义务教育均等化供给与居民收入再分配

赵为民

摘 要：从教育支出与质量两个方面考察农村义务教育供给对收入再分配的具体影响。教育供给通过两种机制影响个体收入：一是通过调节学历水平对收入的促进作用，间接提高个体收入；二是作为独立的因素直接增加个体收入。基于影响机制对农村义务教育供给的收入再分配效应的研究表明，农村义务教育供给水平仍然未实现均等化。以教育支出视角考察，由于其具有一定的累进性，农村家庭从小学、初中教育的获益使得当期基尼系数分别降低了7.3%、2.5%；以教育质量视角考察，其对农村收入差距起到了扩大作用，如果教育供给质量实现均等化，则基尼系数最高可降低5.8%。此外，小学教育供给水平对收入再分配的影响大于初中教育供给水平的影响。

关键词： 教育供给；教育质量；受益归宿；收入再分配

中图分类号：F812；G526．7文献标识码： A文章编号：1003-7217（2023）02-0071-10

一、引 言

当前，中国在城乡收入差距依然处于历史高位的同时，农村内部的收入差距也日益引发人们的关注[1]。理论上，国家可以通过医疗、教育等基本公共服务均等化的供给，改变人力资本在人群中的分布不平等，从根本上缩小国民收入差距。这其中基础教育由于涵盖了个体生理和心理发育的关键阶段，具有基础性、系统性及可塑性的特点，对个体人力资本的形成和发展具有不可替代的作用[2]。因此，世界各国均将基础教育的均等化供给作为调节收入差距、维护公平正义的重要手段。中国长期以来一直将向农村地区提供均等化的基础教育作为一项基本国策，农村义务教育的财政支出连续多年保持了4%以上的增長。近年来，义务教育无论是政策支持，还是资金投入，都进一步向老少边穷地区倾斜。上述措施对于改善农村贫困地区的教育质量，增加低收入群体的教育可及性发挥了重要作用。但是，由于农村义务教育的供给高度依赖基层政府，而基层地方政府的财政压力和发展取向各不相同，导致各地区农村义务教育投入仍然存在着较大差距。更为重要的是，即便各地财力投入做到了完全均等，由于资金的使用效益存在差异，也难以确保义务教育供给质量的完全均等。资料显示，截至2018年底，全国还有558个县（市、区）没有通过义务教育发展基本均衡县的督导评估认定，乡村普通小学办学条件达标率也仅为83%～86%，低于城市小学3～7个百分点①。总之，中国这种主要由基层政府供给农村义务教育的制度安排，在多大程度上导致了农村义务教育供给的不平等，这种不平等又对农村的收入再分配具有怎样的影响，此类问题的研究对于优化农村义务教育供给机制，缩小国民收入差距，具有理论和现实意义。

二、文献综述与机制分析

关于基础教育供给的收入再分配效应的研究大多是从公共支出的视角展开。由于公共支出受益归宿（benefit incidence analysis，BIA）分析法简单、直接，因此，被广泛用于评估财政支出的受益公平性[3，4]。基于BIA方法对56个国家的教育支出的研究发现，中产阶级从初级教育支出中受益最大[5]；但是同样采用BIA的研究发现，南亚国家初级教育支出具有较强的收入再分配效应[6]。有研究认为，中国的高收入地区是初等教育的最大受益者，支出利益的受损者却是中等收入地区[7]。也有对立的观点认为，中国的西部地区家庭在初等和中等教育阶段受益更多[8]。但是，BIA方法忽视了教育这种公共产品的特殊性，教育可以显著提高受教育者的学历水平与人力资本，学历水平作为一种信号和筛选机制，是人们获得高收入工作的重要依据，而人力资本是人们提升劳动效率，增加收入的重要凭借[9]，因此，准确构建教育人力资本模型已成为研究教育供给与收入再分配关系的前提。有文献在纠正了样本选择偏差的基础上估计出明瑟收入方程，证实美国公共教育支出对来自贫困家庭儿童的未来收入影响最大[10]。但采用类似的收入估计方法研究中国的县级教育投入发现，显著提高了经济发展水平较高地区青年的收入水平[11]。

