【统计应用研究】
教育发展水平与机会公平性省际差异研究
李明桥
(贵州财经大学 经济学院，贵州 贵阳 550025)
摘要： 通过分析各省市教育发展水平和机会公平性，评估了各地区教育发展状况。研究发现：其一，教育发展水平与机会公平性存在负向关系，教育发展水平较高的地区伴随着严重的教育机会不公平；其二，家庭背景导致教育机会不公平最为严重，户籍因素次之，而性别差异作用微弱，其中家庭背景因素主要通过父母文化资本影响子女受教育年限，从而对教育机会不公平构成影响；其三，教育机会不公平因地区而异，一些省市教育机会不公平是由于家庭背景、户籍类型和性别因素的分布差异所致，另一些省市由于这些因素对个体受教育年限影响程度不同，从而导致教育机会不公平。
关键词： 教育年限；机会公平性；家庭背景；文化资本；省际差异
一、引言及文献回顾
教育兴则国家兴，教育强则国家强。教育发展水平是一个国家发展水平和发展潜力的重要标志。教育公平是社会公平的重要基础，要不断促进教育发展成果更多更公平惠及全体人民，以教育公平促进社会公平正义，这表明党和政府高度重视教育发展和机会公平问题。学界也对这两个问题进行了深入研究，例如，关于教育发展水平省际差异分析[1]，关于高等教育机会公平性研究[2]。有关这两个问题的研究取得了丰硕成果，然而现有文献要么聚焦于教育发展水平，要么聚焦于机会公平，这种研究方式无法探测教育发展水平与机会公平之间的关系。教育发展水平较高的省份，机会公平程度是更高还是更低呢？同理，教育发展水平较低的省份，机会公平程度又是怎样的呢？基于现有文献的研究基础，本文把教育发展水平与机会公平性同时作为研究对象，评价各省市教育发展状况基于发展水平和机会公平两方面因素，还进一步分析了户籍因素、性别因素以及家庭背景对教育机会不公平的影响。
(一)机会公平性研究方法文献简述
Rawls指出传统公平理论聚焦于结果平等，然而这种不平等没有区分环境因素和个体因素。如果不平等是由于家庭背景、性别和种族等个体不可控环境因素所致，那么这种不平等在机会上是不公平的；反之，如果不平等是由于个体努力程度、选择行为等可控个体因素所致，那么这种不平等在机会上是公平的；社会应该消除导致机会不公平的环境因素，追求“平整竞技场”和“起点公平”[3]。Roemer提出把不平等分解为环境因素和个体因素两个部分，环境因素对不平等的贡献反映了机会不公平程度，个体因素对不平等的贡献反映了机会公平程度[4]。
亚太拉斯材料测试技术有限公司逾80年来一直是材料测试领域的领军企业，与世界著名OEM厂商一起开发测试程序，致力于模拟真实外界条件。其整套气候老化测试程序能够就客户的产品材料提供整套完善的测试分析，包括抵御紫外线、抗炎热天气和抗盐雾腐蚀等性能。
因此，机会公平有事前法和事后法两种测度方式[5]，事前法通过估计环境因素对不平等的影响来测度机会不公平程度，事后法则通过估计个体因素对不平等的影响来测度机会公平程度[6]。由于环境因素信息比个体因素更容易收集，在实证研究中往往采用事前法估计机会不公平。事前法主要运用参数或非参数的回归估计反映环境因素对不平等的贡献，以此得出机会不公平程度。采用回归估计的事前法，优势在于可以通过Shapley分解出各个环境因素对机会不公平的贡献，国内关于教育机会公平性研究主要也采用了事前法。
(二)国内关于教育机会公平性的研究
改革开放至今，中国社会以户籍、收入和职业等为特征的社会分层现象日益明显，无论哪个社会阶层都希望子女将来处于社会中上层。高等教育尤其是重点大学教育是社会优势阶层子女阶层再生产的工具，同样也是社会下层子女地位爬升的筹码。始于1999年的高校扩招降低了高等教育入学门槛，扩招如何影响高等教育机会公平性成为国内研究的热点问题。李春玲使用中国数据检验了教育机会公平性的三种理论：最大维持不平等理论、有效维持不平等理论以及个人教育决策理性选择理论[7]。该研究发现中国高校扩招对高等教育机会不公平的影响趋向于最大维持不平等理论。
backgroundi =b 0+b 1economy+b 2culture+
