教育何以缩小收入差距-基于认知技能国际可比数据的实证分析

/教育何以缩小收入差距——基于认知技能最新国际可比数据的实证分析【摘要】通过教育缩小收入差距是凸显教育强国建设“人民属性”与“民生保障力”的关键路径。基于人口技能视角重构教育与收入差距之间关系的理论模型，采用2000—2023年123个国家和地区基础教育阶段学生认知技能国际可比数据与2011—2023年30个国家和地区16～65岁成人认知技能国际可比数据，就教育调节收入差距的作用机制进行实证分析。结果显示，一国收入差距与其教育数量和质量发展水平均不存在规律性的稳健关系，缩小人口教育数量获得的差异也不会对收入差距状况产生改善作用。单纯扩张教育数量规模，并不会使收入差距迎来“拐点”。充分发挥教育调节收入差距功能的关键在于，缩小人口整体的教育质量差异与不同群体的认知技能收益率差异。当前，我国成人认知技能差异较大，中低与低技能过剩，中高与高技能短缺，中等收入群体的认知技能收益率偏低，高技能群体与中等技能群体存在较大的认知技能收益率落差，呈现出较突出的技能溢价现象。未来，进一步发挥教育促进共同富裕的作用，需继续推动基础教育“公平而有质量”的发展，扩大优质高等教育供给，并提高高校人才培养的供需适配度。【关键词】教育强国；教育质量；收入差距；认知技能

贫富差距是全球性难题。2022年，世界财富与收入数据库(WorldInequalityData，WID)分析报告显示，世界收入最高的前10％人口拥有世界总收入的52％。[1]中国的收入差距形势亦不容乐观。根据2020年世界发展指标(WorldDevelopmentIndicators，WDI)，我国收入基尼系数高于世界平均水平，收入不均等程度位于世界前30％。① 长期以来，教育被视为调节收入分配的重要手段，但其对于收入差距的作用机制是复杂的，有关二者关系的经验研究亦始终未形成定论。[2]本研究聚焦教育以何种方式缩小收入差距，尝试通过构建教育生产函数理论模型厘清人力资本与教育数量和质量之间概念的逻辑关系，将倒"U"曲线(invertedUcurve)、国家知识资本、技能偏向型技术进步等理论假说放入同一计量分析框架进行验证，从各国学生与成人认知技能分析入手，探寻教育调节收入差距的作用机制。本研究期望形成三方面的突破：第一，利用前沿转换技术，首次形成我国成人认知技能的国际可比数据；第二，以认知技能对国家教育人力资本进行直接测量，探明人口认知技能与收入差距之间的关系，区分教育数量与质量差异对一国收入差距的不同影响；第三，关注技能溢价对收入差距的重要作用，对比分析中国与世界其他主要国家的“认知技能收益率—收入水平”与“认知技能收益率—技能水平”变化形态，研判我国教育促进共同富裕、创造人口技能红利的重要施策方向。 一、发展教育究竟能否缩小收入差距 20世纪50年代，西蒙·史密斯·库兹涅茨(SimonSmithKuznets)提出著名的倒"U"字形曲线假说(以下简称倒"U"假说)，预判收入差距会随着经济增长呈现先升后降的倒"U"形变化规律。[3]约翰·奈特(JohnB.Knight)和理查德·萨伯特(RichardH.Sabot)进一步将该假说延伸运用于教育与收入差距关系研究，认为二者也存在倒"U"形变化规律，发展教育虽然短期内会拉大收入差距，但只要持续不断扩张教育，最终将有助于缩小收入差距。[4]倒"U"假说本质上是一种对现象的总结，既缺少严格的理论模型推导，[5]又与许多国家的后续历史发展进程不相一致。库兹涅茨对倒"U"假说的论证采用的是“同一国家”的对比逻辑，是通过纵向对比同一国家在不同历史阶段经济增长、教育发展与收入差距的关系变化而得到的结论。