选择中职教育能获得更高的教育收益吗？

摘 要：《中华人民共和国职业教育法》明确了职业教育是一种与普通教育具有同等重要地位的教育类型，中等职业教育与普通高中教育的收益率问题引发关注。本研究基于CLDS2016数据库，使用最小二乘法（OLS）和倾向得分匹配（PSM）方法，分析中等职业教育与普通高中教育的收益率差别。研究发现，在劳动力市场中，最高学历为高中教育的劳动者群体中，中职教育的收益率显著高于普通高中教育，高等教育扩招后中职教育收益率优势不断弱化，男性接受中等职业教育的教育收益率优势高于女性。据此提出以下建议：完善职教高考制度，加强职业院校品牌建设；拓宽职业教育服务对象，实现劳动人口再技能化；多主体协作共进，积极缓解行业就业歧视。

关键词：中职教育；教育收益率；倾向得分匹配方法；普通高中；教育成本

中图分类号：G718

文献标识码：A 文章编号：1674-7615（2023）06-0023-11

DOI：10.15958/j.cnki.jywhlt.2023.06.003

一、问题提出

2022年，我国中等职业教育在校生规模1 339.29万，占高中阶段在读学生总数的33.04%，已成为中等教育阶段的重要支撑力量［1］。新修订的《中华人民共和国职业教育法》提出，统筹推进职业教育与普通教育协调发展，这一从“分流”“分类”再到“协调”的定位调整，标志着学生进入中职教育后，能获得更多样化的成长成才空间［2，3］。尽管国家法律层面对中职教育的未来发展进行了新的部署，但要切实转变普通民众的观念，仍然任重而道远。其中关键困难之一就在于如何引导个体改变将中职教育作为“无奈之举”“次优选择”的观念，这种观念实际上是在考虑就读中职教育究竟“值不值得”［4］。“值不值得”本质上是个人对于不同教育类型预期收益率的考量。舒尔茨认为，由于人力资本投资活动难以界定是投资还是消费，导致难以像实物资本一样对其进行全面估计，因此，人们经常在狭义上使用机会成本及其价值来衡量人力资本投资成本，使用工资和利润作为回报的衡量标准［5］。事实上，对成本和收益的权衡也普遍存在于学生中等职业教育“值不值得”的考量中。从收益的角度看，为了能在劳动力市场上获得更多收入，个人通过教育投资和培训等手段提高个人生产力水平，从而获取更高的人力资本价值，而选择进入哪种通道，进行教育投资的偏好就建立在对预期收益率估计的基础上［6，7］。从教育成本角度出发，两种教育类型的投入成本没有太大差异。数据显示，全国中等职业生人均教育经费平均为50 808.98元，个人负担为25 412.26元，占比50%；普通高中生均教育经费46 013.61元，个人负担为29 909.76元，占比65%［8］。在成本差异不大的情况下，收益率成为学生和家庭进行教育决策的重要依据。那么，两种通道的教育收益率有何区别？本研究力图从较长时间周期入手，分析中职教育与普通高中教育的收益率水平及其变化趋势，旨在揭示教育收益率对教育选择的影响机制，并探讨在普职融通这一宏观环境下，中等职业教育的收益率问题。

