Региональные различия в доступе к образовательным ресурсам, в академических результатах и в траекториях российских учащихся

Размещено на http://www.allbest.ru/

Региональные различия в доступе к образовательным ресурсам, в академических результатах и в траекториях российских учащихся

ЗАХАРОВ Андрей Борисович - кандидат педагогических наук, ведущий научный сотрудник, Национальный исследо вательский университет «Высшая школа экономики».

АДАМОВИЧ Ксения Александровна -

Масштабы и механизмы регионального неравенства в российском образовании малоизучены. В статье анализируются региональные различия в доступе к образовательным ресурсам и их связь, во-первых, с социальнодемографическими и экономическими характеристиками регионов, во-вторых, с долей учащихся, остающихся в старших классах, а также со средними в субъектах РФ результатами ЕГЭ по математике и русскому языку. Проверяется действие теорий эффективно и максимально поддерживаемого неравенства. Использованы данные регионов России за 2013-2015 гг., представленные в публикациях Росстата, федеральных и региональных образовательных ведомств. В анализе применяются оценка корреляций и линейная регрессия. Результаты показывают, что в более урбанизированных регионах с более высоким уровнем человеческого капитала и валового регионального продукта (ВРП) в среднем выше объём подушевого финансирования, более опытные учителя и выше доступность углублённого и (или) профильного обучения. В то же время степень урбанизированности и человеческий капитал положительно связаны с долей учащихся, остающихся в школе после 9-го класса. Наконец, результаты ЕГЭ положительно связаны с доступом к образовательным ресурсам. По обоим предметам средний балл экзамена выше в регионах с более высокой долей учащихся в школах соответствующего профиля, лицеях и гимназиях. По русскому языку результат ЕГЭ также связан с размером отсева учащихся после 9-го класса. В целом региональные различия в доступе к институциональным образовательным ресурсам накладываются на большое социально-экономическое неравенство, что создаёт ситуацию двойного выигрыша или проигрыша в доступе к ресурсам. Больший доступ к престижным образовательным ресурсам в регионах с большим человеческим капиталом подтверждает теорию эффективно поддерживаемого неравенства. Одновременно больший отсев учащихся после 9-го класса в регионах с меньшим человеческим капиталом подтверждает действие теории максимально поддерживаемого неравенства. Статья будет интересна всем, кто занимается проблемой образовательного неравенства и образовательной политикой.

Ключевые слова: школa; образовательное неравенство; территориальное неравенство; качество образования; образовательные траектории; ЕГЭ; образовательные ресурсы.

Введение

В последние 60 лет тема социального неравенства стала одной из ключевых для исследований образования. Начиная с 1990-х гг. благодаря появлению международных мониторингов основной акцент делается на сопоставлениях разных стран по уровню образовательных возможностей (см., например: [Evans, Kelley, Sikora 2014; Pena-Lopez 2016]). В частности, приобретают популярность рейтинги стран, посвящённые не только сопоставлениям средних показателей качества образования, но и неравенству доступа к образовательным ресурсам, а также академической и социальной сегрегации в школах [Chung 2017].

В то же время известно, что даже внутри отдельных стран, особенно отличающихся большой географической протяжённостью, различия в доступе к образовательным ресурсам и в результатах обучения могут быть значительными. Например, в США разница в баллах международного исследования PISA2-2015 между отдельными штатами эквивалентна нескольким годам обучения [Carnoy, Garcia, Khavenson 2015]. Аналогичные региональные различия зафиксированы в Италии, где в экономически развитых северных областях образовательные результаты значительно выше, чем на юге страны [Ballarino, Panichella, Triventi 2014]. В Турции разрыв в баллах PISA у учащихся из разных регионов лишь на 20-30% ниже, чем различия в баллах между странами [Tomul, Зelik 2009]. А в Великобритании негативный эффект от проживания в неблагополучных районах (безработица, высокая доля неполных семей и др.) на успеваемость учащихся сохраняется даже при контроле их индивидуальных, семейных и школьных характеристик [Garner, Raudenbush 1991].

Есть также несколько исследований, описывающих на российских данных отдельные аспекты регионального неравенства в образовательных ресурсах. Например, показано, что субъекты РФ значительно различаются в образовательной инфраструктуре [Заир-Бек, Беликов, Мерцалова 2016] и доступе семей к дошкольному и дополнительному образованию [Баринов et al. 2015; Агранович 2017]. Кроме того, за счёт региональных коэффициентов разница в зарплатах учителей и объёмах подушевого финансирования может достигать нескольких раз [Деркачев 2014; Абанкина et al. 2016].