[6]而以往支持倒"U"假说的实证研究大都采用的是“不同国家”的对比逻辑，即通过横向对比处于不同历史阶段的不同国家来验证倒"U"假说。如果严格采用“同一国家”的对比方法，不仅得不到倒"U"结论，还能看到很多反例。譬如，二战后美国和许多西欧国家收入差距伴随经济和教育发展呈现的是"U"形而非倒"U"形变化；[7]20世纪60—90年代，东亚许多国家和地区经济快速增长，其收入差距并未同步扩大，而是不断缩小；[8]许多发展中国家在由极端贫穷转变为相对贫穷的发展过程中也未出现收入差距同步恶化的情况[9]。 对于教育与收入差距之间的复杂关系，学者陆续提出了一些新的见解。社会学家主要从教育再生产角度来剖析教育的分配功能。譬如，有效维持不平等假说(EffectivelyMaintainedInequality，EMI)提出，虽然伴随教育扩张，国民受教育机会和数量趋向平等，但优势阶层依然在更高质量教育方面保有优势，以维系原有收入分配格局。因此，要发挥教育缩小收入差距的作用，必须改变不同群体受教育质量的分配状况。[10]相比之下，经济学家更关注在不同制度环境或技术进步条件下教育与收入差距的关系变化。一方面，收入分配深受政治或制度性因素的影响。虽然发展教育能使更多人获得知识和技能并由此带来国民生产力的整体增长，是促进收入趋同化的重要机制，但同时存在着往反方向推的趋异化力量。[11]因此，在不同的劳动力市场、再分配制度的条件下，各国教育发展与收入差距会呈现出不一样的数量变动关系，具有很强的国别或地区异质性特征。[12]另一方面，伴随着技能偏向型技术进步与产业结构升级，市场对高技能劳动力的需求激增，若教育不能对此变化及时作出回应，工资中的技能溢价就会持续增长，此时，高技能与中、低技能劳动力的工资差距必定会不断拉大。20世纪80年代以来，很多发达国家工资差距日益扩大，过高的技能溢价是主因。[13] 那么，一国教育发展对收入差距究竟有无规律性影响?根据人力资本理论，通过教育所形成的人力资本是劳动力参与国民收入分配最为重要的因素，而教育人力资本又主要表现为人的知识和技能。因此，一国收入差距必定与其教育人力资本、人口知识和技能有着直接关联。[14]要验证这一点，首先要解决教育人力资本的测量问题。鉴于数据采集的便捷性，以往研究普遍采用人口平均受教育年限来衡量一国教育人力资本存量，但该指标仅能揭示各国人口所受教育数量的差异，无法全面反映其所受教育质量的差异。埃里克·汉纳谢克(EricA.Hanushek)等人提出国家知识资本理论，认为既然人力资本主要表现为个人通过教育所获得的知识和技能，那么就应采用学生认知技能等教育质量指标对一国人力资本进行直接测量。[15]事实上，当前世界各国教育人力资本差距主要表现为质量差距而非数量差距。自20世纪70年代中期以来，经济合作与发展组织(OrganisationforEconomicCo-operationandDevelopment，以下简称OECD)成员国和非OECD成员国的人口平均受教育年限差值持续下降，但这两类国家学生参加国际学生评估项目(ProgrammeforInternationalStudentAssessment，以下简称PISA)的平均数学测试得分差值只在一个较小分值范围内起伏变化，2023年差值与20年前基本持平(见下页图1)。 图120世纪中叶以来OECD与非OECD成员国的教育数量与质量差距变化 注：各国受教育年限数据来源于巴罗-李教育获得数据库(Barro-LeeEducationalAttainmentData)；学生测试得分采用2000—2022年八轮PISA测试的数学得分。 