贫困地区教育扶贫效率分析

摘要 以湘西州为例，运用三阶段DEA模型，对湘西州2014—2019年教育扶贫的效率进行评价。结果显示，在不考虑环境及随机误差等情况下，湘西州教育扶贫的综合技术效率水平整体偏低。SFA回归分析表明，外部环境因素对教育扶贫的效率有显著影响，其中人均生产总值有利于提高教育扶贫的效率水平，而城镇化率和财政预算一般收入会降低教育扶贫的效率水平。应该正视地方政府在教育扶贫中的主导作用，提升教育扶贫资源投入的可持续性；合理配置资源，提高教育资源的利用效率；将教育扶贫与乡村振兴战略有效衔接，实施后脱贫时代教育脱贫新举措。

关键词 教育扶贫；效率；三阶段DEA；湘西土家族苗族自治州

中图分类号 G 527  文献标识码 A  文章编号 0517-6611（2023）23-0234-04

doi：10.3969/j.issn.0517-6611.2023.23.052

Analysis on the Efficiency of Education Poverty Alleviation in Poor Areas—Taking the Tujia and Miao Autonomous Prefecture of Xiangxi as an Example

WU Xiong-zhou1， JIN Hui-shuang2， YANG Chan1 et al

（1. Business School of Jishou University， Jishou， Hunan 416000 ;2.Economics College， Hunan Agricultural University， Changsha， Hunan 410000）

Abstract Taking Xiangxi Prefecture as an example， a three-stage DEA model is used to evaluate the efficiency of education poverty alleviation in Xiangxi Prefecture from 2014 to 2019.The results show that， without considering environmental factors and random errors， the overall level of comprehensive technical efficiency in education poverty alleviation in Xiangxi Prefecture is relatively low.SFA regression analysis shows that external environmental factors have a significant impact on the efficiency of education poverty alleviation， with per capita gross domestic product beneficial for improving the efficiency level of education poverty alleviation， while urbanization rate and general fiscal budget income can reduce the efficiency level of education poverty alleviation.We should face up to the leading role of local governments in poverty alleviation through education， and enhance the sustainability of resource investment in poverty alleviation through education;reasonably allocate resources to improve the efficiency of educational resource utilization;effectively linking education poverty alleviation with rural revitalization strategies， and implementing new measures for education poverty alleviation in the post poverty alleviation era.

Key words Education poverty alleviation;Efficiency;Three-stage DEA;Xiangxi Tujia and Miao Autonomous Prefecture

基金项目 湖南省社科基金项目（18YBX018）；教育部人文社科基金一般项目（20XJC）；湖南省教育科学规划项目（22YBJ13）。

作者简介 吴雄周（1975—），男，湖南涟源人，教授，博士，硕士生导师，从事乡村振兴和精准扶贫研究。

收稿日期 2022-12-08；修回日期 2023-01-10

教育扶贫是精准扶贫的重要内容，教育扶贫是指通过教育投入使贫困人口增加收入、脱离贫困的过程［1］。2015年习近平总书记在减贫与发展高层论坛上提出，要通过教育扶贫脱贫一批，由此确立了教育在脱贫攻坚中的重要地位。教育扶贫在脱贫攻坚中的作用成为有目共睹的事实，如何防范因教育贫困导致的农村农民规模性返贫，持续促进共同富裕，成为亟待需要解决的问题。家庭经济之贫和教育之贫有明显的相关性，贫困的父母缺乏足够的资金和精力提升孩子的人力资本水平，他们的子女容易陷入发展性劣势中［2］。而教育从投入到产出，是一种潜在的、长效的扶贫机制，投入教育资源加重了贫困家庭的经济负担，却不能带来立竿见影的收益，贫困家庭难以重视并致力于教育水平的提升。因此，需要政府发挥主导作用，通过投入教育扶贫资源，提升人力资本质量，促进区域的经济发展，助推农村农民可持续脱贫。为探究政府教育资源投入的产出效率以及影响教育的扶贫效率的因素，笔者以具有典型意义的少数民族贫困地区——湘西土家族苗族自治州（该研究称湘西州）为例，选择湘西州县级层面教育扶贫的数据，运用三阶段DEA模型对2014—2019年湘西州各县（市）教育扶贫的效率进行测度，以期为后续教育脱贫政策规划与可持续发展提供依据。

1 理论分析

教育对贫困的影响是一个复杂的过程，学者们对这个问题的研究侧重于教育与经济变动间的关系［3］。农村相对贫困地区的教育扶贫投入取得了良好的效果［4-5］，教育扶贫政策的实施能够显著促进县域经济发展［6］，影响我国居民的财产性收入［7］，且使经济基础落后地区受到的冲击更大［8］。适当地增加贫困地区的教育投入能够降低贫困率。但是，该举措也导致贫困户对政府教育帮扶的依赖度较高［9］，部分地区职业教育与扶贫产业脱节［10］。

