教育與農(nóng)村居民相對貧困：收入視角的實(shí)證測度與微觀證據(jù)

張永奇,馬夢迪

一、引言

在2020年中國實(shí)現(xiàn)全面脫貧后，相對貧困還將長期存在。黨的十九屆四中全會中對解決相對貧困問題給與高度重視，提出要建立解決相對貧困的長效機(jī)制。在新的時代背景下，研判相對貧困的影響因素，具有重要政策價值。

人力資本理論將教育看作減少貧困的重要工具，通過知識和技能的傳授，提高個體的勞動生產(chǎn)率，從而增加勞動者收入，實(shí)現(xiàn)減貧效應(yīng)。鑒于教育對反貧困的重要作用，中國政府近幾年也持續(xù)加大對農(nóng)村地區(qū)教育領(lǐng)域的投入，幫助身處貧困地區(qū)的農(nóng)村居民拓展增收渠道，有效降低脫貧農(nóng)民的返貧率。

雖然教育對農(nóng)戶收入和農(nóng)村貧困的影響一直是學(xué)術(shù)界的熱點(diǎn)話題，但是至今仍未得出一致結(jié)論。

有學(xué)者認(rèn)為，教育能夠增加農(nóng)戶收入水平，從而消除農(nóng)村貧困。孫伯馳等(2019)、高翔(2019)分析得出，教育能夠?yàn)檗r(nóng)戶創(chuàng)造非農(nóng)就業(yè)機(jī)會，從而為農(nóng)戶擺脫“貧困陷阱”創(chuàng)造一條新通道。方成等(2002)使用中國數(shù)據(jù)樣本，指出教育投資的扶貧效應(yīng)最為顯著。劉修巖等(2007)研究指出，提高個體受教育水平能夠較大程度降低農(nóng)戶的貧困概率。李曉嘉(2015)基于CFPS農(nóng)戶數(shù)據(jù)實(shí)證研究發(fā)現(xiàn)，受教育水平的提高可以顯著降低農(nóng)戶陷入貧困的概率。陳純槿等(2019)指出，互聯(lián)網(wǎng)使用緩解了教育不平等問題。左孝凡等(2020)研究發(fā)現(xiàn)，互聯(lián)網(wǎng)使用能夠提高農(nóng)村居民收入水平，對低收入農(nóng)民群體增收效應(yīng)更加明顯，從而有利于消除農(nóng)村居民相對貧困。

但另有研究表明，教育對提高農(nóng)戶收入，消除貧困并未有顯著影響。Wedgwood(2005)使用坦桑尼亞數(shù)據(jù)分析，得出教育投資對于農(nóng)戶減貧沒有顯著影響。楊國濤(2005)使用微觀調(diào)查數(shù)據(jù)，發(fā)現(xiàn)受教育水平對農(nóng)戶脫貧并未產(chǎn)生顯著影響，因而不能判定受教育水平對緩解農(nóng)戶貧困具有重要作用。

還有學(xué)者指出，受教育水平與農(nóng)戶收入呈現(xiàn)“倒U型”關(guān)系。方超和黃斌(2017)基于明瑟收入方程，分析了不同收入條件下的教育回報，發(fā)現(xiàn)教育與農(nóng)戶收入存在“倒U型”關(guān)系。

由此可見，學(xué)者們對教育與農(nóng)村居民相對貧困之間的關(guān)系結(jié)論，還需要進(jìn)一步討論。鑒于此，本文采用中國家庭追蹤調(diào)查(CFPS)2018年數(shù)據(jù)庫，進(jìn)一步研究教育和農(nóng)村居民相對貧困之間的關(guān)系。另外，本文將被訪者受教育年限進(jìn)行分類，分為小學(xué)、初中、高中、大學(xué)、碩士五個教育層次。在此基礎(chǔ)上，對教育與農(nóng)村居民相對貧困關(guān)系展開進(jìn)一步研究。

本文的邊際貢獻(xiàn)在于研究視角與實(shí)證方法兩個方面。就研究視角而言，本文利用微觀數(shù)據(jù)探討了教育與農(nóng)村居民相對貧困之間關(guān)系，極大程度地規(guī)避了宏觀數(shù)據(jù)研究過程中的不足之處。就實(shí)證方法而言，一方面，本文通過建立聯(lián)立方程的方式，采用2SLS、3SLS、迭代式3SLS模型嚴(yán)格分析了教育對農(nóng)村居民相對貧困的影響；另一方面，本文使用Shapley分值法對全部樣本及各教育等級樣本中顯著特征因素對農(nóng)村居民相對貧困的貢獻(xiàn)，進(jìn)行了估計。

