教育錯配對工資的影響:來自CFPS的新證據
來源:用戶上傳
作者:
摘要：從資源配置效率的角度看，教育錯配是勞動力資源配置效率低下的一種表現。本文利用中國家庭追蹤調查數據研究了中國勞動力市場中的教育錯配發生率，并借助異方差構造工具變量的思路估計了教育錯配對勞動者工資的影響。研究發現，中國勞動力市場中存在比較普遍的垂直型教育錯配現象;隨著勞動者教育程度的提高，過度教育的發生率越來越高，在大專學歷以上的勞動者當中有50%左右為過度教育;總體過度教育和教育不足發生率分別為37.8%和20%。其他條件相同時，過度教育的勞動者遭受到顯著的工資懲罰，平均工資比恰好匹配的勞動者低22.7%;教育不足的勞動者獲得一定工資溢價，平均工資比恰好匹配的勞動者高16.5%。
關鍵詞：勞動力市場;教育錯配;過度教育;教育不足;工資;工具變量;傾向得分匹配
文獻標識碼：A
文章編號：1002-2848-2019（03）-0118-11
教育錯配指勞動者實際接受的教育與所在的工作崗位對教育的要求不匹配，包括垂直型教育錯配（vertical mismatch）和水平型教育錯配（horizontal mismatch），前者指勞動者的受教育程度與崗位要求的受教育程度有差距，后者是勞動者所學的專業技能與崗位要求的專業技能不同。教育錯配無論對社會、企業還是個人都是有成本的[1]，因此相關話題的研究一直是學界的熱點。
發達國家對教育錯配問題的關注起始于20世紀80年代的教育快速擴張以后[1-2]。雖然針對發展中國家教育錯配問題的學術研究還比較少，但教育錯配的現象卻已經很普遍。世界銀行近期發布的一份研究報告指出，教育錯配在包括中國在內的一些中等收入甚至低收入國家中同樣比較普遍，并建議政府進行廣泛的政策干預[3]。也有不少學者對中國勞動力市場中是否存在教育錯配進行了討論?？傮w而言，現有研究對中國勞動力市場是否存在垂直型教育錯配這一問題已經有了比較統一的結論，一般認為，中國勞動力市場中的過度教育（over education）發生率大約在30%～45%之間[3-5]。但關于教育錯配如何影響勞動者工資的研究還相對缺乏，這和廣泛存在的教育錯配現象形成了反差。
本文進一步探討中國勞動力市場中的垂直型教育錯配（過度教育和教育不足）對勞動者工資的影響。雖然不少文獻研究了發達國家勞動力市場中教育錯配與工資的關系，但教育錯配與工資之間是否存在顯著的因果聯系一直存在爭議。原因在于，教育錯配是內生的且常用的內生性處理方法在解決教育錯配的內生性時都存在一定不足（詳見本文估計策略部分）。為了識別教育錯配與勞動者工資之間的因果關系，本文從三個面進行了新的嘗試：第一，以往研究未能很好地解決不可觀測的能力差異導致的內生性問題，但中國家庭追蹤調查（China Family Panel Studies，CFPS）數據中所包含的受訪者認知能力測試信息使得本文可以在很大程度上消除能力差異對估計結果的影響;第二，在控制認知能力的基礎上，我們進一步借助Lewbel[6-7]的工具變量估計思想解決測量誤差及其他原因導致的教育錯配內生性問題;第三，本文在穩健性分析中將教育錯配當作一種處理（treatment），并用傾向得分匹配（Propensity Score Matching，PSM）估計處理效應，但與標準PSM不同的是，我們不要求教育錯配滿足條件獨立性假定，而是使用最小偏差PSM方法[8]修正標準PSM可能存在的偏誤。
一、相關文獻
