教育扩张是否足以实现教育公平？——兼论20世纪末高等教育改革对教育公平的影响，本文主要内容关键词为：公平论文,教育改革论文,世纪末论文,兼论论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 20世纪90年代中后期，中央政府大力推动了各层次教育机会的持续扩张。1999年高中毕业升学率比上一年提高了17.7个百分点，高级中等教育也得到了大幅度的扩张。作为一个能体现各层次教育扩张综合效应的指标，小学毕业大学升学率①从1998年的9.9％，上升到了1999年的15％，到2012年已达到43.5％。然而，一些现象似乎表明，并非所有人都获得了更多受教育机会。首先，尽管国家已从2005年开始在农村推广免费义务教育，但仍有大量初中生辍学(张学姣等，2011；Yi et al.,2012)。其次，在大学入学门槛越来越低的同时，“主动”放弃高考的人数却在逐年增加，据报道，2010年全国约有近100万人放弃高考，而其中相当一部分为农村考生(林春霞，2011)。尽管一些学者声称这是当事人及其家庭的自主选择，但在中国这样一个历来以“万般皆下品，唯有读书高”为传统的国度，放弃高考甚至初中辍学应该并非完全如其心中所愿。只要真正放弃接受高等教育机会的更可能是来自困难家庭或者农村地区的孩子(李国等，2009)，教育机会的获取仍然与家庭背景密切相关，就不能否认存在教育不公平问题。因此，中共十八届三中全会发布的《中共中央关于全面深化改革若干重大问题的决定》再次提出要“深化教育领域综合改革”，特别强调要“大力促进教育公平”。 另一个值得注意的背景是，在20世纪90年代末，国家在推动上述各层次教育扩张的同时，还快速推进了两项重要的高等教育改革，即高等教育收费和推行大学生“自主择业”的就业政策。与教育扩张一样，这两项政策可能也会对孩子及其所在家庭的教育决策产生重大影响。一方面，高等教育的收费大幅增加了教育成本，另一方面，“自主择业”的就业政策增加了获得高等教育预期收益的风险。考虑到它们与教育扩张几乎同时推行，因此在理解大幅度教育扩张背景下教育公平问题仍然凸显这一问题时，必须将其考虑在内。 尽管已有相当多的讨论，但学术界对于上述教育扩张下教育机会是否实现了均等化尚未达成一致看法。在一份较早的实证研究中，刘精明(2006)分析了2003年全国综合调查数据，发现高等教育机会不均总体上有所下降，但其结论因数据问题而受到质疑(李春玲，2010)。利用更晚的2005年全国1％人口抽样调查数据，李春玲(2010)发现大学扩招并未让阶层间教育机会不均等趋于下降。Guo(2008)通过分析CHNS数据，也得出了扩张之后阶层间高等教育机会差异反而有所拉大的结论。但上述结论很快受到挑战，杨舸和王广州(2011)同样利用2005年全国1％人口抽样调查数据，在“修正了数据匹配方面的选择偏差”之后，发现阶层间高等教育机会不均等趋于下降，随后李春玲(2011)又进行了进一步分析，认为李春玲(2010)给出的结论是可靠的。但高勇(2008)对城市地区的一项研究也发现，家庭经济和文化背景对80后群体(1981～1985)“是否上大学”的影响力稍有减弱。 本文认为，造成目前经验结论存在冲突的原因之一可能是，已有研究基于回归分析的范式存在一定缺陷。其基本研究范式是：估计家庭背景因素对受教育年限的影响或是(更多)采用Mare教育转换模型(logit回归模型)考察家庭背景对各层次教育机会获得的影响，并通过(按出生年龄或入学时期)分同期群(如刘精明，2006；Guo,2008)或者构建交互项(李春玲，2010；吴愈晓，2013)，根据系数估计值的显著性与大小变化来间接判断某种家庭背景因素所带来教育机会不均等的变化趋势。然而，上述研究范式存在如下两个问题：首先，由于难以观测等原因，经验回归模型中总会“遗漏”或无法准确测度某些重要家庭特征变量(尤其是上学期间家庭收入状况)，甚至即使实现完整精确测度，也可能因为各个因素影响力变动方向不同而无法判断机会不均等的整体变化趋势(Vallet,2004)。上述已有实证研究具体的可观测变量设置不尽相同，因此难以得到一致结论亦不足为奇。其次，基于回归分析只能简单利用家庭背景因素对教育获取的影响来“间接推断”其对教育机会不均等的贡献，但事实上对教育获取的影响与对教育不平等的影响并非一回事。本文的经验结果证实了，通过前者来推测后者很可能会得到错误的结论。 为克服回归范式无法完整测度机会不均等的缺陷，近期一些研究者开始尝试用同胞相关系数度量同胞间教育程度相似性的方法，来考察教育机会不均等的整体水平②。进一步地，通过比较(出生或者入学)同期群之间同胞教育相关系数的变化来反映教育机会不均等的变化趋势。这种分析思路已在国际上得到广泛应用③。但是，这种思路固然可以测度整体教育机会不均等程度，却无法分离出不同类型家庭背景因素对整体教育机会不均等及其演变的贡献。 在反思已有研究范式各自不足的基础上，本文将提出一个新的教育机会不均等分析框架，它能保留上述基于同胞相关系数的分析思路与传统回归分析范式各自的优势，在完整测度教育机会不均等的基础上直接估计各种家庭背景因素对教育机会不均等的贡献，并将其用于研究教育扩张背景下中国县域内部教育机会不均等的演进模式。