本科毕业生专业-工作匹配与工资溢价--基于Shift-share工具变量的估计.pdf

第2 1卷第1期2 0 2 3年1月北京大学教育评论P e k i n g U n i v e r s i t y E d u c a t i o n R e v i e wV o l.2 1,N o.1J a n u a r y 2 0 2 3本科毕业生专业工作匹配与工资溢价 基于S h i f t-s h a r e工具变量的估计杨素红 叶晓阳(中央财经大学 政府管理学院,北京1 0 0 0 8 1)(布朗大学 安纳伯格学校改革研究所,普罗维斯登0 2 9 1 2)摘 要 当前我国本科毕业生专业工作不匹配现象较为普遍,这不利于实现高质量就业,而就业质量又是高等教育结构调整的主要依据之一,深入剖析不同类型高校和专业毕业生就业匹配对工资收入的异质性影响及其作用机制具有重要的现实意义。已有关于专业工作匹配影响工资收入的研究大多忽视了专业工作匹配选择的内生性问题,没有采用因果推断解决内生性问题的相关结论可能有偏甚至是错误的,识别因果效应是助推专业工作匹配研究的关键步骤。本文基于江苏省2 0 1 42 0 1 8届全体本科毕业生就业派遣数据和大规模就业调查数据,利用S h i f t-s h a r e工具变量估计专业工作匹配的工资溢价效应。平均来讲,本科毕业生专业工作匹配能够带来工资溢价,但院校类型、同伴竞争者规模、专业类别、行业划分都对工资溢价产生异质性影响。同一年相同高校相同专业大类学生规模增加会稀释培养过程和求职环节的教育资源,降低专业工作匹配的可能性。同时,专业工作匹配通过学以致用获得工资溢价。本文的政策意涵是,在遵循高等教育发展规律的前提下,现阶段中国高校本科专业调整的准入机制和退出机制需要全局思维,同时更多参考社会需求和就业前景等因素,推动本科专业布局与劳动力市场人才需求良性互动。关键词 高等教育结构调整;专业工作匹配;S h i f t-s h a r e工具变量;工资溢价中图分类号:G 4 0-0 5 4 文献标识码:A 文章编号:1 6 7 1-9 4 6 8(2 0 2 3)0 1-0 1 0 7-2 7D O I:1 0.1 2 0 8 8/p k u 1 6 7 1-9 4 6 8.2 0 2 3 0 1 0 0 7作者简介:杨素红,女,中央财经大学政府管理学院讲师,博士。叶晓阳,男,美国布朗大学安纳伯格学校改革研究所博士后。基金项目:国家自然科学基金青年项目(7 1 7 0 4 0 7 6);教育部人文社会科学重点研究基地重大项目(2 2 J J D 8 8 0 0 0 4);中央财经大学教育教学改革基金2 0 2 2年度资助课题(2 0 2 2 X Y J G 4 7)。致谢:感谢江苏省高校招生就业指导服务中心提供数据,感谢匿名评审人、丁小浩教授、杨钋教授、哈巍教授、蒋晨阳老师和赵亚楠博士对论文完善提出宝贵建议,文责自负。1 0 8 北京大学教育评论2 0 2 3年一、引 言高校毕业生就业质量是高等教育结构布局调整的重要参考,也是学科评估和“双一流”建设成效评价的主要依据。近年来,为了完善人才培养质量同劳动力市场和经济社会发展需求相契合的教育结构体系,中央和地方高等教育主管部门加大专业调整力度。教育部关于做好2 0 2 3届全国普通高校毕业生就业创业工作的通知(教学2 0 2 25号)明确要求健全和完善就业反馈机制,引导高校重点布局社会需求强、就业前景广、人才缺口大的学科专业,同时及时淘汰或更新升级不适应社会需要的学科专业。1早在2 0 1 2年,教育部就提出落实就业状况与高校发展相关工作适度挂钩的制度,2同年发布的 普通高等学校本科专业设置管理规定(教高2 0 1 29号),赋予高校更大的本科专业设置自主权,对社会需求相对稳定、布点数量相对较多的基本专业每五年调整一次,对满足经济社会发展特殊需求的特设专业每年动态调整。3根据教育部文件精神,各省高等教育主管部门都制定了相应的实施细则,如江苏省教育厅发布的 江苏省普通高等学校本科专业设置管理实施细则(苏教规2 0 1 32号),明确规定全省普通高校本科专业的准入机制、预警机制和退出机制,其中社会需求和就业前景是重要参考条件。4据统计,党的十八大以来,全国新增1.7万个本科专业布点,撤销和停招1万个本科专业布点,5 2 0 2 1年全国就撤销了8 0 4个专业点。6 我国本科专业调整的政策初衷是为了推动高校专业设置适应劳动力市场和经济社会发展需求。