Advances in Social Sciences 社会科学前沿, 2017, 6(5), 513-523
Published Online May 2017 in Hans. https://www.doczj.com/doc/6a11263739.html,/journal/ass
https://https://www.doczj.com/doc/6a11263739.html,/10.12677/ass.2017.65071
Gender Gap of Education Returns
Yali Jiang
Sichuan International Studies University, Chongqing
Received: May 1st, 2017; accepted: May 15th, 2017; published: May 22nd, 2017
Abstract
Adopting the data of Wuhan general social survey in 2014, while introducing extended Mincer equation, this paper analyzes gender difference of education returns from following three aspects: work experience and unit characteristic, education level, family background. Results show that work experience could enlarge gender earning gap, while unit characteristic decreases this dis-tance. Women’s education returns increase with the increasing education year, but meanwhile gender gap also becomes larger. Education returns of people who come from advanced family are higher than those from inferior family, but superior family background does not decrease increa-singly enlarged gender difference. Even so, more education is still the most effective way for fe-male to improve gender disadvantage.
Keywords
Education Returns, Gender Gap, Work, Education, Family Background
教育回报率的性别差异
蒋亚丽
四川外国语大学，重庆
收稿日期: 2017年5月1日；录用日期：2017年5月15日；发布日期：2017年5月22日
摘要
采用2014年武汉市综合社会调查的数据，在对明瑟方程加以扩展的基础上，本文从工作经验和单位性质、教育层次、家庭背景三个层面对教育回报率的性别差异进行了详细分析。结果显示工作经验扩大了教育回报率的性别差异，而职业和单位性质因素又从另一层面缩小了性别差距。对于女性来说，受教育程度越高，教育回报率也越高，但同时与同学历男性的收入差距也越大。优势阶层家庭子女的教育回报率普
文章引用: 蒋亚丽. 教育回报率的性别差异[J]. 社会科学前沿,2017, 6(5): 513-523.
蒋亚丽 等
遍高于劣势阶层子女，但家庭背景的优越并没有对逐渐拉大的教育回报率起到减缓作用。尽管如此，女性要减少性别劣势，接受更多的教育是比较有效的方法。
关键词
教育回报率，性别差异，工作，受教育程度，家庭背景
Copyright ? 2017 by author and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
https://www.doczj.com/doc/6a11263739.html,/licenses/by/4.0/
1. 研究背景
性别平等一直是社会学领域关注的重点话题，两性的收入平等、职业的同工同酬以及受教育平等都和性别歧视以及女性地位的提升密切相关。国外学术界一直关注女性的职业收入状况和教育回报率的变化，国内在这方面的研究则处于刚刚起步的阶段。
教育的性别不平等主要表现在微观层面上——家庭内部在教育资源分配时对儿子和女儿的差别对待。受中国传统社会父权文化的影响，我国“养儿防老”的观念根深蒂固，为了把儿子培养成才，在家庭教育资源紧缺的情况下，父母会选择牺牲女儿的教育机会来满足儿子的教育需求。这一现象在农村地区尤为严重。人们普遍认为即便女性接受了中高等教育，在职业地位和收入水平上仍低于同等学历的男性，成为职场上的劣势群体。这就进一步导致父母对女性教育投资意愿的降低。近年来首次出现了高等教育中女性比例高于男性的情况，这或许是由于女性感受到收入上的性别歧视，因此选择接受更多的教育对这一劣势进行弥补的结果[1]。
从纵向层面看，女性教育程度的提高无疑能够促使自身收入水平和职业地位的提升。但如果从横向层面考虑，较高的学历是否能够提高教育回报率，减小两性之间的差距还有待商榷。本文意欲探究武汉地区教育回报率的性别差异。武汉市拥有较为丰富的教育资源，居民的受教育水平普遍较高。同时，武汉作为中部最大的省会城市，也是中部地区的经济枢纽，市场化程度较高，能在很大程度上反映教育回报率的两性差异。
2. 文献综述：教育回报率的性别差异
关于教育和收入的关系，马克·布劳格[2]有着经典的解读。他认为较多的教育能够带来较高的收入，原因有三种：一是经济(economic)因素——教育程度高的人更容易得到那些专业技术性很强的工作，这种工作往往由于人才短缺而薪资较高。二是社会(sociological)因素——能够长时间呆在学校接受教育的大都是家庭背景比较优越的人，抑或是受主流价值观影响较深的人，受的教育越多，越能适应统治阶级对人才的需求。三是心理(psychological)因素——在学习上较为突出能够获得较高学历的人或许本身能力就较强，而能力强的人自然能够获得比能力弱的人更高的收入。虽然后来布劳格的解读受到一些经济学家的质疑，但丝毫不影响其在解释教育与收入关系上的经典地位。国内学者对我国的教育回报率也做了相关的实证研究，结果发现，中国的教育回报率存在边际效应递增现象，受教育程度越高的人的教育年限每增加一年所获得的收益远远大于教育程度低者。相比较于未接受过高等教育的人来说，上过大学的人的教育回报率有显著提高。此外，教育回报率与收入存在着极强的“马太效应”，收入高的人每增加一年教育所带来的收入增加呈指数增长[3]。
Open Access
蒋亚丽等
虽然高学历更容易获得高收入，但是人们也发现，即便女性获得了高学历，也比同等学历的男性收入低，这大多被归结为两性社会地位的不平等和对女性的性别歧视。其他学者经过长期的观察和研究发现对两性收入差别的解释并不仅仅是性别歧视那么简单。总的来说，造成女性教育收入低于男性的原因主要有两个[4]：一种是从人力资本的角度去衡量，认为女性在受教育程度、经验等方面投入比男性少，因而相应的收入比男性低；另一种从结构型因素出发，着眼于职业的性别隔离，认为之所以两性之间存在较大的收入差距是因为在劳动力市场上存在着一种隐性的性别歧视。这种性别歧视是职业间收入差距拉大的结果，也是造成两性教育回报率不同的重要原因。
国内学者对教育回报率的性别差异也做了详细的分析和研究。但由于测算教育回报率的指标对数据和模型的要求都比较高，采用不同数据的学者往往得出完全不同的结论。即便学者采用了相同的数据，也可能因为在样本规模、核心变量的确定以及方法模型使用方面的差别而造成研究结果的巨大差异[4]。在此基础上，本文仅梳理已得到普遍共识的研究结果。
教育回报率的两性差异研究基本都得出了女性的回报率小于男性这样一个结论，其中隐含的假设前提是——女性拥有和男性同等的教育水平。关于这一研究又分为两种类型，一种是采用某一年的调查数据所做的截面数据的差异研究，另一种则是采用前后两个不同年份纵贯数据所做的教育回报率性别差异的趋势分析。根据某一截面数据所做的教育回报率差别研究显示，单从行业来看，女性的教育回报率高于男性。对于这个结论又出现了两个分歧，一种认为无论哪个年龄段、哪个学历层次的女性教育回报率均高于男性[5]，另一种研究则发现在低收入群体中，女性的教育回报率高于男性，在高收入群体中，则完全相反，男性在收入上更占优势[6]。张兴祥、林迪珊[7]以农民工等低收入群体为研究对象，对他们的教育回报率做了分析后也印证了女性的教育回报率低于男性的结论，虽然两性教育回报率的差异并不存在统计意义上的显著性。高收入群体中女性的教育回报率与男性教育回报率的显著差异更多地归结于性别歧视，即随着学历的增高，女性的教育回报率无论是相比自己以前还是相比同学历的男性都在增加，但同时在工作中遭受性别歧视的机会也在相应增加，而且性别歧视的增长幅度大于教育回报率的增长幅度[1]。汤瑶和龙文锦[8]采用2002年和2007年两个年份的中国家庭收入调查项目(China Household Income Project, CHIP)截面数据所做的对比分析发现，随着我国市场经济的进一步发展和完善，2007年的总体教育回报率相比2002年有所降低，其中男性的教育回报率变化不大，女性的教育回报率有了大幅度下降。对于高收入群体，女性教育回报率下降的趋势更加明显。
教育回报率的性别差异本身受到诸多因素影响。宏观层面上，不仅市场经济发展程度能够导致回报率的性别差异，所处的东中西部地区和城乡地域也能引起教育回报率的性别不同。微观层面的家庭背景、单位性质以及职业选择更是教育回报率性别差异的直接原因。先前的研究大都考察影响教育回报率的单个因素，极少有纳入诸多因素进行综合分析。由于本文立足于武汉地区，地域特征较为明显，因此只从微观层面对教育回报率的两性差异进行研究。
3. 研究假设：人力资本、家庭背景和性别歧视对教育回报率的性别影响
教育回报率是指在排除年龄、性别、工作年限、职业、行业、单位等因素的影响后，就业者多受1年教育所带来的收入增长率[9]。影响教育回报率的因素有很多。研究收入的经典模型明瑟(Mincer)方程经过多次实证研究证实除了教育，工作年限的长短(或是工作经验的多少)也在很大程度上决定着人们的收入。明瑟方程中的教育和工作经验因素一般被视为影响收入的人力资本因素1。除此之外，国内的学者发现男女两性所处的单位性质和所从事的职业也能影响他们的收入差距。在国有部门和非国有部门中都存在着收入的性别差异，只是表现的形式不同而已。在国有部门中，男女收入差距源于结构性因素，即职1详见吴愈晓、吴晓刚，2009，城镇的职业性别隔离与收入分层，社会学研究，4: 88-111。
蒋亚丽等
业差别。非国有部门中，收入不平等则更多地体现在个人人力资本的差异[4]。许涛[3]也发现，教育对收入的影响在很大程度上是通过选择就业部门、就业行业来实现的。反过来说，如果控制了单位性质和职业因素，两性的教育回报率应该呈下降趋势。在此基础上，提出本文的第一组假设：
