高考分省招生制度背景下个体高等教育入学机会不平等的测度与分解

乐志强,刘英莹

(江西师范大学 教育研究院,江西 南昌 330022)

从教育活动过程来看,教育平等可分为起点平等、过程平等和结果平等[1](P159-179)。高等教育入学机会平等主要涉及的是教育起点平等问题,即公民享有同等的接受高等教育的可能性。根据Blau和Duncan(1967)的地位获得模型[2](P170)可知,影响个体高等教育入学机会的因素分为先赋性因素和后致性因素两类;Roemer和Trannoy(2016)则认为个人成就由环境和努力两类因素决定[3]。先赋性因素属于先天的环境因素,既包括微观层面的家庭背景因素以及由家庭所决定的性别、民族等个体特征因素,也包括宏观层面的社会结构和制度因素。后致性因素属于后天的努力因素,主要是指个体努力程度等。现有研究表明,较强的认知能力和非认知能力会提升个体的学业成就[4],进而影响个体的高等教育入学机会,但他们既受家庭背景等先赋性因素影响,又会受教育等后天努力因素影响[5],所以这两类因素不能简单归属于先赋性因素或后致性因素。一般来说,后致性因素所造成的高等教育入学机会不平等是合理的,但先赋性因素所造成的高等教育入学机会不平等则不然[6](P21-25)。鉴于此,高等教育入学机会不平等问题应主要关注先赋性因素,即家庭背景、个体特征(即由家庭所决定的性别、种族(民族)等特质)以及社会结构和制度等三类因素。鉴于认知能力和非认知能力兼具先赋性和后致性因素的双重属性,且与高等教育入学机会构成双向因果关系,故在此不予考虑。

现有研究对微观层面的家庭背景和个体特征因素所造成的高等教育入学机会不平等问题关注较多,而对宏观层面的社会结构和制度因素所导致的高等教育入学机会不平等问题则关注较少。高考分省招生制度是我国长期实行的高校招生制度,在该制度背景下,原本仅为个体层面的高等教育入学机会竞争被加入省域层面的元素。如果省域高等教育入学机会差异过大,就可能扩大个体高等教育入学机会的不平等。鉴于此,可将我国高等教育入学机会区分为省域和个体两个维度。遗憾的是,学术界关于省域高等教育入学机会对个体高等教育入学机会影响的研究相对较少。就实证研究而言,虽然现有研究对个体高等教育入学机会不平等程度进行了测算,但深入分析各类影响因素,尤其是省域高等教育入学机会对个体高等教育入学机会不平等的贡献度的研究较少。鉴于此,有必要深入分析各类影响因素,尤其是省域高等教育入学机会因素对个体高等教育入学机会不平等的贡献度,从而揭示个体高等教育入学机会不平等的原因,并给出相应的政策建议。

一、文献综述

不平等问题的研究,起初主要集中在收入分配领域[7],后来逐渐扩展至教育不平等领域,如教育资源配置不均衡问题[8]、受教育水平的区域差异问题[9]等。如果要测度各影响因素对个体高等教育入学机会不平等的贡献度,首先需要测算个体高等教育入学机会不平等程度,然后再具体计算各影响因素的贡献度。现将相关文献梳理如下。

(一)关于个体高等教育入学机会不平等的测算研究

教育不平等的测量指标大多分为两类,一类是测量绝对差异的指标,一类是测量相对差异的指标。前者主要包括方差与标准差[10],后者则主要包括变异系数[11]、基尼系数[12]以及广义熵指数(如泰尔指数)[13]等。其中,基尼系数和广义熵指数被广泛应用于教育不平等问题的分析[14]。

由于教育活动不同阶段的不平等具有较大差异,所以上述教育不平等的测量指标所依据的变量也不尽相同。比如:教育起点不平等的测量常用入学率这一变量[15];教育结果不平等的测量常基于平均受教育年限[16]、标准化的学业成就测验[17];教育过程不平等的测量则常用课堂公正[18]和学习机会[19]等变量。高等教育入学机会不平等属于教育起点不平等问题,除了入学率之外,研究者常基于上大学的概率来计算各类不平等指数,相关的经验研究,大多都是基于回归的方法对个体上大学的概率进行估计[20][21]。相对来说,测量教育结果不平等的研究较为丰硕,但测量教育起点不平等,尤其是教育过程不平等的研究相对较少。