为破解教育影响收入差距的机制，本研究基于教育生产函数理论构建数理模型。根据该理论，劳动力人力资本是学校教育、家庭教育、校外教育等因素共同决定的产物，而学校教育对劳动力人力资本的影响又取决于学校教育投入的数量和质量。[16]因此，人力资本生产函数可表示为： H=λF+f(Schooling，Quality)+ηA+αZ (1) 其中，H表示人力资本；F表示家庭教育投入；A表示个人天赋；Z表示其他因素(如个体健康等)；f(Schooling，Quality)表示学校教育投入，它包括两个要素——学校教育投入的数量(Schooling)和质量(Quality)，投入数量常用个人接受的教育年限来测量，而投入质量可使用生均投入等指标来测量。 学校教育主要通过增进劳动力知识和技能而形成人力资本。因此，本研究借鉴汉纳谢克等学者提出的方法，[17]采用认知技能对劳动力人力资本进行直接测量，即有： C=H+μ(2) 其中，C表示劳动力认知技能，μ为测量误差。劳动力认知技能是有关学校教育投入数量与质量的一个函数，它属于教育产出或结果层面的指标，从测量效度的角度看，它比任何表示学校教育投入的指标都更加优越。在公式(1)中，所有学校教育投入数量和质量及其他影响因素都被“化约”为一种结果，即认知技能。在个体所受教育数量(如受教育年限或文凭)及其他因素相同的条件下，认知技能可直接用于表征个体所受教育结果的质量。 劳动力收入受其人力资本的影响，可表示为： LnYc=lnY0+rC+μ (3) 其中，Yc表示劳动力具有认知技能C时的收入，Y0表示劳动力不具有任何认知技能时的收入，r表示认知技能收益率。对上式等式两边同取方差，在允许劳动力认知技能收益率r随其技能水平C变化而发生变化的条件下，可近似推导得到[18]： 由该函数可知，一国收入差距受以下人力资本因素的影响： 第一，一国劳动力认知技能差异越大(Var(C))，收入差距也越大。教育数量的获得(如文凭)或许对劳动力收入有短期影响，但从长期看，个人所接受的教育质量及其所拥有的真实技能才是决定劳动力收入的关键因素。也就是说，从长期看，教育数量的分配与收入差距无关，改变教育质量分配才能对收入差距产生影响。这一论断与国家知识资本理论和EMI假说是一致的。 第二，一国劳动力认知技能收益率差异越大(Var(r))，收入差距也越大。以往不少研究只承认不同群体在教育或技能获得水平上存在差异，默认不同群体具有相同的教育或技能获益能力，而事实上，受劳动力市场分割、收入分配制度等因素的影响，各国不同收入群体的认知技能收益率普遍存在差异，并表现出不同的“认知技能收益率—收入水平”变化形态，它反映出各国不同收入群体从教育或技能投资中获益能力的差异状况。对于改善收入差距来说，最理想的“认知技能收益率—收入水平”变化形态为递减形，即低收入、中等收入和高收入群体的认知技能收益率呈递减变化。若变化为递增形，认知技能收益率随收入水平的提高呈递增变化，此种形态对收入差距有扩大作用。除此之外，认知技能收益率随收入水平的提高还会呈"U"形和倒"U"形变化，此两种状况对收入差距的影响较为复杂，视各国不同收入群体的规模结构与收入差距程度而定。 第三，认知技能收益率与技能水平相关关系(Cov(r，C))对收入差距也具有重要影响。如公式(4)，一国劳动力的平均认知技能水平()与平均认知技能收益率水平()对收入差距的影响取决于“认知技能收益率—技能水平”相关关系的方向与强度。“认知技能收益率—技能水平”相关关系反映各国不同技能水平群体从教育或技能投资中获益能力的差异状况。如果认知技能收益率随劳动力技能水平的提升而增高[即Cov(r，C)＞0]，就会拉大高技能与低技能劳动力之间的收入差距，反之则会缩小收入差距。