教育對貧困的影響
——基于中國1986 年義務教育法的實證分析

2022-09-28 07:36:24王亞芬李倩倩

南開經濟研究 2022年7期

王亞芬韓律李倩倩

一、引言

截至2020 年底，我國脫貧攻堅戰取得了全面勝利，區域性整體貧困得到解決，絕對貧困被消除。然而，相對貧困和多維貧困將依然長期存在，防返貧和對相對貧困人口的幫扶將成為未來扶貧工作的重點。事實上，不管貧困以何種形態存在，發展都是解決貧困問題的根本途徑。因此，在后扶貧時代，提高相對貧困群體的內生發展能力仍然是防返貧和建立解決相對貧困長效機制的根本之策，這無疑要依賴于教育。

加強基礎教育、加快人力資本積累是大多數國家減貧政策的基本戰略方向，雖然各個國家投入規模和具體措施不盡相同，但是教育投入目標和方向有很多共性，即通過實施教育資助政策來提高國民基本素質、豐富勞動技能。中國也不例外，大力發展教育尤其是農村基礎教育一直是我國的基本國策。1986 年7 月我國施行了《中華人民共和國義務教育法》(后文簡稱“教育法”)，這是我國教育發展史上具有里程碑意義的事件。教育法提出“國家實行九年義務教育制度”，明確規定“凡年滿六周歲的兒童，其父母或者其他法定監護人應當送其入學接受并完成義務教育；條件不具備的地區的兒童，可以推遲到七周歲”。自實施教育法后，我國基礎教育事業得到顯著發展：小學畢業升學率從1985 年的68.4% 上升到2005 年的94.3%；25 歲以上人口的人均受教育年限則從1990 年的4.8 年上升至2010 年的7.3 年；文盲率由1982 年的22.8%下降到2010 年的4.1%。以立法形式推動早期基礎教育程度的提升是否會在個體進入社會以后，逐步影響其收入水平、家庭特征或經濟行為等方面而產生減貧效應呢？基于此，本文利用教育法這一外生政策沖擊，使用雙重差分法和工具變量法識別教育減貧效應，并分析了教育影響貧困的機制，為我國后扶貧時代的貧困治理提供參考。

二、文獻綜述

過去幾十年的研究表明，教育與收入貧困之間呈現顯著的負相關關系，貧困大部分出現在教育水平比較低的家庭，不管是在城市還是農村，教育都是決定家庭收入的重要因素(Maitra，2000；Goh 等，2009)。Verner(2004)發現，受教育程度是減少貧困最重要的因素，打破貧困的代際傳遞需要教育部門的廣泛行動。Yang(2012)認為，中國通過普及基礎教育降低了貧困率，而相對于農村來說，城市地區的教育減貧效應更大。相對而言，農村減貧更為重要(Thapa，2004)，身體素質的改善和教育水平的提高均有利于長期減貧。

國內部分學者認為教育有顯著的減貧效應。劉修巖等(2007)通過兩階段Probit 模型估計發現，提高農村居民的教育水平能顯著降低其陷入貧困的可能性。程名望等(2014)研究教育和健康對貧困的影響，運用分位數回歸方法發現人力資本在農村具有顯著的減貧作用，從縮小收入差距的角度看，健康對農村減貧的作用更明顯。李曉嘉(2015)通過聯立方程模型發現，教育具有減貧效應，而相對于絕對貧困群體，教育對相對貧困群體的影響更大。閆巍和成前(2019)選用父親受教育程度作為工具變量識別教育減貧效應，發現教育顯著降低了居民貧困發生率。

另一部分學者則發現教育的減貧效應并不顯著。張車偉(2006)發現教育回報率呈現隨收入水平增加而提高的趨勢，即會出現讓“富有者更富有，而貧窮者更貧窮”的“馬太效應”。Wedgwood(2007)將坦桑尼亞教育回報分為財政回報和非財政回報，發現教育回報并不能轉化為減貧效應。汪德華等(2019)通過評估“國家貧困地區義務教育工程”的政策效果，發現教育工程雖然提高了受益兒童的人力資本水平，但對收入的影響不顯著。

