高职教育规模对农村地区减贫的空间溢出效应——基于中国省际面板数据的研究

蔡文伯，赵志强

（1.石河子大学 师范学院，新疆 石河子832000；2.塔里木大学 人文学院，新疆 阿拉尔843300）

一、问题的提出

职业教育作为政府以法律形式规定、社会形式参与、公共资源支持的现代新型教育，具有较强的工具价值。新时代以来，随着第一代利益创造者逐渐老去，贫困代际传递现象在我国逐渐显现。除了经济资本和社会资本，文化资本也是摆脱贫困代际传递的有效途径。大力发展职业教育，可以提高贫困人口的受教育年限和综合素质，为尽快实现“双百大计”注入新动力。我国作为一个典型的二元经济国家，既是一个工业强国，也是一个农业大国。截至2019 年，全国贫困人口已从2012 年的9 899 万人减少至551万人，累计减少9 348 万人，农村恩格尔系数也从39.3%下降到30.0%，脱贫攻坚工作取得了实质性进展。同年3 月，李克强总理在政府工作报告中指出，要改革高等职业院校考试招生办法，鼓励更多应届高中毕业生和退役军人、下岗职工、农民工等报考，并在2020 年大规模扩招100 万人[1]。高等职业教育规模的扩张，使得更多底层贫困人员获得接受教育、提升就业技能的权利。但是，在目前我国普通教育规模过剩的情况下，大力扩张高等职业教育规模，不仅对整个教育系统尤其是职业教育系统的经费投入、人才队伍、硬件设施等具有重要的影响，还将对实现地区脱贫产生巨大冲击。那么，我国高等职业教育规模究竟在多大程度上缓解了农村地区贫困？在减贫工作中是否对相邻省份产生了空间溢出效应？如果有，应该怎样合理调整和完善？这些都是亟需厘清的现实问题之一。

通过对现有文献的梳理发现，国内许多学者对职业教育与区域减贫工作之间的交互关系展开了深入研究。（1）理论研究方面。田北超（1995）认为，我国贫困地区的致贫因素有很多，必须严格保障减贫工作所取得的成效，防止返贫复现。这就需要将民族地区的职业教育与扶贫工作结合起来，通过扩大职业教育办学规模，深化校企合作力度，增强民族地区贫困人口的“造血”功能，加快脱贫致富的步伐[2]。马建富（2006）认为，减贫工作的重点是“用教育扶经济之贫”，要实施教育扶贫就必须扩大职业教育招生规模，增加财政支出力度，给贫困群体更多更好的教育培训机会，从而提高他们的竞争能力[3]。王大江和孙雯雯（2016）也认为，实施职业教育精准扶贫，提升贫困人口职业技能，是实现教育精准扶贫的重要途径，应精准确定职业教育扶贫目标，精准培养职业教育扶贫人员，精准资助职业教育扶贫对象，高效发挥职业教育规模效应[4]。朱爱国和李宁（2016）提出，职业院校在招生对象上应向贫困地区倾斜、向贫困家庭倾斜，扩大贫困家庭孩子进入职业院校学习的机会，开展有针对性的就业、创业培训教育，提升就业、创业本领[5]。房风文和熊伟（2020）认为，职业教育在脱贫攻坚过程中具有不可替代的作用，既可以通过扶志、扶智来提升贫困劳动力个体的人力资本存量，也可以通过扶人、扶物加快贫困区域整体脱贫进度，增强脱贫致富能力[6]。许锋华（2016）则从信息化视角出发，认为民族地区应建构定向模式，培养本土人才，传承与创新民族民间文化，开展“互联网+职业教育”行动，完善职业教育资助政策体系，这些都是民族地区职业教育实施精准扶贫的有效路径[7]。（2）实证研究方面。陈平路和毛家兵（2016）通过搜集2010—2014 年全国扶贫开发建档立卡面板数据信息，经过对资料的汇总分析发现，“雨露计划”显著改善了职业教育就读情况，但在政策制定和实施方面都需进一步改进，以达到全覆盖的政策目标[8]。程华东和刘堃（2017）基于华中农业大学在精准扶贫中的实践工作，通过构建以学生、企业、高校、政府相互作用的四螺旋模型并加以分析，认为最主要的致贫因素是四主体之间的联动失效，提出要做好针对性扶贫规划，加强高校、政府、企业的内外部联动，最终实现共同发展[9]。王善平和蒋亚丽（2018）以全国51 个贫困县7 年的面板数据为基础，进行稳健性检验和空间异质性检验，发现扩大职业教育规模能够降低贫困地区的贫困程度，且效果具有可持续性。但是，职业教育在不同贫困程度环境中有不同表现，地区越贫困，职业教育扶贫的效率就越高。地区经济发展越快，职业教育扶贫的边际效应越明显[10]。邓联秋（2018）则基于2006—2015 年我国29 个省市的面板数据，利用一般固定效应模型和空间杜宾模型对高职教育规模与经济增长进行了实证分析，发现高职教育规模对经济增长存在空间外溢效应，高职教育规模通过促进技术进步、产业结构升级推动了相邻省市的经济增长[11]。张彤和张丽（2019）基于河北省11 个贫困县区的调查数据，分析了农村贫困家庭劳动力接受技能培训的现状及存在的问题。他们认为，教育程度高的劳动力通过培训获得新技能的可能性更高，但参与培训的积极性较低。通过提供培训补助和延长培训时间的方式加大投入，有助于减轻贫困地区学历教育匮乏对技能培训效果的负面影响[12]。陈丽君和林伟婷（2020）基于对1 349 名中高等职业院校贫困生就业质量的比较，分析了贫困生家庭资本、人力资本与就业质量的关系，发现高等职业贫困生的就业质量整体优于中职贫困生，家庭资本中仅社会关系对职校贫困生就业具有影响，人力资本只对高等职业贫困生就业产生影响[13]。

