“重點縣”扶貧的人力資本形成效應

張彬斌 陳小利

?

“重點縣”扶貧的人力資本形成效應

張彬斌 陳小利

（中國社會科學院研究生院人口與勞動經濟系 北京 102488）

本文借助“自然實驗”因果關系評估框架和分縣數據，檢驗扶貧政策對扶貧重點縣人力資本形成的影響。為了克服選擇偏誤，在進行雙差分估計之前，運用傾向得分平衡策略對樣本進行了修剪。經驗分析表明，政策實施導致扶貧重點縣以在校學生數和平均受教育年限為代表的人力資本存量顯著增加，對以生師數量比例關系為代表的教育質量影響不明顯。研究結論豐富了對政策扶貧效果的認識，同時也從人力資本積累的視角為落后地區實現經濟持續發展提供了政策參考。

扶貧重點縣 人力資本積累 因果關系

一、引 言

新世紀第一輪大規模農村扶貧開發以2001年頒布的《中國農村扶貧開發綱要（2001-2010）》為行動指南，與之相配套，中央政府確定了592個扶貧開發重點縣（下稱“重點縣”[①]）進行重點扶持。實施農村扶貧開發的直接目的是提高貧困居民收入，這也是評估扶貧成效最直接的指標。目前，以農村居民增收、消費狀況改善或貧困地區經濟增長為主要依據對我國減貧成效的研究已形成了大量成果（Rozelle., 1998；Park., 2002;岳希明等, 2007；Meng, 2013）。除了關注能直接促進貧困地區經濟增長和農民增收的方面外，本輪扶貧政策還重視教育發展，《綱要》明確指出，要“切實加強基礎教育，普遍提高貧困人口受教育的程度”。在中國貧困農村地區，貧困人口的基本科學文化素質偏低，低水平的人力資本存量是致貧的主要因素之一（岳希明等, 2007），人力資本積累差距造成了地區間經濟增長的差距（蔡昉和都陽, 2000；Wang 和 Yao, 2003；姚先國和張海峰, 2008）。將扶貧項目對落后地區人力資本形成的影響納入考察，對于更加完整的體現扶貧效果以及未來的扶貧策略選擇具有意義。

受教育不足是導致貧困的重要原因，同時，貧困又制約著教育水平的提升。如果反貧困等經濟發展項目能夠改變貧困家庭的低收入狀況，或者直接對貧困家庭學齡人口進行“教育干預”，人口受教育程度可能得到改善。杜芙蘿（Duflo，2001）對印尼1970年代的大規模學校建設計劃對勞動力市場影響的研究發現，受項目覆蓋的人群平均受教育年限提高0.12~0.19年，貧困高發地區的人群平均受教育年限提高約0.13年。對墨西哥、洪都拉斯、尼加拉瓜等發展中國家相關項目的評估表明，對低收入家庭的現金轉移類項目顯著改善了兒童的健康狀況，并增加了他們進入學校的幾率。蔣中一和戴洪生（2005）、易紅梅等（Yi2012）指出，除學生成績因素之外，貧困是導致中學生輟學的主因，家庭的流動性不足明顯制約著學齡人口接受學校教育。這隱含著如果一項政策能夠改善貧困家庭的收入狀況或者提高學生的成績，學齡人口的（預期）在校率則會提高。例如，一項隨機受控試驗表明：對“國定貧困縣”七年級學生承諾，如果他們將來成功升學則給予可觀數額的現金資助，則使得這些孩子們當中有志于升入高中階段學習的人數比例增加約15%（Yi2015）。

