技术摘要：居住分层背景下的长期教育投资策略学习

问题陈述

由于学校准入往往由居住位置决定，因此有效且公平地分配公立学校投资具有复杂性。当高质量学校集中在特定社区时，旨在提高学校质量的政府投资可能会在无意中推高当地住房需求和价格。这种动态机制创造了一个反馈循环，即学校质量的改善可能会重塑入学人数和人口构成，从而可能限制低收入家庭的准入机会。

现有文献通常孤立地研究学校资助、家庭选择和住房市场，或者采用无法捕捉这些系统间相互关联且长期效应的静态模型。具体而言，目前在理解政府应如何在学校质量、居住分层、房价、入学率和教育准入随时间共同演化的过程中进行资源分配方面，仍存在研究空白。核心挑战在于家庭和住房市场对政策干预的内生响应，这些响应是逐渐展开并同时发生相互作用的。

研究方法

作者提出了一个动态多智能体框架，将政府投资、家庭分层、住房价格、人口更替、入学率以及不断演变的学校质量联系起来。该系统被建模为一个序列决策问题，其中政府作为规划者，而家庭作为响应经济和教育约束的智能体。

1. 环境与智能体

• 家庭： 被建模为异质性智能体，其类型由收入、父母受教育程度和儿童能力定义。他们根据平衡学校质量、住房成本、搬迁成本和社区环境的效用函数做出居住选择。家庭在六岁时进入学校系统，并在其选择的社区内停留固定时长。
• 学校： 被建模为教育生产组件。学校质量根据政府的人均学生投资和入学学生（平均能力）的组成情况进行更新。
• 住房市场：： 通过一种市场出清机制确定房价。空置房源通过人口更替释放。价格通过使预期需求（来自入学年龄段的搬迁者和迁入者）与可用供给相等来进行调整，并受到价格底线的约束。
• 政府： 政府观察系统状态（以总结性的学校质量、入住率和人口统计数据表示）并向各校分配固定的年度预算。它无法直接将家庭分配到特定学校。

2. 平衡计算（底层）

家庭分层被视为一个凸优化问题。在给定学校质量和住房价格的情况下，家庭选择社区以实现效用最大化。由此产生的住房单元需求以及通过匹配需求与空置房源来实现的住房市场出清，被表征为一个互补系统。作者证明了分层平衡对应于凸势函数的极小值点，并提供了一种高效的投影梯度下降算法（算法 1）来计算平衡价格和选择概率。

3. 学习分配策略（顶层）

政府的问题被表述为一个部分可观测马尔可夫决策过程 (POMDP)。

• 状态： 完整系统状态包括家庭微观状态，但政府仅观察总结后的状态（学校质量、入住率、平均收入/能力）。
• 动作： 跨学校的预算分配向量。
• 目标： 最大化折现的总福利，福利由基于阿特金森（Atkinson）风格的厌恶不平等函数定义的所获学校质量组成，同时惩罚分配份额的剧烈变化。
• 算法： 作者使用近端策略优化 (PPO) 来学习一种将观测结果映射到预算分配的策略。该策略通过狄利克雷分布（Dirichlet distribution）进行参数化，以确保满足预算约束。

核心贡献

1. 动态多智能体框架： 开发了一个计算框架，明确捕捉了教育—住房反馈循环，将政府投资、学校质量、家庭分层和教育准入统一在动态系统中。
2. 分层的凸性特征化： 将家庭分层表征为一个凸程序，并开发了高效算法来计算由此产生的平衡，从而能够将市场出清动态集成到强化学习（RL）循环中。
3. 基于强化学习的分配方法： 提供了一种方法，使政府规划者能够在存在延迟效应和内生家庭响应的情况下，学习多目标投资策略，平衡整体有效性和公平性。
4. 全面的模拟与分析： 通过广泛的模拟，将学习到的策略与代表性基准（等分分配、按入学人数比例分配和补偿性资助）进行对比，包括针对关键参数（不平等厌恶度、房价敏感性、选择随机性）的敏感性分析以及可扩展性评估。

结果

在涉及 12 个社区和 4 所学校的模拟中：

• 表现： 基于强化学习的策略 (PPO) 实现了最高的平均准入度 (0.4780) 和第二低的准入基尼系数 (0.0164)。
• 公平与效率的平衡： 该策略展示了良好的平衡能力，在实现高整体准入度的同时，保持了显著低于等分分配和补偿性资助策略的低不平等水平。人力资本产出与表现最好的基准策略相当。
• 社会经济分层： 虽然该策略改善了学校质量准入的整体分布，但并未消除家庭收入与学校质量之间的关联（收入-准入差距接近于零，但收入-质量的相关性依然存在）。这表明，仅仅实现学校质量的均等化可能无法完全消除维持基于收入差异的居住机制。
• 机制重要性： 消融实验表明，学生组成反馈（同伴效应）和内生房价形成都是至关重要的。移除价格形成机制会人为降低隔离指标，但却掩盖了对更好学校的需求如何影响居住成本这一渠道。
• 可扩展性： 增加社区数量会显著降低平均准入度，表明空间分散性对准入构成了挑战。相反，在不调整空间结构的情况下增加学校数量往往会增加不平等和隔离，这表明单纯扩大学校数量并不保证公平的结果。

意义与主张

本文声称，其框架为评估那些其有效性和分配后果会随家庭行为随时间演变的教育投资提供了计算基础。通过使教育—住房反馈显性化，该框架支持对学校投资如何塑造教育机会进行长期分析。

作者强调，其方法允许在设计政策时明确权衡有效性与公平性。他们认为，忽略住房市场和家庭分层的内生响应会导致次优或不公平的长期结果。结果表明，虽然基于强化学习的策略可以显著改善准入与公平之间的平衡，但它们是在现有的居住分层系统约束下运行的，在这种系统中，收入差异继续影响着准入模式。该框架被呈现为一种工具，用以支持未来那些可以将基于收入的公平性或住房准入更明确地纳入政策设计的评估工作。