摘  要：本文使用跨度三十年（1988-2018）的中国家庭收入调查（CHIP）城镇抽样调查数据，综合运用半参数回归模型、无条件分位数回归（UQR）和FFL分解等计量方法，考察了改革开放以来中国受教育回报率的变化及其与收入结构、地域产业结构之间的关系。研究结果表明，我国城镇劳动力受教育回报率与收入的关系自1988年以来发生了逆转，高收入群体的教育回报率逐步赶超中低收入群体，且这一趋势与各经济地区产业发展状况呈现出时空同步，反映出我国对劳动力素质需求增加、城镇经济结构已经从劳动密集型为主升级到技术和资本密集型为主，进而说明中国经济跨越了“中等收入陷阱”。

关键词：教育回报率；中等收入陷阱；城镇；劳动力市场；产业升级

一、引言

最近十几年以来，关于中国经济是否会陷入“中等收入陷阱”的问题一直存在争议。所谓“中等收入陷阱”，是指当低收入国家通过粗放的、资源密集型的发展模式，经济迅速增长并进入中等收入范畴后，由于经济结构失衡、创新能力不足、劳动力综合素质提升缓慢等结构性原因，导致后期增长乏力、长期处于中等收入水平、难以进入高收入国家行列的现象。自二十世纪七十年代末改革开放以来，中国经济发展格局大致经历了四个阶段：第一阶段，从改革开放开始到二十世纪九十年代初，农村“包产到户”带来的农产品产量大幅度提升和城乡非国有企业大发展所带来的初级工业品的海量增加。第二阶段，从二十世纪九十年代初到二十一世纪初，面对大量城乡非国有企业的激烈竞争，大批包袱沉重的城镇国有企业大面积亏损，迫使中国政府对大批亏损国企进行关停并转，并对具有国计民生战略性意义的国企进行现代企业制度改造。第三阶段，2002年到2012年胡温执政时期，由于前一阶段成功进行了国有企业改革、也由于中国成功加入世贸组织，外资大举进入中国、中国出口大幅度增长，整个国民经济呈现出高速增长的特征，致使中国于2010年超越日本成为世界第二大经济体。第四阶段，2012年中共十八大顺利召开至今，成为世界第二大经济体的中国，基本完成了追赶型工业化的发展过程；换言之，在很多科技领域里，中国已经或多或少接近世界前沿、难以再依靠借鉴西方技术实现技术进步，而是在很大程度上需要自发自主的技术创新才能艰难地获得发展和进步。然而，国内外对于中国能否主要依靠自己的科技力量进行科技创新、从而突破发展瓶颈、实现经济增长和发展存有疑问，这是关于中国是否会落入“中等收入陷阱”担忧的由来。

一国进行自主科技创新从而跨越“中等收入陷阱”需要以下几个条件。首先，该国必须面对国际政治经济军事竞争的压力；如果没有急迫的国际竞争压力，没有任何国家会去主动寻求科技创新。其次，该国必须拥有强有力的、致力于绝大多数国民福祉的中央和地方政府组织结构；就像一个有能力的人需要有强壮发达的大脑一样，一个国家首先要有强大的神经中枢，即专注于国家政治经济社会发展的中央政府及其伸展到基层民众的政府组织结构和框架，而且这个政府一定要把人民特别是劳苦大众的利益放到核心地位。第三，该国必须拥有强大的初等、中等、高等教育体系和科研院所体系；任何科技创新都离不开强大的高科技人力资本，只有发达的教育体系才能为高校科研院所及企业研发部门源源不断地提供高科技人力资源。此外，国家科技能力来源于强大的国有科学研究机构。最后，该国必须具备健康强大的市场经济体系和制造业体系；任何科技创新都需要转化为面向广大消费者需要的产品和服务，这就需要制造业企业去把科技创新变为市场需要的产品和服务。

就一国能否进行自主科技创新的的第一个条件而言（国际竞争压力），十八世纪西方工业革命以来，中国面临的国际政治经济军事竞争压力有增无减。从1840年鸦片战争开始到1945年抗战胜利结束，中国经历了欧、美、日等西方列强一个多世纪的侵略，经过浴血奋战才完成了国家和民族重建，并在中国共产党的领导下，于1949年建立了新中国，迎来了新生。在新中国成立之后的第一个30年里，中国遭受“冷战”格局下西方国家的经济技术封锁，在自身艰苦奋斗与苏联技术援助下实现了基本工业化。改革开放以来，中国坚持经济建设为中心、建成了社会主义市场经济，并于2010年成长为世界第二大经济体。此后，以美国为首的西方国家认为“中国发展模式”对于西方所谓的“自由民主”模式而言是一个重大挑战，并展开了新一轮的贸易与技术封锁，例如美国特朗普政府掀起旨在搞垮中国经济的对华贸易战；拜登政府上台以来，更是对中国实施了各种高科技产品的禁运政策，对中国的科技、军事与经济发展进行压制。

就一国能否进行自主科技创新的第二个条件（拥有强有力的中央政府和地方政府组织体系）而言，中国共产党领导的中国政府组织的唯一宗旨和目标就是“全心全意为人民服务”。另外，中国共产党是在长期对内、对外战争中久经磨练出来的伟大政党，它有自己独特的思想意识形态、坚强意志、组织结构和组织纪律。在党的领导下，新中国取得了抗美援朝、抗美援越、对印自卫反击战等战争的胜利，并于1960年代和1970年代实验成功了“两弹一星”，使新中国跻身于核大国行列，从而为中国的发展赢得了和平环境。改革开放以来，在中国共产党领导下，中国通过发展市场经济而实现了工业化，并相继超越日本、欧盟成为世界第二大经济体。

而就一国能否进行自我科技创新的第三个条件（教育科技体系）而言，中国自二十世纪五十年代起就实施了九年制义务教育制度、并逐步建立起高等教育体系和国有科研院所体系。就一国能否进行自我科技创新的最后一个条件（强大的市场经济体系和制造业体系）而言，改革开放四十多年以来，中国已经建成了较为完善的市场经济体系和制造业体系，涌现出以华为、中芯国际、比亚迪、宁德时代为代表的一大批能够进行自我科技创新的高科技企业。

判断中国经济是否落入“中等收入陷阱”的一个关键指标是“受教育回报”：如果受过高等教育群体的经济回报率低于受过中等教育或初等教育群体的经济回报率或者与后者持平，意味着市场经济中的高技术企业数量极少、对高技术人力资本投入需求低下，或者说市场经济总体的技术创新部分缺乏、整个经济处于“中等收入陷阱”之中。相反，如果受过高等教育群体的回报率大幅度高于受过中等教育或初等教育群体的回报率，说明高技术企业数目已经占整个经济的很大比例、技术创新驱动需要越来越多的高技术人力资本投入，或者说该国经济的技术创新部分增长旺盛、整个经济处于跨越“中等收入陷阱”状态。本文拟从中国城镇劳动力市场上受过初等教育、中等教育、高等教育不同群体的“受教育回报”这个微观角度考察中国经济是否落入“中等收入陷阱”。为此，本文利用中国家庭收入调查（CHIP）1988年到2018年横跨三十年的六轮入户调查数据，对城镇劳动力的教育回报率进行了详细的考察。

本文结构如下：第一部分对我国改革开放以来的教育、科技与产业变迁趋势进行展示与分析，并提出全文研究问题；第二部分为文献综述，总结了已有关于教育回报率和“新经济”的现有文献；第三部分为数据展示与模型介绍，详尽描述了我国城镇劳动者的教育、收入与人口学特征；第四部分对本文的计量结果进行了讨论；第五部分为全文总结。