假设1a：教育程度和工作经验等人力资本因素能显著增大教育回报率的性别差异；
假设1b：职业和单位性质因素能够缩小教育回报率的性别差距；
女性在社会角色和社会分工中一直处于劣势地位，无论从平等接受教育角度还是从从事的职业和获得的收入角度分析，均可发现性别歧视在其中发挥的作用。城镇女性的受教育状况受性别歧视影响的比例占47.9%，这一比例在农村地区高达118.5%，加入家庭因素后，农村女性在教育上所受到的性别歧视不降反升[10]。在收入方面女性也普遍低于男性，即便按照“同工同酬”的原则也是如此，究其原因是不同的职业所造成的工资差异，这也是我国社会制度下一种特殊的性别歧视方式[4]。随着教育程度提高，女性的教育回报率也在增加[1]。女性接受更多的教育会给自身带来收入和社会地位的提高，但即便如此，仍旧改变不了两性收入差距进一步拉大的事实。
在此基础上，提出本文的第二组研究假设；
假设2a：教育程度越高，教育回报率的性别差异越大；
假设2b：女性教育回报率随着教育程度的提高而增加；
教育平等一直是缩小男女间教育差距的重要诉求，两性间收入差距的拉大很大一部分归结于两性在教育上的差距。自布劳–邓肯模型提出以后，家庭背景对子女受教育程度的影响成为人们关注的热点，经过几十年的发展，背景优越的家庭其子女的受教育程度往往也高已然成为社会共识。家庭背景因素深刻影响着子女的学历和今后的职业发展。与此相关，个人教育回报率的高低也被证实与家庭背景的优劣密切相关。实证研究发现中上层阶层家庭子女的教育回报率明显高于下层阶层子女的教育回报率[11]。
根据前文文献综述部分提到的收入高的群体男性的教育回报率高于女性[6]，由此延伸出本文的第三组假设：
假设3a：优势阶层家庭子女教育回报率高于劣势家庭子女的教育回报率；
假设3b：优势阶层家庭子女的教育回报率的性别差异高于劣势家庭子女教育回报率的性别差异。
4. 数据、变量和模型
4.1. 数据
本文分析采用的两个数据分别来源于“2014年武汉市综合社会状况调查(CSSR)”。武汉市社会状况综合调查是由武汉大学社会调查研究中心(CSSR)组织进行的一项大型的综合社会调查。此次调查主要是针对武汉市居民所做的一项关于社会综合状况的调查，共涉及武汉市所辖的13个区，32个街道，63个居委会/村委会，回收有效问卷1878份，回收率高达99.6%。
4.2. 变量
研究中所使用的变量具体可分为因变量，核心自变量和其他自变量。
4.2.1. 因变量
模型中的因变量为收入，采用的是个人2013年的全年收入。由于收入不是正态分布的数据，为了减少数据使用过程中的误差，在纳入方程时对其进行了对数处理。
4.2.2. 核心自变量
分析教育回报率性别差异的核心自变量为教育程度和性别。教育程度根据分析方法的不同，采用不
蒋亚丽等
同的数据形式。在Mincer扩展模型中采用教育年限作为连续变量2的形式，后面分析各个学历阶层的教育回报率时采用教育层次的形式作为有序变量3进行分析。由于女性的教育回报率是重点考察对象。因此，在编码的过程中女性= 1，男性= 0。
4.2.3. 其他自变量
明瑟方程中的工作经验自变量并不能直接获得，根据国际通用惯例，工作经验一般由工作年限的长短来衡量，Exp = 年龄?受教育年限? 6。工作经验计算公式暗含着一组假设前提，即人们普遍6岁开始接受义务教育且从学校毕业后直接进入工作角色。
本人职业变量职业阶层按照国家职业分类与代码表的分类，把职业划分为两个主要阶层。1 = “高级管理人员和中高级技术人员”，0 = “其他从业者”。单位性质中，把1 = “党政机关、人民团体、军队”，2 = “国有企业及国有控股企业”，3 = “国有/集体事业单位”，重新编码为1 = “国有企事业单位”，其余的集体企业、私营企业、三资企业、个体工商户等编码为0 = “私有企业”。
鉴于父系社会的文化传统，父亲社会经济地位决定着整个家庭的经济状况。因此家庭背景变量操作化为父亲的职业和父亲的受教育程度。把父亲的职业划分为两个主要阶层。1 = “高级管理人员和中高级技术人员”，0 = “其他从业者”。父亲的受教育程度也采用教育年限作为连续变量处理，具体编码方法与本人受教育年限相同。
4.3. 模型
对教育回报率的分析以著名的明瑟方程(Mincer Equation)为蓝本，并根据本文实际研究需要对方程进行扩展。明瑟方程的基本形式如下：
=++++
ln01Edu2Exp3Exp2
W b b b bμ
明瑟方程中，lnW是收入的自然对数，Edu是个体的受教育程度，用受教育年限来表示，Exp是工作经验，用工作年限来表示。方程中同时纳入工作经验的平方项，因为实证研究发现工作经验和收入并不是直线关系，二者呈倒U型。随着工作经验的积累，人们的收入会逐步提高，但到了一定的年龄，随着劳动生产率达到顶峰，人们的收入又会逐渐减少，而后维持稳定状态。因此把工作年限的平方项纳入方程，用二次方程来表示这种关系更为准确。方程对教育求导，得到的教育系数b1为教育每增加一年所带来的收入的增加量，也就是教育的回报率。μ为随机误差项。
用明瑟方程计算教育回报率很容易出现遗漏变量的偏误问题[12]，为了避免这个问题，根据本文研究需要对明瑟方程进行扩展形成新的模型。
lnW = b0 + b1Edu + b2Exp + b3Exp2 + b4Gen + b5Occu + b6Unit + b7Fedu + b8Foccu + μ新的模型中又加入了影响收入的其他变量。Gen是性别，Occu代表本人的职业，Unit为单位性质，Fedu表示父亲的受教育年限，Foccu指的是父亲的职业。
5. 数据分析
本部分数据分析共分为三部分内容，第一部分是对所有变量的性别差异做T检验，分析在各个变量下性别差异是否显著。第二部分对教育回报率的性别差异做OLS回归分析，考察各个因素对教育回报率的影响作用。第三部分分析在不同的家庭背景下教育回报率的性别差异状况。
2按照我国学制的具体情况，把学历重新编码为相应的受教育年限：未上学= 0，小学= 6，初中= 9，高中/中专/职高技校= 12，大学专科= 15，大学本科= 16，研究生= 19。
3即按照学历层次，把教育程度重新编码为小学及以下= 1，初中= 2，高中/中专/职高技校= 3，大学及以上= 4。
蒋亚丽等
5.1. 各自变量两性差异的均值分析
由表1可以看出，男女两性平均月工资存在巨大差距，男性平均月收入比女性高出约2024元，二者在P < 0.05水平上差异显著。由于收入不属于正态分布型数据，在对月收入做了对数处理后，两性的收入差异指数扩大，能更准确地反映出男女两性在收入上的差距。
总体来看，女性在受教育年限上只比男性少了将近1年时间，两者的差异并不显著。女性的工作经验与男性比起来只少了半年时间，二者之间的差异也可以忽略不计。但在把工作经验做了平方处理以后，两性工作年限的差异开始拉大，并且在p < 0.001水平上呈现统计意义上的显著。说明在参加工作一段时间后，越接近事业高峰期，女性在工作上与男性的差距越明显。职业方面，女性得分高于男性，虽然二者差异并不显著，仍显示出在武汉地区女性从事高级管理人员和中高级技术人员的人数虽然不及男性多，但职业地位并不比男性低。从单位性质变量考虑，男女两性在国有企业工作的比例基本相同，没有太大差异。除了本人工作经验和教育程度的性别差异不显著外，在家庭背景方面，两性之间的差别也不大，几乎可以忽略不计。
5.2. 各因素对教育回报率性别差异的OLS回归分析
表2是影响教育回报率的性别、人力资本、职业和单位性质、家庭背景等因素的OLS分析。表中共有四个模型，属于嵌套关系，模型1只考察性别对收入的影响作用，模型2中添加了教育和工作经验等人力资本因素，模型3进一步纳入职业和单位性质等跟本人社会经济地位相关的变量，模型4中又纳入了父亲的职业和受教育程度等家庭背景变量。每一个模型中变量的添加都是为了考察新变量对教育回报率性别差异的贡献率。
模型1只考察性别对收入的贡献率，性别系数为负且在p < 0.001水平上呈现差异显著说明女性的收入水平明显低于男性。性别因素解释收入4.8%的方差。模型2中添加人力资本因素后，对收入解释的贡献率增加到12.8%，收入的性别差异扩大了11.2%([?0.357 ? (?0.321)]/(?0.321) = 0.112)。“假设1a：教育程度和工作经验等人力资本因素能显著增大教育回报率的性别差异”得到验证。在控制了其他因素后，职业和单位性质对性别收入差异缩小的贡献率为4.3%([?0.342 ? (?0.357)]/(?0.357) = ?0.043)。因此“假设
Table 1. Mean of variables and gender difference
表1.各变量均值及其性别差异
变量名男女差异
月收入5486.3 3462.7 2023.6*
月收入对数8.20 7.88 0.32***
教育年限11.98 11.25 0.98
工作经验24.44 23.46 0.59
工作经验2/100 7.67 7.08 0.73***
职业0.16 0.22 -0.06
单位性质0.2946 0.2873 0.007
父亲职业0.150 0.1480 0.002
父亲教育年限8.18 8.21 ?0.03
样本数量518 379
备注：差异= 男性平均值?女性平均值；对每个自变量做双边T检验，*p < 0.05，**p < 0.01，***p < 0.001。
蒋亚丽等Table 2.Influence of variables on gender difference of education returns
表2.各因素对教育回报率性别差异的影响作用
模型1 模型2 模型3 模型4
性别效应性别+ 人力资本
(教育、工作经验)
性别+ 人力资本
+ 职业性质
性别+ 人力资本
+ 职业性质+ 家庭背景
性别?0.321*** ?0.357*** ?0.342*** ?0.330***
(0.0507) (0.0491) (0.0526) (0.0619)
教育年限0.0275*** 0.0192+ 0.0218+
(0.00816) (0.00990) (0.0126)
工作经验0.0370*** 0.0381*** 0.0321**
(0.00835) (0.00887) (0.0105)
工作经验2/100 ?0.105*** ?0.106*** ?0.0888***
(0.0188) (0.0201) (0.0250)
职业0.0989 0.0969
(0.0700) (0.0798)
单位性质0.0690 0.0499
(0.0610) (0.0714)
父亲职业0.0599
(0.0915)
父亲教育年限?0.0126
(0.00895)
常量8.203*** 7.716*** 7.761*** 7.849***
(0.0328) (0.148) (0.163) (0.207)
pseudo R2 0.048 0.128 0.114 0.089
备注：括号内为标准误；+p < 0.10，*p< 0.05，**p< 0.01，***p < 0.001。