二、文献回顾与研究假设

自人力资本理论面世以来，关于教育与个人收益关系的讨论从未停止，已有许多研究者开始关注不同教育类型的收益率差异。在职业教育入口端，部分研究关注了进入职业教育通道的人群特征。有研究发现，学习能力较低、家庭背景较弱的学生更愿意选择职业教育［9］；也有研究认为，职业教育对于学习能力较低的人而言是一个理性选择，因为其直接面向就业从而可以更快产生收益［10，11］；但高等教育扩招后，随着中国经济结构的转型升级，缺乏通识知识、学历水平较低的人群更容易进入低端劳动力市场、获得更低的回报，职业教育的优势会逐渐弱化［7，12］。在职业教育出口端，学生未来就业收入是研究者的主要关注点。对职业教育收益率的研究存在两种相对立的观点，持职业教育优势论的学者发现，中等职业学历所带来的个人收入增加要高于普通高中，甚至接近大学专科学历［13］；布鲁内罗（Brunello）和罗科（Rocco）以17个OECD发达国家为研究对象，发现相对于普通高中，职业高中有一些优势。随着研究的深入，更细致的研究关注到了学业表现和性别的差异影响，如郭（Guo.D）发现，我国学业成绩表现较差学生的职业教育收益率（11.60%）高于普通高中收益率（8.20%），并且这一差异在女性群体中更为显著［14］。苏丽锋等的研究还发现，尽管女性比男性受教育意愿更强，但女性比男性更容易拘于现实做出选择，更容易接受中职教育［15］。相反，另一种观点则认为职业教育在收益率上并不存在优势。例如，王奕俊等基于CFPS2010、2012和2014年的数据对比发现，中职收益率与普通高中没有显著差异［11］；魏万青、白芸发现在“80后”群体中，相对于普高组，职高组在市场回报的三个方面（职业声望、职业社会经济地位指数与收入）均无优势［16］；1999年高等教育扩招后，职业教育吸引力有所降低［17］。可见，学生在高中阶段选择职业教育是否有助于学生取得更好的职业收益尚存争议。产生争议的原因有三方面：首先，不同国家和地区经济发展、社会发展及教育体制的不同导致了职业教育收益率差异；其次，不同研究对于收入的统计口径不一致，有些研究将保险、医疗等非现金收益也纳入收入范围进行考察；最后，国内目前关于职业教育收益率的实证分析大多采用简单的控制变量，缺少严格的实验设计或者准实验设计，样本选择性问题导致中职教育和普通高中教育收益率对比的结果不严谨［14］。

综上，本研究采用倾向性得分匹配的方法模拟准实验的条件，对中职教育和普通高中教育收益率进行比较，考虑不同时期、不同性别的收益率差别，提出以下三条假设：

假设1：相对于普通高中，中职教育收益率存在显著优势。

假设2：1980年前出生人群的中职教育收益高于1980年后出生人群。

假设3：男性中职教育收益率高于女性。

三、研究设计

（一）数据来源

本研究的数据来自于中山大学社会科学调查中心开展的2016年中国劳动力动态调查（China Labor-force Dynamic Survey，以下简称CLDS）。该调查对我国城乡以村、居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查。目前，CLDS已完成2011年广东省试调查、2012年全国基线调查及2014、2016、2018年追踪调查。样本覆盖我国29个省市，调查对象为样本家庭户中的全部劳动力（年龄为15至64岁的家庭成员），共有村居问卷、家庭问卷和劳动力个体问卷三种主体问卷类型。其中，劳动力个体问卷回收16 537份，劳动力个体数据涵盖个人教育经历、家庭情况、收入情况等。研究者对原始数据进行以下处理：（1）从成人数据库中筛选出最高学历为高中且毕业的子样本，并从中剔除掉成人教育，仅保留普通高中和中职教育（含职业高中、普通中专和技工学校等三类）样本；（2）选取年龄在18—60岁之间的样本；（3）保留“有工作”且工作类型为“非农受雇”的样本；（4）为控制异常值的影响，剔除年工作总收入低于1 000元以及超过50万元的样本。最终得到有效样本2 021份，其中普通高中教育1 297份，中职教育724份。

（二）研究方法

1.模型设定

明瑟收益方程可以研究教育与个人收益的关系问题，是教育经济学中测算教育收益率的一种重要方法，因此本研究以明瑟收益方程为指导。其中，代表收入，取其对数值作为因变量，Edutype是个人所受教育类型的虚拟变量（经典明瑟回归方程为受教育年限或层级），Exp代表个人工作年限，Exp2为其平方值，为随机误差项，为对应的系数。方程具体形式如下：

lnW=β0+β1edutype+β2exp+β3exp2+u

由于除了受教育类型和工作经验会影响工作收入，个人能力、家庭经济背景、家庭文化背景等因素都会对教育的选择和收入产生影响，本研究加入个人因素、家庭因素控制变量。其中未加入的其他控制变量，为对应的系数。使用PSM方法进行匹配时，选择的匹配变量与扩展明瑟方程中的变量一致。扩展的明瑟收益方程如下：