(二)关于个体高等教育入学机会不平等的影响因素的贡献度研究

关于个体高等教育入学机会不平等的影响因素的研究较多,但存在较多局限性。首先,从研究内容看,多集中于分析家庭背景因素以及由家庭所决定的性别、种族(民族)等个体特征因素所导致的个体高等教育入学机会不平等问题[22],而对宏观结构和制度因素所造成的不平等问题关注不多;宏观结构和制度因素主要分析户籍制度、党员身份和单位制度等方面[23][24][25],而这些因素本身也可被视为家庭背景因素。其次,从研究方法来看,除了大量思辨类研究外,相关实证研究主要通过构建回归模型分析各因素对个体高等教育入学机会的影响程度,较少测度影响个体高等教育入学机会不平等各因素的相对贡献度[26]。

现有测量不平等的影响因素的贡献度的方法有二:一种是通过泰尔指数(或其他广义熵指标)分解的方法,分别计算组间不平等和组内不平等的贡献度[27];一种是基于回归的夏普利(Shapley)值分解方法,测度各类因素对个体高等教育入学机会不平等的相对贡献度[28]。泰尔指数分解只能分析不平等的来源主要是由组间差异还是组内差异造成的,具有局限性。基于回归的夏普利值分解技术则能够得到所有可能影响不平等的因素的贡献值大小及相对比例[29]。

综上所述,现有关于个体高等教育入学机会不平等的测度的研究较多,但集中于测算教育结果不平等,对高等教育入学机会这一教育起点不平等的测算相对较少;现有研究较少测算个体高等教育入学机会不平等的影响因素的贡献度,且更多关注家庭背景或个体特征因素,较少分析宏观结构和制度因素,对高考分省招生制度的关注则更少。因此,有必要测算我国个体高等教育入学机会不平等的程度,并分析高考分省招生制度背景下省域高等教育入学机会因素对个体高等教育入学机会不平等的贡献度。

二、研究设计

(一)数据来源

因需要研究省域高等教育入学机会对个体高等教育入学机会的影响,并且控制家庭背景和个体特征因素的作用,所以需要家庭背景、个体特征、个体高等教育入学机会等方面的微观数据以及省域高等教育入学机会方面的宏观数据。微观数据来源于中国家庭收入调查项目(CHIP)数据库,宏观数据即当年入学率指标,基于分省分年的高考录取人数和滞后三年的初中毕业生数测算。

1.关于家庭背景、个体特征和个体高等教育入学机会等变量的数据来源

家庭背景、个体特征、个体高等教育入学机会等方面的微观数据均来源于中国家庭收入调查项目(CHIP)2018年数据。(CHIP)2018年调查样本来自国家统计局2018年城乡一体化常规住户调查大样本库,按照东、中、西分层,根据系统抽样方法抽样,包括城镇住户和农村住户两大类、 71 266个个体样本。该样本数据覆盖全国14个省份,具有较强的全国代表性,包括东部地区的北京、江苏、辽宁、广东、山东,中部地区的河南、湖北、湖南、山西、安徽,西部地区的重庆、四川、云南、甘肃。难能可贵的是,该数据库提供了个体参加高考的年份以及参加高考时的户籍和省份信息,非常适合研究需要。

为确保研究需要,按如下方法进行样本筛选。首先,筛选实际参加高考或期望参加高考为1998年-2018年的个体。由于数据获取受限,仅可获取1998年及之后的分省高考录取人数,所以只能筛选1998年及之后预期高考的个体。实际参加高考的个体,依据其调查时填写的最后一次参加高考的年份来确定其参加高考的年份;未实际参加高考的个体,则根据其出生年份加18之后获取其期望参加高考的年份。其次,选取与户主关系为“户主”“配偶”和“子女”的个体为研究样本。由于研究数据库中预期参加高考的个体的最早出生年为1980年,而与户主关系为“岳父亲或公婆”“祖父亲”的个体的出生年均小于1980年,故无需考虑此类个体。由于与户主关系为“孙子女”和“其它”的个体数量较少,且孙子女的出生年大多晚于1994年,尚未达到研究数据库截止的高考年份2018年,因而可以直接剔除。与户主关系为“媳婿”和“兄弟姐妹”的个体,因为无法识别其父亲背景信息而不能使用,可能对估计带来偏误。

2.当年入学率的数据来源

可采用“当年入学率”作为测量省域高等教育入学机会的重要指标。当年入学率是当年某省高考实际录取人数与该省18岁人口数之比[30]。此处选择18岁人口数这一高等教育入学的适龄人口基数而非实际参加高考的人数作为当年入学率的分母可以考察潜在而真实的高等教育入学机会,减少各省份基础教育质量异质性的影响。之所以采用18岁人口数作为高等教育入学的适龄人口基数,是因为假定个体参加高考的年龄是18岁。

