发达地区与欠发达地区的基础教育机会差异研究

摘要：依据Roemer的机会差异理论和Bourguignon的参数化方法，使用CEPS基线数据分地区测算了我国基础教育机会差异系数，并分析其产生机制。通过回归识别出教育结果的决定因素，控制可能的遗漏变量，借鉴Hayek本地信息思想衡量教育质量，并检验其有效性。发现：

感谢您关注“永大英语”！

王家庭靳淑敏

依据Roemer的机会差异理论和Bourguignon的参数化方法，使用CEPS基线数据分地区测算了我国基础教育机会差异系数，并分析其产生机制。通过回归识别出教育结果的决定因素，控制可能的遗漏变量，借鉴Hayek本地信息思想衡量教育质量，并检验其有效性。发现：经济相对发达地区的教育机会差异度更低，教育资源的扩张可能会促进教育资源配置的平衡；引入城市行政级别，发现在非省会地级市存在着“贫困的公平”，即升学率低、教育资源差异度低、学生基础教育机会差异低的并存；Shapley值分解结果显示：欠发达地区的差异更多来自学校，即优质教育资源的高度集中；较发达地区的差异更多来自家庭背景，即大城市对高学历家长的选择效应。

一、问题的提出

过去40年，我国教育事业实现了跨越式发展。1986年《中华人民共和国义务教育法》实施后，基础教育依托央地财政实现规模的迅速扩张，初中毛入学率从1978年的66.4%提高到2019年的102.6%，其他各阶段适龄儿童入学率均处世界领先水平。尽管“入学”已不是问题，但人民对优质教育的期盼与教育发展不均衡、不充分之间的矛盾仍是我国基础教育面临的主要矛盾。一方面，优质教育本身是稀缺资源；另一方面，优质教育资源在配置上仍受分数、金钱、权力等多重因素影响，“择校费”“借读费”“学区房”等社会现象屡禁不止。从升学率看中考是我国教育分流的重要节点[1]，而这一分流结果和家庭背景密切相关[2-3]，教育差异的代际传递性也逐渐显现[3]。教育是一国人力资本积累的重要方式，促进教育公平是实现社会公平正义、提升国家人才质量、推动社会可持续发展的重要基石，因此研究基础教育公平问题意义深远。

我国基础教育机会差异有着历史的缘由，受到1959年和1978年两次“重点中学”制度的持续影响[1978年教育部制定《关于办好一批重点中小学的试行方案》，鼓励政府从教育经费、师资力量、生源质量等方面建设重点学校。][资料来源：中国教育年鉴编辑部《中国教育年鉴（1949—1981）》。]。在资源短缺的年代，政策意图旨在集中力量倾斜投资于重点中学，再发挥其示范效应[杨东平著:《中国教育公平的理想与现实》，北京大学出版社2006年版。]。但是长此以往拉大了学校间的教育质量差距。尽管我国早在2006年就取消了重点中学制度，规定了义务教育阶段的就近入学的原则，但累积因果效应使得强者愈强，择校热反而不断升温。

目前有关教育公平的研究，可从机会—过程—结果角度概括如下：（1）入学机会差异[4-5]；（2）教育过程差异，如学校质量、生均经费、师生比、教育支出、影子教育等；（3）教育结果差异：学业成绩、升学概率[6-7]。公共政策需关注机会的平等而非结果的平等，一个公平比赛的设定是环境相同，结果取决于选手的努力程度。本文据此测算不同地区的教育机会差异系数，作为机会平等的研究基础。

实证上需要分离环境和努力。根据Roemer的理论，一个人的学业结果由其自身努力和外界环境决定，环境是外生的（个体不能选择自己出身于哪个家庭）[8]。通过控制环境，研究努力对学习结果的影响，越趋同则代表越公平，越分异则代表越不公平。实际测算时，本文还控制了智力水平，因为智力也是教育结果的重要影响因素[9-10]。关于努力是否是外生的仍存在分歧：（1）Swift等人认为努力是内生的，环境会影响甚至决定一个人的努力程度（例如，重点学校学习氛围更好，学生更加努力）[11]；（2）Barry等人则认为努力是人的自由意志[12]。对此，本文综合两种思想，利用残差法识别出不受环境影响的“净努力”。

