自20世紀60年代人力資本理論誕生以來，教育作為一種重要的人力資本投資形式，其對個人的經濟收益受到國內外經濟學者的廣泛關注。但是，相對于國外學者，國內學者往往注重對教育的收入效應和教育收益率的研究，并取得了豐富的研究成果，卻忽視了對教育與被解雇關系的研究。對于后者的研究，國外早在20世紀70年代就出現了，迄今已比較成熟，而國內的相關研究仍十分鮮見。當然，國內研究的這一不足有其客觀的歷史原因。眾所周知，在20世紀90年代以前，尤其是計劃經濟時代，我國的勞動就業制度具有“終身制”特點，工作就是“鐵飯碗”，職工一旦走上工作崗位，往往一輩子就呆在同一個單位里工作，企事業單位既不會解雇職員，也不允許職工辭職，這種制度對所有職工一視同仁，不論職工的受教育程度如何。這意味著在計劃經濟體制下，我國職工的受教育程度與被解雇基本上沒有什么聯系，或者說，教育對被解雇沒有什么明顯影響。如果說在計劃經濟體制下，由于基本上不存在被解雇現象，所以無法研究教育與被解雇的關系，那么，隨著市場經濟體制下，我國勞動就業制度進行了實質性改革，企事業單位廣泛實行勞動合同制，企事業單位有權解雇也有權辭職，越來越多的職工經歷過辭職或被解雇。總之，在市場經濟體制改革30多年來被解雇現象日益普遍，我們既有條件也有必要研究教育對被解雇的影響。研究這一問題不僅有利于人們從新的角度認識教育的作用，引導人們做出理性的教育投資決策，也對完善勞動就業制度具有深遠意義。
一、教育與被解雇的理論分析：人力資本理論的視角
經濟理論認為，勞動與資本、土地一樣，作為企業的生產要素進入企業的決策函數，企業在決策生產要素的使用量時，將遵循利潤最大化原則，這一原則的內涵就是生產要素的“邊際成本”和相應的“邊際收益”相等，生產要素的“邊際成本”等于生產要素價格，而生產要素的“邊際收益”是指邊際收益產品MRP，即產品的邊際收益MR和要素的邊際產品MP的乘積MR-MP，當生產要素為勞動時，生產要素價格就是支付給工人的工資w，而生產要素的邊際產品是指勞動的邊際產品MPL，所以，企業為了實現利潤最大化，在決策勞動生產要素的使用時將滿足如下條件：MRPL=w，或者，MR·MPL=w。
因此，在利潤最大化動機的作用下，雇主將解雇那些邊際收益產品低于工資的工人。換言之，如果雇主發現某一個工人的邊際收益產品低于工資，MRPLi
現假定由于某種原因，市場對一個企業的產品需求減少，導致企業的產品邊際收益MR下降，這樣即使所有工人的邊際產品MP都不變，所有工人的邊際收益產品MRP也將下降，因而所有工人都有被解雇的可能。但是，根據人力資本理論，工人的企業專用性人力資本水平不同，被解雇的概率將不同。
作為人力資本理論的創始人之一，貝克爾(Becker)開創性的將人力資本分為企業通用性和專業性人力資本，當企業面臨產品需求減少時，由于企業專用性人力資本水平低的工人，其邊際產品收益起初等于工資，所以為了防止他們的邊際產品收益低于工資，企業將首先解雇他們。而企業專用性人力資本水平高的工人，邊際產品收益往往大于工資，盡管企業產品需求的減少也會使他們的邊際產品收益下降，但是，只要他們的邊際產品收益減少小于起初與工資的差額，企業繼續雇用他們仍然是劃算的。退一步說，即使他們的工資暫時低于其邊際收益產品，雇主為了將來需求狀況好轉時儲備人才，也不會解雇他們。否則，一旦企業需求狀況好轉時，為了重新招聘工人將不得不支付一定成本，這意味著繼續雇用他們，可以節省未來的重新雇用成本，因此是合算的。這樣，在需求減少的情況下，專用性人力資本水平高的工人被解雇的概率要小于專用性人力資本水平低的工人。在需求狀況不變的情況下，即使企業搜尋到了能為企業帶來更多凈收益的工人，企業也不大可能更換(解雇)專用性人力資本水平高的工人。
總之，工人的企業專用性人力資本水平越高，工人被解雇的概率就越小，工人被解雇概率與專用性人力資本成負相關。由此可以分析教育與被解雇的關系：