1998-2013年各省高考录取总人数大多可从教育部考试中心每年出版的《中国教育考试年鉴》以及部分省份出版的教育考试年鉴获取。上述年份的少量缺失数据以及2014年及之后的各省高考录取总人数则依据阳光高考网、中国教育在线等网站进行补充。由于无法获取当年某省的18岁人口数,故采用滞后三年的初中毕业生数推算。该数据可从每年教育部出版的《中国教育统计年鉴》获取。当然,改革开放以来,我国人口流动较为频繁,使用滞后三年的初中毕业生数并不能精确反映该省三年之后的18岁人口数,只是一个估算值。

(二)变量

研究使用的被解释变量为个体高等教育入学机会,即“是否考上大学”;解释变量则分为家庭背景因素变量、个体特征因素变量以及省域高等教育入学机会。

1.个体高等教育入学机会

被解释变量——“是否考上大学”为虚拟变量(0=未考上大学,1=考上大学)。根据数据库中受访者回答“完成的最高学历”问题的结果对“是否考上大学”变量进行赋值,将最高学历为大专、大学本科、研究生的个体该变量的值赋为1,将其它学历水平的个体该变量的值赋为0。对于在校学生,将会调查其在2018年末上学的学校,因此不会遗漏已经获取高等教育机会但是未完成学业的个体。

2.家庭背景因素变量

家庭背景方面的变量包括“父亲受教育年限”“父亲职业类型”“父亲单位性质”和“户口性质”四个变量。父亲单位性质反映了父亲是在何种所有制单位工作的状况,是一种具有中国特色的特殊制度安排。改革开放以后尤其是市场经济体制改革早期,体制内单位的工作人员在薪酬、福利、社会资源等方面可能具有更多优势。因此,父亲单位性质可在一定程度上反映家庭经济资本的状况。户口性质是指受访者预期参加高考当年的户口是农业户口还是非农业户口。在城乡二元经济背景下,城镇居民的收入通常会高于农村居民,所以户口性质也可在一定程度上反映家庭经济资本的状况。此外,父亲受教育年限和父亲职业类型分别反映了家庭文化资本和社会资本的状况。

父亲受教育年限根据受访者的受教育程度转换而来,“未上学”计为0年,“小学”计为6年,“初中”计为9年,“高中”“中专”和“职校/技校”计为12年,“大专”计为15年,“大学本科”计为16年,“研究生”计为19年。

父亲职业类型参照中华人民共和国职业分类大典的职业大类进行赋值,为分类变量(1=单位负责人,2=专业技术人员,3=办事人员,4=服务人员,5=农业生产者,6=生产制造及有关人员)。由于父亲职业类型为军人的样本极少,故两个数据库均将该类型的样本予以删除。

“父亲单位性质”变量为虚拟变量(0=体制外单位,1=体制内单位)。可将党政机关团体、事业单位、国有及控股企业集体和集体企业被定义为体制内单位,中外合资或外商独资企业、个体、私营企业、土地承包者和其他被定义为体制外单位。

“户口性质”为虚拟变量(0=农业户口,1=非农业户口)。该变量根据实际参加高考的受访者在高考报名时的户口类型确定,或者根据没有实际参加高考的受访者18岁时的户口类型确定。没有实际参加高考的受访者18岁时的户口的处理方法:首先根据受访者当前的户口性质,将农业户口赋值为0,将非农业户口、居民户口和其它(外籍等)赋值为1,然后根据个体户籍变迁历史数据和出生年数据,将之前户口性质状态为农业、当前户口为非农的个体重新赋值为0。

3.个体特征因素变量

个体特征方面的变量为性别和民族。“性别”为虚拟变量(0=男,1=女);“民族”为虚拟变量(0=汉族,1=少数民族)。

个体高等教育入学机会、家庭背景、个体特征三个方面的变量均从微观数据库中获取,其基本情况如表1所示。

表1 微观层面数据的变量基本情况表

4.省域高等教育入学机会

省域高等教育入学机会主要采用各省每年的当年入学率进行测算,同时将个体参加高考年份的虚拟变量作为控制变量。对于实际参加高考的个体,按照其最后一次参加高考时的年份和省份匹配当年入学率;对于没有实际参加高考的个体,则根据其出生年份加18作为其期望高考年份,将其户籍所在省份作为期望高考省份,从而匹配其当年入学率。之所以需要控制“高考年份”,并将其作为省域高等教育入学机会的一个指标,主要有两个原因:其一,由于同一年度同一省份的个体面临相同的当年入学率,所以需要从统计上将“高考年份”作为控制变量,从而准确估计某省当年入学率对个体高等教育入学机会的影响效应。其二,自1999年起,我国高等学校实施了多年的扩招政策,参加高考的年份对于个体高等入学机会有普遍影响;而各省高考录取人数的变化趋势并不一致,控制“高考年份”才能更加准确地反映个体所面临的省域高等教育入学机会。