Различия в доступе к образовательным ресурсам уже сами по себе могут быть связаны с академическими результатами [Hanushek 1997] и траекториями учащихся [Константиновский et al. 2011; Кузьмина, Тюменева 2011]. Однако исследования с оценкой этой связи, выполненные на большом количестве российских регионов, практически отсутствуют; есть, скорее, единичные публикации, посвящённые отдельным аспектам региональных различий. Например, было показано, что средние в регионах баллы ЕГЭ и уровень подушевого финансирования коррелируют слабо, при этом выделяются территории с разной степенью эффективности вложений в школьное образование [Баринов, Беликов, Полякова 2016]. Однако в упомянутой работе не учитываются социальные и экономические характеристики регионов. Есть также отдельные публикации, выполненные на материале небольшого количества субъектов РФ, где показано, что связь ЕГЭ со школьным финансированием опосредована характеристиками школ и при анализе этой связи нужно учитывать контекст [Агранович 2008]. Наконец, более распространены исследования связи образовательных ресурсов в виде опыта учителей или программ обучения с результатами учащихся, которые не показывают - в силу ограничений выборки и задач - масштаба региональных различий [Пинская, Косарецкий, Фрумин 2011; Zakharov, Carnoy, Loyalka 2014; Carnoy et al. 2016; Yastrebov, Kosyakova, Kurakin 2018]. В целом на сегодняшний день всё ещё мало известно, как социально-экономическое неравенство и различия в образовательных ресурсах между регионами обусловливают шансы российских учащихся на доступ к качественному образованию и повышение образовательных результатов.

К отмеченным ограничениям работ, выполненных на российских данных, можно также отнести отсутствие попыток соотнесения полученных результатов с имеющимися теориями. Известны разные подходы к объяснению механизмов образовательного неравенства. Например, согласно теории максимально поддерживаемого неравенства (Maximally Maintained Inequality) различия в доступе к образованию на определённой ступени сохраняются до тех пор, пока существует конкурс на его получение. В таких условиях первыми этот доступ получают дети из наиболее социально и экономически благополучных семей. Когда количество вакантных мест на этой ступени достигает такого числа, что начинает соответствовать размеру возрастной когорты, неравенство переходит на следующую, более высокую ступень образования [Raftery, Hout 1993]. Эта концепция дополняется теорией эффективно поддерживаемого неравенства (Effectively Maintained Inequality), согласно которой при формальной всеобщей доступности конкретного уровня образования сохраняются качественные различия того или иного уровня, например, в школьных программах [Lucas 2001]. Иными словами, неравенство не исчезает, но преобразуется.

В России действие указанных теорий проверялось на индивидуальных данных. В частности, показано, что выбор между колледжем и вузом во многом определяется социально-экономическим статусом семьи учащегося даже при учёте в анализе его успеваемости в старших классах и результатов ЕГЭ [Хавенсон, Чиркина 2018]. Проверки этих теорий на региональных данных не было.

Наша работа дополняет имеющуюся дискуссию о региональном неравенстве в образовании. Во-первых, мы проводим анализ связи образовательных ресурсов и результатов на данных одной когорты учащихся с охватом большего, чем ранее, количества российских регионов. Во-вторых, сделана попытка проверить действие теорий максимально и эффективно поддерживаемого неравенства на региональных данных.

Исследовательские вопросы и гипотезы

В нашей статье ставятся следующие исследовательские вопросы:

— Как соотносятся региональные различия в социально-демографических и экономических характеристиках с доступом к образовательным ресурсам?

— Как региональные характеристики (социально-демографические и экономические показатели, а также особенности образовательных систем) связаны с долей учащихся, поступивших в старшую школу по окончании 9-го класса (выбравших академическую траекторию)?

- Как связаны указанные характеристики со средними в регионах образовательными результатами учащихся по окончании 11-го класса?

