贫困与非贫困家庭教育收益率比较研究<br/>——基于甘肃省14个贫困村1749个农户的调查

贫困与非贫困家庭教育收益率比较研究
——基于甘肃省14个贫困村1749个农户的调查

2018-04-18李承晋张永真

西北人口 2018年3期

李承晋，张永真

（西北师范大学商学院，兰州 730070）

一、引言

根据舒尔茨的人力资本理论，人口素质是制约农村生产力发展的主要因素，比较各种农业投入的投资收益率，教育的投资收益率最大（舒尔茨，2006）[1]。在我国农村贫困的分布逐渐由区域性和整体性贫困转变为个体性贫困，贫困人口也主要由边缘化人口构成（都阳、蔡昉，2005）[2]，劳动力素质普遍偏低，贫困人口自身发展、摆脱贫困的能力十分有限，提高农村贫困人口人力资本，特别是提高其受教育水平，对于提高贫困家庭收入、摆脱贫困发挥着越来越重要的作用（王瑜、汪三贵，2016）[3]。

以往研究教育收益率、以及就全国、城乡、不同区域或人群的教育收益率进行对比研究的文献已经很多。首先，从使用全国数据、并依数据期限进展的文献来看，从1980年代后期至今我国教育收益率总体上呈现出不断提高的态势。Johnson和Chow（1997）[4]利用1988年中国个人调查数据估计并比较了中国城镇居民和农村居民的教育收益率，用明瑟模型估计的农村居民教育收益率为4.0%，城镇居民教育收益率为3.3%；李实和丁赛（2003）[5]利用覆盖我国11个省份的抽样调查数据估计了1990～1999年期间城镇居民的教育收益率，测算出城镇居民个人教育收益率1990年为2.4%，1999年为8.1%，十年间上升了3倍之多；梁润（2011）[6]使用中国健康与营养调查（CHNS）数据，研究得出我国教育收益率基本呈现逐年增长，并且城镇总是高于农村，女性总是高于男性，而且城乡的教育收益率差距也在不断扩大；邓峰和丁小浩（2013）[7]同样使用CHNS数据，估算了1989～2009年20年来全国教育收益率的变动趋势，得出2000年以后我国城镇地区教育收益率呈现出了先上升后下降的变化，也导致了城镇与农村的教育收益率差距的缩小。

其次，一些学者利用农村数据就农村人口的教育收益状况进行了研究，现有的文献主要是以国家宏观层面的数据为主，如白菊红和袁飞（2003）[8]利用1996～2001年农业部农村固定观察资料分析得出，农村劳动力受教育程度越高，相应的教育投资收入弹性就越大，对家庭的收入贡献也就越明显；李谷成等人（2006）[9]利用1983～2003年共21年的湖北省官方统计年鉴数据估计了农民教育和健康的投资收益率，得出结论，教育和健康的投资水平与农民的收入水平呈同方向变化，并且有相互促进的影响。也有学者利用农村入户调查数据估计了农村人口的教育收益率，如邢小燕和李世平（2010）[10]以陕西省吕梁市为例，通过实证研究得出贫困地区农民教育收益率为3.7%；刘燕梅和段小红（2013）[11]利用甘肃省13个市县的调查数据研究得出，农民家庭收入在劳动力受教育水平达到初中时会有显著增加，而且随着劳动力受教育水平增加到16.5年，农民家庭工资性收入达到最大值；黄斌等人（2014）[12]通过分析浙江省、安徽省和陕西省2009～2010年的农村入户调查数据，得出按照由低到高的收入水平排列的不同收入水平群体，其教育收益率呈先增加后减少的倒U型变化趋势，职业教育收益率则呈递减变化。

以上的研究表明，在对教育收益率的研究与测算中，国内外学者已经就地区差异、城乡差异和性别差异等进行了广泛分析，结果均表明受教育程度对个人或家庭收入具有显著的影响，而且教育收益率在不同地区、城镇与农村、男性与女性之间存在明显差别，但就目前研究来看，专门针对贫困人口教育收益率的文献非常有限，因此对于甘肃省贫困地区农村家庭教育收益率的研究与分析，有助于从贫困人口自身的角度找出贫困原因所在。基于此，本文利用2016年对甘肃省14个贫困村1749个农户的调查资料，采用明瑟回归方程，对样本数据中贫困与非贫困家庭的教育收益率进行估计及比较，并对结果进行解释及分析，以期为当前开展的教育精准扶贫提供有益借鉴。