具体思路是：利用CHNS1989～2011年的县域跟踪调查数据，构建70后与80后两个出生同期群的相关数据集，在利用同胞相关系数完整测度县域整体及各层次教育机会不均等的基础上，估计各种家庭背景对各层次教育机会不均等变动的贡献，从而完整揭示这一时期教育机会不均等的演进模式，最后结合对上述两项高等教育改革影响教育成本收益及教育扩张机会均等化效应的讨论，对上述演进模式给出解释。 与已有研究相比，本文具有如下3个特点：(1)在方法上提出新的分析框架，实现在经验上完整揭示我国县域教育机会不均等的演变模式。(2)本文特别强调，为更好理解此次教育扩张机会的均等化效应，需要充分考虑两项高等教育改革及其他宏观环境变化对家庭教育决策的影响。(3)本文同时分析了初级、中级、高等教育机会不均等的演变趋势。理由是，上述各层次教育机会扩张和两项高等教育改革可能并不仅仅影响高等教育机会的分配，而是会同时影响其他层次(如初中、高中层面)的教育决策。并且，这种影响又可能具有鲜明的阶层特征和城乡差异。 本文余下部分组织安排如下：第二部分介绍上文已提到的20世纪90年代后期的两项高等教育改革；第三部分提出本文分析框架与研究方法；第四部分介绍本文所使用的经验数据与模型中变量的设定；第五部分给出了我国县域教育机会不均等演进的特征性事实；第六部分对教育机会不均等的演进进行了因素分析，并据此讨论了其与教育扩张和两项高等教育改革之间的内在关系；第七部分是结论性评论。 二、背景：20世纪90年代后期的两项高等教育改革 上文已提及，20世纪90年代后期，政府在大幅推进各层次教育扩张的同时，快速推行了如下两项可能会对家庭各层次教育决策产生显著影响的高等教育改革。 首先，大学教育快速从免费走向全面收费。1994年原国家计委和国家教委联合颁布了《关于调整普通高等院校学杂费问题的通知》，开始在一些高校试点收费制度，而到1997年已快速完成了“招生收费制度并轨”工作(谢家启、王珏人，2010)。图1显示，在校大学生年平均学杂费④大幅上升，1996年到1999年短短3年间约翻了一番，而这一期间城镇与农村居民人均纯收入仅分别上涨了21％和14.8％⑤。大幅提升的学杂费加上逐年提高的生活开支，大大增加了(特别是经济条件较差)家庭的教育负担，一项调查显示，一个大学生年均的费用大约占到了西部地区家庭年收入的3/4(刘精明、杨江华，2007)。 其次，快速确立了“双向选择、自主择业”的大学生就业制度。教育部在1997年颁布了《普通高校学校毕业生就业工作暂行规定》，提倡“供需见面、双向选择”的就业方式，并很快在2000年将毕业生就业“派遣证”改为“报到证”，正式确立“双向选择、自主择业”大学毕业生就业制度(赵世奎、文东茅，2008)。由于供给的快速增加无法与劳动力市场需求结构演进同步，当扩招后的首批专科生在2002年进入就业市场时，所谓“大学生就业难”问题开始出现(姚裕群，2008)。值得注意的是，大学生“就业难”问题一开始就有鲜明的“阶层烙印”，许多研究(文东茅，2005；杜桂英、岳昌君，2010；陈江生、王彩绒，2011)发现，父母具有较好社会、经济和文化背景对大学生获得就业机会以及较高的起薪具有显著的正向影响。
图1 1996～2011年大学生人均年学杂费变化趋势 本文认为，上述两项高等教育制度改革可能会从成本和预期收益角度对所有家庭的教育决策产生潜在影响，并且，面对高等教育成本的大幅上升，以及更大的就业压力(即更不确定的高等教育预期收益)，那些来自经济和社会政治条件处于劣势或者农村家庭的孩子，可能会以较高的概率放弃高等甚至更低层的教育机会，这将不利于教育机会的全面均等化。 三、分析框架与研究方法 为完整估计和分解教育机会不均等，并在此基础上考察其演进模式，本节将构建一个测度与分析教育机会不均等演进的分析框架：首先，导出用于测度整体教育机会不均等的受教育年限同胞相关系数，在此基础上构建能够直接测度各种可观测家庭特征变量对整体教育机会不均等贡献率的因素分解框架。其次，用三层随机截距logit模型对各层次教育机会获得进行建模，并导出能够完整测度各层次教育机会不均等的相应同胞相关系数。 (一)整体教育机会不均等的估计与因素分解 同胞相关系数是一种被称为组内相关系数⑥的统计指标，用于测度按一定标准划分到同一组的个体之间某项特征的相似程度。本文用其测度各种模型设定下能反映教育机会不均等的同胞教育相关系数，并且，为进一步对其进行因素分解，采用基于多层线性回归模型的方差成分法来估计。 首先，对个人受教育程度进行建模。设y[,sfc]表示第c个社区中第f个家庭内第s个同胞的受教育年限，并对其构建如下线性模型。
由于现实中无法穷尽所有家庭特征和社区环境变量，那些拥有相同的不可观测家庭背景或者社区环境样本的误差项会有相关性，从而误差项(
)之间相互独立的经典假设无法成立，因此，上述模型无法用普通的OLS实现无偏估计。 将误差项分割为如下3个误差成分(error components)。
式(3)被称为三层随机截距模型(three－level random intercept model)。这里的“三层”具体指个体层面(一般称为层－1)，家庭层面(层－2)和社区层面(层－3)。与普通回归模型不同，该模型的截距项
是随机而非固定的，其中，
被称为层－2随机截距，
