低生育率背景下儿童的兄弟姐妹数、教育资源获得与学业成绩，本文主要内容关键词为：生育率论文,兄弟姐妹论文,教育资源论文,学业论文,成绩论文，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。
1 引言 兄弟姐妹数是社会科学研究中的一个家庭背景指标。20世纪80年代后的大量实证研究发现，兄弟姐妹数与教育成就二者之间呈现出非常一致的负相关关系。这些研究多基于西方以及其他较发达地区的数据，并认同“资源稀释论”(resource dilution theory)的有效性，认为在有限家庭资源这一约束条件下，兄弟姐妹的增多稀释了家庭中每个孩子能够获得的教育资源，而获得教育资源的减少对个人的教育成就起到抑制作用(Blake，1989；Downey，1995)。 在中国，一些研究结合资源稀释论的理论视角，验证了兄弟姐妹数对教育成就的抑制作用(叶华、吴晓刚，2011；Lu and Treiman，2008)。不过，这些研究还存在两方面局限：一方面，这些研究的分析样本几乎没有包含在20世纪80年代中期以后中国生育水平快速度、大幅度降低背景下出生的人群，因此其结论不能直接推论到中国当前生育率非常低的时期；另一方面，这些研究都以成年人为研究对象，由于大部分成年人的教育过程已经结束，因而无法将个人受教育过程中所获得的各种教育资源纳入分析模型来直接检验资源稀释论的适用性。在“资源”未被切实观测到的情况下，“资源稀释”问题便一直是个“黑箱”。 本文基于2010年“中国家庭追踪调查”数据，以10～15岁的儿童样本为分析对象，对这些儿童在教育过程中所获得的多种教育资源进行系统梳理；在此基础之上，探讨以下两个问题：(1)在当前低生育率背景下，兄弟姐妹数对于儿童教育资源的获得及其学业成绩是否具有抑制作用？(2)如果兄弟姐妹数的抑制作用存在，那么教育资源获得是否有助于解释不同兄弟姐妹数的儿童在学业成绩上的差异？ 2 文献回顾与理论框架 2.1 兄弟姐妹数与资源稀释论 早在社会学家齐美尔的论述中，关于群体规模对群体内部成员互动以及群体内部组织结构的影响就有详细的探讨(Simmel，1950)。不过，在较长一段时期内，群体规模的视角并未被运用到家庭研究中。在社会分层研究中，经典的“地位获得模型”(Blau and Duncan，1967)开始将兄弟姐妹数作为表示家庭背景的一个指标纳入模型。20世纪七八十年代的研究从经验和理论两个方面丰富了人们对于兄弟姐妹数作用的认识。经验研究方面，研究者通过更加系统和严格的分析不仅证实了兄弟姐妹数对教育成就的影响作用是显著的，而且显示出这种作用是非常大的。例如，有研究以美国白人为研究对象，发现在控制其它影响教育获得的因素后，每增加1个兄弟姐妹对应着0.2年教育年限的降低(Featherman and Hauser，1978)，这一影响作用的大小几乎与父亲教育程度的作用相当(Blake，1981)。研究者还发现兄弟姐妹数对教育获得的作用在出生队列不同、父亲教育水平不同的成年人样本中，都保持稳定(Blau and Duncan，1967；Mare and Chen，1986)。 Blake(1981，1989)在大量经验分析的基础之上，系统化地提出了“资源稀释论”(resource dilution theory)。该理论认为，在家庭资源有限的条件下，兄弟姐妹之间存在着竞争关系，每多一个兄弟姐妹都意味着平分到每个孩子身上的资源量变少。