二、数据来源和样本特征的统计描述

（一）数据来源和样本概况

本文使用的数据源于西北师范大学“精准扶贫与区域发展研究中心”于2016年在甘肃省片区贫困县进行的农村社会调查，调查涉及甘肃省8个市区的14个建档立卡贫困村，问卷内容主要包含家庭人口结构、劳动力外出、收支情况、教育医疗等。调查采取分层抽样、当面访谈形式，共获得1749户、8319人的信息。

因为本研究的核心是对样本村中的贫困家庭和非贫困家庭劳动力的教育收益率进行估计和比较，因此将调查样本以是否为建档立卡贫困户①建档立卡贫困户是指以2013年农民人均纯收入2736元（相当于2010年2300元不变价）的国家农村扶贫标准为识别标准，建立贫困户电子信息档案，向贫困户发放《扶贫手册》。分为贫困户和非贫困户两个子样本。其中建档立卡贫困户样本包含767户、2065个劳动力，非建档立卡贫困户样本包含982户、2974个劳动力。从家庭人口结构来看，贫困户户均人口为4.6人，户均劳动力2.7人，非贫困户户均人口4.9人，户均劳动力3.0人，贫困户人口规模和户均劳动力数都低于非贫困户。

表1 贫困户与非贫困户样本人口概况

（二）贫困户与非贫困户劳动力受教育水平与收入状况比较

从劳动力受教育程度来看，贫困家庭与非贫困家庭的差距较大，贫困家庭的特征主要体现在劳动力受教育程度低、文盲半文盲劳动力数量多。在受教育年限上，贫困户劳均受教育年限仅为5.3年，而非贫困户劳均受教育年限为6.3年。在受教育程度上，贫困户与非贫困户劳动力为小学文化程度的占比相当（为30%），其差距主要体现在文盲半文盲比例上，贫困户劳动力中有28.2%为文盲半文盲，而非贫困户的这一比例为20.2%，另外，贫困户在初中、高中和大专及以上受教育程度的相应占比都低于非贫困户。

从收入状况来看，贫困户和非贫困户劳动力收入水平存在明显差距。贫困户劳均收入为6639.5元，非贫困户为8310.3元，两者相差1670.8元。从收入结构来看，务工收入是农户收入的最主要来源，其次为农业收入，贫困户与非贫困户的务工收入占比基本相当（约为64.0%），农业收入占比分别为24.5%和20.6%，显然，贫困户来自农业的收入占比更高。非农经营收入两者相比差距较大，贫困户非农经营收入只占了2.4%，非贫困户为9.5%。

表2 贫困户与非贫困户劳动力受教育水平与收入状况

（三）影响农户收入的其他因素比较

家庭人口健康状况、劳动力外出状况、家庭负担等也可能对农户家庭收入水平产生较大影响。首先，家庭人口的健康状况对农户收入的影响较大。调查数据显示，贫困户人口患病比例（23.5%）明显高于非贫困户（18.3%）。其中贫困户人口患慢性病、大病、因事故或先天因素导致伤残的人口比例分别为19.1%、3.1%和1.3%，而非贫困户相应为15.1%、2.4%和0.8%。在患病人口中，从年龄来看，15～65岁的劳动年龄人口占比较高，贫困户与非贫困户分别为61.6%和68.8%，可能出现了不健康人群低龄化趋势。从性别来看，贫困户与非贫困户的女性患病比例均高于男性，而男性患病比例中贫困户更高。

其次，农户劳动力外出流动能够有效的影响家庭收入，一方面农村劳动力外出能够增长见识，提高技能水平，另一方面农村外出的人口相对都是优质的劳动力资源。调查数据显示，贫困与非贫困家庭外出劳动力占比分别为23.7%和25.6%，这些劳动力都是有技能、有知识、人力资本水平相对较高的劳动力，剩余在农村的劳动力则以种植业为主。另外，贫困户与非贫困户在外出劳动力的性别、年龄以及受教育水平方面都存在差别。就性别分布来看，贫困户女性劳动力外出的比例为25.8%低于非贫困户的33.2%，说明非贫困户中女性劳动力人力资本状况更好；从年龄来看，非贫困户外出劳动力的平均年龄为32.4岁，比贫困户更年轻；从受教育状况来看，非贫困户外出劳动力的受教育水平明显高于贫困户。

