教育對貧困的影響
——基于中國1986 年義務(wù)教育法的實(shí)證分析

王亞芬 韓 律 李倩倩

一、引 言

截至2020 年底，我國脫貧攻堅戰(zhàn)取得了全面勝利，區(qū)域性整體貧困得到解決，絕對貧困被消除。然而，相對貧困和多維貧困將依然長期存在，防返貧和對相對貧困人口的幫扶將成為未來扶貧工作的重點(diǎn)。事實(shí)上，不管貧困以何種形態(tài)存在，發(fā)展都是解決貧困問題的根本途徑。因此，在后扶貧時代，提高相對貧困群體的內(nèi)生發(fā)展能力仍然是防返貧和建立解決相對貧困長效機(jī)制的根本之策，這無疑要依賴于教育。

加強(qiáng)基礎(chǔ)教育、加快人力資本積累是大多數(shù)國家減貧政策的基本戰(zhàn)略方向，雖然各個國家投入規(guī)模和具體措施不盡相同，但是教育投入目標(biāo)和方向有很多共性，即通過實(shí)施教育資助政策來提高國民基本素質(zhì)、豐富勞動技能。中國也不例外，大力發(fā)展教育尤其是農(nóng)村基礎(chǔ)教育一直是我國的基本國策。1986 年7 月我國施行了《中華人民共和國義務(wù)教育法》(后文簡稱“教育法”)，這是我國教育發(fā)展史上具有里程碑意義的事件。教育法提出“國家實(shí)行九年義務(wù)教育制度”，明確規(guī)定“凡年滿六周歲的兒童，其父母或者其他法定監(jiān)護(hù)人應(yīng)當(dāng)送其入學(xué)接受并完成義務(wù)教育；條件不具備的地區(qū)的兒童，可以推遲到七周歲”。自實(shí)施教育法后，我國基礎(chǔ)教育事業(yè)得到顯著發(fā)展：小學(xué)畢業(yè)升學(xué)率從1985 年的68.4% 上升到2005 年的94.3%；25 歲以上人口的人均受教育年限則從1990 年的4.8 年上升至2010 年的7.3 年；文盲率由1982 年的22.8%下降到2010 年的4.1%。以立法形式推動早期基礎(chǔ)教育程度的提升是否會在個體進(jìn)入社會以后，逐步影響其收入水平、家庭特征或經(jīng)濟(jì)行為等方面而產(chǎn)生減貧效應(yīng)呢？基于此，本文利用教育法這一外生政策沖擊，使用雙重差分法和工具變量法識別教育減貧效應(yīng)，并分析了教育影響貧困的機(jī)制，為我國后扶貧時代的貧困治理提供參考。

二、文獻(xiàn)綜述

過去幾十年的研究表明，教育與收入貧困之間呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，貧困大部分出現(xiàn)在教育水平比較低的家庭，不管是在城市還是農(nóng)村，教育都是決定家庭收入的重要因素(Maitra，2000；Goh 等，2009)。Verner(2004)發(fā)現(xiàn)，受教育程度是減少貧困最重要的因素，打破貧困的代際傳遞需要教育部門的廣泛行動。Yang(2012)認(rèn)為，中國通過普及基礎(chǔ)教育降低了貧困率，而相對于農(nóng)村來說，城市地區(qū)的教育減貧效應(yīng)更大。相對而言，農(nóng)村減貧更為重要(Thapa，2004)，身體素質(zhì)的改善和教育水平的提高均有利于長期減貧。

國內(nèi)部分學(xué)者認(rèn)為教育有顯著的減貧效應(yīng)。劉修巖等(2007)通過兩階段Probit 模型估計發(fā)現(xiàn)，提高農(nóng)村居民的教育水平能顯著降低其陷入貧困的可能性。程名望等(2014)研究教育和健康對貧困的影響，運(yùn)用分位數(shù)回歸方法發(fā)現(xiàn)人力資本在農(nóng)村具有顯著的減貧作用，從縮小收入差距的角度看，健康對農(nóng)村減貧的作用更明顯。李曉嘉(2015)通過聯(lián)立方程模型發(fā)現(xiàn)，教育具有減貧效應(yīng)，而相對于絕對貧困群體，教育對相對貧困群體的影響更大。閆巍和成前(2019)選用父親受教育程度作為工具變量識別教育減貧效應(yīng)，發(fā)現(xiàn)教育顯著降低了居民貧困發(fā)生率。

另一部分學(xué)者則發(fā)現(xiàn)教育的減貧效應(yīng)并不顯著。張車偉(2006)發(fā)現(xiàn)教育回報率呈現(xiàn)隨收入水平增加而提高的趨勢，即會出現(xiàn)讓“富有者更富有，而貧窮者更貧窮”的“馬太效應(yīng)”。Wedgwood(2007)將坦桑尼亞教育回報分為財政回報和非財政回報，發(fā)現(xiàn)教育回報并不能轉(zhuǎn)化為減貧效應(yīng)。汪德華等(2019)通過評估“國家貧困地區(qū)義務(wù)教育工程”的政策效果，發(fā)現(xiàn)教育工程雖然提高了受益兒童的人力資本水平，但對收入的影響不顯著。

