本站小编为你精心准备了国内家庭教育投资的实证研究参考范文,愿这些范文能点燃您思维的火花,激发您的写作灵感。欢迎深入阅读并收藏。
文献综述
Tilak(2002)对影响家庭教育支出的因素进行了较为细致的分析,并将影响家庭教育支出的因素分为主观因素和客观因素两大类。客观因素包括个人特征(如性别)、家庭特征(如家庭收入)、地区特征(如地区经济状况),以及学校特征和政府教育支出等;主观因素如家庭教育观念等也会对教育投资决策产生影响。而这些因素在教育支出决策过程中是否真的发挥着作用,这就需要相关的实证研究进行论证。目前为止,国内、外学者对影响家庭教育支出的因素进行了大量的实证研究,归纳起来,大致可分为收入、性别、职业、年龄等特征。需要特别说明的是,由于现实中能影响家庭教育支出的因素很多,且研究所使用的样本和方法不同,进而研究的结论也会有所差异。
1、收入:在影响家庭教育支出的因素中,收入是被给予较多关注的变量,大部分学者认为,收入是影响父母对子女教育支出的重要因素。Schultz(1993)发现,由于风险规避和信贷约束,即使教育的收益率很高,低收入家庭的教育支出仍然处于较低水平。Hashimoto和Heath(1995)利用日本1989年全国收入与支出的关系进行研究,发现家庭教育支出的平均弹性系数为1.72,收入变动对家庭教育支出变动的影响显著。国内的很多研究也证实了家庭教育支出主要受家庭经济条件的影响,如魏新和邱黎强(2000)、蒋乃华(2002)。不过,孙志军(2004)通过对中国甘肃省农村小学和初中家庭教育支出决定因素的回归分析发现,家庭收入对家庭教育支出的影响并不显著。
2、性别:Schultz(1993)在研究中发现,随着父母收入的不断增加,父母会更加平等地对男孩和女孩分配教育资源,从而家庭在教育支出时,对子女性别的选择没有明显的偏好;但是,随着父母收入的减少,家庭中的男孩将分到比女孩更多的教育资源;此外,贫穷家庭对于教育资源分配的性别不平等程度要远远大于富裕家庭。Parish和Willis(1993)、Glick和Sahn(1996)的研究也证明了一旦家庭收入水平提高,家庭对于男孩和女孩的教育资源分配将更加平等。李通屏(2002)的研究认为,城市地区男孩和女孩平等地享有家庭的教育资源,甚至女孩略高于男孩;而在农村,这一情况则刚好相反。
3、父母的职业:大多数研究都发现,父母的职业状况对孩子教育支出有显著的影响。Wydick和Bruce(1999)在危地马拉的研究发现,经营家庭企业的父母对子女教育支出有负面影响,家庭教育支出相对较少;李红伟(2000)的研究发现,家长的行业收入水平影响着教育投入的多少,支出最高的科研技术部门,其家庭人均教育消费是最低的从事采掘业的家庭支出的1.7倍。
4、父母的教育程度:李红伟(2000)的研究中,父母文化背景与家庭教育支出的费用有绝对的正相关性,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,其教育支出占家庭总支出的比重越高。李冥等(2008)对河北承德农村的调查显示,母亲在家庭中的决策地位和母亲的教育程度都会影响子女教育投资的选择,文化程度高且在家庭中地位高的母亲,对子女的教育投资有积极促进作用。5、价值观:刘洁和陈宝峰(2007)的研究显示,经济支付能力已经不是影响义务教育投资的主要因素,家长大都愿意对子女进行不计回报的投入。而且,农村家庭家长的安土宿命观、利他主义、教育人文观等都对教育投资表现出了正面影响。处于这些因素之外,研究还发现父母的年龄、子女的教育阶段以及政府政策等也会对家庭教育支出产生影响。这里需要特别说明的是,由于此类研究多以实证为主,常采用方差分析、多元线性回归、Logit回归等数理统计等方法。
