彭继权 | 非学历教育对农户相对贫困的影响——基于贫困脆弱性的视角

点击蓝字 关注我们

非学历教育对农户相对贫困的影响

——基于贫困脆弱性的视角

彭继权

(江西财经大学 经济学院， 南昌 330013)

摘　要：采用2018年对湖北农户实地调研的1105个微观农户样本数据，运用PSM和GPSM模型分析非学历教育对农户相对贫困的影响及其作用机制。研究结果表明：非学历教育能显著降低农户相对贫困0.09个单位。家庭非学历教育人员比例的提高会促使农户相对贫困程度不断下降，且0.5处理水平之后的减贫效应更加明显。从家庭不同学历水平来看，非学历教育培训对中等学历水平家庭的减贫作用最大，低等学历水平家庭次之，高等学历水平家庭最小。从作用机制检验可知，家庭务工人数和家庭劳均务工时间在非学历教育人员比例对农户相对贫困的影响中起中介作用，其中介效应分别为18.5%和23.6%。因此，应走兼顾学历教育和非学历教育的减贫路径，培养多主体非学历教育组织，规范非学历教育培训市场，综合提升相对贫困群体的人力资本。

关键词：非学历教育；相对贫困；贫困脆弱性；广义倾向得分匹配

01

引    言

2020年我国完成了现行标准下9899万农村绝对贫困人口全部脱贫的艰巨任务，标志着中国区域性整体绝对贫困得到彻底解决，提前10年完成联合国2030年可持续发展议程的减贫目标，创造了人类减贫史的奇迹，为全球减贫事业提供了中国智慧和中国方案。但并不意味着中国在2020年后不存在贫困问题，十九届四中全会明确表明2020年后我国将进入新的扶贫阶段，扶贫重心将由解决绝对贫困向缓解相对贫困转变(王小林和张晓颖，2021)^[1]。而且，继续巩固脱贫攻坚成果、解决相对贫困问题也是促进国家“十四五”时期社会经济发展的重要保障。贫困存在的根本原因是贫困者可行能力被剥夺，相对贫困的复杂性和长期性使得这种因可行能力被剥夺导致的相对贫困问题被进一步放大(李玲和张馨元等，2021)^[2]。考虑到相对贫困区别于缺乏基本物质生活资料的绝对贫困，继续采用以往偏重于基本生活物质帮扶的减贫模式会在相对贫困治理中显得相形见绌，贫困治理思路更应侧重提升相对贫困者的可行能力，以此帮助相对贫困者获得持续发展的动力(张琦和杨铭宇等，2020)^[3]。就业能力是贫困人口可行能力的重要内容，稳定就业也一直是贫困者实现脱贫和自身发展的有效措施(林闽钢，2020)^[4]。相对贫困者脱贫能力则应主要从职业技能和就业能力方面进行提升，因此，探究非学历教育对未来相对贫困治理工作具有较强的现实意义。

目前已有众多学者证实教育在绝对贫困治理中的积极作用。义务教育在扶贫中起着基础性作用，非学历教育在扶贫中起着先导性作用，高等教育能对返贫起到预防性作用(吴晓蓉和范小梅，2020)^[5]。虽然学历教育和非学历教育都是增加贫困人口就业机会和减贫的有力途径，但非学历教育缩小收入差距的作用更大(李强谊和钟水映等，2019)^[6]。“雨露计划”是一项早期以提高贫困者自身发展能力为目的的非学历教育扶贫项目(陈平路和毛家兵等，2016)^[7]，能显著提高贫困人口的人力资本，提升贫困者的职业技能，增加就业机会和降低贫困(瞿连贵和石伟平，2019)^[8]。从产业类型来看，目前已有的非学历教育精准扶贫路径可以划分为农业、工业和服务业领域教育模式(高岳涵，2018)^[9]。众多学者从不同角度探究了非学历教育对不同群体的减贫影响，展进涛和黄宏伟(2016)发现农户技能培训能显著增加家庭总收入^[10]。张彤和张丽(2019)发现劳动力参与非学历技能培训会存在学历教育差异，高学历者参与职业技能培训的积极性不高，但可以通过培训补贴进行刺激^[11]。平卫英和罗良清等(2020)发现非学历培训能有效增加建档立卡贫困户的家庭收入和降低贫困^[12]。罗明忠和唐超等(2020)发现农业非学历技能培训和非农就业职业技能培训能降低农户贫困，尤其是相对贫困^[13]。赵国庆和周学琴等(2020)发现非学历教育对文盲和半文盲群体有明显减贫作用，且对男性群体的减贫效应更大^[14]。陈健和吴惠芳(2020)发现提供创业就业信息和职业技术培训能有效改善连片特困地区农村妇女的生计问题^[15]。

