成長階段的貧窮經驗對學習成就與科系選擇之影響

全文

(1)國立政治大學. 社會科學學院. 經濟研究所碩士論文. 政治大. 學. ‧ 國. 立成長階段的貧窮經驗對學習成就與科系選擇之影響. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授. 王信實博士. 指導教授. 李浩仲博士. 研究生. 洪立瑄. 中華民國 104 年 1 月.

(2) 摘要. 近年來許多學者研究家庭經濟狀況對於孩子發展的影響，根據先前諸多學者的研究，顯然家庭經濟狀況是對於孩子各方面的發展是一個重要影響因素。由於近年來大學學歷越來越普遍，大學又與高中以前的教育方式不同，偏向專業化，因此如何選擇科系也逐漸成為重要議題。本文使用 NLSY79 Child & Young Adult 之樣本，研究孩子成長階段的家庭經濟狀況對於是否就讀大學的影響。本文以美國官方定義之貧窮標線（poverty guidelines）. 政治大. 判定家庭經濟狀況是否為貧窮，並將孩子成長過程劃分成三階段：0 至 6 歲、7 至 12. 立. 歲、13 至 18 歲，探討每個階段的家庭經濟狀況對於孩子是否就讀大學的影響。使用. ‧. ‧ 國. 就讀大學的機率。. 學. Logit model 之實證結果為，成長過程當中任一階段若曾經屬於貧窮，皆會降低孩子. 本文進一步探討家庭經濟狀況與科系選擇，採用 Current Population Survey (CPS). sit. y. Nat. CEPR 之職業薪資資料、National Opinion Research Center (NORC)之職業聲望資料、. n. al. er. io. Occupational Information Network (O*NET)之職業工作特性資料，並利用 The National. i n U. v. Survey of College Graduates(NSCG)之樣本，將各年份各科系之出路職業比例做為權重，. Ch. engchi. 加權計算將職業特性轉換為科系特性。本文探討四種科系特性，分別為：科系預期薪資報酬、科系預期職業聲望、科系預期未來工作所需人才（個人能力）、科系預期未來工作所需人才（社交方面）。使用 OLS model 之實證結果為，成長階段家庭曾經屬於貧窮的孩子傾向選擇預期薪資報酬較低的科系，但貧窮經驗不影響孩子對於預期職業聲望的追求。至於人才類型方面，貧窮經驗對於孩子是否選擇注重個人能力之科系影響並不顯著，但貧窮經驗會使得孩子較不會選擇注重社交能力之科系。. 關鍵字：貧窮、科系選擇、NLSY79.

(3) 目次第壹章、緒論 ........................................................................................................................1 第一節、前言與文獻回顧 ................................................................................................1 第貳章、資料 ........................................................................................................................6 第一節、樣本及敘述統計 ................................................................................................6 第二節、建構科系特性之資料處理 ..............................................................................12 第參章、模型設定 ..............................................................................................................25. 治政第一節、Logit model....................................................................................................... 25 大立第二節、OLS model ........................................................................................................27. ‧ 國. 學. 第肆章、結果 ......................................................................................................................29. ‧. 第一節、家庭貧窮狀態對於孩子是否就讀大學的影響 ..............................................29. y. Nat. io. sit. 第二節、家庭貧窮狀態對於孩子選擇科系的影響 ......................................................35. er. 第伍章、結論與建議 ..........................................................................................................46. al. n. v i n 第一節、研究結論 .......................................................................................................... 46 Ch engchi U 第二節、未來方向與建議 ..............................................................................................47. 參考文獻 ..............................................................................................................................48 附錄 ......................................................................................................................................49. 1.

(4) 表次表一變數名稱及說明 ..........................................................................................................7. 表二類別變數之人數統計 ................................................................................................10. 表三樣本之敘述統計 ........................................................................................................ 11. 表四 2002 年各科系畢業後從事之職業比例 ...................................................................14. 政治大. 表五 2002 年各職業之平均薪資 .......................................................................................16. 立. ‧ 國. 學. 表六各職業之職業聲望 ....................................................................................................18. ‧. 表七 KMO 判定準則 ..........................................................................................................21. Nat. er. io. sit. y. 表八職業所需人才類型之各項特徵指標及因素負荷量 ................................................22. 表九各職業之因素分數 ....................................................................................................24. n. al. Ch. engchi. i n U. v. 表十 Logit model 迴歸結果 ...............................................................................................31 表十一 Logit model 之邊際效果 .......................................................................................33 表十二科系預期薪資報酬之 OLS 迴歸結果 ..................................................................36 表十三科系預期職業聲望之 OLS 迴歸結果 ..................................................................39 表十四科系預期職業人才類型(個人能力)之 OLS 迴歸結果 ........................................41 表十五科系預期職業人才類型(社交方面)之 OLS 迴歸結果 ........................................44.

(5) 壹、緒論. 一、前言與文獻回顧. 近年來許多學者研究家庭經濟狀況對於孩子發展的影響，例如：高所得家庭的孩子是否在校成績較好，高所得家庭的孩子是否學歷較高。社會上普遍認為家境較好的孩子可以得到較多的資源與照顧，由於食衣住行育樂等各方面皆與經濟狀況有關，因此家庭經濟狀況與孩子的發展是許多學者討論的議題。先前諸多學. 政治大. 者研究家庭經濟狀況對於孩子各方發展的影響，包括成績表現、學歷成就等等。. 立. 除了智能方面外，也有學者研究家庭經濟狀況與孩子偏差行為之間的關係。. ‧ 國. 學. Dahl & Lochner(2005)研究家庭所得與孩子成績的關連並探討其因果關係，. ‧. 使用 fixed effect instrumental variables 方法，估計結果為家庭所得對孩子成績有. sit. y. Nat. 顯著正向影響。家庭所得每增加$1000，孩子的數學成績平均增加 2.1%個標準差，. n. al. er. io. 而孩子的閱讀成績平均增加 3.6%個標準差。Belley & Lochner(2007) 研究家庭所. i n U. v. 得與個人能力對教育程度的影響，使用 NLSY79 及 NLSY97 的資料，將樣本的. Ch. engchi. 家庭所得與 AFQT 成績以四分位數分割成四等份，估計家庭所得與個人能力對於教育程度的影響。研究結果發現，家庭所得越高的學生傾向會完成較高學歷， AFQT 成績較高的學生亦傾向完成較高學歷，但是家庭所得對於教育程度的影響不如 AFQT 成績明顯，表示與家境相較，學生的個人能力更能夠影響教育程度。根據先前諸多學者的研究，顯然家庭經濟狀況是對於孩子各方面的發展的一個重要影響因素。. 1.

(6) 由於近年來大學學歷越來越普遍，甚至不少人認為擁有大學學歷是基本，因此選擇就讀大學的人越來越多。大學又與高中以前的教育方式不同，偏向專業化，每個科系所學盡不相同。而就讀的科系很有可能影響將來從事的職業，俗話說隔行如隔山，每個科系專精的領域不同，想要短期之內轉換跑道，專精另一門學問並非容易之事，因此如何選擇科系也逐漸成為重要議題，已有許多學者研究科系選擇的相關議題。. Montmaquette(2002)研究選擇科系時會考量的因素，結果顯示科系預期薪資報酬是最為主要之因素。Tarpley&Miller(2004)利用 18177 名美國猶他州學生的資. 政治大. 料，研究學生選擇科系時考量的因素。Tarpley&Miller 將學生分為兩類：主修為. 立. 農業類科系與主修為非農業類科系，並用逐步多元迴歸模型（stepwise multiple. ‧ 國. 學. regression model）分析學生選系時考量的重要因素，結果證實學生的興趣為優先考量的因素之一，其他因素包含高中是否修習相關課程、未來工作機會等。. ‧. Basit(2009)研究性別對於科系選擇的影響，由於男性與女性與生俱來的能力即有. y. Nat. io. sit. 差異，如男性體力較好，以及社會上普遍認為的性別刻板印象，這些原因造成兩. n. al. er. 性在選擇科系時有所差異。男主外、女主內的刻板印象近年來雖逐漸式微，但仍. i n U. v. 未完全消失，使得男性大多被賦予承擔家計的責任，因此選擇科系時，男性偏向. Ch. engchi. 於選擇能找到好工作、預期報酬較高的科系；而女性背負的經濟壓力較小，選擇科系時則較重視自我實現，例如是否對科系教學內容感興趣、該科系未來出路工作是否為自己喜愛的。社會上普遍認為男性擅長理科，女性擅長文科，在刻板印象之下也使得女性對於數理方面的信心較低，因此較不會選擇理工科系。除了性別刻板印象，社會上也存在種族刻板印象，一般認為亞洲人的數理能力較為優秀，可能使得亞洲人相對於其他種族更偏好選擇數理方面科系。其他個人因素如資質、個性、價值觀等，亦會左右科系選擇。. 2.

(7) 綜合以上觀點，本文以家庭經濟狀況為出發點，探討家庭經濟狀況與孩子的學業成就與科系選擇之關係。先前許多學者在探討家庭經濟狀況時，是使用「家庭所得」為解釋變數，但相同家庭所得的兩戶，會因為家庭人口數的不同，家中每人能夠分到的資源也不同。因此本文使用家庭貧窮狀態表示家庭經濟狀況，而非家庭所得。本文使用美國官方定義的貧窮標線(Poverty guideline)判別該家庭是否為貧窮，貧窮標線會隨著家庭人口數而改變，比家庭所得更能反映家庭的經濟狀況。. 本文主要分為兩大部分，一是研究家庭經濟狀況對於孩子是否就讀大學的影. 政治大. 響，二是研究家庭經濟狀況對於孩子選擇科系的影響，深入探討選擇的科系具有. 立. 哪些特性。本文使用 NLSY79 Child & Young Adult 之樣本，探討成長階段的貧窮. ‧ 國. 學. 經驗與是否就讀大學的關聯。接著針對有就讀大學的樣本，討論貧窮經驗是否使. ‧. 得孩子傾向選擇具有某一特性的科系。我們使用 Current Population Survey(CPS) CEPR、National Opinion Research Center(NORC) 、Occupational Information. y. Nat. io. sit. Network(O*Net)的職業特性資料，並利用 The National Survey of College. n. al. er. Graduates(NSCG)科系畢業後的出路職業比例，將職業特性轉換成科系特性。本. i n U. v. 文將科系特性分為四種，分別是科系的預期薪資報酬、科系的預期職業聲望、科. Ch. engchi. 系預期職業所需人才(個人能力)以及科系預期職業所需人才(社交方面)。. 本文研究主題之一為成長階段的貧窮經驗是否影響孩子就讀大學的機會，且我們想觀察成長階段哪一個時期的貧窮經驗對於孩子的學習成就影響最大。因此我們將成長階段劃分為：0 至 6 歲嬰幼年時期、7 至 12 歲兒童時期與 13 至 18 歲青少年時期，分別探討每個階段的貧窮經驗是否影響孩子就讀大學的機會。先前已有學者探討類似議題。如 Duncan(1998)研究家庭所得與孩子教育程度的影響，並討論孩子成長時期何階段之家庭所得對教育程度影響最甚。使用 Panel Study of. 3.

