摘要：编者寄语：在就业市场持续低迷的当下，毕业后深造成为许多学生的选择。但是，升学深造是否能带来更高的收入？又是否能提升对工作的满意度？被“过度教育”的年轻人，是应该“脱掉长衫”主动迁就就业市场，还是坚信“天生我材必有用”？或许这篇文章的研究成果能给迷茫中的你一点启

编者寄语：在就业市场持续低迷的当下，毕业后深造成为许多学生的选择。但是，升学深造是否能带来更高的收入？又是否能提升对工作的满意度？被“过度教育”的年轻人，是应该“脱掉长衫”主动迁就就业市场，还是坚信“天生我材必有用”？或许这篇文章的研究成果能给迷茫中的你一点启发。比起对“教育是否过度”的质疑，或许更该追问：如何让高等教育更好增强毕业生的工作能力？

摘要:

本文利用中国家庭追踪调查（2014‑2020）中具有全国代表性的纵向数据，考察了中国毕业生过度教育、收入和工作满意度之间的关系。我们发现，即使在考虑了个人和工作相关特征后，工资和工作满意度的惩罚在多个已建立的过度教育指标中仍然存在一致的证据。尽管学术领域对此有广泛讨论，但学术科目和认知与非认知技能的差异仅能解释薪酬惩罚（pay penalty）的一小部分。控制时间不变的未观察到的个体差异后，过度教育的薪酬惩罚幅度有所减少，在某些情况下，这些惩罚的统计显著性也被消除，这表明其他形式的未观察到的个体差异也起到了作用。

作者简介:

Melanie Jones，卡迪夫大学卡迪夫商学院

Ezgi Kaya，卡迪夫大学卡迪夫商学院

Jiarui Nan，谢菲尔德大学经济学院

文献来源:

Jones, M., Kaya, E. and Nan, J. (2025). Overeducation, earnings and job satisfaction among graduates in China. China Economic Review,93,p.102448.

本文作者之一：Ezgi Kay a

一、引言

随着高等教育的扩张，发达国家对毕业生过度教育（Overeducation，定义为持有与当前工作无关的学位资格）影响的关注日益加深。过度教育的劳动者（他们与资历符合工作要求的劳动者相比，没有充分利用其所受教育）面临工资损失且工作满意度较低，这或许并不令人意外。然而，教育扩张已成为许多发展中国家的一个特征，引发人们对毕业生过度教育相关的低效率和个人成本可能已蔓延至全球的担忧。但关于发展中国家过度教育的普遍性和影响的全国代表性证据仍然有限。

本文利用一项具有全国代表性的大型纵向调查（CFPS）的数据，为中国提供新的证据。

二、文献综述

（一）过度教育的测量

国际文献中广泛使用了三种主要的过度教育衡量标准，分别称为客观标准、统计标准和主观标准。客观衡量标准（objective method ）依赖于相对于从事特定职业所需资格的外部基准（例如工作分析师认可的基准）对教育水平的评估。虽然客观设定，但它们通常以职业水平为界，因此忽略了职业内部教育要求的差异。

统计测量方法（ statistical method ）将个人教育水平与同一职业内员工的平均教育水平进行比较。作为一种数据驱动的方法，统计测量方法反映了与当前员工教育程度的比较。因此，它会受到职业结构和构成的影响，例如不同群体之间教育程度的变化。

主观测量方法（ subjective method ）要求个人根据工作要求自我评估其教育水平。尽管测量误差可能更大，例如，由于个体间信息和认知的差异，但参考教育水平反映了当代的当地情况，因此不同职业的要求也会有所不同。

（二）解释过度教育带来的薪酬惩罚

文献中的一个关键问题是，是什么导致了过度教育对薪酬和工作满意度的负面影响？具体来说，负面影响是否反映了过度教育导致的生产力下降，因此应该引起政策制定者的关注；或者负面影响是否反映了先前存在的生产力下降，因此不值得干预。

各研究以不同的方式探讨了这个问题，通常取决于现有数据。一些研究扩展了收入方程的设定，纳入了对未观测因素的明确控制，特别是技能，包括非认知技能和技能不匹配。

（三）中国的教育与过度教育

自20世纪70年代末“改革开放”政策以来，中国的高等教育发生了翻天覆地的变化。1999年，中国教育部提出了高等教育扩张政策《面向二十一世纪教育振兴行动计划》，最初的目标是到2010年将高等教育毛入学率提高到15%。事实上，入学人数的增长率远远超过了这个目标，2010年为25.3%，到2022年为72.0%。

