财政教育支出阻断贫困及其代际传递的实证研究

刘 湖,刘宇璇,于 跃

(1.陕西师范大学 国际商学院,陕西 西安 710119;2.武汉大学 经济与管理学院,湖北 武汉 420106)

一、引言

改革开放以来,中国经济建设成就举世瞩目,国民经济高速增长,居民收入显著提高。随着经济的快速发展,国家脱贫攻坚工作也成绩斐然。2021年2月25日,习近平总书记在全国脱贫攻坚总结表彰大会上宣告脱贫攻坚战取得全面胜利,区域性整体贫困得到解决。数据显示,中国现行标准下9 899万农村贫困人口已经全部脱贫,832个贫困县全部摘帽,12.8万个贫困村全部出列,消除绝对贫困的艰巨任务已经完成。然而,由于中国人口众多,加之区域发展差异显著,即使脱贫攻坚已经取得显著成果,中国经济社会依然面临着贫困阶层固化问题。贫困的代际转移传递阻碍着乡村振兴的继续推进,更是制约着社会公平的实现,如何切断贫困的代际传递已成为社会各界关注的焦点。

习近平总书记指出,“扶贫必扶智。让贫困地区的孩子接受良好教育,是扶贫开发的重要任务,也是阻断贫困代际传递的重要途径。”在全面建成小康社会的关键时期,人才振兴是推进乡村振兴的重要一步,也成为切断不平等代际延续的重要手段。因此,本文从政府公共支出的视角出发,探究财政教育支出的减贫效应及其在阻断贫困代际传递过程中的作用,这将对促进社会阶层流动、增进社会公平具有重要意义。

实际上,自从Becker等首次提出代际收入流动的概念以来,个人特征的代际传递问题就成为了学术界关注的焦点[1]。贫困代际传递指的是贫困在家庭内部由父代传递给子代,子代在成年后重复父代贫困状态的一种现象[2]。综合来看,现有研究大都借助代际收入流动性来说明贫困的代际传递问题。在方法上,代际收入弹性已逐渐成为反映代际流动性问题的重要指标。基于PSID追踪调查数据,Solon等利用代际收入弹性分析了美国社会流动性问题,同时该方法也被运用到各国社会阶层流动性的探究中,为相关政策制定提供了理论基础[3-6]。近年来,国内研究主要集中在代际收入弹性的估计与传导机制的分析上,其中杨沫等通过CHNS数据估计了1989—2015年中国代际收入流动性,发现2004年以后代际收入阶层固化程度有所降低,并且父亲的非教育因素在代际收入传递中起到主导作用[7]。就传导机制而言,何勤英等的研究结果表明,人力资本回报率差异和社会机会的公平度共同造成了阶级固化从而导致了收入差距的扩大,提高对教育的公共支出对提高代际收入流动性具有重要意义[8]。

收入流动性较低所导致的社会阶层相对固化是中国面临的重要问题,贫困代际传递则通过影响社会公平、社会信任等方面影响居民的主观幸福感,切断贫困代际传递成为问题解决的关键[9]。郭煕保等通过构建代际多维贫困指数发现,教育回报率的代际差异是造成多维贫困代际传递与流动性差异的主要原因,父代贫困将导致子代缺乏发展机会,从而致使不平等差距逐渐加大[10]。刘欢等基于CGSS数据探究了农村家庭贫困的代际传递问题,认为除了收入之外,父代的学历、健康状况以及政治面貌等非经济因素都对子代贫困有显著影响[11]。李芳芝等则通过对比发现,农村和城镇的不同收入阶层人群多代际收入流动现象存在明显差异[12]。

收入差距能够调节公共支出对经济增长的影响,反过来,公共支出对代际收入流动性的影响也能从侧面反映出减贫的特征。刘湖等的研究表明,收入差距的扩大会在政府和私人教育消费对中国经济增长造成影响的基础上进一步扩大私人教育消费对于经济增长的影响[13]。潘星宇等通过研究发现,公共支出对贫困代际传递的阻断作用存在两种作用机制,即直接提高子女人力资本投资与间接增加父代收入[14]。宋旭光等分析认为,财政教育支出可以通过改善子代的人力资本投资进而改善代际流动性[15]。陈杰等也实证探究了均衡教育资源、提高教育支出公平性在改善代际收入流动性方面的重要作用[16]。