政府的教育供给对国民收入差距的作用机制，可归结于政府的教育支出提高了基础教育的可及性，增加了低收入家庭孩子的受教育机会。美国基础教育生均支出每增加10%，可使生均教育年限增加0.31年，工资提高约7%[12]。除了通过教育的广化（提升学历水平）影响居民收入之外，公共教育支出也可通过教育的深化（改善人力资本）影响居民收入。经济合作与发展组织的一项跨国研究发现，低收入国家生均经费支出每增加1个单位，学生科学素养将显著提高57.14%[13]。 中国学者利用教育追踪调查（CEPS）数据的研究发现，生均公用经费对学生标准化测试成绩的影响具有倒“U型”结构，教育支出的正向效应在经济发展水平较低的农村更加显著[14]。

教育供给质量对收入的影响同样不容忽视。在不增加教育支出的情况下，通过改善教育供给质量便可提升学生成绩[15]。对发展中国家的教育供给进行的研究证实，提高教育供给的有效性可以降低高达30%的教育不平等[16]；中国基础教育供给质量显著地影响中国农村外出劳动力的教育年限回报率[17]。中国农村义务教育供给质量可能从两个渠道影响农村居民收入：一是教育供给质量直接改善了受教育者的人力资本，具有直接的收入效应；二是教育供给质量通过增加教育数量（受教育年限）的回报率，间接影响受教育者的未来收入[18]。

基于以上文献的梳理，我们认为教育供给对收入的影响可能存在直接与间接两种渠道。直接渠道是通过提升受教育者的学历水平以及提升人力资本，从而增加其未来收入；间接渠道是在同等学历水平的条件下，通过调节教育年限的回报率间接影响着受教育者的未来收入。而对教育供给的考察应同时将教育支出与教育供给质量包括其中，只强调其中一个方面，忽略了另一方面，难以对教育供给与居民收入分配的关系做全面的评估。因此，本文具体从这两个方面评估其影响居民收入的可能机制，并在此基础上，分析农村义务教育供给的收入再分配效应。具体研究思路如图1所示。

三、模型设定与数据描述

（一）模型设定

本文所用数据来自北京大学中国社会科学调查中心（ISSS）实施的中国家庭追踪调查（China Family Panel Studies，CFPS）②。由于CFPS 2018年的调查数据没有包括台湾、香港及澳门的样本，因此，本文不包括上述地区的样本。此外，考虑到样本的可比性，删除了西藏的数据。因此，最后共有30个省份（自治区、直辖市）的数据。同时，按照以下條件提取分析样本：农村居民；调查年龄为25～30岁；教育水平为初中、高中及大专学历。此外，由于152份样本中教育水平缺失，因此，最终纳入实证研究的样本共计1868个。

首先，考察教育支出与教育质量对农村居民的收入影响效应及其具体机制，设定基本模型（1）。

其中，yi为个体收入（income），x1i为个体受教育水平（edu），zji为控制变量③。地区特征变量包括：户口所在省份虚拟变量（provc），户口所在省份人均收入（Dincome）。个体特征变量包括：年龄（age）、性别（gender）、健康水平（health）、婚姻状况（marr）、是否中共党员（party）。个体能力变量包括：数学测试分值（score_math）、语言测试分值（score_word）、智力水平（ability）。家庭背景变量包括：父亲学历（fedu）、家庭成员数（familysize）。εi为干扰项，并且εi～iidN0，σ2。β1度量了教育水平对个体收入的影响，假设不同的教育供给水平会增强或削弱学历对个体未来收入的影响程度，因此，设定β1=α0+α1x2i。其中x2i为个体在义务教育阶段享有的教育供给水平（投入、质量）。那么，模型（1）变型为模型（2）。

式（2）暗含着不同教育供给水平通过调节学历对收入的影响，从而间接地影响个体未来的收入。如果放松这一假设，即教育供给水平对收入也可产生直接影响，可以设定模型（3）。

