题记：2023年10月14日，“北大国发院MBA讲坛”特邀北大博雅特聘教授、国发院党委书记兼学术委员会主任、健康老龄与发展研究中心主任，教育部长江学者特聘教授雷晓燕做主旨演讲。本文根据演讲内容整理。

今天与大家分享的主题是“教育、人力资本与长期发展”。最近，诺贝尔经济学奖得主克劳迪娅·戈尔丁成为备受关注的人物，她是一位女性劳动经济学家，这次凭借在教育领域的研究而获奖。我们的研究领域有不少相近之处。

今天主要讲如下几个部分：

1. 关于教育和经济的几个典型事实；

2. 从研究模型的角度探讨教育的作用，教育回报的评估；

3. 2023年度诺奖得主戈尔丁在研究中提到的教育与技术竞赛问题；

4. 对中美教育比较的观察和思考。

关于教育和经济的典型事实

首先要明确三组关系：教育与劳动力参与之间存在正相关关系，即受教育程度越高的人越有可能参与工作；教育与失业率存在负相关关系，即受教育程度越高的人失业的可能性越低；教育与收入之间也存在正相关关系，即受教育程度越高的人收入越高。

根据对北大CFPS（中国家庭追踪调查）2014-2020年四期数据的观察，我们发现，受教育程度为大专及以上的人群相比于高中、初中和小学及以下的人群，其收入水平明显较高。随着时间的推移，不同教育水平人群的收入都有所增长，但相互之间的收入差距非常明显，特别是大专及以上教育水平的人群与其他教育水平的人群之间的收入差距最大。

从模型角度探讨教育的作用

在解释教育与收入之间的关系时，有一个经典的模型被称为“信号模型”。该模型认为，教育并没有直接提高生产力，而是起到筛选人才的作用。例如，考上大学的人本身就是能力更强的人。他们并不是通过读大学提高了自身能力，而是他们本身就具备较高的能力，高考只是把他们从人群中筛选出来。能够考上名牌大学的人可能具备更高的能力。

信号模型认为教育的效应可以被形象地描述为“羊皮效应”，这个比喻源自最初学位证书是用羊皮制作的。“羊皮效应”指拥有学位证书可以向企业传递一个信息，即持有该学位的人具备较高的能力。学位起到了筛选人才或提供资格认证的作用。“羊皮效应”的存在基于信息不对称：因为企业往往无法准确评估一个人的生产能力，因此需要依赖第三方的资格证明来辅助判断。考学就成了重要的筛选。

如果教育只具有信号功能，那么投资教育并没有提高整体的社会效益（除非能够提高人与工作之间的匹配度以提高生产效率）。

人力资本模型则认为教育可以通过提升人力资本来提高劳动生产率。通过提高劳动生产率，个体能够创造更多的价值，从而获得更高的收入。人力资本模型有一些基本结论：教育年限与收入之间存在正相关关系，即教育年限越高，收入越高。然而，随着教育年限的增加，收入的增长速度会下降。当劳动力的教育程度较低时，增加一年的教育会显著提升工资水平；但当劳动力的教育程度已经相对较高时，再增加一年的教育对工资提升的幅度就不再显著。

依据教育的人力资本模型可以进一步推出一些扩展结论：

1. 投资教育可以显著提高社会效益，因为教育能够提升劳动生产率。

2. 欠发达地区教育程度较低和较高群体之间的收入差距大于发达地区。随着教育程度的提升，工资差距虽然存在，但会缩小。在贫穷地区，增加一单位的教育可以带来较大的工资提升，导致教育程度高低之间的收入差距较大。因此，在欠发达地区，教育回报相对更高。

3. 在欠发达地区增加对教育的投资，包括学校建设和培训等，投资回报率较高。在贫困地区或国家，投资教育是非常有效的扶贫手段。通过在贫困地区提供教育，可以大大改善当地的经济状况。当然，直接为贫困地区的孩子提供教育，比进行再分配也能更加精准进行扶贫。

