西部农村家庭教育投资意愿影响因素的Logistic分析-以陕西省为例

《西部农村家庭教育投资意愿影响因素的Logistic分析-以陕西省为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据农业技术经济2007年第5期西部农村家庭教育投资意愿影响因素的Logistic分析——以陕西省为例杨利平宋元梁(西安工业大学经济管理学院西安7l0032)内容提要本文从农村人力资本投资的两大主体之一的居民家庭投资为着眼点，以陕西农村的10个样本县农户教育投资为例，通过实证分析探求影响农村家庭投资意愿的因素。结果表明，家庭人均收入、劳动力身体状况、劳动力最高受教育程度、子女学习兴趣、校途是否安全、未成年子女数量、本地教学质量、国家教育政策以及家庭信贷可获性因素9个变量对家庭教育投资意愿有不同程度的

2、影响。据此，提出了促进西部农村家庭教育投资的政策建议。关键词家庭教育投资投资意愿kgisdc分析一、研究背景21世纪是以人力资本为引擎的知识经济叫代。但是，作为人力资本最基本的表现形式，居民尤其是农村居民的教育存量却不容乐观：城乡家庭的教育投资“鸿沟”所导致的农村劳动力较低的文化素质已成各地区城乡统筹发展的“瓶颈”。农村家庭教育投资长期不足的负面影响，不仅盲接影响到我国城市化发展的进程，而且与社会主义新农村所需的“有文化、懂技术、会经营”的新型农民标准格格不入。所幸的是，我国农村居民的教育问题已越来越引

3、起政府足够的关注。由于目前的教育优惠政策首先是向西部倾斜的，而农户自身既是人力资本投资成本的主要承担者，同时又是投资收益的主要享有者，因此，在2006年西部农村已经实行免费义务教育的政策支持下，以全国教育大省及欠发达的西部地区的“龙头”陕西省为例，研究微观投资领域农村居民家庭教育投资问题有着现实的必要意义。家庭教育投资受投资能力、投资意愿、投资环境以及政策等多方面因素的影响，其中前两者是最具决定性的因素，且投资能力本身也影响投资意愿。在影响家庭教育投资决策的因素中，家庭收人足学术界最为关注的变量，如舒尔

4、茨(1993)认为低收入国家父母可能由于厌恶风险或借贷约束对其子女教育投资低，即使教育投资回报率高。除了收入，我国学者李宏(2006)认为投资的私人成本、预期收益、就业状况及失业水平等也是农户在作出教育投资决策时首先考虑的影响因素；李曼、赵连阁、谭洪波(2006)则认为，子女自身学习状况、母亲决策权×母亲受教育年限、教育投资价格、父亲受教育年限、人均家庭收入等都是影响农村家庭教育投资的重要因素，而子女性别、子女个数已不再是主要影响因素。一60—万方数据杨利平等：西部农村家庭教育投资意愿影响因素的10矛州

5、c分析本论文借鉴了上述研究的一娑成果，并以陕两省lO个样本县农户的教育投资决策影响因素为例进行实证分析，试图以此探索适合西部农户教育鍪篓酗饔摹舞霪薹措蒸誊。羹篓誊罄鬻纂銎鏊唑掣蠹毳鬻霎!藩；蠢囊耋鎏攀蘸鋈鍪奏馨囊型管崔孕羹一登《罐愿崾等擎高～垂F；苷麓静雾曼刚曩影毛型甄E氅娶Ⅷ缓漕孕；孽黑囊误。+表示在回归系数在5％水平下显著，一表示在1％水平下显著通过表2各模型回归结果的分析，我们可以得出以下结论：(一)傣族农村教育收益率非常低从模型1a中町以看出，教育年限的回归系数是O．015，其含义为增加1年的教

6、育仅能带来年收入1．5％的增加，这不仅低于城镇教育收益率，而且低于其他地区农村教育收益率，令人惊讶的是居然低于工龄收益率。在1b模型中，小学教育程度和初中教育程度的回归系数没有达到5％的显著性水平，表示这两组劳动者的年收入与文盲和半文盲组没有显著差异，同时也说明只要有体力、肯干活就能进行农业生产，接受不接受教育都无所谓。此外，以家庭劳动者平均受教育水平为代表的人力资本对家庭收入的影响也没有达到显著性水平。但是初中以上文化程度的系数却是显著的，其收入比文盲和半文盲组高出34묵7—"x万方数据农业技术经济2

7、007年第5期劳动力人力资本状况：劳动力身体状况劳动力最高受教育程度健康或较健康=l，不佳=0o75小学发以下=1，初中=2，高中=3，大专及以上=4214思想观念困素：投资者对教育的态度投资时性别有无差异对“教育致贫论”的态度教育有用=l，用处不大=O有=l，无=O同意=l，不同意=O所在地人文环境：本地学校教学质量凑合=l，差=o校途是否安全是=l，否=0投资对象状况：子女学习兴趣未成年子女数量有兴趣=l，无兴趣=O1个=l，2个=2．≥3个=30．820160．360．430．55O62l58注：

8、根据样本中年龄分布带将其划分为三个年龄段：16—30岁，31—45岁，46～60岁；文化程度划分为四个层次：小学及以下，初中，高中，大专及以上；人均收人分为：小于1500元，1500～2500元，大于2500元；涉及到的子女数量分为：1个，2个，3个及肼上(即大于等于3)；毕业生就业状况分为一般，不好，不清楚。上述多分类变量在进行b舀出c分析时，由sPss软件自动进行哑变量设置剔除信息缺损及奇异数据的样本后，进入模型的有310个有效样本，有