然而,当前我国高校毕业生专业工作不匹配现象较为普遍。如果相当比例的本科毕业生没有选择与所学专业相匹配的工作,那么本科专业调整的政策效果将大打折扣。同时,通过专业学习积累的人力资本具有专用性,如果所学专业与工作不匹配,也难以做到学用结合,对个体和社会都可能带来一定程度的效率损失。大学毕业生就业选择不仅是关乎个人和家庭福祉的关键决策,也是反映劳动力市场人才需求和教育回报的有力信号。不同专业本科毕业生在劳动力市场上的工资收入回报存在差异,这种差异部分源自专业选择的能力偏差,能力越强的学生越有可能选择有就业竞争优势的专业。不过对于同年毕业于同一高校同一专业的本科生而言,如果以高考成绩作为读大学之前的能力代理变量,那么他们具有相近的能力基础,其工资收入的差异在很大程度上来自所选工作岗位的不同。由于高校各专业人才培养积累的人力资本具有专用性,劳动力市场不同工作岗位对相同专业技能的工资回报存在异质性,即专业工作匹配状况会影响工资收入,同时毕业生的工作匹配决策与所学专业的就业前景和预期收益紧密相关。78,因此,深入剖析和理解专业工作匹配的工资溢价效应,对调整高等教育结构和优化大学生就业决策都有极为重要的价值。第1期本科毕业生专业工作匹配与工资溢价1 0 9 本文剖析不同专业大类本科毕业生专业工作匹配对工资收入的异质性影响及其机制,丰富和拓展了从劳动力市场供给侧探讨人力资本专用性价值的研究范畴。国外学者主要从大学专业学习积累的专用性人力资本要素维度探讨专业工作匹配对工资收入的影响,而国内学者主要关注高校毕业生专业工作匹配本身对劳动力市场表现的影响。91 1已有不少文献探讨中国高校毕业生专业工作匹配的工资溢价效应,只有少数学者尝试采用内生处理效应和倾向得分匹配法等方法控制专业工作匹配的选择性偏差,1 21 4其余研究大多忽视了专业工作匹配的内生性问题,而且对于专业工作匹配的工资溢价效应尚未形成“共识”,甚至存在相左的研究结论,这主要与“是否解决内生性问题”和“是否针对专业工作匹配影响的异质性进行分析”有关。如果没有采用因果推断解决内生性问题,那么研究结论很可能是有偏甚至错误的,准确识别因果效应是进一步推进专业工作匹配研究的关键步骤。已有文献中使用的倾向得分匹配法是因果推断中假设最强的方法,这种方法主要解决基于可观测变量的选择偏差,却无法控制基于不可观测变量的选择偏差;而内生处理效应模型着重解决由不可观测因素带来的选择性偏差问题,这两种方法在识别因果效应方面各有利弊。本科毕业生通过专业学习积累的人力资本并非适用于所有工作岗位,不同工作岗位对同一专业本科毕业生工资回报的异质性影响可以用专用性人力资本(s p e c i f i c h u m a n c a p i t a l)这一经典理论框架进行解释。专用性人力资本理论在劳动力市场研究中得到广泛应用,已有研究主要从劳动力市场需求角度侧重工作经验和教育年限在专用性人力资本积累中的作用。2 0世纪6 0年代初贝克尔(G a r y S.B e c k e r)和欧伊(W a l t e r Y.O i)最早提出企业专用性人力资本概念(f i r m-s p e c i f i c h u m a n c a p i t a l)。1 51 6半个多世纪以来,专用性人力资本已经拓展到职业专用性人力资本(o c c u p a t i o n-s p e c i f i c h u m a n c a p i t a l)、行业专用性人力资本(i n d u s t r y-s p e c i f i c h u m a n c a p i t a l)、地区专用性人力资本(l o c a t i o n-s p e c i f i c h u m a n c a p i t a l)等领域。1 71 9同时也有学者关注任务专用性人力资本(t a s k-s p e c i f i c h u m a n c a p i t a l)对劳动力市场表现的影响,并开展了丰富的研究。2 0相比之下,从劳动力市场供给角度探讨专用性人力资本的研究比较稀缺。近年来有学者开始聚焦大学专业学习对专用性人力资本积累和劳动力市场表现的影响。金斯勒(J o s h K i n s l e r)和帕万(R o n n i P a v a n)基于美国本科毕业生在1 9 9 4年、1 9 9 7年和2 0 0 3年劳动力市场表现的追踪调查数据,通过比较相同专业毕业生从事不同类型工作产生的工资差异,识别本科专业学习积累的人力资本具有专用性。