義務教育均等化供給與居民收入再分配

趙為民

摘 要：從教育支出與質量兩個方面考察農村義務教育供給對收入再分配的具體影響。教育供給通過兩種機制影響個體收入：一是通過調節學歷水平對收入的促進作用，間接提高個體收入；二是作為獨立的因素直接增加個體收入。基于影響機制對農村義務教育供給的收入再分配效應的研究表明，農村義務教育供給水平仍然未實現均等化。以教育支出視角考察，由于其具有一定的累進性，農村家庭從小學、初中教育的獲益使得當期基尼系數分別降低了7.3%、2.5%；以教育質量視角考察，其對農村收入差距起到了擴大作用，如果教育供給質量實現均等化，則基尼系數最高可降低5.8%。此外，小學教育供給水平對收入再分配的影響大于初中教育供給水平的影響。

關鍵詞： 教育供給；教育質量；受益歸宿；收入再分配

中圖分類號：F812；G526．7文獻標識碼： A文章編號：1003-7217（2023）02-0071-10

一、引 言

當前，中國在城鄉收入差距依然處于歷史高位的同時，農村內部的收入差距也日益引發人們的關注[1]。理論上，國家可以通過醫療、教育等基本公共服務均等化的供給，改變人力資本在人群中的分布不平等，從根本上縮小國民收入差距。這其中基礎教育由于涵蓋了個體生理和心理發育的關鍵階段，具有基礎性、系統性及可塑性的特點，對個體人力資本的形成和發展具有不可替代的作用[2]。因此，世界各國均將基礎教育的均等化供給作為調節收入差距、維護公平正義的重要手段。中國長期以來一直將向農村地區提供均等化的基礎教育作為一項基本國策，農村義務教育的財政支出連續多年保持了4%以上的增長。近年來，義務教育無論是政策支持，還是資金投入，都進一步向老少邊窮地區傾斜。上述措施對于改善農村貧困地區的教育質量，增加低收入群體的教育可及性發揮了重要作用。但是，由于農村義務教育的供給高度依賴基層政府，而基層地方政府的財政壓力和發展取向各不相同，導致各地區農村義務教育投入仍然存在著較大差距。更為重要的是，即便各地財力投入做到了完全均等，由于資金的使用效益存在差異，也難以確保義務教育供給質量的完全均等。資料顯示，截至2018年底，全國還有558個縣（市、區）沒有通過義務教育發展基本均衡縣的督導評估認定，鄉村普通小學辦學條件達標率也僅為83%～86%，低于城市小學3～7個百分點①。總之，中國這種主要由基層政府供給農村義務教育的制度安排，在多大程度上導致了農村義務教育供給的不平等，這種不平等又對農村的收入再分配具有怎樣的影響，此類問題的研究對于優化農村義務教育供給機制，縮小國民收入差距，具有理論和現實意義。

二、文獻綜述與機制分析

關于基礎教育供給的收入再分配效應的研究大多是從公共支出的視角展開。由于公共支出受益歸宿（benefit incidence analysis，BIA）分析法簡單、直接，因此，被廣泛用于評估財政支出的受益公平性[3，4]。基于BIA方法對56個國家的教育支出的研究發現，中產階級從初級教育支出中受益最大[5]；但是同樣采用BIA的研究發現，南亞國家初級教育支出具有較強的收入再分配效應[6]。有研究認為，中國的高收入地區是初等教育的最大受益者，支出利益的受損者卻是中等收入地區[7]。也有對立的觀點認為，中國的西部地區家庭在初等和中等教育階段受益更多[8]。但是，BIA方法忽視了教育這種公共產品的特殊性，教育可以顯著提高受教育者的學歷水平與人力資本，學歷水平作為一種信號和篩選機制，是人們獲得高收入工作的重要依據，而人力資本是人們提升勞動效率，增加收入的重要憑借[9]，因此，準確構建教育人力資本模型已成為研究教育供給與收入再分配關系的前提。有文獻在糾正了樣本選擇偏差的基礎上估計出明瑟收入方程，證實美國公共教育支出對來自貧困家庭兒童的未來收入影響最大[10]。但采用類似的收入估計方法研究中國的縣級教育投入發現，顯著提高了經濟發展水平較高地區青年的收入水平[11]。

