摘要：研究利用中国教育追踪调查数据，实证检验了信息技术利用及其异质性特征对义务教育结果不平等的影响。结果显示：利用普通最小二乘法及其分解技术，发现信息技术利用能将学生义务教育结果表现提高0.147个标准分，家庭与个体特征共同决定了义务教育结果不平等的均值差异；利用条件分位数回归及其分解技术，揭示了信息技术的异质性特征呈倒n型变化趋势，能够被解释的特征因素是义务教育结果不平等的决定因素；利用无条件分位数回归及其分解技术，发现义务教育结果不平等具有“黏地板效应”的鲜明特征，但信息技术利用及其异质性特征有助于促进义务教育结果公平。
关键词：信息技术；义务教育结果公平；无条件分位数回归；黏地板效应；认知能力发展
一、问题的提出
近年来，《教育信息化十年发展规划（2011—2020年）》《教育信息化2.0行动计划》等政策文件的相继颁布，推动我国教育信息化的基础设施建设迈入了快车道。根据《中国教育统计年鉴2018》提供的数据，截至2017年，全国小学用于教学的计算机数达到了1149.37万台，109317所小学建立了校园网，158280所小学接入了互联网；全国初中用于教学的计算机数达到了708.34万台，网络多媒体教室达到了12774万间。[1]随着信息化建设的水平不断提高，信息技术能否促进教育结果公平日益成为教育政策制定者的重要考量，《教育信息化“十三五”规划》就明确指出，通过全面提升质量，在更高层次上促进教育公平，达致推进教育现代化进程的目的。在此背景下，深入讨论信息技术利用、信息资源分布与学生义务教育结果公平的关系，便成为学术研究关注的焦点议题。
鉴于既有研究旨在考察信息技术利用对于学生在学表现或认知能力发展的正面或负面影响，疏于检验信息技术与义务教育结果公平的关系，本文将从微观家庭场域出发，利用均值回归及其分解、有条件分位数回归及MM分解、无条件分位数回归及RIF分解，重点探讨以下三组问题。（1）信息技术利用是否具有异质性特征；（2）信息技术的异质性特征能否促进义务教育结果公平；（3）信息技术利用引致的义务教育结果不平等的相关影响因素有哪些。研究以期为实现教育信息化“十四五”规划提及的推进教育公平提供有益的学术经验与政策建议。
二、文献综述
（一）核心概念界定
一般说来，教育公平包括教育机会、教育过程以及教育结果三阶段公平，教育结果是指学生在某一阶段学习经历后所获得的结果。[2]借鉴这一概念表述，同时结合研究数据的可获得性，本文将接受初中教育后所获得的教育结果定义为义务教育结果。在此基础上，义务教育结果公平则是指在控制家庭特征、个体特征后，学生在初中教育结果获得上的个体差异。从测量指标上看，义务教育结果一般采用学生成绩作为代理指标[3]，但考虑到学生成绩在不同地区、学校之间缺乏横向可比性，可能导致评估效果存在偏差，因而本文将认知能力标准化测试成绩作为代理指标衡量学生的义务教育结果表现。
（二）文献回顾
互联网的接入、普及，信息技术的利用在不同国家、经济体以及家庭间的分布不均被学术界称为数字鸿沟。[4]国外学者有关数字鸿沟、信息技术利用与义务教育结果公平的研究尚存一定分歧。部分学者认为，信息技术带来的“知识效应”将使优势阶层获得更多的信息红利[5]，这就使得家庭社会经济文化背景不占优的学生很难通过信息红利实现向上跃迁，从而扩大了教育结果不平等[6]。更有研究指出，在互联网普及率不断攀升的背景下，信息技术甚至成为重塑教育结果不平等的新渠道。[7]当然，也有研究认为信息技术能够拓宽人们获取信息的渠道[8]，而如何正确利用信息技术、释放数字红利（Digital Dividends）则成为解开教育结果不平等的一把“钥匙”[9]。
近年来，国内学者有关信息技术利用与义务教育结果公平的研究呈现出不断增长的时间趋势，但从研究主题上看，多数研究旨在探讨信息技术能否提升学生的在学表现，并在研究方法上致力实现信息技术利用与学业成绩提高（或降低）间的因果关系推断。譬如，方超等利用中国教育追踪数据的研究，采用倾向得分匹配法发现家庭使用信息技术并不能有效提高学生的在学表现。[10]田亚慧等的研究利用南京市的数据，发现信息化的基础设施建设对于提高学生成绩的直接影响并不明显[11]，而龚伯韬的研究也得到近似的结论[12]。此外，曹丹丹等学者利用工具变量分位数回归的研究，发现信息技术利用扩大了城乡青少年的认知能力差异。[13]