本文以新世紀中國第一輪大規模農村扶貧開發（2001-2010年）的實施為背景，重點考察被納入“重點縣”的貧困地區人力資本形成從扶貧政策中受到的因果關系沖擊。一個縣被認定為“重點縣”以后，獲得的扶貧資源投入中，一部分被要求用于改善教育條件或資助入學（例如，《中國農村貧困監測報告》對應年份的數據顯示，2002-2010年間直接用于改善校舍和資助兒童入學等提升基礎教育的扶貧資金名義總額為86.1億元，約占扶貧總投入的7%），并且“重點縣”的認定在一定程度上為教育專項扶貧提供了目標指向（中央投入的教育專項扶貧資金更加偏向“重點縣”），這會直接增加貧困地區學齡人口的教育可得性；另一方面，“重點縣”的經濟水平或貧困居民收入可能因受益于扶貧項目而增長，貧困家庭子女入學的預算約束得以放松。因此，“重點縣”獲得的扶貧資助，甚至“重點縣”的名義身份本身，可能會對其教育發展狀況產生影響。在經驗分析中，本文從教育存量和教育質量兩個角度考察“重點縣”扶貧對縣級單位帶來的影響，基于數據可得性，采用“一定人群所對應的在校學生數”以及“6歲以上人口平均受教育年限”來代理教育存量；對于教育質量，由于難以采集各縣的校舍環境、教師業務素養等能夠充分反映教育質量的數量化信息，但能夠獲得部分縣級單位普通中學專任教師人數的信息，我們構造“平均每一百名普通中學學生對應的專任教師數”作為教育質量的代理變量，指標數值較高對應較好的教育質量。[②]下文借助分縣數據和雙重差分的識別邏輯，評估以教育為產出性指標的“重點縣”接受扶貧政策“干預”的平均干預效應。

二、數 據

新世紀第一輪大規模農村扶貧開發所認定的“重點縣”分布在中國21個省區，包括：四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西、內蒙古等西部11省，山西、吉林、黑龍江、河南、江西、安徽、湖北、湖南等中部8省，以及海南和河北等東部2省。

本文數據以這些省內1553個縣級單位（縣、旗、縣級市，以下統稱“縣”，含581個“重點縣”）為基本觀測單元，時跨為2000-2010年，全部來自公開出版的統計資料[③]。這些基本觀測單元，含659個山區縣（其中377個“重點縣”）；少數民族聚居縣共533個（其中265個“重點縣”）；330個“革命老區”縣級單位中，有151個“重點縣”。表1按是否“重點縣”分別描繪了樣本中兩類縣在2000-2005-2010年的經濟社會特征。

表1 樣本數據的統計性描述

說明：數據來自作者根據各省（直轄市、自治區）統計年鑒、中國縣市經濟社會統計年鑒、人口普查分縣數據中對應年份數據所作的計算。由于一些省份沒有公布分縣中、小學專任教師人數，普通中學“生師比”、小學“生師比”各年觀測數為864，其中“重點縣”為309個。

本輪扶貧的執行期是2001-2010年，因此2000年的情形是“重點縣”被認定前，兩類縣的初期水平，從表1可看出，樣本中“重點縣”各項經濟指標的初期水平均不及“非重點縣”好。“重點縣”的人口居住更加分散，農業人口比重更高，消費相對不足，交通、教育、衛生水平都比“非重點縣”低。同時，“重點縣”的人均生產總值、農村居民人均純收入等指標在名義上也增長得更加緩慢。相比2000年，“重點縣”在2010年的人口密度有所增加，但人口居住仍不及“非重點縣”集中，交通條件亦有所改善，平均每萬人中普通中學在校學生數提高，生均享有的專任教師數有所減少。盡管“重點縣”體現出2000-2005-2010年“萬人均普通中學在校生人數”，或者“萬人均小學生在校生人數”以及各類“生師比”的數量變化，但這并不能全部歸因于扶貧政策，因為這其中的變化可能包括了時間趨勢或其它因素的影響。下文通過構建因果關系識別框架，評估“重點縣”的教育水平從扶貧政策中受到的因果關系沖擊。