为了研究影响家庭教育支出的因素,本文以居民家庭为研究对象,在分析借鉴以往研究成果的基础上编制了问卷进行调查。本次调查一共发放问卷1800份,回收1701份,回收率为94.5%,剔除不符合要求的174个无效样本后,进入统计分析的有效样本共1527个,有效率为89.8%。有效样本覆盖了中国东部、中部和西部地区的家庭,覆盖了农村和城市的家庭,基本达到研究的需要。最后,利用SPSS16.0统计软件对调查数据进行多角度分析,以了解家庭教育支出的影响因素以及差异性。
实证研究思路如下:首先,根据不同的因素将样本家庭分类,观察其教育支出的差异,并利用独立样本t检验、单因素方差检验来判断差异的显著性;其次,对各个因素与教育支出进行相关分析,了解其相关性是否显著;最后,采用多元回归进行分析。本次研究中,以家庭每年在每名子女上的平均教育花费作为衡量家庭教育支出的指标。庭两类,城市家庭中每名子女每年的教育花费大约为19229.61元,而农村家庭仅为12678.02元,比城市家庭低了近6551.59元。此外,从标准差上可以看出,城市家庭的教育支出额波动范围较农村家庭更大。在两类家庭的教育支出的独立样本t检验中,对应的p值小于0.01,说明在1%的显著性水平下,城市家庭教育支出显著高于农村家庭。
2、地区与家庭教育支出的关系
根据家庭所在地区的差异,将样本分为东部地区家庭、中部地区家庭和西部地区家庭,从结果上看,东部地区家庭的教育支出最高,平均每年在每个子女的教育上花费19067.93元;其次是中部地区家庭,花费16631.63元;最后是西部地区家庭,为14404.51元。总体而言,东西部家庭的教育支出差距较大。此外,从标准差上看,教育支出波动从东部到中部再到西部,依次递减。单因素方差检验中,F(2,1524)=2.096,对应p值为0.123,说明三个地区的家庭教育开支并没有显著的差异。两两独立样本t检验中,仅有东部家庭的教育支出在10%的显著性水平下显著高于西部家庭,其余差异并不显著。
3、收入与家庭教育支出的关系
根据家长的月收入状况,将样本家庭分为七类,其每年在每名子女上的教育花费均值如表1所示。由表1可以看出,家庭教育支出与家长的月收入大致呈正相关关系,家庭收入越高,每年在每名子女上的教育花费也就越多。单因素方差检验中,F(6,1520)=21.022,对应p=0.000<0.01,说明在1%显著性水平下,处在不同收入区间的家庭在教育支出上是有显著差异的。
4、家长受教育程度与家庭教育支出的关系
根据样本家庭中被调查家长的受教育程度,可以将样本分为三类,即家长受教育程度分别为初中及初中以下、高中、大学及以上的家庭。教育支出均值如表2所示。由表2可以看出,家长的受教育越高,教育支出也就越高。“高中”比“初中”高出823.52元,“大学”比“高中”高出6652.72元,可见家庭的教育支出在家长教育程度为“大学”之后发生了较大的变化。单因素方差检验中,F(2,1524)=9.549,对应p=0.000<0.01,说明在1%的显著性水平下,家长教育程度不同的三类家庭在教育支出上有着显著的差异。两两独立样本t检验表明,家长受教育程度达到大学及以上的家庭,教育支出显著高于其余教育程度的家庭。
5、家长职业与家庭教育支出的关系
根据工作的内容以及稳定性等特点,本文将家长的工作分为五类(表3)。我们看到,在国企或私企工作的家长在教育支出上花费最多,每年平均在每名子女上花费19604.29元;其次是兼业的家长,平均花费为19322.92元,但是标准差非常大,说明家长工作同为半工半农的家庭在教育支出上差异很大;再次是家长在机关或事业单位工作的家庭,教育支出大约为18178.14元,此外,此类家庭之间支出的波动相对较小;教育支出最低的是从事农业的家长,为11700.87元;个体及其他工作的家长教育支出平均为17605.72元。单因素方差检验中,F(4,1522)=1.566,对应p=0.181>0.1,说明家长工作差异对家庭教育支出在总体上没有显著影响。两两独立样本t检验结果表明,只有当家长从事农业时,家庭支出才会有显著差异。
