人力资本的积累在地区经济和社会发展中具有非常重要的作用，人力资本的增强不仅能够提高生产力、缓解贫困、减小性别差异等，且能够产生一定的溢出效应，促进整体经济和社会的发展。教育作为人力资本最为重要的一个方面，能够影响个体收入和其全面发展，是提升人力资本水平的重要途径，由此，教育水平也被认为是反映一个国家或地区经济和社会发展状态的一面镜子。发展相对落后的农村地区，以教育为核心的人力资本增长更是推动农村经济发展、缩小城乡差距的重要着力点。近年来，农村人力资本的增长对农户收入的提升有显著作用。习近平总书记也多次强调“扶贫先扶智”，将教育水平的提升作为欠发达地区摆脱贫困、持续发展的长期战略导向。我国在实施精准扶贫战略时期，教育精准扶贫作为一项重要的战略举措，为我国贫困地区的脱贫奇迹贡献了主要力量。
教育是个体收入和社会经济地位获得的重要因素，特别是欠发达农村地区的居民，教育可能是其实现阶层跃迁和社会流动的唯一途径。但近年来受就业环境较差、网络直播文化等方面的影响，“读书无用论”有抬头之势，尤其是在欠发达农村地区，务工收入与农业生产的收益差距、新生业态的高收益，使其逐渐对子女教育的期望和社会流动机会的预期降低，削减了教育投入的积极性。教育回报率是农村家庭从“家庭教育投资—教育获得—就业机会—收入提升—城乡融合”发展路径的关键，个体和家庭对教育回报率降低的感知会对教育投资产生显著的负向影响，而且会对后期的投资和决策产生一系列影响。
国内外现有对教育回报率的研究，多使用明瑟工资方程估计教育回报率的方法，但仍存在样本选择偏误、内生性等问题，导致对教育回报率的估计结果不尽准确。从样本数据选择来看，现有研究主要以公共调研数据对城镇或农村的教育回报率进行估计，专门针对欠发达地区农村教育回报率测度的研究较少。对欠发达地区农村教育回报率进行估计，判断其基本趋势，并进行对比分析，既能对当前的发展现状进行评估，又能为新时期教育现代化建设及教育促进乡村振兴、共同富裕指明方向，具有重要的现实意义。
国家为保障脱贫地区的持续发展和繁荣，制定并实施了多种教育扶贫政策，使欠发达地区的农村居民子女能够完成义务教育，并提供更多的教育资源、改善教育基础设施，使农村居民子女能够有更多的机会接受高中及高等教育，提升欠发达农村地区居民的教育回报率，实现农村居民收入的提升及可持续发展，推进乡村振兴和共同富裕的实现。但教育扶贫政策的实施效果如何，仍需要进行科学评估。而且我国在精准扶贫、乡村振兴战略阶段均实施了一系列精准扶贫政策，不同的扶持政策对减贫的效应同时叠加，如何从这些政策实施中将教育精准扶贫对农户减贫的效应剥离出来，测度教育扶贫政策减贫的净效应，是需要解决的关键问题。
鉴于此，本文利用课题组在我国欠发达地区固定观测点长期跟踪调研的农户家庭教育面板数据库对欠发达地区农村的教育回报率进行估计，在一定程度上解决教育回报率估计中的内生性问题，以期得到更为准确的结论。同时，对我国不同的欠发达地区农村教育回报率进行对比分析。此外，采用PSM+DID方法，将教育减贫的效应从其他的政策效应中剥离出来，探讨教育减贫的净效应，以期为我国欠发达农村地区未来教育相关政策的制定和实施提供一定的理论和实践借鉴。
（一）教育回报率的估计研究
对教育回报率的估计方法其经典模型是美国经济学家Mincer提出的收入（或工资）决定方程，即明瑟方程，该方程以收入作为被解释变量，解释变量中包括教育年限、工作年限及工作年限的平方项等。国内外不同学者分别对希腊、印尼、南非、土耳其的教育回报率进行了测算，但测算结果具有较大差异，不同层次教育的回报率在8%—18%之间。现有对教育回报率的研究所得结论多为随着教育程度和教育年限的提高，教育回报率越高，而且对不同群体进行分类，计算所得的教育回报率也不尽相同，还有学者的研究表明，教育和家庭社会背景对子女未来的收入有很大影响。从教育回报率的估计方法来看，除了经典的明瑟工资方程，也有学者利用折现法对个人教育回报率和社会教育回报率进行了测度，所得结论基本与明瑟工资方程测度的结果相一致。