已有研究大多选择“师生比”作为教育供给质量的代理变量，但是，对于中国农村来说，其受到地理环境、村庄规模与人口流动等多种因素的影响，“师生比”的大小具有较强的随机性；此外，我国农村长期以来“代课教师”的占比很高，统计数据中的“师生比”并未纳入“代课教师”，因此，对农村义务教育来说“师生比”难以反映农村中小学真实的教学质量。校舍中的“危房占比”作为教育投入的产出物之一，能够直接反映该地区的教育质量。经合组织（OECD）制定的《教育质量监控体系》中也将“教育环境与设施”作为一项重要的评价指标，而2000年前后中国农村中小学的危房问题十分普遍④，2000年前后也正是样本个体接受义务教育的时间，因此，本文采用“校舍危房占比（build）”作为农村义务教育供给质量的代理变量。按照通常做法，依据个体年龄进行回溯匹配[17，18]，考虑到我国小学实施7岁入学的规定，按照时间倒推，2018年年龄为25～30岁的成人，按照初一年级作为匹配依据⑤，其初中阶段完成时间在2000-2005年，25岁的样本匹配的初中教育供给水平，应当是2005年该地区农村生均教育投入和危房占比，其余年龄依次类推。小学阶段的完成时间以六年级作为匹配依据，按照此种匹配方法，设置样本在义务教育阶段所接受的教育供给水平。生均教育经费与校舍危房占比从1999-2005年《中国教育经费统计年鉴》中提取。

（二）样本统计描述

表1给出了具体的样本统计描述结果⑥。

四、估计结果分析与稳健性检验

（一）模型估计结果分析

选用小学生均教育经费（Pexp）与初中生均教育经费（Jexp）作为农村义务教育支出变量，以小学危房比例（Pbuild）与初中危房比例（Jbuild）作为农村义务教育供给质量变量，对模型（2）（3）进行估计，具体估计结果见表2。

由表2的系数估计结果可见，以小学生均教育经费（Pexp）及初中生均教育经费（Jexp），无论是作为独立形式还是乘积形式，其系数估计的绝对值非常小，并且统计上也不显著，这表明教育经费的收入效应非常微弱。但是，以危房比例（Pbuild、Jbuild）作为教育质量的代理变量，独立形式和乘积形式的估计系数全为负值，统计上也较为显著。其中，小学阶段的危房比例（Pbuild）乘积形式的估计系数为108．5元，即危房比例每减少1个百分点，可以使得教育水平对个人收入的影响作用增加109元；作为独立变量的系数估计值为650.8元，即危房比例（Pbuild）每减少1个百分点，个体未来收入可以直接增加2.5%。初中阶段的危房比例（Jbuild），无论是间接渠道还是直接渠道，均对个体收入具有负向影响，但是其影响的程度弱于小学阶段。控制变量的估计结果大多符合预期，限于篇幅，不再讨论。

综合上述分析，义务教育供给通过放大学历对个体未来收入的影响，间接提高了个体收入，并且在同等学历下，义务教育供给水平作为独立的影响因素，提高了个体的人力资本，从而对其未来收入发挥了直接的促进作用。其中，教育质量的收入促进作用大于教育支出本身的促进作用，而小学教育质量对个体未来收入的影响大于初中教育质量的影响。总之，研究表明，教育支出本身对受教育者的未来收入影响不大，但是提高教育支出的效益，改善教育质量，可以有效地增加受教育者的未来收入。

（二）稳健性检验

虽然基础模型中控制了个体能力与地区特征等变量，但仍然不能完全排除教育供给可能的内生性，因此，采用倾向得分匹配方法（propensity score matching，PSM）进行稳健性检验。首先，将教育供给水平按照数值大小采用二分法分为处理组和对照组；然后，利用probit回归，选用与基础模型相同的协变量计算倾向得分，从对照组中仅对共同取值范围内的个体，计算出二者的平均差异。表3分别给出了小学和初中经费支出、危房占比的PSM估计结果。可见，教育经费对个体收入的影响为负，并且结果均不显著，而危房占比经过倾向得分调整后，危房占比高的组其平均收入仍然比控制组的收入低938～1202元，且统计上较为显著。这与表2的结果较为一致。