这一论断与技能偏向型技术进步假说是一致的。在技能偏向型技术进步条件下，当一国教育所形成的高技能供给无法满足更多市场需求时，我们将观测到该国的认知技能收益率随技能水平的提高而递增，二者呈现较强的正相关关系，意味着存在着较高的技能溢价，这对收入差距有扩大效应。 由以上分析可知，一国收入差距与其教育数量和质量发展水平并无直接关联，而是主要取决于各国的劳动力认知技能差异程度，以及不同收入、不同技能群体认知技能收益率的差异状况。据此，本研究构建了学生和成人认知技能的国际可比数据，对上述理论推论进行检验。 二、研究数据、模型与方法 以一定技术确保关键指标的国际可比性，是开展国际比较循证研究的基础性工作。通过国际数据可比转换，不仅有助于提高研究的构建效度与内部效度，亦可扩展样本国家数量，提高统计功效。 (一)关键指标的国际可比转换 教育数量以人口平均受教育年限作为代理指标。本研究的受教育年限数据来自巴罗-李教育获得数据库。[19]该数据库提供的各国数据以5年为间隔，而本研究使用的其他重要数据有较多产生在其5年间隔内。为确保不同来源数据的年份一致，采用线性插补技术对该数据库提供的受教育年限数据进行补值。 教育质量以各国基础教育阶段学生的认知技能测试得分作为代理指标。由于各国学生参加的测试项目不同，因此得分不能直接进行对比。为解决这一问题，借鉴诺姆·安格里斯特(NoamAngrist)等学者提出的校准技术，[20]以同时参加PISA和国际数学与科学趋势研究项目(TrendsinInternationalMathematicsandScienceStudy，以下简称TIMSS)的国家或地区作为“锚点”，形成PISA-TIMSS测试得分之间的映射关系函数，并根据此函数对只参加单种测试的国家或地区学生的测试得分进行标准分转化，最终构建了2000—2023年123个国家和地区学生认知技能的国际可比数据库。为保证各国家和地区学生接受的测试内容一致，只对PISA和TIMSS的数学测试得分进行国际可比转换。 学生认知技能只是一种流量指标。若严格依照教育生产函数，无论是表示教育数量的人口平均受教育年限，还是表示教育质量的学生认知技能得分，都属于教育生产过程中的投入要素或中间产品，成人认知技能才是一国教育生产的最终产出。因此，为更准确地反映各国教育人力资本存量，还需对各国成人认知技能进行国际可比转换。当前，实施国际成人认知技能测试的项目并不多，且覆盖的国家和地区数量要比国际学生测试项目少得多，即便是规模最大的2023年国际成人能力评估调查(ProgrammefortheInternationalAssessmentofAdultCompetencies，以下简称PIAAC)也只覆盖了30个国家和地区。中国从未参加过PIAAC测试，为将我国纳入PIAAC数据库，本研究采用“移民锚点”方法进行国际可比转换，具体步骤如下。 首先，将PIAAC数据中在国内完成正式教育后移居至他国的中国移民样本抽取出来；其次，将中国家庭追踪调查(ChinaFamilyPanelStudies，以下简称CFPS)数据中与PIAAC中国移民样本具有相同受教育年限的个体抽取出来，组建CFPS本土样本；最后，在这两个样本具有相同分布特征的假设条件下，利用萨拉·古斯特(SarahGust)等学者提出的技术构建转换函数，[21]将我国CFPS成人认知技能测试得分转换为PIAAC可比得分②。 成人认知技能的可比转换也只限于数学测试得分，最终形成2011—2023年30个国家和地区16～65岁成人认知技能国际可比数据③。转换后的中国和美国成人认知技能分布如图2所示。