英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
不平等的受教育机会和收入分配——基于国际间的比较
GEORGE PSACItAROPOULOS
国家间的收入差距从上世纪五十年代中期就得到了广泛的关注。第一个在收入不平等和人均收入之间的描述性的发现是倒U像的曲线，它是用时间序列的经济发展的二元模型来进行解释的。这个理论依靠农业和制造业之间的部门生产率增长竞赛来对收入分配不平等做出解释的（库兹涅茨1955）。一旦数据的基数变大，额外的变量被纳入分析，使得逐渐掩盖了早期全方位人均收入的因素。例如，阿德尔曼和莫里斯（1973）使用了35个社会、经济和政治的指标解释国家间在收入分配上的差距，从常见的人均国民生产总值到二元论的角度，全面的来反对媒体和宗教离奇的观点。
在60年代初期的人力资本理论发展后，教育成为在收入分配研究中的一个受欢迎的自变量。本文的目的是尝试一种教育变量对国家间收入分配的差距的新的阐述和定义。下文第一章简要回顾了人力资源在相似研究上的已有结果。第二章提出了一个教育变量的新的定义，基本是指一个已知国家的教育金字塔的陡度。从一个49个国家的横截面数据得出的结论会在第三章给出。最后一章则是针对本文的发现给出了一个具有可行性的政策建议。
- 证据回顾
在实证分析中，教育在解释国家间收入分配的作用大致可分为两点：（a）把教育变量作为一项流动措施，例如学校招生率水平等等。（b）将其调整为一项固定的学校措施，例如劳动力的受教育程度。
在第一组的研究中，阿德尔曼和莫里斯（1973）使用了哈比森和迈尔斯（1964）的教育发展指数作为教育的代理变量。他们把这个指标解释为在给定国家中人力资源的改进竞赛。这个变量的重要性在其他所有解释国家间收入分配差距的排名中排名第一。但是，这种教育变量的定义得到了一些批判性的观点。首先，最初的哈比森和迈尔斯指数没有被应用到所有的国家案例中：它们必须要求大致近似的结果超过样本的三分之一。第二，哈比森和迈尔斯指数本身就是一个声称能够解释的没有把握的代理值（对这个指标的批判索引请关注布劳 1970，pp. 68-70）。它最主要的的缺陷是，小学升学率这项数据被完全排除在外。因此，把这个指标当做人力资源的改善竞赛来参考非常奇怪，牢记了初等教育在LDC的人力资本形成中的重要性。阿德尔曼和莫里斯也使用“素养”作为一个单独的独立变量。然而素养不同于小学入学率，它在解释收入分配的因素的重要性列表中十分显著。像我们在其他地方提粗的观点，它是小学入学率的扩展，而是不是更高的层次。它与一些国家的一部分收入离散数据的减少相关联。（Marin和Psacharopoulos 1976）。最后，哈比森和迈尔斯指数不是基于相关收入决定的劳动力市场理论。因为其专断地把任意固定的5：1的比重放在了大学入学率和相对应的次要的入学率。显然，相对学生人数应该对这个指标来说是无关紧要的，以便是相对应的工资获得一个可能的供应影响。
在另一项研究中，阿鲁瓦利亚（1974）发现，教育对于中低收入阶层的收入分享来说，其和平等是正相关的。教育变量被再次指定为入学率，但是这次只是计入了小学和中学的。更高等的教育入学率是微不足道的其他独立便量，就像人均收入和农业在GDP中所占的比重。事实上，小学教育在解释最低的百分之四十的收入分配中具有更大的重要性，然而
而中等教育则是在解释中等的分配中更重要（P.17）。
*我想要感谢Arnold Anderson，Mary Jean Bowman，Jan Tinbergen和Peter Wiles 在早期为这篇文章的草案所作出的评论。
在类似的研究中，Chenery和Syrquin （1975）也从阿德尔曼和莫里斯的另一个结合度来探查问题，通过使用初等和中等的入学率相结合的数据来解释收入分配。然而他们发现高等的教育可以解释前百分之二十的收入分配比底部的百分之四十占据更大一部分的现象。（P.63）
