如何使用
页面里有两万名虚拟学生，分布在三个资源层：城市高资源、普通县市、欠发达地区。每个学生有自己的当地师资、家庭社会经济地位、学习动机，以及一个代表天赋与既往接触的效率残差。所有情景共用同一批学生，所以情景之间的差别不是抽样噪声。
- 先看默认打开的情景 C（降低权重但保留）。 顶部的结论句会告诉你全国平均变化了多少，以及跌破基础线的比例变化了多少。两个数字的量级不一样，这是这个页面的全部起点。
- 往下看第一张图。 同一个政策拆到三层上：城市层几乎不动，欠发达层整段左移。平均值是这两件事加权之后的产物。
- 对照 C 和 D。 它们的学科权重和考试权重完全相同，只差师资保障一项。再对照 B 和 E，它们只差公共数字资源。这两组对照才是这个模型想回答的问题：不是「取消还是不取消」，而是「哪一组组合能降低考试压力而不让底部失去英语输入」。
- 然后拆你自己的结论。 下面五个滑块是这个模型里最不确定的五个量。点「乐观替代」，一次把「校外渠道更有效」「家庭会补回来」「老师一个不走」「考试压力本来就不重要」全部推到最有利的一端，看结论还在不在。
年数滑块改变的是到达速度，不是长期结果——长期结果由下面那个不动点公式直接决定。「重新抽样」换一批学生，用来看抽样误差有多小。
基础线也是一根滑块。 判定「跌破」的位置不该由写页面的人替你定死：挪动它，结论的方向不变，幅度会变很多。默认的 0.35 是按基线锚点定的，但你完全可以把它挪到别处再看一遍。
它展示了什么
一个学生的英语能力来自几条并行的通道：学校的课时与师资、家庭能提供的支持、校外市场和线上资源、以及他自己的投入。制度权重只是其中一条。所以「英语降级」这件事不会以同一个幅度落在每个人身上，它落下来的形状取决于剩下那几条通道各自还剩多少。
模型把这件事写成两条路径。学校供给下降是第一条：课时变少，而且在低资源地区，教师还会被调去别的学科——本地家长的保留压力越弱，调走得越彻底。考试激励下降是第二条：即使老师没减，投入也会掉，但掉多少因人而异，因为对一部分家庭来说英语的价值从来不只来自考试。
真正决定分配的是第三件事。学校退一步的时候，有能力的家庭会补一步，而补的量与本来就能触及的资源成正比：
$$A_i = capacity_i \times avail_i \times \big(1 + \rho \cdot \text{shortfall}_i\big)$$
capacity 是家庭和学生自己能投入的能力，avail 是当地能不能买到或连上，shortfall 是学校这一次实际少给的部分。前两者相乘，所以有钱但当地没有供给、有供给但家庭付不起注意力，都补不回来；而已经接近零的人，乘任何补偿系数还是零。补偿不会让任何人变强，它只让本来就够得着的人少损失一点。
补偿挂在实际损失的学校投入上，不是挂在「学科权重降了多少」上：一个学校本来就不提供英语输入的学生没有东西可以补回来，按权重记账会凭空发给他一笔补偿。
标定之后，默认假设、十年、两万名学生的结果是这样的：
| 情景 | 平均变化 | 全国跌破基础线 | 城市层 | 普通县市 | 欠发达层 |
|---|---|---|---|---|---|
| A 当前制度 | ±0.0 | 13.8% | 0.0% | 2.1% | 38.9% |
| B 完全取消主科 | −15.6 | 52.9% | 3.4% | 44.4% | 97.5% |
| C 降低权重但保留 | −7.0 | 30.0% | 0.3% | 11.9% | 74.6% |
| D 降低权重 + 师资保障 | −2.4 | 14.3% | 0.1% | 4.6% | 37.0% |
| E 非主科 + 全国数字英语 | −10.1 | 37.3% | 2.5% | 22.8% | 80.2% |
（单位：百分点。基础线定在能力 0.35。）
情景 C 让全国平均掉 7.0 个百分点，城市层跌破基础线的比例从 0.0% 变到 0.3%，欠发达层从 38.9% 变到 74.6%。只看第一个数字，这是一次温和的调整；只看最后一个数字，这是另一回事。
这里的机制要说准。各层的损失并不悬殊——城市层平均掉 5.2 个百分点，欠发达层掉 7.9 个。真正把跌破比例推上去的是起点位置：欠发达层里有三分之一的人本来就在基础线上方八个百分点以内。把全国平均那 7.0 个百分点均匀地加在每个人头上，不要任何差别化机制，欠发达层也会从 38.9% 升到 68.4%（模型实际值 74.6%）。所以这个结果约八成来自「谁本来就贴着线」，两成来自「谁损失得更多」。一个一视同仁的冲击，落在贴着阈值的群体身上，就足够让阈值指标爆掉。