同时，由于家庭对孩子教育资源的投入被认为是影响孩子教育发展的直接原因，兄弟姐妹的增多便通过降低孩子获得的教育资源量最终降低孩子的教育成就。 近期一些东亚社会的研究通过引入性别视角、丰富了“资源稀释论”。例如，有研究基于台湾地区的数据发现，在男性偏好的传统下，家庭往往将有限的资源投资到儿子身上，兄弟姐妹中的女性、特别是较年长的女性，通常只能牺牲获得更多教育的机会(Parish and Willis，1993；Chu et al.，2007)。对于台湾和中国大陆的研究还发现，随着现代化和经济发展程度的提高，以及平均家庭规模的不断减小，女性的教育劣势不断减小，甚至消失(Parish and Willis，1993；叶华、吴晓刚，2011)。 不过，利用经验数据直接验证资源稀释论的研究并不多见。在仅有的几项直接检验资源稀释论的研究中，Downey(1995)用美国1988年“国家教育长期追踪研究”(National Education Longitudinal Study)所收集的8年级儿童数据，展示出儿童因兄弟姐妹数不同而在各项经济资源和非经济资源获得上的差异，并通过较为严格的多元回归模型证实了各项资源对兄弟姐妹数与儿童学业成绩关系具有有效的解释力；另外该研究还发现不同类型资源的解释力是大小有别的。 2.2 兄弟姐妹数的作用是真的吗？ 与许多其他的社会关系相似，兄弟姐妹数与学业成绩之间的关系也无法避免“选择性”(selection)的问题。例如，家庭经济学认为父母的生育决策面临孩子数量与孩子质量的相互权衡(quantity-quality tradeoff)，家庭社会经济地位高的父母可能为了避免孩子数量对家庭资源的“稀释”，便倾向于生育较少的子女，从而保证出生的子女可以获得较高的人力资本投资(Becker，1981)。换言之，一个人有无兄弟姐妹、有多少兄弟姐妹，也可以被认为是家庭对孩子教育发展重视程度的表现或结果，而兄弟姐妹数量本身并不必然构成影响孩子教育发展的原因。从统计方法上看，这里的“选择性”即指存在第三方变量会同时影响到我们此处所关注的兄弟姐妹数变量和学业成绩变量。 较好地控制或排除第三方变量的影响可以使我们的估计结果更准确。对于兄弟姐妹数研究的“选择性”问题，以往研究大致采取了以下3种解决办法：基于截面数据的多元控制回归模型、基于追踪数据的固定效应模型以及工具变量方法。前一种方法容易受到“忽略变量偏误”(omitted variable bias)的质疑，而后两种方法则很难使结论一般化到更广泛的人群。 早期对于兄弟姐妹数作用的研究多采用多元控制的统计方法。这些研究试图尽可能把既影响兄弟姐妹数量、又影响个人教育成就的第三方变量都纳入到模型中予以控制，从而得到一般意义上来自于兄弟姐妹数不同的群体在各项教育指标上的均值差异。尽管这种做法总是面临“忽略变量偏误”的风险，但在理论和经验的指导下，这种做法通过对较重要的第三方变量的控制，试图尽可能降低估计的偏差。如，Downey(1995)在多元回归模型中，控制了孩子的家庭背景因素后，依然发现孩子的学业成绩以及孩子所获得的家庭资源随兄弟姐妹的增多而下降。 Guo和VanWey(1999)则认为纠正“忽略变量偏误”足以完全否定兄弟姐妹数对儿童教育发展的作用。两位作者认为，家庭的智力环境、家庭的价值系统、基因遗传等无法准确测量到的因素无法通过传统的多元回归模型来控制，但在假设这些无法测量到的因素不随时间变化的条件下，便可以借助追踪数据和固定效应模型完全消除掉这些不随时间发生变化的因素，来考察一段时期内儿童兄弟姐妹数变化与儿童认知能力变化之间的关联。