论文部分内容阅读
摘 要 中等职业教育作为政府以法律形式规定、社会主体参与、公共资源支持的现代新型教育，一直发挥着重要的减贫功能。本研究以中等职业教育财政支出为视角，基于2008-2018年30个省份的面板数据集，通过构建空间面板模型和门槛面板模型，考察中等职业教育财政支出与贫困减缓的空间相关性，测算中等职业教育财政支出在减贫中的空间溢出效应，并运用LeSage和Pace提出的偏微分方法进行效应分解。研究发现：中等职业教育财政支出对贫困减缓具有明显的空间依赖性;各省份内部中等职业教育财政支出对贫困减缓具有正向的促进作用，但对相邻省份有负向的阻碍作用;同时存在门槛特征，即减贫效应随中等职业教育财政支出提高而提高，随城镇化发展水平提高而降低。
关键词 中等职业教育;财政支出;精准扶贫;减贫效应;空间溢出;门槛分析
中图分类号 G718.3 文献标识码 A 文章编号 1008-3219（2020）28-0013-07
贫困问题是每个国家和地区都普遍存在的社会现象，是影响经济发展和社会稳定的重要因素。现阶段，正值我国全面建成小康社会的冲刺阶段，消除贫困、改善民生更是当下亟需解决的重要难题。据国家统计局发布的数据显示，截至2019年，全国贫困人口已从2012年的9899万人减少至551万人，累计减少9348万人，贫困发生率也从10.2%下降到0.6%，减贫事业取得了显著成就。《中共中央 国务院关于坚持农业农村优先发展做好“三农”工作的若干意见》（中发[2019]1号）强调，要逐步提升公共财政对职业教育的投入力度，强化开发式扶贫与保障式扶贫统筹衔接，力争实现各地贫困人口的全部清零。扶贫先扶志，扶贫必扶智。中等职业教育因其具有较强的工具价值一直以来都是实现脱贫攻坚的重要渠道，教育财政支出更是让中等职业教育的工具价值得以充分发挥。在知识经济飞速发展的今天，扩大中等职业教育财政支出不仅能够使原本教育资源分配不均的现象得以缓解，而且可以使貧困群体改善自身状况、缓解就业问题。那么，我国中等职业教育财政支出究竟在多大程度上缓解了地区贫困，在减贫过程中是否存在空间溢出效应，又是否存在门槛特征，在脱贫攻坚背景下，这些问题若能得到解决，将对国家调整和出台更具针对性的扶贫措施起到重要推动作用。
鉴于各地区突出的贫困状况，学者们围绕着中等职业教育财政减贫效应进行了深入研究。克雷（Kraay）和杜大伟（Dollar）认为，教育财政支出和医疗财政支出有利于提高农业生产力，但对绝对贫困人口的减贫效果不明显，应重点发挥中等职业教育财政支出在绝对贫困人口中的帮扶作用[1]。凯斯（Kees）和卡米纳达（Caminada）研究发现，中等职业教育、社会保障等财政支出对于减缓农村贫困具有显著的促进作用，而且随着时间的发展呈现出逐级递增的正向作用[2]。佩特拉基斯（Petrakis）和斯塔玛塔基斯（Stamatakis）研究发现，经济发展水平不同，教育财政支出对经济增长的作用不同，具体表现在经济发展水平较低时，初等教育和中等教育的外部效应较大，经济发展水平较高时外部效应逐渐减缓[3]。国内关于中等职业教育财政减贫的研究大多集中在2010年以后，单德朋以2000-2010年西部地区省级面板数据为样本，利用动态面板模型将不同层次教育投入对贫困减缓的作用加以区别，发现中等职业教育对于减缓城乡贫困具有明显作用，中等职业教育财政支出和平均受教育年限增加均对贫困减缓有着积极的正向关系[4]。瞿连贵和石伟平以西部地区为切入点，认为发展中等职业教育是落实新一轮“西部大开发”战略、加快西部地区人力资源开发、促进西部地区脱贫攻坚的优先选项，需要从过去较多关注硬件投入逐渐转向加大软件投入，尤其是对“双师型”师资队伍、教学改革、课程更新等方面的投入[5]。农汉康和孙杰远认为，中等职业教育扶贫是我国贫困劳动力迫切需要的技能培养方式，能够有效提升贫困劳动力的生产技能和就业机会，应建构以政府为主导、以学生为根本、以企业为辅助的财政资助模式，并加大对贫困地区免费中等职业教育的实施力度[6]。聂伟认为，中等职业教育时间短、成本低、见效快，能为诸多贫困群体提供获取谋生的一技之长，要加大财政专项资金投入，补齐教育资源短板，并结合地区产业特点和劳动力结构，不断更新培训内容、强化培训功能，建设一批新型职业农民和技术型人才队伍[7]。