學者們還對教育影響貧困的機制進行了研究。國內外大部分學者均從收入的角度出發分析教育減貧機制(Goh 等，2009；王云多，2014)。另一部分學者發現存在非收入機制。Harper 等(2003)發現高質量教育拓寬了個人視野并增加了未來的就業機會。Van(2008)認為教育和貧困之間的聯系通過收入、經濟增長和社會回報三種方式發揮作用。Gounder 和Xing(2012)認為，隨著教育水平的提高，增加了居民滿足基本需求的可能性，如住房、水和衛生設施以及其他服務，這會降低人們陷入貧困的概率。柳建平等(2018)從職業選擇角度分析了教育減貧的機制，認為隨著勞動者受教育水平的提高，其職業選擇會由農業轉為非農類型，且就業層次越高，減貧效果越顯著。

基于前述文獻，本文所做的工作體現在以下幾個方面。第一，現有文獻更多是關注教育回報率問題，部分學者檢驗了教育與絕對貧困之間的因果關系，但未得到一致的結論，鮮有文獻研究教育對相對貧困和多維貧困的影響。本文基于相對貧困和多維貧困的雙重視角，研究分析后扶貧時代中國教育減貧效應，對現有文獻是一個有益的補充。第二，本文圍繞義務教育法構造工具變量，通過DID-IV 的方法識別教育減貧的因果效應，該方法相對于直接用是否受義務教育法影響做工具變量，很好地解決了由時間趨勢導致的工具變量無效等問題，減小了評估偏差。第三，本文首先從理論上闡述了教育對貧困的影響路徑，然后實證檢驗了教育對相對貧困和多維貧困的影響，力求分析視角更加多元和立體，有利于認識農村基礎教育的發展對夯實脫貧攻堅成果的重要性，并對設計依托教育“防返貧”的長效機制具有重要的參考意義。

三、教育影響貧困的相關機理

教育在精準扶貧中具有基礎性、先導性和持續性作用(王嘉毅等，2016)，既是決定貧困狀態的根本要素，也是多維貧困的重要組成部分，本文將教育對貧困的影響機制總結為如圖1 所示的路徑。

圖1 教育對貧困的影響機制

（一）教育通過提升人力資本質量減少收入貧困

人力資本理論表明教育通過技能和知識的傳授將“人”轉化成優質的“人力資本”，從而增加收入，減少貧困。我們從以下三個方面做較為具體的分析。第一，從宏觀層面上看，很多學者將人力資本理論與經濟增長模型相結合，發現加大對人力資本的投資是保持經濟穩定增長的根本所在(Fleisher 等，2010；張勇，2020)。人力資本投資的核心是人口質量的提升，其基本方式和實現手段是教育，教育是一種對人力資本的投資而非消費。第二，除了人力資本理論所強調的教育在經濟增長中的貢獻，教育回報率方面的研究也證明了教育與收入之間的正相關關系，教育無論是對于個人還是社會都可以產生誘人的回報(Psacharopoulos 和Patrinos，2004)。第三，教育還有助于拓寬就業途徑并改善就業結構，而就業結構直接影響居民尤其是農戶的收入。農業部門與非農部門的勞動收益有顯著差異(郝廣海等，2010)。從更深的層面看，貧困意味著對人的選擇和機會的否定(李興洲，2017)，而教育是一個擴大人們選擇范圍的過程(UNDP，1990)。綜上所述，提高貧困人口內生發展能力最有效的方法就是提高其受教育水平。

（二）教育通過增強人的可行能力幫其擺脫多維貧困

Sen(1999)提出了能力貧困的概念，他指出貧困不僅是低收入的問題，更重要的是獲得基本需求的能力不足或被剝奪，從而將貧困的定義拓展到多維視角。基于多維貧困理論，教育既是解決多維貧困的發展途徑，也是其組成部分。

其一，教育是多維貧困中的重要維度之一，教育的缺乏或被剝奪本身就是一種貧困狀態。人類發展觀也從類似的視角解釋了教育與貧困之間的關系，它將教育視為一種權利和機會，是所有人應該獲得的一種服務。總而言之，人類發展觀認為教育不僅僅是人類發展的手段，教育的缺乏和被剝奪不只是貧困的原因，其本身就是貧困不可或缺的一部分。