二、文献综述与研究背景

（一）文献综述

“新经济”的发展以信息技术行业为代表的高新技术产业为核心，而这些行业依赖大量高素质人才。对特定技能人才的需求会导致技能劳动与非技能劳动的劳动报酬分化和两极化趋势，而此类趋势曾出现在上世纪70年代的美国（Morris and Western, 1999）。技能劳动与非技能劳动的报酬分化，可以用“技能溢价（skill premia）”来概括（Acemoglu，2003a，2003b）。技能溢价的相关文献将这类溢价的成因归纳为三个方面：技能偏向型技术进步、资本体现式技术进步和国际经济贸易一体化带来的技能供求变化（宋冬林等，2010）。后两者主要从软件设备投资和国际经贸关系的角度阐释技能劳动的需求，而技能偏向型技术进步着重对技术进步的类型进行探讨，对经济长期发展有着重要的启迪作用。

国内学者自2010年前后开始探讨技能偏向型技术进步与收入分配、教育回报等的关系。宋冬林等（2010）从理论上构建指标，区分了“技能替代型”与“技能偏向型”两种技术进步类型，并通过宏观实证数据证明中国存在对设备投资引致的技能偏向型技术进步，并可能会导致技能型劳动替代非技能型劳动。董直庆等（2013）在宋冬林等（2010）结论的基础上进一步证明了我国技能溢价主要源于技术进步的偏向特性，且技术进步的技能偏向型愈发强化，使技能溢价呈现不断扩大趋势。董直庆等（2014）进一步就微观个体的教育决策与行业技能偏向型技术进步的关系进行了实证讨论，确证了技能偏向型技术在我国的存在性。

其他学者对技能偏向型技术在我国的发展情况进行了多样化分析，如余凡等（2016）从微观企业与员工的实证数据出发，发现人力资本质量和技能溢价的交互项与企业全要素生产率存在显著的正相关关系，说明技能溢价能够对人力资本质量产生激励作用，进而影响企业全要素生产率；陆雪琴、文雁兵（2013）认为2003年前后发生了“溢价逆转”，即技术进步并没有提高、而是降低了技能溢价，并指出三种可能的原因：高校扩招政策，技术进步并非技能偏向型，以及高校技能教学与现实经济需要不匹配。关于技能偏向型技术进步与教育回报的关系，徐舒（2000）、华昱（2018）等学者指出，技能偏向型技术进步带来了高教育水平人群的收入提升，进一步导致了收入差距扩大。

教育回报率通过教育的边际收益，反映了劳动力市场对受更高教育的人才的需求；而这种需求是由产业结构升级与技能偏向型技术进步的客观需要共同导致的。而1999年“高校扩招”政策的冲击大大提高了高等教育人才的供给。因此，对三十年来教育回报率变化趋势进行分析，能够为供给变动下劳动力市场的教育供需关系提供鲜明而生动的证据。

在国内现有的对教育回报率的研究中，存在如下两点局限：其一是时间跨度小，对我国教育回报率的测算与分析多集中在十年以内的时间跨度内，中长期分析较少，因而也较难看出教育回报率的发展趋势；其二是分析教育与收入关系时方法局限，以OLS回归和分位数回归为主，缺少对最新统计方法的应用。

（二）研究背景

自改革开放以来、尤其是1999年“高校扩招”政策推行以来，人力资本结构不断升级、人才储备不断扩大。我国6岁以上人口中，高中、大专及以上人数比例不断提升，其中高中及以上人口从1982年的仅8.16%上升到2020年的32.65%，大专及以上人口从1982年的0.68%上升到2020年的16.51%。我国每年普通高等学校毕业生数从1980年的14.7万人上升到2021年的826.5万人，自1977年恢复高考以来已储备近1.24亿人高校毕业生的人才存量（见图 1）。考虑到适龄人口增长趋势和近年来稳定的高等教育入学率，到2035年实现社会主义现代化之际，我国高校毕业人才储备预计达到3亿人。90年代以来，我国科技投入力度不断加大，具体体现为研发投入资金的上升和研发人员全时当量的提升。从1995年至今，我国的研发投入资金数额持续上升、增速不断加快（见图 2 ）。企业研发投资从2003年的925.4亿元上升至2020年的18895亿元，年均增幅19.4%；政府研发投资从2003年的460.6亿元上升至2020年的4825.6亿元，年均增幅14.8%；企业投资始终在政府投资的两倍以上，2020年达到3.9倍之多，企业成为我国研发投入的主力军。企业投资以应用领域的技术投资为主，而政府投资偏向高校和科研院所的基础性研究，两者相辅相成，共同促进我国研究与试验事业发展。与此同时，我国的基础研发人员与应用研发人员数量逐年攀升，从1995年的6.66万人和22.79万人分别上升至2016年的27.47万人和43.89万人，年均增速分别达到7.0%和3.2%，2020年则进一步上升至42.68万人和64.31万人，2016年到2020年间的年均增速则分别达到了11.7%和10.0%（见图 2 右）。

图 1 1982-2020年中国教育结构与高等教育毕业生情况

资料来源：国家统计局。高校毕业生总量由作者加总得出。

图 2 1995-2020年中国研发投入情况

资料来源：《中国科技统计年鉴》（1995-2021）；国家统计局。

研发投入的直接产出，体现在基础研究领域，是论文发表数量的提升；体现在应用领域，则为专利数量的提升。我国SCI收录的论文发表数量从2005年的6.3万篇上升至2019年的45.0万篇，增速也从2005年的13.0%上涨到2018年的19.6%；而我国国内专利授权数也从1996年的4.18万个上升到2022年的352.09万个，与论文发表数量增长趋势相近（见图 3）。我国基础研究、应用研究相辅相成，共同促进科研水平的提高和科研水平应用能力上升。

图 3 我国国内专利授权数、SCI收录科技论文数

资料来源：《中国科技统计年鉴》（1995-2021）。

在国际贸易上，我国高技术产业进出口额自1995年的319.18亿元持续攀升至2020年的14583.6亿元；技术市场成交量增速自1995年的11.9%不断上升至2019年的26.1%，且在2016年前后增速突进，由15%左右跃升至25%左右，反映出我国高技术产业在国际化进程中融入世界经济，且在2016年前后迎来质的飞跃；与此同时，从国际范围来看，我国高技术产业出口额早在2010年以前便已超过美国、日本等国，并在2010年以后加速增长， 2020年达到7577.24亿美元，约为美国高技术产业出口额的5.28倍（见图 4）。在企业层面，以信息技术行业为基石，在互联网、智能硬件、人工智能、新能源和医药等行业涌现出大量高质量企业，高技术行业企业数量从2000年的9758个提升至2020年的40194个。

图 4 1995-2020年我国高技术产业发展情况

资料来源：国家统计局。

繁荣的市场经济、大量高科技企业和新业态，为城镇劳动力创造了大量就业岗位（见图 5）。从高技术劳动力的需求角度来看，近年来，以高新技术为核心驱动力的“新经济”的蓬勃发展与第三产业的崛起为大量高技术人才提供了工作机会（许宪春等，2020）。从宏观经济数据、尤其是三次产业增加值的关系来看，我国宏观经济结构在2010年前后迎来了一个巨大的转变：进入21世纪以来，第三产业增加值和贡献率分别于2012年、2014年首次超过第二产业，并长期保持领先，并在2020年达到增加值最高值54.5%、在2018年达到贡献率最高值63.5%（见图 6）。在第三产业的飞速发展中，以信息技术为基石的高技术产业、战略性新兴产业、新兴工业品产业、互联网产业以及与之配套的仓储、物流、制造业等产业齐头并进（见图 7），共同构建了结构升级的新图景（任保平、巩羽浩，2021；任保平、张越，2021；许宪春等，2020）。

