劳动者愿意牺牲当前的收入而获得上述好处。这一因素将导致人力资本增长潜力更为突出、公共服务水平更高的地区，就业者的收入反而会因竞争效应而更低一些。(3)发达地区劳动力市场更为有效。(4)群分效应(sorting effect)可能使在劳动力市场有更好表现的人群更可能聚集到东部或发达地区就业，而这些人也更可能去发达地区或东部地区接受职业教育。⑦在经验分析中，我们应当对上述因素加以考虑，以便更好地分离就业地与受教育地对劳动者回报的作用，增加结论的说服力。具体的做法是：对于上述第一种可能，我们通过将收入按地区购买力指数进行平减加以体现，对于第二种可能，我们将引入工作地变量(按东、中、西部区分)，以剔除来自工作地区的正外部性对结果产生的偏误。⑧此外，对于这四种可能性，我们都通过对样本按就业地的分组(按沿海、内地分组)回归加以克服。特别需要说明的是，群分效应主要体现在对不同就业地的自选择上，只要这种群分效应并不是只在发达地区或东部受职业教育的样本中有更为明显的存在，那么在按就业地的分组回归中，东部地区(受教育地)这一变量的系数就不会被高估。

 

为了考察在不同地区接受职业教育的受访者教育回报的差异，我们会对样本按受教育地进行分组回归。我们预期：对于高等职业教育而言，在较发达地区(东部地区)接受职业教育会有更高的回报。在检验了基本模型之后，我们通过稳健性检验来考虑可能导致估计结果偏误的因素。第一，有研究认为Mincer方程需要得到适当的扩展，如增加经历或受教育年限的高次方项(Lemieux，2006)。为此，我们在基本模型的基础上加入年龄的三次方和四次方。第二，表1显示，虽然我们剔除了离退休样本，但是仍旧存在已到法定退休年龄但是没有报告自己已离退休的样本，这些受访人均汇报了自己的各项工资性收入，我们在稳健性检验中删除了这些样本。第三，为了更全面地控制就业地对个体收入的影响，我们进一步按照就业地分内地就业组和沿海就业组分别回归。第四，由于在职业教育之前，个人还接受了初中或高中教育，一个潜在的问题是，我们所观察到不同受教育地回报的差异，可能只是由初中或高中教育地点的差异所致，与之后的职业教育地点无关。由于跨地区接受职业教育的样本相对较少，所以，这样的问题在理论上的确存在。为此，我们将那些最高学历为初中或高中的样本也纳入回归，并且同时考虑这些样本的受教育地点信息。这样，一方面，我们能够检验初中及高中教育是否存在因受教育地点不同而导致的回报差异；另一方面，我们也能够对职业教育带来的额外回报及其可能的空间差异进行更为合理的检验。

 

 

(一)基本结果

 

 

 

表3列示了收入决定方程的基本回归结果。回归方程(1)表示，高等职教的回报显著高于中等职教。为考察职业教育回报的空间差异，我们用两种方法区分职业教育地点：一是以东中西部来划分，二是用受教育地所在城市的人均GDP衡量。在回归方程(2)中，我们进一步控制了受教育地哑变量。结果显示，平均来看，在东部地区接受职业教育的受访者相比于中部地区的受访者有更高的收入，而在西部地区接受职业教育的受访者其收入与中部地区样本无显著差异。回归方程(3)也反映，接受职业教育地所在城市的经济越发达，受教育者的人力资本回报越高。其他个人特征的回归系数与现有研究的发现基本一致。⑨

 

 

表3中回归(2)和(3)的教育地点回报差异是中等职教和高等职教的平均结果。考虑到东部或发达地区职业教育的优势可能在高等职教样本中更为明显，我们在回归(4)到(7)中报告了按教育程度分组的回归结果。⑩可见，正如我们猜想的那样，在经济发达地区特别是东部地区接受职业教育能够带来更高的回报，并且职业教育回报在地区间的差异在高等职业教育上有更明显的体现。

 

 

 

 