但也有学者发现非学历教育对减贫也可能产生一定的消极影响，例如非学历教育的歧视问题会降低其减贫效益(张劲英和陈嵩，2021)^[16]，需要以思想观念扶贫为核心，提高非学历教育办学条件和扶贫专业性(杨智，2018)^[17]，发挥社会多主体扶贫的积极功能(王建，2020)^[18]，在巩固中等职业教育基础性地位的前提下，合理布局高等职业教育，有效衔接职业教育与劳动力市场(祁占勇和谢金辰，2021)^[19]。同时，也要保障扶贫政策制定与扶贫生态相适应，把技能扶贫工作纳入贫困者可行能力建设目标中(渠鲲飞和左停等，2018)^[20]，以产教融合为切入点，从而服务于相对贫困治理和乡村振兴(王慧，2018)^[21]。也有部分学者从国外非学历教育扶贫工作中总结经验，陈琪和李延平(2020)探究了澳大利亚土著人的贫困问题，发现需求驱动型的职业培训能获得较好的减贫效果^[22]。Marit和George等(2013)发现非学历教育可以惠及正规学历教育之外的乌干达劳动力，使其生活质量显著提升^[23]。唐智彬和胡媚等(2019)通过分析教育扶贫的理念、政策和措施，认为非学历教育是促进中国贫困人口可持续发展的重要因素^[24]。唐智彬和谭素美(2020)发现非学历教育是联合国教科文组织推动世界反贫困事业的重要手段^[25]。刘细发(2019)认为中职教育在脱贫攻坚中起到了积极作用，未来中国的非学历教育可以借鉴菲律宾信息化职业教育的扶贫模式，完善德育和美育教育，促进“扶志”和“扶智”双融合^[26]。

基于以上分析，现有关于非学历教育减贫的文献较为丰富，主要侧重关注非学历教育对不同主体和不同区域的减贫效应，以及非学历教育减贫过程中存在的问题和完善措施。但目前鲜有关注非学历教育在农村相对贫困治理中的影响，在未来相对贫困治理的过程中非学历教育应该承担何种角色？其减贫效应为多大？减贫机制又是什么？科学地回答以上问题，对未来相对贫困治理意义重大，也能为国家制定相关政策提供有益参考。基于此，本文拟采用湖北农户的实地调研数据，运用PSM和GPSM模型分析非学历教育对农户相对贫困的真实影响，并探究其作用机制。

02

数据、变量与模型

(一)数据与变量

本文数据来自课题组2018年对湖北农户的实地调查，涵盖家庭人口基本信息、自然和物质资产、生产经营情况、土地流转行为和农户政策认知情况等。调研地点在湖北省的监利县和蕲春县，共涉及11个镇44个村，每个村调查26名农户，共调查1144户，剔除无效问卷39份，共获得有效样本1105份。表1为非学历教育、相对贫困和其他控制变量的描述性统计。