他们的研究发现,本科毕业生从事与所学专业匹配的工作会获得1 5%左右的工资溢价,其中理科毕业生专业工作匹配的工资溢价高达3 0%。2 1西洛斯(P e d r o S i l o s)和史密斯(E r i c S m i t h)基于美国大二学生同期群在1 9 8 0年、1 9 8 2年、1 9 8 4年、1 9 8 6年、1 9 9 2年的追踪调查数据,将其大学修读学分划分为工程和计算机科学类、人文艺术类、社会科学类、商科和传媒类课程等,分别对1 1 0 北京大学教育评论2 0 2 3年应不同类型专用性人力资本,并将不同类型课程学习积累的专用性人力资本与毕业后职业选择结合起来,分析发现专用性人力资本有助于提升拥有稳定职业群体的工资水平。2 2莱特(A u d r e y L i g h t)和维尔茨(S y d n e y S c h r e i n e r W e r t z)基于美国俄亥俄州约9 5 0 0 0名2 0 1 02 0 1 4届大学毕业生的行政管理数据,探讨其所学专业的职业专用性(某专业大学毕业生从事具体职业的比例)和所修学分的职业专用性与劳动力市场表现的关系,分析发现这两类职业专用性人力资本均有助于显著提高其收入水平。2 3 本文对专业工作匹配这一研究领域的重要贡献在于,使用一个新的、可信度更高的因果推断方法估计专业工作匹配的因果效应。基于2 0 1 42 0 1 8届江苏省普通高校全体本科毕业生就业派遣数据和就业调查数据,在控制年份、高校专业大类双向固定效应的基础上,本文利用S h i f t-s h a r e工具变量估计专业工作匹配的工资溢价效应及其异质性影响和作用机制,进一步拓展了专用性人力资本的实证应用。接下来的结构安排如下:第二部分为专业工作匹配工资溢价效应的识别策略;第三部分为数据介绍、样本描述和模型设定;第四部分报告主要的回归结果;第五部分为异质性分析;第六部分为机制分析;第七部分为结论和讨论。二、专业工作匹配工资溢价效应的识别策略为了估计专业工作匹配影响工资收入的因果效应,本文基于移动份额法构造专业工作匹配的工具变量,也称为S h i f t-s h a r e工具变量或B a r t i k工具变量,这也是近年来基于观测数据进行因果推断比较热门或讨论较多的方法之一。2 42 5较早使用此类工具变量的是2 0世纪9 0年代初巴蒂克(T i m o t h y J.B a r t i k)的一项分析县级层面就业人数对工资水平影响的劳动供给工资弹性研究,为了解决县级层面就业人数由反向因果和遗漏变量导致的内生性问题,他利用全国各行业就业率变化和县级层面滞后期分行业就业份额构造当期县级就业人数的工具变量。2 6 S h i f t-s h a r e工具变量构造的基本逻辑是:外生共同冲击(s h i f t)对具有不同前定特征的分析单元影响不同,S h i f t-s h a r e工具变量是外生共同冲击的加权均值,权重代表各分析单元受外生冲击的波及面(s h a r e),如各地区分行业就业份额等。2 0多年来,S h i f t-s h a r e工具变量及其变形被广泛应用于劳动经济学、公共经济学、发展经济学、宏观经济学、国际贸易和财政学等诸多研究领域,尤为突出的是关于劳动供给的工资弹性和移民选择的经济影响等研究。2 73 0相对而言,该方法在教育领域应用较少,为数不多的新近研究主要聚焦国际学生规模对留学目的国本土学生录取和当地经济发展的影响。此类研究在构造国际学生规模工具变量时主要考虑到该群体对特定地点的历史选择偏好能够很好地第1期本科毕业生专业工作匹配与工资溢价1 1 1 预测其当下选择行为,即:过去吸引国际学生较多的地方在未来也很可能吸引更多国际学生。施凯文(K e v i n S h i h)基于1 9 9 52 0 0 5年美国研究生项目国际学生录取数据,构造高校层面国际学生录取规模的工具变量,发现国际学生录取人数增加有助于扩大美国本土学生录取规模,这种正向挤入效应主要源于国际学生缴纳的高额学费能为扩招美国本土学生带来的成本进行交叉补贴。3 1与该研究相互印证,陈明宇基于美国移民和海关执法局、综合高等教育数据和国际教育研究所的相关数据,利用国际学生规模分布及其来源地的收入增长、汇率变化等信息构造高校层面国际学生规模的工具变量,也发现国际学生通过缴纳高额学费为高校创收,有助于高校以较低的学费录取更多州内学生,同时保持稳定的生均教育支出和录取更多优秀生源。