本站小編為你精心準備了國內家庭教育投資的實證研究參考范文,愿這些范文能點燃您思維的火花,激發您的寫作靈感。歡迎深入閱讀并收藏。
文獻綜述
Tilak(2002)對影響家庭教育支出的因素進行了較為細致的分析,并將影響家庭教育支出的因素分為主觀因素和客觀因素兩大類。客觀因素包括個人特征(如性別)、家庭特征(如家庭收入)、地區特征(如地區經濟狀況),以及學校特征和政府教育支出等;主觀因素如家庭教育觀念等也會對教育投資決策產生影響。而這些因素在教育支出決策過程中是否真的發揮著作用,這就需要相關的實證研究進行論證。目前為止,國內、外學者對影響家庭教育支出的因素進行了大量的實證研究,歸納起來,大致可分為收入、性別、職業、年齡等特征。需要特別說明的是,由于現實中能影響家庭教育支出的因素很多,且研究所使用的樣本和方法不同,進而研究的結論也會有所差異。
1、收入:在影響家庭教育支出的因素中,收入是被給予較多關注的變量,大部分學者認為,收入是影響父母對子女教育支出的重要因素。Schultz(1993)發現,由于風險規避和信貸約束,即使教育的收益率很高,低收入家庭的教育支出仍然處于較低水平。Hashimoto和Heath(1995)利用日本1989年全國收入與支出的關系進行研究,發現家庭教育支出的平均彈性系數為1.72,收入變動對家庭教育支出變動的影響顯著。國內的很多研究也證實了家庭教育支出主要受家庭經濟條件的影響,如魏新和邱黎強(2000)、蔣乃華(2002)。不過,孫志軍(2004)通過對中國甘肅省農村小學和初中家庭教育支出決定因素的回歸分析發現,家庭收入對家庭教育支出的影響并不顯著。
2、性別:Schultz(1993)在研究中發現,隨著父母收入的不斷增加,父母會更加平等地對男孩和女孩分配教育資源,從而家庭在教育支出時,對子女性別的選擇沒有明顯的偏好;但是,隨著父母收入的減少,家庭中的男孩將分到比女孩更多的教育資源;此外,貧窮家庭對于教育資源分配的性別不平等程度要遠遠大于富裕家庭。Parish和Willis(1993)、Glick和Sahn(1996)的研究也證明了一旦家庭收入水平提高,家庭對于男孩和女孩的教育資源分配將更加平等。李通屏(2002)的研究認為,城市地區男孩和女孩平等地享有家庭的教育資源,甚至女孩略高于男孩;而在農村,這一情況則剛好相反。
3、父母的職業:大多數研究都發現,父母的職業狀況對孩子教育支出有顯著的影響。Wydick和Bruce(1999)在危地馬拉的研究發現,經營家庭企業的父母對子女教育支出有負面影響,家庭教育支出相對較少;李紅偉(2000)的研究發現,家長的行業收入水平影響著教育投入的多少,支出最高的科研技術部門,其家庭人均教育消費是最低的從事采掘業的家庭支出的1.7倍。
4、父母的教育程度:李紅偉(2000)的研究中,父母文化背景與家庭教育支出的費用有絕對的正相關性,文化程度越高的家庭,人均教育支出越多;文化程度越低的家庭,其教育支出占家庭總支出的比重越高。李冥等(2008)對河北承德農村的調查顯示,母親在家庭中的決策地位和母親的教育程度都會影響子女教育投資的選擇,文化程度高且在家庭中地位高的母親,對子女的教育投資有積極促進作用。5、價值觀:劉潔和陳寶峰(2007)的研究顯示,經濟支付能力已經不是影響義務教育投資的主要因素,家長大都愿意對子女進行不計回報的投入。而且,農村家庭家長的安土宿命觀、利他主義、教育人文觀等都對教育投資表現出了正面影響。處于這些因素之外,研究還發現父母的年齡、子女的教育階段以及政府政策等也會對家庭教育支出產生影響。這里需要特別說明的是,由于此類研究多以實證為主,常采用方差分析、多元線性回歸、Logit回歸等數理統計等方法。
