蒙格斯智库：在中国 读重点大学能改变命运吗？

本篇文章2959字，读完约7分钟

专栏简介:《有趣的经济学》是一篇类比国际前沿经济学的论文，由公开发表的芒格斯报告编号。论文通常来自顶级国际学术期刊，如《美国经济评论》(aer)、《计量经济学杂志》(eca)、《政治经济学杂志》(jpe)和《经济学季刊》(qje)。我们希望通过简单易懂的介绍和评论让经济学变得有趣。

介绍

自从1977年恢复高考以来，中国参加高考的人数每年都在增加。高考就像千军万马过独木桥，竞争激烈。被一所重点大学录取，在全世界的父母眼里，是过上平稳生活的唯一途径。然而，被一流大学录取真的对生活有这么大的影响吗？

2017年7月发表在《21世纪中国中心》上的论文讨论了这个问题，作者包括加州大学的薛瑞·贾和斯坦福大学的李洪斌。论文的题目是中国精英教育的价值。

研究人员通过一系列实验测试了一流大学教育对劳动力市场的影响。研究表明，接受一流大学教育的大学生月工资将增长30%-40%，工资溢价主要来自于家长网络和学校声誉的作用，而非人力资本的作用；此外，接受一流的大学教育可以提高代际收入流动性。

本研究使用的数据来自清华大学中国数据中心的中国大学生调查(ccss)，该调查覆盖了中国27个省市，涵盖2010-2015年期间，共进行了六轮调查。

其中，一流大学被定义为211工程或中央直属大学，被调查的90所大学中有26所被定义为一流大学。每年接受调查的大学和大学生人数如下图1所示:

图1每年接受调查的大学和大学生人数

研究人员使用的关键变量如下图2所示:

图2关键变量

采用断点返回的原因

在因果关系分析的实证方法中，最好的选择应该是随机检验，但是随机检验的时间成本和经济成本都比较高。因此，当随机实验不可用时，应考虑其他方法。回归回归法是一种仅次于随机实验的经验方法，它可以利用现实的约束条件有效地分析变量之间的因果关系。

断点识别的一个关键假设是个体不能精确地操纵或控制临界点，并且其他可观察的协变量在断点附近是连续的。因此，研究者首先分析了一级大学入学考试的录取分数对一级大学录取概率的影响，并判断其是否适用断点返回法。

(1)绘图

研究人员选取各省市一级大学文科和理科录取分数作为断点，用ik法(以imbens和kalyanaraman命名)确定最佳带宽，并选取接近最佳带宽的20个点(约占高考总分数的3.3%)作为基准带宽，研究一级大学录取概率在断点前后是否有所跃升。

图3原始数据

图4控制了省、市、年份、艺术和科学的固定效应

从图3和图4可以看出，无论省、市、年份、文理的固定效应是否可控，一级大学录取概率断点前后都有显著差异。

图5使用前一年文科和理科一流大学的录取分数作为断点

图6使用第一年文科和理科一流大学的录取分数作为断点

图5和图6显示了安慰剂测试。研究人员将前一年文科和理科一流大学的录取分数和下一年文科和理科一流大学的录取分数分别作为断点。可以看出，在断点前后，一流大学的录取概率存在显著差异，这再次证实了图3和图4得出的结论。

(2)退货验证

研究人员建立了以下回归模型，以进一步证实上述影响:

Eliteunivi，p，y，tr表示p省文科或理科的个人I是否能被一流大学录取，scorei表示个人I的高考分数，cutp，y，tr表示p省文科或理科的一流大学的录取分数，λp，y，tr表示p省文科或理科的tr的固定效应。选取接近ik方法最佳带宽的20个点作为基准带宽，采用局部线性非参数估计和参数估计两种方法。返回结果如下表所示:

图7局部线性非参数估计和参数估计的返回结果

结果表明，无论采用哪种方法，或省-年-文理、互动项目等的固定效应。高考成绩超过了该省文理科录取分数线以上，被一流大学录取的概率大大提高，成绩显著。

基于上述原因，研究者认为以省级和市级一级大学的录取分数线为断点进行因果识别是没有问题的。

实证研究

(1)一流的大学教育和收入溢价

研究人员建立了以下模型来分析接受一流大学教育的个人收入:

其中，(ln)wagei，p，y，tr代表p省市y年艺术或科学类tr个人I的工资或工资对数，其他变量的含义与前面的等式相同。

返回结果如下图8所示:

图8返回结果

从上图8可以看出，无论是采用局部线性非参数估计还是参数估计，无论是采用简化方程还是两阶段估计方法，一流大学教育对个人收入或收入的对数溢价都是显著正和稳健的。具体来说，与没有受过一流大学教育的人相比，受过一流大学教育的人的月薪将增加30%-40%。

(2)一流大学教育与代际收入流动

代际流动性是指子女收入与其父母收入之间的相关性。研究人员进一步分析了接受一流大学教育和代际收入流动性之间的关系。代际收入流动性有两种衡量方法，一种是将收入分成五等份的方法，另一种是子女收入和父母收入的对数。返回等式设置如下:

其中，childranki、p、y、tr代表孩子的收入五分位数，parentrank代表父母的收入五分位数，β1衡量父母的收入排名和孩子的收入排名之间的差异，其他变量的含义与前面的等式相同。

返回结果如下图9所示:

图9返回结果

从上图9可以看出，接受一流大学教育提高了代际收入流动性，但不能改变父母背景对代际收入流动性的影响。此外，一流的大学教育对第一份工作有显著的正工资溢价。

从以上实证研究可以看出，接受一流大学教育对个人收入有显著的正向影响。研究人员做了进一步的分析，试图找出这种工资溢价的机制。

(1)人力资本理论

研究人员认为，接受一流的大学教育可能会提高个人人力资本的积累。分析结果如下图10所示:

图10人力资本理论假设分析

研究人员使用大学英语四级成绩作为人力资本的代理变量，也研究其他类型的证书考试，如计算机等级、讲座、驾照等。如上图10所示，研究结果表明一流的大学教育对人力资本积累没有显著影响。

(2)社会网络理论

研究人员认为，能接受一流大学教育的人有更好的家庭背景，他们的父母能给他们带来更多的资源，导致工资溢价。分析结果如下图11所示:

图11社会网络理论的假设分析

研究人员使用父母的党员比例或大学教育作为衡量社会网络的方法。从上图11可以看出，接受过一流大学教育的学生的家长党员比例和大学教育比例高于接受过非一流大学教育的学生，对个人工资有显著的正向影响。

(3)信号理论

研究人员假设一流大学的声誉给学生带来了更多的机会，从而导致工资溢价。分析结果如下图12所示:

图12信号理论假设分析

研究者主要从两个方面研究信号理论:找工作的方式和找工作中的歧视。从上图12中，我们可以看到一流大学的声誉吸引了更多的雇主来校园招聘。此外，一流的大学教育不会显著影响求职过程中来自性别、外貌、口音、城乡和户籍的歧视，但接受一流的大学教育会减少学历层次的歧视。

研究人员利用清华大学中国经济与社会数据中心90所大学的40916名大学生2010-2015年的样本数据，采用一流大学的入学分数作为模糊断点识别策略(fuzzy rd)来研究一流大学教育对劳动力市场的影响。

研究发现，接受过一流大学教育的大学生的月工资将比没有接受过一流大学教育的大学生增加30%-40%，工资溢价主要来自于大学相关网络和教育信号的作用，而不是人力资本的作用；此外，接受一流的大学教育可以提高代际收入流动性。