自20世纪60年代人力资本理论诞生以来，教育作为一种重要的人力资本投资形式，其对个人的经济收益受到国内外经济学者的广泛关注。但是，相对于国外学者，国内学者往往注重对教育的收入效应和教育收益率的研究，并取得了丰富的研究成果，却忽视了对教育与被解雇关系的研究。对于后者的研究，国外早在20世纪70年代就出现了，迄今已比较成熟，而国内的相关研究仍十分鲜见。当然，国内研究的这一不足有其客观的历史原因。众所周知，在20世纪90年代以前，尤其是计划经济时代，我国的劳动就业制度具有“终身制”特点，工作就是“铁饭碗”，职工一旦走上工作岗位，往往一辈子就呆在同一个单位里工作，企事业单位既不会解雇职员，也不允许职工辞职，这种制度对所有职工一视同仁，不论职工的受教育程度如何。这意味着在计划经济体制下，我国职工的受教育程度与被解雇基本上没有什么联系，或者说，教育对被解雇没有什么明显影响。如果说在计划经济体制下，由于基本上不存在被解雇现象，所以无法研究教育与被解雇的关系，那么，随着市场经济体制下，我国劳动就业制度进行了实质性改革，企事业单位广泛实行劳动合同制，企事业单位有权解雇也有权辞职，越来越多的职工经历过辞职或被解雇。总之，在市场经济体制改革30多年来被解雇现象日益普遍，我们既有条件也有必要研究教育对被解雇的影响。研究这一问题不仅有利于人们从新的角度认识教育的作用，引导人们做出理性的教育投资决策，也对完善劳动就业制度具有深远意义。
一、教育与被解雇的理论分析：人力资本理论的视角
经济理论认为，劳动与资本、土地一样，作为企业的生产要素进入企业的决策函数，企业在决策生产要素的使用量时，将遵循利润最大化原则，这一原则的内涵就是生产要素的“边际成本”和相应的“边际收益”相等，生产要素的“边际成本”等于生产要素价格，而生产要素的“边际收益”是指边际收益产品MRP，即产品的边际收益MR和要素的边际产品MP的乘积MR-MP，当生产要素为劳动时，生产要素价格就是支付给工人的工资w，而生产要素的边际产品是指劳动的边际产品MPL，所以，企业为了实现利润最大化，在决策劳动生产要素的使用时将满足如下条件：MRPL=w，或者，MR·MPL=w。
因此，在利润最大化动机的作用下，雇主将解雇那些边际收益产品低于工资的工人。换言之，如果雇主发现某一个工人的边际收益产品低于工资，MRPLi
现假定由于某种原因，市场对一个企业的产品需求减少，导致企业的产品边际收益MR下降，这样即使所有工人的边际产品MP都不变，所有工人的边际收益产品MRP也将下降，因而所有工人都有被解雇的可能。但是，根据人力资本理论，工人的企业专用性人力资本水平不同，被解雇的概率将不同。
作为人力资本理论的创始人之一，贝克尔(Becker)开创性的将人力资本分为企业通用性和专业性人力资本，当企业面临产品需求减少时，由于企业专用性人力资本水平低的工人，其边际产品收益起初等于工资，所以为了防止他们的边际产品收益低于工资，企业将首先解雇他们。而企业专用性人力资本水平高的工人，边际产品收益往往大于工资，尽管企业产品需求的减少也会使他们的边际产品收益下降，但是，只要他们的边际产品收益减少小于起初与工资的差额，企业继续雇用他们仍然是划算的。退一步说，即使他们的工资暂时低于其边际收益产品，雇主为了将来需求状况好转时储备人才，也不会解雇他们。否则，一旦企业需求状况好转时，为了重新招聘工人将不得不支付一定成本，这意味着继续雇用他们，可以节省未来的重新雇用成本，因此是合算的。这样，在需求减少的情况下，专用性人力资本水平高的工人被解雇的概率要小于专用性人力资本水平低的工人。在需求状况不变的情况下，即使企业搜寻到了能为企业带来更多净收益的工人，企业也不大可能更换(解雇)专用性人力资本水平高的工人。
总之，工人的企业专用性人力资本水平越高，工人被解雇的概率就越小，工人被解雇概率与专用性人力资本成负相关。由此可以分析教育与被解雇的关系：