(8) Income Dynamics(PSID)追蹤資料，迴歸結果為家庭所得與孩子教育程度顯著正相關。Duncan 進一步將家庭所得依孩子年紀劃分為三個階段：0 至 5 歲、6 至 10 歲、11 至 15 歲，研究結果為孩子 0 至 5 歲時的家庭所得對孩子教育程度的影響最為顯著，即孩子在幼年早期的家庭所得對將來完成的教育程度最為重要，且此情形在低家庭所得的孩子更為明顯。而本文使用 Logit model 估計成長階段的貧窮經驗對於孩子是否就讀大學的影響，結果為：孩子成長階段任一時期家庭屬於貧窮，皆會降低孩子就讀大學的機會，其中又以 0 至 6 歲嬰幼年時期的貧窮經驗影響最甚，與 Duncan 之研究結果相近。. 政治大. 本文研究之另一主題為家庭經濟狀況與孩子的科系選擇。Lang(2007)探討家. 立. 庭收入對於科系選擇的影響，Lang 假設兩種情況：(1)來自家庭所得較高的孩子，. ‧ 國. 學. 由於從小習慣富裕的生活，非常了解金錢的好用之處。相對地，來自家庭所得較低的孩子對於金錢的接觸較少，認為即使生活不是非常的富裕仍能過日子，對於. ‧. 金錢的追求動力較低。因此選擇科系時，高家庭所得的孩子有較高的機率會選擇. y. Nat. io. sit. 預期報酬較高的科系，如：理工類、商學類，而低家庭所得的孩子有較高機會選. n. al. er. 擇預期報酬較低的科系，如：人文類、教育類。(2)來自家庭所得較高的孩子可. i n U. v. 以從家中得到金援，無須靠自己賺錢，所以選擇科系時並不會將科系之預期報酬. Ch. engchi. 做為首要考量，反而追求自我實現，如該科系是否為自己喜愛、感興趣的。相對地，來自家庭所得較低的孩子會想賺錢改變家境。因此選擇科系時，高家庭所得的孩子有較高的機率會選擇預期報酬較低的科系，而低家庭所得的孩子有較高機會選擇預期報酬較高的科系。Lang 使用 1993-94 Baccalaureate and Beyond Longitudinal Study (B&B)資料與 Multinomial Logit Model，其研究結果傾向於假設(2)：高家庭所得的孩子有較高的機率會選擇預期報酬較低的科系，而低家庭所得的孩子有較高機會選擇預期報酬較高的科系。但 Multinomial Logit Model 需滿足 Independent and irrelevant alternatives(IIA)假設，否則會造成估計上的偏誤，. 4.

(9) 且 Lang 使用單一年份橫斷面資料，但科系之預期薪資報酬會因為科技發展、產業興衰等因素隨時間改變。. 因此本文將科系特性量化，使用 OLS model 估計貧窮經驗與所選科系預期薪資報酬的關係，且使用 1973 至 1994 年間出生之樣本，將樣本選擇科系年份連結至當年度的科系預期薪資報酬。本文之研究結果為，家境曾為貧窮的孩子，傾向於選擇預期薪資報酬較低的科系。與 Lang 之結果相反。本文認為，由於預期薪資報酬高的科系一般而言較為熱門，入學門檻較高，但在學齡期間家境貧窮的孩子能夠得到的學習資源較少，也許因此較無法考取預期薪資報酬較高的科系。. 政治大. 除了科系預期薪資報酬，本文亦探討貧窮經驗是否使得孩子偏向選擇預期職業聲. 立. 望較高的科系，其結果為，孩子成長過程的家庭經濟狀況對於預期職業聲望的追. ‧ 國. 學. 求並無明顯影響。. ‧. 由於選擇科系時亦會考量未來工作特性，如理想職業要求的人才需擁有的特. y. Nat. io. sit. 質。因此我們亦探討貧窮經驗是否使得孩子選擇偏向注重個人能力或團隊社交能. n. al. er. 力之科系。本文研究結果為：成長階段的家庭經濟狀況對孩子是否要選擇注重個. i n U. v. 人能力科系並無顯著影響，對於是否選擇注重社交能力的科系有些微影響，幼年. Ch. engchi. 時期家境屬於貧窮的孩子較不會選擇注重社交能力的科系，但是性別才是對選擇此兩科系特性影響最大之因素。. 接下來第二章介紹本文使用棒本之資料庫 NLSY79 Child & Young Adult 及其敘述統計，以及建構科系特性資料使用的各個資料庫與資料處理方式，第三章為模型設定，第四章為實證結果分析，最後第五章則根據本文研究結果做出結論，並提出未來研究方向與建議。. 5.

(10) 貳、資料一、. 樣本及敘述統計. 1. 本文使用樣本. 本文使用 National Longitudinal Surveys(NLS)底下之 NLSY79 以及 NLSY79 Child & Young Adult 資料。NLS 為美國勞工部勞動統計局(BLS)執行的長期追蹤資料，訪問內容包含家庭、教育、事業等多方面。NLSY79 的受訪樣本為 1979. 政治大. 年當時 14 至 22 歲且居住於美國的年輕人，而 NLSY79 Child & Young Adult 的受. 立. 訪者為 NLSY79 女性樣本之子女。本文以 NLSY79 Child & Young Adult 受訪者為. ‧ 國. 學. 樣本，並連結 NLSY79 取得樣本家庭經濟狀況及母親學歷等家庭背景的資料。表一為本文使用的變數及其說明。. ‧ sit. y. Nat. 我們以美國官方定義之貧窮標線(poverty guidelines)1來判定該家庭是否屬於. n. al. er. io. 貧窮。本文將孩子之成長階段分成幼兒時期(0 至 6 歲)、兒童時期(7 至 12 歲)、. i n U. v. 青少年時期(13 至 18 歲)，分別探討各階段之貧窮經驗對學習成就與科系選擇之. Ch. engchi. 影響。我們將種族分為六種：白人(美國及歐洲)、墨西哥、中南美洲、亞洲、黑人及其他。母親及母親配偶學歷分為三種：11 年級以下、12 至 15 年級、16 年級以上。AFQT 成績相當於一種基本能力測驗分數，Armed Services Vocational Aptitude Battery (ASVAB)為美國 10 至 12 年級學生參與的一項智力測驗，而 Armed Forces Qualification Test (AFQT)是經由 ASVAB 成績轉換後的分數。. 1. 貧窮標線之計算方式詳見附錄一. 6.

(11) 表一：變數名稱及說明變數名稱. 說明. everpoverty. 0 至 18 歲家庭是否曾經為貧窮 dummy. pov_precentage. 家境屬於貧窮之次數佔總受訪次數的比例. half_poverty. 受訪次數中，超過半數為貧窮 dummy. poverty1. 0 至 6 歲家庭是否曾經為貧窮 dummy. poverty2. 7 至 12 歲家庭是否曾經為貧窮 dummy. poverty3. 13 至 18 歲家庭是否曾經為貧窮 dummy. sex. 性別 dummy(男性=1，女性=0). 政治大母親學歷立種族. race mom_degree. 母親配偶學歷. mastery. pearlin mastery scale 分數. io. womenrole. 性別刻板印象. y. 風險偏好程度. sit. Nat. risk. self-esteem scale 分數. er. esteem. ‧ 國. mom_pousedegree. ‧. 母親 AFQT 成績. 學. mom_AFQT. mom_esteem. 母親 self-esteem scale 分數. mom_womenrole. 母親性別刻板印象. college. 是否有就讀大學 dummy. exp_wage. 科系預期薪資報酬. exp_prestige. 科系預期職業聲望. exp_personal. 科系預期職業所需人才(個人能力). exp_social. 科系預期職業所需人才(社交方面). n mom_ mastery. a母親是否體重過重 l C dummy i v n U h i 分數 e nmastery g c hscale 母親 pearlin. mom_overweight. 7.

(12) pearlin mastery scale 是由 pearlin(1978)發展，為衡量自己對人生掌控程度的測驗。測驗包含七個問題：「No way I can solve some of the problems I have.」、「Sometimes I feel that I am being pushed around in life.」、「 I have little control over the things that happen to me.」、「I can do just about anything I really set my mind to. 」、「I often feel helpless in dealing with the problems of life.」、「What happens to me in the future mostly depends on me.」、「There is little I can do to change many of the important things in my life.」各個問題有「非常不同意」、「不同意」、「同意」、「非常同意」四個選項，再依選項是正面問項或負面問項給予相對應的分數，最後將七題的分數加總得到 pearlin mastery scale，分數越高代表越能夠掌控自己的人生。. 立. 政治大. ‧ 國. 學. self-esteem scale 是由 Rosenberg(1965)發展，為衡量自尊程度的測驗。測驗. ‧. 包含十個問題：「I feel that I am a person of worth, at least on an equal plane with others.」、「 I feel that I have a number of good qualities.」、「All in all, I am inclined to. y. Nat. io. sit. feel that I am a failure. 「I am able to do things as well as most other people.」、「 I. n. al. er. feel I do not have much to be proud of.」、「I take a positive attitude toward myself.」、. i n U. v. 「On the whole, I am satisfied with myself.」、「I wish I could have more respect for. Ch. engchi. myself.」、「 I certainly feel useless at times.」、「At times I think I am no good at all.」，各個問題有「非常不同意」、「不同意」、「同意」、「非常同意」四個選項，再依選項是正面問項或負面問項給予相對應的分數，最後將十題的分數加總得到 self-esteem scale，分數越高代表自尊越高。. 而衡量風險偏好程度之問題為「I enjoy taking risk.」，有「非常不同意」、「不同意」、「同意」、「非常同意」四個選項，並轉換成分數，分數越高代表越偏好風險。而衡量性別刻板印象之問題為「It is much better if man is achiever outside home. 8.