回顾国内外相关文献,发现存在以下局限:首先,已有研究大都通过代际收入流动来侧面反映贫困的代际传递,很少直接利用贫困变量正面分析问题,影响了结论的精确性;其次,现有研究集中在农村贫困问题,忽视了中国“二元经济”的特征,没有全面地探究贫困问题的城乡差异以及区域特征;最后,大多数研究父代与子代相关的数据来自同一年份,存在由于二者同时受到暂时性冲击所导致的估计误差。同时,对政府公共支出尤其是财政教育支出减贫效应的实证研究较少,相关研究并没有考虑到内生性问题,影响了结论的稳健性。因此,本文基于CFPS2010年与2012年父子匹配数据,利用Logit模型与Probit模型分析了贫困代际传递特征,探究其区域差异,并在此基础上将财政教育支出纳入模型以讨论其减贫效应,以期在理论和实践上对贫困代际传递研究进行一定的扩展。

二、研究方法与数据说明

(一)实证方法

由于将贫困设定成取值为0或1的虚拟变量,故采用二元选择模型进行探究。首先,本文基于Logit模型实证分析贫困及其代际传递概率的差异特征;然后结合Probit模型说明财政教育支出减贫效应,并通过工具变量法,利用IV-Probit模型消除潜在的内生性问题;最后,利用分位数回归的方式检验了实证结果的稳健性。

1.Logit模型

本文Logit模型最终设定形式为:

(1)

其中,pi表示子代个体i为贫困的概率;Xni表示模型中子代贫困的解释变量,包括子代特征变量、家庭环境变量以及其他相关控制变量;βn为各解释变量的回归系数;μi表示残差。

2.Probit模型

与Logit模型相比,Probit模型的差别在于对概率分布的假设不同,其形式为:

(2)

其中,F(x,β)是标准正态分布的累积分布函数(cdf),由于其不存在解析表达式,在计算上相对Logit模型更为复杂。Probit模型在设定上与Logit模型类似,其估计结果和最大似然函数值也与Logit模型相近,因此本文不再过多叙述。

3.分位数回归

本文利用分位数回归方法探究了财政教育支出在不同阶层人群中的减贫效应。由于分位数回归使用残差绝对值的加权平均作为最小化的目标函数,使得该方法能够避免样本极端值的影响,克服传统回归只关注被解释变量条件均值的缺陷,进而可以很好地提供条件分布y|x的详细情况,因此本文也利用该方法进一步检验了回归结果的稳健性。其设定形式如下:

yi=x′β+μpi

(3)

(4)

其中,quantp(yi|xi)表示被解释变量的第p条件分位数;x为解释变量,i为分位点的个数;β为待估计系数,βp和xi均为M×1阶向量。由于极高与极低阶层人群缺乏一定的代表性,结合已有研究与样本数据,本文选择的分位数分别为0.30、0.40、0.50、0.60与0.70。

(二)数据说明

基于数据的可得性与样本容量的要求,本文在实证分析过程中应用了中国家庭追踪调查(CFPS)2010年的基线调查数据与2012年的全样本追踪调查数据。CFPS是国内第一个大规模、综合性的社会追踪调查项目,调研采取了分层次多阶段的抽样方法,其基线样本覆盖25个省份,代表了中国95%的人口,2010年共采访14 960户家庭、42 590位个体,并两年开展一次调查,实现对个体样本的长期追踪。CFPS数据库涉及个人出生年月、性别、家庭与个人收入、职业、学历等诸多信息,样本量较大,追踪质量高,可以从连续追踪数据中将父代与子代不同年份的相关信息进行匹配,从而为分析贫困的代际传递提供了研究基础。

在数据处理方面:首先,选取各区域年龄为16～65岁的受访者为研究对象,父代仅为父亲,子代包括儿子和女儿,由于父亲在家庭决策方面一般更具有话语权[17],并且考虑到与其他相关研究的可比性,故本文忽略了母亲对贫困代际传递的影响。在多位个体对应同一父亲的情况下,将其视为不同的匹配样本,不做剔除处理,以扩大样本数量。因此,本文将仍处于在校学习阶段的父代或者子代样本剔除,以期得到更加合理的结果。