2.计量处理

本研究使用Stata软件进行数据处理，分析策略主要基于两步：第一步是最小二乘法（OLS）回归分析，估计不同类型教育的教育收益率差异；第二步是采用倾向值匹配 （Propensity Score Matching，PSM）方法估计中职组与普高组的市场回报差异，使用此方法能避免由职高组与普高组的样本选择性问题导致的估计偏误。理想状态下通过随机分组可以解决该选择性问题，但在现实情况下，本文的选择偏差是由于中职组与普高组的初始条件不完全相同导致。因此，匹配估计量的基本思路是：假设个体i属于处理组（本文为普通高中教育），可以找到属于控制组（本文为中职）的某个个体j，i与j的可测变量取值尽可能匹配，则认为i和j具有可比性，可以将j的收入结果yj看作个体i经过处理前的收入估计量：yj≈-0i，因此将看作对个体i处理效应的度量。对每个个体都进行如此匹配，就可以得到平均处理效应（ATT）。在操作细节上，采用“最近邻匹配法”，由于Stata的psmatch2命令并不汇报标准误，采用Bootstrap法自助估计标准误，重复抽样500次，保证了结果的稳健性。

（三）变量解释与描述性统计

1.被解释变量

本研究采用个人年工作总收入的对数（lnW）作为因变量，总收入包含个人名下的各项收入，包括工资性收入和从各种渠道获得的补贴、津贴。

2.解释变量

根据研究设计，解释变量为教育类型（edutype）、工作经验及其平方值（exp&exp2）。在教育类型上，CLDS2016的统计中将中职教育分为职业高中、中专和技校三种细分类型，本文将其均统计为中职教育，采用虚拟变量表示（普通高中教育=1，中职教育=0）。如果教育类型变量参数显著为负，则说明普通高中教育相对于中职教育处于劣势状态；如果教育类型变量参数显著为正，则说明普通高中收益率比中职教育收益率更高。由于CLDS2016没有直接统计受访对象的工作年限，另一解释变量工作经验及其平方值（exp&exp2）需要通过估计得来，具体方法为：假设所有样本6岁上学，到高中毕业接受12年教育，并在18岁毕业，因此用“2015（调查时间）—出生年份—18”作为其工作年限，这种处理方式虽然不精确，但是简单易行并且具有一定合理性，符合我国实际情况。再次，在控制变量方面，基本的个人控制变量有性别（男=1，女=0）、户口（农业户口=1，非农户口=0）、婚姻状况（未婚=1，已婚=0）。由于家庭背景会影响个人的学业成就［18］，家庭情况也会影响个人的职业收入以及教育选择［19］，因此，以家庭文化背景作为家庭背景的代表变量，选择父亲受教育年限与母亲受教育年限之和作为家庭因素的控制变量（见表1）。

四、实证结果

（一）OLS估计结果

相对于普通高中，参与中职教育群体能获得更高收益。中职教育相对于普通高中的收益率回归分析见表2。模型1为针对假设1进行的检验，调整后的R2为0.101，表示所选择的自变量解释了10.1%的因变量收入信息，且多数系数通过了显著性检验。结果显示，在控制了性别、户口、婚姻、父母受教育年限等变量之后，教育类型的系数显著为负，普通高中教育收益率为-14.1%，说明若以中职教育作为基准类别，中职教育群体相对于普通高中教育群体的收益率有显著优势。可见从就业的市场回报来看，中职学生的收入并不低于普通高中学生。这是因为中等职业学校的教学目的是为未来就业做准备，而普通高中的教育内容主要为了高考升学做准备，并不直接面向就业，对于那些因高考失利等原因没有继续进入大学学习而是走向劳动力市场的人群而言，普通高中教育经历不能成为求职优势，拥有职业技能的学生反而能在短时间内就业，对劳动力市场的适应性更强，因而教育收益率也更高。