（三）研究述评
既有研究为本文深入讨论信息技术利用与义务教育结果不平等的关系积累了大量有益的学术经验，但总的看来仍然存在以下两处可供拓展的研究空间：（1）从研究主题上看，既有研究旨在甄别信息技术利用对于学生在学表现或认知能力发展的影响效应，但对义务教育结果公平的关注稍显不足。[14]（2）从研究方法上看，既有研究大多采用微观计量经济学的因果推断研究方法，从均值层面上揭示了信息技术利用的影响效应，缺乏采用有条件分数回归及其分解、无条件分位数回归及其分解的研究方法，分析信息技术利用的异质性特征及其对义务教育结果公平的影响。
三、研究设计
（一）基准模型
在（1）式中，下标i与t表示家庭与学生。被解释变量Outcomeit以学生当期认知能力测试的标准化得分反映义务教育结果表现。Internetit表示信息资源的家庭分布，当Internetit＝1时，表示具有信息资源；反之Internetit＝0，β1的参数估计值则为信息技术利用对于义务教育结果公平的影响效应。Controlit为本文的控制变量，包括家庭特征与个体特征等；μi为方程（1）的随机扰动项。
（二）研究方法
1.基准回归及其分解
基准回归采用普通最小二乘法（Ordinary Least Square，OLS）分析信息技术利用影响义务教育结果公平的均值效应，同时采用布林德-奥萨卡（Blinder-Oaxaca）分解信息资源引致的义务教育结果不平等[15]；
在（2）式中，下标1it和0it分别表示具有和不具有信息资源的学生，Outcome1it和Outcome0it表示相应学生的义务教育结果表现；X1it和X0it表示具有和不具有信息资源学生在所有解释变量上的均值，而β1it和β0it为相应变量的回归结果。其中，（X1it-X0it）β^0it表示在信息资源引致的教育结果不平等中能够被解释的差异；（β^1it-β^1it）X1it则表示不能被解释的差异，即歧视。
2.条件分位数回归及其分解
由于普通最小二乘法与Blinder-Oaxaca分解只能捕捉信息资源分布影响义务教育结果公平的均值效应，却无法回答信息技术是否具有异质性特征的问题。为了回答这一问题，本文在基准回归之后，首先采用Koenker等提供的有条件分位数回归（Conditional Quantile Regression，CQR），进一步揭示信息技术利用影响义务教育结果表现的异质性特征[16]：
在（3）式中，Qτ（Outcomeit│X）表示给定解释变量X时被解释变量Outcomeit在τ分位点上的估计值，β（τ）则表示信息技术利用在τ分位点上对于义务教育结果公平的异质性影响。其次，利用Machado等提供的MM分解，分解各分位点上信息资源分布引致的义务教育结果不平等。[17]
MM分解在期望条件分位数回归的基础上，能够借助概率积分转换得到义务教育结果表现的密度函数的一致估计，然后通过随机替换构造义务教育结果表现的反事实分布，这样τ分位点上义务教育结果差异就可写作：
在（4）式中，ΔτOutcome1it-0it表示τ分位点上具有和不具有信息资源学生义务教育结果表现的个体差异；Qτ（Outcomecit）表示义务教育结果表现的反事实分布，可以理解为不具有信息资源的学生如果能够利用信息技术后的义务教育结果表现。
3.无条件分位数回归及其分解
在有条件分位数回归及其分解中，回归结果只能为研究者提供解释变量对于被解释变量变化的有条件影响，而有条件成立的前提是学生在可观测特征X上具有一定的相似性。[18]但是对于公共教育政策制定者来说，他们更为关心的可能是无论学生家庭特征、个体特征是否相似，信息技术利用对于义务教育结果公平的无条件影响。因此，为了在认知能力的无条件分布中捕捉信息技术利用的异质性特征，本文基于Firpo等提供的无条件分位数回归（Unconditional Quantile Regression，UQR），利用再集中响应函数（Re- centered Influence Function，RIF）进行无条件估计[19]：