其二，基本需求理論認為各項基本需求之間不是孤立的，任何一種基本需求的滿足都有利于其他需求的實現，教育是幫助實現其他基本需求的重要工具和途徑。如圖1 所示，就健康維度而言，現有文獻主要從以下幾個方面研究了教育與健康之間的關系，也可以看作是教育影響健康機理的總結。第一，教育能增強人們的健康意識，有助于健康習慣的養成。第二，在給定的投入下，更好的教育能導致更多的健康產出。第三，受教育水平高的人更容易獲得有利的健康保障和醫療信息，從醫療技術的進步中獲得更多的益處。第四，教育還可以通過其他方式影響健康，如更高的收入、更好的社會環境、較強的自我管理能力等(李軍和劉生龍，2019)。就生活基本需求維度而言，教育可以通過滿足人們生活的基本需求來緩解貧困，如水、電和住房等，基本需求滿足程度的提升既能增強人的生產能力，從而獲得更高的工資收入(Gounder 和Xing，2012)，還能影響與貧困密切相關的因素(Fafchamps 和Shilpi，2014)，如健康狀況、家庭總福利和婦女的生育決策，從而降低家庭陷入多維貧困的風險。

基于以上理論分析可知，無論是從教育的內在價值還是其對收入和福利的影響看，教育對貧困都有重要的影響，而義務教育是整個教育過程的起點和基礎。義務教育法實施之前，義務教育階段獲得的人力資本存量較少，從而導致高等教育的參與率較低，貧困狀況難以得到根本改善。輟學的原因來自社會、家庭、學生和學校等多方面。因此，必須建立強有力的約束機制和措施來破除根深蒂固的家庭和社會因素對貧困家庭教育選擇和決策的影響。義務教育法正是這樣一個以法律的形式保障適齡兒童受教育的強制性措施，在很大程度上解決了失學和輟學問題，開啟了很多貧困地區孩子未來的教育之路，徹底改變了他們的文化價值體系和謀生能力，并使他們擺脫貧困，這很好地發揮了教育的示范引領作用和溢出效應，提升了教育的減貧效能。

四、數據與識別策略

（一）數據來源與處理

本文使用中國家庭追蹤調查(CFPS)數據。該數據庫是一項大規模、全國性、多學科的追蹤社會調查項目，覆蓋了全國25 個省份，調查主題包括教育成果、經濟活動、人口遷移和居民健康等。之所以選用該數據，是因為其提供了個體12 歲時的戶口類型和居住地，為研究教育對貧困的影響提供了數據支持。相對于個體被調查時所在的省份，本文用個體12 歲居住的省份替代其接受義務教育時的省份更為準確，減少了遷移帶來的測量誤差。

本文選用CFPS2018 年數據進行實證分析，并對樣本進行如下篩選。首先，為剔除“非正常年份”對調查個體受教育程度和貧困狀態的影響，刪除了1962 年1 月之前出生的樣本。其次，刪除了年齡小于18 歲或還在上學的個體，刪除了數據缺失的樣本，刪除了非農業戶口的樣本。最終得到14265 個農村個體。

（二）變量選取和描述性統計

1. 貧困

目前，我國已經實現農村貧困人口全部脫貧的目標，扶貧開發工作的重點已經由消除絕對貧困轉向治理長期存在的相對貧困和多維貧困。因此，本文主要從相對貧困和多維貧困兩個維度進行測度。

在相對貧困層面，學術界關于相對貧困的設定并沒有統一的定論，現有研究在設定相對貧困線時通常用收入平均值或者收入中位數的某一比例(沈揚揚，2012；孫久文和夏添，2019)。由于中位數比平均值更為穩健，本文參考汪晨等(2020)的做法，將農村居民收入中位數的60%作為基準貧困線，并選用農村居民收入中位數的40%和50%作為穩健性檢驗貧困線。當家庭人均純收入低于相對貧困線時，記為相對貧困狀態(P60)，取值為1，否則，取值為0。

