———基于ＰＩＳＡ２０１８中国样本数据的分析
赵德成１，柳斯邈２
（１．北京师范大学教育学部，北京１００８７５；２．香港大学教育学院，香港９９９０７７） ［摘要］ 中国经济社会已进入高质量发展阶段，探讨学生学业成就水平受其家庭社会经济地位影响的程度，有助于识别基础教育领域存在的不平衡、不充分发展问题，为处境不利的青少年教育、城乡教育均衡等相关政策的完善提供实证依据。ＰＩＳＡ２０１８年中国样本数据表明：家庭社会经济地位与青少年在校生阅读素养成绩具有显著相关，在低家庭社会经济地位学生体中两者的相关强度最大；相较于个体水平的家庭社会经济地位，校均家庭社会经济地位对阅读素养成绩影响的效果量明显更大；在家庭社会经济地位各构成指标中，父亲职业指数、父亲受教育年限、母亲职业指数对阅读素养成绩的影响力较大。在未来，政府一方面要进一步促进教育公平，特别是精准帮扶处境不利青少年学生体，加强处境不利学生家长的职业教育和培训，另一方面可考虑改进中小学招生政策，优化学校生源结构，让处境不利学生有机会到校均家庭社会经济地位较高的学校中学习。 ［关键词］ ＰＩＳＡ２０１８；家庭社会经济地位；学业成就；阅读素养
［中图分类号］ Ｇ４０ ［文献标识码］ Ａ ［文章编号］ １００２－０２０９（２０２１）０２－００１７－１０
昂达 vi40精英版一、引言
家庭社会经济地位（ｓｏｃｉｏｅｃｏｎｏｍｉｃ ｓｔａｔｕｓ，以下简称ＳＥＳ）通常指家庭在整个社会体系中的经济与社会地位，它反映一个家庭所掌控资源（如财富、权力、社会声望）的多少及其在社会等级中的排名（Ｍｕｅｌｌｅｒ ＆Ｐａｒｃｅｌ，１９８１）。探讨ＳＥＳ对青少年学生学业成就影响的研究最早可以追溯到一百年前（如，Ｈｏｌｌｅｙ，１９１５），但真正成为青少年发展与教育研究领域的热点，是在２０世纪六十年代。１９６６年，科尔曼和其他几位学者（Ｃｏｌｅｍａｎ ｅｔ ａｌ．，１９６６）发表了《教育机会均等》报告，指出影响学生学业成就水平的最重要因素不是学校和教师的质量，而是学生家长的社会与经济地位，即ＳＥＳ。这一报告在美国乃至全世界范围内引发了广泛而持久的争论，大量相关实证研究也开始涌现，ＳＥＳ被认为是教育研究领域应用最为广泛的一个背景变量，也是对学生学业表现影响力最大的因素之一。 但实际上，在不同研究中，ＳＥＳ与青少年学业成就的相关强度存在很大差异。莱文等人（Ｌｅｖｉｎｅ，Ｓｔｅｐｈｅｎｓｏｎ，＆Ｍａｒｅｓ，１９７３）从１９７０年美国人口普查数据库中选取芝加哥市１２２所小学的数据，通过学校水平的回归分析发现，学校中母亲离异的学生比例、家庭缺
少水暖设施的学生比例、家庭人口超过六人的学生比例、家庭有房产的学生比例等四个指标，解释了学校水平学生成绩总体方差的７４．９％，四个ＳＥＳ指标与学生成绩的多元相关系数高达０．８６５。最新颁布的国际学生评价项目（Ｐｒｏｇｒａｍｍｅ ｆｏｒ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｔｕｄｅｎｔ Ａｓｓｅｓｓｍｅｎｔ，以下简称ＰＩＳＡ）２０１８年报告也显示，在经济合作与发展组织（Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｅｃｏｎｏｍｉｃ Ｃｏ－ｏｐｅｒａｔｉｏｎａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ，以下简称ＯＥＣＤ）成员国中，最能准确预测１５岁青少年在校生阅读成绩的因素是ＳＥＳ，ＳＥＳ排在前１０％的学生，其阅读成绩比排在后１０％的学生高出１４１分，也就是１．４１个标准差，相当于３年以上的教育经历（Ｓｃｈｌｅｉｃｈｅｒ，２０１９）。而