被称为层－3随机截距。这样，模型(3)的待估计参数不仅包括各层面影响因素的固定效应(即系数β……)，还将包括
，以及层－1误差项
的方差，分别记为
和θ。本文将同时采用最大似然估计(ML)和受限最大似然估计(REML)来估计这些参数。 如果我们从(3)式中取出所有家庭和社区特征变量，那(3)式就可被简化为：
通过分同期群估计上述“空模型”下的同胞相关系数，可以判断整体教育机会不均等的变化趋势。并且，还可以在此基础上构建如下四步因素分解法来考察各种可观测家庭背景因素对整体教育机会不均等变动的贡献。
第四步，考察特定家庭背景因素对教育机会不均等变动的影响。分同期群估计该家庭背景因素对教育机会不均等的贡献率，若贡献率为正且下降，则表明其对有利于教育机会的均等化，否则说明其推动教育机会不均等的上升⑧。 需要强调的是，尽管Mazumder(2008)也曾采用过相似的研究思路⑨，但本文的具体思路与其有明显差异。因为，Mazumder(2008)的做法概括起来是通过如下公式计算某家庭特征变量对教育机会不均等的贡献。
本文认为，采用(7)式可能会面临更大的偏误，比如，放入家庭收入而将父亲受教育年限留在误差项中，必然会导致更严重的内生性问题。而本文采用的在控制住相关变量情况下逐个取出的办法能够减小偏差，并且有利于挖掘某个家庭特征变量对个人教育的“独特贡献”。 (二)分层次教育机会不均等的估计与回归分析 与单层数据结构下的Mare教育转换模型(logit模型)相对应，本文将基于多层数据结构特征，对各层次教育机会获取分别构造三层随机截距logit模型(three－level random intercept logit model)。 某个层面教育机会获取的三层logistic模型(Rabe－Hesketh and Skrondal,2008)可表述如下。
为构建同胞相关系数，假定某个层次的教育机会获取是由如下阀值模型(threshold model)所决定的。
需要说明的是，由于计算方法不同，个人受教育年限的同胞相关系数与此处各层次教育机会获得的同胞相关系数之间在数值上没有直接的可比性。并且，由于这种模型对样本量要求更高，我们只能在“空模型”中估计各层次总的教育机会不均等，而无法进一步利用上述4个步骤的因素分解法，来分解各家庭特征变量对各层次教育机会不均等的贡献。 四、数据及变量设定 (一)数据 1.数据来源与样本对象的选定 本文采用“中国经济、人口、营养与健康调查”(以下简称“CHNS”)1989～2011年共9轮，覆盖了江苏、山东、辽宁、黑龙江、河南、湖北、湖南、广西及贵州共9个省份的家庭跟踪调查数据。尽管本文使用数据来自CHNS的“农村调查点(rural site)”，但事实上这些点包括了县城居委会和村庄(比例大致为1∶3)，本文统一称其为社区⑩。因此我们认为数据覆盖了县域。到目前为止共涵盖了县域中的153个社区。社区内的样本户为随机抽样所得。 本文选取了样本户中出生于1971年1月1日至1991年8月31日的样本。将年龄上限确定为1971年1月1日，能保证绝大部分样本对象在1978年改革以后入学(11)，这将保证研究对象面临基本同质的教育体制(1977年中国才恢复升学考试制度)。将年龄下限定为1991年8月31日是为了尽可能在2011年的调查中得到所考察样本的最终受教育水平。在所有县域数据中，符合上述年龄限定的样本对象共计6598个。为识别同胞信息，进一步选取其中能够匹配到亲生父母(12)信息的样本，共计4772个样本。最后，为观测到或较好推测样本对象最终受教育水平，进一步从中选取教育信息符合以下两种情况之一的样本：(1)能够观察到最终受教育程度；(2)最后一次被观察到时仍在校，但已开始接受高中及以上教育(13)。最终获得3325个基础样本，其中后一种“在校”样本464个。 从如下3个角度来看，本文所用3325个基础样本具有较好的代表性：(1)从性别结构来看，样本中男性占52.33％，根据2000年人口普查数据计算得到的中国乡村地区出生于1971～1991年的人口中男性占比为51.81％，两者差异较小(14)；(2)在地域分布方面，样本覆盖了CHNS所抽所有9个省份36个县，社区覆盖率也达到98.69％；(3)有86.17％的样本在1989年CHNS首轮抽样就已进入调查，其中143个黑龙江样本在该省1997年首次进入CHNS时就已100％被覆盖。综合起来，首次抽样时就已覆盖的样本占比为91％。 2.同胞关系的识别 本文将同胞关系定义为亲生父亲与母亲都相同的“亲”兄弟姐妹关系(15)。实际操作中先利用家庭识别码大致区分，然后排除掉少数家庭中存在的非同胞关系(如年龄相仿的叔侄等)。再利用CHNS中的社区编码可确定样本属于哪个社区，从而在模型中可以控制社区效应。 与传统研究范式一样，本文通过分同期群考察教育机会不均等的变化趋势。并且选择以1980年1月1日为同期群划分界限，即将样本划分为出生于1971～1979年(以下简称“70后”)，以及出生于1980～1991年(以下简称“80后”)两个同期群。这主要是基于，高等教育扩张始于1999年，不考虑留级的情况，这一措施正好对80后群体产生影响。表1统计了70后群体与80后群体内部的同胞配对数，可以看到，两个群体内部均能匹配到相当数量的同胞配对，能够满足本文测度与分解整体教育机会不均等的需要。但在估计各种家庭特征变量影响各层次教育机会获取的“全模型”时，可能由于估计非线性模型对数据要求较高，同胞配对数仍明显不够，无法得到稳定的同胞相关系数估计值，因此只能通过固定效应(即系数估计值)间接推断。
