英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料
巴西的人力资本不断上升但教育构成持续下降
Naercio Aquino Menezes-Filho, Reynaldo Fernandes, Paulo Picchetti
摘要: 本文探讨了在过去二十年中劳动力的教育结构和教育水平的变化对巴西男性劳动力收入的影响。本文将分位数回归法应用于一个与年龄、时间和相互作用有关的多项式，并通过调查巴西大型家庭，获得所需的的重复横截面数据。事实结果表明，巴西男性劳动力教育水平的提高并没有造成收入的不平等，反而是教育结构的变化加剧了收入的不平等。使用拟合的模型进行预测，本文得出结论：劳动力教育构成的改善将有助于在不久的将来实现总体收入不平等的大幅下降。
关键词：经济；发展；工资不平等；教育
JEL代码：J31；O15
一、背景介绍
就收入分配而言，巴西是世界上最不平等的国家之一。例如，《人类发展报告》（2000）指出，世界上86个国家中，巴西是最不平等的[1]。巴西20％最富有家庭和20％最贫穷家庭的平均收入的比例约为33。同样，Squire和Zou（1998）提供了世界各国基尼系数的数据，巴西以36.2（9.2）的样本均值（标准差）和57.8的平均系数（随时间）位居榜首。
在一个国家的某个时间点上，劳动力的工资分布与工资水平一般取决于其劳动力自身的因素，如教育、努力、经验、其他被观察到的和未被观察到的技能以及对这些因素的回报。反过来，这些回报也将取决于这些因素需求的分布。工会和最低工资法等体制因素也可能影响工资结构。在巴西以及其他欠发达国家，教育往往是不平等的主要来源。例如，Barros等人（2000）研究表明，教育的分配和回报占巴西已知来源的工资不平等的三分之二左右。。
然而，在关于教育塑造工资不平等演变中的作用，这些问题更具争议性。尽管传统观点认为不断上升的人力资本会引起不平等的下降，但各位作者指出，教育扩张实际上可能会导致最不发达国家的工资差距上升，这取决于教育的初始水平和分散程度，以及教育和收入之间的关系（见Chiswick1971和Fields1980）[2]。
一些研究试图从经验上澄清这个问题。Ram（1990）使用跨国数据发现教育水平和教育分布之间是非线性关系，教育的不平等先是增加到七年平均教育水平，之后再下降。对于最不发达国家而言，这可能是一个坏消息，因为从低水平的教育扩展可能带来更多的教育不平等和收入不平等[3]。然而，Knight和Salbot（1983）利用肯尼亚和坦桑尼亚的数据表明，尽管教育组合效应在这些国家引起了不平等，但压缩效应已经超过了这一效应，即与教育水平上升有关的教育回报下降水平。在巴西，Ferreira和Barros（1999）发现，平均收益的下降抵消了教育捐赠的增加，使得不平等在1976年到1996年之间基本不变。
本文试图调查巴西教育动态与收入不平等之间的关系。巴西的情况除了极高的工资不平等水平之外，在过去的二十年里尤其是基础教育方面已经有了相当大的扩展，但工资差距大致保持不变（见下文）。我们利用一个非常大的巴西个人水平数据集的重复横截面数据，来按狭义的教育水平对数据进行分组，并将分位数回归应用于包含年龄，趋势和宏观经济影响因素的模型，如MaCurdy和Mroz（1995）和Gosling等人（1999年）所使用的那样。通过这个框架，我们将能够重构整个工资分配随着时间推移的演变，并且使用方差分解技术，有条件地按周期和人口结构，来检验每个教育水平的构成和经济回报对工资分布的不同影响。
最后，有一点重要的地方要指出，教育供给对收入的影响最近也在发达经济体的范围内进行了广泛的研究，用来解释各国工资不平等增长的不同模式。其中一项研究是Gottschalk和Joyce（1998）的研究，发现跨职能技能回报的大部分差异可以用供应变化的差异来解释。
