中國過度教育的測度

文史 04-20

中國過度教育的測度

李建民陳潔

作者簡介：李建民，南開大學人口與發展研究所教授；陳潔，南開大學人口與發展研究所博士研究生（天津 300071）。

人大複印：《統計與精算》2018 年 01 期

原發期刊：《人口與經濟》2017 年第 20175 期第 34-44 頁

關鍵詞：標準化測度方法/ 教育過度/ 教育不足　　standard measurement/ over-education/ under education/

摘要：大學生就業難引起了中國關於過度教育的爭論，然而過度教育研究的基石——過度教育的測度一直有其局限性，本文提出了一種標準化方法，用美國各職業的教育准入標準來測度中國的過度教育，發現目前我國呈現出「高端過度、低端不足」的格局，過度教育者主要分布在辦事人員和商業服務業，教育不足者主要是單位負責人和生產運輸業從業者。基於這種測度方法使用第三期中國婦女社會地位調查數據分析了性別、年齡、婚姻等因素對過度教育發生率的影響，運用工具變數解決了忽略個人異質性帶來的內生性問題。研究發現女性相較於男性更容易出現教育過度；年輕者較年長者更易於出現教育過度；已婚者比未婚者更易於出現教育過度；教育程度越高，越容易出現教育過度。我國目前存在高學歷者的過度供給，但這不能通過否定和抑制高等教育的發展來解決，而是要以人力資本儲備為支撐，促進產業升級和職業結構的合理轉變。

近年來我國高校畢業生就業難、企業招工難現象同時存在且日益突出。2015年我國新生勞動力達到1500萬人，全年能夠提供的就業崗位僅1200多萬個，存在供求缺口；然而近10年我國人力資源市場總體求人倍率卻是從0.88:1上升到1.04:1，顯示出市場崗位需求大於求職人數。一方面是勞動力市場上的強勁需求，一方面是大量高學歷人才找不到工作，教育發展與市場需求是否匹配成為一個值得思考的問題，中國真的教育過度了嗎？社會上存在著中國教育過度是真命題還是偽命題的廣泛爭論，要清晰回答這一問題，合理測度我國的過度教育至關重要。

過度教育是指從業者的教育水平超過其所從事職業合適的受教育水平，因此，各職業合適的受教育程度是測度過度教育的關鍵。目前國際上有三種主要的度量方法。第一種方法是工作分析法，也簡稱為客觀法，是將就業者的受教育年限與由職業分析師確定的各類崗位所需教育年限進行比照。龍伯格（Rumberger）和麥戈德里克（Mcgoldrick）等都使用了美國職業大典（DOT）作為客觀依據度量了過度教育[1-2]。第二種方法稱為主觀法，是根據就業者的自我評估，判斷自己的受教育水平是否與工作匹配。格林（Green）和麥金托什（Mclntosh）的研究就是根據被調查者自己對過度教育的評分來判斷的[3]。第三種方法稱為統計法或實證法，是將就業者的受教育程度與該職業從業者的受教育程度的眾數或平均數相比對，如果和眾數相符或者是在平均數的一個正負標準差的範圍內，就認為是教育適度，反之則是教育過度或教育不足。克洛格（Clogg）等使用的是平均數加減標準差[4]，門德斯（Mendes）等使用眾數代替平均數以削弱異常值的影響[5]。這三種方法都有明顯的缺陷，客觀法滯後性較強，不能適應就業市場的快速變化；主觀法評價標準不統一，主觀性較強，容易高估；實證法對樣本分布有較嚴格的要求，如果樣本分布是有偏的，則會影響結果的準確性，並且這個方法容易產生內生性問題。魯汶（Leuven）和奧斯特貝克（Oosterbeek）指出這些方法中沒有任何一種被證明比其他方法能提供更可靠或是更可信的估計[6]，已有研究都是根據數據可得性選擇這三種方法中的一種或兩種進行測算。

