Page 32 - 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?

表 6摇 教育对能力形成影响的普通最小二乘法回归结果

计算得分的对数形式 阅读得分的对数形式
变量
(1) (2) (3) (4) (5) (6)
*** *** *** *** *** **
0郾 037 5 0郾 032 8 0郾 035 6 0郾 034 9 0郾 022 2 0郾 023 2
受教育年限
(0郾 01) (0郾 01) (0郾 01) (0郾 01) (0郾 01) (0郾 01)
0郾 013 2 0郾 014 6 0郾 015 7 0郾 016 0
年龄
(0郾 01) (0郾 01) (0郾 01) (0郾 01)
- 0郾 000 226 - 0郾 000 240 - 0郾 000 315 * - 0郾 000 319 *
年龄的平方
(0郾 00) (0郾 00) (0郾 00) (0郾 00)
- 0郾 025 3 0郾 002 74
性别
(0郾 05) (0郾 05)
- 0郾 059 7 - 0郾 019 4
户口
(0郾 08) (0郾 08)
4郾 522 *** 4郾 428 *** 4郾 391 *** 4郾 842 *** 4郾 888 *** 4郾 872 ***
常数项
(0郾 07) (0郾 29) (0郾 29) (0郾 08) (0郾 28) (0郾 30)
观测数 791 779 776 720 708 706
2
调整后 R 0郾 035 0郾 042 0郾 041 0郾 030 0郾 057 0郾 055
F 值 30郾 810 12郾 830 7郾 878 21郾 040 12郾 390 7郾 568

摇 摇 注: *** ** *
、 、 分别表示在 1% 、5% 和 10% 水平上显著;括号中为稳健的标准误。
读得分的对数形式衡量的个人能力,琢 的估计值 表 7摇 教育对能力形成影响的工具变量法回归结果
1
均显著。 从模型 3 及模型 6 可知,在控制了年龄、 计算得分的 阅读得分的
性别、户口等影响因素后,受教育年限每增加一 变量 对数形式 对数形式
年,个人计算得分提高 3郾 56% ,个人阅读得分提 (1) (2)
高 2郾 32% ,受教育年限对个人计算能力的边际改 0郾 140 *** 0郾 0781 **
父亲的受教育年限
善效应比对阅读能力的大。 (0郾 031 2) (0郾 030 9)
摇 摇 在教育———能力形成率估计方程中,由于受 0郾 042 3 *** 0郾 033 4 **
年龄
教育年限与能力之间存在一定程度上的互为因果 (0郾 016 3) (0郾 015 8)
关系,为了尽可能减少方程的内生性问题,尝试采 ** **
- 0郾 000 440 - 0郾 000 453
用工具变量法对该方程进行重新估计,考虑到父 年龄的平方 (0郾 000 185) (0郾 000 183)
亲的受教育年限可通过家庭教育影响子女的受教
0郾 010 2 0郾 004 09
育年限,且父亲的受教育年限与方程中的其他自 性别
(0郾 057 4) (0郾 055 0)
变量不相关,所以本文选择父亲的受教育年限作
- 0郾 431 *** - 0郾 239
为受教育年限的工具变量,进行二阶段最小二乘 户口
(0郾 141) (0郾 151)
回归。 表 7 的二阶段估计结果显示,在控制了年
2郾 723 *** 3郾 946 ***
龄、性别、户口等影响因素后,受教育年限每增加 常数项
(0郾 562) (0郾 534)
一年,个人计算得分提高 14% ,个人阅读得分提
观测数 764 701
高 7郾 81% ,高于普通最小二乘法下的估计结果
C鄄D Wald F 值 64郾 242 52郾 812
3郾 56% 和 2郾 32% 。 此外,表中还汇报了 C鄄D Wald
F 值和 Hausman 检验 p 值来检验工具变量法的评 Hausman 检验 p 值 0郾 000 0郾 078
估效果,第一阶段 C鄄D Wald F 值均超过了经验门 摇 摇 注: *** ** *
、 、 分别表示在 1% 、5% 和 10% 水平上显
槛值,即拒绝弱工具变量假设,Hausman 检验结果 著;括号中为稳健的标准误。

· 2 9 ·