在多維貧困測算層面，A-F 方法(Alkire 和Foster，2011)是最為成熟且應用最為廣泛的。本文遵循A-F 方法框架，對個體多維貧困進行了測度。關于多維貧困指標、剝奪臨界值和權重等參數的確定，本文參考王小林和Alkire(2009)、郭熙保和周強(2016)、鄒薇和方迎風(2011)的選取標準，并結合指標的可獲得性，具體參數設定見表1。另外，國際上關于受剝奪程度k 值的選取沒有統一的標準，本文主要采用k＝30%作為識別多維貧困(P3)的臨界值(郭熙保和周強，2016)，同時選用k＝20%和k＝40%進行穩健性檢驗。

表1 多維貧困的指標、臨界值和權重設定

2. 受教育程度

用受訪者的受教育年限進行衡量，CFPS2018 問卷調查數據提供了受訪者已完成的受教育年限。

3. 控制變量

控制變量主要為個體特征，包括性別(gender，男性＝1，女性＝0)、婚姻狀況(marital，已婚＝1，否則＝0)、健康狀態(health，健康＝1，否則＝0)和家庭規模(family size，家庭人數)等。另外，所有的估計結果都控制了出生隊列固定效應和省份固定效應。各變量的描述性統計見附表1 和附表2。

（三）識別策略

由于貧困狀態取值為二元離散變量，為準確估計教育對農村貧困的影響，本文選擇 Probit 模型進行估計，其基本形式如下：

其中，i 表示被調查的個體，j 表示12 歲時所在的省份，t 為根據學校學年構造的出生隊列。P為個體i 在被調查時的貧困狀態，e du為個體i 的受教育程度，Z為包括個體特征和家庭特征的控制變量，為省份固定效應，為出生隊列固定效應。

僅僅通過Probit 估計并不能識別教育與貧困的因果關系，教育對貧困的影響可能存在遺漏變量的估計偏誤，這些未被觀測到的特征可能與個體的受教育水平和貧困狀態相關。最為常見的是個人能力，能力更強的人通常受教育年限更高且不容易陷入貧困。為解決內生性問題，本文通過義務教育法構造工具變量來識別教育對貧困的因果效應。

圍繞義務教育法構造工具變量的文獻有很多，大部分學者用個體是否受義務教育法影響作為教育的工具變量(Yang，2012；Fang 等，2012；趙西亮，2017；李軍和劉生龍，2019)，分析教育回報率。由于受教育法影響的群體(年輕組)相對于未受教育法影響的群體(年長組)年齡較小，時間趨勢會影響個體的被解釋變量狀態，這會導致估計結果嚴重偏高或者說估計結果是時間趨勢的結果。具體而言，當研究數據跨度很長時，年輕組和年長組具有顯著的年齡差距，他們成長所處的經濟社會環境有著很大的不同，導致年輕組與年長組的被解釋變量可能存在顯著差異，而這種差異不是教育造成的。特別是對本文的被解釋變量貧困來說，隨著中國貧困率逐年下降，年輕組的貧困率要顯著低于年長組。盡管有部分學者通過將年輕組與年長組控制在年齡相似的時間段，如教育法實施前后兩年(Fang 等，2012；趙西亮，2017；李軍和劉生龍，2019)，但這還是不能徹底消除時間趨勢的影響。本文用雙重差分變量來構造工具變量，有效地解決了由時間趨勢導致的工具變量無效的問題，具體構造方法如下。

本文從時間(出生時間)和空間(省份)兩個維度考慮教育法對個體的影響程度。首先，根據個體的出生時間，計算個體在教育法實施時的年齡來定義個體是否受到政策沖擊。教育法規定兒童在滿六周歲開始上學，那么按照九年義務教育，個體將在15 歲時完成義務教育，故在教育法實施當年，年齡小于等于15 歲時受到影響，其中年齡小于6 歲的個體完全受影響；年齡大于等于16 歲的個體，完全不受教育法影響。然而，在中國特別是中國農村地區，兒童推遲入學和留級是常見現象，這會導致一部分年齡大于等于16 歲的孩子，受到教育法的影響。由于無法精確統計推遲入學和留級經歷，且影響年限通常很短，本文忽略其帶來的影響，這可能會使估計結果產生向下的偏差。