政府的教育供給對國民收入差距的作用機制，可歸結于政府的教育支出提高了基礎教育的可及性，增加了低收入家庭孩子的受教育機會。美國基礎教育生均支出每增加10%，可使生均教育年限增加0.31年，工資提高約7%[12]。除了通過教育的廣化（提升學歷水平）影響居民收入之外，公共教育支出也可通過教育的深化（改善人力資本）影響居民收入。經濟合作與發展組織的一項跨國研究發現，低收入國家生均經費支出每增加1個單位，學生科學素養將顯著提高57.14%[13]。 中國學者利用教育追蹤調查（CEPS）數據的研究發現，生均公用經費對學生標準化測試成績的影響具有倒“U型”結構，教育支出的正向效應在經濟發展水平較低的農村更加顯著[14]。

教育供給質量對收入的影響同樣不容忽視。在不增加教育支出的情況下，通過改善教育供給質量便可提升學生成績[15]。對發展中國家的教育供給進行的研究證實，提高教育供給的有效性可以降低高達30%的教育不平等[16]；中國基礎教育供給質量顯著地影響中國農村外出勞動力的教育年限回報率[17]。中國農村義務教育供給質量可能從兩個渠道影響農村居民收入：一是教育供給質量直接改善了受教育者的人力資本，具有直接的收入效應；二是教育供給質量通過增加教育數量（受教育年限）的回報率，間接影響受教育者的未來收入[18]。

基于以上文獻的梳理，我們認為教育供給對收入的影響可能存在直接與間接兩種渠道。直接渠道是通過提升受教育者的學歷水平以及提升人力資本，從而增加其未來收入；間接渠道是在同等學歷水平的條件下，通過調節教育年限的回報率間接影響著受教育者的未來收入。而對教育供給的考察應同時將教育支出與教育供給質量包括其中，只強調其中一個方面，忽略了另一方面，難以對教育供給與居民收入分配的關系做全面的評估。因此，本文具體從這兩個方面評估其影響居民收入的可能機制，并在此基礎上，分析農村義務教育供給的收入再分配效應。具體研究思路如圖1所示。

三、模型設定與數據描述

（一）模型設定

本文所用數據來自北京大學中國社會科學調查中心（ISSS）實施的中國家庭追蹤調查（China Family Panel Studies，CFPS）②。由于CFPS 2018年的調查數據沒有包括臺灣、香港及澳門的樣本，因此，本文不包括上述地區的樣本。此外，考慮到樣本的可比性，刪除了西藏的數據。因此，最后共有30個省份（自治區、直轄市）的數據。同時，按照以下條件提取分析樣本：農村居民；調查年齡為25～30歲；教育水平為初中、高中及大專學歷。此外，由于152份樣本中教育水平缺失，因此，最終納入實證研究的樣本共計1868個。

首先，考察教育支出與教育質量對農村居民的收入影響效應及其具體機制，設定基本模型（1）。

其中，yi為個體收入（income），x1i為個體受教育水平（edu），zji為控制變量③。地區特征變量包括：戶口所在省份虛擬變量（provc），戶口所在省份人均收入（Dincome）。個體特征變量包括：年齡（age）、性別（gender）、健康水平（health）、婚姻狀況（marr）、是否中共黨員（party）。個體能力變量包括：數學測試分值（score_math）、語言測試分值（score_word）、智力水平（ability）。家庭背景變量包括：父親學歷（fedu）、家庭成員數（familysize）。εi為干擾項，并且εi～iidN0，σ2。β1度量了教育水平對個體收入的影響，假設不同的教育供給水平會增強或削弱學歷對個體未來收入的影響程度，因此，設定β1=α0+α1x2i。其中x2i為個體在義務教育階段享有的教育供給水平（投入、質量）。那么，模型（1）變型為模型（2）。