７
１
北京师范大学学报（社会科学版）２０２１年第２期（总第２８４期）
［作者简介］ 赵德成（通讯作者，Ｅ－ｍａｉｌ：ｚｈａｏｄｅｃｈｅｎｇ＠ｂｎｕ．ｅｄｕ．ｃｎ），教育学博士，北京师范大学教育学部教授。
高尔夫球会
瑞波和路德（Ｒｉｐｐｌｅ ＆Ｌｕｔｈａｒ，２０００）在一项有关学生抗逆的研究中，从市中心一所高中学校选取１３４名１２年级学生进行调查，发现ＳＥＳ与学生学业能力、问题行为等多项结果指标的相关系数却很小，且均未达到统计学意义上的显著性水平。
元分析研究为深入理解ＳＥＳ与学业成就的关系提供了一个新的思路，让研究者基于广泛而多样的证据进行分析与讨论。怀特（Ｗｈｉｔｅ，１９８２）于１９８２年进行的元分析研究是本领域影响力最大的一项，谷歌学术搜索显示，它至今已有超过两千次的被引记录。这项研究对１９１８年至１９７５年间１０１项有关实证研究进行元分析，得到６３６个相关系数，其未加权平均数为０．３５１，中位数是０．２５１，标准差是０．２２５，内部差异较大。２００５年，西林（Ｓｉｒｉｎ，２００５）拓展本领域的元分析研究，对１９９０年至２０００年间发表的５８篇有关实证研究论文进行元分析，发现ＳＥＳ与学业成就之间的相关系数处于０．００５至０．７７之间，平均值为０．２９，中位数是０．２４。最新一项将本世纪有关研究也纳入样本的元分析研究则显示，ＳＥＳ与学业成就的加权平均相关系数只有０．２２，没有想象得那么大，仅属于低度相关（Ｈａｒｗｅｌｌ，Ｍａｅｄａ，Ｂｉｓｈｏｐ，＆Ｘｉｅ，２０１７）。
ＳＥＳ与学业成就相关强度上的差异，除了与ＳＥＳ指标选取及测量方式、学业成就指标选取及测量方式、相关系数计算方式等因素有关，还受样本特征的影响。样本来源于城市地区还是郊区或农村、样本来源地区的社会经济发展形势、样本中是否包括少数民族、样本内部ＳＥＳ差异大还是小、样本
学生就读的年级等诸多因素，都会在一定程度上影响两者的相关强度。换而言之，每一项有关研究的结果都是在特定情境下得出的，两者关系不能脱离情境进行解释，当脱离情境将结论外推的时候需要谨慎。
值得注意的是，有关ＳＥＳ与学业成就相关的研究多集中在美英等西方国家，来自我国，针对我国青少年的有关实证研究数量相对较少。在世界上收录中文论文数量最大的中国期刊全文数据库ＣＮＫＩ中进行搜索，发现从１９８０年至今，主题、标题或关键词中含有“家庭社会经济地位”的论文共计有３９１篇，２００５年之前相关论文年发表量较少，２００５年之后呈现出增长的态势。通过阅读论文标题、摘要及全文进一步筛选，发现基于数据对中小学生ＳＥＳ与学业成就关系进行定量分析的论文仅有２３篇。对这些论文进行综合分析，发现已有研究尚存在一些亟待关注的问题：首先，ＳＥＳ测量方式存在差异。