(二)变量设定 1.因变量设定 本文用样本对象受教育年限衡量其最终受教育水平，用“是否完成义务教育”、“是否接受非义务教育”和“是否接受高等教育”分别衡量是否获得了低、中、高3个层次的受教育机会。受教育年限信息来自问题“你在正规学校里受过几年正规教育”(变量名为a11)。该问题并未要求报告具体年限，因此需进行转换。本文基于如下4点预设来推断样本对象受教育年限：(1)不存在留级现象；(2)小学、初中和高中学制分别设定为6年、3年和3年；(3)对受“6年大学或更多”教育的，其受教育年限定为18年；(4)对于464个“在校”样本，其受教育年限以最后一期观察值为准。例如，某样本最后被观察到时正读高二，则其最终受教育年限被假定为11年。 将“是否完成义务教育”、“是否接受非义务教育”和“是否接受高等教育”等3个因变量，分别记为edu_1、edu_2和edu_3。它们的取值情况可表述如下。
因变量edu_1、edu_2和edu_3的取值信息主要来自上述变量a11和“最高受教育程度”(变量名为a12)。最高受教育程度被划分为小学毕业、初中毕业、高中毕业、中等技术(职业)学校毕业、大专或大学毕业、硕士及以上等6个等级，依次赋予1～6的取值。具体而言，这3个变量取值的确定方式分别为：(1)edu_1的取值用a12确定，当a12大于等于2时，edu_1取1，否则取0。(2)edu_2的取值需分“在校”和离校两种情况：一是对于非在校的样本，当a12取值大于2时edu_2取1，否则取0；二是对于464个“在校”样本，由于都已开始接受高中及以上教育，因此edu_2都取1。(3)edu_3的取值亦需区分两种情况：一是对于已离校样本，可根据a12取值来确定，当a12大于等于5时取1，否则取0；二是对于464个“在校”样本，则需区别对待。这些样本具体可以分为高中“在读”、中专“在读”和大学“在读”3种情况。前两种情况均无法确定其最终“是否接受高等教育”，因此在对“是否接受高等教育”进行统计建模时删除这些样本。所有大学“在校”样本的edu_3取值显然为1。表2给出了4个因变量的描述性统计。
2.自变量设定 本文涉及两类自变量：(1)2个个人特征变量及其交互项，用于控制时间趋势和性别差别。(2)8个可观测家庭特征变量。除了反映青少年时期家庭经济状况的10～18岁时对数家庭人均收入、反映青少年时期家庭社会政治地位的14岁时父亲职业地位、反映家庭文化氛围的父母亲受教育年限、还考虑了反映母亲特殊影响的14岁时母亲是否参与非农就业、反映城乡差距的城镇户口，以及家中同伴数量与民族。表3给出了所有自变量的描述性统计。
8个可观测家庭特征变量的具体构建过程与含义如下。 (1)10～18岁时对数家庭人均收入。 求学时期家庭经济状况反映了家庭能够为教育投入的物质资本。经济条件好的家庭更加容易承担各种学校教育成本，并且还可让孩子接受更多课外教学辅导来提高学习成绩(Duncan et al.,1998)。但由于目前国内相关研究大多基于横截面数据，从而无法同时获知样本对象的最终受教育水平和其求学阶段的家庭经济状况，因此大多数研究不得不忽略这一变量的影响(16)。作为一项跟踪调查，CHNS具有其独特优势，每一轮的调查均记录了个体所在家庭的收入状况，因而能在观测到最终受教育水平的前提下，较准确地测度样本对象求学阶段的家庭收入状况。按照惯例(Connelly and Zheng,2003)，本文将青少年求学的关键时期限定为10～18周岁。用10～18岁平均的家庭人均收入来衡量这一时期家庭经济状况，该变量具体构建步骤如下：第一步，为每个样本匹配各年“平减”价格水平和自然增长趋势下的家庭人均收入。第二步，对样本个体10～18岁期间各年的收入进行简单平均，获得年平均家庭人均收入，并取对数。 (2)14岁时父亲职业地位。 父亲职业地位常被当做家庭社会政治地位的代理变量，父亲职业地位更高者不仅更可能在受教育过程中获得照顾，还能有更高的预期教育回报。目前已有研究主要对其采取两种操作方式：一是根据1968年的国际职业分类，将父亲职业信息转换为ISEI(国际社会经济地位指数)，如，吴愈晓(2013)。二是按照阶层地位直接对职业进行归类，如，李春玲(2003)、李煜(2006)等。本文认为，不同国家和地区之间名称相同的职业所代表的社会经济地位可能存在很大差异，因此简单将上述ISEI指数沿用到中国可能并非最佳选择(17)。 本文选择上述第二种操作方式。CHNS问卷中列出的职业划分为如下五类：第一，底层职业或无业(包括非技术工人或熟练工人普通工人、农民、渔民、猎人)；第二，其他；第三，中下层职业(包括司机、服务行业人员、技术工人或熟练工人)；第四，中层职业(包括一般专业技术工作者、办公室一般工作人员、士兵与警察)；第五，高层职业(包括高级专业技术工作者、管理者/行政官员/经理、军官与警官、运动员、演员、演奏员)。将它们依次编码为1－2－3－4－5，除第2类职业，假设1、3、4、5类职业地位依次上升。建模时，第1类为参照组，构建4个虚拟变量代表其他四类职业。