(13) and woman takes care of home and family」」，有「非常不同意」、「不同意」、「同意」、「非常同意」四個選項，並根據選項轉換成分數，分數越高代表對男女性扮演之角色刻板印象較強烈。. 2. 敘述統計. 本文以 NLSY79 Child & Young Adult 受訪者為樣本。表二為本文類別變數之人數統計，我們將孩子成長階段之貧窮時期分為三階段：0 至 6 歲貧窮、7 至 12 歲貧窮、13 至 18 歲貧窮。由表二可以看到，處於貧窮家庭的人數隨著樣本年齡. 政治大. 增加而遞減，可能由於樣本嬰幼年時期，他們的父母尚年輕，事業方面剛起步，. 立. 因此家庭經濟狀況較不穩定，使得 0 至 6 歲貧窮人數最多，隨著小孩的成長，父. ‧ 國. 學. 母事業成就也趨於穩定，因此處於貧窮家庭之人數隨樣本年齡增加而減少。種族. ‧. 方面，由於 NLSY79 Child & Young Adult 為美國資料，因此美國及歐洲、黑人佔大多數，其次為鄰近國家墨西哥，亞洲人僅有少數。母親與母親配偶學歷為 12. y. Nat. io. sit. 至 15 年級佔大多數，由於 NLSY79 Child & Young Adult 受訪者為 NLSY79 女性. n. al. er. 樣本之子女，因此會有部分樣本僅有母親學歷資料，其母親並無配偶。學習成就. i n U. v. 方面，我們觀察男女性有無就讀大學的比例，發現女性高於男性。近年來由於性. Ch. engchi. 別平等意識抬頭，加上女性進入職場的比例增高，女性對於求學的慾望升高。. 表三為樣本之敘述統計，本文使用之樣本為 1973 至 1994 年之間出生，平均年齡為 1985 年出生。男性樣本的 pearlin mastery scale 及 self-esteem scale 平均而言比女性略高，即男性較能掌控自己人生以及自尊心較高。風險偏好程度男性之平均分數高於女性，一般而言男性較大膽、女性較為保守，因此男性對風險的接受程度較高。至於性別刻板印象，男性之平均分數高於女性，即男性較同意「男主外、女主內」此觀點。. 9.

(14) 表二：類別變數之人數統計全體. 男性. 女性. 0 至 18 歲貧窮. 3938. 1923. 2015. 屬於貧窮次數過半. 1807. 884. 923. 0 至 6 歲貧窮. 3331. 1637. 1694. 7 至 12 歲貧窮. 2606. 1294. 1312. 13 至 18 歲貧窮. 2040. 977. 1063. 6514. 3239. 3275. 1491. 1470. 167. 162. 460. 405. 家庭經濟狀況. 性別種族美國及歐洲（白人）. 立. 16 年級以上母親配偶學歷. 19. 2171. 1035. 1136. 154. 71. 83. 1110. y. al. 4247. n. 12 至 15 年級. io. 11 年級以下. Nat. 母親學歷. 15. sit. 其他. 34. ‧. 黑人. ‧ 國. 亞洲. 865. 學. 墨西哥. Ch. e n g c1157 hi U. 559. 551. er. 中南美洲. 2961 政治大 329. 2086. 2161. 594. 563. v ni. 11 年級以下. 863. 429. 434. 12 至 15 年級. 3843. 1910. 1933. 16 年級以上. 1085. 543. 542. 母親無配偶. 723. 357. 366. 有就讀. 4547. 2018. 2529. 沒有就讀. 1967. 1221. 746. 大學. 10.

(15) 表三：樣本之敘述統計全體樣本樣本數. 平均數. 標準差. 最小值. 最大值. 出生年份. 6514. 1984.90. 4.73. 1973. 1994. 母親 AFQT. 6238. 34.58. 27.06. 1. 99. pearlin mastery scale. 6058. 21.80. 3.01. 8. 28. self-esteem scale. 5999. 22.19. 4.07. 3. 30. 風險偏好程度. 5974. 2.53. 0.76. 1. 4. 性別刻板印象. 5213. 2.08. 0.71. 1. 4. 最小值. 最大值. 1973. 1994. 1. 99. 8. 28. 6. 30. 男性樣本治政大樣本數平均數標準差立 27.10. pearlin mastery scale. 2989. 21.90. 3.00. self-esteem scale. 2955. 22.33. 4.02. 2941. 2.61. 0.75. 2563. 2.22. 0.68. Nat. 風險偏好程度. io. 性別刻板印象. n. al. 女性樣本. Ch. 樣本數. y. 35.15. 1. 4. 1. 4. 最小值. 最大值. sit. 3314. 母親 AFQT. er. 4.69. ‧ 國. 1984.96. ‧. 3239. 學. 出生年份. i n U. e平均數 n g c h i標準差. v. 出生年份. 3275. 1984.83. 4.77. 1973. 1994. 母親 AFQT. 3124. 34.01. 27.01. 1. 99. pearlin mastery scale. 3069. 21.70. 3.02. 8. 28. self-esteem scale. 3044. 22.04. 4.12. 3. 30. 風險偏好程度. 3033. 2.46. 0.76. 1. 4. 性別刻板印象. 2650. 1.93. 0.72. 1. 4. 11.

(16) 二、. 建構科系特性之資料處理. 本文除了探討家庭貧窮狀態對於孩子是否就讀大學的影響，更進一步討論家庭貧窮狀態對於孩子科系選擇的影響，我們欲觀察家庭經濟狀況若屬貧窮是否使得孩子選擇具有某一特性之科系特性，因此需先建構科系特性之資料，再將 NLSY79 Child & Young Adult 之樣本就讀科系與其科系特性做連結，進一步分析貧窮與選擇科系特性之關係。. 政治大個科系對照至 Occupational Information Network (O*net) knowledge 這項要素，立. 我們參考 Freeman(2008)之文章計算科系特性，Freeman 使用的方法為將每. ‧ 國. 學. knowledge 再對應至職業，並利用各職業之薪資計算各 knowledge 的預期薪資報酬。在 Freeman 的方法中，每個科系只對應到一種 knowledge，例如數學系對應. Nat. sit. y. ‧. 之 knowledge 為數學、經濟系對應之 knowledge 為經濟。. io. er. 然而我們認為大學為多元學習，一個科系不只擁有一種 knowledge，因此我們建構科系特性資料時，不採用 knowledge 作為科系與職業的連結要素，而是使. al. n. v i n Ch 用科系畢業後從事的職業比例，將科系與職業以一對多的方式計算科系特性。 engchi U. 我們欲觀察貧窮經驗是否使得孩子選擇科系時偏向追求金錢報酬或是追求社會地位，以及貧窮經驗是否影響孩子選擇注重特定能力之科系。因此本文將科系特性分為四種，分別是科系的預期薪資報酬、科系的預期職業聲望、科系預期職業所需人才(個人能力)以及科系預期職業所需人才(社交方面)。我們利用以下資料建構科系特性：. 12.

(17) 1. The National Survey of College Graduates(NSCG) - 各科系的出路職業比例. NSCG 調查美國大學畢業生的出路，包括從事行業、薪資等。NSCG 調查的年份為 1993 年、2003 年、2010 年，這些年份之間尚有規模較小、性質相似的調查，稱為 The National Survey of Recent College Graduates(NSRCG)，我們用 NSCG、 NSRCG 資料，依樣本畢業年份，算出 1990 年至 2010 年間，各年份各個科系畢業後從事的職業比例。. NSCG 及 NSRCG 的科系、職業編碼會依年份不同而有更動，我們首先將科. 政治大. 系、職業編碼統一轉換成 2010 年之編碼。然而轉換過後科系、職業分類仍過於. 立. 精細，我們接著將科系、職業分類縮減。NSCG 及 NSRCG 科系分類是使. ‧ 國. 學. 用 Integrated Postsecondary Education Data System (IPEDS)底下的 Classification of. ‧. Instructional Programs (CIP)編碼，我們將 NSCG 部分科系合併並與 NLSY 科系分類連結，縮減成 24 個科系2。而職業分類是使用 Standard Occupational. y. Nat. io. sit. Classification (SOC)編碼，我們參照 The American Community Survey (ACS)的職. n. al. er. 業分類，將職業縮減為 29 個。. Ch. engchi. i n U. v. 接著我們算出各個年份中，此 24 個科系畢業的人分布至 29 個職業的比例。由於每年選擇各科系的人數不均，有些年份會只有少數人就讀此科系之情形，為避免此情形造成算出來的出路職業比例有偏誤，我們採用各科系人數的三年移動平均，以及各科系畢業後選擇各職業人數的三年移動平均，來估算各年份各個科系畢業後從事的職業比例。表四為 2002 年各科系畢業後從事之職業比例，其他年份作法亦同。. 2. 24 個科系詳見附錄二. 13.

(18) 表四：2002 年各科系畢業後從事之職業比例3. io. 14.54% 0.25% 0.00% 0.81%. Social service and related fields. 3.04%. 3. al. n. engineering Health Teacher Education Management and administration fields. 0.70%. 7.02%. 2.86%. 0.00% 7.65% 27.08% 1.61%. 0.00% 0.59% 0.00% 0.43%. 2.19% 18.74% 42.19% 0.00% 4.39%. 8.72% 0.00% 4.10% 12.21% 28.57%. 0.00% 21.93% 2.52% 0.00% 16.94%. 2.12% 2.29% 2.96% 12.38%. 3.41% 4.57% 3.19% 3.96%. 19.25% 12.53% 10.04% 4.90%. 5.65% 4.04% 6.34% 0.89%. 4.36% 0.26% 1.31% 0.00%. 0.00% 0.17% 0.00% 0.00%. 0.25% 84.09% 0.00% 0.00%. 7.74% 2.06% 0.00% 60.14%. 5.22% 0.14% 11.65% 13.06%. 1.99%. 0.00%. 8.39%. 0.00%. 0.00%. Ch. engchi. 本表格只呈現部分科系與職業. 14. 0.00% 9.92% 13.39% 7.66%. y. 1.32% 1.83% 1.12% 2.23%. Nat. Political and related sciences Psychology Sociology and anthropology Other social sciences. 立. 8.94%. sit. 3.98% 0.00% 0.76% 3.24% 4.34%. ‧ 國. Mathematics and statistics Agricultural and food sciences Biological sciences Physics and astronomy Economics. 治0.16% 政 45.28% 1.13%大. Sales and marketing occupations. ‧. 55.18%. Health-related Management-related occupations occupations. 學. 14. Computer and information sciences. Political scientists. er. major. Computer and Postsecondary information teachers scientists. i n U. v.