三、經驗分析框架

（一）基本策略

為了得到公共政策實施效果（基于觀測性數據的）的可信評估，經濟學家們受隨機受控實驗的啟發，開發了一系列應用廣泛的“自然實驗”（Natural Experiment, 或“仿實驗” Quasi Experiment）方法。其中，雙重差分（Difference in Difference）技術就是常見的一種。它的基本思想是設計對照實驗，選擇在事前無性狀差異的個體，構建適當的實驗組（政策對本組個體實施）和對照組（政策不在本組實施）；對實驗組和對照組做事后差異和事前差異的差分，讓這個過程過濾掉結果變量的時間趨勢和固定效應的干擾（Ravallion, 2008）。針對結果變量，基于雙差分評估的政策效果為：

（3）

基于雙差分策略的上述邏輯，以及本輪扶貧政策主要對“重點縣”實施的事實，雙差分策略適合于評估扶貧政策的效果。政府劃定“重點縣”的動作實際上潛在地把全部縣分成了兩組---如前文所述的實驗組和對照組。本文所使用的數據觀測單位除了是否為“重點縣”而接受扶貧干預外，其它特征還具有一定的異同，在對扶貧政策的效果進行估計時，可適當控制其它因素的干擾，從而采納（3）式。

（二）實驗校準與模型改進

直接使用雙差分模型（3）式評估政策干預對“重點縣”教育狀況所產生的影響仍然面臨一個問題，即實驗組和對照組初期的特征相似性程度不強。在“仿實驗”識別策略中，實驗組和對照組在接受政策沖擊前的性狀越相似，識別的可信度越高。如果不考慮各個縣的經濟特征，而簡單按其是否列入“重點縣”名單來劃分實驗組和對照組會產生“樣本選擇偏誤”，基于此的估計結果無法準確體現扶貧開發對教育發展的因果性影響。為了保證（3）式的有效性前提，實驗組和對照組的選擇應當謹慎。“重點縣”并非隨機分布于全國縣級單位，它具有一定的選擇性：一個縣初期的農民收入水平、產出水平、人口規模、農業人口比例、政治背景、民族特征、區域特征和地貌特征等均會影響其是否被認定為“重點縣”（李文、汪三貴, 2004；岳希明等, 2007；Park et al., 2002；張彬斌, 2013）。于是，實驗組和對照組的單元選擇可以通過它們在以上這些特征因素上的相似性來設計：對于擬納入實驗組和對照組的兩個縣，如果基于一系列因素考慮的被納入“重點縣”的“貧困傾向”相同或接近，則認為它們相似（盡管它們可能只有一個被認定為“重點縣”）；考察的因素越多，得到的相似性結論越可靠。貧困傾向可通過傾向得分（Propensity Score）測度，由下式的計算獲得：

（5）

圖1 傾向得分分布及其重合關系

說明：傾向得分分布曲線呈“右偏峰”的是“非重點縣”的情形，分布曲線“左偏峰”的是“重點縣”的情形；傾向得分基于1553個縣級單位基期（2000年）經濟社會特征水平計算。

“公共支撐域樣本”的獲得，損耗觀測單元429個，最終進入參數估計程序的樣本縣為1124個（“重點縣”543個，“非重點縣”581個）。樣本削減后，具有專任教師人數的觀測量各年減少至737個，其中281個“重點縣”，456個“非重點縣”。傾向得分的計算是基于國家扶貧重點縣認定前各縣的經濟社會特征，如果一個縣是否被認定，完全由可觀測的經濟社會特征所決定，那么“非重點縣”和“重點縣”在傾向得分上則不會存在“公共支撐域”。不過，一個縣初期的收入水平等經濟特征只是決定其是否能夠被成功認定為“重點縣”的最主要因素，山區、革命老區、邊區在同等條件下會受到照顧性考慮（Park et al, 2002；岳希明等，2007；張彬斌，2013），此外，地方領導對“重點縣資格”的態度和爭取努力等不可觀測因素也會影響一個縣是否能被認定，于是，主要經濟特征幾乎完全相同的兩個縣級單位就可能分別出現在“重點縣”和“非重點縣”的隊列中。