图 5  1995-2020年我国高技术行业企业数与从业人员

资料来源：国家统计局。

图 6 1980-2020年我国三次产业增加值与GDP贡献率

资料来源：国家统计局。

图 7 2005年-2019年我国第三产业关键行业增加值增速

资料来源：国家统计局。

综上所述，面对国际政治经济竞争，具有强大执行力的中国政府一方面大力发展教育体系、为科技发展源源不断地提供高素质人力资源，另一方面加大对科技创新的投入、培育以高新科技为主体的“新经济”。进入2010年代以后，在创新驱动发展战略和“新经济”不断发展的宏观背景下，新产业、新业态带来了不断增长中的就业岗位需求，与高素质劳动力供给的扩张相适应、相承接。从整个国家经济增长发展以及高科技企业进步的宏观角度看，中国经济在高科技产业发展上呈现出蒸蒸日上的态势。

三、数据和模型

（一）数据与描述统计

本文采用的城镇劳动力收入与特征变量数据来自中国家庭收入调查（CHIP，Chinese Household Income Project）。自1988年第一次大规模调查以来，该数据库从个体、家庭层面，对城镇、农村和流动人口的收入、消费、就业、教育等经济和人口学特征等进行了详尽的收集与分类，且调查范围覆盖了中国的大部分省份，具有良好的全国代表性，是研究我国劳动力收入状况和影响因素的重要数据库。本文采用了1988年、1995年、2002年、2007年、2013年和2018年等六轮城镇入户抽样调查数据，跨度三十年，涵盖了中国工业化、城市化迅猛发展的最主要时期，能够全面、深入地刻画改革开放以来我国城镇劳动力受教育回报的变化趋势，以及工业化、城市化进程对这一趋势的影响。

表 1为1988-2018年城镇劳动力数据的描述性统计，显示了本文所需的主要变量和控制变量的分布情况。1988年至2018年，城镇劳动力日薪提高极快，从1988年的7.05元/日上升到2018年的204.2元/日。三十年间，城镇劳动力的平均受教育年限有一定提高，从1988年的10.04年上升到2018年的11.39年，平均每人增长了1.35年的受教育年限。

表 2和图 8描述了1988-2018年城镇劳动力样本的教育水平分布情况。由下表可知，在各轮调查中，初中、高中/中专/职高等中等教育水平始终占主导位置，在总调查人口的比例约为58%至70%，但仅有高中/中专/职高学历的人数比例在下降，从1988年的35.78%下降到2018年的27.28%，而有大专及以上学历水平的人数比例在上升，从1988年的12.6%上升到2018年的32.1%。由于大专及以上学历水平的一般前置要求是获得高中/中专/职高学历，因此这一趋势反映出更多的高中及同等学力毕业生选择进一步深造，高校扩招政策带来了教育水平的整体上移。描述统计显示，除2007年数据质量问题以外，其他年份的教育水平分布均与国家统计局公布数据相似，说明了本数据的代表性。

表 1  1988-2018年CHIP城镇劳动力样本数据的描述性统计

表 2 1988-2018年城镇劳动力市场受教育水平分布情况

图 8 1988-2018年城镇劳动力市场受教育水平分布情况

（二）模型方法

传统Mincer工资方程为：

其中分别为工资收入、受教育年限和潜在工作经验，x为其他个人特征控制变量，为误差项。传统Mincer工资方程将受教育年限与工资收入的关系看作对数线性关系，并以对数受教育年限的回归系数为受教育回报率。基于Mincer方程，可以求解受教育回报率。然而，对传统Mincer工资方程的应用存在三部分问题：第一，在实证中对数线性关系是否始终成立；第二，受教育回报在不同收入分位点上是否存在差异；第三，三十年间，不仅城镇劳动力的平均教育水平发生了变化，整个城镇劳动力市场的教育分布也发生了变化，在这种系统性变化下，受教育回报率又会发生什么样的影响？

为回答上述问题、分析三十年来城镇劳动力市场受教育回报率的特征和变化趋势，本文采用三个计量方法进行实证估计。一是使用半参数回归模型，对对数教育年限与对数工资之间的线性关系进行分析；二是采用无条件分位数回归方法，对传统Mincer工资方程在不同分位点上的值进行估计和分析；三是采用基于RIF回归的FFL分解方法，构造反事实，分析受教育年限分布的变化如何引起了受教育回报率的变动。

1. 使用半参数回归模型估计受教育回报

本文首先采用Hastie 和 Tibshirani（1986）提出的半参数回归模型（semi-parametric regression model）来探讨教育年限与受教育回报的关系是否为线性关系。本文采用半参数回归模型中的广义可加模型（generalized additive models，GAMs）作为主要回归模型。模型如下：

其中，g（）为连接函数，f（）为非参变量的平滑函数。为考察三十年间教育年限与受教育回报是否始终为近似线性关系，假定教育年限 为非线性变量引入模型；其他解释变量、控制变量作为线性变量来处理。

2. 无条件分位数回归方法估计受教育回报

在估计受教育回报时，本文首先采用无条件分位数回归（Unconditional Quantile Regression，下文简称UQR）来估计传统Mincer工资方程。无条件分位数回归是对条件分位数回归（Conditional Quantile Regression，下文简称CQR）的拓展。在介绍UQR前，先对CQR的基本原理进行介绍。CQR函数为：

其中，为被解释变量（在本文中为工资收入），为解释变量向量，为解释变量向量对应的系数向量，为分位数点的序号，下标分别代表第个个体、第t年。给定解释变量向量和对应分位数点，即为第个人在第t年的工资收入情况。由于该值条件于第个分位数的相关情况，因此被称为条件分位数回归。具体回归与识别策略参见Koenker（2005）。

然而，CQR方法的局限性在于，分位数的定义是条件于解释变量的。因此，在回归过程中引入解释变量，不仅会导致选择偏误，还会重新定义分位数。换言之，CQR方法定义的“高分位数”工资Y，是在给定的解释变量向量X的水平下相对较高的工资，而不是在无条件分布中相对较高的工资；如果解释变量向量X的水平发生了变化，那么条件于解释变量向量X的高分位数对应的工资水平也会发生变化。因为这一性质，CQR方法在分位数与解释变量不匹配的情况下，解释力有限。例如，如果某职工的工资在无条件工资分布中处于高位数，但其解释变量（如教育年限、工作经验等）与其高工资不相匹配，那么就存在CQR方法无法识别的、不可观测的工资决定因素，如测量误差、随机因素或就业歧视等。

为了解决CQR方法的相关局限性，Firpo、Fortin、Lemieux（2009）提出了无条件分位数回归方法，即UQR方法。这一方法估计的是解释变量X的分布的微小变动如何影响被解释变量Y的第个无条件分布分位数上数值的影响。定义为被解释变量的边缘分布，则重置中心的影响函数（Recentered Influence Function, RIF）为：

其中为被解释变量Y在原始分布的真实值统计量，为影响函数（Influence Function），刻画Y的分布在某一点上的微小变动对整个分布以及分布统计量的边际影响。RIF函数刻画的即为：当Y的分布发生微小变动时，无条件统计量的值变为多少。Y分布的微小变动是由解释变量 的变动引起的；由期望迭代定理（Law of Iterated Expectations，LIE），可以将替换为：

因此，解释变量X的分布变动可以直观地反映在被解释变量Y的无条件分布统计量变动之中。具体来说，在以分位数为具体形式的情况下，有：

其中为Y的第分位点的值，是指示函数，当时取1，其他情况下取0；指示函数可以用核密度估计法生成。因此，RIF的取值形式为：以为界，根据Y与的大小关系，最终能取得两个值。进一步推导可知：