(19) 2. Current Population Survey (CPS) CEPR - 科系的預期薪資報酬. Current Population Survey(CPS)是由美國人口普查局 (United States Census Bureau)和勞動統計局(Bureau of Labor Statistics)聯合執行，旨在了解美國勞動力的就業狀況，而 CERP 是 CPS 底下的一項調查，我們使用 Current Population Survey(CPS) CEPR 的 Outgoing Rotation Group (ORG) 1990 年至 2012 年職業與薪資資料，限制樣本年紀在 20 歲以上並具有學士學歷以上，依據各年份將其 29 種職業對薪資跑迴歸，迴歸係數為當年度該職業的平均薪資報酬，其模型如下：. 立. 政治大. 式. ‧ 國. 學 ‧. 由式(1)可得各年份各職業之平均薪資，接著再依相對應年份之 NSCG、 NSRCG 科系畢業後從事之職業比例，加權計算出各科系各年份的預期薪資報酬。. y. Nat. io. sit. 由於 NSCG 最新資料年份為 2010 年，因此 2011 年及 2012 年之職業薪資轉換為. n. al. er. 科系預期薪資報酬時，我們採用 NSCG 2010 年科系畢業後從事之職業比例來轉. i n U. v. 換。表五為 2002 年各職業之平均薪資，其他年份作法亦同。. Ch. engchi. 15.

(20) 表五：2002 年各職業之平均薪資職業. 2002 年平均薪資. Computer and information scientists. 38.53. Textile-related occupations. 17.43. Postsecondary teachers. 32.75. Agricultural and food scientists. 31.08. Biological and medical scientists. 32.24. Environmental life scientists. 17.04. Chemists, except biochemists. 36.39. Earth scientists, geologists and oceanographers. 31.77. Physicists and astronomers. 40.50. 政治大. Economists Political scientists. 立. 29.99 30.72. Chemical engineers. 39.83. ‧ 國. 38.30. Civil, architectural or sanitary engineers. 學. Aerospace, aeronautical or astronautical engineers. Electrical or computer hardware engineers. 41.20. ‧. Industrial engineers. 36.43 39.38. y. Nat. Mechanical engineers. 36.75. sit. Other engineers. n. al. er. io. Health-related occupations S and E managers. 34.83. Ch. engchi U. S and E technicians and technologists Other S and E-related occupations. v ni. 33.90 40.27 25.49 35.18. Non-S and E Managers. 35.86. Management-related occupations. 35.99. Non-S and E precollege teachers. 27.03. Social services and related occupations. 29.28. Sales and marketing occupations. 31.77. Art, humanities and related occupations. 30.26. Other non-S and E occupations. 25.81. 16.

(21) 3. National Opinion Research Center (NORC) - 科系的預期職業聲望. 職業聲望是人們對該職業社會地位的主觀評價，影響職業聲望的主要因素有三項：. (1) 職業環境：為任職者所能獲得的工作條件與社會經濟權利的總和。包括職業的自然環境和社會環境，例如工作的技術條件、空間環境、勞動強度、工資收入、福利待遇、晉升機會。 (2) 職業功能：為該職業對國家的政治、經濟、科學、文化水平的意義，以及在. 政治大. 社會生活中對人們的共同福利所擔負的責任。. 立. (3) 任職者的素質要求，如文化程度、能力、道德品質等。. ‧ 國. 學. 職業聲望的測量方式為：列出一些職業讓受測者主觀感覺的聲望高低程度進. ‧. 行等級排序，研究人員再根據受測者排序的結果賦予相應的分數。然後計算出每. y. Nat. n. al. er. io. sit. 個職業的聲望得分，再根據得分高低排列種類職業的聲望等級。. i n U. v. 我們採用 NORC 各職業的職業聲望資料。NORC 職業碼採用 1980 Census. Ch. engchi. code，共有五百多種，我們依 Current Population Survey(CPS) CEPR Outgoing Rotation Group (ORG)的職業人數加權合併，縮減為 29 項職業，表六為各職業之職業聲望。再依 NSCG、NSRCG 科系畢業後從事之職業比例，加權計算出各科系的預期職業聲望。. 17.

(22) 表六：各職業之職業聲望職業. 職業聲望. Computer and information scientists. 50.69. Textile-related occupations. 29.66. Postsecondary teachers. 78.30. Agricultural and food scientists. 55.80. Biological and medical scientists. 65.13. Environmental life scientists. 32.82. Chemists, except biochemists. 68.80. Earth scientists, geologists and oceanographers. 67.30. Physicists and astronomers. 69.43. 政治大. Economists. 56.80. 立 Aerospace, aeronautical or astronautical engineers Political scientists. 70.63 71.10. ‧ 國. 學. Chemical engineers. Civil, architectural or sanitary engineers. 67.80. ‧. Electrical or computer hardware engineers. y. Nat. Industrial engineers. n. al. er. io. sit. Mechanical engineers Other engineers. Health-related occupations. Ch. Science and Engineering managers. engchi. 63.67. i n U. v. 69.40 54.40 62.30 51.68 60.89 51.13. Science and Engineering technicians and technologists. 45.05. Other Science and Engineering -related occupations. 68.91. Non- Science and Engineering Managers. 54.53. Management-related occupations. 49.52. Non- Science and Engineering precollege teachers. 56.99. Social services and related occupations. 56.61. Sales and marketing occupations. 42.18. Art, humanities and related occupations. 52.02. Other non- Science and Engineering occupations. 41.90. 18.

(23) 4. Occupational Information Network (O*NET) - 科系預期職業所需人才類型. O*NET 是由美國勞工局 ( The U.S. Department of Labor ) 策畫，將各個職業的各種特性量化，讓求職者可依照擅長的技能、個人特質及興趣等，來尋找相對應的職業。. O*NET 使用 Content model 由工作者條件及職業特性兩個觀點深入探討，總共分成六個面向衡量，分別為 Worker Characteristics、Worker Requirements、 Experience Requirements、Occupation-Specific Information、Workforce. 政治大. Characteristics、Occupational Requirements，由此六個面向來表達職業特性及工作. 立. 內容，並依照此六面向，再分成各種不同要素。. ‧ 國. 學. 各種要素底下可再細分成多項特徵指標。每項職業相對應的能力要素可得到. ‧. 一標準化分數，而各項要素的分數計算準則為衡量此要素占某種職業的重要程度. y. Nat. io. sit. ( Importance ) ，程度由從不重要 (Importance 1)至非常重要 ( Importance 5 )，共. n. al. er. 分為五個等級。然而此種程度劃分過於粗略，為了能更具體的比較不同職業用到. i n U. v. 某項能力的重要程度，將此五種程度標準化為 0 至 100 分的範圍以利比較。. Ch. engchi. (1) 因素分析法. O*NET 共有兩百多項特徵指標，但每個特徵指標之間並非獨立，因此我們使用因素分析法 ( factor analysis )，將特徵指標濃縮為幾個潛在因素，來解釋相關性較高的特徵指標。因素分析法的模型如下：. 19.

(24) 式. ：職業 i 的 p x 1 向量特徵指標分數：職業 i 的 p x 1 向量平均數： k x 1 潛在的因素對職業的影響： p x k 矩陣的因素負荷量 ( factor loading ). 並假設為對角矩陣，且與不相關，可得：. 立. 政治大. 式. ‧ 國. 學. 其中為潛在因素的共變異矩陣。因素分析標準化得到的平均數為 0 且標準為一個對角矩陣。在這些假. ‧. 差為 1，隱含所有因素之間必須是正交，因此. 設之下，矩陣中的第一個因素表示在所有能解釋的因素之中能解釋最多變異. y. Nat. io. sit. 的因素，而矩陣中第二個因素為在扣除第一個因素之下所能解釋最多變異的. n. al. er. 因素，第三個因素則是扣除第一、第二個因素之下，能解釋最多變異的因素，. i n U. v. 以此類推。而因素數量取捨根據 Kaiser 規則，因素的特徵值為此因素在所有. Ch. engchi. 變數裡，可以解釋多少變異，若特徵值小於 1，表示此因素只能夠解釋少於一個變數，並非一個合適的因素，因此取特徵值大於 1 的因素。. Kaiser (1974) 提出了 Kaiser-Meyer-Olkin (KMO) 取樣適切性量數， KMO 數值介於 0 與 1 之間，數值越靠近 1，表示變數間的相關越高，越適合進行因素分析，數值越靠近 0，表示變數間的相關越低，越不適合進行因素分析。表七為 KMO 判定準則。. 20.

(25) 表七：KMO 判定準則 KMO 值. 判定標準. KMO＜0.5. 無法接受. 0.5≦KMO＜0.6. 可悲. 0.6≦KMO＜0.7. 平庸. 0.7≦KMO＜0.8. 中度. 0.8≦KMO＜0.9. 良好. KMO≧0.9. 極佳. 立. 政治大. 因此我們把 KMO 值過低的特徵指標刪除。而因素負荷量的大小與解釋. ‧ 國. 學. 程度有關，所以因素負荷量太小表示解釋能力太低，應捨棄此因素。一般認. ‧. 為因素負荷量低於 0.5~0.6 之因素應去除，且因素分析假設一個變數只能對應一個因素，因此將因素負荷量最大值小於 0.5 或者兩個因素以上的因素負. y. Nat. n. al. er. io (2) 因素分析結果. sit. 荷量皆大於 0.5 的特徵指標去除。. Ch. engchi. i n U. v. 我們針對 O*NET 職業特性中的職業所需的人才類型（work style）進行因素分析，共分為兩個因素：因素 1 包含的要素偏向於個人能力方面，例如擁有靈巧分析、獨立思考、創新、解決問題之能力。而因素 2 包含的要素則偏向於社交方面，屬於團體適應性佳、善於關心他人、可靠性、容忍度高等。因此我們將因素 1 命名為職業人才類型(個人能力)，因素 2 為職業人才類型 (社交方面)。表八為職業所需人才類型之特徵指標以及因素負荷量。. 21.

(26) 表八：職業所需人才類型之各項特徵指標及因素負荷量4. 因素 1. work style(職業所需人才類型) Achievement/Effort. 0.9205. Analytical Thinking. 0.9292. Attention to Detail. 0.5792. Independence. 0.6120. Initiative. 0.8881. Innovation. 0.8458. Leadership. 立. Persistence. 政治 0.5054 大 0.8951. ‧ 國. 學. Adaptability/Flexibility. y. sit. io. Self_Control. Nat. Dependability. n. al. er. Cooperation. ‧. Concern for Others. Social_Orientation Stress Tolerance. 4. 因素 2. Ch. engchi. 空白為因素負荷量小於 0.5，解釋力低故不顯示。. 22. i n U. v. 0.5424 0.9392 0.8035 0.5596 0.9413 0.9540 0.7136.