為了研究影響家庭教育支出的因素,本文以居民家庭為研究對象,在分析借鑒以往研究成果的基礎上編制了問卷進行調查。本次調查一共發放問卷1800份,回收1701份,回收率為94.5%,剔除不符合要求的174個無效樣本后,進入統計分析的有效樣本共1527個,有效率為89.8%。有效樣本覆蓋了中國東部、中部和西部地區的家庭,覆蓋了農村和城市的家庭,基本達到研究的需要。最后,利用SPSS16.0統計軟件對調查數據進行多角度分析,以了解家庭教育支出的影響因素以及差異性。
實證研究思路如下:首先,根據不同的因素將樣本家庭分類,觀察其教育支出的差異,并利用獨立樣本t檢驗、單因素方差檢驗來判斷差異的顯著性;其次,對各個因素與教育支出進行相關分析,了解其相關性是否顯著;最后,采用多元回歸進行分析。本次研究中,以家庭每年在每名子女上的平均教育花費作為衡量家庭教育支出的指標。庭兩類,城市家庭中每名子女每年的教育花費大約為19229.61元,而農村家庭僅為12678.02元,比城市家庭低了近6551.59元。此外,從標準差上可以看出,城市家庭的教育支出額波動范圍較農村家庭更大。在兩類家庭的教育支出的獨立樣本t檢驗中,對應的p值小于0.01,說明在1%的顯著性水平下,城市家庭教育支出顯著高于農村家庭。
2、地區與家庭教育支出的關系
根據家庭所在地區的差異,將樣本分為東部地區家庭、中部地區家庭和西部地區家庭,從結果上看,東部地區家庭的教育支出最高,平均每年在每個子女的教育上花費19067.93元;其次是中部地區家庭,花費16631.63元;最后是西部地區家庭,為14404.51元。總體而言,東西部家庭的教育支出差距較大。此外,從標準差上看,教育支出波動從東部到中部再到西部,依次遞減。單因素方差檢驗中,F(2,1524)=2.096,對應p值為0.123,說明三個地區的家庭教育開支并沒有顯著的差異。兩兩獨立樣本t檢驗中,僅有東部家庭的教育支出在10%的顯著性水平下顯著高于西部家庭,其余差異并不顯著。
3、收入與家庭教育支出的關系
根據家長的月收入狀況,將樣本家庭分為七類,其每年在每名子女上的教育花費均值如表1所示。由表1可以看出,家庭教育支出與家長的月收入大致呈正相關關系,家庭收入越高,每年在每名子女上的教育花費也就越多。單因素方差檢驗中,F(6,1520)=21.022,對應p=0.000<0.01,說明在1%顯著性水平下,處在不同收入區間的家庭在教育支出上是有顯著差異的。
4、家長受教育程度與家庭教育支出的關系
根據樣本家庭中被調查家長的受教育程度,可以將樣本分為三類,即家長受教育程度分別為初中及初中以下、高中、大學及以上的家庭。教育支出均值如表2所示。由表2可以看出,家長的受教育越高,教育支出也就越高。“高中”比“初中”高出823.52元,“大學”比“高中”高出6652.72元,可見家庭的教育支出在家長教育程度為“大學”之后發生了較大的變化。單因素方差檢驗中,F(2,1524)=9.549,對應p=0.000<0.01,說明在1%的顯著性水平下,家長教育程度不同的三類家庭在教育支出上有著顯著的差異。兩兩獨立樣本t檢驗表明,家長受教育程度達到大學及以上的家庭,教育支出顯著高于其余教育程度的家庭。
5、家長職業與家庭教育支出的關系
根據工作的內容以及穩定性等特點,本文將家長的工作分為五類(表3)。我們看到,在國企或私企工作的家長在教育支出上花費最多,每年平均在每名子女上花費19604.29元;其次是兼業的家長,平均花費為19322.92元,但是標準差非常大,說明家長工作同為半工半農的家庭在教育支出上差異很大;再次是家長在機關或事業單位工作的家庭,教育支出大約為18178.14元,此外,此類家庭之間支出的波動相對較小;教育支出最低的是從事農業的家長,為11700.87元;個體及其他工作的家長教育支出平均為17605.72元。單因素方差檢驗中,F(4,1522)=1.566,對應p=0.181>0.1,說明家長工作差異對家庭教育支出在總體上沒有顯著影響。兩兩獨立樣本t檢驗結果表明,只有當家長從事農業時,家庭支出才會有顯著差異。