由于基础模型在估计中并没有对收入为0的样本做特殊处理，可能存在样本归并的问题（censored data），使得OLS结果产生偏差。因此，采用Tobit模型对基础模型进行重新估计，保持控制变量不变，结果见表4。从表4可见，“教育经费”无论是作为独立变量还是乘积变量，其估计的系数值变为负值，但是绝对值依然很小，其对个体的收入影响非常微弱；而危房占比的系数估计值方向依然为负，仅是绝对值较OLS的略有增大。总之，Tobit模型的估计结果与前文基础模型的估计结果较为一致。

此外，前文用个体在初一和小学六年级阶段的教育供给水平作为其初中与小学阶段教育供给水平的代理变量，为了检验此种做法的稳健性，进一步匹配了个体在初中二、三年级及小学三、四、五年级的教育供给水平，估计结果与表2基本一致。总之，稳健性检验结果较为可靠。

（三）教育质量与受教育水平

农村义务教育的供给水平是否促进了农村孩子的学历水平？如果是，那么，教育供给对其未来收入具有双重效应。考虑到教育水平是定序数据（ordered data），本文采用定序模型（ordered-probit）进行估计。由于受访时期的健康状况（health）、婚姻状况（marr）及是否党员（party）并不会影响学生时代的教育决策，因此，删除这些变量，其余控制变量保持不变。作为对照，表5同时给出了OLS回归的估计结果。

表5的结果显示，这里教育经费系数估计值为正，危房占比的估计值为负，在方向上符合预期，但是绝对值很小，且统计上均不显著，这表明农村义务教育供给水平对农村居民的受教育程度影响微弱。因此，下面的教育供给与收入分配关系的研究中，不再考虑这一渠道的影响。

五、教育供给水平的收入再分配效应

（一）农村义务教育的供给均等化分析

长期以来，义务教育供给主要由地方政府负责，因此，以地区视角进行的比较分析可以很好地揭示我国义务教育均等化供给现状。图2是以省为单位绘制的样本个体在其义务教育阶段（1999-2005年）的教育供给盒状图。

由图2可见，地区间的教育供给存在较大的差距。人均教育经费方面，1999年小学阶段生均经费支出最高的上海（2575元）比最低的河南（323元）高出2252元；初中阶段生均经费支出最高的上海（3539元）比最低的河南（417元）高出3122元。小学与初中阶段的标准差分别为431元、733元。2005年生均经费支出差距进一步拉大，小学与初中阶段的极差分别为7342元、9151元，标准差分别为1574元、1946元。危房占比方面，1999年小学与初中的极差分别为16%、12%，标准差分别为4.26、3.12。2005年危房占比显著减小，小学与初中的极差分别为7%、8%，标准差分别为1.761、1.767。

图3给出了教育支出（funds）和危房占比（build）的集中曲线。为了便于分析，对于危房占比采用1减去危房占比（build）的形式，将其转换为正向资源：正常建筑占比。从图3可以看出，小学与初中的生均教育经费几乎重合，且位于绝对平等的45度线与收入洛伦兹曲线之间。这表明低收入人群尽管所获得的教育支出占比较低，但是高于收入洛伦兹曲线，表明农村义务教育支出有一定的累进性。正常建筑占比虽然均高于洛伦兹曲线，说明其具有一定的累进性，但是小学正常建筑占比集中曲线最初低于45度线，并在收入位次为0.2处与45度线相交，之后高于45度线；初中正常建筑占比最初与45度线重合，然后逐渐高于45度线，这表明对于收入最低的20%的人群，其义务教育的供给质量仍然较低。以上分析表明，农村义务教育具有一定的累进性，但是仍然不利于最低收入群体，其中在小学阶段表现得更为严重。

（二）农村教育供给的收入再分配效应

1.短期的收入再分配效应。

采用式（4）量化各收入分位组的教育受益，利用BIA分析法⑦，对教育支出的收入再分配效应进行分析。

其中，Bq为q收入分位组的受益量，uij是i省份处于农村j收入分位组的家庭正在接受义务教育的孩子个数，Ei为i省份农村小学（初中）生均教育支出。基于式（4）可以计算出农村家庭由于接受义务教育所获得的收入。