与美国相比，我国有大量成人聚拢于技能偏下水平区域，而中高与高技能人口密度则远低于正常水平，呈现“中低与低技能过剩，中高与高技能短缺”特征。 图2中、美成人可比认知技能得分的概率密度分布对比 除上述变量外，本研究还使用了各国收入差距、经济发展、人口规模等变量，相关变量的数据来源与描述统计详见下页表1与表2。 (二)计量模型 首先，为验证倒"U"假说，建立如下计量模型： Gct=α+β1MYSct+β2MYS2ct+ωyear+τcoutry+Σjδjxjct+εct (5) 其中，Gct为各国收入基尼系数，MYSct和MYS2ct表示各国人口平均受教育年限及其平方项。如果倒"U"假说成立，那么估计系数β1和β2应分别显著为正和负；ωyear和τcoutry分别表示年份固定效应与国家固定效应。如前所述，库兹涅茨论证倒"U"假说采用的是“同一国家”的对比逻辑，因此在严格意义上，检验倒"U"假说需控制国家固定效应；xjct表示其他控制变量，包括各国人均GDP一次项与二次项、人口规模等。为对经济学研究惯常使用的计量模型进行验证，本研究还尝试在回归模型(6)中加入人口受教育年限基尼系数(DYS)作为解释变量，用于验证改善人口受教育数量差异能否产生缩小收入差距的作用。[22] 其次，进一步将各国基础教育阶段学生的认知技能得分放入模型，就各国教育质量提升与差异改善对收入差距的作用进行对比分析，即有： Gct=α+γ1MYSct+γ2DYSct+γ3Cogsct+γ4DCogsct+ωyear+τcoutry+Σjδjxjct+εct (6) 其中，Cogsct为各国学生认知技能的均值，DCogsct为各国学生认知技能的基尼系数，分别用于反映各国教育质量的整体水平与差异程度。 最后，用成人认知技能替代学生认知技能，并依照前文所构建的模型，将各国成人认知技能差异程度、“认知技能收益率—收入水平”变化形态与“认知技能收益率—技能水平”相关关系这三个变量作为主要解释变量放入模型中进行回归，即有： Gch=α+φ1DCogach+φ2Covac+Σsρsshapeach+τcoutry+πcohort+Σjδjxjch+εch (7) 考虑到在不同年代出生的人口经历了不同的制度改革、社会变迁及其他外生冲击，本研究将各国成人按年龄分为16～25岁、26～35岁、36～45岁、46～55岁、56～65岁五个年龄队列，形成“国家—队列”面板数据。在此数据结构下，可通过控制年龄队列固定效应(πcohort)，消除不同年代的外生冲击对各年龄队列人口的影响；还可在一定程度上扩充样本量，提升统计功效。DCogach表示一国某一年龄队列成人认知技能的基尼系数，反映同一队列成人所接受教育质量的差异程度。 要形成“认知技能收益率—技能水平”相关关系(Covac)与“认知技能收益率—收入水平”变化形态(shapeach)这两个变量，需先采用标准明瑟收入方程对各国成人认知技能收益率进行估计，回归方程为： Lnyi=β0+β1Ci+β2Ei+β3E2i+β4Gi+εi (8) 在控制工作经验(Ei)及其平方(E2i)、性别(Gi)的条件下就成人认知技能水平对其月工资收入对数(Lnyi)进行回归，其中，β1表示认知技能收益率。为能够与汉纳谢克等国外学者的估计结果作对比，对各国成人认知技能得分进行标准化。[23]根据估计结果，样本国家和地区的成人认知技能收益率均值为17.48％，其中墨西哥和美国的成人认知技能收益率最高，接近30％；波兰的成人认知技能收益率最低，不足6％。相比之下，中国成人认知技能收益率的估计值偏低，仅为13.89％，低于各国平均水平，在30个样本国家中居于第22位。 