本站小編為你精心準備了技工和教育收益率分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

本文的數據來自中央財經大學經濟學院社會調研團隊于2011年8月和11月在山東5市與河北3市的實地調研與問卷調查，調研隊以隨機抽樣為原則，共發放問卷1300份，回收1102份，回收率為84.77%；其中有效問卷966份，有效率為87.66%。根據調查對象就業特征的不同可將全樣本劃分為兩類———技術工人（山東五市企業回收的336份有效問卷，其中技術工人294份，企業管理人員42份）與會計師（河北三市回收的672份）。本次問卷調查的一個特點是，有關收入的問題并不是采用讓調查者填寫具體數值的方法，而是讓其選擇數值區間。之所以采用這種方式，首先是因為大部分技術工人在計算工資時采用的是計件工資，無統一的工資標準；其次是為了讓被調查者更愿意填寫，從而使他們關于收入的問題回答更接近真實，以減少由度量誤差帶來的偏差（Juster&Smith），1997）。各解釋變量的描述性統計如表3所示。

由于本文采用的收入數據并不是具體的數值，而是有序的區間數據，因此，下文選取區間回歸模型對教育收益率進行估計。在使用區間回歸模型時，本文根據問卷對工資區間的劃分，選取兩個變量對因變量的上限與下限進行定義：當年工資處于閉區間時，則因變量的取值就是該區間的上下限；如果年工資處于大于72000元的開區間，則定義因變量的區間下限為72000，上限為+∞。在此基礎上，使用極大似然方法對參數進行估計。各收入組的分布如圖1所示（總樣本的工資均值為3316.87元，技工樣本為2544.90元，會計師樣本為3654.61元）。

一、結果及相關分析

1.平均教育收益率的估計。本部分首先采用上文提及的估計方法，根據就業群體的不同，選取全樣本、技工樣本與會計工作者樣本對式（2）的參數進行了估計。回歸結果說明以下問題：（1）擬合情況的數據說明，三個模型均通過了顯著性檢驗，并且不存在異方差等問題。系數估計值的顯著情況說明，除工作經驗、工作經驗的平方、專業知識對工作幫助以外，其余自變量在三個模型中均顯著；此外，表示教育類型的虛擬變量在全樣本估計中的系數通過了顯著性檢驗，說明分別估計兩類工作群體的教育收益率是有必要的。（2）三個樣本的回歸結果中，以會計工作者為主的樣本的教育收益率最高，以技術工人為主的樣本的教育收益率最低，該結果不但說明不同就業群體之間的教育收益率存在一定差距，而且反映出接受職業教育并不能夠使技術工人獲得相對較高的收益。（3）控制變量的系數說明：①女性獲得的工資收入少于男性，在技工樣本中，女性與男性在工資收入的差距最大，達到25%左右；②盡管多數勞動力認為專業知識對工作比較有幫助，但是這種幫助并不能夠帶來工資收入的提高；③專業與職業的匹配程度與工資收入呈現正相關，說明專業對口程度與個人工資收入聯系緊密，這也在一定程度上驗證了篩選理論；④專業與職業不匹配對技術工人收入的影響最小，本文認為，這是由于職業教育的特色是注重技能的培養，與生產中的崗位聯系更加緊密；⑤教育類型的虛擬變量說明，接受職業教育的勞動力所獲收入明顯低于接受普通教育的勞動者，在技工短缺的背景下，該現象說明技術工人與會計師明顯處于兩個不同的勞動力市場，造成這種勞動力市場分割的原因，表面上看是職業與部門的不同，實質上是由于教育類型的不同，在就業之前就已劃定；⑥技術工人樣本的回歸結果中，技工等級虛擬變量的系數說明，技術工人的收入水平與其掌握的技能水平有著明顯的正相關關系。（4）從總體趨勢看，三個樣本的教育收益率估計系數都在添加控制變量（性別、勞動力市場分割與技工等級）后下降，但控制變量對不同樣本教育收益率估計系數的影響并不相同。表5是三個樣本在添加控制變量后的教育收益率變化情況。通過表5可以看出：添加控制變量之后，全樣本回歸中教育收益率的估計系數由11.88%下降至7.49%，增加一年教育對工資收入的增長效應下降了4.39個百分點，會計師樣本的降幅為1.54%，技工樣本受到的影響相對較小，為0.48%。可見，性別與教育類型不同對兩類就業群體的教育收益率有顯著影響：在職業教育對應的勞動市場中，由于專業對口性強，使勞動力易于就業，但在就業后需要花費較長時間積累工作經驗，只有在經驗與技術積累到一定程度，才能使工資出現較大程度的提升；相對而言，普通高等教育對應的勞動力市場中，專業對口性較低，以本次調研為例，會計工作者樣本中認為專業與職業完全對口的僅占不到50%。因此，發揮個人能力，彌補專業與職業之間的“隔閡”，是造成上述高等教育收益率降低的重要原因，也是造成我國大學畢業生結構性失業的主要原因。