总体来说，已有研究都肯定了职业教育对贫困减缓具有积极的促进作用，且对其进行了多方位、深层次的分析，但仍然存在改善的空间。在研究数据上，个别省份衡量高等职业教育规模的指标数据不完善，导致研究难以开展，基本上是基于区域内较短年份的面板数据或某一年份的截面数据进行研究，无法分析高等职业教育规模的动态变化。在研究方向上，已有研究成果较多侧重于职业教育人力资本、财政支出等方面与区域减贫效应的关联性，对高等职业教育规模的关注度相对较少。在研究方法上，现有文献中大多学者仍然从理论视角对贫困减缓进行研究，没有充分考虑到高等职业教育规模对其他省域的空间溢出效应。鉴于此，本研究以全国30 个省市（除藏、港、澳、台）2006—2018 年的面板数据为样本，对高等职业教育规模与减贫效应的空间相关性展开分析，通过构建空间自相关模型和计量经济模型研究了高等职业教育规模对贫困减缓的直接影响和空间溢出效应，以期为合理确定高等职业教育规模找准方向。

二、研究设计

（一）计量模型的设定

1.空间计量模型。由于各省际之间学生基数不同，在高等职业教育规模上也存在差异性，因此，我们建立了适合本研究所需的空间计量模型，其基本公式为：

其中，i 为地区，t 为时点，ESCit为农村恩格尔系数，SIIit为高等职业教育规模强度，EFAit为农业财政支出强度，RDIit为科研经费投入强度，RIIit为农村居民人均收入，URLit为城镇化水平。

2.空间权重矩阵模型。为客观分析高等职业教育规模与贫困减缓的依赖程度和溢出效应，本研究参照Bavaud（1998）[14]总结的空间权重矩阵构建方法，构建了三种空间权重矩阵，主要包括0-1 邻接权重矩阵、地理距离权重矩阵和经济距离权重矩阵。