按照个人认知技能得分由低到高的分位数，将各国成人认知技能分为低、中低、中、中高和高技能五组，同样采用回归方程(8)分别估计出各组成人认知技能收益率，并对各组认知技能收益率随技能水平提升的变化进行线性拟合，以估计得到的斜率系数来反映各国“认知技能收益率—技能水平”相关关系的方向与强度。如果该相关关系为正且强度较大，表明存在较高的技能溢价。根据估计结果，所有样本国家的成人“认知技能收益率—技能水平”都表现为正相关，但不同国家成人认知技能收益率随技能水平的上升而表现出的递增强度有较大差别。图3呈现了中国和其他样本国家不同技能人口的认知技能收益率变化状况。很明显，我国成人“认知技能收益率—技能水平”折线的斜率在不同区间有明显变化。当技能水平未达到70％分位数时，我国成人认知技能收益率水平偏低，在技能水平从中等偏下(20％～30％分位数)到中等偏上(60％～70％分位数)这一覆盖50％人口的广大区域内，绝大部分认知技能收益率估计值只在17％～21％狭窄范围内波动，变化十分平缓。一旦技能水平超过70％分位数，折线斜率就突然变得异常陡峭，技能水平最高一组(＞90％)的收益率估计值达71％，分别是技能水平70％～80％和50％～60％分位数组的2.1倍和3.4倍。与中国相比，美国和其他样本国家“认知技能收益率—技能水平”的斜率变化比较均匀。如前所述，我国人口“中低与低技能过剩，中高与高技能短缺”，这应是我国技能溢价偏高的主要原因。 图3样本国家不同技能人口的认知技能收益率对比 注：圆点表示不同认知技能组的认知技能收益率点估计值，垂直短线表示95％置信区间；各组认知技能收益率均采用标准明瑟收入方程，以认知技能分位数＜10％为参照组回归估计得到。 基于回归方程(8)，采用分位数回归法估计出各国不同收入群体的认知技能收益率，按收入分位数由低到高排列，绘制出所有样本国家成人“认知技能收益率—收入水平”变化图，并依据变化图形，将各国“认知技能收益率—收入水平”变化形态归为五类，即递减形、递增形、"U"形、倒"U"形和其他。以递减形作为参照组，形成若干虚拟变量shapeacohort。如图4，样本各国成人认知技能收益率的确随收入呈现不同的变化形态，其中，美国、英国等13个国家属于递增形，占43.3％；中国、法国等6个国家属于"U"形，占20％；俄罗斯、哈萨克斯坦等5个国家属于递减形，占16.7％；韩国和西班牙属于倒"U"形，占6.7％；丹麦、以色列等少数国家则呈不规则变化，占13.33％。我国中等收入群体的认知技能收益率要比低收入和高收入群体低，此种"U"形的“认知技能收益率—收入水平”变化形态对于收入差距具有何种影响，需根据后续的实证结果作出判定。 图4样本国家成人“认知技能收益率—收入水平”的五类变化形态 三、一国教育数量扩张与收入差距之间不存在稳健关系 研究教育与收入差距关系绕不开倒"U"假说。该假说之所以广为人知，是因为学者可使用国别或地区数据轻易地将教育数量扩张与收入差距之间的倒"U"形曲线绘制出来。如图5，横坐标是各国人口平均受教育年限，纵坐标是各国收入基尼系数，图中散点变化呈明显的倒"U"形。然而，如前所述，这种数据分析采用的是“不同国家”的对比方法，若严格依照库兹涅茨“同一国家”的对比逻辑，此倒"U"形变化规律便不复存在。 图52000年后各国教育数量扩张与收入差距变化 根据下页表3数据，如第一列，在不控制国家固定效应的条件下，平均受教育年限及其平方项的估计系数分别显著为正和负，这与倒"U"假说预期一致。但如第二列，一旦控制国家固定效应，即只使用同一国家内不同时间点的数据变异来进行回归，平均受教育年限及其平方项估计系数就分别变为显著负和正。