最后，劳动力职业结构、家庭负担等对农户收入有一定的影响。从劳动力职业结构来看，贫困户家庭劳动力主要以务农为主，务农比例高出非贫困户8%，而务工劳动力比例相差不大，但非贫困户仍比贫困户高了0.4%。在从事非农经营（经营小商铺、作坊或者个体运输等）的劳动力数量中两者差距较大，贫困户从事非农经营的劳动力占1.1%，而非贫困户达到了8.3%，对于从事行政事业单位的劳动力来说，贫困户只占了0.9%，非贫困户占了2.1%，由此可见，贫困户劳动力的个体技能状况不如非贫困户，也没有非贫困劳动力从事的职业类型丰富。从家庭负担来看，贫困户的家庭赡养系数为0.72①赡养系数=家庭非劳动力人数/劳动力人数，明显大于非贫困户的0.60，贫困户人口负担更重。

表3 影响贫困户与非贫困户收入的其他因素

三、贫困村贫困户与非贫困户劳动力教育收益率测算与比较

表4 主要解释变量的名称与描述

（一）模型及变量选择

本文所用的模型为大多数学者在估计教育收益率时所使用的明瑟收入函数。其基本表达式为：

其中，Y表示农户家庭劳均收入，EDU指家庭劳动力的平均受教育年限，EXP表示家庭劳动力的平均工龄①劳动力平均工龄=劳动力平均年龄-（劳动力平均受教育年数+7），α表示截距，ε表示误差，β、γ1、γ2分别是各个解释变量的回归系数，β、γ1即是教育和工龄的收益率。

考虑到农户家庭劳动力职业状况、人口健康状况等对其收入可能存在的影响，本文在基础的明瑟方程中加入了务工人数比例、家庭非健康人口比例、户主年龄、人均耕地面积、家庭从事非农经营、家庭为建档立卡贫困户等控制变量（模型2），为了测算贫困与非贫困户家庭教育收益率的差异，又在模型3中引入家庭劳均受教育变水平与贫困户变量的交互项λEDU*Z，其中，λ表示贫困户与非贫困户之间教育收益率的差距，如果λ为负则表示贫困户的教育收益率低于非贫困户，回归方程为：

（二）贫困户与非贫困户劳动力教育收益率测算结果

1.按教育年限估计的教育收益率及比较

按教育年限估计的教育收益率见表5。其中模型1表示利用基础的明瑟方程回归所得结果，模型2表示加入控制变量后所得出的回归结果，模型3为加入教育与贫困户的交互项后的回归结果。

首先，从样本整体的回归结果来看，三个模型户均受教育年限的估计系数都在0.01显著性水平下显著，模型1显示基础的明瑟回归估计的样本总体的教育收益率为6.1%，模型2显示加入控制变量后的教育收益率为4.0%。模型3为增加了教育与贫困户交互项后的回归结果，交互项的系数显著为负表明，当限制其他自变量在贫困户与非贫困户之间相同时，贫困户教育收益率比非贫困户低了2.8%，即贫困户教育收益率为5.3%，非贫困户为8.1%。

其次，从贫困户和非贫困户估计的教育收益率来看，贫困户的教育收益率为4.8%，非贫困户为6.6%，贫困户比非贫困户低了1.8%，与总体数据估计的基本一致，说明了以上回归具有较好的稳定性。贫困户回归结果中工龄与工龄平方项的系数都不显著，表明对贫困户劳动力而言劳动年龄的增长并不能带来显著的收入增加，也在深层次上意味了贫困户之所以贫困的一个重要根源，即基础教育的缺乏严重制约了其在之后职业技能经验上的不断积累和发展。而非贫困户这两项的系数都显著，且工龄收益率（4.2%）低于教育收益率，可见教育对家庭收入的影响大于工作经验的影响。非贫困户工龄平方项的系数显著为负，符合经验，说明家庭劳均收入随着劳均年龄的增长先增加，当超过一定工龄以后，收入开始下降。