（1）0-1 邻接权重矩阵。0-1 邻接权重矩阵依据各省域在地理空间上是否相邻来设定，如果省域之间在地理上存在相邻的边界和交点则定义为1，否则定义为0。其基本公式为：

（2）地理空间权重矩阵。地理空间权重矩阵利用两个地区省会城市之间的经度和纬度计算得到。两个区域间的地理距离越小，则权重越大。其基本公式为：

（3）经济距离权重矩阵。经济距离权重矩阵以两个省域间人均收入水平差的倒数作为经济距离指标。两个省域间的收入差距越小，则权重越大。其基本公式为：

（二）变量选取与平稳性检验

1.变量选取。（1）被解释变量。早在上世纪70 年代，国际组织就直接引用恩格尔系数作为评判某地区贫困或富裕程度的标准。农村恩格尔系数（ESC）是对地区贫困程度的理论表达，是指食品支出总额占个人消费支出总额的比重。一个地区贫困程度越高，个人的平均收入中用于购买食物的支出所占比例就越大，可以明显地代表地区的贫困程度。鉴于此，本研究借鉴崔金平（2018）[15]和郭君平（2017）[16]等人的做法，选取农村恩格尔系数作为衡量地区贫困的代理变量。（2）解释变量。高等职业教育规模主要包括教师队伍、学生人数、占地面积等，本研究基于国家扩大院校学生规模的现实情况，主要针对高职学生展开深入调查，为此，高等职业教育规模强度（SII）选用高等职业在校生数与高等教育总人数之比来衡量。（3）控制变量。通过对已有研究进行梳理发现，农业财政支出、农村人均可支配收入、区域城镇化水平均对减缓地区贫困有着直接作用，为此，选取这三个变量作为控制变量。其中，农业财政支出强度（EFA）用农业财政支出与财政总支出之比表示，农村居民人均收入（RII）用农村居民人均可支配收入表示，地区城镇化水平（URL）用城镇人口数与总人口数之比表示，科研经费投入强度（RDI）用地区科研经费投入与财政总支出之比表示。具体的变量定义如表1 所示。

表1 变量定义

2.数据来源。由于西藏的核心数据不完善，且港澳台地区的统计口径有所不同，为此，本研究以2006—2018 年30 个省（直辖市、自治区）的农村恩格尔系数（ESC）、高等职业教育规模强度（SII）、农业财政支出强度（EFA）、科研经费投入强度（RDI）、农村居民人均收入（RII）和城镇化水平（URL）作为平衡面板数据集。所有原始数据均选自于2006—2018年《中国统计年鉴》《中国科技统计年鉴》《中国农村统计年鉴》。表2 报告了各变量的描述性统计结果。统计数据显示，农村恩格尔系数的平均值仅为0.375，且面板数据波动较小，说明农村地区贫困现状较为普遍。高等职业教育规模强度的平均值为0.406，且动态数据的波动范围较大，说明高等职业教育规模强度整体不均衡，需要持续扩大贫困地区或规模较小地区的学生规模。

表2 变量的描述性统计

3.平稳性检验。动态数据的平稳性是进行计量分析的基础，只有动态数据通过平稳性要求时，运用计量方法进行分析才算有效。本研究采用LLC 检验法对数据是否存在单位根进行检验，该方法允许存在不同截距、时间趋势、异方差、高阶序列相关，且适合于中等维度的面板单位根检验，因此具有较强的科学性、合理性[17]。分析结果如表3 所示，各变量LLC检验结果的偏差校正t*统计量均为负数，且均通过了5%水平的显著性检验，说明动态面板数据是平稳发展的，可以在此基础上建立空间面板回归模型。

表3 单位根LLC 检验

三、高等职业教育规模对贫困减缓的空间计量分析

（一）全局空间自相关检验

进行空间自相关检验的目的主要是为了探究相邻省份之间是否存在关联指数，从而在减贫工作中形成省域之间的辐射带动作用，目前学术界较为流行的空间自相关检验是Moran’s I 指数。其计算公式为：