总体来看，已有文献都肯定了中等职业教育财政支出对地区减贫所具有显著的促进作用，在理论上形成了广泛共识。但仍存在一些不足：第一，在研究内容上，已有研究成果较多侧重高等职业教育或职业教育整体财政支出与地区减贫的关系，对中等职业教育财政支出的关注相对较少。第二，在研究时间上，已有研究成果大多基于时间序列进行分析，数据样本时点多集中在1995-2015年，随着经济发展进入新常态，职业教育的扶贫成果需要进一步完善。第三，在研究方法上，已有研究成果多采用质性研究方法或传统计量模型考察职业教育财政投入对地区减贫的影响，可能导致研究结果的偏差。鉴于此，本研究基于新经济地理学的理论基础，以全国30个省市（除西藏自治区，香港、澳门特别行政区，台湾地区）2008-2018年的面板数据为样本，研究中等职业教育财政支出与减贫效应的空间相关性，构建空间计量经济模型分析中等职业教育财政减贫的空间溢出和门槛效应，以期为调整和完善中等职业教育财政支出强度提供理论依据。
一、中等职业教育财政减贫的空间计量分析
（一）模型设定
我国中等职业教育财政支出的减贫效应主要是通过提高初中后人力资本以减少贫困发生实现的。由于各省际之间贫困程度不同，教育财政投入水平也存在较大差异，为了研究各省中等职业教育财政支出的减贫效应，本文参考沈能、赵增耀提出的计量经济模型[8]，建立适合本研究所需的模型。
其中，i为地区，t为时点，POVit为农村贫困水平，SSPit为中等职业教育财政支出，EFAit为农业财政支出，EFSit为社会保障和就业支出，PGDPit为经济发展水平，PULit为地区城镇化水平。 （二）数据指标
1.变量定义
被解释变量。对于贫困水平（POV）的表达，现有研究给出了一系列方法和手段，常用的贫困测量指标有分解FGT指数、森指数和贫困发生率等，这些贫困测量指标的共同特点是均以贫困线为标准进行评价。但由于2008-2018年之间我国贫困线有所调整，在地区贫困水平的评价上难免存在差异，罗知与郭熙保[9]建议利用20%最低收入人群的平均收入来估算地区贫困程度，冉光和与张冰[10]则用人均消费支出水平来估算各地区贫困程度，蔡文伯与翟柳淅利用城镇和农村人均收入与人口占比之和作为估计地区贫困程度的标准[11]。通过对2008-2018年全国农村人均收入和城镇人均收入与其20%低收入人群进行Pearson相关性分析，结果显示全国农村人均收入和城镇人均收入与其20%低收入人群呈显著正相关关系，选取人均收入作为衡量20%低收入人群的代理变量较为恰当。为此，本研究借鉴蔡文伯与翟柳淅的测量方法对地区贫困水平进行评估。具体计算公式为：贫困水平=农民人均收入×农村人口比重 城镇人均收入×城镇人口比重，为消除异方差和量纲的干扰，对得到的数据进行取对数处理。
解释变量。中等职业教育财政支出强度（SSP）内涵丰富，到目前为止，并没有形成一个明确的度量指标，由于数据指标的非连续性，本研究参照解垩[12]、王录仓[13]等人的研究，选用“中职在校生数/普职总人数”作为中等职业教育财政支出强度的代理变量。根据“贫困循环累积效应”，地区贫困化程度还受到经济发展水平、农业财政支出、社会保障支出和城镇化水平等因素的影响。因此，选取若干控制变量，以提高模型估计结果的稳健性。农业财政支出强度（EFA）用“财政支农支出/财政总支出”表示;经济发展水平（PGDP）用人均国内生产总值表示;社保财政支出强度（EFA）用“社保支出/财政总支出”表示;地区城镇化水平（PUL）用“城镇人口数/总人口数”表示。