此外，本文在控制环境变量的策略上也做出改进。现有文献通常使用投入法测度环境，如教师数量、师生比、教师的职称、教龄、学校的硬件投入设施等。这样做有两个问题：一是测量误差，教师的数量、教龄都不能直接反映教学质量；二是遗漏变量偏误，无法穷尽所有的投入。本文转换思路，增加使用生源变动好坏与学校当地排名的交互项作为学校教育质量的代理变量（为防止结果产生偏误，我们在有关回归中一并加入了生源变动好坏与学校当地排名的一次交互项）。基于这一假设：家长和学生对当地学校更为了解，其择校行为反映了无法从数据观测到的本地信息（local information）学校教学水平。本文将从理论和实证两方面论证其有效性。

综上，本文可能的边际贡献如下：（1）分区域测度了我国的基础教育机会差异程度，并拓展了分析维度；（2）创新性地使用生源变动和学校排名的交互项作为学校教学质量的代理变量，并检验这一代理指标的有效性。

本文的其余结构将安排如下：第二部分回顾中国教育机会差异的实证研究和相关制度背景；第三部分构建本文的理论模型；第四部分为数据处理和变量设定；第五部分是机会差异测度、分解与检验；第六部分为结论。

二、教育机会差异研究与教育制度背景

（一）教育机会差异研究

测度机会差异有参数化和结构化两种研究思路，本文借鉴张楠研究思路采用参数化方法[13]。学者们大多沿用了Bourguignon的思路[13-18]或Roemer和Trannoy的方法[19-21]。这些方法可将机会差异进一步分解，相关研究见表1。

既有研究已非常丰富，但仍存在以下不足：（1）未考虑到部分制度与社会背景，如就近入学、重点中学制度、户口等；（2）教育结果使用期末考试成绩或智力测试，无法反映真正的教育结果；（3）教育环境仅使用投入法测度，师生比等指标难以真正反映学校之间的教育差异。本文在变量设定时综合考虑了以上问题。

（二）教育公平相关制度回顾

1986年4月，第一部《中华人民共和国义务教育法》通过，明确适龄儿童、少年拥有接受义务教育的权利，规定其履行接受义务教育的义务。该法还指出“地方各级人民政府应当合理设置小学、初级中等学校,使儿童、少年就近入学。”从逻辑上讲，就近入学既是教育资源合理分布的结果，又是一种行政约束。但如果供给侧不“合理”，需求侧就难以“就近”。

1978年1月，教育部颁布《关于办好一批重点中小学的试行方案》，旨在倾斜资源先发展重点中小学，再通过其示范作用带动其他学校。然而，由于少数重点学校垄断了多数优质教育资源，反而通过拉大与普通学校的差距，强化了生源竞争和升学率竞赛，恶化了教育风气。对此，1986年版《中华人民共和国义务教育法》出台系列政策，包括禁止设置“重点班”、推进“素质教育”等，旨在改善教育风气。

进入21世纪后，教育公平仍然是教育改革的重要议题。2006年9月修订版《中华人民共和国义务教育法》实施，进一步强调义务教育具有强制性、公益性和统一性，同时为解决教育不公平制定具体措施[措施意见包括“合理配置师资、经费等教育资源，扶持弱势地区和薄弱学校，开展对口支援；适龄儿童免试就近入学；促进学校均衡发展，缩小学校之间办学条件的差距，不得将学校分为重点学校和非重点学校，学校不得设重点班和非重点班”等。]。2016—2017年，北京、上海、广州等一线城市多次出台工作办法，加大教育资源扩充建设力度，通过新建小学、名校设立分校、集团化办学、普通学校与重点学校合并办学、优质学校帮扶郊区学校等方式增加优质学位的供给[22]。