我国学者也借鉴明瑟工资方程对我国不同地区、不同教育水平个体的教育回报率进行了测算。研究表明，收入较高的群体其教育回报率显著高于收入较低的群体，高收入群体的教育回报率高于低收入群体，教育水平的差距会导致城乡居民收入差距不断扩大。根据于洪霞对教育回报率元分析的研究结果，教育回报率的均值为6.61%。大部分学者的研究结论与国外研究结论相似，教育对个人收入的直接影响是显著的，在教育回报率的性别差异上，女性的教育回报率要高于男性的教育回报率，而且教育回报率越高，而且教育回报率越高，女性的相对工资水平越高，随着国家对教育越来越重视，并将提升农村居民教育水平作为扶贫和乡村振兴的重要举措，不同学者对农村教育回报率进行了研究。研究发现，农村教育回报率已有较大提高，农村居民的收入水平与其受教育程度存在显著的正相关关系，教育质量越高，教育回报率越高。随着近年来农村劳动力转移和农户培训力度的增强，农村教育回报体现更为明显的是外出务工的农民工，农民工通过再教育或参加培训，对其个体收入增长效果影响明显。总体来看，我国农村的教育回报率仍远低于发展中国家的平均水平。而且农民工的教育回报存在门槛值，只有达到一定的教育程度，才能够获得更高的教育回报。
大部分已有研究证明，农村地区的教育回报率仍低于城市的教育回报率，且存在明显的地区差异，如东部地区和发达城市的教育回报率明显高于西部地区，此外，近年我国大力实施的贫困地区义务教育工程虽然较好地实现了“增智”的目标，但其“增收”效果却十分有限。农村地区农户子女的出身、教育质量等因素也是影响农村教育回报率较低的因素，特别是在贫困地区，贫困家庭由于收入有限，对子女的教育投资水平不足，使子女在义务教育阶段就已形成与发达地区之间的差距，最终造成收入不平等。但使用明瑟工资方程对教育回报率估计仍有其不足，特别是忽视了先天的能力，且使用OLS方法估算教育回报率会面临遗漏变量、测量误差、选择偏差和内生性等问题。为解决这些问题，学者们提出了一系列解决方案，如使用双胞胎数据、采用工具变量法、倾向得分匹配法等数据和方法解决内生性问题。
（二）教育减贫效应
依据学者们对教育回报率的相关研究，教育水平的提升对欠发达农村地区的减贫作用已得到广泛认可，国外不同学者也对贫困、教育和经济增长之间的因果关系进行研究，发现教育和经济增长均会对贫困产生显著的负向影响，教育质量和经济增长对贫困减缓起着至关重要的作用，且健康、教育水平、再培训均对贫困减缓具有非常重要和显著的作用，大部分文献的研究结论表明，提升贫困地区的教育水平是解决农村贫困问题的根本，也是阻断贫困代际传递的重要途径，尤其是农村的职业教育，其教育回报对农村家庭收入具有重要贡献。但也有学者担忧，农村劳动者由于其基础教育水平较差，农村劳动者的教育回报率低于城市劳动者，而且个体教育投资决策一方面受到教育成本的影响，还受到未来预期收益的影响，需要权衡当期的机会成本和未来教育水平提升后的教育回报，在教育回报及未来的预期收益较低的情况下，会滋生读书无用的思想，农户会选择减少教育投入，导致人力资本的积累贫乏，极易返贫。
长期以来我国将教育水平的提升作为贫困减缓的一项重要战略措施，特别是近年来教育精准扶贫战略的实施，成为我国实现全面脱贫、乡村振兴和共同富裕的重要助推器。公共政策的实施对农村地区的减贫效应评价是判断公共政策实施是否有效，优化公共政策的重要依据，现有学者分别对普惠金融、劳动力流动、生态移民、公共转移支付等政策的减贫效应及乡村振兴的促进作用进行了定量研究。综合上述相关研究可以看出，虽然大部分文献均认为教育水平的提升对农村贫困地区的减贫具有重要作用，但定量研究和分析教育水平提升对农村减贫效应的文献仍鲜见。
（三）文献述评
现有研究主要以公共调研数据对城镇或农村的教育回报率进行估计，但专门针对欠发达地区教育回报率估计的研究鲜见，而且现有研究多利用经典的明瑟工资方程对教育回报率进行估计，仍存在一定缺陷，特别是内生性问题。本文将利用课题组在我国欠发达农村地区固定观测点长期跟踪调研的面板数据对欠发达地区农村教育回报率进行估计并分析其趋势。同时，在一定程度上解决教育回报率估计中存在的内生性问题，具有一定的创新性。
虽然多数研究积极肯定欠发达地区农户教育水平的提升对其减贫具有重要的作用，但定量测度教育扶贫政策减贫效应的研究鲜见。我国在对农村发展的帮扶和扶持政策中，包括教育扶贫战略在内的多种支持政策叠加实施，但如何在众多政策中将教育扶贫政策减贫的净效应定量测度，现有研究仍较少涉及。由此，本文将使用DID、PSM+DID计量经济学方法，将教育水平的提升对欠发达地区农户减贫的效应从其他减贫政策的效应中剥离出来，分析教育减贫的净效应，具有一定的创新。