式中，xi表示第i 省份的数据值，n 为省份总数，为样本方差，wij为处于i 行j 列的空间权重矩阵。一般而言，两省份的Moran’s I 指数越接近1 表示正相关相邻程度越高，越接近-1 表示负相关相邻程度越高，接近0 表示两省份不存在相关性，其绝对值越接近1 说明相关性越强。为此，本研究运用stata16.0 软件对2006—2018 年省域高等职业教育规模与农村恩格尔系数进行空间自相关检验。

表4 两变量的全局莫兰指数检验

由表4 可以看出，2006—2018 年高等职业教育规模指数的三种空间权重系数均为正值，且通过了10%水平的显著性检验。仅从0-1 邻接权重看，2008—2014 年高等职业教育规模指数一直处于下降状态，随后又逆势反弹，在2018 年达到最佳状态。农村恩格尔系数指数在三种空间权重中也以正值居多，且均呈现出不同程度的下降趋势，仅在经济距离权重中存在少数负值和不显著现象。总体说明，各省高等职业教育规模和农村地区减贫工作存在密切联系，某一省份高等职业教育规模的扩张和农村地区的脱贫会对周边省份产生积极影响。

（二）局域空间自相关检验

全局空间自相关只能显示考察期内每一年我国高等职业教育规模和地区贫困程度的关联程度，不能显示出具体某个省份的空间集聚程度。莫兰散点图则是用散点的形式描述变量与空间滞后向量间的相互关系[18]。为了更加清晰地呈现不同省域的空间异质性，本文绘制了2006 年和2018 年两个时间点的局域莫兰散点图进行可视化分析（限于篇幅，在此仅展示0-1 邻接权重的分析结果）。局域莫兰散点图的四个象限分别表示不同的集聚程度，第一象限表示“高高”集聚状态，第二象限表示“低高”集聚状态，第三象限表示“低低”集聚状态，第四象限表示“高低”集聚状态。其中，第一象限和第三象限为空间正相关关系，第二象限和第四象限为空间负相关关系。

如图1 所示，就省域农村恩格尔系数而言，2006 年和2018 年的局部莫兰指数分别为0.648 和0.338，再次验证了我国省域农村恩格尔系数存在空间正相关关系。2006 年落在第一象限和第三象限的省份居多，且各省份之间的空间相关性较强，整体分布较为集中。2018 年落在第一象限和第三象限的省份有所减少，且空间分布较为分散。在第一象限和第三象限，东部地区占比较高，而落在第二象限和第四象限的多为陕西、新疆、湖北等中西部省份，表明我国整体区域贫困差距仍然较大，在空间分布上呈现出非均衡特征。如图2 所示，在省域高等职业教育规模方面，2006 年和2018 年的局部莫兰指数分别为0.248 和0.243，同样验证了我国省域高等职业教育规模存在正向的空间自相关关系。2006 年落在第一象限和第三象限的省份居多，但各省份之间的空间相关性较弱，整体分布较为分散。但在2018 年，大多数省份集中在第一象限，仅有部分省份集中在第二、第三和第四象限，且空间分布较为集中。这说明，我国省域高等职业教育规模具有较强的正相关关系，但其空间溢出效应未能得到充分发挥。总体来看，全局空间自相关与局域空间自相关基本保持一致，均呈现出“高高”和“低低”集聚状态，但不同区域之间仍然存在较大的空间差异，需要做进一步分析。

图1 2006 年和2018 年省域农村恩格尔系数的莫兰散点图

图2 2006 年和2018 年省域高职教育规模的莫兰散点图

（三）空间面板模型的设定

上世纪国外学者通常运用马尔科夫链卡罗模型进行面板数据分析，该模型虽然减少了遗漏变量带来的偏误，并通过增加控制变量提高了分析的精准度，但由于忽略了空间权重的差异性而逐渐被学术界所淘汰[19]。近年来，在空间计量问题的研究文献中，最常使用的是空间杜宾模型（SDM）、空间滞后模型（SAR）和空间误差模型（SEM）。本研究在已有研究的基础上，建立了三种空间计量模型。

