第四章数据、变量和研究方法
一、数据
数据本研究使用的数据是2008年全国综合社会调查（CGSS2008>.该调查项目采用分层四阶段不等概率抽样方法，共有6000个样本，经过加权处理，排除不符合的样本，共有5316个样本。其中汉族有4920个，少数民族有396个，男性有2787个，女性有2529个。
本文的统计分析主要是应用己完成最高受教育程度的居民，以方便我们看出汉族和少数民族受教育年数的差距。
二、变量
采用大多数学者的做法，将教育获得操作化为受教育年数。本研究的因变量是被访者的受教育年数。CGSS2008中询问了被访者的最高教育程度和受教育年数，为了准确期间，我们直接采用被访者自身回答的受教育年数作为因变量。自变量包括个人变量和家庭背景变量。个人变量包括被访者的民族、性别、兄弟姐妹数量、出生世代、户籍；家庭背景变量包括父母的受教育年数。
1.个人变量
族群（ethnic）：本文所说的族群主要是将汉族划分为一类，民族识别后的55个少数民族划分为另一类。尽管各少数民族人口、教育和经济发展的不平衡，城乡之间、地区之间差异不断扩大，导致各少数民族之间和同一少数民族内部出现了差异和分化（滕星，马效义，2005）0 1949年后我们国家通过许多方针政策实现少数民族和汉族的平等，甚至给予少数民族更多的优惠政策，旨在提高少数民族的教育年限和教育机会，但少数民族在教育获得方面仍然落后于汉族CHannum, 2002）。在过去的30年里，少数民族的教育获得有所提高，越来越多的少数民族的子女开始接受高等教育，也拥有获得高层职位的机会，但少数民族和汉族之间的教育获得不平等现象依然继续存在。计划生育政策主要是针对汉族，少数民族在实行过程中都受到优惠和倾斜，执行内容与汉族也有较大差异（前面己述）。从这个意义上来说，将55个少数民族划归为一类，讨论少数民族和汉族教育获得的差异是可行的。
因此在我们的研究中族群用一个虚拟变量（汉族=0>表示，其余的55个少数民族处理成一个（少数民族=1）表示，以此反映汉族和少数民族在受教育年数上的差异。 J陛别（eeg>:用虚拟变量（女性=1>表示，男性作为参照类，以此反映男女在受教育年数上的差异。
兄弟姐妹数量（sibsize）：如前所述，兄弟姐妹数量稀释了家庭资源，从而对教育获得产生影响。调查中详细询问了被访者哥哥、姐姐、弟弟、妹妹的数目及被访者在兄弟姐妹中的排行顺序。参照吴愈晓的做法，在统计分析时，将兄弟姐妹数大于8的个案都赋值为8,以消除少数极端值（CGSS2008中，被访者兄弟姐妹数大于8的个案不到0. 5%对模型估计造成的偏差。
出生世代（cohort）：为了反映计划生育政策实施的阶段性和差异性对族群教育获得的影响，我们用1971年的“晚、稀、少”运动和1980年9月公开信的发表为标志的正式实施作为分水岭，区分了3个出生世代，即出生于1949-1970年的、1971-1980, 1981-1988年的人，统称为年长世代、中间一代、年轻世代。将出生世代也处理为哑变量，出生世代为1949-1970年的作为参照类，通过出生世代的差异，来反映族群间的教育获得差异随年代的变迁。我们认为，由于计划生育政策实施的差异性，族群间的教育获得差距在年轻的出生世代中会小于年长的出生世代。
户籍：我国自1955年起实施户籍登记制度，主要目的是控制农村人口向城市的流动（Chan&Zhang, 1999）。长期以来的二元经济社会发展，体现在教育政策和教育制度的设计上，形成了强烈的“城市偏向”价值取向，城乡教育在目标、地位和体制保证上存在明显的差异，在办学条件和师资待遇上执行着不同的标准（孙委委，2012）‘.CGSS2008询问了被访者农转非的途径和时间，我们可以据此构建一个变量来测量被访者户口出生。因为保守估计，大多数人在7岁时开始读小学，故我们用被访者7岁时的户口类型作为其户口出身。参照叶华等人的做法，具体操作如下：如果被访者从未经历过“农转非”,调查时为农村户口，则为农村户口出身；如果被访者调查时为城镇户口，或者在7岁之前经历了“农转非”,或者从未经历过“农转非”,则为城镇户口出身；如果被访者调查时为城镇户口，但在7岁之后才经历“农转非”,则仍为农村户口出身（叶华、吴晓刚，2011）。
2.家庭背景变量
在模型中，家庭背景变量都作为控制变量。父亲和母亲的受教育年数：父母的受教育程度影响子女的受教育程度（转引自叶华、吴晓刚，2011），有研究指出，父亲受教育程度对子女的教育获得有显着影响，而母亲的受教育水平与此关系不大（孙志军，2003）。或者父亲受教育水平的影响要远远小于母亲受教育水平的影响（奈特、李实，1994）。在CGSS2008中详细询问了父亲、母亲的最高教育程度，我们将最高教育程度转换成受教育年数，以此作为控制变量，来验证父母亲的受教育水平对孩子教育获得的影响。
父亲和母亲的职业：社会分层研究通常认为14岁时父亲的职业对个人的教育获得影响较重要。但CGSS2008的数据中被访者14岁时父亲职业的缺失率达92%,母亲职业的缺失率更严重。为不影响样本的模型估计和分析，我们用父亲的受教育水平、母亲的受教育水平来代替家庭背景因素。
三、研究方法
本研究使用OLS回归方法，模型如下：
Yedu.=a+p1·ethnic+I32·cohort+I33·sibsize+入·ethnic Xcohort+ 8·ethnic X sibsize+Y·sibsize X cohort+I34 X+.
YeduC表示的是受教育年数，ethnic是表示族群的一个虚拟变量，分别是汉族和少数民族；cohort是我们划分的三个出生世代，sibsize是兄弟姐妹数量。再分别做族群与世代、族群与兄弟姐妹数、世代与兄弟姐妹数的交互，反映出兄弟姐妹对族群教育获得的影响，和族群间的教育获得随着出生世代（cohort）呈现出的年代（period）变化趋势。