从美国的实践经验来看，当在黑人生活区修建更多的学校时，会明显地缩小黑人和白人之间的收入差距。

如何评估教育回报

教育回报的评估方法是一个被学术界广泛讨论的话题，去年三位诺贝尔经济学奖得主的贡献主要在这些方法方面。今年的诺奖主要在于研究的问题，戈尔丁的研究涉及劳动经济学中的教育、历史和性别等领域。

教育程度与收入之间的正相关关系并不能简单地归因为因果关系。如前所述，高教育程度的人薪资较高可能仅仅是因为教育程度高的人本身就具备较高的能力。因此，我们不能仅仅根据相关性就认为教育对提高人力资本有益而大量投资教育。

在计量经济学中，有多种方法可以消除不可观测的能力水平对结果的偏误。其中一种方法是随机实验。类似于疫苗实验的思路，研究对象被随机分为两组，一组接受教育，另一组不接受教育，然后观察他们之后的工作和收入差异。尽管教育对个人的影响是长期的，难以进行完全的随机实验，但在政府实施的教育扶贫项目中可以进行随机实验。例如，在两个地区选择能力水平相近的人进行实验，其中一个地区实施教育项目，另一个地区不实施，这可以确保被选中的人群在能力水平上基本相似，是否接受教育就可以成为最重要的差异化变量。通过比较他们之后找工作和收入方面的差异，可以更准确地评估教育的回报率，并消除能力差异对结果的影响。这种方法可以提供更可靠的教育效应评估，从而为政策制定者提供更有针对性的参考。

随机实验在规模上存在限制，并且耗时耗力，在使用人为实验进行教育干预也存在争议。在大多数情况下，研究者倾向于用自然实验，即利用现有的自然数据来进行实证分析。其中一种典型方法是将政策冲击作为工具。例如，在某地新建学校就是一种政策冲击，然后观察该地区教育水平的提高是否伴随着收入的增长。通过与教育情况未发生变化的群体进行比较，可以判断教育是否对收入产生影响。在这种情况下，教育并非个体自主选择，而是政府强制性政策的结果。

为了消除不可观测的能力水平对结果的影响，另一种方法是使用断点回归，其中政策冲击可以是自然发生的政策。例如，入学年龄和义务教育是常见的政策，因为这两个规定可以使得年龄接近的人教育程度不一样。比如，去年的诺奖得主Angrist等就利用这种外生冲击巧妙地识别教育回报率。

中国的义务教育和大学扩招也是外生的政策冲击。比如在义务教育实施时你已经超过义务教育年龄，比如15岁、16岁，那么政策对你就没有影响。但如果你当时只有5岁，那么受该政策的影响就会很大。通过比较这些不同群体的收入水平，也可以识别出教育对收入的影响当然，研究中不仅关注收入，还关注了其他方面。

研究教育回报的另一种常用方法是断点回归。比如通过比较高考分数相近，但刚刚上线上了大学和刚好落榜没上过大学的人的收入差异。因为高考分数在一定程度上代表了人的学习能力，而学习能力又与其他能力相关联。那些在高考录取分数线上下的两部分人群，其能力几乎相当。然而，只有录取分数线上的人才有机会上大学，而线下的人则没有这个机会，这就形成了所谓“断点”，这两个群体的收入差异，更是教育带来的回报。因此，通过断点回归的方法，研究者能够更准确地评估教育对个体收入和其他方面的影响。

贾瑞雪和李宏斌就是用这种方法识别精英大学（如985、211大学）的教育回报情况，发现精英大学的教育回报相当可观。Bleemer and Mehta也是用这种方法来识别经济学教育的回报。他们以加州大学一所分校的学生为研究对象，该校大一学生需要先修的经济学原理课程达到一定分数才能被录入经济学专业，这个录取成绩就形成了识别的“断点”。研究发现，读了经济学专业的学生未来收入明显较高，说明经济学教育的回报不菲。