（1）空间滞后模型（SAR），具体公式为：

（2）空间误差模型（SEM），具体公式为：

（3）空间杜宾模型（SDM），具体公式为：

（四）空间计量模型的构建

相对于空间滞后模型和空间误差模型而言，空间杜宾模型更具实用性，不仅能够有效反映解释变量对被解释变量的直接影响，还能反映其产生的空间溢出效应。因此，需要利用Elhorst（2014）[20]提出的三步法对数据进行霍夫曼（Hausman）检验、似然比率（LR）检验和沃尔德（Wald）检验。通过表5 可以发现，霍夫曼检验的统计量在0-1 邻接权重和经济距离权重中分别为38.17 和20.68，均通过了1%水平的显著性检验，在地理距离权重中系数为-10.40，适合采用固定效应模型。似然比率检验和沃尔德检验的统计量均为正值，且在5%的水平上拒绝原假设，说明空间杜宾模型不能退化为空间滞后模型和空间误差模型。因此，本研究运用空间杜宾模型的固定效应对面板数据做进一步讨论。

表5 LR 检验、Wald 检验与Hausman 检验

（五）实证结果分析

通过运用空间杜宾模型进行分析（结果如表6所示），发现在空间计量模型中，不论是基于哪种权重矩阵，空间计量模型的拟合优度都超过了0.836，表明估计结果较优。空间滞后参数在三种权重矩阵下分别为0.450、0.350、0.359，且均通过了1%水平的显著性检验，说明高等职业教育规模对不同省份的贫困减缓具有明显的直接影响和空间溢出效应。高等职业教育规模在地理距离权重矩阵和经济距离权重矩阵中的系数分别为-0.085、-0.118，且均通过了10%水平的显著性检验。在0-1 邻接权重中的系数为-0.046，未通过显著性检验。这说明，高等职业教育规模对贫困减缓具有明显的促进作用，高等职业教育规模的不断扩大可以让更多贫困群体有机会接受职业教育，提升自身的择业竞争力。此外，高等职业教育规模强度在经济距离权重矩阵中的溢出效应（-0.118）要明显大于地理距离权重矩阵（-0.085），且统计学意义上的显著性更强，说明高等职业教育规模在经济空间关联模式下溢出效应更强。

农业财政支出强度在三种权重中的系数都显著为正，且通过了5%水平的显著性检验，表明农业财政支出强度的增加，不仅不能有效减缓地区贫困，还会加剧减贫工作中的资金浪费，占用大量的资金资源。农村人均收入的三种权重系数分别为0.024、-0.082、-0.084，且后两者通过了1%水平的显著性检验，说明农村人均收入对农村地区减贫有一定的正向作用。城镇化水平的三种权重系数均为负数，且通过了1%水平的显著性检验，说明城镇化水平的提升能够有效推动减贫工作。其中，经济距离权重矩阵的溢出效应（-0.391）高于0-1 邻接权重矩阵（-0.384）和地理距离空间权重矩阵（-0.375），表明经济关联相近的地区影响程度更大。科研经费投入强度的估计系数分别为2.389、2.458、2.244，且均通过了1%水平的显著性检验，说明科研经费投入强度对农村地区减贫有一定的负向作用，各省在对科研经费投入过程中可能存在管理效率低下的问题，达不到合理的减贫效果。