遵循相关研究(叶华、吴晓刚，2011；吴愈晓，2013)一般首选14岁时父亲职业状况的做法，先匹配样本对象14岁时父亲的职业信息，无法获得时选用10～18岁期间最接近14岁的那一年的信息作为代理。 (3)父母受教育年限。 具有较高文化程度的父母能通过所谓“文化再生产模式”(李煜，2006)，即较高的教育期望、良好的文化氛围，以及学习辅导来提升孩子的学习成绩，进而影响其受教育机会。研究中一般用父母受教育水平来衡量父母文化程度，并常采取如下两种方式测度父母受教育水平：一是受教育年限，如李春玲(2010)，吴愈晓(2013)；二是将父亲或母亲的受教育程度划分为若干层次，如李春玲(2003)，李煜(2006)。上述两种处理方式各有优势，但为便于分析，本文采用父母受教育年限来衡量，具体信息获取方式与个人受教育年限一致。 (4)14岁时母亲是否参与非农就业。 母亲在孩子教育方面常扮演特殊角色，在当前中国乡村地区，妇女参与非农就业可能会通过多种机制影响孩子接受教育(如赵连阁、李曼，2008)。从积极的角度而言，无论是增加家庭经济收入，还是在家中话事权的提高，母亲参与非农就业都可能有利于孩子获得更多教育机会。但从另一角度而言，母亲外出工作可能会疏于照料孩子，从而不利于孩子的学业。因此，该变量综合作用方向取决于正负两种力量的强弱。本文将通过经验研究来考察其合力的方向。在CHNS调查中，母亲就业分为3种状态：Ⅰ没有工作；Ⅱ从事农业；Ⅲ从事非农业。将状态Ⅰ和Ⅱ归为一类，即未参与非农就业。与父亲职业地位一样，先从样本对象14岁时所对应调查年份的信息，然后用其他年份补充。 (5)家中同伴数量。 同胞之间可能会相互竞争家庭教育投入，因此相关研究(吴愈晓，2013)常考虑同胞数量对个人教育机会获取的影响。考虑到中国乡村地区的家庭结构特征，同一个家庭中的教育经费可能会被“统筹安排”，本文构建一个“家中同伴数量”变量，取值为家庭中在同一同期群内拥有教育记录的样本数量。 (6)城镇户口。 本文通过户籍来控制教育机会的城乡差异。在3325个基础样本中，有约17.95％的居民拥有城镇户口。需要强调的是，考虑到户籍会因为接受教育等原因而改变，本文构建的是“升学前的户籍身份”，其中为城镇户口取1。 (7)少数民族。 尽管少数民族获得了政策上的倾斜，但民族归属仍被一些研究(李春玲，2010；杨舸、王广州，2011)认为是引起教育机会不均等的可能因素，因此，本文控制了民族因素。 五、县域教育机会不均等演进的特征性事实 本节将完整揭示，在各层次教育机会大幅扩张的背景下，中国县域教育机会不均等变动的相关事实，包括整体教育机会不均等的变化趋势，以及低、中、高3个层面教育机会不均等的变化趋势。根据实证结果，我们可以归纳出这个时期县域教育机会不均等演进的如下三方面特征性事实。 特征事实1：整体教育机会不均等有所下降。 用受教育年限的同胞相关系数来衡量整体教育机会不均等。表4报告了70后与80后同期群中该指标的ML和REML估计值，结果表明，与70后群体相比，80后群体受教育年限的同胞相关系数估计值下降了约7.5％。也就是说，在中国县域地区，这一时期整体教育机会不均等确实有所下降，但下降的幅度并不大。
特征事实2：整体教育机会不均等的下降主要来自较低层次教育机会均等化。 将“完成义务教育”定义为较低层次的教育机会。分同期群对“是否完成义务教育”构建(仅包含个人特征变量的)“空模型”，然后计算“是否完成义务教育”的同胞相关系数。表5报告第二行报告了相关结果，依次为全样本(18)、70后群体和80后群体中这一指标的估计结果。并且，最后一列报告了两个同期群之间的变化趋势，可以看到，这一层面的教育机会不均等下降了约22％，远超整体教育机会不均等的下降幅度。
特征事实3：较高层次教育机会不均等可能并未下降，甚至有所上升。 我们分别将“接受非义务教育”和“接受高等教育”定义为中层受教育机会和高层受教育机会。考虑到非线性模型对同胞配对信息量要求较高，为获得足够同胞配对来估计同胞相关系数，在对这两个层次教育机会分别估计“空模型”时，都包含所有样本。如此得到的估计结果可以被视为是“累积效应”，例如，“是否接受高等教育”的同胞相关系数中包含了上一层次教育机会获得，即“是否接受非义务教育”的机会不均等。 表5第三、四两行报告了相关估计结果，结果表明：(1)“是否接受非义务教育”的同胞相关系数也下降了近18％，但由于是“累积效应”(它包含了义务教育阶段教育机会不均等下降的贡献)，因此，若“是否接受非义务教育”层面的教育机会不均等也大幅下降，则累积起来的同胞相关系数下降幅度应超过22％，这与事实不符。因此我们推测，非义务教育层面的机会不均等程度很可能并未下降，反而略有上升。(2)“是否接受高等教育”的同胞相关系数不仅没有下降，反而大幅度上升了约43％，考虑到“是否接受非义务教育”的同胞相关系数有近18％的下降幅度，可以确定高等教育机会不均等在大幅上升。 以上分析表明，尽管在全面教育扩张的情况下，整体教育机会不均等有所下降，但更多来自较低层次教育机会的均等化。接下来将尝试结合上文提到的两项高等教育改革及其他外部宏观环境的变化，对上述3个方面的特征性事实提供统一解释。 六、教育机会不均等演进的因素分析 接下来，我们将依次对整体以及各层次教育机会不均等进行因素分析。