由于大部分职业教育接受者会在受教育地工作，我们通过以下两种方式控制工作地点对个体收入水平的影响。

 

 

 

 

 

首先，发达地区较高的生活成本导致劳动力的保留工资也较高，具体表现为更高的名义收入，可能使我们高估教育回报的地区间差异。(11)为了剔除生活成本对收入的影响，使收入在地区间有可比性，我们利用Brandt和Holz(2006)构建的地区购买力平减指数对收入数据按照工作地在2009年的基础上进行平减。如表4中的回归方程(1)、(2)、(5)、(6)所示，经过生活成本平减之后，高等职业教育回报在地区间的差异有所缩小，但仍然显著。这一方面说明如果不考虑就业地生活成本因素，的确可能导致结果的偏误；另一方面则说明了职业教育回报的空间差异在不同地区的表现不同，如我们此前所猜想的那样，这一差异主要存在于东部或发达地区。

 

其次，发达地区在制度环境、基础设施、生产要素(如人力资本)的集聚程度等方面很可能优于欠发达地区，这些因素可能在生产过程中产生正外部性，使得同样一个劳动者在发达地区的劳动生产率要高于欠发达地区。为此，我们在回归方程中进一步引入就业地哑变量(或就业地的市级人均GDP)这一控制变量，结果如表4回归(3)、(4)、(7)、(8)所示。可以看到，对于我们重点关注的高等职业教育样本，在东部或较发达地区受教育仍然带来显著更高的回报。表3与表4回归结果的一个重要区别是，在表4中，中等职业教育不再表现出明显的地区差异，这一方面说明我们在表4回归中的处理的确较好缓解了表3回归中可能存在的对受教育地作用的高估；另一方面也说明职业教育回报的地区差异，主要体现在高等职业教育而非中等职业教育上。

 

在增加的控制变量中，东部(就业地)并不显著，可能的原因是：第一，我们已经对名义收入按照地区的购买力指数进行了平减，所以，导致发达地区就业地名义收入更高的因素已经被部分地剔除了。第二，这很可能就是我们前面所猜测的劳动力市场竞争效应的体现。相应地，我们也可以看到，回归方程(7)中东部受教育哑变量的系数反而比回归方程(5)中更高，这说明在控制东部地区所体现的竞争效应后，东部地区受教育的实际回报更高。但这一情况在以人均GDP衡量就业地因素的差异时并不存在。我们认为，这是由于上述竞争效应在东部有显著的体现，但与人均GDP水平之间的相关性并不那么明显。

 

(二)稳健性检验

 

下面我们始终使用平减后的收入，从不同角度对以上结论的稳健性加以检验。

 

1.扩展的Mincer方程。Lemieux(2006)对以Mincer方程为基础的经验检验进行了分析与总结，认为经历、受教育年限等的一次项与收入水平在很多情况下不是简单的线性关系，Mincer方程需要适当地扩展，如用经历、受教育年限的四次方程代替二次方程。相应地，我们在基本模型的基础上加入年龄的三次方项和四次方项，结果如表5所示，职业教育地点的显著程度没有变化。

 

2.剔除已到法定退休年龄的样本。在基本模型中我们没有包括离退休样本，但是仍旧有样本到达了法定退休年龄，却没有报告自己已退休，同时也提供了自己工资性收入的信息。为了考虑结论的稳健性，我们进一步剔除这部分样本。回归结果如表6所示，可以看到，高职组不存在已到法定退休年龄却没有退休的样本，所以基本结论没有发生改变。为节省篇幅，表5中的其他控制变量，我们不再报告。

3.按就业地分组回归。为了更好地克服此前讨论过的四种可能导致模型存在估计偏误的困难，我们进一步按照就业地将样本分为内地就业组和沿海就业组(12)分别回归。虽然前面的模型中，我们同时控制了就业地与受教育地这两个变量，但是考虑到就业地这一因素可能同时也会改变其他变量的系数，因而对于这种交互项意义上的影响，更为合理的做法是进行分样本回归。如表7所示，可能由于样本量进一步减少所致，东部或市级人均GDP变量在高等职教组中的显著性有所下降，但在表7中沿海就业的高等职教组中，上述两个核心变量仍显著为正。(13)

