Page 79 - 《社会》2022年第2期

社会·2022·2

作社会经济地位（SES）的核心构成（Blau and Duncan，1967）；从分析策
略看，相较于连续型倾向得分，父母教育和职业类型等变量均为多分类
变量，天然具备“社会分组”的性质，能更清晰明确地表达出学生所属的
家庭阶层信息。 当然，这样的分组标准也有不足之处，在分析步骤和结
果解读上相对更加繁琐和庞杂。
（3）班级特征。 10 其一，学生是否得到语数外三科老师或班主任老
师的提问、表扬、批评。 其二，学生对班级班风、班级同学友好程度的评
价以及参加班级活动的频率。 其三，学生对所在学校的喜爱程度、对同
校学生的亲近程度、转校意愿。
（ 4）时间固定效应。 即在回归分析中纳入学期虚拟变量（秋季 1，春
季 0），目的是控制那些只随时间变动而不随个体变化的异质性。
（ 5）学校固定效应。 使用普通最小二乘法（OLS）估计时为每个学校
分别设置虚拟变量，将它们纳入回归方程，目的是控制学校层面难以观
测的异质性。
（ 6）区县固定效应。 在使用工具变量两阶段最小二乘法（TSLS）估
计时，为每个区县分别设置虚拟变量，目的是控制区县层面难以观测的
异质性。
（三）模型设定与实证策略
1. 基准模型设定：OLS 及其内生性问题
首先估计基准回归模型， 只纳入当期 （第二轮 CEPS 追访数据）的
控制变量进行 OLS 多元回归， 进而得到课外补习参与对负向情绪得分
的斜率系数估计值。
回归方程如（1）式所示。 11 其一，结果变量 Y isct 是处在时期 t、区县
c、学校 s 的受访学生的负向情绪得分；其二，原因变量 cramsch isct 为学生
i 在最近一年是否参加课外补习班（学业辅导班）的虚拟变量，参加取值
为 1，未参加取值为 0；其三，X isct 为学生（及其家庭、班级）层面的控制
变量；其四，滋 s 为学校固定效应（学校虚拟变量）；其五，姿 t 为学期虚拟变
量；其六，着 isct 为回归方程的误差项（error term），它包含了所有未观测到
的、且对学生 i 负向情绪 IRT 得分具有影响的因素。

10. 班级特征已通过 IRT 模型生成潜变量标准化得分，以缓解多重共线性。
11. 出于表达简洁考虑， 以下所有回归方程的截距项都包含在了控制变量向量所对应
的系数当中。

· 72 ·