Наши предположения состоят в том, что урбанизированные, экономически развитые регионы с большим человеческим капиталом отличаются высокой концентрацией образовательных ресурсов. В свою очередь, доступ к ресурсам положительно связан с долей учащихся, выбирающих после 9-го класса академическую траекторию, а также с образовательными результатами по окончании 11-го класса. В случае положительной связи образовательных ресурсов одновременно как с социально-демографическими и экономическими условиями, так и с результатами учащихся будет проявляться действие теории эффективно поддерживаемого неравенства. Положительная связь социально-демографических и экономических показателей регионов с долей учащихся, выбравших академическую траекторию после 9-го класса, говорит о действии теории максимально поддерживаемого неравенства.

Использованные данные и дизайн исследования

Данные

В соответствии с исследовательскими вопросами была собрана база данных, включающая агрегированные на уровне регионов показатели образовательных результатов ЕГЭ Поскольку в России индивидуальные результаты ЕГЭ не публикуются в открытом доступе, в анализе использовались данные о средних результатах на уровне регионов. и траекторий учащихся, социально-экономические и демографические характеристики субъектов РФ, а также данные о финансировании общего образования и особенностях региональных образовательных систем в 2013-2015 гг. Данные были собраны из открытых источников - с сайтов и из публикаций Федеральной службы государственной статистики, Министерства образования и науки РФ и региональных образовательных ведомств.

Временной период (2013-2015 гг.) обусловлен длительностью обучения на старшей ступени российской школы. Мы анализировали данные когорты учащихся, окончивших основное общее образование в 2013 г. Представители этой когорты, выбравшие академическую траекторию (10-11-е классы), завершили в 2015 г. обучение в школе и сдавали ЕГЭ по двум обязательным предметам - по русскому языку и математике.

С учётом доступности данных в рассматриваемый период и особенностей самих регионов некоторые субъекты РФ были исключены из анализа. Так, результаты экзамена по профильной математике в 2015 г. были доступны в 68 регионах, по русскому языку - в 73 (эти регионы показаны на рисунках П.2 и П.3). Кроме того, из анализа исключены субъекты РФ с нетипичными значениями социальноэкономических показателей В силу своей социально-экономической и географической специфики из регрессионного анализа исключены Ханты- Мансийский, Чукотский, Ямало-Ненецкий и Ненецкий автономные округа, Республика Саха, Магаданская область и Камчатский край. Например, уровень подушевого финансирования в 2015 г., скорректированного с учётом индекса по-требительских цен, в этих регионах превышал 2,2 стандартного отклонения. или с необычно низкими результатами ЕГЭ Из анализа связи образовательных ресурсов с баллами ЕГЭ по русскому языку исключены Дагестан и Ингушетия, где средние баллы по этому предмету выходили за пределы 3,5 стандартного отклонения.. В итоге анализ связи образовательных ресурсов с баллами ЕГЭ проведён на данных 63 регионов для математики и 64 регионов для русского языка. Связь региональных характеристик с долей выпускников 9-го класса, выбравших академическую траекторию, оценивалась на данных 76 регионов.

Ключевые переменные

Выбор академической траектории показан через долю учащихся, окончивших 11-й класс, от выпуска 9-го класса в той же когорте. Этот показатель рассчитан на основе сопоставления данных Росстата о выпуске из общеобразовательных организаций в российских регионах в 2013 и 2015 гг.

Средние баллы ЕГЭ по профильной математике и русскому языку в субъектах РФ взяты из официальных отчётов региональных ведомств и центров оценки качества образования. Эти данные прошли, где это было возможно, дополнительную кросс-валидацию. Для задач анализа шкалы ЕГЭ были стандартизированы (со средним значением, равным 0, и стандартным отклонением, равным 1)6.

В числе показателей образовательных ресурсов мы использовали объём подушевого финансирования общего образования в регионах в 2013 и 2015 гг., характеристики профессионального опыта учителей и образовательных программ, а также численность средних специальных учебных заведений (ссузов) в регионах в 2013 г. Подушевое финансирование было скорректировано на индекс потребительских цен. Значения показателя в 2015 г. были приведены к ценам 2013 г. Показатель был логарифмирован. Для операционализации профессионального опыта педагогов мы использовали доли учителей моложе 30 лет (2013 г.), со стажем преподавания менее 5 лет (2015 г.), а также с высшей категорией (2013 и 2015 гг.). Образовательные программы описывались через профильное и (или) углублённое обучение. Эта информация была доступна только для 2015 г. Мы использовали в анализе доли учащихся

9- 11-х классов в лицеях и гимназиях, в школах с углублённым преподаванием математики и (или) гуманитарных предметов7, а также в классах с математическим и (или) гуманитарным профилем в обычных школах8. Для 2013 г. были собраны данные об учителях в основной школе в целом; источником информации стал Комплексный проект модернизации образования (КПМО). В 2015 г. данные об учителях и образовательных программах характеризуют старшие классы школы и собраны в статистических отчётах Минобрнауки. Информация о численности ссузов в регионах была получена из региональных сборников Росстата.