西方學者對教育錯配問題的關注可以追溯到20世紀40年代。20世紀80年代以后發達國家普遍存在的教育錯配現象進一步激發了學者們對這一問題的關注。圍繞教育錯配問題的相關文獻大體可分兩類：一是從理論上解釋教育錯配存在的原因;二是分析教育錯配導致的各種結果，尤其是教育錯配對勞動者工資的影響。
?。ㄒ唬┙逃e配現象的理論解釋
經濟學者們從不同的角度對教育錯配現象背后的理論原因進行了解釋，McGuinness[2，9]對理論文獻進行了詳細的歸納。按照人力資本理論，追求利潤最大化的企業和追求效用最大化的勞動者會充分利用人力資本，勞動力市場達到均衡時工人工資由其邊際產出決定。因此，在市場均衡時不會出現教育錯配現象。當然，這并不意味著人力資本理論和教育錯配現象相矛盾。如果勞動力市場短期內沒有達到均衡或教育錯配的統計存在誤差都會導致教育錯配現象產生[2，9]。后期發展起來的一些理論則為教育錯配的存在提供了更合理的基礎。其中，崗位競爭模型和職業流動理論主要用于解釋過度教育現象。崗位競爭模型為過度教育現象長期持續存在提供了解釋。該理論強調工作的可獲得性，給定工作崗位以后，為了在崗位競爭中能夠獲勝，勞動者需要更多的教育投資。因此，對于那些最終獲得工作的勞動者而言，往往表現出過度教育現象。職業流動理論認為勞動者選擇那些對教育要求相對低的工作，可能是因為他們希望獲得在職培訓的機會或工作經驗，從而為以后的職業流動積累必需的技能。對于更為一般的教育錯配現象則可以通過分派理論給出合理的解釋。分派理論強調工作有工資和非工資多重特征，根據這一理論，教育錯配可能是勞動者在多重工作特征中進行權衡與取舍的結果。不過，更多的人認為教育錯配是勞動力市場中的結構性不匹配[10]與信息不對稱[11]的結果。關于中國勞動力市場中的教育錯配現象，也有學者進行了理論解釋。胥秋[12]認為，高等教育的結構失衡（包括學科、層次、區域結構的失衡）是導致教育錯配的原因。李鋒亮等[13]關于中國勞動力市場過度教育的研究結論支持了崗位競爭模型。
（二）教育錯配與工資關系的經驗研究
針對發達國家勞動力市場中教育錯配與工資關系的研究比較豐富，但教育錯配與工資之間是否存在顯著的因果聯系卻一直是個懸而未決的問題。教育錯配的內生性問題是識別教育錯配如何影響工資的最大困難，并且教育錯配存在內生性的可能性很大，因為遺漏的個體能力差異、教育匹配本身的度量誤差等因素都會導致教育錯配的內生性[1，9]。為了識別教育錯配與工資水平間的因果關系，現有的文獻主要從固定效應模型[14-16]、工具變量[14，16]和控制個體能力的代理變量[16-17]這三個方面進行了嘗試，也有少數文獻利用PSM方法識別過度教育與工資之間的因果關系[18]。這些研究大多發現，在發達國家的勞動力市場中，過度教育的勞動者遭受到一定工資懲罰，而教育不足的勞動者享受了一定的工資溢價。 關于中國勞動力市場中教育錯配與工資關系的研究不多，且都存在不足之處。武向榮等[19-20]的研究發現中國勞動力市場對過度教育的勞動者存在一定的工資懲罰，即過度教育的勞動者的教育回報率低于那些恰好匹配的勞動者的教育回報率。但這些研究的最大不足是沒有考慮教育錯配的內生性問題，僅僅利用OLS分析了教育錯配與工資之間的相關性，相應的結論可能存在嚴重偏誤。Wu等[21]利用世界銀行的就業能力與生產力調查數據（Skills Towards Employ Ability and Productivity）研究發現，相對于有相同教育程度且恰好匹配的勞動者而言，過度教育導致勞動者的工資下降了18.5%。