杨希理工科研究生博士升学意愿的影响因素研究.docx
《杨希理工科研究生博士升学意愿的影响因素研究.docx》由会员分享，可在线阅读，更多相关《杨希理工科研究生博士升学意愿的影响因素研究.docx（17页珍藏版）》请在冰点文库上搜索。
杨希理工科研究生博士升学意愿的影响因素研究
理工科研究生博士升学意愿的影响因素研究
——对科技人力资本投资“低技能”陷阱的探索
摘要：
科技人才是技术创新和经济发展的重要推动力。
然而研发市场规模限制和收益偏低的状况，可能阻碍科技人力资本投资，使得某些领域或地区维持在“低技术”均衡当中。
本研究考察了理工科博士教育投资的影响因素，试图了解我国最高层次的科技人力资本是否面临着投资不足的困境。
研究发现在读博机会成本较高，而博士规模相对较小的行业，研究生的博士升学意愿较低。
这些领域包含一些高新技术产业领域，可能出现高层次科技人力资本投资不足的问题。
而在基础研究领域，学业成绩较好的学生升学意愿较低，这可能不利于保障基础研究领域的人才质量。
最后，研究探索了教育财政资助对改善“低技术”均衡的可能。
关键词：
科技人力资本投资；研究生教育；高等教育财政
一、引言
发展科技人力资本是技术进步和经济发展的重要推动力之一，也是中国中长期人才发展规划战略的重要内容。
新经济增长理论指出，经济体系通过研发和人力资本的发展，可以突破劳动力和资本的限制，实现经济的长期增长（Lucas，1988；Romer,1990）。
在这一增长机制当中，理工科人力资本投资是技术创新的内生性的环节之一。
高水平的发展能够带来更大的研究与开发市场，进而吸引更多的人才投入到科技人力资本投资当中。
然而科技人力资本的累积在一些技术创新较为薄弱的地区或产业领域却可能存在“低技能，低质量”的陷阱。
Redding（1996），Arcmoglu（1997）分析了人力资本投资和科技创新之间的关系时发现，由于存在市场失灵问题，经济发展可能存在多重均衡。
对于一些地区或一些领域，可能维持在较高水平的创新和人力资本投资的均衡点，而有些地区或领域的研发创新和人力资本投资维持在一个“低质量、低技术”的陷阱：
一方面，研发创新的市场规模有限，个人预期进行科技人力资本投资的收益较低，从而造成科技人力资本投资不足；另一方面，产业预期无法获得高质量的研发人才，在研发创新上难以取得优势，因此在研发创新的投入也相对较小。
某些落后的国家地区或技术更新滞后的产业可能会处于这一发展的恶性循环当中，从而难以追赶上和发达国家的技术创新和经济发展水平。
这种科技人才投资的“低技能”陷阱在理工科博士教育阶段尤为值得关注。
博士教育培养最高层次研发创新人才，他们在新知识创造及传播方面发挥了主要功能。
然而，理工科博士教育投资可能面临着投资收益率偏低的问题：
一方博士教育期限长，完成难度大，教育投入成本高；另一方面，一些调查研究却显示，我国的博士毕业生的收益偏低，2007年对全国所有博士培养单位和部分用人单位开展了博士质量调查统计显示，月收入低于5000元的博士占调查总数的80.9%（蔡学军等，2011）;有研究甚至发现我国的博士教育投资收益率为负的状况（孟东军，褚超孚，2004）。
这种教育投资收益率偏低的状况可能使得理工科的博士教育投资不足。
此外，面临着发达国家地区有更高收益的的研发市场，我国理工科博士存在大量外流的状况，如果不能保证本国理工科博士在规模上和质量上的补充，也可能陷于科技人才的低技能陷阱，无法实现科技进步和经济的长期发展。
在发展科技人才时，首先需要了解我国是否面临着科技人力资本投资的“低技能”问题。
然而，由于对博士群体的调查有限，大部分实证研究没有对博士教育投资的收益率进行准确估计，因此很难了解市场对个人教育投资可能造成的影响。
本研究将填补这一研究空白，从理工科研究生对博士教育投资意愿的角度来探索“低技能”陷阱在中国高层次科技人力资本形成过程中是否存在。