3 2朱琼基于2 0 1 02 0 1 7年美国社区调查和综合高等教育数据的县级数据,利用美国当期国际学生录取总人数和基期年份各县国际学生的录取份额构造当期各县国际学生录取人数的工具变量,采用空间面板双向固定效应模型的分析结果表明,国际学生录取人数增加对提升当地房屋出售价格、租赁价格以及就业人数都有显著正向影响。3 3毕业生专业工作匹配的内生性选择偏差主要来自两个方面:其一,可能存在毕业生工资收入对专业工作匹配的反向因果影响,毕业生在选择从事当前工作时就对预期工资收入有大致判断,很有可能正是基于当前工作的预期收入高于其他潜在工作机会才选择从事这项工作,这与现实中毕业生就业选择的图景基本吻合;其二,可能存在同时影响毕业生专业工作匹配和工资收入的第三方因素,如全国或省域劳动力市场人才需求变动、高校层面教育教学改革等,遗漏这些变量会导致回归系数估计偏误。其中,最可疑的混淆变量是负向自我选择偏差(n e g a t i v e s e l f-s e l e c t i o n b i a s)学生选择一个与自己所学专业不匹配的工作,可能是因为该工作的工资回报相对更高。在这种情况下,不修正自我选择偏差,会导致对专业工作匹配工资溢价效应的低估。因此,当使用工具变量修正自我选择偏差以后,工具变量的估计值(I V-2 S L S)很可能会比不修正偏差的线性模型估计值(O L S)更大。此外,考虑到全国或省域劳动力市场人才需求变动、高校层面教育教学改革等因素的影响,本文在估计模型中还控制了年份固定效应和院校专业大类固定效应。本文采用S h i f t-s h a r e工具变量的前提是,各高校本科专业设置和招生规模在短期内会有局部动态调整,但整体上保持相对稳定,前一年招生规模较大的专业在下一年也很有可能招收较多学生。这是因为中国高校本科专业设置与调整关乎院系之间、院系内部不同专业之间在师资调配、人事安排、经费拨款和其他资源配置等敏感问题。3 4对比2 0 2 1年度普通高等学校本科专业备案和审批结果(教高函2 0 2 11 4号)和 普通高等学校本科专业目录(2 0 1 2年)(教高2 0 1 29号)不难发现,十年间全国新增了2 6 5个专业,不过2 0 1 5年以前新增专业不足1 0个。考虑到文中毕业生数据(2 0 1 42 0 1 8届)对应的录取年份是1 1 2 北京大学教育评论2 0 2 3年2 0 1 02 0 1 4年,可知本文研究对象对应的专业设置相对稳定,各高校专业设置和招生规模的局部动态调整带动全省同一专业大类毕业生总体规模变化。在此背景下,本文采用S h i f t-s h a r e工具变量估计专业工作匹配的工资溢价效应:第一步,构造“高校专业大类”层面的S h i f t-s h a r e工具变量,并检验该工具变量与同一高校相同专业大类毕业生实际规模的相关性,如果高度相关,则工具变量能够有效预测毕业生实际规模;第二步,基于资源稀缺理论,同一高校内部相同专业大类毕业生规模变化很有可能通过培养过程和求职环节等机制影响专业工作匹配,而毕业生实际规模对专业工作匹配的影响存在内生性,故将外生的S h i f t-s h a r e工具变量作为专业工作匹配的工具变量;第三步,估计专业工作匹配的工资溢价效应。本文采用S h i f t-s h a r e工具变量作为毕业生微观层面专业工作匹配的工具变量,不同于直接采用滞后期宏观层面变量作为微观层面内生变量的工具变量的构造思路。用当期(或滞后期)宏观层面的总量(或平均量)指标作为微观层面内生变量的工具变量,是以往文献惯用的做法。但是近年来,该方法受到不少批评,主要因为宏观层面变量对个体微观层面而言不一定是外生的。3 5与只考虑到滞后期宏观层面变量不同,本文构造S h i f t-s h a r e工具变量的基本思路是:基于全省该专业大类毕业生从滞后期到当期的总体增长率(s h i f t)和全省同一专业大类毕业生各高校滞后期的实际规模份额(s h a r e),预测当期各高校该专业大类毕业生规模的估计值。鉴于本文估计模型中控制了年份固定效应和院校专业大类固定效应,全省同一专业大类毕业生总体规模变化的独立影响实际上会被年份固定效应控制,而滞后期各高校毕业生规模分布的独立影响则被院校专业大类固定效应控制。在控制上述两个固定效应的情况下,只有全省该专业大类毕业生规模从滞后期到当期的总体增长率和各高校滞后期实际规模的交乘项能够被识别出来。