通识教育、职业教育与长期就业和收入

埃里克·哈努谢克 吉多·施韦尔特 卢德格尔·沃斯曼因 张磊

  *Eric A.Hanushek,斯坦福大学胡佛研究所Paul and Jean Hanna高级研究员,主要研究领域为公共政策,尤其是教育经济学。Guido Schwerdt,德国康斯坦茨大学教授,研究领域为教育经济学;Ludger Woessmann,慕尼黑大学经济学教授,德国经济信息研究所教育与创新经济研究中心主任,主要研究领域为长期繁荣和学生成就的决定因素;张磊,上海交通大学安泰经济与管理学院副教授,研究领域为教育经济学和公共经济学。原文见Eric A.Hanushek,Guido Schwerdt,Ludger Woessmann,Lei Zhang,“General Education,Vocational Education,and LaborMarket Outcomes over the Lifecycle”,Journal of Human Resources,Winter 2017,52(1):48-87。

  1.引言

  青年人能否顺利完成由学校到职场的过渡是大多数国家政府高度关注的问题。首先,青年失业率通常高于社会总体失业率,由此会导致一系列社会问题。此外,在就业稳定之前,青年人倾向于不断地更换雇主和职业,以期在劳动力市场寻找一份理想的工作。解决这些过渡问题的一个很有吸引力的办法是通过职业教育,甚至与企业建立学徒关系,加强学生与工作的联系(Ryan,2001;Zimmermann et al.,2013)。这一方法在世界范围内获得极大的政治支持,甚至奥巴马总统也建议美国可以重新振兴职业培训,促进青年就业。到目前为止,几乎所有研究都只关注青年由学校到就业的过渡问题;与此不同,本文关注受职业教育者和受通识教育者在整个生命周期中的就业结果(包括就业率、工资、和职业相关培训)的差异。

  为了解决学校到就业过渡的问题,不同国家采取了不同的教育体制。一些国家强调培养学生与某一职业相关技能的职业教育,从而使学生可以在这一职业顺利就业,而另一些国家更注重通识教育,因为通识教育能够拓宽学生的知识面,培养他们分析问题、解决问题和交流方面的基本技能,形成学生日后进一步学习和参加工作培训的基础。例如,美国已经在很大程度上取消了中学阶段的职业教育轨,因为美国认为职业教育培养的特定技能很容易被技术变迁淘汰,因此,培养个体适应技术发展的能力才更为必要。与美国相反,以德国“二元制”为代表的欧洲和一些发展中国家,则在中学阶段广泛地提供职业教育和职业培训,其中包括通过学徒制使学生直接参与到工厂中。这主要是由于集中培训特定的技能会在早期提高工人进入劳动力市场的可能性和工作效率。

  这些不同的观点表明,个人和整个社会的短期和长期成本与收益之间存在着可能的利弊权衡:职业教育产生的特定技能可能有助于向劳动力市场的过渡,但也会很快过时。因此,本文的主要假设是,职业教育相对于通识教育产生的任何劳动力市场的初始优势都会随着年龄的增长而下降。

  关于教育类型对个人劳动力市场表现的影响的实证分析十分有限。职业教育能否有效地促进青年完成学校到工作的过渡是通识教育和职业教育之争的焦点。然而,现有研究并没有发现职业教育相对于通识教育在促进青年就业方面存在普遍优势。当然,现有的分析也存在一些问题。正如保罗·瑞恩(Paul Ryan,2001,第73页)指出的,由于个人教育类型选择部分地基于包括个人能力在内的不可观测变量(自选择问题),且缺乏自然实验数据和劳动力市场经验的数据,在统计上度量职业教育和工作导向型培训带来的就业优势非常困难。

  国际成人读写能力调查(以下简称IALS)的微观数据为本文对不同年龄段、不同教育类型工人的劳动力市场结果进行国际比较提供了可能。该数据库结构独特,涵盖不同教育体制的国家,提供了这些国家的工人在整个生命周期中的教育和技能的详细信息。为了解决不同类型教育的自选择问题,本文采用双重差分模型,比较不同年龄段受通识教育者和受职业教育者的劳动力市场表现。在控制个人特征后,我们可以认为教育类型的自选择不随时间变化;在此假设下,这种方法能够确定不同教育类型的劳动力市场表现随年龄组别的相对变化。虽然很难完全消除教育类型自选择可能会随时间变化的问题,但大量的稳健性检验显著地减轻了这一潜在威胁。尽管关于职业教育初始就业优势的估计仍然存在问题,但是由于在大多数分析中我们主要关注教育类型随年龄对就业的相对影响,因此,初始优势的估计基本不会对我们的分析结果造成影响。

  我们利用来自11个“职业教育国家”个人数据的回归结果表明:受通识教育者在职业初期面临较差的就业结果,但是相对于受职业教育者来说,受通识教育者的就业概率会随着年龄的增长而提高。这一趋势在实行学徒制的国家丹麦、德国和瑞士最为明显。(注:本文的稳健性检验采用了另外两组分析。第一,利用近期德国微观普查数据,我们发现在排除了对体能有高度要求的职业后,估计结果同样成立。第二,使用奥地利社会保障数据的研究结果表明:在工厂关闭之后,在较为年轻的时期,失业的蓝领工人(具有更多的职业培训)的相对就业率高于白领工人,但50岁以上的蓝领和白领工人情况恰恰相反。利用工厂关闭这一外生的就业冲击的优点在于,它有助于消除对可能威胁识别的不可观察的退休偏好的担忧。)

  职业教育的相对优势随年龄下降不仅表现在就业方面,而且明显地表现在收入方面。本文计算了三个学徒制国家接受不同教育类型劳动力的终身收入现值(3%贴现率)。结果表明,在德国和丹麦受通识教育者会有更高的收入现值,在瑞士则相反。这主要是因为德国和丹麦在过去的几十年里经济增长速度高于瑞士,技术进步也更快。这与本文的分析相契合,即受职业教育者较难适应社会技术的快速变化。进一步分析表明,导致这一现象的原因可能是成人教育:随着年龄的增长,受通识教育者相对于受职业教育者更有可能接受与职业相关的培训。