1b：职业和单位性质因素能够缩小教育回报率的性别差异”通过验证。虽然家庭背景因素对收入的影响作用并不显著，但降低了3.5%([?0.330 ? (?0.342)]/(?0.342) = 0.035)的性别差异。对收入的性别差异影响最大的是教育和工作经验因素，职业、单位性质以及家庭背景则从一定程度上弥补了女性在性别上的劣势地位。也就是说处在相同单位，从事相同职业的女性在收入上与男性差异不大。模型2中显示总体的教育回报率为2.75%，添加自身职业因素后降为1.92%，在家庭背景作用下又升至2.18%。说明职业区隔降低了教育的收入效应，家庭背景则对这一趋势进行了弥补。
表3中用教育层次替代表二中的教育年限变量，教育层次分为小学及以下、初中、高中/中专/职高技校、大学及以上四类，以小学及以下学历层次为参照群体。模型分了全样本模型、男性样本模型和女性样本模型三部分来分析教育回报率的两性差异。全样本模型中，并没有出现层次越高教育回报率就越高的情况，教育回报率最高的是初中学历层，回报率高达25.9%，高中学历层次之，大学及以上学历的教育回报率最低，只有 2.43%，但各个学历层与小学及以下参照组相比并不具有统计意义上的显著性。男性样本各个学历层的教育回报率有显著差异，但仍然以初中学历层的教育回报率最高，大学及以上教育程度的回报率最低，总体趋势与全样本模型一致。但值得一提的是，无论受教育程度如何，男性的教育
蒋亚丽等
Table 3.Difference of education return of different sample
表3.不同样本的教育回报率差异
全样本模型男性样本女性样本性别(女性= 1) ?0.343*** ————
(0.0624) ————
教育程度
初中0.259+ ?0.920** 0.0627
(0.156) (0.295) (0.167)
高中/中专/职高0.171 ?0.821** 0.184
(0.159) (0.297) (0.176)
大学及以上0.0243 ?0.712* 0.363+
(0.172) (0.310) (0.195)
工作经验0.0333** 0.0350* 0.0311*
(0.0105) (0.0150) (0.0142)
工作经验2/100 ?0.0933*** ?0.101** ?0.0831*
(0.0252) (0.0356) (0.0345)
职业0.0701 0.188 ?0.0831
(0.0811) (0.121) (0.103)
单位性质0.0408 0.0150 0.0892
(0.0716) (0.103) (0.0968)
父亲职业0.0645 0.0792 0.0522
(0.0911) (0.126) (0.129)
父亲教育年限?0.0126 ?0.00993 ?0.0164
(0.00901) (0.0129) (0.0119)
常量8.255*** 8.872*** 7.631***
(0.195) (0.328) (0.229)
pseudo R2 0.093 0.049 0.048 备注: 括号内为标准误；+p < 0.10，*p < 0.05，**p < 0.01，***p < 0.001。
回报率与小学及以下群体比均为负值。这说明，对于男性来说，脑体倒挂的现象仍然十分突出。在女性样本中，这一趋势有了明显变化，虽然与参照群体比起来，各个学历层的教育回报率差异并未达到统计意义上的显著度，但数据结果显示，对于女性来说，随着学历层次的提升，教育回报率呈现逐渐上升的态势，接受的教育越多教育回报率越高。高等教育的回报率达到了36.3%。教育回报率的性别差距在四个学历层中最高的是大学及以上学历层，为1.075(?0.712 ? 0.363 = ?1.075)，教育回报率两性差异最低为初中学历层，为0.9827(?0.920 ? 0.0627 = ?0.9827)。“假设2a: 教育程度越高，教育回报率的性别差异越大”验证为真。“假设2b：女性教育回报率随着教育程度的提高而增加”验证为真。
5.3. 不同家庭背景的教育回报率性别差异
表4是不同家庭背景教育回报率的性别差异分析，为了从总体考察教育回报率的家庭差异，采用了
蒋亚丽等Table 4. Gender difference of education return of different family background
表4.家庭背景4的教育回报率性别差异
父亲为高级管理人员和中高级技术人员父亲为其他从业者教育回报率全样本男性样本女性样本全样本男性样本女性样本教育年限0.0569+ 0.0635 0.0709 0.0180 0.00908 0.0105
(0.0296) (0.0396) (0.0456) (0.0112) (0.0155) (0.0155)
初中?0.324 ——?0.165 ?0.202 ?0.770*** 0.0418
(0.595) ——(0.587) (0.128) (0.197) (0.157)
高中/中专0.214 0.614 0.161 ?0.0863 ?0.633** 0.110
(0.563) (0.417) (0.566) (0.128) (0.197) (0.162)
大学及以上0.452 0.882+ 0.290 ?0.00742 ?0.579** 0.132
(0.587) (0.448) (0.602) (0.142) (0.213) (0.185)
备注：括号内为标准误；+p < 0.10，*p < 0.05，**p < 0.01，***p< 0.001。
两种教育变量，一种是教育年限，另一种是教育层次。从教育年限变量来看，父亲为高级管理人员和中高级技术人员的人的教育回报率高于其他从业者的子女。父亲职业地位较高的人的平均教育回报率为5.69%，相比父亲职业地位较低的人高出3.89%。“假设3a：优势阶层家庭子女教育回报率高于劣势家庭子女的教育回报率”通过验证。
出生于优势阶层家庭的子女，无论是男性还是女性，教育回报率都要高于底层阶层家庭的子女。不同阶层男性教育回报率的差距为5.4%(0.0635 ? 0.00908 = 0.05442)，女性教育回报率差距为6.04%(0.0709 ?0.0105 = 0.0604)。无论是优势阶层家庭还是劣势阶层家庭，女性的教育回报率均高于男性。优势阶层内部教育回报率的性别差异为0.74%(0.0709 ? 0.0635 = 0.0074)，劣势阶层内部教育回报率的两性差异为0.14%(0.0105 ? 0.00908 = 0.00142)。优势阶层教育回报率的性别差异大于劣势阶层。因此，“假设3b：优势阶层家庭子女的教育回报率的性别差异高于劣势家庭子女教育回报率的性别差异”验证为真。
值得一提的是，从教育阶层来看教育回报率，父亲职业地位较高的家庭无论在哪个教育层次，子女的教育回报率系数除了全样本模型中初中教育阶段，其余全部为正值，随着受教育层次的提高，教育回报率也随之增加，大学及以上学历层次教育回报率最高。分性别来看，优势阶层家庭子女的男性教育回报率随着学历层次的提升大幅提高，并远远高于同阶层女性的教育回报率。两性在高中及同等学历阶段的教育回报率差异为45.3%(0.614 ? 0.161 = 0.453)，到了大学及以上阶段增至59.2%(0.882 ? 0.290 = 0.592)。对于劣势家庭来说，子女的教育回报率系数在全样本模型和男性样本模型中为负，只有女性样本的教育回报率为正。男性各学历层次教育回报率显著区别于小学及以下群体，且教育回报率随着教育阶段的上升而增长。女性教育回报率系数为正，多接受教育对于劣势阶层家庭的女性来说能够带来正向的回报率，接受的教育越多，教育回报率也越高。
6. 结论
本文采用2014年武汉市社会综合调查的数据从三个部分考察武汉地区教育回报率的性别差异。第一部分考察影响教育回报率两性差异的因素以及各个因素作用力的大小。第二部分采用总体分析和分样本具体分析的方式分别考察全样本和男、女性样本的教育回报率以及两性教育回报率的差距。第三部分则
4家庭背景自变量操作化为父亲的职业地位和父亲的受教育程度。在分家庭背景和分性别考察教育回报率时，为了删繁就简，仅选
取父亲职业作为家庭背景的衡量标准。
蒋亚丽等
分析在不同家庭背景下男、女两性的教育回报率及其差距的变化。
武汉地区男性平均月工资比女性高出2024元，差异显著。全样本模型显示性别差异解释了4.8%的收入差异。受教育程度和工作经验因素致使两性的收入差距扩大了11.2%。但在添加了自身职业和单位性质等因素，以及以父亲职业和父亲受教育水平为代表的家庭背景变量后，虽然以上因素并未显示出统计意义上的显著性，但仍然起到了缩小两性收入差距的作用。数据分析结果表明经典明瑟方程中的教育程度和工作经验等人力资本变量能明显扩大教育回报率的性别差异。自身职业和单位性质变量虽然缩小了两性之间的收入差距，却扩大了两性的教育回报率差异。纳入所有变量后总模型中的教育回报率为
2.75%，单位性质和职业可以有效降低两性间的教育回报率差距，家庭背景则通过对子女的职业选择和教
育投入等途径整体上影响子女的教育回报率。优越的家庭环境虽然极大地提升了女性的教育回报率，但在男性教育回报率得到更大幅度提升的情况下，随着教育层次的提升，两性的教育回报率差距处于逐步拉大的趋势。
从总体上来看，我国居民收入还未完全从“脑体倒挂”的畸形发展中恢复过来。加之高等教育扩招的时间不长，拥有大学学历的人在社会中所占的比例还比较小，教育回报率并未随着教育程度的提升而呈现增长的趋势。教育回报率最高的学历阶层是拥有初中学历的群体，大学学历的教育回报率则是最低的，只有 2.43%。从分性别样本来看，男性的教育回报率虽然是学历越高，回报率也相应越高，但教育回报率的系数为负。女性则相反，不仅教育回报率随着学历的提高而有所增加且系数为正。因此接受更多的教育对于女性来说意味着更高的收入，这对于女性地位的提升有着重大意义。虽然教育提高了女性的收入和教育回报率，但同时也拉大了与男生收入的差距。教育程度越高，教育回报率的性别差距越大。
虽然家庭背景因素对教育回报率的两性差异并不具有统计意义上的显著性，但也能窥得不同家庭背景下，男女两性的教育回报率的具体情况。优势阶层家庭子女的教育回报率高于劣势阶层家庭子女的教育回报率，前者为5.69%，后者仅为1.8%，二者差距将近4%。虽然从武汉市的样本来看，优势阶层和劣势阶层内部教育回报率的性别差异并不大，但前者仍然仍比后者高出0.6个百分点。优势阶层家庭子女的教育回报率的性别差异高于劣势家庭子女教育回报率的性别差异。另外，对于优势阶层来说，接受的教育越多，教育回报率越高，二者呈现正相关。男性、女性皆如此，并且大学学历的教育回报率最高。
只是女性的教育回报率一直低于男性。无论是全样本还是男性样本，劣势阶层的教育回报率都呈现负值，说明对于生活在底层的家庭来说接受教育后所得收入还弥补不了教育的成本。所幸女性样本的系数为正，并且女性接受的教育越多，教育的回报率越高。再次说明要加大对女性教育的投入，从多渠道提升女性升学的路径，这样才能从根本上提高女性的社会地位。
项目基金
本项目受2016年度重庆市社会科学规划博士项目资助，项目名称：教育在特大城市社会治理中的作用研究。项目编号为：2016BS090。
参考文献(References)
[1]袁晓燕. 教育回报率的性别差异研究[J]. 统计与信息论坛, 2012, 27(4): 98-102.