四、模型估計結果

（一）基本估計

本輪扶貧開發的執行期是2001-2010年，我們分別以2005年和2010年作為政策干預后的狀態，來估計扶貧政策的中期效果和末期效果。表2和表3分別報告了在“公共支撐域樣本”內對基準模型（3）進行不同控制變量設定下的效果參數（即交互項系數）在各期的估計值。觀測單元分布于21個省區，采用按省份聚類的穩健標準誤。各表欄目A估計的是扶貧政策對“重點縣”教育存量的影響，被解釋變量為“平均每萬人中普通中學在校生數”；欄目B報告了扶貧政策對“重點縣”教育質量的影響，被解釋變量為“平均每百名在校中學生所對應的專任教師數”。

表2 扶貧政策對“重點縣”中學教育的影響（2005年）

注：“（）”內是按21個省份聚類的標準誤；*，**，***，分別代表在10%，5%和1%的水平上顯著；“有”代表加入了對應的控制變量組。a---包括3個變量：2000年人均GDP、2000年農村居民人均純收入、2000年人均財政支出；b---包括2個變量：2000年人口密度（總人口/行政區面積）、2000年農業人口占總人口的比例；c---包括3個變量：2000年5-9歲人口占全部人口的比例、2000年10-19歲人口占全部人口的比例、2000年每萬人中的小學生在校人數。

表3 扶貧政策對“重點縣”中學教育的影響（2010年）

注：（1）~（6）列控制變量的設定與表2各列相對應，其它說明同表2。

表2和表3的第（1）列設定中，基準模型等號右邊除常數項外，僅包含“是否重點縣”、“是否政策實施后”以及它們的交互項，（2）~（6）列的設定逐步控制了各縣基期（2000年）15歲以上人口的文盲率、經濟產出和收支狀況（人均生產總值、農村居民人均純收入、人均財政支出）、人口密度和農業人口比重、學齡人口特征（5-9歲人口占全縣總人口的比重、10-19歲人口占全縣總人口的比重、全縣萬人均普通小學在校生人數）以及各縣所屬省份的虛擬變量。從估計結果來看，兩表各欄目估計系數對于（1）~（6）列的設定不敏感，具有很好的穩健性。

表2（表3）欄目A的估計，截止2005年（2010年），扶貧政策的實施使得“重點縣”平均每萬人中普通中學在校生人數（較之這些縣如果不被認定為“重點縣”的情況下）平均增加了約59人（100人），且具有較強的統計顯著性。這說明：一方面，投入到“重點縣”用于發展教育的扶貧資金可能確實起到了資助入學的作用；另一方面，也可能由于政策促進了“重點縣”的經濟發展、農村居民收入得到增長（張彬斌，2013），使得貧困家庭“支付”學齡兒童接受學校教育的能力增加，從而使得“重點縣”教育存量趨于增加；此外，“重點縣”的身份本身，也可能對其它教育專項扶貧計劃的資源投入具有導向作用，人力資本存量從整個扶貧政策中受益。

表2和表3欄目B的估計均不具統計顯著性，但系數符號（為負）隱約透露出：扶貧政策并未提高“重點縣”的平均教育質量，平均每百名同學所對應的專任教師資源有所下降，盡管估計并不精確。但系數為負，也不必然意味“重點縣”專任教師數量沒有增加，也有可能是教師數量的增加不及在校學生數增加得快。“重點縣”的貧困家庭原本不會入學的年輕人更多的走進了校園，但是師資配置的調整與年輕人是否入學相比更不具靈活性，于是，在校學生人數的增多“稀釋”了人均教師資源；此外，在貧困區縣，普通中學通常分散在縣城和縣轄各鄉鎮，受益于扶貧政策而增加的學生在空間上并不集中，當一個鄉鎮中學各年級新增的學生數量不多時，不足以為各年級新增學生設立新班級，新增學生以插入已有班級的形式就學，這也會降低在校生人均教師資源數。