  2.数据

  IALS是本文的主要数据来源。IALS包含了1994年、1996年和1998年18个参与国家的数据:15个欧洲国家以及美国、新西兰和智利。IALS的受访者是每个国家16—65岁成年人的代表性样本。IALS提供了关于受访者的受教育年限,以及他们在中等和高等教育阶段是否完成了职业教育或通识教育的信息,这为研究教育类型的影响提供了可能。

  相比于其他包含就业信息的数据库,IALS的一个主要优势是它提供了与就业相关的广泛的个人特征数据:包括年龄、性别、受教育年限、就业状况和收入、成人培训情况,以及父母受教育程度,其中一些国家的数据还包括了父亲的职业。此外,IALS开创性地对每个人进行了一系列在国家内和国家间可比的认知技能评估(称为“读写能力”)。通过对受访者进行阅读、写作和数学内容的测试,IALS衡量了充分参与现代社会所需的基本技能。此前不存在对成年人的能力进行跨国比较的评估,一个主要原因是测试问题的设计很难涵盖不同国家成年人的社会背景,因此,测试很有可能对某些国家或某些成年人有利而对另一些成年人不利(Kirsch,2001)。哈努谢克和张磊(Hanushek and Zhang,2009)发现,IALS测试成绩很大程度上反映了劳动力市场所需的认知技能。IALS中关于个人特征的详细信息对研究个人在通识教育和职业教育之间的选择如何随时间变化十分重要。

  在实证分析中,为了根据最终教育水平定义所受教育类型,我们将样本限制在至少已完成中学教育并且不是在校学生的个体。此外,我们仅考虑男性,因为样本国家成年男性的劳动力市场参与模式一直很稳定。相反,由于女性劳动力市场参与程度随时间变化较大,自选择问题将带来较大的估计偏差。

  对于完成中等教育的群体,通识教育的定义是他们的教育课程是学术或大学预备课程; 职业教育的定义是他们的教育方案是商业、贸易或职业导向。本文将所汇报的教育类型为“等同中学教育”或“其他”的群体单独分类,这是因为我们无法区分这些教育方案的内容。对于完成高等教育第一阶段的群体,通识课程是指会授予大学学位(BA/BS)的课程,职业课程是指不会授予大学学位的课程。

  本文主要关注不同教育类型与工作或职业关联程度的制度差异。当然,国家间教育体系在其他方面(如课程的广度和质量)也存在差异。比如,在德国引以为傲的职业教育中,其课堂教学质量可能超过其他国家的通识教育。但是,我们的分析主要考虑国家内的变化,因此国家间的差异不会对本文的分析产生不利影响。本文的分析主要基于在任何一个国家内,职业教育相比通识教育在培养通识技能方面都会花较少的时间和精力,从而直接导致不同教育类型产生通识技能差距,进而影响长期就业趋势。

  2.1描述性统计分析

  表1描述了不同国家教育类型的总体分布情况。平均来看,样本中男性35%完成通识教育,47%完成职业教育(余者被定义为“其他”类别);73%完成中等教育,其中大约1/4完成通识教育,1/2完成职业教育。在完成高等教育的样本中,超过一半完成了本科教育。

qw

  各国之间,特别是仅完成中等教育的群体,存在很大差异。完成中等通识教育的人口比例在捷克共和国不到5%,而在意大利达到72%。因为大多数欧洲国家在中学阶段强调职业教育,所以这些国家完成中等通识教育的比例不到1/3。相比之下,智利的大多数人完成了通识类中等教育。在高等教育层面,国家间的差异则较小。大多数国家完成高等教育的个体中获得大学学位的比例在1/3到2/3之间,美国和智利居中。总体来看,美国完成高等教育的比例最大。各国教育体系之间的这种差异反映了国家间政策导向的差异,它们很可能会对各国劳动力市场结果带来巨大影响。

  受职业教育者和受通识教育者的相对技能是否会随时间在一国内部发生变化对我们的研究至关重要。IALS的读写能力测试提供了不同年龄、不同受教育类型的人的认知能力信息。本文取阅读、写作和数学测试的平均成绩,并以国家为单位对测试成绩进行标准化处理,使其均值为0,标准差为1。数据表明,受通识教育者的平均得分高于受职业教育者;但两类人群的测试分数有较大重叠,表明他们中大部分人认知能力类似。哈努谢克、沃斯曼因和张磊(Hanushek、Woessmann and Zhang,2011)的国别分析显示,大多数国家都遵循相同的趋势。这表明职业教育和通识教育之间的相对选择性没有随时间发生显著变化。下文将对此做进一步分析。

  本文的分析重点是在整个生命周期中的就业率变化趋势。在IALS数据中,就业状况由受访者被采访时的工作情况决定,其中,未就业包括失业、退休和居家。在一些国家中,如德国,不同教育类型的就业率随年龄增长而变化:对于最年轻的群体而言,受职业教育者往往比受通识教育者具有更高的就业率;但对于年老的群体,受通识教育者比受职业教育者更易就业,这种趋势在职业生涯后期最为明显。另外一些国家,如美国,接受不同教育类型者的就业率几乎不随年龄变化。

  2.2根据制度差异对不同国家分组

  各国在通识和职业教育的相对规模以及职业教育的具体组织方面存在巨大差异。美国在中学一级几乎没有官方定义的职业课程。相比之下,一些欧洲国家,如比利时、芬兰和荷兰,大多数职业学生为在校学习;而另一些国家,如德国、丹麦和瑞士,则强调学徒制,大量结合学校教育和工作岗位实践。因此,本文根据IALS样本信息和《经合组织教育概览》(Education At a Glance,EAG)的统计数据将国家分为不同类别。在IALS数据中职业教育学生份额至少为40%,在1996年或2007年《经合组织教育概览》中职业教育学生份额至少为50%的国家定义为职业教育国家;此类国家有11个,包括比利时、捷克共和国、丹麦、芬兰、德国、匈牙利、荷兰、挪威、波兰、瑞士和斯洛文尼亚。其中的6个国家(捷克共和国、丹麦、德国、匈牙利、波兰和瑞士)至少有25%的职业教育学生参加了学校教育与工作岗位实践相结合的项目;本文将这6个国家称为非学校为主的职业教育国家。此外,为了更好地研究学校教育和工作岗位实践相结合的教育制度,我们将丹麦、德国和瑞士单独列为学徒制国家,因为这些国家的学校教育和工作岗位结合方案的比例在1996年和2007年均超过40%。已有文献表明,学徒制职业教育是促进青少年从学校进入就业的最有效的方式(Lerman,2009;Wolter and Ryan,2011)。因此,考察这些国家完成通识教育或职业教育者在整个生命周期的就业经历具有更重要的政策意义。根据以上标准,四个国家——智利、意大利、新西兰和美国是非职业教育国家。