本文的其余內(nèi)容安排如下：第二部分是數(shù)據(jù)來源、變量設(shè)置及計量策略；第三部分是計量檢驗(yàn)及估計結(jié)果；第四部分是結(jié)論與啟示。

二、數(shù)據(jù)來源、變量設(shè)置及計量策略

(一)數(shù)據(jù)來源

本文選用數(shù)據(jù)來源于中國家庭追蹤調(diào)查(CFPS)，該數(shù)據(jù)庫通過收集個體、家庭、社區(qū)三個層次的數(shù)據(jù)，比較全面反映中國經(jīng)濟(jì)、社會變遷特征，能夠用于測度教育與農(nóng)戶相對貧困之間關(guān)系。之所以選取CFPS數(shù)據(jù)庫，主要基于以下幾點(diǎn)考慮：一是該數(shù)據(jù)庫覆蓋了除新疆、西藏、青海、寧夏、海南、內(nèi)蒙古和中國港澳臺地區(qū)之外的25個省份，總體樣本超過30000個；二是該數(shù)據(jù)庫個人層面的數(shù)據(jù)中，關(guān)于本文要研究的核心變量農(nóng)民教育水平缺失樣本較少。

結(jié)合本文研究變量選取與時效性要求，本文選取了CFPS2018年個體數(shù)據(jù)進(jìn)行研究。根據(jù)模型構(gòu)建需要，對樣本做出如下處理：一是保留勞動力樣本，刪除男性大于60歲、女性大于55歲的個體樣本；二是刪除受教育年限缺失樣本；三是保留農(nóng)村樣本。經(jīng)過這一系列匹配、篩選，最終選取農(nóng)村居民樣本4268個。

(二)變量設(shè)置

1.結(jié)果變量。本文的結(jié)果變量為相對貧困。借鑒陳宗勝等(2013)、孫久文等(2019)研究相對貧困線測算方法。本文最后選取農(nóng)村居民中位數(shù)收入40%作為相對貧困線，根據(jù)所選農(nóng)村居民樣本年收入中位數(shù)為30000元，測算出相對貧困線為12000元/年。同時本文依然保留了農(nóng)村居民個人年收入對數(shù)值，對教育與農(nóng)村居民個人收入展開進(jìn)一步研究，從而驗(yàn)證教育對緩解相對貧困的重要程度。

2.處理變量。本文的處理變量為受教育年限。在所選樣本受教育年限的基礎(chǔ)上，將樣本分為小學(xué)(受教育年限低于7年)、初中(受教育年限7-9年)、高中(受教育年限10-12年)、大學(xué)(受教育年限13-15年)、碩士(15年以上)五個階段，其中小學(xué)樣本為1307個 ；初中樣本為1647個 ；高中樣本為667個 ；大學(xué)樣本為409個 ；碩士樣本為238個。

3.協(xié)變量。本文為保證模型構(gòu)建準(zhǔn)確，選取了一系列可能影響農(nóng)民相對貧困的控制變量，盡量避免因遺漏變量導(dǎo)致的估計誤差。包括：性別變量，男性賦值為1，女性為0；居民年齡，為其接受調(diào)查時的周歲；考慮到年齡對其相對貧困影響的非線性，本文還加入了年齡的平方項；居民的婚姻狀況，已婚為1，反之為0；居民的政治身份，當(dāng)居民是中共黨員時賦值為1，反之為0；居民的就業(yè)情況，有工作賦值為1，反之為0；健康狀況，1代表身體不健康，5代表身體非常健康。此外，本文還考慮到了地區(qū)特征變量，將東部地區(qū)設(shè)置為1，其余地區(qū)設(shè)置為0。

表2-1報告了本研究的變量設(shè)置、釋義和基本描述。從表2-1中可以看到，相對貧困樣本的個人收入(對數(shù))和受教育年限均值都小于整體樣本數(shù)據(jù)，說明受教育年限與個人收入(對數(shù))可能存在一定關(guān)聯(lián)，從而對相對貧困造成影響。

