臺灣的教育選擇與九年國民義務教育之評估

行政院國家科學委員會專題研究計畫 成果報告

臺灣的教育選擇與九年國民義務教育之評估

研究成果報告(精簡版)

計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 95-2413-H-004-007- 執 行 期 間 ： 95 年 08 月 01 日至 96 年 07 月 31 日 執 行 單 位 ： 國立政治大學經濟學系 計 畫 主 持 人 ： 莊奕琦 計畫參與人員： 學士級-專任助理：邱兆瑜 報 告 附 件 ： 出席國際會議研究心得報告及發表論文 處 理 方 式 ： 本計畫涉及專利或其他智慧財產權，1 年後可公開查詢

中 華 民 國 96 年 06 月 10 日

行政院國家科學委員會補助專題研究計畫

■ 成 果 報 告 □期中進度報告

臺灣的教育選擇與九年國民義務教育之評估

計畫類別：■ 個別型計畫 □ 整合型計畫

計畫編號：NSC

95-2413-H-004-007-

執行期間： 95 年 8 月 1 日至 96

年 7 月 31 日

計畫主持人：

莊奕琦

共同主持人：

計畫參與人員：

成果報告類型(依經費核定清單規定繳交)：□精簡報告

■完整報告

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

■出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育

研究計畫、列管計畫及下列情形者外，得立即公

開查詢

□涉及專利或其他智慧財產權，■一年□二年後

可公開查詢

執行單位：

國立政治大學經濟學系

中 華 民 國 96 年 7 月 31 日

臺灣的教育選擇與九年國民義務教育之評估

摘要 本文以「華人家庭動態資料庫」(PSFD) 資料，分析台灣地區家庭環境因素 與個人特質對教育成就的影響，並探討九年國民義務教育政策的施行對性別、城 鄉與省籍間教育成就差異的影響效果。實證的結果顯示，個人特質與家庭環境因 素對教育成就有顯著影響，而忽略個人特質將高估家庭環境因素的影響。在控制 個人特質與家庭環境因素下，本文的研究結果發現，九年國民義務教育的實施， 實有助於各別改善台灣地區不同性別、城鄉或省籍間教育成就的差異。但若進一 步控制性別、城鄉與省籍間彼此的交互影響下，進行政策對各組教育成就差異的 影響效果之多重比較，結果發現台灣地區九年國民義務教育政策的施行，主要的 影響效果乃在改善台灣地區之省籍間教育成就差異，約可改善1.21-1.94 年，而 透過縮減省籍間教育成就的差異，局部改善性別及城鄉間教育成就的差異。 關鍵字: 國民義務教育、教育成就、政策評估。

一、 緒論 教育的根本在培養人才。從個人角度來看，教育可提升個人的品格涵 養，在現實生活中教育程度的高低除代表個人工作能力高低的指標外，更 關係著個人的薪資所得收入與社會地位；另一方面，就整個國家而言，教 育亦是影響經濟是否能持續成長及社會安定的原動力。1 有鑒於此，與教育的相關議題特別受各國政府及學者的關注。如Shultz (1961)和Becker (1964) 認為教育是一種人力資本(human capital)投資； Becker and Tomes (1986) 指出家庭是人力資本投資的重要決策單位，而 Bowles (1972) 亦認為經由跨代對子女的教育投資，將影響著下一代的所得 分配與社會階級流動。因此，教育投資深受家庭因素如家庭背景與家庭結 構的影響。近一、二十年來，歐美國家由於許多家庭及教育追蹤資料的建 立與發展，研究學者得以更詳細地了解在不同成長階段的家庭環境中子女 人力資本累積的狀況，得以運用更合適的實證計量模型來分析家庭因素、 環境變數與自我的選擇等對教育成就的影響。2 在政府政策方面，為了有效提升國民的教育程度與勞動生產力，國民 義務教育也普遍被許多國家政府所推動採用。我國政府亦於 1968 年開始 施行九年國民義務教育。然則國民義務教育政策究竟對個人的教育成就有 多大影響？其政策效果為何？則是另一個頗值得研究的政策議題。 過去台灣地區的調查資料通常以「戶」為單位，例如主計處的「人力 運用調查」或「家庭收支調查」。以戶為單位的個人調查，在受訪者不一 定與父母與兄弟姐妹同住之下，較不容易掌握父母的教育程度、兄弟姐妹 的正確人數或個人就學期間時的資訊等。除此之外，另一影響教育成就的 個人特質因素，在這些資料中亦沒有相關的選項，因而使得相關研究經常

1_{有關教育對一國長期經濟成長的影響可參考Lucas (1988), Barro and Lee (1993), Benhabib and} Speigel (1994)；有關教育可促進社會階級流動與社會安定可參考Prior and Mellor (2002) and Hauser et al. (1996)。

因資料的問題而受到限制。3 有別於過去的研究，本文使用「華人家庭動態資料庫」，分析台灣地 區影響子女的教育成就因素，除了家庭背景因素（包括父母親教育、家庭 社經地位、子女個數、生長環境等）外，尚考慮家庭教育資源與個人特質 （如能力、性格、價值觀等）的影響，以更完整探討影響個人教育成就的 決定因素。4_{控制家庭因素和個人特質下，再進一步分析九年國民義務教育} 的政策效果，即九年國民義務教育的實行是否會影響城鄉、性別與省籍間 個人教育成就的差異。 本文共分為六節。第二節為文獻回顧。第三節為實證模型的建構與估 計方法的說明。第四節為變數說明與資料分析。第五節為估計結果。第六 節則為結論。 二、 文獻回顧 一般而言，影響個人教育成就的家庭背景因素除了包括家庭社經地位 (socioeconomic status)如父母本身的教育程度、職業、省籍與族群之外，亦 涵蓋家庭結構諸如子女的性別、出生排序、兄弟姐妹人數與生長環境等因 素（如 Butcher and Case (1994)；Greenhalgh (1985)；Hauser and Kuo (1998)； Haveman and Wofe (1995)；Lillard and Willis (1994)；Huang (2000)），而其 中尤以家庭的社經地位特別受到重視，而家庭的社經地位則常用父母親的 教育程度、父母親的職業及家庭所得等變數來衡量。 父母親的教育程度對個人教育成就的影響方面，國外的文獻中大部分 均發現父母親的教育程度對子女之教育成就有顯著正向的影響，但影響程 度大小卻不一。Behrman(1999)、Maitra(2003)等研究指出母親的教育程度 3 陳婉琪(2005)另採用「台灣社會變遷基本調查」的資料分析教育成就的省籍差異，雖然發現教 育成就存在省籍差異，但受限於資料之故僅能控制部分家庭背景因素而無法控制個人的特質。 4

