教育公平对省域经济增长的影响研究

/教育公平对省域经济增长的影响研究【摘要】文章使用地级市人均财政性教育支出构建省级教育基尼系数衡量教育横向公平，基于双向固定效应模型探究教育公平对省域经济增长的影响，并分别以夜间灯光亮度和性别间教育差异作为经济发展水平和教育公平的代理变量进行稳健性检验。研究发现：教育公平程度和省域经济发展水平呈倒U型关系，以地区生产总值为因变量的回归结果显示，当教育基尼系数为0.236时，教育公平程度对省域经济发展最为有利；以夜间灯光亮度为因变量的模型，教育基尼系数的最优值为0.288。研究还显示，教育公平对省域经济发展水平的影响存在滞后效应。基于此，各省政府应统筹安排地区间教育财政投入，优化教育资源配置。对于地市间教育投入差异较大的省份，应通过转移支付、政策支持等方式缩小地区间的教育财政投入差异。【关键词】教育公平；经济增长；教育基尼系数；夜间灯光数据 一、引言 自Schultz(1960)提出人力资本理论后，人力资本逐步被纳入主流经济增长模型之中。教育通过增进劳动者的知识和能力而提高人力资本质量，进而推动经济增长的逻辑受到了学术界的广泛认可。人力资本具有部分可交易性，即个体从教育中获得的收益是不同的①，因此不仅劳动者的平均受教育水平对经济产出有影响，而且教育的分布结构和公平程度也影响经济产出水平[1]，韩国二战后经济腾飞的历程就是教育公平对经济增长产生影响的典型案例。在二战结束之初，韩国的识字率仅为55％，小学毛入学率仅64％，全国初中共166所，教育资源十分匮乏②。韩国政府在1949年颁布《教育法》，随后又出台了一系列旨在促进教育发展的政策，有效推动了各级教育的发展和普及，教育基尼系数从1970年的0.439大幅下降至1995年的0.189。公平的教育机会和普及化的教育为韩国的劳动力市场输送了大量廉价且接受过良好教育的劳动者，使得韩国实现了经济的迅速增长，在同一时期内，国内生产总值在26年间上升了约60倍③，最终跻身发达国家行列。 改革开放四十多年以来，我国经济建设同样取得了令人瞩目的成就。然而，经济增长本身并非社会发展的最终目的，更高的生产力是为了提升人民的幸福感和获得感。我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。其中“不平衡”对社会公平提出了更高要求，“不充分”对社会生产效率提出了更高要求。过度的社会不公平易引发社会矛盾，影响社会和谐稳定，降低人们的幸福感和获得感。因此，如何在促进经济增长的同时更好地维护社会公平，成了现阶段我国社会发展亟待解决的问题之一。 随着1955年Kuznets假说④的提出，学术界对公平和经济增长之间的关系进行了更加深入的研究。Stewart(2000)将不公平划分为横向和纵向，其中纵向不公平衡量的是群体内的差异程度，而横向不公平衡量的是群体之间的差异程度[2]。囿于数据限制，以往对教育公平和经济增长之间关系的研究更多从纵向公平的角度出发，而对教育横向公平和经济增长之间关系的研究较少。相对于纵向公平，我国教育发展在区域间和城乡间的横向不公平问题更为突出，而这种横向不公平更容易影响经济社会的长期可持续健康发展。 本文以地级市人均财政性教育支出构建省份层面的教育基尼系数，将其作为教育横向公平的代理变量，以各省GDP作为地区经济发展水平的代理变量，对教育横向公平和省域经济增长之间的关系进行研究。此外，分别使用各省夜间灯光亮度和性别间教育差异作为地区经济发展水平和教育公平的代理变量对结果进行稳健性检验。 二、文献综述 (一)教育公平对经济增长的理论研究 许多研究试图解释社会公平对经济增长的影响，其中一部分从教育公平的角度出发，探讨了教育公平对经济增长的直接影响机制；更多研究探讨了收入公平对经济增长的影响。