另外，教育法的影響因個體所在的省份不同而有差異。首先，各省份實施教育法的時間不同。其次，Huang(2015)發現省份的平均教育水平會嚴重影響省內居民最終所接受的教育年限。在義務教育完成率較高的省份，其居民完成義務教育的概率也高，即教育法的沖擊對當時義務教育完成率越高的省份影響越小。在現實中，教育法在各省份并未被嚴格執行(劉生龍等，2016)，短時間內各省份的義務教育完成率不會達到100%。因此，僅用教育法實施前的義務教育完成率衡量教育法沖擊強度會產生測量誤差，故本文用各省份教育法實施后(2010 年)的義務教育完成率減去實施前的義務教育完成率來衡量該省份的教育法強度PT，計算公式如式(3)所示。另外，家庭可能會發生跨省遷移行為，居民調查時所在的省份與義務教育階段居住的省份可能不一致，因此本文選用居民12 歲時所在的省份替代其接受義務教育時的省份，衡量教育法沖擊的大小。

根據這兩方面差異，我們使用個體是否受到義務教育法影響和其所在省份受影響強度的交互項作為工具變量識別教育對貧困的因果效應。與前文提到的用是否受教育法影響作為教育的工具變量不同，雙重差分的處理組和對照組按地區劃分而非年齡段劃分，減緩了時間趨勢對估計結果的影響。采用與Duflo(2001)、Larreguy 和 Marshall(2017)相似的識別策略，IV-Probit 第一階段的估計方程如下：

其中，式(3)中PT為省份j 的教育法強度，cer為j 省份d 群體的義務教育完成率，d =1 表示受義務教育法影響，d =0 表示不受教育法影響的群體；cer 表示全國d群體的義務教育完成率；D 為年齡虛擬變量，當個體i 在教育法實施時，年齡大于15歲，記為0；小于等于15 歲記為1(以下簡稱受益個體)；T為j 省份教育法強度的虛擬變量，當PT大于中位數時記為1(高強度組)，小于中位數時記為0(低強度組)；為省份固定效應，為出生隊列固定效應，能夠捕捉到不同省份和不同出生隊列不隨時間變化的因素。利用方程(2)的估計結果，我們用IV-Probit 估計方程(1)，以確定在受益個體單位教育增加的局部平均處理效果(Local Average Treatment Effect，LATE)。另外，當被解釋變量為個體貧困狀態時，式(2)為簡約式。

五、教育對貧困影響的實證結果

（一）第一階段

表2 為IV-Probit 估計的第一階段結果，被解釋變量為個體的受教育年限。其第(1)列中未加入個體和家庭層面的控制變量，交互項的平均邊際效應為0.6360，且通過了1%的顯著性水平檢驗；第(2)列為加入控制變量后的估計結果，系數略微改變為0.6399，表明教育法的實施顯著提高了受益個體的受教育年限，平均受教育年限提高了0.64 年左右。其第(3)列和第(4)列為安慰劑檢驗，參考Duflo(2001)的做法，設置兩組虛擬的實驗組與對照組：第一組，假設教育法實施時個體年齡在16～20 歲之間的為受益個體，在21～25 歲之間的為對照組；第二組，假設21～25 歲之間的個體為受益個體，年齡大于26 歲的為對照組。由于各省份教育法實施時，15 歲以上個體不受教育法影響，所以對于該年齡段的群體，實驗組與對照組之間的教育水平不會存在系統性的差異。結果顯示，交互項的系數均不顯著，即教育法的政策效果并不是由其他因素造成的。另外，平行趨勢假設成立，平行趨勢檢驗見附圖1。