國內對過度教育的研究起步較晚，在高校擴招以後才引起學者的關注，對過度教育的測度也是以上述三種測度方法為主。李鋒亮等和李駿利用針對高校畢業生的問卷調查數據，通過畢業生對自己即將要從事的工作所需知識能力和目前學歷水平的主觀比較法測度了過度教育[7-8]，但個人主觀評價的隨意性使測度結果大打折扣；羅潤東、彭明明和張冰冰、沈紅使用CGSS數據，通過客觀法測度了過度教育，衡量標準分別依據科埃略（Coelho）等1997年按照職業資格水平所界定的受教育年限[9]和國際標準教育分類（ISCED-97）的每個職業所需的標準教育水平（1997年修訂）[10]，但這兩個測度標準都是1997年修訂的，十分滯後；董延芳依據勞動中介機構發布的招聘信息測度了2009年武漢市農民工的過度教育[11]，但結果的代表性十分有限；劉金菊和代馨分別使用人口普查數據、中國婦女社會地位調查數據和項目調研數據，採用標準差法和眾數法計算過度教育發生率[12-13]。實證法對數據的分布有很高的要求，如果不滿足正態分布假定其結果是令人懷疑的。這種方法的默認假定是這個職業從業者的教育程度的眾數或平均數代表的就是合適的教育程度，在教育飛速發展、產業快速轉型升級的中國這一假定有待商榷。除上述三種常用方法外，陳昊和馬文軍分別運用學歷誤配指數和DEA模型測度了我國的過度教育。高、低學歷勞動力的劃分標準會對學歷誤配指數產生重要影響，陳昊將「高中及以上學歷」認定為高學歷[14]，這個標準是否合適並且一成不變是值得懷疑的。馬文軍將大學教育總體年限、規模以上企業資產總額作為投入指標，GDP作為產出指標，從投入產出的角度測算過度教育[15]，這種測算有利於從宏觀總體把握我國的過度教育量，但缺乏微觀基礎，無法觀察到過度教育的具體分布。

為了克服上述各種方法測度過度教育的局限，本文嘗試採用一種新的測度方法，即以美國各職業的教育准入要求（Entry-level education）為測度基準來測度中國的過度教育，這種方法是一種「標準化」方法，具有客觀外生、時滯較短、對分布沒有要求的優點。我國正在經歷快速的產業升級和技術結構變化期，教育作為一種人力資本投資和儲備應該是先備而不是後補，以美國各職業的教育准入要求為測度基準具有一定的前瞻性意義，同時還可以克服直接使用中國數據測算帶來的無法避免的內生性問題。本文試圖通過這個比較視角來測度審視我國過度教育的真實狀況，從宏觀上探察過度教育發生在哪些職業和教育程度以及過度規模，從微觀上分析影響過度教育發生的因素，以對我國的過度教育形成一個客觀全面而具有先導性的認識，為個人的人力資本投資和國家的教育、產業政策提供參考。

二、過度教育的測度

用美國各職業的教育准入標準來考察中國的過度教育是否合適是一個必須認真回答的問題。首先，根據人力資本深化規律，現階段人力資本的培育決定了未來一二十年我國的經濟能否成功轉型。經濟追趕的本質是人力資本追趕和人力資本結構升級。袁富華研究日本和韓國人力資本結構與經濟增長的關係時發現，日本和韓國都是先有15年的高層次人力資本儲備，然後才有產業效率的持續提高和創新機制的形成[16]。我國目前正處在產業升級的關鍵時期，以美國各職業的學歷要求為標準來度量中國的過度教育問題，正好適應於我國經濟結構轉型和「雙創」社會的要求。其次，雖然目前中美兩國的職業結構和教育水平有一定差異，但相同職業的學歷准入要求是一致的，這可以從中國公共招聘網各職業的學歷要求上得到證實。我國已經形成了完善的教育體系和多元的學歷層次，對於同一職業，我們有理由認為應該達到與美國相同的學歷准入要求。基於以上兩點考慮，我們認為以美國各職業的教育准入要求為基準分析中國的過度教育問題是有意義的。