由于个体的受教育水平和收入水平通常正相关[3]，因此教育公平将会影响个体间经济收入公平，进而对经济增长产生影响。我们将教育公平影响收入公平，进而影响经济增长的这一路径称为教育公平对经济增长的间接影响。 (1)教育公平对经济增长的直接影响 教育公平可以从以下四方面对经济增长产生直接影响。第一，从人力资本投资边际收益递减的角度。有研究指出，如果个体间的教育收益率是相同且递减的，那么个体接受越多的教育，教育的边际收益就越低。因此全社会通过教育形成的人力资本分布越平均，人力资本总收益就越高[4]。第二，从激励的角度。教育不公平对于个体的教育投资选择具有激励作用。教育不公平程度越高，个体就有越强的动力去获取更高层次的教育[5]，并且相对于其他阶层，教育不公平对于较高收入阶层的激励作用更强[6]。因此，教育不公平将通过激励作用提升社会总的教育投资水平，进而推动长期经济增长。第三，从人力资本外部性的角度。父母的人力资本水平提升能够促进子女的人力资本积累(家庭环境外部性)，而个体人力资本的提升也将促进社会的技术进步(全局技术外部性)。随着经济的发展，家庭环境外部性首先发挥主要作用，而后全局技术外部性发挥主要作用。因此，教育不公平程度对经济增长的影响随着社会经济的发展呈现倒U型[7]。第四，从预期寿命的角度，人力资本投资取决于个体的生命预期，而个体的生命预期与父母的受教育水平密切相关。父母受教育水平较低的个体，其预期寿命也会较短。由于他们期望从教育回报中受益的时间很短，所以倾向于花较少时间积累人力资本。因此，教育不公平将会阻碍社会的人力资本投资水平，进而对经济增长产生负面影响[8]。 (2)教育公平对经济增长的间接影响 教育不公平程度将会扩大收入不公平程度，而收入不公平可以从以下五方面影响经济增长。第一，从社会稳定的角度。个体间收入不公平将会激化社会矛盾，引发群体间冲突[9]。冲突的增加必将影响社会运行效率，进而对经济增长造成不利影响[10]。第二，从税收和政策制定的角度。严重的收入分配不公平将使政策制定更倾向于计划经济式的分配形式[11]，降低市场运行效率，阻碍经济发展。此外，收入分配不公平将影响政治和宏观经济上的稳定性，导致相关财政支出的增加[12]。第三，从储蓄、投资的角度。高收入人群有相对更高的储蓄率，因此储蓄和投资的主要来源是高收入阶层。一定程度上的收入不公平可以增加储蓄和投资水平，进而促进经济增长[13]。第四，从信贷约束和劳动分工的角度。在金融市场不完善的社会，低收入家庭会因为信贷约束而无法负担较多的正规教育，因此收入不公平将导致低收入家庭人力资本投资不足，进而阻碍经济增长[14]。此外收入不公平将会降低社会分工程度，阻碍经济增长[15]。第五，从生育决策的角度。低收入家庭相对于高收入家庭拥有更高的生育率，而低收入家庭对子女人力资本的投资水平更低，使得低收入家庭子女的平均受教育水平较低。因此，收入不公平将会导致社会的平均人力资本积累水平降低[16]。基于以往的理论研究，本文构建了教育不公平对经济增长的影响机制图(见图1)。 图1教育不公平对经济增长的影响机制图 (二)教育公平对经济增长的实证研究 国际研究方面，绝大部分学者使用以人均受教育年限构建的基尼系数作为衡量教育公平的指标，其中Lópezetal.(1998)使用12个亚洲和拉丁美洲国家从1970-1994年的面板数据，发现教育不公平对经济增长存在负向影响[17]。Saueretal.(2014)使用143个国家超过60年的数据得出了不同的结论——对于国民平均受教育水平较低的国家来说，教育不公平程度与经济增长呈正相关；而对于国民平均受教育水平较高的国家，教育不公平与经济增长之间存在不显著的负相关关系[18]。Andrésetal.(2010)使用个体层面的数据则发现教育不公平和地区两年后的经济增长之间存在正向关系[19]。