在（5）式中，K＝Internet1it、Internet0it以及Internetcit，分别表示具有信息资源的学生、不具有信息资源的学生以及反事实学生；RIF（OutcomeK，^Qτ表示Qτ分位点上的无条件估计；β^为无条件分位数的边际效应。
四、数据与变量
（一）研究数据
实证研究数据来自中国人民大学调查与数据中心提供的中国教育追踪调查数据（China Education Panel Survey，CEPS）。样本采用2014—2015学年追踪数据，同时匹配2013—2014学年基线调研数据。对缺失值进行处理以及合并两期截面数据后，得到样本观测值7649个。
（二）变量处理
1.被解释变量
学生在被调查当年的认知能力是本文的被解释变量。CEPS追访数据为八年级学生设计了一套不涉及学校课程讲授具体知识，而是侧重逻辑思维和解决实际问题能力的试题，具有国际可比性与全国标准化的特点。
2.处理变量
信息技术的利用情况是本文的处理变量。在变量处理时，我们将被调查学生中“有电脑、无网络”和“有电脑和网络”的学生进行合并，定义其为处理组，将“都没有”的学生作为控制组。处理组与控制组的样本分布为73.70％与26.30％。
3.控制变量
控制变量涵盖学生家庭特征与个体特征两个维度。家庭层面主要对人力资本、经济资本以及文化资本进行控制。经济资本是指学生对于当前家庭经济条件的自我评价；文化资本选择家庭藏书量为代理指标[20]；人力资本则涵盖了父母亲的受教育程度，父母对子女的教育期望、学业成绩的当期要求以及检查作业的频次。个体层面首先纳入了2013—2014学年认知能力测试的标准化得分，旨在实现对基期能力的有效控制；其次，借鉴既有研究，我们选择了性别、年龄、户籍、民族、自评健康状况以及学业压力的感知等作为控制变量。[21]
（三）统计描述
表1报告了实证研究所涉变量的基本统计信息，处理组表示具有信息资源的学生，控制组则为不具有信息资源的学生。被解释变量方面，处理组中当期认知能力测试的标准化得分为0.461，比控制组中的0.016高出了0.03个标准分，双T检验在1％水平上统计显著，支持处理组与控制组学生在义务教育结果表现上存在显著差异的论断。
家庭特征方面，经济资本以自评经济条件为代理指标，处理组中有7.6％的学生自评经济条件相对困难，比控制组的3.64％高出了3.96个百分点；文化资本以藏书量为代理指标，44％的处理组学生认为家庭藏书量较多，相对于控制组的11.1％高出了32.9个百分点。
人力资本方面，处理组中父母亲受教育程度的均值分别为4.7与4.4，相当于中专／技校到职业高中教育层级之间，而控制组则为3.2和2.8，相当于小学到初中教育层级之间，处理组中父母亲的人力资本存量高于控制组；教育期望在处理组和控制组中的均值分别为6.8和6.4，表明父母期望子女未来能够达到大学本科和大学专科的受教育程度；处理组中有75.8％的父母对于子女现阶段学业成就的要求在班级中等以上，相对于控制组中的73.0％高出了2.8个百分点；处理组中有37.7％的父母每周至少检查子女作业三次，高于控制组中的20.1％。
学生个体特征方面，处理组中71.8％的学生应对父母教育期望时的压力较小，比控制组中的62.1％高出了9.7个百分点；男生、汉族、农业户籍以及自评健康较好的学生在处理组与控制组中的样本占比分为别为50.7％和52.8％、94.3％和84.3％、41.8％和75.7％以及67.7％和57.4％；女生、少数民族、非农户籍以自评健康状况较差学生在处理组与控制组中的样本分布分别49.3％和47.2％、5.7％和15.7％、58.2％和24.5％以及32.3％和42.6％。
五、实证分析
（一）均值回归及其分解
1.均值回归