综上，教育公平问题讨论30余年，而检验促进教育公平的措施效果，研究教育不公平的产生因素则十分必要；同时，研究教育公平问题时，重点中学、重点班级、学校区位、城市级别等因素是重要变量。

三、理论模型

（一）数据生成过程

其中β 、γ的含义与（1）式不同，表示环境和净努力对教育结果的总效应。上述回归模型设定能较好地分离环境与净努力。首先，我们从多个层次控制了影响教育结果差异的潜在环境因素（包括家庭、学校和地区三个层面），尽量避免产生应控制而未控制的环境因素；其次，我们通过控制父辈的职业、受教育年限等特质，控制了受遗传因素影响较大的学生天赋，从而能够更好地衡量净努力；最后，我们采取了教育与努力关系研究中常用的线性模型，在模型形式上更为稳妥。

（二）机会差异测度

四、数据和变量设定

（一）数据来源与数据处理

本文数据来源于“中国教育追踪调查”（CEPS）2013—2014基线调查，该数据覆盖我国28县（区）、112所中学、438个班级的19 487名学生（其中七年级学生10 279人，九年级9208人）；抽样方式上，县、学校、班级采取PPS抽样方法，选定班级后，调查该班所有学生。CEPS涵盖了与学生学业相关的多维度多层次的数据，为我国教育的微观实证研究提供了丰富的样本。CEPS数据有3个数据集：个人（来自学生问卷和家长问卷）、班级（来自教师问卷）和学校（来自校长问卷）。首先，本文根据标识符学生代码ids、班级代码clsids和学校代码schids匹配了这3个数据集，得到19487*1733的合并数据。其次，本文删除了核心变量缺失的样本，并对离群值做5%的缩尾处理，这大约占到样本容量的15%。

（二）变量设定

1.教育结果

相关研究的教育结果常用两类变量，一是考试成绩，二是认知能力测试[16-17]。前者无法实现跨学校比较，后者与中学教育无关[例如CEPS问卷手册明确指出认知测试“不涉及学校教学内容”，不能反映教育的结果。]。本文使用重点中学升学率和标准化考试成绩乘积作为该学生的教育结果变量（下文称升学率加权成绩），即：

其中n1代表每一个学校考入重点中学的学生数，n代表毕业生总数，来自CEPS校长问卷。stdchn、stdmat、stdeng分别代表标准化语文、数学和英文成绩（均值=70、标准差=10），来自CEPS学生问卷。y设置的合理性在于，标准化成绩剔除了评卷标准差异，升学率加权实现了跨学校的可比性，它反映了该学生在该市区中所有同级学生中的排名。尽管该指标不是线性的，但与学生在该地区的学习排名是单调且正相关。

2.控制变量

参考张楠等、Golley and Kong、李莹和吕光明的做法，选择性别、是否独生子女与智力水平作为控制变量[13][15][17]。这些前定变量可在一定程度上控制内生性。其中认知水平测试反映了学生的逻辑思维和问题解决能力，可作为智力水平的代理变量。

3.努力变量

参考张楠等[13]的研究，选择决心、耐心和学习时长测度学生的努力水平。其中“决心”来源于学生问卷问题：“回忆六年级时期，就算不喜欢的功课，也会全力去做”（同意=1，不同意=0）；“耐心”来自学生问卷问题“回忆六年级时期，就算功课需要花很长时间做完，也会尽力去做”（同意=1，不同意=0）；学习时长来源于学生问卷问题“过去一周里，你平均每天花多少时间写学校老师布置的作业（小时）”。学生成绩受当期的决心和耐心的影响，且不影响过去的决心和耐心，具有外生性。

