Page 235 - 《社会》2022年第5期
P. 235
社会·2022·5
层 2： 茁 0 j = r 00 + r 0 kW k j + u 0 j
茁 1 j = r 10 + r 11 R j + 滋 1 j
层级混合效应：
Y i j = r 00 + r 0 kW k j + 茁 z Z i j + u 0 j + 着 i j +（r 10 + r 11 R j + 滋 1 j）X i j
其中，Y i j 表示第 j个学校的第 i 个学生的学业成就，X i j 表示第 j 个
学校的第 i 个学生的父母是否认识其他家长。 Z i j 表示个体层次的所有控制
变量。 W k j 表示第j 个学校、第 k 个学校层次的变量，R j 表示宏观学校层
次的解释变量，即网络密度、网络规范、关系人阶层地位、网络资源变量。
由前文可知，学生进入不同排名等级的学校受到家庭结构、家庭阶
层地位、父母的迁移状态等因素的影响，因此其本身具有选择性偏误。
为此， 我们采用稳定逆概率加权 （ stabilized inverse probability treatment
weights，SIPTW）技术，以尽可能克服因选择性导致的从属于同一个学校
对估计结果的影响。 权重的公式为：
P（S i = J）
SW i =
P（S i = J|X i，C i）
其中，S i 表示第 i 个子女所在学校的排名等级，X i 为第 i 个子女六
7
年级时的一组影响其进入不同等级学校的变量， C i 为第 i 个子女的人
口特征变量和家庭层次变量。 8 在模型选择方面， 我们使用多分类Logistic
模型（multinomial logistic model）来估计子女进入不同等级学校的概率。 9
五、 实证结果
基于代际网络理论所根植的个体能动效应与网络情境效应， 本研
究尝试构建一个旨在探索代际网络效应的多元分层的解释框架以及间
接机制。 首先，本文试图检验中国情境下宏微观代际网络对子女学业成
就的影响， 并进一步考察个体能动效应基于不同网络情境的条件效应
来解析二者之间的关系。 其次，以家庭内部社会资本、同伴社会资本以
7. 子女六年级的变量包括学习成绩排名、学习能力、自我效能、是否参加 入学考试 、家
长是否采取行动帮助入学。
8. 人口学特征变量包括性别、年龄、户口、自评健康状况、兄弟姐妹数量。 家庭层次变量
包括家庭流动状态、父母关系、家庭结构、父亲和母亲的职业地位、父亲和母亲的受教育
年限、家庭自评经济地位、父母的政治面貌。
9. 由于篇幅有限，本文没有列出分析结果和平衡性诊断，有兴趣的读者可以联系作者。
· 228·
