作者:劳拉·比默
来源:Unceasing Debt, Disparate Burdens: Student Debt and Young America | Phenomenal World
日期:2019-12-18
译者:韩齐岳
在现有的大部分高等教育文献中,“上大学的机会”被理解为大学前的教育程度、社会和信息网络,以及支付学费和生活费的经济能力。 与其他国家相比,美国在大学初始入学率方面名列前茅,但这种入学率–以及大学成功的所有主要指标,包括毕业率、违约率和债务收入比–按照我们熟知的种族、性别、阶级和地域划分,表现出了严重的不平等。
与其他有害的神话一样,媒体展现出的大学生的刻板印象往往是本科生远离家乡,住在绿树成荫的校园宿舍里。 而实际上,超过 50% 的四年制公立大学学生是在离家不远的地方就读的。 这意味着,高等教育机构的地理位置在很大程度上决定了学生的可能的选择。 虽然高等教育政策的大部分论述都试图改善学生获取信息的渠道(如学校费用、财政援助信息、毕业率或毕业后就业统计数据等),为他们的择校提供参考,但对于“地理位置影响入学”的政治关注仍然很少。
以往对高等教育地理位置的研究只是简单地报告某一地区的院校数量。 但学校的原始数量并不清晰,因为它未能成功地解释入学率。 我们希望将模型丰富化:鉴于高等教育机构和机构类型–公立和私立非营利机构以及各类营利机构–在全国范围内的分布不均衡,我们希望研究市场集中度在高等教育产业中可能发挥的作用,高等教育产业的特点是精英机构与特蕾西-麦克米伦-科顿(Tressie McMillan Cottom)所称的 “低等教育”之间的鸿沟越来越大。从许多学生不会长途跋涉到绿树成荫的校园全日制学习的角度出发,他们现实中会有多少选择? 集中度,种族、阶级和地域差异,院校由此产生的市场力量,以及大学费用、债务负担和毕业后收入之间有什么关系?
作为研究高等教育行业市场力量的第一步,我们与弗朗西斯·曾(Francis Tseng)合作,制作了一个绘图工具,用于显示我们对当地招生集中度的新衡量标准。 根据有关市场集中度的文献,我们定义了学校集中度指数(SCI)–这是首个此类指数,用于衡量不同学校类型以及美国和美国属地高等教育市场的差异。 我们以 30 分钟、45 分钟和 60 分钟的行车距离为标准来衡量地区的集中度(本文章中的分析基于 45 分钟的行车距离)。
我们的学校集中指数(SCI)是首创的,它采用了来自IPEDS的12个月入学数据和OpenStreetMap的驾驶距离等时线。通过以美国领土内的每个邮政编码划分区域(ZCTA;为便于阅读,后文将使用“邮政编码”)以及不同类型的学校计算SCI,我们可以比以往更清晰地观察到高等教育竞争的差异。
每个ZCTA都有一个独特的SCI,其中的 ( n ) 表示特定SCI内的学校数量。这是根据从相应ZCTA在30、45或60分钟驾驶距离内可以到达的学校数量来确定的,具体取决于所选的地图视图。每个 ( s_n ) 是地理区域内某学校的本科生入学比例,以整数而非分数表示。
我们的SCI公式借鉴了Herfindahl-Hirschman指数(HHI),后者使用在特定市场(通常按地理和行业参数定义)内公司市场份额来衡量市场集中度。同样,SCI使用特定地理区域内某类学校的入学比例。SCI的量表与HHI相同,范围从0(完全不集中)到10,000(完全垄断)。没有SCI的邮政编码表示“教育沙漠”——附近没有学校。我们通过使用不考虑交通状况的驾驶时间作为距离度量来计算地理区域的大小,即高等教育市场的规模,默认值为45分钟。(在我们的交互式地图上,您可以切换驾驶距离来查看30、45和60分钟驾驶距离的分析结果。)
SCI为0表示该邮政编码内每所学校在总入学人数中所占比例极小(即无集中度);SCI为10,000表示该邮政编码内只有一所学校,这所学校占据了该邮政编码内所有可用的入学人数(即极高集中度)。
正如地图所示,全国各地的集中度差异很大——从农村地区的极高集中度(在某些情况下,根本没有任何机构)到像纽约市这样的地区,拥有各种各样的高等教育机构。极高的集中度令人担忧,主要原因是它意味着学校可以单方面决定价格和准入,并可能进行价格歧视。一些州限制公立大学的学费增长,而另一些州尝试但未能通过此类法案——当然,在私立学校,除了反垄断调查(过去曾发生过),几乎没有其他办法可以约束。还需注意的是,即使只有一所学校在附近意味着垄断市场,这些机构对社区经济来说是至关重要的资源。(这篇首篇文章探讨了高等教育供应的集中度。我们将在系列文章中进一步讨论反垄断、成本和债务问题。)
