Appearance
Measuring human capital using global learning data
Summary
Problem: 人力资本是经济发展的关键组成部分，但现有衡量人力资本的方式主要依赖受教育年限或入学率，忽视了"在校不等于学到知识"的问题。国际标准化测试（如PISA、TIMSS）主要覆盖发达国家，导致发展中国家——那些最可能从人力资本积累中获益的国家——缺乏可比的学习数据，从而限制了全球范围内对人力资本形成及其经济作用的理解。 Approach: 作者通过将三大国际测试（PISA、TIMSS等）、三大区域标准化测试（如LLECE、PASEC）以及早期年级阅读评估（EGRA）进行整合和链接，构建了"统一学习成果"（Harmonized Learning Outcomes, HLO）数据库。方法上，在相同科目、相同教育阶段和相邻年份内，将区域测试分数转换为国际测试分数，从而获得全球可比的学习指标。随后利用该数据库进行描述性趋势分析、发展核算（development accounting）以及增长回归分析。 Finding: 研究发现：（1）全球学习进步有限，尽管入学率大幅提高，但学习水平在许多地区停滞不前，证实了"学习危机"在全球范围内存在；（2）人力资本对跨国收入差异的贡献约为五分之一到一半，处于文献估计范围的中间位置；（3）平均估计掩盖了显著的异质性——人力资本在高收入国家解释收入差异的比例（超过一半）远高于低收入国家（不到五分之二）；（4）基于学习成果的人力资本衡量指标与经济增长的关联显著强于基于受教育年限的指标（如Penn World Tables、HDI中的教育指标）。 Significance: 该研究填补了全球学习数据覆盖的关键空白，为发展经济学中关于人力资本作用的长久争论提供了基于更直接、更可靠的教育质量衡量指标的新证据。同时，该数据库已被世界银行人力资本指数采用，对政策制定和国际教育监测具有重要实践意义。
Theoretical Framework
- Theoretical tradition: 新古典经济增长理论框架下的人力资本理论，具体属于发展核算（development accounting）文献传统。
- Prior theories built upon: 人力资本理论（Becker, 1962; Smith, 1776）；发展核算模型（Hall & Jones, 1999; Caselli, 2005; Jones, 2014）；Mincerian工资回报模型（Mincer, 1984）；增长回归模型（Mankiw, Romer & Weil, 1992; Hanushek & Woessmann, 2012）。
- Causal mechanism: 教育质量（学习成果）通过提高劳动者的认知技能和生产力，进而促进经济增长和收入水平提升。学习比单纯的受教育年限更能反映实际的人力资本积累，因此与经济发展的关联更强。
- Key assumptions: （1）标准化测试分数能够有效衡量认知技能和人力资本存量；（2）不同测试之间的分数可以通过统计方法进行可比性转换；（3）学习成果与收入之间的关联反映了人力资本对生产力的因果作用；（4）Mincerian回报率可以用于校准学习对人力资本的贡献权重。
- Theoretical move: 本文应用并扩展了现有发展核算理论——不是提出新的理论模型，而是通过提供更直接的教育质量衡量指标（学习成果而非受教育年限），改进了人力资本的测量方式，从而对既有理论争论（人力资本对收入差异的贡献究竟有多大）提供了新的经验证据。同时，本文挑战了以受教育年限作为人力资本代理变量的传统做法。
- Scope conditions: 研究覆盖2000–2017年164个国家，代表全球98%人口；结论适用于具有标准化测试数据的国家，对于缺乏任何测试数据的国家（约2%全球人口）不适用；人力资本与增长的关联分析排除了内战、恶性通胀和自然资源租金超过15%的国家。
Research Design
本文属于观察性研究（observational study），具体为跨国面板数据分析。分析单位为国家-年份（country-year）。关键变量及其操作化方式如下：
- 自变量（人力资本） ：基于HLO数据库的学习成果分数，按性别、教育阶段（小学/中学）和科目（阅读/数学/科学）分类；在增长回归中，人力资本以对数形式进入模型。
- 因变量（经济增长） ：2000–2010年年度平均增长率，数据来自Penn World Tables v.9.0。
- 因变量（收入差异） ：实际人均产出（real output per worker），2000–2010年平均。