4.考虑职业教育前教育回报的空间差异。我们将最高学历为初中或高中的样本也纳入回归，以便控制职业教育前的初中或高中教育可能存在的教育回报空间差异对结果的影响。具体而言，在表8的回归中，中等职教样本与最高教育程度为初中(且非职业教育)的样本放在一起回归；高等职教样本与最高教育程度为高中(且非职业教育)的样本放在一起回归。其中最高学历为初中或高中的样本也通过学校名称确定了接受教育的地点，并在回归中加以控制。

如表8的回归方程(1)和(3)所示，西部(教育地)与东部(教育地)这两个变量所反映的是非职业教育(初中或高中)的回报是否因受教育地的不同而存在显著差异。这两个系数均不显著，这对于我们来说是个好消息，说明不同地区的非职业教育并没有存在显著差异。在方程(3)的高等职教及高中非职教组中，“职业教育”变量显著为正、东部(教育地)与职业教育的交互项也显著为正，这说明与“高中”相比，在中部或西部接受高等职业教育可能带来更高的回报，而在东部地区接受高等职业教育的回报则比中西部还要高。(14)表8方程(2)、(4)的结果与上述发现基本一致，仍然显示较发达地区的职业教育(而非初中或高中教育)能带来更高的回报。

 

 

四 结论与政策建议

 

 

 

 

本文利用全国范围的微观调查数据，发现职业教育特别是高等职业教育的回报与接受职业教育的地点有关，具体而言，在东部或经济较发达地区接受高等职业教育会有更高的人力资本回报。在考虑了地区间生活成本差异、就业所在地生产上的正外部性、本地人身份和就职行业等可能的影响因素后，东部或经济较发达地区在高等职业教育上的回报仍然显著高于其他地区。

 

 

 

 

本文的结论具有较强的政策含义。高回报的职业教育所培养的产业工人是未来中国制造业产业升级的重要保证，这就要求我们应该遵循市场效率原则，为制造业从业人员的主体——大量的城市外来人口——到东部或经济较发达地区接受职业教育创造条件。然而，目前职业教育的招生却以区域性的本地招生为主，特大城市针对外来务工人员随迁子女在城市接受职业教育的政策还没有完全放开。我们认为，经济发达地区，尤其是东部沿海地区的大城市，应当鼓励外来人口在本地就读职业教育，特别是高等职业教育，这样才能尽快提升制造业从业人员的人力资本含量。是否采纳这一政策建议，关系到未来中国城市化进程的方向。农村转移劳动力只有通过人力资本提升进而在城市获得更好的发展机会，才能够在城市落地生根实现“市民化”，分享城市化的好处，中国的城市化进程才真正能够做到“人的城市化”。

 

 

 

 

当然，本文也存在诸多不足：首先，本文所发现的职业教育回报的空间差异，既可能源于东部地区职业教育有较高的师资等资源配备，也可能源于东部地区更接近现代产业集聚地因而在职业教育的提供上更能适应市场需求，或在劳动力市场的供求匹配上更有效率，但本文并不能对这些机制加以区分，这是未来值得研究的一个方向。不过即使如此，本文的政策含义仍然是成立的。这是因为，如果教育质量是唯一的影响机制，并且质量的提升是由于更多的投入所致，那么只要增加内地职业教育投入会因为涉及地方政府的激励兼容等困难而在短期内难以见效，本文提出的放开东部沿海地区职业教育的户籍门槛限制就更为现实可行。如果另一个重要的机制是东部地区的职业教育学校更接近劳动力市场(现代产业的集聚地)，上述政策含义依然成立，并且显得更为重要。这意味着，增加内地的职业教育投入，不如让内地的学生到沿海地区接受职业教育更有效率。与异地高考改革相比，这显然是更易于被东部城市接受，实施阻力明显更小的政策调整。其次，在考虑就业地因素对个人收入的影响时，由于样本的限制我们无法在更细分的空间范围内(如城市层面上)进行控制。这些都是未来值得进一步考虑的问题。类似的，由于接受职业教育的群体占比并不高，而跨地区接受职业教育的又只是其中一部分子样本，这些现实存在的对数据样本量的约束也都限制了本文有效样本的规模，因而要想在更广泛的空间内验证本文结论，就需要借助更大规模的微观数据支持。