4.环境变量

环境变量从小到大涵盖家庭、学校、地区三个层次。

第一类，家庭环境变量。参考李春玲、张楠等的研究，家庭变量通常选择父母最高教育水平、户口和父亲职业。其中父母受教育水平使用受教育程度换算，户口使用CEPS的是否农业户口变量，父亲职业将职业分为3类，1类职业包括国家机关、事业单位领导与工作人员、企业中高级管理人员、教师、工程师、医生、律师，2类职业包括技术工人、一般职工、个体户，3类职业包括农民、无业失业下岗人员，从序关系上分别赋值为2、1、0。

第二类，学校教育变量。使用生源变动情况和学校排名2个变量的交互项，作为学校教育水平的代理变量。其中生源变动情况来自校长问卷“近5年生源”问题，有变好=3、不变=2、变差=1三类，学校排名来自校长问卷“学校在本县区排名”问题，有最差=1、中下=2、中间=3、中上=4、最好=5五档。依据是：（1）生源质量与学校质量高度相关[22]，居民对优质教育的需求转化为择校行为、学区房、迁移户口等形式择校，学校的生源因此改变，有的学校越来越好，有的学校则越来越差，这在一定程度上反映了教育差异的实质。（2）第五章里，本文使用生源变化的交互项关于重点高中升学率、生均拨款、班主任和任课教师获奖情况、学校教师学历等变量回归，发现具有良好的解释性。

第三类，所在地区变量，包括学校区位和问卷调查地区。学校区位是有序分类变量：市中心=5、城市非市中心=4、城乡接合部=3、乡镇=2、村=1共五类；调查地区依据研究视角设定了三种：城乡、东中西部、城市行政级别。其中城市行政级别包括直辖市=4、省会城市市区=3、地级市市区=2、县=1共四种。

（三）变量描述统计

表2、表3是本文主要变量的描述性统计，结果显示：不同学校间升学率差距较大，且更多的学校在变差，这表明相对于5年前，优质生源集中度不断提高。同时也应注意到，决心、耐心、学校排名5分类的中位数右偏，假定抽样是科学的，从数据看学生存在对自己决心和耐心的“过度自信”，校长也会高估学校在所在地区的5分类排名，尽管存在偏差，偏差的方向可以确定。

教育资源配置受行政和经济的双重影响，表4是四种行政级别城市的重点高中升学率（以下简称升学率）的描述统计。可以发现，第一，从升学率的均值、中位数看，直辖市和省会城市>县、县级市>地级市。除地级市外，行政界别越高升学率越高。第二，从升学率标准差看，直辖市、省会城市远大于地级市和县、县级市，这说明在行政级别更高的地区，教育资源分配更不均衡，这可能与大城市优质教育资源集中度高等因素相关。

五、基础教育机会差异实证测度

（一）回归结果分析

表5显示了模型（2）的回归结果，（1）—（4）列逐项添加了个人、家庭、学校和地区因素，从F值和Adjusted R2看，模型的拟合程度逐步增强。先添加的解释变量的估计系数的大小、符号和标准误基本稳定，模型设定合理。从估计系数看，绝大多数变量高度显著，说明环境变量选取科学。从表5的第（2）—（4）列看，努力对教育结果的正向影响显著且结果稳健，其中学习时长和耐心分别在5%和10%的水平上显著，决心变量不显著，可能是自评得分存在误差所致，具体来说学生普遍存在高估自己学习决心的情况。环境变量中，父母最高受教育年限、父亲职业、非农户口、学校教育质量对学生教育结果的正向影响均在1%的水平上显著。值得注意的是，是否本（县）区户口的估计系数为负，且在5%的水平上显著，这说明，跨区择校确实提高了学生的教育结果，可能从学习成绩和升入重点中学概率这两个维度提高。生均拨款（元）在1%水平上显著的。学校所处地区类型的系数为负，说明越是远离城市中心，越靠近农村的学校，学生的教育结果越差。

（二）稳健性检验

1.控制学校固定效应

如前文所述，我们用于测度教育结果差异的指标——学业成绩可能因为校际间的阅卷标准差异而产生不可比性。即便我们已经采用调查问卷中的标准化成绩及升学率加权以减小上述差异，可比性问题仍然可能存在。因此，参照已有研究[25]，我们在回归中控制学校固定效应，形成同一学校、同一年级内的学生成绩对比，以解决CEPS中成绩的可比性问题。控制学校固定效应的回归结果如表6：