教育扶贫具有“扶教育之贫”和“扶收入之贫”的双重效应［11］。从“扶教育之贫”方面看，增加教育资源的投入，能起到“扶志”的作用，能提升农民的主观能动性，能增强农民靠自己双手脱贫的信念。投入经费资源，提高贫困地区教师的待遇，增加中小学贫困学生的补助力度，能够有力提高义务教育保障率，能够提升当地居民的受教育水平，推进教育领域基本公共服务均等化。从“扶收入之贫”方面看，增加教育资源的投入，扩建学校，增加教学办公设备等基础设施，需要大量人力和物质资源的投入，这创造了就业岗位，拓宽了当地农民的增收渠道，直接增加了农民的工资性收入。组织农民参加各类职业技能培训，颁发职业技能证书，能够提升他们在就业市场的竞争力，增加农民的技能津贴，进而形成“教育投入—农民收入增长—区域经济增长”的良性循环［12］，有效地阻断贫困的代际传递。

2 研究设计

2.1 研究方法

数据包络分析方法（data envelopment analysis，DEA）是根据投入指标和产出指标对相同类型的单位（部门或企业）进行相对有效性评价或者效益评价的方法。DEA模型可以客观地确定权重，避免人为主观因素的影响。

第一阶段，传统DEA模型分析初始效率。

传统DEA模型有CCR和BCC模型。CCR模型假定规模报酬不变，这显然与教育扶贫的现实不符，BCC模型假定规模报酬可变，并且就教育扶贫绩效来说，投入变量是决策的基本变量，这更加符合教育扶贫的现实。因此，在教育扶贫效率评价的第一阶段，选择投入导向的BCC模型。对于任一决策单元，投入导向下对偶形式的BCC模型可表示为

minθb-e（Sj--Sj+）

s.t.θbx0-Xλ-Sj-=0

Yλ-Sj+=y0

eλ=1，λ>0（1）

其中，S-和S+为松弛变量，θ是技术效率值，当θ=1，S-=S+=0时，决策单元DEA有效，否则无效。该效率为综合技术效率（TE），由规模效率（SE）和纯技术效率（PTE）构成，且TE= SE×PTE［13］。其中，综合技术效率是指决策单元在一定投入要素下的生产效率。效率值为1时，为DEA有效；效率值为0～<1时，该单元为非DEA有效。

第二阶段，随机前沿模型（SFA）分析影响因素。

决策单元的绩效受到管理无效率、环境因素和统计噪声的影响，松弛变量可以反映初始效率。借助SFA回归模型，建立N个回归方程。第n个回归方程如下：

Sni=fn（zi，βn）+υni+μni（i=1，2，…，I；n=1，2，…，N）（2）

其中：S为投入的松弛量；假设有K个环境变量，zi=［z1i，z2i，…，zki］；βn为待估系数，υni+μni为混合误差项，υni表示随机干扰，μni表示管理无效率。随机干扰项和管理无效率项是相互独立的，参照已有研究成果［14］，对管理无效率项进行分离，分离及调整公式如下：

E（μ|ε）=σ·

（λεσ）Φ（λεσ）＝λεσ（3）

XniA=Xni+［maxf（zi;n）-f（zi;n）］+［max（vni）-vni］，i=1，2，…，I；n=1，2，…，N（4）

其中，σ*=σμσυ/σ，σ2=σμ2+συ2，λ=σμ/συ。

第三阶段，调整后的DEA模型分析真实效率。

将第二阶段得出的结果和原始产出数据等代入第一段DEA模型，估计真实技术效率值。

2.2 变量选择与数据说明

2.2.1 投入变量。“后扶贫时代”维护好脱贫攻坚的胜利成果是今后我国经济发展的重点任务之一，而财政资金的投入具有显著的扶贫效应。教育资金投入的充足性与及时性能够有效提升当地人才的数量与水平，人力资本的增加能够加强教师队伍建设，提升教育教学质量。故该研究从资金投入与人力资本投入两方面，选择财政教育支出和专任教师人数代理教育扶贫的投入指标。

2.2.2

产出变量。学历能够反映一个人已有的知识和技能，体现其未来获取知识和技能的潜能与可持续脱贫能力，对一个人的发展至关重要。基础教育普及程度与贫困地区人口的素质紧密相关，为区域人口发展创造契机。扶贫最主要的目的是提升收入水平，助推贫困地区脱贫。作为特定的扶贫模式，教育扶贫和搬迁扶贫、产业扶贫等都具有统一的扶贫目标。故该研究从教育水平和农村居民收入两方面，选择义务教育巩固率和农村居民可支配收入代理教育扶贫的产出指标。

2.2.3 环境变量。环境变量是指除投入和产出变量之外，能够对教育扶贫效率产生影响且不能被主观控制的变量。城镇化率、财政预算一般收入和人均生产总值等变量对当地教育扶贫的效率有影响，且不能被主观控制，故被选定为环境变量。

该研究所用的数据为湘西州的面板数据，所有数据来自2014—2019年《湘西统计年鉴》以及各县（市）国民经济和社会发展统计公报等。鉴于“精准扶贫”重要思想于2014年提出，故以2014年为研究的起始年份。

3 实证结果与分析

3.1 第一阶段DEA结果分析

运用DEAP2.1软件对湘西州7县1市教育扶贫的初始效率进行测度，使用投入导向的BCC模型，测算结果见表1。