研究具体将探讨三类问题：
（1）是否研发市场的收益及博士规模会影响理工科研究生的博士教育意愿？
（2）是否更高质量的理工科学生倾向继续博士教育，不同市场因素对高质量学生的博士升学意愿有何影响？
（3）教育财政资源投入对理工科研究生的升学意愿有何影响？
以下第二章将从入学选择理论的角度来建构本研究的分析框架；第三章对计量方法及分析样本进行说明；第四章陈述实证研究结果；最后对研究的结果进行探讨。
二、入学选择理论
研究教育投资选择的理论主要有经济学和社会学两方面视角。
经济学从人力资本投资理论出发，认为个人投资教育能够带来未来货币和非货币的收益，如更高的收益，福利，工作条件，身体健康等。
成本分为直接成本和间接成本：
直接成本包括高等教育的学费、住宿费、书本费等，间接成本又称为机会成本，它是指个人因投入高等教育放弃工作的收入或闲暇带来的效用。
每个学生教育选择的过程就是比较各个选择成本和收益的过程。
当预期收益高于预期成本时，学生会选择进入高等教育（Becker,1962,1993；Carnoy,1995）。
社会学视角的入学选择则从一些社会因素，如社会资本和文化资本，来解释高等教育入学选择行为（McDonough,1997；Terenzini,Cabrera,andBernal,2001）。
Perna（2006）结合经济学和社会学两方面的视角，构建了一个综合的高等教育入学选择理论框架。
这个框架的核心仍然是人力资本投资理论，个人教育投资选择是对预期的成本和收益进行比较而形成的。
个人教育投资的预期收益和预期成本最直接受到高等教育需求和供给的资源影响。
学业成绩较高，学业准备较好的人通常预期其通过教育能够获得更高的收益，同时花费学习努力的成本更低。
家庭收入较高的学生或得到学生资助的学生可能预期高等教育的投入的直接成本较低。
与传统的人力资本分析模型不同的是，个人对收益和成本预期的形成会受到四个层次的社会背景因素影响。
第一层为个人的惯习，它是指影响大学选择的个人因素，包括人口特征，如性别、种族、社会经济背景，也包括文化和社会资本。
第二个层为学校及社区背景，它可以理解为组织惯习（organizationhabitus）,是指组织的社会结构或资源对个人入学造成的影响，如对所在学院有较强的学术氛围，提供给学生更多的博士生的信息和资源支持，可能有助于促进学生的教育选择。
第三层为高等教育机构背景，包括高等教育机构提供的信息、录取要求、地理位置、规模等因素。
第四层为社会经济和政策环境。
大学选择直接或间接地受到这些外部环境的影响，如人口增长和经济形式的改变，新的公共政策的实施等。
图2.1博士升学意愿的多层影响因素理论框架图
结合Perna提出的入学选择理论框架及研究关注的问题，本研究对理工科读博意愿形成构建了以个人和专业为分析为主要分析层次，以科技研发市场及高校科研财政拨款体系为背景层次的模型，见图2.1。
第一层为个人层次，主要关注两方面因素：
一是学生的学业成，它对个人读博意向可能有两方面的影响。
一方面学业成就较高的学生可能预期博士教育投资的获得更高收益，并且其学业投入的成本也较低，因此更倾向继续就读；但另一方面，学业成就较高的学生读博士需要放弃的机会成本也相应跟高，并且面临着博士教育投资后的收益风险，因此也可能更不倾向继续就读。
第二个因素是家庭的社会经济背景，根据Perna的入学选择理论，家庭社会经济背景较好的个人将更倾向投资更多教育。
第二层次为学生的专业层次，这一层次的部分因素受到第四层次研发市场的影响：
研发市场的硕士生收入将使得各个专业的硕士毕业生形成博士教育的机会成本的预期；研发市场博士和硕士比例则使得学生形成博士教育投资获得收益概率的预期。
专业层次的因素也受到所在高校和国家教育科研政策的影响，有些专业获得的财政支持力度较大，博士教育的质量更高，则个人将预期在这一专业读博士预期收益更高；有些专业提供的博士生资助水平较高，降低了个人预期的教育成本，也可能促进入学意愿的形成。