表6 空间杜宾模型固定效应的估计结果

（续表6）

由于地区经济发展的不均衡性，高等职业教育规模对地区减贫的影响也将有所差异，有必要对不同地区进行分别研究。如表7 显示，在三种权重矩阵中，东部、中部和西部地区的高等职业教育规模回归系数均为负值，且中部地区的减贫效应最为明显，高等职业教育规模每提升1%，地区贫困发生率便下降0.392%。东部地区的减贫效应次之，西部地区的减贫效应最弱。这是因为中部地区经济发展水平较低，随着高等职业教育规模的不断扩大，大量的技能型人才涌入，为地区经济快速发展和产业转型升级创造了条件，相当一部分贫困人口通过职业教育摆脱贫困，有效阻断了贫困的代际传递。东部地区高等职业教育规模不断扩张，其减贫效果并不明显。一部分原因是由于东部地区贫困人口的基数较小，在不断扩大受教育群体的过程中，只能解决少部分人贫困，而更为主要的目的是实现地区群众的共同富裕。另一部分原因是东部地区对技能型人才的要求较高，且积攒了大量外来人才，使得一部分人因技术不过关而被“拒之门外”，加剧了地区贫困现象。西部地区作为贫困地区最密集的省份，减贫效应却表现最差，究其原因可能在于，政府部门对西部地区宏观调控力度仍然较大，在现有经济发展的基础上，由于得不到持续的、前沿化的外部力量支持，内部的潜在优势又得不到较好的激发，因而使西部地区经济发展的后劲不足，不能很好地实现地区脱贫。

在控制变量中，东部、中部和西部地区农业财政支出和科研经费支出的减贫效应相对一致，仅在西部地区存在减贫效果，但均不显著，从而初步验证了在上文中所分析的结果。这说明西部地区因区位劣势、经济基础等因素，仍然需要地方政府的宏观调控，但现阶段，其脱贫目标不仅仅是整体脱贫，而是精准脱贫、精神脱贫。要不断调整对教育、财政、设备、税收等方面的支援力度，帮助西部地区努力融入“一带一路”战略，加强与边境国家的贸易往来，并适当缩减农业财政支出在减贫工作中所扮演的角色，待到减贫效果初显成效时，可以对个别非关键性环节进行适当松绑，以实现地区经济的快速发展。

表7 空间杜宾模型固定效应的估计结果（分地区）

（六）空间溢出效应的分解

省域内的高等职业教育规模扩张与省域间的贫困减缓存在交互作用，解释变量的估计值除了包含解释变量对被解释变量的直接效应外，还包含间接的“反馈效应”（Feedback Effects）[21]，不能简单地用权重系数解释省域减贫效应。通过表8 可以看出，三种权重矩阵中不显著的空间滞后项系数较多，且不稳定。为此，本研究通过Lesage 和Pace（2009）[22]提出的实证方法进一步将高等职业教育规模对贫困减缓的作用分解为直接影响和空间溢出效应。

高等职业教育规模对农村地区减贫的直接影响在三种权重矩阵中系数分别为-0.071、-0.140 和-0.145，说明随着高等职业教育规模的不断扩张，吸引了更多贫困群体接受职业教育，在一定程度上保障了区域内技术型人才的供给，加速了贫困地区的脱贫进程。高等职业教育规模的空间溢出效应在三种权重矩阵中系数分别为-0.345、-0.291 和-0.402，且均通过了5%水平的显著性检验，说明高等职业教育规模的扩大对周边地区的减贫工作较为有利。原因可能在于，经济基础较好的省份拥有优质的高等职业教育资源，并与周边高等职业院校形成了一种协同发展关系。高等职业教育规模在三种权重矩阵中的总效应系数分别为-0.417、-0.395 和-0.546，且均通过了1%水平的显著性检验，说明虽然扩大高等职业教育规模在某些方面的减贫效果并不显著，但整体来说有着积极的正向作用，各省份要持续扩大高等职业教育规模，为农村地区精准脱贫提供源源不断的智力支持。

在控制变量的直接影响和空间溢出效应中，农业财政支出强度和科研经费投入强度的三种权重系数以正值居多，说明这两个变量对贫困减缓具有消极的负向作用。随着我国经济发展进入新阶段，农村地区的贫困状况已经有了明显改观，农业财政支出和科研经费投入的减贫效应逐渐处于边际递减状态，各地区应根据自身的实际需求，适当将效果不明朗的支出转移到高等职业教育上。农村人均收入和城镇化水平的三种权重系数以负值居多，说明其对贫困减缓具有积极的正向作用。但是，由于部分省份发展过快，对周围省份的人才、资源等生产要素产生了“虹吸效应”，抵消了所产生的正向溢出效应，因此加剧了周边地区的贫困程度。

