在前一章，我们主要分析了高等教育扩张背景下，初次进入劳动力市场的应届大学毕业生的就业与起薪问题。本章则采用CHNS数据，分析我国高等教育扩张过程中居民工资收入的变化规律，重点分析高等教育收益率的变化情况，以反映在长期内高等教育扩张的工资（收入）效应。本章的分析在Mincer人力资本工资决定方程的基础上，对所使用的变量进行适当扩展，将二元劳动力市场变量纳入人力资本模型的范畴，考虑到样本的情况及中国的国情，将职业变量、部门（单位）变量、户口变量、地区变量、性别变量、就业形式变量等概括进去，以反映职业分割、部门分割、城乡分割、地区分割、性别歧视、就业方式等对收益的影响，使得对高等教育收益率的估计更为准确。
对个人教育收益率的研究，主要有教育投资的成本-收益分析方法和由Mincer提出的Mincer人力资本工资（收入）决定方程估算法。
教育收益率的成本-收益方法的基本公式为：
其中，E0（t）为因接受教育而放弃的收入，即教育的机会成本；C（t）表示直接教育成本；E1（t）——E0（t）表示接受高一级教育所带来的净收入额；E和G分别表示该级教育的入学和毕业时间，即G-E表示该级教育所需的时间；R表示退休时间；r即为所求教育收益率，该收益率又被称为内部收益率（Internal Rate of Return to Education），其含义等同于凯恩斯的资本投资边际效率，可以简单理解为使利润为零，从而使教育投资刚好划算的一种假设利率。
由于利用成本-收益分析计算内部收益率涉及到成本与收益的分类与加总，还存在不同时期成本与收益的折现问题，较为烦琐，并且不能分析成本项与收益项之间的对应关系。而Mincer人力资本工资（收入）决定方程则简明得多，且能定量分析不同人力资本投资对收益或工资的影响，系数值就是人力资本投资的收益弹性，因而受到大多数研究者的欢迎。有鉴于此，我们在本章采用Mincer人力资本决定方程，计算我国教育扩张前后的教育收益率。
Mincer人力资本工资方程只考虑两种人力资本形式对个人收入或工资的影响，即从学校正规教育中获得的知识和在工作实践中积累的技能。Mincer认为，任何时期的收益都可以被看成是个人人力资本存量的一种报酬，人力资本存量在整个生命周期中通过投资而增长，同时又由于知识价值降低和过时而减少。作为一种人力资本，技能水平与工龄或年龄之间的关系并非是简单的性线关系：在参加工作后的一段时期内技能水平会不断提高，但到了一定时点后，由于年龄增长的关系，人们的学习能力和精力会衰退，难以适应技术的革新与变化，因而技能水平可能会出现停滞甚至下降。由于人力资本的变化，人力资本投资的收益也会发生相应改变。
Mincer人力资本工资决定方程的基本方程可以写为：
（a）
其中Y表示年收入，E表示受教育年限。EXP表示劳动力的市场经历（market experience），一般用工龄作为替代变量，有的情况下则直接用年龄来代替。a表示截距，b、c、d表示各变量的回归系数，ε为误差项。收益剖面图的收入水平取决于总的人力资本存量，截距值的大小取决于截止到观察期以前的人力资本投资。
该方程通常被称为Mincer人力资本方程，简称为Mincer方程，这是一个典型的半对数回归模型。在半对数模型中，如果回归子为对数形式，其对数就测出回归元取值的给定百分比变化所引起的回归子的变化率，因此，Mincer方程中系数b就是每增加一年正规教育所导致的Y值（收入）的相对变化，即教育的私人收益率。
事实上，通过对Mincer工资决定方程求导，可以得到：
（a1）
Mincer收益率是应用最广泛的一种计量教育收益率的方法，它有多种变形，可以用来计量各级教育的私人收益率。其中一种是通过各级教育的虚拟变量得到：
（b）
式中Ei为虚拟变量。例如，我们以小学及小学以下（文盲）为参照组，如果完成初中教育，则E1=1，否则E1=0；如果完成高中教育，E2=1，否则E2=0；如果完成大学教育，E3=1，否则E3=0.因此，各级教育的收益率就可以通过估算系数b1、b2、b3而求得，其计算如下：
R1（初中对小学）=×100%
R2（高中对初中）=×100%
R3（大学对高中）=×100%
n表示下标所示的相应教育水平的学年数，n0表示小学及文盲平均受教育年限。在这里，收益率的含义分别是：与未接受小学教育的人（即文盲）相比，每多接受一年的小学教育所带来的收入增加的百分比；与小学教育学历的人相比，每多接受一年的中学教育所带来的收入增加的百分比；与中学教育学历的人相比，每多接受一年的大学教育所带来的收入增加的百分比。
（a）、（b）式是基本的Mincer人力资本模型，如果在这两个方程的基础上再加入控制变量，我们可以得到扩展的Mincer人力资本模型：
（c）
其中，表示性别、地区、行业、户籍等控制变量，当劳动力市场呈现出多重二元分割时，引入这些控制变量才能更为准确地揭示劳动力市场运行的真实情况。
笔者认为，为了减少（b）和（c）可能存在的多重共线性，可以仅设一个学历虚拟变量，而对接受相邻两级教育的样本进行回归分析。例如，为了分析高等教育相对于高中教育的收益率，可以选取高中及高中以上受教育程度的样本，比较高中毕业后参加工作与大学毕业生参加工作的劳动者的工资收益。李实（2003）将由（a）、（b）式得到的教育收益率称为毛收益率，毛收益率不是教育所产生的直接收入效应，它包括了通过控制变量产生的一部分间接效应。而只有根据（c）式得到的教育教育收益率则是纯收益率。
由于利用公式（a）或公式（b）估计个人教育收益率时，其假设前提是存在着一个完全竞争的劳动力市场，这意味着对于劳动者来说，不论就业于何种产业部门、何种所有制单位，也无论在什么地区就业，人力资本得到的回报率应该是完全相同的。不难想象，这一假定显然与我国劳动力市场的现状相差甚远。由于我国劳动力市场的相互分割，劳动力市场存在严重的劳动力流动障碍，因此，学历与收入的相关性中包含了另外一种可能性，即高收入还受到了高学历以外的因素影响，这些因素既包括了个人特征如性别、年龄、户口等，也包括了工作单位的特征如单位所有制性质、职业特征、地区差异、企业规模等。