命题1：在其他条件相同的情况下，受教育程度越高者，专用性人力资本水平越高，被解雇的概率越低。
命题2：与中等职业教育(包含中专、中技或职高，简称中职教育)相比，普通高中教育的学习年限也是三年，但中职教育的教学内容和教学目标更注重培养学生的通用性知识和技能，所以中职学历者的专用性人力资本水平更高。在其他条件相同的情况下，高中学历者被解雇的概率高于中职学历者。
二、教育与被解雇的统计分析
本文利用国家统计局城调队和中国社科院对北京、山西、辽宁、江苏、安徽、河南、湖北、广东、重庆、四川、云南和甘肃一共12个省、直辖市的城镇居民进行的“2002年中国城镇居民生活调查”数据，简称CHIP-2002数据。为了分析的需要，笔者选取2002年底处于工作或就业中的工人作为分析样本，样本数为10280，同时将因收入低、工作不稳定、工作条件不好、福利和社会保障不好、合同期满、想自谋职业或工作调动而离开前一个工作单位的工人都归类为辞职者，将因被单位辞退、被单位下岗、单位解散(破产)或不离开就下岗而离开前一个工作单位的工人都归类为被解雇者。CHIP-2002数据中，200(02002年间改变过工作单位的有955人，其中辞职者460人，被解雇者351人。
分析教育与被解雇之间的关系，可以通过比较不同受教育程度者的被解雇率来进行。被解雇率的计算公式为：
被解雇率=被解雇人数／总人数×100％
根据CHIP-2002数据，通过对不同受教育程度的工人在2000-2002年间的工作流动率进行计算，得出表1结果。
从表1中可以发现，(1)随着受教育程度的上升，被解雇率明显下降，表明教育与被解雇是负相关。(2)高中(职高、中技)学历者的被解雇率明显高于中专学历者。原因是高中教育属于普通教育，主要形成工人的通用性人力资本，而职高、中技和中专属于职业教育，专用性人力资本成分更强。根据命题2，工人的专用性人力资本水平越高，被解雇的概率越低，所以，尽管高中(职高、中技)组混合了普通教育和职业教育，高中(职高、中技)学历者的被解雇率仍然高于中专学历者。显然，这一结果验证了命题2。
总之，统计分析法得到的结论验证了命题1和命题2，不过，由于影响被解雇的因素还有很多，比如工龄、性别、企业规模等等，而统计分析法无法剥离其他因素对被解雇概率的影响，所以，为了更准确地探究教育对被解雇概率的影响，需要进行回归计量分析。
三、教育与被解雇的计量分析
由于被解雇与否是一个二元选择的问题，所以，被解雇是一种二分变量，对于二分变量的计量分析，可以采用logistic回归方法。
(一)计量模型的设定、变量选取、数据处理与描述性统计
结合影响被解雇的因素和数据的可获得性，可以将影响被解雇的解释变量分为工人的个人特征、工作特征和劳动力市场特征三个方面，其中工人的个人特征包括受教育年限、年龄、性别、婚姻、工作年限、企业工龄，工作特征包括收入、企业规模、企业的所有制性质，劳动力市场特征包括城市规模和地区差别。
这样，被解雇概率的Logistic回归模型A：
P(L=1)=f(受教育年限、年龄、性别、婚姻、工作年限、工作年限的平方、企业工龄、收入、企业规模、企业性质、城市规模、地区)
需要指出的是，CHIP-2002数据反映的是样本在最近三年(2000～2002)的被解雇情况，显然只能以被解雇之前的各种特征作为解释变量，即样本在1999年时的状况作为解释变量，比如年龄变量是指1999年时的年龄，但是，CHIP一2002数据直接反映的是样本在2002年时的状况，所以需要对数据进行适当处理。例如，需要剔出第一次参加工作的年份是2000年以后的样本，因为这些样本为无效样本。这样，有效样本减少到9350，被解雇者样本为304。
被解雇：如果样本在2000-2002年间是被解雇者，则被解雇=1，反之，被解雇=0。