换言之,也可以在双重差分的框架下理解S h i f t-s h a r e工具变量,面临相同的增长趋势,不同院校的相同专业由于初始规模不同,造成不同高校相关专业毕业生规模的预测增长值变动产生差异,这个增长值的外生假设可以认为是成立的。在此基础上估计的当期各高校相关专业毕业生规模的估计值也是外生的,该估计值和当期各高校相关专业毕业生规模的实际值高度相关,与其他残差项不相关,可以作为毕业生个体专业工作匹配的工具变量。一方面,“高校专业大类”层面毕业生实际规模与毕业生个体专业工作匹配可能同时受其他遗漏变量的影响(如该专业大类劳动力市场需求、人才培养质量等);另一方面,“高校专业大类”层面往届毕业生专业工作匹配度高更有可能招收到更多学生,而往届毕业生专业匹配情况又会影响当期毕业生专业匹配,因此“高校专业大类”层面毕业生实际规模对毕业生个体专业工作匹配的影响估计可能存在反向因果问题。第1期本科毕业生专业工作匹配与工资溢价1 1 3 三、数据介绍和模型设定(一)数据来源和变量介绍 本文数据主要来源于江苏省高校招生就业指导服务中心提供的2 0 1 42 0 1 8届全省普通高校本科毕业生就业派遣数据和就业调查数据。其中,就业派遣数据主要来自“江苏省高校毕业生就业管理信息系统”,由全省各高校就业指导服务中心动态上报,统计时间截至毕业当年年底。信息主要包括毕业生人口统计学变量、毕业院校、所学专业及其所属的专业大类和学科门类、毕业去向等。就业调查数据采集时间为毕业当年1 01 1月份,毕业生填答问卷时已工作数月,对就业情况的反馈相对比较真实,主要包括对毕业生求职过程、求职结果、高校学习经历的回顾以及家庭背景信息等。该数据的一大优势在于,可基于学生编号将调查样本与派遣数据匹配起来。本文因变量是毕业生的广义月工资收入,包括平均每月的工资、奖金、业绩提成、福利补贴等所有税后现金收入,并根据城镇居民消费者物价指数统一调整到2 0 1 5年购买力平价水平;自变量是专业工作匹配,指本科所学专业与工作是否相关的二分变量。控制变量主要包括毕业生性别(以女性为参照组);父/母最高学历是否为大专及以上;对毕业生影响最大的父/母一方职业是无业(参照组)还是农民、自雇劳动者、机关事业单位工作人员、企业工作者;家庭经济支付能力用毕业生上学期间月均消费衡量,1 0 0 0元以下为家庭经济支付能力较弱(参照组),1 0 0 0(含)2 0 0 0元为家庭经济支付能力一般,2 0 0 0元及以上为家庭经济支付较强。(二)样本描述利用移动份额法构造工具变量时,基期年份工具变量无法获得,同时2 0 1 8届毕业生家庭背景信息缺失,故2 0 1 4届和2 0 1 8届毕业生数据仅在工具变量估计和描述分析时用到,实证模型主要利用2 0 1 52 0 1 7届本科毕业生数据。为使构造的S h i f t-s h a r e工具变量能够准确反映各高校专业大类毕业生实际规模,本文剔除全省和高校层面专业大类毕业生总体规模和有效样本较少的极端值,最终有效样本为1 2 1 4 8 8人,代表江苏省三届共计6 2 1 9 9 3名本科毕业生,覆盖7 0所本科院校的1 0个学科门类、6 2个专业大类和7 7 0个细分专业。其中,7 0所本科院校包括3 1所普通公办本科、2 8所普通民办本科、9所原“2 1 1高校”和2所原“9 8 5高校”。如表1所示,不论在“年份学校专业(大类)”层面,还是在“年份专业(大类)”层面,调查数据组间样本量差别都很大;在“年份学哲学和艺术学因“学校专业大类年份”组内有效样本量太少未纳入分析样本,军事学未纳入本文分析样本。1 1 4 北京大学教育评论2 0 2 3年校专业(大类)”层面,调查样本工作匹配率也存在较大组间差异;不论在毕业生个体层面,还是在“年份专业”层面,抑或“年份专业大类”层面,毕业生平均工资收入都存在较大差异;而且“学校专业大类”层面的有效样本量也存在明显差异。因此,本文在后续实证模型中控制了年份固定效应以及学校与专业大类交叉项的固定效应。进一步分析不同类型学校在专业大类层面的专业工作匹配率发现,原“9 8 5高校”本科毕业生专业工作匹配率最高,原“2 1 1高校”次之,普通公办本科高校略低,普通民办本科高校专业工作匹配率最低(如图1所示),后文将对不同类型高校、不同专业类别本科毕业生专业工作匹配的工资溢价效应展开异质性分析。