利用固定效应模型，两位作者并没有发现兄弟姐妹数变化可以影响儿童的认知能力。不过，基于这一方法所得出的结论也受到了其他学者的质疑。例如，Downey等人(1999)认为，利用追踪数据的研究与基于截面数据的分析实际上并不可比，如果追踪数据只局限在非常短的一段窗口期内，那么就只能观测到儿童兄弟姐妹数非常小范围的增长，因而相对不容易看到兄弟姐妹数对认知能力的作用；而利用截面数据的优势是，它可以考虑兄弟姐妹数更大的变动范围，考察兄弟姐妹数不同的孩子在教育表现上的平均差异。 另外，研究者也采用工具变量的方法来探讨兄弟姐妹数与教育成就之间的关系。例如，有研究认为生育双胞胎是一件不受家庭意志影响、能导致兄弟姐妹增多的客观事件，因此可以选用“是否有双胞胎的兄弟姐妹”作为工具变量来得到由双胞胎出生而导致的兄弟姐妹“意外”增多对儿童教育成就的影响(Rosenzweig and Wolpin，1980；Black et al.，2005)；也有研究认为不少家庭存在着“儿女双全”的偏好，如果家庭中前两个子女都是男孩或都是女孩，那么家庭可能会通过更多生育来达到有儿有女的目的。因此，“家中前两个子女的性别构成”也成为相关研究中经常使用的工具变量之一(Conley and Glauber，2006；Angrist et al.，2010)。运用工具变量方法的研究有些证实了兄弟姐妹数的作用，另外一些则未发现这一变量的作用。结论的不一致，一方面是由于不同研究所使用的数据来自不同国家或地区；①另一方面，以上提到的研究中所使用到的工具变量的有效性也存在争议(Rosenzweig and Zhang，2009)。 本文使用“倾向分倒数加权”(Iriverse Propensity Score Weighting，IPSW)的方法来确定兄弟姐妹数与个人教育发展之间的关系。倾向分是给定协变量条件下每个个案进入某一子样本的概率。该方法通过加权的途径实现不同群组在一系列协变量上的分布均衡，从而使得群组之间真正可比，并且这种方法几乎不需要删除掉部分样本，可以最大化的利用全部样本所包含的信息；而相较于多元回归方法，倾向分倒数加权方法的优势在于，它可以将多元回归模型中大量的协变量化约为一个单一的倾向分、然后纳入模型，因而更简洁；在模型设定方面，这种方法也不需要对各个协变量对因变量的作用函数额外作出假定，因而更灵活(Murnane and Willett，2011)。对于该方法在本文的具体运用，我们会在下文的数据分析部分给出更多介绍。 3 中国的生育转变与低生育率 从文化与经济传统上来讲，中国家庭一直以来都表现出对大家庭的偏好。通过有意识的降低生育水平来改善家庭条件的做法还是中国近40年的事情。到1970年，中国妇女的总和生育率还在6左右。在经济、文化、政策等多方面因素的作用下，中国在短短的几十年间就将总和生育率降到更替水平以下。事实上，到20世纪90年代中期，中国从高生育率到低生育率的转变已经完成(Peng，2011；Xie，2011)。 除了中国家庭整体生育水平的大幅度、快速度下降，中国生育政策和生育实践的多样性也值得注意。从城乡分野来看，大部分城镇实施较为严格的“一孩政策”，而针对传统上农村家庭的男性偏好，1984年以后大部分农村地区允许在第一胎为女孩时生育二胎，即所谓的“一孩半”政策。省份与省份之间在生育政策的执行力度上也存在差异。此外，生育政策在汉族和其他少数民族之间也存在差异。 