义务教育资源投入与代际收入流动性

袁青青，刘泽云，吴合文

1.陕西师范大学 教育学部，西安 710062；2.北京师范大学 经济与工商管理学院，北京 100875

畅通社会流动渠道、缩小收入差距、减小社会不平等是当前社会面临的重要挑战，直接关系着我国共同富裕社会的建设和第二个百年奋斗目标的实现。教育是影响代际收入流动性的关键因素，如何发挥教育促进代际收入流动性的作用成为社会关注的重要议题。在以往研究中，教育数量与代际收入流动性的关系受到更多关注，但随着我国教育事业的快速发展，教育质量问题的重要性愈加凸显。教育资源投入是衡量教育质量的重要维度，当前我国地区间教育资源投入差距仍然较大。因此，关注教育资源投入对代际收入流动性的影响具有重要现实意义。

一、义务教育资源投入影响代际收入流动性的理论逻辑

代际收入流动性是指子代与父代收入之间的独立性，是衡量机会平等的重要指标，也是度量社会流动性的重要维度，关系着社会公平和经济效率。“了不起的盖茨比曲线”表明，一个社会的平等程度与代际流动性呈现正相关关系，即社会平等程度越高，代际流动性越高(1)M.Corak，“Income Inequality，Equality of Opportunity，and Intergenerational Mobility”，Journal of Economic Perspectives，2013，27(3)，pp.79-102.。当前，我国居民人均可支配收入基尼系数仍处于收入分配差距“警戒线”之上。同时，我国居民代际收入流动性也处于相对较低的水平。从代际收入流动性的内在传递机制来看，人力资本、社会资本、财富资本等微观因素是驱动代际收入流动的主要原因(2)陈琳、袁志刚：《中国代际收入流动性的趋势与内在传递机制》，《世界经济》，2012年第6期。，市场化程度、贸易开放、产业扩张等则是影响代际收入流动性的重要宏观因素。在代际收入流动性的地区差异及其影响因素的相关文献中，众多基于相关分析的研究发现：代际收入流动性越高的地区，公共教育资源投入往往越多(3)R.Chetty and N.Hendren，“The Impacts of Neighborhoods on Intergenerational Mobility II：County-level Estimates”，The Quarterly Journal of Economics，2018，133(3)，pp.1163-1228.。然而这是否意味着教育资源投入对代际收入流动性有正的因果性影响，还有待更多实证研究的验证。

从理论来看，教育资源投入是教育人力资本积累的决定性因素，会影响代际收入流动性。在义务教育阶段，教育资源投入主要为公共教育资源投入，即政府在教育资源投入中发挥着主导作用，而公共教育资源投入对代际收入流动性的影响方向取决于公共教育资源投入与私人教育投资在人力资本积累中是替代关系还是互补关系。也就是说，如果公共投入与私人投资是替代关系，那么，公共投入的增加更有利于贫困家庭子女，即公共教育资源投入对代际收入流动性有正向影响。反之，如果公共投入与私人投资是互补关系，则公共教育资源投入对代际收入流动性具有负向影响或没有影响(4)G.Solon，“A Model of Intergenerational Mobility Variation over Time and Place”，Generational Income Mobility in North America and Europe，2004，2，pp.38-47.。运用生均(或人均)教育经费支出指标，国内研究发现财政教育支出对代际收入流动性具有显著的正向影响(5)宋旭光、何宗樾：《义务教育财政支出对代际收入流动性的影响》，《财政研究》，2018年第2期；周波、苏佳：《财政教育支出与代际收入流动性》，《世界经济》，2012年第12期；L.Tang，S.Sun and W.Yang，“Does Government Education Expenditure Boost Intergenerational Mobility？Evidence from China”，International Review of Economics &Finance，2021，74，pp.13-22。。但现有研究还存在两个方面的问题：一是鲜有研究关注其他教育资源投入的影响，而实际上，师生比也是衡量教育资源投入的常用指标，该指标侧重于生产性投入的衡量，且数据的可获得性更强；二是现有研究在模型设计中对教育资源投入的内生性重视不足，包括变量的测量偏差、模型的遗漏变量等。同时，对于代际收入流动性测量时的计量问题，虽然通过限制样本年龄等方法对收入测量偏误进行了一定程度的纠正，但对于同住样本选择偏差问题并未考虑。由于上述偏误均可能导致教育资源投入与代际收入流动性关系的错误估计，故在国外相关研究中，教育资源投入的内生性等问题均受到高度重视(6)B.Biasi，“School Finance Equalization Increases Intergenerational Mobility：Evidence from a Simulated-instruments Approach”，NBER Working Paper，No.25600，2019.。