教育的其他非经济影响

教育的回报不仅仅限于收入，还包括其他非经济方面的回报。

美国的研究表明，教育程度高的人具有更健康的生活方式，比如戒烟、减少酒量、避免药物滥用、积极锻炼等行为。特别是受过高等教育的人群，在健康行为改善方面表现最为显著和积极。人们的这些行为改善最终带来了更好的健康状况。

北大国发院赵耀辉老师主持收集的CHARLS（中国健康与养老追踪调查）数据显示了中老年人的预期寿命和身体健康状况与受教育程度之间的关系。把研究对象按不同的教育程度（文盲、半文盲、小学、初中及以上）进行分组。在65岁以下的人群中，当被问及他们能否活到75岁时，教育程度较低的人表示活到75岁的可能性很低，而教育程度较高的人大多认为自己能够活到75，显示教育程度与预期寿命呈正向关系。同时，老年人的教育程度与其他健康指标也显示出正向关系。

教育程度高的人也能够更好地影响自己的子女，影响机制包括自然因素和养育因素。自然因素指的是遗传因素，即聪明的父母往往会有聪明的孩子，这与基因有关。而养育因素则是指高教育程度的父母能够更好地抚育和教育孩子。除了遗传和养育，

养育的渠道，最近我们的一篇文章还发现义务教育的实施通过提高女性教育而促进了女性在生育方面做出更好的选择，从而达到优生优育的效果。这对下一代的影响也非常深远。

因此，教育对于个体的影响非常广泛且全面。

教育与技术的竞赛问题

戈尔丁的研究《教育与技术的竞赛》讨论了美国教育发展的情况。在20世纪初，美国的教育发展非常迅速，其中高中运动起到了重要作用，大大提高了高中的入学率和毕业率。此外，大学教育也得到了提升，入学率和毕业率也有显著提高。

这段时间的美国高等教育具有两个重要特点。首先，美国高等教育分为公立学校和私立学校，并且在这一时期内，公立学校与私立学校同步发展。其次，美国的教育系统非常开放，鼓励外来移民到美国接受教育，尤其是接受高等教育，包括博士学位。这对于美国人获得诺贝尔奖尤为重要。在诺贝尔奖科学和医学领域的获得者中，美国人的比例在1935年之前较低，但在20世纪初有了显著提升并保持稳定增长，这表明美国引进了大量的人才并鼓励他们留在美国，而这些人最终获得了诺贝尔奖。这说明美国的教育系统为那些有潜力获得诺贝尔奖的人才提供了充分支持。

美国人受教育年限也迅速增长，到1980年已经高达14年，即大部分的受教育程度都高于高中水平，也就是有很大比例获得了大学学历。

戈尔丁指出，在20世纪初期，美国教育发展的同时，经济也在发展，并且收入差距较小，但是在20世纪后期，尽管经济仍在发展，但收入差距变大。她对此提供了一个解释，美国后期收入差距扩大的原因是教育的发展没有跟上技术进步，即没有满足技术对人才的需求，从而导致收入差距扩大。技术的进步需要更高水平的教育人才。如果教育投入不足，无法培养出足够数量的高等教育人才，供不应求的情况就会推高高等教育人才的工资水平，因此收入差距就会扩大。

研究者还比较了大学教育回报率和高中教育回报率的不同。从1950年开始，大学教育回报率高于高中教育回报率，并且这个差距在不断扩大。这说明教育发展没有跟上技术发展的趋势，从而可以解释美国的收入差距问题。

中国教育与跨国比较

从CFPS（中国家庭追踪调查)数据可以了解中国的教育回报情况。通过观察不同出生年代人群的教育完成率发现，60后、70后的小学完成率可达百分之八十，90后接近100%。从70后开始，高中和大专学历的完成比例均上升，特别是90后完成高中学业的比例达60%。这个比例包括了普通高中和职业高中学生。反过来看，大约有40%的人未完成高中及以上学历。至于大学学历，90后大约有40%的人可达此水平。