Chu, Tsay and Yu(2005)與Chu, Xie and Yu(2005)雖然亦採用「華人家庭動態資料庫」，但只著重 在家庭背景與家庭結構因素分析。

對子女教育成就的影響效果大於父親。而Chu, Tsay and Yu(2005)、Chu, Xie and Yu(2005)研究台灣資料則發現父親教育程度對子女教育成就的影響較 母親的大。Card (1999) 的綜合文獻分析結果發現父、母親教育程度對子女 教育成就的影響大致相同。Heltberg and Johannesen(2002)則進一步研究發 現，母親的教育程度對女兒有較大的影響，而父親的教育程度則對兒子有 較大的影響。5 至於子女出生排序對教育成就的影響，文獻上並無一致的結論。主張 愈早出生者愈有利，即教育成就與出生排序之間呈「負」向的關係，如 Leibowitz(1974)認為父母對子女的照顧有時間限制，且因為時間無法儲蓄 或跨時移轉，若子女愈多，則愈晚出生的子女，所能分配到的照顧教養時 間也愈短，所以長子(女)最為有利，而愈晚出生的子女則愈不利。Birdsall (1991)也認為小孩的表現與父母親投入的時間有關，特別是母親投入的時 間，第一個出生的小孩不論男女，都較受父母重視，且在幼年時期，並無 其他子女與其競爭父母的時間，父母一般會投入較多時間教導與相處，因 此長子（女）的教育成就表現較佳。 主張愈晚出生者愈有利，即教育成就與出生排序呈「正」向的關係， 則可從家庭所得生命週期 (life cycle) 的角度來解釋。較早出生的子女，因 為父母早期所得較低，因此長子(女)通常面臨家庭資源較為不足的情況， 父母對長子(女)的教育資源投入相對較少，因此在教育成就上亦較可能受 到不利的影響。除此之外，Behrman and Wolfe (1984)亦提出另一種觀點， 他們認為較晚出生的子女，其父母在養育子女上較有經驗，因此較晚出生 的子女能得到父母較佳的照顧與教養，教育成就的表現亦可能相對較佳。

另外，亦有認為教育成就與出生排序呈曲線型的關係，則可以從資源

5

Plug and Vijverberg (2003)進一步探討父母的教育程度愈高，其子女受教年數也會愈多的原因， 是因為父母遺傳其能力給子女，或是教育程度高的父母對子女提供了較好環境的關係。研究結果 發現父母智商對子女的教育成就影響顯著為正，但若將其影響分解為父母的遺傳因素和家庭的環 境因素則會發現有 70-75%是由遺傳因素所造成。但父母智商並非唯一決定子女教育成就的因 素，在控制其他因素之下，遺傳因素對子女教育成就的重要性則下降為 55-60%。

分配的角度來看，在子女數目愈多的家庭，最早出生的子女，於初就學階 段時，並無任何兄弟姐妹與其分享家庭資源，而出生序在中間的子女，於 初就學階段時，其兄(姐)亦可能同時處於就學的階段，則勢必將與兄(姐) 共同分享家庭資源，而最後出生的子女，在初就學時，家中的較年長的子 女可能已經完成求學過程，且隨著么子(女)的就學過程的時間經過，其他 較年長的兄姐亦將分別完成就學的過程，因此家中的么子(女)所分配的資 源將會愈來愈多。由此可知出生序在中間的子女，剛好面臨最多的手足競 爭分配家庭資源，也最為不利，特別是排 2、3、4、的子女，而這種情況 較容易發生在家庭中子女人數眾多時。Blake (1989)和 Steelman and Powell (1991)以美國資料研究都發現類似的曲線型結果。

個 人 的 生 長 與 受 教 育 環 境 亦 會 影 響 教 育 成 就 。 如 De-Fraja and Landeras(2006)認為個人的教育成就取決於學校的教學品質，他們認為學校 的聲譽會影響該校的招生，進而使就學學生的能力因選擇而被區分，造成 教育成就的差異。Lillard and Willis(1994)亦發現家庭環境，例如家居的品 質(housing quality)、學校的易取得性(school availability)與城市的居住 (urban residence)等，對教育成就都有顯著正向的影響。 過去研究台灣地區子女教育成就的文獻中， Greenhalgh (1985)曾使用 1978-1980 年台灣北部 80 個家庭的重複樣本調查 (longitudinal study)資 料，深入探討台灣家庭中子女性別和家庭教育投資決策之間的關係；他發 現在經濟發展過程中，家庭中女兒接受教育的機會逐漸和兒子均等，但這 是因為快速的經濟成長下技術密集的勞動需求增加，使得對女兒的人力資 本投資得以在其未出嫁前回收所致。

其後Parish and Wills (1993)曾使用 1989 年內政部、台灣大學與美國芝 加哥大學合作之「台灣地區婦女生活狀況調查」的資料，探討家庭中出生 排序、兄弟姊妹、性別、組成人數等因素對個人教育成就的影響，其探討 的對象為 1929-1963 年出生的婦女及其子女與兄弟姊妹，研究在不同的經