表1是2014年中美各職業的就業人數佔比。單位負責人和生產運輸業的佔比非常接近，其他四個職業大類的就業人數佔比存在一定差異：美國的專業技術人員佔比比中國高10.02個百分點，辦事人員佔比比中國高6.95個百分點；農林牧漁業人員佔比比中國低11.47個百分點；商業服務業人員佔比比中國低大約5.38個百分點。專業技術人員和商業服務業正是未來我國有較強吸納能力的職業，據預測2020年中國技能勞動者需求將比2009年增加3290萬人，其中高技能人才需求將增加約990萬人，商業服務業也是我國就業人員佔比迅速上升的職業，中國的職業結構會向美國趨同。

表2是中美就業人員教育的基本情況。由於美國的義務教育包括高中階段，美國就業人員中高中以下學歷的佔比非常低，只有7.8%，中國城鎮這一比例為48.0%；美國高中以上學歷的佔到了66.5%，中國城鎮這一比例為28.2%。雖然中國勞動者的整體教育水平並不高，但我國教育正處於快速發展期，將義務教育延長至12年是我國教育發展的必然趨勢。另外，由於年輕人的教育水平大大高於年長者，在老齡化加速的背景下，隨著年長者逐漸退出工作崗位，我國就業人員的教育水平會明顯提高(11)。

綜上所述，目前中美兩國的職業結構、教育水平都存在一定的差距，但這兩方面的差距正在不斷縮小，這使本文的測算具有一定的前瞻性意義。基於美國各職業的教育准入要求與中國各職業從業者的教育程度比較是本文測算的關鍵。

如何處理中美職業分類之間的差異是一個難題，美國的職業體系包括22個職業大類，94個二級職業，細分職業超過800個，中國職業分為單位負責人、專業技術人員等六大類(12)，在仔細對比分析各類職業範圍的基礎上，我們將美國的22個職業大類歸入中國的六大類中，具體見表3中的第一列。表3中的第二列就業人數和第三列就業佔比都是直接來源於美國統計局網站的數據或通過簡單的計算得出，第四列的教育准入標準是本文的核心。對於細分職業教育要求不一致的二級職業，本文以就業人數佔比為考量標準，當這一教育水平的就業人數低於上一級職業類別就業人數的1/5時，對此教育程度忽略不計；當高於這一比重時，則以就業人數佔比為權重列出該二級職業的各類學歷要求。按照這一方法得出2014年美國各二級職業的學歷要求，結果呈現在表3中的第四列。二級職業分類中國有54個，美國有94個，無法逐一匹配和進一步歸類。如果二級職業的學歷要求存在差異，就以該職業大類中就業者教育水平的眾數作為該職業大類的學歷要求，由此得到一級職業大類的教育准入標準。

通過美國各職業的教育准入要求和中國各職業的就業人數，就可以計算出中國各教育程度勞動者的過度教育情況。表4中的第二行是2014年我國城鎮就業人員的教育情況，第三行的需求人數是通過美國各職業的教育准入標準和中國目前的職業結構計算得出，比如單位負責人和專業技術人員的教育准入標準為本科，2014年單位負責人和專業技術人員的就業人數為7704.1萬人，那麼就視為在2014年的職業結構下需要7704.1萬本科及以上學歷者，而實際上2014年的從業者中大學本（專）科及以上學歷者達到了11085.4萬人，這其中的差值3341.3萬人就是過度教育者(13)。辦事人員和有關人員大類、生產運輸設備操作人員大類的教育准入要求都是高中，同理可計算出對高中教育程度的需求為14505.4萬人，而目前的從業者中高中教育程度者只有9395.1萬人，因此對高中教育程度者存在超額需求，而這部分教育程度者供給的不足將由高中以下學歷者和大專及以上學歷者來補充，這就會出現教育不足和教育過度。除去由於比例換算時帶來的偏差，對高中教育者的五千多萬的需求缺口剛好分別由大約兩千萬的低教育程度者和三千萬的高等教育者的過度供給來彌補。據此可以給出各階段教育過度率的下限：高中及以下是0，高中及以上大約是30%。實際值肯定會高於此，因為這是基於高中學歷者從事的都是高中學歷要求工作的測算結果，而事實上一些高中學歷者也會去從事本科學歷要求的工作，這將進一步提高錯配率。然而，本文的測算仍是有意義的，因為由此可以看出完美匹配情況下的教育不足和過度情況，這不是通過轉崗可以解決的，必須要通過教育的發展和職業結構的轉變才可以消化。