  从非职业教育国家到学徒制国家,职业教育“实验强度”不同。学徒制职业教育的学生由于大量参加工作岗位实践,必然会受到更多的职业教育和较少的通识教育。(注:学徒制国家根据对未来所需要的职业技能的预测选择不同的职业技能教育项目。虽然教授的具体内容可能会随时间而变化,但是通识教育和职业教育的相对比重并不会变化。) 图1的上图显示了11个职业教育国家和3个学徒制国家不同教育类型随年龄的就业状况。职业教育在劳动力市场的相对优势随年龄增长而下降的趋势在职业教育国家中是显而易见的,在学徒制国家中则更为明显。鉴于这些国家对通识教育和职业教育的定义是最清晰的,下文将集中分析这些国家。

  3.识别教育类型的影响

  本文主要关注教育类型对个人在整个生命周期中就业和收入的影响。为了检验本文提出的主要假设:在劳动力市场中,受职业教育者相对于受通识教育者的优势随年龄增加而递减,本文比较了在每个国家中接受这两种教育类型的个体随年龄增加的就业率变化趋势。在最基本的双重差分模型(DID)中,假定受通识教育者与受其他教育者之间的就业率差异随年龄呈现线性变化趋势。

qw

qw

  在模型(1)中,如果个体i当前处于就业状态,变量 empi = 1,否则为0;使用年龄及其平方项描述就业随年龄的变化趋势;如果个体i的受教育类型为通识教育,变量geni取值为1,否则为0;X代表可能影响就业率的其他控制变量,其中包括国家固定效应以消除总体上的国家差异和个人劳动技能度量差异(不包括教育类型变量)。系数β1反映受通识教育的劳动力与受职业教育的劳动力之间初始就业率的差异(在实证分析中将其标准化为16岁时的就业率),β2则度量了随年龄变化,通识教育相对于职业教育对劳动力就业率的不同影响。

  在基本模型中交互项是年龄的简单线性函数,这与图1的下部分图形所描绘的趋势一致,表明至少从30岁开始,随年龄变化,教育类型对就业率有持续的影响。在运用IALS数据进行的分析中,我们尝试验证是否存在非线性变化趋势,但并没有足够的证据表明存在非线性趋势。

  系数β1反映受通识教育与受职业教育劳动力之间就业率的总体差异,但模型无法充分识别通识教育对就业率影响的因果关系。该系数包含了影响不同教育类型的选择但未包括在X中的其他因素造成的影响,使得本文估计的教育类型对就业率的影响(包括其他大部分研究的结果)只是反映了不同受教育类型个体之间就业率的系统性差异。值得注意的是,这也是评估职业教育对劳动力由学校到就业过渡的影响,从而强调职业教育政策有效性时经常遇到的挑战。

  然而,本文最主要的系数为β2。在双重差分模型(DID)中,β2反映了接受不同教育类型劳动力的就业率差异随年龄变化的趋势。为了识别教育类型对就业的影响随生命周期变化的因果效应,本文包含的最基本假定是:个体选择接受通识教育还是职业教育(基于其他控制变量X)不会随时间而发生变化。换言之,本文假定当前每类教育类型的老年人可以作为30年以后同一教育类型年轻人的近似,这使得我们可以研究在整个生命周期中教育类型对个体就业率的影响如何随年龄而变化。

  如果随时间推移人们更倾向于选择职业教育,并且这种趋势未被模型中的其他变量(X)所控制,则劳动市场变化可能反映不同教育类型中年轻劳动力和年长劳动力之间的能力差异(Caucutt and Kumar,2003)。描述性分析表明,随年龄变化,在不同教育类型个体之间,其父母受教育水平、职业方面的差异并没有发生系统性或者显著的整体改变,但受通识教育者与受职业教育者之间的测试分数差距随年龄由大变小而逐渐缩小(Hanushek、Woessmann and Zhang, 2011)。但在分析过程中,本文控制了测试分数以及其他代理变量。此外,本文运用倾向得分匹配方法(PSM)将受职业教育者与可比的受通识教育者匹配,进一步提高了接受不同类型教育者的可比性。

  4.教育类型对就业的影响

  我们首先基于11个职业教育国家样本,分析在整个生命周期中通识教育和职业教育对个体就业率的影响。然后采用不同的模型、对不同样本进行分析,并进行相关稳健性检验。

  4.1基本结果分析

  表2所列为模型(1)的回归结果,在模型中教育类型对就业状况的影响随年龄变化呈线性趋势。样本包含来自所有11个职业教育国家的个体,所有模型均包含国家固定效应,因此,模型中估计的教育类型对就业的影响反映每个国家内部的差异。表2第1列为最基本的模型估计结果,其中就业率是年龄、年龄平方、受教育年限和个体最高教育水平是否为通识教育及其与年龄的交互项这些变量的函数。其他条件不变,就业率随个体年龄增加而上升,并在36岁达到峰值然后呈下降趋势,这与图1描述的就业率随年龄变化的趋势一致。此外,就业率随受教育年限增加而上升:个体受教育年限每增加1年,就业率上升1.2个百分点。

  更重要的是,虽然受通识教育者比接受职业教育者的初始就业率(以16岁作为基准)平均低6.9个百分点,但这一差距以每10年2.1个百分点的速度缩小。从中可以推导出,当年龄达到49岁时,受通识教育者的平均就业率将超过受职业教育者。只接受过“等同中学教育”或“其他”教育类型的个体,其就业率随年龄变化的趋势与受职业教育者的就业率随年龄变化的趋势基本一致。

  如前所述,在接受不同教育类型的选择不随时间变化的前提下,通识教育与年龄的交互项系数β2反映了通识教育对就业率在整个生命周期中变化的因果效应。在表2的其他几列中,我们运用不同方法解决由无法观测的能力因素或其他可能影响就业的因素造成的潜在偏误,这是因为接受不同教育类型者,这些因素可能随时间而变化。