C 和 D 的学科权重、考试权重完全相同，只差师资保障一项，欠发达层的结果是 74.6% 与 37.0%。B 和 E 只差公共数字资源，结果是 97.5% 与 80.2%——数字资源在普通县市救回了一大截（44.4% → 22.8%），在欠发达层却只挪动了十几个百分点，因为它只能改变「能不能连上」，不能改变「连上之后有没有人用得起来」。
最值得试的是「乐观替代」。把校外效率和家庭补偿都推满、把师资流失和考试激励归零之后，情景 B 的全国平均降幅从 15.6 个百分点收窄到 5.1 个百分点，但地区差距扩大了 10.4 个百分点，比默认假设下的 4.5 更大。相信市场能补上，并不能推翻分配结论，只会让平均值变得更没有信息量——因为替代得越好，得利的越是本来就能替代的人。
在这个极端设定下还会出现一个乍看像 bug 的现象：情景 D 和 E 的全国平均高于当前制度。它不是 bug，而是「乐观替代」这句话的字面含义——如果校外渠道真的比课堂更有效、家庭又真的补得上，那么对本来就补得上的那部分人，学校退出确实是净收益。平均值上升和底部恶化在这里同时发生，这正是只看平均值会漏掉的那种情况。
这个模型的边界
每一个系数都是设定的，不是估出来的。 这一点把这个项目和实验室里其他几个实验分开了：双缝、三扇门、麦克斯韦妖都有客观正确答案，模拟只是把已知的东西画出来。这里没有。基线那几个数字（城市层均值 0.64、欠发达层 0.38、全国 13.8% 在基础线以下）是按「城乡有明显落差、少数学生达不到基础交流水平」这个常识性印象设定的锚点，不对应任何一次真实测量。它不预测任何真实政策的后果。
师资流失那一条把结论的一半写进了假设。 让降级在低资源地区同时减课时和减教师，本身就倾向于产生这个结论。所以那根滑块可以拉到零。拉到零之后结论仍然成立，说明它主要来自替代能力的乘法结构，而不是这一条。
指标会饱和。 情景 B 下欠发达层跌破基础线的比例到 97.5%，已经贴着上限，这时它分辨不出更坏的情况了。饱和本身是个信号：那一档政策的量级超出了这个指标能分辨的范围，该改看均值和分位数。
基础线画在哪里会改变数字。 把它从 0.25 扫到 0.50，欠发达层跌破比例的增幅在 0.35 附近最大（+35.7 个百分点），0.25 处是 +20.3，0.50 处只有 +8.7。方向在每个位置都一样，幅度不是。这是所有阈值指标的共同性质，不是这个政策的性质——所以这条线做成了滑块，正文引用的数字你可以自己换掉。
「差距会扩大」是有条件的。 把五个假设铺成 405 组网格各跑一遍，「底部跌破基础线的比例上升」和「全国均值下降」在 810 次检验里没有例外；但「地区差距不缩小」只成立 596 次。反例集中在校外渠道效率为零、家庭补偿强度为零的格子里——校外根本没有东西可买时，降级伤害最大的反而是师资本来最好的地方。所以这是一个关于替代的结论，不是关于降级本身的结论。
欠发达层内部，家庭条件好并不能自保。 那一层最富的五分之一和最穷的五分之一损失几乎一样（7.97 对 7.63 个百分点），因为模型把「当地买不买得到」设成了地区属性。只有把公共数字资源推到高位（情景 E），这一层内部才出现家庭条件的梯度。这是模型的一个简化，也是它的一个可讨论主张。
这不是一般均衡。 家庭之间不竞争名额，培训市场的价格不随需求变化，教师不跨区流动，英语和其他学科不争夺同一段时间。这些都会改变结果的量级。
动力学里没有个体层面的随机冲击。 给定抽签，每个学生的轨迹是确定的；随机性只存在于抽出什么样的人群。这对分配问题够用，但模型回答不了「同一个学生的运气」这类问题。
十年是瞬态。 能力按饱和增长减线性遗忘更新，$E_{t+1} = E_t + \eta I (1-E_t) - \delta E_t$，长期解是闭式的 $E^{\ast} = \eta I / (\eta I + \delta)$。年数滑块展示的是到达速度，不是长期水平。
这个模型不会告诉你英语该不该做主科。它只能说明：在写明的假设下，谁得到什么、谁失去什么，以及是哪条机制造成了这个差别。
延伸阅读
- 配套文章：当一门学科不再被强制
- Cunha, F. & Heckman, J. (2007). The technology of skill formation. American Economic Review 97(2), 31–47.
- Epstein, J. M. (2008). Why model? Journal of Artificial Societies and Social Simulation 11(4), 12.
- Merton, R. K. (1968). The Matthew effect in science. Science 159(3810), 56–63.