（二）工具變量估計

在前文的基準估計中，采納了傾向得分匹配策略中的共同支撐域理念，并將實驗組和對照組的傾向得分限定在[0.1，0.9]的區間內以增進兩組子樣本基期水平在統計上的相似性。作為一個補充，本部分的估計放松此限制而選擇達到最低匹配標準的全部樣本（即圖1中兩條縱向虛線之間區域所對應的全部縣），考慮到一個縣是否能夠被納為“重點縣”和前文構建的傾向得分相關聯，于是將每個縣的傾向得分作為其是否是“重點縣”的工具變量，采用兩階段最小二乘估計方法重新估計雙差分模型（3）。第一階段回歸的值以及檢驗顯示出工具變量的選擇是有效的[④]。表4分欄目呈現了2005年和2010年基于工具變量估計的扶貧效果，估計結果仍然清晰地體現了“重點縣”教育存量從扶貧政策中獲得顯著為正的促進效應，“平均每萬人中普通中學在校生人數”在2005年顯著增加83~87人、在2010年顯著增加104~111人。教育質量受到的影響仍舊不顯著，基于工具變量的估計再次說明以平均每萬人中在校生人數為代理的人力資本存量在地域指向性扶貧政策中得到提升。

表4 扶貧效果的工具變量估計

注：估計教育存量時（欄目A-1、B-1）對應各列的觀測次數均為2416，估計教育質量時（欄目A-2、B-2）對應各列觀測量均為1454；各列控制變量的設定、其它說明同表2。

（三）對教育存量效果的再測度

如果一項公共項目或政策的確對于某種經濟社會現象或行動具有因果關系沖擊，那么，對項目或政策在該方面所產生效果的評估結論，不會敏感依賴于所選擇的被解釋變量。本節通過構建或選擇能夠用作衡量地區教育存量的其它指標，進一步考察“重點縣”扶貧政策對教育存量的“干預效應”。以期為政策效果提供更為豐富的經驗證據，同時也為結論的穩健性提供更充分的檢驗，然而受到數據獲得性的約束，暫不進一步考察以其它方式測度的教育質量。

1、青少年人口數量與在校生人數。作為測度教育存量的另一個選擇，我們借助人口普查分縣數據構造“10-19歲人口人均普通中學在校生數”和“5-19歲人口人均小學和普通中學在校生數”兩個代理指標。[⑤]兩個代理指標。這樣做縮小了強度相對指標（Strength Relative Index）中分母的范圍，使得分子和分母的對應關系增強，在一定程度上增加了測量的精確性。

2、平均受教育年限。2000年和2010年全國人口普查分縣統計資料匯總了各個縣級單位6歲以上年齡人口平均受教育年限的信息。我們將其也作為對教育存量的另一種測度方式，繼續在雙差分模型的不同控制變量設定下考察教育存量從“重點縣”扶貧政策中受到“干預”的情況。

表5各橫欄分別以這些新的測度方式代理教育存量，并分別將其作為被解釋變量，以2000年作為扶貧干預實施前、2010年作為干預實施后，重新估計了雙差分模型（3）。其中，（1）~（6）列的估計在“共同支撐域樣本”內進行；作為一個補充性的對照，（7）~（12）列放松了對“共同支撐域樣本”的限制，使用達到最低匹配標準的全部觀測，但將傾向分值用作是否為“重點縣”的工具變量并采用兩階段最小二乘估計而獲得。就同樣的估計策略來看，各橫欄所報告的交互項系數對不同的控制變量設定不敏感，且具有較好的統計顯著性。OLS估計表明，受政策覆蓋的縣域因該項政策之實施，在10年后：平均每千名10-19歲年齡人口所對應的普通中學在校生人數增加42~43人，平均每千名5-19歲年齡人口所對應的普通中學和小學在校生人數增加35~36人；同時，“重點縣”因該扶貧政策而導致6歲以上人口平均受教育年限顯著增加約0.11年，其中男性平均增加約0.12年，女性人口平均受教育年限增加約0.14年。對于各被解釋變量，IV估計與OLS估計系數的符號一致，且具有良好的統計顯著性，系數大小略有差別。對教育存量再次測度后的估計，再次說明扶貧政策顯著的促進了貧困地區教育存量的積累。