 

 

 

 

作者感谢北京大学中国社会科学调查中心(ISSS)提供的本研究所需数据，同时感谢上海交通大学安泰经济与管理学院、浙江大学经济学院研讨会上与会者以及三位匿名审稿人的评论与建议，但文责自负。

 

 

 

 

注释：

 

 

 

 

①如果政策上能够鼓励各类民间力量，特别是国际上有经验的职业教育机构在中国大陆开办优质职业教育，那么这既不会增加地方政府的财政压力，同时又能帮助政府实现上述目标。因此，向外来人口开放职业教育完全可以通过机制设计做到各方的激励相容。

 

 

 

 

②本文所使用的样本，并非全都为通常我们所理解的“外来人口”。我们之所以也想讨论“外来人口”应该在哪里接受职业教育这个问题，是因为“外来人口”作为未来城市化与工业化过程中产业工人的重要来源，其人力资本积累对未来城市升级至关重要，但政策上仍然存在针对外来人口接受职业教育的户籍门槛。为解决这一政策带来的问题，我们需要提供经验依据来说明教育的回报是否与在哪里接受职业教育有关。对于这一问题的回答，理论上并不必须只借助“外来人口”这一样本，只要“外来人口”与城市本地人口接受职业教育后其人力资本的水平都同样地与职业教育的回报正相关即可。

 

 

 

③法定退休年龄为男性60周岁，女性50周岁。

 

 

④样本所涉及的东部省级行政区共10个，包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东和广东；中部包括的省级行政区共8个，包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部包括的省级行政区共7个，分别是广西、重庆、四川、贵州、云南、陕西和甘肃。

 

 

 

 

⑤如果我们按人均或生均的职业教育学校数量来衡量，那么各地的职业教育资源就较为均衡。但是，如果进一步考虑发达地区往往拥有更多的高等教育资源，那么事实上欠发达地区的职业教育资源与潜在的需求相比，在数量上仍然是较为紧缺的。

 

 

 

 

⑥为便于系数的报告，我们对“年龄”统一除以10，“年龄平方”相应地就除以100，下文中的“年龄三次方”，“年龄四次方”依此类推。

 

 

 

 

⑦Combes等(2008)的研究说明了群分效应的存在。

 

 

 

 

⑧在本文中，如果高能力的劳动者更可能在东部沿海地区接受职业教育，就会因选择性偏误而高估东部沿海地区的教育回报。为此，我们根据问卷中访问员对受访者能力的主观判断，控制了个人的能力信息，发现回归的结果并没有显著变化。本文的两位审稿人认为职业教育的跨地区选择性并不突出，我们按建议没有在文中报告控制了“能力”变量的回归结果。

 

 

 

 

⑨“本地人”这一变量的符号显著为负，这是由中等职教样本导致的。根据表7的稳健性检验，这一结果是由户籍在沿海省份同时又接受中等职业教育的样本导致的，我们将在表7的说明中对此作进一步解释。

 

 

 

 

⑩另一种可选择的方法是控制职业教育程度与职业教育地点的交互项，结果显示交互项显著，但这里仅报告了分组回归的结果，一方面其回归结果更容易解读，另一方面分组回归允许其他控制变量的系数在组间存在差异。

 

 

 

 

(11)当然，对此们也需要说明以下两点：第一，更高的城市生活成本在很大程度上也是更高的需求推动的，因而也是高人力资本回报带来的高收入的结果。第二，即使高收入部分地反映了更高的生活成本，但企业愿意为员工支持较高的工资，这本身也说明员工具有更高的劳动生产率，因而也是教育回报更高的体现。

 

 

 

 