本研究主要关注主要考察以下理论假设：
假设一：
对应行业硕士收益越高的专业，学生的博士升学意愿越弱；
假设二：
对应行业博士相对规模越高的专业，学生的博士升学意愿越强；
假设三：
对应行业硕士收益越高的专业，学业成就越高的学生博士升学意愿越弱；
假设四：
对应行业博士相对规模越高的专业，学业成就越高的学生博士升学意愿越强；
假设五：
对应专业综合质量越高，学生的博士升学意愿越强；
假设六：
对应专业的博士生资助水平越高，学生的博士升学意愿越强。
三、分析方法
1.计量方法
根据理论框架，博士升学意愿不仅仅是个人选择，而是嵌套在专业、高等教育机构以及市场和政策环境当中，具有多层结构，并且不同层之间的要素也可能发生交互作用。
传统的线性模型假设随机扰动项具有同方差和互相独立的特点，然而在多层结构当中可能不满足这一要求。
比如同一专业的同学在读博意愿上的差异可能更小，同组内的抽样可能就不独立，而不同组件的方差可能不相同，这些问题可能造成有偏的参数估计。
为了改善改善传统一层模型的系数估计偏差问题，本研究将采用一个二层的Logistic模型来分析个人读博选择的影响因素。
这一方法通过引入随机截距项和随机斜率，在能一定程度上能够改善传统一层回归模型的估计偏差；这一方法还可以为我们了解专业层面和因素对个人读博选择产生多大的影响；此外，多层方法检验斜率项是否为随机的，比如不同学业成就对学生读博选择的影响在不同专业可能不同。
研究采用的计量模型如下：
（1）
其中Pij表示专业j的学生i有读博意向的概率。
X1ij代表学生的学业成就相关的解释变量；X2ij代表学生的家庭经济状况。
Z1ij和Z2ij是第二层专业变量，包括行业研发平均收益、专业对应行业的博士/硕士比例，研究生专业排名得分。
这些因素影响了第一层的斜率项，Z1ij则影响了第一层的截距项。
如果系数
和
显著，则说明专业层面的因素对学生读博意向造成了显著影响。
如果系数
显著，则说明专业层面的因素Z1ij和对不同学业成就的学生读博意向有所影响。
在进一步的分析中，将结合模型
（1）的结果选取博士生教育投资意愿相对较低的子样本，考察所在专业的博士生资助差异对学生读博选择是否造成了影响。
计量模型见模型
（2），大部分模型设置同模型
（1）一致，但在第二层的模型中加入了各个专业对应的博士生资助平均值Aij。
本研究关注的系数
，它反映了博士生资助对读博意向的影响，系数
反映了博士生资助对不同学业成就学生的影响。
（2）
2.样本
本研究的样本来自2008年由北京大学教育所开展的《首都高校学生发展调查》中的研究生样本。
该调查采取的是分层抽样方法，北京高校的研究生机构分为了985高校，211高校和一般普通高校三类，抽取各类学校的比例与所在类别占北京研究生院校总体比例接近。
各所高校中根据其研究生规模，随机抽取了50-200名研究生，分布于人文、社会科学、理工科、医学和农业专业。
数据库总共包含了8117名有效样本。
本研究选取了其中理学、工学、农学和医学专业的研究生，采用简单个案删除法，最后用于本研究分析的样本共2282名自然科学类的研究生。
表3.1变量说明及描述性统计表
变量名
变量说明
比例
均值
二分变量
毕业意向
1：
在国内进行博士教育；0：
就业
13.19%
专业成绩排名
1：
专业排名前10%；0：
排名后90%
23.44%
科研论文发表
1：
有发表期刊或会议论文；0：
无论文发表
23.01%
专业质量等级
1：
高质量等级专业；0：
其他
37.38%
连续变量
家庭社经地位
对父亲教育水平、父亲职业和家庭年收入三个等级变量进行主成分因子分析计算。
-0.0319
行业硕士收入预期
专业对应行业平均年劳务费（万元）
8.370256
行业博士硕士比例
专业对应行业研发人员中博士和硕士比例
0.533799