基尼系数按照收入来源的分解公式（5）计算。

其中，n为总人数，μ为总收入均值，μk为k项收入均值，i为按照总收入由低到高的个体排序位次。G′k=1n2uk∑ni=1（2i－n－1）yki，为准基尼系数。因此，如果教育受益的准基尼系数低于收入的基尼系数，表明教育支出实际对收入差距起到了缩小作用。具体可以用集中指数（concentration index，CI）进行量化分析，集中指数取值范围为（-1，1），负数表示有利于穷人，正数表示有利于富人。CI指数可以用式（6）计算。

其中， 为家庭接受义务教育所获收入均值，bj为家庭接受义务教育的受益量，Rj为第j个家庭在收入从低到高排序中所处的位次。

表6采用了CFPS 2018年的全部农村家庭样本进行测算，其中样本家庭数为6752，家庭中正在读小学的孩子个数最少为0，最多为4，平均为0.62；在读初中的孩子个数最少为0，最多为2，平均为0.21。表6是基于式（4）（5）（6）计算的农村义务教育的受益分布。

由表6可见，义务教育受益集中曲线在农村家庭收入的每一个分位点上均显著高于45度线，也即被45度线一阶占优，这表明农村义务教育公共支出的受益分布明顯有利于低收入家庭。CI指数的计算结果为负值，进一步表明教育受益对基尼系数起到了降低的作用，从而缩小了农村收入差距。小学受益集中曲线被初中受益集中曲线一阶占优，这表明小学公共教育支出相比于初中公共教育支出，其受益更加有利于农村低收入家庭。

表7是教育支出受益前后的不平等指数。根据收入不平等指数的变化，可以看出加上教育受益之后，各类不平等指数均有所降低，其中小学教育支出的再分配效应高于初中教育支出。例如，基尼系数的测算结果表明，小学教育支出的再分配效应使得基尼系数降低了7.3%，初中教育支出使得基尼系数降低了2.5%，而义务教育总支出使得基尼系数降低了9.3%。

2.长期的收入再分配效应。以上采用BIA法对农村教育供给的短期收入分配效应进行了研究，实际上，基础教育对于个体的人力资本形成至关重要，而人力资本又对未来收入起着决定性作用。为此，以下主要采用反事实分析，对这一长期效应展开研究。

前文基础模型的估计结果表明，在控制了个体学历后，公共教育支出对个体未来收入的影响非常微弱，因此，下面主要从义务教育供给质量展开研究。表5的结果表明，教育供给对农村居民学历的影响非常微弱，因此，以下也不考虑教育供给对居民学历的影响导致的收入再分配效应。

首先，计算农村义务教育供给质量对长期收入不平等的贡献率。采用Fields收入不平等分解方法，即根据设定的收入方程：y=β0+β1x1+β2x2+…+βkxk+ε，其中，自变量x的每一项均可以看出是一项收入来源，存在以下基于方差的自然分解法则：

选用与基础模型估计相同的样本，并采用基础模型（2）（3）的估计结果，计算农村义务教育供给质量的不平等贡献率。为了比对分析，同时也给出学历和能力的不平等贡献率，具体计算结果见表8⑧。

由表8可见，不平等贡献率均为正数，表明农村义务教育质量扩大了收入不平等。实际上，由于系数估计结果βj︿为负值，因此，只有当Corr（xj，y）也为负值时，Sj才能为正，即这项对收入起负向作用的资产（危房占比）穷人占有的更多。此外，表8中，由义务教育供给质量导致的收入不平等的程度小于学历对不平等的贡献度，但是大于能力对不平等的贡献度。

