《国家助学贷款发放中的公平性考察.doc》由会员分享，可在线阅读，更多相关《国家助学贷款发放中的公平性考察.doc（10页珍藏版）》请在三一办公上搜索。
1、Review about impartiality in National Student Loan Default-theoretical and empirical analysis国家助学贷款发放中的公平性考察理论和实证分析Abstract：National student loan (NSL) is a project aiming at educational equality. It was executed after High School Educations reformation, referring to foreign experience. This paper t
2、akes the availability of NSL as dependent variable, evaluates equality with Probit econometric model. Two conclusions have been got:(1) there is no significant impartiality of average income, sex, race and major in National Student loans distribution process;(2) impartiality exists in grade, GPA, di
3、ploma.Key words: National student loan educational equality the availability of national student loan probit model【摘要】国家助学贷款是我国在高等教育收费改革后，借鉴外国经验，于1999年开始试行的一项以教育公平为目的的利好事业。本文在调查问卷的基础上，以国家助学贷款可获得性为因变量，利用Probit计量模型对国家助学贷款公平性进行了理论和实证的考察。得出基本结论：（1）国家助学贷款发放过程中不存在显著的家庭人均收入、性别、民族和专业歧视；（2）在年级、学习成绩、毕业后所获学位、学
4、校类型方面，存在银行不公平选择。【关键词】国家助学贷款 教育公平 发放 国家助学贷款可获得性 Probit模型一、引言：从教育公平到助学贷款发放中的公平教育公平问题与我们今天所倡导的全民教育、终身教育、回归教育、补偿教育、特殊教育、成人教育等许多教育改革与发展的重要内容息息相关，已经成为世界各国政府和人民所关心的重要问题。西方关于教育公平较为系统的理论阐述很少，主要有麦克马洪（McMahon）的“三类型说”：（1）水平公平（horizontal equity），指相同者受相同对待；（2）垂直公平（vertical equity），指不同者受不同对待；（3）代际公平（intergeneratio
5、nal equity），指确保上一代人的不平等现象不至于全然延续下去。瑞典著名教育学家胡森指出教育机会均等在三个不同时期有不同的涵义：（1）起点均等论，指入学机会均等。（2）过程均等论，指教育条件均等。（3）结果均等论，强调学业成功机会均等。本文采用胡森“起点均等”的定义，认为教育公平意味着学生能获得均等的入学机会，这与麦克马洪的代际公平有关：只有当家境不同学生获得相同的教育才能保证在未来这批学生进入劳动力市场有相同的竞争力，从而保证获得工作机会的平等性以及收入的平等，总之，教育可获得性的公平至关重要，它保证了未来收入分配的平等。自1997年全面确立高等教育收费政策以来，我国学费不断高涨，19
6、93-1997年学费增长率为27.65%，99年扩招后全国普通高等学校年生均经费为2769元，比1998年上涨了40多个百分点（王善迈，2000）。世界银行和联合国教科文组织在发展中国家的高等教育：危机与出路指出，当教育的费用超出学生支付能力的时候，学业优秀但家庭经济困难的学生往往会对接受高等教育望而生畏。学费水平提高对高等教育公平问题可能存在的消极影响强调了学生资助措施的重要性（陈晓宇，1998）。成本补偿这把“双刃剑”直接导致了利用公共资金建立奖学金、助学金和学生贷款等政策的发展，以此减轻低收入家庭学生的负担，促进高等教育参与的公平。可见，国家助学贷款作为成本分担的一项有效的办法，在教育收