1.农户相对贫困。目前国内尚未形成测度农户相对贫困的固定方法，家庭人均收入一直是衡量贫困的常规方法，但人均收入并未考虑家庭结构，如仅采用人均收入进行测度可能导致“贫困虚假”问题。目前国际上测度相对贫困的主流方法为OECD所规定的人均收入中位数的50%，此方法通过“家庭等值规模调整系数”解决家庭结构差异问题，准确衡量家庭福利水平，OECD规定将户主系数赋值为1，额外成年人系数为0.7，儿童系数为0.5(Parodi和Sciulli,2012；张楠和寇璇，2021)^[27－28]。再则，由于贫困具有长期性和不可观测性，本文并不直接采用经等值规模调整后的人均收入来测度相对贫困，而是根据人均收入计算出农户的贫困脆弱性，贫困脆弱性表示未来农户陷入贫困或无法摆脱贫困的概率，对未来减贫工作更具有指导意义。

2.非学历教育。非学历教育是指国家正式学历教育以外的、不授予学位的与提高个人工作、学习能力相关的培训或者进修。目前非学历教育的主要方式包括各类短期培训、岗位培训、实用技术培训、生活技能培训，技术培训是非学历教育的重要内容之一。本调查问卷中“是否学过一门手艺”问题能较好反映农户职业技术培训情况，本文以此衡量农户非学历教育情况，设置的关键解释变量包括家中有无受非学历教育人员和家中受非学历教育人员比例。

3.控制变量。户主是否有决策权，家庭生产经营与家庭决策息息相关，决策权集中在户主手中会有利于家庭发展。劳动力平均年龄，劳动力是家庭生计的重要保障，一般年龄构成较低家庭的劳动资源会比较丰富，更能通过外出务工降低其贫困。劳均受教育年限，劳动力受教育年限是人力资本的重要体现，也是摆脱贫困的关键因素。家庭耕地面积，土地长期承担着农户的社会保障功能，土地资源的丰寡会影响其福利水平。家庭生产资料数量，农业生产资料是农业生产的重要保障，生产资料越多则表明家庭资源禀赋越高，抵御贫困风险的能力越强。家中有无不健康人员，不健康人数会减少家庭人力资本和增加家庭负担。家庭在读生人数，家庭学生不仅会降低劳动力比例，而且会增加家庭开支，甚至因学致贫。家中有无在企事业单位工作，有家庭成员在企事业单位工作，一定程度能表明家庭社会资本较高，对家庭发展和减贫作用重大。家庭人情往来支出，人情往来开支是农村家庭的重要支出部分，过重的人情往来会加重农户陷入贫困的概率。参加商业保险比例，商业保险能在一定程度上抵御风险冲击，降低贫困发生率。

(二)农户相对贫困脆弱性测度

采用三阶段可行广义最小二乘法测算相对贫困脆弱性，测度方法如下：

(三)模型设定

1.基准模型设定

构建模型考察非学历教育对农户相对贫困脆弱性的影响，见式(3)：

2.PSM和GPSM模型设定

倾向得分匹配法能有效评估政策执行与否的处理效应，即能评估出处理变量为虚拟变量的模型，是否接受非农学历教育的处理效应即可采用PSM进行评估，而且还能有效避免模型中可能出现的自选择偏误问题。PSM模型首先需要估计出每个样本接受非学历教育的倾向得分值，倾向得分值相近的受非学历教育者与未受非学历教育者共同构成支撑领域(Rosenbaum和Rubin,1983)^[29]。

其次，将受非学历教育者与未受非学历教育者逐一匹配，确保两组特征相近；最后，利用控制组模拟处理组的反事实状态(未受非学历教育)，比较农户在接受和未接受非学历教育这两种互斥事实下相对贫困的差异，差值即为净处理效应。农户相对贫困的平均处理效应(ATT)可表示为：

本文不仅分析是否接受非学历教育对农户相对贫困的影响，还想进一步分析家庭非学历教育比例对农户相对贫困的影响，但PSM无法处理连续型的处理变量。Hirano和Imbens(2004)将二元处理变量的PSM方法扩展到连续型处理变量的GPSM，能够在每一个处理水平上评估家庭非学历教育比例对农户相对贫困的影响^[30]。GPSM假设在控制协变量X的条件下，家庭非学历教育比例对应的农户相对贫困相互独立，也就表明非学历教育比例具有随机分布性，因此，该方法能较好解决模型中可能存在的估计偏误。