式（2）暗含著不同教育供給水平通過調節學歷對收入的影響，從而間接地影響個體未來的收入。如果放松這一假設，即教育供給水平對收入也可產生直接影響，可以設定模型（3）。

已有研究大多選擇“師生比”作為教育供給質量的代理變量，但是，對于中國農村來說，其受到地理環境、村莊規模與人口流動等多種因素的影響，“師生比”的大小具有較強的隨機性；此外，我國農村長期以來“代課教師”的占比很高，統計數據中的“師生比”并未納入“代課教師”，因此，對農村義務教育來說“師生比”難以反映農村中小學真實的教學質量。校舍中的“危房占比”作為教育投入的產出物之一，能夠直接反映該地區的教育質量。經合組織（OECD）制定的《教育質量監控體系》中也將“教育環境與設施”作為一項重要的評價指標，而2000年前后中國農村中小學的危房問題十分普遍④，2000年前后也正是樣本個體接受義務教育的時間，因此，本文采用“校舍危房占比（build）”作為農村義務教育供給質量的代理變量。按照通常做法，依據個體年齡進行回溯匹配[17，18]，考慮到我國小學實施7歲入學的規定，按照時間倒推，2018年年齡為25～30歲的成人，按照初一年級作為匹配依據⑤，其初中階段完成時間在2000-2005年，25歲的樣本匹配的初中教育供給水平，應當是2005年該地區農村生均教育投入和危房占比，其余年齡依次類推。小學階段的完成時間以六年級作為匹配依據，按照此種匹配方法，設置樣本在義務教育階段所接受的教育供給水平。生均教育經費與校舍危房占比從1999-2005年《中國教育經費統計年鑒》中提取。

（二）樣本統計描述

表1給出了具體的樣本統計描述結果⑥。

四、估計結果分析與穩健性檢驗

（一）模型估計結果分析

選用小學生均教育經費（Pexp）與初中生均教育經費（Jexp）作為農村義務教育支出變量，以小學危房比例（Pbuild）與初中危房比例（Jbuild）作為農村義務教育供給質量變量，對模型（2）（3）進行估計，具體估計結果見表2。

由表2的系數估計結果可見，以小學生均教育經費（Pexp）及初中生均教育經費（Jexp），無論是作為獨立形式還是乘積形式，其系數估計的絕對值非常小，并且統計上也不顯著，這表明教育經費的收入效應非常微弱。但是，以危房比例（Pbuild、Jbuild）作為教育質量的代理變量，獨立形式和乘積形式的估計系數全為負值，統計上也較為顯著。其中，小學階段的危房比例（Pbuild）乘積形式的估計系數為108．5元，即危房比例每減少1個百分點，可以使得教育水平對個人收入的影響作用增加109元；作為獨立變量的系數估計值為650.8元，即危房比例（Pbuild）每減少1個百分點，個體未來收入可以直接增加2.5%。初中階段的危房比例（Jbuild），無論是間接渠道還是直接渠道，均對個體收入具有負向影響，但是其影響的程度弱于小學階段。控制變量的估計結果大多符合預期，限于篇幅，不再討論。

綜合上述分析，義務教育供給通過放大學歷對個體未來收入的影響，間接提高了個體收入，并且在同等學歷下，義務教育供給水平作為獨立的影響因素，提高了個體的人力資本，從而對其未來收入發揮了直接的促進作用。其中，教育質量的收入促進作用大于教育支出本身的促進作用，而小學教育質量對個體未來收入的影響大于初中教育質量的影響。總之，研究表明，教育支出本身對受教育者的未來收入影響不大，但是提高教育支出的效益，改善教育質量，可以有效地增加受教育者的未來收入。

