本文采用较为经典的明瑟方程来估计教育回报率，

其中，Ln w为小时工资收入的自然对数，edu代表受教育年限，因为本文使用的数据中只有受教育的几个阶段，所以在进行计量检验时根据中国教育阶段的情况将其转化成教育年限。exper和exper^2代表经验和经验平方。gende;是性别虚拟变量，gender=1代表男性，gender=0代表女性。train代表单位提供的培训次数。ownership是样本工作单位性质的虚拟变量，ownership=1代表样本工作单位在事业单位、国有企业和集体企业，ownership=0代表样本工作单位在私营企业、外资企业、混合所有制企业和其他企业。式中}o。为待估参数，其中刀，代表了在其他条件不变的情况下，教育年限每增加一年工资水平变化的百分比。利用上述模型对总体样本做回归得到的估计结果如下:

如表5-3，从标准的Mincer方程回归结果中可以看出，教育回报率是6. 29%,工作经验的回报率是2. 15%，工作经验的平方系数是负数，并且检验结果显示是显著的，说明工作经验的平方对于小时工资的影响是反向的。从扩展的Mincer方程回归结果中可以看出，除了工作经验的平方和培训对于小时工资对数的影响是反向的之外，受教育年限、工作经验、性别和工作单位性质对于小时工资对数的影响都是正向的。其中教育回报率是}. 78%，低于标准方程的回归结果，这是因为性别、培训和工作单位性质这几个因素分化了教育对于小时工资的贡献:工作经验的回报率是2. 11%，并且在1%的水平上显著，系数同样低于标准方程的结果这也是因为扩展的几个因素分化了工作经验对于小时工资的贡献。与预期中唯一不同的是培训对于小时工资的影响是反向的，当受培训的次数增多时，小时工资并没有随之增加，反而减少了，但是这个计量结果是不显著的。

为了能够分析不同教育阶段之间教育回报率的差异问题，接下来本文将从总体样本中选取教育阶段比较高的样本进行回归，通过和总体样本回归结果对比的方式发现教育回报率的差异，之所以选择这种方式而没有通过设置教育阶段虚拟变量的方式是因为受到数据的限制，本文的数据关于教育这一因素的调查结果只有小学及以下、初中、高中、职高或技校、大学专科、大学本科和研究生及以上这几个教育阶段，所以无法通过设置虚拟变量的方式分析阶段内的教育回报率差异。

用上述两个模型对教育水平在高中、职高或技校以上的样本做回归的得到的回归结果如表5-4，对比总体样本回归结果可以发现，受教育水平在高中、职高或技校以上的样本的教育回报率高于总体的回报率，这在一定程度上说明，受教育水平越高教育回报率越高;与教育回报率相同，工作经验的回报率也比总体样本的回归结果要高;值得一提的是，当将样本的教育水平提高到高中、职高或技校以上时，性别和工作单位性质对于小时工资的影响变小了，这说明当劳动者所处的教育阶段越高时，不仅教育回报率和工作经验的回报率有所提高，女性在工资上受到的歧视被弱化，同时单位性质差异造成的工资不平等的情况也有所改善。