表1 样本描述统计分析样本量均值标准差最小值 最大值每年同校同专业本科毕业生数1 2 1 4 8 81 5 51 5 0.73 01 1 5 6每年同校同专业大类本科毕业生数1 2 1 4 8 83 5 23 1 4.55 01 8 5 2每年全省同专业本科毕业生数1 2 1 4 8 8 2 9 7 62 9 1 9.63 01 2 2 8 0每年全省同专业大类本科毕业生数1 2 1 4 8 81 1 2 5 89 5 8 7.45 0 23 1 1 6 2每年同校同专业本科毕业生工作匹配率1 2 1 4 8 87 01 4.601 0 0每年同校同专业大类本科毕业生工作匹配率1 2 1 4 8 87 01 1.22 61 0 0每年全省同专业毕业生平均工资1 2 1 4 8 8 4 0 2 14 1 7.0 1 7 6 36 8 1 5每年全省同专业大类本科毕业生平均工资1 2 1 4 8 8 4 0 4 33 3 7.2 3 4 9 64 9 1 3每年全省本科毕业生平均工资1 2 1 4 8 8 3 8 7 31 5 8 5.58 0 02 0 0 0 0同校同专业大类本科毕业生有效样本量1 2 1 4 8 83 0 02 9 4.53 01 9 1 8图1 不同类型高校专业大类层面专业工作匹配率箱图第1期本科毕业生专业工作匹配与工资溢价1 1 5 (三)模型设定本文基于江苏省2 0 1 42 0 1 8届本科毕业生混合截面数据分析专业工作匹配对工资收入的影响。首先采用普通最小二乘(O r d i n a r y L e a s t S q u a r e,O L S)估计,回归模型可以表示为:l n w a g ei u j t=+j o b m a t c hi u j t+Z+t+u j+i u j t(1)其中,i、u、j、t分 别 表 示 毕 业 生 个 体、学 校、专 业 大 类 和 年 份,l n w a g ei u j t、j o b m a t c h ii u j t分别表示工资收入对数和专业工作匹配二分变量,Z表示性别、家庭经济支付能力、父/母学历和职业等控制变量,、是回归系数。模型(1)还控制了年份固定效应t、“学校专业大类”固定效应u j,i u j t为随机扰动项,所有回归标准误都在高校层面进行聚类。本文采用两种方法解决专业工作匹配可能存在的内生性问题。第一种方法是双向固定效应,在控制年份固定效应的基础上,进一步控制学校和专业大类交叉项的固定效应。这在一定程度上可以解决遗漏变量导致的内生性问题,却无法解决反向因果导致的内生性问题。在此基础上的第二种方法,也是本文主要使用的方法,即采用移动份额法构造S h i f t-s h a r e工具变量,来解决所有可能的内生性问题。其基本思路是,基于t-1年全省同一专业大类毕业生在各高校的分布和全省该专业大类毕业生从t-1年到t年的总体增长率,预测t年各高校该专业大类毕业生规模的估计值i v s t u s c a l eu j t,该估计值和实际值s t u s c a l eu j t高度相关,与其他残差项不相关。s t u s c a l ej t、s t u s c a l eu j t分别表示t年j专业大类全省毕业生总体规模与高校u的具体规模,有如下关系:s t u s c a l ej t=s t u s c a l eu j t(2)Pj t=s t u s c a l ej t-s t u s c a l ej(t-1)s t u s c a l ej(t-1)1 0 0%(3)其中,Pj t表示全省j专业大类在t年的毕业生规模相对于t-1年的增长率,S h i f t-s h a r e工具变量i v s t u s c a l eu j t可以表示为:i v s t u s c a l eu j t=s t u s c a l eu j(t-1)(1+Pj t)(4)S h i f t-s h a r e工 具 变 量 通 过u学 校j专 业 大 类 上 一 年 毕 业 生 规 模s t u s c a l eu j(t-1)与全省该专业大类毕业生规模增长率Pj t相乘得到。在控制年份、“学校专业大类”固定效应以后,此工具变量应该与u学校j专业大类在t年的实际毕业生规模s t u s c a l eu j t高度相关,而不会与其他影响专业大类就业情况的残差项相关。