依照此结果，收入差距随教育数量扩张呈现的是"U"形，这与倒"U"假说恰好相反。可见，一国教育数量扩张与其收入差距之间并不存在稳健的规律性变化关系，一味地扩张教育数量规模并不会迎来收入差距“拐点”。这与之前理论模型预期是相吻合的。 按照经济学研究惯常使用的计量模型，在回归中加入各国人口受教育年限基尼系数。如表3的第三列数据，人口受教育年限基尼系数对收入差距的估计系数显著为负，即收入差距会随人口教育数量差距的缩小而不断扩大，这又是一个无法解释的结果。 四、改善人口认知技能差异状况是教育发挥收入分配调节功能的重要手段 教育是有关人力资本与人口质量的一种投资，而人口受教育年限只是一种有关一国教育数量发展水平的测量指标。根据人力资本概念及理论模型推导，无论是一国教育数量扩张，还是教育数量差异改善，都与收入差距无直接关联，更谈不上存在某种规律性的变动关系。为此，本研究以学生和成人认知技能作为各国教育人力资本的代理指标，探索教育质量提升与差异改善对于收入差距是否存在某种规律性的稳健影响。 如表3中第四列数据，在控制时间与国家固定效应前提下，无论是表示教育数量发展水平的人口平均受教育年限，还是表示教育质量发展水平的学生认知技能水平，都对收入差距没有显著影响。在第五列增添人口受教育年限基尼系数与学生认知技能基尼系数，分别用于表示一国人口教育数量和教育质量的差异程度。估计结果表明，教育数量差异对收入差距有显著的负效应，教育质量差异对收入差距有显著的正效应。在第六列，又用成人认知技能“存量”代替学生认知技能“流量”进行回归，此时人口平均受教育年限和成人认知技能水平的估计系数分别变为显著正和负，人口受教育年限基尼系数的估计系数变得不显著，但成人认知技能基尼系数对收入差距依然保持显著为正。 总的来看，教育数量和质量发展水平对收入差距影响的正负符号和显著性极易受到模型设定的影响，而相比之下，教育质量差异对收入差距具有稳健影响。改善人口认知技能差异是教育发挥收入分配调节功能的重要手段，这与前文构建的理论模型预期是一致的。收入差距是有关国民财富分配的概念，它只会与参与国民财富分配的一些重要因素(如教育人力资本)的分配状况发生联系，而与一国教育数量或质量的整体发展水平无关。因此，一国若要发挥教育对收入差距的调节功能，就必须重视教育质量在不同群体的分配状况。根据描述统计，样本国家成人认知技能基尼系数均值为0.101，中国为0.17，远高于样本均值，在所有样本国家中位列第一。较大的技能分配差异势必会造成收入差距状况恶化，亟须采取相关教育应对措施。 五、不同群体的认知技能收益率差异是影响收入差距的关键因素 采用成人认知技能替代学生认知技能，不仅能实现对教育人力资本更为直接的测量，还可运用成人收入信息形成对各国成人认知技能收益率的估计，就不同群体的认知技能收益率差异对收入差距的影响作用进行实证分析。 如表4，在回归中加入成人“认知技能收益率—收入水平”变化形态与“认知技能收益率—技能水平”相关关系之后，成人认知技能基尼系数对于收入差距依然具有正影响，但该影响只在不进行任何控制的条件下才显著，若控制国家与年龄队列固定效应，该影响的点估计值会大幅减少且变得非显著。相比之下，不同人群的认知技能收益率差异状况对收入差距的影响显得更加稳健④。 首先，在对成人“认知技能收益率—收入水平”变化形态的回归分析中，无论是否增加固定效应控制，递增形和倒"U"形的估计系数都保持显著为正。也就是说，与递减形这一理想形态相比，“认知技能收益率—收入水平”呈递增形和倒"U"形都会显著拉大收入差距。“认知技能收益率—收入水平”呈"U"形和其他形态对收入差距的影响与递减形无显著差异，虽然它们的点估计值都为正。