命題1：在其他條件相同的情況下，受教育程度越高者，專用性人力資本水平越高，被解雇的概率越低。
命題2：與中等職業教育(包含中專、中技或職高，簡稱中職教育)相比，普通高中教育的學習年限也是三年，但中職教育的教學內容和教學目標更注重培養學生的通用性知識和技能，所以中職學歷者的專用性人力資本水平更高。在其他條件相同的情況下，高中學歷者被解雇的概率高于中職學歷者。
二、教育與被解雇的統計分析
本文利用國家統計局城調隊和中國社科院對北京、山西、遼寧、江蘇、安徽、河南、湖北、廣東、重慶、四川、云南和甘肅一共12個省、直轄市的城鎮居民進行的“2002年中國城鎮居民生活調查”數據，簡稱CHIP-2002數據。為了分析的需要，筆者選取2002年底處于工作或就業中的工人作為分析樣本，樣本數為10280，同時將因收入低、工作不穩定、工作條件不好、福利和社會保障不好、合同期滿、想自謀職業或工作調動而離開前一個工作單位的工人都歸類為辭職者，將因被單位辭退、被單位下崗、單位解散(破產)或不離開就下崗而離開前一個工作單位的工人都歸類為被解雇者。CHIP-2002數據中，200(02002年間改變過工作單位的有955人，其中辭職者460人，被解雇者351人。
分析教育與被解雇之間的關系，可以通過比較不同受教育程度者的被解雇率來進行。被解雇率的計算公式為：
被解雇率=被解雇人數／總人數×100％
根據CHIP-2002數據，通過對不同受教育程度的工人在2000-2002年間的工作流動率進行計算，得出表1結果。
從表1中可以發現，(1)隨著受教育程度的上升，被解雇率明顯下降，表明教育與被解雇是負相關。(2)高中(職高、中技)學歷者的被解雇率明顯高于中專學歷者。原因是高中教育屬于普通教育，主要形成工人的通用性人力資本，而職高、中技和中專屬于職業教育，專用性人力資本成分更強。根據命題2，工人的專用性人力資本水平越高，被解雇的概率越低，所以，盡管高中(職高、中技)組混合了普通教育和職業教育，高中(職高、中技)學歷者的被解雇率仍然高于中專學歷者。顯然，這一結果驗證了命題2。
總之，統計分析法得到的結論驗證了命題1和命題2，不過，由于影響被解雇的因素還有很多，比如工齡、性別、企業規模等等，而統計分析法無法剝離其他因素對被解雇概率的影響，所以，為了更準確地探究教育對被解雇概率的影響，需要進行回歸計量分析。
三、教育與被解雇的計量分析
由于被解雇與否是一個二元選擇的問題，所以，被解雇是一種二分變量，對于二分變量的計量分析，可以采用logistic回歸方法。
(一)計量模型的設定、變量選取、數據處理與描述性統計
結合影響被解雇的因素和數據的可獲得性，可以將影響被解雇的解釋變量分為工人的個人特征、工作特征和勞動力市場特征三個方面，其中工人的個人特征包括受教育年限、年齡、性別、婚姻、工作年限、企業工齡，工作特征包括收入、企業規模、企業的所有制性質，勞動力市場特征包括城市規模和地區差別。
這樣，被解雇概率的Logistic回歸模型A：
P(L=1)=f(受教育年限、年齡、性別、婚姻、工作年限、工作年限的平方、企業工齡、收入、企業規模、企業性質、城市規模、地區)
需要指出的是，CHIP-2002數據反映的是樣本在最近三年(2000～2002)的被解雇情況，顯然只能以被解雇之前的各種特征作為解釋變量，即樣本在1999年時的狀況作為解釋變量，比如年齡變量是指1999年時的年齡，但是，CHIP一2002數據直接反映的是樣本在2002年時的狀況，所以需要對數據進行適當處理。例如，需要剔出第一次參加工作的年份是2000年以后的樣本，因為這些樣本為無效樣本。這樣，有效樣本減少到9350，被解雇者樣本為304。
被解雇：如果樣本在2000-2002年間是被解雇者，則被解雇=1，反之，被解雇=0。