义务教育资源投入对代际收入流动性的影响途径可以从两个视角理解：一是基于异质性分析的调节作用，即由于城乡(或农业户口与非农业户口)之间在义务教育资源投入中的系统性差异，以及不同出生队列面临的经济发展水平和义务教育资源投入存在系统性差异，导致义务教育资源投入对不同群体的代际收入流动性影响不同；二是基于微观机制的中介作用，即由于人力等资本是影响代际收入流动性的关键因素，义务教育资源投入能够通过影响人力等资本获得的家庭背景差异进而影响代际收入流动性(7)从作用路径来看，义务教育资源投入可以通过影响子代教育获得的公平性和教育回报率的家庭背景差异来影响代际收入流动性。。另外，不同阶段的义务教育资源投入对代际收入流动性的影响也可能存在差异，即由于人力资本的累积效应，早期教育资源投入对代际收入流动性可能有更大影响。同时，作为人力资本积累的关键要素，教育资源投入对代际收入流动性的影响也可能存在非线性特征，因此，对两者关系的探讨需要更多的实证依据。

本文将全面探讨义务教育资源投入与代际收入流动性的关系及其影响机制，为政府相关部门优化教育资源配置和制定促进代际收入流动性的公共政策提供有益借鉴。

二、义务教育资源投入对代际收入流动性的影响：研究设计与实证策略

(一)研究设计

1.教育资源投入的衡量

在教育资源投入相关研究中，衡量教育资源投入的指标主要有两类：生均教育经费和师生比。首先，考虑到可获取的早期生均教育经费指标准确度不高，本文选择师生比指标衡量教育资源投入。在运用师生比指标时，由于地区经济发展水平差异导致的师资水平差异，尤其是农村和城镇学校师生比指标的不可比问题，即农村学校规模往往更小、师生比更高，但并不意味着教育资源投入也高，因此，需要控制城乡差异和经济发展水平。其次，本文选择了省级层面教育资源投入指标进行衡量。一方面，尽管市县级层面的教育资源投入能够比较准确地捕捉省内差异，但面临较大的自选择问题，即个人为接受优质教育资源而发生跨市县迁移的概率更高，而微观住户调查数据往往没有个人接受义务教育时的具体市县信息，并且市县层面的数据缺失值较多、早期数据难以获取。比较而言，省级层面的教育资源投入的自选择问题较小，能够缓解教育资源投入的内生性问题，同时可以获得早期丰富的数据。另一方面，对于省级层面指标可能面临的加总偏误，本文从以下视角进行说明：一是统计数据表明省级层面的教育资源投入差异较大，且有研究比较了省级政府公共支出(科教文卫支出)与县级公共支出对代际流动性的影响，发现省级指标的作用远高于县级(8)潘星宇、卢盛峰：《阻断居民贫困代际传递：基层政府支出政策更有效吗？》，《上海财经大学学报(哲学社会科学版)》，2018年第1期。，这意味着省际之间的教育资源投入有足够的变异用于研究其影响。二是也有研究使用了省级层面公共财政投入(或人均科教文卫支出)指标和财政教育经费支出指标考察其与代际流动性之间的关系(9)L.Tang，S.Sun and W.Yang，“Does Government Education Expenditure Boost Intergenerational Mobility？Evidence from China”，International Review of Economics &Finance，2021，74，pp.13-22.，有一定借鉴意义。