联合 ，可得到无条件分位数边际效应（Unconditional Quantile Partial Effect，UQPE）：

具体推导过程和其他性质详见Firpo, Fortin 和 Lemieux (2009)。

在对UQPE的实证估计中，具体包括两个步骤：第一步，根据已有的Y,X和（5）式计算各分位点上对应的RIF；第二步，是用最小二乘法（OLS），以第一步计算出的RIF值为被解释变量、以X为解释变量进行回归。由于RIF为二值响应变量，故适合采用Logit回归或Probit回归（实践中出于运算方便，以Logit回归居多）。

UQR方法的应用有一定的前提假设，其中最重要的假设是解释变量X的边际变化不会影响X和Y的联合分布。由于UQR方法可以用最小二乘法便捷地计算，且对统计量的定义不失一般性、并不拘泥于分位数，因此应用简便、适用范围广，可用于基尼系数、对数等各种统计量的计算之中，也可与其他统计方法结合使用。就估计受教育回报而言，本文采用UQR而非CQR的主要原因是，UQR的良好性质使得其对受教育回报的解释力较好，以UQR为基础的RIF-OLS估计量计算简便，且针对本文“受教育回报的三十年变化趋势”研究需要，以UQR为基础的FFL反事实分解更加适配本文的研究目的。

3. 使用FFL反事实分解方法分解教育年限变动引起的受教育回报变动

本文使用Firpo、Fortin、Lemieux（2009）提出的基于UQR的反事实分解方法（简称FFL分解），跨期反事实分解中国城镇教育年限分布变化带来的受教育回报结构变化。

FFL分解方法是对Oaxaca-Blinder分解方法（简称OB分解）的进一步拓展。OB分解是工资分析的经典分析方法，广泛应用于性别收入差距、工资歧视研究等领域中。OB分解的基本思想是，以最小二乘法为基础，在被解释变量均值水平上进行分解，并将工资的构成分解为可解释部分（又称结构效应，如教育年限、工作经验等）和不可解释部分（歧视或其他不可识别的因素）。但OB分解的局限是只能离散地分组，如分析性别收入差距时以男性为对照组来分解女性工资构成。然而，教育年限是连续分布，难以应用OB分解。而在OB分解基础上发展起来的FFL分解能够良好地解决这一问题。

FFL分解以UQR为基础，可以将教育年限变动引起的工资收入差距（也就是受教育回报差距）分成可解释部分与不可解释部分，并且可以进一步分解出各解释变量如何影响跨期变化的受教育回报、以及相应的结构效应和不可解释部分，与本文的研究目的——分析三十年来城镇劳动力市场受教育回报的变化趋势——十分契合。

FFL分解具体可以分为两步：构建反事实和计算类似OB分解的分解结果。

第一步，通过重置加权（reweighting）构造反事实分布（counterfactual distribution）。这里的“反事实”，在本文中主要是指“跨期反事实”，具体来说，跨基期（第0期）和末期（第1期），解释变量X的分布会发生变化，如1995年的受教育年限分布与1988年发生了变化。因此，我们基于基期构造一个反事实，它的解释变量的系数与基期保持一致，但解释变量的分布与末期保持一致，即：

据此，被解释变量Y的统计量的跨期分布差异就可以被分解为：

其中下标分别代表末期、反事实和基期。（9）式右侧第一个括号内为“工资结构效应”（wage structure effect），反映的是个体特征（解释变量）跨期不变的情况下，解释变量系数变动导致被解释变量的变动部分，也就是传统OB分解所认为的“歧视效应”；[①]第二个括号内为“构成效应”（composition effect），反映的是个体特征（解释变量）跨期变动时导致被解释变量的变动部分。

而这里的重置加权因子（reweighting factor）定义为：

其中P为末期样本所占比例，而为混合基期和末期所有样本、并根据其所属期数赋值后，应用Logit或Probit模型预测样本条件于解释变量X、可能属于末期样本的概率。这一加权因子的本质是综合基期和末期的样本特征，构造出最符合研究需要的反事实组，便于后续分解。

第二步，基于UQR方法，计算类似OB分解的反事实分解。具体来说，基于（8）式相关定义，可将回归式写作：

其中，（11）式左侧前两项相当于OB分解中的加总工资结构效应（aggregate wage structure effect）；后两项相当于加总构成效应（aggregate composition effect）。在这四项中，第一项为纯工资结构效应、第三项为纯构成效应；第二项为重置加权偏误、第四项为识别偏误。

四、实证结果及分析

（一）基准回归和半参数回归结果

为了考察过去30年间教育回报率的变化、为本文后续分析提供基准参考，我们首先报告OLS回归分析结果。基于传统Mincer工资函数，本文以标准日工资的自然对数作为被解释变量，解释变量包括受教育年限、潜在工作经验及其平方、性别、是否为党员（其中2007年数据缺失），并控制了职位类别、所有制类别、行业类别和各省份的虚拟变量。作者深知从1988年到2018年的六个工资函数自然会有内生性问题，然而由于从1988年到2018年的各轮CHIP随机抽样入户数据的问卷有很大差异，很难为各年的工资函数回归找到相同或相似的工具变量。为此，我们忍痛舍弃工具变量的寻找，退而使用没有经过工具变量修正的工资函数回归结果，这可能会导致受教育变量系数的高估或低估。由于我们只关注从1988年到2018年的各年受教育回报变动趋势，而非相对准确的受教育回报率，没有经过工具变量处理的工资函数回归结果也可以忍受。

表 3 1988-2018年城镇劳动力受教育回报率OLS估计结果报告了使用普通最小二乘法估计的1988年、1995年、2002年、2007年、2013年和2018年等年份的工资函数，其中“受教育年限”一栏的系数即为教育回报率（均在1%水平上显著），反映了受教育年限每增加一年时，城镇劳动力日工资上升的百分比。

说明：括号内为标准误差，*** p<0.01, ** p<0.05, * p<0.1。由于篇幅限制，表格未报告职位、所有制、行业和省份控制变量的具体数字。由于数据收集标准差距，2007年数据中未包含“党员”变量。

1988-2018年期间，教育回报率总体呈上升趋势。1988年，教育年限每增加一年，日收入提升2.9%；2018年，教育年限每增加一年，日收入提升6.2%。教育回报率仅在2007年、2018年有过两次小幅度下滑，但下滑幅度较小。OLS回归得出的系数较低，这是由计量方法、数据质量等因素共同影响的。由于本文的研究关注点在于三十年变化趋势，因此受教育回报的相对变化情况比绝对值的大小更为重要。

传统Mincer工资函数与OLS回归方法都假设对数工资与对数受教育年限呈线性关系，这是一个较强的假设。为放松这一假设、检验线性关系是否成立，我们进行了半参数回归。我们采用广义加性模型（GAM），设置“受教育年限”为非参数项，引入年龄的二次项，并引入上述其他控制变量作为参数项。之所以设置这两个非参数项，是因为：（1）我们想要考察受教育年限与工资水平是否为严格的对数线性关系；（2）实证数据表明，年龄与工资水平呈现出非线性（二次型）特征。对半参数回归和对应的OLS回归进行ANOVA检验后发现，半参数回归的拟合结果显著优于OLS回归结果。

