杨钋, 徐颖丨信息资本与家庭教育选择：来自中国的证据

Original 杨钋, 徐颖华东师范大学学报教育科学版 2022-04-13

本期 · 精彩

新刊速递 | 华东师范大学学报（教育科学版）2020年第11期目录

尹弘飚丨行为观、心理观与社会文化观：大学生学习投入研究的视域转移——兼论中国高校教学质量改进

【影子教育】

张薇、[英]马克·贝磊(Mark Bray)丨影子教育比较研究的历史回顾与未来展望

摘要

提升家庭层面的人力资本投资是解决我国人力资本投资不足、拉动居民消费的关键环节之一。本研究集中讨论了以互联网为代表的信息资本对家庭教育选择与投资的影响。利用“中国家庭追踪调查”2014年和2016年追踪数据，本文建立配套亲子样本，应用泛精确匹配和加权回归方法，探究了信息资本是否有助于家庭突破信息约束以参与教育选择和教育投资。研究结果表明，使用互联网的家庭更有可能参与择校、选择进入重点校，且参与校外补习的概率与参与程度也显著提升。互联网使用带动了家庭教育投资的提高，尤其是选择性投资与校外补习投资。这种积极效果随着互联网的普及逐步衰退。此外，信息资本对家庭教育选择的积极影响受到制度约束，面临升学瓶颈的流动儿童并未从家庭互联网使用中获益。

关键词: 信息资本, 家庭教育选择, 人力资本投资

杨钋，北京大学教育学院副教授，博士，教育经济学系主任。

徐颖，哥伦比亚大学师范学院博士生。

一、导言

二、家庭育儿选择和信息获取

三、研究假设、数据与实证策略

四、互联网使用与家庭教育

五、结论与讨论

一、导言

改革开放以来，我国在提升人力资本投资、提高国民受教育水平方面成就卓著。财政性教育经费高速增长，2012年国家财政性教育经费支出占国内生产总值比例达到了4%的目标（王蓉，田志磊，2018），2017年全国家庭调查显示家庭教育投资占GPD比例达到了2.48%（魏易，2019）。尽管进步喜人，但我国依然面临严峻的人力资本投资不足问题。2010年，全球高收入国家的劳动力人口中，接受过高中教育的平均比例为74%；其他中等收入国家的高中人口比例为32%，我国仅为24%（罗斯高，2017）。除了国家间差异，同一国家内部、不同家庭间的人力资本投资也存在较大差异（魏易，2019；王蓉，2018）。

解决人力资本投资不足的问题是提升我国人才质量、满足转型期高质量劳动力需求的关键（闵维方，2017）。除国家层面投资外，家庭投资也是提升人力资本投资水平的重要渠道。以往针对家庭教育投资的研究集中探讨了家庭经济资本和社会资本对人力资本投资的带动作用，并发现优势阶层善于将社会资本和经济资本转化为人力资本再投资，并通过代际传递实现社会阶层的复制（李春玲，2014）。信息资本也可能影响家庭的人力资本投资。信息资本这一概念最早由信息经济学家乔治·施蒂格勒（George J. Stigler）与马克•波拉特（M.U.C. Porat）提出，他们认为任何可以帮助拥有者获利的信息均可被视为一种资本（吴志强，2003）。信息资本可以通过各类渠道获取，如图书馆、互联网。考虑到任何投资行为均以信息为决策基础，信息资本可以帮助资本家优化投资决策甚至实现高额垄断利润，它同样可以影响家庭的人力资本投资。例如在高等教育选择过程中，家庭信息支持的阶层差距扩大了高质量高等教育获得的阶层差距（鲍威，金红昊，肖阳，2019）。

信息资本的获得有可能带动家庭人力资本的投资；反之，信息资本的匮乏有可能降低家庭人力资本的投资。国内外经济社会学学者在探讨数字化技术的普及过程时，提出了“知识鸿沟理论”。该理论认为，不同社会经济地位群体在信息获取和利用信息获益方面存在差异（Blau，1977；Tichenor，Donohue，& Olien，1970）。“知识鸿沟”意味着高社会经济背景阶层在新信息的探索方面具有优势（Attewell，2001；Attewell & Battle，1999）。这种优势体现在接触信息、使用信息和利用信息获利等方面。由于优势阶层独特的社会地位，他们可以首先发现新信息。由于该阶层具备的收入优势，他们有能力优先购买新信息。此外，学校教育为优势群体提供了认知方面的优势，使得他们能够更有效地处理新信息，该群体对新信息投资的回报也更高（Donohue，Tichenor，& Olien，1975；李升，2006）。简言之，高社会经济背景阶层不仅习得更多知识，而且由于他们在新信息接入和使用方面的优势，不同群体间的知识差距会不断扩大，导致“知识鸿沟”的出现。因此依据“知识鸿沟”理论，高社会经济背景阶层在信息资本获取和利用信息资本获利方面的优势，可能帮助优势家庭进行更多且更为优质的人力资本投资，这将进一步拉大阶层间的人力资本投资差异，即出现“经济资本—信息资本—人力资本”的再生产过程（杨钋，徐颖，2017）。目前，聚焦于信息资本对人力资本影响的研究十分匮乏，对互联网的研究集中在互联网使用如何影响以学业成绩衡量的人力资本质量（Belo，Ferreira，& Telang，2013；Fuchs & Wößmann，2004；Fairlie & Robinson，2013）。例如郅庭瑾和陈纯槿（2019）利用PISA2015年数据，分析了校外上网学习时间和娱乐时间对学生科学素养的影响。研究发现在控制其他因素的条件下，周一至周五上网6小时以上的学生沉迷网络，会导致其数学、阅读及科学素养显著更低。互联网使用时间通过上网娱乐动机和学习动机这两种机制作用于青少年学业发展。上述研究忽略了互联网作为重要的信息渠道，可能首先影响家庭的人力资本投资，之后才影响学业产出。

我国的教育不平等表现为学业成就的阶层差距，更体现在家庭间教育选择的差异。一方面，优势阶层可以利用自身优势帮助子女通过各类途径获取更多的教育机会和高质量服务。另一方面，免费义务教育政策的实施有效地实现了校内教育支出的均衡，但无法遏制家庭在校外教育投资方面的差异。钱晓烨等（2015）计算了2007年与2011年我国城镇家庭教育支出的基尼系数，发现各项教育支出的不平等都高于家庭收入的不平等，且校外支出的不平等高于校内支出的不平等。

有鉴于此，国外教育社会学研究逐步将择校和校外补习纳入对家庭教育选择的讨论，强调家长可以通过这两种方式实现人力资本投资（Davies，2004b；Davies，Aurini，&Quirke，2002）。因而学界对家庭人力资本投资阶层差异的关注，逐步从对校内学业成就差异和家庭教育支出差异的研究（Chi & Qian，2016；丁小浩，翁秋怡，2015；李湘萍，2008），转向对择校和校外补习参与阶层差异的分析（Bray et al.，2004；胡咏梅等，2015；Bray，1999；Park et al. 2016；Dang & Rogers，2008）。研究发现，不同社会经济背景家庭在择校和校外补习参与方面有很大的差距，这些差距有可能深化家庭间人力资本投资的鸿沟（Buchmann，Condron，& Roscigno，2010；Zhang & Xie，2016）。

在义务教育均衡化背景下，家庭校内投资的规模受到限制、家庭间差距不断缩小；校外选择和校外教育投资的规模增大，家庭间差距逐步加大（魏易，2019）。当前阶段我国家庭间人力资本投资的差距集中体现在教育选择方面，即弱势家庭在人力资本投资方面的差距有可能表现为较低的择校参与率和校外补习参与率、或者较低的择校和校外补习参与支出。

