本文是针对论文《认知能力与非认知能力的劳动力市场回报，基于瑞典征兵的经验证据（The Labor Market Returns to Cognitive and Noncognitive Ability: Evidence from the Swedish Enlistment）》的一篇论文解析， 该论文于2011年1月发表于《美国经济杂志（AEJ）》上。该研究作者是来自斯德哥尔摩大学的Erik Lindqvist 和 Roine Vestman。

 

一、研究背景与问题提出

 

本篇文章探讨的问题是认知能力与非认知能力对劳动力市场回报的影响。目前有大量的文献研究认知能力，如IQ以及其他的测量方法的研究，学者普遍认为认知能力是劳动表现的强有力反映；但不足的是这些研究只解释了一部分关于收入差异的问题。而关于非认知能力对劳动力市场的影响研究仍然较少，研究领域差异较大；另外还存在度量问题，目前常用的衡量手段是与个人性格相关的自我报告问卷。本文创新之处在于采用的是瑞典征兵的数据，发现在劳动力市场表现较差的群体中，比如失业者或者低收入者，往往更缺乏非认知能力而不是认知能力。另外，相较于非认知能力，认知能力是评价中高收入者和有技能劳动者工资水平的良好指标。

 

二、数据来源和数据处理

 

在数据方面，作者用到了两类数据，分别是2006年瑞典个体数据(Longitudinal Individual Data (LINDA))、军人应征入伍数据。LINDA涵盖了3%瑞典人口，是完备的面板数据集，包含了税前收入、社会救助、就业、工资等数据。作者计算了被解释变量工资、失业补助以及收入，同时加入了主要的控制变量，如家庭背景、居住地等。征兵数据则收录了瑞典在1983-1984年应征入伍的男性数据，涵盖了用药状况、体能、认知能力以及与心理学专家的面谈记录。

 

自二十世纪40年代以来，瑞典就开始进行对士兵认知能力的测试。该测试分成四个部分，每一部分含有40个问题，作者根据测试结果将每个士兵对应的认知能力标记为1-9分，这样“认知能力”这一变量就能够被转化成1-9分的离散变量。另外，为了得到更加连续的度量方式，作者还采用加总的方式，形成范围在4-36分的变量来衡量认知能力。

 

对非认知能力的度量方面，每一个应征入伍的男性士兵均需要与专业的心理学家面谈25分钟，访谈由四个部分组成，包含了耐力、入学情况、朋友、家庭以及爱好等信息。与认知能力一样，第一种度量方法是对每一名士兵的非认知能力赋值（1-9分），形成离散变量；另一个方法是取这四个部分的加总数，获得更具连续性的变量。

 

不同于以往的文献对非认知能力的度量，本文优势在于通过访谈获得个人整体的性格轮廓来捕捉非认知能力。选取军队数据的好处还在于样本主要集中在18-19岁，基本上完成了学业，减少了上学对劳动力市场表现的干扰。另外，本文的样本规模足够大，包含14703个样本。

 

三、研究过程与方法

 

 

方程（1）与方程（2）是估计模型。yi代表了三个劳动力市场表现的变量，分别是工资、失业状况以及年收入。ni是标准化后的非认知能力；ci是标准化后的认知能力，Xi是控制变量，包含居住地、家庭背景、是否入伍、是否上过小学。这里主要关注f(.)的线性形式，对模型进行OLS回归分析。

 

作者提出五个值得关注的问题：（1）认知能力与非认知能力的直接相关性以及f(.)的函数形式。认知能力强的人可能也具有较强的非认知能力，两者具有一定的相关性；此处f(.)可以是非线性形式，但经过合理假设后本文仅关注其线性形式。（2）认知能力与非认知能力具有正向相关性，这可能会影响到对系数的估计。通过计算，可以发现两者相关系数高达0.388，存在显著的正相关。针对这一问题，作者在表1中将认知能力与非认知能力分别进行回归，分别计算两个能力的上限。（3）非认知能力的测量存在偏差，可能是结果有偏。在后续的误差修正结果（表1）可以发现，非认知能力的误差修正相比于认知能力而言更加重要，但经过修正后结果仍然稳健。（4）无法观察到整个样本的工资水平。作者通过瑞典2001-2005年人口数据推算出2006年缺失的私营企业工资数据，具有一定的选择性偏差。（5）对系数的解释取决于所包含的控制变量。作者在基准回归的基础上增加了教育程度和工作经验及其平方项进行回归，进一步捕捉应征入伍之后的个体特征，而非仅仅利用入伍时的信息。