五、對經濟增長的潛在貢獻

近年來的增長文獻特別關心人力資本的貢獻（如：Barro,2001；Wang 和 Yao, 2003；姚先國、張海峰, 2008）。扶貧政策對“重點縣”格外關注，確實增進了這些縣的教育存量，“重點縣”的人力資本得到積累，可能會對貧困縣后來的經濟增長產生效果。本文的數據截止到2010年，不便做出2010年受扶貧干預而積累的人力資本對未來增長的影響，但可以考察2005年新增的人力資本與未來幾年（如2005-2010）經濟增長的關系。作為一個非常粗略的計算，假定在“共同支撐域樣本”中，如果“重點縣”不受到扶貧干預，它們的經濟增長模式將會與對照組的縣相同。針對“共同支撐域樣本”中的“非重點縣”，以2005-2010年縣級人均產出增長率為被解釋變量，以2005年人力資本存量（“平均每萬人中普通中學在校生人數”代理）為解釋變量，來獲得2005年人力資本存量的估計系數，并由此計算當2005年人力資本存量發生震動時，人均產出增長率的變化情況。回歸方程為：

基于上述假定，（6）式可代表“重點縣”在反事實下的增長情形。前文估計的“重點縣”因政策沖擊而使2005年人力資本存量增加59~87人（表2和表4，欄目A），于是，這將為其2005-2010年的名義增長率貢獻2.09~3.08%（~）。當然，人力資本存量與其它決定經濟增長的因素之間存在錯綜復雜的內生關系，對它的細致討論當屬另外一個研究話題，在此不作贅述，基于（6）式所做的估算只作概覽性參考。

六、總 結

如果說扶貧政策通過向貧困發生率較高的地區提供更加良好的生產生活條件，從而直接促進經濟增長和農民增收是“授之以魚”，那么其導致的貧困地區人力資本積累，使得貧困人口更加有能力實現自我發展當屬“授之以漁”。本文借助“自然實驗”的研究框架，評估扶貧重點縣人力資本積累在新世紀第一輪大規模農村扶貧開發中受到的因果沖擊，結果顯示出扶貧政策確實使得貧困縣的人力資本積累增加。扶貧開發重點縣受到扶貧政策的干預，其2005年和2010年平均每萬人中普通中學在校生人數分別增加了59~87人和100~111人；2010年10-19歲人口中平均每千人普通中學在校生數增加了43~59人，5-19歲人口中平均每千人普通中學和小學在校生總數增加了35~38人，同時，6歲以上年齡人口平均受教育年限約增加0.11年。但以在校學生數和專任教師數的比例關系為代表的教育質量未受到顯著影響。

評估扶貧政策對貧困地區人力資本狀況的影響為更加全面的考察扶貧政策的經濟社會效果提供了更加全面的視野。在當前中國城市化和老齡化進程雙重加速的宏觀經濟背景下，普通勞動力需求正在增加，普通勞動力的工資率迎勢而上，這一方面有利于改善貧困家庭供給勞動的收入，但也增加了貧困家庭青少年接受學校教育的機會成本。貧困家庭子女的勞動力供給決策對工資上漲反應敏感（Yi et al., 2012；Zhang et al., 2013），收入機會的增加會誘導他們更早的進入勞動力市場而放棄接受學校教育。未來的政策有必要通過增加低收入家庭的實際收入或改善教育質量等措施，提高這些家庭學齡人口（輟學而）過早進入勞動力市場的保留工資，激勵他們接受更多學校教育。人力資本對于促進增長和脫離貧困具有重要作用已是共識，貧困人口人力資本積累不足可能增加他們長期陷入貧困陷阱的風險。因此，未來的扶貧政策和配套教育政策有必要更加關注貧困人口對教育的提升，為貧困地區經濟持續發展和貧困人口持續增收提供更加充足的智力源泉。