表5 依受教育年限的教育收益率回归结果

再次，从其他控制变量的系数来看，贫困户与非贫困户的回归结果也有明显的不同。从务工比例系数来看，贫困户务工比例每增加一单位，家庭劳均收入增加141.7%，比非贫困户务工比例的增加对家庭劳均收入的影响大，说明家庭打工人数的增加对贫困户家庭劳均收入的提高有着很大的影响力。无论贫困户还是非贫困户，家庭从事非农经营都能使劳均收入有较大提升，贫困家庭从事非农经营能使家庭劳均收入增加42.1%，非贫困家庭从事非农经营能使家庭劳均收入增加48.9%。贫困户人均耕地面积系数在0.01的显著性水平下显著为正，表示家庭人均耕地面积每增加一亩，家庭劳均收入增长4.3%，而非贫困户人均耕地面积系数不显著，说明非贫困户家庭人均耕地面积对劳均收入没有显著的影响。从非贫困户数据回归结果的其他显著控制变量系数可以看出，非健康人口比例每增加一单位，劳均收入降低51.8%，户主年龄每增加一岁，家庭劳均收入增加0.8%，说明户主年龄对家庭劳均收入的影响较小。

2.按不同受教育层次的教育收益率比较

为了估计不同教育层次教育收益率的差异，本文将家庭劳动力平均受教育年限分为文盲半文盲、小学、初中、高中和大专及以上五个教育层次。在总体样本数据中，五个教育层次分别占了样本总量的9.6%、44.6%、36.1%、8.5%和1.2%，将总体数据分成贫困户与非贫困户子样本后，非贫困户从文盲半文盲到大专及以上五个教育层次的占比分别为5.9%、42.8%、39.3%、10.2%、1.8%，贫困户相应占比分别为14.3%、46.9%、32.1%、6.3%、0.4%。

将不同的教育层次作为虚拟变量代替模型1、模型2和模型3中的教育年限变量，并在模型6中加入各个教育层次与贫困户的交互项，修改后的模型为：

回归结果如表6所示。其中模型4表示利用基础的明瑟方程回归所得结果，模型5为加入控制变量后所得出的回归结果，模型6为在模型中加入各个层次教育与贫困户的交互项后所得的回归结果。

回归结果如表6所示。首先，从总体来看，三个模型中所有层次的教育回归系数都在0.01的显著性水平下显著。通过计算得出各个层次的年均教育收益率①当解释变量为虚拟变量时，必须取虚拟变量系数估计值的反对数并减去1再乘以100来表示这个解释变量值的单位变化导致因变量的百分比变化，即Ei=[exp（βi）-1]/di，其中Ei为各个层次的年均教育收益率，βi为回归系数，以文盲半文盲为基准变量，di为第i层次教育年限与文盲半文盲（基准组）受教育年限之差。，相对于文盲半文盲（基准组）来说，小学、初中、高中和大专及以上的年均教育收益率分别为10.94%、8.12%、9.41%.、15.65%，由此看出，各层次教育收益率从低到高依次为：文盲半文盲（基准组）、初中、高中、小学和大专及以上。从模型6的估计结果看出，加入各个教育层次与贫困户变量乘积项后，小学*贫困户、初中*贫困户与高中*贫困户三项交互项的系数都显著为负，说明了贫困户在小学水平、初中水平和高中水平的教育收益率均显著低于非贫困户，分别低了9.58%、5.51%和4.16%，而大专及以上*贫困户的系数不显著。由此可以得出，小学、初中和高中教育层次上存在的差异是贫困户和非贫困户教育收益率差异的主要路径，而大专及以上的受教育程度并不能显著的拉大贫困户与非贫困之间的教育收益率差距，当贫困户家庭劳动力受教育水平达到大专及以上时，贫困户与非贫困户的教育收益率都将有很大提升。另外，家庭为建档立卡贫困户的系数显著为正说明，对于贫困户来说，非文盲半文盲家庭的劳均收入比文盲半文盲家庭（基准组）的劳均收入高了41.3%，进一步说明了提升劳动力受教育程度对家庭收入增长的重要影响。

其次，从对贫困户和非贫困户的回归结果来看，各教育层次的系数均至少在0.05显著性水平下显著。通过计算可以得出贫困户从小学到大专及以上的教育收益率分别为6.75%、5.41%、5.65%和13.68%，非贫困户的分别为14.72%、10.40%、11.30%、18.89%。比对可见，贫困户在各个教育层次的教育收益率均低于非贫困户，贫困户和非贫困户各个层次教育收益率从低到高的顺序相同，同样与总体数据回归的结果保持着较好的稳定性。从这一结论可以得出，在所调查的样本地区，无论是贫困户还是非贫困户，接受初中和高中教育不是很划算，最好的选择是大专及以上的教育水平，如果读完高中而没有继续接受高等教育，这种选择损失最大。所以，当接受高等教育时个体的教育收益率会有很大程度提高，每增加一年高等教育，贫困户劳均收入增加13.7%，非贫困户劳均收入增加18.9%。