1998-2018年各省高等教育当年入学率均值的情况如图1所示。根据图1可以发现:不同省份的高等教育当年入学率均值存在差异,但呈现出模式化的特征,即不同模式省份的当年入学率均值差异较大, 但模式内省份的当年入学率均值则较为接近。省域高等教育入学机会模式的划分方法是将某个时间段内各省份当年入学率的均值由小到大进行排序,进行五等分,当年入学率均值位于最低20%范围的省份纳入地狱模式,当年入学率位于最高20%范围的省份纳入天堂模式,以此类推,将各省份分别纳入地狱模式、噩梦模式、普通模式、幸福模式、天堂模式五类。具体划分如下:地狱模式省份为:云南、贵州、广西、四川、河南、海南;噩梦模式省份为:广东、新疆、山西、安徽、河北、湖南;普通模式省份为:江西、福建、黑龙江、山东、湖北、江苏、吉林;幸福模式省份为:陕西、甘肃、浙江、重庆、辽宁、宁夏;天堂模式省份为:西藏、青海、内蒙古、北京、天津、上海。从上述分类来看,每一模式均包含不同经济发展水平的省份,也可能同时包括来自不同地区(如中部、东部或西部)的省份。可见,省域高等教育入学机会模式与经济发展水平或地区差异并不具有直接关系。需要说明的是,由于不同省份在不同时期的当年入学率均值会有所不同,因此,在不同时期,5个模式区域的省份并不会完全一致。

图1 1998-2018年各省高等教育当年入学率均值

(三)分析方法

1.测算个体高等教育入学机会不平等程度

根据Roemer和Trannoy(2016)以及Youness和Hamzaoui(2017)的方法,本研究拟采用如下步骤对个体高等教育入学机会不平等程度进行测算。

首先,使用二项Logit 模型估计家庭背景、个体特征和省域高等教育入学机会三类因素对个体高等教育入学机会的影响,模型设置如下:

log[Pi/(1-Pi)]=β0+βmfammijk+βnxnijk+βrratejk+βkyeark+eijk

(1)

其中,Pi为第i个个体获得高等教育入学机会的概率,fammijk为家庭背景因素的解释变量,xnijk为个体特征因素的解释变量,ratejk代表第j省第k年的当年入学率,yeark为高考年份的虚拟变量,eijk为残差项,βm代表第m个家庭背景变量的回归系数,βn代表第n个个体特征变量的回归系数,βk代表第k年当年入学率的回归系数。

其次,根据式(1)估算个体上大学的概率值,据此估算个体高等教育入学机会不平等程度。此处采用基尼系数和泰尔指数两个指标。基尼系数的大小位于0和1之间,当基尼系数为0 时,表示个体高等教育入学机会处于绝对平等状态;当基尼系数为 1 时,代表个体高等教育入学机会处于绝对不平等状态。换言之,基尼系数越大,则个体高等教育入学机会不平等程度就越高,反之,高等教育入学机会不平等程度就越低。泰尔指数可进行区域分解,计算不同模式区域高等教育入学机会的泰尔指数,从而比较不同模式区域的高等教育入学机会不平等程度。此外,通过比较区域内和区域间的泰尔指数的相对贡献,可以分析个体高等教育入学机会不平等主要是由区域间的差异造成的还是由区域内的差异导致的。

2.测算高等教育入学机会不平等的影响因素的贡献度

根据式(1)二项Logit回归分析的结果,参照Shorrocks(2013)提出的基于回归的夏普利(Shapley)值分解方法,将家庭背景、个体特征和省域高等教育入学机会三类因素对个体高等教育入学机会不平等的贡献进行分解。根据不同因素贡献率的高低,可以具体分析影响个体高等教育入学机会不平等各因素的重要性。夏普利值分解的原理其实是对R2或pseduo R2进行分解,考察各解释变量在R2或pseduo R2中的贡献度。由于夏普利值分解没有考虑残差项,只能通过夏普利值分解说明在模型能解释的变异量中寻找各影响因素的相对贡献度,但对于模型不能解释的部分,则无能为力。

