教育外部性的收入效应基于中国数据的实证研究三、数据处理本文将采用中国的两个微观调查数据集即城市住户调查（UHS）⑦和中国健康与营养调查（CHNS）⑧，其已广泛应用于许多关于中国问题的研究中。第一，UHS是截面数据，数据记录了家庭收入、教育、工作和就业、人口特征和其他相关的个人信息。我们使用了从1993年到1997年的数据⑨。UHS数据集的样本量大，城市个数多，同时，由于调查的城市相同，可以用城市固定效应模型来控制一些不随时间变化的城市特征。UHS数据的另一个优势是我们可以知道样本城市的名称，因此，可以利用其他数据库来获取一些城市的信息，这样有助于我们找到适当的工具变量。该数据的不足之处是不同年的个人并不相同，因此只能用来估计模型（5）但不能估计模型（6）。第二，CHNS是一个包括了9年的个人面板调查数据集，分别为：1989年、1991年、1993年、1997年、2000年、2004年、2006年、2009年和2011年。数据包括详细的收入、教育、工作经验、就业信息等，包括城市和农村地区。利用其个人面板数据的特点，可以用来估计模型（6）。但是，该数据集中的城市名称未知，因此，无法结合其他数据集来获得有效的工具变量。本文将个体样本限制在年龄为16-60岁，这是中国劳动法规定的工作年龄，只包括就业的全职工人。个人收入包括工资、奖金和津贴等与工作相关的收入。城市的平均受教育年限和高等教育劳动人口所占的比例由样本数据计算而来⑩。表1列出了各个变量的统计属性。城市人口的受教育年限随着时间推进有逐步增长的趋势，城市中受过高等教育的劳动人口占比也是逐年上升的，劳动者的工资性收入也呈现逐年递增的趋势。UHS数据中样本的平均教育水平要比CHNS的高一些。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---四、实证结果讨论我们使用UHS数据，采用城市固定效应-代理变量的方法和工具变量的方法来回归方程（5）；使用CHNS数据，采用个人固定效应模型和包含个人与城市交叉项虚拟变量的扩展固定效应模型来回归方程（6）。（一）基于城市面板数据UHS的回归结果表2列出了使用城市平均受教育年限来表示城市的人力资本水平，且使用不同的计量模型而得到的结果。模型都假定私人教育回报随时间变化，除了教育、工作经验以及性别外，我们也使用了个人的职业类别、所在单位所有制性质、所属行业来控制影响个人收入的因素。回归都使用了年份虚拟变量，来控制时间效应。从回归的结果看，教育的外部收益率都显著为正。其他回归系数与人力资本研究的相关文献研究结果基本一致。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---表2第（1）列是对方程（2）的回归结果，根据第二部分的讨论，那些不可观测的城市特征会使教育的外部回报率估计存在偏差。为此，我们首先使用了城市固定效应模型来控制城市中那些不可观测的固定特征，如文化、地理、习俗等，这些特征可能会与一个城市的教育水平相关。第（2）列的回归结果表明，当控制了这些城市固定特征后，如果城市的平均教育年限提高1年，个人的收入会提高约6.7%，教育的外部回报率显著下降。除了城市固定特征外，那些随时间变化的城市特征也可能会使对方程（2）的回归产生偏差，为此，我们在固定效应模型中使用了代理变量的方法，即对方程（5）进行回归。考虑到产业结构转变、机构改革以及所有制形式的变动，会带动城市劳动力市场的供求变化，从而会影响城市中劳动者的平均教育水平以及他们的工资水平。我们使用了三个代理变量：包括城市中从事第一、二、三产业的人口占比，政府部门工作人员的人口占比，以及在不同所有制形式的企业里工作的人口占比⑪。当固定效应模型加入代理变量之后的回归结果显示（见表2第（3）列），教育的外部回报率变为7.6%，且在99%的置信区间内显著。此外，加入代理变量后的外部回报率的参数估计值增加，说明那些不可观测到的随时间变化的城市特征会使得外部回报率被低估。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---在加入代理变量的基础上，我们结合工具变量的方法来进一步处理城市教育的内生性问题。我...