[2]Blaug, M. (1972) The Correlation between Education and Earnings: What Does It Signify? Higher Education, 2,
463-468. https://https://www.doczj.com/doc/6a11263739.html,/10.1007/bf01956881
[3]许涛. 分割与边际效益递增: 中国城镇个人教育回报的特征与变化趋势——基于CGSS2005的多层次分析[J].
武汉大学学报(哲学社会科学版), 2013, 66(1): 109-114.
[4]吴愈晓, 吴晓刚. 城镇的职业性别隔离与收入分层[J]. 社会学研究, 2009, 卷(4): 88-111.
[5]葛玉好. 教育回报异质性问题研究[J]. 南方经济, 2007(4): 11-21.
蒋亚丽等[6]高梦滔, 张颖. 教育收益率, 行业与工资的性别差异: 基于西部三个城市的经验检验[J]. 南方经济, 2007(9):
35-47.
[7]张兴祥, 林迪珊. 外来务工人员收人与教育回报率的性别差异研究[J]. 北京大学教育评论, 2014, 12(3): 121-140.
[8]Tang, Y. and Long, W.J. (2013) Gender Earnings Disparity and Discrimination in Urban China: Unconditional Quan-
tile Regression. African Journal of Science, Technology, Innovation and Development, 5, 202-212.
https://https://www.doczj.com/doc/6a11263739.html,/10.1080/20421338.2013.796743
[9]杜两省, 彭竞. 教育回报率的城市差异研究[J]. 中国人口科学, 2010(5): 85-94.
[10]吴愈晓, 黄超. 中国教育获得性别不平等的城乡差异研究——基于CGSS2008数据[J]. 国家行政学院学报,
2015(2): 41-47.
[11]祁翔, 周金燕. 教育回报率的家庭背景差异[J]. 教育科学, 2015, 31(3): 16-25.
[12]邓敏婕. 教育回报率估算方法及近期国内主要研究结果[J]. 经济视角, 2012(2): 124-126.
期刊投稿者将享受如下服务:
1. 投稿前咨询服务(QQ、微信、邮箱皆可)
2. 为您匹配最合适的期刊
3. 24小时以内解答您的所有疑问
4. 友好的在线投稿界面
5. 专业的同行评审
6. 知网检索
7. 全网络覆盖式推广您的研究
投稿请点击: https://www.doczj.com/doc/6a11263739.html,/Submission.aspx
期刊邮箱: ass@https://www.doczj.com/doc/6a11263739.html,
最高回报率的课堂投资——“过程中的教育”
————————————————————————————————作者：————————————————————————————————日期：
最高回报率的课堂投资——“过程中的教育”-小学数学论 文-教育期刊网 最高回报率的课堂投资——“过程中的教育” 四川仪陇县新政镇小学（637600）何绪铜 [摘要]课堂教学中，教师要重视过程，在过程中舍得花时间，在过程中舍得让学生动手做、动脑想，这样能使学生对知识理解透彻，这是一本万利的最高回报率的课堂投资。 [关键词]数学教学过程中的教育课堂投资回报率 [中图分类号]G623.5[文献标识码]A[文章编号]1007-9068（2015）29-031 “过程中的教育”是新课程的核心理念，因为很多数学知识是学生在“过程”中自己想会的、悟会的，而不是教师讲会的、教会的。前几天，听了我校五年级两个班的数学课，都是“长方体和正方体表面积计算”的练习课，听后我恍然大悟：“‘过程中的教育’是最高回报率的课堂投资！” 走进教室，此时课还未开始，好多学生围着我，我问：“你们能用硬纸板做一个长方体盒子吗？”“能。”全班学生异口同声地回答道。我找一个矮个子的学生问：“怎么做？”他说：“我先在硬纸板上把长方体展开图画出来，剪开，再折起来就成了。”我追问：“什么叫展开图？”他翻开课本第23页，指着图2说：“这个图就是长方体纸盒展开的样子，它就是长方体的展开图。”我听后惊讶万分。 上课了，王老师按照练习课的结构模式，针对长方体和正方体表面积的生活实际应用问题依次展开教学，先后练习用铁皮做邮箱、给长方体饼干盒贴一圈商标纸、给游泳池贴瓷砖、给教室刷涂料等习题。在这个过程中，学生先练后讲，互相补
性别平等教育融入活动与课程之时机与策略 文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256）
性别平等教育融入活动与课程之时机与策略 吕明蓁一、性别刻板印象 性别是天生的吗 性别刻板印象，谁造成的 父母影响 学校 大众传播媒体 两性差异的迷思 娘娘腔 男人婆校园性别平等教育可以谈什麽 校园中的男与女（学生/老师） 性别平等观念的班级经营与学校管理 性别视野的师生相处 校园中的同志学生/我的学生是同志 校园性别友善空间 校园性别事件 三、性别平等教育的意涵 人文精神教育。 多元文化教育。 机会均等教育。 四、性别平等教育课程目标 了解性别角色发展的多样化与差异性。 了解自己的成长与生涯规划，可以突破两性的社会期待与限制。 表现积极自我观念，追求个人的兴趣与长处。 消除性别歧视与偏见，尊重社会多元化现象。 主动寻求社会资源及支援系统，建立两性平权之社会。 建构两性和谐、尊重、平等的互动模式。 五、性别平等教育的内容 情感教育 性教育 同志教育 六、教师应具之能力
建立正确性别观念。 关心校园安全问题。 关心性别议题。 有能力检视教材中不符两性平等之内容，检视教学活动、教学策 略与互动机会中性别不平等的状况 具课程设计之能力。 能以融入式教学进行性别教育。 鼓励学生思考检视历史与当前社会文化中性别偏见的现象。 不使用带有性别角色刻板印象、偏见与歧视的语言。 针对学生施以个人评断时避免性别差异。 七、课程设计的原则 多元──兼顾主学习、副学习与附学习 预留弹性及空间的课程设计 由主题出发，连结及环绕各子题，回归中心主题的设计 掌握课程中可以作延伸教学的部分，设计活动，试着加入多元性 别及性别平等的观念 从实际中找例子（日常生活中） 性别刻板的影响（潜在及外显的例子） 八、课程设计的方法─多元文化课程设计 贡献法→附加价值法→转化/转换法→社会行动法 九、大家来找碴──那里有问题 教科书中的性别刻板 课外教材中的性别刻板 十、性别教材─从日常生活中捡拾 九年一贯与性别平等教育 1.学校教材篇 教材检视：教科书、教师手册、参考书 2.教学资源（电子媒体、网路素材、平面媒体、广告、绘本、 流行歌曲..等） 电子媒体类：影片（卡通片、广告、连续剧、偶像剧、 新闻事件）、动画 网路素材（漫画、笑话） 平面媒体类：新闻剪报、报纸广告、绘本、罗曼史等） 其他：流行歌曲、日常生活见性别 3.教学经验分享（主题式的设计与融入式教学法） 十一、性别议题融入教学技巧
【摘要】对于教育个人回报率的ols回归估计结果通常存在“能力偏误”和“测量偏差”两种计量研究缺陷。本文总结并详细讨论了国内外学者为克服计量偏误而采用的各种计量改进手段，主要可以分为直接衡量能力法、利用外生制度性变迁寻找工具变量法和运用双胞胎数据分离能力变量方法三类。最后，作者对于这些精确估计教育个人回报率的计量方法和结论做出了评价。 关键词：教育个人回报率、明瑟模型估计、能力偏误、测量偏差、工具变量法 一、引言 自上世纪50年代开始，劳动经济学领域发展形成了一支重要的理论—人力资本理论，该理论认为，教育是一种人力资本投资行为，能够提高劳动生产力并为劳动者带来更高的收入（becker,1964）。60年代后，发达国家微观层面数据的大量出现，以及计量经济-方法的发展，为检验人力资本理论提供了便利。大量实证研究表明，教育确实能够提高劳动者的收入水平，当前学者研究的重点是精确测度教育回报率的大小（card,1999）。这一实证研究具有重要的政策意义：教育收益率涉及教育对经济的贡献、个体教育投资决策行为、不同性别和种族教育程度的教育收益差异、教育资源分配等诸多问题，几乎与劳动、教育经济学研究的各个方面都有密切联系（邢志杰,2004）。因此，对于教育收益率的计算也是经济学研究中最重要的定量研究。另外，教育收益率的讨论对于转轨国家还具有特殊意义，众多研究考察了教育收益率的时间趋势特征(李实和丁赛，2000；zhang et.al ,2005)，并将教育回报率的变化作为判断劳动力市场建设和经济转型程度的一个重要指标(赖德胜，2001; 孙志军，2004)。教育回报率包含教育个人和社会回报率，虽然一些政策报告如（psacharopoulo，1994）也考虑教育社会回报率，但主流文献更多讨论的是教育个人回报率的问题，因此，本文也研究重点定为教育个人收益率的内容。本领域已经有一些优秀的综述文献，国外如（card,1999），国内如（孙志军，2004）。本文的特色是从计量研究方法的角度总结研究脉络，总结并讨论国内外学者为克服普通ols回归估计可能产生“能力偏误”和“测量偏差”两种计量缺陷，采取的直接衡量能力法、利用各种情境下的工具变量法、运用双胞胎数据分离能力三类计量调整方法。最后，作者对于这些精确估计的方法和结论做出了评价。 二、明瑟模型的设定和基本结论 学者通常依赖明瑟回归模型(mincer,1974)估计教育回报率。该模型在控制个体工作年限、性别、种族、所在区域及行业的影响基础上，估计教育水平对于收入的贡献程度。教育水平通常包含连续变量在校年限和最高学历哑变量两种度量方法。运用在校年限进行估计，回归结果的含义是劳动者教育年限每增加一年的平均收入增幅。该回归结果简单且直观，但其缺陷是，在教育投资回报呈现边际递增或递减趋势时，无法了解到不同教育年限对于收入边际的贡献。因此，一些研究采用劳动者的最高学历作为教育哑变量进行估计，计量结果的含义是，劳动者达到某一学历水平的额外收入增幅。这种方法的缺陷是，不同劳动者达到某一学历的教育年限可能存在差异，从而计量估计容易引起偏误。两种度量方法的估计结果具有不同的意义，多数研究会同时考虑两种模型设定形式。利用基本的明瑟模型，（psacharopoulo，1994）对于全世界70多个国家的教育回报率进行了估计，带给读者对于教育回报率估计值的直观认识：（1）用在校年限衡量教育程度。世界各国教育回报率的平均水平为10.1%，亚洲地区非oecd国家为9.6%；按国家的收入水平进行划分，中高及高收入国家的教育回报率较低，分别只有7.8%和6.6%，而中低和低收入国家的教育回报率达到11.7%和11.2%。而利用我国80至90年代数据，绝大部分研究显示教育回报率在6%以下（孙志军，2004），这大大低于亚洲地区以及同收入档次国家水平；（2）用最高学历的哑变量衡量教育程度。世界各国的平均初、中和高等教育的额外收入增幅分别为29.1%、18.1%和20.3%。亚洲区域内非oecd 国家的初、中和高等教育的额外收入增幅分别为39%、18.9%和19.9%，初等教育的额外收入增幅远远高于世界平均水平。按国家的收入水平进行划分，收入较低的国家，初、中、高等