表6中，列（1）是未控制学校固定效应的基准回归结果，列（2）是对学校固定效应加以控制的稳健性检验。对比列（1）和列（2）中个人、家庭、学校和地区四个层面的变量回归系数，控制学校固定效应后，其在显著性与符号方面均与基准回归结果基本一致，表明基准回归结果未因为学校间成绩的不可比性而产生偏差，在一定程度上佐证了基准回归的稳健性。

2.检验努力的外生性

在基准回归中，我们基于Bourguignon等人的理论分析，认为学生的个人努力在模型中是外生的，这意味着努力既不受当期其他未控制的因素影响，且不受过去的努力程度影响。但教育经济学的观点认为，学生学业的获得具有累积性，是当期投入和过往投入的综合影响结果。从这个视角考察，努力可能并不是外生变量，而会受到诸如学生过往努力程度的影响。为对努力的外生性进行检验，我们将代表学生努力程度的三个变量学习时长、决心和耐心从模型中移除，并与基准回归结果对比。我们预期在移除代表努力的有关变量后，其他变量的回归系数不发生重大变化。回归结果如表7：

表7列（1）和（2）的回归结果对比，我们发现移除学生努力程度相关的控制变量后，其他控制变量回归系数的显著性与符号基本上未发生变化，符合预期。这表明我们所使用的努力程度代理变量内生性较弱，可以较好地反映学生的“纯努力”，从而在一定程度上佐证了基准回归结果的稳健性。

（三）机会差异测度

1.城乡和区域

基于表5的回归结果，根据第二章的方程(3)—(5)，分城乡和区域测算了基础教育机会差异绝对系数和相对系数，汇总见表8。

表8的（1）—（2）列显示：从机会差异的绝对系数（IOA）和相对系数（IOR，%）看，教育机会差异的城乡间差距远大于东中西的区域差距；分城乡看，城市的机会差异程度小于乡村。在乡村环境带来的教育结果差距更大，由家庭收入和社会地位带来的教育机会差异程度更高。分区域看，教育机会差异绝对系数由低到高依次为东部—中部—西部。可能的机制有：（1）较发达的东部地区集聚了更为丰富和高质量的教学资源，而高质量教育供给或可以缩小教育差异。例如，孙伟增和林嘉瑜发现，新增优质小学降低了周围重点小学的学区房溢价[22]。（2）地区经济较发达有利于规范入学制度，降低因家庭经济资源和社会资本带来的机会差异。

2.城市行政级别

表9列出了不同城市行政级别的基础教育机会差异绝对系数和相对系数。不同城市级别的基础教育差异差距显著。其中，地级市的机会差异系数为25.6%，远低于直辖市、省会城市、县和县级市的31.4%、32.9%、36.97%。除地级市外，机会差异程度由低到高分别为：直辖市—省会城市—县和县级市。

（四）机会差异分解

为进一步研究各因素如何影响教育机会差异，使用Shapley值法从“智力—努力—环境”和“个人—家庭—学校”两个维度分解教育结果的差异。

1.全样本分解

表10显示了全样本学业结果贡献度的Shapley值分解结果。在第（1）列的标准化成绩中，固定了学校层面。分解结果显示，在同一学校中，平均而言，智力和努力对学业水平的贡献度分别为55.07%和40.96%。有研究因智力不可控为由，将智力归为“环境”，本文将智力单独列出。但仍需要说明，智力的形成有先天和后天因素，其中后天因素和环境（如学前教育）关系密切[26]。考虑到不同学校的试卷难度、评卷标准不同时，表8的第（2）列为重点高中升学率加权成绩的分解结果，环境对学业结果贡献程度达81.69%，略低于张楠的86.91%~96.04%[13]，其中家庭和学校的贡献程度分别为28.61%和53.08%。家庭对学业影响的渠道有两方面：（1）学生家庭的社会资源和经济资本会影响择校；（2）高学历父母在辅导子女功课、学习习惯培养、影子教育选择等具有优势。