虽然，高等教育机会公平问题一直是国内研究的重点，但是基础教育机会公平问题逐渐被学界所重视，这是因为基础教育机会不公平就意味着社会下层子女已经输在起跑线上了，这时高等教育机会不公只不过是基础教育机会不公的延续而已。吴愈晓和黄超研究发现基础教育的学校阶层分割导致社会下层子女较低的教育期望与优势阶层子女较高的教育期望[11]。
综上所述，国内文献运用事前法对教育机会公平问题进行了深入研究，主要从社会分层、城乡和性别差异视角分析了机会公平性问题，然而这些文献并没有涉及机会公平程度问题，而且在分析教育机会公平性问题时，也没有把省份作为研究对象并进行省份之间教育公平性横向比较。因此，本文研究目的就是弥补现有文献这方面不足之处。
二、分析思路与研究方法
本文把教育发展水平和教育机会公平性作为研究对象，使用发展程度指数[12]评估各省份教育发展状况，该指数优势在于评估教育发展状况时既考虑了教育发展水平又涉及教育机会公平程度。发展程度指数表达式如式(1)所示，其中d ，E 和EOP分别表示教育发展程度指数，教育发展水平和教育机会公平程度；参数a 为教育发展水平偏好系数，取值范围在0和1之间，同理(1-a )为教育机会公平偏好系数，当a 取值接近1时，表明评估教育发展程度更加偏重于教育发展水平，反之当a 取值接近0时，表明评估教育发展程度更加偏重于教育机会公平，当a =0.5时，表明教育发展水平和教育机会公平对教育发展程度的贡献相当。
d Q =E a (EOP)1-Q
(1)
计算各省份教育发展程度指数的前提条件是确定发展水平和机会公平指标。选取这两个指标应注意以下事项：其一，本文采用参数回归估计的事前法估计教育机会不公平程度，然后再计算出教育机会公平程度。参数回归估计方程如式(2)和(3)所示，其中，Educi 、hukoui 、genderi 和backgroundi 分别表示个体i的受教育年限、户籍类型、性别和家庭背景变量，其中家庭背景(background)变量根据现有文献由家庭经济资本(economy)、文化资本(culture)和政治资本(politics)三个部分构成[13]。本文之所以选取受教育年限作为回归估计的因变量，是因为测度教育发展程度指数时，教育发展水平指标和式(2)回归估计因变量必须为同一变量。一方面采用各省份人均受教育年限作为其教育发展水平的指标，另一方面借助于受教育年限变量测度教育机会公平程度，因此受教育年限可以作为计算教育发展状况的变量。中国社会主要以户籍类型、性别和家庭背景作为社会分层的依据，现有文献研究中国教育机会公平时也主要从这三个视角进行分析，因此本文把这三个变量作为影响教育机会不公平的环境因素。家庭背景是从经济资本、文化资本和政治资本三个层面影响个体的教育获得，回归方程式(3)可以反映这一特征。
就参数回归估计的事前法估计教育机会不公平而言，回归估计式(2)因变量为居民受教育年限，自变量户籍类型采用居民12岁时户口状况虚拟变量表示，1和0分别为农业户口和非农户口。使用居民14岁时父亲和母亲职业地位评分(ISEI)、受教育程度以及是否中共党员分别表示家庭背景中的经济资本、文化资本和政治资本。
国家的税制改革中规定了配合国家住房制度的改革，即企业和行政事业单位如果按照房改成本价进行住房的出售人取得的收入将免征增值税。当前，我国在进行大中型林场的棚户区改革建设，如果建立千套住房，每套住房的成本价是45万元的话，千套住房实现降低税负4500万元，这是进行营改增之后为林场提供的福利政策，同时也使林场的职工更加热爱林业建设。因此可以说营改增的利好政策主要包括三点：政府进行财政补助的利好；银行给予贷款房屋的利好；税收部门进行税收减免的利好。
(2)
高等教育入学门槛的降低意味着普通高校吸引力的下降，社会优势阶层为了维持子女阶层地位再生产对重点大学教育机会的需求更强。叶晓阳和丁延庆研究发现社会优势阶层家庭的子女有更大概率进入教育质量更好的精英院校[8]。刘精明研究了在进入精英院校的过程中个体因素和环境因素的作用，发现高等学校层级越高，对学生的能力要求越高，出身的影响也显著增强，能力影响始终较大程度地高于出身影响[9]。精英院校自主招生制度演变成了社会优势阶层子女获得优质教育资源的竞技场，获得自主招生破格录取的学生更有可能来自父母受过高等教育的家庭、城市家庭和好的重点中学，而这些学生的学业表现和统招学生却并无显著差别[10]。
