教育对提高残疾人就业机会及收入水平的影响——基于CHIP2013数据的实证研究*

周春平

教育是人力资本的重要组成部分。人力资本是体现在劳动者身上的一种特殊资本，包括知识、技能、健康等。人力资本主要通过教育投资获得，即个体的知识、技能主要来自对教育的投资。贝克尔指出[1]，人力资本投资包括学校正规教育、在职培训、医疗保健、迁移，以及收集价格与收入信息等多种形式。教育投资不仅有利于个体的职业发展，个体所受的教育程度越高，其就业的可能性与职业选择空间也越大[2]；而且教育投资还与个体的工资收入成正比，个体所受的教育程度越高，工资收入水平也越高[3]。但在不同国家，教育投资的收益率并不相同，发展中国家一般高于发达国家[4]，其可能的原因在于教育投资的边际报酬是递减的。

教育作为残疾人的人力资本重要组成部分，对残疾人参与劳动力市场、增加收入同样具有重要意义。但由于残疾人的身体状况以及人们对残疾人的偏见，使得残疾人在劳动力市场中往往处于劣势地位。Acemoglu和Angrist的研究结果表明[5]，雇主对残疾人的歧视是残疾人就业率较低的重要原因。解垩的研究同样发现[6]，工资歧视将会导致残疾人离开劳动力市场，使残疾人就业率下降了1.4%。纪雯雯、赖德胜等的研究则表明[7,8]，人口学特征是影响残疾人劳动参与的最主要因素，康复服务对不同类别的残疾人作用并不相同，家庭经济因素对残疾人劳动参与的负面影响较小。由此可见，现有文献多从人口学特征、残疾状况、康复服务、就业歧视等因素研究残疾人在劳动力市场中的参与决策，而忽视作为人力资本重要组成部分的教育对残疾人劳动参与以及收入水平的影响。本文拟通过大样本数据实证分析教育在多大程度上提高了残疾人的就业机会与收入水平，这不仅对微观层面上残疾人个体的教育投资决策，而且对宏观层面上政府制定特殊教育政策都具有一定的参考价值。

1.模型与数据来源

为了估计教育对残疾人就业与收入的影响，本文分别构建用就业和收入作为被解释变量的两个模型，并将核心变量受教育水平分别引入标准的就业方程与明瑟收入方程[9]：

方程（1）为就业方程，其中，Emp表示就业状况，Edu表示受教育程度，X为控制变量，α为核心变量受教育程度的就业弹性，β为其他待估计参数，ε表示随机扰动项。方程（2）为收入方程，其中，Wage表示工资收入水平，Edu表示受教育程度，X为控制变量，α为核心变量受教育程度的收入弹性，β为其他待估计参数，ε表示随机扰动项。为了消除异方差的影响而又不改变变量的趋势，我们对方程（2）中的被解释变量Wage取自然对数。

本文数据来源于北京师范大学中国收入分配研究院开展的中国家庭收入调查（CHIP）2013年数据。CHIP2013数据是一个按东、中、西分层抽样方式建立的全国范围劳动力市场调查数据，覆盖了从15个省份126城市234个县区抽取的64777个样本。在CHIP2013数据中，有一项关于样本是否有残疾的调查：“（1）没有；（2）有，但不影响正常工作、学习和生活；（3）有，且影响正常工作、学习和生活”。（根据CHIP问卷提供的解释，这里的残疾是指包括程度不同的肢体残缺、感知觉障碍、精神情绪异常、智能缺陷等。对正常工作、学习和日常生活是否产生功能性障碍，由被调查对象根据自身状况自我评价。）我们分别剔除了所有回答“没有”残疾以及该选项为空缺的样本，最终一共获得802个残疾人样本。其中，城市581人，占72.44%，农村221人，占27.56%；男性703人，占87.66%，女性99人，占12.34%。

关于本文所关注的核心变量残疾人的受教育程度，CHIP2013问卷中提供了两个问题，一个是“受正规教育的年限：______”，另一个是“您所完成的最高学历是：（1）未上过学（包括识字班等非正规的教育）；（2）小学；（3）初中；（4）高中；（5）职高/技校；（6）中专；（7）大专；（8）大学本科；（9）研究生”。本文将用前一个变量“受教育年限”作为核心变量进入回归模型，而将后一个变量“最高学历”留作模型的稳健性检验。