Помимо этого, мы использовали опубликованные Росстатом показатели регионов, отражающие уровень урбанизированности территории (доля городского населения), человеческий капитал (процент населения с высшим образованием), языковой капитал (доля русскоязычного населения), а также уровень экономического развития (ВПР на душу населения). Использованы значения указанных показателей за 2013 и 2015 гг., кроме данных об образовании населения и доли русскоязычного населения9. Уровень ВРП скорректирован с учётом индекса потребительских цен (показатель за 2015 г. приведён к ценам 2013 г.) и логарифмирован.

Описательная статистика

Российские регионы значительно различаются по своим социально-демографическим и экономическим характеристикам (см. таблицу П.1). В частности, доля населения старше 15 лет с оконченным.

Ранее исследователи справедливо указывали на невозможность сопоставления «сырых» баллов ЕГЭ по разным предметам (см., например: [Агранович 2008; Боченков, Вальдман 2013]).

К школам с профильным преподаванием гуманитарных предметов Минобрнауки относит школы с углублённым изучением иностранных языков. К математическим мы отнесли школы с углублённым преподаванием естественно-научных и технических предметов.

Основываясь на количестве часов на русский язык и математику, заложенном в типовых учебных планах, мы рассчитали отдельно суммарную долю учащихся, занимавшихся в классах с социально-гуманитарным и филологическим профилями, и отдельно суммарную долю обучавшихся по физико-математическому, физико-техническому и технологическому профилям.

Учитывается население старше 15 лет. Показатели взяты из Всероссийской переписи населения 2010 г.

высшим образованием варьирует от 47,8 (Москва) до 22,1% (Чеченская Республика). Доля городского населения в наименее (Республика Алтай) и наиболее (Санкт-Петербург) урбанизированных регионах составила в 2015 г. соответственно 29 и 100%. Ещё больше варьирует в субъектах РФ процент русскоязычного населения. При медиане в 73,4% этот показатель составляет от 0,8 в национальных регионах Северного Кавказа до 94,7% в областях центральной части страны. Большие региональные различия наблюдаются и по экономическим показателям. При этом разрыв в ВРП на душу населения между регионами нижнего и верхнего децилей в 2013-2015 гг. даже увеличился за счёт роста объёма ВРП в верхнем дециле. В итоге в 2015 г. ВРП на душу населения в 10% наиболее богатых регионов был почти в 4,5 раза выше, чем в 10% наиболее бедных регионов.

Доступ к образовательным ресурсам зависит от их типа. Соответственно ВРП, финансирование общего образования на душу учащегося в регионах верхнего дециля (114 тыс. руб.) в 2015 г. почти в три раза больше по сравнению с регионами нижнего дециля (40,4 тыс. руб.). По сравнению с 2013 г., при общем снижении объёмов финансирования, скорректированного с учётом индекса потребительских цен, размер регионального неравенства по этому показателю не уменьшается.

Если говорить о показателях профессионального опыта, региональные различия в стаже работы учителей выражены слабее по сравнению с квалификационной категорией. Так, в 2015 г. в 50% регионов доля учителей старших классов со стажем до 5 лет составляет 6,1-10% по математике и 7,1-10,3 % по русскому языку. В том же году в половине регионов доля учителей старших классов с высшей категорией варьирует в пределах 23,7-36,3% по русскому языку и 17,1-33,2% по математике.

Аналогичным образом размер региональных различий в доступе к образовательным программам определяется типом организации профильного и (или) углублённого обучения. По доле учащихся старших классов в профильных школах, а также в лицеях и гимназиях различия между регионами минимальны. В любом регионе таких школ по каждому из анализируемых нами профилей не более 10%. В то же время реализация углублённого обучения через открытие профильных классов на старшей ступени школы получила достаточно широкое распространение. Появляются регионы (Ивановская, Мурманская, Кемеровская области), где в таких классах обучается больше 25% учащихся.

