国务院印发《教育发展"十五五"规划》

基于Tiebout（1956）"用脚投票"理论，家庭根据公共服务质量选择居住地，教育资源的空间配置影响人口流动均衡。在学龄人口下降背景下，学校撤并可能产生规模经济效应但也增加通勤成本。假说：①前瞻布局通过学校合并提升生均教育质量（H1：规模经济效应）；②学校撤并对农村家庭产生福利损失，加剧城乡教育不平等（H2：空间不平等效应）；③最优学校密度存在阈值，低于阈值后撤并的边际成本超过边际收益（H3：非线性效应）。

利用2016-2026年各县区学校撤并的时空差异，构建多期DID模型。处理组为实施大规模学校布局调整的县区，对照组为保持学校布局基本不变的相邻县区。关键识别假定：学校撤并决策主要由学龄人口变动驱动，与不可观测的教育质量趋势不相关。利用"二孩政策"实施后的出生率外生变动作为工具变量，缓解内生性问题。

$EduQuality_{ijt} = \alpha + \beta_1 SchoolMerge_{jt} + \beta_2 (SchoolMerge_{jt} \times Rural_{ij}) + \gamma X_{ijt} + \delta Z_{jt} + \mu_j + \lambda_t + \epsilon_{ijt}$，其中$EduQuality$为学生$i$在学校$j$、时间$t$的学业成绩/升学率，$SchoolMerge$为学校撤并强度指标（撤并学校数/原有学校数），$Rural$为农村学生虚拟变量，$X$为学生与家庭控制变量，$Z$为县区教育财政变量。

被解释变量：①生均教育支出效率（教育支出/在校学生数）；②初中升学率与高考本科达线率；③学生标准化测试成绩（教育质量监测数据）。核心解释变量：县区学校撤并强度（撤并学校比例）。控制变量：县区人均GDP、财政教育支出占比、师生比、学龄人口密度、城镇化率、流动人口比例。工具变量：县区2016年"全面二孩"政策后的出生率变化。

①替换被解释变量：用教师流动率、家长满意度调查数据替代学业成绩；②空间断点回归：以学校撤并的地理边界为断点，比较边界两侧学生的教育产出差异；③动态效应检验：事件研究法追踪学校撤并前后5年教育指标的动态演变路径；④排除同期政策干扰：控制"义务教育优质均衡发展"督导评估政策；⑤样本选择偏差修正：Heckman两阶段模型处理学校撤并非随机选择问题。

---

基于Holmström（1979）多任务委托-代理理论，当教师承担教学、科研、社会服务等多重任务时，单一量化考核（如论文数量）导致努力偏向可测度任务。"破五唯"改革引入多维评价体系，理论上可改善激励相容但增加了考核的交易成本。假说：①评价改革试点地区的教师教学投入显著增加（H1：激励纠偏效应）；②多维评价增加了行政交易成本，产生"评价疲劳"（H2：交易成本效应）；③改革效果受地方执行能力的调节，制度环境较好的地区绩效更优（H3：制度互补性）。

利用教育部2021-2025年分批设立的教育评价改革试点县区构造断点回归设计。以试点县区的遴选评分门槛值为断点，比较刚好入选与刚好落选县区在教师行为与教育产出上的差异。识别假定：遴选评分在门槛值附近具有局部随机性（可通过McCrary密度检验验证）。同时收集改革前后政策文本进行制度分析。

RDD模型：$Y_{jt} = \alpha + \beta_1 Pilot_j + \beta_2 Score_j + \beta_3 (Pilot_j \times Score_j) + \gamma X_j + \mu_p + \epsilon_{jt}$，其中$Y_{jt}$为县区$j$在$t$期的教育产出指标，$Pilot$为是否入选试点的虚拟变量（断点处取值），$Score$为遴选评分（running variable），$X$为县区控制变量，$\mu_p$为省份固定效应。带宽选择采用Imbens-Kalyanaraman（2012）最优带宽。

被解释变量：①教师课堂教学时间占比（教师发展调查数据）；②学生综合素质评价得分变化；③教师流动率（跨校调动比例）。核心解释变量：试点身份虚拟变量。控制变量：县区教育支出/GDP、师生比、城镇化率、教师学历结构、校长任期。制度环境变量：省级政府治理效能指数（中国人民大学政府治理研究中心）。交易成本代理变量：教师年度填写评价表格数量与时间。