三、研究结果

(一)二项logit模型的估计结果

采用CHIP2018年数据可以构建二项logit模型,从而分析各影响因素对个体高等教育入学机会的影响,估计结果如表2所示。

表2 二项logit模型的分析结果①

首先,分析家庭背景因素的影响效应。结果显示,家庭背景各因素对个体高等教育入学机会均具有显著的影响。父亲受教育年限越长,个体越容易获得高等教育入学机会;父亲职业类型为“农业生产者”的个体比父亲职业类型为其它职业的个体更难以获得高等教育入学机会;父亲在体制内单位工作的个体比父亲在体制外单位工作的个体更容易获得高等教育入学机会;非农业户口的个体相对于农业户口的个体更容易获得高等教育入学机会。

其次,分析个体特征因素的影响效应。女性相比于男性拥有更多的高等教育入学机会,但少数民族相比于汉族在高等教育获得方面处于劣势。

再次,分析省域高等教育入学机会的影响效应。估计结果显示,当年入学率越高,个体越有可能获得高等教育入学机会。这再次印证了高考分省招生制度会显著影响个体的高等教育入学机会。限于篇幅,表格中并未显示个体参加高考的年份这一控制变量的参数估计结果。个体参加高考的年份以1998年为参照组,其他年度参加高考的个体获得高等教育入学机会的概率显著高于1998年。

综上所述,家庭背景对个体高等教育入学机会具有显著的正向作用,不同性别和民族的个体在高等教育获得方面也具有显著差异。在高考分省招生制度的影响下,即使在同样的家庭背景和个体特征条件下,如果个体身处省域高等教育入学机会较多的省份,也就更容易获得高等教育入学机会。

(二)个体高等教育入学机会不平等的状况

通过二项logit模型可以预测个体考上大学的概率,根据概率值可以计算反映个体高等教育入学机会不平等的基尼系数和泰尔指数。

图2呈现了1998-2018年每年的个体高等教育入学机会不平等指数,可以发现,基尼系数和泰尔指数的变化趋势是高度一致的。1998年和1999年,也就是高校扩招前后的两年,个体高等教育入学机会不平等程度相当高。随着高校扩招政策的深入推进,个体高等教育入学机会不平等基本处于下降通道,2015年则处于近年来历史最低水平。2016年起,个体高等教育入学机会不平等状况有所加剧。

图2 1998-2018年个体高等教育入学机会不平等指数

表3呈现了1980-1989年出生、1990-1999年出生以及不同时期参加高考的个体高等教育入学机会不平等状况,并呈现了区域的泰尔指数以及区域内和区域间差异的泰尔指数情况。根据表3可以得出如下结论:

其一,分析全样本和各时期全国的基尼系数。从全样本来看,全国的基尼系数超过了0.3,表明个体高等教育入学机会不平等程度是比较高的。90后比80后面临的基尼系数低53%,表明90后预期参加高考时的个体高等教育入学机会不平等程度有所改善。从1998-2018年个体预期参加高考的5个时期区分来看,预期在1998-2000年参加高考的个体所面临的基尼系数最高,超过了0.4,而预期在2016-2018年参加高考的个体所面临的基尼系数则最低,仅略高于0.2。虽然5个时期的基尼系数基本处于下降趋势,但降幅逐步缩小,尤其是预期在2016-2018年参加高考的个体所面临的基尼系数与上一时期相比变化很小。上述结果说明高校扩招政策可能对改善个体高等教育入学机会不平等具有较大影响,但这种作用近年来却有所减弱。

表3 区分时期的个体高等教育入学机会不平等的基尼系数和泰尔指数

其二,分析各时期全国的泰尔指数。90后比80后面临的泰尔系数低138%,表明90后预期参加高考时的个体高等教育入学机会不平等程度明显改善。从1998-2018年个体预期参加高考的5个时期区分来看,预期在1998-2000年参加高考的个体所面临的泰尔指数最高,近0.3,而预期在2011-2015年和2016-2018年参加高考的个体所面临的基尼系数最低,均不足0.1。虽然5个时期的泰尔指数基本处于下降趋势,但降幅逐步缩小,尤其是预期在2011-2015年和2016-2018年参加高考的个体所面临的泰尔指数相差无几。