  4.2教育类型的选择随时间变化的处理

  本文最主要的问题是:随着世界各国教育系统的扩张,受通识教育者的能力水平可能随时间推移而改变,导致教育类型及其与年龄的交互项的系数可能部分地反映无法观测的能力因素在不同年龄阶段对个体就业率的影响。譬如,无论接受何种教育,能力越强的个体可能更容易适应环境的改变,使他们随年龄增加更容易被雇用。由于可能的自选择偏误会对模型估计结果带来严重影响,下文将运用不同方法来验证是否存在随年龄变化的教育类型选择性问题。

qw


qw

  首先,在模型中加入测试成绩及其与年龄的交互项变量(表2第2列)。在个体年龄为16岁时, 测试成绩的系数为正,并且测试成绩与年龄的交互项也为正,表明能力越强的个体随年龄增加具有更高的就业率。测试成绩对就业率的影响呈现的时间趋势,更加突出了教育类型对就业率影响的识别问题,凸显IALS数据的重要性。需要注意的是,此处教育类型对就业影响随年龄的变化趋势是由通识教育中与测试成绩正交的部分识别的。与预期一致,随着通识教育的扩张,接受通识教育的年轻个体平均能力有所下降,导致通识教育与年龄交互项的系数稍微变小。然而,通识教育变量及其与年龄的交互项仍对就业率产生显著影响。在该模型中,受通识教育者在54岁时,其平均就业率将超过受职业教育者。

  其次,我们在表2第3列估计的模型中加入虚拟变量——母亲的受教育程度及其与年龄的交互项。然而,这两组变量的影响并不显著,且相对于第2列的估计结果,在模型中引入这两组变量对其他变量的估计结果影响甚微。因此,在接下来的模型中,我们不再控制母亲的受教育程度及其与年龄的交互项。由于父母的职场经历可能直接影响孩子受教育类型的选择,我们在第4列模型中加入父亲职业虚拟变量及其与年龄的交互项;当父亲职业类型为专业技术性时,该虚拟变量取值为1。然而,由于信息的缺失,样本现在只包含四个国家(捷克共和国、芬兰、匈牙利和波兰)。同样,父亲职业及其与年龄的交互项对就业的影响不显著,模型的主要变量,是否接受通识教育及其与年龄的交互项,系数与第1至3列中模型的估计结果基本相同。

  在第5列所估计的模型中,使用初始的11个职业教育国家样本数据,并在该模型中加入3个控制变量:每个国家、每个10年年龄组中个体分别接受通识教育和职业教育的比重,以及每个国家、每个10年年龄组中接受某类教育类型个体的平均测试成绩。这些变量反映了技能差异随时间的变化,并可能扭曲随着时间变化个体对教育类型的选择。劳动力的总体构成可能也会影响培训和技能的劳动力市场回报。较高的平均测试成绩表明完成该类教育类型的个体整体能力较强,接受某类教育的个体所占比重越高,表明该类教育的选择性越弱。第5列所估计的模型结果表明:其他条件不变,就业率与平均测试成绩呈正相关。然而,模型中最主要的解释变量,是否接受通识教育与年龄的交互项,及其他变量的估计结果与第2列所估计的模型结果基本相同。以下的模型估计均采用第5列中的模型。

  在模型中加入不同的控制变量后,模型的估计结果相对稳健,表明模型结果具有较高的可信度。基于此,我们认为教育类型的选择偏误不是本文面临的重要问题。

  4.3排除样本中最年轻的个体

  我们进一步分析从样本中排除在校学生可能对估计结果产生的影响。在表2第6列的稳健性检验中,我们将样本年龄限制为20—65岁。这一做法主要是考虑到很多年轻个体仍为在校学生,且他们是否在校与受教育类型相关。将最年轻的那部分样本整体排除,样本中保留的年轻个体将更近似地代表年轻劳动力总体。事实上,在16—19岁的男性样本中,有2/3仍为在校学生,而在20—25岁的男性样本中,仅有1/4为在校学生。不同年龄组中在校学生的比例表明,不能将样本中16—25岁的个体整体排除;否则,将丢失过多潜在的年轻劳动力样本,进而无法准确估计不同教育类型对学校到工作过渡的影响。模型中样本年龄界限选择是对样本代表性和样本大小两方面考虑的折中。将样本年龄限制后的模型估计结果与第5列中运用相同模型但全部年龄范围样本估计的结果非常相似。

  表2第7列中,模型进一步将样本年龄限制为30—65岁。在该模型中,随个体年龄变化,教育类型对就业率的影响将不受由学校到就业转变过程的干扰,仅归因于随后就业率的变化。同样,该模型的估计结果与前文的结果基本一致,表明前文估计的结果并非受样本中年轻个体年龄范围的影响。结果的稳健性表明,在下文的分析中可以使用所有16—65岁的样本。

  4.4干预强度的影响

  表3中运用前文的基本模型(表2第5列),使用不同国家分组样本进行估计,旨在揭示不同干预强度的影响。使用IALS数据中所有18个国家样本估计的模型(第1列),其结果与前文的结果呈现相同的趋势,但估计值稍有下降。然而,第2列的估计结果表明,在非职业教育国家并不存在相同的趋势:估计的系数不显著,意味着接受不同教育类型的个体之间就业率几乎没有差异。这与使用11个职业教育国家样本估计的结果形成鲜明对比(第3列,与表2第5列相同)。

qw

  在第3列至第5列模型的样本国家中,基于学校与企业联合培养项目的职业教育所占比重逐渐上升,职业教育类型的定义更清晰、一致。比较不同国家组的估计结果表明,随着职业教育更多地基于企业培训,受职业教育者与受通识教育者之间的初始就业率差距变大,而该差距随时间缩小的速度也相应上升。

  在学徒制国家中,基于学校和企业联合培养项目的职业教育所占比重很高,就业率随年龄变化的趋势最为明显 (丹麦、德国和瑞士)。在分别使用三个学徒制国家样本估计的模型结果中,通识教育与年龄的交互项均显著为正(第6列至第8列),这表明,从整个生命周期看,受职业教育者在年轻时获得的就业优势将被年长时的就业劣势抵消。

  综上所述,按职业教育的强度将IALS样本分解为不同子样本,各子样本的估计结果表明,职业教育的强度导致教育类型对就业率的影响具有明显的异质性。具体来说,职业教育强度越高的国家,就业率随年龄变化的趋势与职业教育的交互作用越显著。

