促进社会公平是现代政府的一个重要职能。在发达国家，政府更多依靠综合所得税调节收入分配，发展中国家由于公民纳税意识及税收征管等方面的原因，实行综合所得税时机还不成熟，因此寄予公共支出更多的再分配功能。人力资本理论的出现，将教育缩小贫困的功能推至公共支出之首，但是各国每年占财政支出15％～20％的教育支出，是否如政府所愿，真正帮助了低收入群体呢？到底谁是公共教育支出的受益者？这一问题的回答，对于优化财政支出结构、促进社会公平、实现包容性增长都是至关重要的。本文试图对此领域的国内外研究方法以及实证研究成果进行梳理，通过比较的视角，对这些问题给予回答。 一、研究方法——受益归宿分析法 对公共资源分配的公平性进行研究，从来就是一个世界性难题。因为基于个人主观效用度量各社会成员从公共资源中获得的价值，在价格缺失、市场不完善等情况下，是一件非常困难的事情。因此，自1941年Stauffacher和1945年Barna提出公共支出受益归宿的理论分析架构后，直到20世纪60年代，公共支出受益归宿的研究进展都很缓慢。[1]1965年Gillespie和1966年Bishop经过研究，建立了一个公共支出受益归宿分析框架，这一框架在接下来的几十年中被广泛应用。[2]到了20世纪70年代，针对早先研究中存在的问题，越来越多的学者加入到这一领域。这一时期可以看作是公共支出受益归宿研究的鼎盛时期，后续有关这一领域的所有争论和创新都是基于这一时期的研究。其中，1970年Aaron and McGuire的研究被认为是这一时期的一个经典，[3]该研究与其后1973年Maital的研究[4]将公共支出受益归宿研究引向了两个不同阵营。 第一个阵营就是1979年Meerman和Selowsky共同开创的受益归宿分析方法(Benefit Incidence Analysis简称BIA)，该方法以服务成本度量支出受益，在此基础上借鉴收入分配公平洛伦茨曲线的构造方式，描绘出公共支出的集中曲线，最后基于45度对角线(占总人口比例)、收入洛伦茨曲线(占总收入比例)对公共支出的受益分成有利于穷人(propoor)、累进性公共支出(progressivity)和累退性公共支出(regressivity)。[5]该方法暗含公共服务使用者对公共服务的评价等于提供公共服务的成本。这一假定在简化分析的同时也使该方法的应用受到了诸多限制。例如，该方法的价值评价可能与现实存在偏差，缺乏受益归宿的动态特征等。 第二个阵营是行为反应法，该方法通过反事实分析揭示家庭从公共支出中所获利益，而被冠以术语“行为”方法。[6]该方法通过构造个人或家庭对公共支出的反应函数，推测没有政府干预下的收入或支出水平，以政府干预前后收入或支出水平的差异衡量受益程度。在反事实的分析方法上，通常分为两类，一类是利用计量手段，如，差分内差分方法、PSM技术都被广泛用于刻画反事实情况，该类方法的最大问题是缺乏微观基础，同时也无法揭示公共支出变化如何通过劳动力市场和商品市场影响家庭的收入或支出决策。[7]另一类是微观模拟技术。该类方法能充分考虑经济个体间的异质性以及不同市场之间的相互联系，但这种方法需要的数据条件非常苛刻，目前在公共支出的应用上还非常有限。[8] 进入20世纪90年代，随着数据质量的提高及数据获取和处理技术的改进，公共支出受益归宿研究在技术上更加细致，内容更加深入，研究不再仅是集中于谁利用了政府提供的公共服务，而是讨论教育、健康以及基础设施等是否为预期的接受者带来收益。20世纪90年代末，公共支出受益归宿研究被进一步拓展，一些跨国比较研究开始出现。[9]在估计方法和研究内容上，出现了一些新的变化。例如有些研究利用面板数据考虑公共支出对家庭或个人引起的行为反应后，进行公共支出受益归宿分析。[10]有些研究通过面板数据考虑公共支出受益归宿的动态特征。[11]有些研究针对BIA方法只能估计平均归宿问题的缺陷，讨论了边际归宿的度量策略。[12]也有研究将家庭对支出受益变化的行为反应纳入边际受益归宿分析。[13] 将行为反应纳入BIA分析，不仅可以揭示公共支出受益归宿的真实情况，更可为决策者进行公共支出改革提供准确依据。但是，目前文献的反事实分析技术相互间存在竞争性，各自具有明显的优缺点，由于缺乏在同一数据中进行比较，无法对各种技术估计结果的相对合理性做出科学评估。如何确定反事实分析技术，并将反事实分析技术纳入BIA分析之中，将是未来包含教育在内的公共支出受益归宿研究急需突破的地方。但是，即使采用简单的BIA方法对我国公共教育支出受益归宿展开研究也非易事，更何况需要获得基于行为反应的支出受益归宿信息。为了能让这一工作易于实施，可以选择某一个省为考察区域，选择其所有县(市)的教育作为分析对象。这样一方面可以降低受益归宿研究所需数据信息量，同时整合“中国家庭动态跟踪调查”、“中国综合社会调查”、“中国健康与养老追踪调查”等相关数据库，在此基础上补充部分入户调查资料，以构造行为反应研究的面板数据集，将行为反应纳入BIA分析之中。