有大量的邮政编码的集中指数为10,000(附近只有一所学校)。同样令人担忧的是那些根本没有指数的邮政编码——这些被称为教育沙漠。(关于这些地区的更多信息,请参见Nicholas Hillman的研究。)2016年,在各州和领土中,有540万人居住在教育沙漠中,无法接触到任何类型的高等教育机构。如果我们将分析范围缩小到公立学校,统计数据会变得更糟;有1010万人居住在公共教育沙漠中,3070万人只能接触到一所公立学校。这意味着美国及其领土上超过4080万人最多只能接触到一所附近的公立高等教育机构。
2016年10月,约有1910万人(约占美国人口的5.93%)在某种类型的高等教育机构就读。将这一统计数据应用于没有公共选择的4080万人,我们得出惊人的240万高等教育学生受到极高集中度的公共高等教育市场的影响(SCI = 10,000或教育沙漠)。当我们将驾驶距离缩短到30分钟或转向私立非营利或私立营利市场时,这些数字变得更糟。
司法部和联邦贸易委员会使用类似的指数来衡量各种市场的集中度。根据他们的基准,高度集中的市场在量表上的得分超过2500。按此标准,超过38%的美国人口生活在高度集中的高等教育邮政编码中,考虑到所有类型的学校(如果使用30分钟通勤,这一比例跃升至超过58%的美国人口)。此外,在我们分析的56个州和领土中,有45个的全校SCI中位数超过2500,即使我们完全排除教育沙漠。在总入学人数与人口比例最低的十个州和领土中,有四个是美国领土,其中三个只对居民提供一所学校。如果排除外岛领土,落基山地区情况最糟,其次是平原地区。这两个地区的区域平均SCI分别为6347.51和6216.49。相比之下,新英格兰地区的平均SCI为3591.28,中东地区为2980.50。
我们的地图还让我们能够识别出其他几种关系。例如,农村和城市地区之间的集中度差异立即显现,并随着驾驶距离的减少而恶化。按学校类型选择数据可以揭示更细致的发现:几乎没有公共机构的地区看到更多的营利性学校。研究表明,在金融危机后的几年里,当“再培训”成为关键词时,私立营利性学校对需求的响应速度很快。在这里,我们看到这种动态沿地理线条展开:缺乏传统高等教育,特别是公立高等教育的地方,成为营利性机构的主要猎场,正如它们以往那样,从历史上因种族和阶级原因被排除在传统高等教育之外的人群中招收比例过高。
是什么驱动了集中度的变化?在观察区域差异后,人口密度是第一个明显的可能性。在州级层面上,这似乎有一定的解释力,人口和入学率之间的相关性为0.98。然而,当我们转移到邮政编码级别时,这种关系减弱,相关性降至0.49。那么,收入呢?整体来看,邮政编码级别的入学率和中位收入之间只有适度的正相关关系(0.31),在州级层面几乎消失(0.02)。如果我们改为查看集中度水平和中位收入的关系,这种关系依然存在:邮政编码级别为-0.31,州级为-0.28。因此,随着中位收入的增加,我们看到学校集中度适度下降。由于这两个变量都是右偏的,我们研究了这种关系在收入百分位数上的表现;是否存在集中度的不平等?当我们将每个邮政编码放入其适当的全国中位收入百分位时,一个更强的模式出现了:最富有的邮政编码经历的学校集中度远低于贫困的邮政编码。集中度不仅随着收入的上升而下降,而且在最高百分位数中急剧下降,这表明在所有学校类型中,高等教育供应存在系统性的不平等。
当我们按类型细分机构时,这些差异更加明显,无论是公立/私立,还是非营利/营利,或提供的学位类型。公立机构往往规模更大,因此它们存在的市场通常更加集中。营利性学校往往规模较小,因此在它们占主导地位的市场中表现出较低的集中度。但副学士以下的学位是最不集中的学位类型,这反映了很大一部分由营利性学校提供的职业证书项目。较低的集中度表明这些机构正在利用传统高等教育部门留下的空白。
我们的集中指数使政策研究人员能够衡量地理集中对高等教育价格、债务水平、劳动力市场以及其他竞争对学生结果可能特别相关的政策领域的潜在影响。它拓宽了我们对“准入”的理解,并为有关大学质量和可负担性的辩论引入了一些细微差别。
最直接的是,该指数表明,仅靠免学费的公立大学无法解决全国范围内的准入不平等问题——事实上,公立大学和学院的分布似乎在没有附近公立选择的地区为营利性学校创造了市场,而不是“扼杀”它们。因此,任何使公立大学免学费的举措都不能仅仅固化现有的地理基础上的不平等或任何其他维度的现有美国高等教育地理编码。显著的地理差异要求重新考虑和重新评估在高等教育市场中起作用的需求和供给力量。
这是一个系列文章中的第一篇,探讨高等教育集中度的影响。利用一个覆盖一百万人的重复横截面数据集,后续的地图和文章将开始探讨集中度与净成本、债务水平、学生和其他形式的消费者债务之间的关系、按种族的差异影响、年龄组的收入水平等。
转载请注明:《中国社会分红/基本收入研究网》 浏览量:70 views