學(xué)者們還對教育影響貧困的機(jī)制進(jìn)行了研究。國內(nèi)外大部分學(xué)者均從收入的角度出發(fā)分析教育減貧機(jī)制(Goh 等，2009；王云多，2014)。另一部分學(xué)者發(fā)現(xiàn)存在非收入機(jī)制。Harper 等(2003)發(fā)現(xiàn)高質(zhì)量教育拓寬了個人視野并增加了未來的就業(yè)機(jī)會。Van(2008)認(rèn)為教育和貧困之間的聯(lián)系通過收入、經(jīng)濟(jì)增長和社會回報三種方式發(fā)揮作用。Gounder 和Xing(2012)認(rèn)為，隨著教育水平的提高，增加了居民滿足基本需求的可能性，如住房、水和衛(wèi)生設(shè)施以及其他服務(wù)，這會降低人們陷入貧困的概率。柳建平等(2018)從職業(yè)選擇角度分析了教育減貧的機(jī)制，認(rèn)為隨著勞動者受教育水平的提高，其職業(yè)選擇會由農(nóng)業(yè)轉(zhuǎn)為非農(nóng)類型，且就業(yè)層次越高，減貧效果越顯著。

基于前述文獻(xiàn)，本文所做的工作體現(xiàn)在以下幾個方面。第一，現(xiàn)有文獻(xiàn)更多是關(guān)注教育回報率問題，部分學(xué)者檢驗(yàn)了教育與絕對貧困之間的因果關(guān)系，但未得到一致的結(jié)論，鮮有文獻(xiàn)研究教育對相對貧困和多維貧困的影響。本文基于相對貧困和多維貧困的雙重視角，研究分析后扶貧時代中國教育減貧效應(yīng)，對現(xiàn)有文獻(xiàn)是一個有益的補(bǔ)充。第二，本文圍繞義務(wù)教育法構(gòu)造工具變量，通過DID-IV 的方法識別教育減貧的因果效應(yīng)，該方法相對于直接用是否受義務(wù)教育法影響做工具變量，很好地解決了由時間趨勢導(dǎo)致的工具變量無效等問題，減小了評估偏差。第三，本文首先從理論上闡述了教育對貧困的影響路徑，然后實(shí)證檢驗(yàn)了教育對相對貧困和多維貧困的影響，力求分析視角更加多元和立體，有利于認(rèn)識農(nóng)村基礎(chǔ)教育的發(fā)展對夯實(shí)脫貧攻堅成果的重要性，并對設(shè)計依托教育“防返貧”的長效機(jī)制具有重要的參考意義。

三、教育影響貧困的相關(guān)機(jī)理

教育在精準(zhǔn)扶貧中具有基礎(chǔ)性、先導(dǎo)性和持續(xù)性作用(王嘉毅等，2016)，既是決定貧困狀態(tài)的根本要素，也是多維貧困的重要組成部分，本文將教育對貧困的影響機(jī)制總結(jié)為如圖1 所示的路徑。

圖1 教育對貧困的影響機(jī)制

（一）教育通過提升人力資本質(zhì)量減少收入貧困

人力資本理論表明教育通過技能和知識的傳授將“人”轉(zhuǎn)化成優(yōu)質(zhì)的“人力資本”，從而增加收入，減少貧困。我們從以下三個方面做較為具體的分析。第一，從宏觀層面上看，很多學(xué)者將人力資本理論與經(jīng)濟(jì)增長模型相結(jié)合，發(fā)現(xiàn)加大對人力資本的投資是保持經(jīng)濟(jì)穩(wěn)定增長的根本所在(Fleisher 等，2010；張勇，2020)。人力資本投資的核心是人口質(zhì)量的提升，其基本方式和實(shí)現(xiàn)手段是教育，教育是一種對人力資本的投資而非消費(fèi)。第二，除了人力資本理論所強(qiáng)調(diào)的教育在經(jīng)濟(jì)增長中的貢獻(xiàn)，教育回報率方面的研究也證明了教育與收入之間的正相關(guān)關(guān)系，教育無論是對于個人還是社會都可以產(chǎn)生誘人的回報(Psacharopoulos 和Patrinos，2004)。第三，教育還有助于拓寬就業(yè)途徑并改善就業(yè)結(jié)構(gòu)，而就業(yè)結(jié)構(gòu)直接影響居民尤其是農(nóng)戶的收入。農(nóng)業(yè)部門與非農(nóng)部門的勞動收益有顯著差異(郝廣海等，2010)。從更深的層面看，貧困意味著對人的選擇和機(jī)會的否定(李興洲，2017)，而教育是一個擴(kuò)大人們選擇范圍的過程(UNDP，1990)。綜上所述，提高貧困人口內(nèi)生發(fā)展能力最有效的方法就是提高其受教育水平。

（二）教育通過增強(qiáng)人的可行能力幫其擺脫多維貧困

Sen(1999)提出了能力貧困的概念，他指出貧困不僅是低收入的問題，更重要的是獲得基本需求的能力不足或被剝奪，從而將貧困的定義拓展到多維視角?；诙嗑S貧困理論，教育既是解決多維貧困的發(fā)展途徑，也是其組成部分。

其一，教育是多維貧困中的重要維度之一，教育的缺乏或被剝奪本身就是一種貧困狀態(tài)。人類發(fā)展觀也從類似的視角解釋了教育與貧困之間的關(guān)系，它將教育視為一種權(quán)利和機(jī)會，是所有人應(yīng)該獲得的一種服務(wù)?？偠灾祟惏l(fā)展觀認(rèn)為教育不僅僅是人類發(fā)展的手段，教育的缺乏和被剝奪不只是貧困的原因，其本身就是貧困不可或缺的一部分。