Гетерогенность в отсеве учащихся после 9-го класса и образовательных результатах по окончании школы также достаточно большая (см. рис. П.1). В среднем доля девятиклассников, выбравших академическую траекторию, в наблюдаемых 75 регионах составила 50,0%. Нижний дециль в основном представлен регионами юга России, а также Ленинградской и Оренбургской областями. В трёх регионах (Чеченская Республика, Оренбургская и Астраханская области) отсев учащихся после 9-го класса достигает 60% и выше. География верхнего дециля более разнообразна. В четырёх регионах (Москва, Санкт-Петербург, Калмыкия и Тыва) доля девятиклассников, выбравших академическую траекторию, превысила 60%, соответственно, отсев после 9-го класса составил менее 40%.

Средние в регионах баллы ЕГЭ свидетельствуют о том, что в целом трудность экзамена по математике ожидаемо выше. При этом дисперсия результатов по русскому языку больше, если учитывать республики Северного Кавказа с нетипично низкими средними баллами по этому предмету. Без учёта этих регионов баллы по русскому языку более гомогенно (плотно) распределены вокруг среднего, чем по профильной математике. Это ещё раз подтверждает тезис о более высокой сложности для учащихся экзамена по математике. Подробнее географическое распределение средних в регионах баллов по указанным предметам мы приводим на картах (см. рис. П.2, П.3).

Методы анализа

В соответствии с исследовательскими вопросами анализ проходил в три этапа. На первом этапе показано, как доступ учащихся к образовательным ресурсам связан с социально-демографическими и экономическими показателями регионов. Для этого использован корреляционный анализ (корреляция Пирсона).

Y = Я0 + Я.Fin + ЯEdRes. + ЯEcSoc . + Я4VocSc. + e.

где і - регион;

Y - доля выпускников 9-го класса, выбравших академическую траекторию;

Fin . - логарифм объёма подушевого финансирования;

EdRes - вектор характеристик образовательных ресурсов;

EcSoc - вектор социально-демографических и экономических характеристик регионов;

VocSc . число ссузов в регионе в 2012/2013 учебном году;

e - ошибка;

Я0, Яj, Я2, Я3, Я4 - регрессионные коэффициенты.

Чтобы показать, как при изменении состава ковариатов меняется связь образовательных ресурсов с долей учащихся, выбравших академическую траекторию, анализ выполнен с пошаговым добавлением переменных и векторов переменных. В первой модели зависимая переменная регрессировалась только на показателе подушевого финансирования. Во второй модели в число предикторов дополнительно вошли другие характеристики образовательных ресурсов. В последующих трёх моделях к указанным предикторам по отдельности добавлялся один из социально-демографических и экономических показателей регионов, а в шестой модели - число учреждений среднего профессионального образования (СПО). Все предикторы, представленные в уравнении (1), использованы в завершающей - седьмой - модели.

На третьем этапе для оценки связи региональных характеристик с результатами учащихся после 11-го класса (в 2015 г.) также использовался регрессионный анализ (метод наименьших квадратов):

Es = Y0 + bFin'1 + YEdReS\s + l3TraCk'i + П4EcSOC'i + <s , 1 = 1,..'N (2)

где s - предмет (математика или русский язык);

Y'. - средние в регионах баллы ЕГЭ по русскому языку и по профильной математике; Fin'. - логарифм объёма подушевого финансирования;

EdRes'is - вектор характеристик образовательных ресурсов в регионах;

Track'. - доля учащихся 11-х классов от числа выпуска 9-х классов в той же когорте; EcSoc'- вектор социально-демографических и экономических характеристик регионов; e'is - ошибка;

Y0, Yj, y2, Y3, Y4 - регрессионные коэффициенты.

Как и ранее, анализ проведён с пошаговым добавлением переменных и векторов переменных. Порядок добавления предикторов соответствует порядку их следования в уравнении (2). На каждом следующем шаге сохранялись предикторы предыдущих шагов. Наиболее полная - четвёртая - модель представлена уравнением (2).

Чтобы учесть возможный нелинейный характер связи образовательных ресурсов с долей учащихся, выбравших академическую траекторию после 9-го класса, и с результатами ЕГЭ, мы выполнили соответствующие проверки. Анализ не показал значимой нелинейной связи предикторов с зависимыми переменными Результаты проверок не приводятся из соображений краткости описания..

