首页 >> 教育学 >> 普通教育学
影子教育是否扩大教育结果的不均等 ——基于PISA 2012上海数据的经验研究
2016年01月06日 11:03 来源:《北京大学教育评论》2015年第3期 作者:胡咏梅 范文凤 丁维莉 字号

内容摘要:被称为影子教育系统的课外补习在东亚国家相当普遍。本文基于国际学生能力评价项目PISA 2012上海的数据,使用多层线性模型,分析了影子教育对学生数学成绩的影响,并使用再加权倾向得分匹配法(RPSM)估算影子教育的净效应。

关键词:影子教育;教育结果不均等;PISA;再加权倾向得分匹配法

作者简介:

  作者简介:胡咏梅,女,北京师范大学教育学部/中国基础教育质量监测协同创新中心教授,北京 100875;范文凤,女,北京师范大学教育学部博士研究生,北京 100875;丁维莉,女,加拿大女王大学公共政策研究院副教授,北京师范大学教育学部“985”客座研究员,北京 100875

  内容提要:被称为影子教育系统的课外补习在东亚国家相当普遍。本文基于国际学生能力评价项目PISA 2012上海的数据,使用多层线性模型,分析了影子教育对学生数学成绩的影响,并使用再加权倾向得分匹配法(RPSM)估算影子教育的净效应。研究发现:数学课外补习对学生数学成绩具有正向效应;科学课外补习与数学课外补习存在“叠加效应”;语言课外补习与数学课外补习存在“挤出效应”;如果不同家庭社会经济地位的学生参与课外补习的机会相等,参加数学课外补习可以缩减家庭经济社会地位带来的成绩差异,起到促进教育结果均等的作用。由此,本文建议政府和学校为家庭经济收入较低且学业成绩较低的学生提供必要的课外补习机会,免收其补习费用;倡议大型的教育补习集团设立贫困生补习基金和奖励基金,从而形成政府、学校和社会共同促进义务教育阶段教育结果均等的局面。

  关 键 词:影子教育 教育结果不均等 PISA 再加权倾向得分匹配法

  基金项目:国家自然科学基金面上项目(71373165);国家留学基金项目(201406045007)。

  一、样本选择与计量模型

  本文自PISA 2012数据库中选取中国上海的数据。2012年,上海参加PISA项目测试的年龄为15岁3个月至16岁2个月的在校学生数为5177人,参与PISA项目的学校数为155所。

  本文基于学生问卷和学校问卷数据构成的嵌套关系,使用多层线性模型考察教育补习对学生数学素养得分(以下简称数学成绩)的影响。在建构分析学生成绩变异的教育生产函数模型时,通常将性别、家庭经济社会地位以及学校类型等作为控制变量,以求在非随机分配的情况下模拟实验结果,使关键解释变量的回归系数可被视作因果效应的近似估计。[1]

   

  其中MS代表学生的数学成绩①。自变量分为两层:第一层是学生水平变量,包括学生性别(gender)、学生家庭经济社会地位(escs)、数学补习②(mathoutschool);第二层是学校水平变量,包括学校类型(public)和班级规模(classsize)。

  尽管在线性回归模型中加入控制变量可使回归模拟实验结果,但很难保证找到合适的控制变量,使得条件独立假设(Conditional Independence Assumption,CIA)③成立。就本文而言,指即使加入了学生水平和学校水平的部分控制变量,仍很难检验条件独立假设成立。在近20年间,匹配(matching)开始成为一类经验研究的工具并逐渐引起计量经济学者的兴趣。匹配策略的吸引人之处在于经过某种倾向得分匹配后,实验组与对照组很接近随机分配的结果,从而保证了在控制一系列协变量之后,实验结果与处理的分配相互独立,即条件独立假设成立。至此可以获得回归系数的因果解释。本文将采用罗森鲍(P.R.Rosenbaum)和鲁宾(D.B.Rubin)提出的再加权倾向得分匹配法(Reweighting on Propensity Score Matching,以下简称RPSM)[2],估算补习对学生成绩的影响效应。这种方法也适用于非随机抽样的样本,通过自举法(Bootstrapping)重新抽样获得处理效应估计值的标准误,以弥补以往PSM方法不能给出处理效应标准误的缺陷。这种方法给出的平均处理效应(ATE)、接受处理的平均处理效应(ATET)以及未接受处理的平均处理效应(ATENT)分别由以下公式估算[3]:

   

  其中,为是否接受处理的虚拟变量(此处指是否接受了数学补习),如果接受了处理,则=1,否则为0。为E(w|x)的估计值,y为结果变量(此处指数学成绩),N为样本量。

  除了用RPSM法揭示课外补习影响学生成绩的因果效应外,本文还将在稳健性检验中给出加入相同控制变量后的多水平线性回归模型的补习效应估计,并将之与RPSM估计结果相比较。

  二、实证分析结果

  (一)描述统计

  1.学生和学校变量描述性统计

  从学生水平和学校水平变量的统计描述(见表2)可以看出:首先,在学生水平的变量中,上海学生数学成绩远高于OECD国家的平均水平(494)。上海参与PISA项目的女生比例略多于男生,上海学生中参与数学补习的比例超过了70%,而语言补习、科学补习、其他补习的比例也均在50%~60%之间;上海学生每周参加数学补习的时间多于其他科目的补习时间;其次,在学校水平变量中,上海公立学校比例达到91%,上海学校的平均班级规模为39.29人。

  2.不同群体学生参与数学补习的比例分析

  由表3可以看出,家庭经济社会地位高于平均值的学生参加数学补习的比例要显著高于家庭经济社会地位低的学生,高出9.7%。尽管PISA项目对学生和家长的调查问卷中没有涉及补习费用的题项,但前文已述的几项在中国、日本、韩国的调查结果均表明,补习费用在家庭教育支出中已占据重要地位,高昂的补习费用对于经济收入较低的家庭来说是难以负担的。因此,来自较高家庭经济社会地位的学生参与补习的比例高于来自较低家庭经济社会地位的学生也在情理之中。这种由于家庭经济背景不同造成的补习机会差异是否会导致这两类学生群体学业成绩的更大差异呢?换言之,补习是否会扩大教育结果的不均等程度呢?这是下文要着重探讨的问题。

分享到: 0 转载请注明来源:中国社会科学网 (责编:毕雁)
W020180116412817190956.jpg
用户昵称:  (您填写的昵称将出现在评论列表中)  匿名
 验证码 
所有评论仅代表网友意见
最新发表的评论0条,总共0 查看全部评论

回到频道首页
QQ图片20180105134100.jpg
jrtt.jpg
wxgzh.jpg
777.jpg
内文页广告3(手机版).jpg
中国社会科学院概况|中国社会科学杂志社简介|关于我们|法律顾问|广告服务|网站声明|联系我们