《表6 收入代际传递的基准回归结果》
注:[]内为相对应统计量的P值。
在上述实证分析中,我们加入个体、家庭以及环境等多个控制变量,以缓解模型可能存在的遗漏变量的问题。为了进一步验证模型的稳健性以及估计系数的稳健性,本部分将利用工具变量法来控制模型的内生性问题。首先,结合当前研究,本文选定职业得分与受教育程度两个变量作为父代收入的工具变量(Zimmerman,1992;Bjorklund&Jantti,1997;徐晓红,2015)。基于理论分析,合意的工具变量需要满足相关性和外生性两个条件。从相关性来看,父代的职业得分与受教育程度是其获取收入的重要决定因素,因而三者具有显著正向相关关系。从外生性来看,父代的职业得分与受教育程度不会直接影响到子代的收入水平,因而同时满足外生性的条件。同时,本文所选取的工具变量通过了弱工具变量和过度识别的检验,说明父代收入的IV变量是有效的。其中,模型(22)中以职业得分作为父代收入的工具变量,模型(23)中以父代最高受教育程度作为工具变量,而模型(24)则将两个工具变量同时引入估计模型。表6展示了基准回归与工具变量回归的估计结果,结果显示所选择的变量为强工具变量,且核心解释变量与被解释变量的关系仍显著为正,说明研究结论可信,模型具有较好的稳健性。
图表编号 | XD0013794700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.02.05 |
作者 | 宋旭光、何宗樾 |
绘制单位 | 北京师范大学统计学院、中国教育经济信息研究中心 |
更多格式 | 高清、无水印(增值服务) |