Page 84 - 《社会》2016年第3期

中国高学历劳动者的教育匹配与收入回报

人力资本、劳动力市场四大方面的因素。方法 ２ 在设定上较为保守，只
包括被访者进入劳动力市场之前的家庭背景、学校出身、人力资本三大
方面的因素。方法 ３ 则是在模型 ２ 的基础上再加入（标准化）高考分数
这个能力代理变量。
模型 １ 的结果显示，劳动力市场的一些结构性因素———例如部门、
职业和地区———会影响到高学历劳动者发生过度教育的概率。具体来
说，国有企业和私有企业发生过度教育的概率有低于机关事业单位的
倾向（回归系数为负，但不显著）；专业技术人员比一般工作人员发生过
度教育的概率显著更低（系数为 －１．４４４ ）；城市地区和北京地区发生过
度教育的概率也有较低的倾向（回归系数为负，但不显著）。如果将教
育匹配视为人力资源配置状况的一个缩影，则上述发现意味着我国高
素质劳动力市场的资源配置并不均匀，市场化、专业化程度高的部门以
及大城市的人力资源配置效率较高，这在一定程度上解释了为何成就
动机较强的大学毕业生更愿意进入这些就业领域。
模型 ２ 与模型 ３ 的结果十分相似。在人力资本因素中，党员比非
党员发生过度教育的概率显著更低（系数 －０．４６７ 和 －０．５０３ ）。在家
庭背景因素中，只有父母最高学历对过度教育的发生概率具有显著影
响，而出生户籍、家庭年收入和家庭所在地均没有显著影响。与父母最
高学历为初中的人相比，父母一方至少为大专毕业的人发生过度教育
的几率（ 狅犱犱狊 ）会低约 ５０％ （ １犲 －０．７３９ ＝０．５２２４ ， １犲 －０．７７６ ＝０．５３９８ ）。就
学校出身而言，大学层次越低的毕业生发生过度教育的概率越高。与
非“ ２１１ ”大学毕 业 生 相 比，“ ２１１ ”大 学毕 业生 发生 过度 教育的 几率 低
４５．４５％ （ １犲 －０．６０６ ＝０．４５４５ ），而北京大学、清华大学与中国人民大学
这三所精英大学的毕业生更低 ６６．３８％ （ １犲 －１．０９０ ＝０．６６３８ ）。但是，当
引入高考分数变量之后，学校层次的影响不再显著，而高考分数越高的
大学毕业生发生过度教育的概率显著越低（系数 －０．２９２ ），因此，学校
的影响可能来自于学生自身的分流或筛选过程。这些发现共同意味
着，人力资本较低、家庭背景和学校出身较差、个人能力较弱的大学毕
业生更有可能发生过度教育，正如人力资本论的拥趸所说，过度教育确
实具有负向选择性。
因此，要正确估计过度教育对收入回报的影响效应，必须考虑这种
选择性问题。如所前述，本研究依次使用贪婪匹配、最佳成对匹配和最

· ７ ７ ·