2.代际收入流动性的测量

在代际收入流动性主题研究中，由于考察两代人的持久收入，且运用家庭调查数据进行研究，故常常面临两方面的计量问题：一是生命周期偏误和衰减偏差，二是同住样本选择偏差。生命周期偏误是指代际收入流动性测算时个人收入获得时的年龄过小或过大导致的偏误，衰减偏差则指收入数据存在短暂性冲击或报告偏误导致对代际收入流动性的高估。考虑到这两类计量偏误均由时点收入不能很好代表持久收入引致，因此本文简称其为“收入测量偏误”。同住样本选择偏差是指使用家庭调查数据测算代际收入流动性时，由于缺失与父代不同住样本的收入信息，从而导致代际收入流动性的测量偏误。对于生命周期偏误，国内研究通常采取限制样本年龄、控制父代和子代年龄及年龄平方项的方法；对于衰减偏差，通常使用多年期收入均值进行缓解。除此之外，在测量方法方面，代际收入秩相关性系数由于在缓解收入测量偏误等方面的优势，在代际流动性主题研究中运用得越来越广泛(10)袁青青、刘泽云：《中国居民代际收入流动性趋势研究》，《经济学动态》，2022年第1期。。鉴于此，本文运用代际收入秩相关性指标测算代际收入流动性，同时通过限定样本年龄等方法缓解测量偏误。对于同住样本选择偏差，本文运用Heckman样本选择模型进行纠正。

3.研究方法的选择

关于教育资源投入影响代际收入流动性的研究方法主要有两种：一是基于教育资源投入与父代收入的交互项，探讨两者之间的关系(11)S.E.Mayer and L.M.Lopoo，“Government Spending and Intergenerational Mobility”，Journal of Public Economics，2008，92(1-2)，pp.139-158.。二是运用学校财政改革等外生冲击作为工具变量，识别教育资源投入对代际收入流动性的影响(12)B.Biasi，“School Finance Equalization Increases Intergenerational Mobility：Evidence from a Simulated-instruments Approach”，NBER Working Paper，No.25600，2019.。其中，在第一种方法应用时，需要严格纠正教育资源投入的内生性问题。目前，国内研究主要运用第一种方法考察财政教育支出对代际收入流动性的影响，但对内生性问题并未给予足够重视。本文则在考虑多方面内生性来源的基础上，采用交互模型的方法进行基准分析。如选取省级层面指标缓解自选择偏差，使用个人就学年龄对应的教育资源投入指标减少测量偏误，以及通过控制省份固定效应、地区经济发展水平等变量来缓解遗漏变量偏误。另外，本文也使用了工具变量法进行估计，以确保研究结论的稳健性。

与已有研究相比，本文的主要贡献在于：第一，运用师生比衡量教育资源投入，并比较了不同教育阶段教育资源投入对代际收入流动性影响的差异，丰富了教育资源投入对代际收入流动性影响的研究。第二，从户口和出生队列视角，考察了教育资源投入对代际收入流动性影响的异质性特征，对现有文献进行了有益拓展。第三，考虑了教育资源投入的多种内生性来源，以及代际收入流动性测算中的同住样本选择偏差问题，更有效地识别了教育资源投入对代际收入流动性的因果性影响。

(二)实证策略

本文运用2013年和2018年中国家庭收入调查(CHIP)数据和省级层面教育统计数据，在考虑了教育资源投入的内生性、收入测量偏差和同住样本选择偏差等计量问题的基础上，采用Heckman样本选择模型，分析义务教育资源投入对我国居民代际收入流动性的影响，并探讨教育资源投入影响代际收入流动性的异质性和影响机制，以及不同教育阶段教育资源投入对代际收入流动性的影响。