2.數据来源
由于西藏自治区和香港、澳门特别行政区，台湾地区数据缺失较为严重，本研究以2008-2018年30个省（直辖市、自治区）的农村贫困水平（POV）、中职教育财政支出强度（SSP）、农业财政支出强度（EFA）、社保财政支出强度（EFS）、经济发展水平（PGDP）和地区城镇化水平（PUL）作为平衡面板数据集。所有原始数据均选自2008-2018年《中国统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》和各省历年统计年鉴。
（三）中等职业教育财政减贫效应的计量分析
1.空间自相关分析
在对空间计量经济模型进行分析之前，需要先检验中等职业教育财政支出和农村贫困水平之间是否存在空间自相关。空间自相关是指一些数据在不同空间单元是否具有潜在的依赖性，如果高值和高值、低值和低值相邻，表明空间呈正相关，如果高值和低值相邻，表明空间呈负相关，如果高值和低值随机分布，则表明数据之间不存在空间相关性。本研究拟采用目前较为流行的莫兰指数（Moran’s I）分析验证中等职业教育财政支出和贫困水平之间的空间相关性。
其中，S2=为样本方差，xi表示第i个省份的数据指标，wij为处于i行j列的空间权重。Moran’s I也被学者称为Global Moran’s I，检验空间全局的相邻分布状态，一般两省份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，越接近0表示两省份不存在相关性。为此，0-1相邻权重矩阵如下：
其中，i=1，2，3……n;j=1，2，3……n;i≠j。本研究运用Geoda10.0软件对2008-2018年省际中等职业教育财政支出和贫困水平进行空间自相关检验，见表1。由表1可以看出，2008-2018年中等职业教育财政支出指数和贫困发生率指数均为正值，且贫困发生率指数均显著大于0.44，中等职业教育财政支出指数均显著大于0.39，可见中等职业教育财政支出和农村贫困发生率具有较强的空间自相关性，某一省份的中等职业教育财政支出会对相邻省份造成显著影响。因此，基于空间计量经济模型来估计中等职业教育财政支出的减贫效应。
2.空间面板模型的设定
国外学者在研究教育财政支出减贫效应的过程中，普遍采用马尔科夫链卡罗模型（MC3）和空间面板回归模型[14]，马尔科夫链卡罗模型尽管突破了遗漏变量增加偏误和增加控制变量以提高精准度，但由于忽略空间权重的差异性逐渐处于淘汰的边缘。空间面板回归模型主要是安瑟兰（Anselin）在1988年提出的空间面板误差模型（SEM）、空间面板滞后模型（SAR）和空间面板杜宾模型（SDM），因较好的弥补空间权重差异性的缺陷，减少误判的可能性，在教育财政减贫效应研究中被广泛采用[15]。为确保结果估计的精确性，本研究建立了三种空间面板回归模型：
3.空间面板模型的实证检验
在实证检验之前需要利用埃尔霍斯特（Elhorst）提出的三步法对数据集进行似然比率（LR）检验、沃尔德（Wald）检验和霍夫曼（Hausman）检验[16]，其目的是判定哪个空间回归模型估计结果较优。通过stata16.0软件对2008-2018年数据集进行分析，结果见表2。