但這一研究存在三方面不足：一是沒有考慮教育不足問題，對教育錯配及其與工資關系的刻畫還不全面;二是用父母親教育、社會經濟地位和生活滿意度作為過度教育的工具變量有些牽強，因為很難說明能力的遺傳不會導致父母親教育和遺漏的個體能力相關，更難以說明社會經濟地位和生活滿意度是過度教育的決定因素事實上，該文表5說明工具變量在第一階段回歸中都不顯著，且原文也沒有詳細介紹弱工具變量及過度識別的檢驗結果。;三是樣本量較小，調查范圍僅包含昆明市，結果可能不具有全國代表性。顏敏等[22]的研究也考慮了教育錯配的內生性問題，且他們的結論與以往的研究有較大差異。他們的思路是利用固定效應消除遺漏的個體特征差異，再用三個不同的方法測算過度教育，并用其中的兩種作為另一種的工具變量（依賴的假定是不同測算方法的測量誤差不相關）。然而，他們僅在混合OLS和隨機效應模型下發現了教育錯配對工資有顯著影響，而固定效應和工具變量估計都表明教育錯配對工資沒有顯著影響。此外，顏敏等[22]的研究在識別方法上也存在一些不足。首先，教育匹配情況在時間維度上不存在或很少存在變異，這會導致固定效應模型存在很大偏誤，因此除非有比較合適的樣本保證教育匹配情況有足夠大的變異，一般情況下固定效應模型不太適合此類問題的研究[9，14-15];其次，僅把過度教育當作內生變量，但教育不足和崗位的教育要求都是內生變量[9]，所以他們的估計可能仍然存在嚴重偏誤。
總體而言，雖然現有的文獻對中國勞動市場中的教育錯配問題及其對工資的影響進行了有價值的探討，但研究結論并不統一，研究方法還存在一些完善和改進的空間。與這些研究相比，本文主要是在識別教育錯配和工資的因果關系上做了邊際貢獻，是對上述研究的進一步擴展。
二、計量模型及估計方法
?。ㄒ唬┠Ｐ驮O定
ORU模型[23]是研究教育錯配與工資關系的基本模型。根據這一模型，我們將個體實際獲得的教育水平（AE）分解為崗位要求的教育水平（RE）、過度教育（OE）和教育不足（UE）三部分：
對于任何個體而言，OE和UE都是非負的并且最多只有一個大于0。OE=UE=0表示教育程度和工作要求恰好匹配的個體;OE=0且UE>0表示教育程度低于工作要求的個體;OE>0且UE=0表示教育程度高于工作要求的個體。根據式（1）可對標準的Mincer方程做簡單的修改得到如下的工資決定方程：
其中，ε是誤差項，[WTHX]X是除了教育之外其他可觀測到的工資影響因素（含常數項），如年齡、性別、健康狀況、婚姻狀況等。此外，根據解釋教育錯配現象的人力資本理論、崗位競爭理論、分派理論和職業流動理論，[WTHX]X還應該包含個體能力差異因素、工作特征以及職業流動等因素。我們關心的是βr、βo、βu的大小。對于那些恰好匹配的勞動者而言，βr反映的就是常規教育回報率大小。對于過度教育的個體而言，βr和βo共同決定了他的教育回報率，其中，βr反映的是工作要求的那部分教育的回報率，βo反映的是超過工作要求的那部分教育的回報率。對于教育不足的個體而言，教育回報率由βr和βu共同決定，βu反映的是低于工作要求的那部分教育的回報率。根據相關研究的經驗，一般而言，βr和βo大于0，βu小于0。大多數研究都發現，超過工作要求的那部分教育仍然給勞動者帶來一定回報，但回報率小于工作要求的那部分教育的回報率，即0<βo<βr。因此，βr-βo的大小可以反映勞動力市場對過度教育的懲罰。
?。ǘ┕烙嫴呗?
