三、劳动力转移对农户教育支出的冲击：实证分析结果

（一）数据来源与描述性统计

本节使用的数据为CHNS数据。CHNS数据采用多阶段分层抽样方法抽取样本，调查样本兼顾了东部、中部和西部地区，覆盖了辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西和贵州9个省（区），包含了1989年、1991年、1993年、1997年、2000年、2004年和2006年共7个年度的社区调查、住户调查、膳食调查、成人调查、儿童调查等丰富和翔实的数据。由于家庭教育支出数据只出现在2006年的调查中，所以本研究选取2006年横截面数据进行分析，研究对象限定在农村调查点（包含了县城居委会和村）的家庭，有效样本数2303个。本研究中的家庭教育支出、家庭纯收入、家庭资产存量等都用CHNS数据提供的2006年价格指数衡量。

值得注意的是，本研究中的家庭教育支出不仅包括家庭成员接受正规教育所支付的费用，而且包含了家庭成员接受职业教育或职业培训等方面的费用。此外，老人是指年龄在60岁以上的农村家庭人口。

在本研究所使用的2303个观察值中，平均每个家庭有0.51个外出打工人员，其中1582个家庭没有外出打工人员；平均每个家庭教育支出为1635.7元，其中1437个家庭在调查年度教育支出为0元。表3-1为劳动力流动和家庭教育支出对照表，从中可以看出有外出打工人员的农村家庭平均教育支出水平低于没有外出打工人员的农村家庭教育支出水平。

表3-1　劳动力流动和家庭教育支出

表3-2为调查样本中9个省（区）的分省（区）平均家庭教育支出，从中可以看出各个省（区）农村家庭教育支出存在较大差异，家庭教育支出最高的江苏省是最低的贵州省的家庭教育支出的3.36倍，经济越发达的地区家庭教育支出往往越高。

表3-2　分省（区）家庭教育支出

表3-3给出了用于计量分析的主要连续变量的描述性统计。从表3-3中可以看出，家庭纯收入和家庭资产存量最小值均为负值。这是因为农村居民家庭纯收入是指在农村常住居民家庭总收入中，扣除从事生产和非生产经营的费用支出、交纳税款、上交承包集体任务金额、集体提留和摊派、生产性固定资产折旧以后剩余的，可直接用于进行农村居民生产性或非生产性建设投资、生活消费和积蓄的那一部分收入，所以如果这些支出大于居民家庭总收入，则会出现负值。由于家庭资产存量是用2004年的农村居民家庭纯收入代表，所以也会出现负值。

表3-3　主要连续变量描述性统计

此外，回归方程包含了一些虚拟变量，其中，对于解释变量“户主受教育程度”，本研究将之划分为：小学毕业以下，小学毕业，初中毕业，高中毕业，中专或中等职业学校毕业，大专及以上毕业等六种教育等级，并以小学毕业以下为对照组；而区域虚拟变量则以贵州省为对照组。

（二）实证结果

由于回归方程存在几个潜在的内生解释变量“家庭成员外出打工人数”和“家庭在校学生人数”，所以在分析农村劳动力流动对于农户教育支出的影响时，首先应该对这两个变量进行内生性检验。如果这两个变量是内生变量，可用两阶段Tobit模型进行估计，否则使用传统的OLS方法进行估计。^[1]为此，本研究使用Smith和Blundell（1986）提出的两步程序^[2]对几个潜在的内生解释变量进行检验，得到F=2.13，P值=0.119，因而在10%的显著性水平下我们不能拒绝“家庭成员外出打工人数”和“家庭在校学生人数”的内生性。此外，本研究还对是否存在弱工具变量^[3]问题进行了检验。第一阶段Tobit模型回归结果显示，工具变量“家庭所在社区外出打工人数总和”和“家庭所在社区在校学生人数总和”分别对相应的内生变量“家庭成员外出打工人数”和“家庭在校学生人数”有显著影响。因而，本研究所选择的两个工具变量满足工具变量与内生变量的相关性要求。

为了便于比较，这里将Tobit模型和IV-Tobit模型回归结果同时放在表3-4中。

表3-4　农村劳动力转移对农户人力资本投资的影响

注：*、**和***分别表示在10%、5%和1%的显著性水平下显著。

从表3-4可以看出，无论是一般Tobit模型的估计结果还是IV-Tobit模型的估计结果都显示农村劳动力转移显著影响农户家庭教育支出。IV-Tobit模型的估计结果表明，在10%的显著性水平下，农村劳动力转移对农户家庭教育支出存在显著影响，即在其他条件不变的情况下，农户家庭成员外出打工人数每增加一人，农户家庭教育支出将减少405.79元。^[4]与Tobit模型估计结果（农户家庭成员外出打工人数每增加一人，农户家庭教育支出将减少340.67元）相比，IV-Tobit模型的估计结果表明农村劳动力转移对农户家庭教育支出的影响更大。因而，从总体上来看，农村劳动力转移对农户家庭教育支出带来的负向激励效应超过正向激励效应，综合效应为农村劳动力转移会减少农户家庭教育支出。事实上，在劳动力转移的社会背景下，许多农村居民放弃正规教育后，往往并没有接受职业教育，而是直接进入劳动力市场。据统计，在我国农村劳动力中，没有接受职业教育和技能培训的人的比例高达76.4%，接受过中、初级职业技术培训的是少数（张建民和杨子敬，2008）；另外有调查显示，农村劳动力转移人口呈现出年轻化趋势（Alan de Brauw et al.，2006）。这些研究也间接证实，农村劳动力转移不利于农户教育投资。

从IV-Tobit模型的结果还可以发现，家庭老人数量、家庭纯收入和家庭资产存量显著影响家庭教育支出水平，这与现有的相关研究文献和经济学理论具有一致性。家庭老人数量反映了一个家庭可能需要承担的赡养负担的大小，通常老人数量越多，家庭负担越大，对于家庭教育支出存在一定的挤出效应。家庭纯收入和家庭资产存量越高，家庭教育支出会越高，因为高收入家庭或富裕家庭的教育支出意愿和能力一般较强。

同时，IV-Tobit模型显示户主受教育程度对于家庭教育支出有着显著影响，与受教育程度小学毕业以下的户主相比，基本上户主教育程度越高，家庭教育支出也越高。因为教育作为最重要的人力资本投资，会在未来带来长期收入增长，教育程度高的户主能更好地认识到教育对于家庭成员发展的重要性。与贵州省相比，黑龙江农村劳动力转移的结果是农户教育支出明显减少，而河南、湖北、广西等三省（区）的农户教育支出则明显增加。

此外，在一般Tobit模型的结果中，家庭在校学生人数显著增加了家庭教育支出水平，而在对内生性进行处理后的IV-Tobit模型中，家庭在校学生人数对家庭教育支出水平的影响不再显著。

---

注释

[1] 当解释变量与扰动项不相关时，即变量不存在内生性时，仍然进行IV-Tobit估计的一个重要代价是：IV估计量的渐进方差总是大于（有时远大于）OLS估计量的渐进方差（伍德里奇，2003）。

[2] 两步程序：（a）通过OLS分别估计两个潜在的内生变量的简化式，得到简化式的残差；（b）将残差作为解释变量加入估计方程式（3.6），然后对它进行标准的Tobit模型估计。

[3] 当工具变量和内生变量只是弱相关时，IV估计量的标准误可能很大，如果工具变量与扰动项只是适度相关，IV估计量的渐进偏误也可能很大。

[4] Tobit模型的偏效应计算公式：，在计算这种偏效应调整因子时，本研究将每个解释变量都代之以样本平均值。