首先对整体教育机会不均等进行因素分解，直接考察8个可观测家庭特征变量对整体教育机会不均等的贡献，以此推断它们对整体教育机会不均等下降所起的作用，然后分析这些家庭特征变量对各层次教育机会不均等变动的可能作用方向(19)。最后，综合上述两方面的实证分析结果，探讨各层次教育扩张影响教育机会分配的内在机理，结合对高等教育收费和大学生“自主择业”政策，以及外部宏观环境变化对教育机会不均等可能影响的讨论，对上一节得到的三方面特征性事实给出解释。 (一)整体教育机会不均等的因素分解 表6报告了8个可观测家庭特征变量各自对教育机会不均等贡献率的REML和ML估计值。可以看到REML估计值通常略小些，但大多数情况下差别不大，不影响横向和趋势的比较。这说明我们的结果是较为稳健的。比较表6给出的两个同期群中，各个家庭背景因素贡献率的变化可以发现，除少数民族的贡献率始终很小且固定效应也不显著(见表7)之外，可以根据其对整体教育机会不均等变动的作用方向不同，将剩下7个家庭背景因素分为两类：(1)3个变量阻碍整体教育机会不均等下降，因为它们对教育机会不均等的贡献率趋于上升。它们分别是反映青少年时期家庭经济状况的“10～18岁时对数家庭人均收入”、代表青少年时期父母社会政治地位的“14岁时父亲职业地位”，以及代表城乡差异的“城镇户口”。(2)4个变量可能是整体教育机会不均等趋于下降的部分原因，因为它们对教育机会不均等的贡献率显著下降，依次是“父亲受教育年限”、“母亲受教育年限”、代表家庭结构效应的“家中同伴数量”，以及“14岁时母亲参与非农就业”(20)。
正如引言中所提到的，通过系数估计值间接考察某自变量对教育不平等的贡献，可能会产生谬误。为验证这一判断，我们在表7给出了“全模型”下8个可观测家庭特征变量对个人受教育年限的固定效应(即系数估计值)。比较表6和表7可以发现：(1)表6显示，在80后群体中，变量“14岁时母亲是否参与非农就业”对教育机会不均等的贡献率为负，即其有利于教育机会均等化。但表7给出的该变量对个人受教育年限的固定效应为正，若按照传统的回归分析思路，人们会很容易据此认为其是教育机会不均等的成因。但事实是，该变量可能既有利于从整体上提高个人受教育水平，也有利于推动教育机会均等化(21)。(2)从表7报告的固定效应来看，可能是因为同伴会分走稀缺的教育资源，家中同伴数量对个人受教育年限的影响为负，即家庭同伴数量越多，个人受教育水平越低。如果根据这一系数估计值来判断，人们可能会认为它有利于教育机会均等化，但表6提供的结果表明，其对教育机会不均等的贡献为正。 (二)各层次教育机会获取的因素分析 接下来，构建各个层次教育机会获取的“全模型”来分析家庭背景因素对各层次教育机会获取各自的影响。遵循教育决策模型的一般建模原则，估计下一阶段教育决策模型时仅选择已实现上一层面教育的样本。具体而言，在分析“是否接受非义务教育”时，仅选取那些完成义务教育的样本；对“是否接受高等教育”建模时，仅选择那些念过高中的样本(22)。因此这里将反映各个可观测家庭因素的“边际”(而非“累积”)固定效应。表8报告了8个可观测家庭特征变量对(完成)义务教育、非义务教育和高等教育3个层次教育机会获取影响的估计值，我们据此可以讨论它们对各层次教育机会不均等变化趋势的可能影响。
(1)关于“是否完成义务教育”。比较表8中模型1和模型2可以发现，从固定效应来看，义务教育层面教育机会不均等的下降幅度为22％，可能部分应归于父母受教育水平、同伴数量和城镇户口影响力的大幅减弱。相反，家庭社会经济地位对孩子是否完成义务教育的影响似乎有所增强，因为“10～18岁时对数家庭人均收入”和“14岁时父亲职业地位”两个变量的系数估计值都有不同程度的提高。这表明，这两个变量对整体教育机会不均等贡献率上升(见表6)部分体现在义务教育阶段。此外，14岁时母亲是否参与非农就业始终不影响孩子是否完成义务教育，而民族之间也没有显著差异。 (2)关于“是否接受非义务教育”。比较模型3和模型4发现，父亲职业地位(23)、家中同伴数量、城镇户口对“是否接受非义务教育”的影响或是变得显著或是有所增强，它们是阻碍这一层面的教育机会不均等下降的可能原因之一。相反，父母亲受教育水平的影响力大幅下降，再次印证了它们对整体教育机会不均等贡献率的下降。“10～18岁时对数家庭人均收入”对是否接受非义务教育始终没有显著影响，这说明，那些真正因为经济原因而主动放弃受教育机会的家庭，可能不会让孩子完成义务教育(24)。民族因素对这一层面的受教育机会始终不显著影响，“14岁时母亲是否参与非农就业”也变得不再显著。 (3)关于“是否接受高等教育”。模型5和模型6的估计结果表明，无论是70后群体，还是面对(高等)教育成本上升和大学生“就业难”问题的80后群体，一旦选择进入高中，家庭社会经济背景对个体“是否接受高等教育”似乎都变得没有显著影响。两个群体之间仅有的差别在于，在80后群体中，母亲的受教育水平和城镇户口的影响在0.1的水平下显著，但这个结果似乎并不稳健，两个变量的p值分别是0.094和0.093，非常接近临界值(25)。需要强调的是，这一结果与第五节中发现的高等教育机会不均等大幅上升并不矛盾，因为后者测度的是累积效应，并且可能更为重要的推动因素未能在8个可观测家庭背景因素中被呈现出来。这也并不意味着高等教育成本上升和大学生“就业难”对高等教育机会的分配没有影响，它们可能更多通过影响“是否读高中”的决策来“间接”影响高等教育机会的分配。 (三)教育扩张、高教改革与教育机会不均等的演进 表9总结了阻碍整体教育机会不均等下降(青少年时期家庭经济条件、父亲阶层地位、城镇户口)和最能体现教育扩张均等化效应的父母受教育水平对整体教育机会不均等贡献率以及对各层次教育机会获得影响力的变化情况。本小节将用教育扩张和两项高等教育改革，以及其他宏观环境的变化来解释表9中的实证结果。