LR Spatial Lag和Wald Spatial Lag检验的统计量分别为38.59和42.59，均通过了1%显著性水平。另外，LR Spatial Error和Wald Spatial Error检验的统计量分别为11.73和75.49，也均通过了1%显著性水平，表明空间杜宾模型的估计结果最优。进一步对空间杜宾模型进行Hausman检验，其统计量为177.49，在1%显著性水平上拒绝原假设，说明固定效应要明显优于随机效应。因此，本研究在进行数据分析过程中，主要参考空间杜宾模型的固定效应检验，见表3。
关键词 中等职业教育;财政支出;精准扶贫;减贫效应;空间溢出;门槛分析
中图分类号 G718.3 文献标识码 A 文章编号 1008-3219（2020）28-0013-07
贫困问题是每个国家和地区都普遍存在的社会现象，是影响经济发展和社会稳定的重要因素。现阶段，正值我国全面建成小康社会的冲刺阶段，消除贫困、改善民生更是当下亟需解决的重要难题。据国家统计局发布的数据显示，截至2019年，全国贫困人口已从2012年的9899万人减少至551万人，累计减少9348万人，贫困发生率也从10.2%下降到0.6%，减贫事业取得了显著成就。《中共中央 国务院关于坚持农业农村优先发展做好“三农”工作的若干意见》（中发[2019]1号）强调，要逐步提升公共财政对职业教育的投入力度，强化开发式扶贫与保障式扶贫统筹衔接，力争实现各地贫困人口的全部清零。扶贫先扶志，扶贫必扶智。中等职业教育因其具有较强的工具价值一直以来都是实现脱贫攻坚的重要渠道，教育财政支出更是让中等职业教育的工具价值得以充分发挥。在知识经济飞速发展的今天，扩大中等职业教育财政支出不仅能够使原本教育资源分配不均的现象得以缓解，而且可以使貧困群体改善自身状况、缓解就业问题。那么，我国中等职业教育财政支出究竟在多大程度上缓解了地区贫困，在减贫过程中是否存在空间溢出效应，又是否存在门槛特征，在脱贫攻坚背景下，这些问题若能得到解决，将对国家调整和出台更具针对性的扶贫措施起到重要推动作用。
鉴于各地区突出的贫困状况，学者们围绕着中等职业教育财政减贫效应进行了深入研究。克雷（Kraay）和杜大伟（Dollar）认为，教育财政支出和医疗财政支出有利于提高农业生产力，但对绝对贫困人口的减贫效果不明显，应重点发挥中等职业教育财政支出在绝对贫困人口中的帮扶作用[1]。凯斯（Kees）和卡米纳达（Caminada）研究发现，中等职业教育、社会保障等财政支出对于减缓农村贫困具有显著的促进作用，而且随着时间的发展呈现出逐级递增的正向作用[2]。佩特拉基斯（Petrakis）和斯塔玛塔基斯（Stamatakis）研究发现，经济发展水平不同，教育财政支出对经济增长的作用不同，具体表现在经济发展水平较低时，初等教育和中等教育的外部效应较大，经济发展水平较高时外部效应逐渐减缓[3]。国内关于中等职业教育财政减贫的研究大多集中在2010年以后，单德朋以2000-2010年西部地区省级面板数据为样本，利用动态面板模型将不同层次教育投入对贫困减缓的作用加以区别，发现中等职业教育对于减缓城乡贫困具有明显作用，中等职业教育财政支出和平均受教育年限增加均对贫困减缓有着积极的正向关系[4]。瞿连贵和石伟平以西部地区为切入点，认为发展中等职业教育是落实新一轮“西部大开发”战略、加快西部地区人力资源开发、促进西部地区脱贫攻坚的优先选项，需要从过去较多关注硬件投入逐渐转向加大软件投入，尤其是对“双师型”师资队伍、教学改革、课程更新等方面的投入[5]。农汉康和孙杰远认为，中等职业教育扶贫是我国贫困劳动力迫切需要的技能培养方式，能够有效提升贫困劳动力的生产技能和就业机会，应建构以政府为主导、以学生为根本、以企业为辅助的财政资助模式，并加大对贫困地区免费中等职业教育的实施力度[6]。聂伟认为，中等职业教育时间短、成本低、见效快，能为诸多贫困群体提供获取谋生的一技之长，要加大财政专项资金投入，补齐教育资源短板，并结合地区产业特点和劳动力结构，不断更新培训内容、强化培训功能，建设一批新型职业农民和技术型人才队伍[7]。
