Page 231 - 《社会》2018年第2期

社会· ２０１８ · ２

＾ 是女性专业选择模型的参数估计。换言之，若影响女性专业选择的
π 犼
因素以及强度与男性一样时，她们的专业分布会是什么样。简言之，本
研究在这里展现的是在去性别文化（或者无差异性别文化）条件下两性
各自的专业分布情况。 ８ 然后进一步看在虚拟专业分布下，两性初职获
得的情况。本研究首先用二分类逻辑斯蒂回归模型预测样本初职是否
为男性主导的职业（即企业经营管理人员、技术工人和专业技术人员）。
模型如下：

η 犻
ｌｏ ｇ ＝γ ０ ＋δ １ 犉犲犿犪犾犲＋δ ２ 犼 犕犪 犼 狅狉 犼 ＋δ 犻 犡 犻
１－ η 犻
（ 犻＝３ ，…， 犐 ； （ ３ ）
犼＝１ ，…， 犑 ）
为分析
其中， η 犻 为进入男性主导职业的概率， 犉犲犿犪犾犲 和 犕犪 犼 狅狉 犼
分别为变量对应的回归系数，其他控制变量为
的主要自变量， δ １ 和 δ ２ 犼
。为检验专业选择对不同性别的大学毕业生进入男性主导职业的
犡 犻
的变化。
影响，本研究比较了公式（ ３ ）在控制 犕犪 犼 狅狉 犼 前后 δ １
为了显示专业选择的性别差异可以在多大程度上解释男女大学毕
业后的初职获得，本研究根据公式（ ３ ）分别对男性和女性进行估计，基
于该估计结果，本研究进一步采用了非线性模型的 犅犾犻狀犱犲狉犗犪狓犪犮犪 分
解方法（ 犅犪狌犲狉犪狀犱犛犻狀狀犻狀 犵２００８ ）。与基于线性模型的传统分解方法
，
类似，基于非线性模型的 犅犾犻狀犱犲狉犗犪狓犪犮犪 分解也是将两个群组在因变
量上的差异分解为可观测的特征差异和估计系数的 差 异（ 犅犪狌犲狉犪狀犱
犛犻狀狀犻狀 犵２００８ ）。在本研究中，该公式可具体表达为：
，
犖犔 （ ） （ ）｝
Δ 犉 ＝ ｛ 犈 β 犉 犢 犻犉 狘犡 犻犉 －犈 β 犉 犢 犻犕 狘犡 犻犕
（ ） （ ）｝ （ ４ ）
＋ ｛ 犈 β 犉 犢 犻犕 狘犡 犻犕 －犈 β 犕 犢 犻犕 狘犡 犻犕
（ ）为女大学毕业生进入男性主导职业的条件期
其中， 犈 β 犉 犢 犻犉｜ 犡 犻犉
（ ）则是男大学毕业生进入男性主导职业的条件期望。
望， 犈 β 犕 犢 犻犕｜ 犡 犻犕
（ ）为男大学毕业生基于女大学毕业生的自变量回归系数
犈 β 犉 犢 犻犕｜ 犡 犻犕
估计所得的男性主导职业的条件期望。变更参照组后可以得到以下公
式：
犖犔 （ ） （ ）｝
Δ 犕 ＝ ｛ 犈 β 犕 犢 犻犉 狘犡 犻犉 －犈 β 犕 犢 犻犕 狘犡 犻犕

８． 当个体特征控制得足够多时，个体不可观测特征的影响在很大程度上反映的是性别社会
化的影响。因此，这里我们将虚拟专业分布称之为去性别文化（或者无差异性别文化）下的专
业分布情况。

· ２ ２ ４ ·