Page 30 - 201902

第 34 卷摇 第 2 期 王韵含, 高文书: 中国劳动力技能回报率到底如何测度?

水平的 61郾 3% 。 假定标准化测试难度相当,说明 倍,这种显著的代际间劳动力素质提升,反映了近
我国河南省的成人劳动力技能水平离 PIAAC 的 年来河南省,通过大力发展教育等途径,在人力资

参与国的平均水平还有一定差距。 本投资上收获了不小的成果。
在表 2 中按年龄段分类时,本文参照 OECD [21] 从表 2 中按性别分类的统计结果来看,女性
的做法,把被试人划分为青年劳动力(16 ~24 岁),成 的计算能力及阅读能力均值略低于男性,而中位
熟劳动力(35 ~54 岁),老年劳动力(55 ~ 65 岁),劳 数二者相当;从按户口分类的统计结果看,农业户
动年龄人口(16 ~65 岁)。 大体上看,两项能力得分 口的计算及阅读能力得分均值和中位数都低于非
都随着年龄增大而有下降趋势;被访者的平均阅读 农业户口。 值得注意的是,根据公安部公布的
得分高于平均计算得分;在所有年龄上,被访者的平 2014 年河南省户籍人口数据,河南省农业人口占
淤
均阅读得分均高于平均计算得分,这些特征与 PI鄄 户籍人口比重为 77郾 56% ,低于本调查中调查样
[21,26] 。 比较不同 本的该项比重 84% 。 考虑到农业户口的平均能
AAC 前两轮调查的结果相符 OECD
代际之间的技能水平,可以有效反映出一个国家在 力得分显著低于非农业人口,调查样本中农业人
[21] 的报告发 口比重偏高可能导致本研究中的能力回报率等估
人力资本积累方面的动态成果。 OECD
现,英国、美国的代际能力得分差异不大,韩国、芬兰 计结果比实际水平偏低。
的代际得分则有很大改善。 英国的老年劳动力阅读 (三)变量设定
得分在列国中排名前三,但青年劳动力阅读得分是 本文主要变量的名称、符号、解释等见表 3。
最低的三个国家之一;美国的老年劳动力计算能力 表 3摇 变量定义表
得分中等,但青年劳动力的计算得分却排名垫底。 变量名称 变量符号 变量解释
反观韩国,是老年劳动力的技能得分排名最低的三 收入 wage 月工资收入
能力 ability 阅读能力及计算能力得分
个国家之一,但青年劳动力的得分排名仅次于日本;
受教育年限 edu 受教育的实际年限
芬兰的老年劳动力得分仅是平均水平,但却与日
年龄 age 受访者的岁数
本、韩国、荷兰共同跻身于青年劳动力得分最高的
性别 gender 男性为 0,女性为 1
国家之列,这一定程度上反映了近年来,韩国、芬 户口 hukou 农业户口为 0,否则为 1
兰在人力资本投资与积累上的追赶效应。 河南省
成人能力调查中,青年劳动力的计算得分和阅读 摇 摇 表 4 对本文关注的除能力以外的主要变量进
行了描述性统计。
得分均值分别为老年劳动力的 1郾 34 倍和 1郾 43
表 4摇 调查样本主要变量描述性统计

变量名称 样本量 均值 标准差 最小值 中位数 最大值
收入 1 199 2 738郾 42 2 097郾 10 1 2 500 28 000
受教育年限 1 926 9郾 27 3郾 66 0 9 22
年龄 1 177 41郾 38 13郾 28 16 44 65
性别 2 313 0郾 46 0郾 50 0 0 1
户口 1 174 0郾 15 0郾 36 0 0 1

摇 摇 (四)模型构建 增加会带来个人能力提升的人力资本理论命题,

本文构建了教育———能力形成率回归方程, 并借鉴相关文献中的研究范式,本文构建了以下
以考察受教育年限对能力形成的影响;构建能力 教育———能力形成率回归方程以量化分析受教育

回报率估算方程以考察能力对收入的影响。 年限对能力提升的影响。
1郾 教育对能力的影响模型 lnability = 琢 + 琢 edu + 琢 age + 琢 age + 啄X + 着
2
i
i
i
i
2
0
1
3
传统人力资本理论认为,教育和培训是劳动 (1)
者提高自身能力,进行人力资本投资的重要途径, 式(1)中,ability 为劳动者的能力变量,用劳
i
大量的研究都证明了该结论。 基于受教育年限的 动者在标准化测试中取得的计算得分和阅读得分
· 2 7 ·