也有学者使用性别间教育差距这一衡量教育横向不公平程度的指标，Knowlesetal.(2002)研究发现性别间教育差距对国内生产总值有负面影响[20]。Klasen(2002)进一步指出两性的教育公平促进了国家的投资和人口增长，进而间接影响到经济增长[21]。 国内研究方面，许长青和周丽萍(2017)以人均受教育年限计算了我国1978-2014年的教育基尼系数，研究发现教育获得水平的不公平和地区经济发展之间存在倒U型关系[22]，使用美国1978-2015年的数据也得出了类似结论[23]。从省份层面来看，杨俊等(2007)使用1996-2004年29个省份数据，研究发现以人均受教育年限衡量的教育不公平对经济增长存在负向作用[24]。肖志勇和魏下海(2010)以全要素生产率作为生产效率的代表，研究发现教育不公平对全要素生产率具有显著的负向作用[25]。金钰莹和叶广宇(2019)基于2003-2016年的省际面板数据，研究发现教育公平和经济增长之间的耦合协调度在14年间小幅上升，但整体还处于较低水平[26]。 综合实证研究结果来看：(1)相对于收入公平对经济增长的影响，对教育公平和经济增长之间关系的讨论，不论是从研究热度还是内容丰富度来看都相对较低。此外，国内研究在研究数据和对教育公平的测量方法上存在一定的同质性，相关论文较多以省级层面数据进行研究，仅在时间维度上存在不同，且主要以平均受教育年限基尼系数作为教育纵向公平的衡量指标，对教育横向公平的研究较少。(2)以往实证研究得出的结论并不一致。部分研究发现教育不公平程度阻碍了地区经济发展，也有学者发现教育不公平对经济增长有促进作用，还有学者研究发现教育不公平对经济增长的影响在不同经济社会发展水平的国家存在异质性。(3)以往研究主要使用平均受教育年限构建的基尼系数作为衡量教育不公平的指标。依据Stewart(2000)的分类，以平均受教育年限计算的基尼系数衡量的是教育的纵向公平程度，体现了教育总量中各层次或各类型教育形式的构成比例关系。换言之，如果地区的教育发生了扩招，而扩招的名额全部由高社会阶层的子女获得，那么衡量纵向公平程度的指标可能依然会显示教育变得更加公平了，这与大众对于教育公平的感知是不一致的。因此，相对于教育纵向公平，事实上教育横向公平程度更能反映出教育公平与否。但目前对于教育横向公平和经济增长之间关系的研究较为缺乏。 三、研究设计 (一)模型构建 本研究在索洛经济增长模型的基础上加入通过教育形成的人力资本这一要素，建立基础研究模型： Yit=AKit[β1]Lit[β2]Hit[β3] (1) 其中Yit代表i省t年的经济发展水平，Kit代表i省t年的资本投入，Lit代表i省t年的劳动力投入，Hit代表i省t年的人力资本水平。对式(1)两边取对数可得： lnYit=β0+β1lnKit+β2lnLit+β3lnHit (2) 在式(2)中加入衡量教育不公平程度的教育基尼系数，考虑到不公平程度和经济增长之间可能存在的倒U型关系，因此同时加入了教育基尼系数的二次项。模型如式(3)所示： lnYit=β0+β1lnKit+β2lnLit+β3lnHit+β4Git+β5G[2]it (3) 其中Git为i省t年的教育基尼系数，G[2]it为i省t年教育基尼系数的平方。考虑到教育投入对经济增长存在滞后效应，参考Rodríguez-Poseetal.(2010)的处理方法，使用t-2期的教育基尼系数作为衡量教育不公平的指标[27]。此外，由于省份的经济发展水平可能会影响到省内不同地区间的教育发展水平，因此教育不公平和经济增长之间可能存在反向因果的关系。使用提前2期的教育基尼系数还可以在一定程度上解决由于教育不公平和经济增长之间存在的反向因果而导致的内生性问题。