家庭教育支出是否有助于农户脱离相对贫困？——基于CFPS2018数据的实证研究

杨 霞， 黄诗盈， 彭 澎

(1. 南京师范大学 教师教育学院，南京 210097; 2.南京农业大学 金融学院，南京 210095)

一、引言

自改革开放以来，中国不仅实现了可持续的经济增长，而且在反贫困方面取得了史无前例的成就(World Bank，2018)[1]。截至2020年，中国现行标准下的农村贫困人口全部脱贫，贫困县全部摘帽，贫困村也全部出列。然而，上述成就并不意味着扶贫工作已经结束，解决相对贫困问题将成为2020年后中国贫困治理的重中之重。作为一种社会包容的概念，相对贫困是指在特定的社会生产方式和生活方式下，个人或家庭所拥有的资源虽然可以维持基本的生存性需求，但是无法满足当地认为的其他基本生活需求，通常只能维持远低于社会平均生活水平的状况(梅建明、秦颖，2005；邢成举、李小云，2019；周力，2020)[2-4]。如何帮助农户摆脱或远离相对贫困是一个亟待研究的问题。

作为人力资本的核心因素，教育一直被学界和政界视为反贫困的重要政策手段之一。从宏观层面而言，政府对于教育的财政投入有助于减缓贫困，改善农户的代际贫困问题(Tridico，2010；周波、苏佳，2012；张俊良等，2019)[5-7]。并且，相较于贫困深度，其在缓解贫困广度方面的作用更加突出。但是，当经济发展到一定水平后，教育扶贫需要和其他政策工具相结合才能发挥更大的效力(Jiao & Wang，2014；林迪珊等，2016)[8-9]。从微观层面而言，家庭成员的受教育水平越高，农户越容易脱离贫困(苏静等，2019；贾玮等，2021)[10-11]。因为受教育水平的提高有助于农户积累异质性资本，拓宽就业的范围、提高就业的质量，从而向更高收入阶层流动(李玲等，2019；赵红霞、王文凤，2019)[12-13]。家庭成员的受教育类型也会影响农户的贫困状况。义务教育最有助于农户脱贫(沈华、刘梅，2019)[14]；而在高中教育中，职业高中教育的减贫效应又要强于普通高中教育(李强谊等，2019)[15]。此外，家庭的教育支出也可以通过人力资本的积累等渠道来降低农户的贫困脆弱性(Woessmann，2016；斯丽娟，2019；肖攀等，2020)[16-18]。

尽管现有文献对于教育的减贫效应已有不少研究，但学者们关注的多是绝对贫困。与绝对贫困研究相比，相对贫困更加强调收入的相对匮乏，其内核并不尽然是贫困的本质，而目前关于教育影响农村相对贫困的研究还不多见。同时，在有关教育减贫效应的研究中，关于家庭教育支出的文章也鲜见(肖攀等，2020)[18]。即使有，关注的也是家庭教育支出总量对贫困的影响，较少涉及家庭教育支出的结构。事实上，家庭教育支出对于农户贫困状况的影响是不确定的，因为较高的教育支出也有可能使得农户陷入“因教致贫”的状态(斯丽娟，2019)[17]。因此，关于家庭教育支出会如何影响农户相对贫困还有待进一步研究。

本文将利用中国家庭追踪调查(China Family Panel Studies，后文简称CFPS)2018年的调查数据，实证研究家庭教育支出对农户相对贫困的影响。可能的边际贡献在于：第一，揭示家庭教育支出对农户相对贫困的影响与作用机制，拓展关于教育的福利评估范围。之前在微观层面有关教育扶贫，尤其是家庭教育支出方面的研究多围绕着绝对贫困或者贫困脆弱性等展开，未充分考虑中国农村贫困的性质正在逐步变化的实际情况。第二，综合考虑家庭教育支出的规模和结构对农户相对贫困的影响，比较了不同类型教育支出的潜在差别，在研究视角上有一定创新。