其三,将全国各时期的基尼系数和泰尔指数进行对比分析。从80后和90后所面临的不平等指数的对比来看,基尼系数和泰尔指数的结果是一致的,两者均表明90后所面临的个体高等教育入学机会不平等程度比80后更低。从1998-2018年个体预期参加高考的5个时期区分来看,基尼系数和泰尔指数的变化趋势也是基本一致的,总体呈下降趋势,但泰尔指数则在近期有所上升。

其四,分析各区域全样本和不同时期的泰尔指数。从全样本来看,各区域泰尔指数基本上随其区域高等教育入学机会的增加而下降。即区域高等教育入学机会最少的地狱模式区域,其个体高等教育入学机会不平等的程度也是最高的;区域高等教育入学机会最多的天堂模式区域,其个体高等教育入学机会不平等的程度反而最低。不过,幸福模式区域的个体高等教育入学机会不平等的程度相比于普通模式区域则略高。各模式区域80后的泰尔指数差距不大,但地狱和幸福模式区域的泰尔指数较大,超过了0.2,天堂模式区域的泰尔指数最低,不足0.18。各模式区域90后的泰尔指数同样差距较小,但地狱模式区域的泰尔指数较大,超过了0.1,天堂模式区域的泰尔指数最低,约为0.07。虽然各区域80后预期参加高考时的泰尔指数排序与90后相同,即由大到小依次是地域、幸福、噩梦、普通、天堂,但各区域90后预期参加高考时的泰尔指数与80后相比明显减小,表明各区域个体的高等教育入学机会不平等程度明显下降。预期在1998-2000年或2006-2010年参加高考的个体,各区域的泰尔指数差距较小;预期在2001-2005年或2016-2018年参加高考的个体,各区域的泰尔指数差距略大;无论预期在何时参加高考,在区域高等教育入学机会最低的地狱模式和噩梦模式区域,个体高等教育入学机会不平等程度都是最高的,而在区域高等教育入学机会最高的天堂模式区域,个体高等教育入学机会不平等程度却是最低的。从1998-2018年个体预期参加高考的5个时期区分来看,每个区域的泰尔指数几乎都是逐渐减小的,表明各区域高等教育入学机会不平等程度均在逐渐下降。

其五,从泰尔指数分解分析不平等的来源。从全样本来看,区域内差异的泰尔指数远高于区域间差异的泰尔指数,占据泰尔指数的99%,表明个体高等教育入学机会不平等主要是区域内的差异造成的,区域间的差异影响十分微弱。由于省域高等教育入学机会模式与经济发展水平或地区差异并不具有直接关系,所以可以认为个体高等教育入学机会不平等或许与经济发展水平或地区差异并没有直接关联。无论是80后还是90后,其预期参加高考时的区域内泰尔指数均大于区域间的泰尔指数,但80后预期参加高考时的区域内泰尔指数占总的泰尔指数的比例为96%,90后这一比例则上升至97%。从1998-2018年个体预期参加高考的5个时期区分来看,区域内差异的泰尔指数均明显大于区域间的泰尔指数,但两者的贡献度并未呈现出规律性的变化。

(三)个体高等教育入学机会不平等的夏普利值分解

表4呈现了80后、90后以及不同时期参加高考的个体的高等教育入学机会不平等的夏普利值分解结果。根据表4可以得出如下结论:

其一,分析家庭背景各因素的贡献度。从全样本来看,家庭背景各因素对个体高等教育入学机会不平等的贡献度按照从大到小依次是:父亲受教育年限、户口性质、父亲职业类型和父亲单位性质。其中,父亲受教育年限的贡献度接近30%、户口性质的贡献度接近20%,父亲职业类型和父亲单位性质的贡献度差别不大,均低于15%。90后预期参加高考的个体相比于80后预期参加高考的个体来说,父亲受教育年限因素对其高等教育入学机会不平等的贡献度明显更高;父亲职业类型、父亲单位性质和户口性质三个家庭背景因素的贡献度则更低,尤其是户口性质的贡献度明显更低。从1998-2018年个体预期参加高考的5个时期区分来看,预期在1998-2000年和2001-2005年参加高考的个体,影响其高等教育入学机会不平等的最重要的因素是户口性质,其次是父亲受教育年限,父亲职业类型和父亲单位性质的贡献则差别不大;从2006年开始,影响预期参加高考的个体高等教育入学机会不平等的最重要因素始终是父亲受教育年限;对预期在2006-2010年或2011-2015年参加高考的个体而言,户口性质的贡献度均位于第二,但对预期在2016-2018年参加高考的个体来说,户口性质的贡献度则是最低的。分别观察4个家庭背景因素在5个时期的贡献度的变化趋势,会发现父亲受教育年限的贡献度不断提高,户口性质和父亲单位性质的贡献度基本处于下降趋势,父亲职业类型的贡献度则呈现出先下降再提高的趋势。由此可见,文化资本对个体高等教育入学机会不平等的影响是日渐增强的,而父亲单位性质和户口性质等制度的作用则日趋衰弱。