其次，采用反事实分析法对农村义务教育供给质量的收入分配效应展开分析。即基于式（2）（3）的估计结果，在保持其他控制变量不变的情况下，分三种“反事实”情形评估收入不平等的变化情况：一是将所有样本的教育质量取样本均值；二是按收入5分位组，将最低收入组的教育质量替换为最高收入群体的教育质量均值；三是按收入5分位组，将最低收入组的教育质量替换为样本中的最高组的教育质量（按“危房占比”划分5分位组，用“危房占比”最低组的均值替代）。具体计算如式（7）（8）所示，其中，x2i为反事实分析替换的教育质量，yi为居民的实际收入，y︿i为模型拟合收入。

选用与基础模型估计相同的样本进行测算，考虑到样本中存在未就业的个体，其收入为0，在反事实分析中，这部分个体可能会得出yi为负值的结果，为了便于不平等指数的计算，实际处理时剔除了收入为0的个体，具体测算结果见表9⑨、表10。

由表9和表10可见，在第一种“反事实”情况下，无论是直接效应还是间接效应，对缩小收入差距的作用并不明显。在第二种“反事实”情况下，改变后不平等指数减小的程度比较微弱。结合前文对教育质量分布不平等的研究结果，原因是“危房占比”作为教育质量的代理变量，低收入群体拥有的教育质量虽然总体不利，但是相比其收入，仍然具有一定的累进性，因此，上述两种情况所做的教育质量替换，对缩小收入差距的作用不大。但是，在第三种“反事实”情况下，将低收入群体的教育质量替换为样本中拥有最高教育质量组的教育质量，在此种情况下，各类不平等指数测算结果明显缩小。例如，改變小学教育质量的直接影响导致基尼系数降低了5.8%，间接影响则降低了4.6%。改变初中教育质量的直接影响使得基尼系数降低了2.7%，间接影响则降低了1.1%。在四种不平等指数中，由于平均对数离差对低收入组的收入变动敏感，因此，其降低幅度最大，分别为11.5%、13.7%、6.8%及12.6%。

综上可知，农村义务教育供给质量仍然对农村居民的收入不平等起着长期的扩大作用，要想缩小这种不平等效应，农村义务教育供给质量仅具有累进性是不够的，必须进一步向低收入家庭倾斜，使得低收入家庭的教育质量至少超过平均水平，这样才能较大幅度地缩小农村居民的收入差距。

六、总结与政策启示

以上实证表明：（1）农村义务教育供给通过放大学历水平对收入的促进作用，间接提高了个体的未来收入。（2）作为独立的影响因素，教育供给也可直接增加个体未来收入。（3）由于农村义务教育支出具有累进性，因此，农村家庭从接受小学教育中的获益，使得当期基尼系数降低了7.3%，从接受初中教育中的获益使得当期基尼系数降低了2.5%，而义务教育总获益使得当期基尼系数降低了9.3%。（4）中国农村教育供给质量虽然具有一定的累进性，但总体上不利于低收入群体，从而对农村收入差距起到了扩大作用；如果低收入群体的教育供给质量置换为农村最高教育质量，则以基尼系数计算的收入差距可以进一步降低5.8%。（5）教育质量的收入再分配的影响大于教育支出对收入再分配的影响，而小学教育质量对收入再分配的影响大于初中教育质量的影响。

以上研究可得如下政策启示：第一，作为政府提供的一项基本公共服务，农村义务教育不仅仅是为高中教育或者高等教育打下基础，对农村未能继续升学的孩子来说，改善义务教育质量，可以有效提升教育的回报率，增加其未来收入，其中改善小学阶段的教育质量更为重要。第二，基本公共服务均等化不仅应强调财政支出的力度，更应强调支出的效率。农村义务教育支出本身的收入促进作用明显弱于义务教育供给质量的收入促进作用，表明教育领域的财力投入并没有发挥出最大效益。第三，农村义务教育质量具有一定的累进性，但总体上不利于农村最低收入群体，为了缩小这种不平等效应，农村义务教育必须实现均等化，使得低收入家庭的教育质量达到甚至超过平均水平，这样才能长期地较大幅度地缩小农村居民的收入差距。

注释：

① 资料来源：东北师范大学中国农村教育发展研究院公布的《中国农村教育发展报告2019》。

②选择CFPS的理由是，CFPS除了详细记载了个体信息和家庭信息之外，还提供了对个人能力和智商的测试数据。这部分为CFPS个人调查部分中的“X 部分认知模块和身体测试”。智力水平来自“访员观察模块”。