表2 工具變量的第一階段回歸結果

（二）教育對貧困的影響

表3 為教育對貧困的估計結果。其第(1)列至第(3)列估計了教育對相對貧困的影響，第(1)列為模型(1)的回歸結果，教育的系數顯著為負，平均邊際效應表明受教育年限每增加1 年，居民擺脫貧困的概率提高1.93%。第(2)列為簡約式的回歸結果，交互項的系數顯著為負，表明教育法的實施降低了受益個體相對貧困的概率。第(3)列為IV-Probit 估計結果，識別了教育的減貧效應，其中教育變量的系數為-0.0216，且通過了1%的顯著性水平檢驗，表明受教育年限每增加1 年，個體陷入相對貧困的概率降低2.16%，即教育減貧效應為2.16%。其第(4)列至第(6)列估計了教育對多維貧困的影響，估計結果與前三列基本一致，受教育年限每增加1年，陷入貧困的概率能降低3.23%，略大于對相對貧困的減貧效應。

表3 IV-Probit第二階段估計結果

（三）穩健性檢驗

1. 工具變量的有效性檢驗

前文識別政策已經提到，用雙重差分變量來構造工具變量，有效地解決了由時間趨勢導致的工具變量無效的問題，本小節進行實證驗證。首先，參考大多數學者的做法，直接用時間虛擬變量D 作為工具變量，表4 第(1)列和第(2)列受教育年限的系數為負顯著，且系數遠大于基準回歸，這證實了前文的猜想，時間趨勢會嚴重高估教育對貧困的影響。其次，為進一步證明時間趨勢的影響，本文將樣本縮減為在義務教育法實施前后9 年出生的個體，繼續用時間虛擬變量D 作為工具變量。其檢驗結果如第(3)列和第(4)列所示，受教育年限的系數仍然為負，但系數絕對值明顯減小，特別是對于相對貧困，系數絕對值從0.0606 減小到0.0443，即縮小時間跨度會減小教育減貧效應，從側面說明偏差可能是由時間趨勢帶來的。最后，本文參考Huang(2015)的做法，用教育法實施前各省份義務教育未完成率作為教育法沖擊的強度變量，將其與時間強度變量的交互項作為工具變量，該方法與本文最為相似，同樣避免了時間趨勢對估計結果的影響，IV-Probit 估計結果如表4 第(5)列和第(6)列所示，教育的邊際效應與基準回歸無顯著性差異，這也說明了本文結論穩健。

表4 工具變量的有效性檢驗結果

2. 混雜因素

雖然工具變量可以通過差分解決不隨時間變化且未觀測到的混雜因素問題，但是無法緩解由于存在隨時間變化的混雜因素而導致內生性問題，即前文的估計結果假設，即受益個體在義務教育期間，沒有其他可能影響結果變量的政策沖擊同時發生。在本節中，我們還考慮到可能混淆本文結果的其他政策沖擊的影響。

2000—2005 年農業稅費改革減輕了居民的負擔，增加了居民的可支配收入，且該影響有一定的持續性(周黎安和陳燁，2005)，這會影響居民的貧困狀態。由于取消農業稅對不同省份農村居民沖擊的大小不同(汪偉等，2013)，最終可能會影響本文的估計結果。為分析農業稅改革帶來的影響，本文參考汪偉等(2013)的方法構造各省份取消農業稅費對該省份沖擊大小的強度指標，璟參考高艷云和王曦 (2016)的做法，在IVProbit 模型中加入強度指標變量、強度指標變量與受教育年限的交互項，當交互項不顯著時，說明教育減貧效應不受農業稅費改革影響。另外，本文在模型中控制強度指標變量來觀察教育年限系數的變化。表5 第(1)列和第(2)列交互項系數均不顯著，表明農業稅改革的沖擊不會影響教育減貧的估計結果。此外，在第(3)列和第(4)列加入了農業稅改革程度作為控制變量，結果顯示教育的系數大小基本無變化，顯著性與基本回歸一致。