濟發展階段，出生排序對女性的教育成就是否有不同影響，並獲得與 Greenhalgh(1985)類似的結論，他們發現在經濟發展早期兄弟姊妹眾多的家 庭的女性，較晚出生者較具有優勢，可以得到較多的教育與較好的結婚對 象。而由於家庭預算限制，較早出生的女兒，常需犧牲自己的婚姻與教育 機會，提早離家結婚或工作，以減輕家中負擔，將家中資源留給弟妹使用， 因此有助於弟妹個人的教育成就。6

國內有關省籍差異對教育成就之影響的文獻，Tsai, Gates, and Chiu(1994)認為在升學過程的初段時，族群效果愈明顯，而在升學過程中 段時，雖然亦有明顯的族群效果，但相對上效果較小。Wang(2001)的研究 則發現，在控制父母親教育程式與父親職業之下，外省族群並無明顯的優 勢。陳婉琪(2005)則進一步發現省籍效果在低教育家庭背景中效果相當顯 著，而在高教育家庭背景下效果則不明顯，但在控制其他家庭背景因素 時，省籍效果會隨時間縮小而至消失。 惟相關的台灣研究對個人教育成就多偏向於家庭結構與家庭社經地 位因素的探討，本文除了多方面考慮家庭社經地位、家庭結構與成長環境 因素外，亦強調家庭教育資源(family educational resources)與個人特質 (personal trait)因素對教育成就的影響，一起納入控制並做更完整和深入討 論。 有關義務教育政策施行的效果方面，國內外文獻上的研究主要在兩個 方向，一方面主要探討義務教育的施行是否有助於教育報酬率的提升，如 Wei et. al (1999)研究中國中央與西南鄉村的收入與教育的關係，發現教育 與收入有相當程度的關係，他們認為義務教育的投資對中國貧窮農村地區 而言是相當有利的，且勞動者教育程度愈高，其教育報酬率也愈大。Patrinos and Sakellariou (2005)採用委內瑞拉的家計單位資料估計義務教育施行對 教 育 報 酬 的 影 響 ， 以 教 育 市 場 上 供 給 面 干 預 的 工 具 變 數 (instrument 6 有關國內研究子女的排序對教育成就的影響，亦可參閱陳建良(2002)。

variables)估計教育報酬，發現義務教育對頭生兒子的教育報酬相對較其他 出生序子女平均的教育報酬為高。7 國內文獻方面，黃芳玫(2001)採用「人 力資源運用調查」資料分析台灣地區九年國民義務教育是否影響教育資源 的投資，結果發現九年國民教育後教育的投資報酬率明顯地高於九年國民 教育實施之前，九年國教之後的世代，其平均人力資本相對較高，邊際生 產力亦相對較高。 另一方面則在探討義務教育政策的施行對教育成就的選擇，即義務教 育政策的施行是否有助於教育成就的提升。Mclntosh (2001)以英國、荷蘭、 德國與瑞典四個國家的資料，研究男女在國民義務教育結束後對進入較高 等教育的需求，發現實施義務教育有助於人們選擇較高等的教育，且對女 性而言效果較大。Lleras-Muney (2003)則以美國 1960 人口普查資料檢測義 務教育的施行（或義務教育年數的增加）是否為 1915-1939 年間次級教育 程度比例大幅成長的影響因素，實證的結果顯示若經由法律規定，每提高 義務教育年數一年，會使個人的教育年數增加 5%，且對白人男性和白人 女性上，影響結果皆相似，但對黑人而言則義務教育的施行效果則並不明 顯。除此之外，Angrist and Krueger (1991, 1992)研究在就學年齡限制下義 務教育法令對就學的影響，以出生日期為工具變數的估計方法分析發現義 務教育將可增加 10%的就學人數。 三、 實證模型與估計方法 本文的目的，一方面探討個人特質與家庭及環境因素對子女教育成就 的影響，另一方面則探討九年義務教育政策的施行對性別、城鄉及省籍間 教育成就差異的影響。如一般文獻，個人教育成就的基本實證模型設定如 (1)式所示， 7

有關義務教育對教育報酬率之影響效果的文獻，亦可參閱Angrist and Krueger (1991)、Cruz and Moreira (2005)與Sakellariou(2006)等。

i i i i i i

i =α0 +α1FAM +α2CHR +α3GENi +α4UBN +α5ETH +α6COH +ε

Y (1) 其中 i 表示個人，Y 為受教育的年數，FAM 為家庭背景的變數，CHR 為個 人特質變數，GEN 為性別虛擬變數（1 表示女性，0 表示男性），UBN 為 就學時城鄉虛擬變數（1 表示鄉村，0 表示城市），ETH 為省籍的虛擬變數 （1 表示父親為本省籍，0 表示父親為外省籍），COH 為世代或出生年變 數，ε為隨機干擾項。 其次，教育政策的評估為比較九年國民義務教育政策施行前後對教育 成就的影響，考量依政策可能影響的不同組間(如性別、城鄉與省籍間)的 處置效果(treatment effect)，故分別設定模型如下列(2)、(3)、(4)式所示8_： i i i i i i i i

i =α +αZ +α GEN+α UBN+α ETH+α POL+α POL×GEN+ε

Y _{0 1 2 3 4 5 6} (2) i i i i i i i i

i =β +βZ +βGEN+βUBN+β ETH+β POL+β POL×UBN+ω

Y _{0 1 2 3 4 5 6} (3) i i i i i i i i

i =γ +γ Z +γ GEN +γ UBN +γ ETH +γ POL +γ POL ×ETH +υ

Y _{0 1 2 3 4 5 6} (4) 其中 Z 表示家庭背景、個人特質與世代變數，POL 表教育政策虛擬變數（1 表示受九年國民教育實施之影響， 0 表示未受九年國民教育實施之影 響）。模型(2)中教育政策與性別交叉項的係數α 代表義務教育政策的施行₆ 對性別上教育年數差異的影響，若係數為正，表示教育政策有助於縮減女 性相對於男性的差異，反之若係數為負，則教育政策將擴大男女間教育年 數的差異。同理模型(3)與(4)的交叉項係數分別表示政策施行對城鄉及省籍 上教育年數差異的政策影響。透過模型(2)、(3)、(4)的估計結果，我們可 以比較義務教育政策分別對性別、城鄉或省籍間教育成就差異的政策影響 效果。 8 因九年義務教育政策一體適用於男與女、城市與鄉村或不同省籍間，故本模型的設定不同於一 般政策評估所採用之Difference-in-Differences估計法中實驗組(treatment group)與控制組(control group)的觀點，而此處不同政策與群組間之交叉項乃為檢測政策在不同群組中是否具不同的效 果。