2.不同學歷層次教育收益率的估計。在平均教育收益率測算的基礎上，本文對式（3）進行估計（以初中學歷作為參照組），得到高中、大專、本科、研究生及以上虛擬變量的估計值，之后將結果代入式（4）計算，以得出接受不同層級的教育對勞動者的回報情況。回歸結果如表6所示。通過對分級教育收益率的計算（控制變量作用下）可以看出：（1）在高校擴招的大環境下，本科教育的收益率已明顯減低，多接受一年本科教育的收益率僅為2.45%；而多接受一年研究生教育相對于高中的收益率則為6.03%，該結果在一定程度上與何亦名（2009）關于我國高等教育收益率下降的結論相吻合。（2）技術工人接受大專教育的收益率為4.17%，不僅高于依據全樣本估計結果計算得出的3.26%，也高于本科教育收益率。上述結果說明：①盡管技術工人群體的教育收益率最低，但是技術工人接受高等職業教育（大專是職業教育體系中最高學歷）的收益率卻相對較高（僅低于研究生教育收益率）；②造成技術工人教育收益率與薪酬偏低的原因在于該群體所接受的教育不足。本文認為，造成這種情況的原因有四方面：一是1999年以來的本科教育擴招，擴大了普通教育規模，而相對壓縮了職業教育的發展空間。二是長期以來對職業教育的重視不足，根據表3的統計結果，從受教育年限看，技術工人樣本的平均受教育年限為13.39年，未能完成大專教育；從完成各級教育的比重看，完成大專教育的比重不足53%，而會計師樣本中完成本科以上教育的比重超過90%；三是技術工人不僅收入較低，社會地位也較低。根據本次調研的統計，近60%的技術工人認為該職業在社會處于弱勢地位；近70%的技術工人表示，不愿讓子女繼續從事同樣的工作。四是技術工人需要較長的工作時間積累經驗與技能。據調研組在企業獲取的訪談資料，中專技校畢業后走上崗位的技術工人至少需要經過半年的學徒工培訓，才能適應崗位的技術要求，并且需要3年~5年的時間才能具備高級工的技術水平；此外，調查問卷的統計說明，近68%的技術工人認為由初級工晉升到高級技師有難度。由此可見，中專技校對技術工人勞動能力的培養并不能夠滿足工作崗位的需要，完成大專階段的教育能夠使其獲得更高的勞動技能，因此提高了技術工人群體在該階段教育的收益率。

二、結論與建議

通過對不同就業群體教育收益率的計算，本文得出以下結論：第一，技術工人群體的教育收益率偏低，但從分級教育收益率角度分析，我國本科教育的收益率已處于較低的水平，技術工人在大專教育的收益率要高于本科教育收益率；第二，控制變量的系數估計說明，我國現有的教育類型導致我國勞動力市場出現分割，這種分割的現狀則通過職業教育與高等教育畢業生所從事的職業表現出來；第三，專業與職業的匹配程度對教育收益率有較為顯著的影響，但是對技術工人的影響相對較小，這是由于技術工人群體所學專業與職業的匹配程度較高所致。第四，隨著技術工人掌握技能水平的逐步增加，其收入也將不斷提升。就政策含義來說，首先應繼續加強和改善職業教育，特別是高等職業教育；強化本科教育中應用型人才培養的專業與職業的對應性，同時，強化專業基礎教育，拓寬學生的職業適應性；其次，通過市場供求機制和工資指導價位等提高技術工人，特別是高級技師的勞動報酬；增加一般性培訓的社會機構，并通過政策引導、宣傳示范等加強企業進行特殊培訓的積極性、自覺性。再次，通過發揮政府的指導作用規范勞動力市場建設：教育機構應注重提高培養學生的綜合素質和能力，相關政府部門和社會團體應規范、修訂、監督執行職業資格制度、職業技能等級、專業職稱等級，協調教育機構的專業與職業技能之間的匹配關系。

作者：趙錚蔣選李丕毅單位：中央財經大學經濟學院