7、费的情况下实施助学贷款本身有利于教育机会均等，是保证教育公平的一个重要手段，所以国家助学贷款在发放环节的公平影响教育公平的实现。基于此，本文对于国家助学贷款发放中对于性别、院校以及家庭收入等方面是否存在歧视，是否公平进行了理论分析和实证检验。二、研究文献综述（一）关于助学贷款对实现教育公平的影响虽然各国都明确将促进高等教育公平和机会均等作为学生贷款的首要目的，但是学术界对于学生贷款是否能够实现这一目标一直争论不休（Woodhall，1995）。一方面，贷款的倡导者认为贷款比助学金更公平。因为贷款包含了较少成分的由贫困纳税人向潜在的富有学生的财富转移；另一方面，贷款的批评者认为由于低收入学生是风
8、险厌恶的，因此贷款在鼓励低收入学生接受教育方面不如助学金有效果。国外有关研究也表明，不同类型的学生资助对不同收入群体起到的效果不同。助学金的增加会最大程度地促进最低收入者接受高等教育的可能性，而贷款的增加对促进中等收入家庭的学生入学机会的作用要大于对最低收入和最高收入家庭的学生的作用。如Reuterberg和Svennson（1992）对瑞典的研究发现，由于低收入学生不愿意贷款，以前实行的抵押贷款并没有促进低收入学生的参与。其他工业化国家的研究也得到了相同的结果。北京大学教育学院哈巍通过对某大学的学生资助与教育机会均等的关系进行个案研究发现，学生资助总体上显示出了向来自贫困地区和贫困家庭的学生
9、的倾斜：即农村学生和家庭收入较低的学生获得了大部分的公共财政资助。随着家庭收入水平的提高，学生获得公共财政资助的概率降低。而且他通过考察大学学生的家庭收入水平与申请国家助学贷款的关系还发现，在该大学的抽样样本中，低收入学生没有表现出风险厌恶的特征。在没有申请贷款的学生中只有3456的学生将原因归于害怕未来无法还清债务。但他也强调，尽管学生资助指向了目标群体，但由于力度不够，与中、高收入家庭的学生相比，来自低收入家庭的学生面临的经济负担仍非常大。（二）关于发放中的公平国家助学贷款自1999年在我国开始实行以来，发放的总体规模日趋扩大，但仍需要进一步发展。据教育管理部门统计，到2003年6月,在已
10、确定申请国家助学贷款的1367所高等学校中，仍有28%左右的学校还没有开办国家助学贷款业务。在全日制普通高校中，约有20%的经济困难学生,而申请助学贷款的学生比例约为13.72%，其中获得贷款的学生人数占在校生的比例仅为5.91%。04年新机制实施以来，发放工作在有所改进的同时也面临着同样的问题国家助学贷款发放中的公平是否得到体现？李文利（2004）年利用2003年6月进行的全国范围大学生抽样调查数据，从国家助学贷款申请和获得两方面考察了其公平性。研究发现虽然学生问卷调查数据显示出在高等学校内部国家助学贷款的发放结构是公平的，但由于银行、学校、地区间分布的不均衡，国家助学贷款分布的宏观结构还存
11、在不公平的现象。孙毓泽、乐园（2005）运用北京大学教育经济研究所2004年对全国高校本专科生家庭经济情况和教育支出情况的调查数据，采用Logist二元回归分析影响助学贷款获得的因素，得出以下结论：（1）来自乡村的学生获得贷款的比率显著高于城市的学生；来自西部的学生获得贷款的比率高于来自东部和中部（不显著）的学生；父亲受教育程度越高的学生，获得贷款的比率越低；随着人均家庭收入的增加，学生获得国家助学贷款这一事件的比率降低。（2）从学校特征看，虽然西部学校获得的比率显著高于东部和中部高校，但是中央和部署院校较地方院校获得资助的概率仍显著较高；而且从高校类型看，地矿类高校中获得贷款的比率显著低于综
12、合类、语言类和艺术类院校。（3）“其他资助数额”符号为正，表明获得其他资助多的学生得到国家助学贷款的可能性越大。三、国家助学贷款可获得性的影响因素分析（一）估计方法本部分通过对“国家助学贷款可获得性”(national student loan availability)的影响因素的计量分析，来评价宏观意义上国家助学贷款在发放中的公平性。“是否获得贷款”这一问题反映到数据上是二值因变量，需要用二值选择（Binary Choice）模型。一般有3种估计方法：线性概率模型（LPM）、Logit模型和Probit模型。因为线性概率模型违反同方差（Homoskedasticity）和正态性（Norma
13、lity）假定，而且对条件概率的估计值可能落在0，1之外。改进的方法有两种：Logit Model假设事件发生的概率服从累计Logistic分布；Probit Model假设事件发生的概率服从累积正态分布。我们选用更为常用的Probit Model来进行估计：其中代表某种内在变量或隐藏变量，在这里具体指国家助学贷款申请获批的能力。为相应的可观测变量。当时，；当时，可表示如下：其中F()表示标准正态分布 假设为一标准正态随机变量。的累积分布函数，代表的密度函数，。利用最大似然法可以估计其中所含参数。尽管并不代表自变量变动一单位时事件发生概率的变动程度，但该系数给出了每个对发生概率偏效应的符号，而