03

实证结果及分析

(一)非学历教育对农户相对贫困的基准回归

表2为非学历教育对不同学历等级劳动力农户相对贫困的基准回归结果，列(1)～(4)的关键变量为家庭是否受非学历教育，考察家中有无受非学历教育人员对农户相对贫困的影响。列(5)～(8)的关键变量为家庭受非学历教育人员比例，考察家中受非学历教育人员比例对农户相对贫困的影响。由列(1)～(4)可知，不管何类学历等级的家庭，受非学历教育的家庭比没有受非学历教育的家庭更能降低其相对贫困程度，且都在1%水平显著。接受非学历教育对中等学历组家庭的减贫作用更大，对低等学历组家庭的减贫作用次之，对高等学历组家庭的减贫作用最小。这说明非学历教育并非一定对低等学历的减贫作用最大，可能原因是技能培训等非学历教育需要以一定的知识素养作为基础才能掌握得更好，且知识素养在工作和生活中还会继续起作用，一般知识素养更高的劳动者在社会交往中更有优势，这一优势会进一步促进减贫。由列(5)～(8)可知，受非学历教育人员比例对不同学历组农户的相对贫困有显著负向影响，说明家庭受培训人员越多越能降低农户相对贫困，其减贫作用依然是对中等学历组家庭最大，低等学历组家庭次之，高等学历组家庭最小。

从控制变量来看，户主是否有决策权对低等和中等学历组的相对贫困有显著负向影响，说明家庭决策权集中有利于农户减贫。劳动力平均年龄对各类学历组的相对贫困有显著负向影响，说明家庭年龄结构是影响减贫的重要因素，劳动力年龄能在一定程度上代表家庭的工作经验，工作经验越丰富越有利于减贫。劳均受教育年限对低等和中等学历组有显著负向影响，说明学历教育在减贫中也是不可忽视的因素。家庭耕地面积对低等和中等学历组有显著负向影响，说明土地的社会保障功能依然在发挥作用。家庭生产资料数量对各类学历组的相对贫困有显著负向影响，说明生产资料越多越有利于家庭生产经营活动的开展，对抵御相对贫困起到积极作用。家庭有不健康人员对各类学历组的相对贫困有显著正向影响，可能原因是不健康人员不仅会增加家庭负担，还会减少家庭劳动力数量，从两方面增加相对贫困的发生风险。家庭在读生人数对低等和中等学历组的相对贫困有显著正向影响，可能原因是，较高的子女教育投入会增加其相对贫困程度。家庭有成员在企事业单位工作会对各类学历组的相对贫困有显著负向影响，说明家庭社会资本对所有类型家庭都能起作用。家庭人情往来支出对各类学历组农户的相对贫困有显著正向影响，说明人情往来支出是增加农户贫困的重要因素。参加商业保险比例对各类学历组的相对贫困有显著负向影响，说明商业保险能起到降低农户陷入贫困的作用。

(二)有无受非学历教育人员对农户相对贫困的PSM估计

为保证PSM估计方法的可靠性，本文采用查看处理组和控制组匹配前后的倾向得分核密度函数分布图检验样本的匹配结果^①。图1分别表示受非学历教育培训农户匹配前后核密度分布图，由图可知，未匹配前控制组(受非学历教育农户)和处理组的倾向得分匹配值的概率分布差别较大；当采用匹配后，控制组和处理组

的倾向得分匹配值的概率分布差异显著减小，表明匹配法能有效降低控制组和处理组之间的特征差异，即该匹配方法比较合适。本文也采用了其他匹配方法进行检验，检验结果都表明匹配方法能消减处理组和控制组间的差异，受限于篇幅，并未列出所有检验结果。

