有趣的经济学第期在中国读重点大学能

　　导言
　　自77年恢复高考之后，我国每年参加高考的考生人数不断增加。高考如千军万马过独木桥，竞争激烈。考上重点大学，在天下父母看来，是人生走上坦途的必经之路。但是，考上一流大学真的对人生有这么大影响吗？
　　2017年7月发表于《21世纪中国中心研究》（21stCenturyChinaCenter）的论文对此展开了讨论，其作者包括来自加州大学的RuixueJia和来自斯坦福大学的HongbinLi。论文题目是《中国精英教育的价值》（TheValueofEliteEducationinChina）。
　　研究者通过一系列实验测试了一流大学教育对于劳动力市场的影响。研究表明，接受一流大学教育的大学生的月工资会增加3040，工资溢价主要来自父母的关系网和学校名声的作用而不是人力资本的作用；此外，接受一流大学教育能够改善代际收入流动性。
　　数据选择
　　本研究使用的数据来自清华大学中国经济社会数据中心（ChinaDataCenterofTsinghuaUniversity）的中国大学生调查（ChineseCollegeStudentSurvey，CCSS），数据范围涵盖全国27个省市，时间跨度为20102015年，共计六轮调查。
　　其中，一流大学定义为211工程或者中央政府直接管辖的大学，被调查的90所大学中的26所被定义为一流大学，每年被调查的大学数量和大学生人数如下图1所示：
　　图1每年被调查的大学数量和大学生人数
　　研究者使用的关键变量如下图2所示：
　　图2关键变量
　　采用断点回归的理由
　　在因果关系分析的实证方法中，最优的选择应当为随机试验，但是随机试验的时间成本和经济成本都比较高。因此在随机实验不可得的情况下，需要考虑使用其他方法。断点回归（RegressionDiscontinuity）是仅次于随机实验的能够有效利用现实约束条件分析变量之间因果关系的实证方法。
　　对于断点识别的一个关键假定是个体不能准确地操纵或控制临界点，其他可观测协变量在断点附近连续。因此研究者先对一流大学高考录取分数线对于个体被一流大学录取概率的影响做了分析，判断是否适用于断点回归的方法。
　　（1）画图
　　研究者选取了一流大学每年在各个省市的文理科录取分数线作为断点，通过IK法（以Imbens和Kalyanaraman两个人命名）确定最优带宽，选取接近该最优带宽的20分（约占高考总成绩的3。3）作为基准带宽，研究被一流大学录取概率在断点前后是否存在跳跃。
　　图3原始数据
　　图4控制了省市年份文理科固定效应
　　从图3和图4可以发现，无论是否控制省市年份文理科固定效应，被一流大学录取概率在断点前后存在显著性差别。
　　图5用前一年该省市文理科一流大学录取分数线作为断点
　　图6用下一年该省市文理科一流大学录取分数线作为断点
　　图5和图6展示的是安慰剂检验，研究者分别用前一年该省市文理科一流大学录取分数线和下一年该省市文理科一流大学录取分数线作为断点，可以看出，被一流大学录取概率在断点前后存在显著性差别，再次确认了通过图3和图4得出的结论。
　　（2）回归验证
　　研究者建立了如下回归模型对上述效应做进一步确认：
　　其中，EliteUnivi，p，y，tr表示p省市y年的文科或理科tr个体i能否被一流大学录取，Scorei表示个体i的高考分数，Cutp，y，tr表示p省市y年的文科或者理科tr的一流大学录取分数线，p，y，tr表示p省市y年文科或者理科tr的固定效应。选取接近IK法最优带宽的20分作为基准带宽，采用局部线性非参估计和参数估计两种方法，回归结果如下表所示：
　　图7局部线性非参估计和参数估计两种方法的回归结果