14、且其统计显著性也可由我们能否在一个足够小的显著性水平上拒绝来决定。就我国国家助学贷款而言，学生申请贷款的可获得性取决于学校、银行两个审核环节，与之相关的因素被列入中，构成国家助学贷款可获得性的影响因素。包括学生个人特征信息（性别、年级、民族、专业、出生地所在区域、其他资助、上学期成绩、毕业后所获学位），学生家庭特征信息（父亲职业类型 为避免多重共线性（multicollinearity），这里只选取父亲职业类型，尽管学校和银行也可以得到母亲职业类型的信息。、家庭人均收入、家里是否曾有兄妹辍学、是否曾经借债）和学校特征信息（学校类型、是否部属、学校所在区域）共15个因素。根据各高校的助学贷款申请
15、表和申请资格认定说明，我们发现，除其他资助、上学期成绩、家里是否曾有兄妹辍学、是否曾经借债4个因素一些学校和银行要求提供外，其他都是学校和银行在决定是否批准申请时可以获知的信息。（二）数据和变量文章所用数据来自北京大学教育经济研究所2004年对全国高校本专科生家庭经济情况和教育支出情况的调查，此次调查对象为18所高校（其中教育部属高校8所，非教育部属高校10所）的在校本专科学生。调查问卷主要包括以下方面：学生个人情况（年龄、性别、民族、所在院系、高中及大学学习成绩、兄弟姐妹数等）；学生家庭背景（家庭所在地、父母受教育程度、父母从事职业、家庭人口数、家庭年总收入等）；学生经济状况（03-04学年
16、收入来源及数量、03-04学年支出项目及数量）及申请和获得国家助学贷款的情况。共获15294个数据。孙毓泽、乐园（2005）的研究也是基于该调查所获数据，但我们做了一些改进：（1）被研究对象定位被调查学生中申请过国家助学贷款的数量为3068，但由于“正在办理”的贷款中没有包含“申请获批与否”的信息，我们放弃使用这部分数据，而是从剩下的2490个数据中整理 因为需要每个变量对应的数据都是完整的。得到1620个有效数据（删除一年级数据后真正的有效数据为1614个），然后根据“是否获得贷款”分为两组：获得与未获得。因变量即“是否获得”,获得取1，未获得取0。（2）增加了几个用于研究的因素学习成绩、学
17、位、家里是否曾有兄妹辍学和是否曾经借债。孙毓泽、乐园认为“我国贷款审核中并不考虑学习成绩，而是根据家庭经济状况来衡量”，没有分析上学期成绩对获贷成功概率的影响，我们则认为这也是一个值得关注的变量，因为一些学校和银行会要求申请贷款的学生在填写申请表时报告高考成绩、学生在校学生成绩、本人学习品德情况简介等信息。 参见福建师范大学、江苏省、西南政法大学国家助学贷款申请表有关内容和说明。被解释变量是否得到贷款（gainornot）：共有1049个样本的gainornot取值为1，565个取值为0，总体申请获贷率为64.99%。从直方图也可以看出：图1被解释变量分布直方图解释变量：我们所研究的15个影响
18、国家助学贷款可获得性的因素均可从该数据中得到，但由于各个因素在性质上的差异，有些解释变量需要拆分成多个虚拟变量（dummy variable）。例如，我们以male作为性别虚拟变量（以female作为基准组）；以third 和fourth作为年级虚拟变量（以second作为基准组 之所以不以一年级（first）作为基组是因为一年级数据较少（6个），造成单一性（singular）问题，我们决定删除，并以二年级作为基组。）；将专业分为热门冷门专业（标准见附录），采用hotmajor作为虚拟变量；将各出生地按东部、中部和西部归类，用middle和east 2个虚拟变量（以西部为基准组）；将上学期成绩
19、分为5等，并以“班级成绩后25%”为基准组，引入pre10、pre11-25、pre26-50、middle51-75作为虚拟变量；学历分为本科和专科（以专科为基准组）；将学校类型进行细分，引入多种虚拟变量；学校特征信息中学校类型以工矿为基准组；“是否部属（bureauornot）”意味着教育部属高等院校的学生该变量取值为1而其他资助（otherstipend）、家庭人均收入(ppincome03)为连续变量。表1反映了部分解释变量的观测数、均值、标准差、最小值、最大值等描述统计指标情况。表1 部分解释变量的描述统计 VariableObs Mean Std. Dev. MinMaxmale（