总体来看，已有文献都肯定了中等职业教育财政支出对地区减贫所具有显著的促进作用，在理论上形成了广泛共识。但仍存在一些不足：第一，在研究内容上，已有研究成果较多侧重高等职业教育或职业教育整体财政支出与地区减贫的关系，对中等职业教育财政支出的关注相对较少。第二，在研究时间上，已有研究成果大多基于时间序列进行分析，数据样本时点多集中在1995-2015年，随着经济发展进入新常态，职业教育的扶贫成果需要进一步完善。第三，在研究方法上，已有研究成果多采用质性研究方法或传统计量模型考察职业教育财政投入对地区减贫的影响，可能导致研究结果的偏差。鉴于此，本研究基于新经济地理学的理论基础，以全国30个省市（除西藏自治区，香港、澳门特别行政区，台湾地区）2008-2018年的面板数据为样本，研究中等职业教育财政支出与减贫效应的空间相关性，构建空间计量经济模型分析中等职业教育财政减贫的空间溢出和门槛效应，以期为调整和完善中等职业教育财政支出强度提供理论依据。
一、中等职业教育财政减贫的空间计量分析
（一）模型设定
我国中等职业教育财政支出的减贫效应主要是通过提高初中后人力资本以减少贫困发生实现的。由于各省际之间贫困程度不同，教育财政投入水平也存在较大差异，为了研究各省中等职业教育财政支出的减贫效应，本文参考沈能、赵增耀提出的计量经济模型[8]，建立适合本研究所需的模型。
其中，i为地区，t为时点，POVit为农村贫困水平，SSPit为中等职业教育财政支出，EFAit为农业财政支出，EFSit为社会保障和就业支出，PGDPit为经济发展水平，PULit为地区城镇化水平。 （二）数据指标
1.变量定义
被解释变量。对于贫困水平（POV）的表达，现有研究给出了一系列方法和手段，常用的贫困测量指标有分解FGT指数、森指数和贫困发生率等，这些贫困测量指标的共同特点是均以贫困线为标准进行评价。但由于2008-2018年之间我国贫困线有所调整，在地区贫困水平的评价上难免存在差异，罗知与郭熙保[9]建议利用20%最低收入人群的平均收入来估算地区贫困程度，冉光和与张冰[10]则用人均消费支出水平来估算各地区贫困程度，蔡文伯与翟柳淅利用城镇和农村人均收入与人口占比之和作为估计地区贫困程度的标准[11]。通过对2008-2018年全国农村人均收入和城镇人均收入与其20%低收入人群进行Pearson相关性分析，结果显示全国农村人均收入和城镇人均收入与其20%低收入人群呈显著正相关关系，选取人均收入作为衡量20%低收入人群的代理变量较为恰当。为此，本研究借鉴蔡文伯与翟柳淅的测量方法对地区贫困水平进行评估。具体计算公式为：贫困水平=农民人均收入×农村人口比重 城镇人均收入×城镇人口比重，为消除异方差和量纲的干扰，对得到的数据进行取对数处理。
解释变量。中等职业教育财政支出强度（SSP）内涵丰富，到目前为止，并没有形成一个明确的度量指标，由于数据指标的非连续性，本研究参照解垩[12]、王录仓[13]等人的研究，选用“中职在校生数/普职总人数”作为中等职业教育财政支出强度的代理变量。根据“贫困循环累积效应”，地区贫困化程度还受到经济发展水平、农业财政支出、社会保障支出和城镇化水平等因素的影响。因此，选取若干控制变量，以提高模型估计结果的稳健性。农业财政支出强度（EFA）用“财政支农支出/财政总支出”表示;经济发展水平（PGDP）用人均国内生产总值表示;社保财政支出强度（EFA）用“社保支出/财政总支出”表示;地区城镇化水平（PUL）用“城镇人口数/总人口数”表示。
2.數据来源