受教育年限：指样本在1999年底的受教育年限。由于CHIP一2002仅提供样本在2002年底的受教育年限数据，但对于绝大多数样本来说，他在2002年底时的受教育年限与在1999年底相同，故样本“在2002年底所受教育年限(不含休学、退学和留级年份)”可以替代其在1999年底时的受教育年限。
年龄：年龄变量的取值是指1999年时的年龄，等于样本报告年龄(即2002年时的年龄)减去3。
性别：样本如果是男性，则性别=1，否则，性别=0。
婚姻：如果样本是已婚者，则婚姻=1，否则，婚姻=0。
工作年限：参照国外的研究结果，工作年限与被解雇是倒U型关系，所以在选定解释变量时，增设工作年限的平方变量。本研究中1999年劳动力市场经历的计算方法是1999减去“第一次参加工作的年份”。如果样本第一次参加工作的年份是1999年，其实际工龄是不足一年，但计算出来的工龄等于零，为了保证样本有效，该值取平均数0.5。
企业工龄：是指样本在1999年时的企业工龄，该变量的处理如下：对于辞职者，其企业工龄：“离开前一个工作单位的年份”一“进入前一个工作单位的年份”。对于工作未流动者，其1999年时的企业工龄等于“2002年时在现在工作单位工作的时间”减去3。
收入：本文以1999年的年收入的对数形式作为解释变量。
企业规模：根据内部劳动力市场理论，企业规模越大，工人被解雇的概率越低。本研究中企业规模的代理变量是“工作单位在职职工人数”。如果工作单位的职工人数在500人以上，则企业规模=1，否则，企业规模=O。
企业性质：根据工人工作单位的所有制性质，可以将工作单位分为国有部门和私营部门。国有部门包括国家机关、事业单位、国有独资企业(中央、省)、国有独资企业或城镇集体所有制企业(地方)，私营部门是指城镇私营(包括合伙企业)、城镇个体(企业)、中外合资企业、外资企业、国家控股企业、其他股份制企业(包括股份合作制企业)、农村私营企业、农村个体及其他。如果样本属于国有部门，则企业性质：1，否则，企业性质=0。因为需要选择的变量是样本在被解雇前的部门性质，所以，对于被解雇者，选择的是其被解雇前(即1999年)工作单位的所有制性质，对于工作未流动者，既然工作没有改变，就意味着其2002年时的工作单位与1999年时的工作单位相同，所以选择其2002年时工作单位的部门性质。
城市规模：一般来说，城市规模越大，工人就越多，雇主挑选工人的机会越多，这意味着工人被解雇的可能性就越大，所以可以预期，城市规模越大，工人被解雇的概率就越大。本文对城市规模变量的处理方法是：如果样本所在城市属于地级及以上城市，则城市规模=1，如果是县级城市样本，城市规模=0。
地区：一般而言，相对于中西部地区而言，东部地区经济更发达，高素质人才更多，所以东部地区企业挑选其他工人的机会就越多，这意味着工人被解雇的概率更大，因此，预测东部地区城镇工人的被解雇概率大于中西部地区工人。如果样本所在城市位于东部地区，则地区=1；否则，地区=0。
模型A中是以受教育年限作为教育变量，不过对于分析不同受教育程度者的被解雇差别时，需要以受教育程度作为教育变量。由于在CHIP-2002数据中，小学及以下学历者所占比例仅为2.6％，所以将小学及以下学历者和初中学历者合并为初等教育组(比例为23.8％)，并以此作为参照组。这样，可将样本分为四组：初等教育组、高中(职高、中技)教育组、中专教育组和高等教育组。此时教育变量是虚拟变量。这样，模型A就转换为模型B：
P(L=1)=f(受教育程度、年龄、性别、婚姻、工作年限、工作年限的平方、企业工龄、收入、企业规模、企业性质、城市规模、地区)
(二)各变量的描述性统计特征
各变量的描述性统计特征如表2：
(三)计量回归结果