6、期望子女最低受教育程度与家庭教育支出的关系
根据家长对子女最低受教育程度的期望,可以将样本家庭分为五类,如表4所示。由表4可以看出,除了对子女教育程度没有要求的家长外,对子女教育程度要求越高的家长,在教育支出上也越多。差异较大的有:要求子女达到大学本科水平的家长要比要求子女达到中专或大专水平的家长在平均教育支出上多了7224.88元;要求达到大学本科与要求达到硕士的教育支出差异为7080.32元。单因素方差检验中,F(4,1522)=5.522,对应p=0.000,低于1%的显著性水平,说明家长对子女最低受教育程度的期望不同,从总体上看,家庭教育支出也会显著不同。两两独立样本t检验中,要求子女最低教育程度达到中专或大专水平的家庭,在教育支出上显著低于其他家庭;专本差异和本硕差异造成的教育支出差异较为明显。
7、子女数量差异
本次调查中,绝大部分家庭的孩子数量为1—3个,教育支出最低的是5个孩子的家庭,平均每个孩子的教育花费为8000元;教育支出最高的是8个孩子的家庭,平均为40000元;4个孩子的家庭平均教育支出为17500元,但是,这三种家庭样本量较小,不具有代表性。就绝大部分家庭而言,有3个孩子的家庭在教育支出上花费是最多的,平均每年在每名子女上的教育支出为20940元,但是其较的标准差也表明同类家庭的教育支出之间存在着很大的差异;其次是2个孩子的家庭,平均每个孩子的教育支出为18804.27元;占样本74.5%的家庭仅有1个孩子,平均教育支出为17710.84元,然而,单因素方差分析和独立样本t检验结果表明,这种差异不显著。此外,本次调查还发现,仅有1个男孩的家庭与仅有1个女孩的家庭在教育支出上差别不大,可以在一定程度上说明独生子女家庭中,教育支出上并不存在“重男轻女”的现象。
(二)相关分析
以上根据不同的变量将样本家庭分为不同类别,对各个变量下教育支出的差异性进行了简单分析。本部分将采用Pearson简单相关系数、Kendall’stau相关系数和Spearman等级相关系数三种相关系数,进一步分析各变量与家庭教育支出之间的相关关系。三种检验的结果如表5所示。从表中可以看出,该调查中,有关家庭特征的变量如户口、地区以及家长月收入均与家庭教育支出有明显的相关关系;有关家长特征的变量中,家长受教育程度、家长工作以及家长期望子女最低教育程度和家庭教育支出有明显的相关关系;但是,有关子女特征的变量如子女数量和子女性别结构,与家庭教育支出没有显著的相关关系。其次,家长月收入与教育支出是显著正相关的,而且在各个变量中的相关性是最明显的,与教育支出显著正相关的还有家长受教育程度以及家长期望子女最低受教育程度。说明家长月收入越高、受教育程度越高、最子女最低教育程度的要求越高,家庭教育支出也会越高。与教育支出呈现显著负相关的变量有户口、地区和家长工作三个变量,即家庭是农村的、西部地区的以及家长工作收入稳定性越差,家庭教育支出会越少。
(三)多元回归分析
根据上文的分析,可以看出代表家庭特征的变量如家长月收入、城乡和地区,以及代表家长特征的变量如家长受教育程度、家长工作和家长期望子女的最低受教育水平,共六个变量与教育支出有显著的相关关系。而其他变量,如子女数量、子女性别结构等与教育支出关系不大,故略去这些变量,避免因变量过多而造成多重共线性。变量说明如表6所示。根据以上的变量选取,设立如下的回归模型:因变量为家庭教育支出(exp_edu),由于样本之间是独立的,因而因变量也是相对独立的。自变量有户口(hukou)、地区(area)、家长月收入(income)、家长受教育程度(parent_edu)、家长工作(parent_job)和期望子女最低受教育程度(child_exedu),即会对家庭教育支出产生影响的因素。其中部分自变量属于定性分析,故将其转化为虚拟变量纳入到方程中。β0为截距,β1至β14分别为各个变量的回归系数,ui为引入的误差项。误差项与各个自变量独立,且具有有正态性、同方差、零均值、相互独立的特征,主要是用来解释变量观测值与真实值之间的差距。