需要指出的是，此處的測算結果與劉金菊、馬文軍的測算結果[12，15]有很大差異：劉金菊的測算髮現我國高中的教育過度率有80%，本科及以上的教育過度率更是超過90%；馬文軍的測算結果是我國大學的教育存量過度率非常低，在1%～3%之間，相反中學教育的過度率比較高，在1%～9%之間。劉金菊的測算結果如此之高主要是由於其選取眾數作為各職業適度教育的標準帶來的，筆者通過對該方法的嘗試發現，當某個職業兩個教育程度的人數相差不大時，如果選用眾數作為標準，很容易出現非常高的教育過度率。而馬文軍的測算結果如此之低是由於其產出指標GDP一直非常高且增速很快，因此投入過度並不嚴重，而中學教育過度之所以高於大學則是因為測算的時間內雖然經歷了高校擴招，但中學教育由於是普及階段發展更快，因此從投入的角度中學教育年限比大學教育年限增長得更多更快，教育過度率也就更高。

過度教育者和教育不足者都分布在哪些職業呢？下頁表5是基於美國職業准入標準的我國2014年分職業的過度教育情況：單位負責人和生產運輸業的教育不足率非常嚴重，都高於50%，而辦事人員和商業服務業的教育過度率非常高，在50%左右。教育過度和教育不足的同時存在並且高於前面測算的完美匹配時的過度情況，這意味著人力資源的重新配置尤為重要。

以上基於美國的職業准入標準對中國的過度教育情況進行了測算和分析，需要指出的是這樣的測算在個別細分職業上可能存在一定的低估或高估，因為同一大類職業中的細分職業要求存在差別，籠統地採用統一標準會對準確性造成一定影響，但是這對於分析職業總體的教育過度情況仍然具有參考價值。

三、過度教育影響因素的計量分析

1.數據介紹及描述性統計

本文使用的微觀數據來源於第三期中國婦女社會地位調查，其個人調查主問卷的對象是調查標準時點上（2010年12月1日）全國除港澳台以外居住在家庭戶內的18-64周歲的中國公民。該調查採用按地區發展水平分層的三階段不等概率（PPS）抽樣方法選取樣本，共回收有效個人調查主問卷26171份。在分析數據之前，本文首先根據研究目的對樣本進行了篩選和整理，由於鄉村地區的教育水平較低，不太適合研究過度教育問題，故研究時只保留了城鎮的調查問卷。表6列出了被調查者的基本情況。

2.有序Probit模型回歸分析

哪些因素會影響個體的過度教育？影響的概率有多大？下面通過有序Probit模型進行回歸分析和邊際影響分析。教育—職業匹配分為教育不足、匹配、過度三種情況：1=教育不足；2=教育適配；3=教育過度。針對此類變數可以採用有序Probit模型。具體的有序Probit模型形式如下：

在有序Probit模型中，如果隨機擾動項與解釋變數是相互獨立的，那麼採用極大似然法（ML）估計方程就能得到回歸係數的一致估計量。

從回歸結果可以看出，性別、婚姻狀態、年齡、工作經驗、教育程度以及單位類型對教育—職業匹配的影響都是顯著的。第一，相對於男性，女性教育不足和匹配的概率分別低3.90%和0.77%，教育過度的概率高4.67%。第二，相對於未婚離異或喪偶，已婚者教育不足和匹配的概率分別高3.44%和0.99%，教育過度的概率低4.43%。第三，隨著年齡的增長，教育不足和匹配的概率分別降低0.55%和0.10%，教育過度的概率增加0.65%。第四，隨著工作經驗的增長，教育不足和匹配的概率分別增加0.72%和0.13%，教育過度的概率降低0.85%。第五，就教育程度而言，相對於初等教育程度，高等教育者教育不足和匹配的概率分別降低50.29%和21.75%，教育過度的概率增加72.04%；中等教育者教育不足和匹配的概率分別降低29.86%和22.49%，教育過度的概率增加52.35%。第六，就單位類型而言，相對於個體工商戶，在企業工作的人教育不足和匹配的概率分別高16.29%和2.09%，教育過度的概率低18.38%；在民辦非企業工作的人教育不足的概率高27.05%，教育匹配和教育過度的概率分別低10.78%和16.27%；在黨政機關及事業單位工作的人教育不足的概率高22.43%，教育匹配和教育過度的概率分別低1.10%和21.33%。