1 全体工人被解雇概率的回归结果。全体工人被解雇概率的回归结果见表3，从中可以发现：受教育年限、中专教育、高等教育等变量的系数是负数，高中教育变量的系数为正数但极不显著，表明总体上，工人的受教育程度越高，被解雇的概率越小。教育对被解雇概率的影响程度为，受教育程度每增加一年，被解雇概率就减少0.2％；中专学历者和大专以上学历者被解雇概率比受初等教育者分别低8.03％、9.46％；高中学历者与受初等教育者被解雇概率没有明显差别。
2 不同性别工人被解雇概率的回归结果。不同性别工人被解雇概率的回归结果见表4，从中可以看出，教育对男性与女性工人被解雇概率的影响完全一致，都成负相关，高中教育变量系数不显著，表明高中学历者被解雇概率与受初等教育者没有明显差异。
(四)主要结论及解释
计量分析的结果表明，无论是对于全体样本还是不同性别的样本，工人受教育程度越高，被解雇概率越低，高中学历者被解雇概率与受初等教育者没有明显差异，中专学历者被解雇概率低于高中学历者。回归结果和结论都验证了命题1和命题2，表明教育与被解雇成负相关。原因在于专用性人力资本对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，专用性人力资本水平也越
总之，统计分析法得到的结论验证了命题1和命题2，不过，由于影响被解雇的因素还有很多，比如工龄、性别、企业规模等等，而统计分析法无法剥离其他因素对被解雇概率的影响，所以，为了更准确地探究教育对被解雇概率的影响，需要进行回归计量分析。
三、教育与被解雇的计量分析
由于被解雇与否是一个二元选择的问题，所以，被解雇是一种二分变量，对于二分变量的计量分析，可以采用logistic回归方法。
(一)计量模型的设定、变量选取、数据处理与描述性统计
结合影响被解雇的因素和数据的可获得性，可以将影响被解雇的解释变量分为工人的个人特征、工作特征和劳动力市场特征三个方面，其中工人的个人特征包括受教育年限、年龄、性别、婚姻、工作年限、企业工龄，工作特征包括收入、企业规模、企业的所有制性质，劳动力市场特征包括城市规模和地区差别。
这样，被解雇概率的Logistic回归模型A：
P(L=1)=f(受教育年限、年龄、性别、婚姻、工作年限、工作年限的平方、企业工龄、收入、企业规模、企业性质、城市规模、地区)
需要指出的是，CHIP-2002数据反映的是样本在最近三年(2000～2002)的被解雇情况，显然只能以被解雇之前的各种特征作为解释变量，即样本在1999年时的状况作为解释变量，比如年龄变量是指1999年时的年龄，但是，CHIP一2002数据直接反映的是样本在2002年时的状况，所以需要对数据进行适当处理。例如，需要剔出第一次参加工作的年份是2000年以后的样本，因为这些样本为无效样本。这样，有效样本减少到9350，被解雇者样本为304。
被解雇：如果样本在2000-2002年间是被解雇者，则被解雇=1，反之，被解雇=0。
受教育年限：指样本在1999年底的受教育年限。由于CHIP一2002仅提供样本在2002年底的受教育年限数据，但对于绝大多数样本来说，他在2002年底时的受教育年限与在1999年底相同，故样本“在2002年底所受教育年限(不含休学、退学和留级年份)”可以替代其在1999年底时的受教育年限。
年龄：年龄变量的取值是指1999年时的年龄，等于样本报告年龄(即2002年时的年龄)减去3。
性别：样本如果是男性，则性别=1，否则，性别=0。
婚姻：如果样本是已婚者，则婚姻=1，否则，婚姻=0。
工作年限：参照国外的研究结果，工作年限与被解雇是倒U型关系，所以在选定解释变量时，增设工作年限的平方变量。本研究中1999年劳动力市场经历的计算方法是1999减去“第一次参加工作的年份”。如果样本第一次参加工作的年份是1999年，其实际工龄是不足一年，但计算出来的工龄等于零，为了保证样本有效，该值取平均数0.5。
企业工龄：是指样本在1999年时的企业工龄，该变量的处理如下：对于辞职者，其企业工龄：“离开前一个工作单位的年份”一“进入前一个工作单位的年份”。对于工作未流动者，其1999年时的企业工龄等于“2002年时在现在工作单位工作的时间”减去3。