为保证模型估计的有效性，采用半径匹配(匹配1)、核密度匹配(匹配2)、局部线性匹配(匹配3)和马氏匹配(匹配4)分别估计有无受非学历教育人员对不同类型学历组农户相对贫困的平均处理效应，为了方便解释和比较，运用较为广泛的半径匹配法的ATT值作为最终估计结果，表2为估计结果。从全部样本回归结果来看，匹配前受非学历教育会显著降低农户相对贫困的8.88%，采用4种匹配方法估计后，受非学历教育对农户相对贫困的影响依然显著，匹配1至匹配4估计的ATT值依次为－0.090、－0.095、－0.081和－0.107,4种匹配方法的估计系数相差不大。可知，通过各种匹配方法消除样本差异后，受非学历教育的ATT值为－0.090，大于匹配前的估计系数，说明样本选择偏误会低估模型估计结果。

分别对低、中、高等学历组进行估计，从低等学历组来看，匹配前受非学历教育会显著降低低等学历组农户相对贫困的7.94%，半径匹配后ATT值为－0.075，说明受非学历教育会降低低等学历组农户相对贫困的7.5%。从中等学历组来看，匹配前受非学历教育能显著降低农户相对贫困的9.06%，半径匹配后ATT值为－0.099，说明受非学历教育能显著降低中等学历组农户相对贫困的9.9%。从高等学历组来看，匹配前受非学历教育能显著降低农户相对贫困的3.6%，匹配后的估计系数要高于匹配前系数，且都通过显著性检验，半径匹配后ATT值为－0.04，说明受非学历教育能显著降低高等学历组农户相对贫困的4%。

综合可知，不管从何类学历组来看，受非学历教育的农户相比未受非学历教育的农户而言，其相对贫困程度要更低，说明受非学历教育能显著降低农户相对贫困。从模型估计结果来看，匹配后ATT值要明显更高，说明倾向得分匹配能消除模型中样本选择偏误的影响。从不同学历组回归来看，非学历教育并非最有利于学历水平最低的家庭减贫，而是对中等学历组农户的减贫作用更大，基本改变了以往我们传统所认为的“学艺要趁早”的观念，但并未完全违背这一观念。随着现代产业的升级迭代，以往的低端技术已经不再适应社会发展的需求，而掌握较高水平技术需要以一定知识素养作为依托，学历教育是提升知识素养的重要途径。因此，想通过非学历教育达到减贫目的，一定的知识素养也是必不可少。较高的学历者则不需要通过此途径，直接利用自身的高学历就能实现减贫。

(三)非学历教育人员比例对农户相对贫困的GPSM估计

倾向得分匹配法主要解决处理变量为二元虚拟变量的模型，即只能研究家庭有无受非学历教育人员对农户相对贫困的净效应，在一定程度上能够解释非学历教育对家庭减贫的影响。然而，仅采用有无受非学历教育人员变量分析非学历教育的减贫作用还略显不足，如能探究家庭受非学历教育人员比例对农户相对贫困的净效应，则更具有实践意义。本文拟采用广义倾向得分匹配法分析家庭非学历教育人员比例在不同T值下的净效应。运用Fractional Logit模型估计广义倾向得分，并对经广义倾向得分调整匹配后的样本进行平衡性检验，检验结果见表3。Fractional Logit模型估计显示所有自变量对农户相对贫困存在显著影响，表明控制变量选取适当。参考Hirano和Imbens的平衡性检验法^[30]，考虑到家庭受非学历教育人员比例的极值化值主要集中在[0,1]的前端，根据细分处理强度较小区间，粗分处理强度较大区间的原则，选取处理强度0.1和0.25作为临界值，并将样本分为3部分。

为节约篇幅，表4只报告了全样本的平衡性检验结果，由各子区间下匹配变量条件均值差异可知，各匹配变量的平均偏差双尾t检验都不显著，说明匹配后各匹配变量与处理变量(受非学历教育人员比例)并不相关，即匹配后的各匹配变量不存在系统性差异，匹配结果满足平衡性假定。进一步采用二阶逼近式估计方法估计出结果变量(农户相对贫困)的条件期望，估计结果表明受非学历教育人员比例及其平方的估计系数在1%水平上显著，倾向得分变量及其平方的估计系数在1%水平显著，受非学历教育人员比例和倾向得分的交互项也在1%水平显著，考虑到文章篇幅，二阶逼近式估计结果未在文中列出。由于以上3项都通过了显著性检验，因此不需要剔除任何不恰当的控制变量，并以此为基础进行第三步估计。