1.数据来源

本文使用的微观数据来自于2013年和2018年CHIP数据库。该数据库由中国居民收入分配课题组组建，分别于1988年、1995年、2002年、2007年、2013年和2018年开展了六次调查，调查内容包括家庭层面信息和个人层面的教育、工作和收入等信息，并且在2007年、2013年和2018年的三次调查中采集了与户主不同住成年子女的基本信息，同时也可以获得部分日记账形式记录的收入数据。同其他大型家庭微观数据库一样，CHIP数据具有全国代表性，是国内研究代际收入流动性相关问题的重要数据库之一。在以上所有年份的调查中，由于2013年和2018年的CHIP样本可以匹配到各级教育资源投入数据，并且有统一口径的可支配收入指标，因此本文仅使用了这两个调查年份的数据。

本文使用的教育资源投入等宏观数据来自于国家统计局相关统计年鉴，包括《新中国六十年统计资料汇编》(1949—2008年)、《中国教育统计年鉴》(1987—2019年)、《中国统计年鉴》(1981—2019年)及各省份统计年鉴。其中，基于《新中国六十年统计资料汇编》和《中国教育统计年鉴》可获得各省份的小学和普通初中在校生数和专任教师数，基于《中国统计年鉴》及各省份统计年鉴可获得各省份人均地区生产总值(GDP)、城镇化率、地方财政收支、居民消费价格指数(CPI)。需要说明的是，虽然重庆市在1997年设直辖市，但在设市之前的数据也可以获得。另外，对于以上各指标的部分缺失值均采取插补法填充。具体使用stata软件中的ipolate命令，其原理是通过构造拉格朗日多项式来近似地模拟一组数据的函数关系。

本文的样本选择过程如下：首先，依据家庭成员与户主的关系匹配户主及其配偶与同住子女的信息，获得户主及其配偶作为父代、其子女作为子代的样本。对于户主及其配偶作为子代，其父母作为父代的样本匹配情形，考虑到样本量只有249个(占比4.6%)，为便于分析，本文在基准分析时予以删除，但在稳健性检验部分进行了考察。其次，将子代年龄限制在23-35岁(出生于1978—1995年)，父代年龄限制在60岁及以下，并剔除父代与子代年龄差小于16岁的样本。本文对子代和父代年龄限制的目的在于确保收入的可比性和代表性，同时为避免年龄选择的随意性，在稳健性检验部分，逐步将子代和父代年龄范围限定在更小区间进行估计。最后，剔除子代和父代年收入均小于等于0、在上学等个别异常值样本。本文最终获得有效观测值5464个。

2.变量定义

本文使用的收入指标为个人可支配收入，定义为工资性收入、经营净收入、财产净收入和转移净收入的总和。其中，经营净收入存在两种情形：一是城镇住户，指非农经营净收入；二是农村住户(2013年含流动人口)，指农业经营净收入加非农经营净收入。在CHIP2018年数据中，日记账记录了个人层面可支配收入和各分项收入，但在CHIP2013年数据中，农业经营净收入仅有家庭层面数据，未统计到个人。因此，为统一收入口径，本文借鉴已有研究的做法将2013年和2018年调查的家庭农业经营净收入依据家庭成员在农业经营中的劳动时间占比进行分摊(13)汪小芹、邵宜航：《我们是否比父辈过得更好：中国代际收入向上流动研究》，《世界经济》，2021年第3期。，最终获得个人可支配收入数据。为避免总收入指标计算时引入更多的误差，本文并没有再考虑使用总收入进行研究。但在稳健性检验部分，本文替换了劳动收入(定义为工资性收入和经营净收入总和)和工资性收入指标进行考察。