教育与经济2000年第2期 教育资源利用效率与教育效益问题研究 对教育投资社会回报率的估计 蔡增正 摘 要:本文使用了世界142国家和地区的、更具代表性的宏观数据,力图尽可能多地捕捉到教育的外溢利益,使对教育回报率的估计更准确。本文第一部分推导明瑟收入方程,显示该模型简洁而严谨的特征及其特殊的假设条件;第二部分区分并考察了微观与宏观数据的差别以及后者如何优于前者;第三部分报告了本研究的回归结果,并使用了计量经济学的方法检验了该模型构造的正确性;第四部分将本研究结果与世界上比较著名的两位学者的研究结果进行了比较,并解释了其间的异同。最后,对我国当前高等教育供过于求的状况进行了简要分析,并提出相应对策。 关键词:教育投资;私人回报率;社会回报率;教育的外溢利益;宏观数据;微观数据;人均接受正规教育年数 中图分类号:F08:G 40-054 文献标识码:A 文章编号:1003-4870(2000)02-0001-05 收稿日期:2000-01-19①为方便读者,这里特将教育的外溢利益———受教育者支付了教育成本,而社会享用了教育带来的利益、却未直接支付———列出:(1)促进技术进步与信息传播;(2)提高劳动力市场双向选择的效率;(3)有助于改善受教育者本人的健康状况;(4)提高子女的品质(指健康状况、认识能力的发展、接受教育的程度、选择的职业性质、未来收入等);(5)改善配偶和家庭 成员的健康状况;(6)降低生育率;(7)提高消费者选择效率;(8)婚姻选择更具效率;(9)提高储蓄率;(10)降低犯罪率; (11)提高社会和谐程度;(12)提高家庭内部生产的生产力。 人力资本理论中的一个重要组成部分是对教育投资回报率的计算与估计,这自然涉及教育成本与收入的比较。因教育投资成本、所创造收入的计算口径不同,教育投资回报率又分为私人回报率与社会回报率。这两者的不同,说到底是源于教育作为一种经济活动而具有的外溢(部)利益(蔡增正, 1999) ① 。本文拟采用明瑟模型建立受教育时间和 收入之间的关系,并使用世界上142个国家和地区的数据估计教育投资的社会回报率。 一、明瑟模型的推导 明瑟(Mincer ,1974)模型可以从教育投资及其创造的收入之间的关系推导而来。设教育投资或全部成本为I ,那么在第一年(期)的成本为, (1)I 1=Y 0+0。 式(1)实质上假设接受教育的全部成本(投资)仅仅 是所放弃的、第0年(期)的收入(Y 0),而教育的直接投资为零(指教育设备、教师工资、维修费用和学生的费用支出等为零),即式(1)中右方第二项。将教育的直接成本假设为零是明瑟模型区别于其它教育回报率计算方法的最大特点。 教育投资要有回报。令教育投资(放弃的收入)及其利息等于教育投资所创造的(未来)收入。这又被称为创造收入的方程,其形式是: (2)Y 1=Y 0+r 1Y 0。 如果在S 年内上学,则连续投资不可避免, (3)Y 2=Y 1+r 2Y 1,(4)Y 3=Y 2+r 3Y 2, ……… 假设r 1=r 2=…=r ,即教育投资利息率相同,则
3.2、集中式电站投资回报分析（注：此处不考虑限电和上网损耗） 3.2.1、Ⅰ类地区光伏集中式电站投资回报 由于集中式光伏电站一般规模比较大，因此造价可以有所降低，可按照8元/w进行计算。假设项目规模为20MW，位于宁夏地区，年机组运行小时数为1600小时。由于宁夏属于Ⅰ类地区，宁夏电价执行0.9元/kwh。本例依旧假设项目运行20年，则：项目建设成本为：20，000，000W×8元/w=16000万元 项目年发电量为：20，000kw×1600h=3200万kwh 项目年电费为：30，000，000kwh×0.9元/kwh=2880万元 项目IRR为：17.25% 3.2.2、Ⅱ类地区集中式光伏电站投资回报 假设集中式电站规模为20MW，建设成本为8元/W，位于Ⅱ类地区青海。Ⅱ类地区机组运行小时数劣于Ⅰ类地区，假设该项目年机组运行小时数为1500小时。Ⅱ类地区光伏上网电价为0.95元/kwh。本例依旧假设项目运行20年，则： 项目建设成本为：20，000，000W×8元/w=16000万元 项目年发电量为：20，000kw×1500h=3000万kwh 项目年电费为：30，000，000kwh×0.95元/kwh=2850万元 项目IRR为：17.05% 3.2.3、Ⅲ类地区集中式光伏电站投资回报 假设集中式电站规模为20MW，建设成本为8元/W，位于Ⅲ类地区浙江。Ⅲ类地区机组运行小时数劣于Ⅱ类地区，假设该项目年机组运行小时数为1200小时。Ⅲ类地区光伏上网电价为1元/kwh。本例依旧假设项目运行20年，为保守起见，暂时不将地方政府补贴纳入计算范围。则： 项目建设成本为：20，000，000w×8元/w=16000万元 项目年发电量为：20，000kw×1200h=2400万kwh 项目年电费为：24，000，000kwh×1元/kwh=2400万元 项目IRR为：13.89% 在建造成本相同的情况下，集中式光伏发电项目的IRR由电费与年机组运行小时数决定，电费越高，项目IRR也越高。机组运行小时数越长，项目IRR越高。 3.3、分布式投资回报情况 分布式光伏发电是指位于用户附近，所发电能就地利用，以低于35千伏或更低电压等级接入电网，且单个并网点总装机容量不超过6MW的光伏发电项目。 由于运营维护成本比较低，以下项目投资回报计算中均假设项目运行期间运营维护成本为0。 3.3.1、应用端主体为自然人主体即一般居民 依据2013年统计数据，北京市人均住宅面积31平方米，在考虑公摊面积的基础上，按照最保守的6层普通住宅进行测算，1000平方米约可容纳60户（三口之家），户年均可用光伏发电量约为1600kwh，此电量低于北京市居民住宅阶梯电价最低档电量要求（240kwh/月），考虑到居民电价上涨因素居民用电电价，按照0.6元/kwh进行计算，此测算中假定
选择偏差、比较优势与教育的异质性回报B 基于中国微观数据的实证研究 李雪松 (中国社会科学院数量经济与技术经济研究所100732) 詹姆斯#赫克曼(美国芝加哥大学经济系) 内容提要:本文根据2000年中国的微观数据,运用现代微观计量经济学的分析方法,在考虑异质性和选择偏差的基础上,估计了20世纪末中国的教育回报。研究结果表明: 与受教育水平相关的收益在人们中间存在显著的异质性;在当今中国的劳动力市场上存 在一种重要的实证现象,即人们根据比较优势原理对教育水平进行选择。传统的普通最 小二乘法以及工具变量法都难以对这种选择做出合理的估计,我们的分析框架弥补了上 述两种方法的缺陷。2000年中国6个省区城镇青年大学教育的平均回报率为43%(年均 近11%)。中国在经历二十多年的市场经济改革后,较之80年代及90年代初期,教育的 平均回报有了显著提高,中国的教育和劳动力市场已经开始发挥重要作用。 关键词:微观数据异质性选择偏差中国教育回报 一、引言 微观数据有两个基本特征:异质性以及缺少与实际相反的状况。由于存在未被观测到的异质性,即使在所有可以被观测到的方面都相同的人们仍然会做出不同的决策、获得不同的收入、选择不同的投资组合。缺少与实际相反的状况引发了数据缺失问题,如果某人实际选择了一种状况,我们就不可能观测到他(她)做出其他选择时的结果。如果我们观测到某大学毕业生的当前收入水平,我们就不可能同时观测到假使他(她)高中毕业就参加工作的当前收入水平。 过去,解决选择和数据缺失问题的方法大多没有考虑异质性,他们一般都假设不同的个人具有同质性。本文的研究充分考虑了个人之间显著的异质性。我们根据中国城镇居民家庭收入与支出调查(C UHIES2000)所公布的横截面微观数据,估计了中国高等教育的异质性回报。对学历做出不同选择的人们有着各自不同的教育回报率。本文的工作建立在由Heckman和Vytlacil(1999,2000, 2001),Carneiro,Heckman和Vytlacil(2001)以及Carneiro(2002)等研究所形成的半参数分析框架基础之上。边际政策效应(MTE)是这些文献的核心概念,这个概念是由Bjorklund和Moffitt(1987)首先提出的。边际政策效应是指,处于接受或不接受教育临界状态的人最终选择接受教育时的平均回报。这些人根据未被观测到的自身特征选择接受教育的不同水平。 我们的研究结果表明:对于2000年中国6省区(广东、辽宁、四川、陕西、浙江和北京)的城镇居民来说,大学4年教育的平均政策效应(ATE))))随机挑选任何一个人接受大学教育后其一生收入将增长43%(即每年大学教育带来近11%的回报率)。而用另外两种方法)))普通最小二乘法(OLS)和工具变量法(IV))))对ATE做出的估计结果分别为29%和56%(即每年大学教育分别带来约7%和14%的回报率)。总体中存在着显著的回报异质性,估算出的选择偏差达到了-22%。我们的发现与Carneiro,Heckman和Vytlacil(2001)相似:人们根据比较优势原理对教育水平进行选 91 2004年第4期