均值回归采用普通最小二乘法估计了信息技术影响义务教育结果表现的均值效应，表2报告了回归结果。在表2中，模型（2）型（4）分别在模型（1）的基础上依次纳入了家庭与个体特征等控制变量、基期认知能力以及校级层面的固定效应，R2由模型（1）中的0.060上升到了模型（4）中的0.388，表明逐项回归通过不断纳入新的控制变量提高了模型的整体解释力度。
具体看来，信息技术利用在各模型中正向显著的估计结果表明使用信息技术有利于增进学生在义务教育阶段的结果表现，但参数估计值由模型（1）中的0.445下降到了模型（4）中的0.147（p＜0.01），显示出忽视学生家庭与个体特征、基期能力以及校际差异将会高估信息技术利用的影响效应。对于参数估计结果可做如下理解：相对于不具有信息资源的学生，拥有电脑、网络等信息资源能将学生的义务教育结果表现提高0.147个标准分。
根据模型（4）提供的回归结果对控制变量的估计情况做简要汇报：基期能力正向影响学生的义务教育结果表现，显示出能力增进具有“存量决定增量”的发展模式；经济资本方面，自评经济条件较差抑制了学生的义务教育在学表现（-0.070）；人力资本方面，父母亲受教育程度正向影响义务教育结果表现，父亲受教育程度每上升1个学历教育层级，能将学生的认知能力测试提高0.015个标准分（p＜0.01）；父母对子女未来教育成就每上升1个期望值，能将认知能力测试提高0.081个标准分（p＜0.01），影响效应低于父母对子女现阶段的学业成绩要求（0.291）；课业指导虽然是非货币性的人力资本投资，但指导频次与提高义务教育结果表现之间不具有正相关性（-0.082）。
2.Blinder-Oaxaca分解
在普通最小二乘法对均值效应分析的基础上，本节采用Blinder-Oaxaca分解由信息技术利用引致的义务教育结果不平等，表3报告了均值分解结果。从PanelA提供的总差异分解情况上看，具有信息资源的学生在认知能力测试得分上（0.463）高于不具有信息资源的学生（0.019），能够被学生可观测特征所解释的义务教育结果不等为-0.302，对于总差异的贡献值达到了68.172％；不能被可观测特征所解释的差异引致的义务教育结果不平等为-0.142，在总差异中的贡献值为32.054％。
从PanelB提供的可解释差异上看，基础认知能力（-0.159）、家庭藏书量（-0.055）以及年龄（-0.048）在可观测特征中主导了学生的义务教育结果公平，三要素对于义务教育结果不平等的贡献值分别为52.649％、18.212％以及15.894％，在解释差异中的占比达到了86.755％，反映出能力因素、家庭文化资本以及时间趋势是义务教育结果不平等的决定因素。此外，父母对子女的教育期望、父亲受教育程度以及家庭经济条件也在一定程度上掣肘了义务教育结果公平，三要素在可解释差异中的贡献值达到了25.497％。③
（二）条件分位数回归及其分解
1.有条件分位数回归
普通最小二乘法与Blinder-Oaxaca分解仅仅能够在均值层面上揭示信息技术利用对于义务教育结果不平等的影响，但无法告诉研究者信息资源是否具有异质性的特征，即随着认知分位点的变化，信息资源对于义务教育结果公平的干预作用是否存在差异。为了捕捉这种异质性特征，我们选择QR_10、QR_25、QR_50、QR_75以及QR_90分位点表示学生在低、中低、中位数、中高以及高分位点上的义务教育结果，采用有条件分位数回归，通过自举抽样1000次后得到异质性分析的回归结果。
从表4提供的回归结果上看，信息技术利用的回归结果在各分位点上均为正数，且估计结果在1％水平上统计显著，表明在可观测特征相似的学生之间，信息技术利用能够提高义务教育结果表现。从参数估计值上看，信息技术利用在各分位点上的参数估计值分别为0.122、0.121、0.162、0.171以及0.105，表明相对于不具有信息资源的学生，利用信息资源能将学生在低、中低、中位数、中高以及高认知分位点上的义务教育结果表现分别提高0.122、0.121、0.162、0.171以及0.105个标准分。从异质性特征上看，信息资源利用随着认知能力由低分位点向高分位点的变化，呈现出“下降—上升—再下降”的非线性趋势，估计峰值出现在中高分位点上，低分位点上的参数估计值（0.122）高于高分位点（0.105），显示出在其他可观测条件相似的情况下，信息资源利用能够有效缩小义务教育结果不平等，表4第7列提供的高—低分位点上的估计差值（-0.017）也验证了这一推断。