二、影响机制分析

首先，家庭教育支出将有助于农户积累人力资本和社会资本。一方面，对于受教育水平偏低的农户而言，人力资本不足是其长期贫困的主要原因之一(梁凡、朱玉春，2018)[19]。因为人力资本在一定程度上反映了农户生产和创造价值的能力，是实现收入增长的主要驱动因素(斯丽娟，2019)[17]。家庭教育支出的提高将使得农户的部分家庭成员，尤其是正在上学的子女掌握更加丰富的知识和技能，从而积累人力资本。另一方面，资本之间不是完全独立的，家庭教育支出对人力资本的积累作用也会对其他资本形成传导作用(斯丽娟，2019)[17]。一旦家庭成员进入劳动力市场后，农户将有可能获得更多来自他人的支持和帮助，通过丰富自己的社会网络来积累社会资本。

其次，人力资本和社会资本的积累将有助于农户实现非农就业转移或者扩大农业经营规模，从而脱离相对贫困。就非农就业而言，农户可以将通过家庭教育支出所获得的人力资本和社会资本作为原始的要素积累，提高信息可得性和识别非农就业机会的能力，获取非农就业所必需的资源，从而实现非农就业转移(都阳，1999)[20]。由于非农就业比传统的“小农”经营的回报率更高(栾江等，2014)[21]，它将有助于农户提高收入增长率，并最终脱离相对贫困(周力、邵俊杰，2020)[22]。就农业生产经营而言，家庭教育支出将有助于农户获取生产要素和提高规模经营水平。一方面，社会资本的积累使得农户更有可能成功转入土地并雇佣到高质量的劳动力，因为获取这些生产要素都离不开“关系”的维系(陈浩、王佳，2016)[23]。另一方面，人力资本的积累使得农户可以更好地掌握规模化“种地”的技能，特别是在新要素和新品种的使用方面。因此，家庭教育支出的提高也将有助于农户扩大农业经营规模，从而脱离相对贫困。据此，本文提出假说：

H1：家庭教育支出有助于农户脱离相对贫困。

H1a：家庭教育支出通过实现非农就业转移来促进农户脱离相对贫困。

H1b：家庭教育支出通过扩大农业经营规模来促进农户脱离相对贫困。

如果家庭教育支出真的有助于农户脱离相对贫困，那么是学校教育支出还是校外教育支出在发挥作用呢？本文认为两者应当都有明显的效果，但后者的作用可能略大一些。因为相比城市地区，我国农村地区的校外教育市场化程度较低、市场规模也较小。在这种情况下，适当的校外教育有助于子女和家长获得更加有针对性的指导，提高自身的社会资本和人力资本，从而通过促进非农就业和农业规模经营来脱离相对贫困。相较之下，学校教育属于基础性教育，因此尽管其也能明显缓解农户的相对贫困，但作用可能略小一些。据此，本文提出假说：

H2：学校教育支出和校外教育支出都有助于农户脱离相对贫困，且后者的作用略大。

三、数据来源与实证研究策略

(一)数据来源

本文的数据来源于北京大学中国社会科学中心开展的中国家庭追踪调查(CFPS)。它对中国内地除青海、宁夏、内蒙古、西藏、海南、新疆外的25个省(自治区、直辖市)的众多家庭进行了多期跟踪调查。调查内容包括了这些家庭的收入与支出、生活条件，每位成年家庭成员的教育、健康、工作，以及每位少儿家庭成员的日常生活、教育培训等情况。调查时间始于2010年，之后每2年进行一次跟踪，目前已经对外公布了2010、2012、2014、2016、2018年共5期的完整调查数据。

本文使用的是2018年的调查数据。结合本文的研究目标，首先剔除了居住地为城市的样本；然后在居住地为农村的样本中，剔除没有子女上学的样本以及重要信息有缺失的样本，最终共得到有子女上学且信息完整的农户样本2664户。

(二)变量设置

1.被解释变量

目前学者们识别相对贫困的常见方法有三种。一是按照居民收入的中位数或者平均值的一定比例来设定相对贫困的门槛标准(陈宗胜等，2013；孙久文、夏添，2019)[24-25]。多数国家在现实中也是这样操作的。二是构建多维相对贫困标准，因为只用收入来识别相对贫困可能无法完全反映“困”的内涵(王小林、冯鹤霞，2020；贾玮等，2021)[26，11]。三是设定弱相对贫困线。该方法考虑了居民的社会融入成本(1)社会融入成本是指能够确保家庭有尊严地参与通常的社会经济活动所需要的商品支出(Bourguignon & Atkinson，2000)[27]。，由Ravallion和Chen提出(2011、2019)[28-29]。和第一种方法相比，它同时对收入增长背后个体社会资源的差异进行了度量，充分体现了“相对”二字的内涵。和第二种方法相比，它在避免了单一收入维度缺陷的同时，也尽可能简化了计算的复杂程度(胡联等，2021)[30]。本文也将采用该方法来识别相对贫困。