由於以上分析假設在九年義務教育政策施行前後，政策對性別、城鄉 或省籍等各組間的影響均互相獨立，但因為性別、城鄉與省籍之間可能存 在交互影響，尤其是對政策的反應，如本省籍女性相對於外省籍男性、居 住鄉村女性相對於居住都市男性或居住鄉村本省人相對於居住都市外省 人的政策反應可能極不相同。如此則以上述方法所估計的結果將可能會產 生偏誤，為了解決這個問題，同時允許政策可作用在特定的組群，本文進 一步將教育政策的施行對性別、城鄉與省籍間的教育成就差異影響進行組 群間多重比較 (multiple comparison)，模型的設定如下式所示：9 i i i i i

i Z GEN UBN ETH POL

Y =α₀+α₁ +α₂ +α₃ +α₄ +α₅ i i i i i i i

i GEN POL UNB POL ETH GEN UBN

POL × + × + × + × +α₆ α₇ α₈ α₉ i i i i i i

i ETH UBN ETH POL GEN UBN

GEN × + × + × × +α₁₀ α₁₁ α₁₂ i i i i i

i GEN ETH POL UBN ETH

POL × × + × × +α₁₃ α₁₄ t i i i i i i

i UBN ETH POL GEN UBN ETH

GEN α μ α × × + × × × + + _{15 16} (5) 經由(5)式的估計結果與上述(2)-(4)式之結果相比較，將有助於進一步釐清 九年國民義務教育政策在性別、城鄉與省籍間的政策效果。 四、 (Panel 變數說明與資料分析 如同本文在第一節指出，過去台灣地區對教育成就分析通常以「人力 運用調查」或「家庭收支調查」的資料進行分析，但若以這些資料處理子 女教育成就的研究，不僅容易發生衡量偏誤(measurement error)的問題，10亦 無法涵蓋樣本的個人特質。因此，本文採取「華人家庭動態資料庫」 9 有關政策效果評估的多重比較方法可參考Meyer(1995)。 10 舉例來說，父親的職業為影響子女教育成就的重要因素，若採用「人力運用調查」或「家庭 收支調查」所獲得的父親職業，為該年度父親的職業，而非子女在就學階段時的職業，然而影響 子女教育成就者應為父親在子女就學階段時的職業，因此若採用「人力運用調查」或「家庭收支 調查」的資料，容易產生衡量偏誤的問題。

Study of Fa 齡為 庭關係與和諧以 及子 mily Dynamics，以下簡稱為PSFD)資料庫進行分析。 PSFD 由 1999 年開始調查，此一調查利用內政部所提供的戶籍資料， 以家庭為一基本單位持續追蹤，規畫以成年人口為主樣本。由主樣本延 伸，再將其父母、子女、兄弟姐妹納入訪問樣本，藉以建構追蹤資料庫。 本文所使用的部分，是 PSFD 的三個主樣本的合併樣本，分別為 1999 年針 對 1953-1964 年出生的主樣本所進行訪問（問卷編號 RI1999，1999 年的年 齡為 35-46 歲），樣本數為 999；2000 年針對 1935-1954 年出生者進行訪問 （問卷編號 RI2000，2000 年的年齡為 46-65 歲），樣本數為 1959；以及 2003 年針對 1964-1976 年出生者所進行訪問（問卷編號為 RI2003，2003 年的年 27-39 歲），樣本數為 1152，三個主樣本之合併樣本總數為 4110。 PSFD 的主樣本問卷內容的架構大致相同，除了包括主樣本的基本資 料、教育經驗、工作經驗、婚姻與配偶、父母及兄弟姐妹等相關資料外， 還包括家庭價值與態度、居住安排、家庭決策與支出、家 女生育與教養等社會學與家庭經濟學關心的資料。 值得說明的是，文獻上通常以父母親教育程度、父母親的職業及家庭 所得等變數來衡量家庭社經地位，但其中家庭所得雖可反應家庭資源的多 寡與家庭的經濟狀況，但因為一般人較不願意透露其實際所得，甚至可能 誇大（隱瞞）個人所得，而造成此一變數較難以正確地取得，即使問卷調 查中有包含家庭所得的問項，其衡量誤差亦將比較大，且遺漏值也會比較 多，而相反地，一般樣本問卷中有關職業的問項，所得到的答案可信度則 較高。11另一方面，由於職業與所得之間有相當高的相關程度，且職業亦 具長期穩定性，可於單一時點得到較佳的觀察值。除此之外，若選擇以家 庭所得來做為子女教育成就的解釋變數，一般較合理方式是採用子女於就 11 文獻上探討父母親所得或家庭所得對子女教育成就之影響皆為正，但並無一致性地顯著水 準，例如Duncan(1994)、Hill and Duncan(1987)、Huang(2000)等發現家庭所得對子女教育成就無 顯著影響；而Datcher(1982)則認為有顯著正的影響。Aughinbaugh and Gittleman(2003)進一步則發 現英、美兩國中父母所得對子女發展有正向而顯著的影響，但所得之影響力比其他家庭背景的影 響力相對較小。