（二）穩健性檢驗

雖然基礎模型中控制了個體能力與地區特征等變量，但仍然不能完全排除教育供給可能的內生性，因此，采用傾向得分匹配方法（propensity score matching，PSM）進行穩健性檢驗。首先，將教育供給水平按照數值大小采用二分法分為處理組和對照組；然后，利用probit回歸，選用與基礎模型相同的協變量計算傾向得分，從對照組中僅對共同取值范圍內的個體，計算出二者的平均差異。表3分別給出了小學和初中經費支出、危房占比的PSM估計結果。可見，教育經費對個體收入的影響為負，并且結果均不顯著，而危房占比經過傾向得分調整后，危房占比高的組其平均收入仍然比控制組的收入低938～1202元，且統計上較為顯著。這與表2的結果較為一致。

由于基礎模型在估計中并沒有對收入為0的樣本做特殊處理，可能存在樣本歸并的問題（censored data），使得OLS結果產生偏差。因此，采用Tobit模型對基礎模型進行重新估計，保持控制變量不變，結果見表4。從表4可見，“教育經費”無論是作為獨立變量還是乘積變量，其估計的系數值變為負值，但是絕對值依然很小，其對個體的收入影響非常微弱；而危房占比的系數估計值方向依然為負，僅是絕對值較OLS的略有增大。總之，Tobit模型的估計結果與前文基礎模型的估計結果較為一致。

此外，前文用個體在初一和小學六年級階段的教育供給水平作為其初中與小學階段教育供給水平的代理變量，為了檢驗此種做法的穩健性，進一步匹配了個體在初中二、三年級及小學三、四、五年級的教育供給水平，估計結果與表2基本一致。總之，穩健性檢驗結果較為可靠。

（三）教育質量與受教育水平

農村義務教育的供給水平是否促進了農村孩子的學歷水平？如果是，那么，教育供給對其未來收入具有雙重效應。考慮到教育水平是定序數據（ordered data），本文采用定序模型（ordered-probit）進行估計。由于受訪時期的健康狀況（health）、婚姻狀況（marr）及是否黨員（party）并不會影響學生時代的教育決策，因此，刪除這些變量，其余控制變量保持不變。作為對照，表5同時給出了OLS回歸的估計結果。

表5的結果顯示，這里教育經費系數估計值為正，危房占比的估計值為負，在方向上符合預期，但是絕對值很小，且統計上均不顯著，這表明農村義務教育供給水平對農村居民的受教育程度影響微弱。因此，下面的教育供給與收入分配關系的研究中，不再考慮這一渠道的影響。

五、教育供給水平的收入再分配效應

（一）農村義務教育的供給均等化分析

長期以來，義務教育供給主要由地方政府負責，因此，以地區視角進行的比較分析可以很好地揭示我國義務教育均等化供給現狀。圖2是以省為單位繪制的樣本個體在其義務教育階段（1999-2005年）的教育供給盒狀圖。

由圖2可見，地區間的教育供給存在較大的差距。人均教育經費方面，1999年小學階段生均經費支出最高的上海（2575元）比最低的河南（323元）高出2252元；初中階段生均經費支出最高的上海（3539元）比最低的河南（417元）高出3122元。小學與初中階段的標準差分別為431元、733元。2005年生均經費支出差距進一步拉大，小學與初中階段的極差分別為7342元、9151元，標準差分別為1574元、1946元。危房占比方面，1999年小學與初中的極差分別為16%、12%，標準差分別為4.26、3.12。2005年危房占比顯著減小，小學與初中的極差分別為7%、8%，標準差分別為1.761、1.767。

圖3給出了教育支出（funds）和危房占比（build）的集中曲線。為了便于分析，對于危房占比采用1減去危房占比（build）的形式，將其轉換為正向資源：正常建筑占比。從圖3可以看出，小學與初中的生均教育經費幾乎重合，且位于絕對平等的45度線與收入洛倫茲曲線之間。這表明低收入人群盡管所獲得的教育支出占比較低，但是高于收入洛倫茲曲線，表明農村義務教育支出有一定的累進性。正常建筑占比雖然均高于洛倫茲曲線，說明其具有一定的累進性，但是小學正常建筑占比集中曲線最初低于45度線，并在收入位次為0.2處與45度線相交，之后高于45度線；初中正常建筑占比最初與45度線重合，然后逐漸高于45度線，這表明對于收入最低的20%的人群，其義務教育的供給質量仍然較低。以上分析表明，農村義務教育具有一定的累進性，但是仍然不利于最低收入群體，其中在小學階段表現得更為嚴重。