专业博士平均资助
利用博士生样本计算各专业博士资助（千元）
9.47735
各变量计算方法及描述性统计见表3.1。
二分变量有四个：
（1）学生的毕业意向只考虑两类选择：
国内读博士或就业，而不包含出国读博士的群体。
13.19%的学生有读博士的意向。
（2）专业成绩排名为学生自我汇报其上一年度在本专业的成绩排名，其中23.44%排名在前10%。
（3）科研论文发表也为自我汇报的科研表现，其中23%的研究生有发表期刊或会议论文。
（4）专业质量等级是根据武书连《中国研究生教育评价报告2007-2008》当中一级学科排名换算而得，这一排名将不同学校的研究生专业办学资源、教学和科研产出、质量和学术影响三个方面共22个指标对各校各专业进行评分，并汇报A+，A，B+，B和C五个等级的专业和院校名称。
由于调查中大部分样本来自985和211类高校，因此专业排名普遍偏高，本研究中将最高级的A+级作为高质量专业组。
本研究还涉及了四个连续变量，分别为：
（1）家庭社经地位。
该指标是根据主成分因子分析后合成的指标，因子包含受访学生汇报的父亲教育水平、父亲职业和家庭年收入三个等级变量。
（2）行业硕士收入预期是根据《第二次全国R&D资源清查资料汇编》中对2008年各个行业和学科的研发劳务费、研发人员构成计算而得。
丁小浩等（2012）对中国教育教育收益率研究中，估计2008年的净收益率为7.36%。
本研究采取这一数值，根据劳务费总额及不同学历层次研发人员构成，估算出了研究生层次对应的劳务费，平均为8.37万元/年。
（3）行业博士/硕士比例根据《全国R&D清查资料汇编》中各个行业和学科中从事研发的博士生和硕士规模计算得出，平均值为0.53。
（4）专业博士平均资助金额根据《首都高校学生发展调查》中的理工科博士生样本，分一级学科专业计算出均值，然后对应到硕士生样本而得。
平均博士生资助额约为9477元。
四、分析结果
（1）自然科学专业研究生读博意愿的影响因素
根据方程
（1）逐步加入不同层次的变量，表4.1汇报了五个模型分析的结果。
表4.1研究生博士升学意愿影响的多层分析
M1
M2
M3
M4
M5
解释变量
机会比
机会比
机会比
机会比
机会比
个人层面因素
家庭社会经济背景
1.130
1.122
1.129
1.124
专业成绩排名
1.282+
1.292+
0.762
1.533*
科研论文发表
1.114
1.114
1.116
1.114
专业层面因素
专业质量得分
1.288+
1.287+
1.285+
行业硕士收入预期
0.962**
0.950*
0.957**
行业博士硕士比例
1.319**
1.363**
1.383**
行业硕士收入*专业排名
1.072*
博硕比例*专业排名
0.770+
个人层随机项方差
3.2865
3.2865
3.2865
3.2865
3.2865
专业层随机项方差
0.3331
0.3414
0.1735
0.1757
0.1737
专业层成绩排名随机项
2.36e-20
4.55e-17
LR检验P值
0.0000
0.0000
0.0011
0.0075
0.0090
专业差异占总差异比例
9.20%
9.41%
5.01%
5.07%
5.02%
样本数
2282
2282
2282
2282
2282
模型M1为没有加入任何自变量的零模型（NullModel），也称方差分解模型。
从分析结果看，专业层面的因素解释了约9.2%的个人读博意愿差异。
卡方检验结果显示这一专业层的差异相对总体差异是显著的，支持采用多层Logistic模型进行分析。
模型M2中只加入个人层面的因素进行分析发现，学生的家庭社会经济背景对读博意愿没有显著的影响，这说明了学生在读博选择时，预算约束并没有对教育投资造成显著影响。
学业成就因子对个人选择读博意向有显著的影响。