(27) (3) 因素分數. 因素分析後，為將各職業對應每一項隱藏(Latent)因素給予一項分數指標。我們參考 Thurstone(1935)提出的因素分數計算方法，模型如下：. 式. ：第 i 個職業在第 j 個因素的分數：第 i 個職業在第 l 個要素的分數，其中. 政治大. ：第 l 個要素佔第 j 個因素的權重，其中. 立. ‧ 國. 學. 其中. 的計算方法如 Thurstone(1935)提出最小平方迴歸：. ‧. 其中. n. Ch. engchi. er. io. al. ：要素和因素 j 之間的相關係數. sit. y. Nat ：要素之間的相關係數，其中. 權重. 式. i n U. v. 由要素之間的相關係數以及要素和因素之間的相關係數相乘得出。. 再將權重. 代回式(4)即可求得第 i 個職業在第 j 個因素的分數。表九為各. 職業之因素分數。接著再依 NSCG、NSRCG 科系畢業後從事之職業比例，加權計算將職業人才類型之因素分數轉換為科系預期人才類型之因素分數。. 23.

(28) 表九：各職業之因素分數職業人才類型職業人才類型. 職業. (個人能力). (社交方面). Computer and information scientists. 0.72. -0.42. Textile-related occupations. -0.33. -0.59. Postsecondary teachers. 1.21. 0.43. Agricultural and food scientists. 0.74. -0.55. Biological and medical scientists. 0.78. -0.43. Environmental life scientists. -0.82. -0.68. Chemists, except biochemists. 0.51. -1.30. Earth scientists, geologists and oceanographers. 0.34. -0.91. 0.33 治政大 0.76. -0.37. Physicists and astronomers Economists. 立. -0.20. Aerospace, aeronautical or astronautical engineers. 1.32. -0.33. Chemical engineers. -0.09. -0.47. Civil, architectural or sanitary engineers. 0.52. -0.26. Electrical or computer hardware engineers. 0.54. -1.60. Industrial engineers. 1.24. 0.52. Mechanical engineers. 0.54. -0.59. Other engineers. 0.54. -0.16. 0.70 v i n. 1.06. 0.35. 0.90. -0.23. -0.67. Other Science and Engineering -related occupations. 0.69. -0.33. Non- Science and Engineering Managers. 1.06. 0.97. Management-related occupations. 0.14. 0.04. Non- Science and Engineering precollege teachers. 1.00. 1.40. Social services and related occupations. 0.49. 0.92. Sales and marketing occupations. -0.77. 0.46. Art, humanities and related occupations. 0.79. 0.44. Other non- Science and Engineering occupations. -0.03. 0.14. n. al. er. io. sit. y. ‧. Nat. Health-related occupations. 學. 0.15. ‧ 國. Political scientists. -2.07. Ch. U i e h n c g Science and Engineering technicians and Science and Engineering managers technologists. 24.

(29) 參、模型設定. 本文主要分成兩大部分，一是家庭貧窮狀態對於孩子是否就讀大學的影響，二是家庭貧窮狀態對於孩子選擇科系的影響。. 一、. Logit model. 我們使用 Logit model 估計成長階段的貧窮經驗對於孩子是否就讀大學的影. 政治大. 響，將貧窮劃分成三個階段：「0 至 6 歲家庭是否曾經為貧窮」、「7 至 12 歲家. 立. 庭是否曾經為貧窮」、「13 至 18 歲家庭是否曾經為貧窮」，旨在觀察孩子成長. ‧ 國. 學. 過程中哪一階段的貧窮經驗會影響上大學的機率，其模型為式(6)：. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 式. v. 我們想觀察孩子本身之個性、價值觀等主觀條件是否會影響上大學的機率，因此再將衡量自我人生掌控程度之 pearlin mastery scale、衡量自尊之 self-esteem scale 以及風險偏好程度、性別刻板印象等變數加入迴歸式中，由於貧窮此變數可能有內生性問題，因此我們加入母親之個性、價值觀以及健康狀況等相關變數做為控制變數，希望控制家庭背景對於是否就讀大學之影響，其模型設定如式 (7)：. 25.

(30) 式. 接著我們觀察成長過程中若曾經歷貧窮，是否會影響孩子上大學的機率，因此將「0 至 18 歲家庭是否曾經為貧窮」當作解釋變數，模型如式(8)：. 立. 政治大. ‧. ‧ 國. 學. Nat. io. sit. y. 式. n. al. er. 我們認為成長過程中家境屬於貧窮的次數也會影響孩子上大學的機率，因此. i n U. v. 加入「家境屬於貧窮比例」當作解釋變數，欲觀察是否家境屬於貧窮次數越多的. Ch. engchi. 孩子，上大學的機率較低，其模型如式(9)：. 式. 26.

(31) 二、. OLS model. 上節我們討論家庭貧窮狀態對於孩子是否就讀大學的影響，在此我們使用有就讀大學之樣本，進一步探討家庭貧窮狀態是否使得孩子選擇科系時偏向選擇具有某一特性的科系。本文共探討四類特性：科系預期薪資報酬、科系預期職業聲望、科系預期職業所需人才(個人能力)、科系預期職業所需人才(社交方面)。由於美國通常在大學二年級才進行選系，因此我們將 NLSY79 Child & Young Adult 各個樣本之出生年份加 19 當作選系年份，連結至由 NSCG 資料算出來的各年份科系預期特性。各樣本依選系年份及所選科系可對應至當年度之科系特性，. 政治大. 我們將四個科系特性當作被解釋變數，使用普通最小平方法(ordinary least squares, OLS)做迴歸。. 立. ‧ 國. 學. 首先我們探討孩子成長時期各階段家庭貧窮狀態是否會使得孩子傾向於選. ‧. 擇科系預期薪資較高或較低的科系，其迴歸模型如式(10)，觀察各階段貧窮狀態. y. Nat. n. er. io. al. sit. 與所選科系之預期薪資報酬的關係：. Ch. engchi. i n U. v. 式. 接著我們討論孩子成長時期各階段家庭貧窮狀態是否會使得孩子傾向於選擇科系預期職業聲望較高或較低的科系，模型為式(11)：. 27.

(32) 式. 除了科系預期薪資報酬與科系預期職業聲望，選擇科系時也會考量將來工作特性，例如該工作是注重個人能力發揮，或是注重團隊合作社交能力。我們觀察家庭貧窮狀態是否影響孩子選擇科系時，偏向選擇注重個人能力發揮，或是注重. 政治大. 團隊合作社交能力，因此我們將科系預期職業所需人才(個人能力)、科系預期職. 立. 業所需人才(社交方面)當作被解釋變數，其模型分別為式(12)及式(13)：. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 式. 式. 28.

(33) 肆、結果. 一、. 家庭貧窮狀態對於孩子是否就讀大學的影響. 本文使用 Logit model 估計家庭貧窮狀態對於孩子是否就讀大學的影響，表十為 Logit model 迴歸結果，表十一為其邊際效果。. 表十 Model(1)我們只放入性別與種族兩個解釋變數，由結果看見，女性顯著. 政治大. 高於男性，由於性別平等觀念逐漸落實，加上女性進入職場的比例升高，使得女. 立. 性就讀大學的機率變高，甚至超過男性。在種族方面，與白人相比，中南美洲、. ‧. ‧ 國. 學. 墨西哥、黑人的係數皆為負且顯著，即白人就讀大學的機率較高。. 接著我們想觀察孩子成長時每個階段的家境對於是否就讀大學的影響，. sit. y. Nat. Model(2)將家境是否貧窮劃分成三個階段，分別為 0 至 6 歲、7 至 12 歲、13 至. n. al. er. io. 18 歲，並加入母親學歷、母親配偶學歷、母親 AFQT。結果發現不論哪個階段貧. i n U. v. 窮，對於是否念大學都有顯著的負向影響，即成長階段的貧窮經驗確實會使上大. Ch. engchi. 學機率降低。而母親學歷、母親配偶學歷、母親 AFQT 這三項變數對是否就讀大學皆有顯著影響，家長的學歷越高，則小孩念大學的機會也越高，可能是因為高學歷的家長在孩子的教育上可以給予較多的支援與指導。. 影響是否就讀大學的因素除了家庭經濟狀況及家庭背景，也需考量孩子的個人特質如個性、價值觀。因此我們在 Model(3)加入了四項個人主觀變項：pearlin mastery scale 分數、self-esteem scale 分數、風險偏好程度以及性別刻版印象，以及母親相關變數當作控制變數。pearlin mastery scale 分數代表對於自己人生的掌. 29.

(34) 控程度，由迴歸結果得到，對於人生掌控度較高的樣本，念大學的機率較高，也許是較能夠決定自己的未來、根據自己的意念選擇喜歡的科系，因此就讀大學的意願較高。而 self-esteem scale 分數代表自尊心程度，自尊心越高的樣本，念大學的機率越高，由於大學學歷近年來越來越普遍，自尊心較高的人基於面子，或是想要證明自己的能力，會較想追求大學學歷。風險偏好程度係數則不顯著，意即是否念大學與是否喜歡追求風險關係不大。最後是性別刻板印象，係數為負，即對於兩性扮演的角色刻版印象較深的人，念大學的機率較低。可能是近年來女性念大學的比例升高，甚至高於男性，然而就此項問題當中，男性樣本對於性別的刻板印象較深。. 立. 政治大. 本文探討家庭貧窮狀態與孩子學習成就，我們嘗試多種變數定義成長階段的. ‧ 國. 學. 貧窮狀態，Model(4)加入一個變數為 0 至 18 歲時家境是否曾經處於貧窮，其係數顯著為負，意即家境曾經貧窮的孩子就讀大學的機會低於家境不曾貧窮的孩子。. ‧. 家境不曾貧窮的孩子在成長階段通常能夠獲得較多的資源，如補習、才藝班、課. y. Nat. io. sit. 外讀物等，而家境曾經貧窮的孩子，由於家中也許無法在孩子成長階段給予充沛. n. al. er. 的學習資源，因此平均而言，家境不曾貧窮的孩子之學習成就會優於家境曾經貧. i n U. v. 窮的孩子。Model(5)我們加入屬於貧窮比例此變數，欲觀察成長過程中家境屬於. Ch. engchi. 貧窮的次數對於孩子是否就讀大學的影響，迴歸結果其係數顯著為負，即成長過程中，家境屬於貧窮的次數越多，孩子就讀大學的機會越小。Model(6)中我們將屬於貧窮比例以二分法做區分：成長過程中屬於貧窮的次數超過一半，以及成長過程中屬於貧窮的次數未達一半，其係數顯著為負，即成長過程中家境非常貧窮的孩子(屬於貧窮的次數超過一半者)，確實就讀大學的機會較低。. 30.