1. 蔡昉、都陽：《中國地區經濟增長的趨同與差異——對西部開發戰略的啟示》[J],《經濟研究》2000年第10期。

2. 蔣中一、戴洪生：《“降低農村初中輟學率和義務教育體制的改革》[J],《中國人口科學》2005年第04期。

3. 李文、汪三貴：《中央扶貧資金的分配及影響因素分析》[J],《中國農村經濟》2004年第8期。

4. 柳光強、鄧大松、祁毓：《教育數量與教育質量對農村居民收入影響的研究——基于省級面板數據的實證分析》[J],《教育研究》2013年第 5 期。

5. 姚先國、張海峰：《教育、人力資本與地區經濟差異》[J],《經濟研究》2008年第5期。

6. 岳希明、李實、王萍萍、關冰：《透視中國農村貧困》[M],經濟科學出版社，2007年。

7. 張彬斌：《新時期政策扶貧: 目標選擇和農民增收》[J],《經濟學 (季刊)》，2013年第12卷第3期。

8. Barro, R. J., 2001, "Human Capital and Growth"[J],, 91(2): 12－17.

9. Card, D. and Krueger, A. B., 1992, "Does School Quality Matter? Returns to Education and the Characteristics of Public Schools in the United States"[J],, 100(1): 1-40.

10. Duflo, E., 2001, "Schooling and Labor Market Consequences of School Construction in Indonesia: Evidence from an Unusual Policy Experiment"[J],, 91(4): 795-813.

11. Engle, P. L. and Black, M. M., 2008, "The Effect of Poverty On Child Development and Educational Outcomes"[J],, 1136(1): 243-256.

12. Heckman, J., Layne-Farrar, A. and Todd, P., 1996, "Does Measured School Quality Really Matter? An Examination of the Earnings-Quality Relationship", in Burtless G.(Eds.): Does Money Matter?: The Effect of School Resources on Student Achievement and Adult Success [M], Washington: Brookings Institution Press:1092-1189.

13. Krueger, A. B., 1999, "Experimental Estimates of Education Production Functions"[J],, 114(2): 497-532.

14. Meng, L., 2013, "Evaluating China's Poverty Alleviation Program: A Regression Discontinuity Approach"[J],, V.101: 1－11.

15. Park, A., S. Wang and G. Wu, 2002,"Regional Poverty Targeting in China"[J],, V.86: 123－153.

16. Ravallion, M., 2008, "Evaluating Anti-poverty Programs", in Schultz, P. and J. Strauss, Handbook of Development Economics [M], V.4, Amsterdam: North-Holland: 3787－3846.

17. Rozelle, S., A. Park , V. Benziger and C. Ren, 1998, "Targeted Poverty Investments and Economic Growth in China" [J],, 26(12):2137－2151.

18. Sander, W., 1993, "Expenditures and Student Achievement in Illinois: New Evidence"[J],, 52(3): 403-416.

19. Wang, Y. and Y. Yao, 2003, "Sources of China's Economic Growth 1952-99: Incorporating Human Capital Accumulation"[J],, 14(1): 32－52.

20. Yi, H., et al, 2015, "Giving Kids a Head Start: The Impact and Mechanisms of Early Commitment of Financial Aid on Poor Students in Rural China"[J],, 113: 1-15.

21. Yi, H., et al, 2012,"Dropping Out: Why are Students Leaving Junior High in China's Poor Rural Areas?" [J],, 32(4): 555－563.

22. Zhang, L., et al, 2013, "The Human Capital Roots of the Middle Income Trap: The Case of China"[J],, 44(s1): 151－162.

（CH）