根据Ravallion和Chen(2011)[28]的研究，假定I=(I1，I2，…，In)是按照收入由低到高排序的序列，则弱相对贫困线可以表示为：

(1)

综上所述，本文的弱相对贫困线公式为ZCWRPL=max(2995，508+50%×Imediam)，单位为元/年。由于样本农户2018年的人均纯收入中位数为10000元，本文实际使用的弱相对贫困标准为5508元。若某户2018年的人均纯收入小于等于5508元，则认定其为相对贫困。

2.核心解释变量

本文的核心解释变量为家庭教育支出。借鉴肖攀等(2020)[18]，同时通过规模和结构来反映：一是接受学校教育付出的费用，包括学杂费、书本费、文具费、食宿费、交通费等；二是接受校外教育付出的费用，包括补习班费、家教费、课外活动费等。

本文分别以两类费用的金额来反映家庭教育支出的结构，对应的变量为学校教育支出(Schoolfee)和校外教育支出(Outfee)；两类费用之和表示家庭的教育支出规模，对应的变量为家庭教育支出(Educationfee)。另外，为避免估计系数过小，取值均为对数。

3.中介机制变量

为了分析家庭教育支出影响农户相对贫困的机制，本文引入了两个中介变量：非农就业(Nonagr)和农业经营规模(Landrent)。其中，前者用农户是否有家庭成员从事非农工作来表示，为虚拟变量。非农工作包含私营企业、个体工商户、其他自雇和非农受雇等。对于后者，本文用农户当年为转入土地所支付的总租金(元)来表示，该变量也将经过对数化处理。以其来表示农业经营规模是因为中国农村仍然是以小农户为主，土地非常细碎化(3)根据对国家统计局的相关数据进行测算，2018年中国的户均耕地面积仅为0.3公顷/户。，所以农户主动转入土地意味着其扩大了农业生产经营的规模(杨子等，2019)[34]。并且，为转入土地支付的总租金越多，农户的经营规模可能也就越大。由于扩大农业经营规模只适用于有从事农业生产的农户，后文在对该机制进行检验时将不再使用全部样本，而是只使用其中有从事农业生产的1901户样本。

4.工具变量

本文还为核心解释变量家庭教育支出(Educationfee)引入工具变量“本村除自己外其他农户的平均家庭教育支出”。对于变量学校教育支出(Schoolfee)和校外教育支出(Outfee)，也分别采用同样的方法引入工具变量，且均取对数值。

这样选择工具变量的原因有二。第一，本村除自己外其他农户的家庭教育支出情况应当会影响自家的教育投入，弱工具变量检验的F值都大于10(见表8)。第二，当控制住可能会影响被解释变量的主要因素后，该变量和残差项的关系较小，应当满足外生性要求。

本文还依次放入户主特征、家庭人口结构特征、家庭资产负债特征和地区特征变量作为控制变量。因为CFPS问卷没有专门确认户主身份，所以本文借鉴董晓林等(2019)[35]的研究，以问卷中的“财务回答人”来识别户主。所有变量的名称和度量方法等如表1所示。

表1 变量说明

(三)计量经济模型

1.主回归模型

为了研究家庭教育支出的规模和结构对农户相对贫困的影响，本文构建如(2)和(3)所示的probit模型：

Prob(Repoverty=1)=Φ(α0+α1Educationfee+α2Z+α3Region*+ε)

(2)

Prob(Repoverty=1)=Φ(β0+β1Schoolfee+β2Outfee+β3Z+β4Region*+η)

(3)