2.MM分解
在有条件分位数回归的基础上，本节基于反事实分解框架，将信息资源在不同分位点上对于义务教育结果公平的非对称影响进行分解，以期弥补均值分解对于异质性的关注不足。从表5提供的MM分解结果上看，义务教育不平等由两部分内容构成：（1）能够被解释的特征效应，主要是指由家庭、个体等可观测特征引致的不平等；（2）不能被解释的系数效应，即歧视。④
从参数估计结果上看，总差异在各分位点上分别为0.507、0.497、0.469、0.404以及0.335，表明义务教育结果不平等随认知分位点的上升而呈现出下降的趋势，低分位点上的义务教育结果不平等（0.507）高于高分位点（0.335），显示出信息资源引致的教育结果不平等具有“黏地板效应”的鲜明特征。特征效应在各分位点上的参数估计值分别为0.328、0.318、0.301、0.285以及0.272，表明特征效应随着认知分位点的上升而下降，但对总差异的贡献值却不断上升，义务教育结果不平等中能够解释的差异由低分位点上的64.694％，上升到了高分位点上的81.194％。系数效应在各分位点上的参数估计值分别为0.178、0.180、0.168、0.120以及0.064，系数效应随认知分位点的上升呈现出先上升再下降的倒V型曲线，同时对总差异的贡献值也呈现出不断下降的趋势，义务教育结果不平等中无法被解释的歧视由低分位点上的35.108％，下降到了高分位点上的19.104％。
对比特征效应与系数效应的估计结果不难发现，特征效应决定了具有和不具有信息资源学生的义务教育结果公平，而歧视的影响效应则逐步衰减。信息资源利用与否对高认知分位点上义务教育结果公平的影响高于低分位点，表明高认知分位点上的义务教育结果公平更加容易受到信息资源利用、家庭经济资本、文化资本、人力资本以及个体特征等可解释因素的影响。
（三）无条件分位数回归及其分解
1.无条件分位数回归
为了估计信息资源分布、信息技术利用对于义务教育结果公平的无条件影响，本节采用无条件分位数回归的研究方法，通过自举抽样1000次后得表6所示的回归结果。信息技术利用的参数估计值显著为正，相对于不具有信息资源的学生而言，家庭利用信息资源每提升1个单位值，能将学生在各分位点上的认知能力提升0.190、0.236、0.141、0.072以及0.054个标准分，信息技术利用在中低分位点上对于义务教育结果表现具有最强的促进作用。从异质性特征上看，信息技术利用随着认知分位点的上升对于学生义务教育结果表现的干预作用不断衰减，而低认知分位点上的干预效应（0.190）高于高认知分位点（0.054），估计结果的差值为0.136，表明信息技术利用在整体认知能力的无条件分布中有利于促进义务教育结果的均等化。
需要指出的是，无条件分位数回归在刻画信息资源对于义务教育结果公平的异质性影响时，虽然与有条件分位数回归的结论所得基本一致，仅在参数估计值的绝对量上存在细微差别，但从研究方法异质性的视角上看，采用多种方法进行异质性分析仍然十分必要：一方面，采用无条件分位数回归有助于我们审视与检验条件分位数回归研究结论的正确性，科学判断信息工具对于推进义务教育结果公平的现实影响；另一方面，利用无条件分位数回归有助于我们在结论可靠的前提下，对研究所得进行稳健性检验，能够为微观家庭教育决策和宏观政策制定提供信息支撑和决策基础。
2.RIF-Blinder分解
在无条件分位数回归的基础上，我们继续采用RIF-Blinder分解的研究方法，通过自举抽样1000次得到各分位点上信息资源引致的义务教育结果不平等。从分解结果上看，表7以家庭是否具有信息资源作为二分变量，提供的分解结果包括PanelA、PanelB、PanelC三部分，PanelA报告的是义务教育结果不平等的总差异（Overall Decomposition）；Panel B报告的是义务教育结果不平等中能够被解释的部分，即构成效应（Composition Effect）；Panel C报告的是义务教育结果不平等中不能被解释的部分，即结构效应（Structure Effect）。