四、关于结果的进一步讨论

由以上回归结果及分析可见，贫困户劳动力的教育收益率无论相对于样本总体、还是非贫困户子样本都明显较低。这一结果与其他许多研究结果基本一致，如黄斌等（2014）[12]通过分析中国农村不同收入水平群体的教育收益状况，得出低收入群体的教育收益率要低于高收入水平群体。同时，其它一些研究结果也表明，在教育收益率差异上总是存在着落后地区低于发达地区（岳昌君，2004）[13]，农村低于城镇（梁润，2011）[6]的状况。

对于导致不同地区或人群的教育收益率差异

的原因，不少学者给出了一定的解释，如黄斌等（2014）[12]认为由于低收入群体在接受教育的质量、就业能力和职业技术培训投资等方面的不足使得其自身教育收益率低于高收入群体；侯风云（2004）[14]认为，农村劳动力教育收益率低于城市，一方面因为农村中等教育更注重升学，而农村职业技术教育投入高、生源限制及专业设置不合理导致发挥不出其应有的作用，另一方面是城乡劳动力就业条件的不平等造成了教育收益率的巨大差别，在城市就业比在农村就业有更高的教育收益率；梁润（2011）[6]则认为城镇与农村教育收益率的差别的原因来自三个方面，第一是教育质量的差异，第二是劳动力流动的限制，第三是资本流动的限制；还有学者认为，不同的劳动力市场化程度导致了地区间教育收益率的差异，劳动力市场化程度较高的地区，人力资本的市场价值就更容易得到发挥，从而对个人收入的增长起到应有作用，劳动力教育收益率会相应提高（杜育红、孙志军，2003[15]；王海港等，2007[16]）。

表6 依受教育层次的教育收益率回归结果

由于本文研究样本同为甘肃贫困村的劳动力，可以认为他们在接受基础教育时所面临的条件基本一致，即在接受教育的质量上基本相当，以下重点从调查资料所反映的贫困村实际寻找原因。

第一，贫困户教育收益率低于非贫困户的基本原因为人力资本水平低。首先，贫困户的健康状况明显差于非贫困户，差的健康状况不但直接影响了劳动力自身的外出就业，由于疾病照料等，也影响了家庭其他劳动力的外出就业，给家庭带来沉重医疗负担的同时，也影响了其他劳动力的收入能力。另外，贫困户劳动力技术教育投资水平低于非贫困户，劳动力接受的义务教育是对最基本的知识结构的学习，而额外学习的投资是需要家庭提供的，正因为低收入群体无法像高收入群体提供更高的教育投资，从而导致了贫困户教育收益率与非贫困户之间的差异。

第二，贫困户劳动力单一的就业环境使得其教育收益率低于非贫困户。样本数据显示，贫困户务农的劳动力占到一半以上，而劳动力务工和非农经营比例都低于非贫困户，特别是贫困户只有2.0%的劳动力从事非农经营，非贫困户却占到10.4%，上文中各个模型的回归结果均体现出从事非农经营的家庭劳均收入显著高于不从事非农经营的家庭，而且，根据以往我们多次农村社会调查所进行的分析都表明，从事个体经营劳动力的收入最高，其次为务工、再次为农业。由此可见，贫困户劳动力的职业选择只能以农业和外出务工为主，这种单一的就业环境很难使受教育水平发挥出作用，而非贫困户的劳动力职业结构相对丰富很多，这使得他们接受的教育对于寻找更高工资的工作、适应不同工作环境能够提供有效帮助，从而使得个人收入有所提高。

第三，贫困与非贫困家庭的社会资本差异。从农户家庭的社会关系网络来看，贫困户有141户家庭有亲戚朋友在城里工作，占18.4%，其中能够帮助家里解决困难的有87户，占11.3%，非贫困户有亲戚朋友在城里工作的有229户，占23.3%，其中能够帮助家里解决困难的有130户，占13.2%，显然，贫困户的社会关系网络没有非贫困户丰富，社会关系网络能够给劳动力提高必要的技术和信息等方面的帮助，从而使得非贫困户劳动力获得更好的工作机会以增加个人收入。