控制其他因素，研究生专业排名前10%的学生有读博意向的概率是排名后90%学生的1.282倍。
科研论文发表对研究生读博意愿却并没有显著的影响。
模型M3中加入了专业层面的因素，可以看到专业层的随机项方差减少到0.1735，加入的专业层因子解释了读博意愿差异的49%。
系数检验结果表明，研发市场因素对理工科研究生的读博意愿有显著的影响。
行业硕士平均收入越高的专业，学生越不倾向继续读博士。
这符合人力资本投资理论的观点，机会成本越高，学生越倾向不选择继续读博士。
另一方面，行业中博士/硕士比例越高，个人投资博士教育的意愿越强，这意味着在一些博士规模相对较小的行业，研究生的确更不倾向更多的教育投资。
这一结果意味着理工科博士教育投资当中存在“低技能”陷阱，研发市场规模限制了个人投资的意愿。
值得注意的是，学生所在院系在综合质量上的得分越高，学生选择读博士的意愿越强：
控制其他因素时，所在专业排名在A+的理工科生有意愿读博士的几率是其他专业排名更低的学生的1.29倍。
这意味着提高研究生教育质量能够一定程度改善科技人才投资不足的状况。
模型M4对专业排名因子的斜率引入了随机项以及和行业收入的交互，考察行业收入对不同学业成绩硕士生的读博意愿影响。
系数检验显示，控制其他因素，在行业收入相对较高的专业，学业排名前10%的学生有显著的博士教育投资意向。
加入随机截距项后，学生的研究生成绩对其读博意向的影响不再显著，说明在行业收入较低的领域，虽然学生更倾向读博士，但硕士成绩较好的学生并没有显著更强的读博意向。
模型M5也对专业排名因子的斜率引入了随机效应，对行业博士硕士比例和学业排名进行交互后发现，在博士规模相对较高的领域，学业质量较高的学生反而更不倾向选择读博士。
而在博士规模相对较低的领域，越是学业排名高的学生越倾向继续读博士。
（2）博士生资助对学生读博意向的影响
根据以上分析结论，我们可以了解到在市场硕士收益较高，博士/硕士比例较小的专业领域的领域，理工科博士就读倾向较低，可能存在高技能人才投资规模不足的问题。
在行业博士/硕士比例相对较高的领域，成绩越好的学生则越不倾向继续读博士，这可能造成生源质量的问题，进而影响到这些领域的科技人才及科研创新的质量。
政府利用财政手段来协调人力资本投资可能在一定程度上改善这一状况。
这里有两种方面可以采取的方式：
一是对科技研发的劳动力市场进行财政补贴，比如提高博士研发人员的规模，增加博士相对硕士研究生的收入等。
然而，一些经济学家认为对教育的直接补贴将是更加有效的。
Romer（2000）指出，由于学生进行专业选择时信息不完全，对科技劳动者的工资提高反应不敏感，科技劳动力供给曲线的弹性较低。
因此研发补贴政策可能只是提高了平均工资水平，而不能有效增加劳动力供给。
Grossmann（2007）则指出，由于公立教育系统存在拥挤效应（CongestionEffect），提高的R&D补贴将提高科技教育投资的需求，但在公立教育资源有限的情况下可能导致人力资本培养质量的下降。
是否对博士教育的补贴能够促进教育投资规模及质量呢？
以下分析根据第一部分的结论，选择了两个子样本来进一步探索这一问题。
表4.2模型M6选择行业对应博士/硕士比例低于平均值的子样本A，共1802名研究生。
我们在专业层面的因素中加入了所在专业的对应的博士生平均资助金额，并将博士生资助与学生的学业成绩进行交互。
分析结果显示，控制其他因素时，博士生平均资助提高并不能显著提高学生的读博意愿，但资助越高的专业，成绩排名前10%的学生比其他学生选择读博的概率显著高出0.137倍，意味着提高所在专业的资助对高质量学生形成读博意愿有一定的促进作用。
表4.2模型M7中选择的子样本为行业硕士收入高于平均值的样本，共1147名。
这些领域存在博士投资意愿相对较低的问题，但成绩较好的学生更倾向读博士。
在分析中我们只加入了博士资助的影响，而没有将资助与学生成绩进行交互。