受教育年限：指樣本在1999年底的受教育年限。由于CHIP一2002僅提供樣本在2002年底的受教育年限數據，但對于絕大多數樣本來說，他在2002年底時的受教育年限與在1999年底相同，故樣本“在2002年底所受教育年限(不含休學、退學和留級年份)”可以替代其在1999年底時的受教育年限。
年齡：年齡變量的取值是指1999年時的年齡，等于樣本報告年齡(即2002年時的年齡)減去3。
性別：樣本如果是男性，則性別=1，否則，性別=0。
婚姻：如果樣本是已婚者，則婚姻=1，否則，婚姻=0。
工作年限：參照國外的研究結果，工作年限與被解雇是倒U型關系，所以在選定解釋變量時，增設工作年限的平方變量。本研究中1999年勞動力市場經歷的計算方法是1999減去“第一次參加工作的年份”。如果樣本第一次參加工作的年份是1999年，其實際工齡是不足一年，但計算出來的工齡等于零，為了保證樣本有效，該值取平均數0.5。
企業工齡：是指樣本在1999年時的企業工齡，該變量的處理如下：對于辭職者，其企業工齡：“離開前一個工作單位的年份”一“進入前一個工作單位的年份”。對于工作未流動者，其1999年時的企業工齡等于“2002年時在現在工作單位工作的時間”減去3。
收入：本文以1999年的年收入的對數形式作為解釋變量。
企業規模：根據內部勞動力市場理論，企業規模越大，工人被解雇的概率越低。本研究中企業規模的代理變量是“工作單位在職職工人數”。如果工作單位的職工人數在500人以上，則企業規模=1，否則，企業規模=O。
企業性質：根據工人工作單位的所有制性質，可以將工作單位分為國有部門和私營部門。國有部門包括國家機關、事業單位、國有獨資企業(中央、省)、國有獨資企業或城鎮集體所有制企業(地方)，私營部門是指城鎮私營(包括合伙企業)、城鎮個體(企業)、中外合資企業、外資企業、國家控股企業、其他股份制企業(包括股份合作制企業)、農村私營企業、農村個體及其他。如果樣本屬于國有部門，則企業性質：1，否則，企業性質=0。因為需要選擇的變量是樣本在被解雇前的部門性質，所以，對于被解雇者，選擇的是其被解雇前(即1999年)工作單位的所有制性質，對于工作未流動者，既然工作沒有改變，就意味著其2002年時的工作單位與1999年時的工作單位相同，所以選擇其2002年時工作單位的部門性質。
城市規模：一般來說，城市規模越大，工人就越多，雇主挑選工人的機會越多，這意味著工人被解雇的可能性就越大，所以可以預期，城市規模越大，工人被解雇的概率就越大。本文對城市規模變量的處理方法是：如果樣本所在城市屬于地級及以上城市，則城市規模=1，如果是縣級城市樣本，城市規模=0。
地區：一般而言，相對于中西部地區而言，東部地區經濟更發達，高素質人才更多，所以東部地區企業挑選其他工人的機會就越多，這意味著工人被解雇的概率更大，因此，預測東部地區城鎮工人的被解雇概率大于中西部地區工人。如果樣本所在城市位于東部地區，則地區=1；否則，地區=0。
模型A中是以受教育年限作為教育變量，不過對于分析不同受教育程度者的被解雇差別時，需要以受教育程度作為教育變量。由于在CHIP-2002數據中，小學及以下學歷者所占比例僅為2.6％，所以將小學及以下學歷者和初中學歷者合并為初等教育組(比例為23.8％)，并以此作為參照組。這樣，可將樣本分為四組：初等教育組、高中(職高、中技)教育組、中專教育組和高等教育組。此時教育變量是虛擬變量。這樣，模型A就轉換為模型B：
P(L=1)=f(受教育程度、年齡、性別、婚姻、工作年限、工作年限的平方、企業工齡、收入、企業規模、企業性質、城市規模、地區)
(二)各變量的描述性統計特征
各變量的描述性統計特征如表2：
(三)計量回歸結果