其中，Z为控制变量，ε和η分别为干扰项。其余变量的含义如表1所示。

2.中介效应模型

本文还将通过中介效应回归，识别农户的家庭教育支出影响其相对贫困状况的机制。以非农就业转移机制为例，除已有的模型(2)外，其余模型如下所示：

Prob(Nonagr=1)=Φ(γ0+γ1Educationfee+γ2Z+γ3Region*+μ)

(4)

Prob(Repoverty=1)=Φ(λ0+λ1Educationfee+λ2Nonagr+λ3Z+λ4Region*+φ)

(5)

其中，μ和φ分别为干扰项。如若系数α1、γ1、λ2均显著，且系数λ1比α1小或显著程度更低，那么非农就业转移机制就应当存在。

四、实证结果报告与分析

(一)描述性统计

表2展示了不同相对贫困状态下农户的家庭教育支出规模、结构及其他特征差异。相对贫困农户约占样本的四分之一，这部分农户的家庭教育支出、学校教育支出和校外教育支出都明显小于非相对贫困农户。同时，与相对贫困农户相比，非相对贫困农户更有可能进行非农就业或扩大农业经营规模，他们在对应变量上的均值都要更高。这初步反映出，家庭教育支出的规模和结构会影响农户的相对贫困状态，并且是通过非农就业转移和农业经营规模来影响的。

表2 不同相对贫困状态下农户的特征差异比较

(二)主回归结果

表3展示了家庭教育支出影响农户相对贫困的probit模型的估计结果。第(1)列反映家庭教育支出规模的影响，第(2)列反映家庭教育支出结构的影响。在(1)列中，家庭教育支出在1%的水平上负向显著。经对数处理过的家庭教育支出每增加1个单位，农户陷入相对贫困的概率会降低0.7%，说明家庭教育支出有助于农户脱离相对贫困。在(2)列中，学校教育支出和校外教育支出分别在10%和5%的水平上负向显著，且后者的估计系数和边际效应的绝对值都略大于前者。校内外教育支出都有助于避免农户陷入相对贫困，且适当的校外教育支出的作用更大。

表3 家庭教育支出影响农户相对贫困的主回归估计结果

户主年龄和抚养比在1%的水平上正向显著，户主受教育年限和人均住房面积在1%的水平上负向显著。户主年龄较高的家庭，尤其是老年人家庭，往往生产经营的规模较小，更难成为当地的高收入农户。抚养比越高，农户的抚养负担越重，也就越容易陷入相对贫困中。受教育水平高的农户更有可能利用所掌握的知识进行非农就业或者农业规模经营，从而脱离相对贫困。人均住房面积较高的农户家庭通常更富裕，更不容易陷入相对贫困中。

户主健康状况、家庭规模、正规信贷和非正规借贷也分别在不同的水平上通过了显著性检验。户主通常是家庭的财务决策人和主要劳动力，如果其健康状况不好，那么农户自身抵御风险的能力会较弱，也更容易陷入相对贫困。能获得正规信贷的农户一般有充足的抵押担保，因此属于相对贫困群体的概率较低。相较之下，频繁向亲戚朋友借款的农户原本自身抵御风险的能力就较弱，如果其家庭成员数量多、抚养负担重，那么就更容易陷入相对贫困中。