表 4 1988-2018年受教育回报非参数回归结果报告了1988-2018年主要变量的非参数回归结果，其中受教育年限作为非线性部分引入模型，因此下表汇报的EDF值即其显著性[②]；GAM非参数回归对自由度和基准维度（basis dimension）K的选择没有精确要求，仅需K检验值（K-Index）大于1即可，因此下表汇报的K-Index用于说明K值选取的合理性；K值的P检验（P-Value）是一个模拟计算的值，反映拟合过程中残差的分布情况，为拟合结果的参考。模型拟合程度的核心仍是EDF值是否显著异于1和K-Index是否显著大于1。结果显示，1988-2007年的四轮调查中，受教育年限的EDF值显著异于1，说明受教育年限对对数工资收入存在显著的非线性关系；K-Index值均大于1，说明模型拟合程度好，结果可信。

表 4 1988-2018年受教育年限非线性回归结果

说明：括号内为标准误差，*** p<0.01, ** p<0.05, * p<0.1。由于篇幅限制，表格未报告党员、少数民族等个人特征和职位、所有制、行业和省份控制变量的具体数字。

图 9报告了根据回归结果绘制的各年份对数工资与受教育年限的关系曲线图。其中，横轴表示受教育年限，纵轴表示给定其他条件不变，受教育年限对对数工资的贡献值。例如，在2018年，当个体的教育年限为15年时，对应的y轴值约为0.17，意味着其他条件不变时，该个体的对数工资中，有0.17的大小是由15年教育所贡献的[③]。因此，图像的斜率也就反映了受教育年限所对应的教育回报率。

由图 9可知，从1988年到2007年的四轮调查中，控制其他因素，教育与对数工资的关系随着逐轮调查而呈现出更加陡峭的特征；2013年以后，教育与对数工资的关系整体更加陡峭，并在教育年限为15年前后（对应大专、本科学历程度）斜率陡升；尤其是2018年，教育年限高于15年的高教育水平人群，其对数工资和上涨幅度显著高于2013年。这说明，在过去三十年间，城镇劳动力的教育回报率的确越来越高、教育对提升收入的作用越来越大。同时，2007年以前，受教育回报率在不同教育水平中差距不大；2013年以后，接受高等教育（教育年限高于12年）的教育回报率呈现显著提升。这说明，在2013年以后，相比基础教育，市场对高等教育的回报更高了。

从劳动力市场上不同受教育年限回报来判断中国经济是否跨越“中等收入陷阱”。2010年之前，从低到高的不同受教育年限回报呈正线性关系；而2010年之后不仅不再呈线性关系（受教育回报与收入之间的关系依然为正向），而且受高等教育群体的受教育回报与初等中等教育群体的受教育回报相比更为陡峭，说明前者的受教育回报高于后者，而且这是在1999年中国高等教育大幅度扩招、高学历劳动力大幅度增加的情况下发生的。这说明与2010年之前相比，2010年之后的劳动力市场上对高学历即高素质劳动力的需求超乎寻常地增加；进而说明整个经济结构发生了革命性的变革，即由2010年之前的以劳动密集型为主的经济结构升级到技术和资本密集型的高科技企业群体占到导致高素质劳动力“求过于供”的状况。这说明整个中国经济结构中高新科技企业群已经成为主力，进而说明中国经济跨越“中等收入陷阱”。

图 9 1988-2018年对数工资与受教育年限的非线性关系图

（二）无条件分位数回归结果

为了进一步解释在不同收入区间下教育回报的差距，我们进行了无条件分位数（UQR）回归，考查了工资收入不同分位数点上的教育回报率。表 5汇报了1988-2018年在收入的10、50和90分位点上的受教育回报率回归系数。   图 10绘制了1988-2018年受教育回报率在各分位点上的系数折线图。

表 5  1988-2018年受教育回报率无条件分位数回归结果

说明：括号内为标准误差，*** p<0.01, ** p<0.05, * p<0.1。这里仅报告了受教育年限的10、50、90分位的回归结果，其他控制变量的回归结果没有报告，这些控制变量包括：年龄及其平方，性别，党员，以及职位、所有制、行业和省份控制变量。

图 10 1988-2018年各收入分位数点上受教育回报率折线图

由表 5可知，1988-2018年，受教育回报率在不同的工资水平下有所不同。首先，低工资群体的受教育回报率由最高滑落为最低：在2000年以前的调查中，低工资区间段的群体受教育回报率高于中、高工资区间段的群体，如1988年低工资群体受教育回报率3.29%，高于中、高工资群体的2.83%、2.86%，1995年低工资群体受教育回报率则为6.02%，同样高于中、高工资群体的4.06%、3.61%；但1999年“高校扩招”政策实施以后，低工资群体的教育回报率开始被中、高工资群体的教育回报率追平甚至反超，如2002年低工资群体教育回报率为5.69%，低于中工资群体的6.1%；到2013年，低工资群体的教育回报率已经滑落为最低。与此同时，高工资群体的受教育回报率则从最低提升为最高：2002年高工资群体的教育回报率达到5.55%，接近低工资群体的5.69%、略低于中工资群体的6.1%；到了2013年，高工资群体的教育回报率已经完全超过了中、低工资群体最高7.25%的教育回报率，达到了9.85%。中工资群体的教育回报率也在2002年后超越了低工资群体。

由图 10可知，过去三十年间的六轮调查结果显示，中国城镇劳动力的受教育回报率整体呈上升趋势，这说明教育对提高劳动力收入的作用越来越大。但是，对不同工资区间段的群体来说，受教育回报率的差距在逐步拉大，受教育回报率与收入水平的关系也发生了变化。1988年和1995年两轮调查中，各分位点上的受教育回报率系数呈现为向下倾斜的曲线；2002年和2007年，该曲线基本持平；到了2013年以后，呈现为明显向上倾斜的曲线。这说明，在2000年以前，教育回报随收入水平的上升而下降，且低收入群体的教育回报率要高于高收入群体，也就是说，收入较低的群体，接受教育的边际收益相对较高；2000-2010年间，随着义务教育的普及和完善，教育对高收入群体的边际收入提升幅度逐渐加大；2010年以后，教育回报随着收入水平的上升而上升，且高收入群体的受教育回报率要远远高于低收入群体。

表 5与图 10共同说明，过去三十年间，中国城镇劳动力市场的特征正从劳动密集型转化为技术密集型、资源密集型，这一经济发展模式的大幅度变化表现为不同收入阶层教育回报的变化。2010年以前，劳动密集型生产占主导，对知识、技能有较高要求的岗位需求不足，因此接受教育、尤其是义务教育和基础教育，能够显著提升城镇劳动力在劳动密集型岗位上的表现；而劳动密集型岗位收入水平普遍较低。2010年以后，随着城市化、工业化的发展，生产方式转型为技术和资源密集型，相应地，城镇劳动岗位对知识、技能有了更高的要求。接受更加高等、专业的教育，能够显著提升城镇劳动力在技术、资源密集型岗位上的表现，而这些岗位收入也普遍较高。过去三十年间受教育回报率与收入水平的关系变化，本质上反映出我国产业升级背景下，劳动力市场对劳动者的知识和技能水平有了越来越高的要求。

从劳动力市场对受教育回报角度考察中国经济是否跨越“中等收入陷阱”，应该看不同收入水平上受教育回报的变化。如果像2010年前那样，高收入水平上的受教育回报低于低收入水平上的受教育回报，则不能说中国经济已经跨越“中等收入陷阱”；因为这说明提供高收入水平工作职位的企业对高素质劳动力的需求不足，即高收入水平劳动职位供求上受教育人数供过于求，进而说明提供高水平收入工作职位或者说从事科技创新的企业数量较少、大部分企业依然处于劳动密集型生产状态，高科技企业群体在整个国民经济中不占主要地位。如果像2010年之后高收入水平上受教育回报高于低收入水平上的受教育回报，则说明提供高收入工作职位上对高素质劳动力的求大于供，进而说明从事高新科技的企业群体在整个国民经济中已经占有主要地位。值得注意的是，2010年之后高收入水平上受教育回报高于低收入水平上的受教育回报是在1999年中国高校大规模扩招、高素质劳动力供给大幅度增加之后实现的，这更能说明2010年后市场上中国高科技企业群体的大发展使得对高素质劳动力的需求极为旺盛，因而能够从受教育回报角度说明中国经济已经跨越“中等收入陷阱”。