如前所述，在大家庭占据主流的传统社会中，每个家庭内有限的资源往往被较多的兄弟姐妹共享，兄弟姐妹对家庭资源的“稀释”也是非常明显的；中国当前极低的生育率则意味着越来越多的孩子可以“独享”或者与非常少数的兄弟姐妹“分享”父母对他们的辅导、监督和货币投资等各种类型的教育资源。那么，在当前低生育率的背景下，兄弟姐妹数不同的孩子在教育资源获得方面还有没有差异？如果有，这种差异是否会影响到孩子在学业上的表现？同时，由于中国家庭的生育模式受到制度、地区、民族及家庭背景等多方面因素的影响，我们在研究兄弟姐妹数的作用时需要尽可能排除这些外部因素的干扰。 4 分析策略 结合以上文献，本文关注中国当前低生育率背景下儿童的教育资源获得与学业成绩是否受到兄弟姐妹数的影响。在“教育资源”的测量上，本文区分出3种类型的教育资源：经济投入资源、父母参与资源和家庭环境资源。如图1所示，我们期待发现兄弟姐妹数对儿童所获得的3类教育资源都具有抑制或“稀释”作用。我们还关注这些教育资源是否能够作为中介变量、有效的解释兄弟姐妹数对儿童学业成绩的影响作用。另外，我们不仅通过逐步纳入的方法看各类教育资源的独立解释力，并关注最终所有教育资源共同的解释力。
图1 资源稀释模型 在下文的分析中，我们首先通过描述分析观察兄弟姐妹数与儿童教育资源获得及学业成绩的关系，同时关注可能存在的性别差异。在此基础上，我们进一步用回归模型考察兄弟姐妹数对教育资源获得及学业成绩的影响作用。如前文所述，中国近几十年的家庭生育行为很明显受到了城乡间、省份间、民族间等差异化生育政策的影响，同时，作为生育行为的主体，家庭自身的社会经济地位及孩子的性别等因素都有可能影响到家庭的生育决策，以及儿童的兄弟姐妹数。因此，在估计兄弟姐妹数作用的回归模型中，我们用倾向分倒数加权的方法消除或减弱以上这些因素的干扰。 5 数据、变量与测量 5.1 数据 本文的数据来自中国家庭追踪调查(China Family Panel Studies，CFPS)。该调查利用多层抽样，于2010年首次抽取并成功访问了分布于全国25个省级地区的14000多户家庭。家庭中的每一个成员都作为被访对象建立起他的家庭关系信息以及其他各方面的信息。②之后每两年对这些被访的家庭及其成员进行一次追踪调查。本文使用该调查2010年的基线调查数据。 CFPS 2010所具有的以下几个特点有利于本文的研究：(1)为获得一致可比较的学业成绩，CFPS 2010对10～15岁的儿童进行了标准化的字词测试和数字测试，使得不同地区、不同学校学生的测试成绩可以直接相互比较；(2)CFPS以“轮流坐庄”的方式，分别针对家庭中每一个儿童，通过儿童监护人、儿童自己以及访问员观察等多种渠道收集儿童在教育过程中所获得的各种教育资源，这使得我们对教育资源的系统化、类型化测量成为可能。 本文使用CFPS 2010的儿童样本(10～15岁)。由于各个变量的缺失值较少，本文简单删除了在相关变量上有缺失值的个案，最终的样本为2825人。 5.2 变量 本文用儿童在字词和数学两项测试中的得分来表示儿童的学业成绩。需要注意的是，CFPS 2010的字词测试和数学测试题目都是按照从易到难的顺序排列的，被测试者的教育水平决定了他答题的起点。例如，小学以下教育水平的被测试者需要从最简单的第1题答起，而初中教育水平的被测试者则被默认为可以答对所有小学水平的题目，因而其作答的题目是从初中水平的测试题目开始。被测试者最终的测试得分为其答对的最难一题的题号。其中，字词测试有34道题目，数学测试有24道题目，因而两项测试的分数上限分别为34分和24分。由于儿童的年级不同，我们对这两项测试得分都用儿童的年级进行了标准化处理。