20、男生）16140.63444860.481733701third（大三）16140.30978930.4625501fourth（大四）16140.46282530.498770701race（民族）16140.90706320.290433801hotmajor（热门专业）16140.51053280.50004401otherstipend（其他资助）16141091.5722054.047030600待添加的隐藏文字内容3pre10（成绩为班里前10%）16140.25464680.435797501pre11-25（成绩为11%-25%）16140.2602230.438892201p
21、re26-50（成绩为26-50%）16140.22490710.417650501middle51-75（成绩为51-75%）16140.18773230.390619301bachelor(本科学位)16140.9882280.107891701beast(出生在东部省)16140.43556380.495984301bmiddle（出生在中部省）16140.34634450.47595201ppincome03（家庭人均收入）16142332.2045703.32920166667liability（是否有负债）16140.85501860.352191201Bureauornot（是否
22、是教育部属）16140.46096650.498628601seast（学校在东部省）16140.86926890.337210501Smiddle（学校在西部省）16140.05700120.231916801（三）估计结果运用计量分析软件stata作probit估计得到结果如下：表2 Probit估计结果被解释变量-是否获得贷款（潜在变量： 国家助学贷款可获得性）Model(1)Model(2)因素变量系数和标准误系数和标准误性别male0.0862347（0.0792295） -年级third 0.4357841（0.0973436）*0.4308785（0.0965558）* four
23、th1.013694（0.0947874）*1.016662（0.0945185）*民族race -0.2345949（0.1474175） -0.2356265（0.1466933）专业hotmajor0.0723077(0.079691) -其他资助otherstipend 0.0000247（0.0000202）-pre10 0.2667906（0.153715）* 0.2372973（0.1505284） 学习成绩pre11-25 0.4322907（0.1526687）*0.4090092（0.1500808）* pre26-50 0.2430439（0.1543787）0.2212
24、611（0.1523295） middle51-750.2282458（0.1564561）0.2113573（0.1542478) 毕业后所获学位degree0.8834243（0.4486142）*0.887736（0.4490251）*出生地所在省beast -0.1666488（0.105167） -0.1751211（0.1040877）*bmiddle -0.0543073（0.1035984） -0.0517768（0.1029424）high -0.1169499（0.1698836）-父亲职业类型middle -0.2168727（0.2187234）-ordinary -0
25、.0214539（0.1099564）-家庭人均收入ppincome03 5.23e-06（5.95e-06）-家里是否曾有兄妹辍学dropornout -0.0169831（0.0791219）-是否曾经借债liability 0.306705（0.1077865）*0.3263043（0.1008856）*integration 0.9847866（0.181411）*1.012542（0.1783389) * science0.0234081（0.1849946）0.0338802（0.1819013） agriforest 0.4382251（0.2102895）*0.4336183（
26、0.2056852）*medicine 0.2251234（0.1585617）0.2420353（0.1532675）学校类型normal 0.016558（0.1677499） 0.0265851（0.1648574）language 0.2738827（0.1957297）0.2300995（0.1892347）financelaw -0.8458614（0.1542823）* -0.8259682（0.1492285）*art 0.8852806（0.2417333）*0.8805073（0.2315822）*nation -0.4384537（0.2140475）* -0.43761