模型转化为式(4)： lnYit=β0+β1lnKit+β2lnLit+β3lnHit+β4Git-2+β5G[2]it-2 (4) 考虑到：第一，省份间的经济增长在省份和年份两个维度上都可能存在共同趋势。第二，加入时间效应和个体效应可以控制相关遗漏变量。第三，豪斯曼检验在1％的显著性水平下支持使用固定效应模型。因此本研究在模型中加入了时间和个体的双向固定效应。加入了个体效应μi、时间效应νt和其他控制变量Xitj的模型如式(5)： lnYit=β0+β1lnKit+β2lnLit+β3lnHit+β4Git-2+β5G[2]it-2+γjXitj+μi+νt (5) (二)变量选择和数据来源 本研究以省为分析单位，对1994-2016年20个省份数据进行研究。由于研究需要基于地级市数据构建省级的教育支出基尼系数，而直辖市无法构建这一指标，因此四个直辖市被排除在外。此外，缺失数据值较多的西藏、内蒙古、青海、新疆、宁夏、海南、云南7个省份排除在外。 1.衡量地区经济发展水平和教育横向公平程度的指标选择 本研究使用1990年不变价地区生产总值(GDP)作为各省经济发展水平的代理变量⑤。对于教育公平的代理变量选择，由于教育资源的平均分配是受教育机会公平的必要条件，地区间人均财政性教育支出的均衡程度是地区间教育资源分配公平性的重要体现。并且以往相关研究衡量教育公平所使用的平均受教育年限仅能反映个体获得教育的数量，相比之下，个体所获得的教育资源投入既能体现教育的数量又能体现教育的质量⑥。基于此，本文以地级市人均财政性教育支出构建省级教育基尼系数，将其作为教育公平的代理变量，以反映地市间人均公共教育资源的横向公平程度。 教育基尼系数的具体构建方法如下，首先从1995-2017年《城市统计年鉴》中提取各省每个地级市1994-2016这23年间财政性教育支出和各地市人口数量，由于1995-2003年的年鉴仅汇编了各地市市辖区的财政性教育支出，因此1994-2002年的教育基尼系数是基于地级市市辖区的财政性教育支出和人口计算得到的，2003-2016年则使用全地级市数据计算得到，时间固定效应可以缓解由此产生的估计偏差。使用居民消费价格指数对财政性教育支出进行平减后，计算出1990年价格的各地级市人均财政性教育支出(简称为人均教育支出)，并基于人均财政性教育支出计算省份层面的教育基尼系数，计算公式如下： EGINIi=1-(xi，j-xi，j-1)(yi，j+yi，j-1)；(xi，0=0，yi，0=0，xi，n=1，yi，n=1) EGINIi为i省的教育基尼系数，xi，j为i省j地级市人口的累计百分比，yi，j为i省j地级市人均财政性教育支出的累计百分比，基尼系数EGINIi的值越大表明人均财政性教育支出在i省各地区的分布越不均衡。 2.控制变量的指标选择 研究以各省资本存量作为资本投入的代理变量，并采用永续盘存法计算资本存量。计算公式如下： Ki，t=Ki，t-1(1-δi，t)+Ii，t 其中，基期的资本存量Ki，1使用张军等(2004)计算的1990年中国各省资本存量[28]；Ii，t为i省t年的投资额，使用固定资产价格指数平减后的固定资本形成总额来衡量(基期为1990年)⑦；折旧率δi，t使用张军等(2004)估算得出的各省固定资本形成总额的经济折旧率9.6％。 研究以各省常住人口作为劳动力投入的代理变量，以各省人均受教育年限作为人力资本水平的代理变量，各省1994-2016年的人均受教育年限从《中国统计年鉴》中获得。本研究设定未上过学的受教育年限为0；小学为6；初中为9；高中为12；大专及以上为16。并以此计算各省人均受教育年限，计算公式如下：=Eduj*pitj/pitj 其中代表i省t年的平均受教育年限；j代表不同受教育水平的分组；Eduj代表j组人群的受教育年限；pitj代表i省t年j组的人数。 