我们来看向第二个分析组合，Chiswick（1971）使用Lydall（1968）的数据，得出了收入分配百分比和劳动力受教育程度的相对离散数据时间的几项关系。其他独立变量包括人均收入水平和其增长速度。结果表明，教育不平等是直接关系到收入不平等。然而，分析是基于9个观察值，所以这个结果只能说是具有提示性的结论。
Tinbergen（1975），使用了和Chiswick相同的数据，发现了收入不平等和劳动力受教育程度的洛伦兹曲线的正相关关系。虽然这是发现是基于非常少的观察，Tinbergen的工作包含了已下的理论洞悉：不平等的减少不会自动转化为人均收入的上升（就如早期作品中暗示的那样）。相反，它发生在教育扩张超过技术发展所需的扩张的时候。因此，教育和技术发展之间的竞争现在正扮演着部门要素生产力和储蓄之间的库兹涅茨的二元论模型的角色。
第二章 一个简单的说明
一个国家间的模型声称要解释各国间的收入分配差异必须报拥有以下的特点。
- 它必须基于在给定国家中收益相对确定的理论
- 这个理论必须强大到足以承受应用到各个国家时的较大的分类比较能力的差距。
- 它必须尽可能的简单，因为在这种程度的综合水平下，如果一些系统的干扰对一些国家有，而对另一些国家没有，说明可能不能再细化。
- 变量必须是在很多国家中可衡量的，从而避免小样本数据。
我提出以下的模型，这个模型结合了上述的一些特点：
GINIi = f(EDINEQi, YPi)
其中
GINIi代表了在i国家的收入分配的基尼系数，
EDINEQ代表了在给定国家中的教育不平等，以学校等级的入学率的变异系数来衡量，
YP代表了个人平均所得。
因变量是一个比较流行的衡量收入不平等的变量，虽然它自身还有所欠缺，但在这里将会满足国际间的比较（See Sen 1973）。
两个独立变量大致符合了供给和需求对给定国家的相应收益的影响。EDINEQ变量背后的理论是教育的金字塔月陡峭，在不同国家间的劳动力的收入的离散程度也就越高。需要注意的是，这个变量有可能是一个相比较劳动力的教育水平而言对收入分配的预计更可靠和敏感的因素。入学率的统计数据不近比劳动力的教育水平更容易获得，而且他们更加的可靠。（e.g. Compare the two sources par excellence in this respect : OECD (1969) and UNESCO(1973)）此外，它使用的是一个流动的而不是固定的劳动力的概念，着可能使得对相对工资的预测更加敏感，牢记了在大多数国家的样本中年轻工人们的重要性。最后，入学率的变异系数是三个等级教育的一个汇总统计，不仅像上文所说的只反映了顶部或底部的分配。当然，这是一个同基尼系数相关的持续的处理，它反映了人们各种受教育水平对收入的接受度。
*这个指数是一个在第二和第三等级的入学率的加权和，指数=1S2 5S2,5和1的比例是任意的。
*Peter Wiles向我强调质量和可靠性差的基尼系数在大多数国家由于缺乏良好的收入数据，更不用说这个指标在国与国之间的可比性问题。当我想到这个问题的时候，我还是认为在大量的操作当中，充分的找到了国家间在收入分配上的差距，尤其是在DC和LDC两组之间。
人均收入这个因素被插入这个模型与其说是因为理论，不如说是为了比较这段事件我认为更加敏感的独立变量，也就是EDIMEQ。当然，有很多的理论提出把人均收入纳入这个模型，尤其是在需求方面的操作。例如，它可能反映了那些最终转化成了对特定技能的需求的最终需求的构成。所以，我们坚持在解释这些结果时的解释。
- 实证结果
下表A给出了使用在49个国家的模型中的三个变量的数据。下表I，则是给出了在国家团体见的汇总统计数据，在DC和LDC之间的任意分界线是人均收入1000美金。在这张表中，两种不平等（包括收入和教育）比在国家集团中LDC相对于DC来讲更高。
TABLE 1 - INCOME DISTRIBUTION AND EDUCATIONAL INEQUALITY WITHIN COUNTRY
Source: Based on the Appendix Table A.