五、结论及政策建议

本文利用甘肃省14个贫困村的入户调查数据，从劳动力受教育水平、健康状况、和劳动力职业结构等方面对贫困与非贫困家庭特征进行了比较，并测算了贫困与非贫困家庭教育收益率。比较分析发现，贫困家庭在劳动力受教育水平、健康状况、劳动力职业结构等方面与非贫困家庭均有明显差距，无论从教育年限还是分教育层次比较，贫困户教育收益率均明显低于非贫困户。文章认为，导致这一差异的主要原因有三点，贫困户劳动力人力资本水平低、职业选择空间狭小和社会资本缺乏。为了更快更好的改善贫困地区农户人口的教育收益率，帮助贫困人口尽快脱贫，提出以下建议：

第一，重视农村劳动力人力资本提升。一是加大扶贫技能培训力度，政府应该提高对技能培训的重视度和政策的扶持力度，增加技能培训资金支持，创新培训形式和内容，比如利用教育机构、政府购买社会服务等，推行菜单式培训，有目的、有计划的进行培训。二是针对一些低龄劳动力、特别是刚刚初中毕业就进入劳动力市场的劳动力，动员鼓励其进入中等职业学校继续学习，给以政策支持，如加大职业教育免费力度，提高中职学校奖助学金标准等。三是加大医疗扶贫，特别重视农村贫困人口各种慢性病高发、严重影响其脱贫进程的问题，制定专门针对贫困人口常见慢性病诊治费用补助办法、积极开展门诊与家庭治疗相结合的方式，将特困人口慢性病纳入医疗救助范围等措施，切实解决农村贫困人口因慢性病导致的脱贫难问题。

第二，着力提高劳动力市场服务水平。一是建立以劳动保障部门为主体的劳务用工信息网络，统筹各社会职能部门的劳务用工信息，强化政府劳务输出服务机构工作力度，不断扩大劳务输出工作网络，及时将劳务信息传递到农户。二是充分发挥民间社会关系网络在劳务信息传递方面的重要作用，鼓励依靠投亲靠友，以老带新等方式，带动劳务输转。

第三，进一步完善教育精准扶贫政策体系。重点有二：一是尽快落实国家新近出台的《高中阶段教育普及攻坚计划（2017～2020年）》，教育资源应优先向贫困地区倾斜，向贫困农村倾斜，通过扩大扶贫招生、提高助学金标准，保证贫困家庭子女能够接受高中教育；切实解决职业教育专业设置与社会需求的对接问题，提高职业教育质量，理顺中职毕业继续升学的通道。二是不断完善对农村贫困人口的各种教育优惠和资助政策，适度扩大高等学校扶贫招生名额，增加贫困地区学生上大学机会，确保不让一名家庭经济困难学生因贫失学。✿

参考文献：

[1]舒尔茨.改造传统农业[M].北京：商务印书馆，2006：33.

[2]都阳，蔡昉.中国农村贫困性质的变化与扶贫战略调整[J].中国农村观察，2005（5）：2-9.

[3]王瑜，汪三贵.特殊类型贫困地区农户的贫困决定与收入增长[J].贵州社会科学，2016（5）：145-155.

[4]Johnson E N，Chow G C.Rates of Return to Schooling in China[J].Pacific Economic Review，1997，2（2）：101-113.

[5]李实，丁赛.中国城镇教育收益率的长期变动趋势[J].中国社会科学，2003（6）：58-72.

[6]梁润.中国城乡教育收益率差异与收入差距[J].当代经济科学，2011，33（6）：64-71.

[7]邓峰，丁小浩.中国教育收益率的长期变动趋势分析[J].统计研究，2013，30（7）：39-47.

[8]白菊红，袁飞.农民收入水平与农村人力资本关系分析[J].农业技术经济，2003（1）：16-18.

[9]李谷成，冯中朝，范丽霞.教育、健康与农民收入增长—来自转型期湖北省农村的证据[J].中国农村经济，2006（1）：66-74.

[10]邢小燕，李世平.贫困地区农民受教育程度对其收入影响的实证研究—以陕西省吕梁市为例[J].广东农业科学，2010（2）：250-254.

[11]刘燕梅，段小红.农民受教育程度对其家庭收入的影响分析—基于甘肃省13个市县的实地调研[J].浙江农业学报，2013，25（2）：404-409.