　　结果表明，不论采用哪种方法，还是加入省份年份文理科固定效应、交互项等，高考分数线超过当年在该省市文科或理科录取线以上的考生，被录取到一流大学的概率有很大提升，并且很显著。
　　基于上述理由，研究者认为，用一流大学的省市录取分数线作为断点，在因果识别上没有问题的。
　　实证研究
　　（1）一流大学教育与收入溢价
　　研究者建立了如下模型对接受一流大学教育对于个人收入做了分析：
　　其中，（ln）Wagei，p，y，tr表示p省市y年文科或理科tr的个体i的工资或工资对数，其他变量含义等同于上一个方程。
　　回归结果如下图8所示：
　　图8回归结果
　　由上图8可以看出，不论采用局部线性非参估计还是参数估计，不论采用简约方程还是两阶段估计方法，接受一流大学教育对于个人收入或者收入的对数溢价都是显著为正的，并且很稳健。具体来看，相比于没有接受一流大学教育的大学生，接受一流大学教育的大学生的月工资会增加3040。
　　（2）一流大学教育与代际收入流动性
　　代际流动性是指子女的收入与其父母收入的相关性。研究者进一步分析接受一流大学教育与代际收入流动性的关系，代际收入流动性的测量采用两种方法，一种是对收入进行五等分排序的方法，另外一种是子女收入对数与父母收入对数，回归方程设定如下：
　　其中，ChildRanki，p，y，tr表示子女的收入五等分排序，ParentRank表示父母的收入五等分排序，1度量父母收入排序与子女收入排序的差异性，其他变量含义如同前面方程。
　　回归结果如下图9所示：
　　图9回归结果
　　由上图9可以看出，接受一流大学教育改善了代际收入流动性，但不能改变父母背景对于代际收入流动性的影响。此外，一流大学教育对于个人第一份工作产生显著为正的工资溢价。
　　作用机制研究
　　从上述实证研究可以看出，接受一流大学教育对于个人收入有显著的正效应。研究者又做了进一步分析，试图找出这种工资溢价的作用机制。
　　（1）人力资本理论
　　研究者假设，接受一流大学教育可能会对个人的人力资本积累产生了提升，分析结果如下图10所示：
　　图10人力资本理论假设分析
　　研究者采用大学英语四级考试成绩作为人力资本的代理变量，同时也研究其他类型的证书考试，如计算机等级、注会、驾照等。如上图10所示，研究结果表明，一流大学教育对人力资本积累没有显著性影响。
　　（2）社会网络理论
　　研究者假设，能接受一流大学教育的人有着家境更好的背景，父母能给其带来更多的资源，因而产生了工资溢价。分析结果如下图11所示：
　　图11社会网络理论假设分析
　　研究者采用以父母的党员比率或者大学学历比率作为测量社会网络的方法，从上图11可以看出：接受一流大学教育个体的同学父母党员比率和大学学历比率比接受非一流大学教育个体的同学的父母党员比率和大学学历比率高，而且对个体工资有显著正向的影响。
　　（3）信号理论
　　研究者假设，一流大学名声在外，使其给学生带来了更多的机会，因而产生了工资溢价。分析结果如下图12所示：
　　图12信号理论假设分析
　　研究者主要从求职途径和找工作受到的歧视两个方面研究信号理论，从上图12可以看出：一流大学的声誉吸引更多的雇主进行校园招聘。此外，一流大学教育并不会显著性影响找工作过程中受到来自性别、外貌、口音、城乡和户籍的歧视，但是接受一流大学教育会减少学历等级歧视。
　　研究结论
　　研究者利用清华大学中国经济社会数据中心20102015年中国大学生调查（CCSS）的90所大学40916个大学生样本数据，采用一流大学的高考录取分数线作为模糊断点识别策略（FuzzyRD），研究一流大学教育对于劳动力市场的影响。
　　研究发现，相比于没有接受一流大学教育的大学生，接受一流大学教育的大学生的月工资会增加3040，工资溢价主要来自与大学相关的关系网和教育信号的作用而不是人力资本的作用；此外，接受一流大学教育能够改善代际收入流动性。