(3.239.192.241) 您好!臺灣時間:2021/03/02 19:43
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳增達
研究生(外文):Zeng-Da Chen
論文名稱:台灣教育報酬率估計—以九年國教為工具變數之應用
論文名稱(外文):Estimating Returns to Schooling in Taiwan—Using Instrument Variable Based on Nine—Year Education Program
指導教授:許聖章許聖章引用關係
指導教授(外文):Sheng-Jang Sheu
學位類別:碩士
校院名稱:國立高雄大學
系所名稱:應用經濟學系碩士班
學門:社會及行為科學學門
學類:經濟學類
論文種類:學術論文
論文出版年:2010
畢業學年度:98
語文別:中文
論文頁數:65
中文關鍵詞:教育報酬率內生性工具變數
外文關鍵詞:Returns to SchoolingEndogeneityInstrument Variable
相關次數:
  • 被引用被引用:1
  • 點閱點閱:446
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
傳統的OLS估計平均教育報酬率,因教育選擇變數與誤差項中個人能力沒有相互獨立,且在資料上我們也缺乏個人家庭背景與能力之代理變數,來控制個人能力的差異,而導致估計結果產生偏誤。本文試圖解決此內生性問題,並期望估計出較準確的平均教育報酬率。本文運用普通最小平方法與兩階段最小平方法估計平均教育報酬率,運用與九年國教相關的工具變數,分別為九年國教前後世代的虛擬變數以及各縣市國中學校數、班級數與學生人數的密度,
本研究使用「人力運用調查」1978-2008年選取1948-1952年(九年國教實施前之世代)與1956-1960年(九年國教實施後之世代)的出生世代作為本文的研究對象。研究結果顯示OLS估計結果約為3.1%,九年國教後之世代之教育報酬率3.15%大於九年國教前之世代的2.94%。使用九年國教前後世代的虛擬變數為工具變數估計之平均教育報酬率為5.3%。若使用台灣各縣市國中班級數的密度作為工具變數,則估計之教育報酬率約為4.2%。我們使用工具變數法估計之平均教育報酬率均高於OLS所估計之結果。
Traditional OLS estimates of returns to schooling are subject to ability bias, due to the presence of unobservable innate abilities which are correlated with schooling and also correlated with wages. It is difficult to obtain family background variables or proxy variables to control innate ability. The 2SLS method is used in this study to overcome the endogeneity bias. Instrumental variables applied include the binary compulsory schooling dummy and the ratios of the number of schools, classes or pupils in junior high level to the number of children aged 12-14.
The data comes from the 1978-2008 Manpower Utilization Survey. A subsample including both of 1948-1952 cohorts (pre-policy cohort) and 1956-1960 cohorts (post-policy cohort) mainly are used to estimate the return to schooling. The OLS estimate of returns to schooling is 3.1% for the whole sample. Using the subsample, the OLS estimate of the returns to schooling is 3.1%. In addition, the OLS estimate of the return to schooling is higher for post-policy cohort (3.15%) than pre-policy cohort (2.94%). After correcting the endogeneity bias, the 2SLS estimates of the returns to schooling is 5.3% and 4.2% based on binary compulsory schooling dummy and the ratio of the number of classes in junior high level to the number of children aged 12-14, respectively.