本文使用的教育资源投入指标是基于个人居住省份—出生年份计算的义务教育阶段师生比，即对应个人就学阶段(6-14岁)的小学和初中的加权师生比(权重取小学和初中的常用学制6年和3年)(14)实际上，应该根据个人接受义务教育时的省份计算，但由于CHIP问卷没有这一信息，所以在稳健性检验部分，本文运用CHIP2018年数据中的个人14岁时户口所在省份信息，考察了这一偏误可能对估计结果产生的影响。。举例来看：若一个人于1980年出生于北京市，理论上应于1986—1991年上小学，1992—1994年上初中，则其义务教育阶段师生比为北京市1986—1991年小学平均师生比与1992—1994年初中平均师生比的加权平均值。在这里，未按实际受教育年限匹配教育资源投入的原因是：从本文来看，超过95%的样本接受了初中及以上教育。另外，本文还使用了基于省份—出生队列计算的义务教育资源投入指标用于稳健性检验。其中，出生队列划分为1975—1979年、1980—1984年、1985—1989年、1990—1995年和1995—1999年五个队列，具体数值计算基于省份—出生年份指标在队列层面取均值。

为剔除通货膨胀的影响，本文利用各省份CPI数据将2013年的所有个人收入及历年人均GDP数据均平减至2018年的价格水平。同时，本文的收入变量最终以收入秩(收入百分位排序)衡量，并且在不同群组的分析中，收入均按百分位进行重新排序。其中，父代收入为父亲和母亲收入的平均值。考虑到有研究使用父亲收入作为父代收入，因此，本文在稳健性检验部分也使用了父亲收入进行估计。

除此之外，本文用到的控制变量还有：性别，定义为男性=1，女性=0；户口类型，将发生过农业户口转换的样本还原回农业户口，定义非农业户口=1，农业户口=0；城镇住户，将城镇调查中发生过“农转非”的样本归入农村，同时将流动人口归入农村，定义城镇住户=1，农村住户=0；基于省份—出生年份计算的人均GDP、城镇化率和财政收支比指标，具体计算方法与义务教育阶段师生比的计算相同。

3.描述性统计

首先，样本的年龄均值为27岁，年收入均值为23093元，男性比例71%，非农业户口比例21%，城镇住户比例30%，平均教育年限11.9年，兄弟姐妹数量1.9个；父代年龄均值为52岁，父代年收入均值为26807元。其次，基于省份—出生年份计算的师生比均值为4.84，即每100个在校学生拥有专任教师数约为五个，对应师生比的人均GDP均值为13531元、城镇化率均值为0.27、财政收支比均值为0.65，基于省份—出生队列计算的师生比与基于省份—出生年份计算的数值相近。最后，子代的平均受教育年限为11.88年，文化程度的分布情况为：未上学0.2%、小学2.87%、初中32.85%、高中(职高/技校/中专)25.58%、大学及以上38.49%(限于篇幅，描述性统计的详细信息未在文中呈现)。

4.回归模型

在研究教育资源投入对代际收入流动性的影响之前，本文首先估计代际收入流动性大小，具体模型设定如下：

Yci=ρ0+ρ1Ypi+ρ2Ai+ui

(1)

其中，Yci和Ypi分别为子代和父代在其各自队列的收入百分位排序(简称“收入秩”)；ρ1为代际收入秩回归系数，(1-ρ1)则反映代际收入流动性大小；Ai为子代和父代的年龄及年龄平方项；ui为随机误差项。

本文设定教育资源投入影响代际收入流动性的基准模型如下：

Yci=α0+α1Ypi+α2Qi+α3Ypi*Qi+α4Xi+εi

(2)

其中，Qi为子代的教育资源投入；Ypi*Qi为父代收入与子代教育资源投入的交互项；α3为教育资源投入对代际收入传递性(或代际收入流动性)的影响；Xi为控制变量，包括子代和父代年龄及年龄平方项、子代性别、户口类型、与教育资源投入对应的人均GDP、城镇化率和财政收支比，以及数据调查年份虚拟变量和省份固定效应；εi为随机误差项。在这里，控制个人就学阶段所在省份的人均GDP等指标的目的是：尽可能控制同时影响义务教育资源投入和代际收入流动性的变量，以缓解教育资源投入的内生性问题。