那么，信息资本是否会加剧家庭在教育选择方面的阶层差异？家庭信息资本向人力资本的转化是否会体现在具有信息优势的家庭率先参与教育选择，并扩大在教育选择方面的支出？已有研究尚未系统性地探索这些问题。本文拟填补上述研究空白，探讨家庭的信息资本对家庭人力资本投资的影响。

本研究的核心问题是信息资本是否拉大了家庭间的人力资本投资差异。利用北京大学中国社会科学调查中心开展的中国家庭追踪调查（China Family Panel Studies，以下简称CFPS）2014年和2016年数据，本文尝试分析母亲互联网使用对家庭教育选择类型和规模的影响。为了控制母亲互联网使用的内生性问题，笔者采用了泛精确匹配的方法来消除使用互联网的母亲与未使用互联网的母亲在协变量上的不平衡。此外，分别使用2014年和2016年数据，检验了随着互联网普及信息资本对教育选择的拉动作用是否减弱。最后，本文通过分别城乡户籍样本，识别了信息资本拉动作用的异质性，讨论了制度性约束是否阻碍流动人口家庭扩大人力资本投资。

二、家庭育儿选择和信息获取

（一）

育儿策略和家庭教育选择

近年来全球经济不平等程度显著上升（Piketty & Saez，2003；Piketty & Zucman，2014；Piketty，2014）。德普克和齐利博蒂（2019）的研究表明，就业人群中最富裕和最贫穷的10%人口占总收入份额之比在1974至2014年之间显著上升：美国从9.1上升到18.9，英国从6.6上升到11.2，瑞典从3.5上升到7.3，荷兰从5.3上升到7.8。在收入差距拉大的背景下，家庭育儿行为出现密集化趋势。家长更多参与育儿，例如为子女提供教育资料、参与补习、陪伴儿童等。这些行为能积极提升子女的认知和非认知能力。密集型育儿集中反映在父母育儿的时间和经费投入显著增加。

密集育儿反映出家庭对人力资本投资的重视。从形式上看，父母主要通过参与教育选择来提升育儿的强度。Davies（2004a，2004b）和Davies，Aurini，& Quirke（2002）的研究指出，家庭教育选择是一个连续谱系，从选择公办学校到校外培训，再到民办学校。民办学校是公办学校较为昂贵的替代品，它可以满足家庭个性化教育需求，但是经济可负担性较弱。而校外补习则相对廉价、规模小、更加个性化，可以定制。与民办学校相比，校外补习的可负担性强，交易更加频繁，评价标准单一，市场进入壁垒较低，质量相对透明，而且家长参与的渠道多、影响力大。在公办学校均衡化趋势下，家长参与公办学校的渠道越来越少，民办学校和校外补习成为父母人力资本投资的可行选择。

家庭选择民办学校的目的是提升教育质量、满足多样化的教育需求或者超额需求（王蓉，2018）。为了实现择校，家庭要支付昂贵的民办学校学费，或者需要购买高价的公办学校学区房（哈巍，靳慧琴，2018）。近年来更多的中国家庭参与学校选择，择校的阶层差异明显。《2017年全国教育事业发展统计公报》显示2017年全国普通高中阶段有306.26万学生就读于民办学校；民办初中和民办小学的在校生数分别达到577.68万人和814.17万人。2017年《中国教育财政家庭调查》数据中，幼儿园、小学、初中和普通高中阶段中，民办学校的学生比例分别为56.84%、7.01%、9.44%、8.26%。在小学和初中阶段，随着家庭人均消费的提高，学生选择民办学校的比例在提高，民办学校的校内收费也在提高（周森，2018，pp. 68—90）。

已有研究发现父母为影子教育投入了巨额经费（Zhang & Xie，2016）、父母为了寻找合适的补习机构耗费了大量的时间和信息成本、家庭花费大量精力来监督子女在补习机构的表现（Park et al.，2011），因此校外补习，或称影子教育，成为当代社会中重要的育儿参与形式之一（Mori，Baker，2010；Park et al.，2011）。过去60年来，影子教育发展为全球化的现象（Baker et al.，2001；Dang，Rogers，2008）。它不仅在日本和韩国等东亚发达国家广泛存在（Park et al.，2011；Mori，Backer，2010；Byun，2010），也盛行于中国（Zhang & Xie，2016；薛海平，2016；胡咏梅等，2015）和东亚其他国家与地区（Bray，1999；Zhang & Bray，2015），甚至在美国和加拿大等西方国家不断发展（Buchmann，Cordron，& Roscigno，2010；Lee，2007；Aurini & Davies，2004）。PISA2015年数据显示多数经合组织国家的15岁学生的校外补习参与率大于或者等于60%。

（二）

信息获取与家庭教育选择

家庭教育选择研究关注家庭社会经济背景差异对择校和校外补习参与的影响，忽视了信息在家庭选择决策中的核心作用。行为经济学研究提出，父母在信息获取上存在约束，制约了其在子女受教育过程中的选择和投入，并进一步影响了学生的学业表现（Schneider & Buckley，2002）。近年来互联网的普及极大地降低了人们信息获取的时间和金钱成本。因此它很可能会帮助父母克服上述约束，优化家庭教育决策，增加家庭教育投入。

行为经济学认为，父母依据所掌握的信息为子女做出教育选择。以学校选择为例，家庭在进行择校决策时依赖三类信息，即学校教学质量、学生的家庭社会经济背景构成、学校与居住地的距离（Schneider & Buckley，2002；Armor & Peiser，1998;Greene et al.，1998；Schneider et al.，1998；Vanourek et al.，1998；Kleitz et al.，2000）。学校选择决策的优劣取决于家长对上述三类信息的掌握程度，家长所掌握的信息越充分，越容易做出最优的决定。

理论上，学校选择的匹配机制主要有三类，包括盖尔−沙普利算法（Gale-Shapley mechanism，又称延迟接受算法）、顶级交易周期机制（Top Trading Cycles mechanism）和波士顿机制（Boston mechanism）。无论在哪种机制下，信息的增加都将显著提升匹配的效率（Pais & ágnes Pintér，2008）。然而，父母获取教育信息往往伴随着一定成本和资源（包括金钱和时间），这些成本制约了父母做出最优的教育选择。影响家庭择校决策的因素中，学校与居住地的距离和学校学生的构成是家庭最容易掌握的信息，而学校的教学质量信息较难获取。因而，父母择校时较多考虑家校距离和学校学生的社会经济和种族构成，较少考虑质量信号（Schneider & Buckley，2002）。对于低收入家庭来说，他们收集学校质量信息的渠道甚至更少，对信息的解读能力也相对较弱，因而他们更倾向于基于最容易识别的信息做出学校选择，如学校与居住地的距离（Hastings & Weinstein，2008）。

国外的信息干预实验发现，有效信息可以改善父母的择校行为。为了优化家庭的择校决策，美国很多学者借助《不让一个孩子掉队法案》的实施，分析了提供学校质量信息对家庭学校选择的影响。出于对学校实施监督和问责的目的，该法案要求学校定期向家长公布本校教学质量信息（如学生的学业表现、教师的质量信息等）（Hastings，Van Weelden，& Weinstein，2007）。结果表明，获得学校质量信息增加了低收入家庭选择高质量学校的可能性（Hastings & Weinstein，2008）。其他研究发现，当学校公布了教师的教学质量信息后，学生更倾向于选择教学质量高的教师。不过，时间和交通成本可能会削弱该类信息的正向影响（Bergman & Hill，2015）。