2.分样本分解

表11是分东中西区域的Shapley值分解。结果显示各因素贡献程度差异较大，表现在贡献值和贡献次序两个方面，分解结果的异质性也说明分解是有意义的。在中西部地区，学校贡献度最高，分别为90.55%和75.17%，远高于全国总样本的53.08%，可能的原因是，相较于东部地区，中西部地区学校间差距更大。在东部地区，家庭因素的贡献程度最高，为46.94%，远高于中部地区的2.11%和6.98%，以及全样本的28.61%。贡献度次高的是学校因素，为37%，这表明东部地区家庭更重视子女教育。此外，在个人因素中，西部地区的智力贡献高，为13.54%，东部地区的努力贡献度最高，为7.77%。同样需要说明的是，这样的结果并不是说努力远不及环境重要，处于一个相对劣势地位的学生也同样可以通过自身努力和智力禀赋获得好的学业结果，分解结果只是提供一个平均意义的解释，但仍可以看出学校和家庭对学生学业的影响之大。

在我国，城市的行政级别与城市发展关系密切，行政级别高的城市往往拥有更多的基础设施和教育资源，具备更强的人才吸引力和城市发展动力，现有文献对城市级别的关注较少[25]。表12是分城市级别的Shapley值分解。结果显示不同行政级别的城市，各因素贡献程度差异较大。从环境层面看，除地级市外，学校是学业结果的主要贡献因素，在县/县级市、省会城市、直辖市的贡献程度依次下降，分别为96.41%、80.70%、60.87%。在直辖市和省会城市家庭因素贡献次高，这可能是行政级别高的城市对于家庭的选择效应（高学历家庭留在了大城市）导致的结果。地级市显示出完全不同的规律，个人因素占比高达67.68%，学校贡献度仅占9.17%。这是因为地级市教育资源最少，学校间差距最小，机制检验中将作进一步说明。这表明在缺乏优质教育资源时，显示出张楠等所说的“贫困的公平”[13]。

（五）进一步分析

1.东部地区的家长更重视子女教育吗

家长问卷问题：“上个星期，家人是否辅导他(她)功课”的选项“需要但没有”一项，东、中、西地区的比例依次为：29.45%、35.88%、35.22%。这说明相比较东部地区，中西部地区学生的家庭教育对学校教育的替代效应更加有限，因而学校对学业结果的贡献度远高于东部地区。同时，需要注意的是，能辅导初中生的家长学历至少要高于初中，从父母最高学历在高中及以上学历的比例看，东、中、西地区的比例依次为44.57%、30.51%、42.62%，这个次序和家庭环境对学业结果的贡献度次序相同，解释了家庭环境对学业结果的贡献渠道：高学历的父母对子女教育更加重视，同时知道如何辅导子女功课。

2.地级市是否存在“贫困的公平”

表13是不同城市级别的重点中学升学情况，从升学率看，直辖市和省会城市升学率最高，分别为30.93%和31.92%，县/县级市次之，为25.22%，地级市远低于以上三项，为17.69%。从基尼系数看，学校差异程度次序为直辖市—省会城市—县/县级市—地级市，其中地级市远低于以上三项，地级市基础教育存在着低水平的平等。其可能的原因是，直辖市和省会城市在大城市的集聚效应和政治资源倾斜下，拥有更多的人才和教育资源。而县级市的重点中学可能吸纳了更多来自当地和周边农村地区的优秀生源，例如河南省郸城县第一高级中学、江苏南通的启东中学、安徽六安的毛坦厂中学等，尽管“屈居”县级，但生源、升学率及教学质量均在全省前列。随着省会中学和县级中学的“崛起”和循环因果效应，地级市出现生源和教师的“断流”。

