家庭结构对青少年学业能力影响的实证研究——基于国际学生评估项目(PISA2012)上海数据的分析，本文主要内容关键词为：上海论文,学业论文,青少年论文,能力论文,结构论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
本刊网址·在线杂志：www.jhlt.net.cn 中图分类号：C913.11 文献标志码：A 文章编号：1001-862X(2015)04-0182-007 一、引言 国际学生评估项目简称为PISA(Programme for International Student Assessment)，它是由经济合作与发展组织(Organization for Economic Cooperation and Development，简称OECD)领导的学生能力国际评估项目。OECD秉持的信念是“今天的教育即明天的经济”。出于对发达国家基础教育质量的反思，为了进一步改善教育政策，OECD于2000年正式实施了跨国学生评估，之后每隔三年评估一次。PISA项目所针对的是未来社会青年，他们在即将结束基础教育前，应已具备相关解决问题的基本能力，这是基础教育的核心目标。因此，PISA项目并不以单纯的书本知识为核心，而是着重研究全球基础教育末期15岁青少年在个人、工作和社会生活中能够运用已学知识和技能态度去解决相关问题的能力(张民选等，2011)。除此以外，PISA学生问卷还涉及诸多关于教育分层的分析变量，因此方便研究者了解全球基础教育的公平性。 2009年中国上海地区15岁青少年学生首次参与PISA全球测试评估(陆璟，2009)。令人惊喜的是，2009年上海地区学生在三项测试(数学、阅读、科学)均斩获冠军，引起了全球基础教育研究和社会人士的大讨论。从2000年至2006年期间，芬兰作为西方国家高质量基础教育的代表一直是学习的榜样，一直被誉为世界基础教育体系最好的国家(Sahlberg，2011)。然而，上海学生的优秀表现打破了西方人所持有的刻板印象，甚至有学者认为，这是全球基础教育方向标从西方芬兰转向东方上海的转折点，标志着亚洲世纪的形成(Sellar and Bob，2013)。2012年PISA测试结果再一次展现了上海学生的优异表现。 青少年的学习生活中除了学校以外，家庭是青少年最密切相关的场所。家庭作为代际文化资本与经济资本等传递的主要媒介，其本身的家庭结构对青少年的学业能力表现也值得认真探讨。本文的研究目的是利用上海2012年的PISA数据来探讨家庭结构对学生学业能力影响的情况。研究发现独生子女家庭与非独生子女家庭结构以及母亲是否缺失对青少年学业能力影响较大。 二、文献综述 科尔曼很早就指出学生的学业表现和家庭背景有着极大的关系(Coleman et al.，1966)，此后这一观点被众多的实证研究印证。国内学者对教育分层研究也大都基于父代社会经济背景，阶层差异会导致代际教育资源差异的理论假设。 作为本文重点讨论的家庭结构因素，以往的文献也多有涉及。单亲家庭的学生往往在学校测试中处于劣势(Downey，1994；Rodgers and Rose，2001)。在核心家庭中，单亲家庭对儿童教育的获得负面影响较大(刘精明，2008)。2009年PISA上海数据显示，单亲家庭学生数学成绩显著低于双亲家庭学生(侯玉娜、沈爱祥，2014)。除此以外，研究表明离异家庭的子女学业表现要比非离异家庭子女差(Dronkers，1999)。父亲缺失的家庭子女学业表现比有父亲的家庭要差，并且缺失父亲的家庭对男孩子的负面影响高于女孩子(Sigle-Rushton and McLanahan，2004)。Downey(1994)研究指出尽管单亲父亲家庭的孩子比单亲母亲的家庭孩子要有更多的经济资源，但单亲母亲比单亲父亲更能够给孩子提供人际关系资源(interpersonal resources)，单亲父亲家庭的孩子学业表现并没有比单亲母亲家庭要好。Ruben Anguiano(2004)区分了双亲家庭(Two-parent households)、双亲联合家庭(extended two-parent households)、单亲联合家庭(extended family households)，并论证了双亲家庭对学生完成高中学业起到显著性积极影响。Holly Heard(2007)将家庭结构分为亲生父母家庭，亲生母亲及继父家庭，亲生父亲及继母家庭，单亲母亲家庭，单亲父亲家庭，无父母家庭，并指出种族差异对家庭结构的影响有所作用，单亲母亲家庭结构对黑人青少年的学习成绩负面影响相对较弱，无父无母家庭结构对西班牙青少年的学习成绩负面影响相对较弱。Judith Blake(1981)研究了家庭子女数量对子女教育质量的影响，指出家庭子女数越多反而不利于子女的教育发展，并在此基础上提出了资源稀释理论假设。中国社会中，家庭同胞数量对儿童教育机会的影响总体是负面的(刘精明，2008)。Lu Yao和Donald Treiman(2008)在中国的历史背景下分析了家庭子女数量与教育获得的关系，指出当教育机会减少和需要竞争时，大家庭的孩子(尤其是女孩)获得教育的机会会减少；当教育扩张并且教育费用相对便宜时，家庭子女数越多的负效应就消失了。不论在什么历史时期(前社会主义，社会主义初期，“文革”时期，改革开放时期)，男孩的受教育机会都不受家庭子女数的影响。