表2-1 變量設(shè)置、釋義及基本描述

為了進(jìn)一步看出教育與相對貧困的關(guān)系，本文對受教育層次與相對貧困做了單獨(dú)描述統(tǒng)計分析，從分析結(jié)果中，可以看到學(xué)歷越高的農(nóng)村居民群體，相對貧困發(fā)生率越低的趨勢。在相對貧困線標(biāo)準(zhǔn)下，擁有小學(xué)教育背景的農(nóng)村居民群體貧困發(fā)生率達(dá)到21.50%，遠(yuǎn)超總體樣本相對貧困發(fā)生率14.53%。而擁有碩士教育背景的農(nóng)民群體相對貧困發(fā)生率僅占5.46%。表明教育與相對貧困呈現(xiàn)較強(qiáng)的負(fù)相關(guān)關(guān)系。但相關(guān)性并不意味著因果關(guān)系，因此，本文將通過后續(xù)構(gòu)建模型對兩者關(guān)系進(jìn)行研究，探討教育的減貧效應(yīng)。

表2-2 受教育層次與相對貧困單獨(dú)描述統(tǒng)計

(三)計量策略

1.受教育年限對農(nóng)戶相對貧困狀況的影響

在估計經(jīng)濟(jì)變量之間的數(shù)量關(guān)系時，單一方程計量模型往往會忽略相關(guān)變量之間的內(nèi)生性和雙向因果關(guān)系，可能無法準(zhǔn)確描述各變量之間的復(fù)雜經(jīng)濟(jì)現(xiàn)象。因此，本文在充分考慮農(nóng)戶受教育年限、個人收入和相對貧困可能因內(nèi)生性或者反向因果導(dǎo)致的模型估計誤差后，參照明瑟半對數(shù)收入方程，構(gòu)建聯(lián)立方程模型，考察教育與農(nóng)民個人收入、相對貧困之間的聯(lián)系，建立待估計的聯(lián)立方程組I為 ：

lnincome=γ+η1edu+η2X+ε

(1)

Poverty=α+β1edu+λincome+β2X+μ

(2)

其中，lnincome為農(nóng)戶個人收入(對數(shù))，edu為農(nóng)戶受教育年限，Poverty為農(nóng)戶的相對貧困狀況(貧困為1，非貧困為0)。X為其他影響農(nóng)戶個人收入(對數(shù))、農(nóng)戶相對貧困狀況的特征變量。

通過檢驗(yàn)發(fā)現(xiàn)，上述構(gòu)建的聯(lián)立方程組符合聯(lián)立方程構(gòu)建要求，可以采用兩階段最小二乘法(2SLS)或三階段最小二乘法(3SLS)進(jìn)行估計。本文為了讓模型估計結(jié)果更加準(zhǔn)確，在使用這兩種方法基礎(chǔ)上加入了迭代式3SLS模型展開進(jìn)一步研究，確保研究結(jié)果的準(zhǔn)確性。

2.分位數(shù)回歸模型(QR)

聯(lián)立方程組I采用了相對貧困線對受教育年限在相對貧困標(biāo)準(zhǔn)下的減貧效應(yīng)展開了實(shí)證研究，根據(jù)截面數(shù)據(jù)而言，采用相對貧困標(biāo)準(zhǔn)進(jìn)行衡量，只是對貧困標(biāo)準(zhǔn)進(jìn)行或高或低的調(diào)整。因此，本文將采取另一種計量策略，構(gòu)建分位數(shù)回歸模型(QR)研究受教育年限對處于不同收入分位點(diǎn)的農(nóng)村居民增收效應(yīng)，進(jìn)而討論受教育年限對相對貧困的緩解作用。建立方程如下：

(3)

3.基于收入決定方程的Shapley值分解模型

Shapley值分解法的步驟是：(1)構(gòu)建收入決定方程，找出影響農(nóng)民個人收入的顯著變量。(2)對收入決定方程中顯著變量進(jìn)行Shapley分解，計算出各變量對農(nóng)村居民相對貧困的貢獻(xiàn)率。