信息获取还有助于优化对高等教育的选择。采用信息干预实验方法，美国、加拿大、智利、多米尼加、马达加斯加等国家的研究团队为本国的高中生提供了诸如高等教育的申请、接受高等教育的回报、高等教育阶段的资助等信息，鼓励更多的高中毕业生接受高等教育，选择更高质量的高校。研究表明，该类项目不仅使得更多高中生对接受高等教育产生了积极评价，也提高了他们参与大学准备课程的可能性（Oreopoulos & Dunn，2013；Escueta et al.，2017 ）。提供接受高等教育的成本和资助信息，还能够增加学生进入大学的概率以及获得资助的概率（Loyalka et al.，2013；Jensen，2010；Nguyen，2008；魏建国，罗朴尚，宋映泉，2011）。反之，如若家庭缺乏有效的渠道获取信息，家庭自身又欠缺获取信息的能力，这势必将对家庭的教育选择产生负面的影响（鲍威，金红昊，肖阳，2019）。

父母的教育投入需要知识、时间和资源的支持。因此，信息获取还有可能通过改变父母对教育的预期和育儿能力以提升父母的教育参与和子女的学习成绩。信息获取可以改变家庭对教育回报的预期。Agee和Crocker（1996）的研究发现，低收入和低受教育水平父母预期的教育投入回报显著低于高收入和高受教育水平父母的预期。为弱势阶层家庭的父母提供更多教育回报的信息，有利于提升他们对教育回报的预期、鼓励他们在子女的受教育活动方面投入更多的时间和金钱。美国旧金山在学前阶段实施了“READY4K！”项目，致力于通过信息技术手段（手机短信、电子阅读器等），鼓励和指导家长参与到子女的读写能力的培养中。项目学校通过短信等方式教给家长如何在日常生活中融入读写训练，所教授的方式均简单易行，不会给家长造成认知上和时间上的负担。评估结果表明，父母在子女读写教育的参与程度显著提升，子女的读写能力也相应提升（York & Loeb，2014）。还有很多学校通过信息技术手段将学生的在校表现情况即时、便捷地推送给家长，促进家校间的信息共享，鼓励家长参与到学生的学习中来。这一方式对低收入家庭尤为重要，因为低收入家庭的家长在家校沟通方面的满意度较低，获取学生在校学业表现的成本较高（Mayer，Kalil，Oreopoulos，&Gallegos，2015）。家校信息干预项目的评估发现，子女标准化考试成绩因父母参与该项目而获得显著提升（Bergman，2015）。

目前对信息和家庭教育选择和参与的研究面临两大局限。首先，多数研究基于信息干预实验，研究的内部效度高、外部效度低，结论未必能推广到其他群体。因此，有必要在更大的样本群体中检验信息资本对家庭教育选择的影响。有鉴于此，本文采用母亲的互联网使用作为家庭获得信息资本的代理变量，利用泛精确匹配的方法，在大样本调查数据中估计了信息资本对教育选择的因果性影响。其次，当前信息干预研究主要关注大学选择、校内学习成绩和父母校内参与，尚未系统性地讨论信息资本对基础教育阶段家庭择校和校外补习参与的影响。本文以全国代表性样本为基础，分析了信息资本对公办学校择校、民办学校择校和校外补习参与概率和支出的影响，填补了已有研究的空白。

三、研究假设、数据与实证策略

（一）

研究假设

近年来，互联网已逐步成为人们获取信息的重要渠道。上文提及的信息干预研究，多是通过互联网媒介来实施。互联网可以通过即时、便捷、廉价的方式为父母提供各类信息，打破他们在认知、时间和资源上的约束。在学校选择和校外教育投资方面，互联网在信息传播方面的优势可能会帮助父母获取更多的、有价值的教育选择信息。家长投资课外教育补习最大的障碍之一是对教育质量的不了解，在众多服务品类类似的服务提供商中进行选择，需要搜集大量的信息。互联网上丰富的教育服务者信息（第一方信息）和专家与消费者的反馈信息（第三方信息），可能消除教育服务质量方面的信息不对称。因此，家庭有可能通过互联网这一重要的信息获取平台，获得学校质量和校外培训机会的相关信息（Schneider & Buckley，2002），从而改变家庭人力资本投资决策，加强家庭的育儿密集度。

根据“知识鸿沟理论”，互联网普及产生的知识鸿沟可能加剧社会分层（Dimaggio et al.，2001）。社会学研究发现在家庭经济社会资本和信息资本之间存在相互转化的关系，优势阶层的地位在这一过程中得到巩固和再生产。具体而言，优势阶层可以利用其信息优势，率先投资于人力资本投资和再投资，提高家庭的人力资本存量和质量，实现信息资本向人力资本的转化，以及人力资本向经济社会资本的转化。实证研究发现，率先接入和使用互联网的家庭更有可能突破“有限参与障碍”，更为积极地参与金融市场交易（周广肃，梁琪，2018）。父母使用互联网对家庭教育投资规模也有显著的积极影响。在控制其他变量条件下，使用互联网家庭的教育支出比其他家庭平均高20%（杨钋，徐颖，2017）。

本文重点关注互联网接入和使用对家庭教育选择的影响。家庭教育选择包括两个方面：一是在现有的学校体系内部进行选择，包括择校和选择公立重点校；二是参与校外补习。如前所述，互联网可以放松父母在认知、时间和资源上存在的约束，增加他们在子女受教育过程中的自由选择。有鉴于此，本文提出以下假设：

假设1：互联网使用积极影响家庭对教育选择的参与，它显著提升家庭参与择校的可能性和参与校外补习的可能性。

已有研究注意到，参与择校或者校外教育补习会显著增加家庭教育支出（魏易，2019；黄晓婷，魏易，2018，pp. 93—109）。换言之，参与教育选择会提升家庭的教育消费倾向，提升家庭的教育消费水平。因此，本文假设：

假设2：互联网使用有可能通过教育选择而显著提升家庭的人力资本投资水平。

最大限度维持的不平等理论指出，优势阶层垄断教育机会，系统性地排斥其他家庭的参与。当优势阶层的需求完全得到满足以后，教育机会才有可能向其他阶层开放。1980年代至今，美国的优势家庭垄断了高等教育机会。伴随着高等教育的扩张，在这些家庭的需求满足后，其他家庭才有机会接受高等教育（Ramey & Ramey，2010；Schneider et al.，2018）。同理，伴随着互联网的普及，优势家庭完成信息资本向人力资本的转化后，其他阶层也可以逐步从互联网使用中获益。伴随着互联网的普及，它对教育选择和投资的拉动作用可能不再显著。本文提出：

假设3：伴随着互联网的普及，互联网拉动家庭教育投资的效果会减弱。

更为值得关注的是，家庭间信息资本的阶层差异也可能加强教育选择方面的阶层差异。究其原因，是由于家庭教育选择的参与会受到制度因素的制约。在我国环境中，城乡和户籍是限制教育选择的首要因素。城市家庭在择校和校外选择方面优势明显，农村家庭的补习参与率较低（魏易，2019）。由于户籍限制，城市流动家庭难以在城市升学，因此可能导致父母减少对子女人力资本的投资。因此，本文提出：