Доступные нам данные и использованные методы накладывают ряд ограничений на интерпретацию результатов. Во-первых, проведённый анализ не учитывает дисперсию показателей внутри регионов. В то же время неравенство внутри субъектов РФ может превышать межрегиональные различия. Во-вторых, анализ, проведённый в соответствии с поставленными задачами, не позволяет говорить о причинно-следственной связи между выбранными показателями. Чтобы уменьшить проблему эндогенности, мы контролировали ряд важных социально-экономических характеристик регионов.

Результаты анализа

Связь региональных различий в социально-демографических и экономических характеристиках с доступом к образовательным ресурсам

Мы предполагаем, что неравенство доступа к образовательным ресурсам в виде финансирования, профессионального опыта учителей и программ обучения повышенного уровня будет накладываться на социально-демографические и экономические различия между регионами. Вполне логично, что регионы с более высоким уровнем ВРП, как правило, характеризуются большим уровнем урбанизиро- ванности и человеческого капитала (долей населения с высшим образованием) Корреляция этих показателей не приводится из соображений краткости.. Из таблицы 1 видно, что в субъектах РФ с высоким ВРП также больше процент учащихся старших классов в профильных гуманитарных и математических школах и в профильных математических классах обычных школ.

Доля населения с высшим образованием положительно связана с процентом учащихся в школах повышенного статуса (лицеи и гимназии) и профильных гуманитарных школах. Из учительских характеристик положительная значимая связь наблюдается с долей учителей с высшей категорией, а отрицательная - с долей учителей русского языка со стажем менее 5 лет в 2015 г. Связь с процентом молодых учителей в 2013 г. и долей учителей математики старших классов с небольшим стажем в 2015 г. отрицательная, но не значимая. В целом общая тенденция такова: в регионах с большим человеческим капиталом выше процент более опытных учителей.

В более урбанизированных регионах больше учащихся старших классов, занимающихся в профильных гуманитарных школах, а также в математических школах и классах. Связь с характеристиками учителей с небольшими отличиями повторяет тенденцию, описанную выше: рост урбанизированности регионов сопровождается снижением доли менее опытных учителей.

Таблица 1

Связь социально-демографических и экономических показателей с образовательными характеристиками регионов. 2015 г. (корреляции Пирсона, N = 76)

Примечание: уровень значимости корреляционной связи *** p < 0,01; ** p < 0,05; * p < 0,1.

Процент русскоязычного населения в регионе положительно связан с долей учащихся в профильных математических классах. Примечательно, что остальные показатели углублённого обучения не обнаружили значимой связи. Иными словами, региональные различия по языковому признаку в наименьшей степени определяют распределение программ углублённого обучения. При этом сохраняется отрицательная связь с процентом учителей с небольшим стажем (как в 2013 г., так и в 2015 г.).

Уровень подушевого финансирования общего образования, как и количество ссузов в 2012/2013 учебном году, положительно связан с каждой из социально-демографических и экономических характеристик регионов. Наблюдаемая связь статистически значима.

В целом проживание в регионе с лучшими человеческими и экономическими ресурсами в то же время означает больший доступ к ресурсам образовательным.

Связь региональных различий в социально-демографических и экономических показателях и доступе к образовательным ресурсам с траекторией учащихся после 9-го класса

В таблице 2 показана связь региональных характеристик с долей учащихся, сдававших ЕГЭ в 2015 г., из числа окончивших 9-й класс двумя годами ранее. Из доступных показателей ресурсов значимая связь наблюдается только у размера подушевого финансирования общего образования. Связь положительная, но слабая: увеличение объёма финансирования на 10% сопровождается ростом доли учащихся, выбравших академическую траекторию после 9-го класса, всего на 0,28-0,48%. При этом связь теряет значимость при контроле доли городского населения. Показатели профессионального опыта учителей значимо не связаны с долей учащихся, сдававших ЕГЭ. Можно было предположить, что значимую отрицательную связь покажет доступность мест в системе профессионального образования - число ссузов в регионе. Однако эта гипотеза также не подтвердилась.

Из социально-демографических характеристик регионов с долей учащихся, остающихся в старших классах школ, статистически значимо связаны процент городского населения и процент населения с высшим образованием. В более урбанизированных регионах и регионах с большим человеческим капиталом в школах ниже отсев учащихся после 9-го класса.