本研究的模型还存在以下两方面内生性问题：(1)地市政府对教育的财政投入水平和当地经济发展水平相关，因此地市间经济发展水平的不公平程度可能同时影响地市间教育投入的不公平程度和全省的经济发展水平，并由此产生遗漏变量。因此，本研究在实际回归中加入以各地级市人均GDP构建的省级人均GDP基尼系数，用以衡量地区间经济发展的均衡程度，以消除内生性。(2)由于人口的省际流动，省内教育投入并不完全作用于本省的经济发展。因此，本研究在模型中加入衡量省份人口净流出水平的变量，人口净流出率的测算方法是省份的户籍人口与常住人口之差比上户籍人口⑧。变量的描述性统计见表1。 四、实证结果 (一)人均财政性教育支出和教育基尼系数的变化趋势 首先对全国人均财政性教育支出和教育基尼系数在1994-2016年间的变化趋势进行分析。图2是全国人均财政性教育支出的变化趋势，该数值基于样本中20个省份数据计算得到。从图2可看出，全国人均财政性教育支出从1994年至2016年是持续上升的。其中，1994-2005年之间的增幅较为平缓；2006年开始，随着农村义务教育经费保障新机制等政策的实施，以及我国《“十一五”规划纲要》将教育列为公共财政支出的重点领域，政府投入教育的比重迅速提升，人均财政性教育支出的增加幅度大幅上升；相比于2011年，2012年人均财政性教育支出有较大幅度的提升，我国财政性教育经费在同年达到GDP的4％这一目标。此外，由于年鉴数据存在一定限制，1994-2002年的数值基于市辖区数据计算得到，因此2003年的人均财政性教育支出低于2002年的数值，这侧面说明了城市地区的人均财政性教育支出是高于农村地区的，反映了教育投入在城乡间存在不公平。 图2全国人均财政性教育支出(1990年价)的变化趋势 图3展示了以地级市为单位计算的全国教育基尼系数1994-2016年的变化趋势，其中1994-2002年教育支出基尼系数是基于市辖区数据计算的，2003-2016年的数据使用全地级市数据计算。从总趋势来看，教育支出基尼系数从1994年持续上升至2002年到达高峰，而从2002年后开始降低，至2014年后趋于平稳，说明了全国教育的不公平程度经历了先上升而后下降的过程。2002年后全国教育基尼系数的下降，一方面是由于市辖区之间人均财政性教育支出的差异大于全地级市之间的差异导致的，另一方面是由于2002年中央和地方政府的所得税收入分享改革⑨和2003年国务院发布的《关于进一步加强农村教育工作的决定》等政策导致的。 图3全国教育支出基尼系数的变化趋势 (二)回归结果分析 以地区生产总值的对数为因变量的回归结果如表2所示，其中模型1、3、5未加入双向固定效应，模型2、4、6加入了双向固定效应。模型1、2展示了仅加入资本投入、劳动力投入和人力资本投入的基准模型回归结果，从模型1的回归结果可以看出，资本投入、劳动力投入和人力资本投入均对省域经济有显著正向的影响。加入双向固定效应后，资本投入和人力资本投入依然对省域经济有显著的正向影响，但劳动力投入对省域经济的影响并不显著。 模型3、4在模型1、2的基础上加入了当期人均教育支出基尼系数、人均教育支出基尼系数平方和其他控制变量。模型3、4的回归结果均显示基尼系数的回归系数显著为正，其平方项的系数显著为负，说明教育基尼系数和地区生产总值之间存在倒U型的关系。考虑到教育投入对经济增长存在滞后影响的可能性，模型5、6在模型1、2的基础上加入了t-2期的教育基尼系数、t-2期的教育支出基尼系数平方和其他控制变量。 模型6的回归结果显示，组内R＾2为0.99，说明模型拟合良好，自变量对因变量的解释力度较强。此外，资本投入、劳动力投入和人力资本投入对省域经济有显著的正向影响，符合传统经济增长模型的假设；t-2期教育基尼系数对地区生产总值有显著影响，若不考虑二次项，则人均教育支出基尼系数每增加0.1，地区生产总值将上升0.101％；t-2期教育基尼系数的平方项系数显著为负，若不考虑一次项，则人均教育支出基尼系数的平方每增加0.1，地区生产总值将降低0.214％。