根據(jù)萬廣華( 2005)研究發(fā)現(xiàn)，使用半對數(shù)回歸模型時進(jìn)行Shapley值分解研究最為恰當(dāng)。本文亦利用方程1，在此基礎(chǔ)上根據(jù)合作博弈理論，找出影響農(nóng)村居民相對貧困的顯著變量。

參照劉永健等(2017)的模型構(gòu)建辦法，建立方程如下：

(4)

三、計量檢驗(yàn)及估計結(jié)果

(一)受教育年限對農(nóng)戶相對貧困狀況的影響

表3-1匯報了相對貧困標(biāo)準(zhǔn)下，受教育年限對農(nóng)戶貧困狀況的估計結(jié)果。在方程1中，模型1至模型3的結(jié)果均顯示農(nóng)戶平均教育收益率是4.8%，這一結(jié)果略高于CFPS計算的2012年全國城鄉(xiāng)勞動力教育市場收益率4.78%和以往中國農(nóng)村地區(qū)個人教育收益率估計結(jié)果4.5%，但整體而言，與以往研究結(jié)論大體一致。在方程2中，模型1結(jié)果顯示，受教育年限每增加一年，農(nóng)戶脫離相對貧困狀況的概率就會增加0.6%；模型2結(jié)果顯示，受教育年限每增加一年，農(nóng)戶脫離相對貧困狀況的概率就會增加1.23%；模型3結(jié)果顯示，受教育年限每增加一年，農(nóng)戶脫離相對貧困狀況的概率就會增加1.70%。利用模型1至模型3的結(jié)果，能夠得出，教育年限的增加對農(nóng)戶緩解相對貧困具有重要作用。

表3-1 受教育年限對農(nóng)戶相對貧困狀況影響的估計結(jié)果(CFPS2018數(shù)據(jù))

在控制變量方面，年齡和年齡平方結(jié)果顯示，年齡對緩解農(nóng)戶相對貧困發(fā)揮“U”型影響。性別、健康水平、東部地區(qū)對農(nóng)民個人收入有著顯著正向影響，從而該類群體陷入相對貧困的概率較小。

為了進(jìn)一步檢驗(yàn)教育對減貧是否具有循序漸進(jìn)的影響，本文引入CFPS2016年數(shù)據(jù)，按照CFPS2018年匹配、篩選標(biāo)準(zhǔn)，最終選取農(nóng)村居民樣本1142個。在CFPS2016樣本中，相對貧困標(biāo)準(zhǔn)為年收入9600元，平均受教育年限為9年。表3-2的結(jié)果顯示，教育能夠顯著促進(jìn)農(nóng)村居民個人收入提高，參數(shù)估計值為0.041，且在1%的統(tǒng)計水平上顯著；教育對相對貧困有顯著的負(fù)向影響，教育程度越高的個體，脫貧概率越大。模型1的結(jié)果顯示，受教育年限每增加一年，農(nóng)戶脫離相對貧困狀況的概率就會增加0.5%；模型2結(jié)果顯示，受教育年限每增加一年，農(nóng)戶脫離相對貧困狀況的概率就會增加0.9%；模型3結(jié)果顯示，受教育年限每增加一年，農(nóng)戶脫離相對貧困狀況的概率就會增加1.2%。利用模型1至模型3的結(jié)果，能夠得出，教育年限的增加對農(nóng)戶緩解相對貧困具有重要作用。與表3-1的結(jié)果進(jìn)行對比后，可以發(fā)現(xiàn)教育對阻滯農(nóng)村居民陷入相對貧困的貢獻(xiàn)程度越來越高。

表3-2 受教育年限對農(nóng)戶相對貧困狀況影響的估計結(jié)果(CFPS2016數(shù)據(jù))

(二)受教育年限對相對貧困的進(jìn)一步檢驗(yàn)：分位數(shù)回歸模型

表3-3報告了基于分位數(shù)回歸模型檢驗(yàn)結(jié)果。為了便于比較，本文將受教育年限與農(nóng)民個人收入對數(shù)的基準(zhǔn)回歸結(jié)果也放入表內(nèi)，即模型1。模型2-模型4為采用QR模型對受教育年限對農(nóng)村居民個人收入對數(shù)的影響進(jìn)行檢驗(yàn)。結(jié)果顯示受教育年限對農(nóng)村居民個人收入的增收效應(yīng)顯著。隨著分位數(shù)的增加(1/10→5/10→9/10),教育年限的分位數(shù)回歸系數(shù)呈現(xiàn)降低趨勢(0.0646→0.0419→0.0396)，且在1%的統(tǒng)計水平上顯著。表明教育年限的增加對農(nóng)村居民低收入者正向影響效應(yīng)最大，從而進(jìn)一步支撐了教育更加有利于處于深度貧困的農(nóng)村居民“脫貧”和抵御貧困的研究結(jié)論。

