趙心慧

（中共中央黨校（國家行政學(xué)院）社會和生態(tài)文明教研部，北京 100091）

一、引言

教育是提高人民綜合素質(zhì)、促進人的全面發(fā)展的重要途徑。21 世紀(jì)以來，中國在提高廣大人民群眾受教育水平上取得了顯著成就。圖1 顯示，近20 年我國義務(wù)教育階段小學(xué)升學(xué)率呈現(xiàn)平穩(wěn)發(fā)展態(tài)勢，在2019 年達到99.5%；初中升學(xué)率大幅躍升，從2000 年的51.2%提高到2019 年的95.5%。得益于1999 年高校擴招政策的實施，高中升學(xué)率在2016 年超過90%?？梢姡F(xiàn)階段我國已基本建成義務(wù)教育全面普及、高中教育趨向普及、高等教育從大眾化到普及化的教育體系。

圖1 各級普通學(xué)校畢業(yè)生升學(xué)率

伴隨著教育規(guī)模的逐步擴大，黨中央、國務(wù)院大力推進教育公平，出臺了一系列政策舉措。2017 年黨的十九大報告承諾“努力讓每個孩子都能享有公平而有質(zhì)量的教育”。隨后，2019 年印發(fā)的《中國教育現(xiàn)代化2035》明確提出“發(fā)展中國特色世界先進水平的優(yōu)質(zhì)教育”“推動各級教育高水平高質(zhì)量普及”“實現(xiàn)基本公共教育服務(wù)均等化”等面向教育現(xiàn)代化的戰(zhàn)略任務(wù)。2022 年黨的二十大報告再次提出“加快建設(shè)高質(zhì)量教育體系”“促進教育公平”等宏偉目標(biāo)。由此可見，黨和國家對于教育事業(yè)高度重視，在建成世界上規(guī)模最大的教育體系、實現(xiàn)教育普及水平歷史性跨越的背景下，也在盡一切努力辦好人民滿意的更加公平和更高質(zhì)量的教育。

教育公平關(guān)鍵在于提供了平等的機會。如果付出的努力不同而導(dǎo)致教育結(jié)果不同，并不一定是教育不公平；如果付出的努力相同，因戶口、性別、家庭背景等環(huán)境變量存在差異而導(dǎo)致的教育結(jié)果不同，就可以視為教育不公平，或稱之為教育的機會不平等。長久以來，不平等一直是學(xué)界和政策制定者感興趣的重要話題。以往研究主要集中于收入機會不平等（史新杰等，2018；李瑩和呂光明，2019），后來機會不平等逐步拓展到教育領(lǐng)域（Golley 和Kong，2018；張楠等，2020；江求川和任潔，2020）。大量文獻探討了影響中國教育不平等的原因，其中主要的因素包括戶籍分割造成的城鄉(xiāng)不平等（Yang 等，2014；Golley 和Kong，2018）、地理因素造成的區(qū)域不平等（Hannum 和Wang，2006；Yang 等，2014）、教育和社會經(jīng)濟地位的代際持續(xù)性造成的不平等（鄒薇和馬占利，2019），以及性別（Wu 和Zhang，2010；Yang 等，2014；Golley 和Kong，2018）等因素造成的不平等。然而，多數(shù)文獻忽視了努力因素在其中發(fā)揮的作用。僅有的少數(shù)研究以耐心、學(xué)習(xí)時長或者自評努力來衡量努力因素，主要考查了基礎(chǔ)教育階段的機會不平等（張楠等，2020；江求川和任潔，2020）。此外，隨著黨的十九大報告提出追求“有質(zhì)量的教育公平”，2021 年政府工作報告進一步明確“建設(shè)高質(zhì)量教育體系”，黨的二十大報告則要求“加快建設(shè)高質(zhì)量教育體系”，我國人民群眾不再滿足于享有教育機會，而是期望獲得更高質(zhì)量的教育（楊成榮等，2021）。因此，處于“發(fā)展更加公平更高質(zhì)量教育”的時代環(huán)境中，教育質(zhì)量的機會不平等也值得關(guān)注。

本文可能有以下幾點貢獻：首先，在研究主題上，大量文獻更多地關(guān)注了收入的機會不平等，與之相比，探討教育機會不平等變化趨勢的研究還比較少。本文通過使用中國家庭收入調(diào)查（CHIP）2002-2018 年四輪數(shù)據(jù)，描繪了近20 年我國教育不平等的演變，并將教育不平等分解為教育機會不平等和教育努力不平等，從而探討了努力因素在教育不平等中的解釋力度。其次，在研究方法上，本文在事前參數(shù)法測度教育機會不平等的基礎(chǔ)上，通過基于回歸分析的Shapley值分解計算得出各個環(huán)境因素對于教育機會不平等的貢獻及其變化趨勢。值得注意的是，由于子女的受教育年限存在向上溢出效應(yīng)，①此處感謝匿名審稿專家的提醒以及提供的相關(guān)參考文獻。即父母可能會根據(jù)子女的人力資本水平來調(diào)整自身的知識水平，這就導(dǎo)致父母受教育年限和子女受教育年限之間存在反向因果關(guān)系；此外，一些不可觀測的因素例如基因或者家庭經(jīng)歷的沖擊事件有可能同時影響父代和子代的教育水平從而造成遺漏變量。本文運用工具變量法以及異方差構(gòu)造的工具變量作為補充，力圖克服由于遺漏變量和反向因果關(guān)系而造成的內(nèi)生性問題，在此基礎(chǔ)上匯報各環(huán)境變量影響教育機會不平等的貢獻度及變動。最后，在研究內(nèi)容上，現(xiàn)有研究主要關(guān)注教育機會在數(shù)量上的不平等，對教育質(zhì)量的不平等研究尚存在不足。本文從教育獲得數(shù)量和質(zhì)量兩個層面研究環(huán)境因素和努力程度的作用，不僅關(guān)注了以個體受教育年限衡量的數(shù)量層面的教育機會不平等，還關(guān)注了以個體上重點高中或大學(xué)衡量的質(zhì)量層面的教育機會不平等，補充了該主題的研究文獻。