b 3politics+e i
a 3backgroundi +u i
(3)
(4)
基于人均教育年限和机会公平程度指标，根据式(1)计算出各省市(自治区)教育发展程度指数，如表3所示，其中教育发展水平偏好系数依次取值为0、0.25、0.5、0.75和1。由表3可知：首先，省际教育发展状况排名高低，取决于评估时偏好于教育发展水平还是偏好于教育公平性。当评估省际教育发展状况完全依据机会公平程度时，即机会公平偏好系数(1-a )取值为1(a =0)时，教育发展状况排名前五的依次为广西壮族自治区、云南省、浙江省、安徽省和山西省；当评估省际教育发展状况完全依据教育发展水平时，即教育发展水平偏好系数a取值为1时，教育发展状况排名前五的依次为北京市、上海市、天津市、湖南省和湖北省。当评估省际教育发展状况同时偏好于教育发展水平(a =0.5)和机会公平程度(1-a =0.5)时，教育发展状况排名前五的依次为北京市、天津市、浙江省、湖南省和上海市。其次，辽宁省和浙江省教育发展状况较好，而贵州省和重庆市教育发展状况较差。评估省际教育发展状况时，无论教育发展水平偏好系数和机会公平偏好系数取何值，辽宁省和浙江省始终分别排名前7名和前8名，而贵州省和重庆市始终分别排名后3名和后7名。这表明教育发展状况较差的省份为西部地区，而相邻的重庆和贵州部分地区属于武陵山连片特困区，经济落后使得教育发展状况相对较差。最后，教育政策的实施要因省市而异，不能采取一刀切的形式。对于教育发展水平较高的北京和上海，教育机会公平程度较低，制定教育政策的目标应该侧重于提高教育机会公平性；而对于教育机会公平程度较高，而教育发展水平较低的云南省，制定教育政策的目标应该侧重于提高人均教育年限。而对于教育发展水平较低、机会公平程度也较低的贵州省而言，制定教育政策目标应该要同时兼顾教育发展水平和机会公平性，而贵州省经济发展落后，这就需要中央政府对西部地区加大教育投入。
利用CFPS数据结合式(2)、式(3)和式(4)估计出了教育机会公平程度EOP，结合各省人均受教育年限绘制出了教育年限与机会公平分布图，如图2所示，其中根据全国人均教育年限和机会公平程度把图2划分为4个象限如图中虚线所示，同时拟合各省人均教育年限与机会公平程度如图中实线所示。由图2可知：其一，省际之间人均受教育年限(教育发展水平)和机会公平性差异较大。全国人均教育年限和机会公平程度分别为7.785年和0.863，这说明教育年限不平等有13.7%(1-0.863)是由于户籍类型、性别和家庭背景三方面环境因素所致的。其二，人均教育年限较高的省市机会公平程度相对较低。人均教育年限最高的省市依次为北京市(11.425年)、上海市(9.532年)、天津市(9.389年)、湖南省(9.234年)和湖北省(8.884年)都高于全国水平(7.785年)，而这些省份机会公平程度依次为0.787、0.821、0.843、0.85和0.837都低于全国水平(0.863)，这表明省市教育发展水平越高、教育机会公平性越低。其三，部分省市人均教育年限和教育机会公平性都较低，表明教育发展状况极其糟糕。这些省市分别为贵州省、甘肃省、重庆市和江西省，尤其是贵州省人均教育年限最低(5.485年)机会公平性也较低(0.833)。其四，总体而言人均教育年限越高的省份，教育机会公平性越低。如图2中实线是拟合各省人均教育年限和机会公平性的结果，该拟合结果表明机会公平程度和人均教育年限存在负向关系，也就是人均教育年限越高，教育机会公平性越低。最后，把各省市人均教育年限和机会公平程度与全国进行比较，可把各省市划分为八类地区，如表2所示，每类地区的省市与全国相比都具有共同特征，例如一类地区的省份无论是人均教育年限还是机会公平性都高于全国水平。因此，下文对教育机会公平性进行分解时以这八类地区作为研究对象。
式中:FS=[F M]∈R6×6n为标定力和力矩所组成的矩阵;U为标定所得电压值所组成的矩阵;U-=U+=UT(UUT)-1为矩阵U的伪逆矩阵。
表 1教育机会不公平地区分解表
注：I()表示不平等指数。
三、实证结果的分析
(一)数据来源和变量描述