对低收入家庭子女大学收益的观察 3 袁 诚 张 磊 内容提要:本文使用2002年CHIP 数据,研究了家庭收入对子女大学收益率的影响。基于教育收益存在异质性的假设,本文通过R oy 模型对子女的能力偏差进行了纠正,并计算出每个子女潜在的大学毕业收入和高中毕业收入,以及因人而异的大学收益率。本文观察到子女的大学收益以及收益率受到家庭收入和背景的影响,低收入家庭子女的收益和收益率明显低于中高收入家庭子女。在此基础上,本文讨论了这种低收益率的原因;低收益率对助学贷款政策效率和可持续性的不利影响,以及提高低收入家庭子女大学收益率的必要性与途径。 关键词:大学收益率 异质性 选择偏差 收入的代际传递 助学贷款 3 袁诚,北京大学经济学院,邮政编码:100871,电子信箱:yc @https://www.doczj.com/doc/6a11263739.html, ;张磊,Clems on 大学经济系,电子信箱:zlei @ clems https://www.doczj.com/doc/6a11263739.html, 。同时感谢北京师范大学李实教授提供的数据和支持;同时感谢北京大学于平在本文写作过程中的助研工作,以及和 作者的讨论。本项研究得到了2006年国家教育部人文社会科学研究青年项目“国家助学贷款的可持续性与公平性研究” (EFA060202)的资助。感谢匿名审稿人的意见和建议,但文责自负。 一、引言 教育尤其是高等教育,在理论上被认为是降低社会不公平和减少贫困代际传递的有效手段。因此,世界上几乎所有的国家都会对高等教育给予财政支持。而助学贷款政策是政府为帮助低收入家庭子女完成大学学业所提供的补贴。在我国,政府要求所有公办全日制普通高等学校均要落实国家助学贷款政策,帮助贫困学生克服受教育过程中的信贷约束,从而增加他们在社会和收入阶层中正向流动的机会。所以,对低收入家庭子女大学收益率的了解和观察,对于帮助我们进一步了解高等教育在减少收入不平等的代际传递中的作用,客观评价助学贷款政策的效率和可持续性,有着重要的意义。 本篇论文运用CHIP2002年的数据,将R oy 模型用于对异质性教育收益率的观察,并将这种观察运用于对助学贷款政策的评估与分析。我们发现,在进行了能力偏差的校正之后,子女的大学收益以及收益率都受到家庭收入和背景的影响,低收入家庭子女的收益和收益率明显低于中高收入家庭子女。我们还发现,低收入家庭子女在大学毕业之后,不仅偿还助学贷款 存在困难,而且在偿还期限内,他们的会计收益率还低 于助学贷款利率,这将对助学贷款政策的实施造成不利的影响。对此,我们论证了提高低收入家庭子女大学收益率的必要性和可行途径。 我们的贡献主要在于两个方面:首先,我们发现低收入家庭子女的大学收益率并不高于中高收入家庭的子女。长期以来,经济学家们都相信,低收入家庭的教育投资由于信贷约束的存在而受到抑制,因此他们的教育投入低于最优水平,其子女的教育收益率应该远远高于高收入家庭子女的教育收益率(Becker and T omes ,1986)。但是这样的判断没有考虑教育、能力以 及收入在代际间的传递,因此与现实中贫困学生的高等教育结果并不完全一致。父母的收入水平不仅影响子女的受教育水平,而且也影响他们的教育结果。特别是在发展中国家,贫困学生的就业和毕业收入情况仍然受到自身家庭的社会和经济背景的显著影响,较高的教育收益率对于他们而言是一个过于乐观的判断。 第二,我们的研究对于正确认识和应对我国目前较高的助学贷款违约率提供了经验依据。目前我国的助学贷款还款违约率已经高达30%,在有些省份甚至达到60%以上。如果相信贫困学生拥有较高的教育收
投资回报率=(期末财产-期初财产)/期初财产×100%; 投资回收期是指用投资方案所产生的净收益补偿初始投资所需要的时间，其单位通常用“年”表示。投资回收期一般从建设开始年算起，也可以从投资年开始算起，计算时应具体注明。 静态投资回收期是不考虑资金的时间价值时收回初始投资所需要的时间，应满足下式： 前t项之和（CI-CO)的第t项=0 式中：CI—现金流入，CO—现金流出；—第t年的净收益，t=1,2,···Pt；Pt—静态投资回收期。计算出的静态投资回收期应与行业或部门的基准投资回收期进行比较，若小于或等于行业或部门的基准投资回收期，则认为项目是可以考虑接受的，否则不可行。 静态投资回收期可以在一定程度上反映出项目方案的资金回收能力，其计算方便，有助于对技术上更新较快的项目进行评价。但它不能考虑资金的时间价值，也没有对投资回收期以后的收益进行分析，从中无法确定项目在整个寿命期的总收益和获利能力。 目录·什么是静态投资回收期？ ·确定静态投资回收期指标的方法 ·静态投资回收期的优缺点 什么是静态投资回收期？ 静态投资回收期（简称回收期），是指以投资项目经营净现金流量抵偿原始总投资所需要的全部时间。它有“包括建设期的投资回收期（PP ）”和“不包括建设期的投资回收期（PP）”两种形式。 确定静态投资回收期指标的方法 1、公式法 如果某一项目的投资均集中发生在建设期内，投产后一定期间内每年经营净现金流量相等，且其合计大于或等于原始投资额，可按以下简化公式直接求出不包括建设期的投资回收期： 不包括建设期的投资回收期（PP…）=原始投资合计/投产后前若干年每年相等的净现金流量 包括建设期的投资回收期（PP ）=不包括建设期的投资回收期+建设期 2、列表法 所谓列表法，是指通过列表计算“累计净现金流量”的方式，来确定包括建设期的投资回收期，进而再推算出不包括建设期的投资回收期的方法。因为不论在什么情况下，都可以通过这种方法来确定静态投资回收期，所以此法又称为一般方法。 该法的原理是：按照回收期的定义，包括建设期的投资回收期满足以下关系式，即： 这表明在财务现金流量表的“累计净现金流量”一栏中，包括建设期的投资回收期恰好是累计净现金流量为零的年限。 无法在“累计净现金流量”栏上找到零，必须按下式计算包括建设期的投资回收期： 包括建设期的投资回收期（PP）=最后一项为负值的累计净现金流量对应的年数＋最后一项为负值的累计净现金流量绝对值÷下年净现金流量 或：=累计净现金流量第一次出现正值的年份-1＋该年初尚未回收的投资÷该年净现金流量 静态投资回收期的优缺点 静态投资回收期的优点是能够直观地反映原始总投资的返本期限，便于理解，计算也比较简单，可以直接利用回收期之前的净现金流量信息。缺点是没有考虑资金时间价值因素和回收期满后继续发生的现金流量，不能正确反映投资方式不同对项目的影响。只有静态投资回收期指标小于或等于基准投资回收期的投资项目才具有财务可行性。
Advances in Social Sciences 社会科学前沿, 2017, 6(5), 513-523 Published Online May 2017 in Hans. https://www.doczj.com/doc/6a11263739.html,/journal/ass https://https://www.doczj.com/doc/6a11263739.html,/10.12677/ass.2017.65071 Gender Gap of Education Returns Yali Jiang Sichuan International Studies University, Chongqing Received: May 1st, 2017; accepted: May 15th, 2017; published: May 22nd, 2017 Abstract Adopting the data of Wuhan general social survey in 2014, while introducing extended Mincer equation, this paper analyzes gender difference of education returns from following three aspects: work experience and unit characteristic, education level, family background. Results show that work experience could enlarge gender earning gap, while unit characteristic decreases this dis-tance. Women’s education returns increase with the increasing education year, but meanwhile gender gap also becomes larger. Education returns of people who come from advanced family are higher than those from inferior family, but superior family background does not decrease increa-singly enlarged gender difference. Even so, more education is still the most effective way for fe-male to improve gender disadvantage. Keywords Education Returns, Gender Gap, Work, Education, Family Background 教育回报率的性别差异 蒋亚丽 四川外国语大学，重庆 收稿日期: 2017年5月1日；录用日期：2017年5月15日；发布日期：2017年5月22日 摘要 采用2014年武汉市综合社会调查的数据，在对明瑟方程加以扩展的基础上，本文从工作经验和单位性质、教育层次、家庭背景三个层面对教育回报率的性别差异进行了详细分析。结果显示工作经验扩大了教育回报率的性别差异，而职业和单位性质因素又从另一层面缩小了性别差距。对于女性来说，受教育程度越高，教育回报率也越高，但同时与同学历男性的收入差距也越大。优势阶层家庭子女的教育回报率普 文章引用: 蒋亚丽. 教育回报率的性别差异[J]. 社会科学前沿,2017, 6(5): 513-523.