资本投入、劳动力投入和人力资本投入的系数分别为0.357、0.912、0.762，说明资本投入每增加1％，地区生产总值将上升0.357％；劳动力投入每增加1％，地区生产总值将上升0.912％；人力资本投入每增加1％，地区生产总值将上升0.762％，因此劳动力投入对省域经济的贡献度最高，人力资本投入的贡献度其次，而资本性投入对地区经济增长的贡献度较低。在未加入固定效应的模型5中，人口净流出率的系数为负，说明人口流出地区的经济发展水平相对较低。而对于加入固定效应的模型6，人口净流出率的系数为正，这可能是由于人口净流出地区的经济发展水平相对较低，因此经济的相对增速较快。此外，t-2期人均GDP基尼系数的回归系数显著为正，说明了人均收入越不公平的省份，经济发展越快。综合考虑模型6的结果，教育不公平程度和地区经济水平呈现倒U型关系，随着地区教育不公平程度的上升，其对省域经济发展水平先会产生正向的影响，而后产生负向的影响。因此，过低或过高的教育不公平都会阻碍经济增长，教育基尼系数为0.236⑩的教育公平程度对地区经济增长最为有利。 (三)稳健性检验 使用地区生产总值(GDP)作为经济发展水平的代理变量可能存在以下5方面问题：(1)因统计技术手段和统计数据质量问题，导致数据失真。(2)地方政府虚报、瞒报统计数字。(3)地区和年份间的统计口径存在差异。(4)价格折算不准确。(5)低估服务业产出[29][30]。由于能够避免GDP数据存在的缺点，地区夜间灯光亮度被相关学者认为是反映地区经济发展水平的良好代理变量[31]。本研究将使用各省夜间灯光亮度作为各省经济发展水平的代理变量以进行稳健性检验。夜间灯光数据的处理方式如下：夜间灯光数据源自美国国家海洋与大气管理局(NOAA)公布的空军气象卫星所采集的DMSP/OLS影像数据，并选取其中的稳定灯光数据。该数据为灯光的灰度值(DN值)，反映了地区夜间灯光的亮度水平，同时数据为无云数据，剔除了由火灾、爆炸等造成的短暂亮光，只包含了相对稳定的灯光。由于卫星传感器的性能差异可能导致数据异常波动，本文基于LiuZ.etal(2012)提出的方法对数据进行了校正[32]，并将各省的DN总值除以该省份的栅格数得到该省的平均DN值。平均DN值(简称DN值)反映了该省份每一栅格的夜间灯光明亮程度，可以作为该地区经济发展水平的代理变量。由于平均DN值的数据绝对值较小，因此该变量在回归分析中并没有进行对数化处理。 此外，教育公平的内涵丰富、维度多样，单一的指标无法反映教育公平的全部内容。除不同地区群体间的教育差异外，不同性别群体间的教育差异也是教育横向公平的重要体现。因此，本文使用各省不同性别间的平均受教育年限差值(11)作为教育公平的代理变量进行稳健性检验。 稳健性检验的结果如表3所示。模型7、8分别是以地区夜间灯光亮度(DN值)作为因变量，加入当期教育基尼系数和加入t-2期教育基尼系数的双向固定效应模型。模型7的回归结果显示，资本投入、劳动力投入和人力资本投入对地区夜间灯光亮度存在正向影响，但资本投入的影响不显著。模型7中人均教育支出基尼系数项系数显著为正，其二次项系数为负，但不显著。相比于模型7，模型8中人均教育支出基尼系数项的系数在1％的显著性水平下为正，其二次项系数在10％的显著性水平下为负。此外，模型8的拟合优度高于模型7，以上结果都说明教育不公平程度对省域经济的影响存在滞后效应。模型8的结果显示，省份的教育横向不公平程度和经济发展水平呈现倒U型关系，使用教育基尼系数的一次项系数和二次项系数进行计算，则教育基尼系数为0.288的教育公平程度对地区经济增长最为有利。