①更换带宽：分别用0.5倍和2倍最优带宽重新估计，检验结果的带宽敏感性；②多项式阶数检验：分别用线性、二次、三次多项式拟合running variable，确保RDD结果稳健；③安慰剂检验：在真实断点两侧随机设定伪断点1000次，生成伪效应分布；④排除排序操纵：McCrary密度检验验证评分在门槛处无跳跃；⑤多案例验证：选取3-5个试点与非试点县区进行深度访谈与制度比较分析。

---

基于Kahneman & Tversky（1979）前景理论，个体决策以参照点为锚、对损失的敏感度高于同等收益。教师面对教育数智化变革时，倾向于以传统教学模式为参照点，将新技术视为可能的"损失"（教学控制权削弱、技能贬值风险）而非"收益"。假说：①以"损失框架"呈现数字化政策（如"不使用数字化将被淘汰"）比"收益框架"更能推动教师采纳（H1：框架效应）；②教龄越长的教师现状偏见越强，数字化采纳意愿越低（H2：经验锚定效应）；③同伴示范效应可部分克服现状偏见（H3：社会规范干预）。

在教育信息化试点学校中开展随机对照试验（RCT）。将300所中小学随机分为三组：①损失框架组（强调不采纳数字化的风险与成本）；②收益框架组（强调数字化提升教学效果的收益）；③对照组（中性信息）。干预持续一学期，追踪教师数字化教学工具的使用频率与深度。辅以分层随机抽样调查，检验教龄、学科、地区的异质性效应。

RCT基准模型：$DigitalAdopt_{ist} = \alpha + \beta_1 LossFrame_s + \beta_2 GainFrame_s + \gamma X_{ist} + \mu_d + \epsilon_{ist}$，其中$DigitalAdopt$为学校$s$教师$i$在$t$期的数字化采纳指标（使用频率/使用深度评分），$LossFrame$和$GainFrame$为处理组虚拟变量，$X$为教师个体特征（教龄、学历、学科、信息化培训经历），$\mu_d$为地区固定效应。异质性分析加入交互项$\beta_3 LossFrame_s \times Tenure_i$。

被解释变量：①数字化教学工具周均使用次数（学校信息化系统日志数据）；②数字化教学设计质量评分（专家盲评）；③学生对数字化教学的满意度。核心解释变量：信息框架处理组虚拟变量。调节变量：教师教龄、学历、以往信息化培训小时数、学校信息化设备配置水平。控制变量：学校规模、城乡属性、生师比、学校管理层支持力度问卷得分。数据来源：自主RCT实验+教育部教育信息化监测平台。

①双盲设计：教师不知道自己处于哪个处理组，评估者不知道分组情况；②长期追踪：干预结束后继续追踪2个学期，检验框架效应的持续性；③替换度量方式：用客观使用日志数据替代主观问卷自评；④排除experimenter demand效应：加入"社会期望量表"控制教师"迎合实验者"的行为倾向；⑤外部有效性检验：将实验结果与非实验地区的教育数字化推进数据进行比较，评估实验结论的外推性。

---

基于周黎安（2007）晋升锦标赛理论与Qian & Weingast（1997）财政联邦主义框架，地方官员在中央考核激励下选择性执行政策。教育投入回报周期长、难以在任期内体现政绩，导致地方官员倾向于将资源投向短期可见的"硬指标"（校舍建设）而忽视"软指标"（教育质量）。假说：①中央教育规划目标在省级规划中被系统性"打折"执行（H1：目标衰减效应）；②GDP导向型官员的教育支出占比低于民生导向型官员（H2：晋升激励扭曲效应）；③中央教育督导能部分纠正地方执行偏差（H3：监督纠偏效应）。

文本分析法量化政策执行偏差：对比中央《规划》中的量化目标（如师生比、教育支出占比）与省级规划对应指标的差异，构建"目标偏差指数"。计量分析利用省级面板数据，以省级主要领导更替作为教育支出变动的外生冲击（领导人教育理念差异的工具变量）。识别假定：领导人更替时间由中央组织部门决定，与省级教育支出趋势无直接内生关联。