正确认识保险公司投资收益率 保险公司投资收益率到底多少才好呢？这是很多投资者想要了解的问题。虽然每个人都希望投资回报越高越好，但高回报的背后也必然存在高风险。假如一个国家的GDP长期在8%左右，保险行业的投资回报率也在8%左右，而其中某保险公司投资收益率却长期在10%以上，那么，这其中便很肯恩存在很大的风险，其中的好的表象很可能导致坏的结果。 深层次的了解保险公司投资收益率 我国2011年官方公布的保险行业投资收益率是3.6%。不过这个数字不是传统意义上的投资收益率，没有包括浮动盈亏等因素。对于3.6%这个回报率，很多保险行业以外的人觉得太低。2012年的保险公司投资收益率交2011年有了较大的波动，因为在一波近20%的上下“电梯行情”中，很多保险公司及时获利了结，但也有一些保险公司被套牢。另外在2012年上半年的债券大牛市，对保险整体也是利好，但每个保险公司具体配置的产品如何、对于利润如何处理，也是千差
万别。保险公司投资太稳健、以绝对不出事为目标，也是撑不下去的。因此，保险公司的投资业是风险的投资活动。因此，保险公司投资收益率不能成为保险公司永久的招牌，只能作为某一阶段投资的参考。例如，在牛熊循环周期的一个短暂时期，比如一到两年时间，去判断一个保险公司投资水平的高低，是不合宜的。合资保险一般较为谨慎，不大碰权益类投资，而内资保险的股票和股票基金投资比例比合资保险的平均水平高得多。 保险公司投资收益率不等于分红水平 刘先生在1年前买了某保险公司的一款分红型保险，出于对高分红的期望，刘先生一年多来一直比较关注这家保险公司的投资业绩和收益效率。事实上，刘先生在购买之前，便已经对此类保险产品有了一些了解。早在2007年初，刘先生便了解到这家公司2006年投资收益率可能达到9%，9%的收益率要高出当时其他保险公司投资收益率很多为此，刘先生心里便非常青睐此保险产品，缴纳100元保费，每年大约可得到9元钱的保单分红。然而，保险公司的投资收益率虽与保单分红率有一定关系，但是并无必然的、直接的联系。刘先生如果这样简单地理解保险公司投资收益率与自己的保单分红的关系，可能要大失所望了。简单来讲，保险公司分配的保单红利，是以保险公司所获利润为基础的。但经营保险投资所获利润来源于死差、利差和费差，保险公司的投资收益率较高，只能说明利差益较多，并不能说明保险公司经营保险的利润率一定也很高，如果存在死差损、费差损，就会抵消一部分利差益，使总体的利润率下降。需要特别提醒的是，刘先生的是，保险产品重在保障，"分红"只是产品的一个附加功能，对分红型寿险不应抱有太大的投资增值期望。
四川教育投资与回报分析 摘要：本文通过各项相关数据的罗列，如：教育经费数据、教育事业发展数据等，大到全国平均水平，具体至北京、四川、重庆、贵州两个省份与两个直辖市，从全国经济发展中心北京与川渝的角度作为第一切入点，紧接着横向对比四川与重庆两个临近的西南地区城市，综合多项数据，从教育事业的投资率、收入率两方面得出结论――四川教育与重庆教育的明显异同点，四川教育未来的投资重点与如何达到最佳的投资回报率。 关键词：教育资源；分配；投资与回报 一、引言 近几十年来我国从经济、文化、科技、教育等多方面发展，力求全方位避免短板效应，从而往教育事业中投入了巨大的资金，同时中央教育厅又颁布相关政策，各省各直辖市的教育厅综合本地规划发展，合理分配资源，而四川较其他省份，选择了着重培养出具有四川特色的代表性学院，以部分带动整体，曾云梯状递减分布，而这样的整体方向其实于宏观上来说，并不能达到最佳的教育投资回报率。 二、按照全国平均水平分析四川教育资源发展趋势 （一）四川与全国的对比
根据相关资料显示，全国整体教育预算经费投资是逐年上升，呈递进形状，而四川相对较为平缓，对比得出四川整体教育经费投资未能跟上全国平均水平的结论，而且所占比例逐年下降，我们可由此转化信息――四川的教育经费未能跟上全国平均发展。 （二）四川与重庆、贵州的对比 对比三个地区可以发现，自04年开始，四川与贵州基本处于同一起点，而重庆则是相较略高，这和其直辖市的地位存在一定关系，抛开这点不论，重庆的教育经费后期增长速度高于四川，而临近的贵州则是与四川保持着一个相对平衡的状态，再罗列四川、重庆、贵州的相关数据：截止统计年份（2013年） 四川：占地486万平方千米，人口810700万人。 重庆：占地82402万平方千米，人口297000万人。 贵州：占地176167万平方千米，人口350200万人。 四川的真实教育经费投入是重庆的两倍，而人口去达到了重庆的三倍，其间依旧存在明显差异性，更不用谈与北京的比较。四川的教育资源与投资收入结构亟待改进，虽然每年都稳步上升，可并不能跟上全国水平，横向比较邻里省会、直辖市也是相去甚远。 二、按照四川本身所占地域、人口分析教育资源投资回报率
性别平等教育应从娃娃抓起 来源：广东女性E家园日期：2015-01-06 12:19:00作 者：|打印 在中小学开设性别平等教育课程，就是把性别平等的理念介绍 给孩子，把关于男人和女人的故事讲述给孩子，使孩子从小就开始体验男女齐头并进的“好”字才是男女平等和人类社会的本真。这不仅有助于打破中国“男尊女卑”的传统文化壁垒，也将为中华民族伟大复兴的“中国梦”增添性别平等光彩，让具有性别平等信仰的孩子成为托举“中国梦”的未来力量。 我们的脚步即将迈入2015年。1995年，联合国第四次世界妇女大会在北京成功举行，时任国家领导人在开幕式上向全世界庄严承诺：把男女平等作为我国经济社会发展的一项基本国策。20年来，男女平等的价值观历史地融入了国家的主流意识形态并逐步得到传播。但是，由于历史与现实的种种原因，当前中国性别文化的发展状况，与贯彻落实男女平等基本国策的时代要求还不相适应，与全面推进依法治国、不断完善促进性别平等法律政策体系的时代要求还不相适应，这一定程度上制约了中国性别平等发展的历史进程。 落实国策应培育儿童男女平等文化信仰 贯彻男女平等基本国策，必须探索先进性别文化的大众化途径，既要从完善国家法律制度上着手，通过政策引领使先进性别文化落地生根，更要从文化观念的积极改革上着力，通过观念更新对“男尊女卑”的腐朽性别文化进行反思，强化“男女平等”先进性别文化的精神价值，增强先进性别文化的向心力和凝聚力，使男女平等的文化理念和价值观不断内化于民众之心、外化于民众之行，成为全社会的思想意识和自觉行为。为此，要双管齐下，一方面要继续在全社会持续广泛深入地进行男女平等基本国策教育，不断改造成人思想观念中不平等的性别文化；另一方面要将男女平等教育纳入国民教育体系，塑
第四次实验 ————利用所给数据（bothtwins data Excel文件）研究教育的工资回报率问题。 组员： 实验内容： 1、实验目的： 利用所给数据（bothtwins data Excel文件）研究教育的工资回报率问题。 2、实验要求： 运用Eviews软件进行数据分析，利用已知数据建立回归模型，考虑诸如遗漏变量和测量误差的模型内生性问题。由于数据都是不同家庭的双胞胎数据，分析时请利用这一数据特征 二、实验报告： （1）、问题提出 随着社会的发展，教育的工资回报率问题被提上了日程。对于影响工资回报率的因素我们愈加关注。为了这一问题，我们利用所给数据（bothtwins data Excel文件）研究教育的工资回报率问题。同时考虑诸如遗漏变量和测量误差的模型内生性问题。 （2）、指标选择 根据分析问题的需要，依据指标数据可得性原则，我们选择经济含义明确并具有较好完整性和可比较性的数据（bothtwins data Excel 文件）作为数据指标。Age：年龄；age2：年龄平方；Daded：父亲
受教育年数；Momed：母亲受教育年数；Hrwage：工资时薪；lwage：时薪工资对数值；female：是否为女性；white：是否为白人；first:是否为家中长子；Educ：受教育年数（自报）；Educ_t：双胞胎中另一个受教育年数（自报）；Eductt：双胞胎中某个提供的另外一个的受教育年数（互报）；Educt_t：此双胞胎的sibling提供的此双胞胎受教育年数（互报）。 数据来自于国家统计局公布的《中国统计年鉴》。 （3）、数据来源 表1 数据（bothtwins data Excel文件）（部分数据） （4）、数据分析 1、描述性分析 ①运用Eviews画出时薪工资与受教育程度的散点图，观察两者的相关性。如