(12)样本涉及的沿海省级行政区共11个，包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和广西；内地包括的省级行政区共14个，包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、重庆、四川、贵州、云南、陕西和甘肃。

 

 

 

 

(13)其他变量的符号仍然符合预期，需要说明的是，“本地人”这一变量在沿海就业的中等职教组中显著为负，我们认为，这很可能是较多的高等教育资源供给使得沿海地区的家庭通常不愿意让子女选择职业教育，特别是中等职业教育，因此，对于这部分样本而言，“本地人”变量也反映了某些未被观察到的不利于提高收入的因素。限于篇幅，且这并非本文重点，我们没有在表中包括相关变量的回归结果。

 

 

 

 

(14)在方程(1)的中等职教及初中非职教组中，职业教育变量系数为正但并不显著，也可能是与我们的一部分中等职业教育样本(如职业初中)属于初中水平有关。

 

 

 

 

参考文献：

 

 

[1]陈玉宇、邢春冰(2004)：《农村工业化的角度以及人力资本在农村劳动力市场的角色》，《经济研究》第8期。

[2]何国俊、徐冲、祝成才(2008)：《人力资本、社会资本与农村迁移劳动力的工资决定》，《农业技术经济》第1期。

[3]李学雷、董奇志(2003)：《普通专科教育与高职教育在发展中融合》，《职业技术教育》第22期。

[4]李雪松、詹姆斯·赫克曼(2004)：《选择偏差、比较优势与教育的异质性回报：基于中国微观数据的实证研究》，《经济研究》第4期。

[5]刘明兴、田志磊(2014)：《中职课题组阶段性研究报告(一)：探寻中职教育发展背后的逻辑》，《北京大学中国教育财政科学研究所简报》第5-1期。

[6]马立伟、王礼力(2009)：《农民职业教育对农民收入影响的实证分析》，《农村经济》第7期。

[7]王德文、蔡昉、张国庆(2008)：《农村迁移劳动力就业与工资决定：教育与培训的重要性》，《经济学(季刊)》，第7卷第4期。

[8]王海港、黄少安、李琴、罗凤金(2009)：《职业技能培训对农村居民非农收入的影响》，《经济研究》第9期。

[9]邢春冰、贾淑艳、李实(2013)：《教育回报率的地区差异及其对劳动力流动的影响》，《经济研究》第11期。

[10]严善平(2007)：《人力资本制度与工资差别——对大城市二元劳动力市场的实证分析》，《管理世界》第6期。

[11]尹志锋、陈明、郭琳(2011)：《异质流动人口与工资决定——基于2006年北京市的微观数据》，《经济经纬》第2期。

[12]袁声莉(2002)：《我国本专科教育的比较研究》，《湖北商业高等专科学校学报》第3期。

[13]周其仁(1997)：《机会与能力——中国农村劳动力的就业和流动》，《管理世界》第5期。

[14]周亚虹、许玲丽、夏正青(2010)：《从农村职业教育看人力资本对农村家庭的贡献——基于苏北农村家庭微观数据的实证分析》，《经济研究》第8期。

[15]Brandt,L.and Holz,C.A."Spatial Price Differences in China:Estimates and Implications." Economic Development and Cultural Change,2006,55(1),pp.43-86.

[16]Chen,Z.; Lu,M.and Xu,L."Returns to Dialect:Identity Exposure through Language in the Chinese Labor Market." China Economic Review,2014,30,pp.27-43.

[17]Combes,P.; Duranton,G.and Gobillon,L."Spatial Wage Disparities:Sorting Matters!" Journal of Urban Economics,2008,63(2),pp.723-742.

[18]Démurger,S.; Gurgand,M.; Li,S.and Yue,X."Migrants as Second-class Workers in Urban China? A Decomposition Analysis." Journal of Comparative Economics,2009,37(4),pp.610-628.

 

[19]Lemieux,T."The 'Mincer Equation' Thirty Years after Schooling,Experience,and Earnings." Jacob Mincer A Pioneer of Modern Labor Economics,2006,pp.127-145.