标准化后的字词得分和数学得分均值为0、方差为1。 根据前文所述，本文将重点考察3类教育资源：经济投入资源、父母参与资源以及家庭环境资源。每一类教育资源都包含了3个更为细致的教育资源变量。具体讲，经济投入资源这一类包含了儿童在“去年一年”得到的总教育投入、在“去年一年”是否购买了课外辅导服务以及父母是否已经为孩子的教育专门存钱。父母参与资源包括的3个变量是：是否经常和孩子讨论学校的事、是否经常检查孩子的家庭作业、是否经常知道孩子不在家时的行踪；这3个变量的取值范围都是从1～5，1代表“从不”，5代表“总是”。家庭环境资源包括：家庭整体的教育环境、家庭整体的沟通环境以及父母对孩子的教育期望，教育环境变量和沟通环境变量的取值也是从1～5，分数越高代表环境越好，教育期望变量是按照百分制来测量的。 对于以上所有的教育资源变量，只有课外辅导变量和教育储蓄变量是二分变量，其他变量均视为连续变量，同时，在下面的分析中，我们还对“总教育投入”变量取了对数。对于各教育资源变量更详细的描述和测量情况，见表1。
我们对儿童兄弟姐妹数的测量规则如下：根据CFPS 2010所收集到的每一名被访者详细的家庭成员信息，我们可以得到儿童两种兄弟姐妹数的测量：同父亲的兄弟姐妹数和同母亲的兄弟姐妹数，在本文的研究样本中，根据两种测量方法得出的兄弟姐妹数非常相似，因此，本文选择了根据父亲信息所得到的兄姐姐妹数，对于少量父亲子女信息缺失的儿童，我们用母亲的子女信息予以补充。我们将儿童的兄弟姐妹数分为4类：0、1、2、
(即3或3个以上)。如表2所示，当前中国家庭向小规模家庭高度集中的趋势非常明显：独生子女占到总儿童样本的28％，有1个兄弟姐妹的儿童所占比例最高，为48％，有3个或3个以上兄弟姐妹的儿童只占7％。
在对儿童的兄弟姐妹数进行概率预测的模型中，我们用到了以下变量：儿童的性别(1=女性)、有无兄弟(1=有兄弟)、在家中的排行(1=老大)、父母的受教育年限(较高一方)、家庭年收入的对数、父亲的国际社会经济地位指数ISEI、儿童的户口(农业=1)、民族(汉族=1)以及所属省份。需要说明的一点是，父亲的ISEI缺失较多，为尽可能地利用样本信息，我们建构了一个虚拟变量来表示父亲的ISEI是否缺失，同时用父亲ISEI的均值对该变量缺失的个案进行填补。表2给出了所有变量基本的描述信息。 6 描述性结果 表3呈现了兄弟姐妹数不同的儿童在学业成绩和教育资源获得上的均值差异。表中的前两行是表示学业成绩的两个变量：字词测试得分和数学测试得分，接下来是分类型的各种教育资源变量的均值。表中最后一列的p值是检验组间差异的显著水平。首先来看学业成绩。兄弟姐妹增多对应着儿童两项测试得分的降低；同时，字词得分随兄弟姐妹数变化而波动的范围更大，例如，无兄弟姐妹的儿童相比有3个或3个以上兄弟姐妹的儿童，平均字词得分高出约3/4个标准差，而这两个群体的数学得分差异则约为1/2个标准差。从整体来看，两项测试得分随兄弟姐妹数增多而反方向变化的趋势非常明显和一致。
教育资源获得情况随兄弟姐妹数变动的趋势同样非常明显。例如，在经济投入资源方面，独生子女获得的年均教育投入显著高出其他非独生子女，而在非独生子女群体内部，这种教育投入的差异依然很大：有1个兄弟姐妹的儿童获得的年教育投入的对数为5.89，而有2个兄弟姐妹的儿童获得的年教育投入的对数为5.45，结合表2所提供的变量标准差信息，这两个群体的教育投入均值对数相差约1/4个标准差。另外，兄弟姐妹越多的儿童参加课外辅导的比例越低，有专门教育储蓄的比例也越低。