27、65(0.2077111) *是否部属bureauornot 0.2495122（0.1199265）*0.2530637（0.1186467）* 学校所在省seast -0.3414697（0.1826855）* -0.3322752（0.1811633）*smiddle -0.8322316（0.2869143）* -0.8351226（0.2824655）*常数cons -1.169622(0.5561295)* -1.089521（0.5422028）*似然对数Log likelihood -817.87499 -820.62762R2Pseudo R2 0.2174 0.2147 注
28、：1）括号中所列的是标准误； 2）*代表在10%的水平上显著，*代表在5%的水平上显著，*代表在1%的水平 上显著。结果显示，15个因素对国家助学贷款可获得性的影响在方向和显著水平上是有差异的。在申请国家助学贷款的学生中，具有什么样特征的学生容易获得贷款呢？Model（1）进行的全部变量的probit估计表明：1. 学生个人特征变量中的年级、学习成绩、毕业后所获学位对国家助学贷款可获得性有显著的影响（最少的也在10%的显著水平上显著）。首先，与二年级（second）相比，其他相同特征的三年级和四年级学生获得贷款的可能性更高，显著水平达到1%。这反映了学校和银行有将贷款贷给高年级学生的偏好。高年
29、级学生贷款数额和还款期限相对低年级要短一些，银行可能为了资金的回收和流动性而更愿意贷款给高年级的学生。（不公平，低年级更需要 但银行出于风险）第二，学习成绩对国家助学贷款可获得性有一定显著的正影响。成绩一般（如26-50%的中等成绩）学生尽管比后25%的学生获得贷款的可能性高一些，但与前10%和11-25%的学生相比，贷款机会更少。虽然国家助学贷款的性质不同于奖学金、奖优性质的助学金（如国家助学金），学习成绩不应该被当作审核时考虑的因素。但在国家助学贷款申请和审核的实际操作过程中，一些承办银行还是会要求学生、学校提供关于学习成绩的信息，甚至以此作为贷款发放决策的一个考虑因素。应该说，这种做法有
30、失公平成绩一般甚至较差的学生（其他方面的能力不一定差）较低的助学贷款可得性会影响其受教育的机会。第三，毕业后所获学位的影响也是比较显著的（5%）。同等条件下，本科生比专科生有着更高的国家助学贷款可获得性。可见，银行在决定发放贷款时会考虑学生毕业后所获学位，专科学生在获得国家助学贷款的集会上存在弱势。2. 性别、民族、专业、其他资助对国家助学贷款可获得性的影响没在10%以下的水平显著。说明学校和银行在把关时，并不存在显著的性别歧视和民族歧视，对人们通常认为的热门专业也没有明显的偏好，公平性得到了较好的保证。计量结果可能与热门专业和冷门专业的分类有关，但我们转变分类方法之后专业因素还是不够显著。其
31、他资助的影响不显著的结论与孙毓泽、乐园（2005）有些差别。他们根据“其他借贷”变量系数符号为正且高度显著，认为获得其他资助多的学生得到国家助学贷款的可能性越大，并举例说明其存在的可能性有的学校规定只有获得助学金的学生才可以申请国家助学贷款。这种以个别看整体的解释有些缺乏解释力，尽管一些学校有这样的规定，但我们的研究表明从整体来看不能判断学生获得其他资助与获得国家助学贷款可能性之间具有显著的正相关关系。3. 家庭特征变量中是否曾经借债对国家助学贷款可获得性有显著的影响，家庭人均收入、出生地所在省、父亲职业类型、家里是否曾有兄妹辍学的影响都不够显著 笔者怀疑“家庭人均收入”和“家里是否曾有兄妹辍
32、学”两者都不显著是因为这两个因素有高度的线性相关性，于是去掉了“家里是否辍学”这一因素重新进行了回归，但结果显示二者并没有高度线性相关性。首先，按理说，评价国家助学贷款的公平，主要的衡量标准应该是“贷款是否发放到了最需要贷款的学生手中”，也就是说是否体现了国家助学贷款助困的特点，是否将助学贷款发放给了经济困难的学生，是否出现了“逆向选择”（adverse selection）助学贷款有家庭经济非困难学生获得。 有人认为经济非困难学生不能得到贷款是不公平的，这种观点我们不赞同。国家助学贷款的性质定位决定了它要以经济困难学生为资助对象。其他学生要想贷款可以申请一般商业助学贷款。而这里，反映经济困难