GPSM的第三步主要是估计出受非学历教育人员比例在不同处理水平上农户相对贫困的期望值及其边际变化，估计结果见表5。采用二阶逼近估计法回归，发现全样本、低、中、高等学历组模型的处理效应都为负值，且都通过了显著性检验。4组处理效应随着受非学历教育人员比例的提高而呈下降趋势，依然表现为中等学历组农户的处理效应最大，低等学历组农户次之，高等学历组农户最低。从总体样本回归而言，标准化受非学历教育人员比例在0.1～0.5处理水平上，即真实受非学历教育人员比例在0～0.35时，非学历教育人员比例增加能显著降低农户相对贫困，但减贫幅度不大。当标准化非学历教育人员比例超过0.5处理水平时，非学历教育人员比例的减贫效应更加明显，说明非学历教育人员比例对降低农户相对贫困存在边际效应递增的作用。可能原因是非学历教育对农户相对贫困的影响存在门限效应，只有超过一定门限值后减贫作用会更加明显。这也较好理解，一般家庭中外出务工人员越多，家庭脱贫的概率越大。

根据GPSM所估计的期望值及其边际效应值，可以得出全样本、低等学历组、中等学历组和高等学历组的处理效应函数，见图2。各图中的实线表示非学历教育人员比例与农户相对贫困函数关系，另外两条虚线分别代表GPS估计函数95%的置信上限和置信下限，该函数是经过自举法重复500次所得，各图的中间实线为我们关注的重点。

(四)非学历教育对农户相对贫困的作用机制检验

前文已经基本证实非学历教育确实会降低农户的相对贫困，那么，非学历教育又是如何影响农户相对贫困的呢，其中机理还需进一步分析。家庭贫困主要表现为收入贫困，而收入主要来源于家庭成员的生产经营或工资收入，非学历教育提升了家庭劳动力的人力资本，增加了从事非农生产活动的机会。一般在农村地区，具备一技之长的劳动力都会选择外出务工，外出务工的收入是务农收入的多倍。因此，非学历教育应该是通过劳动力外出务工增收途径实现减贫，而决定外出务工收入的主要为家庭务工人数和家庭务工时间，本文接着从家庭务工人数和劳均务工时间两方面验证研究假设。表6的列(1)～(3)为家庭务工人数在非学历教育对农户相对贫困影响中起中介效应的估计结果，列(4)～(6)为家庭劳均务工时间在非学历教育对农户相对贫困影响中起中介效应的估计结果。列(1)估计结果表明受非学历教育人员比例对农户相对贫困有显著负向影响，列(2)估计结果表明受非学历教育人员比例能显著提升家庭务工人数，列(3)估计结果表明受非学历教育人员比例和家庭务工人数都对农户相对贫困有显著负向影响，表明在控制了受非学历教育人员比例后，中介变量家庭务工人数依然能显著降低贫困。从各变量参数估计值的显著性来看，家庭务工人数存在部分中介效应，其比重为18.5%，这意味着受非学历教育人员比例对农户相对贫困的影响大约有18.5%是通过家庭务工人数这一中介途径所实现，即非学历教育通过改变家庭务工人数，再影响农户相对贫困。同理，从列(4)～(6)可知，家庭劳均务工时间在此模型中依然存在部分中介效应，占总效应的23.6%。另外，为了检验家庭务工时间增加并非外出劳动力工作效率降低所致，本文进一步检验非学历教育人员比例对家庭劳均务农时间的影响，估计结果见列(6)～(7)，发现非学历教育能有效降低家庭劳均务农时间，说明由非学历教育带来的收益使得农户更倾向于把劳动力时间配置在非农领域。由此可知，基本验证了家庭务工人数和劳均务工时间在非学历教育对农户相对贫困中起中介作用。