尽管供给增加，但有证据表明，高等教育回报率在扩张政策实施后并未大幅下降。Meng、Shen和Xue（2013）关注中国城镇男性劳动者，指出高等教育回报率最显著的增长发生在20世纪90年代，到20世纪90年代末，高等教育溢价已达到30%至50%。尽管高等教育政策出台后，这一趋势趋于平缓，但Meng等人（2013）的估计表明，21世纪初，高等教育溢价仍在50%左右。然而，最近，Asadullah和Xiao（2020）发现本科及以上教育的回报率有所下降，从2010年的36.5%下降到2015年的28.9%。然而，Kang、Peng和Zhu（2021）的研究表明，下降趋势因学科和机构质量而异，除来自更负盛名的重点大学的法学、经 济学和管理学（LEM）或科学、技术、工程和数学（STEM）等学科的毕业生外，所有毕业生的回报率都有所下降。

另一篇中国文献也强调了劳动力市场中毕业生教育过度现象的发生率上升，这归因于高等教育扩张导致的供给侧增长，尽管这可以说是暂时现象。然而，近期，Zheng等人（2021）分析了中国某大型在线招聘平台的文本数据，将求职者简历中的资历与招聘人员在2017年6月至8月期间发布的招聘信息中的要求进行匹配，发现该平台上一半的在线求职者（其中近90%拥有大学或以上学历）教育过度。

与国际文献一致，中国的证据也表明，受教育程度过高的毕业生在劳动力市场上会遭遇工资惩罚。例如，根据2012年世界银行技能促进就业和生产力项目（STEP）的数据，Wu和Wang（2018）通过一项在中国进行的调查和一项主观的过度教育测量发现，与同等学历的人相比，接受过高等教育的过度 教育工人的时薪损失要高出 20% 。他们进一步发现，技能水平在调节这种关系方面 只发挥了很小的作用。Zheng等人（ 2021 ）的文本分析表明，月薪中过度教育的惩罚较小（ 5.1% ），尽管这取决于学科、机构质 量 以及行 业和城市。此外，Liu等人（ 2021 ）使用 2016 年中国 25 所地方大学的人才培养与就业调查数据和一项主观的过度教育测量 结果进 行 分析，表明课程质量 （以实用性衡量 ）是过度教育工资惩罚的重要决定因 素，对于选修了低质量 课程的毕业生来说，过度教育工资惩罚要高出 1.9% 。

许多中国研究也探讨了过度教育与工作满意度之间的关系，尽管专门针对毕业生的证据有限。其中一个例外是，Shi、Yu、Huang、Shen和Guo（2023）使用2020年中国大学生追踪调查的数据，探讨了过度教育对不同性别应届毕业生工作满意度的影响。他们的研究结果表明，基于所使用的过度教育指标，结果好坏参半。客观的过度教育指标与女性的工作满意度呈正相关，而与男性无显著相关性，但主观的过度教育指标始终与工作满意度呈负相关，无论性别如何。事实上，后者与Ma、Baek、Qi、Li和Liu（2022）基于2014年和2018年CFPS数据对所有劳动者（而不仅仅是毕业生）的研究结果一致，该研究表明，即使在控制了未观察到的个体异质性之后，主观的过度教育指标与工作满意度之间仍然呈负相关。Ma等人（2022）进一步表明，这种负向关系在一定程度上受到与过度教育相关的工资惩罚的影响。

三、数据收集与分析

我们的分析利用了中国家庭追踪调查 (CFPS) 2014年至2020年之间的数据。我们分析的重点是毕业生，定义为完成高等教育（包括学院、本科和研究生教育）的人。我们的分析样本仅限于黄金年龄的毕业生员工（25‑54 岁），他们目前不在接受教育并且是工薪阶层。在排除分析中使用的任何变量的缺失值后，我们的最大不平衡样本包含来自3201名员工的6170个观测值。

（一）过度教育

客观衡量标准基于国际职业标准分类（ISCO），该分类与CFPS职业代码（根据中华人民共和国国家标准职业分类，三位数定义）相挂钩。将前三个一位数ISCO职业定义为与毕业生匹配，其余职业（一位数ISCO代码4‑9）则被归类为教育过度。