（二）農村教育供給的收入再分配效應

1.短期的收入再分配效應。

采用式（4）量化各收入分位組的教育受益，利用BIA分析法⑦，對教育支出的收入再分配效應進行分析。

其中，Bq為q收入分位組的受益量，uij是i省份處于農村j收入分位組的家庭正在接受義務教育的孩子個數，Ei為i省份農村小學（初中）生均教育支出。基于式（4）可以計算出農村家庭由于接受義務教育所獲得的收入。

基尼系數按照收入來源的分解公式（5）計算。

其中，n為總人數，μ為總收入均值，μk為k項收入均值，i為按照總收入由低到高的個體排序位次。G′k=1n2uk∑ni=1（2i－n－1）yki，為準基尼系數。因此，如果教育受益的準基尼系數低于收入的基尼系數，表明教育支出實際對收入差距起到了縮小作用。具體可以用集中指數（concentration index，CI）進行量化分析，集中指數取值范圍為（-1，1），負數表示有利于窮人，正數表示有利于富人。CI指數可以用式（6）計算。

其中， 為家庭接受義務教育所獲收入均值，bj為家庭接受義務教育的受益量，Rj為第j個家庭在收入從低到高排序中所處的位次。

表6采用了CFPS 2018年的全部農村家庭樣本進行測算，其中樣本家庭數為6752，家庭中正在讀小學的孩子個數最少為0，最多為4，平均為0.62；在讀初中的孩子個數最少為0，最多為2，平均為0.21。表6是基于式（4）（5）（6）計算的農村義務教育的受益分布。

由表6可見，義務教育受益集中曲線在農村家庭收入的每一個分位點上均顯著高于45度線，也即被45度線一階占優，這表明農村義務教育公共支出的受益分布明顯有利于低收入家庭。CI指數的計算結果為負值，進一步表明教育受益對基尼系數起到了降低的作用，從而縮小了農村收入差距。小學受益集中曲線被初中受益集中曲線一階占優，這表明小學公共教育支出相比于初中公共教育支出，其受益更加有利于農村低收入家庭。

表7是教育支出受益前后的不平等指數。根據收入不平等指數的變化，可以看出加上教育受益之后，各類不平等指數均有所降低，其中小學教育支出的再分配效應高于初中教育支出。例如，基尼系數的測算結果表明，小學教育支出的再分配效應使得基尼系數降低了7.3%，初中教育支出使得基尼系數降低了2.5%，而義務教育總支出使得基尼系數降低了9.3%。

2.長期的收入再分配效應。以上采用BIA法對農村教育供給的短期收入分配效應進行了研究，實際上，基礎教育對于個體的人力資本形成至關重要，而人力資本又對未來收入起著決定性作用。為此，以下主要采用反事實分析，對這一長期效應展開研究。

前文基礎模型的估計結果表明，在控制了個體學歷后，公共教育支出對個體未來收入的影響非常微弱，因此，下面主要從義務教育供給質量展開研究。表5的結果表明，教育供給對農村居民學歷的影響非常微弱，因此，以下也不考慮教育供給對居民學歷的影響導致的收入再分配效應。

首先，計算農村義務教育供給質量對長期收入不平等的貢獻率。采用Fields收入不平等分解方法，即根據設定的收入方程：y=β0+β1x1+β2x2+…+βkxk+ε，其中，自變量x的每一項均可以看出是一項收入來源，存在以下基于方差的自然分解法則：

選用與基礎模型估計相同的樣本，并采用基礎模型（2）（3）的估計結果，計算農村義務教育供給質量的不平等貢獻率。為了比對分析，同時也給出學歷和能力的不平等貢獻率，具體計算結果見表8⑧。