04

结论及政策建议

基于2018年湖北农户实地调研数据，本文研究了非学历教育和农户相对贫困之间的关系，结果表明，从处理变量为有无受非学历教育来看，受非学历教育培训比未受非学历教育培训更能降低农户的相对贫困，家庭受非学历教育能显著降低农户相对贫困0.09个单位。从处理变量为家庭受非学历教育人员比例来看，家庭受非学历教育人员比例的提高会促使农户相对贫困程度不断下降，但会存在0.5处理水平的临界点，即0.5处理水平之后的减贫效应更加明显。从不同类型学历组来看，非学历教育并非最有利于学历水平最低的家庭减贫，而是对中等学历组农户的减贫作用最大，对高等学历组农户的减贫作用最小。从作用机制检验可知，家庭务工人数和劳均务工时间在受非学历教育人员比例对农户相对贫困的影响中起中介作用，即农户非学历教育人员比例增加，促进家庭务工人数和劳均务工时间增加，从而增加家庭收入并减贫，两个中介变量的中介效应分别为18.5%和23.6%。

人力资本提升是增进贫困者内生脱贫动力的重要方式，学历教育在贫困治理过程中存在周期长、见效慢等特点，在我国劳动力体量巨大和高级技工短缺的双重背景下，以技能培训提升为主的非学历教育既有利于社会的相对贫困治理，也能提升国家整体产业的核心竞争力。《中国教育现代化2035》明确指出，到2035年，总体实现教育现代化，迈入教育强国行列，建成服务全民终身学习的现代教育体系。特别是强化职业学校和高等学校的继续教育与社会培训服务功能，开展多类型多形式的职工继续教育，不断优化职业教育结构与布局，推动职业教育与产业发展有机衔接、深度融合。当然，在农村相对贫困地区不能一刀切地只专注非学历教育，当下的非学历教育应是满足产业升级的高级技能培训，而非传统的低端技能培训，因此，在进行非学历教育类培训时，需要注重受培训者本身的文化素养，即走兼顾学历教育和非学历教育的人才培养之路。培养多主体非学历教育服务组织，规范非学历教育培训市场，推进定向农村职业教育统筹机制、培养农村非学历教育师资队伍，建立完善跨区域帮扶合作机制，从而构建非学历教育缓解农村相对贫困的长效机制。

注

释

①为节省篇幅，文中并未列出PSM第一步的Logit估计结果和平衡性检验结果，作者备索。

参考文献

[1]王小林，张晓颖.中国消除绝对贫困的经验解释与2020年后相对贫困治理取向[J].中国农村经济，2021(2)：2－18.

[2]李玲，张馨元，刘一波.2020年后义务教育相对贫困识别与长效治理机制[J].教育研究，2021,42(5)：125－136.

[3]张琦，杨铭宇，孔梅.2020后相对贫困群体发生机制的探索与思考[J].新视野，2020(2)：26－32,73.

[4]林闽钢.相对贫困的理论与政策聚焦——兼论建立我国相对贫困的治理体系[J].社会保障评论，2020,4(1)：85－92.

[5]吴晓蓉，范小梅.教育是实现特困地区有效脱贫的路径保障——以“三区三州”特困地区为分析个案[J].西北师大学报(社会科学版),2020,57(2)：130－137.

[6]李强谊，钟水映，曾伏娥.职业教育与普通教育：哪种更能减贫？[J].教育与经济，2019(4)：19－27.

[7]陈平路，毛家兵，李蒙.职业教育专项扶贫机制的政策效果评估——基于四省雨露计划的调查[J].教育与经济，2016(4)：56－63.

[8]瞿连贵，石伟平.大力发展中等职业教育：西部地区普及高中阶段教育的战略选择[J].中国教育学刊，2019(4)：16－21.

[9]高岳涵.西北民族地区职业教育服务精准扶贫路径研究[J].中南民族大学学报(人文社会科学版),2018,38(6)：57－60.