模型9、10以各省不同性别间平均受教育年限差值作为教育公平的代理变量，以地区生产总值的对数为因变量。模型9使用了当期数据，性别间教育差异的二次项系数显著为负，其一次项系数为正，但不显著。相比于模型9，模型10使用了t-2期的性别间教育差异，其一次项系数显著为正，二次项系数显著为负，同样说明了教育不公平程度对省域经济发展水平有倒U型的影响，同时这一影响存在滞后效应。 比较不同模型，以地区生产总值和以DN值作为地区经济发展水平的代理变量各有优势和劣势，对于使用地区生产总值为因变量的模型，地区生产总值由于统计口径差异等因素可能存在公布数据和实际值产生偏离的问题。其优势在于GDP是衡量地区经济发展水平最常用的指标，并且从拟合优度来看，模型6的组内R＾2(0.99)高于模型8的组内R＾2(0.7)，说明了使用地区生产总值作为因变量的模型，其变量的解释力度更强，符合传统模型对于地区经济发展水平决定因素的设定。相比之下，夜间灯光亮度是更为客观地衡量地区经济发展水平的指标，但其短板在于：(1)夜间灯光亮度仅体现出地区夜间的明亮、繁荣程度，而GDP是较为全面和系统的核算指标。(2)对于处于城市化过程中的地区，夜间灯光数据的效果更加明显，但是随着经济进一步的增长，夜间灯光反映经济发展水平的能力会递减[33]。另一方面，对比使用地区间人均财政性教育支出和性别间受教育年限差异作为教育公平代理变量的模型，受教育年限是直接衡量个体教育结果的指标，但仅能反映受教育的数量，而人均财政性教育支出是衡量个体受教育情况的间接指标，但同时能体现个体受教育的数量和质量。结合不同模型的结果来看，各模型(模型6、8、10)的回归结果均显示教育不公平程度和地区经济增长存在倒U型的关系，通过模型间的相互印证，可以认为随着教育横向不公平程度的逐渐上升，教育不公平先促进省域经济增长而后阻碍省域经济增长这一结果是较为稳健的。 结合以往理论来分析，对于大多数省份，在社会经济发展的早期阶段，省份内的教育发展处于“均贫”状态，即居民的平均受教育水平、教育的投入水平和教育投入基尼系数都较低，在这一阶段，由于教育资源较为有限，有一定差异性的教育投入对经济发展起到了促进作用。具体来说，在经济发展的早期阶段，教育投入的总体水平较低，让一部分地区的教育先发展起来，使这些地区有更多人能够接受更高层次的教育，可以有效提升这些地区的人力资本积累水平和经济发展水平，进而让先发地区发挥“领头羊”作用，带动其他地区的经济发展，这是较为有效的经济发展策略。而随着经济发展水平的上升，地区间教育投入的不公平性将对经济发展产生负面影响。在这一阶段，对于先发地区来说，教育和经济已经取得一定程度的发展，继续将过多教育资源集中于发达地区必然导致教育投资边际收益持续下降，而对于发展暂时落后的地区，教育投入的不公平使得这些地区的教育投入水平过低，有天赋和能力的学生因为缺少优秀的老师、足够的资金而无法获得良好的教育，这必将造成极大的人才浪费，不利于这些地区的人力资本积累。此外，地区间教育不公平还会间接导致地区间的居民收入不公平，居民收入不公平又会传导至教育层面，导致地区间居民的私人教育投入差距拉大，并拉开不同地区政府的财政收入水平，进一步扩大地区间公共教育投入的不公平程度。因此，教育不公平程度过高不仅直接阻碍了地区的经济发展，还将通过教育和收入不公平之间的相互迭代，进一步对社会经济发展产生负面影响。 五、结论及讨论 本研究以地级市人均财政性教育支出构建的基尼系数作为教育资源在地区间横向公平程度的衡量，以地区生产总值作为各省经济发展水平的代理变量，在控制人口流动和地区经济发展水平差异的情况下，使用双向固定效应模型进行回归，并进行了稳健性检验。研究发现：(1)教育不公平程度和省域经济发展水平呈现倒U型关系，随着教育不公平程度的上升，其对省域经济发展水平先会产生正向的影响，