В целом рассмотренные образовательные и социально-демографические показатели объясняют региональные различия в сохранении контингента учащихся в образовательной траектории после 9-го класса на 40%. При этом «объясняющая способность» подушевого финансирования и характеристик учителей относительно небольшая - всего 10% дисперсии. Наибольший вклад в объяснение доли детей, оставшихся в 11-м классе, вносит показатель человеческого капитала региона - процент населения с высшим образованием. Она добавляет к доле дисперсии, объяснённой образовательными ресурсами, ещё 21%.

Таблица 2

Связь региональных характеристик с долей учащихся, выбравших академическую

Таблица П.1

Описательная статистика3

Абанкина И. В. et al. 2016. Анализ нормативного подушевого финансирования общего образования в субъектах Российской Федерации. М.: Изд. дом ВШЭ.

Агранович М. Л. 2008. Индикаторы в управлении образованием: что показывают и куда ведут? Вопросы образования. 1: 120-146.

Агранович М. Л. 2017. Индикаторы достижения целей устойчивого развития в сфере образования и национальная образовательная политика. Вопросы образования. 4: 242-265.

Баринов С. Л. et al. 2015. Дополнительное образование в субъектах РФ: типы региональных ситуаций. Факты образования. 1.

Баринов С. Л., Беликов А. А., Полякова Я. 2016. Соотношение образовательных результатов и финансирования образования в субъектах РФ. В кн.: XVI Апрельская международная научная конференция по проблемам развития экономики и общества: в 4 кн. Кн. 4. М.: Изд. дом ВШЭ; 11-22.

Бессуднов А. Р., Малик В. М. 2016. Социально-экономическое и гендерное неравенство при выборе образовательной траектории после окончания 9-го класса средней школы. Вопросы образования. 1: 135-167.

Боченков С. А., Вальдман И. А. 2013. Интерпретация и представление результатов ЕГЭ: проблемы и возможные решения. Вопросы образования. 3: 5-28.

Деркачев П. В. 2014. Межрегиональные различия в решении задачи повышения заработной платы педагогических работников. Вопросы образования. 4: 128-148.

Заир-Бек С. И., Беликов А. А., Мерцалова Т А. 2016. Индекс образовательной инфраструктуры субъектов Российской Федерации в 2014 г. Факты образования. Спецвыпуск. 1.

Константиновский Д. Л. et al. 2011. Образование и жизненные траектории молодёжи: 1998-2008 годы. М.: Центр социального прогнозирования и маркетинга.

Кузьмина Ю. В., Тюменева Ю. А. 2011. Читательская грамотность 15-летних школьников: значимость семейных, индивидуальных и школьных характеристик (по данным российской выборки PISA- 2009). Вопросы образования. 3: 164-191.

Пинская М. А., Косарецкий С. Г., Фрумин И. Д. 2011. Школы, эффективно работающие в сложных социальных контекстах. Вопросы образования. 4: 148-177.

Хавенсон Т Е., Чиркина Т. А. 2018. Эффективно поддерживаемое неравенство. Выбор образовательной траектории после 11-го класса школы в России. Экономическая социология. 19 (5): 66-89. URL: https://ecsoc.hse.ru/2018-19-5.html

Ястребов Г. А. 2010. Инвестиции в человеческий капитал (Эффект культурной преемственности vs эффект дохода). Общественные науки и современность. 2: 70-77.

Ballarino G., Panichella N., Triventi M. 2014. School Expansion and Uneven Modernization. Comparing Educational Inequality in Northern and Southern Italy. Research in Social Stratification and Mobility. 36: 69-86.

Carnoy M., Garcia E., Khavenson T. 2015. Bringing it Back Home: Why State Comparisons are More Useful than International Comparisons for Improving US Education Policy. Economic Policy Institute. Report. 30 October. EPI Briefing Paper. 410.

Carnoy M. et al. 2016. Revisiting the Relationship between International Assessment Outcomes and Educational Production: Evidence from a Longitudinal PISA-TIMSS Sample. American Educational Research Journal. 53 (4): 1054-1085.

Chung J. E. 2017. Educational Opportunity for All: Overcoming Inequality throughout the Life Course. Educational Research and Innovation. Paris: OECD Publishing.

Duncan G. J., Murnane R. J. (eds) 2011. Whither Opportunity? Rising Inequality, Schools, and Children 's Life Chances. New York: Russell Sage Foundation.

Evans M. D., Kelley J.,...