假设4：互联网使用的教育投资拉动效应具有异质性，对城市、农村和流动儿童家庭影响不同。信息资本在农村和流动家庭中的教育投资拉动作用较弱。

（二）

数据和样本

本文采用北京大学中国社会科学调查中心开展的中国家庭追踪调查（China Family Panel Studies，以下简称CFPS）数据。CFPS是一项全国性、综合性的社会跟踪调查项目，旨在反映中国社会、经济、人口、教育和健康等方面的变迁。CFPS调查的目标总体为中国25个省、直辖市、自治区中的家庭户和家庭户中的所有家庭成员，可被视作具有全国代表性的样本（谢宇、胡婧炜、张春泥，2014）。本研究使用了CFPS2014年与2016年度的调查数据，调查内容涵盖了社区、家庭和个人三个层次。在社区层次包含了政治环境、村/居面貌、基础设施、人口、资源、交通、医疗卫生和财政收支等；家庭层次包含了家庭的结构与成员关系、生活条件、社会交往、收入支出和资产状况等；个人层次涵盖了个人的教育、职业、收入、婚姻、心理与生理状况、观念与态度等内容。数据库中的个人互联网使用行为、家庭背景信息及家庭的教育选择和投资等信息为本文提供了良好的数据支持。

本研究以义务教育阶段的少儿①为单位，关注其父母互联网使用②对其教育选择及其获得的家庭教育投资的影响。本文只保留每年与父亲或母亲同住8个月以上的少儿，这样排除了亲子分离可能导致的父母无法参与子女教育选择和投资的情况。CFPS2014年和2016年的调查数据中，少儿数据库的样本总量分别为8617人和8465人，其中义务教育阶段的少儿分别为4345人和3893人。保留与父亲或母亲同住8个月以上的少儿后，两年的样本数量分别降低为3087人和2783人，各占当年少儿数据库总样本数量的35.8%、32.9%。经过筛选后的样本特征基本与少儿库总体特征类似，样本具有代表性。2014年样本的平均年龄为11岁，最小年龄为5岁，最大为15岁；处于小学阶段的样本占76.38%，初中阶段的样本占23.62%；男生样本占53.06%，女生样本占46.94%。2016年样本的平均年龄为11岁，最小年龄为4岁，最大为15岁；处于小学阶段的样本占78.80%，初中阶段的样本占21.20%；男生样本占54.15%，女生样本占45.85%，与少儿库总体情况类似。

本研究对涉及的重要变量进行了描述统计。在互联网使用方面，2014年样本中，29.1%的少儿母亲使用互联网，这一比例在2016年增长到54.59%。互联网使用率的增加伴随着家庭间显著的教育选择与投资差异。同时，母亲使用互联网的少儿获得的教育总支出、校外补习支出也高于其他少儿，显示出信息资本对人力资本投资的拉动作用。

（三）

实证策略

根据已有的研究，家庭教育选择和投资受到家庭社会经济地位、所在地区、子女特征等多个因素影响。本研究在此基础上纳入了父母是否使用互联网变量，检验互联网使用对家庭教育选择与投资的影响。考虑到母亲在家庭教育投资和子女教育发展中的重要作用（Crook，1995；Donkoh & Amikuzuno，2011；Na & Yoon，2011；Reeder & Conger，1984；郭秋菊，靳小怡，2016），本文采用母亲是否使用互联网来衡量家庭互联网使用情况。估计模型如下：

Yij=α+βInternetij+γFij+λXij+δPj+μijYij=α+βInternetij+γFij+λXij+δPj+μij (1)

公式（1）中，因变量Yij为第j个省份的第i个少儿的教育选择，或者家庭年教育投资的对数。在教育选择方面，本研究关注少儿是否择校、是否进入重点学校、是否进入重点班级，以及是否参与校外补习，此类分析采用二元逻辑斯特回归。在家庭年教育投资方面，本研究重点分析了少儿获得的家庭教育总投资、必需性投资、选择性投资及校外补习投资，此类分析采用多元线性回归模型。Internetij是衡量母亲互联网使用情况的虚拟变量；Fij代表一系列家庭和母亲特征，包括母亲学历、母亲职业、家庭人均年收入、家庭子女个数等；Xij为一系列子女特征变量，包括子女性别、年龄、民族、教育层级、是否寄宿、是否属于流动儿童、户籍、父母自评子女语文和数学成绩等；Pj表示省份虚拟变量，用来控制家庭教育投资环境的差异以及其他省份层面不可观测特征的影响；μij为随机扰动项。

由于母亲是否使用互联网并非随机，是一系列因素影响下的自我选择行为，因此使用互联网的群体与未使用互联网的群体存在异质性。本文采用“泛精确匹配（Coarsened Exact Matching，CEM）”来解决自我选择偏差问题（Iacus et al.，2012）③。泛精确匹配相当于对数据进行预处理，通过数据筛选，减少两个组别间特征变量的非平衡性，使得控制组和对照组保留下来的个体在特征变量上具有相似的分布，从而满足因果推断所要求的两组别分布的重叠性假设。在泛精确匹配中，本文选择的变量包括母亲学历、母亲职业、家庭收入、户籍和省份。为了得到有效的匹配数量和改善多元非平衡性指标（Iacus et al.，2012），本文对母亲职业类别进行了合并，将7个类别合并为5大类别。此外，还将家庭收入进行十等分后带入匹配模型，同时将省份划分为东部、中部、东北部和西部。

基于2014年CFPS样本，本文采用了STATA中的CEM程序进行泛精确匹配④，然后将CEM得到的泛精确匹配权重带入模型（1），采用加权最小二乘法来估计母亲使用互联网对家庭教育选择及人力资本投资规模的因果性影响。为了验证互联网普及是否导致信息资本对教育选择的拉动作用逐步衰减，本文采用CFPS的2016年样本重新进行了估计。此外，本文还通过比较互联网接入对校内必要教育支出的影响，进行了安慰剂检验。最后，通过分别城乡和户籍的样本检验，识别信息资本拉动作用的异质性，讨论制度性约束如何阻碍城市流动人口家庭扩大人力资本投资。

四、 互联网使用与家庭教育选择

本研究中，泛精确匹配较为成功地保留了足够数量的配对样本⑤。2014年与2016年数据的CEM平衡性检验均表明，匹配后主要控制变量的均值差异不再显著，在四个分位数点上的组别间差异也不再显著，组间平衡性大幅度提升。

（一）

互联网使用对择校和校外补习的影响

我们考察了信息资本对家庭参与教育选择的影响，结果如表1所示。泛精确匹配后回归分析的结果支持了假设1，即互联网使用显著提升了家庭参与择校的可能性和参与校外补习的可能性。在择校方面，2014年母亲使用互联网的少儿参与择校的可能性更高，但统计上不显著。在选择重点学校方面，母亲使用互联网的少儿比母亲不使用互联网的少儿更有可能选择重点学校，前者比后者概率高出41%。在选择重点班级方面，母亲使用互联网的少儿进入重点班的可能性显著低于母亲不使用互联网的少儿。

在校外补习方面，率先接入互联网家庭的优势明显，他们更为积极地使用校外补习来加强家庭的育儿强度。在控制了一系列家庭和母亲特征、子女特征之后，2014年母亲使用互联网的家庭参与校外补习的概率比其他家庭高出45%。同理，母亲使用互联网还能够显著提升子女的校外补习参与程度。首先，母亲使用互联网可以显著提高子女参与校外辅导的数量，使用互联网家庭参与的校外辅导种类数平均多1.29种。其次，子女参与学科课程辅导的可能性也因母亲的互联网使用而显著增加，且花费在学校课程辅导的时间也得到了显著提高，每周多花费0.79小时。母亲互联网使用并未影响子女参与才艺培养的可能性。简言之，信息资本有可能放松了家庭的时间和资源限制，鼓励父母更广泛和更深入地参与影子教育，实现密集育儿；信息资本的选择拉动作用集中在校外学科辅导方面，对非学科辅导没有影响。