33、程度的最重要变量“家庭人均收入”不具有显著性，其P值为37.9%，而且其系数的符号为正，无法得到“在其他条件相同时家庭人均收入低的学生获得贷款的机会更高”的结论。我们推知，这种不显著结果的背后体现了我国国家助学贷款体制的一个内生性的矛盾（endogenous contradiction）“政策性和商业性的矛盾”，这是国家助学贷款的既成矛盾。一方面，助学贷款作为一种准公共物品，具有正外部性，需要国家提供，我国自1999年试点的国家助学贷款就是这样一种政策性的贷款，政策性要求国家助学贷款以“中华人民共和国（不含香港特别行政区、澳门和台湾地区）高等学校中经济确实困难的全日制本、专科学生”为发放对象。
34、另一方面，我国国家助学贷款由商业银行实际发放，商业银行拥有贷款发放给谁的最终决定权，其追求利润最大化的商业性质使其为规避违约风险而愿意将贷款发放给经济条件好的学生。商业银行在决策时陷于考虑国家政策要求和自身经济收益的两难选择之中，因而其决策依据没有体现在数据上。第二，是否曾经借债的正影响（借债学生获贷率更高）也反映了商业银行特别是国有商业银行面临的政策压力厌恶风险的银行在主观上并不希望将钱借给有负债的学生。第三，父亲职业类型的影响不显著。虽然银行可以得到有关父亲职业的信息，但他们在批准申请时并没有将该因素考虑在内。说明银行在这一点上还算公平。4. 三个学校特征变量都比较显著。从学校类型看，综合
35、、农林、财经政法、艺术类院校与作为基准的地矿类院校相比，在贷款可获得性上有显著差异。财经政法学校的学生在同等条件下获得贷款的机会比地矿类学校显著地少，这否定了人们认为银行倾向于贷款给热门专业院校这一偏见。但是因为不同学校的概率可能还受到学校对国家助学贷款的宣传力度和积极性等因素的影响，所以其公平性还有待进一步考察。从是否为教育部属来看，教育部属学校学生在同等条件下获贷的可能性更大，应为系数为正（0.2495122）且在5%的水平上显著。说明国家助学贷款可获得性在各高校之间存在不平衡，银行更喜欢将贷款贷发给好学校。文献综述中提及的几篇文章对此也有相同的结论。不过，从学校所在省来看，同样是教育部属
36、高效，东部地区和中部地区的高校学生获贷几率比之西部地区更低一些。这种矛盾同样可以用政策性与商业性的矛盾来解释。Model2是在Model1的基础上剔出不显著的解释变量后的Probit Model，基本结论没有发生什么变化。四、结论和政策建议（一）公平性评价根据第三部分的分析，我们可以对国家助学贷款发放中的公平性做一个总体评价，即助学贷款的发放在一定程度上体现了公平性，但在某些方面还存在着不公平的倾向（见表）。表 公平性总体评价体现公平之方面体现不公平之方面尚待讨论之方面性别、民族、专业、其他资助、是否曾经借债、出生地所在省、父亲职业类型、学校所在省年级、学习成绩、毕业后所获学位、教育部属家庭人
37、均收入、家里是否曾有兄妹辍学、学校类型1、如上表所示，助学贷款发放的公平性体现在以下几点：1）发放过程中并不存在显著的性别、民族和专业歧视；2）学生是否获得其他资助与获得国家助学贷款可能性之间也没有显著的相关关系；3）是否曾经借债的对得到贷款的概率有正影响。从商业角度讲，银行并不希望将钱借给有负债的学生，但是迫于政策的压力不得不如此，达到了助学贷款“助困”的目的，体现了其一定程度的公平性；4）出生地所在省、父亲职业类型对得到贷款的概率都没有显著的影响，说明在这两个方面，助学贷款的发放是没有歧视的。5）东部地区和中部地区的高校学生获贷几率较之西部地区更低。因为西部普遍落后于东部地区，所以这表明困
38、难学生较多的地区和院校申请成功的比率也较高，在一定程度上体现公平的目标。2、有失公平之处如下：1）在其它条件相同情况下，三年级和四年级学生获得贷款的可能性比二年级高，回归显著水平达到1%。这反映了贷款发放过程中存在对高年级学生的偏好。这种歧视显然是不公平的。从银行角度讲，银行为了追求自己的流动性以规避风险，所以倾向于高年级贷款者。但是从学生角度看，低年级申请者比高年级申请者更需要贷款。因为一般来说，在其它条件相同的情况下，高年级学生通过实习兼职等手段取得收入的能力要高于低年级学生。因此，可以说从政策目的上来看，银行要倾向于发放给低年级贷款者才算公平，但现实却恰恰相反。所以在这一点上公平性还有待