其次,针对生命周期偏误,相关文献大都采取限制样本年龄的方法以减少其对实证分析的影响。考虑到样本数量有限,将被调查人年龄控制在16～65岁,同时删除了父代与子代年龄差小于14岁的样本;在收入数据的选择方面,父代收入选取2010年的个人收入数据,并通过价格指数进行了平减处理,以消除通货膨胀的影响;子代收入选取2012年(与2010年可比)的个人收入数据,既统一了收入统计口径,同时也避免了父子同时遭受暂时性冲击所造成的向下偏误。由于本文的重点在于探究财政教育支出的减贫效应,而不是估计代际收入弹性,并且“父/子代(相对)贫困”为二值选择变量,因此使用单期收入作为永久收入的代理变量对本文结论基本不会造成影响。

最后,根据世界银行的贫困标准,在界定发展中国家的贫困问题时把“每人每天1美元(按1985年不变价格计算)”作为贫困线。综合考虑夏庆杰等学者的研究,本文在界定绝对贫困线时使用了2012年不变价格,即先把1985年不变价格下的1美元折合成2012年不变价格下的美元数,再根据购买力平价汇率折合成人民币,得到了2012年不变价格下的每人每天1美元贫困线的人民币值为3 149.19元,同时将收入处在总体后1/3的父代或子代样本认定为相对贫困[18]。

(三)变量定义

本文的被解释变量有三个:(1)子代绝对贫困(Spoverty)。该变量为二值选择变量,若子代个人收入低于绝对贫困标准线,则赋值为1,否则取0;(2)子代相对贫困(Cspoverty)。该变量同样为二值选择变量,根据相对贫困标准,子代若为相对贫困则赋值为1,否则取0;(3)子代个人收入(Sincome)。对子代2012年个人收入数值做取对数的处理,由于本文是以个人收入作为衡量是否贫困的标准,因此该变量可以在分位数回归中替换子代绝对贫困变量,一方面用来探究财政教育支出在不同阶层人群中的减贫效应,另一方面可以用来检验结论的稳健性。

本文解释变量分为四大类,第一类是反映子代特征的变量。(1)子代年龄(Sage)及其平方(Sages)。由于个人收入在不同的年龄段存在较大的差异,借鉴已有研究,本文在模型中引入年龄及其平方变量,并作标准化处理,以减小生命周期偏误的影响。(2)子代性别(Gender)。该变量为虚拟变量,用来控制性别差异对贫困发生概率的影响,样本为男性则取值为1,女性取值为0。(3)财政教育支出对数(Financial)。根据相关研究,义务教育阶段的财政支出对人力资本的形成作用更大,故本文选择各区域义务生均教育事业费(2003—2012年平价后的平均值)作为衡量区域财政教育支出的代理变量,数据来自各省级教育经费统计年鉴、各省级教育统计年鉴与各省级统计年鉴。

第二类是反映家庭背景的变量。(1)父代绝对贫困(Fpoverty)与相对贫困(Cfpoverty)。两个变量均为虚拟变量,贫困判断标准与子代标准一致,绝对/相对贫困则取值为1,否则取值为0,在Logit模型中,通过其对子代绝对/相对贫困变量的回归可以判断绝对/相对贫困代际传递概率的大小。(2)父代年龄(Fage)及其平方(Fages)。同样对其进行标准化处理,控制其对贫困发生概率的线性与非线性影响,提高结论的可信程度。(3)父代最高学历(Fedu)。CFPS数据将学历划分为8项,本文对其进行了重新归类,共分为6类,分别为文盲/半文盲、小学、初中、高中/中专、大专、大学及以上,以文盲/半文盲为参照组(父代最高学历为文盲/半文盲,变量赋值为0)依次设定5个最高学历虚拟变量(Fedu1、Fedu2、Fedu3、Fedu4与Fedu5)。

第三类是反映环境特征的变量,以探究因地域环境不同所导致的贫困发生概率的差异。(1)村/居发展水平(Economy)。CFPS数据中“村/居经济状况”为序数变量,取值范围为1到7,数字越大则发展水平越高。本文对其进行了重新划分,共分为3类,对应为:优秀(原得分为6或7)、良好(原得分为3、4或5)与较差(原得分为1或2),以较差为参照组(村/居发展水平较差,则取值为0),设定2个虚拟变量,即Economy1(村/居发展水平良好时,取值为1,否则为0);Economy2(村/居发展水平优秀时,取值为1,否则为0)。(2)城乡变量(City)。该变量为虚拟变量,当样本为城市样本时,则取值为1,否则取值为0。(3)区域变量(Area)。CFPS数据样本覆盖全国25个省份,本文将其划分为东部、中部、西部三大区域,并以东部为参照组(样本所属东部区域时,取值为0),设定2个虚拟变量,即:Area1(样本所属中部区域时,取值为1,否则为0)与Area2(样本所属西部区域时,取值为1,否则为0)。