1 全體工人被解雇概率的回歸結果。全體工人被解雇概率的回歸結果見表3，從中可以發現：受教育年限、中專教育、高等教育等變量的系數是負數，高中教育變量的系數為正數但極不顯著，表明總體上，工人的受教育程度越高，被解雇的概率越小。教育對被解雇概率的影響程度為，受教育程度每增加一年，被解雇概率就減少0.2％；中專學歷者和大專以上學歷者被解雇概率比受初等教育者分別低8.03％、9.46％；高中學歷者與受初等教育者被解雇概率沒有明顯差別。
2 不同性別工人被解雇概率的回歸結果。不同性別工人被解雇概率的回歸結果見表4，從中可以看出，教育對男性與女性工人被解雇概率的影響完全一致，都成負相關，高中教育變量系數不顯著，表明高中學歷者被解雇概率與受初等教育者沒有明顯差異。
(四)主要結論及解釋
計量分析的結果表明，無論是對于全體樣本還是不同性別的樣本，工人受教育程度越高，被解雇概率越低，高中學歷者被解雇概率與受初等教育者沒有明顯差異，中專學歷者被解雇概率低于高中學歷者。回歸結果和結論都驗證了命題1和命題2，表明教育與被解雇成負相關。原因在于專用性人力資本對于降低工人被解雇概率具有重要作用，而工人的受教育程度越高，專用性人力資本水平也越
總之，統計分析法得到的結論驗證了命題1和命題2，不過，由于影響被解雇的因素還有很多，比如工齡、性別、企業規模等等，而統計分析法無法剝離其他因素對被解雇概率的影響，所以，為了更準確地探究教育對被解雇概率的影響，需要進行回歸計量分析。
三、教育與被解雇的計量分析
由于被解雇與否是一個二元選擇的問題，所以，被解雇是一種二分變量，對于二分變量的計量分析，可以采用logistic回歸方法。
(一)計量模型的設定、變量選取、數據處理與描述性統計
結合影響被解雇的因素和數據的可獲得性，可以將影響被解雇的解釋變量分為工人的個人特征、工作特征和勞動力市場特征三個方面，其中工人的個人特征包括受教育年限、年齡、性別、婚姻、工作年限、企業工齡，工作特征包括收入、企業規模、企業的所有制性質，勞動力市場特征包括城市規模和地區差別。
這樣，被解雇概率的Logistic回歸模型A：
P(L=1)=f(受教育年限、年齡、性別、婚姻、工作年限、工作年限的平方、企業工齡、收入、企業規模、企業性質、城市規模、地區)
需要指出的是，CHIP-2002數據反映的是樣本在最近三年(2000～2002)的被解雇情況，顯然只能以被解雇之前的各種特征作為解釋變量，即樣本在1999年時的狀況作為解釋變量，比如年齡變量是指1999年時的年齡，但是，CHIP一2002數據直接反映的是樣本在2002年時的狀況，所以需要對數據進行適當處理。例如，需要剔出第一次參加工作的年份是2000年以后的樣本，因為這些樣本為無效樣本。這樣，有效樣本減少到9350，被解雇者樣本為304。
被解雇：如果樣本在2000-2002年間是被解雇者，則被解雇=1，反之，被解雇=0。
受教育年限：指樣本在1999年底的受教育年限。由于CHIP一2002僅提供樣本在2002年底的受教育年限數據，但對于絕大多數樣本來說，他在2002年底時的受教育年限與在1999年底相同，故樣本“在2002年底所受教育年限(不含休學、退學和留級年份)”可以替代其在1999年底時的受教育年限。
年齡：年齡變量的取值是指1999年時的年齡，等于樣本報告年齡(即2002年時的年齡)減去3。
性別：樣本如果是男性，則性別=1，否則，性別=0。
婚姻：如果樣本是已婚者，則婚姻=1，否則，婚姻=0。
工作年限：參照國外的研究結果，工作年限與被解雇是倒U型關系，所以在選定解釋變量時，增設工作年限的平方變量。本研究中1999年勞動力市場經歷的計算方法是1999減去“第一次參加工作的年份”。如果樣本第一次參加工作的年份是1999年，其實際工齡是不足一年，但計算出來的工齡等于零，為了保證樣本有效，該值取平均數0.5。