  4.5倾向得分匹配方法(PSM)

  虽然在大多数国家接受不同教育类型的个体间平均能力存在差异,但在所有国家中,受职业教育者和通识教育者测试成绩的取值范围有很大重叠。实际上,对于接受不同教育类型的个体,这种重叠还存在于年龄、受教育年限及家庭背景方面。为了进一步处理可能存在的选择偏误问题,我们运用倾向得分匹配方法估计基本模型,以确保样本中受职业教育者与受通识教育者直接可比。虽然该方法不能解决由无法观测的因素造成的选择偏误,但能消除教育类型决策中的异常值对结果的影响。

  通过匹配可以对那些有相似可观测特征的个体进行比较,能更好地识别教育类型本身的影响。在每个国家内,通过比较受职业教育者与受通识教育者之间的职业教育倾向得分来选择匹配样本。倾向得分最接近于受职业教育者的受通识教育者将会与所有受职业教育者一起被包含在匹配样本中,这样,匹配样本中所有个体将具有相同的倾向得分取值范围。具体来说,首先,对每个国家样本运用probit模型对个体是否接受职业教育与其年龄、受教育年限、测试成绩、父母是否接受过高中教育进行回归估计。其次,利用第一阶段中预测的倾向得分,使用近邻匹配算法对接受职业教育和通识教育的个体进行匹配。后匹配检验表明匹配过程具有可信性。在匹配后样本中,大多数国家受职业教育者和受通识教育者之间的差异已经缩小,接受两类不同教育的个体的所有匹配变量在统计上无差异。

  表4前两列分别为职业教育国家和学徒制国家样本的匹配估计量结果。这两个样本在匹配后缩小了20%—30%。然而,匹配后样本的估计结果与前文分析结果相似,表明前文结果不受可观测特征对教育类型选择的非线性影响。此外,运用其他匹配方法诸如半径匹配和核匹配的估计结果均与前文基本一致。

  4.6其他稳健性检验

  完成高等职业教育的个体在一般性技能获得方面可能更具异质性。为了证实前文分析结果并未受到高等职业教育的影响,表4第3列和第4列估计的模型将样本限于只完成中等教育的个体。模型中样本损失了近1/4的受高等教育者。同样,模型估计结果与表3中的结果非常相近。

  此外,可能存在这样一种一般性推论:大多数未被雇用的男性(包括那些进入提前退休的个体)在年老时并非自愿失业,可能是由各种提前退休计划对受职业教育者和受通识教育者的区别对待所致。这样,前文发现的就业随年龄变化的趋势可能是由现行退休政策,而非经济环境变化中不同的适应能力所致。为了检验该推论的可能性,本研究进行了相关稳健性检验,在表4第5列和第6列估计的模型中,将样本限制为劳动力市场参与者,排除了样本中由于退休、居家或者其他原因导致不就业的个体。模型估计结果再次证实不同教育类型导致就业随年龄呈现不同变化趋势,这表明,相对于受通识教育者,有就业意愿的受职业教育者随年龄增加更不易就业(第5列交互项系数通过13%的显著性统计检验)。因此,非自愿失业的趋势表明,个体自愿提前退休不会影响前文的主要分析结果。

  受职业教育者在更年轻时便进入劳动力市场(平均来看他们受教育程度更低),因此,就业的年龄趋势可能仅反应个体在劳动力市场工作固定年限然后退休的时间趋势。但是,在基于个体潜在工作经验(时间从完成学业后开始)的模型中(未列出),个体的潜在工作经验与教育类型交互项的估计系数和前文结论一致。

qw

  最后,我们运用非线性模型进行分析,模型中假定教育类型对就业率的影响随10岁年龄组呈现不同的变化趋势。就业率随年龄的变化在职业教育国家和学徒制国家组中均呈现非线性趋势(未列出)。这种趋势在三个学徒制国家中最显著,并且在56—65岁年龄组样本中,受通识教育者相对于受职业教育者在就业方面的优势最为明显。此外,当我们将样本年龄限制为20—65岁,并且将青年定义为20—30岁、中年定义为31—50岁、老年定义为51—65岁时,模型估计结果与前文基本一致(Hanushek、Woessmann and Zhang,2011)。

  5.教育类型对收入和参加职业培训的影响

  到目前为止,我们仅将是否就业作为因变量进行分析。在此部分,将使用另外两个与教育类型相关的变量作为因变量:收入和与职业相关的成人教育。

  5.1收入

  我们首先选择IALS数据中在调查前的12个月中全职工作者的样本对工资方程进行估计。估计模型是一个扩展的明瑟(Mincer)工资方程,用以分析受职业教育者和受通识教育者工资随年龄的不同变化趋势。(注:标准的明瑟工资方程中被解释变量为工资的自然对数,主要解释变量为受教育年限、性别、工作经验及其平方项。本文采用的扩展模型以年龄代替工作经验,并加入了年龄和年龄平方与受通识教育类型的交互项。 )表5前两列是职业教育国家和学徒制国家的回归结果。

  与前文就业率的分析结果一致,不同受教育类型的个体间工资差距随年龄呈现一定的变化趋势:受通识教育者的初始工资低于受职业教育者,随年龄增长其工资逐渐超过受职业教育者。教育类型与年龄平方的交互项系数为负,表明受两类教育个体的工资差异在50岁左右趋平。

  使用IALS 样本进行工资分析,特别是分析学徒制国家时面临小样本问题。为了佐证IALS 样本的分析结果,我们使用德国的人口普查数据进行分析。这一数据包含更全、更新的职业信息数据,但缺少个体的测试成绩信息。作为比较,表5第3列和第4列给出了以IALS数据中的德国样本进行估计的结果,表明虽然该样本较小,但与使用职业教育国家和学徒制国家两组样本的模型估计结果一致,不同受教育类型的个体间工资差距随年龄呈现显著的变化趋势