表8 空间杜宾模型空间溢出效应的分解

为了更好地分析高等职业教育规模对农村地区减贫的空间异质性，我们分别将三种空间权重的溢出效应分解为东部、中部和西部地区，结果如表9 所示。通过高等职业教育规模和城镇化水平的回归系数可以看出，在不同地区存在不同程度的减贫效应，不断扩大高等职业教育规模对三大地区的减贫工作均有促进作用。但是，在地理距离权重和经济距离权重中，东部地区个别省份的城镇化水平对地区减贫效应存在阻碍作用，说明东部地区经济发展已然进入了新常态，城镇化面积的扩张已经不能成为地区减贫的重要方式，一味扩张不仅造成了大量财政资源的浪费，而且加剧了城镇发展的“空心化”局面。各省份要在不断提高城镇化水平的同时，吸引高新技术企业入驻，为其提供更多的就业岗位，最终实现人人就业、人人脱贫的良好局面。科研经费支出的分析结果与前文相似，整体而言，科研经费的大量投入会加剧地区的贫困现象。但是，在三种空间权重中，西部地区科研经费投入的回归系数以负值居多，说明西部地区科研技术发展落后，通过东部地区科技、人才、资源等方面的共享，吸引了一大批高新技术企业进入，为西部地区经济的长远发展注入了新活力。东部地区目前存在科研成果创新不足、成果转化效率偏低等问题，需要不断完善科技创新体系，加强科技创新投入力度，着力培养科技创新主体，推动地区经济高质量发展。可以说，谁掌握了科技创新的制高点，谁就有可能在未来的经济发展中胜出。

表9 东、中、西部地区空间溢出效应的分解

（七）内生性处理

在本研究中，农村恩格尔系数作为农村减贫的代理变量进行了多元分析，也得出了相应结论。但是，由于影响农村恩格尔系数的因素较多，因此，虽然控制了农业财政支出强度、科研经费投入强度、农村居民人均收入和城镇化水平，但仍然可能存在内生性问题。对此，我们将采用工具变量法（IV）进行处理，选取高等职业教育规模的滞后项作为核心工具变量进行实证检验，回归结果如表10 所示。结果显示，高等职业教育规模的扩张、农村人均收入的提高、城镇化水平的提升、科研经费投入的增加导致农村恩格尔系数下降趋势依然强劲，有利于农村地区脱贫工作的顺利开展。

表10 工具变量法的回归结果

四、研究结论与对策建议

（一）研究结论

高等职业教育因具有较强的工具价值，能够帮助贫困人口摆脱贫困，因此受到了普遍关注。总的来看，已有研究肯定了职业教育对贫困减缓的影响，且提出了一系列具体有效的措施，但大多数研究侧重于职业教育财政支出、人才队伍、软硬件设备等与地区减贫的关联性，对高等职业教育规模的关注相对较少。此外，多数学者以独立视角对贫困减缓进行了研究，没有充分考虑到本地区高等职业教育规模对相近地区的空间溢出效应。为此，本文结合我国高等职业教育规模扩张的背景，有针对性地研究了高等职业教育规模扩张对本地区和相邻地区减贫效果的影响，具有重要的现实意义。