企業工齡：是指樣本在1999年時的企業工齡，該變量的處理如下：對于辭職者，其企業工齡：“離開前一個工作單位的年份”一“進入前一個工作單位的年份”。對于工作未流動者，其1999年時的企業工齡等于“2002年時在現在工作單位工作的時間”減去3。
收入：本文以1999年的年收入的對數形式作為解釋變量。
企業規模：根據內部勞動力市場理論，企業規模越大，工人被解雇的概率越低。本研究中企業規模的代理變量是“工作單位在職職工人數”。如果工作單位的職工人數在500人以上，則企業規模=1，否則，企業規模=O。
企業性質：根據工人工作單位的所有制性質，可以將工作單位分為國有部門和私營部門。國有部門包括國家機關、事業單位、國有獨資企業(中央、省)、國有獨資企業或城鎮集體所有制企業(地方)，私營部門是指城鎮私營(包括合伙企業)、城鎮個體(企業)、中外合資企業、外資企業、國家控股企業、其他股份制企業(包括股份合作制企業)、農村私營企業、農村個體及其他。如果樣本屬于國有部門，則企業性質：1，否則，企業性質=0。因為需要選擇的變量是樣本在被解雇前的部門性質，所以，對于被解雇者，選擇的是其被解雇前(即1999年)工作單位的所有制性質，對于工作未流動者，既然工作沒有改變，就意味著其2002年時的工作單位與1999年時的工作單位相同，所以選擇其2002年時工作單位的部門性質。
城市規模：一般來說，城市規模越大，工人就越多，雇主挑選工人的機會越多，這意味著工人被解雇的可能性就越大，所以可以預期，城市規模越大，工人被解雇的概率就越大。本文對城市規模變量的處理方法是：如果樣本所在城市屬于地級及以上城市，則城市規模=1，如果是縣級城市樣本，城市規模=0。
地區：一般而言，相對于中西部地區而言，東部地區經濟更發達，高素質人才更多，所以東部地區企業挑選其他工人的機會就越多，這意味著工人被解雇的概率更大，因此，預測東部地區城鎮工人的被解雇概率大于中西部地區工人。如果樣本所在城市位于東部地區，則地區=1；否則，地區=0。
模型A中是以受教育年限作為教育變量，不過對于分析不同受教育程度者的被解雇差別時，需要以受教育程度作為教育變量。由于在CHIP-2002數據中，小學及以下學歷者所占比例僅為2.6％，所以將小學及以下學歷者和初中學歷者合并為初等教育組(比例為23.8％)，并以此作為參照組。這樣，可將樣本分為四組：初等教育組、高中(職高、中技)教育組、中專教育組和高等教育組。此時教育變量是虛擬變量。這樣，模型A就轉換為模型B：
P(L=1)=f(受教育程度、年齡、性別、婚姻、工作年限、工作年限的平方、企業工齡、收入、企業規模、企業性質、城市規模、地區)
(二)各變量的描述性統計特征
各變量的描述性統計特征如表2：
(三)計量回歸結果
1 全體工人被解雇概率的回歸結果。全體工人被解雇概率的回歸結果見表3，從中可以發現：受教育年限、中專教育、高等教育等變量的系數是負數，高中教育變量的系數為正數但極不顯著，表明總體上，工人的受教育程度越高，被解雇的概率越小。教育對被解雇概率的影響程度為，受教育程度每增加一年，被解雇概率就減少0.2％；中專學歷者和大專以上學歷者被解雇概率比受初等教育者分別低8.03％、9.46％；高中學歷者與受初等教育者被解雇概率沒有明顯差別。
2 不同性別工人被解雇概率的回歸結果。不同性別工人被解雇概率的回歸結果見表4，從中可以看出，教育對男性與女性工人被解雇概率的影響完全一致，都成負相關，高中教育變量系數不顯著，表明高中學歷者被解雇概率與受初等教育者沒有明顯差異。
(四)主要結論及解釋
計量分析的結果表明，無論是對于全體樣本還是不同性別的樣本，工人受教育程度越高，被解雇概率越低，高中學歷者被解雇概率與受初等教育者沒有明顯差異，中專學歷者被解雇概率低于高中學歷者。回歸結果和結論都驗證了命題1和命題2，表明教育與被解雇成負相關。原因在于專用性人力資本對于降低工人被解雇概率具有重要作用，而工人的受教育程度越高，專用性人力資本水平也越