本文研究数据来源于北京大学中国社会科学调查中心的《中国家庭追踪调查(CFPS)》数据。关于中国教育发展水平基本情况而言，本文根据CFPS数据绘制了各年龄组下居民文化程度分布情况：首先，就60岁以上居民而言，文化程度越高所占比例越低，而且较高文化程度居民比例较低。如图1所示，60岁以上居民文盲半文盲所占比例高达56.2%，而大专及以上学历的居民比例仅为3.2%，这部分群体出生于20世纪50年代以前，成长于新中国成立初期，由于当时教育落后所以文盲半文盲比例较高。其次，45至60岁居民文化程度结构相对于60岁以上居民而言发生重大变化。例如，从60岁以上居民群体到45至60岁居民群体，文盲半文盲的比例从56.2%下降至32.7%，而初中和高中(中专/技校/职高)文化程度比例分别从13%和5.61%上升至29.3%和15.9%，但是大专以上文化程度的比例变化不大。这表明，中国针对45至60岁居民群体扫盲政策效果显著从而降低了文盲半文盲比例。最后，九年制义务教育和高校扩招政策的实施进一步改变了居民文化程度结构。例如，无论是16至30岁年龄组还是30至45岁年龄组，初中文化程度所占比例都是最高的，尤其是16至30岁年龄组初中学历所占比例高达41.2%，说明九年制义务教育对居民文化程度结构影响效果明显；与此同时，这两个年龄组大专以上学历所占比例分别为12.5%和9.62%，而45至60岁年龄组和60岁以上年龄组大专比例仅为3.47%和3.2%，由于高校扩招政策只涉及到较低的两个年龄组，所以高校扩招确实提高了较低年龄组的高学历比例。
图 1文化程度分布图
注：图中1为文盲半文盲，2为小学，3为初中，4为高中/中专/技校/职高，5为大专及以上。
Educi =a 0+a 1hukoui +a 2genderi +
2)数据采集模块：主要涉及两方面的内容，一是采集数据的录入，用户访问服务器端定制好的采集表单页面，根据数据项说明填入采集的数据，然后保存；二是数据的实时传输，用户点击保存后，通过无线网络将填入的数据实时传输到服务器端。
(二)省际教育发展状况的评价
其三，教育机会不公平的分解。估计出教育机会不公平之后，有两种方法可对教育机会不公平进行分解。分解方法之一，分解出各个环境因素对教育机会不公平的贡献。本文采用Shapley分解方法把户籍类型、性别和家庭背景三个环境变量对机会不公平的贡献分解出来，该分解方法优势在于分解过程中不依赖于环境变量的分解顺序，而且不存在分解残差项，也就是机会不公平被完全分解为三个环境变量的贡献。分解方法之二，对机会不公平进行地区分解。把机会不公平根据地区进行分解，有助于了解教育机会不公平是由于地区之间环境因素分布差异所致，还是由于环境因素边际效应(环境因素对教育年限的影响)所致，具体分解方法如表1所示。其中主对角线元素分别表示A地区和B地区教育机会不公平程度；辅对角线元素都为反事实的机会不公平，其中，一行二列元素(反事实教育机会不公平)是根据A地区个体环境变量(式(2)中自变量)和B地区环境变量边际效应(式(2)中参数)测算出来的，因此第一行反映了A地区和B地区环境边际效应差异对教育机会不公平的影响。二行一列元素(反事实教育机会不公平)是根据B地区个体环境变量和A地区环境边际效应测算出来的，因此第一列反映了A地区和B地区环境变量分布差异对教育机会不公平的影响。
图 2人均教育年限与机会公平分布图
表 2各省市教育年限与机会公平与全国的比较表
其二，测算教育机会公平程度。估计出式(2)参数之后，本文根据户籍类型、性别和家庭背景三个环境变量估计出个体受教育年限的预测值，并使用均值对数离差方法测算这个变量不平等程度，该不平等程度是由于式(2)三个环境因素导致的。与此同时，同样使用均值对数离差法根据个体实际受教育年限测算出教育不平等程度，这两者之比反映了环境因素对教育机会不公平的贡献。值得一提的是，上述三个环境变量只是环境因素重要组成部分，在计算个体受教育年限的预测值时，未包括其他环境因素，因此该比值反映环境因素对教育机会不公平的贡献是偏低的，只是反映了教育机会不公平的下限，那么式(4)中扣除了教育机会不公平的下限，EOP就是教育机会公平的上限。
表 3各省市教育发展水平排名表