本文研究發(fā)現(xiàn)：第一，近20 年中國的教育不平等呈現(xiàn)下降趨勢；教育機會不平等也在2018 年出現(xiàn)較大降幅。第二，基于回歸分析的Shapley值分解結(jié)果表明，戶口和父親受教育年限是貢獻較大的兩個環(huán)境變量。隨著時間推移，戶口對教育機會不平等的解釋力度逐漸減小，而父親受教育年限對教育機會不平等的解釋力度逐漸增大。第三，從教育質(zhì)量的角度出發(fā)，近年來家庭背景因素在解釋重點大學(xué)教育機會不平等中占據(jù)主要地位。第四，采用工具變量法以及異方差工具變量法克服內(nèi)生性問題之后，本文結(jié)果依舊顯示戶口在教育機會不平等中的解釋力度逐漸減小，而父親受教育年限的解釋力度越來越大。第五，通過努力來消解教育機會不平等的可能性逐年增加；然而，努力仍未在高質(zhì)量教育獲得中發(fā)揮重要作用。

二、文獻綜述

（一）教育不平等和教育機會不平等的測度。衡量教育不平等主要包括絕對指標(biāo)和相對指標(biāo)兩種方式。絕對指標(biāo)通常使用方差和標(biāo)準(zhǔn)差來測度，代表個體受教育情況于整體受教育情況而言的偏離程度。相對不平等指標(biāo)主要包括教育基尼系數(shù)和教育變異系數(shù)等，其中應(yīng)用最廣泛的就是教育基尼系數(shù)。與絕對指標(biāo)相比，教育基尼系數(shù)具有良好的統(tǒng)計特性（Thomas 等，2001），更能反映出不同地點和不同時間下教育不平等的變化程度。除此之外，廣義熵指數(shù)也是較好的衡量教育不平等的指標(biāo)（萬廣華，2008）。以這些方法為基礎(chǔ)，一些學(xué)者關(guān)注了教育不平等的變化，并發(fā)現(xiàn)隨著時間推移，全球教育不平等呈現(xiàn)下降趨勢（Benaabdelaali 等，2012）。同時，已有諸多研究發(fā)現(xiàn)我國教育不平等也呈現(xiàn)下降趨勢（Thomas 等，2001；Yang 等，2014；Golley 和Kong，2018）。

然而，目前多數(shù)文獻討論的是教育結(jié)果不平等，即總量上的教育不平等，而忽視了教育不平等中的結(jié)構(gòu)性因素，即教育機會不平等和教育努力不平等。Roemer（1998）通過構(gòu)建“環(huán)境-努力”二元框架分析影響個人成就的因素，并將經(jīng)濟社會中的不平等分為兩類。其中，因環(huán)境不同導(dǎo)致的不平等定義為“機會不平等”，因努力不同導(dǎo)致的不平等定義為“努力不平等”。明確了機會不平等的定義后，學(xué)者們開始關(guān)注如何測度機會不平等。Ferreira 和Gignoux（2011）依據(jù)是否需要識別努力程度，將機會不平等的測度方法劃分為“事前法”和“事后法”。事前法將所有個體分為不同組別，每個組別中的個體擁有相同環(huán)境。事后法將個體分為不同部分，每個部分中的個體擁有相同努力。由于事后法中的努力程度難以觀測和衡量，在研究中應(yīng)用不多，本文主要關(guān)注的是事前法。依據(jù)是否需要預(yù)先確定回歸方程的形式，事前法通常又分為參數(shù)法和非參數(shù)法。與非參數(shù)法相比，參數(shù)法并不受限于環(huán)境因素的數(shù)量，應(yīng)用范圍更廣泛（Golley 和Kong，2018）。因此，下文主要運用參數(shù)法測度教育機會不平等。

隨著機會不平等的測度方法日趨成熟，越來越多的文獻開始探討機會不平等的程度及其在一系列經(jīng)濟結(jié)果不平等中（例如收入、消費、健康等）所占的比例。然而，有關(guān)教育機會不平等測度的研究還相對較少?；趪H學(xué)生評估項目（PISA），F(xiàn)erreira 和Gignoux（2010）發(fā)現(xiàn)，土耳其15 歲學(xué)生的閱讀、數(shù)學(xué)和科學(xué)分?jǐn)?shù)的機會不平等占總體不平等的27%-33%。國內(nèi)相關(guān)文獻中，基于2008 年中國綜合社會調(diào)查數(shù)據(jù)，靳振忠等（2019）測算了中國高等教育獲得的機會不平等程度。張楠等（2020）運用2013-2014 年中國教育追蹤調(diào)查數(shù)據(jù)關(guān)注了基礎(chǔ)教育階段的機會不平等，并發(fā)現(xiàn)我國基礎(chǔ)教育機會不平等程度高于其他東亞及東南亞國家。江求川和任潔（2020）運用相同數(shù)據(jù)發(fā)現(xiàn)，初中低年級學(xué)生的教育結(jié)果差距中約有6%-11%由教育機會不平等所致，而高年級學(xué)生的教育機會不平等約有8%-22%。

（二）教育不平等的影響因素。在戶口層面，一些研究發(fā)現(xiàn)無論是從國家范圍（Yang 等，2014）還是從出生年份層面（Golley 和Kong，2018），戶口都是造成教育不平等的最大因素。大量研究證實了父母教育和職業(yè)等家庭背景與教育不平等之間密切相關(guān)（鄒薇和馬占利，2019）。Golley 和Kong（2018）發(fā)現(xiàn)，家庭背景指標(biāo)（父母教育和政治身份）是影響子女教育不平等的重要變量，尤其是對于年輕出生組而言。主要原因在于較高文化資本的家庭中，父母能為子女提供更好的指導(dǎo)和更多的教育資源，使得子女通過繼承父母的文化資本水平，從而獲得更高的教育成就（李春玲，2010）。在性別方面，雖然有幾項研究已經(jīng)證實了20 世紀(jì)90 年代中期教育成就中存在性別不平等（Zhou 等，1998），但是最近的研究發(fā)現(xiàn)，這種性別差距已經(jīng)顯著縮?。╓u 和Zhang，2010；Yang 等，2014；Golley 和Kong，2018）。性別對于教育不平等的貢獻度隨著時間的推移逐漸下降（Golley 和Kong，2018），甚至有學(xué)者發(fā)現(xiàn)，2005 年大學(xué)入學(xué)率的性別差距已經(jīng)發(fā)生逆轉(zhuǎn)（Wu 和Zhang，2010）。年齡是影響教育不平等的另一個重要因素。一些研究以5 年為一個出生隊列估計年齡對教育不平等的影響（Hannum 和Wang，2006；巫錫煒，2014；Golley 和Kong，2018），發(fā)現(xiàn)教育不平等程度隨著隊列的推移而上升，主要是因為初中升高中階段的教育機會不平等不斷上升；也有研究使用4 年、6 年和9 年的混合出生隊列，得出了相似的結(jié)論（Yang 等，2014）。地區(qū)也是解釋教育不平等的因素之一（Hannum 和Wang，2006；Yang 等，2014；Golley 和Kong，2018）?；?000 年人口普查數(shù)據(jù)，Hannum 和Wang（2006）探討了出生省份和教育機會之間的相關(guān)性，并認(rèn)為區(qū)域不平等導(dǎo)致了教育分層現(xiàn)象。