3.大城市对家庭是否有选择效应

图2是不同城市级别家庭最高受教育年限情况。结合表11可知，不是城市级别提高了学生父母对子女学业的重视程度，而是高学历的父母更多选择定居于大城市，而高学历的父母对子女学业更为重视。图3显示了分城市级别的学生认知能力得分情况，除县、县级市较低外，其他地区的学生认知能力差别不大，即城市级别高的地区，学生的认知水平更接近。假设智力在人群中均质分布，学生认知能力不存在城市级别的选择效应，仅存在城乡间差异，这或与学前教育在农村的缺失有关[26-27]。

（六）代理变量检验

生源变动和学校排名的交互项，是否是学校质量合适的代理变量，文章第四部分中从理论上论证。这里使用该变量关于其他研究中的学校质量评价定量指标进行回归，结果见表14：除生均拨款和数学老师获奖变量，其他变量均能较好解释代理变量。升学率、拥有图书数量、语文教师和英语教师获奖情况、数学教师学历对教学质量的正向影响均在1%的水平上显著。调整R2为29.87%，模型的拟合情况良好、由于家长和学生在择校时利用本地信息识别学校，代理变量可以捕捉到学校教学质量的不可观测因素。

六、结论

本文使用CEPS基线调查数据，应用并改进Bourguignon的方法测度了我国基础教育机会差异程度，并分区域、城乡、城市行政级别讨论了机会差异的异质性；在此基础上，使用Shapley值分解，得到各因素对教育差异的贡献度。研究发现：

第一，我国基础教育机会差异地区间差异大，较发达地区更为平等。首先，我国基础教育机会差异程度总体较高，分区域看，一个基本的规律是：经济相对欠发达的地区基础教育机会差异较高，具体来说：农村远高于城市，中西部地区高于东部地区，说明教育资源的扩张很可能会降低教育资源配置的不平衡；分城市级别中这一规律有所不同：地级市的机会差异程度最低，机会差异程度由低到高分别为：直辖市—省会城市—县和县级市。

第二，本文发现地级市基础教育存在“贫困的公平”现象。在地级市中，个人因素对学业结果的贡献度达73.58%，是唯一的个人因素超过环境因素的子样本，显示出“公平”的一面；同时，地级市的重点高中升学率最低，仅为17.69%（低于县级市的25.22%），且标准差与基尼系数最低。这可能是由于省会和县域上下两级对教育资源和生源的“截流”导致的“断流”：地级市学校间差距并不大，且水平较低，呈现出“贫困”的一面。

第三，各地区基础教育机会差异的形成机制有所区别，东部地区和省会城市的差异更多源于家庭，省会城市对高学历家庭具有明显的选择效应，中西部地区和县级市的差异更多源于学校。Shapley值分解结果显示，全样本中环境对学业结果的贡献度达81.69%，略低于张楠测算的86.91%~96.04%，其中家庭和学校的贡献程度分别为28.61%和53.08%；分样本结果显示，东部地区家庭因素对学业贡献度为46.94%,远高于全国平均和中西部地区；类似地，城市和省会中家庭因素贡献度最高。机制检验表明，相比于中部地区，东部和西部地区的家长受教育程度更高，但东部地区的家长更重视子女教育。从差异的机制看，县/县级市和省会城市中，优质教育资源高度集中带来的机会差异更为明显；在经济更发达的大城市，由于对学生高学历家长的选择效应，家庭环境带来的机会差异更为突出。

当然，本文的研究也存在以下不足：一是以学生综合成绩、升学率等实质上反映教育结果的指标衡量教育机会平等，属于对于教育机会平等的间接衡量。因此，直接衡量、量化教育机会平等是未来进一步完善本文研究的重要着力点。二是采用相关研究中常见的线性模型开展研究，对于努力与教育机会平等间可能存在的非线性关系讨论不足。因此，未来需要针对上述非线性关系进行探究，以进一步拓展本文的有关结论。

参考文献

[1] 洪岩璧, 钱民辉. 中国社会分层与教育公平: 一个文献综述[J].中国农业大学学报(社会科学版), 2008, 25(4): 64-76.

