Page 117 - 《社会》2014年第4期

社会· ２０１４ · ４

本文分别估计了不同就业队列 １３ 的农民子女职业非农化与户籍非农化
的 犆犗犡 模型（见表 ６ ）。由于截面数据中的队列差异与年龄及时期效
应混合在一块，不同队列之间的差异因此并不能完全等同于时期间的
差异。之所以如此简化，是缺少改革不同阶段的重复性调查数据的结
果。当然，也有不少努力尝试分离年龄—时期—队列的交互效应，但无
一不存在较为强烈的假定（梁玉成， ２００７ ），本文暂不做这样的努力。利
用队列的差异来近似地探究变化趋势的做法在以往研究中经常使用，
并具有一定的合理性（ 犣犺狅狌 ， 犲狋犪犾． ， １９９７ ；郝大海、王卫东， ２００９ ）。
通过比较表 ６ 中各个队列对应因素的作用系数可以探索相关变量
的作用是否发生变化，而队列虚拟变量与其他自变量全交互的模型中
相应交互项的统计检验可以对相关变量在不同队列中的系数差异是否
显著进行检验（ 犆犾狅 犵犵１９９５ ； 犃犻犽犲狀 ， １９９１ ）。如果同一变量在不同队列中的作
，
用系数存在显著差异，即相关变量与队列之间的交互作用很可能并不
来自随机误差，则非农化的机制确实可能发生了相应变化。
从各队列中相应系数的大小及统计检验可以得到前文有关假设的
检验结果。如表 ７ 所示，不同性别的农民子女在非农化方面的差距越
来越小，尤其是职业非农化方面的差异明显缩小，不同队列中相应系数
的差异在统计上显著。个人教育对于职业非农化的影响确实经历了
“弱—强—弱”的变化。对于 １９９４ 年后参加工作的队列来说，在控制其
他条件的情况下，拥有高等教育水平的人会明显推迟职业非农化。个
人教育对户籍非农化的影响在不同队列中始终保持着显著的强烈影
响，并且高等教育水平的影响在改革后有所增强，但这一增长不排除是
随机误差造成的，因为统计检验表明上述差异并不显著。家庭背景对
不同队列的非农化的影响相对稳定，父亲是否以非农职业为主业、有专
业技术职称或行政岗位对其子女获得非农工作和非农户籍都有相对稳
定的正向作用，对于户籍非农化的影响有所增强，但变化不显著。地区
变量对应的系数在不同队列中虽有波动，但统计检验表明这些差异并不显著。
整体而言，在新近参加工作的队列中，职业非农化机会的分配更少
受性别与教育水平的影响，家庭背景的影响仍持续存在。关于职业非

１３． 队列划分的时点参考了梁玉成（ ２００７ ）关于中国市场化与现代化进程的相关研究。社会
变迁是一个连续过程，选择这些时间点周围的其他年份并不会对主要结论构成威胁。

· １ １ ０ ·