式中X为农户的特征变量；P（X）为农户的特征倾向得分值；T=1表示参与教育扶贫政策；T=0表示未参与教育扶贫政策；ATT为参加教育扶贫政策的平均产出。
在PSM方法的基础上，本文使用了匹配的双重差分法（DID+PSM），此方法可以控制不可观测的组间差异，通过使用面板数据的双重差分值，以达到减弱组间差异对参与政策效果的影响。其计算公式为：
式中N为参与教育扶贫政策的农户数量；YT为处理组；YC为对照组；为Y2干预后；Y1为干预前；w（i，j）为对照组农户的权重。
本文使用Logit模型计算倾向得分值，使用农户个体的性别、年龄、经历、技能、健康状况等协变量进行匹配。
（一）欠发达地区农户教育回报率估计结果
1.整体样本OLS回归结果分析
本文首先使用明瑟收入方程，利用调研数据中农户个体工资性收入的对数为因变量，估计欠发达地区农户的教育回报率。具体结果见表2。
注: *、**、***表示在10%、5%和1%的水平上显著；括号内数据为标准误差。
从整个样本回归的结果看，农户的教育回报率在2018—2021年分别为4.11%、3.54%、5.39%、3.11%，而且均在1%的水平下显著，说明教育水平的提升对农户的工资性收入具有显著的正向效应。以2021年为例，3.11%的教育回报率说明农户的教育水平每增加一年，农户工资性收入的对数增加3.11%。但从欠发达地区教育回报率与其他相关的研究对比来看，欠发达地区教育回报率较目前普遍研究所得农村地区6%的教育回报率相比仍较低，虽然2020年教育回报率达到5.39%，但其他年份的教育回报率仍在3%和4%左右，主要原因在于农户的收入仍存在较大的不稳定性，当农户外出务工时间较长，获得务工工资较多时，其收入会暂时提升。整体来看，欠发达地区教育回报率较低的主要原因在于农户的教育水平仍不高，多为初中或小学文化程度，由于其文化程度限制，大部分农户从事低收益的体力劳动，小学、初中、高中文化程度的差别并不能拉大收入的差距。从调研样本看，外出务工的农户从事建筑等体力劳动的占38%，从事餐饮等服务业的占32%，在工厂从事制造业的占25%，仅有5%的样本从事个体经营、行政事业单位职员等工作，而且这部分样本中90%以上均为接受过高等教育进入城市定居的农户家庭子女。
从其他变量对农户收入的影响来看，农户的工作经验在2018—2021年均对农户个体的工资性收入有显著的正向影响，即农户的工作经验越丰富，其工资性收入水平越高。从性别影响来看，男性的收入要显著高于女性，主要是由于外出务工的农户男性能够获得较女性更高的工资收入。
2.分区域样本OLS回归结果分析
为探究不同欠发达地区教育回报率的差别，本文将样本按省进行分类回归，回归结果如表3所示。
注: *、**、***表示在10%、5%和1%的水平上显著；括号内数据为标准误差。
a.由于河南省在2018年调研时获得的样本量较少，2021年跟踪调研时获得的样本量更少，不足30户，故舍弃了2020年和2021年样本。
分区域对农户教育回报率的回归结果显示，陕西省2018—2021年农户样本的教育回报率在4.06%—6.15%之间，但2021和2020年的教育回报率回归结果并不显著，主要原因在于跟踪调研过程中，由于农户外出务工等原因，跟踪率较差，最终获得的2021和2020年样本量较小，代表性不强。甘肃省农户教育回报率在3.62%—7.14%之间，特别是2021年农户样本的教育回报率达到了7.14%，可见近年来的精准扶贫政策实施取得了巨大效果，农户的收入不断提升，同时也说明教育水平的提升对农户收入的重要促进作用。贵州省农户教育回报率在1.63%—5.39%之间，波动较大，说明农户的收入具有很强的不稳定性。山西省农户教育回报率在3.21%—3.69%，相对较为稳定。云南省样本农户的教育回报率在3.89%—4.74%，也相对稳定。河南省样本农户的教育率在2018、2019年分别为5.56%和5.79%，接近6%，但由于河南省在2020年调研时获得的样本量较少，2021年跟踪调研时获得的样本量更少，不足30户，故舍弃了2021年和2020年样本。河北省样本农户的教育回报率在4.36%—5.09%之间，较为稳定。