縱觀以往研究，國內(nèi)很少有學(xué)者討論教育的機會不平等及其變化趨勢。雖然有研究得出教育機會不平等的總體趨勢是下降的結(jié)論，但忽視了努力在其中的作用，也沒有討論教育質(zhì)量的不平等變化趨勢。而且很少有學(xué)者對教育機會不平等進行分解，相應(yīng)地，目前還沒有研究探討各因素解釋教育機會不平等的力度隨著時間推移發(fā)生何種變化。此外，既往大多數(shù)相關(guān)研究都沒有處理內(nèi)生性問題，因而在因果推斷上存在不足。綜上，基于CHIP2002-2018 年四輪調(diào)查數(shù)據(jù)，本文測算了近20 年教育機會不平等的變化趨勢；通過Shapley值分解計算得出不同環(huán)境因素在教育機會不平等中發(fā)揮的作用；進一步運用工具變量法以及異方差構(gòu)造的工具變量作為補充，力圖克服由于遺漏變量和反向因果關(guān)系而造成的內(nèi)生性問題；同時采用方差分解思路估計了努力因素在多大程度上能夠緩解教育機會不平等；并從教育質(zhì)量層面探討了接受重點高中或高等教育的機會不平等現(xiàn)象，以期能為下一步實現(xiàn)“有質(zhì)量的教育公平”目標(biāo)提供相應(yīng)的政策啟示。

三、數(shù)據(jù)和方法

（一）數(shù)據(jù)和變量。本文數(shù)據(jù)來源于中國家庭收入調(diào)查（CHIP）2002 年、2007 年、2013 年和2018 年的微觀樣本。對原始數(shù)據(jù)進行如下處理：對于CHIP2002 而言，1936 年之前出生的群體較少，因此保留出生在1936 年及之后的樣本；本文關(guān)注的是已經(jīng)完成學(xué)校教育的群體，因此還限定在1980 年及之前出生的樣本。相應(yīng)地，由于這幾輪樣本的抽樣過程和問卷內(nèi)容非常相似，CHIP2007 保留出生于1941-1985 年的樣本；CHIP2013 保留出生于1946-1990 年的樣本；CHIP2018 保留出生于1951-1995 年的樣本。所有樣本最終受教育程度的學(xué)業(yè)完成情況均為畢業(yè)。對于同住樣本，分別匹配已婚戶主/配偶和同住子女、戶主和同住父母、配偶和同住父母。對于不同住樣本，分別匹配戶主和不同住父母、配偶和不同住父母、已婚戶主/配偶和不同住子女。由于四次調(diào)查所覆蓋的省份不同，在模型中還將控制省份虛擬變量。

通過上文梳理近年來國內(nèi)外文獻可以發(fā)現(xiàn)，與不平等有關(guān)的研究中常見的環(huán)境變量包括個人特征和家庭背景兩個方面?？紤]到調(diào)查問卷中相關(guān)變量的可獲得性，結(jié)合已有研究和文獻，本文選取的環(huán)境變量包括性別（男=1）、戶口（農(nóng)村=1）、年齡、家庭規(guī)模、父親受教育年限、父親職業(yè)和地區(qū)。根據(jù)CHIP調(diào)查問卷中的題項，本文將教育程度劃分為小學(xué)及以下、初中、高中（職高/技校/中專）、大專、大學(xué)本科、研究生及以上。相應(yīng)地，受教育年限分別賦值為6、9、12、15、16、19。結(jié)合具體職業(yè)的性質(zhì)和工作內(nèi)容，本文將職業(yè)分為農(nóng)民、機關(guān)和事業(yè)單位、個體戶、專業(yè)技術(shù)人員、企業(yè)職工或工人，以及其他不便分類的工作。此外，地區(qū)包括東部、中部和西部。主要變量的描述性統(tǒng)計如表1 所示。在考慮本文所用相關(guān)變量存在缺失值的情況下，最終回歸方程可用樣本量分別為2002 年27 720 個，2007 年22 398 個，2013 年31 879 個，2018 年35 897 個。①限于篇幅，主要變量的描述性分析未列出，詳見工作論文。

（二）模型和方法。

1.教育機會不平等的測度。本文關(guān)注的主要問題之一是如何衡量教育機會不平等?；谖墨I綜述，主要遵循Roemer（1998）以及Ferreira 和Gignoux（2011）的研究思路，構(gòu)建如下方程：

其中，yi代表個體受教育年限；Ci是環(huán)境變量，包括性別、年齡、家庭規(guī)模、戶口、父親受教育年限、②參照多數(shù)研究的設(shè)定（李春玲，2010；史新杰等，2018；李瑩和呂光明，2019），本文實證分析中主要以父親受教育年限作為影響子女受教育年限的重要變量之一。下文穩(wěn)健性檢驗還將考察母親受教育年限在教育機會不平等中發(fā)揮的作用。父親職業(yè)和地區(qū)等；Ei是努力變量；ui為影響受教育年限的其他不可測因素，例如運氣等。一般認(rèn)定環(huán)境變量Ci是外生的，而個體努力程度Ei可能會受到包括環(huán)境在內(nèi)的一系列因素的影響。這意味著上式可以更準(zhǔn)確地表示為：