二、数据描述
在本文中，我们使用了一套特别丰富的数据集，由巴西人口普查局（）每年9月进行的一次年度住户调查（）的重复横截面数据组成。每个横断面数据都是巴西人口的代表性样本，包含约10万个家庭观察数据，其中约有33万个访谈对象。从原始数据中我们只保留男性（以避免与女性参与变化相关的通常构成问题）。在工作周内，劳动力工作时间为正值，货币报酬为正值，年龄在24岁至56岁之间[4]。我们将样本分为六个教育群体：文盲（0年学历），不完整小学（1至3年），完全小学（4至5年），中学（6至9年），高中（9至12年）和大学（高于12年）。在每个教育组中，我们进一步将数据分组为693个元胞（33个年龄组和21年的跨度），样本期从1977年到1997年，最终样本数据详见表1[5]。
表 1 数据描述：1977-1997
|
教育年限 |
样本规模 |
平均元胞规模 |
最小元胞规模 |
最大元胞规模 |
代表人口数量 |
工资中位数 |
|
0 |
223,443 |
322 |
136 |
823 |
77,593,656 |
0.79 |
|
1-3 |
261,530 |
377 |
149 |
781 |
92,035,272 |
1.20 |
|
4-5 |
328,552 |
474 |
150 |
1029 |
173,130,231 |
1.75 |
|
6-9 |
180,063 |
259 |
25 |
841 |
63,830,444 |
2.28 |
|
9-12 |
176,536 |
254 |
25 |
862 |
60,371,600 |
3.57 |
|
gt;12 |
120,512 |
174 |
31 |
433 |
40,210,116 |
9.18 |
此分析中使用的主要变量是实际每小时工资，定义为每周正常劳动收入除以每周正常工作小时。表1最后一列出了1996年每个教育集团的工资中位数。由于这些数字大约相当于美元[6]，因此可以首先注意到巴西经济中的低工资水平。例如，1996年，我们所有巴西工人中75％的工人收入低于美国最低工资（4.76美元）。此外，跨教育水平的工资差异似乎也很显着，因为大学教育程度的中等学生工资比中等文盲高11倍，比中等高中工人高出约2.5倍。
图1和图2描述了巴西劳动人口教育构成的演变情况，通过绘制每个教育群体在整个群体中随着时间推移的劳动力比例，显而易见，整个队列正在发生有意义的变化，反映在样本期间劳动力的构成中。图1描述了没有上学的工人百分比（）的大幅下降，占1923年出生人数的40％，而在1971年的人群中仅占8％。仅具有基本阅读和写作技能的小组（）也从最低一代人的28％下降到大约14％。小学完全教育（）的比例基本保持不变，而中等教育（）和高中教育（）的比例持续增加，这两个组合共占大约50％的1971年队列组成。有趣的是，大学教育工作者的比例与高中组相同，这个现象一直持续到到1947年。图2显示，随着时间的推移，这些跨世代的运动被平滑化，因为不同的队列在一个时间点共存。
图 1教育构成比例
图 2教育构成序列
图3显示了两个连续教育组之间平均（对数）工资的差异[7]，考虑到上述构成的变化，似乎价格或“压缩”效应不如人们预期的那么重要。最有说服力的变化发生在完成和不完成小学教育之间的工资差异（-）。在样本期间，高中教育和大学教育工资差异（-）不断上升。值得注意的是，由于1977年大多数工人的教育时间为8年或以下（72％），整体劳动力受到完全基本保障费下降（-）的影响要大于（-）其上升的影响，这意味着平均教育回报率从1977年的0.17下降到1997年的0.14。
图 3教育回报序列
这些组成的变化和教育回报在多大程度上影响了巴西工资不平等的演变？ 在接下来的几节中，我们将使用计量经济学技术试图将教育影响与其周期性、宏观经济和其经验效应分离开来。