另外，為幫助貧困地區加快普及義務教育，促進貧困人口脫貧致富，教育部、財政部在1995—2000 年，聯合實施了“國家貧困地區義務教育工程”。該工程的實施提高了貧困地區的義務教育完成率和受教育年限，加快了當地居民的脫貧速率，且受益對象為義務教育階段兒童，故該工程的實施會使本文估計結果產生混雜偏差。由于該工程在1995—2000 年間實施，故僅影響在1995 年年齡小于16 歲且生活在貧困縣的個體，本文采用以下兩種方法緩解該工程帶來的沖擊。方法一，直接刪除受該工程影響的個體，基于CFPS 數據中縣區數據的可獲得性，本文直接刪除1995 年年齡小于16 歲的所有樣本，該方法會帶來選擇性偏差，但是能完全剔除該工程對本文估計結果的影響。方法二，參考Tang 等(2019)的做法，在模型中控制該工程帶來的沖擊，具體而言，本文控制了各省份貧困縣數量占總量的比例與1980 年后出生隊列虛擬變量的交互項。表5 第(5)列和第(6)列為方法一的估計結果，教育年限的估計系數顯著為負；第(7)列和第(8)列為控制交互項的估計結果，教育仍然顯著為負，且系數大小變化不大，以上結果均表明了本文結論的穩健性。

表5 穩健性檢驗——農業稅改革與國家貧困地區義務教育工程

3. 選擇偏差

教育是農村居民突破戶籍限制進入城市就業的一條最重要途徑(鄧曲恒和古斯塔夫森，2007)，戶籍轉換會使農村教育減貧效應產生偏差。基于數據的可獲得性，本文選用受益個體12 歲時的戶口狀態衡量個體義務教育階段的戶口狀態，已經在極大程度上消除了選擇偏差。為進一步驗證本文結論的穩健性，本文其他時間段的戶口狀態衡量個體義務教育階段的戶口狀態，包括個體3 歲時的戶口狀態、訪問當年的戶口狀態和訪問當年國家統計局的城鄉分類標準，重新估計農村教育減貧效應，結果如表6所示。其第(1)列～第(4)列教育的系數均顯著為負，驗證了本文結論的穩健性。其第(5)列和第(6)列的系數遠小于基準回歸，且第(5)列的系數不顯著。這是因為數據中國家統計局城鄉分類標準是根據被調查家庭居住地點分類的，農村居民遠少于訪問當年的農村戶口居民，缺少當前為農村戶口且生活在城市中的樣本，而該類農村居民往往是受教育年限更高、貧困率更低的居民，即教育減貧效果最佳的群體，故該分類下的農村群體出現教育減貧效果不顯著的現象，不影響本文結論的穩健性。

表6 穩健性檢驗——選擇偏差

4. 替換變量

為進一步驗證結論的穩健性，本文更換了相對貧困線標準和多維貧困受剝奪程度k 值，重新定義貧困。具體而言，本文選用農村居民收入中位數的40%和50%作為貧困線重新定義相對貧困，選用受剝奪程度k＝20%和k＝40%來定義識別輕度和更深程度的多維貧困，重新估計教育對貧困的影響。估計結果如表7 第(1)列～第(4)列所示，教育的系數均為負顯著，說明了本文結論穩健。

表7 穩健性檢驗——替換變量

5. 異質性分析

不同性別居民的教育減貧效應可能不同，故有必要進行更為深入的分析。本文將數據分成男性和女性兩個樣本，分別估計了男性和女性的教育減貧效果，結果如表7第(5)列～第(8)列所示。男性樣本中，教育的系數均顯著為負，表明教育對相對貧困和多維貧困均有很好的減貧效應；而對于女性，教育對相對貧困無顯著影響，但能顯著降低其陷入多維貧困的概率。

六、教育如何幫助脫貧

前文識別了教育的減貧效應，發現教育能顯著降低農村居民的貧困程度，對于受教育年限是如何幫助居民脫貧的，本部分將在教育影響貧困機理的基礎上，從收入和就業結構兩個角度進行實證分析，檢驗教育對貧困的影響機制。