由于西藏自治区和香港、澳门特别行政区，台湾地区数据缺失较为严重，本研究以2008-2018年30个省（直辖市、自治区）的农村贫困水平（POV）、中职教育财政支出强度（SSP）、农业财政支出强度（EFA）、社保财政支出强度（EFS）、经济发展水平（PGDP）和地区城镇化水平（PUL）作为平衡面板数据集。所有原始数据均选自2008-2018年《中国统计年鉴》《中国农村统计年鉴》《中国人口和就业统计年鉴》和各省历年统计年鉴。
（三）中等职业教育财政减贫效应的计量分析
1.空间自相关分析
在对空间计量经济模型进行分析之前，需要先检验中等职业教育财政支出和农村贫困水平之间是否存在空间自相关。空间自相关是指一些数据在不同空间单元是否具有潜在的依赖性，如果高值和高值、低值和低值相邻，表明空间呈正相关，如果高值和低值相邻，表明空间呈负相关，如果高值和低值随机分布，则表明数据之间不存在空间相关性。本研究拟采用目前较为流行的莫兰指数（Moran’s I）分析验证中等职业教育财政支出和贫困水平之间的空间相关性。
其中，S2=为样本方差，xi表示第i个省份的数据指标，wij为处于i行j列的空间权重。Moran’s I也被学者称为Global Moran’s I，检验空间全局的相邻分布状态，一般两省份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，越接近0表示两省份不存在相关性。为此，0-1相邻权重矩阵如下：
其中，i=1，2，3……n;j=1，2，3……n;i≠j。本研究运用Geoda10.0软件对2008-2018年省际中等职业教育财政支出和贫困水平进行空间自相关检验，见表1。由表1可以看出，2008-2018年中等职业教育财政支出指数和贫困发生率指数均为正值，且贫困发生率指数均显著大于0.44，中等职业教育财政支出指数均显著大于0.39，可见中等职业教育财政支出和农村贫困发生率具有较强的空间自相关性，某一省份的中等职业教育财政支出会对相邻省份造成显著影响。因此，基于空间计量经济模型来估计中等职业教育财政支出的减贫效应。
2.空间面板模型的设定
国外学者在研究教育财政支出减贫效应的过程中，普遍采用马尔科夫链卡罗模型（MC3）和空间面板回归模型[14]，马尔科夫链卡罗模型尽管突破了遗漏变量增加偏误和增加控制变量以提高精准度，但由于忽略空间权重的差异性逐渐处于淘汰的边缘。空间面板回归模型主要是安瑟兰（Anselin）在1988年提出的空间面板误差模型（SEM）、空间面板滞后模型（SAR）和空间面板杜宾模型（SDM），因较好的弥补空间权重差异性的缺陷，减少误判的可能性，在教育财政减贫效应研究中被广泛采用[15]。为确保结果估计的精确性，本研究建立了三种空间面板回归模型：
3.空间面板模型的实证检验
在实证检验之前需要利用埃尔霍斯特（Elhorst）提出的三步法对数据集进行似然比率（LR）检验、沃尔德（Wald）检验和霍夫曼（Hausman）检验[16]，其目的是判定哪个空间回归模型估计结果较优。通过stata16.0软件对2008-2018年数据集进行分析，结果见表2。
LR Spatial Lag和Wald Spatial Lag检验的统计量分别为38.59和42.59，均通过了1%显著性水平。另外，LR Spatial Error和Wald Spatial Error检验的统计量分别为11.73和75.49，也均通过了1%显著性水平，表明空间杜宾模型的估计结果最优。进一步对空间杜宾模型进行Hausman检验，其统计量为177.49，在1%显著性水平上拒绝原假设，说明固定效应要明显优于随机效应。因此，本研究在进行数据分析过程中，主要参考空间杜宾模型的固定效应检验，见表3。