  (第4列中通识教育变量的系数在12%统计检验水平上显著为负)。在模型中排除普查数据中无法获得的测试成绩变量后,该趋势几乎不受影响。第5列结果表明使用德国普查数据估计模型得到相似结果。中等教育和高等教育样本的分析结果具有相同的趋势,但教育类型对中等教育个体有更强的影响,在模型中加入10个或者88个职业组固定效应或者排除劳动密集型职业后,结果仍然稳健(结果未列出)。

qw

  5.2成人教育

  个体接受与职业相关的成人教育越多,随着知识和技能的不断提升,越有可能被雇佣;因此,分析个体的成人教育情况有助于解释受不同教育类型的个体在就业上随年龄变化趋势的差异。在IALS样本中,大约有1/3男性在接受调查前的12个月中曾接受过与职业相关的成人教育。与受职业教育者(30%)相比,受通识教育者(37%)有更大的可能性接受与职业相关的培训。事实上,受通识教育个体对技术变革有一定的适应能力,很可能是因为通识教育使他们日后的教育投资成本相对较低。通过投资于更多技能,受通识教育者随时间推移拥有更好的就业机会,从而削弱技术变革的影响。本文分析中无法区分这两种影响路径。

  表6报告了估计结果。第1列和第2列分别采用职业教育国家和学徒制国家样本进行回归。在职业教育干预强度较高的学徒制国家,随年龄增加,受通识教育者更有可能接受与职业相关的培训。这种趋势在德国更为明显。同样,使用德国微观普查数据进行的分析证实了相同的趋势。

  6.终身收入

  我们的分析表明不同教育类型的就业优势在整个生命周期内确实存在着此消彼长的变化。因此,在最后我们提出一个简单的问题,受职业教育者在就业早期的就业、收入优势是否会超过就业后期的收入损失。

  需要注意的是,虽然我们对教育类型如何随年龄影响就业率有明确的因果估计,但我们估计的不同教育类型的初始就业差异不能反映因果关系。对教育类型的初始影响的因果关系估计需要将教育类型的影响因素和其他既影响就业又影响教育类型选择的因素区分开。尽管如此,使用估计的通识教育的初始就业损失[(1)式中的β1],我们计算了为年龄和就业模式提供最清晰证据的三个学徒制国家中具有不同教育类型的工人的终身收入现值。我们按不同教育类型、不同年龄组的平均工资计算每个年龄的工资情况,按3%的贴现率将未来工资换算成16岁时的现值。

qw

  结果表明,劳动力市场的总体环境对评估学徒制职业教育的影响非常重要。对于德国和丹麦,受通识教育者会有更高的工资现值。在整个生命周期,德国受通识教育者会比受职业教育者的工资高出24%,在丹麦这一数字为6%。然而,在瑞士,接受职业教育者会有更高的工资现值;早期多获得的工资会弥补晚期的工资损失,因此瑞士受职业教育者的终身工资会比通识教育者高8%。作为一种替代方法,我们计算使受职业教育者和通识教育者的收入现值相同的贴现率。这一数字在德国、丹麦和瑞士分别为0.096、0.054和0.01。这表明对德国和瑞士两种教育类型的相对评估不会受到贴现率取值的影响。

  对不同国家工资现值差异的解释与本文分析的动机契合。在发展更快的社会中,技术变化也更大,通识教育带来更强的社会适应力将有利于受通识教育者的就业与工资。瑞士1970年到2000年人均GDP的年增长率只有1.1% (Heston、Summers and Aten,2011),不及可比的经合组织国家经济增长率的一半(2.4%)。丹麦的增长率为2.1%,德国的增长率为2.2%,这表明这两个国家的经济更具活力,从而通识教育的灵活性带来更大的收益。

  此外,沃尔特和瑞恩(Wolter and Ryan,2011)指出,瑞士学徒制对公司是有益的,而德国学徒制并没有。这提出了一个小谜题,因为瑞士公司的净收益部分是来源于实习人员较低的相对工资。因此,可以预期,至少在培训期间,瑞士工人的净收益会更低。但是,根据我们的数据,虽然接受职业教育的瑞士工人在实习期间相对于德国工人的工资较低,但是相比于德国工人,他们日后的就业率和工资也下降得更少,因此在瑞士,接受职业教育的工人可能会比接受通识教育的工人有更高的终身工资现值。

  在考虑一国教育体系对就业的总体影响时无疑要注意这个影响在一定程度上与国家的社会保障体系相关。如果不能提前退休,大部分在50多岁想要退出劳动力市场的工人很有可能选择继续就业。因此,在一些没有成熟的养老保险体系的发展中国家,就业和工资结构在整个生命周期中可能呈现完全不同的模式。此外,因为政府政策和公共支出项目与个人终身工资相互影响,我们的计算并不代表成本—收益分析。

  7.结论

  本文估计了职业教育对就业影响随年龄变化的趋势,这一估计表明,很多关于教育体系的政策讨论都过于片面。职业教育因为能促进学校到工作的过渡而被广泛提倡,但是,它也会不利于工人适应技术和社会经济结构的变化。因此,职业教育促进初始就业的优势会被日后的劣势抵消。

  通过使用双重差分模型,比较不同教育类型、不同年龄工人的相对就业表现,我们估计了不同教育类型对整个生命周期就业情况的影响。结果表明在实行职业教育的国家,受职业教育者在年轻时更容易被雇佣,但是这种优势会随着年龄的增大而消失。完成通识教育的个体最早在50岁就开始有更高的就业率。因为本文主要分析男性的就业情况,因此这个年龄并不算晚。与此一致,接受通识教育的男性的工资也会在相似年龄超过接受职业教育的男性。此外,对某些职业特定的技能需求会日益下降,虽然很难预测哪些人会在接下来的几十年里面临下降的需求,但可以肯定的是,即使某些职业技能在整个生命周期不会过时,职业学位最终会失去更多的就业机会。

  上述结果在学徒制国家表现得最明显。在加入更多的控制变量、删除样本中最年轻的个体、使用倾向得分匹配的分析中,结果仍然稳健。只考虑完成中等教育个体和仅考虑劳动力市场参与者的结果仍然稳健。因此,图1中粗略的就业趋势不能简单地归因于对通识教育和职业教育的选择差异,而更可能是由不同类型学校的教学重点不同造成的。

  本文还得出结论,职业教育的影响在基于学校教育的国家和工作导向型培训的国家有很大差异。虽然在所有职业教育国家都存在着职业教育的优势相对于通识教育会随着年龄增长而有所下降的趋势,但在本文的样本中,这一趋势在三个学徒制国家最为明显。不过,在这些国家,职业教育相对于通识教育的早期收益和晚期损失的权衡并不相同:与经济变化的相对速度一致,在增长缓慢的瑞士职业教育似乎有利于终身工资,但在增长更快速的丹麦和德国通识教育更有利。