其二，基本需求理論認(rèn)為各項(xiàng)基本需求之間不是孤立的，任何一種基本需求的滿足都有利于其他需求的實(shí)現(xiàn)，教育是幫助實(shí)現(xiàn)其他基本需求的重要工具和途徑。如圖1 所示，就健康維度而言，現(xiàn)有文獻(xiàn)主要從以下幾個方面研究了教育與健康之間的關(guān)系，也可以看作是教育影響健康機(jī)理的總結(jié)。第一，教育能增強(qiáng)人們的健康意識，有助于健康習(xí)慣的養(yǎng)成。第二，在給定的投入下，更好的教育能導(dǎo)致更多的健康產(chǎn)出。第三，受教育水平高的人更容易獲得有利的健康保障和醫(yī)療信息，從醫(yī)療技術(shù)的進(jìn)步中獲得更多的益處。第四，教育還可以通過其他方式影響健康，如更高的收入、更好的社會環(huán)境、較強(qiáng)的自我管理能力等(李軍和劉生龍，2019)。就生活基本需求維度而言，教育可以通過滿足人們生活的基本需求來緩解貧困，如水、電和住房等，基本需求滿足程度的提升既能增強(qiáng)人的生產(chǎn)能力，從而獲得更高的工資收入(Gounder 和Xing，2012)，還能影響與貧困密切相關(guān)的因素(Fafchamps 和Shilpi，2014)，如健康狀況、家庭總福利和婦女的生育決策，從而降低家庭陷入多維貧困的風(fēng)險。

基于以上理論分析可知，無論是從教育的內(nèi)在價值還是其對收入和福利的影響看，教育對貧困都有重要的影響，而義務(wù)教育是整個教育過程的起點(diǎn)和基礎(chǔ)。義務(wù)教育法實(shí)施之前，義務(wù)教育階段獲得的人力資本存量較少，從而導(dǎo)致高等教育的參與率較低，貧困狀況難以得到根本改善。輟學(xué)的原因來自社會、家庭、學(xué)生和學(xué)校等多方面。因此，必須建立強(qiáng)有力的約束機(jī)制和措施來破除根深蒂固的家庭和社會因素對貧困家庭教育選擇和決策的影響。義務(wù)教育法正是這樣一個以法律的形式保障適齡兒童受教育的強(qiáng)制性措施，在很大程度上解決了失學(xué)和輟學(xué)問題，開啟了很多貧困地區(qū)孩子未來的教育之路，徹底改變了他們的文化價值體系和謀生能力，并使他們擺脫貧困，這很好地發(fā)揮了教育的示范引領(lǐng)作用和溢出效應(yīng)，提升了教育的減貧效能。

四、數(shù)據(jù)與識別策略

（一）數(shù)據(jù)來源與處理

本文使用中國家庭追蹤調(diào)查(CFPS)數(shù)據(jù)。該數(shù)據(jù)庫是一項(xiàng)大規(guī)模、全國性、多學(xué)科的追蹤社會調(diào)查項(xiàng)目，覆蓋了全國25 個省份，調(diào)查主題包括教育成果、經(jīng)濟(jì)活動、人口遷移和居民健康等。之所以選用該數(shù)據(jù)，是因?yàn)槠涮峁┝藗€體12 歲時的戶口類型和居住地，為研究教育對貧困的影響提供了數(shù)據(jù)支持。相對于個體被調(diào)查時所在的省份，本文用個體12 歲居住的省份替代其接受義務(wù)教育時的省份更為準(zhǔn)確，減少了遷移帶來的測量誤差。

本文選用CFPS2018 年數(shù)據(jù)進(jìn)行實(shí)證分析，并對樣本進(jìn)行如下篩選。首先，為剔除“非正常年份”對調(diào)查個體受教育程度和貧困狀態(tài)的影響，刪除了1962 年1 月之前出生的樣本。其次，刪除了年齡小于18 歲或還在上學(xué)的個體，刪除了數(shù)據(jù)缺失的樣本，刪除了非農(nóng)業(yè)戶口的樣本。最終得到14265 個農(nóng)村個體。

（二）變量選取和描述性統(tǒng)計

1. 貧困

目前，我國已經(jīng)實(shí)現(xiàn)農(nóng)村貧困人口全部脫貧的目標(biāo)，扶貧開發(fā)工作的重點(diǎn)已經(jīng)由消除絕對貧困轉(zhuǎn)向治理長期存在的相對貧困和多維貧困。因此，本文主要從相對貧困和多維貧困兩個維度進(jìn)行測度。

在相對貧困層面，學(xué)術(shù)界關(guān)于相對貧困的設(shè)定并沒有統(tǒng)一的定論，現(xiàn)有研究在設(shè)定相對貧困線時通常用收入平均值或者收入中位數(shù)的某一比例(沈揚(yáng)揚(yáng)，2012；孫久文和夏添，2019)。由于中位數(shù)比平均值更為穩(wěn)健，本文參考汪晨等(2020)的做法，將農(nóng)村居民收入中位數(shù)的60%作為基準(zhǔn)貧困線，并選用農(nóng)村居民收入中位數(shù)的40%和50%作為穩(wěn)健性檢驗(yàn)貧困線。當(dāng)家庭人均純收入低于相對貧困線時，記為相對貧困狀態(tài)(P60)，取值為1，否則，取值為0。