$EduDeviation_{pt} = \alpha + \beta_1 LeaderChange_{pt} + \beta_2 FiscalPressure_{pt} + \beta_3 (LeaderChange_{pt} \times LeaderEdu_{pt}) + \gamma X_{pt} + \mu_p + \lambda_t + \epsilon_{pt}$，其中$EduDeviation$为省份$p$在$t$期的教育政策执行偏差指数（中央目标-实际完成的标准化差距），$LeaderChange$为省级主要领导更替虚拟变量，$LeaderEdu$为新任领导的教育背景特征（是否有教育/社科背景），$FiscalPressure$为财政压力指标。

被解释变量：①教育政策目标偏差指数（文本分析量化，涵盖10个核心指标的完成度加权得分）；②教育支出占一般公共预算比重与中央要求的差距；③生均教育经费省际差异的基尼系数。核心解释变量：省级主要领导更替、新任领导教育背景。控制变量：省人均GDP、财政收入增长率、转移支付依赖度、城镇化率、学龄人口比例、中央教育督导次数。数据来源：各省规划文本、教育部经费统计年鉴、CCP官员数据库。

①替换领导人特征变量：用新任领导的籍贯、年龄、前任岗位类型替代教育背景作为工具变量；②动态效应：事件研究法检验领导更替前后3年教育支出的动态变化路径；③排除经济周期干扰：控制省级GDP增长率与财政收支缺口的交互效应；④跨省比较：按财政自给率将省份分为高/中/低三组，检验财政压力对执行偏差的调节效应；⑤案例研究：选取2-3个省份进行深度政策过程追踪（process tracing），验证计量结果的因果机制。

---

基于Schultz（1961）人力资本理论与Spence（1973）信号理论，教育改革既可通过提升真实技能（人力资本效应）也可通过改变学历信号强度（信号效应）影响工资。"十五五"规划强调"教育对科技和人才的支撑"，重点学科建设预期提升特定专业的人力资本积累速度。假说：①重点学科建设提升相关专业毕业生的工资溢价（H1：人力资本积累效应）；②"教育-产业"匹配度提高降低毕业生过度教育率（H2：匹配改善效应）；③效应存在学历层次异质性，研究生层次效应大于本科层次（H3：层次梯度效应）。

利用教育部"双一流"建设与"十五五"高水平应用型本科"双优"建设的时间差异和学科差异构建多期DID。处理组：入选重点学科建设的高校-专业组合；对照组：同一高校未入选专业或相似层次未入选高校的同类专业。识别假定：重点学科遴选在控制高校基期特征后与不可观测的工资趋势无关。Oaxaca-Blinder分解用于区分工资溢价中"可解释部分"（人力资本特征差异）与"不可解释部分"（信号效应/选择效应）。

DID模型：$ln Wage_{igst} = \alpha + \beta_1 KeyDiscipline_{gs} + \beta_2 Post_t + \beta_3 (KeyDiscipline_{gs} \times Post_t) + \gamma X_{igt} + \mu_g + \delta_s + \lambda_t + \epsilon_{igst}$，其中$ln Wage$为毕业生$i$在高校$g$、学科$s$、时间$t$的对数起薪，$KeyDiscipline$为重点学科虚拟变量，$Post$为政策实施后虚拟变量。Oaxaca-Blinder分解：$\Delta ln\bar{W} = (\bar{X}_T - \bar{X}_C)\hat{\beta}_C + \bar{X}_T(\hat{\beta}_T - \hat{\beta}_C)$，区分禀赋差异与回报率差异。

被解释变量：①毕业生首份工作月薪/年薪（就业质量报告+CHIPs）；②就业岗位与专业匹配度（"完全匹配/部分匹配/不匹配"三类，招聘大数据编码）；③过度教育率（实际学历超过岗位要求学历的比例）。核心解释变量：重点学科建设虚拟变量×政策时间虚拟变量。控制变量：性别、户籍、家庭背景（父母教育年限）、高校层次（985/211/双非）、城市生活成本指数、行业固定效应。数据来源：教育部就业质量报告、CHIPs2018/2023、BOSS直聘API。

①PSM-DID：倾向得分匹配构造可比样本后重新估计DID效应；②替换对照组：用"申请未获批"的学科作为对照组替代"同类未申请"学科，减少选择偏差；③区分信号效应与人力资本效应：利用同一专业改革前后"入学分数线变化"作为信号强度代理变量进行中介效应分析；④分位数回归：检验教育改革对工资分布不同分位点（10th/25th/50th/75th/90th）的异质性效应；⑤长期追踪：利用往届毕业生数据追踪改革后3-5年的职业发展轨迹（晋升速度、岗位变动频率）。

---