(三)影响机制回归结果

表4和5为家庭教育支出影响农户相对贫困的机制检验结果。其中，表4为非农就业转移机制的中介效应，表5为扩大农业经营规模机制的中介效应。

表4 非农就业转移机制的检验结果

表5 扩大农业经营规模机制的检验结果

无论是何种机制，家庭教育支出都对其有显著的正向影响。同时，主回归在放入中介变量后，核心变量家庭教育支出的系数变小，中介变量的系数也显著。

(四)稳健性检验结果

借鉴邢成举和李小云(2019)[3]、孙久文和夏添(2019)[25]的研究，本文还将以样本农户人均纯收入中位数的50%作为相对贫困线，完成稳健性检验。

其中，在计算家庭规模时，有两种算法。第一种是借鉴欧盟的经验，计算“等效家庭规模”。对第一个14岁及以上的成员赋予权重1.0，对之后的14岁及以上的成员依次赋予权重0.5，对14岁以下的成员依次赋予权重0.3；然后将所有的权重相加得到“等效家庭规模”；再用这一户的纯收入除之计算出人均纯收入。该方法可以充分反映家庭规模和结构的差异(周力、邵俊杰，2020)[22]。第二种是不加权直接用家庭成员总数来表示家庭规模并计算人均纯收入。在按照上述两种方式调整过相对贫困线后，稳健性检验的结果如表6所示。在(1)列中，无论相对贫困线如何设定，家庭教育支出都在1%的水平上负向显著。家庭教育支出的规模越大，越有利于农户脱离相对贫困。在(2)列中，尽管学校教育支出和校外教育支出都负向显著，但校外教育支出的边际效应绝对值更大且显著性更强。这进一步说明：与学校教育支出相比，适当的校外教育支出在促进农户脱离相对贫困方面的作用略强。

表6 调整相对贫困线的稳健性检验结果(边际效应)

(五)异质性分析结果

由于户主通常是家庭重大事项的主要决策者，其受教育水平可能会直接影响家庭对教育的投入。本文按照户主受教育水平的高低来进行异质性分析。以全部2664户的户主受教育水平的中位数为标准，将农户分为两类，分别对其进行回归。结果见表7。如(1)列所示，对于户主受教育水平较低的农户，家庭教育支出更加有助于其脱离相对贫困，这从变量的边际效应绝对值和显著性可以看出。可能的原因是学校教育支出对其相对贫困状况影响较大。如(2)列所示，学校教育支出更有助于户主受教育水平较低的农户脱离相对贫困。因为这类户主很可能没受过完整的学校教育，所以具有普适性的学校教育依然对其相对贫困状况有明显的影响。相反，受教育水平较高的户主往往已经受过相对完整的学校教育，因此适当的校外教育更能对其相对贫困状况产生影响。

表7 基于户主受教育水平的异质性分析结果(边际效应)

(六)内生性讨论结果

一方面，相对贫困农户可能更难以负担较高的家庭教育支出，被解释变量与核心解释变量间存在反向因果关系；另一方面，遗漏解释变量的问题也存在，因此本文的计量经济模型还需要对内生性问题进行处理。表8汇报了处理过内生性后的主回归结果。

表8 处理过内生性后的家庭教育支出影响 农户相对贫困的估计结果

无论是就规模还是结构而言，在处理过内生性问题后，家庭教育支出依然对农户的相对贫困状况有显著的负向影响。学校教育支出和校外教育支出越多，农户越能脱离相对贫困。

五、结论与启示

本文利用CFPS2018调查数据，同时从规模和结构的角度出发，实证研究了家庭教育支出对农户相对贫困的影响。研究发现：第一，家庭教育支出有助于农户脱离相对贫困。第二，可能的原因是它能够促进农户进行非农就业转移或者扩大农业经营规模，从而提高收入的增长率。第三，学校教育支出和校外教育支出都对农户的相对贫困状况有明显的缓解作用。但是，后者的影响略大，因为适当且多样化的教育更有可能帮助农户积累社会资本和人力资本。第四，家庭教育支出对农户相对贫困的影响在受教育水平不同的户主身上表现出异质性。对于户主受教育水平较低的农户而言，家庭教育支出更有助于其脱离相对贫困，因为学校教育支出可以发挥作用。

本文有如下启示：第一，重视相对贫困治理。在后脱贫攻坚时代，相对贫困是中国贫困治理的重点任务。在今后很长一段时间内，各级政府部门都应当将缓解相对贫困作为重点工作来开展。第二，充分认识教育在贫困治理中的重要意义。各级政府应当增强农户的受教育意识，提高农户接受不同层次教育的主观能动性，做到“扶智”与“扶志”双管齐下。第三，加大对农村地区，尤其是边远民族地区基础教育的投入。这些地区的农户受教育水平较低，良好的基础教育更有可能帮助其脱离相对贫困。第四，构建更加符合社会需要的多元化教育资源体系，促进校内外教育内涵式发展。农村地区已有的校外活动机构应当在符合国家政策要求的前提下，跳出原有的学科辅导模式，重点帮助学生建立完善的知识体系，同时推动学生思维能力的不断升华，形成与学校教育互补的育人共同体，从而为助推农户脱离相对贫困创造更好的环境。