中国教育收益率的长期变动趋势分析

本研究采用中国健康与营养调查1989-2009年的追踪数据,使用多层线性交互分类模型估计了全国教育收益率的总体变化趋势,并通过引入宏观经济发展指标来考察教育收益率变化的影响因素.结果表明,21世纪以来全国教育收益率并没有延续以往快速稳定增长的势头,中国市场转型过程中的制度变革和经济结构变化对教育收益率的变动都有显著影响.由于我国城乡分割的二元经济结构,本研究还比较了城镇和农村地区教育收益率变动趋势的差异,农村地区教育收益率先高后低反映了我国先农村后城市的改革开放进程.     

江汉平原农户教育收益率分析

本文依据湖北五县农户调查数据对生产函数计量模型的具体形式进行了扩展以估算农户教育收益率,从而分析农村教育投资回报情况,并得出相关结论.     

2003-2008年问中国教育收益变动趋势研究

人力资本理论认为个人收入分配在一定程度上取决于人力资本的分配和人力资本的回报,提高人力资本的最主要途径为教育。教育对个人收入的积极促进作用已得到许多研究的证实。教育收益率的估算及其变动趋势的研究具有重要的现实意义。运用CGSS2003、2005、2006与2008年数据对中国教育明瑟收益率的回归结果显示2003-2008年间中国的平均教育收益率得到了明显提高,与20世纪八、九十年代相比呈现出进一步提升的态势。     

2003—2008年间中国教育收益变动趋势研究

人力资本理论认为个人收入分配在一定程度上取决于人力资本的分配和人力资本的回报,提高人力资本的最主要途径为教育。教育对个人收入的积极促进作用已得到许多研究的证实。教育收益率的估算及其变动趋势的研究具有重要的现实意义。运用CGSS2003、2005、2006与2008年数据对中国教育明瑟收益率的回归结果显示2003-2008年间中国的平均教育收益率得到了明显提高,与20世纪八、九十年代相比呈现出进一步提升的态势。     

我国城镇教育收益率年龄段差异研究

虽然研究我国教育收益率的文献已经很多,但年龄差异却一直被忽视.文章利用2005年的全国调查数据研究了我国城镇不同年龄段就业人口的教育收益率,发现城镇人口的教育收益率随着年龄的变化基本呈现U形,女性教育收益率基本高于男性,并且男性与女性的教育收益率随着年龄的波动规律是完全一致的,只是男性晚一个年龄段.     

我国教育对贫困变动的效应分析:1995～2007

教育对贫困变动有重要的影响。采用1995~2007年时间序列数据,本文估计与测算了我国教育对贫困变动的效应,研究发现:教育对贫困变动有显著正效应,教育对贫困变动的弹性值在1.41-5.57之间变动,在教育投入影响下,收入对贫困变动的弹性小于收入不均等状况对贫困变动的弹性。     

基于Pseudo-Panel方法的中国教育收益率研究

为克服内生性引起的偏差,本文利用Pseudo-Panel方法估计中国的个人教育收益率。本文使用的是中国居民健康与营养调查截面数据,选取年龄在16至65岁之间,收入为正的个体,通过重复截面数据的方法构造Pseudo-Panel数据。结果表明,与Pseudo-Panel方法估计的结果相比,最小二乘回归估计的结果偏低。用Pseudo-Panel方法估计结果表明,整体而言中国教育收益率为8.02%;按性别考察,女性比男性有更高教育收益率;城市居民的教育收益率要高于农村。     

中国城镇自雇者教育收益率研究——基于CHIP数据的经验分析

利用中国住户收入项目调查(CHIP)数据和OLS与Heckit法,对中国城镇自雇者教育收益率进行实证研究。结果表明:自雇者总体和不同教育层级的教育收益率呈明显上升态势;Heckit法估计的自雇者教育收益率高于OLS法;女性自雇者教育收益率明显高于男性自雇者;初中和高中自雇者的教育收益率高于相同学历的工资雇佣者,这一定程度上体现了对自雇者企业家精神的奖励;中职及中专学历自雇者的教育收益率明显低于相同学历的工资雇佣者;拥有大专及以上学历的自雇者的教育收益率高于对应学历的工资雇佣者;不同教育层级自雇者的教育收益差距逐步扩大。     

我国正规就业者的教育收益率

针对教育收益率测算中可能存在的弱工具变量问题,本文利用2006年中国健康与营养调查数据,结合工具变量估计框架下的各种模型设定检验,对我国正规就业者的教育收益率进行测算。检验和测算结果表明：受教育程度的变量存在内生性,个体配偶的受教育年限是内生变量受教育程度的强工具变量,而个体的出生季度是弱工具变量。广义矩估计结果显示我国正规就业者的教育收益率为10.1%。     

个人教育投资的收益率与内部回收贴现率测算方法

文章研究的切入点是个人教育投资的收益率与内部回收贴现率这两个指标的测算方法,我们通过引用三个模型来研究这两个指标的测算方法,并且在研究的过程中对这两个指标做出明确的区分,最后通过三个模型的具体分析过程来验证这两个指标的测算方法。     