(三)教育机会不公平的分解
根据上文划分的八类地区，采用Shapley分解方法把户籍、性别和家庭背景三个环境变量对机会不公平的贡献分解出来，如图3和表4所示：其一，六类、七类和八类地区教育机会不公平程度高于全国水平。这三类地区环境因素对教育不平等的贡献率分别为16.98%、15.6%和15.14%，高于全国水平(13.75%)。其二，户籍因素和性别因素对教育机会不公平的影响因地区而异。户籍因素对教育机会不公平贡献率最高的两个地区为四类地区(39.55%)和六类地区(29.28%)，这些地区对应省份为吉林、湖南、天津、湖北、上海和北京，说明这些省份的户籍因素对教育机会不公平具有重要影响。性别因素对教育机会不公平贡献率最高的是五类地区(39.54%)，其它地区性别因素贡献率都在20%以下，这表明处于五类地区的山东省和福建省性别因素导致教育机会不公平非常严重。其三，家庭背景是导致教育机会不公平的根本原因。无论是哪个地区家庭背景对教育机会不公平的贡献率都在50%以上，尤其是二类地区家庭背景贡献率高达76.59%。
因此，进一步把家庭背景因素分解为经济资本、文化资本和政治资本，如图4所示，文化资本在家庭背景因素中发挥主导作用，经济资本次之，而政治资本作用微弱。由此可知，家庭背景导致教育机会不公平主要是通过文化资本实现的，因此本文进一步分析文化程度代际流动性：一方面，九年制义务教育影响了文化程度代际流动性。当父母文化程度较低时，九年制义务教育使得其子女具有初中文化程度的概率较高。父母文化程度为文盲或半文盲，而子女文化程度为初中的概率为28.97%；父母文化程度为小学，而子女文化程度为初中的概率高达42.81%。另一方面，父母文化程度越高，子女越有可能具有大专以上文化程度。父母文化程度分别为文盲半文盲、小学、初中、高中(中专/技校/职高)和大专以上，其子女文化程度为大专以上的概率依次为2.85%、6.99%、11.62%、25.28%和44.46%，这表明文化程度代际流动性相对较小，这也间接反映了文化资本对教育机会不公平构成了影响。
图 3教育机会不公平分解图
图 4家庭背景影响机会不公平的分解图
表 4环境因素对教育机会不公平的贡献率表
把教育机会不公平按地区进行分解，计算出各个地区反事实教育机会不公平如表5所示，其中主对角线元素为各个地区教育机会不公平程度，非主对角线元素为各个地区反事实教育机会不公平程度。由上文分析可知，表中各行教育机会不公平的差异反映了各地区环境因素边际效应差异，也就是各地区环境因素影响个体受教育年限的作用不同；同理表中各列教育机会不公平的差异反映了各地区环境因素分布差异。由表5可知：其一，二类地区环境因素影响个体受教育年限的作用最小，而八类地区环境因素影响个体受教育年限的作用最大。如表5中第二行主对角元素(0.055)在此行中都是最小的，这表明如果其它地区环境因素对个体教育年限的影响如同二类地区，那么其它地区教育机会不公平都会下降，这说明二类地区环境因素边际效应最小。同理，第八行主对角元素(0.151)在此行中都是最大的，这表明八类地区环境因素边际效应最大。而二类地区只有广西壮族自治区，这说明该地区较低的教育机会不公平是由于环境因素对个体教育年限影响较小所致，而包括贵州、甘肃、重庆和江西的八类地区较高的教育机会不公平是由于环境因素对个体教育年限影响较大所致。其二，六类地区环境因素分布差异是教育机会不公平的主要原因，也就是说社会分层是教育机会不公平的主要原因。如表5中第六行主对角元素(0.170)在此列中都是最大的，这表明如果其它地区环境因素分布如同六类地区，那么其它地区教育机会不公平都会增加，这表明包括湖南、湖北、北京、上海和天津的六类地区教育机会不公平主要是由于环境因素分布差异导致教育机会不公平，也就是由于户籍类型、性别和家庭背景的社会分层差异导致教育机会不公平。
稻壳中微生物检测采用平板菌落计数法，即将样品经一系列梯度稀释后与培养基混合制成平板，经过培养进行菌落计数。
表 5机会不公平按地区分解表(相对值)
四、结论与评述