（三）教育回报率与产业结构升级：分经济地区的无条件分位数回归结果

本文的重点之一是讨论教育回报率与收入的关系是否反映了产业结构升级的影响。基于CHIP 1988-2018年数据，按省份将样本划分为东部、中部、西部和东北四大经济地区，并分经济地区进行无条件分位数回归。本节的猜想是：产业结构升级越明显的地区，对接受高等教育的人才需求越高，因此在1988年以后教育回报率与收入的关系变化程度越大。表 5给出了回归结果。

从图 11可以看出，过去三十年间教育回报率与收入的相关关系上，东部地区变化最为明显：1988年，低收入群体（以25%分位点为例）与中高收入群体（以75%分位点为例）的教育回报率相差无几，仅0.5个百分点；到了2018年，低收入群体与中高收入群体的教育回报率相差达到接近4个百分点。中部地区仅次于东部地区，但也明显呈现出收入越高、教育回报率随年份推移增长越大的趋势。西部地区和东北地区的教育回报率与收入的关系相对稳定，但方向相反：西部地区整体上始终处于收入越高、教育回报率越低的状态，但在2018年，这一趋势得以逆转；东北地区则整体上始终处于收入越高、教育回报率越高的状态，仅在1995年有一次“逆流”。

改革开放以后，我国先后实施了实行东南部地区率先发展、西部大开发、振兴东北老工业基地和中部地区崛起等区域发展战略。这四大发展战略反映了我国对四大经济地区经济发展阶段的不同定位，也代表了经济发展和产业结构的四个不同阶段，而本文对四大经济地区教育回报率的发现与产业结构的不同阶段有着内在联系。

改革开放后，由于东南部地区沿海的地理优势，我国鼓励东南部地区率先发展，并从80年代以后设立了五个经济特区、十四个经济技术开发区和三个沿海经济开放区。东南部地区对外开放的地理优势最佳、发展最早、高新技术产业起步最快，因此对高素质劳动力的需求也变化最大。

2004年3月，时任国务院总理温家宝在政府工作报告中首次明确提出“中部地区崛起”战略，将中部地区定位为“全国重要粮食生产基地、能源原材料基地、现代装备制造及高技术产业基地和综合交通枢纽”，简称“三基地、一枢纽”。相较东部地区，中部地区起步稍晚、基础稍差，因此尽管在教育回报率与收入的关系上与东部地区呈现出相同的趋势，但整体变动幅度不如东部地区。

1999年9月，中共十五届四中全会明确提出实施“西部大开发”战略。西部地区受地理、生态和历史环境限制，长期处于产业结构落后、工业化和城镇化进程缓慢的阶段，对高素质劳动力需求相对较低，因此教育回报与收入的关系长期处于负相关。但是，近十年来，随着西部开发战略的实施，云贵川地区经济增速领跑全国、中心城市强势崛起、汽车和电子等高新技术产业迅速发展，带动了对高素质劳动力的需求。2018年，西部地区的高收入群体教育回报率有了明显的相对提升，反映出西部大开发的成效逐渐显现。

建国以来，东北地区始终是我国的“老工业基地”，长期实施重工业优先战略。在经济发展早期，相对于农业，重工业的发展对高素质劳动力的需求更高，因此东北地区自1988年以来始终存在教育回报与收入的正相关关系。90年代的国企改制带来“下岗潮”，对东北经济和就业率产生重创，也导致了在东北地区的五轮调查中，唯一一轮教育回报与收入呈负相关关系的结果（CHIP 1995）。但是，随着东北振兴战略实施和产业结构优化战略的深化，东北地区的教育回报率整体呈现上升趋势。

综上所述，我国的四大经济地区有着不同的发展历程，大体呈现出东部、中部、西部阶梯式发展的格局。从时间和地域上看，高新技术产业率先在东部地区发展，然后进入中部和西部地区。与此对应，图 11中教育回报率与收入的相关关系变化也在东部地区出现得最早、最激烈，其次是中部地区；西部地区则是最晚实现教育回报率与收入正相关的地区。这一基于中国经济区域发展格局的分析充分证明了高技术产业发展对高素质人才的需求有着因果关联，且目前我国高技术产业发展仍处在上升之中（尤其在西部地区）。另外，中国经济跨越“中等收入陷阱”主要在珠江三角洲和长江三角洲两个制造业中心实现。

图 11 1988-2018年各收入分位数点上受教育回报率折线图（分经济地区）

（四）FFL反事实分解结果

上一节中，我们使用无条件分位数回归，估计出了1988-2018年期间受教育回报在工资收入不同分位数点的变化，并发现随着中国经济发展模式的转型与教育事业的发展，城镇劳动力受教育回报率与收入水平的关系发生了逆转。教育水平对城镇劳动力收入整体水平与分布结构的影响可以分为两个部分：一部分为中国经济高速发展下教育对不同收入群体的影响程度的变化，也就是受教育回报率变动所引发的工资结构效应；另一部分为城镇劳动力整体教育水平的提升，也就是劳动人口教育构成变动所引发的构成效应。仅用UQR方法对各收入水平群体的受教育回报率进行估算，无法直观、清晰地展示城镇劳动力受教育水平的工资结构效应与构成效应的变化趋势，也就无从得知教育从哪个方向引发了收入水平与结构的变动。而为了全面、深入地分析受教育回报的三十年变化趋势，分解教育对收入水平的工资结构效应与构成效应是有意义的：若教育对收入水平的影响以工资结构效应为主，则说明教育本身对收入的影响更大了；相反，若教育对收入水平的影响以构成效应为主，则说明是整个城镇劳动力的教育分布变动引起了教育回报的变动。

本节采用Firpo、Fortin、Lemieux（2009）提出的基于UQR的反事实分解方法（简称FFL分解），跨期反事实分解中国城镇教育年限分布变化带来的受教育回报结构变化。FFL分解不仅可以反事实分解总工资结构效应和总构成效应，还可以对单个解释变量进行两种效应的分解。本节以1988年为基期，采用基尼系数、90-10分位数比和75-25分位数比三个指标，对中国城镇劳动力收入不平等程度的变化进行FFL分解，并对比分析教育变量对城镇劳动力收入的两种效应及其影响。

表 6汇报了以1988年为基期、以Mincer方程中教育年限、潜在工作经验及其平方等变量作为重置加权因子的FFL反事实分解总结果。其中，基期和末期两栏分别代表基期和末期的真实统计指标（如基尼系数），而反事实对照组是以基期系数和末期分布共同构建的反事实统计指标。总效应、总构成效应和总工资结构效应分别代表了末期与基期、反事实对照组与基期和末期与反事实对照组的对应统计指标之差。由表 6的“基尼系数”分表可以看出，过去三十年间，城镇劳动力收入不平等程度大体呈上升趋势，基尼系数从1988年的0.237上升到2018年的0.432。其中，总效应正向显著，总工资结构效应和总构成效应大体正向显著（除2013年构成效应负显著、2018年构成效应负向不显著外），说明过去三十年间无论是总工资结构效应还是劳动力结构分布效应都总体扩大了收入不平等。表 6的“90-10分位数”“75-25分位数”两个分表，主要通过“高分位数与低分位数上收入对数之差”这一指标来反映城镇劳动力市场的收入两极差距。收入分位数为90%的群体和10%的群体，其对数收入差从1988年的1.038扩大到2018年的1.972；收入分位数为75%和25%的群体，对数收入差也从1988年的0.498扩大到2018年的0.922，同样可以看出过去三十年间收入差距整体扩大、且工资结构效应和构成效应均扩大了收入分配差距的趋势。

