教育的财富异质性回报分析
摘要：采用CHIPS 1995年和2002年、CFPS 2010年的微观数据，研究全国财富不平等变动情况，估计教育的财富异质性回报。结果发现：个人教育水平对于财富的正向影响大于对于收入的影响。异质性分析结果表明，教育回报率在城乡之间和调查年份之间都存在异质性。分位数回归的结果表明，教育对财富和收入的影响存在非线性关系，教育信号对于低财富人群有更大影响。因此，政府应该加大对于农村和低财富人群的教育投入，以缓解我国财富差距。
关键词：教育;财富不平等;收入不平等;基尼系数
中图分类号：D14;D31 文献标识码：A 文章编号：1007-2101（2019）02-0013-08
一、引言
改革开放后，特别是社会主义市场经济体制确立后，国家鼓励私有产权激发了市场活力，也促进了经济发展。个人可以通过自身努力，将自身的人力资本转换为个人收入和财富。由于个体之间能力和禀赋的差异，其所得到的经济回报也有不同，居民之间必然存在财富和收入的差距和不平等。教育通过改变个人的人力资本，进而影响个人在劳动力市场上的物质性回报和非物质性回报，并且教育也可以通过扩宽个体的投资渠道和投资回报率来影响财產性收入和个人财富[1]。因此，教育对于财富和收入具有直接和间接的影响。那么，在市场化进程逐步推进的过程中，我国1990年代至今的财富和收入不平等变化趋势是什么？教育如何影响财富和收入不平等程度？这个问题的回答对于我国收入分配改革和国家教育政策制定都有重要意义。
目前关于我国财富不平等程度影响机制的研究，部分是从住房的私有化进程（特别是住房体制改革）的角度进行分析。1990年代中后期，我国住房体制改革毫无疑问增加了农村财富，但是也显著扩大了城市和农村地区的财富不平等[2]。比如，Porter和Park（2012）研究了住房改革和中国住房市场的代际转移和老年人的幸福度，认为我国1990年代的住房体制改革把房产从单位分给居民，这个不可预期的意外所得随着房产价格的增长，显著影响了财产持有量和被影响的城市居民财富[3]。同时，也有学者对遗产机制和家庭财富杠杆等因素进行分析。比如，吴卫星等（2016）研究了家庭财务杠杆因素对于不同家庭之间财富差距的影响，发现财富杠杆促使富裕家庭的财富增长更快，这最终导致了家庭财富差距的扩大[4]。另外，部分研究从代际人力资本转移进行了分析。相关研究认为，人力资本从父母到子女的转移是家户财富和收入能力的非常重要的机制[5]。Saez and Zucman（2016）认为，财富不平等的增长是由于高收入人群与储蓄不平等的增长[6]。Lusardi等（2017）认为金融知识是一个关键的决定因素，金融知识使得个人能够更好地分配一生的资源，并且退休财富不平等的30%至40%是由财务知识造成的[7]。
本文采用CHIPS 1995年和2002年、CFPS 2010年的微观数据，分析教育对于个人财富和个人收入的影响。与以往文献相比，本文主要有以下三点边际贡献。第一，以往研究主要采用单年份或者两个年份的数据[8-10]，本文的研究时间是1995年、2002年和2010年，时间跨度大于现有研究，可以对我国1990年代至今的不平等状况进行更为详细的梳理和对比分析，从而研究结果更具有代表性。第二，McKinley（1993）侧重于农村样本[8]，Park and Shen（2015）侧重于45岁以上样本[9]，而本文不仅分析城镇和农村样本，并且户主的年龄没有限制。第三，以往对于我国财富不平等产生原因的分析主要侧重于住房体制改革的影响分析，虽然1990年代的住房体制改革对于我国的影响非常大，但是住房私有化改革主要影响在事业单位工作的家庭，对其他家庭的影响相对小。因此，本文从教育的角度分析财富不平等和收入不平等产生的原因，这对于不平等的文献是有益的补充。
二、数据处理方法和变量定义
（一）数据来源
本文分别采用中国家庭收入调查（China Household Income Projects，CHIPS）的1995年和2002年数据以及中国家庭追踪调查（China Family Panel Studies，CFPS）的2010年数据。采用CFPS 2010数据而不采用CHIPS 2013数据，主要有以下两个原因。第一，由于CHIPS 2013的对外公布数据中缺失了房屋价值的变量1，而这个变量在家户的财富中占比非常高，根据Knight和Li（2016）采用CHIPS 2013的研究结果，在全国层面，家户的房屋价值占家户总财富的71.1%[10]。如果采用缺失房产财富的调查数据，计算和估计结果的偏误会非常大。第二，虽然两个调查的省份有差异，但是在调查方法和财富与收入变量的定义方面，CFPS与CHIPS调查几乎完全一致。因此，为了更加精确地估计家户财富水平，参照Li和Wan（2015）的方法[11]，本文采用CFPS 2010年数据对我国2010年家户财富水平进行测度。
虽然CHIPS 2013的对外公布数据中不包含房屋价值的变量，但是CHIPS 2013的全样本和全变量中应该是包含房屋价值的数据。比如Knight和Li（2016）采用CHIPS 2013的数据对我国的家户财富水平进行了测度，其中就包含家户房产的数据。
（二）财富变量的定义和处理方法
本文将财富定义为家户拥有的所有净资产的当前市场价值，这与Piketty等（2017）的定义一致[12]。因此，由于相比较于非人力资本财富，人力资本不能在市场上售卖，本文的财富概念不包含人力资本。另外，本文采用Knight and Li（2016）的方法[10]，把家户的财产分为以下七类。
第一，净房屋价值等于房屋价值减去房屋负债。（1）对于那些报告了房屋面积，但是没有报告房屋价值的样本，本文先计算得到该县或者市的平均房屋价格，然后通过“该地区平均房屋价格*房屋面积”的方程来对房屋总价值进行估算。需要说明的是，虽然这种方法可以解决房屋价值的缺失值问题，但是由于把缺失值用平均值替代，那么样本的波动性就会降低，从而会低估财富的基尼系数。（2）对于没有房屋所有权，但是报告了房屋面积和房屋价值的样本，我们设定其房屋价值为0。（3）在CFPS调查样本中，对于共有房屋产权的样本，借鉴Knight和Li（2016）的方法[10]，本文认为家户具有50%的产权对其房屋价值进行估算。（4）对于2002年和2010年的调查数据中，房屋每平米价格高于100 000元或者低于10元的样本，采用该县或者市的平均房屋价格对其房屋价值进行重新估算。