收入：本文以1999年的年收入的对数形式作为解释变量。
企业规模：根据内部劳动力市场理论，企业规模越大，工人被解雇的概率越低。本研究中企业规模的代理变量是“工作单位在职职工人数”。如果工作单位的职工人数在500人以上，则企业规模=1，否则，企业规模=O。
企业性质：根据工人工作单位的所有制性质，可以将工作单位分为国有部门和私营部门。国有部门包括国家机关、事业单位、国有独资企业(中央、省)、国有独资企业或城镇集体所有制企业(地方)，私营部门是指城镇私营(包括合伙企业)、城镇个体(企业)、中外合资企业、外资企业、国家控股企业、其他股份制企业(包括股份合作制企业)、农村私营企业、农村个体及其他。如果样本属于国有部门，则企业性质：1，否则，企业性质=0。因为需要选择的变量是样本在被解雇前的部门性质，所以，对于被解雇者，选择的是其被解雇前(即1999年)工作单位的所有制性质，对于工作未流动者，既然工作没有改变，就意味着其2002年时的工作单位与1999年时的工作单位相同，所以选择其2002年时工作单位的部门性质。
城市规模：一般来说，城市规模越大，工人就越多，雇主挑选工人的机会越多，这意味着工人被解雇的可能性就越大，所以可以预期，城市规模越大，工人被解雇的概率就越大。本文对城市规模变量的处理方法是：如果样本所在城市属于地级及以上城市，则城市规模=1，如果是县级城市样本，城市规模=0。
地区：一般而言，相对于中西部地区而言，东部地区经济更发达，高素质人才更多，所以东部地区企业挑选其他工人的机会就越多，这意味着工人被解雇的概率更大，因此，预测东部地区城镇工人的被解雇概率大于中西部地区工人。如果样本所在城市位于东部地区，则地区=1；否则，地区=0。
模型A中是以受教育年限作为教育变量，不过对于分析不同受教育程度者的被解雇差别时，需要以受教育程度作为教育变量。由于在CHIP-2002数据中，小学及以下学历者所占比例仅为2.6％，所以将小学及以下学历者和初中学历者合并为初等教育组(比例为23.8％)，并以此作为参照组。这样，可将样本分为四组：初等教育组、高中(职高、中技)教育组、中专教育组和高等教育组。此时教育变量是虚拟变量。这样，模型A就转换为模型B：
P(L=1)=f(受教育程度、年龄、性别、婚姻、工作年限、工作年限的平方、企业工龄、收入、企业规模、企业性质、城市规模、地区)
(二)各变量的描述性统计特征
各变量的描述性统计特征如表2：
(三)计量回归结果
1 全体工人被解雇概率的回归结果。全体工人被解雇概率的回归结果见表3，从中可以发现：受教育年限、中专教育、高等教育等变量的系数是负数，高中教育变量的系数为正数但极不显著，表明总体上，工人的受教育程度越高，被解雇的概率越小。教育对被解雇概率的影响程度为，受教育程度每增加一年，被解雇概率就减少0.2％；中专学历者和大专以上学历者被解雇概率比受初等教育者分别低8.03％、9.46％；高中学历者与受初等教育者被解雇概率没有明显差别。
2 不同性别工人被解雇概率的回归结果。不同性别工人被解雇概率的回归结果见表4，从中可以看出，教育对男性与女性工人被解雇概率的影响完全一致，都成负相关，高中教育变量系数不显著，表明高中学历者被解雇概率与受初等教育者没有明显差异。
(四)主要结论及解释
计量分析的结果表明，无论是对于全体样本还是不同性别的样本，工人受教育程度越高，被解雇概率越低，高中学历者被解雇概率与受初等教育者没有明显差异，中专学历者被解雇概率低于高中学历者。回归结果和结论都验证了命题1和命题2，表明教育与被解雇成负相关。原因在于专用性人力资本对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，专用性人力资本水平也越