表 7汇总了不同统计指标下受教育年限这一解释变量的构成效应和工资结构效应。在这张表中，构成效应和工资结构效应分别反映了城镇劳动力整体教育水平提升带来的收入不平等程度变化和不同收入水平下受教育回报率变动带来的收入不平等程度变化。先看以1988年为基期的基尼系数情况。构成效应总体为负且接近零，最低为2002年的-0.005，最高仅为2007年的0.001，数值非常小，说明城镇劳动力整体教育水平提升并未显著影响收入不平等程度变化。然而，工资结构效应总体为正，且在2002年、2018年显著，最高为2018年的0.325，说明不同收入水平下受教育回报率变动扩大了收入不平等程度。

再看90-10分位数差。构成效应同样在零的附近摆动，最大为2013年的0.029，最小为2002年的-0.023；工资结构效应则整体为正，且在2013年和2018年显著为正，最大达到了2018年的2.407；同时，教育的构成效应与工资结构效应之和总体为正，且逐年上升，到2018年总效应达到了2.406。同样的数据结构也表现在75-25分位数差的分解之中，只是各效应的绝对值小于90-10分位数差的分解。这两部分的数据共同说明：受教育回报率对不同收入群体的影响总体显著扩大了收入不平等，而城镇劳动力教育水平的整体提高并未对收入不平等程度有显著影响，同时总工资结构效应与总构成效应相加的值整体为正，说明构成效应降低收入不平等的效果被工资结构效应扩大收入不平等的效果所抵消了。

图 12、图 13对各分位数点的教育回报FFL分解进一步佐证了上述发现。图 12、图 13分别展示了以1988年为基期、教育对不同收入分位点上城镇劳动力工资收入的构成效应与工资结构效应，其中纵轴表示处理组相对于基期（1988）对应分位点上劳动力的（按价格水平调整后）收入水平变化，若为正，则说明对应分位点上处理组的收入相对提升；若为负，则反之。从图像中可以看到，尽管教育的构成效应随着收入分位点上升而不断趋近于0，但整体数值很小，说明劳动力市场教育水平分布的变化对不同收入水平的人影响差别很小。教育的工资结构效应在2007年及以前的调查中大致呈水平形态，但到2013年以后出现了较大的变化：收入分位点在50%以下的群体，工资结构效应为负，最低在20%收入分位处达到-1.5（2018年数据）；收入分位点在50%以上的群体，工资结构效应则为正，且最高在95%分为点达到1.3（2018年数据）。这说明教育通过提高高收入水平劳动者工资的方式扩大了收入差距。

1988到2018年反事实分解中的工资结构效应导致工资收入不平等扩大、75-25和90-10分位数差显著扩大、以及图解的结果说明：在高等教育扩招即高技术劳动力供给大幅度增加的情况下，与1988年相比和相对于低收入段而言，中国高技术产业扩张带来的高收入段受教育回报提高导致了收入差距扩大；这种收入差距扩大正是中国没有落入“中等收入陷阱”的证明。

表 6 1988-2018年城镇劳动力工资收入的FFL分解（以1988年为基期）

表 7 1988-2018年城镇劳动力受教育回报的构成效应与工资结构效应FFL分解

图 12 FFL反事实分解教育的构成效应（以1988年为基期）

图 13 FFL反事实分解教育的工资结构效应（以1988年为基期）

五、结论

本文基于CHIP 1988-2018年六轮调查数据，综合运用半参数回归、无条件分位数回归、FFL反事实分解方法等多种计量估计方法，考察了改革开放以来中国城镇劳动力市场的教育回报率三十年变化趋势。OLS回归结果显示，1988年以来，我国城镇劳动力整体受教育回报呈现上升趋势。半参数回归图像和无条件分位数回归结果显示，从1988年到2018年，处于不同教育、收入水平的劳动力，其受教育回报也并不相同，并且这三十年间，从教育中受益最多的人群（也就是教育回报率最高的人群），逐渐从低收入人群转移到高收入人群。FFL反事实分解结果对比了受教育回报的构成效应和工资结构效应，发现教育主要通过对个人特征的改变（也就是人力资本积累）而非社会整体的教育分布状况来影响城镇劳动力的收入、扩大了收入差距，具体来说拉高了高收入者收入、降低了低收入者收入。

本文最核心的发现，是教育回报率与收入的关系的逆转。在1988年和1995年的调查数据中，收入越高的群体，教育回报率越低；收入越低的群体，教育回报率越高；接受教育对低收入群体的边际收入提升更大。2002年和2007年，这一关系开始变化，高收入群体的教育回报率开始赶上甚至超越低收入群体。2013年和2018年的调查数据中，收入越高的群体，教育回报率越高，接受教育从而提高人力资本成为了提升收入的重要方式。

无论是半参数回归结果中的从低到高的受教育年限经济回报、还是无条件分位数回归中的从低到高的收入水平上受教育回报来看，与2010年之前相比，2010年之后的劳动力市场上对高学历即高素质劳动力的受教育回报超乎寻常地增加，而且这是在1999年以后高校大规模扩招之下发生的，这说明整个中国经济结构发生了革命性的变革，即由2010年之前的以劳动密集型为主的经济结构升级到技术和资本密集型的高科技企业群体占到导致高素质劳动力“求过于供”的状况。这说明整个中国经济结构中高新科技企业群已经成为主力，至少说明中国经济已经不在“中等收入陷阱”之中。

改革开放以来，我国逐渐形成了以深圳、广州、东莞、佛山等为中心的珠江三角洲工业区、以及以上海为龙头以江苏和浙江为腹地的长江三角洲工业区（Lin 和 Zhang, 2019）。与此同时，中国高技术行业投入、产出与进出口不断上升，创新性高技术企业兴起、企业数量和从业人数均不断上升，创造了大量就业岗位。2008年北京奥运会举办以后，我国高新技术企业群快速成长，涌现出华为、比亚迪、北斗星通、大疆科技、百度、阿里巴巴、京东、腾讯、宁德时代等移动通信互联网与电商高技术企业。我国的出口产品由2010年以前的纺织、轻工产品等中低档产品为主升级为以汽车、手机、电脑、纯电动车电池、光伏板、铁路机车、大型船舶、无人机等中高档工业产品为主。这说明我国经济的头部已经升级为高科技经济。正是这些高新科技企业群的崛起使中国经济摆脱了“中等收入陷阱”。

上海交通大学文一教授研究欧洲工业化历史的新著《科技革命的“密码”》表明：文艺复兴以来欧洲国家所有重大技术突破都是国家间激烈竞争而导致国家财政大力资助的结果，而不是所谓的“自由民主法制”带来了科学技术进步；古代和近代中国科学技术不发达也与古代中国科学思想不发达没有任何关系，而是由于明代和清代前期中国承平日久而缺少对先进武器和军队的需求，因而国家对先进兵器研究的财政资助；新中国成立后“两弹一星”的实验成功是新中国倾注国力资助相关科学研究和技术开发的结果。新中国科技发展的成果以及新世纪以来中国摆脱“中等收入陷阱”揭示了欧洲文艺复兴以来欧美日科技发展的第一个核心密码。

