1702647640
1702647641
1702647642
1702647643
1702647644
这里，E=受教育年限；EM=母亲的受教育年限；S=兄弟姐妹数；如果受访者在16岁时居住在南方，则R=1，否则，R=0。
1702647645
1702647646
对科学人物贡献的一点评论 在Stata软件中分解是用一个-ado-文件（即-oaxaca-命令）来执行的，它可以从网络上下载：键入“-net search oaxaca-”，然后点击oaxaca条目即可。这个-ado-文件名的由来反映了科学社会学的一个生动例子。分解技术是在1955年由人口学家Evelyn Kitagawa提出的，随后被人口学家和社会学家以许多不同的方式加以阐述——见本章后面的“分解均值间差异的补充读物”一节。然而，直到经济学家Ronald Oaxaca（1973）使用此方法后，它才在经济学家中流行开来。现在它被称为“Oaxaca分解法”或“Blinder-Oaxaca分解法”要归功于另一位经济学家Alan Blinder（1973）更为清晰的阐释。
1702647647
1702647648
表7-8分别显示了针对黑人和非黑人方程中变量的均值、标准差和相关系数。我们从表中可以看到，黑人的家庭人口数要多很多，在南方长大的可能性也大很多，受访者本人及其母亲的受教育年限平均比非黑人少近1年。表7-9显示了回归估计的结果，表7-10显示了分解结果。
1702647649
1702647650
对于1990～2004年GSS合并数据中的黑人，方程7.50的估计值为：
1702647651
1702647652
1702647653
1702647654
1702647655
而非黑人的估计值为：
1702647656
1702647657
1702647658
1702647659
1702647660
表7-9是两个方程的回归系数以及标准误。此表显示黑人和非黑人受教育水平的决定因素的主要差别是：首先，出身于大家庭的代价在非黑人中大很多；其次，母亲受教育年限的正影响在非黑人中更大。有趣的是，在南方长大的影响在种族间几乎没有差异，这与以前相比是一个重要变化。最后，三个变量在非黑人模型中解释了不到五分之一的受教育年限方差，在黑人模型中则不到六分之一，相比过去两者的解释力都明显变小。
1702647661
1702647662
表7-8 1990～2004年美国成年人教育获得模型中变量按种族划分的均值、标准差和相关系数（黑人在对角线之上，非黑人在对角线之下）
1702647663
1702647664
1702647665
1702647666
1702647667
表7-9 1990～2004年美国成年人中黑人与非黑人教育获得模型的系数
1702647668
1702647669
1702647670
1702647671
1702647672
但是，用表7-9中的系数无法对黑人与其他种族的教育获得决定因素进行正式的比较。要了解这一点，我们来看表7-10，它是对黑人和非黑人在完成的平均受教育年限上近一年的差异进行分解后的结果。分解1是将黑人作为比较标准，由方程7.48建构而来；分解2则是以非黑人为比较标准，由方程7.49建构而来。两种分解都是将非黑人作为组1、黑人作为组2。因此，分解的是非黑人与黑人相比在平均受教育年限上多出约一年的优势。两个分解结果都意味着“禀赋”上的差异——非黑人母亲的受教育年限较长、兄弟姐妹数较少、居住在南方的可能性较小这些事实——比“禀赋”回报上的差异更重要。但是两种分解结果得出的母亲的受教育年限和兄弟姐妹数差异的贡献程度有所不同，在分解2中，这两个因素都显得更加重要。其原因是显而易见的：当黑人作为比较标准时——当黑人/非黑人在斜率上的差异是以黑人的均值为基础来进行评价时——黑人和非黑人在母亲的受教育年限和兄弟姐妹数这两个变量期望值上的差异要小于以非黑人的均值为基础进行评价时所得到的相应数值。（为了使自己确信这一点，你们可以针对这两个变量的斜率分别作图，并将黑人与非黑人的斜率差异在同一张图中反映出来。）最后，交互项在此分解结果中相对不重要，因为兄弟姐妹数与居住在南方的影响相互抵消了。
1702647673
1702647674
表7-10 1990～2004年美国成年人中非黑人与黑人平均受教育年限之差的分解
1702647675
1702647676
1702647677
1702647678
1702647679
分解均值间差异的补充读物
1702647680
1702647681
为了更好地理解如何进行更加复杂的分解以及如何对分解结果进行解释，请阅读下面的文章：Duncan（1968）、Winsborough和Dickinson（1971）、Kaufman（1983）、Treiman和Roos（1983）、Jones和Kelley（1984）、Kraus（1986）、Treiman和Lee（1996）以及Treiman、McKeever和Fodor（1996）。
1702647682
1702647683
1702647684
1702647685
1702647686
量化数据分析：通过社会研究检验想法 [:1702644774]
1702647687
量化数据分析：通过社会研究检验想法 本章小结
1702647688
1702647689
我们在本章介绍了多元回归分析的各种应用，这有助于我们提高阐释社会过程和检验社会理论的能力。具体来说，我们介绍了因变量和自变量的非线性转换，在一个方程中检验系数等价性的方法，如何评估某一关系的线性假设是否成立，如何构建和解释反映斜率突然变化的线性样条，表示虚拟变量系数的不同方法，以及分解两个均值之差的方法。几个关注历时趋势的具体例子向我们示范了怎样用多元回归方法来研究社会变迁。