由表8可見，不平等貢獻率均為正數，表明農村義務教育質量擴大了收入不平等。實際上，由于系數估計結果βj︿為負值，因此，只有當Corr（xj，y）也為負值時，Sj才能為正，即這項對收入起負向作用的資產（危房占比）窮人占有的更多。此外，表8中，由義務教育供給質量導致的收入不平等的程度小于學歷對不平等的貢獻度，但是大于能力對不平等的貢獻度。

其次，采用反事實分析法對農村義務教育供給質量的收入分配效應展開分析。即基于式（2）（3）的估計結果，在保持其他控制變量不變的情況下，分三種“反事實”情形評估收入不平等的變化情況：一是將所有樣本的教育質量取樣本均值；二是按收入5分位組，將最低收入組的教育質量替換為最高收入群體的教育質量均值；三是按收入5分位組，將最低收入組的教育質量替換為樣本中的最高組的教育質量（按“危房占比”劃分5分位組，用“危房占比”最低組的均值替代）。具體計算如式（7）（8）所示，其中，x2i為反事實分析替換的教育質量，yi為居民的實際收入，y︿i為模型擬合收入。

選用與基礎模型估計相同的樣本進行測算，考慮到樣本中存在未就業的個體，其收入為0，在反事實分析中，這部分個體可能會得出yi為負值的結果，為了便于不平等指數的計算，實際處理時剔除了收入為0的個體，具體測算結果見表9⑨、表10。

由表9和表10可見，在第一種“反事實”情況下，無論是直接效應還是間接效應，對縮小收入差距的作用并不明顯。在第二種“反事實”情況下，改變后不平等指數減小的程度比較微弱。結合前文對教育質量分布不平等的研究結果，原因是“危房占比”作為教育質量的代理變量，低收入群體擁有的教育質量雖然總體不利，但是相比其收入，仍然具有一定的累進性，因此，上述兩種情況所做的教育質量替換，對縮小收入差距的作用不大。但是，在第三種“反事實”情況下，將低收入群體的教育質量替換為樣本中擁有最高教育質量組的教育質量，在此種情況下，各類不平等指數測算結果明顯縮小。例如，改變小學教育質量的直接影響導致基尼系數降低了5.8%，間接影響則降低了4.6%。改變初中教育質量的直接影響使得基尼系數降低了2.7%，間接影響則降低了1.1%。在四種不平等指數中，由于平均對數離差對低收入組的收入變動敏感，因此，其降低幅度最大，分別為11.5%、13.7%、6.8%及12.6%。

綜上可知，農村義務教育供給質量仍然對農村居民的收入不平等起著長期的擴大作用，要想縮小這種不平等效應，農村義務教育供給質量僅具有累進性是不夠的，必須進一步向低收入家庭傾斜，使得低收入家庭的教育質量至少超過平均水平，這樣才能較大幅度地縮小農村居民的收入差距。

六、總結與政策啟示

以上實證表明：（1）農村義務教育供給通過放大學歷水平對收入的促進作用，間接提高了個體的未來收入。（2）作為獨立的影響因素，教育供給也可直接增加個體未來收入。（3）由于農村義務教育支出具有累進性，因此，農村家庭從接受小學教育中的獲益，使得當期基尼系數降低了7.3%，從接受初中教育中的獲益使得當期基尼系數降低了2.5%，而義務教育總獲益使得當期基尼系數降低了9.3%。（4）中國農村教育供給質量雖然具有一定的累進性，但總體上不利于低收入群體，從而對農村收入差距起到了擴大作用；如果低收入群體的教育供給質量置換為農村最高教育質量，則以基尼系數計算的收入差距可以進一步降低5.8%。（5）教育質量的收入再分配的影響大于教育支出對收入再分配的影響，而小學教育質量對收入再分配的影響大于初中教育質量的影響。