通过分析各省市教育发展水平和机会公平性，本文评估了各省市教育发展状况，研究发现：其一，教育发展水平与机会公平性存在负向关系，教育发展水平较高的省市伴随着严重的教育机会不公平；其二，家庭背景导致的教育机会不公平最为严重，户籍因素次之，而性别差异的作用微弱，其中家庭背景因素主要通过父母文化资本影响子女受教育年限，从而对教育机会不公平构成影响。其三，教育机会不公平的源泉因省市而异，部分省市教育机会不公平是由于家庭背景、户籍类型和性别因素导致的社会分层所致，另一部分是由于这些因素对个体受教育年限产生较大影响，从而作用于教育机会不公平。
研究数据用SPSS20.00软件进行处理，计量资料用均数加减标准差（±s）进行表示，t值检验，P＜0.05表示差异有统计学意义。
根据本文研究结论提出以下政策建议：第一，教育政策的实施要因省市而异，不能采取一刀切的形式。对于教育发展水平高而机会公平性低的北京市和上海市，制定教育政策应该侧重于提高教育机会公平性；反之，对于教育发展水平低而机会公平性高的云南省和安徽省，制定教育政策应该侧重于提高教育发展水平；对于教育发展水平和机会公平性都较低的贵州省而言，中央政府应该加大该地区教育投入，制定的教育政策要同时兼顾教育发展水平和机会公平性问题。第二，因为家庭背景是导致教育机会不公平的主要原因，所以政府对于社会下层子女教育问题应该给予更多的关注，公共教育资源要更多地分配给社会下层子女。与此同时，应该要加大户籍制度改革力度，消除户籍因素对教育机会不公平的影响，可喜的是部分省市已经开始实施城乡统一户口制度，希望该制度能消除户籍因素对教育机会不公平的影响。
本文不足之处体现在以下两方面，一方面，衡量各省市教育发展水平时采用人均受教育年限指标。采用该指标的好处在于能通过CFPS数据测算出各省市人均受教育年限，然而该指标并不能反映教育质量上的区别，例如一个毕业于985高校的本科生与一个毕业于普通高校的本科生，虽然两者受教育年限是一样的，但是教育质量存在明显差异。另一方面，测度环境因素时只选取了家庭背景、户籍类型和性别差异三个因素，没有包括其它更多的环境因素，这有待新数据允许条件下进一步扩大环境因素变量。
颅内动脉瘤主要是指发生在人体颅内动脉管壁上的膨出情况，为导致人体发生蛛网膜下腔出血的主要病因，在临床脑血管意外中，其发病率仅仅低于高血压脑出血和脑血栓，在任何年龄段均可发病，常见的发病人群为40岁～60岁的中老年女性，而导致颅内动脉瘤的发病机制在临床尚未明确，部分学者认为颅内动脉瘤是由于人体颅内动脉管壁局部腔内压力和先天性缺陷而引起的，血管炎、脑动脉硬化、高血压均和动脉瘤的发展和发生相关。早期对该疾病进行诊断十分重要，能够为临床治疗提供有利依据，进而实施针对性的治疗，降低我国颅内动脉瘤患者的发病率和死亡率，促进疾病早期康复。
参考文献：
[1] 陈斌.中国高等教育发展水平省际差异透视[J].复旦教育论坛，2016(4).
[2] 赵杰，文启湘，刘湖.省际教育行业资本存量及其时空特征研究[J].统计与信息论坛，2018(11).
[3] Rawls J.A Theory of Justice[M].London：Harvard University Press，1971：56-81.
[4] Roemer J.Equality of Opportunity[M].London：Harvard University Press，1998：121-150.
[5] Fleurbaey M，Peragine V.Ex-ante Versus Ex Post Equality of Opportunity[J].Economica，2013(8).
[6] Florian W.Iop：Estimating Ex-ante Inequality of Opportunity[J].The Stata Journal，2014(3).
[7] 李春玲.高等教育扩张与教育机会不平等[J].社会学研究，2010(3).
[8] 叶晓阳，丁延庆.扩张的中国高等教育：教育质量与社会分层[J].社会，2015(3).
[9] 刘精明.能力与出身：高等教育入学机会分配的机制分析[J].中国社会科学，2014(4).
[10] 方超，黄斌.从经济增长到索罗残差：教育人力资本与省域技术效率的变动——基于随机前沿生产函数的实证研究[J].西安财经学院学报，2018(4).