在多維貧困測算層面，A-F 方法(Alkire 和Foster，2011)是最為成熟且應(yīng)用最為廣泛的。本文遵循A-F 方法框架，對個體多維貧困進(jìn)行了測度。關(guān)于多維貧困指標(biāo)、剝奪臨界值和權(quán)重等參數(shù)的確定，本文參考王小林和Alkire(2009)、郭熙保和周強(qiáng)(2016)、鄒薇和方迎風(fēng)(2011)的選取標(biāo)準(zhǔn)，并結(jié)合指標(biāo)的可獲得性，具體參數(shù)設(shè)定見表1。另外，國際上關(guān)于受剝奪程度k 值的選取沒有統(tǒng)一的標(biāo)準(zhǔn)，本文主要采用k＝30%作為識別多維貧困(P3)的臨界值(郭熙保和周強(qiáng)，2016)，同時選用k＝20%和k＝40%進(jìn)行穩(wěn)健性檢驗(yàn)。

表1 多維貧困的指標(biāo)、臨界值和權(quán)重設(shè)定

2. 受教育程度

用受訪者的受教育年限進(jìn)行衡量，CFPS2018 問卷調(diào)查數(shù)據(jù)提供了受訪者已完成的受教育年限。

3. 控制變量

控制變量主要為個體特征，包括性別(gender，男性＝1，女性＝0)、婚姻狀況(marital，已婚＝1，否則＝0)、健康狀態(tài)(health，健康＝1，否則＝0)和家庭規(guī)模(family size，家庭人數(shù))等。另外，所有的估計結(jié)果都控制了出生隊(duì)列固定效應(yīng)和省份固定效應(yīng)。各變量的描述性統(tǒng)計見附表1 和附表2。

（三）識別策略

由于貧困狀態(tài)取值為二元離散變量，為準(zhǔn)確估計教育對農(nóng)村貧困的影響，本文選擇 Probit 模型進(jìn)行估計，其基本形式如下：

其中，i 表示被調(diào)查的個體，j 表示12 歲時所在的省份，t 為根據(jù)學(xué)校學(xué)年構(gòu)造的出生隊(duì)列。P為個體i 在被調(diào)查時的貧困狀態(tài)，e du為個體i 的受教育程度，Z為包括個體特征和家庭特征的控制變量，為省份固定效應(yīng)，為出生隊(duì)列固定效應(yīng)。

僅僅通過Probit 估計并不能識別教育與貧困的因果關(guān)系，教育對貧困的影響可能存在遺漏變量的估計偏誤，這些未被觀測到的特征可能與個體的受教育水平和貧困狀態(tài)相關(guān)。最為常見的是個人能力，能力更強(qiáng)的人通常受教育年限更高且不容易陷入貧困。為解決內(nèi)生性問題，本文通過義務(wù)教育法構(gòu)造工具變量來識別教育對貧困的因果效應(yīng)。

圍繞義務(wù)教育法構(gòu)造工具變量的文獻(xiàn)有很多，大部分學(xué)者用個體是否受義務(wù)教育法影響作為教育的工具變量(Yang，2012；Fang 等，2012；趙西亮，2017；李軍和劉生龍，2019)，分析教育回報率。由于受教育法影響的群體(年輕組)相對于未受教育法影響的群體(年長組)年齡較小，時間趨勢會影響個體的被解釋變量狀態(tài)，這會導(dǎo)致估計結(jié)果嚴(yán)重偏高或者說估計結(jié)果是時間趨勢的結(jié)果。具體而言，當(dāng)研究數(shù)據(jù)跨度很長時，年輕組和年長組具有顯著的年齡差距，他們成長所處的經(jīng)濟(jì)社會環(huán)境有著很大的不同，導(dǎo)致年輕組與年長組的被解釋變量可能存在顯著差異，而這種差異不是教育造成的。特別是對本文的被解釋變量貧困來說，隨著中國貧困率逐年下降，年輕組的貧困率要顯著低于年長組。盡管有部分學(xué)者通過將年輕組與年長組控制在年齡相似的時間段，如教育法實(shí)施前后兩年(Fang 等，2012；趙西亮，2017；李軍和劉生龍，2019)，但這還是不能徹底消除時間趨勢的影響。本文用雙重差分變量來構(gòu)造工具變量，有效地解決了由時間趨勢導(dǎo)致的工具變量無效的問題，具體構(gòu)造方法如下。

本文從時間(出生時間)和空間(省份)兩個維度考慮教育法對個體的影響程度。首先，根據(jù)個體的出生時間，計算個體在教育法實(shí)施時的年齡來定義個體是否受到政策沖擊。教育法規(guī)定兒童在滿六周歲開始上學(xué)，那么按照九年義務(wù)教育，個體將在15 歲時完成義務(wù)教育，故在教育法實(shí)施當(dāng)年，年齡小于等于15 歲時受到影響，其中年齡小于6 歲的個體完全受影響；年齡大于等于16 歲的個體，完全不受教育法影響。然而，在中國特別是中國農(nóng)村地區(qū)，兒童推遲入學(xué)和留級是常見現(xiàn)象，這會導(dǎo)致一部分年齡大于等于16 歲的孩子，受到教育法的影響。由于無法精確統(tǒng)計推遲入學(xué)和留級經(jīng)歷，且影響年限通常很短，本文忽略其帶來的影響，這可能會使估計結(jié)果產(chǎn)生向下的偏差。