(35) 表十：Logit model 迴歸結果. Model. Model. Model. Model. Model. Model. (1). (2). (3). (4). (5). (6). 就讀大學 -0.395*** (0.09). 0 至 18 歲貧窮. -0.890*** (0.14). 屬於貧窮比例. -0.434***. 屬於貧窮次數過半. 種族(黑人). 種族(其他) 母親學歷 (12 至 15 年級). 0.052 (0.21). sit. y. al. 0.187 (0.15). 0.143 (0.21). er. -0.439*** (0.13). v i n Ch -0.456*** 0.379*** e n g0.439*** h i U0.353*** c (0.08) (0.11) (0.13) (0.13) n. 種族(亞洲). -0.726*** -0.860*** -0.827*** -0.830*** -0.838*** -0.832*** (0.06) (0.06) (0.08) (0.08) (0.08) (0.08). io. 種族(墨西哥). ‧. -0.328*** -0.195** (0.08) (0.10). Nat. 種族(中南美洲). -0.242*** -0.213** (0.08) (0.10). 學. ‧ 國. 立. 13 至 18 歲貧窮. 性別. 政治大 (0.08) (0.10). -0.237*** -0.263***. 0 至 6 歲貧窮. 7 至 12 歲貧窮. (0.09). 0.183 (0.21). 0.154 (0.21). 0.348*** 0.343*** (0.13) (0.13). 0.260. 0.621. 0.449. 0.429. 0.44. 0.523. (0.44). (0.49). (0.57). (0.55). (0.56). (0.56). 0.222**. 0.167*. 0.222**. 0.170*. -0.401*** 0.355*** (0.06). (0.09). (0.11). (0.10). (0.10). (0.10). -0.000 (0.20). -0.289 (0.24). -0.327 (0.26). -0.293 (0.26). -0.278 (0.26). -0.25 (0.26). 0.455*** 0.339*** 0.455*** 0.350*** 0.405*** (0.09) (0.11) (0.10) (0.11) (0.11). 31.

(36) 表十：Logit model 迴歸結果(續) Model. Model. Model. Model. Model. Model. (1). (2). (3). (4). (5). (6). 就讀大學母親學歷 (16 年級以上). 1.170*** 1.189*** 1.349*** 1.270*** 1.336*** (0.15) (0.18) (0.17) (0.18) (0.17). 母親 AFQT 成績. 0.013*** 0.010*** 0.011*** 0.009*** 0.011*** (0.00) (0.00) (0.00) (0.00) (0.00). 母親配偶學歷. 0.119. (12 至 15 年級). 立. (0.18). (0.17). (0.17). (0.17). 0.034. 0.042. (0.12). (0.15). -0.009 (0.14). 0.156 (0.15). 0.074 (0.15). 0.038** (0.02). 0.035** (0.02). 0.038** (0.02). 0.031** (0.02). y. Nat. io. 0.060*** 0.058*** 0.057*** 0.057*** (0.01) (0.01) (0.01) (0.01). sit. self-esteem scale. (0.15). n. al. er. scale. 風險偏好程度. 0.107 (0.11). 0.806*** 0.858***. ‧. pearlin mastery. 0.085 (0.11). 學. (母親無配偶). ‧ 國. (16 年級以上). 0.107 (0.11). (0.12) 治政 0.838*** 0.961*** 0.857*** 大 (0.09). 母親配偶學歷. 母親配偶學歷. 0.126. Ch. -0.039. e n g (0.05) chi. i n U. v. -0.037 (0.05). -0.053 (0.05). -0.045 (0.05). 性別刻板印象. -0.192*** -0.191*** -0.176*** -0.184*** (0.05) (0.05) (0.05) (0.05). 母親體重過重. -0.262*** -0.316*** -0.316*** -0.327*** (0.09) (0.09) (0.09) (0.09) -0.046. 母親性別刻板印象. (0.05). 母親. 0.016. self-esteem scale. (0.01). 32. -0.043 (0.04). -0.036 (0.04). -0.039 (0.04). 0.016 (0.01). 0.015 (0.01). 0.016 (0.01).

(37) 表十：Logit model 迴歸結果(續) Model. Model. Model. Model. Model. Model. (1). (2). (3). (4). (5). (6). 0.003 (0.01). 0.007 (0.01). 就讀大學母親. 0.010 (0.01). 0.004. pearlin mastery. (0.01). scale. 1.449*** 0.427*** -1.129** -1.472*** -1.114** -1.476*** (0.47) (0.48) (0.47) (0.05) (0.14) (0.50). 常數項 Observations. 6,514. 5,752. 4,260. 4,501. 4,510. 政治大 *** p<0.01, ** p<0.05, * p<0.1 立. 4,510. 註：括弧內為標準差。 Robust standard errors in parentheses.. ‧. ‧ 國. 學. 表十一：Logit model 之邊際效果. Nat. Model. Model. Model. (1). (2). (3). (4). 屬於貧窮比例. sit. Model. (5). (6). 就讀大學. n 0 至 18 歲貧窮. Model. er. io. al. y. Model. Ch. engchi. v i-0.068 n U -0.151. 屬於貧窮次數過半. -0.074. 0 至 6 歲貧窮. -0.042. -0.045. 7 至 12 歲貧窮. -0.043. -0.036. 13 至 18 歲貧窮. -0.058. -0.033. 性別. -0.148. -0.153. -0.141. -0.142. -0.143. -0.142. 種族(中南美洲). -0.090. 0.034. 0.009. 0.025. 0.031. 0.026. 種族(墨西哥). -0.093. 0.067. 0.072. 0.059. 0.058. 0.057. 種族(亞洲). 0.046. 0.105. 0.074. 0.070. 0.072. 0.084. 33.

(38) 表十一：Logit model 之邊際效果(續) Model. Model. Model. Model. Model. Model. (1). (2). (3). (4). (5). (6). 就讀大學種族(黑人). -0.081. 0.062. 0.038. 0.029. 0.038. 0.029. 種族(其他). -0.000. -0.055. -0.060. -0.053. -0.050. -0.045. 0.090. 0.064. 0.088. 0.067. 0.078. 0.206. 0.195. 0.224. 0.206. 0.219. 0.002 0.002 治政 0.023 0.023 大 0.019. 0.002. 0.002. 0.015. 0.019. 0.128. 0.137. 0.140. 母親學歷 (12 至 15 年級) 母親學歷 (16 年級以上) 母親 AFQT 成績. 0.002. 母親配偶學歷. 立. 0.133. 0.006. 0.008. -0.002. 0.028. pearlin mastery scale. 0.005. 0.007. y. 0.006. 0.006. self-esteem scale. 0.010. 0.010. 0.010. 0.010. -0.006. -0.009. -0.008. e n g c-0.032 hi. -0.038. -0.030. -0.031. 母親體重過重. -0.045. -0.054. -0.054. -0.056. 母親性別刻板印象. -0.008. -0.007. -0.006. -0.008. 0.003. 0.003. 0.002. 0.003. 0.001. 0.002. 0.001. 0.001. (母親無配偶). al. n. 性別刻板印象. io. 風險偏好程度. Ch. er. 母親配偶學歷. sit. 0.136. (16 年級以上). Nat. 0.157. ‧. 學. 母親配偶學歷. ‧ 國. (12 至 15 年級). i n U. -0.007. v. 母親 self-esteem scale 母親 pearlin mastery scale. 34.

(39) 二、. 家庭貧窮狀態對於孩子選擇科系的影響上節討論家庭貧窮狀態是否影響孩子就讀大學的機會，接著本文針對有就讀. 大學之樣本，在此進一步探討家庭貧窮狀態是否影響孩子選擇具有某一特性之科系，本文討論之四種科系特性，分別是家庭貧窮狀態是否使得孩子傾向選擇預期薪資報酬、預期職業聲望較高的科系，以及家庭貧窮狀態是否使得孩子傾向選擇未來工作是注重個人能力或是注重社交能力的科系。. 由表十二之 Model(1)發現，0 至 18 歲貧窮的係數顯著為負，即成長過程中. 政治大我們將貧窮分為三個階段，發現 7 至 12 歲貧窮、13 至 18 歲貧窮對科系預期薪立. 家境曾經屬於貧窮的孩子，傾向於選擇預期薪資報酬較低的科系。Model(2)中，. ‧ 國. 學. 資報酬之迴歸係數為負且顯著，即在 7 至 12 歲或 13 至 18 歲家境曾為貧窮的孩子，傾向於選擇預期薪資報酬較低的科系。也許是因為預期薪資報酬高的科系皆. ‧. 相當熱門，競爭之下入學門檻較高，但在學齡期間家境貧窮的孩子比起家境富裕. sit. y. Nat. 的孩子能夠得到的資源較少，例如家境無法負擔孩子的補習費，甚至孩子必須去. io. er. 打工分攤家計，造成學習時間被壓縮。或是家境貧窮的孩子物質慾望較低，與其選擇科系預期薪資報酬高的科系，更偏向於選擇自己喜愛的科系。在 Model(3). al. n. v i n Ch 及 Model(4)我們觀察成長過程中屬於貧窮的次數多寡是否影響孩子選擇科系的 engchi U. 傾向，發現屬於貧窮比例、屬於貧窮次數過半此兩項係數皆不顯著，綜合 Model(1) 之結果，表示成長過程中擁有貧窮經驗對於孩子傾向選擇預期薪資報酬高的科系的影響較大，但是貧窮次數的增加其邊際效果並不大。Model(1)至 Model(4)中，性別對科系預期薪資報酬之影響皆為顯著，即男性比女性更傾向選擇預期薪資報酬較高之科系。由於社會普遍認為男性是家裡的經濟支柱，必須承擔家計，因此選擇科系時，男性比女性更注重預期薪資報酬。. 35.

