52教育分流体制与中国的教育分层(1978

  本文关键词：教育分流体制与中国的教育分层(1978-2008)，由笔耕文化传播整理发布。

社会学研究；高；⑶父母亲的教育程度；另外，为了检验优质教育机会的累积性优势效应（即较；（是=1，，否=0）；⒊控制变量；本研究的控制变量包括历史时期（笔者将1978-2；性=1）、民族（汉族=1）以及兄弟姐妹人数；（三）统计模型统计模型；由于本研究所有的因变量都是类别变量，而且都包括3；五、数据分析结果；（一）小学升初中的不同路径小学升初中的不同路径①；由于C

社会学研究

高。

⑶父母亲的教育程度。已有的研究表明，即使控制了父亲的职业地位变量，父母亲的教育程度对子女的教育获得仍有重要的影响作用（Shavit & Blossfeld，1993）。根据惯例，本研究使用父母双方中受教育程度较高者的受教育年限作为此变量的测量方式。

另外，为了检验优质教育机会的累积性优势效应（即较早的阶段如果获得重点学校的资格，那么后续的教育阶段也更可能获得优势的教育机会），本文的核心自变量还包括前一阶段是否就读于重点学校

①

（是=1，否=0）。

⒊控制变量

本研究的控制变量包括历史时期（笔者将1978-2008整个时期划分为三个阶段，分别为1978-1988、1989-1998和1999-2008，代表改革的三个10年，在统计模型中，1978-1988阶段为参照组。）、性别（男

②

性=1）、民族（汉族=1）以及兄弟姐妹人数。

（三）统计模型 统计模型

由于本研究所有的因变量都是类别变量，而且都包括3类，因此，笔者使用多元对数回归模型（multinomial logistic regression model）来进行统计估计。该模型可以被视作简单（二元）对数回归模型（binary logistic regression model）的扩展形式（Powers & Xie, 2000）。它是一个比较灵活的模型设定，可以通过改变因变量的参照组从而实现各组之间的相互比较。举个例子说明，就本研究而言，除了分别比较非重点学校组与未升学组以及重点学校组与未升学组之间的家庭背景差异之外，还可以直接检验重点组与非重点组之间的家庭背景差异。因此，无论从统计方法还是从研究的实质需要的角度考虑，该模型都是最佳的选择。

五、数据分析结果

（一）小学升初中的不同路径 小学升初中的不同路径 ①

由于CGSS2008没有收集小学阶段是否在重点学校就学的信息，因此这个变量仅在高中（包括普通高中、中专、职高和技工）阶段和大学（大专和本科）阶段的统计模型中进行估计。 ②

国内外已有的研究表明，兄弟姐妹人数是影响教育获得一个重要变量（Blake，1981；叶华、吴晓刚，2011；吴愈晓，2012；2013）

社会学研究

表2报告了小学升初中入学路径的模型估计结果。左列的模型比较的是进入非重点初中与未升学的情况，中间一列比较的是进入重点初中与未升学的情况，而右列的模型则是重点初中与非重点初中之间的直接比较。首先可以发现，与预期相一致，14岁以前主要居住地的户口级别越高，升学初中（无论非重点或是重点初中）的可能性越大。因为左边两列的模型显示，14岁以前主要居住地三个虚拟变量的回归系数都是正的而且显著，表明城镇地区的学生比农村地区的学生更可能升入非重点或重点初中；而且，居住地的级别越高，回归系数越大。其次，父亲的职业地位（14岁时父亲的ISEI）越高，子女升学初中（包括非重点和重点）的机会越大。其他因素保持不变，父亲的ISEI每增加10个单位，子女升学非重点初中和重点初中（相对于未升学而言）的几率分别增加30%（e0.260?1≈0.297，p < 0.001）和39%左右（e0.331?1≈0.392，p < 0.001）。另外，父母亲的受教育年限越高，子女升学初中（非重点或重点）的机会也越大。控制了其他因素，父母的受教育年限每增加一年，子女升学非重点初中的几率增加15%左右（e0.138?1≈0.148，p < 0.001），而升学重点初中的几率增加的幅度更大，约为23%（e0.208?1≈0.231，p < 0.001）。

表2 估计小学升初中教育分流的

multinomial logistic回归模型（1978-2008）

变量

非重点 VS. 未升学

历史时期 1989-1998年

a

重点 VS. 未升学 .815*** (.210) 1.057** (.329) .298 (.275) .245 (.174) -.204**

重点 VS. 非重点

.180 (.162) .239 (.214) -.752** (.232) -.321* (.136) -.113+

.635*** (.145)

1999-2008年 .818** (.265)

民族（汉族=1） 1.050*** (.182)

性别（男性=1） .566*** (.117)

兄弟姐妹数量 -.092**

社会学研究

b

(.035) (.065)

(.058)

14岁以前主要居住地 镇和县城

.588** (.184)

地级市

1.000*** (.259)

省会或直辖市

1.641*** (.358)

14岁时父亲ISEI （除以10） 父母亲受教育年限

.260*** (.060) .138*** (.016)

常数项

1.436*** (.247) 1.556*** (.319) 2.035*** (.414) .331*** (.070) .208*** (.025)

.848*** (.182) .556** (.203) .394+ (.224) .071+ (.040) .071*** (.020)

-1.410*** -3.972*** -2.562*** (.291)

(.447) 3054 -1791.45 .155

b

(.368)

N

Log-likelihood pseudo R

a2

注：⑴ 1978-1988年为参照组； 农村为参照组。⑵ + p < 0.10, * p < 0.05, ** p < 0.01, *** p < 0.001（双尾检验）。⑶括 号里的数字为标准误。