首先，在上述方程(2)的估计中，考虑到教育资源投入指标为省级层面变量，即同一省份同一出生年份的教育资源投入相同，从而可能导致回归残差存在省内相关的问题，因此在估计中将稳健标准误聚类在省级层面。其次，由于本文使用同住样本信息，故对于同住样本选择偏差问题，采用Heckman样本选择模型进行纠正。具体的选择方程设定如下：

Pi=π0+π1Zi+π2Ci+vi

(3)

其中，Pi表示是否为户主的同住子代样本的虚拟变量，1为同住子代，0为不同住子代。Zi为子代的兄弟姐妹数量，作为选择方程的排他性约束变量。Ci为控制变量，包括子代性别、教育年限、子代和父代的年龄及年龄平方项、城乡住户类型、省份虚拟变量。在这里，兄弟姐妹数量会影响个人是否与父代同住的概率，但不会直接影响个人收入，故可以用来做选择方程的排他性约束变量。

在具体估计中，Heckman样本选择模型首先通过式(3)的估计并计算得到逆米尔斯比率，然后在式(1)和(2)的估计中控制这一逆米尔斯比率。

三、义务教育资源投入影响代际收入流动性的实证分析结果

(一)基准回归结果

表1第(1)列为代际收入流动性的估计结果，第(2)列为义务教育资源投入对代际收入流动性影响的估计结果，分别由方程(1)式和(2)式估计得到，使用Heckman样本选择模型估计。另外，考虑到有研究考察教育经费支出对代际收入流动性的影响时，并没有控制省份固定效应和个人户口等特征变量，因此，本文进一步考察了不控制省份等变量的影响，估计结果见第(3)列。

表1 义务教育资源投入与代际收入流动性：基准回归结果

首先，从第(1)列代际收入流动性的估计结果来看，我国居民代际收入传递系数为0.397，即父代收入每提高1个百分位，子代收入仅提高0.397个百分位，意味着收入最高层家庭子女比最低层家庭子女的收入分布平均高40个百分位。其次，从第(2)列的基准回归结果来看，父代收入与师生比的交互项系数为-0.062，在5%的水平上显著，即师生比每提高一个单位，代际收入传递系数减小0.062。表明义务教育资源投入的增加能降低代际收入传递性，即促进代际收入流动性，也意味着增加义务教育资源投入更有利于弱势家庭背景个人的发展。另外，从第(2)列的逆米尔斯比率系数的显著性来看，模型存在同住样本选择偏差问题，有必要使用Heckman样本选择模型进行纠正。最后，从第(3)列的回归结果来看，不控制省份等变量，会错误估计义务教育资源投入与代际收入流动性之间的关系，证实了考虑省份固定效应等变量的必要性。

(二)稳健性检验

考虑到教育资源投入与代际收入流动性相关研究中的计量偏误问题，本文从三个方面对基准回归结论进行稳健性检验。第一，调整样本范围。首先，基准回归中使用的子代样本年龄为23-35岁，稳健性检验中分别使用了子代年龄为24-35岁、25-35岁……28-35岁等不同年龄范围的样本；其次，基准回归中将父代年龄限制在41-60岁，稳健性检验中分别使用了父代年龄为41-59岁、41-58岁……41-55岁等年龄段的样本进行估计；最后，对于一个家庭有多个子代的情况，稳健性检验中分别使用了只包括最年长子代的样本和将多个子代收入取均值的样本。第二，使用不同的收入指标。首先，使用对数收入而不是收入秩衡量父代收入和子代收入；其次，分别使用劳动收入和工资性收入衡量父代收入和子代收入；最后，使用父亲收入衡量父代收入。第三，使用不同的义务教育资源投入指标。首先，使用个人14岁时户口所在省份作为其接受义务教育的省份，以更准确地考察义务教育资源投入对代际收入流动性的影响；其次，使用小学师生比和初中师生比的简单平均值衡量义务教育资源投入。以上稳健性检验均表明基准回归结果是稳健的，即义务教育资源投入的增加有助于提高代际收入流动性。限于篇幅，稳健性检验的详细结果未在文中呈现，如需要可向作者索取。