另外，教育法的影響因個體所在的省份不同而有差異。首先，各省份實(shí)施教育法的時間不同。其次，Huang(2015)發(fā)現(xiàn)省份的平均教育水平會嚴(yán)重影響省內(nèi)居民最終所接受的教育年限。在義務(wù)教育完成率較高的省份，其居民完成義務(wù)教育的概率也高，即教育法的沖擊對當(dāng)時義務(wù)教育完成率越高的省份影響越小。在現(xiàn)實(shí)中，教育法在各省份并未被嚴(yán)格執(zhí)行(劉生龍等，2016)，短時間內(nèi)各省份的義務(wù)教育完成率不會達(dá)到100%。因此，僅用教育法實(shí)施前的義務(wù)教育完成率衡量教育法沖擊強(qiáng)度會產(chǎn)生測量誤差，故本文用各省份教育法實(shí)施后(2010 年)的義務(wù)教育完成率減去實(shí)施前的義務(wù)教育完成率來衡量該省份的教育法強(qiáng)度PT，計算公式如式(3)所示基于數(shù)據(jù)的可獲得性，本文用2010 年第六次人口普查微觀數(shù)據(jù)進(jìn)行計算，計算過程如下：(1)保留出生年份在1962—1999 年的個體；(2)按省份和出生年份計算其是否受義務(wù)教育法影響，全國以1986 年為界；(3)按省份和是否受教育法影響分別計算九年義務(wù)教育完成率，義務(wù)教育完成率=教育程度達(dá)到初中及以上人口占總?cè)丝诒壤?4)計算教育法強(qiáng)度PT 。。另外，家庭可能會發(fā)生跨省遷移行為，居民調(diào)查時所在的省份與義務(wù)教育階段居住的省份可能不一致，因此本文選用居民12 歲時所在的省份替代其接受義務(wù)教育時的省份，衡量教育法沖擊的大小。

根據(jù)這兩方面差異，我們使用個體是否受到義務(wù)教育法影響和其所在省份受影響強(qiáng)度的交互項(xiàng)作為工具變量識別教育對貧困的因果效應(yīng)。與前文提到的用是否受教育法影響作為教育的工具變量不同，雙重差分的處理組和對照組按地區(qū)劃分而非年齡段劃分，減緩了時間趨勢對估計結(jié)果的影響。采用與Duflo(2001)、Larreguy 和 Marshall(2017)相似的識別策略，IV-Probit 第一階段的估計方程如下：

其中，式(3)中PT為省份j 的教育法強(qiáng)度，cer為j 省份d 群體的義務(wù)教育完成率，d =1 表示受義務(wù)教育法影響，d =0 表示不受教育法影響的群體；cer 表示全國d群體的義務(wù)教育完成率；D 為年齡虛擬變量，當(dāng)個體i 在教育法實(shí)施時，年齡大于15歲，記為0；小于等于15 歲記為1(以下簡稱受益?zhèn)€體)；T為j 省份教育法強(qiáng)度的虛擬變量，當(dāng)PT大于中位數(shù)時記為1(高強(qiáng)度組)，小于中位數(shù)時記為0(低強(qiáng)度組)；為省份固定效應(yīng)，為出生隊(duì)列固定效應(yīng)，能夠捕捉到不同省份和不同出生隊(duì)列不隨時間變化的因素。利用方程(2)的估計結(jié)果，我們用IV-Probit 估計方程(1)，以確定在受益?zhèn)€體單位教育增加的局部平均處理效果(Local Average Treatment Effect，LATE)。另外，當(dāng)被解釋變量為個體貧困狀態(tài)時，式(2)為簡約式。

五、教育對貧困影響的實(shí)證結(jié)果

（一）第一階段

表2 為IV-Probit 估計的第一階段結(jié)果，被解釋變量為個體的受教育年限。其第(1)列中未加入個體和家庭層面的控制變量，交互項(xiàng)的平均邊際效應(yīng)為0.6360，且通過了1%的顯著性水平檢驗(yàn)；第(2)列為加入控制變量后的估計結(jié)果，系數(shù)略微改變?yōu)?.6399，表明教育法的實(shí)施顯著提高了受益?zhèn)€體的受教育年限，平均受教育年限提高了0.64 年左右。其第(3)列和第(4)列為安慰劑檢驗(yàn)，參考Duflo(2001)的做法，設(shè)置兩組虛擬的實(shí)驗(yàn)組與對照組：第一組，假設(shè)教育法實(shí)施時個體年齡在16～20 歲之間的為受益?zhèn)€體，在21～25 歲之間的為對照組；第二組，假設(shè)21～25 歲之間的個體為受益?zhèn)€體，年齡大于26 歲的為對照組。由于各省份教育法實(shí)施時，15 歲以上個體不受教育法影響，所以對于該年齡段的群體，實(shí)驗(yàn)組與對照組之間的教育水平不會存在系統(tǒng)性的差異。結(jié)果顯示，交互項(xiàng)的系數(shù)均不顯著，即教育法的政策效果并不是由其他因素造成的。另外，平行趨勢假設(shè)成立，平行趨勢檢驗(yàn)見附圖1。

表2 工具變量的第一階段回歸結(jié)果

（二）教育對貧困的影響

表3 為教育對貧困的估計結(jié)果。其第(1)列至第(3)列估計了教育對相對貧困的影響，第(1)列為模型(1)的回歸結(jié)果，教育的系數(shù)顯著為負(fù)，平均邊際效應(yīng)表明受教育年限每增加1 年，居民擺脫貧困的概率提高1.93%。第(2)列為簡約式的回歸結(jié)果，交互項(xiàng)的系數(shù)顯著為負(fù)，表明教育法的實(shí)施降低了受益?zhèn)€體相對貧困的概率。第(3)列為IV-Probit 估計結(jié)果，識別了教育的減貧效應(yīng)，其中教育變量的系數(shù)為-0.0216，且通過了1%的顯著性水平檢驗(yàn)，表明受教育年限每增加1 年，個體陷入相對貧困的概率降低2.16%，即教育減貧效應(yīng)為2.16%。其第(4)列至第(6)列估計了教育對多維貧困的影響，估計結(jié)果與前三列基本一致，受教育年限每增加1年，陷入貧困的概率能降低3.23%，略大于對相對貧困的減貧效應(yīng)。