(40) 表十二：科系預期薪資報酬之 OLS 迴歸結果 Model. Model. Model. Model. (1). (2). (3). (4). 科系預期薪資報酬 -0.917**. 0 至 18 歲貧窮. (0.43) -1.082. 屬於貧窮比例. (0.92) -0.935. 屬於貧窮次數過半. (0.65) -0.025. 立. 7 至 12 歲貧窮. ‧ 國. 0.965**. 0.921**. (0.43). (0.44). (0.43). 1.687. 2.092. 1.725. (1.29). (1.46). (1.29). 1.306*. 1.500*. 1.284*. (0.78). (0.77). n. 種族(亞洲). 0.137. (2.20). (0.43) (1.30). er. al. (0.77). 0.924**. sit. 0.935**. io. 種族(墨西哥). (0.62). Nat. 種族(中南美洲). -1.169*. ‧. 性別. (0.55). 學. 13 至 18 歲貧窮. (0.51) 治政 -0.943* 大. y. 0 至 6 歲貧窮. v i 0.317 0.249 n Ch e n(2.53) g c h i U(2.17). 1.769 1.287* (0.77) 0.335 (2.18). -0.714. -0.681. -0.802. -0.781. (0.60). (0.63). (0.60). (0.60). 0.712. 0.741. 0.755. 0.765. (1.27). (1.33). (1.27). (1.26). 母親學歷. 1.407. 0.985. 1.331. 1.292. (12 至 15 年級). (0.93). (0.96). (0.95). (0.94). 2.133**. 1.503. 2.098*. 2.104*. (1.08). (1.12). (1.10). (1.09). 種族(黑人) 種族(其他). 母親學歷 (16 年級以上). 36.

(41) 表十二：科系預期薪資報酬之 OLS 迴歸結果(續) Model. Model. Model. Model. (1). (2). (3). (4). 科系預期薪資報酬 0.003. 0.003. 0.003. 0.003. (0.01). (0.01). (0.01). (0.01). 母親配偶學歷. 0.366. 0.657. 0.428. 0.414. (12 至 15 年級). (0.77). (0.79). (0.77). (0.77). 母親配偶學歷. 0.696. 0.933. 0.795. 0.819. (16 年級以上). (0.89). (0.93). (0.89). (0.89). 母親配偶學歷. 1.157. 1.267. 1.379. 1.379. (母親無配偶). (1.06) (0.08). (0.09). (0.08). (0.08). -0.063. -0.060. -0.065. -0.062. (0.06). (0.06). (0.06). (0.06). 0.135. 0.131. 0.112. 0.121. (0.29). (0.30). (0.29). -0.369. -0.347. -0.366. (0.31). (0.33). (0.31). -1.430***. -1.342**. -1.446***. -1.454***. (0.55). (0.54). (0.54). al. n. (0.54). 母親性別刻板印象. 0.441* (0.24). y. sit. io. 母親體重過重. Nat. 性別刻板印象. -0.057. ‧. 風險偏好程度. 立. (1.07). 學. self-esteem scale. -0.062. ‧ 國. pearlin mastery scale. (1.09) 治 (1.08) 政 -0.085 -0.058 大. er. 母親 AFQT 成績. v i 0.539** 0.441* n Ch e n(0.25) g c h i U(0.24). (0.29) -0.367 (0.31). 0.439* (0.24). 母親. -0.029. -0.010. -0.026. -0.028. self-esteem scale. (0.05). (0.05). (0.05). (0.05). 母親. 0.123*. 0.118*. 0.120*. 0.120*. pearlin mastery scale. (0.07). (0.07). (0.07). (0.07). 33.27***. 33.25***. 33.00***. 32.93***. (2.79). (2.83). (2.74). (2.73). 常數項 Observations. 2,300. 2,175. 2,293. 2,300. R-squared. 0.028. 0.036. 0.027. 0.028. 註：括弧內為標準差。 Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1. 37.

(42) 表十三為科系預期職業聲望之 OLS 迴歸結果。在 Model(1)中，0 至 18 歲貧窮的係數不顯著，即成長過程中之貧窮經驗並無顯著影響孩子傾向於選擇預期職業聲望較高或較低之科系。Model(2) 我們將貧窮分為三個階段，僅 13 至 18 歲貧窮之係數為負且顯著，即 13 至 18 歲家境曾為貧窮的孩子，傾向於選擇預期職業聲望較低的科系。從表六職業聲望分數表看出，職業聲望較高的職業許多是工程師類，而工程師的前身－理工科系屬於預期薪資報酬較高的科系，由前段所述，家境貧窮的孩子選擇預期薪資報酬較高的科系機會較低。在 Model(3)及 Model(4) 中，發現屬於貧窮比例、屬於貧窮次數過半此兩項係數皆不顯著，綜合 Model(1) 至 Model(4)之結果，我們認為成長階段的貧窮經驗並無顯著影響孩子傾向於選擇. 政治大. 預期職業聲望較高或較低之科系。. 立. ‧ 國. 學. 接著我們討論家庭貧窮狀態是否使得孩子傾向選擇未來工作是注重個人能力或是注重社交能力的科系。表十四為科系預期職業人才類型之迴歸結果。表十. ‧. 四 Model(1)中，0 至 18 歲貧窮之係數不顯著，而 Model(2) 將貧窮分為三個階段，. y. Nat. io. sit. 發現 0 至 6 歲貧窮、7 至 12 歲貧窮、13 至 18 歲貧窮之係數皆不顯著，表示各階. n. al. er. 段家庭貧窮狀態並不會影響孩子是否要選擇注重個人能力之科系。Model(3)及. Ch. i n U. v. Model(4)以成長過程中貧窮次數作為解釋變數，發現屬於貧窮比例、屬於貧窮次. engchi. 數過半此兩項係數皆不顯著。綜合 Model(1)至 Model(4)之結果，可推論孩子是否要選擇注重個人能力之科系與成長階段的家庭經濟狀況無關，影響孩子是否要選擇注重個人能力之科系最主要之因素為性別。性別之係數顯著為負表示女性比男性更傾向於選擇注重個人能力之科系。. 38.

(43) 表十三：科系預期職業聲望之 OLS 迴歸結果 Model. Model. Model. Model. (1). (2). (3). (4). 科系預期職業聲望 -1.229 (0.81). 0 至 18 歲貧窮. -1.110 (1.73). 屬於貧窮比例. -1.596 (1.21). 屬於貧窮次數過半 0.092. 7 至 12 歲貧窮. ‧ 國. (1.14). 1.898 (2.46). 2.834. (0.83) (2.77). 2.358 (1.48). io. 2.549*. 種族(墨西哥) 種族(亞洲). -0.554 (4.52). 種族(黑人). -1.617 (1.11). -1.651. 種族(其他). 0.804 (2.37). 1.031. (1.51). n. al. 母親學歷 (12 至 15 年級) 母親學歷 (16 年級以上). 2.308 (1.69) 3.318* (1.98). Ch. -0.210. e n(5.13) gchi (1.19) (2.48) 1.729 (1.74) 2.445 (2.06). 39. -1.278 (0.81) 1.905 (2.46). sit. -1.239. -1.280 (0.80) 2.045 (2.47). 2.305 (1.48). 2.327 (1.48). -0.415 (4.49). -0.275 (4.53). -1.809 (1.12). -1.663 (1.11). 0.863 (2.36). 0.866 (2.35). 2.294 (1.73). 2.057 (1.72). 3.358* (2.02). 3.179 (2.02). er. -1.257 (0.80). Nat. 種族(中南美洲). -2.095*. ‧. 性別. (1.02). 學. 13 至 18 歲貧窮. 立. (0.96) 政 -0.794治大. y. 0 至 6 歲貧窮. i n U. v.

(44) 表十三：科系預期職業聲望之 OLS 迴歸結果(續) Model. Model. Model. Model. (1). (2). (3). (4). 科系預期職業聲望. 母親配偶學歷母親配偶學歷. (0.02). (0.02). (0.02). (0.02). 0.782 (1.41). 1.324. 0.909 (1.43). 0.807 (1.43). 1.254 (1.66). 1.204 (1.65). 2.186 (1.99). 2.330 (1.97). (1.45) 1.619 (1.72). 1.949 (1.95). (母親無配偶). 1.973. -0.110 (0.16). 立. (2.00) 政 -0.165治大 -0.102 (0.16). -0.103 (0.15). -0.158 (0.12). -0.155 (0.12). -0.086 (0.54). -0.084 (0.54). (0.16). -0.063 (0.54). -0.039. -0.999* (0.59). -0.958. -1.994** (1.00). -1.716*. io. 母親體重過重. (0.55). Nat. 性別刻板印象. (0.12). 母親性別刻板印象母親 self-esteem scale 母親 pearlin mastery scale 常數項. 0.575 (0.45). Ch. -0.030 (0.10) 0.149 (0.13) 62.01*** (5.22). -0.993* (0.59). -2.024** (1.00). -2.022** (1.00). 0.561 (0.46). 0.576 (0.45). -0.026 (0.10). -0.030 (0.10). 0.150 (0.13). 0.142 (0.13). (5.27). 61.36*** (5.14). 61.85*** (5.09). (1.02). n. al. (0.61). -0.991* (0.59). ‧. -0.143. 學. -0.156 (0.11). ‧ 國. pearlin mastery scale. 風險偏好程度. 0.001. 1.087 (1.64). (16 年級以上). self-esteem scale. 0.002. y. (12 至 15 年級). -0.001. sit. 母親配偶學歷. 0.002. 0.708. e n(0.48) gchi 0.013 (0.10) 0.153 (0.13) 61.61***. er. 母親 AFQT 成績. i n U. v. Observations. 2,300. 2,175. 2,293. 2,300. R-squared. 0.02. 0.024. 0.019. 0.019. 註：括弧內為標準差。 Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1. 40.

(45) 表十四：科系預期職業人才類型(個人能力)之 OLS 迴歸結果 Model. Model. Model. Model. (1). (2). (3). (4). 科系預期職業人才類型(個人能力) -0.025 (0.02). 0 至 18 歲貧窮. 0.013 (0.03). 屬於貧窮比例. 0.007 (0.02). 屬於貧窮次數過半 0.018. -0.063*** (0.02) -0.006 (0.04). io. 0.004. a (0.03) l. 種族(亞洲). -0.093 (0.10). 種族(黑人) 種族(其他) 母親學歷 (12 至 15 年級) 母親學歷 (16 年級以上). n. 種族(墨西哥). -0.063*** (0.02). -0.063*** (0.02). (0.05). -0.009 (0.04). 0.002. 0.003. 0.003. y. ‧ 國. (0.02). Nat. 種族(中南美洲). 0.007. ‧. 性別. (0.02). 學. 13 至 18 歲貧窮. 立. sit. 7 至 12 歲貧窮. (0.02) 政 0.007治大. er. 0 至 6 歲貧窮. v i (0.03) (0.03) n Ch e n-0.059 g c h i U-0.089. -0.063*** (0.02) -0.008 (0.05) 0.004 (0.03). (0.11). (0.10). -0.088 (0.10). -0.046**. -0.043**. -0.055***. -0.052**. (0.02). (0.02). (0.02). (0.02). -0.010. -0.016. -0.008. -0.008. (0.05). (0.05). (0.05). (0.05). 0.026 (0.03). 0.013. 0.034 (0.03). 0.032 (0.03). 0.042 (0.03). 0.041 (0.03). 0.032 (0.03). (0.03) 0.020 (0.04). 41.