三个回归拟合的数据如图表2所示。在（R.1）教育不平等仅解释了国家间收入分配差距的百分之二十三。这是这个统计模型的一个令人满意的统计数据。像在（R.5）中所展现的，人均收入的解释力只有大概EDINEQ的一半。然而，更重要的是，在（R.2）中人均收入的统计意义消失在了教育不平等变量之前。
因此，牢记使用这种模型是通常要伴随一定的资质，我们不能拒绝假设从国家教育系统出来的相对流动的学校级别的毕业生是一个收入分配的重要决定因素。
TABLE 2 - INCOME INEQUALITY AS A FUNCTION OF EDUCATIONAL INEQUALITY AND PER CAPITA INCOME
备注：
基于在Appendix表中显示的数据。
因变量的回归是基尼系数。
在括号中的数字是标准错误。
*Mary Jane Bowman评论说一个简单的指数例如S3/(S1 S2)可能会更好的反应教育不平等在一个给定国家的程度，而且我同意这是一种值得的尝试。
- 总结评论
在某种程度上，两个独立的变量EDINEQ和YP分别反映供求的状况，上述结果表明，供应在决定相对收入中扮演了一个非常重要的角色。这一发现的含义是，提供更平等的受教育机会的政策（i.e通过压扁教育金字塔）可能会是收入分配的预期效果更加的平等。
APPENDIX TABLE A - INCOME DISTRIBUTION, EDUCATIONAL INEQUALITY AND PER CAPITA INCOME IN SELECTED COUNTRIES
*评判的这篇文表达了他的怀疑，他怀疑EDINEQ是不是一个供给因素，YP是不是一个需求因素。他指出，要是学校水平的变异系数可以达到企业家的的水平，那么很有可能会构造一个入学率的变异系数。从这个观点来看，EDINEQ是一个需求因素而不是一个供给因素。另外，人均收入也可以被设想为一个供给要素，只要更高的人均收入以为这更多的接受更高教育的机会和加强高收入存在的机会。不可否认的，回归中指出这里只有减少了一个包含了需求和供给两个等式的形成，而且也没有尝试符合本文中的这个模型。
*文章的评论员声称，“暂时还不清楚为什么劳动力的流动概念比固定概念能更加敏感地预测到实际工资。相反，调查应该用整个劳动力的数据而不是只有最小的年份来确定工资结构，后者只是前者的一小部分，而不一定等于组成它的总劳动力。”我更倾向于流动的概念是基于最年轻的劳动者在充满竞争力的劳动力市场决定了工资。当然，人们总是可以对一些国家的样本提出劳动力市场竞争力的质疑。
APPENDIX TABLE A (CONTINUED)
EDINEQ=
Si参考自UNESCO（1973）的个等级学校录取率。
附录 B
受教育程度平均值的影响
本文的评判指出：“增加一个解释变量的后果非常有趣，也就是教育的平均水平。可以预计，接受不同等级的教育和教育的平均水平（招生率的加权和的水平）代表了一个供应因素，更高的平均水平相比较低水平而言在招聘市场更有竞争力，因此减少了收入中的不平等。”
为了这个目的，我构造了最简单的（但并不准确的）代表在各个国家的教育水平，
N=
即每一个等级的入学率的加权，接受大学（指大专以上）教育的年数考虑到专科的三年制，人均受教育年数按照16年计算；高中（含中专）教育的人均受教育年限按照12年计算；初中教育按人均受教育9年计算；小学教育则按人均受教育6年计算；文盲人口按人均受教育1年计算。在本文中的公式中，只是简单的做了一下计算，其中六年对应的是初等教育水平，十二年对应的是中等教育水平，十六年对应的是高等教育水平。这个变量在整个样本总体中代表了7.7年的受教育年限。在LDC组相对应的是7.3年，而在DC组中相对应的是9年。
当这个变量添加到早些时候的回归中时（表2），它几乎已经没有效果（见附录表B），这一发现可能的原因是平均水平和个人平均收入的高度相关（r=.74）。
APPENDIX TABLE B - INCOME INEQUALITY AS A FUNCTION OF EDUCATIONAL INEQUALITY, PER CAPITA INCOME AND THE AVERAGE LEVEL OF SCHOOLING
备注：
因变量在任何情况下都是基尼系数。
括号中的数字是标准误差。
*虽然相似，但是这个变量不应该与前文中提到的哈比森和迈尔斯的指标相混淆。N表示的是在一个给定国家平均的售价与水平的衡量。因为大多数国家缺乏实际接受教育的人群的数据，因此入学率被广泛应用着。
参考文献：
（1）Adelman, I. and C. T. Morris, Economic Growth and Social Equity in Developin 9 Countries, Stanford, 1973.
（2）Ahluwalia, M. S., Income Inequality: Some Dimensio
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[29384]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