表2右列的模型显示了升学重点和非重点初中之间的比较结果。可以发现，家庭背景因素对升学非重点或重点初中的路径差异有显著的影响。具体表现为城镇居民、父亲的职业地位和父母亲平均受教育年限越高的居民，更可能上重点初中。首先，14岁居住地三个虚拟变量的回归系数都是正向而且显著，表明城镇或城市地区学生更可能上重点初中（相对于上非重点初中而言）。另外，其他因素保持不变，14岁时父亲的ISEI每增加10个单位，子女上重点初中（相对于非重点初中而言）的几率增加大约7%（e0.071?1≈0.074，p < 0.10）；父母亲的受教育年限增加1年，子女上重点初中（相对于非重点初中而言）的几率也增加大约7%（e0.071?1≈0.074，p < 0.001）。

表2的结果表明，在初中阶段，升学与否以及能否进入重点中学就读与家庭的社会经济地位是直接相关的。越高阶层的人不仅有更高的升学机会，而且有更好的受教育机会（进重点初中）。这里的结果

社会学研究

验证了假设1，亦与EMI的理论假定基本一致，即优势阶层在教育获得方面的优势不仅仅是数量上的，而且是质量上的。

（二）初中升高中的不同路径 初中升高中的不同路径

⒈重点Vs.非重点

表4a的模型反映的是重点与非重点高中路径选择的差异（目的为了检验重点学校制度对教育机会不平等的影响）。可以发现，左边两列“14岁以前主要居住地”三个虚拟变量的系数都是正的，而且在0.001的水平显著，表明城镇地区居民比农村居民更可能升学（非重点或重点）；另外，回归系数的大小与城市级别成正比，表明居住地的级别越高，获得高中（非重点或重点）阶段学习机会的可能性越大。如果直接比较上重点和非重点高中的情况（模型1的右列），结果非常有意思，（相对于上非重点高中而言）镇、县城和地级市居民上重点高中的几率与农村居民没有显著差异（镇和县城以及地级市两个虚拟变量系数不显著），而省会或直辖市居民升学重点的几率甚至比农村居民低。具体说来，控制了其他变量，直辖市居民上重点高中（相对于非重点高中而言）的几率比农村居民要低31%左右（1-e-0.370≈0.309，p < 0.10）。笔者认为这是一个选择性的过程，因为总体而言，农村户口的孩子更不可能升学高中，而成功升学并选择上高中的都应该是成绩比较优秀并有志于上大学的孩子，因此考进重点学校就读的可能性会比较大。亦即是说，大多数农村孩子要么不上高中，要么就上重点高中。而省会或直辖市地区的孩子高中升学率较高，大多数孩子都有机会上高中，但由于重点中学的数量毕竟较少，因此上重点中学的比例相对较低。正因为省会或直辖市地区和农村地区在这个选择性过程的差异，因此如果其他条件相同的情况下，对于所有成功升学的孩子而言，农村孩子上重点学校的几率更高。

表4a 估计初中升高中教育分流的multinomial logistic回归模型（一）

（1978-2008）

变量

非重点 VS. 未升学

模型1 重点 VS. 未升学

重点 VS. 非重点

非重点 VS. 未升学

模型2 重点 VS. 未升学

重点 VS. 非重点

社会学研究

历史时期 1989-1998年

a

.266* (.108)

.343* (.161) .675*** (.190) -.315 (.241) .175 (.127) -.212*** (.052)

.077 (.154) .183 (.175) -.600* (.234) -.095 (.119) -.067 (.051)

.265* (.108)

.361* (.173)

.096 (.169) .226 (.192) -.392 (.261) .052 (.131) -.033 (.055)

1999-2008年 .491*** (.137)

.491*** .717*** (.137) .299 (.194) .261** (.089) -.145*** (.032)

(.204) -.0935 (.261) .313* (.137) -.178** (.055)

民族（汉族=1） .284 (.193)

性别（男性=1） .270** (.089)

兄弟姐妹数量 -.145*** (.032)

14岁以前主要 居住地 镇和县城

b

.844*** (.118)

1.025*** (.169) 1.241*** (.186) 1.272*** (.224) .155*** (.039) .122*** (.018)

.181 (.163) .130 (.172) -.370+ (.195) .058+ (.035) .043* (.017)

.858*** (.118) 1.118*** (.135) 1.655*** (.160) .095** (.030) .081*** (.012) -.327 (.201)

.777*** (.182) 1.134*** (.199) 1.126*** (.239) .148*** (.042) .104*** (.019) 2.295*** (.186)

-.082 (.178) .016 (.187) -.529* (.214) .053 (.038) .023 (.019) 2.622*** (.170)

地级市 1.112*** (.135)

省会或直辖市 1.642*** (.160)

14岁时父亲ISEI（除以10） 父母亲受教育 年限 初中是否重点（是=1） 常数项

.097** (.030) .079*** (.012)

-1.731*** -2.945*** -1.214*** -1.742*** -3.464*** -1.722*** (.262)

(.363) 2908 -2513.28 .128

b

(.353) (.264) (.390) 2908 -2366.06 .179

(.386)

N

Log-likelihood pseudo R

a2

注：⑴ 1978-1988年为参照组； 农村为参照组。⑵+ p < 0.10, * p < 0.05, ** p < 0.01, *** p < 0.001（双尾检验）。⑶括号里的数字为标准误。

最新搜索

教育分流体制与中国的教育分层(1978-2008)

礼堂室内改造设计说明

司法行政信息化综合管理平台

育儿小细节

71学生代表发言

13尚书流传与研究史

反腐倡廉警示语

再制造监控系统研制与联调_图文

Fireworks新滤镜制作逼真下雨效果

50传染病模型中作图与计算

  本文关键词：教育分流体制与中国的教育分层(1978-2008)，由笔耕文化传播整理发布。