式（2）的最大障礙是教育匹配可能是內生的。然而，常用的內生性解決方法在研究教育匹配問題上都有一定不足。首先，教育匹配情況在時間維度上不存在或很少存在變異，這會導致固定效應模型存在很大偏誤。因此，除非有比較合適的樣本，一般情況下固定效應模型不太適合此類問題的研究[9，14-15]。其次，和教育有關的變量一般也與工資有關，很難找到滿足排除性約束的變量作為教育匹配的工具變量[14，16]。式（2）的工具變量估計更是困難，因為RE、OE和UE通常都是內生的[9]，所以我們至少需要尋找3個有效的工具變量，這是一件極為困難的事。
綜合這些因素以及本文的數據特征，本文利用Lewbel[6-7]的方法識別教育錯配與工資的因果關系。為此，我們考慮如下教育匹配決定方程：
最后，我們參照Wu等[21]的做法，用是否存在過度教育和教育不足的虛擬變量代替OE和UE重新估計式（2）。他們認為利用虛擬變量代替ORU模型中的OE可以一定程度上消除測量誤差的影響。使用虛擬變量也意味著我們可以將過度教育的勞動者視為處理組，恰好匹配的勞動者視為控制組，因此，除了上述參數估計方法外，我們還可以使用PSM方法對處理效應進行非參估計。不同的是，我們采用最小偏差PSM方法[8]修正PSM的偏誤。原因在于，標準的PSM方法依賴的關鍵假定是條件獨立性（conditional independence assumption），即給定可觀測的因素后教育錯配是隨機的，但教育錯配可能和不可觀測因素有關，因此條件獨立性假定可能不成立。
三、數據及變量
本文的數據來自中國家庭追蹤調查的城市居民子樣本。這套數據的基線調查始于2010年，隨后分別在2012、2014和2016年進行了追蹤調查。使用這套數據研究教育錯配問題有三個優點：第一，從2014年的調查開始，調查問卷新增受訪者所從事工作的教育要求問題，這可以幫助我們確定受訪者是否存在教育錯配;第二，這套調查數據對受訪者的認知能力進行了測試，通過控制認知能力差異可以幫助我們在很大程度上緩解式（2）中的遺漏變量偏誤問題;第三，CFPS是一個全國性的調查，樣本更具有代表性。 本文的核心變量是教育匹配情況?，F有文獻中常見的教育匹配測度方法有主觀評價法、經驗統計法和崗位評價法，每種方法都有各自的優缺點，McGuinness等[1]對不同測度方法的差異做了比較詳細的對比。在經驗分析中具體使用何種測度方法主要是根據數據的可獲得性。在2014年的調查中，受訪者需要根據自己的主要工作情況回答：“從知識和技能的角度上講，您/你認為勝任這份工作實際需要多高的教育程度？”我們利用這一問題和受訪者的實際教育程度相比，判斷受訪者是否存在教育錯配，如果受訪者回答的崗位要求教育程度大于受訪者實際的教育水平，我們就將其定義為教育不足的勞動者，反之，則定義為過度教育的勞動者，當受訪者的受教育程度和崗位要求的教育程度相同時，將其定義為恰好匹配。雖然2016年的調查也詢問了相同問題，但本文只使用了2014年的截面數據。我們沒有使用面板數據的最主要原因是受訪者的教育匹配情況幾乎在兩年間沒有變異。例如，在我們能夠成功匹配的2646位受訪者中（不考慮收入信息缺失），有2071位在兩年間沒有工作變動，在575位工作有變動的受訪者中，僅有246位的教育匹配情況發生變化。因此，總體而言，在成功匹配的樣本中只有9.3%（246/2646）的樣本發生教育匹配變化。這正是以往多個研究[9，14-15]認為不適合用固定效應模型研究該問題的關鍵原因本文沒有使用面板數據的另外兩個重要原因是2016年的收入信息缺失較多并且2016年的認知能力測試分數與2014年不可比，而這兩個變量都是本文的關鍵變量。事實上，考慮收入信息和其他變量缺失的情況下，我們只成功匹配了546位受訪者，但利用這一面板數據估計并沒有得到非常穩健可靠的結論。。表1是本文的變量定義及描述性統計。
本文的被解釋變量是受訪者的工資收入，根據問卷中的信息，我們用受訪者從主要工作中獲得的年工資收入表示。我們將樣本限定為年齡在16—60歲并且在職的受訪者。工資收入、教育、工作對教育程度的要求以及其他解釋變量信息缺失的受訪者被剔除。為了避免離群值的干擾，進一步剔除了工資收入最高1%和最低1%的樣本。此外，崗位的教育要求問題僅對從事非農工作的受雇人員詢問，所以本文的樣本中不包含自營、從事農業工作的受雇人員等。最終，我們得到4673個觀察值。