女孩子的受教育机会在教育资源稀缺时受到家庭子女数的负面影响，但这种负效应在“文革”时期由于倡导平等主义消失了(Lu & Treiman，2008)。兄弟姐妹数量越多，尤其当她们有兄弟的情况下，女孩子受教育的时间相对男孩子要少(叶华、吴晓刚，2011)。 总的来看，对家庭结构对子女教育的影响分析基本分为三大类别，一类是关注单亲和双亲家庭对子女的影响，一类是家庭兄弟姐妹的数量对子女教育的影响，还有一类就是关心父母离异的家庭对孩子的负面学业影响。这些研究要么是单方面的关注到独生子女与非独生子女的差异，要么是单方面的关注父母缺失情况对学生的影响，均未能综合考虑到独生子女与非独生子女家庭中父母缺失情况的交叉影响关系。这将是本文的研究重点与突破点。 三、研究假设、数据和变量处理 非独生子女家庭具体可以分为两类，一类是家里仅有兄弟或者姐妹的非独生子女家庭（简称非独【Ⅰ】），另一类是既有兄弟又有姐妹的非独生子女家庭（简称非独【Ⅱ】）。父母、祖父母是否缺失将嵌套在独生子女家庭和非独生子女家庭结构中讨论。本文利用2012年上海市PISA原始数据，在控制父辈教育水平、职业地位、家庭物质条件后，对上海市15岁青少年的学业表现进行分析，以此希望进一步了解家庭结构中父母、兄弟姐妹、祖父母及其他家人与青少年共同生活对他们学业能力的影响。本文的具体假设如下： 假设1：在家里与父亲一起生活对学业能力有显著影响； 假设2：在家里与母亲一起生活对学业能力有显著影响； 假设3：在家里与兄弟一起生活对学业能力有显著影响； 假设4：在家里与姐妹一起生活对学业能力有显著影响； 假设5：在家里与祖父母一起生活对学业能力有显著影响。 本文所利用的数据是来自OECD2012年PISA上海市原始数据中的学生问卷。该问卷收集了参加测试的学生相关背景信息和测试结果。2012年上海市共有155所学校的6374名15岁学生实际参加PISA测试(田凌晖，2014)，整理发布的PISA2012数据中上海市样本量为5177名。笔者对缺失值进行重新编码处理后，保证了样本量没有发生变化，并在模型中控制了缺失值。 性别变量没有缺失值，女学生共有2637人(50.94%)，男学生共有2540人(49.06%)。PISA2012上海数据中有单独对家庭中与父母、兄弟姐妹、祖父母及其他人生活的数据信息。在家里与母亲共同生活的共有4835名青少年(93.39%)，没有与母亲共同生活的有252名(4.87%)，没有回答的占到了1.74%。在家里与父亲共同生活的青少年有4477人(86.48%)，没有和父亲一起生活的有511人(9.87%)，没有回答的占到了3.65%。在家里与兄弟一起生活的有589人(11.38%)，没有与兄弟一起生活的有3655人(70.60%)，没有回答的有933人(18.02%)。在家里与姐妹一起生活的有558人(10.78%)，没有和姐妹一起生活的有3665人(70.79%)，没有回答的有954人(18.43%)。在家里与祖父母一起生活的有1645人(31.78%)，没有与祖父母一起生活的有2768人(53.47%)，没有回答的有764人(14.76%)。在家里与其他人一起生活的有393人(7.59%)，没有与其他人一起生活的有3781人(73.03%)，没有回答的有1003人(19.37%)。 父亲教育水平中，拥有高中或中专学历的比例最高，占到了25.88%(1340人)，其次是小学毕业的占到了25.34%(1312人)，再次是本科及以上学历的，占到了22.64%(1172人)。母亲教育水平中，小学毕业的比例最高，占到了28.59%(1480人)，其次是高中或中专学历的，占到了23.05%(1194人)，再次是本科及以上学历，占到了19.32%(1000人)。 家庭物质条件状况在PISA2012数据中是处理后的数值型变量，有效样本为5170人，均值是-0.44，标准差为0.9，最小值为-4.48，最大值为3.96。父母最高职业状况在PISA2012数据中是处理后的数值型变量，有效样本为5094人，均值是50.87，标准差为19.4，最小值为11.01，最大值为88.96。在对这两个变量进行缺失值处理时，创建了新的二分变量(1缺失—0不缺失)，然后将原有变量中的缺失值用最小值填补，并将新创建的缺失值变量放入模型中，以控制缺失值的效应。总体来看，这两个变量的缺失值数量都较小。 PISA学生学业表现分为三个部分(数学、阅读、科学)，每一部分共有5个合理值(Plausible values)。一般在研究时均采用第一个合理值作为分析变量，2012年的测试结果如表1。通过Pearson相关性检验，发现数学能力与阅读能力的相关系数为0.894，数学能力与科学能力的相关系数为0.916，阅读能力与科学能力的相关系数为0.901，均在0.01的水平上显著。因此可以判断出学生的三个方面的能力是紧密相关的，出于模型简化考虑，最终将这三方面的学业表现综合为一个因变量综合成绩(即数学、阅读、科学的平均值)。经过模型拟合和检验，OLS模型不适合分析，因此进一步摸索采用Logit模型，将综合成绩按照四分位数进一步转化为定序变量学业表现(较差、中等偏下、中等偏上、优秀)，并最终将其作为以下分析模型Ologit的因变量。虽然将数值型变量做定序处理损失了数据本身的一些信息，但由于定序分类的原则是按照四分位数，因此也最大限度地保留了原始数据的基本信息，对研究结论不会产生较大的偏差。