在父母参与资源和家庭环境资源方面，我们同样可以看到这些教育资源随兄弟姐妹增多而发生“稀释”的现象。 图2和图3分性别展示兄弟姐妹数的作用。图2首先给出了分兄弟姐妹数和性别的儿童在两项测试中的得分差异。测试得分已经用儿童的年级进行了标准化处理。平均来讲，女孩的字词得分要高于男孩，而男孩的数学得分要高于女孩，这与以往相关的研究结果是一致的(Maccoby and Jacklin，1974；Hyde and Linn，1988；Hyde et al.，1990)。值得注意的是，随着兄弟姐妹的增多，男孩和女孩在字词得分上的下降趋势基本相似，尽管数学成绩随兄弟姐妹数增多而下降的趋势在女孩群体中相对更明显一些，但这一性别差异没有达到一般意义上的统计显著水平。图3描述了分兄弟姐妹数和性别的儿童获得各项教育资源的差异。相似的，尽管我们发现儿童获得的各项教育资源随兄弟姐妹的增多而下降，但并没有发现兄弟姐妹增多的抑制作用在男孩和女孩群体中具有差异。即使对有3个或3个以上兄弟姐妹的儿童群体，女孩仍然在各项教育资源的获得上不落下风、甚至稍有优势。
图2 用年级标准化之后的字词测试得分和数学测试得分：分兄弟姐妹数和性别 Figure 2 Word and Math Test Scores by Sex and Sibship Size
图3 儿童所获得的各项教育资源：分兄弟姐妹数和性别 Figure 3 Educational Resources Attainment by Sex and Sibship Size 总体来看，以上的描述性结果清晰的显示出兄弟姐妹增多对儿童的教育发展具有不利影响，但这种不利影响并无性别差异。简便起见，我们在下文的回归分析部分，不再对男孩样本和女孩样本分开讨论。 7 回归结果 如前所述，兄弟姐妹数和教育成就都受到诸如家庭社会经济地位、地区等因素的影响，而简单的描述性分析无法控制这些因素。接下来我们用回归模型、结合倾向分倒数加权的方法来进一步解答这些问题。 具体来讲，我们在回归模型之前首先做一个兄弟姐妹数的概率预测模型，即用以上提到的协变量预测每个儿童具有特定兄弟姐妹数的概率，由于兄弟姐妹数在本文中被视为序次变量，我们使用序次Logistic回归模型(Powers and Xie，1999)：
其中，i表示每一个儿童，y表示因变量即兄弟姐妹数，j表示兄弟姐妹数，Pr表示兄弟姐妹数小于等于某一特定值的概率，
为对应于兄弟姐妹数各取值的截距，X表示所有纳入模型中的协变量，具体包括儿童的性别、有无兄弟、在家中排行、父母教育、家庭收入、父亲的职业社会经济地位(ISEI)、民族、省份、户籍以及省份与户籍的交互项。对于该序次Logistic模型的估计结果，请参见表4。
然后，我们根据以上的序次Logistic模型可以预测出每个儿童具有特定兄弟姐妹数的概率；最后，我们用这一概率的倒数对本文中所有估计兄弟姐妹数作用的回归模型都进行了加权调整。 我们将首先关注兄弟姐妹数与儿童所获得的各种教育资源之间的关系，之后进一步分析兄弟姐妹数对儿童学业成绩的影响作用，以及教育资源获得对这些影响作用的解释力。 7.1 兄弟姐妹数与教育资源获得 表5呈现了儿童所获得的各项教育资源对儿童兄弟姐妹数的回归结果。所有的回归结果都经过倾向分倒数加权后得到。表5显示，在用倾向分倒数加权考虑儿童的家庭背景、户口、省份等因素的条件下，儿童所获得的经济投入资源、父母参与资源和家庭环境资源都随着兄弟姐妹的增多而减少。