圖1統計了不同教育程度的勞動者當中，教育錯配發生率情況以及總體教育錯配發生率情況。圖1表明，隨著教育程度的提高，過度教育的勞動者占比越來越高，在大專以上的勞動者當中有50%左右為過度教育。平均而言，在我國勞動力市場中過度教育的發生率大約為37.8%。這和現有文獻統計出的中國勞動力市場過度教育發生率是比較吻合的[3-5，21]。教育不足現象雖然在現有的文獻中較少被關注，但這種錯配同樣存在，不過教育不足的發生率較低，且主要集中在高中以下的勞動者當中。總體的教育不足發生率不到20%。
圖2統計了不同教育水平上的教育不足人員、恰好匹配人員以及過度教育人員的平均對數工資情況。從圖2中我們可以初步觀察教育錯配對勞動者工資收入的影響。首先，無論教育匹配情況如何，總體而言，勞動者的工資收入隨著教育程度的提高而上升，說明即便是存在教育錯配，勞動者也仍然可以從額外的教育投資中獲得一定的回報。其次，對于過度教育的勞動者而言，他們的平均教育回報率低于那些教育程度相同但恰好匹配的勞動者，說明過度教育的勞動者有可能遭受到一定的工資懲罰。例如，一個本科畢業生工作在只需要大專學歷的崗位上，即便是他的工資比他那些具有大專學歷的同事更高，但他的工資很可能依然低于在需要本科學歷的崗位上的工資。最后，對于教育不足的勞動者而言，他們的平均教育回報率高于那些教育程度相同但恰好匹配的勞動者，說明教育不足的勞動者有可能獲得了一定程度的工資溢價。例如，一個大專畢業生在一個需要本科學歷的崗位上工作，即便是他的工資比他那些具有本科學歷的同事更低，但由于身邊的同事都是本科畢業并且推動了整個企業的生產率上升，低學歷的勞動者依然有可能因這種溢出效應而獲得工資溢價。當然，這些工資差異有可能來自補償性工資差異、勞動者自身的特征差異等。接下來我們將探討教育錯配是否和工資之間存在因果關系，尤其是過度教育懲罰是否真的存在。
四、經驗分析
?。ㄒ唬┗窘Y果
為了更精確地估計教育錯配對工資的影響，我們對式（2）進行了估計，表2匯報了核心變量的系數估計結果。第（1）列沒有控制其他解釋變量，用于考察不同教育匹配情況下的勞動者平均對數工資差異。結果表明，對于恰好匹配的勞動者而言，教育年限每增加一年，工資增加3.1%，而對于過度教育的勞動者而言，超過崗位要求的那部分教育年限雖然有正的教育回報（OE系數顯著大于0），但回報率小于恰好匹配時的教育回報率（OE系數小于RE系數）。對于那些教育不足的勞動者而言，教育欠缺有可能導致他們的工資相對于恰好匹配的勞動者更低，但效應非常小且不顯著。需要強調的是，這一結果和圖2是一致的。圖2是給定勞動者的實際教育水平比較不同教育匹配情況下的勞動者工資差異。而表2估計的是給定崗位教育要求的條件下不同教育匹配情況的勞動者工資差異，其結果表明，在崗位教育要求相同的情況下，那些教育不足的勞動者和恰好匹配的勞動者的工資沒有顯著差異，這正好說明教育不足的勞動者（相對那些教育水平相同但恰好匹配的勞動者）獲得了超額的教育回報。
按照人力資本理論對教育錯配現象的解釋，第（1）列的估計結果有可能是勞動者之間存在教育之外的其他人力資本差異導致的。為此，第（2）列進一步控制了勞動者的個體特征差異，包括年齡、性別、婚姻狀況、健康狀況、身高和體重等。結果表明，除了UE的系數顯著性發生變化外，其他系數大小以及RE和OE的系數大小及顯著性都未發生明顯變化。這在一定程度上說明人力資本理論不適合用于解釋中國勞動力市場的教育錯配現象。為了進一步證實這一結論，第（3）列進一步控制了個體的認知能力差異。我們發現，認知能力確實是影響工資的重要因素，教育回報率也發生比較明顯的變化，但并沒有改變我們的核心結論。第（4）列進一步控制了地區效應，用于考察地區間的工資差異以及人口流動對工資的潛在影響。按照崗位競爭模型、分派理論以及職業流動理論，教育錯配以及由此產生的工資差異可能與工作特征差異有關。因此，我們在第（5）列進一步加入了工作特征變量，包括職業類型、行業類型、工作滿意度、勞動合同簽訂情況、工作場所、工作安全情況、領導職務情況、晉升情況以及晉升預期等。