以上研究可得如下政策啟示：第一，作為政府提供的一項基本公共服務，農村義務教育不僅僅是為高中教育或者高等教育打下基礎，對農村未能繼續升學的孩子來說，改善義務教育質量，可以有效提升教育的回報率，增加其未來收入，其中改善小學階段的教育質量更為重要。第二，基本公共服務均等化不僅應強調財政支出的力度，更應強調支出的效率。農村義務教育支出本身的收入促進作用明顯弱于義務教育供給質量的收入促進作用，表明教育領域的財力投入并沒有發揮出最大效益。第三，農村義務教育質量具有一定的累進性，但總體上不利于農村最低收入群體，為了縮小這種不平等效應，農村義務教育必須實現均等化，使得低收入家庭的教育質量達到甚至超過平均水平，這樣才能長期地較大幅度地縮小農村居民的收入差距。

注釋：

① 資料來源：東北師范大學中國農村教育發展研究院公布的《中國農村教育發展報告2019》。

②選擇CFPS的理由是，CFPS除了詳細記載了個體信息和家庭信息之外，還提供了對個人能力和智商的測試數據。這部分為CFPS個人調查部分中的“X 部分認知模塊和身體測試”。智力水平來自“訪員觀察模塊”。

③這里沒有將工作地區、工作類型等變量納入控制變量中，因為這些變量本身受到教育水平和教育質量的影響，加入這些變量后會產生選擇性偏誤［19］。

④《1990-2000年全國基礎教育發展統計公報》指出：全國中小學校舍危房面積呈上升趨勢，達5971萬平方米，2000年增加了4794萬平方米。校舍危房不僅嚴重威脅著廣大師生的生命安全，已嚴重制約著我國基礎教育的均等化供給。為此國務院出臺了“中小學危房改造計劃”，計劃用2～3年的時間消除現存的中小學危房。2003年D類危房從改造前的9.6%，降低為7.6%。

⑤在后繼的穩健性檢驗中，我們對回溯匹配的年級進行了調整，以保證結果的穩健性。

⑥貨幣單位為元，并按照2000年為基期進行了平減處理。教育水平取值： 3為初中，4為高中/中專，5為大專。性別取值：0為女，1為男。健康水平為個人自評健康狀況，取值：1為健康，2為一般，3為比較不健康，4為不健康，5為非常不健康。是否中共黨員取值：0為否，1為是。婚姻狀況取值：1為未婚，2為在婚（有配偶），3為同居，4為離婚，5為喪偶。數學測試分值0～24，數值越高得分越高；語言測試分值0～34，分值越高得分越高；智力水平來源于訪員觀察，分值0～7，分值越高得分越高。教育資源變量的數據來源：1999-2005年《中國教育經費統計年鑒》，其中，教育經費為各省（直轄市、自治區）農村地區小學以及初中生均教育投入（包括預算內和預算外資金），學校危房比例為各省（直轄市、自治區）農村地區小學以及初中學校的危房數量占整個學校建筑數量的比例。

⑦BIA是最常用的研究某項公共支出的受益公平性的方法。BIA主要通過成本法進行受益量化，即將公共支出的成本作為公共服務接受者的受益量，將受益量視為參與者所獲收入，采用不平等指數分析公共支出對收入分配的影響。

⑧間接貢獻率是采用式（2）計算的教育質量與學歷乘積項的計算結果，直接貢獻率是采用式（3）計算的教育質量的計算結果。學歷貢獻率與能力貢獻率，分別給出了式（2）與式（3）的計算結果，其中，括號中的值為基于式（2）的計算結果。

⑨間接影響是采用式（8）進行的反事實分析所得結果，直接影響是采用式（7）進行反事實分析所得結果。列（1）是將所有樣本的教育供給質量取樣本均值；列（2）將最低收入組的教育供給質量替換為最高收入群體的教育供給質量均值；列（3）將最低收入組的教育供給質量替換為樣本中的最高組的教育質量。（+）、（-）、（=）分別表示“反事實”測算的收入不平等指數大于、小于及等于實際收入測算的不平等指數。

參考文獻：

［1］ 汪晨，張彤進， 萬廣華. 中國收入差距中的機會不均等[J]. 財貿經濟， 2020，41（4）：43-57.

[2] Schultz T W.Capital formation by education［J］. The Journal of Political Economy，1960，68（6）：571-583.