(四)描述性统计

表1给出了相关变量的基本描述性统计,包括样本在各变量上的均值、标准差与最值。由此可得子代平均年龄为26.342岁,标准差较小,分布较为集中,而且男性样本多于女性;相比之,父代平均年龄为51.496岁,标准差较大,分布比较平均;在家庭背景方面,半数以上家庭父代接受过教育,而且最高学历多为小学或初中;在环境特征方面,大多数样本所处村/居经济发展水平良好,中部和西部的均值分别为0.298与0.315,说明样本的区域分布比较均匀,城乡变量的均值为0.358,其城乡分布也较为合理。

表1 数据描述统计表

三、实证分析

(一)贫困代际传递的特征

转换矩阵是探究收入代际流动性的重要工具,在此用以初步分析中国贫困代际传递特征。本文利用传统五等分法将父代与子代样本按照收入大小分别均分为五等份,对应为(1)至(5)五个阶层,阶层序数越大,则收入水平相对越高。为避免父子两代同时遭受暂时性冲击所导致的误差,父代—子代阶层匹配年份为2010—2012年。位于矩阵对角线上的数字表示,2010年处在该阶层的父代,其子代在2012年仍位于此阶层的比例。

由表2可得,高低阶层群体的收入流动性相对较弱,中间阶层人群的收入流动性较强。换言之,中国贫困的代际传递性较强,贫困阶层存在固化特征。低收入阶层经济来源不稳定,社会资源与发展机会缺乏[19],子代在教育、户籍等方面受到较大影响,从而导致贫困的代际传递;另一方面,中低阶层抗风险能力相对较弱,存在较大的返贫可能性。

表2 代际收入转换矩阵表

计量分析主要从三个维度进行:首先利用Logit模型探究贫困代际传递的差异特征及其影响因素;其次验证财政教育支出的减贫效应;最后采取分位数回归的方式进行稳健性讨论。

在经典收入弹性估计模型的基础上,本文设定了用以分析贫困差异特征的Logit模型,回归结果如表3所示。考虑到相对贫困的代际传递更能体现社会阶层流动的特点,故表3同时给出了绝对与相对贫困下各解释变量的几率比(Odds Ratio)与平均边际效应(dy/dx),以供全面分析差异特征。此外,本文分别筛选出父代绝对与相对贫困的样本,对模型进行了重新估计,进一步考察了子代“继承”贫困的影响因素,结果见表4。

表3 绝对/相对贫困概率影响因素表(Logit模型)

表4 贫困代际传递影响因素表(Logit模型)

由表3可得,父代绝对/相对贫困变量的几率比显著大于1,平均边际效应为正,意味着无论是绝对贫困还是相对贫困,其代际传递性均较为明显。在绝对贫困上,其几率比为1.13,说明出生于贫困家庭的子代,其依然贫困的概率是非贫困家庭子代的1.13倍,相比之下,贫困的可能性高出13%。其平均边际效应表明,父代贫困概率每增加1%,则将使子代贫困的概率平均增加2.6%;在相对贫困方面,本文有类似的发现,其估计结果与绝对贫困基本一致,在此不作具体说明。上述结论表明父代贫困与否对子代影响显著,并且验证了转换矩阵对收入流动性的判断,即贫困阶层存在固化特征。

与此同时,表3还给出了影响子代贫困其他因素的几率比与平均边际效应,就家庭特征来看,如果父代接受过文化教育,那么子代贫困的可能性将远低于文盲家庭。例如,父代为初中文化的子代贫困概率仅为文盲家庭的53.2%。值得注意的是,子代年龄变量的平均边际效应显著为负,而其平方的平均边际效应显著为正数,表明随着子代年龄的增长,其陷入贫困的概率呈现出先减少后增大的U型趋势,这也在一定程度上符合人们在不同年龄段的收入、抗风险能力等U型变化状况;相比之下,父代年龄与子代贫困之间并不存在显著的相关关系。在性别方面,相同条件下女性更容易陷入贫困,具体来看男性贫困的可能性仅为女性的66.4%,反映出劳动力市场上的性别差异问题;在区域差异方面,子代贫困概率呈现出“西高东低”的趋势,西部地区的子代陷入贫困的可能性约为东部地区的1.81倍。

