1702649251
1702649252
地级市 0.76 小学高年级 0.17
1702649253
1702649254
县城 0.82 初中 0.50
1702649255
1702649256
县级市 0.91 高中 0.80
1702649257
1702649258
直辖市 1.00 大专及以上 1.00
1702649259
1702649260
省会城市 1.04
1702649261
1702649262
在中国,出生地大小显然与教育获得密切相关,这可以从关联系数β=4.17看出来。而且,最大的差距是在农村与其他任何城市类别之间,其次是乡镇与地级市之间。仿照行—列效应模型曾做过的比较,我们用公式12.24能计算出在省会城市长大的人与在农村长大的人相比较,接受大专及以上教育相对于接受小学及以上教育的对数比率比为logθ=4.17(1.04-0)(1.00-0.17)=3.60,这意味着比率比为36.6(=e3.60)。也就是说,RC模型表明,获得大专及以上的教育与获得小学教育的比率,在省会城市长大的人是在农村长大的人的大约37倍。尽管此模型的比率比没有行—列效应模型(比率比为51)那么大,但它依然非常大。
1702649263
1702649264
虽然在此例中按出生地大小分类的测度比较接近我们的推测,同时受教育程度分类的序次和我们的假设也一模一样,但该方法本身并没有保证这种相似性。因为测度得分是通过最大化行变量与列变量之间的关联计算得来的,所以它们起到了检验推测是否正确的作用。通过用RC模型对前面分析的中国代际职业流动表进行估计,我们能够清楚地看到这一点。将中国的测度得分与西方国家的普遍结果(Ganzeboom,Luijkx,and Treiman,1989)相比较,该结果大大偏离了根据社会经济地位高低建构的职业分类排序假设〔这也许是因为我们的数据包括了男性和女性数据,而有关其他国家职业流动的大多数研究都是针对男性,比如Ganzeboom、Luijkx和Treiman(1989),以及Wu和Treiman在2007年用同一数据做的分析〕。下面的系数是根据一个忽略对角线单元格的模型估计得到的。
1702649265
1702649266
父亲的职业 受访者的职业
1702649267
1702649268
专业人士 0.00 0.00
1702649269
1702649270
管理人员 -27.68 -0.27
1702649271
1702649272
办事人员 -13.76 -0.18
1702649273
1702649274
销售和服务人员 -12.97 -0.77
1702649275
1702649276
体力工人 -2.33 0.87
1702649277
1702649278
农民 1.00 1.00
1702649279
1702649280
显然,管理人员的子女比其他从业人员的子女更有可能获得高地位职业。相比较而言,专业人士的子女却极有可能向下流动,这可能反映出此类别中很强的异质性特征;这一类别包括村会计、教师和许多技术人员,这些职位并不要求具有大专及以上学历。受访者职业的测度得分排列相当不整齐,尽管这些得分比父亲职业的得分小很多。该得分反映出体力工人和非体力劳动者之间明显的界限,不过各种家庭背景的人流动到专业人士职位都比流动到办事人员或管理人员职位更容易。Wu和Treiman(2007)在只针对男性的分析中也得到同样显著的结果,尽管不如这个显著。他们认为,该结果反映出中国特有的制度——居民户籍制度,这使农村非农业人士的子女容易向下流动进入农业,但创建出一个使得优秀的农民子女可以向上流动进入专业技术职业的路径。
1702649281
1702649282
把这些结果与相应的行—列效应模型I的结果相比较将非常有启发意义:
1702649283
1702649284
父亲的职业 受访者的职业
1702649285
1702649286
专业人士 0.00 0.00
1702649287
1702649288
管理人员 -0.66 0.25
1702649289
1702649290
办事人员 -0.86 0.51
1702649291
1702649292
销售和服务人员 -1.15 0.92
1702649293
1702649294
体力工人 -1.33 1.29
1702649295
1702649296
农民 -1.66 1.53
1702649297
1702649298
行—列效应模型产生的排序结果,与我们假设的分类排序一致。因此,某些分析者可能会选择此模型,因为按照似然比准则,除了RC模型外,它是本章所有估计的模型(见表12-11)中拟合最好的模型——尽管它的BIC值还不是最小。但是,尽管按照BIC标准行—列效应模型非常接近RC模型,但行—列效应模型显然不正确。
1702649299
1702649300
我们用RC模型能够计算专业人士子女成为专业人士而非农民的比率与农民子女的相应比率的相对比率。因为中国流动表的关联系数β为0.0455(这是显示表中变量之间缺乏关联性的另一个指标),我们用公式12.24求得logθ=0.0455(0-1)(0-1)=0.0455,这意味着比率比为1.047(=e0.0455)。显然,专业人士的子女将继承父亲的职业而非成为农民的比率,并不比农民的子女成为专业人士而非继承父亲职业的比率大多少。
[
上一页 ]
[ :1.702649251e+09 ]
[
下一页 ]