其次，成人“认知技能收益率—技能水平”相关关系的估计系数保持显著为正，表明一国成人认知技能收益率若随技能水平提升而表现出更大幅度的上升，即高技能劳动力与中、低技能劳动力在认知技能收益率变化上有着更大的落差，会对收入差距产生扩大效应。这些结论都与之前理论模型预期相一致。总体而言，虽然从点估计结果看，人口认知技能差异的拉大与不同群体技能获益能力差异的拉大都会扩大收入差距，但从显著性表现看，后者对收入差距的影响更加稳健。 六、充分发挥教育收入分配功能的关键路径 本研究基于人口技能的视角重构教育与收入差距之间关系的理论模型，采用锚点技术形成基础教育阶段学生和成人认知技能的国际可比数据库，就教育调节收入差距功能的关键机制进行实证分析。研究揭示了教育影响收入差距的关键机制，发现教育与收入差距的倒"U"假说并不成立，一国收入差距与其教育数量和质量发展水平之间都不存在规律性的稳健关系，减少人口教育数量差异也不会对收入差距产生改善作用。一国要充分发挥教育对收入差距的调节功能，就必须通过教育缩小人口认知技能差异，以及不同收入、不同技能群体的认知技能收益率差异。过于关注教育数量扩张而忽视教育质量及其经济收益在不同群体之间的公平性分配，应是导致一些国家“只见教育发展，不见收入差距缩小”的重要原因。 与世界其他主要国家相比，当前我国的成人认知技能呈现较大差异，中等收入群体认知技能收益率偏低，高技能群体与中等技能群体认知技能收益率落差较大，高技能群体拥有较高的技能溢价，这些都不利于收入差距状况的改善。未来要进一步发挥教育促进共同富裕的作用，从以下三方面探寻对策。 (一)发展公平而有质量的基础教育，推动人口技能向高位均衡发展 改革开放以来，我国教育发展取得了巨大成就，但由于新旧劳动力替换需要较长周期，目前我国成人技能还处于“低位分化”发展阶段。如前所述，当前我国成人“中低与低技能过剩，中高与高技能短缺”，技能两极分化是收入差距较大的一个重要原因。“建设教育强国，基点在基础教育。”[24]减少中低与低技能人口密度并提升人口技能整体水平，主要依靠基础教育高质量供给。因此，未来我国基础教育发展应尽快实现由规模扩张向优质均衡、由教育机会公平向教育结果公平的转变，通过公平而有质量的教育，加速扩大我国优质人口基数，改善人口技能分布结构，推动人口技能向高位均衡发展。 《教育强国建设规划纲要(2024—2035年)》提出，到2035年，我国基础教育普及水平和质量要稳居世界前列。[25]为实现这个目标，需在全国范围内加快推进高中与学前教育由基本普及走向全面普及，不断提升市域范围基础教育全学段的优质教育覆盖率，并加大对农村和边远地区学校，以及对低收入家庭儿童、进城务工人员子女的教育补偿力度，改善教育质量与结果的分配公平性。教师质量是决定学生学业发展最关键的因素。[26]应进一步扩大优质师范本科和研究生的培养规模，适度增加“国优计划”招生专业与数量，整体优化我国教师教育人才培养质量保障体系。推动地方教师编制改革，降低各学段教师编制的生师比核算标准，对教师编制中非教学岗人员进行优化，为地方推动优质小班化教学创造条件，确保基础教育教师队伍的正常人员更替与质量迭代升级。 (二)扩大优质高等教育供给，推动我国人口教育人力资本的高阶化 与巨大的人口体量相比，当前我国优质高等教育供给依然十分稀缺。根据2024年QS世界大学排名(QSWorldUniversityRankings)，我国(不含港澳台地区)进入QS排名前200的高校共有9所，总得分为609.96分，在上榜国家中位列第5，但如果按人均得分排序，则位列倒数第4。一国高等教育质量对人口“技能稠度”有着直接影响。我国成人认知技能分布