Page 201 - 《社会》2022年第1期

社会·2022·1

均有三个选项，分别是“不管”“管但不严”“管得很严”，加总后得到取值
在 8—24 的“家长监管程度”变量。“家庭结构”变量根据学生与家长的居
住安排来构造，我们将其分为“双亲同住”（赋值为 1）和“非双亲同住”
（赋值为 0）两个类别。“认知能力”是 CEPS 提供的使用三参数的 IRT 模
型估计出的学生认知能力测试标准化总分。“班级朋友数量”为该学生
在班级内所提名最好朋友的数量。
除了上述个体层次变量外， 我们还控制了班级层次的学生就读年
级（“九年级”=1，“七年级”=0）、班级调查人数和班级的平均阶层地位。
班级的平均阶层地位为班级被调查学生家庭社会经济地位指数的平均
值。 另外，我们也控制学校层次的学校类型（“公立”=1，“民办”=0）、学
校排名和学校地理位置等变量以排除学校对学生跨群体朋友数量所产
生的影响。 其中，学校排名分为“中等及以下”“中上”“最好”三个类别，
学校地理位置分为“中心城区”“边缘城区及城乡结合部”“乡镇农村”
三个类别。
本研究使用的所有变量的描述统计参见表 1。
（三）研究方法
由于因变量“青少年的跨群体朋友数量”是计数数据，常用的方法
是泊松回归模型（ Poisson Regression Model）。 另外，考虑到 CEPS 数据是
整群抽样数据，同一班级的学生在一些方面具有相似的特征，因此，我
们使用多层次模型进行估计，第一层是学生，第二层是班级。
我们首先考察流动儿童和本地儿童跨群体朋友数量的差异及其与
家庭社会经济地位的关联。 为了排除班级层次未观测到变量的影响，我
们使用班级泊松固定效应模型进行估计，模型的公式为：
ln（滋 ij） = 茁 ０ + 茁 1 Mig + 茁 2 SES + ∑ 茁 k X kij + 琢 j
其中，滋 ij 表示第 j 个班级的第 i 个学生的跨群体朋友数量；茁 ０ 是截距项；
茁 1 是学生身份变量 Mig 的系数；茁 2 是学生家庭社会经济地位变量 SES
的系数；X kij 表示第 k 个体层面的控制变量；茁 k 是对应的系数。 琢 j 表示班
级固定效应，容纳了所有班级层次的未观测到的变量。
然后， 我们使用班级泊松班级随机效应模型， 纳入班级的群体构
成、跨群体交往密度和外部群体同质交往密度等班级情境变量，以及班
级和学校层次的控制变量， 来检验班级情境对学生跨群体交往的影响
和异质性。 模型的公式为：

· 194·