[10]展进涛，黄宏伟.农村劳动力外出务工及其工资水平的决定：正规教育还是技能培训？——基于江苏金湖农户微观数据的实证分析[J].中国农村观察，2016(2)：55－67,96.

[11]张彤，张丽.教育贫困与贫困家庭劳动力劳动技能提升的现状、问题与建议——基于河北省11个贫困县区调查数据的分析[J].当代经济管理，2019,41(6)：37－44.

[12]平卫英，罗良清，张波.就业扶贫、增收效应与异质性分析——基于四川秦巴山区与藏区调研数据[J].数量经济技术经济研究，2020,37(7)：155－174.

[13]罗明忠，唐超，吴小立.培训参与有助于缓解农户相对贫困吗？——源自河南省3278份农户问卷调查的实证分析[J].华南师范大学学报(社会科学版),2020(6)：43－56,189.

[14]赵国庆，周学琴，陈磊，等.非学历教育能够缓解农村家庭贫困吗？——基于中国居民家庭微观调查数据的分析[J].教育与经济，2020,36(4)：9－20.

[15]陈健，吴惠芳.连片特困地区农村妇女生计发展的要素测度及政策支持研究[J].人口与发展，2020,26(2)：99－107.

[16]张劲英，陈嵩.“后脱贫时代”职业教育如何行稳致远——“三区三州”职业教育发展现状与未来展望[J].教育发展研究，2021,41(11)：1－8.

[17]杨智.深贫民族乡村职业培训扶贫的价值审视与问题探究——以贵州省350个深贫民族村为例[J].贵州民族研究，2018,39(11)：51－58.

[18]王建.教育缓解相对贫困的战略与政策思考[J].教育研究，2020,41(11)：11－21.

[19]祁占勇，谢金辰.投资职业教育能否促进农村劳动力增收——基于倾向得分匹配(PSM)的反事实估计[J].教育研究，2021,42(2)：97－111.

[20]渠鲲飞，左停，王琳瑛.深度贫困区技能扶贫运行困境分析——基于能力贫困的视阈[J].中央民族大学学报(哲学社会科学版),2018,45(3)：63－70.

[21]王慧.产教融合：农村职业教育发展方向[J].教育研究，2018,39(7)：82－84.

[22]陈琪，李延平.澳大利亚职业教育反土著人贫困研究：需求驱动的VTEC模式[J].外国教育研究，2020,47(9)：116－128.

[23]BLAAK M，OPENJURU G L，ZEELEN J.Non－formal vocational education in Uganda：Practical empowerment through a workable alternative[J].International journal of educational development,2013,33(1)：88－97.

[24]唐智彬，胡媚，谭素美.比较视野中教育扶贫的国际经验与中国路径选择——基于主要国际组织和机构理念与行动的分析[J].比较教育研究，2019,41(4)：37－44.

[25]唐智彬，谭素美.联合国教科文组织推动职业教育扶贫的理念演进与实践逻辑[J].教育与经济，2020,36(2)：19－28.

[26]刘细发.新时代教育扶贫的可行路径探析——基于我国中职教育扶贫视角[J].湖南社会科学，2019(2)：52－59.

[27]PARODI G，SCIULLI D.Disability and low income persistence in Italian households[J].International journal of manpower,2012,33(1)：9－26.

[28]张楠，寇璇，刘蓉.财政工具的农村减贫效应与效率——基于三条相对贫困线的分析[J].中国农村经济，2021(1)：49－71.

[29]ROSENBAUM P R，RUBIN D B.The central role of the propensity score in observational studies for causal effects[J].Biometrika,1983,70(1)：41－55.

[30]HIRANO K，IMBENS G W.The propensity score with continuous treatments[M]//Applied Bayesian Modeling and Causal Inference from Incomplete－Data Perspectives.Chichester，UK：John Wiley & Sons，Ltd,2005：73－84.

（原文刊于《教育与经济》2021年第6期）

往期 · 推荐

国家社科基金资助期刊

中文社会科学引文索引（CSSCI）来源期刊

全国中文核心期刊

中国人文社会科学核心期刊