(46) 表十四：科系預期職業人才類型(個人能力)之 OLS 迴歸結果(續) Model. Model. Model. Model. (1). (2). (3). (4). 科系預期職業人才類型(個人能力). 母親配偶學歷 (16 年級以上) 母親配偶學歷 (母親無配偶). (0.00). (0.00). 0.016 (0.03). 0.023. 0.022 (0.03). 0.021 (0.03). -0.002 (0.03). -0.002 (0.03). 0.001 (0.03). 0.002 (0.03). (0.03). -0.010 (0.03). -0.001. 0.003 (0.03). -0.003. (0.03). 立. -0.002 (0.00). -0.002 (0.00). -0.002 (0.00). -0.024** (0.01). -0.024** (0.01). -0.008 (0.01). -0.008 (0.01). -0.004 (0.02). -0.004 (0.02). (0.01). 0.001 (0.01). -0.001 (0.00). -0.001 (0.00). 0.003 (0.00). 0.002 (0.00). (0.10). 0.593*** (0.10). 0.600*** (0.10). (0.00). -0.002 (0.00). -0.024** (0.01). -0.023** (0.01). -0.008 (0.01). -0.008. -0.003 (0.02). -0.001 (0.02). n. al. (0.01). 母親性別刻板印象母親 self-esteem scale 母親 pearlin mastery scale 常數項. 0.002 (0.01). Ch. 0.002. e n(0.01) gchi. -0.001 (0.00). -0.001. 0.002 (0.00). 0.003. 0.639*** (0.10). (0.00) (0.00) 0.641***. ‧. ‧ 國. (0.04) 政 -0.003治大-0.002 (0.00). -0.002 (0.00). io. 母親體重過重. (0.00). Nat. 性別刻板印象. (0.00). 學. 風險偏好程度. -0.001. -0.003 (0.00). pearlin mastery scale self-esteem scale. -0.001. y. (12 至 15 年級). -0.001. sit. 母親配偶學歷. -0.001. er. 母親 AFQT 成績. iv 0.001 n U. Observations. 2,300. 2,175. 2,293. 2,300. R-squared. 0.019. 0.019. 0.018. 0.018. 註：括弧內為標準差。 Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1. 42.

(47) 表十五討論家境是否影響孩子選擇注重團隊合作社交能力的科系。表十五 Model(1)之 0 至 18 歲貧窮係數為顯著，Model(2)進一步將貧窮分為三個階段，0 至 6 歲貧窮、7 至 12 歲貧窮、13 至 18 歲貧窮之係數僅有 0 至 6 歲貧窮為顯著，由於幼年時期為孩子性格發展之重要階段，幼年時期家庭處於貧窮的孩子可能較少機會接觸他人，例如上安親班、才藝班的機會較少，使得家庭貧窮的孩子之社交經驗較生疏，因此幼年時期家庭處於貧窮會使孩子較不會選擇注重社交能力科系。Model(3)及 Model(4)以成長過程中貧窮次數作為解釋變數，迴歸結果為，屬於貧窮比例、屬於貧窮次數過半此兩項係數皆不顯著，綜合 Model(1)、(2)之結果，表示成長過程之幼年時期擁有貧窮經驗的孩子較不會選擇注重社交能力的科. 政治大. 系，但是貧窮次數的增加造成之影響，邊際效果並不大。綜觀 Model(1)至 Model(4). 立. 之結果，我們認為成長階段的家境曾屬貧窮的孩子，較不會選擇注重社交能力的. ‧ 國. 學. 科系，但其影響效果並不大，性別才是影響是否選擇注重社交能力之主因。性別之係數顯著為負，即女性比男性更傾向於選擇注重社交能力之科系。由因素分析. ‧. 之結果，社交能力此變數包含團體適應性佳、善於關心他人、可靠性、容忍度高. y. Nat. io. sit. 等需與人互動之要素，在性別刻板印象之社會下，可能使得平均而言男性個性較. n. al. er. 偏向獨立自主，女性個性較偏向溫柔體貼，因此女性比男性更傾向於選擇注重社交能力之科系。. Ch. engchi. i n U. v. 綜合表十四及表十五之結果，發現成長階段的家庭經濟狀況對孩子是否要選擇注重個人能力之科系並無顯著影響，對於是否選擇注重社交能力之科系有些許影響，但性別才是對選擇此兩科系特性影響最甚之因素。此現象可連結過去文獻之結果：男性偏向於選擇能找到好工作、預期報酬較高的科系；而女性背負的經濟壓力較小，選擇科系時則較重視自我實現。因此男性選擇科系時會將科系預期薪資報酬作為首要考量，未來工作是注重個人或團隊能力並非選擇科系時的主要條件。而女性相較之下經濟壓力較小，因此有較大彈性去選擇未來工作類型。. 43.

(48) 表十五：科系預期職業人才類型(社交方面)之 OLS 迴歸結果 Model. Model. Model. Model. (1). (2). (3). (4). 科系預期職業人才類型(社交方面) -0.040*. 0 至 18 歲貧窮. (0.02) -0.049 (0.04). 屬於貧窮比例. -0.019 (0.03). 屬於貧窮次數過半 -0.047*. 0 至 6 歲貧窮. (0.03). 7 至 12 歲貧窮. 立. 13 至 18 歲貧窮. ‧ 國. -0.269***. -0.269***. -0.269***. -0.268***. (0.02). (0.02). (0.02). (0.02). -0.022 (0.06). 0.019. -0.021 (0.06). al. 0.036. n. 種族(亞洲). (0.13). (0.04). v i n C h (0.14) U(0.13) e n-0.045 g c h i -0.046* 0.028. y. 0.002 (0.04) 0.042. -0.021 (0.06) 0.003 (0.04) 0.044 (0.13). (0.03). (0.03). -0.048* (0.03). 0.043. 0.048. 0.047. 0.046. (0.06). (0.06). (0.06). (0.06). 0.083**. 0.080**. 0.079**. 0.084**. (12 至 15 年級). (0.03). (0.04). (0.04). (0.04). 母親學歷. 0.068 (0.04). 0.068. 0.066 (0.04). 0.073* (0.04). -0.001 (0.00). -0.001 (0.00). 種族(黑人) 種族(其他) 母親學歷. (16 年級以上) 母親 AFQT 成績. -0.043 (0.03). 0.001. sit. io. 0.003 (0.04). (0.06). er. Nat. 種族(墨西哥). (0.03). ‧. 種族(中南美洲). -0.003. 學. 性別. -0.001 政 (0.03)治大. -0.001 (0.00). (0.04) -0.001* (0.00). 44.

(49) 表十五：科系預期職業人才類型(社交方面)之 OLS 迴歸結果(續) Model. Model. Model. Model. (1). (2). (3). (4). 科系預期職業人才類型(社交方面) 母親配偶學歷. 0.008. 0.006. 0.010. 0.012. (12 至 15 年級). (0.03). (0.04). (0.03). (0.03). 母親配偶學歷. -0.011 (0.04). -0.006. -0.007 (0.04). -0.003 (0.04). 0.015 (0.05). 0.030. 0.024 (0.05). 0.019 (0.05). -0.001 (0.00). -0.001 (0.00). -0.001 (0.00). pearlin mastery scale. 立. ‧ 國. 母親 pearlin mastery scale. (0.00). -0.011 (0.01). -0.014. -0.012 (0.01). -0.011 (0.01). 0.007 (0.01). -0.006. 0.001 (0.01). 0.001 (0.01). 0.008 (0.03). 0.009. 0.008 (0.03). 0.007 (0.03). 0.013 (0.01). 0.013 (0.01). (0.00). (0.00). 0.002 (0.00). -0.003. -0.002 (0.00). -0.002 (0.00). (0.13). 0.643*** (0.13). 0.624*** (0.13). (0.01) (0.01) (0.03). 0.013 (0.01). al. 0.014. 0.002 (0.00). Ch. -0.003 (0.00) 0.658*** (0.13). (0.01). e n0.003 gchi (0.00) 0.722***. ‧. self-esteem scale. (0.00). n. 母親. (0.00). io. 母親性別刻板印象. -0.003. (0.00). Nat. 母親體重過重. 常數項. (0.00) 治政 -0.002 大-0.003. 學. 性別刻板印象. -0.005. -0.003. self-esteem scale 風險偏好程度. (0.05). y. (母親無配偶). sit. 母親配偶學歷. (0.04). er. (16 年級以上). iv n U 0.002. Observations. 2,300. 2,175. 2,293. 2,300. R-squared. 0.086. 0.089. 0.085. 0.084. 註：括弧內為標準差。 Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.1. 45.

(50) 伍、結論與建議. 本文針對成長階段貧窮經驗對學習成就以及科系選擇做實證研究，由前一章之結果，歸納出以下結論，並提出未來研究方向與相關建議。. 一、. 研究結論. 本文探討兩大主題，首先是孩子成長階段的貧窮經驗是否影響就讀大學之機. 政治大. 會，本文研究結果為，孩子成長階段若家境曾為貧窮，會使得孩子就讀大學之機. 立. 會降低。若進一步將成長階段劃分為三：0 至 6 歲、7 至 12 歲、13 至 18 歲，結. ‧ 國. 學. 果發現不論哪個階段貧窮，皆會降低孩子上大學的機率。即平均而言，家境非貧窮的孩子比家境貧窮的孩子達到較高的學習成就。. ‧ y. Nat. io. sit. 本文探討的另一主題為，孩子成長階段的貧窮經驗是否使得選擇科系時，傾. n. al. er. 向選擇具有某種特性之科系。本文討論四種科系特性：預期薪資報酬、預期職業. i n U. v. 聲望、傾向注重個人能力、傾向注重團隊社交能力。本文研究結果為，成長階段. Ch. engchi. 家境曾經貧窮的孩子傾向選擇預期薪資報酬較低的科系，其中又以兒童時期與青少年時期之貧窮經驗影響最甚，而貧窮經驗對於預期職業聲望的追求無明顯影響。至於人才類型方面，貧窮經驗對於孩子是否選擇注重個人能力之科系並無顯著影響，但幼年時期家境屬於貧窮的孩子較不會選擇注重社交能力科系。. 46.