工作特征差異確實增強了模型對工資差異的解釋力，但仍然不影響本文的主要結論。綜合以上結論，我們認為，現有的用于解釋教育錯配的理論都無法完全解釋我國勞動力市場的教育錯配現象。 最后，現有的研究都認為，教育錯配的測量誤差和遺漏變量等潛在問題可能導致教育錯配是內生的，因此，直接用OLS估計式（2）得到的結果可能存在偏誤。第（6）列用工具變量估計思路重新估計了式（2）并控制全部解釋變量。IV估計的Hayashi’s C統計量為7.800，在5%的水平上顯著異于0，說明有理由相信教育錯配變量是內生的。Hansen’s J統計量為39.42（P值為0.240），說明模型的工具變量不存在過度識別。IV估計結果表明，UE的系數仍然很小且不顯著，OE的系數仍然顯著為正且小于RE的系數。因此，IV估計也沒有改變本文的結論，即過度教育的勞動者確實遭受過度教育懲罰，而教育不足的勞動者獲得了超額的教育回報。這和一些國際研究結論是類似的[1]。
?。ǘ┓€健性分析
1.錯配虛擬變量
部分學者在估計教育錯配對工資的影響時用是否存在教育錯配的虛擬變量代替標準ORU模型中相應的變量[21，24]。這樣處理的好處是可以在一定程度上緩解教育錯配的測量誤差問題[21]。合并式（1）和式（2）可以得到
式（9）是式（2）的恒等變形，但式（9）直接控制了受訪者的教育程度AE。將式（9）中的過度教育程度OE和教育不足UE替換為是否存在過度教育和教育不足的虛擬變量可以得到如下方程：
其中，D1=1（OE>0），D2=1（UE>0）均為虛擬變量，分別表示是否存在過度教育和教育不足。根據以往的研究結論[14]以及表2中的估計結果，我們預期δ2<0、δ3>0。雖然使用虛擬變量代替教育錯配的程度可以在一定程度上緩解教育錯配的測量誤差，但式（10）的OLS估計仍然有可能是有偏的。首先，δ1反映的是恰好匹配的勞動者的平均教育回報率，所有關于教育回報率的研究都無法回避教育年限的內生性問題。其次，兩個反映教育錯配的虛擬變量仍然可能會因為遺漏個人能力因素而成為內生變量。所以式（10）的估計同樣至少需要三個有效的工具變量。因此，我們仍然使用Lewbel[6]的方法估計式（10）。雖然，該研究針對的是連續型的內生變量，但其在隨后的研究中實證了這一思路同樣適用于像式（10）這樣包含離散型內生變量的模型[7]。表3是利用教育錯配的虛擬變量替代ORU模型中的教育錯配程度之后得到的估計結果。
如表3所示，過度教育虛擬變量和教育不足虛擬變量的系數符號是符合我們預期的，并且兩個變量的系數都顯著異于0，而且個人特征變量、認知能力以及工作特征變量的控制都對估計結果影響不大。這些結果都進一步印證了表2中的結論。IV估計的系數顯著性有所下降，但系數的符號仍然是符合預期的。結果表明，平均而言，在教育程度相同的情況下，過度教育勞動者的工資比恰好匹配的勞動者的工資低22.7%，而教育不足勞動者的工資比恰好匹配勞動者的工資高16.5%，即勞動力市場對過度教育有一定懲罰，而教育不足卻有一定的工資溢價。這一結論和表2的結論是相符合的，但更直接地展示出圖2觀察到的現象。此外，IV估計的外生性檢驗結果在1%的水平上顯著，拒絕了教育年限、過度教育虛擬變量、教育不足虛擬變量是外生變量的假定。過度識別檢驗的Hansen’s J統計量雖然較大，但依然在常規的顯著性水平上不顯著，說明IV估計沒有明顯的過度識別問題。因此，我們認為IV估計的結果更加可靠。最后，本文得到的工資懲罰效應略高于Wu等[21]18.5%的結論。不同的是，本文還同時證實了教育不足的勞動者存在工資溢價。
2.傾向得分匹配估計
在式（10）的啟發下，我們可進一步利用PSM方法估計教育錯配對勞動者工資的影響。具體而言，我們可以將過度教育或教育不足的勞動者作為處理組，將恰好匹配的勞動者作為控制組再用PSM估計錯配的處理效應。
我們分別估計過度教育和教育不足兩種處理效應，控制組均為恰好匹配的勞動者。圖3的左右兩邊分別是兩種處理效應中的控制組和處理組的傾向得分核密度分布。從圖3可以直觀地看出，共同支撐（common support）假定是成立的。當然，為了保證結果的可靠性，我們刪除了處理組中得分高于控制組最高分的個體以及控制組中得分低于處理組最低分的個體。