本文主要運用的是參數(shù)法，基于Ferreira 和Gignoux（2011）的研究，將（2）式進一步表示為：

通過上述回歸方程估計出參數(shù)后，參照J(rèn)uárez 和Soloaga（2014）測度機會不平等的直接法來衡量教育機會不平等。首先，需要構(gòu)造一個反事實教育分布。具體而言，由回歸方程估計出的系數(shù)和真實環(huán)境變量值，得出個體的預(yù)測教育年限，這意味著處于相同環(huán)境的個體可以獲得相同結(jié)果，相當(dāng)于消除了組內(nèi)差異，只存在組間差異，也就是環(huán)境帶來的作用（機會不平等）。運用直接法構(gòu)造的反事實教育分布可以表示為：

基于式（4），需要選擇不平等指數(shù)進一步計算教育機會不平等程度。本文選用文獻中常用的廣義熵指數(shù)（GE）進行測度。廣義熵指數(shù)的表達式如下：

其中，n為 樣本數(shù)，yi為個體i的受教育年限，為樣本平均受教育年限。α代表給予不同教育分布樣本的教育差距的權(quán)重，α=1代表給予不同教育差距以相同權(quán)重，GE(1)被稱為泰爾指數(shù)；α=0代表給予低水平教育差距以較大權(quán)重，GE(0)被稱為平均對數(shù)離差；α=2代表給予高水平教育差距以較大權(quán)重，GE(2)被稱為變異系數(shù)平方的一半。

GE(0)和GE(1)的計算方式都涉及對數(shù)值，Golley 和Kong（2018）認(rèn)為GE(2)是衡量教育機會不平等的最佳選擇。下文主要以GE(2)作為不平等指數(shù)，預(yù)測教育年限的GE(2)指數(shù)可以表示為：

上式可以理解為教育機會不平等的絕對程度。相應(yīng)地，教育機會不平等的相對程度可以通過計算教育機會不平等占教育不平等的比例而得：

其中，I({yi})為個體真實受教育年限的GE(2)指數(shù)。以上即為直接法的主要步驟。

2.教育機會不平等的分解。本文關(guān)注的第二個主要問題是不同環(huán)境變量在影響教育機會不平等中的貢獻程度如何。為了測算各個環(huán)境變量對于教育機會不平等的解釋力度，本文將采用Shorrocks（2013）提出的基于回歸方程的Shapley值分解方法。首先，假定回歸方程中有k個環(huán)境變量，逐步剔除每個環(huán)境變量。由于每個變量都有“進入”或“退出”兩種選擇，因此共有 2k個排列組合。其次，分別計算包含與不包含某個環(huán)境變量的教育機會不平等程度的差值，由于其他環(huán)境變量出現(xiàn)的順序不同會產(chǎn)生不同結(jié)果，因此，針對該環(huán)境變量而言能得到 2k-1個結(jié)果。最后，對所有結(jié)果取均值，就能得出該環(huán)境變量的貢獻度。

四、實證分析

（一）教育不平等的變化趨勢。本節(jié)首先關(guān)注的是2002-2018 年教育結(jié)果不平等的現(xiàn)狀和演變。為了全面考察這段時期教育不平等的變化趨勢，參照已有研究設(shè)定（萬廣華，2008；Yang 等，2014），本節(jié)選用多種不平等指標(biāo)測度教育的不平等程度，包括基尼系數(shù)、變異系數(shù)、泰爾指數(shù)和平均對數(shù)離差等。其中，基尼系數(shù)被廣泛用于研究收入不平等，也可以用來衡量教育不平等，因為教育基尼系數(shù)可以有效地表征教育分配的變化（Yang 等，2014）。

如表1 所示，教育不平等基本是逐年降低的，表現(xiàn)為各個不平等指標(biāo)幾乎都呈現(xiàn)下降趨勢。其中，基尼系數(shù)從0.236 下降到0.177，泰爾指數(shù)從0.081 下降到0.046，平均對數(shù)離差從0.095 下降到0.047，變異系數(shù)平方的一半從0.089 下降到0.053。對比Benaabdelaali等（2012）的研究結(jié)果可知，中國的教育不平等程度較低，表現(xiàn)為我國教育基尼系數(shù)低于同時期全球其他國家、發(fā)展中國家和東亞國家的教育基尼系數(shù)。①Benaabdelaali 等（2012）計算得出2010 年發(fā)達國家（24 個）教育基尼系數(shù)為0.19；其他國家（146 個）、發(fā)展中國家（122 個）、東亞國家（19 個）的教育基尼系數(shù)分別為0.34、0.36、0.27。這意味著隨著我國義務(wù)教育的普及和高等教育的擴招，個體的平均受教育年限不斷延長，特別是對于弱勢群體而言，增加了他們接受更多教育的概率，整體層面的國民素質(zhì)得到提高，教育不平等呈現(xiàn)下降趨勢。進一步觀察廣義熵指數(shù)的估計結(jié)果，2002 年和2007 年GE(0)的數(shù)值最大，而2013 年和2018 年GE(2)的數(shù)值最大；且GE(0)從2002 年到2018 年的降低速度更快。由于GE(0)賦予較低水平的教育差距以較大權(quán)重，相反，GE(2)賦予較高水平的教育差距以較大權(quán)重。這意味著2002-2018 年，教育不平等從主要集中于低教育層級群體轉(zhuǎn)為高教育層級群體；在較低教育層級的群體中，不平等現(xiàn)象緩解的程度更大。

表1 教育不平等的測度

（二）教育機會不平等的變化趨勢-數(shù)量角度。為了進一步分析教育不平等中的機會不平等，根據(jù)參數(shù)法的思路，本節(jié)將從教育數(shù)量的角度探討我國教育機會不平等的現(xiàn)狀及變化趨勢。表2 基于式（3）首先匯報了2002-2018 年各環(huán)境因素影響受教育年限的基準(zhǔn)回歸結(jié)果，各年份變量系數(shù)的符號和顯著性一致。相較于女性或農(nóng)村群體，男性或城市群體的受教育年限更長；表現(xiàn)為各調(diào)查年份性別因素（以男性為基準(zhǔn)）的系數(shù)值都正向顯著，而戶口因素（以農(nóng)村為基準(zhǔn)）的系數(shù)值都負(fù)向顯著。年齡對個體受教育年限的影響效應(yīng)顯著為負(fù)，與其他因素相比，其系數(shù)絕對值最低。各調(diào)查年份中家庭規(guī)模對個體受教育年限的影響效應(yīng)呈負(fù)向顯著，而父親受教育年限的系數(shù)值都正向顯著。相較于東部，中、西部地區(qū)對各年份受教育年限的影響效應(yīng)顯著為負(fù)。