有些研究收集的原始数据仅涉及父母受教育水平、父母职业、家庭收入中的两个方面（李海君，任文静，于格，２０１４），有些研究没有合成ＳＥＳ指数，只是对ＳＥＳ各种成分逐个进行分析（庞维国，徐晓波，林立甲，任友，２０１３）。如果不采用国际上通行方法收集数据与合成ＳＥＳ指数，不同研究的结果之间就难以比较；其次，学业成就测量没有采用标准化测验，特别是有些研究针对跨地区、跨年级的被试，学业成就数据采用的却是非统一命题的中考成绩（王慧敏，吴愈晓，黄超，２０１７），甚至是期末考试成绩（程刚，唐昕怡，牛娟，李佳佳，张大均，２０１８），数据可比性存疑；第三，数据处理方法相对简单。有些研究仅采用相关分析或方差分析等
简单方法考察ＳＥＳ与学业成就的相关性，没有对相关变量进行控制；有些研究采用了多元线性回归模型，但忽视了数据嵌套的问题，没有将学生个体水平和学校水平的因素区分开来进行分析。
我国是世界上最大的发展中国家，不仅在经济形势、社会结构、收入分配、城市化进程、城乡差异等外部环境方面，而且在教育管理体制、学校布局、学校资源配置、招生入学、课程改革等教育内部政策上，都与西方国家存在着不同程度的差异。进入２１世纪以来，我国经济社会已由高速增长阶段逐渐转向和进入高质量发展阶段。在基础教育领域，我国一直高度重视教育均衡，着力改善农村偏远地区、贫困地区和薄弱学校的软硬件资源配置，致力于为每个学生提供公平而有质量的教育，以降低家庭社会经济地位对学生发展所造成的局限，促进处境不利学生的发展。因此，采用ＰＩＳＡ２０１８中国样本数据，考察１５岁青少年在校生ＳＥＳ与学业成就的关系，具有独特的研究价值。它不仅可以为本领域研究提供来自中国较为权威的证据，而且可以为处境不利青少年教育、城乡教育均衡等相关政策的完善提供实证依据。本研究将要研究的问题是：在中国样本地区，１５岁青少年在校生的ＳＥＳ与其学业成就的相关到底有多大？在ＳＥＳ构成指标中，哪些因素对学生学业成就的
８
１北京师范大学学报（社会科学版）２０２１年第２期（总第２８４期）
影响更大或更小
太湖水污染
二、研究方法
（一）数据来源
ＰＩＳＡ是由ＯＥＣＤ统筹实施的一项国际学生能力评估项目。ＰＩＳＡ２０１８主要测试各参与国家／经济体１５岁青少年在校生的阅读素养，而且通过学生问卷和学校问卷对可能影响学生素养表现的诸多相关因素进行调查。我国北京、上海、江苏和浙江等四省市作为样本地区，以联合经济体名义参与了ＰＩＳＡ２０１８测试，相关数据于２０１９年底公布在ＰＩＳＡ（ｈｔｔｐ：／／ｗｗｗ．ｏｅｃｄ．ｏｒｇ／ｐｉｓａ／ｄａｔａ／２０１８ｄａｔａｂａｓｅ／）上。本研究选取ＰＩＳＡ２０１８中国四省市学生问卷数据和学校问卷数据，将两者合并成一个两水平数据库进行深度分析。
（二）样本
１２０５８名就读于中国四省市各类教育机构（包括普通教育与职业教育、全日制与非全日制、公立和私立等各种类型）７年级及以上年级的１５岁在校生，参加了ＰＩＳＡ２０１８阅读素养测试并填写了相关问卷。这些被试加权处理后代表了９９２３０２名１５岁青少年在校生，对中国四省市１５岁青少年在校生的覆盖率为９６．８％，对中国四省市１５岁青少年的覆盖率则为８１．２％。学生被试所在学校的行政人员也被要求填写学校问卷。研究者对缺失值进行多重插补后，保留有效学生样
本１１９９３人，学校样本３６１所。学生和学校样本的内部构成参见表１。