[2] 方长春.家庭背景与教育分流:教育分流过程中的非学业性因素分析[J].社会, 2005(4): 105-118.

[3] 李煜.制度变迁与教育不平等的产生机制——中国城市子女的教育获得(1966—2003)[J].中国社会科学, 2006(4): 97-109，207.

[4] 叶晓阳,丁延庆.扩张的中国高等教育:教育质量与社会分层[J].社会, 2015, 35(3): 193-220.

[5] 刘精明. 能力与出身:高等教育入学机会分配的机制分析[J].中国社会科学, 2014(8): 109-128，206.

[6] 林文炼, 李长洪. “入学年龄规定”会产生教育不平等吗?——来自1986年《义务教育法》的证据[J].经济学(季刊),2020,19(3):959-976.

[7] 方超, 黄斌. 马太效应还是公平效应:家庭教育支出与教育结果不平等的异质性检验[J].教育与经济,2020,36(4):58-67.

[8] ROEMER, JOHN E. Equality of Opportunity[M].Harvard University Press, Cambridge, MA,1998.

[9] 王振宏, 刘萍. 动机因素、学习策略、智力水平对学生学业成就的影响[J].心理学报,2000(1):65-69.

[10] 翟艾平. 智力与非智力因素对初中生学业成绩的影响研究[J].教育理论与实践,2006(24):30-32.

[11] SWIFT A. Justice, Luck and the Family: Normative Aspects of the Intergenerational Transmission of Economic Status[J]. Chinese Journal of Low Temperature Physics, 2007.

[12] BARRY B M. Why Social Justice Matters[M]. Cambridge，MA: Polity Press，2005.

[13] 张楠, 林嘉彬, 李建军.基础教育机会不平等研究[J].中国工业经济,2020(8):42-60.

[14] JUSOT F, TUBEUF S, TRANNOY A. Circumstances and Efforts: How Important is Their Correlation for the Measurement of Inequality of Opportunity In Health?[J].Health Economics, 2013(12): 1470-1495.

[15] GOLLEY J, KONG S T. Inequality of Opportunity in China’s Educational Outcomes[J]. China Economic Review, 2018, 51: 116-128.

[16] 江求川, 任洁. 教育机会不平等：来自CEPS的新证据[J].南开经济研究, 2020(4): 165-184.

[17] 李莹,吕光明.中国机会不平等的生成源泉与作用渠道研究[J].中国工业经济, 2019(9): 60-78.

[18] 靳振忠, 王亮, 严斌剑.高等教育获得的机会不平等: 测度与分解[J].经济评论, 2018(4): 133-145.

[19] ROEMER J E, TRANNOY A. Equality of Opportunity: Theory and Measurement[J]. Economic Literature, 2016, 54(4): 1288-1332.

[20] 林小英, 刘大立.政府管制公办高中择校费的目标悖论[J].教育学报,2010,6(5):62-69.

[21] 姚益龙.教育市场化与经济增长——国际比较与中国的实践[M].北京:清华大学出版社，2012:8-9.

[22] 孙伟增, 林嘉瑜.教育资源供给能够降低学区房溢价吗?——来自北京市新建小学的证据[J].经济学(季刊),2020,19(2):499-520.

[23] BOURGUIGNON F, FERREIRA F, MENENDEZ M. Inequality of Opportunity in Brazil[J]. Review of Income and Wealth, 2007, 53(4): 585-618.

[24] 史新杰,卫龙宝,方师乐.中国收入分配中的机会不平等[J].管理世界, 2018, 34(3): 27-37.

[25] 江艇, 孙鲲鹏,聂辉华.城市级别、全要素生产率和资源错配[J].管理世界, 2018, 34(3): 38-50，77，183.

[26] 陈纯槿, 柳倩.学前教育对学生15岁时学业成就的影响——基于国际学生评估项目上海调查数据的准实验研究[J].学前教育研究,2017(1):3-12.