(三)工具变量估计

表2为运用工具变量估计的义务教育资源投入对代际收入流动性影响的结果。其中，第(1)列为使用初中学校数作为工具变量的估计结果，第(2)列为使用滞后两期义务教育资源投入作为工具变量的估计结果。首先，从第(1)列来看，工具变量的Kleibergen-Paap rk LM检验和Kleibergen-Paap rk Wald F检验结果均表明，模型不存在弱工具变量问题。但是，内生性检验(DWH检验)表明，2SLS和OLS估计不存在系统性差异，即模型不存在内生性问题，且从第二阶段的估计结果来看，父代收入与师生比的交互项系数为-0.064，在1%的水平上显著，与基准回归结果非常接近。其次，从第(2)列来看，使用滞后两期义务教育资源投入作为工具变量同样发现，模型不存在内生性问题，并且义务教育资源投入对代际收入流动性的影响结果与基准回归结果也较为接近。因此，基准回归结论具有稳健性。而模型不存在内生性的可能原因是：本文在基准分析时采取的一系列缓解教育资源投入内生性的办法发挥了有效作用，如匹配就学阶段的教育资源投入、控制地区层面可能影响教育资源投入的变量等，故使基准回归的估计是可信的。

表2 义务教育资源投入与代际收入流动性：工具变量估计

(四)异质性分析

考虑到义务教育资源投入对代际收入流动性影响的群体异质性，本文进一步对基准回归方程进行分样本估计，回归结果见表3。

表3 义务教育资源投入与代际收入流动性：异质性分析

首先是户口异质性。城乡差异是我国群体间差异的主要来源，由于户籍制度的存在，这类差异又可以分为户口差异和居住地差异。在分析这两类差异时，均需要将样本还原至户口和居住地变换之前的状态，否则分样本的估计会存在选择偏差问题。考虑到CHIP问卷调查了个人户口转换信息，所以本文关注户口差异。从表3第(1)和(2)列来看，义务教育资源投入对农业户口群体的代际收入流动性有显著正向影响，但对非农业户口群体的代际收入流动性没有影响。这意味着对于农业户口群体，义务教育资源投入的增加有助于其代际收入流动性的增强。因此，可以通过提高这类群体的义务教育资源投入来缩小城乡收入差距。而关于义务教育资源投入影响代际收入流动性的户口差异，可能的原因是农业户口群体对义务教育资源投入的获取能力相对较弱，所以从其中获得的边际收益更大。另外，本文也通过将城镇住户调查中经历过“农转非”的样本和流动人口样本放入农村住户进行分样本估计，同样发现义务教育资源投入对还原后的农村住户代际收入流动性有显著正向影响。限于篇幅，该结果未在文中呈现，如需要可向作者索取。

其次是出生队列异质性。将样本划分为1980—1989年和1990—1995年出生的两个出生队列，分别称为“80后”和“90后”，可以考察不同时期的义务教育资源投入对代际收入流动性的影响是否存在系统性差异。从表3第(3)和(4)列来看，义务教育资源投入对“80后”和“90后”的代际收入流动性均有显著正向影响，但对“80后”的影响要大于“90后”，表明义务教育资源投入对“80后”代际收入流动性有更大的促进作用。这意味着对于年轻群体，通过教育资源投入来促进代际收入流动性愈加困难。

(五)影响机制分析

教育、迁移和健康是人力资本投资的主要形式，如果义务教育资源投入能够减弱父代收入对子代人力资本获得的影响，则能够促进代际收入流动性。基于此，本文进一步分析义务教育资源投入对代际收入流动性的影响机制。其中，迁移由个人是否获得城市非农就业机会来衡量，有非农就业机会为1，否则为0；健康变量则是个人主观评价指标(17)个人当前的健康状况可能受个人收入影响，故严格意义上讲，这并不是一个好的影响机制。但限于数据，本文假定个人评价的健康状况在受收入影响前后比较恒定。，设置为良好及以上为1，否则为0。表4为机制分析估计结果。