图4以条形图的形式更清晰的呈现表5的结果。如图4，每一个条形图都代表一种特定的教育资源，其中，横坐标代表兄弟姐妹数，纵坐标表示不同兄弟姐妹数对相应教育资源变量的回归系数。我们把有3个或3个以上兄弟姐妹的儿童作为参照组，这样，图形中每个条形的高度可以解释为有特定兄弟姐妹数的儿童相较于参照组儿童在各项教育资源上的获得优势。③
图4 兄弟姐妹数对儿童各项教育资源获得的影响④ Figure 4 Effects of Sibship Size on Attained Educational Resources of Various Kinds 注：纵坐标为各项教育资源对儿童兄弟姐妹数的回归系数；其中，“购买课外辅导服务”和“有专门教育储蓄”为二分变量，因而所用的方法为Logit模型，其余变量采用OLS方法；所有模型的系数都是用倾向分倒数加权后的结果。 在某些教育资源上，如购买课外辅导服务和父母对孩子的教育期望，在有1个兄弟姐妹和有2个兄弟姐妹的儿童群体中基本相近，但整体来看，在所有教育资源的获得上，没有兄弟姐妹的儿童都具有明显优势、而有3个或3个以上兄弟姐妹的儿童都具有明显劣势。 7.2 教育资源的中介作用 表6和表7分别为预测儿童字词测试得分和数学测试得分的回归结果。同样，所有的回归结果都经过倾向分倒数加权后得到。如表6模型1所示，在用加权方法调整儿童各方面的背景差异之后，兄弟姐妹越多的儿童在字词测试中的得分依然显著越低。并且，兄弟姐妹数与儿童字词得分之间的关系几乎是线性的。
表6的模型2到模型4依次分别纳入了经济投入资源、父母参与资源和家庭环境资源3个资源变量组，结果显示，3类教育资源对儿童字词得分的家庭规模差异都具有有效解释力。例如，对照模型1和模型2，有1个兄弟姐妹的儿童相比没有兄弟姐妹的儿童在字词得分上的劣势可以被经济投入资源变量组解释掉约1/3，而父母参与资源(模型3)和家庭环境资源(模型4)可对这一差异提供相似的解释力。 表6的模型5将3类教育资源同时纳入，关注3类教育资源的“合力”。结果显示，3类资源合起来可以提供更大的解释力：对照模型1和模型5，有1个兄弟姐妹的儿童与独生子女儿童在字词得分上的差异，可以被3类教育资源合起来解释掉50％，这一差异甚至在纳入3类资源变量后变得不再显著；不过还需要注意，即使纳入了所有的教育资源，有3个或3个以上兄弟姐妹的儿童的字词得分依然比无兄弟姐妹的儿童低1/2个标准差。
表7呈现了数学测试成绩对兄弟姐妹数的回归结果。如表7模型1所示，整体上兄弟姐妹数的增大对应着儿童数学得分的降低。不过，兄弟姐妹数与数学测试成绩之间的关系并不是线性的：从没有兄弟姐妹到有1个兄弟姐妹，儿童数学成绩的下降幅度最大，达到0.2个标准差，与表7中所显示的同等条件下儿童字词得分的下降幅度相当；但在非独生子女群体中，儿童数学成绩随兄弟姐妹增多进一步下降的幅度相对较小。 表7的模型2至模型4依次单独纳入了3类教育资源。同样，在数学方面，每个类型的教育资源变量都有助于解释不同兄弟姐妹数儿童的成绩差异。同时，我们注意到不同类型的教育资源对于数学成绩的家庭规模差异的解释力大小有别：相对于经济投入资源和父母参与资源，家庭环境资源对儿童数学成绩差异的解释力更大，这与我们在字词测试上观测到的模式不同。 表7模型5同时纳入了3类教育资源，对照模型1和模型5，尽管在纳入这些资源后无兄弟姐妹儿童相较于其他所有儿童的数学得分优势还较明显，但这些教育资源几乎全部解释了非独生子女群体中因兄弟姐妹数不同而造成的数学成绩差异。 