总而言之，国际政治经济军事竞争的压力、中国的强大有为政府、自新中国成立以来就不断培育的教育科研体系和国家科研院所体系、以及改革开放以来逐渐发展起来的强大的市场经济体系、中国各级政府为市场提供的交通通讯能源电力基础设施等是中国经济摆脱“中等收入陷阱”的充要条件。

在当前国际形势下，中国的自主创新能力决定了经济发展的质量。科技创新大体可以划分为两类，一类是明显的“卡脖子”技术，另一类是“未知领域”的科技创新。就明显的“卡脖子”技术而言，发挥社会主义国家“集中力量办大事”的制度优势，从国家层面进一步加强高技术行业投入和进出口的扶持，促进技术攻关，逐步解决“卡脖子”的技术难题。就“未知领域”的科技创新而言，则需要充分发挥市场经济的激励机制和资源分配作用，大力发展高新技术企业群，以头部企业发展带动产业升级，让市场上的千万家企业去实现“未知领域”的技术创新。为支撑我国的自主创新能力，进一步加大教育科研投入，不仅要提升劳动力平均教育年限，还要注重教育质量的升级，为创新驱动发展提供更多高质量、高技术人才。

作者简介：范愫，北京大学经济学院博士研究生；夏庆杰，北京大学经济学院教授，北京大学经济与人类发展研究中心主任；李实，长江学者，浙江大学公共管理学院教授。

参考文献

[1]       蔡昉. “中等收入陷阱”的理论、经验与针对性[J]. 经济学动态, 2011(12): 4-9.

[2]       蔡昉. 从中等收入陷阱到门槛效应[J]. 经济学动态, 2019(11): 3-14.

[3]       陈维宣, 吴绪亮. 跨越中等收入陷阱：基于产业互联网发展战略视角的评述[J]. 产业经济评论(山东大学), 2020, 19(04): 30-54.

[4]       程文, 张建华. 收入水平、收入差距与自主创新——兼论“中等收入陷阱”的形成与跨越[J]. 经济研究, 2018, 53(04): 47-62.

[5]       董直庆, 蔡啸, 王林辉. 技能溢价:基于技术进步方向的解释[J]. 中国社会科学, 2014(10): 22-40+205-206.

[6]       董直庆, 王芳玲, 高庆昆. 技能溢价源于技术进步偏向性吗?[J/OL]. 统计研究, 2013, 30(6): 37-44. DOI:10.19343/j.cnki.11-1302/c.2013.06.005.

[7]       华昱. 劳动供给结构、技术进步与收入差距——基于CHNS数据的研究[J]. 河海大学学报(哲学社会科学版), 2018, 20(2): 70-76+92.

[8]       陆雪琴, 文雁兵. 偏向型技术进步、技能结构与溢价逆转——基于中国省级面板数据的经验研究[J/OL]. 中国工业经济, 2013(10): 18-30. DOI:10.19581/j.cnki.ciejournal.2013.10.002.

[9]       戚聿东, 褚席. 数字经济发展、经济结构转型与跨越中等收入陷阱[J/OL]. 财经研究, 2021, 47(07): 18-32+168. DOI:10.16538/j.cnki.jfe.20210517.201.

[10]   宋冬林, 王林辉, 董直庆. 技能偏向型技术进步存在吗?——来自中国的经验证据[J]. 经济研究, 2010, 45(5): 68-81.

[11]   魏熙晔, 龚刚, 李梦雨. 收入分配、产业升级与中等收入陷阱[J/OL]. 浙江社会科学, 2019(10): 62-74+158. DOI:10.14167/j.zjss.2019.10.007.

[12]   文一. 《科学革命的密码——枪炮、战争与西方崛起之谜》[M], 东方出版社, 2021.

[13]   余凡, 许伟, 王平田. 人力资本质量、技能溢价与企业全要素生产率——基于中国企业-员工匹配调查(CEES)的实证分析[J]. 中南财经政法大学学报, 2016(4): 104-111.

[14]   ACEMOGLU D. Labor- and Capital-Augmenting Technical Change[J/OL]. Journal of the European Economic Association, 2003, 1(1): 1-37. DOI:10.1162/154247603322256756.

[15]   ACEMOGLU D. Patterns of Skill Premia[J/OL]. The Review of Economic Studies, 2003, 70(2): 199-230. DOI:10.1111/1467-937X.00242.

[16]   CHE Y, ZHANG L. Human Capital, Technology Adoption and Firm Performance: Impacts of China’s Higher Education Expansion in the Late 1990s[J/OL]. The Economic Journal, 2018, 128(614): 2282-2320. DOI:10.1111/ecoj.12524.

[17]   FIRPO S, FORTIN N M, LEMIEUX T. Unconditional Quantile Regressions[J/OL]. Econometrica, 2009, 77(3): 953-973. DOI:10.3982/ECTA6822.

[18]   GLAWE L, WAGNER H. The middle-income trap: Definitions, theories and countries concerned—A literature survey[J]. Comparative Economic Studies, 2016, 58(4): 507-538.

[19]   GUO L, HUANG J, ZHANG Y. Education Development in China: Education Return, Quality, and Equity[J/OL]. Sustainability, 2019, 11(13): 3750. DOI:10.3390/su11133750.

[20]   HASTIE T, TIBSHIRANI R. Generalized Additive Models: Some Applications[J/OL]. Journal of the American Statistical Association, 1987, 82(398): 371-386. DOI:10.1080/01621459.1987.10478440.

[21]   INDERMIT G, KHARAS H, BHATTASALI D. An East Asian renaissance: ideas for economic growth[J]. Washington: World Bank Report, 2007.

[22]   KNIGHT J, DENG Q, LI S. China’s expansion of higher education: The labour market consequences of a supply shock[J/OL]. China Economic Review, 2017, 43: 127-141. DOI:10.1016/j.chieco.2017.01.008.

[23]   KYUI N. Expansion of higher education, employment and wages: Evidence from the Russian Transition[J/OL]. Labour Economics, 2016, 39: 68-87. DOI:10.1016/j.labeco.2016.01.001.

[24]   LI S, WHALLEY J, XING C. China’s higher education expansion and unemployment of college graduates[J/OL]. China Economic Review, 2014, 30: 567-582. DOI:10.1016/j.chieco.2013.08.002.

[25]   LIN J Y, ZHANG J. Learning to Catch up in a Globalized World[J]. How Nations Learn, 2019: 149.

[26]   MORRIS M, WESTERN B. Inequality in Earnings at the Close of the Twentieth Century[J]. Annual Review of Sociology, 1999, 25: 623-657.

[27]   STONE C J. Generalized Additive Models: Comment[J]. Statistical Science, 1986, 1(3): 312-314.

[28]   YANG J, GAO M. The impact of education expansion on wage inequality[J/OL]. Applied Economics, 2018, 50(12): 1309-1323. DOI:10.1080/00036846.2017.1361008.

[①] “歧视效应”只是Oaxaca-Blinder分解的假设，意指工资差异中无法用解释变量进行解释的部分。在Oaxaca和Blinder的体系中，他们将无法解释的工资差异成因解读为歧视，这并不代表歧视与工资差异存在因果关系。

[②] 在使用广义可加模型（GAM）进行半参数回归时，有效自由度（Effective Degree of Freedom，EDF）是衡量回归方程中非线性变量是否真正为非线性的主要指标。EDF值的相关原假设为：EDF=1，即变量呈线性。如果统计结果显著，即EDF显著异于1，则意味着拒绝原假设，即该变量对被解释变量的影响呈非线性关系（Harezlak et al., 2018）。

[③] 该示例数字的计算（0.17）由GAM估计后的预测值给出。