统计衡量标准是根据自身受教育年限与每年两位数职业所有员工的受教育年限之和进行比较得出的。我们将过度教育定义为受教育年限（根据所报告的最高教育水平估算）超过职业的受教育年限。所有其他员工均定义为未过度教育。

主观衡量标准是基于一个问题：要求工人思考胜任其工作所需的教育水平，答案范围从未上过学到博士水平。高等教育以下的答案形成过度教育，高等教育的答案归类为非过度教育。

（二）收入

与现有文献一致，我们的主要因变量是（对数）小时总工资（元人民币），该变量根据工作时间调整工资。该变量基于平均月收入和每周工作时间得出的年化指标构建。因此，它包含补贴、绩效工资、加班费和实物支付。

（三） 工作满意度

总体满意度通过回答以下问题来衡量：“总体而言，您对这份工作有多满意？”。在每种情况下，回答的满意度等级从最低的1级（完全不满意）到最高的5级（完全满意）不等。

（四）解释变量

CFPS还包含关于个人及工作相关特征的详细信息，这些特征已被证实会影响收入和工作满意度。我们对个人特征的控制包括年龄（及年龄平方）、用于描述（男性）性别的虚拟变量、（研究生）教育性质的详细信息、区分（更职业化的）学院、大学和研究生学历、少数民族、婚姻状况（已婚）、户籍状况（非农业户口）以及30个居住省份。工作相关特征包括一组虚拟变量，用于描述（正式）合同、部门和行业（20个个位数类别）。鉴于职业在构建客观和统计的过度教育指标中的应用，我们在基准设定中将其排除在外，但探讨了纳入职业对研究结果的敏感性。

四、研究结果

（一）量化过度教育对收入和工作满意度的惩罚

我们使用Verdugo和Verdugo(1989)量化过度教育与收入和工作满意度之间的关系。该方法在国际文献中被广泛采用，其中个人i在t年的相关结果（每小时总收入或工作满意度排名的自然对数

与过度教育的二元指标

回归，该指标由上述三个指标之一定义，如下所示：

我们纳入了年份固定效应

和一个常数(α)，

为随机误差项。我们逐步建立规范，添加上文概述的个人

和工作相关

特征。以此方式，我们探讨相对于非过度教育毕业生衡量的过度教育回报(γ)（通常被认为是一种惩罚(γ

我们在表2中展示了工资的结果，重点关注过度教育的系数估计值

。我们分别报告了三个过度教育指标（分别为A-C面板）的估计值，并依次展示了更全面的模型（分别为第(1)‑(3)列）。我们的证据表明，在控制个人特征后，过度教育会持续带来显著的收入惩罚（第(2)列）。虽然这种关系的方向在过度教育的各个替代测量方法中是一致的，但主观测量的幅度最大（22.4%），统计测量的幅度最小（6.6%）。纳入工作相关特征（第(3)列）对系数估计的影响相对有限，使我们的主要结论保持不变。因此，过度教育的薪酬惩罚只能部分地用拥有不同可观察个人或工作相关特征的过度教育工人来解释。在这方面，我们的研究结果与先前关于中国过度教育薪酬惩罚的证据一致。这表明，过度教育与劳动力市场结果之间关系的潜在机制可能更具普遍性，而非特定于具体情况，尤其是在毕业生群体中。然而，与国际文献略有不同，我们的分析进一步表明，中国现有研究中发现的惩罚幅度差异可能是过度教育测量方法差异造成的。

表3列出了工作满意度的相应估计值，我们观察到，在三个过度教育指标中，存在一致的惩罚效应。表3中，各过度教育指标的系数估计值幅度较为相似，过度教育使工作满意度在五分量表上降低0.12至0.15个点（3%至4%）（第(1)列）。纳入个人特征和工作相关特征后，这种关系有所减弱（分别在第(2)列和第(3)列），但这种关系在过度教育的统计指标中最为明显，其关系幅度减半（在10%的显著性水平上仅微弱）。然而，与发达国家以及涵盖中国所有劳动者（而不仅仅是毕业生）的研究的先前证据相一致，我们观察到即使在考虑了个人及其工作可观察特征之后，过度教育仍然会降低工作满意度。