表3 IV-Probit第二階段估計結(jié)果

（三）穩(wěn)健性檢驗(yàn)

1. 工具變量的有效性檢驗(yàn)

前文識別政策已經(jīng)提到，用雙重差分變量來構(gòu)造工具變量，有效地解決了由時間趨勢導(dǎo)致的工具變量無效的問題，本小節(jié)進(jìn)行實(shí)證驗(yàn)證。首先，參考大多數(shù)學(xué)者的做法，直接用時間虛擬變量D 作為工具變量，表4 第(1)列和第(2)列受教育年限的系數(shù)為負(fù)顯著，且系數(shù)遠(yuǎn)大于基準(zhǔn)回歸，這證實(shí)了前文的猜想，時間趨勢會嚴(yán)重高估教育對貧困的影響。其次，為進(jìn)一步證明時間趨勢的影響，本文將樣本縮減為在義務(wù)教育法實(shí)施前后9 年出生的個體，繼續(xù)用時間虛擬變量D 作為工具變量。其檢驗(yàn)結(jié)果如第(3)列和第(4)列所示，受教育年限的系數(shù)仍然為負(fù)，但系數(shù)絕對值明顯減小，特別是對于相對貧困，系數(shù)絕對值從0.0606 減小到0.0443，即縮小時間跨度會減小教育減貧效應(yīng)，從側(cè)面說明偏差可能是由時間趨勢帶來的。最后，本文參考Huang(2015)的做法，用教育法實(shí)施前各省份義務(wù)教育未完成率作為教育法沖擊的強(qiáng)度變量強(qiáng)度 PT 2= j省份義務(wù)教育法實(shí)施前九年義務(wù)教育未完成率。，將其與時間強(qiáng)度變量的交互項(xiàng)作為工具變量，該方法與本文最為相似，同樣避免了時間趨勢對估計結(jié)果的影響，IV-Probit 估計結(jié)果如表4 第(5)列和第(6)列所示，教育的邊際效應(yīng)與基準(zhǔn)回歸無顯著性差異，這也說明了本文結(jié)論穩(wěn)健。

表4 工具變量的有效性檢驗(yàn)結(jié)果

2. 混雜因素

雖然工具變量可以通過差分解決不隨時間變化且未觀測到的混雜因素問題，但是無法緩解由于存在隨時間變化的混雜因素而導(dǎo)致內(nèi)生性問題，即前文的估計結(jié)果假設(shè)，即受益?zhèn)€體在義務(wù)教育期間，沒有其他可能影響結(jié)果變量的政策沖擊同時發(fā)生。在本節(jié)中，我們還考慮到可能混淆本文結(jié)果的其他政策沖擊的影響。

2000—2005 年農(nóng)業(yè)稅費(fèi)改革減輕了居民的負(fù)擔(dān)，增加了居民的可支配收入，且該影響有一定的持續(xù)性(周黎安和陳燁，2005)，這會影響居民的貧困狀態(tài)。由于取消農(nóng)業(yè)稅對不同省份農(nóng)村居民沖擊的大小不同(汪偉等，2013)，最終可能會影響本文的估計結(jié)果。為分析農(nóng)業(yè)稅改革帶來的影響，本文參考汪偉等(2013)的方法構(gòu)造各省份取消農(nóng)業(yè)稅費(fèi)對該省份沖擊大小的強(qiáng)度指標(biāo)， 璟參考高艷云和王曦 (2016)的做法，在IVProbit 模型中加入強(qiáng)度指標(biāo)變量、強(qiáng)度指標(biāo)變量與受教育年限的交互項(xiàng)，當(dāng)交互項(xiàng)不顯著時，說明教育減貧效應(yīng)不受農(nóng)業(yè)稅費(fèi)改革影響。另外，本文在模型中控制強(qiáng)度指標(biāo)變量來觀察教育年限系數(shù)的變化。表5 第(1)列和第(2)列交互項(xiàng)系數(shù)均不顯著，表明農(nóng)業(yè)稅改革的沖擊不會影響教育減貧的估計結(jié)果。此外，在第(3)列和第(4)列加入了農(nóng)業(yè)稅改革程度作為控制變量，結(jié)果顯示教育的系數(shù)大小基本無變化，顯著性與基本回歸一致。

另外，為幫助貧困地區(qū)加快普及義務(wù)教育，促進(jìn)貧困人口脫貧致富，教育部、財政部在1995—2000 年，聯(lián)合實(shí)施了“國家貧困地區(qū)義務(wù)教育工程”。該工程的實(shí)施提高了貧困地區(qū)的義務(wù)教育完成率和受教育年限，加快了當(dāng)?shù)鼐用竦拿撠毸俾?，且受益對象為義務(wù)教育階段兒童，故該工程的實(shí)施會使本文估計結(jié)果產(chǎn)生混雜偏差。由于該工程在1995—2000 年間實(shí)施，故僅影響在1995 年年齡小于16 歲且生活在貧困縣的個體，本文采用以下兩種方法緩解該工程帶來的沖擊。方法一，直接刪除受該工程影響的個體，基于CFPS 數(shù)據(jù)中縣區(qū)數(shù)據(jù)的可獲得性，本文直接刪除1995 年年齡小于16 歲的所有樣本，該方法會帶來選擇性偏差，但是能完全剔除該工程對本文估計結(jié)果的影響。方法二，參考Tang 等(2019)的做法，在模型中控制該工程帶來的沖擊，具體而言，本文控制了各省份貧困縣數(shù)量占總量的比例與1980 年后出生隊(duì)列虛擬變量的交互項(xiàng)。表5 第(5)列和第(6)列為方法一的估計結(jié)果，教育年限的估計系數(shù)顯著為負(fù)；第(7)列和第(8)列為控制交互項(xiàng)的估計結(jié)果，教育仍然顯著為負(fù)，且系數(shù)大小變化不大，以上結(jié)果均表明了本文結(jié)論的穩(wěn)健性。