为进一步探究贫困的代际传递特征,本文采用分样本回归的方式,并通过对比父子两代贫困状态将被解释变量进行了重新设定:父代贫困而子代非贫时,取值为0;父子同为贫困时取1。从表4可以看出,贫困的代际传递受区域差异影响较大:一方面,在父代绝对贫困的条件下,城市子代“继承”贫困的概率是农村子代的75.4%,原因可能在于城市中的子代能够获得更多的帮扶机会,在一定程度上反映出社会保障体系的城乡差异;另一方面,西部地区子代“继承”绝对贫困的可能性约是东部地区的1.92倍,意味着中国贫困的代际传递性很强,而且东西区域差异十分显著。

(二)财政教育支出的减贫效应分析

一般来说,父代受教育程度越高则其社会层次就越高,从而子代所处阶层也就越高。在上述研究的基础上,本文按照父代最高学历将样本分为高阶层与低阶层人群(1)参考相关文献并考虑到样本数量问题,本部分以父代最高学历为初中及以上作为高阶层人群。,并将财政教育支出变量逐步加入回归模型中,从而分析财政教育支出对不同阶层人群的减贫效应。以子代是否贫困为被解释变量,本文分别采用Logit与Probit方法进行回归分析,保证了检验结果的稳健性。由于Probit模型不存在几率比,加之回归系数不具有直接经济意义,故表5所有回归结果都为平均边际效应。

表5 财政教育支出减贫效应差异表

此外,表5给出的沃尔德检验结果显示财政教育支出存在不同程度的内生性。因此,本文通过两个途径来弱化内生性问题:(1)在模型中增加了衡量样本所在村/居经济水平的解释变量(Economy1与Economy2),以控制经济因素对贫困概率的影响;(2)采用工具变量法,将地区研究与试验发展(R&D)经费投入强度(R&D经费支出/地区生产总值)作为财政教育支出的工具变量,数据来自《全国科技经费投入统计公报》。具体而言,R&D强度差异能够反映出地区对科教事业的重视程度与支持力度,因此可以认为R&D强度与财政教育支出相关,并且不会直接影响子代贫困与否,满足工具变量的相关性和外生性条件;另一方面,利用两步法对IV-Probit模型进行回归的第一阶段F值为1 103.43,远大于经验规则的数值10,且在1%的水平下显著,因此通过了弱工具变量的检验。如表5所示,第(5)列与第(10)列分别是高低阶层样本加入工具变量后的回归结果。由于三个模型估计结果一致,下文仅以Logit回归结果为例进行解释说明。

由表5可得,第(1)列与第(6)列分别为高低阶层样本的基准回归结果,第(2)列和第(7)列在此基础上加入了财政教育支出变量,用以说明其减贫效应。所得结论如下:首先,低阶层人群存在显著的贫困代际传递性,在没有财政支出的情况下,父代的贫困将使得子代陷入贫困的概率显著增加31.1%,而高阶层人群的子代这种可能性更小且是不显著的;其次,财政教育支出对高低阶层人群均存在显著的减贫作用。分别来看,如果财政教育支出增加1%,那么低阶层人群子代的贫困概率将减少43.2%,高阶层人群子代的贫困概率将减少50.5%。最后,通过对比可得,父代贫困变量在加入财政教育支出前后平均边际效应与R2均发生较大改变,并且本文检验了其边际效应变化的显著性,结果如表5最后一行所示,由此说明教育支出在低阶层人群中的阻断贫困代际传递的作用更大。与此同时,基于IV-Probit模型的估计结果可得,虽然内生性问题影响了对财政教育支出减贫效应的估计,但不可否认其阻断贫困代际传递作用的显著性。其主要原因在于:一方面,低阶层人群易受预算约束的影响,对子代的人力资本投资难以达到最优水平,此时政府将更好地发挥公共财政的“补位”作用;另一方面,高阶层人群在社会地位、抗风险能力等方面均优于低阶层人群,其不存在显著的贫困代际传递特征也具有合理性。

基于Logit模型与Probit模型,本文通过对比在低支出样本与全样本回归中边际效应的变化情况,探究了不同财政支出水平下减贫效应的特征。此外,由于低支出样本集中在西部地区,故在基准回归的基础上剔除了区域变量,以保证回归结果的准确性,如表6所示。

