Page 154 - 《社会》2017年第3期

“撤点并校”、家庭背景与入学机会

表 １ ：变量的描述统计（ 犆犉犘犛２０１０犆犉犘犛２０１２ 追踪全国再抽样农村样本）
“撤点并校”前 “ 撤点并校”后 差值（“撤点并校”后 
（ 犖＝２９５０ ） （ 犖＝９４５ ） “撤点并校”前）
进入初中概率（ ％ ） ７１．１１ ８６．３４ １５．２３ 
进入高中概率（ ％ ） ２８．７５ ４９．７３ ２０．９９ 
１４ 岁时父亲受教育年限（年） ６．２６ ７．８６ １．６０ 
１４ 岁时母亲受教育年限（年） ４．０７ ６．５７ ２．５１ 
１４ 岁时父亲 犐犛犈犐 评分 ３０．４６ ３０．５１ ０．０６
１４ 岁时母亲 犐犛犈犐 评分 ２６．５７ ２９．０４ ２．４６ 
１４ 岁时父亲为党员的比例（ ％ ） １５．１９ ７．５１ －７．６７ 
男性比例（ ％ ） ４９．４２ ４８．４７ ０．９６
女性比例（ ％ ） ５０．５８ ５１．５３ ０．９６
兄弟姐妹数量（个） ３．１３ ２．１９ －０．９４ 
注：  狆 ＜ ０．００１ （双尾检验）。
（六）统计模型
本文的统计模型包括两类：“辍学模型”和“升学模型”。
１． 辍学模型
该模型的因变量为“上 学 年 级 的 辍 学 风 险”。 笔 者 在 此 仅 仅 讨
论“撤点并校”（即 小 学 和 初 中 阶 段 ）过 程 中 的 辍 学 风 险。 模 型 为
“ 犆狅狓 比例风险模型”（ 犆狅狓狆 狉狅 狆 狅狉狋犻狅狀犪犾犺犪狕犪狉犱犿狅犱犲犾 ）， １１ 表达形式如
下：
犺 犻 （）
（ 狋
＝
ｌｏ ｇ 犺 ０ （） ） β ２ 犆狌犾狋狌狉犪犾＋ β ３ 犈犮狅狀狅犿犻犮犪犾＋ β ４ 犘狅犾犻狋犻犮犪犾
狋
＋α １ ×犿犪犾犲＋α ２ × 狊犻犫犾犻狀 犵 狊＋α 犻× 犻． 狆 狉狅狏犻狀犮犲 （ １ ）

１１． 选择“ 犆狅狓 比例风险模型”的原因在于， 犆狅狓 模型并不需要对风险函数的分布形态进行刻
画以选定具体的模型，因 此 较 为 简 洁（事 实 上，本 文 中 辍 学 风 险 函 数 的 形 态 并 不 符 合 犔狅 犵 
犾狅 犵 犻狊狋犻犮 、 犔狅 犵 狀狅狉犿犪犾 、 犈狓 狆 狅狀犲狀狋犻犪犾 和 犠犲犻犫狌犾犾 等常见的风险函数分布形态，限 于 篇 幅 在 此 未 给
出）。由 于 “ 犆狅狓 比 例 风 险 模 型 ”需 要 满 足 “风 险 比 例 分 布 假 设 ”（ 犺犪狕犪狉犱 狆 狉狅 狆 狅狉狋犻狅狀犪犾
犪狊狊狌犿 狆 狋犻狅狀狋犲狊狋 ）的条件：模型之中的各个自变量同时间变量之间相互独立，笔者对于各变量
进行了 犛犺狅犲狀犳犲犾犱 残差检验（ 犛犺狅犲狀犳犲犾犱狉犲狊犻犱狌犪犾狋犲狊狋 ），结果发现，就各变量而论，除兄弟姐妹数
量外（由于计划生育的影响），残差检验的 狆 值均大于 ０．０５ 显著性水平，因此可以认为不拒绝
“风险比例分布的假设”，表明 犆狅狓 模型在此运用是可行的（因篇幅所限，笔者并未给出残差检
验分布图和检验表，如读者有兴趣，可向作者索取）。

· １ ４ ７ ·