- 控制变量：初始GDP人均水平（2000年，对数形式）。
- 比较基准：Penn World Tables v.9.0中的人力资本指标、Barro-Lee受教育程度数据集、联合国HDI中的教育指标。
Data & Sample
- 样本量：164个国家，2,023个国家-年观测值（2000–2017年）；发展核算分析包含131个国家；增长回归包含107个国家。
- 人口覆盖：代表全球98%的人口；发展中国家占纳入国家的三分之二。
- 地区覆盖：拉丁美洲和加勒比地区及撒哈拉以南非洲占所有可用数据的21%。
- 数据来源：七大测评体系——三大国际测试（PISA、TIMSS等）、三大区域标准化测试（LLECE、PASEC等）和早期年级阅读评估（EGRA）；EGRA额外增加了48个国家（包括孟加拉国、尼日利亚和巴基斯坦等大型发展中经济体）。
- 时间范围：2000–2017年（不扩展到2000年之前，因为数据质量较低）。
- 性别分解：98.5%的观测值可按性别分解。
- 数据收集方法：世界银行大规模收集和整理全球学生评估数据；通过统计转换方法将区域测试分数映射到国际测试分数。
Analytical Strategy
- 描述性趋势分析：使用国家固定效应多元回归，按地区估计入学率与学习成果的时间趋势（2000–2015年），以控制国家样本构成变化的影响。
- 面板回归：对小学学习成果与小学入学率进行面板回归（含国家固定效应），检验入学率与学习成果之间的关联。
- 发展核算（Development Accounting） ：采用文献中多种分解方法（h90/h10、(h90/h10)/(y90/y10)、var(log[h])/var(log[y])、(ln[h90]–ln[h10])/(ln[y90]–ln[y10])），估计人力资本对跨国收入差异的贡献；对学习成分的回报率（w）进行敏感性分析（w=0, 0.15, 0.20, 0.25）。
- 增长回归：以2000–2010年年度平均增长率为因变量，分别和联合纳入不同人力资本衡量指标（HLO、Penn World Tables、Barro-Lee、HDI），控制初始GDP水平，比较各指标的预测力。
- 稳健性检验：在描述性分析中纳入国家固定效应以排除样本构成变化的影响；在扩展数据图2中明确控制入学率后检验学习趋势；增长回归排除内战、恶性通胀和自然资源租金高的国家。
Results & Findings
发现一：全球"学习危机"确实存在。 从2000到2015年，全球入学率显著提高（例如中东和北非地区从95%升至99%），但学习水平在许多地区停滞不前（中东和北非地区学习分数始终在380左右）。即使在入学率相对稳定且较高的拉丁美洲和加勒比地区，学习进步也极为缓慢。面板回归显示，入学率对学习成果的系数为负（-0.247）且不显著（P=0.673），表明更高的入学率与更好的学习成果之间没有统计显著的关联。这一发现证实了"在校不等于学习"的全球性现象，且该模式并非由样本构成变化驱动。
发现二：人力资本对跨国收入差异的贡献约为五分之一到一半。 在基准设定（w=0.15）下，人力资本解释了约16%–40%的跨国收入差异（取决于分解方法），处于文献估计范围（从"几乎全部"到"可能没有"）的中间位置。这一结果与包含教育企业家角色和更全面人力资本衡量指标（包括教育、学习和健康）的模型一致。
发现三：平均估计掩盖了显著的异质性。 人力资本在低收入国家解释不到五分之二的收入差异，但在高收入国家解释超过一半。地区差异更为显著：以受教育年限衡量时，人力资本在发达经济体解释54%的收入差异，在撒哈拉以南非洲仅解释4%；纳入学习指标后，这一差距扩大至发达经济体86%对撒哈拉以南非洲10%。这表明仅基于发达国家样本的研究会严重高估人力资本的全球作用。
发现四：基于学习的人力资本指标与经济增长的关联更强。 在单变量回归中，学习指标每变化1%与年增长率变化7.2%相关，而其他人力资本指标（Penn World Tables、Barro-Lee、HDI）每变化1%仅与1.6%–3.3%的增长率变化相关。在多变量联合回归中，学习指标的系数保持在5.9%–6.9%且统计显著（P≤0.01），而其他指标的系数缩小且不再显著。模型拟合度（R²=0.30 vs 0.32）显示学习指标几乎包含了其他指标对增长的全部解释力。
意外发现：撒哈拉以南非洲内部存在显著差异——肯尼亚（444分）和坦桑尼亚（416分）领先，与许多拉丁美洲国家（如墨西哥435分）相当；印度（368分）与表现较差的撒哈拉以南非洲国家（如乌干达369分）表现相当；许多亚洲国家（如日本553分）超过北美和欧洲国家（如美国521分）。
Limitations