3.關於內生性問題的討論

考慮到個體存在不易觀測的異質性（如能力）會影響個人的受教育程度和教育—職業匹配，而在回歸分析時對這類變數的遺漏會產生內生性問題。為了將能力這種異質性從殘差中剝離出來，參照譚遠發的研究[17]將父母的教育年限作為個人教育程度的工具變數(14)。該工具變數通過了過度識別檢驗和弱工具變數檢驗，因此從計量角度也是一個合適的工具變數。表8呈現的是使用父母的教育年限作為工具變數回歸後的結果。過度教育是本文分析的重點，為了結果的簡明扼要，只討論過度教育和適度教育的情況。

值得注意的是，和有序Probit模型的回歸結果不同，婚姻變數的係數變為正，而年齡變數的係數變為負了。這意味著考慮到個人能力的異質性後，已婚者比未婚者更容易出現過度教育，年輕者比年長者更容易出現過度教育。弗蘭克（Frank）發現已婚女性作為家庭第二位養家者（男性是第一位的）要從屬於丈夫的決定，因此她們的流動性受到限制更可能出現過度教育[18]，另外已婚女性更重的家庭負擔會阻礙其尋求與教育水平匹配的工作；年輕人更多地尋求職業晉陞機會和職業流動因此更能接受短期的過度教育。之所以在控制了能力異質性後出現這種變化，是因為能力強的人更容易找到與自己教育水平匹配的工作，而能力弱的人被迫接受表面上的過度教育。此外，能力強的人在婚姻市場上也具有優勢，更容易進入婚姻；年長者有更多的時間和機會去從事與自己的教育水平相匹配的工作，過度教育發生率會下降。

四、結果與討論

本文採用了全新的過度教育測度方法，通過宏觀數據測度了我國各教育程度和各職業的教育過度率，並且可以將該測度應用於微觀分析，而已有研究都是宏觀與微觀分離的。根據本文的測度結果可以得出以下幾點結論。

從宏觀來看，第一，我國目前教育過度和教育不足兩種現象同時大量存在，至少有3341萬的大專及以上學歷的勞動者出現了過度教育，有2044萬的初中及以下學歷者存在教育不足，整體呈現出「高端過度、低端不足」的格局。第二，教育過度程度高低受到由產業結構所決定的勞動力市場需求結構的影響。雖然我國目前只有2/3的大專及以上學歷者能從事學歷—職業匹配的工作，存在高學歷者過度教育的事實，但不能因此否定或過分遏制我國高等教育的發展，因為人力資本和技術是經濟發展的先導因素，而隨著經濟的發展職業結構會相應改變。教育過度是教育水平對應於職業資質需求的相對概念，隨著專業技術人員佔比的增加和農林牧漁業人員佔比的下降，我國對高學歷人才的需求必然增加，過度教育的問題將得到緩解。雖然從短期來看過度教育給個人帶來收入懲罰，但長遠來看作為一種人力資本儲備方式卻是有利於經濟增長和產業轉型升級的。第三，高中教育水平的勞動者存在大量需求缺口，初中及以下勞動力的教育不足對中國經濟增長是一個非常不利的因素。我國生產運輸業超過一半的從業者是初中學歷，作為國民經濟發展的支柱行業，這部分勞動者的教育不足會嚴重影響生產運輸業的技術進步和轉型升級，因此繼續大力發展中等教育是我國當前教育發展中需要重點關注的問題。