对Black-Litterman模型加入主观收益方法的改进

Black-Litterman模型是高盛公司提出的确定加入主观观念的资产组合模型,其显著特点是模型加入了投资者的主观观念。目前文献研究显示,模型加入投资人主观收益的方法依然是武断确定。这样加剧了主观投资组合模型使用的随意性,也必将影响其使用效果,会给投资造成巨大损失。由此本文提出使用BMA（贝叶斯移动平均法）模型预测投资者主观收益,文中利用中国上海A股市场数据,编写Matlab程序对主观资产组合模型进行了实证,实证表明预测效果得到了明显改善。该模型不但对Blackliterman模型有重要作用,而且对金融统计模型预测效果的提高也有很大启发。     

学历和性别对劳动者工资的影响研究

随着教育特别是高等教育的迅速发展,我国高学历人才培养规模呈现膨胀趋势,从而学历对于劳动者是否具有作用成为民众越来越关注的议题。本文首先从利润最大化角度分析企业支付给不同学历劳动者工资意愿的差异,这将作为实证检验学历影响劳动者工资的理论支撑,接着运用2004年中国工业经济普查数据分行业检验不同学历劳动者平均工资的差异,并且关注劳动者性别对工资所可能存在的影响,其中学历共分为初中、高中、大专、本科与研究生五种。检验结论认为：（1）高中学历、大专学历与本科学历对于劳动者工资具有积极影响,并且这种影响较为稳定并逐渐增强,而研究生学历对于劳动者工资的影响难以确定;（2）在运用教育赋分法衡量企业平均学历后,检验认为在平均学历保持不变的情况下,女性员工所占比率对企业所支付的人均工资可能存在负向影响,并且员工平均学历对人均工资的正向影响可能会随着女性员工比率提高而减弱。     

A Generalized Production Frontier Approach for Estimating Determinants of Inefficiency in U.S. Dairy Farms

This article investigates farm-level efficiency of U.S. dairy farmers by estimating their technical and allocative efficiency. Technical inefficiency is assumed to be composed of a deterministic component that is a function of some farm-specific characteristics and a random component. By doing this we extend the stochastic frontier methodology in which determinants of technicial inefficiency are explicitly introduced in the model. Given the inputs, variations in efficiency of farms are then explained by both deterministic and random components of technical inefficiency. The empirical results indicate that (a) levels of education of the farmer are important factors determining technical inefficiency and (b) large farms are more efficient (technically) than small and medium-sized farms. Both technical and allocative inefficiency are found to decrease with increase in the level of education of the farmer.     

城镇居民消费行为的生命周期变异——来自微观面板数据的证据

利用国家统计局山东调查总队城镇住户调查2005年1月至2006年12月的月度数据,通过建立面板数据模型对生命周期假说的推论进行实证检验发现：中国城镇居民的消费行为并不完全符合生命周期假说的预期;其中城镇居民在其生命周期的早期确实有着较高的消费倾向,而在随后一段时间也有较低的边际消费倾向;在退休前阶段城镇居民的消费倾向会较高,而处在退休后生命周期晚期的城镇居民则有着较低的狭义边际消费倾向（不包括医疗和教育支出）和较高的广义边际消费倾向（tg括医疗和教育支出）。     

省域个人教育收益率变因剖析——基于分层线性模型视角

利用中国社会综合调查开放数据库（CGSS）中《中国城乡居民生活综合调查》（2005年）的数据资料和分层线性回归技术,对中国省域教育收益率及其影响因素进行实证分析。结果表明：现阶段,中国教育收益率已经高于世界平均水平;中国城乡居民男性教育收益率高于女性;少数民族教育收益率高于汉族;教育收益率随着受教育程度的提高而下降,但随着收入水平的提高而上升。     

Evaluating the effect of education on earnings: models, methods and results from the National Child Development Survey

Summary.  Regression, matching, control function and instrumental variables methods for recovering the effect of education on individual earnings are reviewed for single treatments and sequential multiple treatments with and without heterogeneous returns. The sensitivity of the estimates once applied to a common data set is then explored. We show the importance of correcting for detailed test score and family background differences and of allowing for (observable) heterogeneity in returns. We find an average return of 27% for those completing higher education versus anything less. Compared with stopping at 16 years of age without qualifications, we find an average return to O-levels of 18%, to A-levels of 24% and to higher education of 48%.     

经济增速放缓与经济波动对居民福利影响的阶段差异分析

 本文基于中国1952-2007年时序数据定量研究经济增速放缓的福利损失和经济波动的福利损失,并侧重考察两种福利损失的大小关系在改革开放和经济体制改革目标确立前后的阶段差异。研究发现,无论是总体而言,还是在中国经济发展的不同阶段,经济波动的福利损失并不必然远小于经济增速放缓的福利损失,在相关参数的合理取值范围内,经济波动的福利损失大于经济增速放缓的福利损失是相当普遍的情形。因此,中国政府部门在重视长期经济增长的同时,不能草率否定短期经济稳定的重要性。     

The Democratization of Data Science Education

Abstract

Over the last three decades, data have become ubiquitous and cheap. This transition has accelerated over the last five years and training in statistics, machine learning, and data analysis has struggled to keep up. In April 2014, we launched a program of nine courses, the Johns Hopkins Data Science Specialization, which has now had more than 4 million enrollments over the past five years. Here, the program is described and compared to standard data science curricula as they were organized in 2014 and 2015. We show that novel pedagogical and administrative decisions introduced in our program are now standard in online data science programs. The impact of the Data Science Specialization on data science education in the U.S. is also discussed. Finally, we conclude with some thoughts about the future of data science education in a data democratized world.