學階段時的家庭所得來作為解釋變數，但此類的資料在取得上甚為不易， 因此本文採用子女就學階段時父親的職業來代表該家庭的社會經濟地 位。 。有關本文所採用之各變數的樣本個數、平 均數及變異數請參考表二。 12 表一為本文實證模型所採用之變數說明。個人特質變數包括能力(學業 表現)及價值觀念；家庭背景變數包括父母親教育年數、父親職業、母親是 否就業、單親家庭、手足結構與家庭教育資源等。除了省籍與城鄉變數外， 並加入世代虛擬變數以控制不同世代的可能環境影響。本文所使用的 PSID 三個主樣本合併資料個數為 4110，扣除各變數之遺漏值與不適用的樣本 後，共得到 3636 個樣本資料 12_{本文採用職業而不採用所得的另一原因是教育成就受家庭恒常所得的影響遠大於家庭臨時所}

表一、變數設定 變數名稱 說明 教育程度 區分為不識字與自修、國小、國中、高中職、專科、大學、碩士及博士八 種不同教育層級 教育年數 以教育程度推算其教育年數，自國小、國中、高中職、專科、大學、碩士 至博士分別為 6 年、9 年、12 年、14 年、16 年、18 年、22 年。 個人特質： 性別 以虛擬變數表示，女性為 1，男性為 0。 工讀 求學期間是否有打工賺自己或家庭的生活費，以虛擬變數表示，有為 1，沒 有為 0。 學業優異獎學金 讀書過程中是否有領取學業成績優異獎學金，以虛擬變數表示，有為 1，沒 有為 0。 清寒獎學金 讀書過程中是否有領取清寒獎學金，以虛擬變數表示，有為 1，沒有為 0。 孝道觀念 子女對「放棄個人的志向，達成父母的心願」觀念的看法，1=不重要,2,3,4,5= 絕對重要 光耀門楣觀念 子女對「做些讓家族感到光彩的事」觀念的看法，1=不重要, 2,3,4,5=絕對重要 家庭教育資源 才藝訓練 在求學期間是否參加才藝訓練(例如學習彈鋼琴、畫畫、書法、跳芭蕾舞等)， 以虛擬變數設定，有為 1，沒有為 0。 課外補習輔導 求學期間是否參加校內課業輔導、校外補習班或家教，以虛擬變數設定， 有為 1，沒有為 0。 學業獎勵 父母因成績好而獎勵，0=沒有、1=很少、2=有時、3=經常。 家庭遷移 16 歲之前，父母是否曾經為了幫子女遷至較好的學區或為了子女就學方便 而搬家。以虛擬變數設定，有為 1，沒有為 0。 家庭背景因素： 父親教育年數 以父親教育程度推算其教育年數，例如國小、國中、高中職、專科、大學、 碩士與博士分別為 6 年、9 年、12 年、14 年、16 年、18 年、22 年。 母親教育年數 以母親教育程度推算其教育年數，例如國小、國中、高中職、專科、大學、 碩士與博士分別為 6 年、9 年、12 年、14 年、16 年、18 年、22 年。 父親職業別 子女於 16 歲時父親所從事的職業，區分為專門技術人員、行政及主管人員、 監督及佐理人員、銷售工作者、服務工作人員、農林漁牧狩獵人員及生產 操作體力工。以農林漁牧狩獵人員為基準組，設定 6 個虛擬變數。 父親從事公職 子女於 16 歲時父親是否在公家機關工作，以虛擬變數設定，有為 1，沒有 為 0。 母親就業 主樣本的母親亦在外工作，是為 1，不是為 0 單親家庭 主樣本於 16 歲時，雙親其中之一亡故或不在身邊，是為 1，不是為 0 城鄉 16 歲以前居住地，以虛擬變數設定之，鄉村為 1，城市為 0。城市與鄉村的 區別按內政部戶政司資料區分之。 省籍 父親的省籍，區分為本省人（包含原住民、本省閩南人與本省客家人）與 外省人，以虛擬變數表示，本省人為 1，外省人為 0。 手足因素： 子女個數 家庭中子女的個數。 排序 家中之出生的排序 兄弟姐妹個數 家中兄、弟、姐、妹的個數。 世代： 老年 中壯年 青年 出生時間在 1950 以前 出生時間在 1951 年至 1960 年 出生時間在 1961 年以後 以 1950 年以前出生為基準組，設定 2 個虛擬變數。 政策變數 是否有接受九年國民義務教育。以虛擬變數表示之，有為 1，沒有為 0。

表二、變數資料基本統計特性 變數名稱 樣本數 平均數 變異數 教育程度： 不識字與自修 3636 0.0842 0.2781 國小 3636 0.2770 0.4476 國中 3636 0.1337 0.3403 高中職 3636 0.2643 0.4410 專科 3636 0.1194 0.3243 大學 3636 0.1004 0.3006 碩士 3636 0.0182 0.1335 博士 3636 0.0028 0.0524 教育年數 3636 9.7063 4.6054 個人特質： 性別 3636 0.5149 0.4998 工讀 3636 0.2808 0.4495 學業優異獎學金 3633 0.1214 0.3266 清寒獎學金 3633 0.0190 0.1365 孝道觀念 3634 3.4188 1.1953 光耀門楣觀念 3635 3.8135 1.1483 家庭教育資源 才藝訓練 3635 0.1356 0.3424 課外補習輔導 3633 0.2188 0.4135 學業獎勵 3635 0.0646 0.2459 家庭遷移 3628 0.0510 0.2200 家庭背景因素： 父親教育年數 3623 4.9095 4.8118 母親教育年數 3630 2.9645 3.8363 父親職業別 專門技術人員 3598 0.0439 0.2049 行政及主管人員 3598 0.0503 0.2186 監督及佐理人員 3598 0.0675 0.2510 銷售工作者 3598 0.1226 0.3280 服務工作人員 3598 0.0584 0.2345 農林漁牧狩獵人員 3598 0.4341 0.4957 生產操作體力工 3598 0.2232 0.4164 父親從事公職 3633 0.1610 0.3676 母親就業 3636 0.4588 0.4984 單親家庭 3636 0.0784 0.2688 城鄉 3633 0.4646 0.4988 省籍 原住民 3629 0.0215 0.1450 本省閩南 3629 0.7812 0.4135 本省客家 3629 0.1144 0.3183 外省 3629 0.0829 0.2758 手足因素 子女個數 3634 5.2930 2.2238 排序 3635 3.0564 2.0023 兄個數 3635 1.0094 1.2149 弟個數 3635 1.1568 1.1575 姐個數 3635 1.0470 1.2680 妹個數 3635 1.0798 1.2510 世代： 老年 3636 0.3650 0.4815 中壯年 3636 0.2998 0.4582 青年 3636 0.3353 0.4721 政策變數 3636 0.4450 0.4970