首先，青少年时期家庭收入水平对整体教育机会不均等贡献的上升，可能是受到了高等教育全面收费的影响。因为这项政策增加了家庭教育成本，而家庭经济条件较差的孩子更容易受到由此带来的压力，从而对教育机会的均等化产生了不利影响。分层次来看，青少年时期家庭收入水平影响力的上升主要体现在“是否完成义务教育”这一决策上。这说明，那些家庭经济条件较差的父母和孩子在初中阶段就开始对未来做出规划，面对高等教育费用的上升，他们选择了提前放弃。此外近年来中国劳动力市场上非熟练工人工资水平的持续上升，大大增加了接受更高教育的机会成本，也会促使那些经济条件较差家庭的80后群体及其父母做出“弃学”的决定。 其次，父亲职业地位对整体教育机会不均等的贡献率显著增加，并且这种贡献率的上升主要来自其对“是否完成义务教育”和“是否接受非义务教育”影响力的增强。我们认为，这可能是因为高等教育扩张导致大学生就业市场供需失衡增加了高等教育投资预期收益的不确定性，而大学生“自主择业”政策的推出，显然更加大了较低阶层家庭收获高等教育回报的风险。那些阶层地位较低的家庭和孩子更会因为担心“读了大学也找不到工作”而提早放弃本可能获得的高等教育机会，他们接受高中教育的激励也会下降，也就是说，高等教育预期收益不确定性的增加会不利于较低阶层家庭的孩子各个层次教育机会的获得。 第三，户籍对“是否完成义务教育”的影响力有所下降，但其对获得非义务教育机会的影响则在增强，综合效果是其对整体教育机会不均等的贡献率在增强。本文认为，城镇户口孩子在“完成义务教育”方面优势的下降说明了义务教育的普及可能确实从整体上来说推向了乡村地区，而其对“是否接受非义务教育”影响力的增强，则可能仍然部分来自于大学生“自主择业”政策与大学生“就业难”问题的影响，理由是，农村孩子更可能因为缺少“就业门路”而较早放弃接受更多教育的机会。之所以其影响的是“是否接受非义务教育”而非“是否接受高等教育”，是因为对于农村孩子而言，接受非义务教育在很大程度上是为了通过上大学改变身份并能获得一份高收入且体面的工作。而如今面对“大学毕业可能就意味着失业”，其接受非义务教育的激励就会大幅下降。 最后，与上述3个因素相反，父母教育水平对孩子获得教育机会的影响力全面下降，我们认为这可能是义务教育的推广普及与中等(特别是高中)层面教育扩张带来的，它体现了教育扩张促进机会均等化的内在机理。父母教育水平常被认为(如刘精明，2008)是具有持续稳定影响的“内在性家庭资源”，但从表9可以看出，从各个角度来说，父母教育水平对孩子教育获得的影响力都明显下降。这可能是因为，教育扩张降低了成绩方面的入学门槛，从而降低了较高教育水平的父母通过正向影响孩子成绩而获得更多教育的机会。但我们无法据此推测大学入学门槛的下降是促进还是阻碍(26)了高等教育机会的均等化。因为，在已经进入高中的前提下，父母的教育水平和其他相关背景因素对孩子“是否接受高等教育”始终没有显著影响。 七、结论性评论 本文提出了一个可以基于教育同胞相关系数直接对教育机会不均等进行因素分解的分析框架，并通过构建70后与80后两个出生同期群的相关数据集，考察了20世纪末教育扩张的背景下，中国县域整体以及各层次教育机会不均等的演进模式，并试图通过探讨教育扩张影响教育机会分配的内在机制，以及同时推进的两项高等教育改革对不同背景家庭孩子各层次教育决策的影响，来为这一时期教育机会不均等的演进特征提供一个统一的解释。 本文研究发现：由于各层次教育机会快速扩张降低了各层次教育的成绩门槛，中国县域整体教育机会不均等有所下降，但并非所有层次教育机会分配都实现了均等化。与70后群体相比，中国县域80后群体中整体教育机会不均等确实下降了约7.5％。但分层次来看，整体教育机会不均等的下降趋势主要得益于基础教育机会不均等的大幅下降，而较高层次教育机会的不均等并未出现下降，甚至高等教育机会不均等呈现大幅度上升趋势。并且，进一步分析表明，即便义务教育机会不均等整体下降，但家庭经济条件仍然持续影响着孩子是否能完成义务教育。其他各类家庭特征变量对各层次教育机会获取以及教育机会不均等演进的贡献方向与大小也不尽相同。 本文认为，教育扩张是否能带来教育机会的均等化，很大程度上取决于外部宏观环境与其他政策配套措施。对于20世纪90年代末各层次教育机会的扩张并未通过降低入学成绩门槛进而带来各层次教育机会的全面均等化，我们的解释是：由于受到几乎同时推进的高等教育收费和大学生“自主择业”两项高等教育改革，以及其他外部环境变化(如刘易斯拐点的到来提高了接受教育的机会成本)的影响，使得扩张带来的新增受教育机会并未在不同家庭背景的孩子中得到均等的分配，而是更多为父亲阶层地位高、家庭经济条件好，拥有城镇户口的孩子所享受，从而使得教育扩张的同时，教育机会不均等未能全面下降，甚至反而上升了。 