综上，经济投入资源、父母参与资源和家庭环境资源都有助于解释儿童因兄弟姐妹数不同所造成的字词得分差异和数学得分差异；同时，对于兄弟姐妹数不同的儿童在字词上的得分差异，3类教育资源的解释力相当，而对于兄弟姐妹数不同的儿童在数学上的得分差异，家庭环境资源的解释力相对较大。另外，在字词得分上，这些教育资源整体的解释力在兄弟姐妹较少的儿童群体中更高；而在数学得分上，这些教育资源的解释力在兄弟姐妹较多的儿童群体中更高。 8 结论 兄弟姐妹数量与教育成就二者之间的负向相关得到了大量经验研究的支持。多数研究都认为“资源稀释论”可以为这一现象提供理论解释。在中国，目前的相关研究都是以成年人为研究对象，无法直接测量到个体在教育过程中所获得的各种“教育资源”，因而无法直接检验“资源稀释论”的适用性。本文基于全国代表性的儿童样本，测量并归纳出儿童获得的3类教育资源：经济投入资源、父母参与资源和家庭环境资源，并分析这些教育资源是否能够有效解释兄弟姐妹数与儿童学业成绩之间的负向关系。 描述结果显示，随着兄弟姐妹的增多，儿童的学业成绩逐步降低；在两项标准化测试(字词和数学)上，兄弟姐妹数与儿童测试得分呈反方向变动的趋势非常明显。另外，在我们所关注的3类教育资源上，兄弟姐妹数不同的儿童在各类教育资源的获得上都存在显著差异。从分性别来看，兄弟姐妹数对儿童学业成绩及教育资源获得的抑制作用并没有表现出性别差异，我们基于儿童样本的分析为当前中国教育的性别平等化趋势提供了经验证据。 在回归分析部分，为了调整不同家庭背景、地区、民族等因素对兄弟姐妹数与教育变量之间关系的干扰，我们首先用这些因素来预测儿童的兄弟姐妹数，得出每个儿童具有特定兄弟姐妹数的概率或倾向分，然后用该倾向分的倒数对所有估计兄弟姐妹数作用的模型进行加权。回归结果与描述结果是一致的：在用加权方法考虑中国生育水平的家庭背景差异和地区差异的条件下，兄弟姐妹较多的儿童依然在各类教育资源的获得上处于劣势。另外，与“资源稀释论”一致，这些教育资源有助于解释因兄弟姐妹数不同所造成的儿童在两项标准化测试上的得分差异。 本文还发现，对比3类教育资源的“中介作用”，经济投入资源、父母参与资源和家庭环境资源几乎同等程度地解释了兄弟姐妹数对儿童字词得分的影响作用，而家庭环境资源在解释数学得分方面的有效性则高于另外两类资源。另外，这些教育资源的整体解释力在字词和数学两项测试上也存在差异：在字词方面，这些教育资源的解释力在兄弟姐妹较少的儿童群体中更高，而在数学方面，这些教育资源的解释力兄弟姐妹较多的儿童群体中更高。 随着中国独生子女群体规模的增大，许多研究探讨独生子女相对于非独生子女在社会行为、心理特征上的差异(Cameron et al.，2013)，本文对学业成绩、教育资源投入等这些教育变量的关注有助于更全面的认识独生子女群体相对于其他人群的相对劣势和相对优势。 收稿时间：2015-01 注释： ①这也使得研究者有必要基于不同国家或地区的数据分析兄弟姐妹数的作用，并注意所得结论的适用范围。 ②对于CFPS 2010更加详细的介绍，请参见谢宇等(2014)。 ③“购买课外辅导服务”和有“专门教育储蓄”是二分变量，因而图形显示的是Logit回归系数，其他均为线性回归系数。 ④由于过大或过小的权数都会显著增大估计值的标准误、导致估计值的不稳定性提高(Khan and Tamer,2010)，我们在此处和之后所有的回归模型中都删除了权数整体分布中处于最小1％和最大1％的57个个案。
标签：生育率论文; 经济模型论文; 群体行为论文; 数学论文; 经济学论文;
在生育率低的情况下，兄弟姐妹人数、获得教育资源的机会和儿童的学业成绩_生育率论文
下载Doc文档