[11] 吴愈晓，黄超.基础教育中的学校阶层分割与学生教育期望[J].中国社会科学2016(2).
[12] John E R，Alain T.Equality of Opportunity[C].Cowles Foundation Discussion Paper No.1921，2013.
[13] 潘光辉.撤点并校、家庭背景与入学机会[J].社会，2017(3).
Analysis of Inter -provincial Differences based on Educational Development Level and Opportunity Equity
LI Ming-qiao
(School of Economics，Guizhou university of Finance and Economics,Guiyang,550025,China)
Abstract ：The educational development of provinces is evaluated through analyzing the educational development level and equality of opportunity.The results show that，firstly，there is a negative relationship between the educational development level and the equality of opportunity，moreover the provinces of advanced level of educational development have serious unequal opportunities of education access.Secondly，the inequality of opportunity mainly attributes to family background and then to the household registration so that the effect of gender difference is weakly.The family background factors affect the children's education access through parental cultural capital.Thirdly，the source of inequality of opportunity is difference among provinces.The unfairness of educational opportunities in some provinces and cities is due to the differences in the distribution of family background，household registration type and gender factors.Other provinces and cities are due to the different influences of these factors on the years of education of individuals，which leads to unfair educational opportunities.
Key words ：years of education; opportunity equality; family background; cultural capital; Inter-provincial differences
收稿日期 ：2019-04-29；修复日期： 2019-07-31
作者简介 ：李明桥，男，副教授，经济学博士，研究方向：教育经济学。
中图分类号： F202
文献标志码： A
文章编号： 1007-3116( 2019) 12-0110-07
(责任编辑：于 茜)