最后需要强调的是，本文所用的选定一个时点、然后分同期群来进行机会不均等的分解或者估计回归模型，以此来考察政策效应的分析思路只能算是一种间接推断，并非严格的因果效应分析。鉴于问题本身的重要性，作者愿与其他研究者一道进一步挖掘和收集新的研究资料，来推进对这几项政策公平效应的经验研究。 作者感谢浙江理工大学刘西川副教授，浙江大学阮建青副教授、徐广彤博士的评论和修改建议，当然，文责自负。 注释： ①计算公式为小学升学率×高中入学率×高中升学率(Guo,2008)。 ②同胞之间部分基因相同并且通常在同一家庭和社区环境下长大，因此在教育程度上具有更高的相似性，而其相似程度可用于衡量同胞所共享的上述个人无法控制成长环境对个人教育的整体效应，其反映的正是教育机会不均等程度。 ③相关综述参见Bj
rklund和Salvanes(2010)。 ④用普通高等学校收取学杂费总数除以当年在校大学生人数得到，两个指标数据来自历年《中国统计年鉴》。 ⑤根据《新中国五十五年统计资料汇编》中1996和1999年城镇(农村)居民人均可支配(纯)收入数据计算得到。 ⑥关于组内相关系数定义与常用估计方法的介绍，参见杨奇明和林坚(2013)。 ⑦正如上文已提到的，同胞相关系数并非仅反映纯家庭效应，同胞间通常还共享社区环境(甚至更高层面的地理因素)(Bj
rklund and Salvanes,2010)。因此，在考察家庭背景对个人受教育的影响时，需要控制住社区间的系统差异。基于研究目的，本文将不关注社区层面的具体因素，其全部影响将被放在
中加以控制。 ⑧作者曾尝试用类似的方法对教育机会不均等的动态变化进行直接分解，发现得到的结论与这种静态比较同期群的思路一致。 ⑨Bj
rklund等(2009)将其用于分析教育对瑞典兄弟间收入相关系数下降的贡献。 ⑩抽取的方式是，首先在各省内部通过加权方式抽取收入水平低、中、高不等的4个县，再在各县政府所在地抽取一个居委会，并从其他农村区域随机抽取3个村庄。 (11)改革以前一般为7周岁入学。当然，不可否认个别孩子上学更早的情况。 (12)在CHNS调查中，父母包括亲生父母和非生父母(包括继、养父母)两类，但前者占其绝大多数，为使分析中同胞含义一致，本文只考察能识别亲生父母的样本。 (13)保留这些“在校”样本有利于减少因样本磨损带来的对教育分布不均等程度的低估。例如，有3个随机抽取的同龄样本，他们均在17岁离开样本框，且最后一次被观察到时两个已初中毕业并就业，另一个正在念高二。若不将这位“在校”的纳入其中，就会得到样本对象教育水平分布完全均等的结论，而可能那个“在校”样本最终为大学毕业。在包含“在校”样本情况下，70后和80后群体的平均受教育年限分别为8.69和9.52年(中位数都是9)，可见接受高中(中专)及以上教育的样本皆位于人口教育分布右侧。因此，排除“在校”样本将会低估人口中教育分布的差异。 (14)样本中男性比例相对较高的原因可能是，CHNS并非每年进行，女性可能会因为在调查间隔期结束学校教育并出嫁，从而具有较高“磨损”概率。 (15)实际操作中有不到4％的样本只能确定为同父或者同母。 (16)一些研究(如李春玲，2003)试图通过回溯调查获知相应时期的家庭收入水平，但这可能会存在较大测量误差。 (17)因此国内一些学者(李春玲，2005)试图计算中国各种职业的社会经济地位指数。 (18)全样本下估计结果可用于考察估计的可靠性。从结果来看，使用全样本得到的同胞相关系数估计值处于两个同期群估计值之间，这说明，至少在“空模型”设定下，分同期群的估计结果应该是可靠的。 (19)尽管本文也只能通过固定效应进行间接推断，但幸运之处在于，得益于之前一步的分析，我们已经能确定各个变量作用的方向。 (20)尽管在两个同期群之间该变量对教育机会不均等的贡献率绝对值上升，但其取值为负，因此它有利于整体教育机会不均等下降。 (21)一个可能的解释是，母亲从事非农劳动有助于提升家庭经济收入，更有利于增加对孩子教育的投入(赵连阁、李旻，2008)，而这两点影响在经济条件较差的家庭显得更加显著。 (22)这里未考虑念过中专之后再接受高等教育的情况，因为CHNS数据及其他来源数据显示，中专毕业直接进入大学的比例很小(Guo,2008)。 (23)上层职业的系数估计值有所下降，但若将中上层职业归为一类，重新估计后可以看到，综合后的系数估计值显著上升。 (24)平均而言，完成义务教育家庭人均收入是未完成义务教育家庭的1.43倍，而在完成义务教育的前提下，接受非义务教育的家庭人均收入是未接受非义务教育家庭的1.35倍，进一步地，在孩子读了高中的家庭中，接受高等教育和未接受高等教育家庭之间平均收入比下降到1.2∶1。 (25)当对父亲职业地位的变量设定进行修正，并重新估计模型1到模型6时，我们发现这两个变量变得不再显著，p值分别是0.114和0.101。并且，p值也会随着采用不同的统计模型而有所变化。相反，模型1～4的估计结果相当稳健，模型5～6中其他变量的显著性水平也未发生改变。 (26)若成绩门槛下降同时教育费用上升，可能会更有利于成绩不佳但家庭经济社会地位较高的孩子。
标签：教育论文; 经济模型论文; 大学论文; 教育公平论文; 李春玲论文; 经济学论文;