表１ 中国四省市学生和学校样本内部构成
学生（Ｎ＝１１９９３）人数百分比
学校（Ｎ＝３６１）数量百分比
性别
男６２５１ ５２．１％／／ 女５７４２ ４７．９％
／／学校类型
普通初中４２８９ ３５．８％１３２ ３６．６％ 普通高中５５８３ ４６．６％１６５ ４５．７％ 职业高中２１２１ １７．６％６４ １７．７％学校性质
公立１０３４３ ８６．２％３１０ ８５．９％ 私立１６５０ １３．８％５１ １４．１％学校位置
人口少于０．３万的乡村５８８ ４．９％１９ ５．３％ 人口介于０．３万到１．５万的小镇
２１４１ １７．９％６５ １８．０％ 人口介于１．５万到１０万的市镇１８８２ １５．７％５５ １５．２％ 人口介于１０万到１００万的城市２２１０ １８．４％６５ １８．０％ 人口超过１００万的大城市５１７２ ４３．１％１５７ ４３．５％
（三）变量选取
本研究旨在探讨青少年学生ＳＥＳ与学业成就之间的关系。因变量学业成就用学生被试在ＰＩＳＡ２０１８测试中的阅读素养成绩代表。在ＰＩＳＡ２０１８项目中，学生阅读素养成绩经过等值化处理，以２０００年ＯＥＣＤ成员国学生在ＰＩＳＡ阅读素养测试中的平均分为５００分，以１００分为标准差转化而成。自变量ＳＥＳ用经济、社会和文化地位指数（ＰＩＳＡ ｉｎｄｅｘ ｏｆ ｅｃｏｎｏｍｉｃ，ｓｏｃｉａｌ ａｎｄ ｃｕｌｔｕｒａｌｓｔａｔｕｓ，简称ＥＳＣＳ）来估计。这是一个综合的衡量指标，它基于父母职业、父母受教育年限、家庭资源（包括物质资源、文化资源和教育资源）等三个
９
１
赵德成 柳斯邈 家庭社会经济地位对学生学业成就的影响
聚丙烯腈维度、七个具体指标整合而成，用以２０００年ＯＥＣＤ国家学生ＥＳＣＳ平均水平为０，以标准差为１的标准分表示。分数为正表示ＳＥＳ高于ＯＥＣＤ国家平均水平，正值越大，表示学生ＳＥＳ水平越高；相反，分数为负表示ＳＥＳ低于ＯＥＣＤ国家平均水平。
为更好分析学生ＳＥＳ与学业成就之间的关系，本研究还基于ＰＩＳＡ２０１８问卷框架与相关研究成果（Ｂｅｃｋｅｒ，ＭｃＥｌｖａｎｙ
，＆Ｋｏｒｔｅｎｂｒｕｃｋ，２０１０；Ｋｉｒｓｃｈ ｅｔ ａｌ．，２００２；Ｎｉｎｇ，Ｖａｎ Ｄａｍｍｅ，Ｖａｎ ｄｅｎＮｏｏｒｔｇａｔｅ，Ｙａｎｇ
，＆Ｇｉｅｌｅｎ，２０１５；ＯＥＣＤ，２０１９ａ），在学生水平上选取年级、性别、学习投入（小时／每周）、阅读兴趣、积极情感、外部动机等六个变量，在学校水平上选取学校位置、生师比、学校规模、纪律氛围等四个变量作为控制变量，通过多水平模型更为准确地估计学生ＳＥＳ对学业成就的净影响。在这些控制变量中，阅读兴趣、积极情感、外部动机和纪律氛围均通过里克特量表进行测量，用标准分表达，系连续变量。
（四）数据处理与分析
采用ＳＰＳＳ ２１．０对中国样本数据进行初步整理，采用Ｍｐ
ｌｕｓ ７．４对数据进行多重插补、描述性统计和多水平分析。统计分析依据ＰＩＳＡ２０１８提供的学生权重（Ｗ＿ＦＳＴＵＷＴ）或学校权重（Ｗ＿ＳＣＨＧＲＮＲＡＢＷＴ）
进行加权。在多水平分析中，所有学生水平变量都经过了组中心化处理，学校水平变量则进行了总中心化处理。
三、研究结果
（一）描述性统计