Panel A方面，具有信息资源的学生在各分位点上认知能力测试的标准化得分均高于不具有信息资源的学生，参数估计结果均通过了1％水平的显著性检验，信息资源引致的义务教育结果不平等在低、中低、中位数、中高以及高分位点上的参数估计值分别为-0.458、-0.579、-0.374、-0.370以及-0.369，除中低分位点以外，义务教育结果不平等随认知分位点的上升不断下降，该趋势与有条件MM分解所提供的单调下降趋势存在着一定的差异，这在一定程度上也显示出利用多种研究方法分解义务教育结果公平并获得稳健、一致结论的重要性。同时，低分位点上的义务教育结果不平等为-0.458，高于高分位点上的-0.369，表明总体差异具有“黏地板效应”（Sticky Floor Effect）的鲜明特征。
Panel B方面，义务教育结果不平等中能够被解释的构成效应在各分位点上的参数估计值分别为-0.334、-0.319、-0.303、-0.310以及-0.219，在总差异中的占比分别为72.926％、55.095％、81.016％、83.784％以及59.350％。Panel C方面，义务教育结果不平等中不能被解释的结构效应在各分位点上的参数估计值分别为-0.124、-0.261、-0.071、-0.060以及-0.150，在总差异中的占比分别为27.074％、45.078％、18.984％、16.216％以及40.650％。从构成效应和结构效应在总差异中的占比不难发现，构成效应对于义务教育结果不平等的影响在各分位点上均高于结构效应，表明在信息资源引致的义务教育结果不平等中，能够被个体特征、家庭特征所解释的因素占据了主导地位，而非不可解释的歧视，这一结论与有条件MM分解结果相近似。
需指出的是，RIF分解在捕捉义务教育结果公平的决定因素时，与MM分解提供的分解结果存在以下两方面的差异：（1）RIF分解中的构成效应在总差异中的占比，随分位点的上升呈现出倒N型的变化趋势，但MM分解中的特征效应在总差异中的占比，却随着分位点的上升呈现出V型变化趋势；（2）RIF分解中的结构效应在总差异中的占比，随着分位点的上升呈现出N型变化趋势，但MM分解中的系数效应在总差异中的占比，却随着分位点的上升呈现出倒V型变化趋势。
最后，与MM分解相比，RIF分解的另一优势在于能够提供参与估计的协变量在构成效应与结构效应中的贡献值。从构成效应方面看，基期认知能力、家庭藏书量、父母对子女的教育期望在能够解释的因素中占据了主导地位，这与Blinder-Oaxaca提供的均值分解结果基本一致。具体看来，基期认知能力在各分位点上的参数估计值分别为-0.207、-0.211、-0.169、-0.104以及-0.072，在构成效应中的占比分别为61.976％、66.144％、55.776％、33.548％以及32.877％；家庭藏书量在各分位点的参数估计值分别为-0.080、-0.081、-0.051、-0.060以及-0.035，在构成效应中的占比分别为23.952％、25.392％、16.832％、19.355％以及15.982％；父母对子女教育期望的参数估计值在各分位点上分别为-0.055、-0.051、-0.039、-0.023以及-0.027，在构成效应中的占比分别为16.467％、15.987％、12.871％、7.419％以及12.329％。上述协变量的估计结果表明：在信息资源引致的义务教育结果不平等中，基期认知能力、家庭藏书量以及父母对子女的教育期望在可解释因素中对低认知分位点的影响要高于高认知分位点。⑤
六、结论与讨论
（一）研究结论
