戴着毕业帽的木头人和成堆的硬币
VoxEU 教育 性别 劳动力市场

研究生院的价值取决于你的性别和学位选择

读研可以增加学生未来的收入,但这种回报在不同学位或不同类型的学生之间并不是恒定的。本专栏利用对大学毕业生的调查数据,按性别评估各研究生学位的回报。尽管在所有研究领域,男性的收入都高于女性,但不同研究生学位的回报差异很大。一些领域(如教育、商业和法律)为女性提供相对较高的回报,而另一些领域(如医学、护理和公共管理)为男性提供相对较高的回报

男人比女人赚得多。这种性别差异不仅存在于普通人群中,也存在于受过高等教育的男女之间。事实上,Blau和Kahn(2017)发现,在收入最高的人群中,性别差距仍然最大。一个可能的原因是,女性会选择薪酬较低的特定研究生学位。另一个原因是,女性可能从研究生教育中获益较少。

我们的新论文(Altonji等人,2022年)研究了国家科学基金会在1993年至2019年间对大学毕业生的调查。我们记录了拥有19个不同硕士和专业学位类别的全职工作者的平均收入,从教育学硕士到MBA再到医学院。在所有19个类别中,男性的平均收入都高于女性。(Altonji等人(2022)的附录报告了更多按性别分列的168个高级领域和144个大学专业的收入数据。除了9个研究生专业,男性在其他领域的收入都比男性高)。图1绘制了十个特定研究领域的平均收入。这一数据显示,男女研究生学历之间存在很大差异。例如,拥有医学学位的男性平均收入约为19.2万美元(以2013年的美元汇率计算),而拥有艺术(美术和表演艺术)硕士学位的男性平均收入仅为7.2万美元。妇女的相应收入分别为139 000美元和58 000美元。

上面强调的差异提出了一个问题:研究生学习的回报是如何导致收入差距的。尽管男性在所有领域都比女性挣得多,但如果女性的相对收入增长高于男性,那么其因果回报可能会更高。也就是说,尽管女性在获得学位前和获得学位后的工资都较低,但有些学位给女性带来的收入增长比男性更大。

图1按学历和性别分列的平均收入

图1按学历和性别分列的平均收入

请注意注明“MA”的学位表示硕士学位,包括硕士学位和硕士学位。估算是针对全职员工的。它们基于1993年至2019年的多波全国大学毕业生调查和1993年至2010年的多波全国应届大学毕业生调查。见Altonji等人(2022),表1。

基于回归的学位回报估计

我们感兴趣的不是收入差异的简单平均数,而是获得学位的因果回报。我们认识到获得医学研究生学位的人与获得艺术研究生学位的人是不同的。例如,他们可能在大学所学内容、成绩和工作偏好上有所不同。因此,上述平均收益在一定程度上不足以估计因果收益。

作为初步比较,我们对研究生学位类型的对数收入进行了普通最小二乘(OLS)回归,控制了大学专业、父母受教育程度、人口统计、年龄和年份。我们将所选学位的系数转换为代表收入增长的百分比(图2)。OLS回归简单地比较了选择研究生学位的个人与在可观察到的方面(包括大学专业)相似但不选择研究生院的个人的回报。这有助于让我们了解不同性别在每个学位上的平均回报差异。我们观察到,有些学位对男性的回报更高(如护理),而有些学位对女性的回报更高(如教育)。然而,简单的OLS回归不太可能捕捉到学位的真实因果回报,因为选择和不选择读研的个体可能在其他重要方面有所不同。

图2按性别分列的研究生学位对收入的影响百分比

图2按性别分列的研究生学位对收入的百分比影响

请注意: MBA的收入增长百分比计算为exp(ln(γMBA_OLS)-1)*100,其中exp(γMBA_OLS)指MBA与ln收入之间的OLS回归系数。其他学位的增长百分比也以类似的方式计算。黑线表示90%置信区间。参见Altonji等人(2022),表2第2列和第6列。

向因果关系

为了更好地估计研究生学位的因果回报,我们的新工作(Altonji et al. 2022)采用了Altonji和Zhong(2021)首次提出的方法。很多人在读研前就工作了,所以我们可以比较读研前后的收入来估计学位的影响。这比苏丹生命线行动提供的选择获得学位的人和不获得学位的人之间的比较更有说服力。这种估算策略使我们不仅能够观察那些我们以前同时拥有两种盈利数据的个人而且研究生毕业后——但也包括只有一种类型的人——之前毕业后学校。为此,我们根据人们的本科专业和研究生学位组合对他们进行分组。粗略地说,我们计算了所有主修商科并继续攻读MBA的人在研究生院的平均收入和研究生院的平均收入之间的差距。MBA学位的估值是各种本科专业的预科和研究生学校差异的平均值。为了考虑年龄和其他因素,我们通过简单地为上面讨论的OLS回归模型中每个程度组合添加单独的拦截(固定效应)来实现该方法。我们称这个过程为“FEcg”,其中“c”和“g”表示大学专业和研究生专业。对这些学位组合固定效应的控制有助于隔离研究生学位本身的影响。