在设定了模型之后,我们采用逐步筛选法(stepwise)对自变量进行自动筛选。其筛选的机制为:每一次按照向前筛选法的标准引入变量后,都要按照向后筛选法的标准对已经引入的所有变量进行检验,剔除掉由于新变量的引入而变得不再显著的变量。经过回归,最终方程仅选择了两个变量,即家长月收入和家长期望子女受教育程度达到硕士。模型概况如表7所示。最终的方程F统计量对应的p值为0.01,从整体上看是比较显著的,此外,DW检验值为1.805,说明回归方程还是能够比较充分地说明因变量的变化规律。由表8的回归分析结果可以看出:
第一,两个自变量对因变量的影响都是显著的。其中,月收入的t检验p值近乎为0,家长要求子女达到硕士t检验p值为0.01,说明两者在1%的显著性水平下均显著。
第二,多重共线性的可能性较小。两个自变量的容忍度均为0.98,非常接近于1,此外,方差膨胀因子(VIF)非常小,均可说明自变量之间基本上不存在多重共线性。因此,最终可确定如下回归方程:根据回归的结果,我们的研究发现,家长的收入和家长对子女的期望受教育程度是对家庭教育支出影响比较显著的两个变量,而其他因素的作用并不明显。具体而言,我们得到的结论是:
1、家庭经济状况与教育支出有明显的正相关关系。收入的系数为2.442,说明家长的月收入每增加1元,每年在每名子女上的教育花费就增加2.442元。家庭收入是家庭教育支出的经济基础,家长收入越高,家庭教育支出也会越高。在差异分析中,收入水平不同的家庭有着不同的教育支出,此外,城乡差异、地区差异、家长职业差异以及家长教育程度差异很可能也是通过收入差异作用于家庭教育支出的;相关分析中,收入与教育支出的相关系数是非常显著的,而且在所有影响因素中,该相关系数值最大,家庭经济状况对教育支出的影响是最明显的;回归分析中,收入是最先被确定为教育支出的解释变量的因素,且教育支出占家庭收入的比重也是很大的。对教育支出的负担能力是一个家庭进行教育支出决策的客观约束,一般说来,经济状况良好的家庭能够承担其更多的教育支出,这就说明收入对于教育支出有着决定性的作用,简单来说,就是“家长能为子女的教育支出多少”。
2、家长对子女最低受教育程度的期望对家庭教育支出有显著的正影响。期望子女受教育水平(硕士)的系数为4569.675,说明家长期望子女达到硕士教育水平的家庭比其他家庭在每名子女的教育花费上要多支出4569.675元,由于其他家庭中,除了少量家庭要求子女达到博士以外,绝大部分家庭期望子女受教育程度均低于硕士,在一定程度上可以反映出家长对子女受教育程度的期望越高,在教育支出上也越高。相关分析中,两者显著正相关;回归分析中,除了收入因素外,期望子女最低受教育程度达到硕士的家庭与教育支出的关系最为明显。家庭教育支出决策不仅受到客观条件如收入的约束,还有主观条件的限制,如家长对子女最低受教育程度的期望,如果家长对子女教育程度没有很的要求,即使家庭经济状况很好,对子女的教育支出也不一定很高;相反,如果家长对子女受教育程度要求很高,即使自身收入不高,也会想办法(如贷款等)资助子女读书。在本次调查中,还发现了一个很有意思的现象,部分家庭虽然对子女的受教育程度没有要求,但依然保持着较高的教育支出水平,可以理解为虽然家长对子女没有要求,但是愿意为其提供良好的教育支持。总的来说,即“家长愿意为子女的教育支出多少”。
