|
师。而反观农村学校教师，学历层次整体偏低，教育理念相对落后，农村青年教师热衷于向城市学校调 动，教学积极性不高，同时也使得农村教育的质量得不到保证。 玉林（2003）[12]在他们的研究中也有相似的论述。 综上，从资源的分配受影响，信息获取程度不同两个层面考虑，我们认为城镇考生获得 更好的教育资源，也应当有更好的受教育成果，即更高的高考分数。基于此，我们做出如下 100 假设： 假设1：农村与城镇教育资源的不平等会导致学生高考成绩的差异，城镇考生分数会高 于农村考生。 第二、在本文研究中，我们考虑的是单一的学校，所以获取信息能力的不平等从择校能 力的差别转移到了选择专业、选择学院能力的差别。在这里需要说明的是，“获取信息能力” 105 只是导致专业选择差异的原因之一，而另一个更重要的因素是分数差异，他们都受到教育资 源差异的影响。为了使我们的研究结果更具有说服力，我们在研究中做了如下处理。 首先，在假设1 中的叙述中，我们用“高考分数”这一变量完全代理所享有教育资源的 多少，也包含了“获取信息能力”。为了单独考察“获取信息能力”的影响，我们做了如下 两种处理。第一，将考生的“高考分数”关于考生的“城乡属性”作一元线性回归，用回归 110 残差替代在下文中作为解释变量时的“高考分数”，而将“城乡属性”作为考生“获取信息 能力差异”的代理变量，从而将“高考分数差异”与“获取信息能力差异”两个因素的影响 相分离，进而同时考察这两个因素对专业选择的影响。第二，“高考分数”仍使用未分离“获 取信息能力差异”影响的高考分数，将考生的城乡属性与分数相乘的乘积项作为反映“获取 信息能力差异”的变量，进而同时考察这两个因素对专业选择的影响6。 115 其次，我们为了更清晰的表明学院的热门程度，将研究重点放在了该校中的三个重点热 门学院（通信与信息工程学院，微电子与固体电子学院，电子工程学院）上。选择这三个学 院的原因是，在该校中，这三个学院的学术能力在全国通信电子领域都处于前列，且学院规 模大，国家投入经费多，相关行业中的杰出院友等也较多，因此是广大学生公认的热门学院。 此外，由于人文社科与工科专业两者具有较大的差异，我们将录取人数较少的人文社科类学 120 院（经济与管理学院、政治与公共管理学院、外国语学院）从样本中去除。因此，余下研究 的样本均是理科考生。同时，由于该校各理工科学院都以通信电子领域为主，大多数考生对 于不同专业的兴趣差异也很小。经过去掉人文社科类学院，本研究排除了兴趣这一潜在因素 影响，使得样本揭示的信息更具说服力。 最后，我们为了减少其他变量可能对回归结果造成的影响，在方程中控制了高考分数、 125 性别及应往届等变量。 在样本学校中，由于老牌学院掌握更多的教学、社会、生源资源，同时也拥有更好的社 会声誉，我们认为这些老牌学院中的专业为首选专业，而其他学院中的专业则为次选专业， 通常，一个学院中包括数个“同质”的专业，这里“同质”的意思是在考生报考时，认为是 大体相似的专业，毕竟对于普通考生来说，在进入某个领域深入学习之前无法仔细区分具体 130 专业分支间的差异。在这里，我们将这些“同质”专业的选择统一考虑为对于学院的选择， 以减少样本数据的分散可能造成的回归结果的不显著。因此，我们定义首选专业对应着的学 6 实际上我们更看重第二种处理方法的结果，原因是：第一种方法在分离“获取信息能力差异”的同时， 可能将城乡“教育资源差异”导致的“高考分数差异”也剥离了；而第二种方法保留了“教育资源差异” 导致的“高考分数差异”，而进一步考察了城乡差异在专业选择中的增量作用，因而乘积项回归系数如果 显著，更能准确反映“获取信息能力差异”的影响。 院为热门学院。由于首选专业毕业后更高的工资待遇预期以及其更好的科研氛围、设备等， 使得多数考生会选择热门专业。同时，在去掉人文社科类专业后，也使我们更有理由相信选 择专业是否为优选专业可以用来衡量教育资源的优劣。基于对选择专业过程的思考，我们发 135 现城镇的同学会拥有更多的社会资源以及信息资源，他们知道有哪些学院的专业前景更好以 及学校能提供哪些资源，而农村考生由于其信息社会资源的匮乏，会导致在信息不对等的条 件下选择了不是很理想的专业，同时也由于对于落榜风险的弱偏好，使他们更倾向于选择平 均分较低的学院以使他们更有把握进入。所以我们做出如下假设： 假设2：农村与城镇考生获取信息能力的差异，会导致学生选择专业的差异，城镇考生 140 会更容易进入较好的专业。 3 实证分析 3.1 样本数据 本文数据来源于某985 高校2009 级本科新生的基本资料，共4754 个样本。由于本文的 目的是分析考生城乡类别对考生分数及所选择专业的影响，因此我们考察分析的数据字段 145 有：录取学院、录取专业、性别、考生类别（城镇/农村、应届/往届）、毕业中学、高考成 绩、志愿和专业类别（理工、文史）等。