6、期望子女最低受教育程度與家庭教育支出的關系
根據家長對子女最低受教育程度的期望,可以將樣本家庭分為五類,如表4所示。由表4可以看出,除了對子女教育程度沒有要求的家長外,對子女教育程度要求越高的家長,在教育支出上也越多。差異較大的有:要求子女達到大學本科水平的家長要比要求子女達到中專或大專水平的家長在平均教育支出上多了7224.88元;要求達到大學本科與要求達到碩士的教育支出差異為7080.32元。單因素方差檢驗中,F(4,1522)=5.522,對應p=0.000,低于1%的顯著性水平,說明家長對子女最低受教育程度的期望不同,從總體上看,家庭教育支出也會顯著不同。兩兩獨立樣本t檢驗中,要求子女最低教育程度達到中專或大專水平的家庭,在教育支出上顯著低于其他家庭;專本差異和本碩差異造成的教育支出差異較為明顯。
7、子女數量差異
本次調查中,絕大部分家庭的孩子數量為1—3個,教育支出最低的是5個孩子的家庭,平均每個孩子的教育花費為8000元;教育支出最高的是8個孩子的家庭,平均為40000元;4個孩子的家庭平均教育支出為17500元,但是,這三種家庭樣本量較小,不具有代表性。就絕大部分家庭而言,有3個孩子的家庭在教育支出上花費是最多的,平均每年在每名子女上的教育支出為20940元,但是其較的標準差也表明同類家庭的教育支出之間存在著很大的差異;其次是2個孩子的家庭,平均每個孩子的教育支出為18804.27元;占樣本74.5%的家庭僅有1個孩子,平均教育支出為17710.84元,然而,單因素方差分析和獨立樣本t檢驗結果表明,這種差異不顯著。此外,本次調查還發現,僅有1個男孩的家庭與僅有1個女孩的家庭在教育支出上差別不大,可以在一定程度上說明獨生子女家庭中,教育支出上并不存在“重男輕女”的現象。
(二)相關分析
以上根據不同的變量將樣本家庭分為不同類別,對各個變量下教育支出的差異性進行了簡單分析。本部分將采用Pearson簡單相關系數、Kendall’stau相關系數和Spearman等級相關系數三種相關系數,進一步分析各變量與家庭教育支出之間的相關關系。三種檢驗的結果如表5所示。從表中可以看出,該調查中,有關家庭特征的變量如戶口、地區以及家長月收入均與家庭教育支出有明顯的相關關系;有關家長特征的變量中,家長受教育程度、家長工作以及家長期望子女最低教育程度和家庭教育支出有明顯的相關關系;但是,有關子女特征的變量如子女數量和子女性別結構,與家庭教育支出沒有顯著的相關關系。其次,家長月收入與教育支出是顯著正相關的,而且在各個變量中的相關性是最明顯的,與教育支出顯著正相關的還有家長受教育程度以及家長期望子女最低受教育程度。說明家長月收入越高、受教育程度越高、最子女最低教育程度的要求越高,家庭教育支出也會越高。與教育支出呈現顯著負相關的變量有戶口、地區和家長工作三個變量,即家庭是農村的、西部地區的以及家長工作收入穩定性越差,家庭教育支出會越少。
(三)多元回歸分析
根據上文的分析,可以看出代表家庭特征的變量如家長月收入、城鄉和地區,以及代表家長特征的變量如家長受教育程度、家長工作和家長期望子女的最低受教育水平,共六個變量與教育支出有顯著的相關關系。而其他變量,如子女數量、子女性別結構等與教育支出關系不大,故略去這些變量,避免因變量過多而造成多重共線性。變量說明如表6所示。根據以上的變量選取,設立如下的回歸模型:因變量為家庭教育支出(exp_edu),由于樣本之間是獨立的,因而因變量也是相對獨立的。自變量有戶口(hukou)、地區(area)、家長月收入(income)、家長受教育程度(parent_edu)、家長工作(parent_job)和期望子女最低受教育程度(child_exedu),即會對家庭教育支出產生影響的因素。其中部分自變量屬于定性分析,故將其轉化為虛擬變量納入到方程中。β0為截距,β1至β14分別為各個變量的回歸系數,ui為引入的誤差項。誤差項與各個自變量獨立,且具有有正態性、同方差、零均值、相互獨立的特征,主要是用來解釋變量觀測值與真實值之間的差距。