表2 環(huán)境因素對受教育年限的影響

根據(jù)上文各環(huán)境因素影響受教育年限的基準(zhǔn)回歸結(jié)果以及第三部分介紹的估計方法，本節(jié)將以此為基礎(chǔ)計算教育機會的不平等程度。表3 展現(xiàn)了2002-2018 年教育機會不平等變化趨勢及Shapley值分解結(jié)果。首先，與教育不平等的變化趨勢相似，機會不平等系數(shù)也基本呈現(xiàn)下降趨勢。其中，教育機會不平等相對系數(shù)在2018 年降低為0.352。其次，各年份戶口和父親受教育年限構(gòu)成了教育機會不平等的主要來源。其中，戶口對教育機會不平等的貢獻最大，但是貢獻度逐年降低，具體表現(xiàn)為從2002 年的44.11%減少到2018 年的30.40%。父親受教育年限對于教育機會不平等的貢獻也非常大，且貢獻度從2002 年的15.86%逐年升高，并于2018 年超過戶口的貢獻度，達到32.09%，成為貢獻度最大的因素。父親職業(yè)作為家庭背景的另一個重要變量，其貢獻度則從2002 年的18.79%降低到2018 年的8.79%。上述結(jié)論拓展了Golley 和Kong（2018）運用2010 年和2012 年中國家庭追蹤調(diào)查來測度教育機會不平等的研究。此項研究測算得出戶口是教育機會不平等的最大貢獻因素，而本文進一步發(fā)現(xiàn)，2018 年父親受教育年限對教育機會不平等的解釋力度已經(jīng)超過戶口。原因一方面可能來自于戶籍制度改革的推進，另一方面可能在于教育擴招等政府干預(yù)政策雖然降低了戶籍制度和父親職業(yè)等衡量家庭社會經(jīng)濟地位的因素對教育機會不平等產(chǎn)生的影響，但是難以阻斷教育的代際傳遞，表現(xiàn)為高學(xué)歷父母傾向于為子女爭取更多更好的學(xué)習(xí)資源。事實上，諸多有關(guān)收入機會不平等的研究（史新杰等，2018；李瑩和呂光明，2019）也得出了類似結(jié)論。這表明教育機會不平等有可能是上述因素作用于收入機會不平等的重要傳導(dǎo)機制。

表3 教育機會不平等變化趨勢及Shapley 值分解

此外，性別對于教育機會不平等的貢獻基本呈現(xiàn)逐年下降的趨勢，表現(xiàn)為從2002 年的5.46%下降到2018 年的0.99%，成為貢獻最小的因素。即，近年來性別并不是教育機會不平等的主要來源，這與靳振忠等（2019）的研究結(jié)果相似。然而，這與Golley 等（2019）有關(guān)收入機會不平等的研究得出的結(jié)論相反，其發(fā)現(xiàn)性別是造成中國收入機會不平等的最大因素，占絕對收入機會不平等的28%。這一對比富有意義，雖然不同性別對教育機會不平等的解釋力度很低，但其卻是收入機會不平等的重要來源。與2002 年相比，地區(qū)因素對于教育機會不平等的貢獻度在2018 年有所上升。這與靳振忠等（2019）和張楠等（2020）的研究結(jié)論一致，意味著區(qū)域間的發(fā)展差距使得各類教育資源存在數(shù)量和質(zhì)量上的差異，最終將導(dǎo)致教育機會的差距。

（三）教育機會不平等的變化趨勢-質(zhì)量角度。上文主要是從教育數(shù)量的角度探討了我國教育機會不平等的現(xiàn)狀及變化趨勢，本節(jié)將探討我國教育質(zhì)量機會不平等程度的演變。參照已有研究（唐俊超，2015），基于CHIP問卷設(shè)計，本文以題項“如果文化程度是高中或高中以上，那么高中畢業(yè)的學(xué)校類型為重點中學(xué)”衡量重點高中，以題項“如果有大學(xué)以上學(xué)歷（包括大學(xué)專科或大學(xué)本科），那么大學(xué)畢業(yè)院校的類型為985/211 院校”衡量重點大學(xué)。①CHIP 調(diào)查中，樣本若有多個大學(xué)學(xué)歷，以第一次獲得的大學(xué)學(xué)歷為準(zhǔn)。需要說明的是，2007 年CHIP調(diào)查沒有詢問和重點學(xué)校有關(guān)的信息，因此下文不做討論。另外，由于2002 年和2013 年CHIP調(diào)查中僅有城鎮(zhèn)問卷詢問了重點大學(xué)的信息，為了使得最終結(jié)果具有可比性，下文主要關(guān)注的是城鎮(zhèn)樣本中上重點大學(xué)的機會不平等的年份變化趨勢。

表4 是基于Probit模型計算得出的各年份教育質(zhì)量不平等程度及環(huán)境變量的Shapley值分解結(jié)果。②附錄表A1 匯報了2002-2018 年各環(huán)境變量對高質(zhì)量教育獲得的Probit 回歸結(jié)果，詳見工作論文。首先，與2002 年相比，近年來上重點高中的整體不平等程度有所下降，表現(xiàn)為修正后的相異性指數(shù)③由于上文的受教育年限是連續(xù)變量，而本節(jié)使用的教育質(zhì)量是離散變量。因此，將參照Chávez-Juárez 和Soloaga（2015）提出的修正相異性指數(shù)測算質(zhì)量層面的教育機會不平等。從0.178 下降到0.137；上重點大學(xué)的城鎮(zhèn)不平等程度略有提升，相異性指數(shù)從0.060 上升到0.073，變化幅度較小。其次，本文重點關(guān)注的兩個變量中，戶口因素在接受重點高中教育機會不平等中的貢獻度呈現(xiàn)下降趨勢。與之相反，2018 年父親受教育年限對于高質(zhì)量教育機會不平等的貢獻度與2002 年相比都更大。以重點大學(xué)為例，2002-2018 年父親受教育年限的貢獻度從5.1%升高到42.43%，成為貢獻度最大的因素，而且這一數(shù)值高于上文從教育數(shù)量視角而得出的32.09%。此外，父親職業(yè)對于城鎮(zhèn)樣本上重點大學(xué)機會不平等的解釋力度也呈現(xiàn)逐年上升趨勢，2018 年的貢獻度僅次于父親受教育年限。上述結(jié)果表明，對于城鎮(zhèn)群體而言，近年來家庭背景因素在解釋重點大學(xué)教育機會不平等中占據(jù)主要地位。依據(jù)最大化維持不平等（MMI）和有效維持不平等（EMI）假設(shè)可知，只有在優(yōu)勢地位群體接受高等教育飽和的情況下才會惠及劣勢群體，此時高等教育在數(shù)量上的機會不平等能夠有所下降。隨后，家庭背景因素（例如父親受教育年限）將進一步影響子女是否能上重點大學(xué)，即優(yōu)勢地位群體依舊壟斷高質(zhì)量的教育機會（李春玲，2010）。