表4 义务教育资源投入与代际收入流动性：机制分析

首先，从第(1)列来看，父代收入与师生比的交互项系数显著为负，表明义务教育资源投入的增加能够减弱父代收入对子代受教育年限的影响，即能够促进教育获得的机会公平。其次，从第(2)列来看，在控制子代受教育年限的情况下，父代收入与师生比的交互项仍然显著为负，表明义务教育资源投入的增加能够减弱父代收入对子代非农就业机会获得的影响，进而促进代际收入流动性。这意味着即使两个人有相同的受教育年限，但获得更多义务教育资源投入的个人也将获得更大的非农就业机会。最后，从第(3)列来看，在控制子代受教育年限的情况下，父代收入与师生比的交互项并不显著，表明义务教育资源投入并没有通过健康获得途径影响代际收入流动性。可能的原因是：一方面，健康的收入回报相对较低，故教育资源投入的影响途径可以忽略；另一方面，由于群体间的健康差异并不大，所以无法识别出显著影响。

(六)不同教育阶段教育资源投入的影响

基于数值模拟方法，有研究发现早期教育投资比中后期教育投资对代际收入流动性的影响更大(18)D.Restuccia and C.Urrutia，“Intergenerational Persistence of Earnings：The Role of Early and College Education”，American Economic Review，2004，94(5)，pp.1354-1378；J.Yang and M.Qiu，“The Impact of Education on Income Inequality and Intergenerational Mobility”，China Economic Review，2016，37，pp.110-125.。因此，本文进一步估计了不同教育阶段教育资源投入对代际收入流动性的影响。表5第(1)和(2)列分别为小学和初中教育资源投入影响代际收入流动性的估计结果。从估计结果来看，小学和初中阶段的教育资源投入对代际收入流动性均有显著正向影响，但小学阶段教育资源投入的影响大于初中阶段。小学阶段教育资源投入影响更大的可能原因是：相比于初中阶段，小学阶段学校教育投入对家庭教育投资的替代作用更大，即尽管初中也属于义务教育阶段，但家庭教育投资在决定个人收入方面起到更大的作用，公共教育资源投入的调节作用相对减弱。

表5 不同教育阶段的教育资源投入与代际收入流动性

结 语

本文运用2013年和2018年中国家庭收入调查数据和省级层面的教育统计数据，考察了义务教育阶段教育资源投入对我国居民代际收入流动性的影响。研究发现：第一，义务教育资源投入对代际收入流动性有显著正向影响，这一结论在调整样本范围、替换收入指标和内生性处理等一系列稳健性检验后依然成立。第二，义务教育资源投入对代际收入流动性的影响具有异质性，即对农业户口群体的代际收入流动性有显著正向影响，但对非农业户口群体的代际收入流动性没有影响，以及对于“80后”代际收入流动性的正向影响要大于对“90后”的影响。第三，影响机制分析表明，义务教育资源投入通过减弱父代收入对子代受教育年限和非农就业机会的影响来促进代际收入流动性。第四，分教育阶段来看，小学阶段教育资源投入对代际收入流动性的影响大于初中阶段。

基于以上结论，本文得到如下政策启示：首先，提高我国义务教育阶段的教育资源投入，尤其是缩小小学教育资源投入的地区差距，有助于促进代际收入流动性。同时，这一启示也是我国深入推进义务教育优质均衡发展的政策诉求。其次，提高义务教育资源投入能够促进农业户口群体的代际收入流动性，进而有助于缩小城乡收入差距，促进城乡协同发展。这意味着在城乡收入差距仍然较大的背景下，提高公共教育资源投入可以弥补农业户口弱势群体在教育投资中的不足。最后，义务教育资源投入可以促进教育机会公平和非农就业机会的公平性，进而促进代际收入流动性。换言之，教育的充分供给和良好的就业态势更能为义务教育资源作用的发挥产生积极影响。