本文以空间计量经济学为视角，选取2006—2018 年我国30 个省（直辖市、自治区）的面板数据，通过构建空间自回归模型和空间杜宾模型分析了高等职业教育规模对农村地区减贫的空间溢出效应，得出了三方面的结论。（1）高等职业教育规模与贫困减缓具有明显的空间自相关性，且省域之间呈现出“高高”和“低低”集聚的空间分布特征。（2）在三种空间权重下，高等职业教育规模对农村地区减贫的直接影响系数均为负值，说明扩大高等职业教育招生规模对各省减贫工作起到了积极的促进作用。高等职业教育规模的空间溢出系数在5%的水平下均显著为负，且经济距离权重系数最佳，说明在经济关联模式下，高等职业教育规模对周边地区的减贫效果较好。（3）在控制变量中，农业财政支出和科研经费投入的大部分权重系数显著为正，说明在农村地区，其在减贫方面的作用尚未得到应有发挥，潜能需要进一步释放。农村人均收入和城镇化水平的权重系数以负值居多，说明劳动密集程度较高的城市群模式有助于提高农民收入，加速地区脱贫进程。

（二）对策建议

第一，高等职业教育规模对农村地区减贫有着实质性影响。这给我们的启示是，可以建立以高等职业教育规模集聚为主导的脱贫道路，通过发展高等职业教育提升地区脱贫能力。然而，高等职业教育扩招不能搞“一刀切”，如果供需不均衡可能会出现就业难和招工难的结构性问题。在现行的扩招背景下，要着重扩大对贫困地区和民族地区的招生力度，建立专项职业教育资助体系，以鼓励贫困家庭将子女送到职业院校就读，并加强政府部门、高等职业院校、企业之间的沟通与合作，为地区经济高质量发展注入活力。

第二，高等职业教育规模对于农村地区减贫具有明显的空间溢出效应，且经济距离权重下效果更明显。因此，各省主管部门应打破固有的“本位主义”的教育理念，深入调研和开发高等职业教育的办学优势，加强区域间合作，按照因地制宜、因校施策的工作原则壮大高等职业教育规模，持续发力加快贫困地区的脱贫步伐。此外，要充分体现学校教育的主流作用。贫困学生是贫困地区最密集的流动人口，是贫困家庭接触外部世界的主力军，要努力转变贫困学生对职业教育的刻板印象，通过产教融合、订单式培养等形式，使贫困学生认识、了解职业教育的工具价值，从内心认可职业教育。

第三，“标准不降”是高等职业教育扩招的基本要求，也是职业教育高质量发展的底线[23]。高等职业教育的发展要充分考虑各省的人口基数和教育资源情况，协调好教育规模和教育质量之间的关系。各省要在扩大高等职业教育规模的基础上，提升高等职业教育质量，鼓励高等职业院校打造“金课”，激发职业教育活力，使其不仅服务于农村地区的减贫，更服务于现代高新产业的发展，构建多元、协调、高效的高等职业教育中心。

第四，城镇化水平对农村地区减贫具有显著的空间溢出效应，表明现阶段各省城镇化发展的空间联系较为紧密。因此，应将城镇化发展的空间相关性纳入到政府减贫工作中，逐步打破行政区划界线，依据外在地理特征和内在经济规律，加强各省份之间的经济联动，特别是深化与东部对口支援学校的合作，将东部发达地区的先进教学经验、技能人才、硬件设备等引进到中西部贫困地区，努力实现优质资源共享，打造职业教育联合扶贫的新形式。

第五，随着我国经济的快速发展，农业财政支出和科研经费投入对农村地区的减贫效应逐渐处于边际递减状态。政府应关注不同减贫措施的时效性，在发挥其正外部性的基础上，向规模效应强的省份投入更多的资金支持，以弥补农业财政支出和科研经费投入效率低下所造成的经济损失。同时，应鼓励和引导外部资金通过技术入股、设备投资等形式流向高等职业教育，加强与市场之间的交流合作力度，最大限度地实现高职学生的精准择业与精准就业。

总体而言，本文主要探讨了高等职业教育规模对农村地区减贫的直接影响和空间溢出效应。虽然得到了一些有价值的结论，但仍存在诸多不足之处，主要体现在本研究仅从高等职业教育规模出发进行了探讨，对高等职业教育层次、教育质量和教育效率等方面未做充分考虑，这是今后需要继续探究的主要方向。