表3-3 分位數(shù)回歸模型檢驗(yàn)結(jié)果

為了能夠讓分位數(shù)回歸系數(shù)隨著分位數(shù)變化情形更加直觀的展示，本文通過圖1展示了相關(guān)結(jié)果。從圖1可以看到，被訪者受教育年限的分位數(shù)回歸系數(shù)(即教育回報率)的變化。此圖基本印證了教育年限的分位數(shù)回歸系數(shù)持續(xù)下降的格局。意味著教育對低收入農(nóng)民群體具有更大的正向作用，能夠充當(dāng)該類群體“脫貧”的重要途徑。

圖1 分位數(shù)回歸系數(shù)變化圖

(三)受教育年限對相對貧困的進(jìn)一步檢驗(yàn)：異質(zhì)性分析

通過之前所做的分析，能夠發(fā)現(xiàn)教育可以顯著緩解受訪者相對貧困，但是由于個體之間存在異質(zhì)性，在教育減貧的過程中不同群體之間的學(xué)習(xí)能力和接受程度并不相同，即使是受教育年限相同的人群，也可能由于對知識理解不同或者專業(yè)知識不同，導(dǎo)致相對貧困緩解程度不一致。表3-1給出的估計結(jié)果表明，東部地區(qū)、性別對減貧具有顯著正向關(guān)系。為了能夠進(jìn)一步觀察各地區(qū)受訪者通過教育實(shí)現(xiàn)減貧的效果，本文在現(xiàn)有樣本基礎(chǔ)上將所選樣本分為東部、西部、中部地區(qū)；男性、女性展開進(jìn)一步討論。

表3-4的結(jié)果表明，處于東部地區(qū)、西部地區(qū)、中部地區(qū)的受訪者均能通過教育實(shí)現(xiàn)減貧目的。其中西部地區(qū)的效果最大?？赡芙忉尩脑蚴牵S著西部地區(qū)農(nóng)民人均收入的提高，受訪者改變從前的“短視傾向”，將更多的資金投入教育，從而增加個體的人力資本。另外，西部地區(qū)的人才引進(jìn)政策，也可能是促進(jìn)西部地區(qū)教育減貧效果明顯的重要原因。

表3-4 異質(zhì)性分析(東部、西部、中部)

表3-5的結(jié)果表明，男性、女性受訪者均能通過教育實(shí)現(xiàn)減貧目的。其中女性群體教育對相對貧困的影響程度更大?？赡芙忉尩脑蚴?，隨著社會的進(jìn)步與經(jīng)濟(jì)實(shí)力的提高，政府更加重視教育公平，通過開展職業(yè)教育與線上教育的方式，為女性群體拓寬學(xué)習(xí)渠道，挖掘女性潛能，有利其人力資本的積累，進(jìn)而使其能夠在職業(yè)市場中，擁有更多話語權(quán)(申鵬等，2018)。

表3-5 異質(zhì)性分析(男性、女性)

(四)基于收入決定方程的Shapley值法分解結(jié)果

從表3-6中能夠看到，未進(jìn)行分類時，所有特征因素對農(nóng)村居民相對貧困的共同貢獻(xiàn)率為33.05%，其中受教育年限的貢獻(xiàn)率最大，為9.956%，說明教育是農(nóng)村居民相對貧困變異的重要因素之一。性別的貢獻(xiàn)率其次，為6.684%，由此可見在農(nóng)村居民樣本中，男性相比女性有更多的優(yōu)勢，從而能夠更快地實(shí)現(xiàn)“脫貧”目標(biāo)。