浅析我国教育性别不平等的影响因素及解决策略【摘要】教育性别不平等问题是我国教育公平问题中的一个子问题，不仅关系到性别歧视而且关系到教育的公平甚至社会的公平，然而目前教育性别不平等这一现象仍然广泛存在于人们的生活中，亟待解决。对此，我查阅了相关文献资料以及调查数据，并结合自己的一些个人看法，试图对我国教育性别不平等问题的影响因素和解决策略进行分析。本文将分为四大部分：概念解析、影响因素、产生的影响、解决策略。在对概念进行解析时，我会以“社会性别“的视角来看教育性别不平等，并阐述它在教育生活中的表现以便于人们更好地正视这一现象；在分析其影响因素时，我选择从社会、家庭、学校以及女孩自身这四个角度进行剖析；思考该问题带来的影响时，我会结合社会生活的其他方面来分析，因为教育是与社会政治、经济和文化密切相关的；在探讨解决策略时，我将从国家、学校和教师个人的层面找到行之有效的对策。 【关键词】教育性别不平等影响因素解决策略 “性别歧视”和“教育不公”在我国古代父权制社会就已初见端倪，然而随着国家的一步步改革，妇女运动的解放，教育平等政策的颁布，这两个问题并没有完全解决，至少在我国边缘地区仍然很严重。这两个问题本来分属于两个不同的研究范畴，但将其结合起来看已是大势所趋。“教育性别不平等”可谓是一个重大的社会问题，问题根源可追溯到古代。我国相关研究者在很早之前就开始了对教育性别不平等问题的研究并对其解决策略进行了广泛探讨，近些年，它引起了越来越多的教育工作者的关注，人们也开始正视这一现象，不过由于这个问题比较复杂，很多学者们提出的建议的可操作性不强，再加上新的社会因素的加入导致这种不平等现象加剧，因此，教育性别不平等问题在现实生活中并没有得到很大的改善。对此，本文拟从四个部分进行分析，分别是概念解析、影响因素、产生的影响以及解决策略。其中影响因素和解决策略是本论文的重点，而概念解析是为了下文写作的需要，使人们对“教育性别不平等”有一个更好地理解；分析该问题带来的影响是为了更好地选择解决对策，只有明确了消极影响才能有效地对症下药，最终破除性别不平等在教育领域里的偏见，促进教育公平的发展。 一、教育性别不平等概念解析 前面说到过，“教育性别不平等”包括“教育不平等”和“性别不平等”两个
读不读大学的差距「解读」 当大家提出读不读大学的差距这个问题的时候，可能很多人都会在想读不读大学之间有什么差距?读大学又有什么用?上大学与不上大学的差距在哪?对于这个问题，同样对于正在读大学的大学生们迷茫的时候可能也会在思考读大学的有什么用以及大学生活究竟该怎样度过? 认为读不读大学的差距可能会影响着我们的一生! 曾有一篇文章，是清华大学教授李宏斌的演讲稿。文中提到了中国的大学回报率，指出中国教育的真实回报率被高估了。所以，目前人们在受完所有教育后获得的经济回报、职业地位中，只有1/3真正来自校内校外的教育，而2/3是由家庭背景和先天能力带来的。 因此，李宏斌教授说，在剔除掉学生的先天能力、家庭背景因素以后，中国大学教育的平均回报率是10%，而高中教育回报率几乎是0. 看到这个结论，可能有的人会很吃惊。都说读大学是帮助一部分人实现地位提升、社会实现公平的有效途径之一，可如果连大学回报率都要依靠家庭背景，那么背景不强的孩子，是不是就真的没得选择了?
别急，等读完我们的文章，你就会知道，除了家庭背景，还 有一些因素会影响大学回报率。如果背景不强，还有其他方面可 以努力。废话不多说，带你了解大学回报率及其影响因素，还有 读大学与不读大学在收入、事业前景上的区别。 一、了解教育回报率 1、什么是教育回报率? 毫无疑问，教育是一场长期、高额的投资。投资就要期待回报，因此所谓“教育回报”(return on investment of education)，就是一个人多受一年的教育，在工作以后能收回多 少回报。 这个回报，可以是经济收入这样的显性收益，也可以是知识 水平、认知能力的提高带来的精神满足，以及社会地位晋升、人 脉资源增加等隐性收益。如果算上上学时遇到未来的人生伴侣， 那么这个回报可能还包括“婚姻回报”，和为下一代改善基因的“基因回报”。 因为这些显性收益和隐性收益，都是通过一个人大学毕业、 进入职场后才得以体现，所以在探讨“教育回报率”时，我们会 着重于“大学回报率”。 资源、人脉、社会地位提升等隐性收益，很难将其量化比较，
许多想致力于投身幼教的新园长或者老园长，在一开始选择加盟时往往过于看重加盟费的高低，常常由于高额的加盟费而望而却步，转身选择一些加盟费较低的机构，然而往往结果并不如人意。这就警示我们投资者一定要以长远的眼光看问题，不要过分看重投入了多少，而是将来能给你带来多少回报。 今天，小编就从其投资预算与效益回报角度，为大家做幼儿园投资预算与效益回报分析。 投资开办幼儿园的费用包括： 一、房租 根据各园所的房租而定，一般在50-100万左右 二、装修 500—1000元/平米 县级500元/平米，省会城市的高端定位1000元/平米 三、物品配备
1、班级物品配备3—5万，前期先配5个班的物品 2、户外玩具10万 3、厨房设备5-10万 4、办公区物品3-5万 5、人员工资比当地工资稍高 例如 以上投资费用为预估，仅供参考。 有了投资预算，园长和投资人又开始犯愁了，这么大一笔费用，何时才能收回呢？接下来，就是效益回报分析预估。 一、收入
生源：6个班级*30人=180人 收费：1580元/月*11个月=17380元/年 总收入：17380元/年*180人=3128400元/年 总收入：约312万元 二、支出 伙食：11元/天*22元=242元/月*11个月=2662元*180人=479160元 水电：15万元/年 租金60万/年（结合当地情况） 贷款利息：30万/年（如无贷款，可省去） 工资： 教师：3000元/月*11个月=22000*18人=396000元 厨师：3000元/月*11个月=33000*3人=99000元 园长：5000元/月*11个月=55000元 门卫：2000元/月*11个月=22000元 后勤：2000元/月*11个月=22000元*3人=66000元 总支出：约217万元 净收益：总收入-总支出=95万元/年 以上利润分析为预估，仅供参考。 以上就是给大家分享了预估参考值，对于投资者来说想要投资一家幼儿园机构需要的一些花费的地方，希望对投资者有一定的参考作用，也能帮助更多的投资者有了一个清楚的资金规划和了解。
服务行业关于家庭背景与教育回报率的关系 摘要 随着现代服务行业的发展，对服务业从业者的受教育程度提出了更高的要求，提高了就业难度以及拉大了服务业工作者的收入差距。家庭背景是个人收入的重要影响因素, 忽略家庭教育背景会导致个人教育回报的高估。随着个人受教育水平的提高, 家庭教育背景对个人教育回报的影响逐渐增大。因此有必要去了解服务行业工作者家庭背景与教育回报率的关系，反应服务行业工作者的生活现状。本小组对服务业中各年龄段，各知识阶层的，以及各种不同家庭背景的行业人员进行调查，旨在发现服务业工作者家庭背景与教育回报率的关系。调查结果表明不论是对女性职工还是男性职工的教育回报率, 家庭背景（父母的教育）均有正的促进作用。 关键词：服务业；家庭背景；教育；收入
目录 摘要 (1) 引言 (3) 一、调研介绍 (3) （一）调研背景 (3) （二）调研目的 (3) （三）调研对象及调研方法 (3) 二、样本描述性统计分析 (4) （一）男女比例 (4) （二）年龄结构 (5) （三）受教育程度 (5) （四）收入状况 (5) 三、家庭背景与教育回报率分析 (5)
引言 当前，我国正处在产业转型的重要时期，加快发展现代服务业，对于优化产业结构，转变经济发展方式，提高国民经济运行质量和效率，促进劳动力转移，增加劳动就业具有重要的意义。随着我国劳动力市场的发育和工资制度的改革，人力资本在经济发展中的重要作用也越来越突显出来, 一些研究发现我国的教育回报率有上升的趋势。在现代服务业日趋发展，人力资本重要性不断凸显的背景下，服务业工作者的教育回报率具有一定的研究意义。此次调研从实际情况出发，试图找出家庭背景中影响从事服务业工作者收入的显性和隐性因素，并试图根据此类家庭背景因素，找出部分影响服务业收入的关键因素，为服务业工作者提出合理的建议。 一、调研介绍 （一）调研背景 随着经济的高速增长和个人收入的急剧上升，个人收入的差距出现不断扩大的趋势。形成这种趋势的原因多种多样，但作为人力资本的一种形态，教育对收入差距扩大所产生的影响已越来越显著。然而随着服务业的发展，现代服务业已渐渐成熟，出现了新的服务领域和新的服务模式。前者指现代服务业适应现代城市和现代产业的发展需求，突破了消费性服务业的领域，形成了新的生产性服务业、智力（知识）型服务业和公共服务业的新领域；后者指现代服务业通过服务功能换代和服务模式创新而产生新的服务业态。现代服务业体现了高文化品位、高技术含量、高增值服务、高智力密集、高服务质量的特点，从而对服务业从业者的受教育程度提出了更高的要求，提高了就业难度以及拉大了从业者的收入差距。