表5 穩(wěn)健性檢驗(yàn)——農(nóng)業(yè)稅改革與國家貧困地區(qū)義務(wù)教育工程

3. 選擇偏差

教育是農(nóng)村居民突破戶籍限制進(jìn)入城市就業(yè)的一條最重要途徑(鄧曲恒和古斯塔夫森，2007)，戶籍轉(zhuǎn)換會使農(nóng)村教育減貧效應(yīng)產(chǎn)生偏差。基于數(shù)據(jù)的可獲得性，本文選用受益?zhèn)€體12 歲時的戶口狀態(tài)衡量個體義務(wù)教育階段的戶口狀態(tài)，已經(jīng)在極大程度上消除了選擇偏差。為進(jìn)一步驗(yàn)證本文結(jié)論的穩(wěn)健性，本文其他時間段的戶口狀態(tài)衡量個體義務(wù)教育階段的戶口狀態(tài)，包括個體3 歲時的戶口狀態(tài)、訪問當(dāng)年的戶口狀態(tài)和訪問當(dāng)年國家統(tǒng)計局的城鄉(xiāng)分類標(biāo)準(zhǔn)，重新估計農(nóng)村教育減貧效應(yīng)，結(jié)果如表6所示。其第(1)列～第(4)列教育的系數(shù)均顯著為負(fù)，驗(yàn)證了本文結(jié)論的穩(wěn)健性。其第(5)列和第(6)列的系數(shù)遠(yuǎn)小于基準(zhǔn)回歸，且第(5)列的系數(shù)不顯著。這是因?yàn)閿?shù)據(jù)中國家統(tǒng)計局城鄉(xiāng)分類標(biāo)準(zhǔn)是根據(jù)被調(diào)查家庭居住地點(diǎn)分類的，農(nóng)村居民遠(yuǎn)少于訪問當(dāng)年的農(nóng)村戶口居民，缺少當(dāng)前為農(nóng)村戶口且生活在城市中的樣本，而該類農(nóng)村居民往往是受教育年限更高、貧困率更低的居民，即教育減貧效果最佳的群體，故該分類下的農(nóng)村群體出現(xiàn)教育減貧效果不顯著的現(xiàn)象，不影響本文結(jié)論的穩(wěn)健性。

表6 穩(wěn)健性檢驗(yàn)——選擇偏差

4. 替換變量

為進(jìn)一步驗(yàn)證結(jié)論的穩(wěn)健性，本文更換了相對貧困線標(biāo)準(zhǔn)和多維貧困受剝奪程度k 值，重新定義貧困。具體而言，本文選用農(nóng)村居民收入中位數(shù)的40%和50%作為貧困線重新定義相對貧困，選用受剝奪程度k＝20%和k＝40%來定義識別輕度和更深程度的多維貧困，重新估計教育對貧困的影響。估計結(jié)果如表7 第(1)列～第(4)列所示，教育的系數(shù)均為負(fù)顯著，說明了本文結(jié)論穩(wěn)健。

表7 穩(wěn)健性檢驗(yàn)——替換變量

5. 異質(zhì)性分析

不同性別居民的教育減貧效應(yīng)可能不同，故有必要進(jìn)行更為深入的分析。本文將數(shù)據(jù)分成男性和女性兩個樣本，分別估計了男性和女性的教育減貧效果，結(jié)果如表7第(5)列～第(8)列所示。男性樣本中，教育的系數(shù)均顯著為負(fù)，表明教育對相對貧困和多維貧困均有很好的減貧效應(yīng)；而對于女性，教育對相對貧困無顯著影響，但能顯著降低其陷入多維貧困的概率。

六、教育如何幫助脫貧

前文識別了教育的減貧效應(yīng)，發(fā)現(xiàn)教育能顯著降低農(nóng)村居民的貧困程度，對于受教育年限是如何幫助居民脫貧的，本部分將在教育影響貧困機(jī)理的基礎(chǔ)上，從收入和就業(yè)結(jié)構(gòu)兩個角度進(jìn)行實(shí)證分析，檢驗(yàn)教育對貧困的影響機(jī)制。

（一）教育、收入與貧困

教育回報率是教育減貧最直接的機(jī)制，為檢驗(yàn)教育對收入的影響，本文首先通過前文工具變量法估計教育回報率。表8 第(1)列為2SLS 估計結(jié)果，受教育年限變量的系數(shù)顯著為正，教育回報率為12.7%，這一估計與發(fā)達(dá)國家近10% 的教育回報率比較接近(Card，1999)。為進(jìn)一步說明收入的機(jī)制效應(yīng)，本文利用分位數(shù)回歸模型進(jìn)行分析，比較不同收入分位數(shù)上教育回報率的差異，估計結(jié)果如第(2)列～第(6)列所示。整體來看，教育回報率隨著收入分位數(shù)的提高而減小，10 分位數(shù)上的教育回報率為10.6%，50 分位數(shù)上的教育回報率為6.2%，在90 分位數(shù)上，教育回報率進(jìn)一步下降到5.3%，這說明教育對低收入群體的回報率更高，故教育通過提高收入來影響貧困的機(jī)制存在。