表1 2014年母亲互联网使用对家庭教育选择的影响

（二）

互联网使用对家庭人力资本投资的作用

信息资本不但促使家庭参与教育选择，而且有可能通过择校和校外补习来提升家庭人力资本的投资规模。表2显示，在控制了一系列家庭和子女特征后，2014年母亲使用互联网的少儿获得的家庭教育投资比母亲不使用互联网的少儿获得的家庭教育投资高20%。本文假设2得到了验证，互联网使用不仅鼓励家庭参与教育选择，而且提升了家庭人力资本的投资水平。

表 2 2014年母亲互联网使用对家庭教育投资的影响

为了检验不同类型教育投资对互联网使用的敏感性，进一步将家庭教育投资细分为必需性投资、选择性投资和校外补习投资⑥。必需性投资属于“刚性”的生活类支出，可能不受父母互联网使用的影响；选择性投资属于发展性支出，很可能因父母互联网使用行为变化而变化。2014年互联网使用对不同类别家庭教育投资的影响如表2所示。首先，母亲使用互联网对选择性投资有显著的正向影响，但对必需性投资无显著影响。这一结果符合预期，因为必需性投资是子女完成受教育活动必不可少的支出项目，一般不会受到信息资本的影响。选择性投资是父母可以自主选择是否支出的支出项目，是家庭教育投资中易受其他因素（如互联网使用）影响的部分。作为主要的家庭教育投资对象，校外辅导投资同样受到互联网使用的影响，母亲使用互联网的子女获得的校外辅导支出比母亲未使用互联网的子女高出27%。

（三）

信息资本拉动作用的稳健性检验

根据最大程度维持的不平等理论，随着优势阶层参与教育选择的机会饱和，其他阶层家庭也开始参与教育选择。信息资本的拉动作用会随着互联网的普及而逐步递减。这意味着数字红利会随着互联网的进一步普及而消失。2014年只有不足30%家庭母亲使用互联网，2016年接近55%，进入互联网普及化阶段。本文分析表明，伴随着互联网的普及，互联网拉动家庭教育选择的效果逐步减弱，验证了假设3。表3提供了2016年分析结果。

分析表明，2016年母亲互联网使用对学校选择和重点校选择有积极提升作用，但是对重点班选择无显著影响。这说明掌握信息资本优势的家庭在互联网进入普及化阶段后，仍然更有可能参与学校选择、进入重点学校就读，这些家庭在择校方面的优势仍然明显⑦。与此相对，2016年互联网使用对校外补习的拉动作用不再显著。互联网使用家庭参加校外补习的概率更高，但是在统计上不显著。2016年，互联网使用家庭参与校外补习的种类数比其他家庭高1.5种；但是此类家庭参与学科补习和才艺培养的可能性与其他家庭无显著差异，他们参与学校课程辅导时间也与其他家庭无差异。总之，当互联网使用进入普及化阶段，家庭的信息资本优势主要体现在择校方面，而非影子教育方面。这可能是影子教育普及化的一个后果。由于校外补习成本较低，择校成本较高，因此信息资本对高成本教育选择的拉动作用仍然存在。

信息资本对家庭人力资本投资的拉动作用仍然存在，但是效应降低。2016年母亲使用与不使用互联网的少儿获得的家庭教育总投资的差异仍显著存在，但互联网使用对家庭教育总投资的带动效应降低至15%（表4），仅为2014年拉动效果的75%。2016年CFPS的调查中删除了对各类教育支出额度的详细调查，因此2016年数据无法识别出必需性投资与选择性投资的额度，只保留了校外补习投资额度。回归结果发现，2016年母亲的互联网使用并未对子女获得校外补习投资产生显著影响。这些结果均表明，随着互联网的普及，信息资本对人力资本投资的拉动作用在衰减，符合最大限度维持的不平等假说的推论。

表 3 2016年母亲互联网使用对家庭教育选择的影响

表 4 2016年母亲互联网使用对家庭教育总投资、校外补习投资的影响

（四）

流动儿童与“无望的投资”

城乡和户籍是中国社会分层的重要影响因素。农村家庭、城市有户籍和无户籍家庭在教育机会、教育成就、教育选择方面存在巨大差异，这直接导致农村家庭和流动儿童家庭的人力资本投资水平较低（罗斯高，2017）。作为中国社会优势阶层的城镇户籍家庭有能力将信息优势转化为家庭教育投资优势，居住在城市的农村户籍迁移人口家庭和农村未迁移家庭并不具备这一能力，无法实现信息资本到人力资本的转化（杨钋，徐颖，2017）。

本研究发现，在城镇居住的农村户籍家庭与城镇户籍家庭分享相似的教育市场环境，但是与城镇少儿相比，他们并未从互联网带来的新教育供给中获得同样的益处。即便市场中的教育服务种类增加、质量提升、价格降低，接入互联网的流动儿童家庭也没有相应增加自己的教育消费。这一发现部分验证了假设4。

表5显示了基于2014年CFPS数据的回归结果。从校外补习参与来看，母亲互联网使用对城镇少儿、流动少儿与未流动少儿的校外补习参与和参与辅导的种类数均产生了显著的正向影响。值得注意的是，互联网的拉动作用对流动儿童和农村儿童的效果更大。在流动儿童家庭中，使用互联网家庭参与校外辅导的可能性提高75%，参与辅导种类数提高1.38种；在农村家庭中，使用互联网家庭参与校外辅导的可能性提高73%，参与辅导种类数增加1.51种。

表 5 2014年母亲互联网使用对校外辅导参与影响的城乡差异

在家庭教育投资方面，表6显示母亲互联网使用对家庭教育总投资的带动作用仅仅停留在城镇户籍的少儿，流动少儿与农村未流动少儿获得的家庭教育总投资并未因母亲使用互联网而增长。进一步分析表明，城市非农户籍少儿获得的选择性教育投资及校外补习投资也因母亲使用互联网而显著提升。在农村儿童中，母亲使用互联网的农村未流动少儿获得的选择性投资、校外补习投资也显著高于其他少儿。值得注意的是，明显的例外是农村户籍的流动儿童。在城市生活的流动儿童家庭，无论母亲是否使用互联网，家庭的总教育投资、选择性教育和校外补习投资与其他家庭无显著差异。这表明，虽然信息资本获得提升了流动儿童家庭对校外补习的参与，但是父母对子女的人力资本投资规模并未增加，尤其是在教育选择投资和校外补习方面的支出没有显著变化。

为何流动儿童家庭在获取信息资本后，未能将信息资本转化为人力资本再投资？信息资本向人力资本的转化是否受到制度性因素的影响？本文认为户籍制度带来了城市教育体系和劳动力市场中的重重壁垒，导致农村流动人口家庭对教育选择的需求不足，对人力资本投资的动力缺乏。在二元劳动力市场中，农村移民只能进入非正规劳动力市场，不能与城市劳动力同工同酬，长期接受低薪资报酬，劳动保障和社会福利缺失，这些都压低了他们实际的和预期的教育回报。在正规教育体系中，户籍制度使得农村儿童必须缴纳高额的额外费用才能享受城市的公共教育资源（Lai et al.，2014）。在超大型城市中，人口疏导政策的主要抓手之一是控制流动人口的就学机会。这种控制构成了一种社会群体排斥，限制了流动儿童的就学机会。若升学无望，流动人口家庭就不愿意对子女的校外培训进行大额投资。流动儿童家庭的理性选择是降低对子女人力资本的投资，或者回归农村学校。