对于被解释变量就业状况的衡量，CHIP2013问卷中有一个问题：“您2013年末的就业/在学情况是：（1）就业（包括离退休后再就业）；（2）机关事业单位离退休人员；（3）企业及其他单位退休人员；（4）在校学生；（5）失业/待业；（6）家务劳动者；（7）在产假或哺乳假的妇女；（8）在长病假；（9）其他不工作、不上学的成员。”对于该问题的回答，我们首先剔除选择第4、6、7、8项的样本，然后将选择第1、2、3项的样本定义为“就业”，选择第5、9项的样本定义为“未就业”，由此，残疾人就业状况转换为“二分”变量。表1是对变量所做的描述性统计。

接着，我们对802个样本按照受教育年限进行分组，分别考察不同受教育年限残疾人的就业状况与工资收入水平，如表2所示。从表2可以看出，残疾人受教育程度越高，获取就业机会的概率越高，工资收入也随之上升。再从变量之间的相关系数来看，受教育年限与就业状况、工资收入之间的相关系数分别为0.2136、0.2860，为低度相关，并且在统计学上均是显著的（P＜.000）。

表1 变量的描述性统计

表2 受教育年限与就业、年工资收入变量的描述性统计

2.估计结果与分析

2.1 教育对残疾人就业的影响

我们首先根据就业方程估计教育对残疾人就业的影响，估计结果如表3所示。模型1是对全部样本所做的估计，核心变量为受教育年限，参考已有文献以及数据的可获得性，控制变量选择性别、户籍、健康状况、残疾程度等。模型2、3是对农村、城镇残疾人样本进行的分层回归。由于就业状况被重新定义为“二分”变量，因此，采用logit模型进行估计。

在模型1中，关键变量受教育年限的回归系数为0.078，并且在1%的水平上显著，这表明，受教育程度对残疾人的就业有显著的正向影响，受教育年限提高1年，残疾人获得就业机会的概率将提高0.078%。从前述描述性统计来看，我们将残疾人受教育年限分为6年以下、6—9年、9—12年、12年以上四个组，各组的就业率分别为53.53%、64.04%、70.06%、73.50%。由此可见，随着受教育程度的提高，残疾人的就业率也随之提高。

模型1中，各控制变量均达到5%以上水平显著，这表明，残疾人就业存在明显的性别歧视，女性在劳动力市场获得就业机会的可能性要小于男性。健康水平的提高则有助于提高残疾人的就业机会，残疾等级的提高则会显著降低残疾人就业机会的获取。针对农村、城镇残疾人样本进行的分层回归结果表明，尽管模型2中的控制变量性别不能通过显著性检验，但本研究所关注的核心变量受教育年限在模型2、3中均能通过显著性检验，因此，教育对残疾人的就业有显著的正向影响。

表3 教育对残疾人就业的影响（被解释变量：就业状况）

2.2 教育对残疾人工资收入的影响

接着，我们根据收入方程估计教育对残疾人工资收入的影响，估计结果如表4所示。模型4是对全部样本所做的分析，核心变量为受教育年限，控制变量选择性别、户籍、健康状况、残疾程度等。从变量的描述性统计来看，残疾人的收入水平存在较大差异，年工资收入最大值为250000元，最小值仅为500元，因此，可能存在异常样本点。为了检验估计结果是否稳健可靠，我们对残疾人收入水平5%的最大值和5%的最小值进行替换处理，替换方法是用相邻的变量值替代，经过对异常样本点处理后的估计结果如模型5所示。模型6、7是对农村、城镇残疾人样本所做的分层估计。由于收入水平为连续型变量，因此模型4—7均采用OLS方法进行估计。