資料來源：華人家庭動態資料庫(Panel Study of Family Dynamics)，RI1999、 RI2000 與 RI2003 合併資料。

由表二的基本統計資料可知，在個人特質方面，有 28%的比例在就學 期間曾經打工賺取自己或家庭的生活費，而曾經獲取獎學金（包括成績優 異獎學金或清寒獎學金）則占 14%。男性樣本比例占 0.4851，樣本數為 1764，而女性的樣本數則為 1872。在孝道觀念與光耀家門觀念方面，以重 視的程度區分(由最低 1 至最高 5)，平均數分別高達 3.42 與 3.81，除了顯 示華人社會對孝道與光耀家門觀念的重視外，亦反應華人社會對此類觀念 的普遍價值。 家庭因素方面，在父母的教育年數上，父親教育的平均年數約為 4.91 年，而母親的教育年數則在 3 年左右，這是由於主樣本的父母年紀大多在 45 歲以上，因此父母的教育程度偏低並不令人意外。至於父親的職業別方 面，最大的比例為從事農林漁牧狩獵工作，約占 43.41%，其次為生產操作 體力工，占 22.32%。這是因為過去台灣地區主要是農業社會，再加上父親 的教育程度較低，所以大多從事農業工作或需較少技能的生產體力工。除 此之外，父親的從業身分方面，父親在公家機關工作的比例，約為 16.1%。 主樣本為單親家庭者的比例為 7.84%，而主樣本的母親為工作者，則占 45.88%。 至於父親的省籍方面，以本省閩南人最多，占 78.12%，其次為本省客 家人，占 11.44%，外省人占 8.29%，原住民則僅占 2.15%。 在家庭教育資源方面，有接受才藝訓練或課外補習輔導分別占 13.56% 和 21.88%；父母提供學業獎勵或為了較好學區而遷移者之比例則較少，分 別占 6.46%和 5.10%。 本文所使用樣本的出生年代涵蓋自 1934 年至 1976 年，但不同年代出 生者，可能因為經濟發展程度或教育普及的因素，以致其教育成就有顯著 不同，為了控制不同出生年世代(birth cohort)的效果，本文將樣本依照其出 生年代，區分為 1950 年以前出生、1951-1960 年出生及 1961 年之後出生 等三個世代。三個世代所占的樣本比例分別為 36.5%、30%及 33.5%。

至於家庭中子女個數與兄弟姐妹數則相當平均，家中子女個數的平均 數為 4.77 人，而兄弟姐妹數分別為 0.89、1.00、0.96 及 0.92，其中樣本為 長子（女）的比例為 25.25%，而身為老么的比例則為 19.53%。 表三、教育成就特性分析 教育成就 教育年數 國小 國中 高中職 專科 大學 碩士 博士 性別 男性 10.620 0.233 0.169 0.292 0.133 0.110 0.026 0.005 (4.050) 女性 8.834 0.318 0.100 0.238 0.107 0.091 0.011 0.001 (4.890) 父親教育程度 低教育程度 8.682 0.340 0.153 0.249 0.088 0.054 0.007 0.002 (4.435) 中教育程度 12.877 0.069 0.083 0.335 0.237 0.229 0.036 0.003 (3.142) 高教育程度 14.144 0.038 0.019 0.260 0.202 0.351 0.115 0.005 (3.074) 省籍 原住民 7.376 0.482 0.176 0.200 0.035 0.000 0.000 0.000 (3.622) 本省閩南人 9.265 0.298 0.141 0.249 0.108 0.086 0.016 0.003 (4.653) 本省客家人 10.576 0.277 0.130 0.299 0.152 0.097 0.024 0.002 (3.891) 外省人 13.003 0.049 0.081 0.357 0.198 0.263 0.036 0.003 (3.161) 世代 老年 6.590 0.486 0.108 0.114 0.035 0.050 0.002 0.001 (4.452) 中壯年 10.047 0.306 0.157 0.294 0.104 0.095 0.012 0.004 (3.934) 青年 12.778 0.023 0.141 0.402 0.226 0.160 0.041 0.004 (2.705) 父親從事公職 公家機關 12.502 0.109 0.080 0.308 0.192 0.236 0.049 0.003 (3.776) 私人部門 9.155 0.310 0.144 0.256 0.105 0.074 0.012 0.003 (4.537) 父親職業別 專門技術人員 11.520 0.189 0.051 0.214 0.209 0.219 0.051 0.000 (4.783) 行政及主管人員 12.297 0.146 0.059 0.274 0.210 0.164 0.096 0.014 (4.399) 監督及佐理人員 11.548 0.167 0.103 0.267 0.160 0.221 0.036 0.000 (4.351) 銷售工作者 10.735 0.217 0.125 0.322 0.136 0.140 0.015 0.002 (4.148) 服務工作人員 10.782 0.222 0.129 0.238 0.173 0.165 0.020 0.000 (4.399) 農林漁牧狩獵人員 7.311 0.427 0.150 0.180 0.049 0.029 0.002 0.003 (4.342) 生產操作體力工 10.568 0.222 0.143 0.344 0.151 0.090 0.012 0.002 (3.887) 城鄉 城市 10.797 0.225 0.114 0.293 0.149 0.139 0.027 0.005 (4.340) 鄉村 8.428 0.337 0.156 0.231 0.085 0.056 0.008 0.001 (4.546) 教育政策 政策前 7.568 0.453 0.114 0.167 0.051 0.062 0.004 0.001