表 6 2014年母亲互联网使用对家庭教育投资影响的城乡差异

五、结论与讨论

近年来，我国义务教育的均衡化政策降低了学校间的投入资源差异和教学质量差异，同时也造成了学校的同质化和标准化。其结果是，家庭差异化的教育需求和超额教育需求难以在公立学校内部得到满足。有鉴于此，部分家庭开始通过选择学校和参与校外补习来满足自身个性化或者多样化的教育需求。因此，家庭教育选择的不平等是教育阶层差距的更深层次表现。根据“知识鸿沟”理论，家庭人力资本投资深受信息资本的影响。家庭间人力资本投资的差距在很大程度上是家庭信息资本差异的后果。以往研究已经发现优势阶层利用其处理新信息的认知优势，率先实现信息资本向人力资本的转化，实现了家庭优势的再生产（李升，2006；杨钋，徐颖，2017）。有鉴于此，本文关注信息资本的获取是否会影响家庭教育选择和人力资本投资方面的不平等。

本研究表明，互联网的使用显著提升了家庭参与教育选择的概率：使用互联网的家庭更有可能参与择校、选择进入重点校，校外补习也大幅度提升。互联网使用同时带动了家庭教育投资的提高，尤其是选择性投资与校外补习投资。但是这种积极效果随着互联网的普及逐步衰退。此外，信息资本对家庭教育选择的积极影响受到制度约束，面临升学瓶颈的流动儿童并未从家庭互联网的使用中获益。

我国家庭层面的人力资本投资差异是教育分层的重要来源之一。国家层面的免费义务教育政策的实施有效地保证了每一个儿童的基本受教育权利；同时国家为贫困学生、农村及边远地区的学生加大了财政资助力度，保证了来自不同家庭社会经济背景的学生在校内教育支出的均衡性。受制于财政资金的有限，公立教育系统仅能负担基本教育服务，家长和学生日益增长的教育需求需要通过家庭对校外教育的投入来满足。在这种背景之下，影子教育逐步制度化，成为家庭密集育儿的主要方式之一。

家庭在普通公立教育之外的需求可以划分为超额需求与差异化需求（James，1986）。当某种公立教育由于入学标准太高或招生数量太小导致其数量不能有效满足家庭对教育的需求时，便产生了超额需求。由于这类需求往往由公立教育体系供给不足所导致，也被定义为体系性超额需求（王蓉，2018，pp. 13—30）。许多不具备就读本地公办校资格的家庭会通过选择民办学校来满足超额需求。除此之外，家长通过购买学区房帮助子女进入重点学校也是当今解决超额教育需求的途径。在北京六城区，市重点与区重点学校的学区房比非学区房的出售价格分别高出18.4%和5.4%（哈巍，靳慧琴，2018）。

差异化需求源自家长与学生对教育的不同偏好。随着我国在义务教育阶段均衡化和减负政策的贯彻实施，校内有限的学习时间无法满足家长和学生培优、补差、发展兴趣爱好、提升综合素质等方面的差异化需求，由此导致了校外培训的飞速发展。根据各学段在校生规模估计，2017年全国校外教育行业总体规模达到4900多亿（黄晓婷，魏易，2018）。王蓉（2018）提出了位置性差异需求的概念，她认为人们对高层次、高质量教育机构中的一席之地的需求和焦虑是当前供需矛盾的主体。对教育位置物品属性的关注，激励着父母在私人教育市场上追求更高质量的教育资源。

本文发现，不同家庭为满足自身超额需求和差异化需求而进行的教育选择投入呈现出显著差异。在择校过程中，率先接入互联网家庭更有可能选择优质教育资源，选择进入重点学校，获得优质教育资源；在校外补习参与中，这些家庭的优势也很明显，他们更为积极地利用校外教育机会来加强家庭的育儿强度。这表明优势阶层有能力将信息资本优势转化为人力资本投资优势，即优势地区的优势阶层抢占了教育选择的制高点（杨钋，徐颖，2017）。已有研究发现，我国东部地区是民办初中、民办小学的在校生人数及占比最高的地区，也是在校生人数增长速度最快的地区。一线城市超过20%的初中生就读于民办学校，而农村地区不满10%的学生就读于民办初中（周森，2018）。由此可以窥见，发达地区的家庭投资于民办教育来满足超额教育需求的热情远高于落后地区。这些家庭所拥有的信息资本有助于拉大家庭教育选择方面的阶层差异。

本文的另一个重要发现是农村和流动儿童家庭在教育选择中面临着制度性约束，难以将信息资本转化为人力资本。流动儿童家庭的低教育选择投资表明，信息资本向人力资本再投资的转化需要一定制度条件。只有当家庭能够自主参与教育选择，包括择校和参与校外补习时，信息获取才能放松家庭面临的认知、时间和资源上的约束，实现信息资本向人力资本的转化，提升家庭人力资本投资水平。仅仅在技术上解决了互联网的接入和使用，不足以解决我国当前的人力资本投资不足问题。

当前，农村学生的教育选择十分有限。城乡学生的学科补习和兴趣拓展类培训参与率及费用差异悬殊，城市学生的参与率是农村学生的2倍。随着家庭经济实力的提高，学科类校外培训及兴趣拓展类校外培训的参与率也随之增加：家庭年消费支出最低5%的学生学科类和兴趣拓展类校外培训的参与率分别为7.5%和0.8%，而最高5%的学生分别为54.3%和45.7%，远高于前者。此外，农村与城镇的生均校外培训支出差异悬殊：全部农村学生的平均校外培训支出为419元/年，城市学生平均校外培训支出达3710元/年，为农村学生的9倍以上（黄晓婷，魏易，2018）。

如今，互联网已成为人们学习、工作、生活、娱乐的重要途径。2017年，我国互联网普及率增长至55.8%，网民规模达到7.72亿（中国互联网络信息中心，2018）。网络搜索引擎、网络新闻的使用率也分别高达82.8%和83.8%。互联网可以帮助父母获取更多的、有价值的教育投资信息。在线教育的兴起也有助于家庭克服时间、空间和金钱上的约束，帮助家庭以低成本的方式接受各类校外补习。截至2018年6月，在线教育的网络使用率达到21.4%，较2016年增长了20%（中国互联网络信息中心，2018）。在这样一个互联网高度渗透的环境中，家庭积累的信息资本取决于其利用互联网获取新信息和利用信息获利的能力。这一能力又取决于家庭原先的经济资本和人力资本（Haywood，1995）。因此，并非所有家庭都能够从互联网普及中同等程度的获利。不同家庭在获取教育信息及利用信息获利的能力差异，很可能拉大家庭间的教育投资差距。在此背景下，深入理解家庭教育选择分层背后的影响因素，有助于理解我国农村和流动人口家庭人力资本投资不足的制度性原因，有助于探寻有效的缓解教育分层、弥合人力资本投资差异的政策措施，促进教育公平。

（徐颖为本文通讯作者）

参考文献（向上滑动阅览）

鲍威, 金红昊, 肖阳. (2019). 阶层壁垒与信息鸿沟: 新高考改革背景之下的升学信息支持. 中国高教研究, 309(05), 43-52.

德普克, 齐利博蒂. (2019). 爱、金钱和孩子: 育儿经济学（吴娴、鲁敏儿译, 王永钦校）. 上海: 格致出版社、上海人民出版社.

丁小浩, 翁秋怡. (2015). 职业权力与家庭教育支出——基于政治经济学视角的实证分析. 教育研究 , 36(8), 33-41.

郭秋菊, 靳小怡. (2016). 农民工的母亲对子女重大决策的影响研究. 社会 , 36(5), 222-241.

哈巍, 靳慧琴. (2018). 教育经费与学区房溢价——以北京市为例. 教育与经济, 141(1), 37-43.