目錄
致謝詞…………………………………………………………………………………………I
中文摘要……………………………………………………………………………………...II
英文摘要………………………………………………………………………………….....III
目錄…………………….……….………………………...…….....……...…………………IV
表目錄……………………….………………………………...…………….………………VI
第一章 緒論……………………..……………..………………….………………………….1
第一節 研究動機…………………………………………………………………...............1
第二節 研究目的…………………………………………………………………………...3
第三節 論文架構…………………………………………………………………………...3
第二章 文獻回顧…………………………………………………………………………..…4
第一節 九年國民義務教育政策的影響層面…………………………………………..….4
第二節 台灣教育人力資本實證……………………………………………………..…….6
2.2.1教育擴張對教育報酬的影…………………………………………………….……6
2.2.2 高等教育的快速擴張………………………………………………………………7
第三節 使用工具變數法估計教育報酬…………………………………………………...8
2.3.1 國外相關文獻………………………………………………………..……………..8
2.3.2 國內相關文獻………………………………………………………………...…….9
第四節. 台灣平均教育報酬率估計……………………………………………….……..10
第三章 九年國民教育之實施與背景探討………………………………………….…….13
第一節 背景探討………………………………………………………………….……….13
第二節 各縣市之就學機會概況…………………………………………………….……16
第四章 實證模型……………………………………………………………………….…...20
第一節 普通最小平方法(OLS) …………………………………………………………20
第二節 二階段最小平方法(2SLS) ……………………………………………...………21
第三節 工具變數的有效性(validity) ……………………………………………...……..22
第五章 資料與變數說明…………………………………………………...……………….24
第一節 資料來源與選取……………………………………………………...…………..24
第二節 變數說明………………………………………………...………………………..24
第三節 資料特性………………………………………………………………...………..25
第六章 實證結果與分析......................................................................................................29
第一節 普通最小平方法(OLS)估計結果..........................................................................29
第二節 二階段最小平方法(2SLS)……………………………….……………………………………………………………………………..36
6.2.1 九年國教前後1948-1952年與1956-1960年之出生世代的虛擬變數...................36
6.2.2 九年國教前後1951-1955年與1956-1960年之出生世代的虛擬數.......................38
6.2.3 使用各縣市國中校數的密度為工具變數…………………………………….….41
6.2.4 使用各縣市國中班級數的密度為工具變數..........................................................43
6.2.5 使用各縣市國中學生人數的密度為工具變數......................................................46
6.2.6 小結………………………………………………………………………………..46
第七章 結論..........................................................................................................................49
參考文獻…………………………………………………...………………………...…........52
附錄………………………………………………………………...…………...……………56






表目錄
表2-1 台灣平均教育報酬率估計整理……………………………………………………..12
表3-1 國民小學升學率及學齡兒童就學率………………………………………………..13
表3-2 各出生年之出生世代最高學歷為小學以下比率…………………………………..16
表3-3 1968-1972年各縣市班學校數與班級級數比較.........................................................18
表3-4 九年國民義務教育實施後各縣市國中班級數與12-14歲人口之比值…...............19
表5-1 全部樣本敘述統計量分析…………………………………………………...............27
表5-2 九年國教前後世代敘述統計量分析與比較………………………………………..28
表6-1 OLS之估計結果………………………………………………...…………………….31
表6-2 九年國教前代之教育報酬率的差異…………………………………..…………….33
表6-3 九年國教前後出生世代OLS之估計比較結果……..……………………………….33
表6-4 1978-2008年全部樣本之OLS之估計結果…………………….…………….………35
表6-5 1948-1952年與1956-1960年之世代二階段最小平方法估計結果………………….37
表6-6 1951-1955年與1956-1960年之世代二階段最小平方法估計結果.............................40
表6-7 各縣市國中校數的密度為工具變數之二階段最小平方法估計結………………..42
表6-8各縣市國中班級數的密度為工具變數之二階段最小平方法估計結………………44
表6-9各縣市國中學生數的密度為工具變數之二階段最小平方法估計結果……………47
中文部份
中華民國台灣人口統計,1968-1972年,內政部。
方炎明(1988),〈九年國民教育實施二十年,台北〉,教育部國民教育司。
台灣省教育統計,1968-1972年,台灣省政府教育廳。
台北市教育統計,1968-1972年,台北市政府主計室。
台閩地區六十一年戶籍人口報告書,內政部。
李靜洵(2009),〈台灣的教育報酬率-兼論高等教育擴張之影響〉,國立清華
大學經濟學系研究所。
林知儀 (2002),〈九年國教對代間所得相關性的影響〉,國立台灣大學經濟學研究所。
林倩如 (2007),〈高等教育值得投資嗎? 研究所教育報酬之探討〉,國立中央大學經濟學系研究所。
吳慧瑛 (2002),〈二十年來教育發展之經濟評估,1978-2001〉,《台灣經濟預測與政策》,第33卷,第2期,頁97-130。
邱麗芳 (2004),〈台灣地區大學教育報酬率時間變化趨勢分析〉,國立中央大學產業經濟研究所。
紀乃加 (1998),〈工資結構與教育報酬率之研究〉,國立中央大學產業經濟研究所碩士論文。
符碧真 (1996),〈教育投資報酬率長期變化之剖析-以我國教育發展個案為例〉,《教育研究資訊》,第4卷,第1期,頁82-99。
許碧峰 (2004),〈台灣大專教育溢酬、性別薪資差異與勞動者未觀察到能力報酬之變化〉,《經濟論文叢刊》,第32輯,第2期。
莊奕琦與賴偉文 (2008),〈影響教育成就的因素及九年國民義務教育政策效果評析: 台灣實證〉,《人文及社會科學集刊》,第20卷,第1期。頁25-65。
廖茂榮 (2002),〈教育投資與薪資所得之實證模型驗證〉,東吳大學經濟學研究所碩士論文。
賴偉文 (2008),〈教育報酬、工資不均與異質人力資本的研究〉,國立政治大學經濟學研究所博士論文。
英文部分
Angrist, J. D. and A. B. Krueger (1991), “Does Compulsory Schooling Attendance after Schooling and Earning?” Quarterly Journal of Economics,106(4), 979-1014.