從微觀來看，性別、年齡、婚姻等多種人口學因素都會影響過度教育。和劉金菊的研究結果[12]不同，本文發現女性的過度教育發生率高於男性，在考慮內生性後這一結果仍沒有變化。相對於男性，按照傳統分工女性通常從事的是職業要求和工作報酬較低的工作，繁重的家庭負擔也會阻止女性從事與其教育水平相匹配的工作，此外家庭帶來的流動性限制也使她們更可能出現過度教育。其他幾個影響因素的作用方向都與已有的結論是一致的。年長者更多的工作搜尋時間和提升機會大大降低了其過度教育的概率，另外其豐富的工作經驗對學歷的替代使職業的學歷要求不斷提升的時候其過度教育的概率下降。工作經驗和過度教育的負向關係也是基於這一原因。就單位類型而言，以個體工商戶為參照，企業和國有機關及事業單位的過度教育發生率都低於他們，個體工商戶多從事的是商業服務業，這類職業沒有嚴格的學歷要求，從業者的教育程度也比較低，不容易出現過度教育。就教育程度而言，高等教育大大增加了過度教育的發生率，中等教育次之，在高學歷職位需求有限的情況下，高學歷者只能低就並帶來學歷高消費擠壓一部分中等學歷者。

中華人民共和國人力資源和社會保障部網站.職業教育大有作為[EB/OL].http://www.mohrss.gov.cn/zynljss/gzjl/201506/t20150618_211564.htm

中國教育新聞網.「教育過度」是真問題，還是偽命題？[EB/OL].http://www.jyb.cn/pinion/pgypl/201503/t20150314_615778.html

基於我國教育機會不均等和勞動力市場分割的現實，這個假定是值得推敲的。

以單位負責人這一職業為例，當輸入的學歷要求為博士研究生時，出現了14780條招聘需求信息；當學歷要求變為碩士研究生時，有14776條招聘需求信息；當學歷要求變為大學本科時，有14744條招聘需求信息；當學歷要求變為大學專科生時，有12450條招聘需求信息；當學歷要求變為中等專科時，招聘需求信息銳減到4922條；當學歷要求變為職業高中時，縮減到3833條招聘需求信息；當學歷要求變為技工學校時，只有3700條招聘需求信息；當學歷要求變為普通高中時，只有3606條招聘需求信息；當學歷要求變為初中時，只有2212條招聘需求信息；當學歷要求變為小學時，只有1692條招聘需求信息。雖然也有少數單位負責人的崗位需求對學歷要求不高，但78%的招聘需求針對的是大學本（專）科及以上的學歷，基於此可以認為中國對單位負責人這一職業的學歷准入要求也是大學本（專）科，與美國是一致的，其他的職業也符合這一特點，為節省篇幅不一一列出了。參見：中國公共招聘網，http://www.cjob.gov.cn/index.html

由於目前中國鄉村的經濟和教育發展和美國還存在較大差距，後面的分析都是針對中國城鎮與美國的對比展開。中美職業分類存在一定的差異，在後面的表3中會對這種差異給出進一步說明和處理。

中華人民共和國人力資源和社會保障部，提高我國技術工人待遇推動「中國製造2025」[EB/OL].（2015-11-20）.http://www.mohrss.gov.cn/zynljss/gzjl/201511/t20151120_226136.htm

根據《中國勞動統計年鑒2004》，我國城鎮就業人員中單位負責人佔4.1%，專業技術人員佔15.1%，辦事人員佔18.2%，商業服務業人員佔20.9%，農林牧漁業人員佔15.8%，生產運輸業佔17.8%.與2014年的數據對比發現，這10年來辦事人員和農林牧漁業佔比都有下降，商業服務業和生產運輸業佔比明顯上升，這是製造業和第二三產業迅速發展的結果。

中國《2015年國民經濟和社會發展統計公報》顯示2015年全年研究生教育招生64.5萬人，在學研究生191.1萬人，畢業生55.2萬人；普通本專科招生737.8萬人，在校生2625.3萬人，畢業生680.9萬人；普通高中招生796.6萬人，在校生2374.4萬人，畢業生797.6萬人，高中階段毛入學率為87.0%。