其二,分析个体特征各因素的贡献度。从全样本来看,性别对个体高等教育入学机会不平等的贡献度明显高于民族。对80后预期参加高考的个体来说,相比于性别,民族对其高等教育入学机会不平等的贡献度更高;对90后预期参加高考的个体来所,情况则完全相反。从1998-2018年个体预期参加高考的5个时期区分来看,预期在1998-2000年和2001-2005年参加高考的个体,民族比性别对其高等教育入学机会不平等的贡献度更高,但预期在2006年之后参加高考的个体,情况则恰恰相反;对于预期在1998-2000年、2001-2005年或2016-2018年参加高考的个体而言,性别与民族对其高等教育入学机会不平等的贡献度的差距较小,但对于预期在2006-2010年或2011-2015年参加高考的个体而言,性别与民族的贡献度的差距极大。分别观察两个个体特征因素在5个时期的贡献度的变化趋势,会发现性别对个体高等教育入学机会不平等的贡献度呈现出先降后升再降的趋势,且变化幅度较大,而民族的贡献度则呈现出先下降再上升的趋势,且变化幅度较小。我国对少数民族考生一直有高等教育入学方面的优待,“重男轻女”的文化传统也日益式微。不过,两者对个体高等教育入学机会不平等的影响都不大,而且存在此消彼长的态势。

其三,分析省域高等教育入学机会的贡献度。从全样本来看,高考年份对个体高等教育入学机会不平等的贡献度接近15%,且高于当年入学率的贡献度。可见,预期参加高考的年份对个体高等教育入学机会的影响相当大。无论是对80后还是90后而言,高考年份都比当年入学率对其高等教育入学机会不平等的贡献度明显更高;90后预期参加高考的个体相比于80后预期参加高考的个体而言,高考年份比当年入学率对其高等教育入学机会不平等的贡献度都更高。从1998-2018年个体预期参加高考的5个时期区分来看,预期在2016-2018年参加高考的个体,当年入学率比高考年份对个体高等教育入学机会不平等的贡献度更高,但预期在2016年之前参加高考的个体,情况则相反;分别观察两个省域高等教育入学机会因素在5个时期的贡献度的变化趋势,会发现当年入学率对个体高等教育入学机会不平等的贡献度未呈现出规律性的变化,但高考年份的贡献度基本呈上升趋势,尤其在2016-2018年实现跃升。

表4 个体高等教育入学机会不平等的夏普利值分解结果

为更清晰地呈现家庭背景、个体特征和省域高等教育入学机会三类因素各自的贡献度,可以将上述三类因素的夏普利值进行汇总处理。图3呈现了80后、90后以及不同时期参加高考的个体的高等教育入学机会不平等的夏普利值分解结果,据此可得出如下结论:

其一,从全样本来看,家庭背景是影响个体高等教育入学机会不平等的最重要的因素,贡献度接近75%;省域高等教育入学机会因素也很重要,其贡献度接近25%;而个体特征因素的贡献度最低,仅略超过2%。

其二,从80后和90后预期参加高考的个体来看,家庭背景都是影响个体高等教育入学机会不平等的最重要的因素,尽管这一影响对90后而言有所下降;无论是对80后还是90后来说,省域高等教育入学机会均为影响个体高等教育入学机会不平等的第二大因素,但其对90后的贡献略高;虽然个体特征因素对80后和90后预期参加高考的个体高等教育入学机会不平等的贡献度都很低,但相比而言,个体特征因素对90后的影响明显比对80后更大。

图3 三类影响因素对个体高等教育入学机会不平等的贡献率(%)

其三,从在5个不同时期预期参加高考的个体来看,家庭背景始终是对个体高等教育入学机会不平等贡献最大的因素,省域高等教育入学机会次之,个体特征因素则最小。伴随个体预期参加高考的年份往后推移,家庭背景对其高等教育入学机会不平等的贡献度逐渐降低,但近年来则有上升之势。预期参加高考的时间越晚,省域高等教育入学机会因素的贡献度基本上越来越高,且增幅较大;个体特征因素的贡献度则一直波动。由此可见,在高考分省招生制度的调节下,虽然家庭背景对个体高等教育入学机会不平等的影响在一定程度上被弱化,但仍起着最重要的作用。