（一）教育、收入與貧困

教育回報率是教育減貧最直接的機制，為檢驗教育對收入的影響，本文首先通過前文工具變量法估計教育回報率。表8 第(1)列為2SLS 估計結果，受教育年限變量的系數顯著為正，教育回報率為12.7%，這一估計與發達國家近10% 的教育回報率比較接近(Card，1999)。為進一步說明收入的機制效應，本文利用分位數回歸模型進行分析，比較不同收入分位數上教育回報率的差異，估計結果如第(2)列～第(6)列所示。整體來看，教育回報率隨著收入分位數的提高而減小，10 分位數上的教育回報率為10.6%，50 分位數上的教育回報率為6.2%，在90 分位數上，教育回報率進一步下降到5.3%，這說明教育對低收入群體的回報率更高，故教育通過提高收入來影響貧困的機制存在。

表8 教育、居民收入與貧困

（二）教育、就業結構與貧困

另外，教育有助于拓寬就業途徑、改善就業結構，而就業結構直接影響居民尤其是農戶的收入。根據CFPS 提供的數據，本文設置5 個虛擬變量，為“從事非農工作”“非農自雇”“非農受雇”“從事農業生產”和“從事農業打工”，分別替換成用IVprobit 模型的被解釋變量，估計教育對就業的影響。總的來說，就業分為農業工作和非農工作，表9 第(1)列回歸結果表明，隨著受教育水平的提高，居民從事非農工作的概率更大。其次，估計教育對農業工作類型的影響，第(2)列和第(3)列結果表明教育降低了農村居民從事各類農業工作的概率，對居民從事農業打工工作的影響更小。最后，第(4)列和第(5)列估計了教育對非農工作類型的影響，結果表明，隨著受教育年限的提高，居民更多是非農自雇和非農受雇，其中對從事非農受雇工作的影響相對更大。綜上所述，本文認為教育通過改善農村居民的就業結構來擺脫貧困。

表9 教育、就業結構與貧困

七、結論與政策含義

教育發展被認為是過去30 年中國經濟高速發展的巨大動力之一(Fang 等，2012)，教育回報率一直是學術研究關注的重點和熱點，但是大部分文獻都是從收入角度研究教育對貧困的影響，鮮有研究關注后扶貧時代教育對相對貧困和多維貧困的減貧效應。本文使用2018 年CFPS 數據，采用雙重差分方法和工具變量法估計教育的減貧效應，并分析其機制。

本文得出以下結論。第一，義務教育法的實施顯著提高了適齡兒童的受教育水平并具有減貧效應。第二，本文進一步使用工具變量法識別教育對貧困的因果效應，發現提高教育水平能夠降低陷入貧困的概率，具體而言，教育對相對貧困的減貧效應為1%～3%，對多維貧困的減貧效應為1%～6%。第三，教育減貧影響機制的實證分析表明，教育水平的提高能夠增加收入從而擺脫貧困；另外教育水平越高從事農業勞動的概率越低，教育能夠幫助農民拓寬就業途徑，更多地從事非農職業，特別是非農受雇。

從本文的研究結論來看，義務教育的發展有助于消除收入貧困和多維貧困，因此消滅絕對貧困后，教育仍然是鞏固脫貧攻堅成果、改善相對貧困和防返貧以及實現鄉村振興的重要政策著力點。義務教育是整個教育體系中最基本和最重要的階段之一，目前政策的重點應是加快推進農村義務教育質量的提升，真正發揮義務教育在人力資本質量提高和人力資本積累中的基礎性作用。首先，應繼續加大對農村基礎教育的投入，改善農村教育環境，依托國家大力推進新一代信息基礎設施建設的戰略機遇，升級農村地區義務教育基礎設施，從“有學上”到“上好學”。其次，加強鄉村學校師資保障，穩定優秀教師隊伍。政府應加強鄉村教師的培訓和提高教師福利待遇，鼓勵引導高素質、高學歷的人才扎根農村基礎教育，推進義務教育城鄉一體化發展。最后，做好義務教育完成后與高中階段和職業教育的銜接，尤其要重視職業教育的發展。職業教育是發展人力資源的重要手段，也應該是教育扶貧體系中的關鍵組成部分。事實上，從2012 年開始我國已經開始實施農村免費中等職業教育，目前仍需進一步有傾斜性地加大對職業教育的投入，加強社會各界對職業教育功能和重要性的認識，拓寬職業教育的就業通道。

教育對貧困的影響——基于中國1986 年義務教育法的實證分析

一、引 言