(4.510) 政策後 12.361 0.057 0.158 0.385 0.205 0.148 0.035 0.004 (3.036) 為進一步觀察個人特質及家庭因素與子女教育成就的關係，本文另將 不同個人特質與家庭因素下之子女的教育成就列於表三。由表三中可發現 性別在教育成就上，男性平均教育年數為 10.62 年，高於女性平均教育年 數的 8.83 年，且男性樣本受高等教育（大專以上）的比例也都大於女性受 高等教育的比例。 以父親教育程度區分，父親的教育程為低教育程度(國小程度以下（含 不識字與自修）)、中教育程度（國中或高中職畢業者）及高教育程度（為 專科以上（含專科、大學、碩士及博士））時，子女的平均教育年數分別 為 8.68 年、12.88 年及 14.14 年，顯示父親的教育程度愈高，其子女的平 均教育年數也愈大，且受高等教育的比例也愈大。 在省籍方面，父親若為外省人，子女的平均教育年數最大，約為 13 年，其次是父親為本省客家人，子女教育年數為 10.58 年，再其次是父親 為本省閩南人，子女教育年數為 9.27 年，若父親為原住民，則子女的平均 教育年數最小，僅 7.38 年。除此之外，若父親為外省人，其子女受高等教 育程度的比例也大於本省客家人、本省閩南人及原住民。 在不同世代下，教育成就亦有所不同。平均教育成就隨不同世代的年 輕化而增加，即愈年輕世代的平均教育年數愈大，而愈年長世代的平均教 育年數則愈小，三個不同世代之平均教育年數分別為 6.59 年、10.05 年及 12.78 年，且愈年輕世代的子女，受高等教育程度的比例也愈大。13 父親的職業身份方面，若父親為公家機關工作者，子女的平均教育年 數為 12.5 年，遠大於父親在私人部門工作之子女平均教育年數 9.16 年。 13 此項世代差異，若進一步區分性別、省籍與城鄉之教育程度差異，則亦可以發現愈年長的世 代，在不同性別、城鄉與省籍間之教育成就差異愈大，而在愈年輕的世代，在不同性別、城鄉與 省籍間教育成就差異愈小。

此外，在父親的職業分類上，若父親為行政及主管人員，子女的平均教育 年數最高，達 12.3 年，而父親為農林漁牧狩獵人員，子女的平均教育年數 僅 7.31 年，明顯低於父親從事其他不同職業的子女之平均教育年數。除父 親為農林漁牧狩獵人員外，若父親從事其他職業，子女的平均教育年數並 沒有太大的差異。但在子女之不同教育程度的比例上，則有明顯的差別， 其中以父親為行政主管人員或專門技術人員，其子女受高等教育程度的比 例相對較高，將近五成的子女有大專以上的學歷。 除此之外，我們由表三的資料亦發現台灣地區城市與鄉村間子女教育 成就亦有相當明顯的差異，居住在城市的子女平均教育年數為 10.8 年，而 居住在鄉村的子女教育平均年數則只有 8.4 年。至於九年國民義務教育的 採行，我們發現在九年國民義務教育實施之前，子女的平均教育年數為 7.6 年，而在義務教育實施之後子女的平均教育年數則提升為 12.4 年。義務教 育明顯提升國民的平均教育水準。 表四為國民義務教育政策的實行前後，對省籍、城鄉與性別間的平均 教育年數變化的交叉分析。由表中我們可以發現在義務教育政策施行之 前，城市與鄉村間平均教育年數的差異為 2.13 年，在性別上的差距為 4.44 年，而在省籍上的平均教育年數的差異為最大，達 5.1 年。在義務教育政 策施行之後，平均教育年數在城鄉、性別與省籍上的差異，則分別縮減為 1.45 年、0.4 年與 1.36 年。基本上，國民義務教育政策的實行有助於普遍 縮減城鄉、性別與省籍上的教育成就差異，尤其是性別上的教育成就差 異。其中本省人在城市與鄉村間平均教育年數差距由 1.73 年縮小為 1.29 年（其中以本省閩南人城鄉差距縮小的程度最高，本省客家人反而有擴大 的現象），而外省人在城市與鄉村間平均教育年數差距則由 3.27 年縮小為 1.68 年，顯示教育政策對縮減城鄉之間教育成就的差異上，對外省人的效 果相對較對本省人的效果為高；另一方面，城市中省籍間平均教育年數的 差距由 4.94 年縮小為 0.99 年，而鄉村中的省籍間平均教育年數的差距則

由 2.40 年縮小為 0.60 年，顯示教育政策有助於縮減省籍之間教育成就的 差異，由其對城市的效果相對較鄉村的效果為大。 在性別差異方面，不論男女義務教育均有助於縮減城鄉教育成就差 異。惟縮減的效果外省籍中不論男女均優於本省籍，且外省籍男性的效果 相對上又優於外省籍女性。另一方面，義務教育對縮減省籍教育成就的差 異上，不論男女，在城市中義務教育的施行效果亦均優於在鄉村中施行的 效果，但義務教育的施行對教育成就的提升則以鄉村的女性最為顯著(7.75 年)。 表四、政策前後城鄉及省籍的平均教育年數 政策前 城市 鄉村 總合 政策後 城市 鄉村 總合 本省人 8.23 6.50 7.29 本省人 12.78 11.49 12.22 原住民 5.88 6.55 6.35 原住民 9.33 10.33 9.71 本省閩南人 8.18 6.09 7.08 本省閩南人 12.76 11.39 12.16 本省客家人 8.99 8.95 8.97 本省客家人 13.43 12.29 12.93 外省人 13.17 8.90 12.39 外省人 13.77 12.09 13.58 總合 8.68 6.55 7.57 總合 12.95 11.50 12.38 表四、政策前後城鄉及省籍的平均教育年數(男性)(續) 政策前 城市 鄉村 總合 政策後 城市 鄉村 總合 本省人 9.17 8.16 8.64 本省人 12.84 11.88 12.40 原住民 2.00 7.80 6.83 原住民 10.22 12.00 10.55 本省閩南人 9.21 7.81 8.51 本省閩南人 12.80 11.72 12.30 本省客家人 9.27 9.99 9.68 本省客家人 13.59 13.13 13.39 外省人 13.36 9.00 12.81 外省人 14.20 12.43 13.94 總合 9.55 8.17 8.86 總合 13.05 11.88 12.57 表四、政策前後城鄉及省籍的平均教育年數(女性) (續) 政策前 城市 鄉村 總合 政策後 城市 鄉村 總合 本省人 4.58 3.99 4.25 本省人 12.72 11.01 12.01 原住民 6.77 5.22 5.78 原住民 8.00 9.86 9.00 本省閩南人 4.29 3.67 3.95 本省閩南人 12.73 10.97 12.01 本省客家人 6.42 5.77 6.03 本省客家人 13.27 11.46 12.47 外省人 8.17 4.14 7.26 外省人 13.38 11.50 13.23 總合 4.93 3.98 4.42 總合 12.85 11.02 12.17