在設定了模型之后,我們采用逐步篩選法(stepwise)對自變量進行自動篩選。其篩選的機制為:每一次按照向前篩選法的標準引入變量后,都要按照向后篩選法的標準對已經引入的所有變量進行檢驗,剔除掉由于新變量的引入而變得不再顯著的變量。經過回歸,最終方程僅選擇了兩個變量,即家長月收入和家長期望子女受教育程度達到碩士。模型概況如表7所示。最終的方程F統計量對應的p值為0.01,從整體上看是比較顯著的,此外,DW檢驗值為1.805,說明回歸方程還是能夠比較充分地說明因變量的變化規律。由表8的回歸分析結果可以看出:
第一,兩個自變量對因變量的影響都是顯著的。其中,月收入的t檢驗p值近乎為0,家長要求子女達到碩士t檢驗p值為0.01,說明兩者在1%的顯著性水平下均顯著。
第二,多重共線性的可能性較小。兩個自變量的容忍度均為0.98,非常接近于1,此外,方差膨脹因子(VIF)非常小,均可說明自變量之間基本上不存在多重共線性。因此,最終可確定如下回歸方程:根據回歸的結果,我們的研究發現,家長的收入和家長對子女的期望受教育程度是對家庭教育支出影響比較顯著的兩個變量,而其他因素的作用并不明顯。具體而言,我們得到的結論是:
1、家庭經濟狀況與教育支出有明顯的正相關關系。收入的系數為2.442,說明家長的月收入每增加1元,每年在每名子女上的教育花費就增加2.442元。家庭收入是家庭教育支出的經濟基礎,家長收入越高,家庭教育支出也會越高。在差異分析中,收入水平不同的家庭有著不同的教育支出,此外,城鄉差異、地區差異、家長職業差異以及家長教育程度差異很可能也是通過收入差異作用于家庭教育支出的;相關分析中,收入與教育支出的相關系數是非常顯著的,而且在所有影響因素中,該相關系數值最大,家庭經濟狀況對教育支出的影響是最明顯的;回歸分析中,收入是最先被確定為教育支出的解釋變量的因素,且教育支出占家庭收入的比重也是很大的。對教育支出的負擔能力是一個家庭進行教育支出決策的客觀約束,一般說來,經濟狀況良好的家庭能夠承擔其更多的教育支出,這就說明收入對于教育支出有著決定性的作用,簡單來說,就是“家長能為子女的教育支出多少”。
2、家長對子女最低受教育程度的期望對家庭教育支出有顯著的正影響。期望子女受教育水平(碩士)的系數為4569.675,說明家長期望子女達到碩士教育水平的家庭比其他家庭在每名子女的教育花費上要多支出4569.675元,由于其他家庭中,除了少量家庭要求子女達到博士以外,絕大部分家庭期望子女受教育程度均低于碩士,在一定程度上可以反映出家長對子女受教育程度的期望越高,在教育支出上也越高。相關分析中,兩者顯著正相關;回歸分析中,除了收入因素外,期望子女最低受教育程度達到碩士的家庭與教育支出的關系最為明顯。家庭教育支出決策不僅受到客觀條件如收入的約束,還有主觀條件的限制,如家長對子女最低受教育程度的期望,如果家長對子女教育程度沒有很的要求,即使家庭經濟狀況很好,對子女的教育支出也不一定很高;相反,如果家長對子女受教育程度要求很高,即使自身收入不高,也會想辦法(如貸款等)資助子女讀書。在本次調查中,還發現了一個很有意思的現象,部分家庭雖然對子女的受教育程度沒有要求,但依然保持著較高的教育支出水平,可以理解為雖然家長對子女沒有要求,但是愿意為其提供良好的教育支持。總的來說,即“家長愿意為子女的教育支出多少”。