[3] Ravallion M， Walle D， Gautam M. Testing a social safety net[J]. Journal of Public Economics， 1995， 57（2）：175-199.

[4] Younger S D.Benefits on the margin： Observations on marginal benefit incidence[J]. Social Science Electronic Publishing， 2003，17（1）：89-106.

[5] Davoodi H R， Tiongson E R， Asawanuchit S. How useful are benefit incidence analyses of public education and health spending？[J]. Social Science Electronic Publishing， 2006， 03（227）：190-203.

[6] Karim M R. Public education spending and income inequality in Bangladesh[J]. International Journal of Social Science and Humanity，2015，5（1）：75-79.

[7] 趙海利，趙海龍.誰是我國初等教育公共支出的受益者？[J]. 經濟社會體制比較， 2007（4）：141-144.

[8] 曲創， 許真臻. 我國公共教育支出受益歸宿的地區分布研究[J]. 山東大學學報（哲學社會科學版）， 2009（6）：31-36.

[9] Mincer J. Schooling，experience and earnings[R].New York： National Bureau of Economic Research，1974.

[10]Heckman J J.Policies to foster human capital[J].Research in Economics，2000，54（1）：3-56.

[11] 肖偉， 李春之， 趙國昌. 地方政府教育投入對農村青年勞動力收入水平的影響[J]. 教育與經濟， 2020，36（3）：46-57.

[12]Jackson C K， Johnson R， Persico C. The effects of school spending on educational and economic outcomes： Evidence from school finance reforms[J]. The Quarterly Journal of Economics，2016，131（1）： 157-218.

[13]OECD. PISA 2015 Results（Volume II）：Policies and practices for successful schools［R］. Paris：OECD Publishing，2016.

[14]陳純槿，郅庭瑾.教育財政投入能否有效降低教育結果不平等—基于中國教育追蹤調查數據的分析[J]. 教育研究，2017，38（7）：68-78.

[15]Clements B. How efficient is education spending in Europe？[J]. European Review of Economics and Finance，2002，1（1）：3-26.

[16]Brun J F， Compaore C. Public expenditures efficiency on education distribution in developing countries[R]. Working Papers， 2021.

[17]詹鵬. 教育質量與農村外出勞動力的教育回報率[J]. 中國農村經濟， 2014（10）：23-36.

[18]柳光強， 鄧大松， 祁毓. 教育數量與教育質量對農村居民收入影響的研究——基于省級面板數據的實證分析[J]. 教育研究， 2013， 34（5）：20-29.

［19］Angrist J D， Pischke J S. Mostly harmless econometrics： An empiricists companion［M］. Princeton University Press，2010.

（責任編輯：寧曉青）

Equal Supply of Compulsory Education and

Redistribution of Residents Income

--An Empirical Study Based on Rural Micro Data

ZHAO Weimin

（School of Economics， Anhui University， Hefei Anhui 230601，China）

Abstract：From education input and education quality， this paper examines the impact of rural compulsory education on Residents income distribution. By constructing the model of relationship between education supply and income， we confirmed that education supply affects individual income through two mechanisms： first， by adjusting the role of education level in promoting income， it indirectly improves future income; second， as an independent influencing factor， it directly increases the income.This paper further studies the short-term and long-term impact of the supply of rural compulsory education on income redistribution. From the perspective of education input， rural families benefit from primary education reduced the Gini coefficient by 7.3%， and the benefit from junior school education reduced by 2.5%. From the perspective of education quality， it has played a lasting role in expanding the rural income gap. However， if the quality of education supply is further inclined to rural low-income families， the Gini coefficient can be further reduced by 5.8%. In addition， this study found that the impact of primary education supply level on income distribution is greater than that of junior school education supply.

Key words：education expenditure；education quality；BIA；income redistribution

收稿日期： 2022-07-10； 修回日期： 2022-12-27

基金項目：國家社會科學基金一般項目（22BJY026）

作者簡介： 趙為民（1974—），男，安徽蕪湖人，博士，安徽大學經濟學院副教授，博士生導師，研究方向：財政政策。