本文采用S h i f t-s h a r e工具变量估计专业工作匹配的工资溢价效应分为三步:首先,基于全省本科毕业生就业派遣数据构造S h i f t-s h a r e工具变量i v s t u s c a l eu j t,如式(4)所示,并检验i v s t u s c a l eu j t与实际毕业生规模s t u s c a l eu j t的相关性,若高度相关,则i v s t u s c a l eu j t能够有效预测s t u s c a l eu j t;其次,利用全省本科毕业生就业调查数据,基于资源稀缺理论,高校内部同一专业1 1 6 北京大学教育评论2 0 2 3年大类毕业生规模变化很可能通过培养过程和求职环节等机制影响专业工作匹配,而毕业生实际规模对其专业工作匹配的影响存在内生性,故将外生的i v s t u s c a l eu j t作为专业工作匹配的工具变量;再次,利用全省本科毕业生就业调查数据,估计专业工作匹配的工资溢价效应。专业工作匹配工资溢价效应工具变量回归的第一阶段模型和第二阶段模型分别设定如下:j o b m a t c hi u j t=+i v s t u s c a l eu j t+Z+t+u j+i u j t(5)l n w a g ei u j t=+j o b m a t c hi u j t+Z+t+u j+i u j t(6)其中,j o b m a t c hi u j t是j o b m a t c hi u j t的预测值,模型(5)和模型(6)变量和下标含义同(1)和(4)。四、实 证 结 果在进行回归之前,本文首先对S h i f t-s h a r e工具变量的有效性进行检验(见表2)。不论是否控制个体及其家庭背景信息,不论是否采用对数形式,每年各高校不同专业大类毕业生规模预测值与实际规模都显著正相关,而且在控制个体及其家庭背景变量以后,非对数形式的预测规模与实际规模的相关系数高达0.9 7 0。由此可见,采用移动份额法估算的“年份学校专业大类”层面的毕业生规模能够有效预测实际规模。表2 专业大类毕业生预测规模与实际规模变量专业大类毕业生实际规模专业大类毕业生实际规模对数专业大类毕业生预测规模0.9 6 5*(0.0 0 3)0.9 7 0*(0.0 0 4)专业大类毕业生预测规模对数0.8 8 7*(0.0 0 5)0.9 1 0*(0.0 0 6)个体和家庭控制变量无有无有样本量4 5 5 83 2 5 94 5 5 83 2 5 9R20.9 4 50.9 4 70.8 7 60.8 9 4 注:括号中为标准误;*、*、*分别表示在1%、5%、1 0%的水平下显著;控制变量包括性别、家庭经济支付能力、父/母学历和职业在年份学校专业大类层面的均值。表3报告了专业工作匹配工资溢价效应的O L S回归和工具变量回归结果。其中,第1列和第2列是基准模型,采用高校层面聚类稳健标准误并控制年份固定效应和“学校专业大类”固定效应;作为对比,第3列采用年份高校交互聚类稳健标准误进一步放松模型设定条件后,工具变量回归的F统计量变大;第4列进一步控制“年份学校”固定效应和“学校专业大类”固定效应后,工具变量回归的F统计量变化不大。如第2列所示,即使将聚类标准误严格设定在学校层面,工具变量回归的F统计量依然大于1 0,说明专业大类毕业第1期本科毕业生专业工作匹配与工资溢价1 1 7 生预测规模是专业工作匹配的有效工具变量。O L S回归结果表明,在控制个体和家庭背景变量、年份固定效应以及“学校专业大类”固定效应以后,专业工作匹配能使毕业生月工资收入显著提高1.9%。但是控制年份固定效应和“学校专业大类”固定效应只能部分解决遗漏变量导致的内生性问题,不能解决反向因果导致的内生性问题。现实中可能的图景是,毕业生既有可能选择从事某项预期工资收入比较高的工作,即使该工作与所学专业不匹配;也有可能选择放弃某项预期工资收入比较低的工作,即使该工作与所学专业相匹配。基于S h i f t-s h a r e工具变量第一阶段回归结果显示,相同年份同一学校相同专业大类毕业生预测规模每提高一个百分点,毕业生专业工作匹配的可能性显著降低3.1%。工具变量第二阶段回归的系数不仅统计意义上显著,经济意义上也显著,本科毕业生专业工作匹配的工资溢价效应高达9 0.4%。与O L S回归结果相比,I V回归系数明显变大,表明存在反向因果影响,毕业生可能选择某项预期工资收入比较高但与所学专业不匹配的工作,导致O L S回归结果低估了专业工作匹配的工资溢价效应。