尽管我们的教育水平已经有很大改善，但由于历史积累，我们与其他国家仍存在差距，特别是与发达国家差距较大。OECD（2021年）数据将成年人群体的教育状况分为三类：高中以下、高中和高等教育（大学及以上）。相对于发达国家来说，中国高中以下人群的比例相对较高。

高等教育劳动力比例跨国比较

再观察我国劳动力的教育水平。劳动力人口是我国未来发展和创造生产力的主力军，因此他们的教育水平非常重要。关注劳动力中受过高等教育者的占比，发现中国劳动力中高等教育程度占比较低。这是因为目前我国的人口结构仍以年龄较大的群体为主导，年轻群体相对较少。因此，未来需要进一步加大教育投入的力度。

关于教育投入的情况，我们可以综合考虑多个指标。其中一个指标是公共财政教育支出占国内生产总值（GDP）的比重，这可以反映出国家在教育方面的投入水平。根据2017年的数据，中国的比例为3.54%。然而，我查询2020年的数据发现，这一比例已提高到4.22%。今年我们也在不断增加教育投入。尽管如此，与其他国家相比，我们的教育投入仍然存在差距，整体较低。

戈尔丁谈到教育与技术的竞赛，中国是否也存在这个问题？近年来，大家都在讨论收入差距扩大问题。虽然我们的发展速度很快，但收入差距也在不断扩大。或许其中一个原因也是教育投入没有跟上技术发展的步伐。

我并没有深入研究过这个问题，但我之前画过一张图，关注数字技术和技术进步。这张图显示的是技术进步的一个衡量标准，即机器人的存量和新安装量，也就是机器人的使用情况。通常来说，机器人的使用越多，说明技术相对更先进。当然，技术进步还可以有很多其他指标，比如专利创新、人工智能等。

和其他技术发达国家如德国、美国、瑞典等相比，中国在2010年之前的机器人使用量相对较低。然而，随后我们机器人的存量和新安装量迅速增加，显示出我们的技术进步很快。

问题是我们的教育步伐是否赶上了技术进步？当我们转型并开始应用这些技术时，对劳动力素质、教育质量等方面的要求也会更高。如果我们没有跟上技术的步伐，就有可能出现戈尔丁所提到的美国情况，即收入差距扩大问题。

教育与用工需求

有文章讨论劳动力供给和需求问题。如之前所说，随着技术进步，对高教育程度劳动力的需求会增加。观察招聘广告中对不同受教育程度的人所提供的薪酬，可以在一定程度上反映对劳动力的需求情况。2021年智联招聘上的数据显示，招聘岗位提供的工资随着对受教育程度的要求提高而增加。

另外一个有意思的现象是，对初中及以下学历、中专学历、高中学历者提供的工资差距不明显，最大的跳跃出现在大专以上学历处，这说明市场对大学生的需求明显高于其他学历群体。这也是技术进步过程中对高学历需求增加的真实反映。

教育选择与个人终生收入

教育选择模型假设个人是按照终生收入的现值来进行选择。要直接检验这个假设，必须要观察到一个工人两种选择下所对应的终生收入，但我们只能观察到现有一种选择下的结果。

因此，用观察到的工资差异来判断个人是否选择了“最正确”的收入流没有实际意义。但从年龄与收入趋势的数据中，我们可以观察到一些特点：

1.高教育程度的工人比低教育工人挣得多；

2.随着年龄增长，收入增长速度放缓，最后变得平稳；

3.不同受教育程度的群体随着年龄的增长而收入差距扩大。

可能的原因有：高教育程度工人收入增长更快，高教育程度者可能在学校教育之外还有更多的教育投入，例如阅读更多的书籍、学习更多的知识，接受其他培训等。这些后期的教育投入可能与前期教育程度互补，从而加速收入的增长。

整体而言，未来加大教育投入非常重要。我国已经在初中和小学阶段做得很好，现在需要更大力度地提升高中及以上教育的供给。此外，还要重视对劳动力的再教育和培训，因为要加快实现转型发展，就必须让教育赶上技术进步的步伐。

编辑：梁萍