作者在文中承认或隐含的局限包括：
- 数据覆盖仍有缺口：尽管覆盖164个国家，仍有约2%的全球人口（主要是从未参与任何测试的国家）未被纳入。
- 测试转换的误差：将区域测试分数转换为国际测试分数依赖于统计方法，可能存在测量误差；作者通过纳入标准误来量化不确定性，但转换本身的偏差难以完全消除。
- 时间序列较短：数据仅从2000年开始，无法分析更长时间段内的人力资本形成趋势。
- 因果识别有限：增长回归和入学率-学习关联分析主要基于相关性，作者未声称建立因果关系。
- 学习指标的范围限制：HLO衡量的是基础认知技能（数学、阅读、科学），不包括非认知技能、健康等其他人力资本维度。
- 选择效应可能：随着入学率提高，新入学的低表现学生参与测试可能拉低平均分数，尽管作者通过固定效应和条件分析部分缓解了这一担忧。
Key Contributions
- 构建了全球最大的可比学习成果数据库之一（HLO），覆盖164个国家、98%全球人口、2000–2017年，是首批按性别分解学习结果并纳入标准误以量化不确定性的全球学习数据库之一。
- 首次将区域测试（覆盖撒哈拉以南非洲和拉丁美洲）纳入全球可比框架，填补了发展中国家学习数据的长期空白。
- 提供了人力资本对跨国收入差异贡献的中间估计值（五分之一到一半），有助于调和文献中从"几乎全部"到"可能没有"的极端分歧。
- 证明了基于学习的人力资本衡量指标比基于受教育年限的指标与经济增长的关联更强，为"学习危机"的经济后果提供了量化证据。
- 揭示了人力资本作用在不同收入组和地区间的显著异质性，强调纳入不同发展阶段国家的重要性。
- 数据库公开可用并定期更新（每2–3年），已被世界银行人力资本指数采用，对政策制定和国际教育监测具有直接应用价值。
Key Claims
"However, using schooling as a proxy for human capital assumes that being in school translates to learning. Evidence suggests that this is often not the case." (Introduction)
"Using this dataset, we show that global progress in learning—a priority Sustainable Development Goal—has been limited, despite increasing enrolment in primary and secondary education." (Abstract)
"Using an accounting exercise that includes a direct measure of schooling quality, we estimate that the role of human capital in explaining income differences across countries ranges from a fifth to half; this result has an intermediate position in the wide range of estimates provided in earlier papers in the literature." (Abstract)
"Finally, we show that our database provides a measure of human capital that is more closely associated with economic growth than current measures that are included in the Penn world tables version 9.0 and the human development index of the United Nations." (Abstract)
"Taken together, the data reveal that the rapid pace at which schooling improved across education systems, as well as the success in achieving high enrolment rates, have not been met with similarly rapid learning progress." (Results, "Schooling is not learning" section)