三、经济方法
随着时间的推移，工资不平等的演变可以用包含时间，经验和群体效应的模型来描述。时间影响（宏观影响）包括经济环境的变化，例如：体制因素、影响整个劳动力队伍的通货膨胀率和失业率。比如说，体验效应可以捕捉到在整个生命周期中工资分散的影响以及人口老龄化的影响。由于新进入者相对于离职者在劳动力市场中存在一些特征上的差异（例如队列的大小和等级，学校的教学质量和教学差异），所以队列效应反映了人口构成的永久变化。
不幸的是，由于基本的识别问题，我们不可能分解它们各自的影响。正如Heckman和Robb（1985）所指出的，出生队列（）完全由年龄（）和时间趋势（）决定：
(1)
我们尝试用一种简洁的方式模拟工资方程，遵循MaCurdy和Mroz（1995）的函数，这个函数包涵时间、年龄和队列：
(2)
其中函数R是用来尝试并捕获年龄、时间和群组之间的交互作用，例如随着时间推移而发生的体验效应回报的改变。当探索一个与队列、时间、年龄和这三者之间相互作用有关的四阶多项式时，我们知道，由于识别问题，在与四阶多项式相关联的30个系数中，只能识别14个线性组合。因此，我们选择了基于数据采样的等式：
(3)
因此，在解释回归结果时，必须牢记队列效应存在于估计系数中。（3）式中的误差项包括常见的时间效应：
(4)
模型的构建与年龄和趋势的功能是正交的，即不包括趋势。数据中的所有趋势都将反映在年龄变量和趋势变量中[8]。
在实证调查中，我们应用分位数回归技术（KoenkerandBasset，1978）。这使我们能够模拟整个工资分配的演变，而不仅仅是条件均值。如果一个群体中的所有百分位数都以相同的方式演变（除了形成一个截距位移），那么可以通过改变价格或观察到的技能特征的组成来解释工资分布的变化。否则，未观察到的影响也很重要。中位数定义分布的位置，周围的百分位数描述分散度的变化。因此我们有：
(5)
每个分位数的一组函数衡量工资随时间的变化趋势。这些函数顶部和底部之间的差异会对组内工资的分布产生偏差。在同一分位数测量中，各教育组估计系数的差异会随着时间的推移在特定的分布点发生变化。函数度量值描述了每个教育群体变老时的工资变化。不同教育群体的年龄中位数系数的差异反映了经验与教育之间的相互作用，而跨分位数年龄估计系数的差异意味着工资差异会随着年龄的增长而增加，这可能是因为不同年龄组边干边学的差别率（见Goslingetal，1999）。对于每个教育群体而言，对工资分配的常见宏观经济冲击假设是相同的，不论年龄如何。
程序如下：利用感兴趣的变量全部离散的事实，将原始数据分成教育、年份和年龄元胞，并且我们在每个元胞内选择感兴趣的种群特征。然后，我们用相应的样本特征（使用住户调查提供的权重）进行估计。我们估计每个年龄、年份和教育元胞的第1，5，10，15，...90，95和99百分位数。这相当于使用全部样本来回归所有可能受教育年份和年龄相互作用影响的每个工资的百分比。百分位数是渐近正态分布的（参见Koenker和Portnoy，1996）。这些有序统计量（）中的每一个方差由下式给出：
(6)
我们使用带宽等于每个元胞工资标准差一半的高斯内核来估计（条件密度）。
然后，我们尝试通过最小距离估计器对工资分配施加一些结构。最小距离法选择来最小化：
(7)
估计的有序统计量里，是一组线性限制[9]。在我们的例子中，这些限制意味着年龄、趋势和（正交）时间虚拟变量可以解释每个元胞估计的有序统计量的行为和其随时间变化的情形。实行这些限制意味着分别为每个分位数和教育组估计分组数据的加权最小二乘回归。这个程序
全文共14991字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10425]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