表4 教育質(zhì)量不平等的年代變化趨勢及各環(huán)境變量的Shapley 值分解結(jié)果

（四）內(nèi)生性檢驗。值得注意的是，式（3）在設(shè)定的過程中可能會存在內(nèi)生性問題：一方面，子女的受教育年限存在向上溢出效應(yīng)（Frankenberg 等，2002；De Neve 和Kawachi，2017），①此處感謝匿名審稿專家提出的寶貴建議以及相關(guān)參考文獻。由于父母可能會根據(jù)子女的人力資本水平來調(diào)整自身的知識水平，因此父母受教育年限和子女受教育年限之間存在反向因果關(guān)系；另一方面，還存在一些不可觀測的因素同時影響父代和子代的教育水平，例如基因或者家庭經(jīng)歷的沖擊事件，所以有可能構(gòu)成遺漏變量?？紤]到內(nèi)生性問題的存在且會對回歸系數(shù)造成影響，本節(jié)將采用工具變量法來解決上述難題。

參照Gayle 等（2018）和Uddin（2019）等的研究設(shè)定，本節(jié)主要采用兩個方面的工具變量，②現(xiàn)有的多數(shù)研究通常將“學(xué)制改革”“基礎(chǔ)教育擴張”等教育政策沖擊作為父母教育的工具變量（李云森和齊豪，2011；林莞娟和張戈，2015；楊娟和高曼，2015）。本文在實證分析過程中曾經(jīng)參照林莞娟和張戈（2015）的研究，嘗試使用1978-1982 年中小學(xué)學(xué)制改革作為父親受教育年限的工具變量。由于政府事先確定學(xué)制改革的實施時間且改革所處時代的戶籍制度非常嚴(yán)格，因此，可以假定學(xué)制改革制度對于父親受教育年限的影響具有外生性。然而，由于CHIP2002 年和2007 年的調(diào)查年份較早，實證分析過程中運用此工具變量會使得樣本量缺失嚴(yán)重，尤其是當(dāng)本文想要探討克服內(nèi)生性問題之后的教育質(zhì)量的機會不平等，即被解釋變量為上重點大學(xué)（高中）時，可用的樣本量無法充分體現(xiàn)結(jié)果的有效性和說服力。所以正文不再對此進行討論。選取思路如下：第一，父親受教育年限可能與其年齡相關(guān)。例如，已有學(xué)者研究發(fā)現(xiàn)，接受高等教育客觀上會推遲初婚年齡，由于男性一般會為步入婚姻承擔(dān)比較多的經(jīng)濟壓力，因此大學(xué)畢業(yè)后需要具備一定的財富積累才能結(jié)婚（朱州和趙國昌，2022）。這種現(xiàn)象可能進一步導(dǎo)致生育子女時的年齡也會偏大，即父親在子女出生時所處的年齡與其自身的受教育年限具有相關(guān)性。但是，父親的年齡很難對子女受教育年限帶來直接效應(yīng)（Gayle 等，2018），因此，本節(jié)將使用子女出生時的父親年齡作為工具變量。第二，父親的受教育水平與其所在省份的同齡人的教育水平是相關(guān)的，因為相同區(qū)域和年齡的個體面臨著相似的教育政策或者分享著相似的教育資源，而這不會直接作用于本家庭子女的教育程度（Uddin，2019），所以本節(jié)還將按照年齡和省份劃分的平均父親受教育年限作為工具變量。

表5 展現(xiàn)了環(huán)境因素影響受教育年限的2SLS回歸結(jié)果。如表所示，首先，Hausman檢驗結(jié)果顯示拒絕原假設(shè)，說明存在內(nèi)生性，需要進行工具變量法回歸。運用Cragg-Donald Wald F統(tǒng)計量和Kleibergen-Paap rk Wald F統(tǒng)計量進行弱工具變量的識別檢驗，觀察發(fā)現(xiàn)兩項統(tǒng)計量都大于Stock 和Yogo（2005）所列出的10%水平下的臨界值，拒絕了存在弱工具變量的原假設(shè)。其次，各調(diào)查年份中同一省份的平均父親受教育年限的系數(shù)值顯著為正，而子女出生時的父親年齡與父親受教育年限之間的相關(guān)性由負(fù)向顯著轉(zhuǎn)為正向顯著。本文猜測出現(xiàn)這種逆轉(zhuǎn)現(xiàn)象的原因在于隨著大學(xué)教育的擴招，初婚年齡會有所推遲。事實上，已有研究發(fā)現(xiàn)高等教育對男性的初婚推遲效應(yīng)大于女性（朱州和趙國昌，2022）。相應(yīng)地，他們的生育年齡可能也會順延。因此，子女出生時的父親年齡與父親受教育年限之間呈現(xiàn)正相關(guān)。