胡咏梅, 范文凤, 丁维莉. (2015). 影子教育是否扩大教育结果的不均等——基于 PISA 2012 上海数据的经验研究. 北京大学教育评论 , 13(3), 29-46. DOI:10.3969/j.issn.1671-9468.2015.03.003

黄晓婷, 魏易. (2018). 校外培训行业发展现状: 基于中国教育财政家庭调查数据的分析. 引自王蓉(主编), 中国教育新业态发展报告(2017). 社会科学文献出版社

李春玲. (2014). 教育不平等的年代变化趋势(1940—2010)——对城乡教育机会不平等的再考察. 社会学研究 , (2), 65-89.

李升. (2006). “数字鸿沟”: 当代社会阶层分析的新视角. 社会 , 26(6), 81-81.

李湘萍. (2008). 义务教育阶段择校行为与教育机会分布公平性研究——基于中国 18 个城市居民家庭教育选择支出的实证分析. 教育研究 , (3), 67-72

罗斯高. (2017). 农村儿童的发展怎样影响未来中国.取自: URL: http://www.sohu.com/a/192832894_299738.2019-11-10.

闵维方. (2017). 教育促进经济增长的作用机制研究. 北京大学教育评论 , 15(3), 123-136.

钱晓烨, 迟巍, 史瑶. (2015). 义务教育阶段城镇家庭教育支出的构成及不平等: 来自2007 和2011 的实证证据. 教育与经济 , (6), 25-33. DOI:10.3969/j.issn.1003-4870.2015.06.004

王蓉, 田志磊. (2018). 迎接教育财政3.0 时代. 教育经济评论 , 3(1), 26-46.

王蓉. (2018). 总报告. 引自王蓉(主编), 中国教育新业态发展报告(2017). 北京: 社会科学文献出版社.

魏建国, 罗朴尚, 宋映泉. (2011). 高中学生对大学成本和学生资助信息的知晓状况分析——基于对我国西部 41 个贫困县的调研. 教育发展研究 , (21), 7-13.

魏易. (2019). 中国教育财政家庭调查报告 . 北京: 社会科学文献出版社.

吴志强. (2003). 信息资本涵义探. 图书情报工作 , 47(10), 50-54. DOI:10.3969/j.issn.0252-3116.2003.10.011

谢宇, 胡婧炜, 张春泥. (2014). 中国家庭追踪调查: 理念与实践. 社会 , 34(2), 1-32.

薛海平. (2016). 课外补习、学习成绩与社会再生产. 教育与经济 , (2), 32-43. DOI:10.3969/j.issn.1003-4870.2016.02.005

杨钋, 徐颖. (2017). 数字鸿沟与家庭教育投资不平等. 北京大学教育评论 , 15(4), 126-154.

周广肃, 梁琪. (2018). 互联网使用, 市场摩擦与家庭风险金融资产投资 . 金融研究, (1), 84-101.

周森. (2018). 民办基础教育学校在服务于谁?. 引自王蓉(主编), 中国教育新业态发展报告(2017). 北京: 社会科学文献出版社.

郅庭瑾, 陈纯槿. (2019). 互联网使用时间对中学生学科素养的影响研究——基于互联网使用动机的视角. 华东师范大学学报 (教育科学版), 37(6), 61-74.

中国互联网络信息中心. (2018). 第42次中国互联网络发展状况统计报告. URL: http://www.cac.gov.cn/2018-08/20/c_1123296882.htm.

Agee, M. D., & Crocker, T. D.. (1996). Parents' discount rates for child quality. Southern Economic Journal, 63(1), 36-50. DOI:10.2307/1061301

Armor, D. J., & Peiser, B. M. (1998). Interdistrict choice in Massachusetts. In Paul E. Peterson and Bryan C. Hassel (Eds.), Learning from school choice. Washington, DC: Brookings Institution Press.

Attewell, P.. (2001). Comment: The first and second digital divides. Sociology of education, 74(3), 252-259. DOI:10.2307/2673277

Attewell P, & Battle, J.. (1999). Home computers and school performance. The Information Society, 15, 1-10.

Aurini, J., & Davies, S.. (2004). The transformation of private tutoring: Education in a franchise form. Canadian Journal of Sociology, 29(3), 419-438.

Baker, D. P., Akiba, M., LeTendre, G. K. & Wiseman, A. W.. (2001). Worldwide shadow education: Outside‐school learning, institutional quality of schooling, and cross-national mathematic achievement. Educational Evaluation and Policy Analysis, 23(1), 1-17. DOI:10.3102/01623737023001001

Belo, R., Ferreira, P., & Telang, R.. (2013). Broadband in school: Impact on student performance. Management Science, 60(2), 265-282

Bergman, P. and Hill, M. (2015), The Effects of Making Performance Information Public: Evidence from Los Angeles Teachers and a Regression Discontinuity Design. CESifo Working Paper Series No. 5383.

Bergman, P. (2015). Parent-Child Information Frictions and Human Capital Investment: Evidence from a Field Experiment. CESifo Working Paper No. 5391.

Blau, P. (1977). Inequality and heterogeneity. New York: Free Press.

Bray, M., Ding, X., & Huang, P.. (2004). Reducing the burden on the poor: Household costs of basic education in Gansu, China. International Studies in Educational Administration, 26(4), 445-447.

Bray, M. (1999). The shadow education system: Private tutoring and its implications for planners. Fundamentals of Educational Planning No. 61. Paris: UNESCO International Institute for Educational Planning.

Buchmann, C., Condron, D. J., & Roscigno, V. J.. (2010). Shadow education, American style: Test preparation, the SAT and college enrollment. Social Forces, 89(2), 435-461. DOI:10.1353/sof.2010.0105

Byun, S.. (2010). Does policy matter in shadow education spending? revisiting the effects of the high school equalization policy in South Korea. Asia Pacific Education Review, 11(1), 83-96. DOI:10.1007/s12564-009-9061-9

Chi, W., & Qian, X.. (2016). Human capital investment in children: An empirical study of household child education expenditure in China, 2007 and 2011. China Economic Review, 37, 52-65. DOI:10.1016/j.chieco.2015.11.008

Crook, C. J.. (1995). The role of mothers in the educational and status attainment of Australian men and women. Journal of Sociology, 31(2), 45-73. DOI:10.1177/144078339503100202

Dang, H. A., & Rogers, F. H.. (2008). The growing phenomenon of private tutoring: Does it deepen human capital, widen inequalities, or waste resources?. The World Bank Research Observer, 23(2), 161-200. DOI:10.1093/wbro/lkn004

Davies, A. S.. (2004a). The transformation of private tutoring: education in a franchise form. The Canadian Journal of Sociology, 29(3), 419-438.

Davies, A. S.. (2004b). School choice by default? Understanding the demand for private tutoring in Canada. American Journal of Education, 110(3), 233-255. DOI:10.1086/383073

Davies, S., Aurini, J., & Quirke, L.. (2002). New markets for private education in Canada. Education Canada, 42, 36-38.

Dimaggio, P., & Hargittai, E. (2001). From the ‘digital divide’ to ‘digital inequality’. Working paper series NO. 15. Princeton University.

Donkoh, S. A., & Amikuzuno, J. A.. (2011). The determinants of household education expenditure in Ghana. Educational Research & Reviews, 6(8), 570-579.

Donohue, G. A., Tichenor, P. J., & Olien, C. N.. (1975). Mass media and the knowledge gap a hypothesis reconsidered. Communication Research, 2(1), 3-23. DOI:10.1177/009365027500200101

Escueta, M., Quan, V., Nickow, A. J., & Oreopoulos, P. (2017). Education technology: An evidence-based review. NBER Working Papers No. 23744.