Becker, G. S., K. M. Murphy, and R. Tamura (1990), “Human Capital, Fertility and Economics,” Journal of Political Economy, 98, S12-S37.
Becker, G.. S. and N. Tomes (1979), “An Equilibrium Theory of the Distribution of Income and Intergenerational Mobility,” Journal of Political Economy,87, 1153-1189.
Bound, J. D., A. Jaeger, and R. Baker (1995), “Problems with Instrumental Variables Estimation When the Correlation between the Instruments and the Endogenous Explanatory Variable is Weak,” Journal of the American Statistical Association, 90, 443-450.
Card, D. (1995), “Using Geographic Variation in College Proximity Estimate the Return to Schooling,” In Aspects of labor market behavior Essays in honour of John Vanderkamp, Toronto; Buealo and London: University of Toronto Press, 201-222.
Card, D. (1999), “The Causal Effect of Education on Earnings,” In Ashenfelter,
O. and D. Card, (eds) Handbook of Labor Economics, Volume 3A,Amsterdam: Elsevier.
Clark, D. E. and Chang-Tai Hsieh (2000), “Schooling and Labor Market Impact of the 1968 Nine –Year Education Program in Taiwan ,” Unpublished.
Chou, Shin-Yi, Jin-Tan Liu, Michael Grossman, and Ted Joyce (2010), “Parental
Education and Child Health: Evidence from a Natural Experiment in Taiwan,” America Economics Journal, 2(1), 33-61
Duflo, E. (2001), “Schooling and Labor Market Consequences of Schooling in
Indonesia: Evidence from an Unusual Policy Experiment,” American Economic Review, 91(4), 795-813.
Gindling, T. H., Marsha Goldfarb, and Chun-Chig Chang “Changing Returns to Education in Taiwan: 1978-1991,” World Development, 23(2), 343-356.
Harmon, C. and I. Walker (1995), “Estimates of the Economic Return to Schooling
for the UK,” American Economic Review, 85, 1279-1286.
Hausman, J. (1978), “Specification Test in Econometrics,” Econometrica, 46(3),262-280.
Heckman, J. J. and E. Vytlacil (2000), “Local Instrumental Variables,” in C.Hsiao, K. Morimune, and J. Powells, (eds), Nonlinear Statistical Modeling: Proceedings of the Thirteenth International Symposium in Economic Theory and Econometrics: Essays in Honor of Takeshi Amemiya, Cambridge: Cambridge University Press, 1-46.
Oreopoulos, P. (2007), “Do Dropouts Drop Out Too Soon? Wealth, Health, and
Happiness from Compulsory Schooling,” Journal of Public Economics 91, 2213–2229.
Patrinos, H. and C. Sakellariou (2005), “Schooling and Labor Market Impacts of
a Natural Policy Experiment“Labour,”19(4), 705-719.
Pischke, Jorn-Steffen and Till von Wachter (2008) “Zero Returns To Compulsory Schooling Germany: Evidence And Interpretation,” The Review Of Economics And STATISTICS, 592-598.
Psacharopouls, G. (1985), “Return to Education: A Further International Update and Implications,” Journal of Human Resources, 20(4), 583-604.
Spohr, C. A. (2003), “Formal Schooling and Workforce Participation in a Rapidly Developing Economy: Evidence from‘Compulsory’Junior High School in Taiwan,” Journal of Development Economics, 70(2), 291-327.
Schultz, T. P. (1993), “Investments in the Schooling and Health of Women and Men: Evidence from microdata,” Journal of Human Resources, 28(4), 694-734.
Steiger, D. and J. H. Stock (1997), “Instrumental Variables Regression with Weak Instruments,” Econometrica, 65(3), 557-586.
電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