表4匯報了幾種常用匹配方法下的處理組平均處理效應（Average Treatment Effect on the Treated，ATT）和平均處理效應（Average Treatment Effect，ATE）的估計結果。近鄰匹配、核匹配、局部線性匹配以及半徑匹配都是常用的標準匹配方法。這些方法都依賴條件獨立性，即給定可觀察到的因素之后，勞動者是否存在過度教育（或教育不足）是隨機的。由于勞動者的教育錯配情況可能與未觀察到的個體特征有關，所以條件獨立性假定有可能不成立。為此，我們使用最小偏差方法[8]進一步修正可能存在的估計偏誤。利用PSM估計得到的過度教育工資懲罰效應和教育不足工資溢價效應與前面利用參數回歸方法得到的對應結論略有差異，其中過度教育的工資懲罰效應大約在10%左右，教育不足的工資溢價效應大約在8%左右。但是總體而言，PSM估計結果都進一步證實了過度教育的勞動者遭受到顯著的工資懲罰效應，而教育不足的勞動者卻獲得顯著的工資溢價我們還對每種估計方法做了平衡性檢驗，結果都說明處理組與控制組的匹配效果較好，但限于控制變量較多導致平衡性檢驗的詳細結果篇幅太大，故未在文中匯報。。
五、結論
教育錯配是世界各國勞動力市場中比較普遍的現象，甚至在低收入國家的勞動力市場中也存在嚴重的教育錯配問題。從資源配置效率的角度來看，教育錯配無疑是勞動力資源配置效率低下的一種表現。本文利用2014年的CFPS數據分析了中國勞動力市場中的教育錯配發生率，并重點考查了教育錯配對勞動者工資的影響。實證結果表明，中國勞動力市場中存在比較普遍的垂直型教育錯配現象。隨著勞動者教育程度的提高，過度教育的發生率越來越高，在大專以上（本科和研究生）的勞動者當中有50%左右為過度教育。平均而言，我國勞動力市場中過度教育的發生率大約為37.8%。教育不足的發生率在低學歷勞動者當中較多，整個勞動力市場的教育不足發生率在20%左右。 為了更加準確地估計教育錯配對勞動者工資的影響，本文使用工具變量方法[6-7]和最小偏差PSM方法[8]解決教育錯配的內生性問題。本文的ORU模型估計結果表明，過度教育的勞動者遭受了一定程度的工資懲罰，在崗位的教育要求相同的情況下，過度教育的勞動者從額外的教育投資中獲得的回報率較低。平均而言，在勞動者教育程度相同的情況下，過度教育的勞動者的平均工資比恰好匹配的勞動者的平均工資低22.7%。然而，教育不足的勞動者卻得到一定程度的工資溢價，在崗位的教育要求相同的情況下，教育不足的勞動者的教育回報率并沒有明顯低于那些恰好匹配的勞動者的教育回報率。這導致教育不足的勞動者的平均工資比那些具有相同教育程度但恰好匹配的勞動者的平均工資高16.5%。此外，本文的實證分析還表明，人力資本理論、崗位競爭模型、分派理論和職業流動理論都不能充分解釋中國勞動力市場的教育錯配現象。如何解釋中國勞動力市場中的教育錯配現象仍然是一個有待進一步研究的問題。
上述結論表明，雖然教育和技能培訓被視為促進經濟發展的重要因素，但教育本身并不能保證勞動者獲得恰好匹配的工作，較高的過度教育發生率意味著勞動力市場未能提供足夠多的工作崗位以充分利用潛在的人力資源，這無論對勞動者本身還是對企業都是有成本的。教育錯配也有可能意味著通識型教育對勞動者的技能培養不能很好地和勞動力市場匹配。因此，解決教育錯配問題需要從需求和供給兩個方面著手。在需求方向面，應該進一步加強勞動力市場建設，推進勞動力市場改革，完善就業服務體系和人才流動機制。在供給方面，應該大力發展職業教育;全面提高高等教育質量，優化學科專業、類型、層次結構，擴大應用型、復合型、技能型人才培養規模;加快發展繼續教育。
參考文獻：
[1] McGuinness S， Pouliakas K， Redmond P. Skills mismatch： Concepts measurement and policy approaches[J]. Journal of Economic Surveys， 2018， 32（4）： 985-1015.
