Page 223 - 《社会》2021年第6期

社会·2021·6

首先，教育既可通过受教育年限这一连续变量来测量，也可通过受
教育程度这一分类变量来测量。 本研究根据模型要求采用了不同的测
量方法：对于线性回归，采用连续取值的受教育年限；而在对数线性模
型中， 则采用受教育程度。 受教育程度分四类：“小学及以下”“初中”
“高中/职高/技校”“大专及以上”。
其次，与教育相同，职业也可通过连续（职业声望得分）和分类（职
业类别）两种方式测量。 由于 CFPS 在部分年份的数据中没有提供国际
职业标准码，使我们无法获得职业声望得分，因此本研究采用分类 变
量的方式测量职业。 具体分为四类：“农民和无业者”“生产工人”“商业
服务业人员和办事人员”“专业技术人员和管理人员”。 在这四类中，农
民和无业者的职业地位最低，而专业技术人员和管理人员的职业地位
最高。
最后，收入包括个人获得的家庭经营收入和受雇劳动收入。 参照以
往研究，我们在线性回归时对收入做了对数变换。 此外，考虑到对数线
性模型要求所有变量均为分类变量， 我们以丈夫收入的 25%分位数、
50%分位数和 75%分位数为分割点， 将夫妻双方的收入重新编码为两
个四分类变量。 还要说明的一点是，CFPS 数据中收入的缺失值较多，因
此，我 们 采 用 多 重 插 补 法（multiple imputation）对 收 入 的 缺 失 值 进 行 插
补。 分析结果显示，无论是采用例删法（ casewise deletion）还是多重插补
法，分析结果不变。 下文将同时汇报基于例删法和多重插补法的模型分
析结果。 2
除了上述三个在国外研究中常用的地位指标之外， 本研究还考虑
了夫妻的家庭背景。在中国的社会背景下，“门当户对”是一个非常重要
的择偶标准（李煜，2011），且家庭背景在一定程度上也可作为受访者先
赋性地位的一个测量指标。 具体来说，本文使用父母的最高受教育程度
测量家庭背景， 具体分四类：“文盲”“小学”“初中”“高中及以上”。 另
外，考虑到父母教育变量存在一定程度的缺失值，我们还增加了一个类
别，标识父母最高受教育程度是否缺失。
最后，在线性回归分析时，本研究还控制了夫妻双方的出生年与结
婚年，这些变量均可直接从 CFPS 数据中获得。

2. 对数线性模型只汇报了基于多重插补后的分析结果， 因为该模型要求列联表各单元
格的观测频数不能过于稀疏，因此我们仅使用了多重插补后的数据进行分析。

· 216·