表6 财政教育支出门槛效应检验表

根据父代贫困边际效应显著性变化的检验结果可得,财政教育支出水平在较低的情况下并不存在明显的减贫效应。换言之,财政教育支出具有减贫效应的同时还存在支出门槛。相对较低的财政教育支出不能显著地降低贫困家庭子代“继承”贫困的概率,甚至还存在负向作用。基于回归结果,并未发现其能有效地阻止贫困代际传递的证据。与Logit模型类似,Probit模型下财政教育支出具有相似的特点,在此不作过多的相关论述。上述分析也进一步验证了人力资本理论中“有效积累起始点”的相关理论,说明只有在财政教育支出超过一定水平后才具有人力资本积累效应,能够通过改善子代收入情况降低贫困代际传递性。

(三)进一步讨论

本部分将被解释变量由子代是否贫困替换为子代收入的对数,利用分位数回归的方法对贫困的代际传递与教育支出减贫效应的相关回归进行了重新估计,作为前文结果的稳健性检验。由于收入极高与极低人群样本不具一般代表性,因此本文选择在第0.30、0.40、0.50、0.60与0.70分位数上用平滑算法做分位数回归,其结果如表7所示。

表7 分位数回归表

由此可得,父代贫困变量在各分位数上均为负值,且在0.40、0.50和0.60三个分位数上显著,即父代贫困与子代收入存在负向相关关系,而且在0.40分位数后,父代贫困对子代收入的影响显著降低,这一结果也与前文结论基本相符,验证了贫困的代际传递性较强,而且低阶层人群子代陷入贫困的可能性较大。

与此同时,财政教育支出变量在各分位数上均显著为正,且呈递减趋势,意味着财政教育支出能够显著促进子代收入的增加,且其对较低收入的子代作用更大,这也检验了教育支出对不同阶层人群减贫效应的差异,进一步验证了前文结论;另一方面,本文结合Logit模型与Probit模型的估计结果,并且采用分样本回归、增减解释变量等方法,模型所关注的核心解释变量符号与显著性基本未变,整体上的几率比或者平均边际效应也并未因此发生较大变化,因此本文所得到的估计结果具有一定的说服力。

四、结论与政策启示

本文利用中国家庭追踪调查(CFPS)2010年全国基线调查数据与2012年追踪调查数据,结合Logit模型与Probit模型的回归结果,较为全面地探究了贫困及其代际传递问题,并检验了财政教育支出的减贫效应。本文得到的具体结论如下:

首先,贫困存在明显的代际传递特征,而且地区差异显著。无论父代是绝对贫困还是相对贫困,其子代再次陷入贫困的概率显著大于非贫困家庭的子代;同时,性别、年龄以及父代受教育程度等非经济因素也将对子代的贫困发生率存在较大影响;贫困的代际传递表现出明显的区域差异特征,即农村的贫困代际传递的概率显著高于城市,西部地区的贫困代际传递的概率高于东部地区。

其次,财政教育支出具有减贫效应且能够较好地阻断贫困的代际传递。一方面,通过分样本回归,发现由于初始禀赋的不足,低阶层人群存在较高的贫困代际传递概率;另一方面,无论是高阶层人群还是低阶层人群,财政教育支出都能够显著降低子代贫困发生的概率,减贫效应不因阶层的高低而改变。特别地,财政教育支出还具有纵向减贫特征,其能够大幅度缓解低阶层人群的贫困代际传递,说明较低阶层人群能够从政府公共支出中获得更多的利益,因此更需要加大落后地区贫困家庭的财政支持力度。

最后,研究显示财政教育支出存在门槛效应。在这一方面也验证了人力资本存在有效积累起始点的相关假说,即只有财政教育支出水平超过门槛值时,才能够有效地阻断贫困的代际传递。同时,本文通过分位数回归得知,财政教育支出的减贫效应主要表现在低收入群体中,该方法检验了相关估计的稳健性。

贫困代际传递问题既影响居民当前生活水平的提高,又制约着子代未来的发展,还降低了社会流动性,加大了阶层的固化程度,因此降低贫困发生的可能性、阻断其代际流动是必要的。研究显示子代贫困发生概率存在显著的区域差异,这与地区经济发展水平密不可分,这就需要在政府脱贫工作中着重解决地区经济发展问题,同时需要进一步完善劳动力市场,保障农村居民尤其是贫困家庭子代就业机会的公平,促进劳动力的地区流动,还应重视贫困发生概率的性别差异,进一步消除劳动力市场中的性别歧视问题。此外,应当提高财政教育支出水平,尤其是要加大对相对贫困家庭的政府扶持力度,进一步发挥教育在脱贫工作中的重要作用,促进人力资本的有效积累,阻断贫困的代际传递。