網易新聞.五中全會：提高教育質量推動義務教育均衡發展：《國家中長期教育改革和發展規劃綱要（2010-2020年）》規定2020年高中階段毛入學率達到90%，十八屆五中全會決定推動義務教育均衡發展，普及高中階段教育[EB/OL].http://news.163.com/15/1029/18/B747VS7R0001124J.html

(11)截至2009年底，全國15歲以上人口平均受教育年限接近8.9年；主要勞動年齡人口平均受教育年限為9.5年，其中受過高等教育的比例為9.9%；新增勞動力平均受教育年限達到12.4年。參見：http://www.mohrss.gov.cn/zynljss/gzjl/201407/t2014075_133930.html

(12)也有說八大類，軍人、不便分類的其他從業人員這兩類人數較少，通常不予考慮。

(13)事實上這個值會更高，因為這是基於各教育程度的就業者與其職業完美匹配（如高中教育程度者從事辦事人員和有關人員大類、生產運輸設備操作人員大類這兩大類職業）得出的值，但在現實中存在一部分高中教育程度者從事的是學歷准入要求是本科學歷的工作（單位負責人和專業技術人員），這會使教育適配率下降，教育過度者和不足者都進一步增多。

(14)研究表明父母能力的55%-60%可以通過基因遺傳給子女，另外父母教育可直接影響子女教育，而父母的教育與子女的教育過度沒有直接關係。參考：PLUG E，VIJVERBERG W.Schooling,family background,and adoption:is it nature or is it nurture?[J].Journal of Political Economy,2003,111（3）:611-641; BLACK S E,DEVEREUX P J.Recent developments in intergenerational mobility[R].NBER Working Paper No.15889,2010。

參考文獻：

[1]RUMBERGER R W.The impact of surplus schooling on productivity and earning[J].Journal of Human Resources,1987,22(1):24-50.

[2]MCGOLDRICK K M,ROBST J.Gender differences in overeducation:A test of the theory of differential overqualification[J].American Economic Review,1996,86(2):280-284.

[3]GREEN F,MCINTOSH S.Is there a genuine under-utilization of skills amongst the over-qualified?[J].Applied Economics,2009,39:427-439.

[4]CLOGG C C,SHOCKEY J W.Mismatch between occupation and schooling:A prevalence measure,recent trends and demographic analysis[J].Demography,1984,21(2):235-257.

[5]OLIVEIRA M M D,SANTOS M C,KIKER B F.The role of human capital and technological change in overeducation[J].Economics of Education Review,2000,19(2):199-206.

[6]LEUVEN E,OOSTERBEEK H.Overeducation and mismatch in the labor market[J].Handbook of the Economics of Education,2011(4):283-326.

[7]李鋒亮，岳昌君，侯龍龍.過度教育與教育的信號功能[J].經濟學(季刊)，2009(2)：569-580.

[8]李駿.中國高學歷勞動者的教育匹配與收入回報[J].社會，2016(3)：64-83.

[9]羅潤東，彭明明.過度教育及其演變趨勢分析——基於CGSS受高等教育職員的調查[J].經濟社會體制比較，2010(5)：173-179.

[10]張冰冰，沈紅.過度教育的收入效應[J].復旦教育論壇，2016(3)：87-93.

[11]董延芳，劉傳江，胡銘.農民工的過度教育與收入效應的統計考量[J].統計與決策，2012(9)：104-106.

[12]劉金菊.中國人口的教育過度：水平、趨勢與差異[J].人口研究，2014(5)：41-53.

[13]代馨.過度教育發生率及其影響因素的實證分析[J].雲南財經大學學報，2016(3)：81-91.

[14]陳昊.出口貿易與學歷誤配：緩解還是加劇？——基於多工具變數法的經驗研究[J].財經研究，2014(3)：42-51.

[15]馬文軍.擴招以來的大學教育存量過度測度[J].教育發展研究，2015(zl)：6-11.

[16]袁富華，張平，陸明濤.長期經濟增長過程中的人力資本結構——兼論中國人力資本梯度升級問題[J].經濟學動態，2015(5)：11-22.

[17]譚遠發.父母政治資本如何影響子女工資溢價：「拼爹」還是「拼搏」？[J].管理世界，2015(3)：22-33.