四、研究结论

基于中国家庭收入调查项目(CHIP)2018年数据构建二项Logit模型,采用基尼系数和泰尔指数测算我国1998-2018年期间的个体高等教育入学机会不平等程度,根据夏普利值分解的方法估算省域高等教育入学机会、家庭背景和个体特征三类因素对个体高等教育入学机会不平等的贡献度。主要结论如下:

第一,1998-2018年期间,虽然我国个体高等教育入学机会不平等程度较高,但无论是在全国范围还是在不同区域(即地域、噩梦、普通、幸福和天堂5个模式区域)范围内,个体高等教育入学机会不平等程度总体均呈现下降趋势。可见,高校扩招政策对改善个体高等教育入学机会不平等具有积极影响。

第二,从泰尔指数来看,不同区域内个体高等教育入学机会不平等程度基本上随其区域高等教育入学机会的增加而下降。比如:区域高等教育入学机会最少的地狱模式区域,其个体高等教育入学机会不平等的程度也是最高的;区域高等教育入学机会最多的天堂模式区域,其个体高等教育入学机会不平等的程度反而最低。此外,区域内差异的泰尔指数远高于区域间差异的泰尔指数,表明个体高等教育入学机会不平等主要是由区域内的差异造成的,区域间的差异则影响甚微。因此,个体高等教育入学机会不平等或许与经济发展水平或地区差异没有直接关联。

第三,从影响个体高等教育入学机会不平等的三类因素来看,家庭背景因素对个体高等教育入学机会不平等的贡献度最高,省域高等教育入学机会因素次之,个体特征因素的贡献度则最低。个体预期参加高考的时间越晚,家庭背景对其高等教育入学机会不平等的贡献度越低,但近年来有所上升;省域高等教育入学机会因素的贡献度基本上越来越高,且增幅较大;个体特征因素的贡献度则未表现出规律性。此外,如果不区分影响因素的类别,影响个体高等教育入学机会不平等的最重要的三大因素依次是父亲受教育年限、户口性质和高考年份,性别和民族两个个体特征因素的影响微乎其微,尤其是民族因素。父亲受教育年限的贡献度最高,表明文化资本对个体高等教育入学机会不平等的影响较大,文化资本较高的家庭可能更加重视子女教育,对个体获得高等教育入学机会颇有裨益。性别和民族对个体高等教育入学机会不平等的贡献度很低,说明我国个体高等教育入学机会的性别和民族差异问题并不严重。

综上所述,在高考分省招生制度背景下,我国个体高等教育入学机会仍然存在一定程度的不平等现象。省域高等教育入学机会对个体高等教育入学机会不平等的影响日益增强,尤其是参加高考的年份显得相当重要。虽然家庭背景对个体高等教育入学机会不平等的贡献度仍然很高,但在一定程度上被弱化,尤其是父亲单位性质和户口性质具有计划经济色彩的制度因素的贡献度越来越低。因此,我国需要切实采取措施改善个体高等教育入学机会不平等状况。其一,由于家庭背景因素依然是造成个体高等教育入学机会不平等的关键因素,所以需要采取措施弱化家庭背景的影响效应。除继续弱化单位制和户籍制对个体发展的影响外,应进一步提高我国民众的受教育水平,消除家庭文化资本差异的影响显得至关重要。其二,由于个体高等教育入学机会不平等与经济发展水平或地区差异没有直接关系,所以不应简单按照区域经济发展水平高低来确定高校招生指标或制定倾斜政策,而应根据各省高等教育适龄人口基数科学确定分省招生计划人数,并对近期当年入学率较高和较低的省份进行调整。为避免社会矛盾,还需根据央属高校和地方高校的实际招生能力,对分省招生计划人数进行适度调节。其三,虽然国家已经打破参加高考的年龄限制,但在不同年份参加高考会面临省域高等教育入学机会的不确定性,且研究表明高考年份对个体高等教育入学机会不平等的影响较大,所以应鼓励高等教育适龄人群按照既定年龄参加高考。当然,这有赖于国家进一步提高高等教育总体的当年入学率,并缩小高等学校之间的质量差距。比如:平衡职业教育和学术教育的办学差距,鼓励高校办好特色专业发展等。

注释：

① 1.模型的因变量为“是否考上大学”(参照水平为:“未考上大学”);2.括号内为标准误,“***”“**”“*”分别代表在0.01、0.05、0.1的显著性水平上显著;3.限于篇幅,不显示个体参加高考的年份这一控制变量的分析结果。