表5 環(huán)境因素對受教育年限的影響（工具變量法）

基于上述回歸結(jié)果，表6 列（1）-列（4）展現(xiàn)了各環(huán)境因素影響教育機會不平等的Shapley值分解。與此同時，本節(jié)還將使用Lewbel（2012）的異方差工具變量法作為上述結(jié)果的補充，即通過異方差來構(gòu)造工具變量。①詳見本文工作論文。表6 列（5）-列（8）進一步展現(xiàn)了上文外生工具變量和異方差構(gòu)造的工具變量同時加入回歸方程后的Shapley值分解?？傮w而言，上述基于2SLS回歸的Shapley值分解結(jié)果與表3 基于OLS回歸的結(jié)果基本一致。克服內(nèi)生性問題之后，在其他條件不變的情況下，戶口對教育機會不平等的解釋力度逐漸減小，而父親受教育年限的解釋力度逐漸增大。此外，附錄表A2②詳見本文的工作論文。還展現(xiàn)了上文外生工具變量和異方差構(gòu)造的工具變量同時加入回歸方程的情況下各環(huán)境因素影響個體上重點高中（大學(xué)）的Shapley值分解結(jié)果，限于篇幅未在正文中列出。結(jié)果同樣表明，近年來代際間的教育傳遞效應(yīng)在高質(zhì)量教育機會不平等中有越來越大的解釋力度。

表6 各環(huán)境變量影響受教育年限的 Shapley 值分解（基于工具變量法回歸）

續(xù)表 6 各環(huán)境變量影響受教育年限的 Shapley 值分解（基于工具變量法回歸）

五、穩(wěn)健性檢驗

為確保上述結(jié)果的可靠性，將從三方面進行穩(wěn)健性檢驗：首先，上文主要根據(jù)Golley 和Kong（2018）的研究，基于變異系數(shù)平方的一半GE(2)測度教育機會不平等。本節(jié)將參照Yang 等（2014）的研究，以個體受教育年限的對數(shù)作為被解釋變量，基于平均對數(shù)離差GE(0)測度機會不平等。表7 顯示，近20 年教育機會不平等系數(shù)呈現(xiàn)逐年下降趨勢。Shapley值分解結(jié)果表明，戶口對教育機會不平等的貢獻度逐年降低，而父親受教育年限的貢獻度逐年上升，且在2018 年成為解釋力度最大的因素，高達31.80%。此外，由于CHIP的調(diào)查問卷中并沒有直接給出家庭規(guī)模變量，上文通過匹配數(shù)據(jù)獲得家庭總?cè)丝跀?shù)來衡量家庭規(guī)模。然而，此變量可能并不是教育獲得的前定變量。因此，本節(jié)刪除家庭規(guī)模變量之后重新回歸，觀察表7 發(fā)現(xiàn)，戶口和父親受教育年限依舊是貢獻較大的兩個環(huán)境變量。隨著時間推移，戶口對教育機會不平等的解釋力度逐漸減小，而父親受教育年限的解釋力度逐漸增大。上述結(jié)果都驗證了原文結(jié)論的穩(wěn)定性。

表7 教育機會不平等的變化趨勢及Shapley 值分解（變換基準(zhǔn)回歸方程）

其次，上文已經(jīng)初步得出教育機會不平等呈現(xiàn)逐年下降趨勢。由于CHIP調(diào)查的四輪數(shù)據(jù)覆蓋的省份并不相同，基于羅楚亮和劉曉霞（2018）的研究設(shè)定，本節(jié)選取了四輪調(diào)查中出現(xiàn)過2 次及以上的省級地區(qū)，最終包含16 個省級地區(qū)。①包括北京、河北、山西、遼寧、江蘇、浙江、安徽、山東、河南、湖北、湖南、廣東、重慶、四川、云南、甘肅。由于城鎮(zhèn)住戶中可能涵蓋來自農(nóng)村地區(qū)、通過接受教育而獲得城鎮(zhèn)戶口的群體，如果不考慮從農(nóng)村到城市居住狀態(tài)的變化，就會產(chǎn)生嚴(yán)重的選擇偏差。因此，本節(jié)還參照Knight 等（2011）的研究，將城鎮(zhèn)樣本中有過“農(nóng)轉(zhuǎn)非”經(jīng)歷的群體統(tǒng)一劃入農(nóng)村樣本。表8 匯報了Shapley值分解結(jié)果。①附錄表A3 分別展現(xiàn)了不同限定條件下各調(diào)查年份的OLS 回歸結(jié)果，詳見本文的工作論文。與2002 年相比，2018 年教育機會不平等有所下降。其中，戶口因素對于教育機會不平等的貢獻度減??；相反，父親受教育程度的貢獻度增大。

最后，上文表明隨著時間推移，父親受教育年限對于教育機會不平等的貢獻度越來越大。本節(jié)將關(guān)注母親受教育年限在教育機會不平等中的作用。表8 展現(xiàn)了將父親受教育年限替換為母親受教育年限的Shapley值分解結(jié)果。②本文在實證分析過程中還進行了同時考慮父親和母親受教育年限的Shapley 值分解，所得結(jié)果與原文結(jié)論基本一致，限于篇幅未列出。隨著時間推移，母親受教育年限在教育機會不平等中的貢獻度也呈現(xiàn)逐漸增大的趨勢。上述結(jié)果與原文結(jié)論基本一致，驗證了本文結(jié)果的穩(wěn)定性。

表8 教育機會不平等的變化趨勢及Shapley 值分解（改變樣本容量和替換環(huán)境變量）

六、拓展分析

Roemer（1998）的“環(huán)境-努力”二元分析框架認(rèn)為，無法控制的環(huán)境變量和可以控制的努力變量共同決定了個體的受教育年限，而回歸方程（3）省略了所有努力變量，將其簡單地納入殘差項中。如果努力變量和環(huán)境變量相關(guān)，則可能存在因遺漏努力變量而造成的內(nèi)生性問題。因此，本節(jié)將在式（3）中加入努力變量，進一步考察環(huán)境和努力對于教育不平等的解釋力度及變化趨勢。

參照Roemer（1998）、Checchi 和Peragine（2010）、鄒薇和馬占利（2019）等學(xué)者的研究思路，本文設(shè)定努力程度Ei=（個體受教育年限-個體同齡人受教育年限均值）-（父親受教育年限-父親同齡人受教育年限均值）。其中，右邊第一項括號內(nèi)代表個體與同齡人相比獲得的額外教育成就，第二項括號內(nèi)代表家庭背景帶來的額外教育資源，兩項相減代表個體通過努力而獲得的額外教育成就，由此計算得出個體的努力程度，將高于樣本均值設(shè)定為高努力群體，低于樣本均值設(shè)定為低努力群體。