表4 教育对残疾人收入的影响（被解释变量：对数工资收入）

续表

在模型4中，关键变量受教育年限的回归系数为正，并且在1%的水平上显著，这表明，受教育年限对残疾人的收入有显著的正向影响。模型4、5中核心变量受教育年限的回归系数分别为0.0591、0.0586，两者相差不大，并且均达到0.1%的水平上显著。这意味着，受教育年限提高1年，残疾人收入水平将提高0.06%。从前述描述性统计来看，我们将残疾人受教育年限分为6年以下、6—9年、9—12年、12年以上四个组进行考察，各组的收入水平分别为17234.13元、20921.85元、22054.42元、35913.02元。由此可见，随着受教育年限的提高，残疾人的收入水平也随之提高。对农村、城镇样本的分层回归结果显示，尽管部分控制变量不能通过显著性检验，但本文所关注的核心变量受教育年限在模型6、7中均能通过显著性检验。

2.3 模型的稳健性检验

为了进一步验证本研究结果的稳健性，我们再用“最高学历”替代“受教育年限”作为解释变量进行估计，被解释变量仍然为就业状况、工资收入，模型中的各控制变量均保持不变，结果如表5所示。模型8—10中的被解释变量为就业状况，估计方法采用logit模型。模型8是对全部残疾人样本所做的估计，模型9、10是对农村与城镇样本进行的分层估计。结果表明，核心变量最高学历在模型8—10中均能通过显著性检验，模型8中核心变量最高学历的估计系数为0.248。这意味着，最高学历提高1个级别，残疾人获得就业机会的概率将提高0.248%。

表5 模型的稳健性检验

续表

模型11—13中的被解释变量为对数工资收入，估计方法采用OLS模型。模型11是对全部样本所做的估计，模型12、13是对农村与城镇样本进行的分层估计。结果表明，核心变量最高学历在模型11—13中同样均能通过显著性检验，模型11中核心变量最高学历的估计系数为0.124。这意味着，最高学历提高1个级别，残疾人收入水平将提高0.124%。因此，本文的实证结果具有较强的稳健性。

3.结论与政策含义

教育可以提高残疾人的人力资本，帮助残疾人获得就业机会，提高残疾人的收入水平。基于CHIP2013数据802个残疾人样本的回归结果表明，教育作为一种重要的人力资本，对残疾人的就业、收入均有显著的正向影响，受教育年限提高1年，残疾人获得就业机会的概率将提高0.078%，年工资收入将提高0.06%。

本研究的政策含义是，政府应逐步缩小残疾人与非残疾人的教育差距，提高残疾人的人力资本，保障残疾人进入劳动力市场的机会公平，提高残疾人获得就业机会的能力。然而，根据CHIP2013数据全部样本的比较分析发现，残疾人平均受教育年限仅为7.07年，平均学历仅为小学毕业，总体就业率仅为63.59%；而非残疾人平均受教育年限为8.81年，平均学历为初中毕业，总体就业率达92.98%。因此，首先要坚决贯彻落实《义务教育法》《残疾人教育条例》等法律法规，保障残疾人受教育的基本权利；同时，加大对残疾人群体的教育投入，大力实施残疾人教育补贴制度，使更多的残疾人获得教育机会；加快发展残疾人高中阶段及后期教育，尤其是中等职业教育和高等职业教育，不断提高残疾人的受教育水平。

参考文献：

[1]加里.S.贝克尔.人力资本：特别是关于教育的理论与经验分析.北京：北京大学出版社，1987.1.

[2]Robert J.Wills，Shrewin Roson.Education and selfselection.Journal of Political Economy，1979，87（5）.

[3]Coleman，Mary T.Movements in the Earnings-Schooling Relationship：1940-1988.The Journal of Human Resources，1993，28（3）：660-680.

[4]George Psacharopoulos.Returns to Investment in Education：A Global Update，Policy Research Working Paper ，1993，22（9）:1325-1343.

[5]Acemoglu，Angrist.Consequences of Employment Protection? The Case of the Americans with Disabilities Act Daron Acemoglu and Joshua Angrist.Journal of Political Economy,2001，（10）:915-957.

[6]解垩.残疾与劳动力市场——中国城镇男性的证据.管理世界，2011，（4）:37-45.

[7]纪雯雯，赖德胜.中国残疾人劳动参与决策分析.中国人口科学，2013，（5）:30-39.

[8]赖德胜，廖娟，刘伟.我国残疾人就业及其影响因素分析.中国人民大学学报，2008，（1）:10-15.

[9]Mincer J.Schooling,Experience and Earnings.Columbia University,New York,1974.