通过对不同省份样本农户2018—2021年的教育回报率测度发现，农户的教育回报率仍存在较大的地区差异，甘肃省、贵州省样本农户的教育回报率波动较大，可能的原因在于一是甘肃省和贵州省其农户的贫困程度较深，近年教育扶贫政策的实施促进了农户的收入快速提升，教育对农户减贫的作用显著，甘肃省样本农户2021年的教育回报率达7.14%，贵州省样本农户2020年的教育回报率达5.39%。二是由于农户的工资性收入极不稳定，如贵州省2018年的教育回报率仅为1.85%，到2020年达5.39%，2021年又回落至3.11%。其他几个省份的农户样本教育回报率相对较为稳定，基本在3%—5%左右。总体来看，农户教育水平的提升对其工资性收入增长具有显著的正向作用，这与总体样本的回归结果相符，也验证了回归结果的稳健性。
3.面板回归结果分析
进一步使用面板回归对欠发达地区农户教育回报率进行分析，结果如表4所示。
从面板回归的结果来看，2018—2021年欠发达地区农村教育回报率为2.57%，且在1%的水平下显著，说明农户个体教育水平的提升对其工资性收入的增加有显著正向影响。但从教育回报率的大小来看，使用面板数据测度的教育回报率小于使用不同年度截面数据测度的值，由此可以看出，在未考虑时间效应和内生性问题的情况下，使用截面数据会高估个体的教育回报率。在加入农户个体的年龄、健康状况、是否有技能、是否有养老保险和医疗保险等控制变量后，教育回报率为2.13%，与未加入控制变量的回归结果相差不大，证明面板回归结果具有一定的稳健性。
从控制变量的回归结果看，年龄对农户工资性收入具有显著的正向作用，说明随着农户年龄的增长，其生产技能和阅历不断提升，人力资本也有所改善，能够获得较多外出务工的机会，使其增加工资性收入。农户的健康状况对其收入有显著的负向影响，主要原因在于健康状况的评价使用1—5级量表，1为非常健康，5为常年患病，农户的身体健康状况越差，其收入越低。这跟实际调研情况也相符，农户常年辛苦劳作，多患有慢性疾病，而且由于农户的健康意识不足及其收入低下，日常的小病不注意及时检查和治疗，往往常年累积成大病，严重影响其身体健康进而使其无法依靠人力资本提升收入。是否有技能对农户的工资性收入具有显著的正向影响，可见农户如果有一技之长，能够更容易外出务工并获得较高工资性收益。近年来随着农户外出务工的增多，如果会驾驶、烹饪、工程等方面的技能，农户能够获得更高的务工工资，较大幅度的提升其收入水平。最后，农户是否有养老保险和医疗保险对其收入也有显著的正向影响，农户缴纳养老保险能够在60岁之后获得养老保险金，对其生活有一定补贴，缴纳医疗保险能够在遭遇疾病风险后有效应对，减少医疗的支出。
（二）教育扶贫政策减贫效应
1.双重差分结果
为探讨教育扶贫政策实施对农户减贫的净效应，本文采用双重差分法对参与教育扶贫政策前后农户的工资性收入进行对比分析。使用STATA14.0，进行双重差分，结果如表5所示。相比未参与教育扶贫政策的农户，参与教育扶贫政策的农户其工资性收入的对数提升了0.246（p<0>
注: *、**、***表示在10%、5%和1%的水平上显著。
2.DID+PSM结果
为减弱组间差异对农户参与教育扶贫政策效应，本文进而使用DID+PSM方法进行教育扶贫政策减贫效应的测度，结果如表5所示，农户参与教育扶贫政策组较未参与组其工资性收入的对数平均增加了0.253（p<0>
3.稳健性检验
（1）替换被解释变量。为了增加本文研究结论的稳健性，本文将农户工资性收入的对数替换为农户总收入的对数作为被解释变量来测度农户参与教育扶贫政策效应，在替换被解释变量后，结果显示参与教育扶贫政策的农户其总收入仍显著增加，与前述研究结论保持一致。
（2）重复随机抽样。为在一定程度上解决样本选择性偏差的问题，本文采用Bootstrap方法进行重复随机抽样，样本抽取量为1000，随机抽取500次，双重差分的结果显示，重复随机抽样的结果与前述实证结果无实质性差异，表明本文的研究结论较为稳健。
（3）安慰剂检验。本文使用RDD断点方法进行安慰剂检验。随机抽取样本进行RDD断点回归，结果如表6所示。
如果在不同带宽时，显著性基本一致，则说明具有良好的稳健性，且结果显著。从表6可以看出，不在不同带宽时，其显著性基本保持一致，可以证明，本文使用的DID+PSM模型具有较强的稳健性，研究结论可靠。
综合上述几种检验方法，可以证明，本文采用的DID+PSM模型具有较好的稳健性，结果较为可靠，说明教育扶贫政策的实施能够有效提升欠发达农村地区农户的收入水平。