39、加强。2）学习成绩对国家助学贷款可获得性有一定显著的正影响。虽然纵向公平观点认为不同能力的人应该拥有不同的待遇。但是学习成绩并不是衡量能力的一个合适的尺度。因此，从公平的角度看，学习成绩不应该被当作审核时考虑的因素。3）毕业后所获学位的影响也是比较显著的（5%）。同等条件下，本科生比专科生有着更高的国家助学贷款可获得性，这有违了机会平等的要求。4）教育部属院校学生在同等条件下获贷的可能性更大。这说明银行更喜欢将贷款贷发给教育部直属院校，国家助学贷款可获得性在各高校之间存在不平衡。 3、除了以上提及的几个方面，还有些因素的影响很难确定其究竟公平与否。以下是尚待讨论的几个方面：1）家庭人均收入对助
40、学贷款的可获得性没有显著影响。在方面，如果“在其他条件相同时家庭人均收入低的学生获得贷款的机会更高”结论成立，则可以认为它是公平的，但是如果“在其他条件相同时家庭人均收入低的学生获得贷款的机会更高”不成立，我们不能就此推出放贷过程中存在不公平的结论。回归结果恰恰是没有这个结论不成立，所以没有充足的理由断定其过程公平与否。家里是否曾有兄妹辍学这个因素的不显著性也可以同理解释。2）财经政法学校的学生在同等条件下获得贷款的机会比地矿类学校显著地少。在这方面，我们也很难判断其公平性，因为其受到很多其它因素的交互影响，比如学生个体的专业并不一定与学校类型一致，学校对国家助学贷款的宣传力度有差异等等。（二
41、）对策建议针对银行偏高年级学生的现象，可以规定银行在不同年级之间必须达到制定的发放指标，并政策性地向低年级倾斜。对本科生和专科生之间、教育部属和非部属院校之间名额的分配也采用类似手段。必要时还可以要求银行不要将成绩纳入审核申请者的因素内；规定银行在审核时，同等条件下优先批准家庭收入低者；规定家庭收入保障线，低于此线者，只有符合申请者资格，则必须予以批准。若有违反者，当地政府可以对其采用罚款等惩罚手段。不过，以上这些不公平性都来源于国助贷商业性和政策性的冲突。要解决这一矛盾，最根本的办法是改变现行的运行模式，例如新建政策性的教育银行来发放助学贷款，来取代商业银行。（三）尚需改进之处首先，没有考虑
42、有贷款需求而没有申请贷款的学生。实际上，由于学校宣传不够，地方政府态度不积极，学生的观念认识和申请成本等原因，还有部分学生虽然有贷款需求但没有申请。其次，模型中的虚拟变量太多，容易产生多重共线性。比如人均收入和是否借债很可能存在线性相关性；再次，受到数据的限制，本文中使用的是家庭年人均收入，而家庭经济情况的衡量还有更好的变量，可以采用人均可支配收入，并针对当地物价水平进行调整。最后，数据中的年级并非申请时的年级，而是填写问卷的年级，可能减低回归结果的准确性。 【参考文献】1. 王善迈.论高等教育的学费J.北京师范大学学报（人文社科版），2000（6）.2. 陈晓宇.论高等教育成本补偿D.北京大
43、学博士研究生学位论文，1998.3. .伍德霍尔.学生贷款A.美Martin Carnoy.教育经济学国际百科全书C.北京:高等教育出版社，2000.4. 哈巍.高等教育机会均等与学生资助D.北京大学硕士学位论文，2002.5. 李文利.国家助学贷款的理论探讨和实证分析J.教育与经济，2004（2）.6. Woodhall, Maureen. Student Loans in Developing Countries: Feasibility, Experience and Prospect for Reform J. Higher Education, 1992(23).7. 孙毓泽、乐园.
44、高等教育助学贷款政策的公平维度考察J.北大教育经济研究第3卷第4期（总第9 期），2005 年12 月.8. 伍德里奇.计量经济学导论：现代观点M.中国人民大学出版社，2003年3月9. 郭敏华.信用评级M.中国人民大学出版社，2003.附录：各主要因素的分类标准因素分类标准专业财金、经管、国贸、会计、法学、材料、生科、土木、计算机、软件、医药等专业被归为热门专业，其他如国关、国政、行政、新闻、人文、教育、物理、化学、数学、电气、民族、语言、藏学、版画被归为冷门专业出生地所在区域东部地区：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；其他为西部省份。学习成绩根据问卷中的问题划分为五类前10%、11-25%、26-50%、51-75%、后25%。父亲职业类型中高级：单位或部门负责人（1）、高级专业人员（2）、中初级专业人员（3）；一般：一般管理人员及办事人员（4）、私营企业主（5）；普通：个体户（6）、工人（7）、农民（8）；其他：离退休人员（9）、下岗、内退或失业/半失业人员（10）、其他（11）。学校类型分综合、理工、农林、医药、师范、语言、财经政法、艺术、民族、工矿10类是否部属根据是否为教育部直属分成2类