  本文分析结果表明,在制定有关职业教育的政策时,需要考虑职业教育长期与短期的利弊权衡。最重要的是,本文和其他分析表明,通识技能在现代经济社会中十分必要,因此职业教育不能被用来替代高质量的基础教育。此外,各国应该制定方案改进职业教育在日后的不利影响。例如,欧盟委员会(2010年)的公报强调,为了应对欧洲青年高失业率问题,除了需要提高职业教育外,也要意识到投资于“终身学习”的重要性。虽然我们的研究并没有分析能够使个人和雇主更加关注工人整个职业生涯中的额外教育和培训的最优方式,但是,本文的研究结论表明,如果政策制定者想要将学校体系偏向于职业教育,那么也需要考虑如何才能使工人自身和雇主更加关注整个职业生涯的教育和培训,从而弥补职业教育在后期带来的不利影响。 ■

  参考文献

  Acemoglu, Daron, and Jorn-Steffen Pischke. 1998.“Why do firms train? Theory and evidence.” Quarterly Journal of Economics 113, no. 1: 79-119.

  Acemoglu, Daron, and Jorn-Steffen Pischke. 1999.“Beyond Becker: Training in imperfect labour markets.” Economic Journal 109, no. 453 (February): F112-F142.

  Altonji, Joseph G., Todd E. Elder, and Christopher R. Taber. 2005.“Selection on observed and unobserved variables: Assessing the effectiveness of Catholic schools.” Journal of Political Economy 113, no. 1 (February): 151-184.

  Arum, Richard, and Yossi Shavit. 1995. “Secondary vocational education and the transition from school to work.” Sociology of Education 68, no. 3 (July): 187-204.

  Becker, Gary S. 1964. Human capital: A theoretical and empirical analysis, with special reference to education. New York, NY: National Bureau of Economic Research.

  Bertocchi, Graziella, and Michael Spagat. 2004.“The evolution of modern educational systems: Technical vs. general education, distributional conflict, and growth.” Journal of Development Economics 73, no. 2 (April): 559-582.

  Brussig, Martin. 2007. “Auswirkungen der Altersgrenzenanhebung auf den Rentenzugang in Deutschland—Welche Wirkungen haben die aktuellen Abschlagsregelungen?” Wirtschaftspolitische Bltter 54, no. 4: 625-639.

  Caucutt, Elizabeth M., and Krishna B. Kumar. 2003. “Higher education subsidies and heterogeneity: A dynamic analysis.” Journal of Economic Dynamics and Control 27, no. 8 (June): 1459-1502.

  Cleveland, William S. 1979. “Robust locally weighted regression and smoothing scatterplots.” Journal of the American Statistical Association 74, no. 368: 829-836.

  Crvers, Frank, Hans Heijke, Ben Kriechel, and Harald Pfeifer. 2011.“High and steady or low and rising? Life-cycle earnings patterns in vocational and general education.”ROA Research Memorandum ROA-RM2011/7. Maastricht: Research Centre for Education and the Labour Market.

  DiNardo, John E., and JrnSteffen Pischke. 1997. “The returns to computer use revisited: Have pencils changed the wage structure too?” Quarterly Journal of Economics 112, no. 1 (February): 291-303.

  European Commission. 2010. The Bruges Communiqué on enhanced European Cooperation in Vocational Education and Training for the period 2011-2020, 7 December, at Bruges.

  Fersterer, Josef, JrnSteffen Pischke, and Rudolf WinterEbmer. 2008. “Returns to apprenticeship training in Austria: Evidence from failed firms.”Scandinavian Journal of Economics 110, no. 4: 733-753.

  Fitzenberger, Bernd, and Astrid Kunze. 2005. “Vocational training and gender: Wages and occupational mobility among young workers.” Oxford Review of Economic Policy 21, no. 3: 392-415.

  Fitzenberger, Bernd, and Ralf A. Wilke. 2010.“Unemployment durations in West Germany before and after the reform of the unemployment compensation system during the 1980s.” German Economic Review 11, no. 3: 336-366.

  Gathmann, Christina, and Uta Schnberg. 2010.“How general is human capital? A task-based approach.” Journal of Labor Economics 28, no. 1 (January): 1-49.

  Golsteyn, Bart H.H., and Anders Stenberg. 2014. “Comparing long term earnings trajectories of individuals with general and specific education.” Paper presented at the 2014 meeting of the Society of Labor Economists.

  Gould, Eric D., Omer Moav, and Bruce A. Weinberg. 2001.“Precautionary demand for education, inequality, and technological progress.” Journal of Economic Growth 6, no. 4: 285-315.

  Hall, Caroline. 2013.“Does more general education reduce the risk of future unemployment? Evidence from labor market experiences during the Great Recession.” IFAU Working Paper 2013:17. Upsalla, Sweden: Institute for Evaluation of Labour Market and Education Policy (July).

  Hall, Robert E., and Charles I. Jones. 1999. “Why do some countries produce so much more output per worker than others?” Quarterly Journal of Economics 114, no. 1: 83-116.

  Hanushek, Eric A., and Ludger Woessmann. 2011. “The economics of international differences in educational achievement.” In Handbook of the Economics of Education, Vol. 3, edited by Eric A. Hanushek, Stephen Machin, and Ludger Woessmann. Amsterdam: North Holland: 89-200.

  Hanushek, Eric A., Ludger Woessmann, and Lei Zhang. 2011. “General education, vocational education, and labormarket outcomes over the lifecycle.” NBER Working Paper 17504. Cambridge, MA: National Bureau of Economic Research (October).

  Hanushek, Eric A., and Lei Zhang. 2009. “Qualityconsistent estimates of international schooling and skill gradients.” Journal of Human Capital 3, no. 2 (Summer): 107-143.

  Heckman, James J., Lance J. Lochner, and Petra E. Todd. 2006. “Earnings functions, rates of return and treatment effects: The Mincer equation and beyond.” In Handbook of the Economics of Education, Vol. 1, edited by Eric A. Hanushek and Finis Welch. Amsterdam: North Holland: 307-458.

  Heston, Alan, Robert Summers, and Bettina Aten. 2011.“Penn World Table Version 7.0.” Center for International Comparisons of Production, Income and Prices at the University of Pennsylvania. Philadelphia: University of Pennsylvania (June 3 update).