（二）理解过度教育对收入和工作满意度的惩罚

在表4和表5中，我们探讨了在调整了个人和工作相关特征后，关于薪酬和工作满意度惩罚的基准估计值对关键遗漏变量的敏感性程度，这些变量即教育科目（第(1)列）、认知技能（第(2)列）和技能不匹配（第(3)列）以及非认知技能（第(4)列），这些变量原本可以解释过度教育的惩罚。

在表4中，我们发现，与这三个过度教育指标相关的薪酬惩罚通常对科目、认知技能和认知技能不匹配以及非认知技能的控制具有稳健性。在这方面，我们的分析不支持这些变量是过度教育影响小时收入的关键渠道，并证实了过度教育存在未解释的剩余薪酬惩罚。与通常的假设相反，我们发现有限的证据表明，对客观和主观衡量过度教育的惩罚反映了过度教育工人较低的认知和非认知技能，或认知技能不匹配。然而，这些指标对于与过度教育统计指标相关的惩罚性因素（面板B）发挥了更为重要的作用，当所有指标同时纳入时，该惩罚性因素不再具有统计显著性（第(5)列）。因此，虽然我们的证据表明，基于主观过度教育指标在中国昆明市确定的技能适度作用具有更广泛的普遍性，但也突显出未观察到的教育和技能因素在不同过度教育指标中的影响存在一定的异质性。

就表5中呈现的工作满意度估计值而言，工作满意度惩罚对于过度教育的主观衡量指标（面板C）而言是稳健的，这表明过度教育本身而非任何遗漏变量的作用。然而，估计值会因所采用的具体衡量指标而异。虽然客观衡量指标（面板A）的发现对于纳入个别教育/技能指标而言是稳健的，但同时纳入这些指标后，工作满意度惩罚变得不显著（第(5)列）。对于过度教育的统计衡量指标（面板B），估计值在不同规范下有所不同，在某些情况下甚至不显著，这与学科和技能不匹配在解释过度教育与工作满意度之间关系方面的重要性相一致。

然而，如果我们关注第(6)列中个体固定效应模型的系数估计值，那么关于薪酬和工作满意度的结论就会有所不同。除了与过度教育的主观衡量标准相关的工作满意度损失外，其他关系通常被抑制，并且通常在统计上不显著。比较第(5)列和第(6)列表明，过度教育与薪酬之间的关系主要反映了其他形式的个体特定的、不可观察的异质性。

对于工作满意度而言，模式不太清晰，而客观指标和统计指标之间的关系相对于我们的基准规范有所减弱，可观察技能似乎发挥了更重要的作用。相比之下，令人惊讶的是，主观过度教育对工作满意度的惩罚因固定效应而增强。

尽管如此，基准OLS模型和固定效应模型在薪酬和工作满意度惩罚方面的研究结果差异依然显著，这可能对政策制定产生关键影响。事实上，我们的分析表明，至少在某些过度教育指标中，薪酬和工作满意度惩罚仅仅是未观察到的个人特征的反映，这质疑了是否有必要进行干预以减少过度教育本身。

五、结论

本文利用中国消费者权益保护调查（CFPS）2014‑2020年具有全国代表性的纵向数据，探讨中国毕业生过度教育、收入和工作满意度之间的关系。研究运用三个既定的过度教育指标，发现37%至47%的毕业生存在过度教育现象。研究发现，在所有过度教育指标中，工资和工作满意度都存在显著的负面影响，而这些负面影响无法用个人和工作相关特征来解释。

研究发现，研究生教育背景、认知技能和技能不匹配以及非认知技能的差异，在导致过度教育薪酬损失方面的作用并不显著。然而，这些因素在不同过度教育指标之间作用有所不同，它们对过度教育统计指标相关的损失具有更重要的解释作用。这些因素在解释工作满意度损失方面也发挥着更重要的作用。

相比之下，过度教育薪酬惩罚的幅度通常较小，并且根据过度教育的衡量标准，在控制个体固定效应后，这种假设仍然成立。在这方面，中国的证据与先前基于发达国家的证据一致，这与先前来自发展中国家且往往不一致的证据形成了鲜明对比，值得使用其他发展中国家已有的衡量指标和方法进行进一步研究。

某些规范中技能的作用不大，这可能反映出CFPS中现有的指标虽然涵盖了认知和非认知维度，但必然存在缺陷。未来的研究需要探索更多遗漏变量，这些变量或许可以解释横断面研究和纵向研究结果之间的差异，并揭示过度教育影响薪酬的渠道，这对于理解其政策含义至关重要。

来源：再建巴别塔