本文利用中国教育追踪调查数据，综合采用普通最小二乘法与Blindr-Oaxaca分解、有条件分位数回归与MM分解以及无条件分位数回归与RIF分解的研究方法，实证检验了信息技术利用对于义务教育结果公平的影响，得到结论如下：
第一，利用普通最小二乘法，逐步控制了家庭、个体特征以及固定效应后，发现家庭利用电脑、互联网等方面的信息资源每提升1个单位值，能将学生的义务教育结果表现提高0.147个标准分；进一步采用Blinder-Oaxaca分解发现家庭特征中的经济资本、文化资本、人力资本以及父母对子女的教育期望，个体特征中的能力因素与年龄共同掣肘了信息资源引致的义务教育结果不平等。
第二，在假定学生可观测特征相似时，利用条件分位数回归揭示了信息技术的异质性特征随认知分位点的上升呈现出“下降—上升—再下降”的非线性趋势，低分位点上的参数估计值高于高分位点，表明信息技术利用有助于推进义务教育结果公平；进一步采用反事实的MM分解发现能够被解释的特征效应决定了信息资源引致的义务教育结果不平等，歧视的影响效应则随分位点的上升不断衰减。
第三，当放宽可观测特征相似的假定后，利用无条件分位数回归发现信息技术的异质性特征对于中低分位点上的义务教育结果表现具有最强的促进作用，并在整体认知能力的无条件分布中有利于促进义务教育结果公平；进一步采用RIF分解发现，信息资源引致的义务教育结果不平等主要集中在低分位点上，具有“黏地板效应”的鲜明特征，构成效应在总差异中的贡献值高于结构效应，表明能够被解释的因素决定了信息资源引致的义务教育结果不平等。
（二）政策启示
本文的实证研究结论具有一定的政策意涵。首先，从宏观层面上看，均值回归的估计结果表明，信息技术利用能够促进学生的义务教育结果表现，显示出家庭拥有信息资源、政府的信息化建设具有较强的现实意义。因此，在信息化2.0时代，各级政府应继续增强对于信息化的基础建设，尽可能地提高小学、初中两级义务教育体系中的互联网接入率、多媒体教室的使用率等，充分利用信息技术的工具理性，提高学生在义务教育阶段的获得表现。其次，从中观层面上看，有条件和无条件分位数回归的估计结果表明，信息技术的异质性特征对于低分位点的干预效应高于高分位点，显示出信息技术利用有利于收窄不同认知分位点上义务教育结果表现的个体差异，这就要求中观学校主体一方面关注低认知分位点上学生在信息化教学中的吸收、反馈情况，另一方面也要求学校定期组织教师培训，提高教师教育教学技能，利用丰富的教学手段开发低认知能力学生的海马体发育，促进低—高认知分位点上的义务教育结果不平等的均质收敛。第三，从微观主体上看，均值分解与分位数分解的估计结果表明，个体特征中的基期能力、家庭特征中的父母教育期望是决定信息技术利用、信息资源分布引致的教育结果不平等的重要因素，这就要求父母在家庭教育环境中引导学生形塑良好的互联网使用偏好，利用互联网的工具理性培养学生的前期能力因素，消弭因可观测因素引致的教育结果不平等。
最后，需要指出的是，义务教育结果不平等取决于家庭、学校、学生以及同伴多方面原因，而仅从家庭或学校维度出发，单纯增加信息技术供给或优化信息技术的教学方式并不能完全阻断义务教育结果不平等的传递路径。从义务教育政策补偿上看，实现不同地区、不同阶层、不同家庭子女的义务教育结果公平，还需要公共教育政策多管齐下，针对上述因素构建起多元化的义务教育补偿政策。譬如，在家庭层面上切断教育质量对住房资本的依附性，在学校（政府）层面上优化教育财政的投入模式。同时，还需要将教育政策作为公共政策复杂系统中的一环，方能阻断义务教育结果公平对于家庭经济文化背景的阶层依附性，推进后扶贫时代的教育相对贫困的治理逻辑。
注释：
①作者简介：方超，南京财经大学公共管理学院副教授。
②基金项目：国家社会科学基金项目“教育结果公平视角下贫困家庭子女的义务教育补偿机制研究”（项目编号：CFA200249）的阶段性研究成果。
③囿于篇幅有限，省略个体特征的分解结果，备索。
④注：估计结果通过自举法抽样50次后得到。
⑤囿于篇幅有限，省略个体特征的分解结果，备索。
参考文献：
[1]中华人民共和国教育部发展规划司.中国教育统计年鉴2018[M].北京：中国统计出版社，2018.