  Ichino, Andrea, Guido Schwerdt, Rudolf WinterEbmer, and Josef Zweimüller. 2007. “Too old to work, too young to retire?” IZA Discussion Paper 3110. Bonn: Institute for the Study of Labor (October).

  Jacobson, Louis S., Robert J. LaLonde, and Daniel G. Sullivan. 1993.“Earnings losses of displaced workers.” American Economic Review 83, no. 4 (September): 685-709.

  Kirsch, Irwin S. 2001. “The International Adult Literacy Survey (IALS): Understanding What Was Measured.” Research Report RR0125. Princeton, NJ: Educational Testing Service (December).

  Krueger, Dirk, and Krishna B. Kumar. 2004a. “Skillspecific rather than general education: A reason for USEurope growth differences?” Journal of Economic Growth 9, no. 2: 167-207.

  Krueger, Dirk, and Krishna B. Kumar. 2004b.“USEurope differences in technologydriven growth: quantifying the role of education.” Journal of Monetary Economics 51, no. 1 (January): 161-190.

  Lazear, Edward P. 1979. “Why is there mandatory retirement?” Journal of Political Economy 87, no. 6 (December): 1261-1284.

  Lerman, Robert I. 2009. Training tomorrows workforce: Community college and apprenticeship as collaborative routes to rewarding careers. Washington, DC: Center for American Progress (December).

  Ludwig, Volker, and Friedhelm Pfeiffer. 2006. “Abschreibungsraten allgemeiner und beruflicher Ausbildungsinhalte: Empirische Evidenz auf Basis subjektiver Einschtzungen (Depreciation rates of general and vocational training capital: Evidence based on subjective ratings).” Jahrbücher für Nationalkonomie und Statistik / Journal of Economics and Statistics 226, no. 3: 260-284.

  Malamud, Ofer, and Cristian PopEleches. 2010. “General education versus vocational training: Evidence from an economy in transition.” Review of Economics and Statistics 92, no. 1 (February): 43-60.

  Meer, Jonathan. 2007. “Evidence on the returns to secondary vocational education.” Economics of Education Review 26, no. 5 (September): 559-573.

  Müller, Walter. 2009. “Benefits and costs of vocational education and training.” In Raymond Boudon, a life in sociology, edited by Mohamed Cherkaoui and Peter Hamilton. Paris: Bardwell Press: volume 3, 123-148.

  National Center for Education Statistics. 1996. Findings from vocational education in the United States: The early 1990s. Washington, DC: U.S. Department of Education, Office of Educational Research and Improvement, NCES 97-391.

  Oosterbeek, Hessel, and Dinand Webbink. 2007.“Wage effects of an extra year of basic vocational education.” Economics of Education Review 26, no. 4: 408-419.

  Organisation for Economic Cooperation and Development. 2010. Education at a Glance 2010: OECD Indicators. Paris: OECD.

  Oster, Emily. 2014.“Unobservable selection and coefficient stability: Theory and validation.”NBER Working Paper 19054. Cambridge, MA: National Bureau of Economic Research (January).

  Podgursky, Michael, and Paul Swaim. 1987. “Job displacement and earnings loss: Evidence from the displaced worker survey.”Industrial and Labor Relations Review 41, no. 1 (October): 17-29.

  Rosenbaum, James E. 1980.“Track misperceptions and frustrated college plans: An analysis of the effects of tracks and track perceptions in the National Longitudinal Survey.”Sociology of Education 53, no. 2: 74-88.

  Ryan, Paul. 2001.“The schooltowork transition: A crossnational perspective.”Journal of Economic Literature 39, no. 1: 34-92.

  Schwerdt, Guido. 2011. “Labor turnover before plant closure: “Leaving the sinking ship” vs. “Captain throwing ballast overboard.”Labour Economics 18, no. 1 (January): 93-101.

  Schwerdt, Guido, Andrea Ichino, Oliver Ruf, Rudolf WinterEbmer, and Josef Zweimüller. 2010. “Does the color of the collar matter? Employment and earnings after plant closure.” Economics Letters 108, no. 2: 137-140.

  SpitzOener, Alexandra. 2006. “Technical change, job tasks, and rising educational demands: Looking outside the wage structure.” Journal of Labor Economics 24, no. 2: 235-270.

  Stenberg, Anders, and Olle Westerlund. 2014. “The longterm earnings consequences of general vs.specific training of the unemployed.” IZA Discussion Paper 8668. Bonn: Institute for the Study of Labor (November).

  Vandenbussche, Jérme, Philippe Aghion, and Costas Meghir. 2006. “Growth, distance to frontier and composition of human capital.” Journal of Economic Growth 11, no. 2 (June): 97-127.

  von Wachter, Till, and Stefan Bender. 2006.“In the right place at the wrong time: The role of firms and luck in young workers careers.” American Economic Review 96, no. 5 (December): 1679-1705.

  Weber, Sylvain. 2014.“Human capital depreciation and education level.” International Journal of Manpower 35, no. 5: 613-642.

  Wolter, Stefan C., and Paul Ryan. 2011. “Apprenticeship.” In Handbook of the Economics of Education, Vol. 3, edited by Eric A. Hanushek, Stephen Machin, and Ludger Woessmann. Amsterdam: North Holland: 521-576.

  Zimmermann, Klaus F., Costanza Biavaschi, Werner Eichhorst, Corrado Giulietti, Michael J. Kendzia, Alexander Muravyev, Janneke Pieters, Núria Rodríguez-Planas, and Ricarda Schmidl. 2013. Youth unemployment and vocational training. Boston: Now Publishers, Inc.


打赏
本文作者2019-2-16 17:23
admin
粉丝0 阅读549 回复0
上一篇:
湛江籍美国博士找到脑瘤致命基因突变发布时间:2019-01-23
下一篇:
西安华西大学红河校区4.25亿淘宝拍卖发布时间:2019-02-28

精彩阅读

排行榜

桃李网微信公众号

扫码微信公众号
给您想要与成长

用心服务 热心公益
q66619987
周一至周日 24小时
意见反馈:richen#126.com

扫一扫关注我们

桃李赢天下 by Discuz! X3.4© 2018 Comsenz Inc.( 粤ICP备18037673号 )