3、子女的数量和性别对家庭教育支出的影响不显著。相关分析中,子女的性别和数量与家庭教育支出相关系数不显著;回归分析中,两个变量均未能够进入方程。这都表明,它们对家庭教育支出的影响不显著。在一定程度上说明中国的家庭在教育投资上没有明显的“重男轻女”,而每名子女获得的教育支出也不会因为家庭中孩子数量的增加而减少。在回归中,很多在之前差异分析和相关分析中比较有效的因素并没有进入到方程之中,一方面可能是由于回归时选择了较为严格的删选变量机制,另一方面也可能是这些变量对家庭教育支出没有直接的影响所致。虽然其他变量在差异比较和相关性分析时,与教育支出的相关性是明显的,但是很可能这种差异是通过家长的收入和期望来体现的。比如说,城市家庭和农村家庭在家庭教育支出上有显著的差异,但是并不是因为所在位置,而是由于家庭的收入状况。通常而言,农村家庭的收入要低于城市家庭,这样,对教育支出的负担能力就产生了差异,进而影响了家庭的教育支出,如果家庭虽然是农村的,但是收入非常高,那么它的教育支出不见得会比城市家庭低;地区差异也类似。再比如,家长的工作,一般来说,家长的受教育程度越高,对子女的教育支出也会越高;反之,家长的受教育程度越低,对子女的教育支出也相对较低。然而,导致这种差异的真正原因很可能并不在于家长受教育程度本身,而是因为受教育程度高的家长收入通常而言是比较高的,而且对子女的受教育程度要求也会比普通家庭要求高,所以有意愿且有能力维持比较高的教育支出水平。但是,这并不代表受教育程度低的家长在子女教育支出上的花费就一定少。因而,其余变量对教育支出产生的影响很可能实质上依然是经济状况的约束和期望的激励。总的来看,家庭教育支出受到主客观两方面因素的约束,家庭收入决定了家庭的教育负担能力,而对子女受教育程度的期望则决定了家庭进行教育投资的意愿,当一个家庭有能力且愿意为子女提供良好的教育条件时,该家庭的教育支出就比较高。
结论
本文通过实证分析,发现了家庭的客观特征(如家长月收入、家长教育程度、家长职业、期望受教育程度、子女数量等等)对家庭的教育支出会有显著的影响,其中,收入的影响最为显著,这与以往的研究基本一致。由于家庭教育支出的收入弹性大于零,所以,在过去的30多年间,随着家庭收入水平的不断提高,家庭在教育上的开支也明显增加,这也在一定程度上解释了中国的教育为什么能够在公共支出不足的情况下取得快速的发展,这种微观的视角是对以往从宏观层面对教育发展进行解释的一个必要补充。不过,本文与以往研究的一个不同之处在于,我们发现家长对子女的期望受教育程度这个主观因素与家庭的教育支出之间存在正相关的关系,这是以往多数研究中没有的结论,也具有重要的政策含义。由此引发的问题是,什么因素决定或者影响了家庭对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无法获得一个满意的回报,他们还会希望子女接受更多的教育吗?如果“教育无用论”泛滥的话,这些低收入家庭的教育投资如何保证。毕竟,大量的研究都表明,教育才是缩小贫富差距的最有效工具。从政府的角度看,维护教育的公平、公正,确保教育或人力资本在决定个人收入中的重要作用,这些政策都是十分必要的,而一切的基础都是要建立一个遍及城乡之间和不同行业的劳动力市场,打破户籍等制度性障碍对劳动力自由流动的限制。
尽管本次研究尝试在实证调查的基础上,分析居民家庭在教育支出上的差异和影响因素,进行各种统计分析后也得出了相关结论,但是由于各种主客观条件的限制,研究难免存在一些不足之处。首先,在问卷设计方面,了解的信息偏重于家庭特征方面,还有一些重要的因素没有纳入调查范围(比如政府和学校方面的因素),回归方程的拟合优度不佳也证实可能遗漏了重要变量;其次,我们以家庭每年在每名子女上的教育花费作为家庭教育支出的衡量指标,问卷中缺失了对教育支出的内容的明确界定,获得的数据在统计口径上可能存在着偏差;另外,由于数据所限(只有截面数据没有序列数据),我们所使用的方法没有办法了解到家庭教育支出的动态变化特征,故而研究的结果有一定的局限。总之,在当前特定的经济和社会转型阶段,研究中国家庭教育支出的规模和结构的动态演变是一个重要课题,这对于我们提高贫困家庭的收入水平、降低收入差距都有着重要的现实意义。
作者:谷宏伟杨秋平单位:东北财经大学经济学院劳动就业与人力资本开发研究中心