3、子女的數量和性別對家庭教育支出的影響不顯著。相關分析中,子女的性別和數量與家庭教育支出相關系數不顯著;回歸分析中,兩個變量均未能夠進入方程。這都表明,它們對家庭教育支出的影響不顯著。在一定程度上說明中國的家庭在教育投資上沒有明顯的“重男輕女”,而每名子女獲得的教育支出也不會因為家庭中孩子數量的增加而減少。在回歸中,很多在之前差異分析和相關分析中比較有效的因素并沒有進入到方程之中,一方面可能是由于回歸時選擇了較為嚴格的刪選變量機制,另一方面也可能是這些變量對家庭教育支出沒有直接的影響所致。雖然其他變量在差異比較和相關性分析時,與教育支出的相關性是明顯的,但是很可能這種差異是通過家長的收入和期望來體現的。比如說,城市家庭和農村家庭在家庭教育支出上有顯著的差異,但是并不是因為所在位置,而是由于家庭的收入狀況。通常而言,農村家庭的收入要低于城市家庭,這樣,對教育支出的負擔能力就產生了差異,進而影響了家庭的教育支出,如果家庭雖然是農村的,但是收入非常高,那么它的教育支出不見得會比城市家庭低;地區差異也類似。再比如,家長的工作,一般來說,家長的受教育程度越高,對子女的教育支出也會越高;反之,家長的受教育程度越低,對子女的教育支出也相對較低。然而,導致這種差異的真正原因很可能并不在于家長受教育程度本身,而是因為受教育程度高的家長收入通常而言是比較高的,而且對子女的受教育程度要求也會比普通家庭要求高,所以有意愿且有能力維持比較高的教育支出水平。但是,這并不代表受教育程度低的家長在子女教育支出上的花費就一定少。因而,其余變量對教育支出產生的影響很可能實質上依然是經濟狀況的約束和期望的激勵。總的來看,家庭教育支出受到主客觀兩方面因素的約束,家庭收入決定了家庭的教育負擔能力,而對子女受教育程度的期望則決定了家庭進行教育投資的意愿,當一個家庭有能力且愿意為子女提供良好的教育條件時,該家庭的教育支出就比較高。
結論
本文通過實證分析,發現了家庭的客觀特征(如家長月收入、家長教育程度、家長職業、期望受教育程度、子女數量等等)對家庭的教育支出會有顯著的影響,其中,收入的影響最為顯著,這與以往的研究基本一致。由于家庭教育支出的收入彈性大于零,所以,在過去的30多年間,隨著家庭收入水平的不斷提高,家庭在教育上的開支也明顯增加,這也在一定程度上解釋了中國的教育為什么能夠在公共支出不足的情況下取得快速的發展,這種微觀的視角是對以往從宏觀層面對教育發展進行解釋的一個必要補充。不過,本文與以往研究的一個不同之處在于,我們發現家長對子女的期望受教育程度這個主觀因素與家庭的教育支出之間存在正相關的關系,這是以往多數研究中沒有的結論,也具有重要的政策含義。由此引發的問題是,什么因素決定或者影響了家庭對子女的期望受教育程度呢?如果低收入家庭的子女在接受教育之后無法獲得一個滿意的回報,他們還會希望子女接受更多的教育嗎?如果“教育無用論”泛濫的話,這些低收入家庭的教育投資如何保證。畢竟,大量的研究都表明,教育才是縮小貧富差距的最有效工具。從政府的角度看,維護教育的公平、公正,確保教育或人力資本在決定個人收入中的重要作用,這些政策都是十分必要的,而一切的基礎都是要建立一個遍及城鄉之間和不同行業的勞動力市場,打破戶籍等制度性障礙對勞動力自由流動的限制。
盡管本次研究嘗試在實證調查的基礎上,分析居民家庭在教育支出上的差異和影響因素,進行各種統計分析后也得出了相關結論,但是由于各種主客觀條件的限制,研究難免存在一些不足之處。首先,在問卷設計方面,了解的信息偏重于家庭特征方面,還有一些重要的因素沒有納入調查范圍(比如政府和學校方面的因素),回歸方程的擬合優度不佳也證實可能遺漏了重要變量;其次,我們以家庭每年在每名子女上的教育花費作為家庭教育支出的衡量指標,問卷中缺失了對教育支出的內容的明確界定,獲得的數據在統計口徑上可能存在著偏差;另外,由于數據所限(只有截面數據沒有序列數據),我們所使用的方法沒有辦法了解到家庭教育支出的動態變化特征,故而研究的結果有一定的局限。總之,在當前特定的經濟和社會轉型階段,研究中國家庭教育支出的規模和結構的動態演變是一個重要課題,這對于我們提高貧困家庭的收入水平、降低收入差距都有著重要的現實意義。
作者:谷宏偉楊秋平單位:東北財經大學經濟學院勞動就業與人力資本開發研究中心