表3-6 基于收入決定方程的Shapley值法分解結(jié)果

對樣本按照各教育等級重新進(jìn)行分類后，可以發(fā)現(xiàn)所有因素的共同貢獻(xiàn)都大幅度下降，說明教育對農(nóng)村居民相對貧困的影響較大。其中，未擁有小學(xué)教育背景對農(nóng)村居民相對貧困的貢獻(xiàn)率為5.145%；未擁有初中教育背景對農(nóng)村居民相對貧困的貢獻(xiàn)率為0.076%；未擁有高中教育背景對農(nóng)村居民相對貧困的貢獻(xiàn)率為0.991%；未擁有大學(xué)教育背景對農(nóng)村居民相對貧困的貢獻(xiàn)率為0.951%；未擁有碩士教育背景對農(nóng)村居民相對貧困的貢獻(xiàn)率為1.219%。意味著小學(xué)教育對農(nóng)村居民緩解相對貧困狀況具有十分明顯作用，其次是碩士教育背景對農(nóng)村居民緩解相對貧困狀況具有重要作用。該結(jié)論也與國際上教育回報率變化趨勢相吻合。初等教育回報率最高，高等教育次之，中等教育最低。

綜合以上表現(xiàn)，從外部來看，除了教育水平是影響農(nóng)戶相對貧困的重要因素，性別、健康水平、東部地區(qū)也是影響農(nóng)戶相對貧困的重要因素。因此，在政府建立應(yīng)對相對貧困的長效機(jī)制過程中，應(yīng)當(dāng)給予女性群體、身體殘疾、身處中西部地區(qū)的農(nóng)民群體相應(yīng)政策傾斜，進(jìn)一步拓寬此類群體增收渠道。

四、結(jié)論與政策啟示

農(nóng)村居民相對貧困是我國經(jīng)濟(jì)整體放緩的環(huán)境下，需要應(yīng)對的重要議題。能否消除農(nóng)村居民相對貧困事關(guān)我國精準(zhǔn)扶貧的成敗。人們通過教育能夠提升人力資本的積累，提高參與平等競爭的能力，從而在勞動市場中獲取更多的機(jī)會、資源，大概率實(shí)現(xiàn)“脫貧”目標(biāo)。在這樣的社會背景和研究背景之下，本文基于CFPS 最新一期的數(shù)據(jù)討論了教育對于農(nóng)村居民相對貧困的影響。

本文通過教育分層與農(nóng)民相對貧困的實(shí)證測度，發(fā)現(xiàn)教育與農(nóng)村居民相對貧困有著較大關(guān)聯(lián)。采用CFPS 2016、2018兩年調(diào)查數(shù)據(jù)，進(jìn)一步研究證實(shí)，在控制了性別、年齡、受教育期限等影響因素后，教育對緩解農(nóng)村居民相對貧困有著顯著的正向影響?？紤]到采用相對貧困線進(jìn)行衡量貧困的不足之處，本文通過分位數(shù)回歸(QR)模型進(jìn)一步分析教育與農(nóng)民個人收入的關(guān)系，研究發(fā)現(xiàn)，教育對農(nóng)村居民增收效應(yīng)十分顯著，收入越低的農(nóng)民群體，通過教育渠道增收效果愈加顯著。異質(zhì)性分析表明，教育對居住于西部地區(qū)、女性的相對貧困影響更大。利用Shapley分解方法，找出影響農(nóng)村居民相對貧困的顯著變量。結(jié)果顯示，教育是影響農(nóng)村居民相對貧困的首要因素。將教育分層，進(jìn)行估計發(fā)現(xiàn)性別、健康水平、東部地區(qū)是除去教育影響農(nóng)村居民相對貧困的重要變量。

基于以上研究結(jié)論，本文提出如下政策建議：第一，在堅持普及九年義務(wù)教育的基礎(chǔ)上，同時應(yīng)尋求更加有效的減貧策略，比如進(jìn)一步推進(jìn)“互聯(lián)網(wǎng)+教育”布局，打破教育資源不能突破時空限制的困境，提高農(nóng)村居民整體教育可及性，發(fā)揮“互聯(lián)網(wǎng)+教育”的減貧效應(yīng)。

第二，通過建立專項基金、教育扶貧資金對女性、身體殘疾身處中西部地區(qū)農(nóng)民教育群體給予政策傾斜，采取“靶向治療”措施，進(jìn)一步完善長效保障機(jī)制，阻斷貧困代際傳遞，解決因教致貧的問題(史志樂，2013)。