表8 教育、居民收入與貧困

（二）教育、就業(yè)結(jié)構(gòu)與貧困

另外，教育有助于拓寬就業(yè)途徑、改善就業(yè)結(jié)構(gòu)，而就業(yè)結(jié)構(gòu)直接影響居民尤其是農(nóng)戶的收入。根據(jù)CFPS 提供的數(shù)據(jù)，本文設(shè)置5 個虛擬變量，為“從事非農(nóng)工作”“非農(nóng)自雇”“非農(nóng)受雇”“從事農(nóng)業(yè)生產(chǎn)”和“從事農(nóng)業(yè)打工”，分別替換成用IVprobit 模型的被解釋變量，估計教育對就業(yè)的影響?？偟膩碚f，就業(yè)分為農(nóng)業(yè)工作和非農(nóng)工作，表9 第(1)列回歸結(jié)果表明，隨著受教育水平的提高，居民從事非農(nóng)工作的概率更大。其次，估計教育對農(nóng)業(yè)工作類型的影響，第(2)列和第(3)列結(jié)果表明教育降低了農(nóng)村居民從事各類農(nóng)業(yè)工作的概率，對居民從事農(nóng)業(yè)打工工作的影響更小。最后，第(4)列和第(5)列估計了教育對非農(nóng)工作類型的影響，結(jié)果表明，隨著受教育年限的提高，居民更多是非農(nóng)自雇和非農(nóng)受雇，其中對從事非農(nóng)受雇工作的影響相對更大。綜上所述，本文認(rèn)為教育通過改善農(nóng)村居民的就業(yè)結(jié)構(gòu)來擺脫貧困。

表9 教育、就業(yè)結(jié)構(gòu)與貧困

七、結(jié)論與政策含義

教育發(fā)展被認(rèn)為是過去30 年中國經(jīng)濟(jì)高速發(fā)展的巨大動力之一(Fang 等，2012)，教育回報率一直是學(xué)術(shù)研究關(guān)注的重點(diǎn)和熱點(diǎn)，但是大部分文獻(xiàn)都是從收入角度研究教育對貧困的影響，鮮有研究關(guān)注后扶貧時代教育對相對貧困和多維貧困的減貧效應(yīng)。本文使用2018 年CFPS 數(shù)據(jù)，采用雙重差分方法和工具變量法估計教育的減貧效應(yīng)，并分析其機(jī)制。

本文得出以下結(jié)論。第一，義務(wù)教育法的實(shí)施顯著提高了適齡兒童的受教育水平并具有減貧效應(yīng)。第二，本文進(jìn)一步使用工具變量法識別教育對貧困的因果效應(yīng)，發(fā)現(xiàn)提高教育水平能夠降低陷入貧困的概率，具體而言，教育對相對貧困的減貧效應(yīng)為1%～3%，對多維貧困的減貧效應(yīng)為1%～6%。第三，教育減貧影響機(jī)制的實(shí)證分析表明，教育水平的提高能夠增加收入從而擺脫貧困；另外教育水平越高從事農(nóng)業(yè)勞動的概率越低，教育能夠幫助農(nóng)民拓寬就業(yè)途徑，更多地從事非農(nóng)職業(yè)，特別是非農(nóng)受雇。

從本文的研究結(jié)論來看，義務(wù)教育的發(fā)展有助于消除收入貧困和多維貧困，因此消滅絕對貧困后，教育仍然是鞏固脫貧攻堅成果、改善相對貧困和防返貧以及實(shí)現(xiàn)鄉(xiāng)村振興的重要政策著力點(diǎn)。義務(wù)教育是整個教育體系中最基本和最重要的階段之一，目前政策的重點(diǎn)應(yīng)是加快推進(jìn)農(nóng)村義務(wù)教育質(zhì)量的提升，真正發(fā)揮義務(wù)教育在人力資本質(zhì)量提高和人力資本積累中的基礎(chǔ)性作用。首先，應(yīng)繼續(xù)加大對農(nóng)村基礎(chǔ)教育的投入，改善農(nóng)村教育環(huán)境，依托國家大力推進(jìn)新一代信息基礎(chǔ)設(shè)施建設(shè)的戰(zhàn)略機(jī)遇，升級農(nóng)村地區(qū)義務(wù)教育基礎(chǔ)設(shè)施，從“有學(xué)上”到“上好學(xué)”。其次，加強(qiáng)鄉(xiāng)村學(xué)校師資保障，穩(wěn)定優(yōu)秀教師隊(duì)伍。政府應(yīng)加強(qiáng)鄉(xiāng)村教師的培訓(xùn)和提高教師福利待遇，鼓勵引導(dǎo)高素質(zhì)、高學(xué)歷的人才扎根農(nóng)村基礎(chǔ)教育，推進(jìn)義務(wù)教育城鄉(xiāng)一體化發(fā)展。最后，做好義務(wù)教育完成后與高中階段和職業(yè)教育的銜接，尤其要重視職業(yè)教育的發(fā)展。職業(yè)教育是發(fā)展人力資源的重要手段，也應(yīng)該是教育扶貧體系中的關(guān)鍵組成部分。事實(shí)上，從2012 年開始我國已經(jīng)開始實(shí)施農(nóng)村免費(fèi)中等職業(yè)教育，目前仍需進(jìn)一步有傾斜性地加大對職業(yè)教育的投入，加強(qiáng)社會各界對職業(yè)教育功能和重要性的認(rèn)識，拓寬職業(yè)教育的就業(yè)通道。