高等教育扩张对大学生就业和收入影响的区间识别研究

The employment of college graduates in the context of China’s higher education expansion has been receiving widespread attention. This project uses a leading-edge approach of partial identification (or bound analysis) in the area of program evaluation to evaluate the impacts of higher education expansion on the employment and income of college graduates. In contrast to traditional approaches of point identification (which estimates a single value for the effect of interest), a partial identification approach obtains lower and upper bounds on some treatment effect of interest based on weaker assumptions, and thus leads to more convincing empirical results. Methodologically, this project extends the current partial identification techniques from experimental data to observational data. Based on the local average treatment effect (LATE) framework, the first econometric model of this project derives bounds on the population average treatment effect (PATE) of attaining a college degree on workers’ income and employment, and bounds on the average treatment effects on workers with college degree (i.e., the average treatment effect on the treated, ATT). The second econometric model deals with two identification issues simultaneously—endogeneity of college degree attainment and self-selection into employment—and derives bounds on the average treatment effect of attaining a college degree on hourly wages for individuals who obtain college degrees due to the higher education expansion policy and would be always employed regardless of taking the higher education entrance exam before or after the expansion (the so-called always-employed compliers). This project uses the 2007 and 2013 surveys of Chinese Household Income Project (CHIP) to evaluate the short-run and long-run treatment effects, respectively. The project is not only innovative methodologically, but also provides empirical evidence to policy makers regarding the employment of college graduates in the context of the continuing higher education expansion.

我国高等教育扩张背景下的大学生就业问题一直受到广泛关注。本项目将采用项目评估领域前沿的区间识别方法，评估高等教育扩张对大学生就业和收入的影响。相比于传统的点识别（得到参数的单一值），区间识别在弱化的假定条件下，得到干预效应的上界和下界，其结果的可信性更强。本项目将现有的实验数据下的区间识别技术推广至观测数据中。在局部干预效应（LATE）框架下，首先推导高等教育扩张背景下，获得大学学历对劳动者收入和就业的总平均干预效应和具有大学学历人群的平均干预效应的所在区间。其次同时处理获得大学学历的内生性和就业的自选择，聚焦得益于扩招政策而获得大学学历且无论扩招前后都能就业的劳动者群体，推导获得大学学历对其小时工资效应的所在区间。项目将采用中国家庭收入调查2007年和2013年的数据，分别评估短期效应和长期效应。该项目在研究方法上具有创新性，并为高等教育持续扩张背景下的大学生就业问题提供政策依据。

本项目旨在采用和延伸现有区间识别方法，评估高等教育扩张背景下，获得大学学历对劳动者的就业和收入影响。区间识别方法相比于点估计方法使用弱化的假定条件，实证结果的可信性更高。.首先方法上，借鉴现有区间识别方法，将局部处理效应（LATE）框架下的区间识别方法延伸到观测数据下，获得了总平均处理效应（ATE）、接受干预群体的平均处理效应（ATT）、以及子群体的平均处理效应的所在区间。同时，放松LATE框架下工具变量的单调性假设，允许违反者存在，推导了ATE和ATT的所在区间。.其次实证上，在中国家庭收入调查项目（CHIP）2013数据和中国综合社会调查（CGSS）2010-2012数据分析中，发现存在关于高校扩招政策的违反者。因此选择满足工具变量单调性假设的CGSS2013、2015、2017数据进行估计，获得高中以上学历的青年群体（ATE）和其中获得大学学历群体（ATT）的所在区间。研究发现，遵从者的比重很小，遵从者的LATE统计上不显著；获得大学学历对于目标人群的正向就业效应在扩招政策实施后的长期效果十分有限，而收入效应的所在区间较大，两者均无法排除零影响。.根据以上数据结果，无法延伸现有LATE框架下关于工资效应的区间识别方法以评估高校扩招背景下的工资效应，因此，方法上将实验数据下工资效应的区间识别方法扩展到因果直接效应和间接效应的识别中，采用主要分层法，同时处理机制变量的内生性和不遵循实验分配问题，获得遵从者的直接效应和间接效应的所在区间。.使用CGSS2010-2012和2013-2017数据，评估扩招政策实施以来的中期和长期效应。基于CHIP和CGSS数据结果，不再考虑LATE框架，而采用单调工具变量、单调干预选择和单调干预响应假设下的区间识别方法，估计ATE的所在区间。研究发现，获得大学学历对目标群体的就业效应在扩招实施后的中期和长期没有显著差异，其正向效应有限，亦无法排除零影响。在中期，出生于1977-1980年群体的收入效应更有可能为正，出生于1981-1990群体的收入效应更有可能为负；在长期，后者相比于前者，其获得大学学历的正向收入效应可能更小。

内容获取失败，请点击重试