此样本一定程度上可以代表全国范围内高考录取的 情况，因为该高校是全国“985”重点建设高校，其招生具有全国性的特点，同时知名度较 高，一定程度上保证了被该高校录取学生特征的普遍性。 3.2 考生受教育成果与城乡类别的度量及其关系 150 前文所述，高考成绩是现今中国衡量高中毕业生受教育成果的有力指标，其权威性、公 平性毋庸置疑。对于全国范围内的考生，由于各省高考试卷不同，所以直接比较高考分数的 高低并不能准确衡量出学生受教育成果的差异，因此我们将高考分数进行“线差处理”，即 以考生的高考分数减去考生所在省份的一本分数线的差值作为新的代理变量。 在对样本的处理中我们发现，有一些极端的高考分数会影响样本的整体性质，如该高校 155 在某省中录取人数较少，而此省的考生样本中有一名考生有非常高的高考分数（可能由于填 志愿的策略失误造成），或是存在少量考生有极低的高考分数（高水平运动员等），这样的 “特殊”样本会使样本统计数据产生一定程度的扭曲。因此，我们排除样本中在所在省份分 数极高的考生和有如下特性的考生：艺术特长生、高水平运动员、政策班等。通过这样处理 后的高考分数，数据更加平稳，方差较小，增强了多变量回归的准确性。 160 在本研究中，我们以考生高考录取时档案中的城乡类别作为考生城乡类别的代理变量， 从而来衡量他们获得教育资源的多少以及对信息的获取能力。而考生档案中的城乡类别来自 于户口本。我们曾尝试以考生的毕业高中作为衡量考生城乡背景即享受教育资源多少的变 量，但存在如何度量全国各地考生所毕业高中的教育水平程度，是否应该区分重点高中与非 重点高中，不同省份的高中间如何比较等问题。因此如果以考生毕业高中作为代理变量会使 165 考生的特征产生更多的不确定性。综上，我们仍然使用录取档案中考生户口的城乡类别作为 考生掌握社会资源多少和信息获取能力大小的代理变量。 3.3 描述性统计分析 首先，我们对考生的高考分数与城乡类别进行描述性统计分析。所使用的高考分数均是 “线差处理”后的分数。表1 分别给出了全国不同城乡属性的考生高考分数的描述性统计结 170 果。 表1 该高校录取的全国考生高考分数的描述性统计结果 考生类别 差异性检验 变量 农村（1780 人） 城镇（2672 人） 平均值 42.6 43.7 0.1066 中位数 43 45 0.1263 最大值 137 162 最小值 0 -187 标准误 19.17 22.06 偏度 0.12 0.26 峰度 2.80 3.30 注：***代表在1%的水平上显著，**代表在5%的水平上显著，*代表在10%的水平上显著。在差异性检验 中，平均值的检验使用的是t 检验，中位数使用的是Wilcoxon 检验。这里所使用的高考分数为线差处理后 的分数。 175 从全国范围来看，城镇考生高考成绩的平均值、中位数、最大值以及人数均高于农村考 生，同时数据的分布情况也相似，录取的城镇考生的分数波动性更大一些。但是差异性检验 结果不显著。为了更好的排除其他因素的干扰，我们对数据进行进一步处理，做了如下检验。 由于各省的高考是相对独立的，各高校在各省的招生份额也有较大的地域性差异。因此 180 即使做过了“线差处理”，高出重本线分数多少的意义对于各省考生仍然不同。所以简单的 把各省考生的分数放在一起进行检验会受到上述因素的影响。我们在描述性统计中将“线差 处理”后的高考分数进行进一步处理，分别将各省“线差处理”后的分数减去其均值再除以 其标准差，这样得到的高考分数数据代表的是：一个考生在所在省份录取学生中所处的位置， 也可以理解成排位。这样，使得不同省份之间高考差异的因素被消除。表2 别给出了对高考 185 分数进一步处理后，全国不同城乡属性的考生高考分数的描述性统计结果。 表2 分数进一步处理后，高校录取的全国考生高考分数的描述性统计结果 考生类别 差异性检验 变量 农村（1780 人） 城镇（2672 人） 平均值 0.0248 -0.0163 0.1781 中位数 0.0529 0.0036 0.1618 最大值 2.83 3.75 最小值 -3.81 -4.33 标准误 0.957 1.03 偏度 -0.175 -0.105 峰度 3.11 3.31 注：***代表在1%的水平上显著，**代表在5%的水平上显著，*代表在10%的水平上显著。在差异性检验 中，平均值的检验使用的是t 检验，中位数使用的是Wilcoxon 检验。这里所使用的高考分数为进一步处理 后的，即各省“线差处理”后的分数减去其均值再除以其标准差。 190 从全国范围来看，对于处理后的高考分数数据，农村考生与城镇考生数据的分布情况相 似，农村考生的平均值和中位数要大于城镇考生。但即使是减少了各省高考差异可能对结果 学术论文网Tag： |