[2]辛涛，黄宁.教育公平的终极目标：教育结果公平—对教育结果公平的重新定义[J].教育研究，2009（8）：24-27.
[3]田一，李美娟，王家祺.义务教育结果公平现状及趋势的实证研究—基于北京市2011—2014年大规模学业质量监测[J].教育科学研究，2016（10）：43-49.
[4]杨钋.数字鸿沟与家庭教育投资不平等[J].北京大学教育评论，2017（4）：126-154，188.
[5]Tichenor P J,Donohue G A,Olien C N.Mass media flow and differential growth in technology [J].Public Opinion Quarterly,1970(2):159-170.
[6]OECD.Students,computers and learning:making the connection[R].Paris:OECD Publishing,2015.
[7]Willis S,Tranter B.Beyond the digital divide:internet diffusion and inequality in Australia[J].Journal of Sociology，2006(1):43-59.
[8]Biagi F,Loi M.Measuring ICT use and learning outcomes:evidence from recent econometric studies[J].European Journal of Education，2013(1):28-42.
[9]Hargittai E.,Hinnant A.Digital inequality:difference in young adults’use of internet[J].Communication Research，2008(5):602-621.
[10]方超，黄斌.信息技术促进了学生的学业表现吗？—基于中国教育追踪调查数据的实证研究[J].开放教育研究，2018，（6）：88-99.
[11]田亚慧，姚继军，丁婧.学校信息化硬件投入如何影响学生成绩—基于南京市初中的实证研究[J].教育学术月刊，2020（1）：87-94.
[12]龚伯韬.教育信息化：促进教育结果公平之路—基于学校信息化对学业成就影响的实证分析[J].教育研究与实验，2019（1）：11-18.
[13]曹丹丹，罗生全，杨晓萍，等.基于互联网运用的城乡青少年认知能力发展[J].中国电化教育，2018（11）：9-17.
[14]陈纯槿，顾小清.互联网是否扩大了教育结果不平等—基于PISA上海数据的实证研究[J].北京大学教育评论，2017（1）：140-153，191-192.
[15]Blinder A S.Wage eiscrimination:reduced form and structural estimates [J].The Journal of Human Resources,1973(8):436-455.
[16]Koenker R,Bassett G.Regression quantiles[J].Econometrica,1978(1):33-50.
[17]Machado J A F,Mata J.Counterfactual decomposition of changes in wage distribution using quantile regression[J].Journal of Applied Econometrics,2005(4):445-465.
[18]朱平芳，张征宇.无条件分位数回归：文献综述与应用实例[J].统计研究，2012(3)：88-96.
[19]Firpo S,Fortin NM，Lemieux T.Unconditional quantile regression[J].Econometrica，2009(3):953-973.
[20]郑磊，祁翔，候玉娜.家庭对子女教育的代际影响效应：理论、方法与证据[J].社会发展研究，2018（3）：177-202，245-246.
[21]方超，王顾学，黄斌.信息技术能促进学生认知能力发展吗？—基于教育增值测量的净效应估计[J].开放教育研究，2019（4）：100-110.
Can the Use of Information Technology Promote the Fairness Results of Compulsory Education?:A Heterogeneity Test Based on Unconditional Quantile Regression and Its Decomposition
Fang Chao
Abstract:Based on the data of CEPS, this paper empirically tests the heterogeneity of information technologyand its impact on the inequality of compulsory education results.It is indicated that information technology can improve the performance of compulsory education results by 0.147 standard points, while the family and individual characteristics jointly determine the average difference of inequality of compulsory education results by using the method of OLS and its decomposition; It is revealed that the heterogeneity of information technology in an inverted n⁃shape,while the characteristic factors can be explained are the determinants of the inequality of compulsory education results by using the method of CQR and its decomposition; It is found that the inequality of compulsory education results has the distinct characteristics of“ sticky floor effect”, while the utilization of information technology and its heterogeneity help to promote the fairness of compulsory education results by using the method of UQR and its decomposition.
Key words:information technology;fairness results of compulsory education; unconditional quantile regression; sticky floor effect; cognitive ability development
责任编辑：王丽红