Fairlie, R. W., & Robinson, J.. (2013). Experimental evidence on the effects of home computers on academic achievement among schoolchildren. American Economic Journal: Applied Economics, 5(3), 211-40. DOI:10.1257/app.5.3.211

Fuchs, T., & Wößmann, L. (2004). What accounts for international differences in student performance?. CESifo working paper No. 1235.

Greene, J P., W G. Howell, & Peterson, P. E. (1998). Lessons from the Cleveland Scholarship Program. In Paul E. Peterson and Brian C. Hassel (Eds.), Learning from school choice. Washington, DC: Brookings Institution Press.

Hastings, J. S., & Weinstein, J. M.. (2008). Information, school choice, and academic achievement: Evidence from two experiments. The Quarterly journal of economics, 123(4), 1373-1414. DOI:10.1162/qjec.2008.123.4.1373

Hastings, J. S., Van Weelden, R., & Weinstein, J. (2007). Preferences, information, and parental choice behavior in public school choice (No. w12995). National Bureau of Economic Research.

Haywood, T. (1995). Info rich-Info poor: access and exchange in the global information society. London: Bowker Saur.

Iacus, S. M., King, G., & Porro, G.. (2012). Causal inference without balance checking: Coarsened exact matching. Political Analysis, 20(1), 1-24. DOI:10.1093/pan/mpr013

James, E.. (1986). The private nonprofit provision of education: A theoretical model and application to Japan. Journal of Comparative Economics, 10(3), 255-276. DOI:10.1016/0147-5967(86)90098-3

Jensen, R.. (2010). The (perceived) returns to education and the demand for schooling. The Quarterly Journal of Economics, 125(2), 515-548. DOI:10.1162/qjec.2010.125.2.515

Kleitz, B., Weiher, G. R., Tedin, K., & Matland, R.. (2000). Choice, charter schools, and household preferences. Social Science quarterly, 846-854

Lai, F., Liu, C., Luo, R., Zhang, L., Ma, X., Bai, Y., & Rozelle, S.. (2014). The education of China's migrant children: The missing link in China's education system. International Journal of Educational Development, 37, 68-77. DOI:10.1016/j.ijedudev.2013.11.006

Lee, J.. (2007). Two worlds of private tutoring: The prevalence and causes of after-school mathematics tutoring in Korea and the United States. Teachers College Record, 109(5), 1207-1234.

Loyalka, P., Song, Y., Wei, J., Zhong, W., & Rozelle, S.. (2013). Information, college decisions and financial aid: Evidence from a cluster-randomized controlled trial in China. Economics of Education Review, 36, 26-40. DOI:10.1016/j.econedurev.2013.05.001

Mayer, S. E., Kalil, A., Oreopoulos, P., & Gallegos, S. (2015). Using behavioral insights to increase parental engagement: The parents and children together (PACT) intervention. National Bureau of Economic Research Working paper No. w21602.

Mori, I., & Baker, D.. (2010). The origin of universal shadow education: What the supplemental education phenomenon tells us about the postmodern institution of education. Asia Pacific Education Review, 11(1), 36-48. DOI:10.1007/s12564-009-9057-5

Na, Y. M., & Yoon, J. H.. (2011). The effect of the mother’s educational aspirations and the household's characteristics on private educational expenditures. Korean Journal of Human Ecology, 20(6), 1199-1212. DOI:10.5934/KJHE.2011.20.6.1199

Nguyen, T. (2008). Information, Role Models and Perceived Returns to Education: Experimental Evidence from Madagascar. MIT Working Paper.

Oreopoulos, P., & Dunn, R.. (2013). Information and college access: Evidence from a randomized field experiment. The Scandinavian Journal of Economics, 115(1), 3-26. DOI:10.1111/j.1467-9442.2012.01742.x

Pais, J., & ágnes Pintér .. (2008). School choice and information: An experimental study on matching mechanisms. Games & Economic Behavior, 64(1), 0-328.

Park, H., Byun, S. Y., & Kim, K. K.. (2011). Parental involvement and students’ cognitive outcomes in Korea: Focusing on private tutoring. Sociology of Education, 84(1), 3-22. DOI:10.1177/0038040710392719

Park, H., Buchmann, C., Choi, J. & Merry, J. J.. (2016). Learning beyond the school walls: Trends and implications. Annual Review of Sociology, 42, 231-252. DOI:10.1146/annurev-soc-081715-074341

Piketty, T.. (2014). Capital in the twenty-first century: A multidimensional approach to the history of capital and social classes. British Journal of Sociology, 65(4), 736-747. DOI:10.1111/1468-4446.12115

Piketty, T., & Saez, E.. (2003). Income inequality in the United States: 1913-1998. Quarterly Journal of Economics, 118(1), 1-39. DOI:10.1162/00335530360535135

Piketty, T., & Zucman, G.. (2014). Capital is back: wealth-income ratios in rich countries 1700–2010. Cepr Discussion Papers, 129(3), 1255-1310.

Ramey, G., & Ramey, V. A.. (2010). The rug rat race. Brookings Papers on Economic Activity, (1), 129-199.

Reeder, A. L., & Conger, R. D.. (1984). Differential mother and father influences on the educational attainment of black and white women. Sociological Quarterly, 25(2), 239-250. DOI:10.1111/j.1533-8525.1984.tb00185.x

Schneider, D., Hastings, O. P. & LaBriola, J.. (2018). Income inequality and class divides in parental investments. American Sociological Review, 83(3), 475-507. DOI:10.1177/0003122418772034

Schneider, M., & Buckley, J.. (2002). What do parents want from schools? evidence from the internet. Educational Evaluation and Policy Analysis, 24(2), 133-144. DOI:10.3102/01623737024002133

Schneider, M., Marschall, M., Teske, P., & Roch, C.. (1998). School choice and culture wars in the classroom: What different parents seek from education. Social Science Quarterly, 79(3), 489-501.

Tichenor, P. J., Donohue, G. A., & Olien, C. N.. (1970). Mass media flow and differential growth in technology. Public Opinion Quarterly, 34(2), 159-170. DOI:10.1086/267786

Vanourek, G., Manno, B. V., Finn, C. E., & Bierlein Palmer, L. E. (1998). Charter schools as seen by students, teachers, and parents. In Peterson, P. E. & Hassel, B. Learning from school choice (pp. 187-211). Brookings Institute.

York, B., & Susanna, L. (2014). One Step at a Time: The Effects of an Early Literacy Text Messaging Program for Parents of Preschoolers. NBER Working Paper No. 20659.

Zhang, W., & Bray, M.. (2015). Shadow education in Chongqing, China: Factors underlying demand and policy implications. KEDI Journal of Educational Policy, 12(1).

Zhang, Y., & Xie, Y.. (2016). Family background, private tutoring, and children’s educational performance in contemporary China. Chinese sociological review, 48(1), 64-82. DOI:10.1080/21620555.2015.1096193

上期回顾

华东师范大学学报（教育科学版）2020年第10期

特稿

姜添辉：生物政治学视角下的教师表现力：一个全球性议题

纪念人力资本理论诞生六十周年

黄依梵, 丁小浩, 陈然, 闵维方：人力资本和物质资本对经济增长贡献的一个实证分析——纪念人力资本理论诞生六十周年

蔡文伯, 黄晋生, 袁雪：教育人力资本对绿色经济发展的贡献有多大?——基于产业结构变迁的门槛特征分析

基本理论与基本问题

杨向东：关于核心素养若干概念和命题的辨析

唐汉卫, 张姜坤：大数据教育应用的限度

民办教育

吴华 , 姬华蕾：论民办教育对国家教育发展的独特贡献