Page 211 - 《社会》2017年第5期

社会· ２０１７ · ５

２０１６ ），本研究对市场精英的界定更为严格，仅包括非国有单位管理者以
及雇佣人数在 ８ 人及以上的企业主和个体户。此外，在界定初婚时自
己、自己的父亲与配偶的父亲的精英类型时，由于调查问卷没有询问他
们的雇佣人数的问题，而私营企业主数量又非常少，因此，我们将市场精
英扩展为所有的工商从业者，即包括所有的个体户和私营企业主。
２． 其他变量
除了上述变量以外，本研究还需要考虑个人的其他自致性因素，主
要包括受教育年限与党员身份，其中受教育年限是连续变量；党员身份
是虚拟变量， １ 为“党员”， ０ 为“非党员”。所有模型还控制了性别、户
籍、民族、工作时间、婚龄与被访者的兄弟姐妹数等变量。其中性别、户
籍和民族均为虚拟变量，参照项分别为女性、农业户口和少数民族；工
作时间是用被访者目前或者最后一份工作年份减去第一次工作的年
份，按照研究惯例，模型中还加入了工作时间的平方；婚龄则是指目前
婚姻的持续时间。表 １ 给出了上述变量的简单描述统计。

表 １ ：变量的描述统计（ 犖＝３５７０ ）
专业精英 ７．８２％ 专业精英 ５．０７％
初婚时配偶
个体现在的社 市场精英 １．４３％ 市场精英 ３．４５％
父亲的社会
会经济地位 国家精英 ４．１５％ 国家精英 ５．９９％
经济地位（ ％ ）
非精英 ８６．６１％ 非精英 ８５．４９％
专业精英 ８．４９％ 其他自致性 党员身份（ １＝ 是） １０．１１％
个体初婚时的 市场精英 ７．９８％ 变量 受教育年限 ９．７９ （ ３．４７ ）
社会经济地位 国家精英 ２．７７％ 性别（ １＝ 男） ４５．７１％
非精英 ８０．７６％ 户籍（ １＝ 非农户口） ８２．６６％
专业精英 ４．９９％ 民族（ １＝ 汉族） ９５．４６％
控制变量
初婚时父亲的 市场精英 ３．１９％ 工作时间（年） ２０．２０ （ ９．９３ ）
社会经济地位 国家精英 ７．３９％ 婚龄（年） １７．５７ （ １０．０３ ）
非精英 ８４．４３％ 兄弟姐妹数 ２．８４ （ １．８０ ）
注：括号内是连续变量的标准差。

（三）模型与研究设计
本文使用的模型是多项 犔狅 犵 犻狊狋犻犮 模型，该模型是二项 犔狅 犵 犻狊狋犻犮 模
型的扩展形式，不同之处在于后者的因变量是虚拟变量，而前者的因变
量是具有两个以上类别的多分类变量。在建立模型时，因变量的某一
类别被省略，成为参照类别，因此，对于某个具有 犿 个类别的因变量，
这种估计方法会产生 犿－１ 个 犔狅 犵 犻狊狋犻犮 回归方程，每个方程预测的是个

· ２ ０ ４ ·