学位组合固定效应策略可能比OLS更接近获得研究生学位的真实因果效应。将Fecg估价值(图3)与OLS估价值(图2)进行比较,我们看到了很强的正相关关系,但在低收入领域(如心理学和教育),Fecg估价值往往高于OLS,而在高薪领域(如MBA), Fecg估价值往往低于OLS。部分差异是由于抽样误差。这反映在图中更宽的90%置信区间(黑线)上。在19度范围内,feg估算值通常高于心理学/社会工作等低收入领域的OLS。此外,feg估计的19个案例中有14个的男女收益差距小于OLS。例如,女性和男性在教育硕士学位上的差距从15.3%缩小到8.8%。男性从事心理/社会工作的回报接近女性,而不是像苏丹生命线行动案例中那样略为负值,尽管Fecg的估计不那么精确。在薪酬较高的领域,OLS表明,攻读MBA和法律专业的女性获得的相对回报更高,而Fecg方法得出的结论恰恰相反。这些差异突出说明了处理因果关系的重要性,因为来自OLS的naïve估计可能产生误导性的结论。

最后,请注意,虽然某些领域(如教育)可能相对而言对女性经济上更有利,但我们的分析都是在以下情况下进行的:(1)女性在导致薪酬较低工作的领域(如教育)中比例过高;(2)拥有相同研究生学位的女性收入低于男性(见图1)。

图3按性别划分的研究生学位对收入的百分比影响,学位群体固定效应(Fecg)

图3研究生学位对收入的百分比影响,按性别,学位群体固定效应(Fecg)

请注意: MBA的收入增长百分比计算为exp(ln(γMBA_FEcg)-1)*100,其中γMBA_FEcg是考虑大学专业/研究生领域组合固定效应时,MBA与对数收入相关系数的Fecg估计。参见Altonji等人(2022)表2第1列和第5列。其他学位的增长百分比也以类似的方式计算。我们没有报告男性的护理估计,因为它非常不精确。黑线表示90%置信区间估计值。

更多的工作时间还是更高的工资?

一个学位可以通过两种途径来增加毕业生的收入:一是提高毕业生的时薪,二是增加毕业生的工作时数,即使他们的时薪与非毕业生差不多。我们发现,研究生学习的大部分回报来自于更高的时薪,但在一些高薪领域,如法律、医药和商业,工作时间的增加在回报中起着显著的作用。高达四分之一的学位回报可以归因于更长的工作时间。这与Goldin和Katz(2011)和Goldin(2014)的发现是一致的,他们发现最赚钱的工作通常需要长时间工作,或者在其他方面不太适合家庭。

限制

尽管程度组合Fecg优于OLS,但它的估计只有在强假设下才能被解释为完全因果关系。主要的挑战在于,群体固定效应方法假设,在考虑年龄因素后,如果一个人选择不读研,那么他在读研前的收入与他在读研前的收入是相同的。由于Altonji等人(2022)讨论的许多原因,这一假设可能会失败。例如,假设一个学生为了准备上医学院而做了一份低工资的实验室助理工作。实验室助理的工作可能无法反映出如果他们没有决定获得医学学位的话,个人的收入会是多少。考虑到这些限制,feg值可能是OLS的改进,但不是可靠的因果收益估计。

另一个限制是feg的估计只涉及在大学和研究生之间工作的学生。对于少数直接从大学进入研究生院的学生来说,回报可能有所不同。此外,这些估算只反映了获得研究生学位的人的平均回报,而不是边缘学生的回报,这可能与正在决定是否扩大研究生课程的政策制定者更相关。

结论

学生们攻读硕士和专业学位,期望毕业后能增加未来的收入。对于研究人员、政策制定者和学生自己来说,了解这些回报的规模和决定因素是很重要的,以便对哪些学位是最好的投资、对谁最好做出明智的决定。我们的评估策略提供的信息比以前可用的技术更有说服力。虽然在我们研究的所有领域中,男性的收入都高于女性,但我们发现,有些领域(如教育、商业和法律)为女性提供了相对较高的回报,而其他领域(如医学、护理和公共管理)为男性提供了相对较高的回报。这些重返研究生院的学生似乎主要是因为每小时工资的增加,而不是工作时间的增加。

作者注:我们感谢Anna Esenther帮助我们起草本专栏。

参考文献

钟磊(2022),“高等学历对女性和男性工资水平、工时、收入和工作满意度的影响”,国家经济研究中心工作论文第1期。w30105。

Altonji, J G和钟磊(2021),“劳动力市场回归高等学历”,劳动经济学杂志39(2): 303 - 360。

Blau, F D和L M Kahn(2017),《性别工资差距:范围、趋势和解释》,经济文献杂志55(3): 789 - 865。

Goldin, C(2014),《一个宏大的性别融合:它的最后一章》,美国经济评论(4): 1091 - 1119。

Goldin, C和L F Katz(2011),“高技能专业人士的工作场所灵活性成本”,美国政治与社会科学学院年鉴638 (1): 45 - 67

0读取

Baidu
map