对中国四省市１５岁青少年在校生的ＳＥＳ与学业成就水平做描述性统计，结果见表２。表２既列举学生个体水平上的数据，也呈现了每个指标以学校为单位整合出来的校均数据。ＳＥＳ是本研究中的重要变量，所以表２在统计ＳＥＳ指数的基础上，还分三个维度、七个指标进行了详细的分析。为区分ＳＥＳ的维度和具体构成指标，我们在每个指标前面增加了数字代码。由表可见：（１）在个体水平上，中国四省市１５岁青少年在校生的ＳＥＳ平
表２ 各变量的描述性统计
个体水平
四省市Ｍ（Ｓ
Ｄ）ＯＥＣＤ
Ｍ（ＳＤ）学校水平
四省市Ｍ（ＳＤ）ＯＥＣＤ
Ｍ（ＳＤ）１
ＳＥＳ－０．６７（１．０７）－０．０３（０．９３）－０．８８（０．７８）－０．２０（０．５９） １
．１父母职业指数４８．２５（２１．５２）５２．２９（２１．４９）４４．４７（１２．０６）４８．６６（１２．２８）１．１．１母亲职业指数３
９．６３（２１．１８）４５．００（２２．２３）３６．４（１１．０６）４１．５２（１１．８）１．１．２父亲职业指数４
２．８３（２０．９３）４４．８６（２１．６０）３９．４（１０．７１）４１．６２（１１．８４） １
．２父母最高教育年限１１．７８（３．４１）１４．０２（２．６２）１１．２７（２．２０）１３．６７（１．４３）１．２．１母亲教育年限１０．５３（３．８７）１３．４１（２．９４）１０．００（２．４５）１３．０５（１．５５）１．２．２父亲教育年限１
１．１１（３．６３）１３．２３（３．００）１０．５８（２．２８）１２．８８（１．６） １
．３家庭资源－０
．５４（０．９２）－０．０４（０．９１）－０．７０（０．６２）－０．１７（０．５３）１．３．１家庭文化资源－０．２２（１．１１）－０．０１（０．９５）－０．３５（０．５７）－０．０９（０．４５）１．３．２家庭教育资源０．１５（１．０３）－０．０３（０．９６）０．００（０．５３）－０．１３（０．４７）１．３．３家庭物质资源－０
．８２（０．８３）－０．０５（０．８７
richard chai
）－０．９４（０．５２）－０．１５（０．４８）２阅读素养成绩
５５５．２４（８７．３１）４８７．１３（９９．３９
）５２５．９（６０．６５
）４６５．５６（６６．２７
） 注：
（１）ＳＥＳ和家庭资源用“以２０００年ＯＥＣＤ成员国平均值为０，标准差为１”的标准分表示，２０１８年ＯＥＣＤ成员国１５岁青少年在校生被试的平均值低于零，表示２０１８年ＯＥＣＤ成员国被试的平均ＳＥＳ和家庭资源比２０００年被试的情况有所下降。（２）职业指数是根据《国际标准职业分类ＩＳＣＯ－０８》中职业代码所对应的国际标准职业社会经济地位指数（ＩＳＥＩ）而得到的相应分数。该指数得分分布于１１．０１至８９．９６之间，得分越高说明职业地位越高，参见ｈｔｔｐ
：／／ｗｗｗ．ｈａｒｒｙｇａｎｚｅｂｏｏｍ．ｎｌ／ｉｓｃｏ０８／ｉｎｄｅｘ．ｈｔｍ。（３）ＰＩＳＡ通过国际教育标准分类（ＩＳＣＥＤ）估计父母的受教育年限，分布于３年至１
６．５年之间。０
２北京师范大学学报（社会科学版）２０２１年第２期（总第２８４期）
均值为－０．６７，比ＯＥＣＤ成员国平均水平低０．６４个标准差，且标准差比ＯＥＣＤ成员国大；（２）在个体水平上，学生阅读素养成绩平均值为５５５．２４，非常显著地高于ＯＥＣＤ成员
国的平均水平，