基于附錄表A4③詳見本文的工作論文。的回歸結(jié)果，參照已有研究（史新杰等，2018；張楠等，2020）的設(shè)定，本文運用方差分解法得到努力和環(huán)境對教育不平等的貢獻度。④本節(jié)主要討論的是Romer 情境下努力與環(huán)境對教育不平等的貢獻度，即環(huán)境對努力回歸的殘差項 vi 可以理解為不考慮環(huán)境變量影響的“純努力”，以此作為努力變量納入教育估計函數(shù)中。除此之外，本文在實證分析過程中也討論了Barry 情境下努力與環(huán)境對教育不平等的貢獻度，即使用努力的原值來衡量努力變量。兩者的結(jié)果基本一致，限于篇幅，不再詳細(xì)討論。表9 展現(xiàn)了2002-2018 年努力與環(huán)境貢獻度的變化趨勢。由于努力因素只包含一個變量，因此環(huán)境因素的相對貢獻度普遍更高。觀察發(fā)現(xiàn)，努力因素的貢獻度在2018 年達到26.48%，高于2002 年的13.45%。由環(huán)境變量造成的機會不平等是減小的，而通過努力來消解教育機會不平等的可能性越來越大。

表9 “努力”與“環(huán)境”貢獻度的變化趨勢

進一步地，表10 匯報了努力和環(huán)境變量在接受重點高中或重點大學(xué)（教育質(zhì)量）不平等中的貢獻度及變化趨勢。為了便于比較，本節(jié)同時展現(xiàn)了高中教育和高等教育階段（教育數(shù)量）不平等的相應(yīng)結(jié)果。如表所示，與教育獲得數(shù)量相比，努力在教育獲得質(zhì)量尤其是上重點大學(xué)不平等中的貢獻度很小，2002 年僅為0.11%，即使2018 年提高至11.42%，仍舊遠低于同年份在高等教育階段不平等中的貢獻度30.85%。也就是說，個體的努力程度很難在高質(zhì)量教育獲得中發(fā)揮重要作用，正如表4 顯示，以父親受教育年限為代表的家庭背景變量仍然是子代接受高質(zhì)量教育機會的關(guān)鍵因素（靳振忠等，2019）。這一結(jié)論再次表明，隨著時間推移，教育擴張政策極大提高了個體努力在高等教育獲得數(shù)量中的作用，即接受高等教育的機會不平等有所下降；然而，現(xiàn)階段教育擴張并沒有顯著提升個體努力在高等教育獲得質(zhì)量中的作用。

表10 教育質(zhì)量和教育數(shù)量中“努力”與“環(huán)境”貢獻度的變化趨勢

七、結(jié)論與啟示

基于中國家庭收入調(diào)查2002-2018 年四輪調(diào)查數(shù)據(jù)，本文測算了中國教育機會不平等系數(shù)及其變化趨勢；采用Shapley值分解得出各個環(huán)境變量對教育機會不平等的貢獻度；同時將努力變量納入分析框架，運用方差分解方法估計了努力在多大程度上可以緩解教育不平等。本文主要結(jié)論如下：第一，無論采取何種不平等的測度指標(biāo)，近20 年中國的教育不平等呈現(xiàn)下降趨勢；而教育機會不平等也在2018 年呈現(xiàn)較大降幅。第二，基于回歸分析的Shapley值分解結(jié)果表明，戶口和父親受教育年限是貢獻較大的兩個環(huán)境變量。隨著時間推移，戶口對教育機會不平等的解釋力度逐漸減小，而父親受教育年限的解釋力度逐漸增大。第三，從教育質(zhì)量的角度出發(fā)，近年來家庭背景因素在解釋重點大學(xué)教育機會不平等中占據(jù)主要地位。第四，采用工具變量法以及異方差工具變量法克服內(nèi)生性問題之后，本文結(jié)果依舊顯示戶口對教育機會不平等的解釋力度逐漸減小，而父親受教育年限的解釋力度逐漸增大。第五，納入努力變量的結(jié)果表明，努力的貢獻度都在2018 年更高，即通過努力來消解教育機會不平等的可能性越來越大。然而，努力仍未在高質(zhì)量教育獲得中發(fā)揮重要作用。

本文有如下啟示：首先，隨著時間推移戶口因素在教育獲得中的影響效應(yīng)逐漸減小，因此持續(xù)破除城鄉(xiāng)二元結(jié)構(gòu)有可能是減少中國教育機會不平等的重要途徑。具體到相應(yīng)的措施上，可以建立農(nóng)戶子女上大學(xué)的專項扶持計劃并將其作為一項長期工作堅持下去，還可以通過免除借讀費和贊助費，放寬隨遷子女入學(xué)限制等方式，保障農(nóng)民工等弱勢群體子女在流入地享受平等的教育機會。其次，本文發(fā)現(xiàn)父親受教育年限對教育機會不平等的解釋力度逐漸增大，一定程度上說明代際持續(xù)性的影響效應(yīng)越來越大。除了先天性的遺傳因素之外，很有可能是受教育程度越高的父母掌握了更科學(xué)的教育理念，而近年來諸多研究表明父母的養(yǎng)育模式對子女早期的認(rèn)知能力和非認(rèn)知能力以及未來的教育獲得能產(chǎn)生巨大的影響。因此，提高家庭教育有可能促進社會階層的代際流動性，從而改善教育機會的不平等現(xiàn)象。最后，繼續(xù)加大教育資源投入，為弱勢群體提供更多的公共教育資源。通過完善教育政策制定和機制設(shè)計的方式，例如逐步延長義務(wù)教育年限來提高國民整體素質(zhì)。事實上，目前我國的內(nèi)蒙古自治區(qū)已經(jīng)全面實施了十二年義務(wù)教育。此外，推動教育擴張政策的同時還需要提高教育質(zhì)量，從供給層面擴大優(yōu)質(zhì)教育的數(shù)量，從而滿足人民日益增長的對于優(yōu)質(zhì)教育的需求，避免因家庭社會經(jīng)濟地位造成的高質(zhì)量教育獲得的機會不平等。

* 感謝中國收入分配研究院提供的中國家庭收入調(diào)查（CHIP）數(shù)據(jù)，同時也感謝匿名審稿專家和編輯提出的寶貴意見。