③这里没有将工作地区、工作类型等变量纳入控制变量中，因为这些变量本身受到教育水平和教育质量的影响，加入这些变量后会产生选择性偏误［19］。

④《1990-2000年全国基础教育发展统计公报》指出：全国中小学校舍危房面积呈上升趋势，达5971万平方米，2000年增加了4794万平方米。校舍危房不仅严重威胁着广大师生的生命安全，已严重制约着我国基础教育的均等化供给。为此国务院出台了“中小学危房改造计划”，计划用2～3年的时间消除现存的中小学危房。2003年D类危房从改造前的9.6%，降低为7.6%。

⑤在后继的稳健性检验中，我们对回溯匹配的年级进行了调整，以保证结果的稳健性。

⑥货币单位为元，并按照2000年为基期进行了平减处理。教育水平取值： 3为初中，4为高中/中专，5为大专。性别取值：0为女，1为男。健康水平为个人自评健康状况，取值：1为健康，2为一般，3为比较不健康，4为不健康，5为非常不健康。是否中共党员取值：0为否，1为是。婚姻状况取值：1为未婚，2为在婚（有配偶），3为同居，4为离婚，5为丧偶。数学测试分值0～24，数值越高得分越高；语言测试分值0～34，分值越高得分越高；智力水平来源于访员观察，分值0～7，分值越高得分越高。教育资源变量的数据来源：1999-2005年《中国教育经费统计年鉴》，其中，教育经费为各省（直辖市、自治区）农村地区小学以及初中生均教育投入（包括预算内和预算外资金），学校危房比例为各省（直辖市、自治区）农村地区小学以及初中学校的危房数量占整个学校建筑数量的比例。

⑦BIA是最常用的研究某项公共支出的受益公平性的方法。BIA主要通过成本法进行受益量化，即将公共支出的成本作为公共服务接受者的受益量，将受益量视为参与者所获收入，采用不平等指数分析公共支出对收入分配的影响。

⑧间接贡献率是采用式（2）计算的教育质量与学历乘积项的计算结果，直接贡献率是采用式（3）计算的教育质量的计算结果。学历贡献率與能力贡献率，分别给出了式（2）与式（3）的计算结果，其中，括号中的值为基于式（2）的计算结果。

⑨间接影响是采用式（8）进行的反事实分析所得结果，直接影响是采用式（7）进行反事实分析所得结果。列（1）是将所有样本的教育供给质量取样本均值；列（2）将最低收入组的教育供给质量替换为最高收入群体的教育供给质量均值；列（3）将最低收入组的教育供给质量替换为样本中的最高组的教育质量。（+）、（-）、（=）分别表示“反事实”测算的收入不平等指数大于、小于及等于实际收入测算的不平等指数。

参考文献：

［1］ 汪晨，张彤进， 万广华. 中国收入差距中的机会不均等[J]. 财贸经济， 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] 赵海利，赵海龙.谁是我国初等教育公共支出的受益者？[J]. 经济社会体制比较， 2007（4）：141-144.

[8] 曲创， 许真臻. 我国公共教育支出受益归宿的地区分布研究[J]. 山东大学学报（哲学社会科学版）， 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] 肖伟， 李春之， 赵国昌. 地方政府教育投入对农村青年劳动力收入水平的影响[J]. 教育与经济， 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]陈纯槿，郅庭瑾.教育财政投入能否有效降低教育结果不平等—基于中国教育追踪调查数据的分析[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. 教育质量与农村外出劳动力的教育回报率[J]. 中国农村经济， 2014（10）：23-36.

[18]柳光强， 邓大松， 祁毓. 教育数量与教育质量对农村居民收入影响的研究——基于省级面板数据的实证分析[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.

（责任编辑：宁晓青）

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

基金项目：国家社会科学基金一般项目（22BJY026）

作者简介： 赵为民（1974—），男，安徽芜湖人，博士，安徽大学经济学院副教授，博士生导师，研究方向：财政政策。