[2] McGuinness S. Overeducation in the labour market[J]. Journal of Economic Surveys， 2006， 20（3）： 387-418.
[3] Handel M J， Alexandria V， Puerta M L S. Accounting for mismatch in low-and middle-income countries： Measurement， magnitudes， and explanations[M]. Directions in Development. Washington， DC： World Bank， 2016： 37-78.
[4] 繆宇環. 我國過度教育現狀及其影響因素探究[J]. 統計研究， 2013（7）： 48-54.
[5] 顏敏， 王維國. 中國過度教育現狀及其演變——來自微觀數據的證據[J]. 山西財經大學學報， 2017（3）： 15-29.
[6] Lewbel A. Using heteroscedasticity to identify and estimate mismeasured and endogenous regressor models[J]. Journal of Business & Economic Statistics， 2012， 30（1）： 67-80.
[7] Lewbel A. Identification and estimation using heteroscedasticity without instruments： The binary endogenous regressor case[J]. Economics Letters， 2018， 165： 10-12.
[8] Millimet D L， Tchernis R. Estimation of treatment effects without an exclusion restriction： With an application to the analysis of the school breakfast program[J]. Journal of Applied Econometrics， 2013， 28（6）： 982-1017.
[9] Leuven E， Oosterbeek H. Overeducation and mismatch in the labour market[C]∥ Hanushek E， Machin S， Woessmann L. Handbook of the Economics of Education （Volume 4）. Elsevier， 2011： 283-326.
[10]Carroll D， Tani M. Over-education of recent higher education graduates： New Australian panel evidence[J]. Economics of Education Review， 2013， 32： 207-218.
[11]Carroll D， Tani M. Job search as a determinant of graduate over-education： Evidence from Australia[J]. Education Economics， 2015， 23（5）： 631-644. [12]胥秋. 從過度教育現象看我國高等教育的結構失衡[J]. 高教發展與評估， 2006（1）： 10-13.
[13]李鋒亮， 岳昌君， 侯龍龍. 過度教育與教育的信號功能[J]. 經濟學（季刊）， 2009（2）： 569-582.
[14]Korpi T， Tahlin M. Educational mismatch， wages， and wage growth： Overeducation in Sweden， 1974—2000[J]. Labour Economics， 2009， 16（2）： 183-193.
[15]Mavromaras K， McGuinnes S， O’Leary N， et al. Job mismatches and labour market outcomes： Panel evidence on university graduates[J]. Economic Record， 2013， 89（286）： 382-395.
[16]Kleibrink J. Inept or badly matched？—Effects of educational mismatch in the labor market[J]. Labour， 2016， 30（1）： 88-108.
[17]Montt G. Field-of-sudy mismatch and overqualification： Labour market correlates and their wage penalty[J]. Iza Journal of Labor Economics， 2017， 6（1）： 2-22.
[18]Lamo A， Messina J. Formal education， mismatch and wages after transition： Assessing the impact of unobserved heterogeneity using matching estimators[J]. Economics of Education Review， 2010， 29（6）： 1086-1099.
[19]武向榮. 過度教育的經驗研究——基于對3家企業的調查[J]. 教育與經濟， 2005（2）： 4-8.
[20]Ren W， Miller P W. Changes over time in the return to education in urban China： Conventional and ORU estimates[J]. China Economic Review， 2012， 23（1）： 154-169.
[21]Wu Na， Wang Qunyong. Wage penalty of overeducation： New micro-evidence from China[J]. China Economic Review， 2018， 50： 206-217.
[22]顏敏， 王維國. 教育錯配對工資的懲罰效應——來自中國微觀面板數據的證據[J]. 財經研究， 2018（3）： 84-96.
[23]Duncan G， Hoffmann S. The incidence and wage effects of overeducation[J]. Economics of Education Review， 1981， 1（1）： 75-86.
[24]Li I W， Miller P W. Overeducation and earnings in the Australian graduate labour market： An application of the Vahey model[J]. Education Economics， 2015， 23（1）： 63-83.
轉載注明來源:http://www.hailuomaifang.com/2/view-14871353.htm