且标准差较小；（３）在学校水平上，受统计与加权方式变化的影响，
各指标上的统计值与个体水平比略有下降；（４）四省市ＳＥＳ多数分维度和构成指标上得分均低于ＯＥＣＤ平均水平，但家庭教育资源例外，说明四省市学生家庭重视教育投入，愿意在较低的经济水平下为子女教育投入更多的资源。
（二）学生ＳＥＳ与学业成就的关系
计算学生ＳＥＳ与学业成就的简单相关，结果发现在个体水平上两者显著相关，皮尔逊相关系数为０．３５２，属中等程度，而在学校水平上两者也显著相关，皮尔逊相关系数高达０．７２４，
属强相关。学生ＳＥＳ与学业成就的相关程度会不会因ＳＥＳ等级水平而不同我们分别在个体水平和学
校水平上将ＳＥＳ数据由小到大排序后，用４个五分位值将所有数据分为５个五分位区间，每个五分位区间包含约２０％的加权后被试数据，然后在每个五分位区间中分别绘制ＳＥＳ与阅读素养成绩关系的散点图，并分段添加拟合回归直线，最终形成反映个体水平结果的图１和反映学校水平结果的图２。由图可见，在不同五分位区间中，学生ＳＥＳ与阅读素养成绩的相关强度，乃至相关方向是不一
样的。进一步分析发现，在ＳＥＳ的最低分组，第一个五分位区间中，无论是个体水平，还是学校水平，学生ＳＥＳ与阅读素养的拟合直线斜率最大，两者的相关程度最强。这表明，中国四省市ＳＥＳ最低的五分之一学生，其阅读素养成绩受ＳＥＳ的影响最大
。
图１ 个体水平学生ＳＥＳ与阅读素养成绩的
地质学刊
分区间段散点图
图２ 学校水平学生ＳＥＳ与阅读素养成绩的
分区间段散点图
简单相关分析和分区间散点图分析在一定程度上反映了学生ＳＥＳ与学业成就的相关情况，但值得注意的是，ＰＩＳＡ２０１８数据是学生和学校两个水平的嵌套数据，零模型发现ＩＣＣ指数为０．４７０（组间方差３９１２．１１７，组内方差４３６２．０７２），需要进行多水平分析，而且，学生学业成就受到多种因素的复杂影响，需要在控制其他变量的情况下，才能更准确地刻画ＳＥＳ与学业成就的关系。所以，本研究在零模型基础上，构建了加入学生水平上性别、阅读兴趣等六个变量与学校水平上生师比、纪律氛围等四个变量，作为控制变量的基准模型（模型１），最后再加入学生个体ＳＥＳ和校均ＳＥＳ构成全模型（模型２），分析结果见表３。学生个体ＳＥＳ和校均ＳＥＳ对其阅读素养成绩均具有显著的正向预测效应。个体ＳＥＳ解释了０．６％的学校内方差，在模型中的回归系数估计值是６．４５６，意即个体ＳＥＳ每提高一个标准差，
学生平均阅读素养成绩提高６．４５６分；校均ＳＥＳ解释２３．９％的学校间方差，在模型中的回归系数估计值为５３．４９２，意即学校平均ＳＥＳ每提高一个标准差，学生平均阅读成绩提高５３．４９２分。由此可见，校均ＳＥＳ对学业成就的影响明显大于学生个体ＳＥＳ。
（三）ＳＥＳ各构成指标对学业成就的影响ＰＩＳＡ２０１８中的ＳＥＳ包括父母职业指数、父母受教育年限和家庭资源三个维度，又可进一步划分为父亲职业指数、母亲职业指数、父亲受教育年限、
母亲受教育年限、家庭物质资源、家庭文化资源和家庭教育资源等七个指标。那么，在中国四省市，ＳＥＳ各构成指标对学生学业成就的影响是否存在差异，哪个指标的影响力更强或更弱呢？分析各指标在多水平模型中的方差贡献率，可作为
１
２赵德成 柳斯邈 家庭社会经济地位对学生学业成就的影响