分析结果显示博士资助提高虽然提高了学生就读意愿，但影响并不显著；反而是学生硕士阶段的成绩排名和科研表现更有助于促进这些领域的学生形成读博意向。
表4.2不同专业博士生资助平均水平对读博意向的影响
M6
M7
机会比
机会比
个人层面因素
家庭社会经济背景
1.122
1.193
专业成绩排名
0.421
1.505+
科研论文发表
1.205
1.446+
专业层面因素
学科所在院系质量得分高于5分
1.199
1.031
行业硕士收入预期
0.972
行业博士硕士比例
2.016
专业博士资助金额
0.951
1.023
专业博士资助金额*专业成绩排名
1.137*
个人层随机项方差
3.2865
3.2865
专业层随机项方差
0.1962
0.1124
专业层成绩排名随机项
2.43e-12
LR检验P值
0.0193
0.0535
专业差异占总差异比例
5.63%
3.31%
样本数
1802
1147
五、讨论
本研究通过考察研发劳动力市场因素和学生学业成绩对理工科研究生投资博士教育的影响，用以探索博士阶段的科技人力资本投资是否存在“低技能”陷阱的状况。
分析结果支持假设一和假设二的观点，认为在规模上高层次科技人力资本投资表现出了一些“低技能”陷阱的特征：
在市场的研发部门博士规模相对硕士规模越低的领域以及硕士收益较高从而博士教育机会成本较高的领域，理工科研究生的博士升学意愿较低。
图5.1显示了各个专业对应的行业研发收入及博士硕士比例。
结合以上的分析结果，在第四象限的一些行业属于这类高技能人才投资相对不足的领域。
值得关注的是一些高新技术产业也落在这一象限当中，如计算机科学、材料与仪器科学技术、控制学科与技术。
这些领域可能面临着这一发展困境，即本身行业的博士规模相对有限，而博士收入相对硕士提升也不高，因此难以吸引高层次的科技人力资本投资。
如果这些领域又难以吸引到海外博士，则高层次研发人员的不充足将会对科技创新和发展造成阻碍。
另一方面，在人才质量上，理工科博士教育投资的“低技能”陷阱则与假设三和四有所不同。
在博士规模相对较高，读博机会成本相对较低的领域，高质量的学生反而更不倾向就读博士。
图5.1显示，这些领域主要对应于一些基础研究领域的学科，如数学、力学、化学、物理、天文学。
造成高质量学生较低的升学意愿，一个可能的解释是，在这些基础学科出国留学的比例较高，由于国内博士教育质量可能低于国外，这些海外留学的博士在国内博士就业市场更有竞争力，使得没有出国意向的高质量学生放弃就读博士而选择就业。
然而，现实当中是否基础研究领域能够吸引到足够高质量的海外博士仍然有一定不确定性，而本国如果无法保障这些领域的人才质量，将难以在基础研究领域获得优势。
图5.1不同专业对应行业的硕士平均收入及博士/硕士比例分布图
教育财政投入因素对学生的博士意向形成也有一定的影响。
分析结果支持假设五的观点，在专业综合排名较高的专业，学生有读博意向的概率相对更高。
这说明，投入资源到研究机构并能提高研究机构的质量，则能够一定程度上加强个人的读博意愿。
另一方面，假设六的观点则没有得到一致的结论。
研究发现在博士/硕士比例较低的行业，控制其他因素时，更高的博士生资助有助于提高就读学生的质量，对提高博士生数量的影响并不显著。
而在市场收益较高的领域，提高博士生资助对促进学生形成入学意愿方面无显著作用，而研究生阶段的学业和科研成就对读博选择发挥了一定的正向影响。
从这两个发现可以推测，对博士生进行资助来提高博士生读博意愿的效果可能并不显著。
但在博士/硕士比例较低的领域，提高博士资助的方案可一定程度上提高生源质量。
在市场硕士生收益较高的领域，采取提高博士生资助并不能有效提高学生的读博士意愿。
在这些领域，采取对研发劳动力市场的补贴，或硕士研究生阶段的奖学金或助研激励，可能比单纯提高博士生资助更为有效。
综上，本研究发现理工科博士的升学意愿受到了行业研发
升级会员 