此外,样本筛选条件越严格,F值越大,而且两阶段模型的回归系数与基准模型高度一致,说明工具变量回归得出的专业工作匹配工资溢价效应比较稳健。表3 专业工作匹配工资溢价效应的回归结果第一阶段回归:专业大类毕业生预测规模对专业工作匹配的影响被解释变量:专业工作匹配I V专业大类毕业生预测规模对数-0.0 3 1*-0.0 3 1*-0.0 3 4*(0.0 1 0)(0.0 0 8)(0.0 0 9)男性0.0 3 5*0.0 3 5*0.0 3 5*(0.0 0 5)(0.0 0 4)(0.0 0 4)父/母最高学历为大专及以上0.0 0 6*0.0 0 6*0.0 0 6(0.0 0 3)(0.0 0 4)(0.0 0 4)家庭经济支付能力一般-0.0 1 6*-0.0 1 6*-0.0 1 6*(0.0 0 4)(0.0 0 3)(0.0 0 3)家庭经济支付能力较强-0.0 4 8*-0.0 4 8*-0.0 4 8*(0.0 0 6)(0.0 0 5)(0.0 0 5)父/母职业:农民0.0 2 4*0.0 2 4*0.0 2 4*(0.0 0 5)(0.0 0 5)(0.0 0 5)父/母职业:自雇劳动者-0.0 0 8*-0.0 0 8*-0.0 0 8*(0.0 0 5)(0.0 0 4)(0.0 0 4)父/母职业:机关事业单位工作人员-0.0 1 0*-0.0 1 0*-0.0 0 9(0.0 0 5)(0.0 0 6)(0.0 0 6)e0.6 4 4-10.9 0 4。囿于篇幅限制,文中没有报告此类稳健性检验结果。1 1 8 北京大学教育评论2 0 2 3年(续表)第二阶段回归:专业工作匹配对月工资收入的影响被解释变量:月工资收入对数O L SI V(1)(2)(3)(4)父/母职业:企业工作者-0.0 0 5-0.0 0 5-0.0 0 5(0.0 0 4)(0.0 0 5)(0.0 0 5)F统计量1 0.2 3 01 3.9 5 01 3.9 0 0样本量1 2 1 4 8 81 2 1 4 8 81 2 1 4 8 8专业工作匹配0.0 1 9*0.6 4 4*0.6 4 4*0.7 3 2*(0.0 0 3)(0.3 8 5)(0.3 0 0)(0.2 9 5)男性0.1 0 1*0.0 7 9*0.0 7 9*0.0 7 6*(0.0 0 3)(0.0 1 5)(0.0 1 2)(0.0 1 2)父/母最高学历为大专及以上0.0 3 4*0.0 3 0*0.0 3 0*0.0 3 0*(0.0 0 3)(0.0 0 5)(0.0 0 4)(0.0 0 4)家庭经济支付能力一般0.0 4 1*0.0 5 1*0.0 5 1*0.0 5 2*(0.0 0 2)(0.0 0 7)(0.0 0 6)(0.0 0 6)家庭经济支付能力较强0.1 3 3*0.1 6 3*0.1 6 3*0.1 6 7*(0.0 0 5)(0.0 1 9)(0.0 1 6)(0.0 1 5)父/母职业:农民0.0 1 3*-0.0 0 2-0.0 0 2-0.0 0 4(0.0 0 4)(0.0 1 1)(0.0 0 9)(0.0 0 9)父/母职业:自雇劳动者0.0 2 6*0.0 3 1*0.0 3 1*0.0 3 1*(0.0 0 3)(0.0 0 5)(0.0 0 5)(0.0 0 5)父/母职业:机关事业单位工作人员0.0 2 7*0.0 3 3*0.0 3 3*0.0 3 3*(0.0 0 4)(0.0 0 6)(0.0 0 6)(0.0 0 7)父/母职业:企业工作者0.0 1 4*0.0 1 7*0.0 1 7*0.0 1 8*(0.0 0 3)(0.0 0 4)(0.0 0 5)(0.0 0 5)常数项8.0 7 1*(0.0 0 4)样本量1 2 1 4 8 81 2 1 4 8 81 2 1 4 8 81 2 1 4 8 8R20.1 7 8-0.6 4 1-0.6 4 1-0.8 4 5 注:括号中为标准误,模型(1)、(2)采用高校层面聚类稳健标准误,模型(3)、(4)采用年份高校交互聚类稳健标准误;*、*、*分别表示在1%、5%、1 0%的水平下显著;模型(1)、(2)、(3)控制了年份固定效应和“学校专业大类”固定效应;模型(4)控制了“年份学校”固定效应和“学校专业大类”固定效应。五、异质性分析(一)不同类型本科院校毕业生匹配工资溢价效应异质性分析 本科