 

四、研究发现与结果

 

（一）对工资的影响

 

表1是对工资的影响结果。列（1）是不加教育水平的控制和误差修正的情况，发现认知能力每增加一个单位会使工资增加8.6%；而非认知能力会使工资增加6.6%。列（2）是加入了“是否上过小学”变量后，发现两者的相对重要性相反，说明认知能力更能反映教育水平的高低。列（3）（4）是对非认知能力的误差调整之后的结果，可以看到非认知能力的系数增加30%，而认知能力的系数没有显著变化。列（5）（6）分别将两个能力进行回归，可以看到系数均增加。列（7）加入了交互项和二阶形式，发现认知能力对工资的影响是严格凸函数，非认知能力的影响是线性的。交叉项为正说明增加一种能力也会提高另一种能力所带来的回报。从图1可以看到，非认知能力的提升引起的工资变化几乎是线性的，而认知能力的提升引起的工资变化会增加。

 

表2是两个延伸结果。首先，加入GPA和中学的教育背景以及相应的交互项；另外，考虑了职业异质性。将劳动者分成高技能、低技能以及管理者三大类。结果显示：高技能工作者平均的认知能力较高；管理者平均的非认知能力较高。高技能与低技能劳动者主要体现在认知能力的差异。非认知能力对低技能劳动者和管理者来说，有更高的市场回报；认知能力对高技能劳动者而言则有更高的市场回报。

 

（二）对失业状态的影响

 

从表3可以看出相比于认知能力，非认知能力更能反映接收的失业补助情况。认知能力对获得失业补助的可能性为负的1.5%-2.2%；非认知能力对获得失业补助的可能性为负的2.4%-2.8%。意味着，非认知能力能更大程度地影响失业状态。另外，通过改变失业这一变量的衡量方式，以接受残疾补助或其他社会福利补助来度量失业状态，发现非认知能力的重要性增加。在控制失业变量的情况下，有更高非认知能力的人能更快找到工作，可以缩短10天的失业期。而认知能力对于找工作在经济与统计上均不显著。

 

（三）对年收入的影响

 

对年收入的影响与第一部分对工资的影响类似。但不同之处在于，它们对不同收入分布的劳动者影响不同。从图2与图3（加入工作经验和教育背景的控制）可以看出不同的收入分布中，非认知能力的影响力差异很大；但认知能力的影响差异相对较小。另外，非认知能力对低收入人群影响更大；而认知能力对中高收入人群影响更大。图4对低收入群体进一步细分，可以看到不管认知能力如何，低收入者的比例随着非认知能力的提升不断下降，而且在低认知能力的人群中下降更加明显。图5说明了认知能力的提升对非认知能力较高的群体而言几乎没有影响，但对非认知能力处于中下的人群而言，认知能力的提升可以降低低收入人群的比例。

 

五、总结与启发

 

本文利用瑞典数据，强调了非认知能力对劳动力参与的显著影响，尤其是在低收入和低技能人群中。认知能力的影响对中高收入和高技能人群而言更加明显。换言之，认知能力对取得成功至关重要，但要想避免失败，非认知能力更为重要。

 

本文明确了非认知能力的积极意义，指出它能避免糟糕的市场表现，避免失业和收入低的困境。虽然探讨了非认知能力对工资和影响，但由于数据衡量问题，这个结论能否推广至其他国家仍有待商榷。

 

参考文献

Lindqvist, E., & Vestman, R. (2011). The labor market returns to cognitive and noncognitive ability: Evidence from the Swedish enlistment. American Economic Journal: Applied Economics, 3(1), 101-28.

 

 

 

*文章来源：唧唧堂

*侵权必删