Page 155 - 《社会》2017年第3期

社会· ２０１７ · ３

犺 犻 （）
（ 狋
ｌｏ ｇ 犺 ０ （） ） β １ 犌狉狅狌 狆＋ 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 （ ２ ）
其中，“ 犆狌犾狋狌狉犪犾 ”指“家庭文化资本”（ 犮狌犾狋狌狉犪犾犮犪 狆 犻狋犪犾 ），“ 犈犮狅狀狅犿犻犮犻犪犾 ”
指“家庭经济资本”（ 犲犮狅狀狅犿犻犮犮犪 狆 犻狋犪犾 ），“ 犘狅犾犻狋犻犮犪犾 ”指“家庭政治资本”
（ 狅犾犻狋犻犮犪犾犮犪 狆 犻狋犪犾 ），“ 犿犪犾犲 ”代表“男性”（参照组为“女性”），“ 狊犻犫犾犻狀 犵 狊 ”
狆
代表“兄弟姐妹数量”，“ 狉狅狏犻狀犮犲 ”表示“各个省份”，“ 犌狉狅狌 狆 ”表示“撤
狆
点并校”前后的同期群（ 犌狉狅狌 狆＝１ 表示“撤点并校”后的同期群）。公
式（ １ ）检验的是家庭背景如何影响子女在义务教育阶段的辍学风险。
笔者分别用“撤点并校”前样本和“撤点并校”后样本进行分析。公式
（ ２ ）检验的是家庭背景和政策调整分别如何影响子女在义务教育阶段
的辍学风险。为检验二者的交互效应，引入公式（ ３ ）：
犺 犻 （）
（ 狋
＝
ｌｏ ｇ 犺 ０ （） ） β １ 犌狉狅狌 狆＋ 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
＋ β ４ 犌狉狅狌 狆×犆狌犾狋狌狉犪犾＋ β ５ 犌狉狅狌 狆×犈犮狅狀狅犿犻犮犪犾
＋ β ６ 犌狉狅狌 狆×犘狅犾犻狋犻犮犪犾＋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 （ ３ ）
然而，由于“ 犆狅狓 比例风险模型”对“打结”（同一时间点上许多观
测时间的同时发生）的敏感性（曾迪洋， ２０１４ ），升学 转换对辍 学的影
响又较大而极容易产生“打结”，因此，本文也对数据的“打结”情况进
行了处理。 １２
２． 升学模型
“升学模型”在这里主要参考了梅尔（ 犕犪狉犲 ， １９８０ ）提出的“升学转
换模型”。该模型将升入更高一层次的学校定义为“升学完成”（记为
１ ），没有升入则定义为“未完成升学”（记为 ０ ）。本文通过 犔狅 犵 犻狊狋犻犮 回归
建立两种事件的发生比观测自变量的作用。类似于“辍学模型”，本文
分别对“撤点并校”前后组、全样本和交互项建立模型（ ４ ）、模型（ ５ ）和模
型（ ６ ）：
犘 犻 犼 狔 ＝ ）
（ （ １
＝
ｌｏ ｇ ｉｔ犘 犻 犼 ＝ｌｏ ｇ 犘 犻 犼 狔 ＝ ） ） β ２ 犆狌犾狋狌狉犪犾＋ β ３ 犈犮狅狀狅犿犻犮犪犾
（
０
１２． 本文解决“打结”的离散化策略是 犅狉犲狊犾狅狑 方法，在 犛狋犪狋犪 中该命令为 犫狉犲狊犾狅狑 （也是 犛狋犪狋犪
默认设置）。进行离散化之后的预测“卡普兰—迈耶”生存函数图本文不再给出。

· １ ４ ８ ·