五、 估計結果 本節分別討論個人特質、家庭因素與環境變數對教育成就的估計結 果，並進一步做教育成就的敏感性分析，以及探討九年義務教育之政策效 果與多重比較評估。 教育成就影響分析 表五為教育成就迴歸結果。如欄(1)所示，和大部份的文獻結果相同， 父母教育年數對子女教育成就均有顯著的正面影響。14_{可能是因為子女得} 到父母基因的遺傳或是教育程度高的父母對子女提供了較好學習環境所 致。除此之外，從父母教育年數的估計參數，可以發現父親教育年數的估 計參數大於母親，表示對子女教育成就的影響，來自父親的效果大於來自 母親的效果。15_{這是因為一個家庭之生計的來源，主要是來自於父親，且} 另一方面父親的教育程度也反應了該家庭的社會地位，因此相較於母親， 父親的教育程度對子女教育成就的影響也較大（Chu, Xie and Yu(2005)）。

父親的職業方面，相對於父親從事農林漁牧工作者，其他職業估計結 果均顯著為正，其中以父親的職業為行政主管人員，子女教育年數的效果 最大，較父親從事農林漁牧工作者子女教育年數高 2.12 年，其次為銷售工 作者，估計效果為 1.63 年。且若父親為從事公職的身分，估計結果亦顯著 為正，表示父親從事公職，在子女的教育成就上相對較有利。主要的原因 為從事公職，可獲得教育補助，降低子女教育投資成本，因此其子女教育 成就相對也較高。 但是若母親也在工作，則其對子女的教育成就估計結果顯著為負，這 是因為若母親亦在外工作，對子女在照顧與教養上的時間，相對亦會較 14

相關的文獻可參見如Haveman and Wolfe (1995)和Card (1999)的綜合討論。 15

Liu, Hammitt and Lin(2000)研究台灣資料亦發現對個人教育報酬的影響，父親教育年數的效果 大於母親的教育年數效果。Chu, Tsay and Yu(2005)、Chu, Xie and Yu(2005)以PSFD的資料估計父 母親的教育程度對個人教育成就的影響，也獲致相同的結果。

少，導致對子女的教育成就會有不利的影響。16此外，單親家庭對子女的 教育成就估計結果亦為負，但不顯著。此負向結果和國外的文獻相同，單 親家庭所得偏低且容易受到財務信用限制，不利於人力資本投資。17而本 文估計不顯著原因大致有二，一是因為台灣地區單親家庭的比例相對較歐 美的單親家庭比例小，另一個原因則是因為若控制其他家庭經濟資源或父 母親教育水準等因素後，則單親家庭對子女教育成就的影響，相對較不顯 著。18 在手足效果方面，子女個數的效果為顯著負值。表示在其他條件不變 下，若兄弟姐妹的人數愈多，對教育年數也有顯著負的影響，這是因為家 中分享資源的子女數目愈多，對於子女教育投資愈不利。出生排序一次項 顯著為正，出生排序平方的估計係數亦是正值，但並不顯著，代表在子女 個數固定下，愈晚出生的子女，在教育成就上的表現也愈佳，可能原因為 愈晚出生的小孩此時家境相對也較為富裕，因此可以獲得的教育資源也相 對較高。 另外，在個人性別、城鄉與省籍間教育成就的差異上，由表五第 1 欄 的結果亦可發現，在控制其他家庭背景因素之下，女性的教育年數相對較 男性低 1.30 年，而外省籍者的教育年數亦較本省籍者的教育年數高 0.61 年，居住在城市者的教育年數則較居住在鄉村者的教育年數高 0.53 年。此 結果顯示鄉村本省籍尤其是女性的教育成就顯著居於劣勢。居住鄉村地區 因為教育資源相對較為缺乏，故教育程度相對亦較低。外省族群因為過去 大陸逃難經驗，相對較重視可以移動的人力資本投資，故其子女教育成就 相對也較高。另外，由於傳統家庭重男輕女觀念，因此女孩相對於男孩的 16

參見如Chin and Newman, (2002)和McLanahan and Sandefur (1994)探討母親工作對子女教育的 負面影響。

17

參見如Elliott and Richards (1991)、Mclanahan and Sandefur (1994)、Haveman and Wolfe (1995) 與Ermisch and Francesconi(2001)。

18

受教育機會也較少，教育成就也因此較低。 由於總體環境的改變或教育的普及化，不同世代的教育成就亦應有所 不同，因此本文以世代(cohort)效果來控制總體環境的改變對教育成就的影 響。由表五的估計結果我們發現，在其他情況不變之下，個人教育成就會 因世代的年輕化而提高，亦即愈年輕的世代，教育成就愈高。與老年世代 相比，中壯年世代的教育年數相對較老年世代高出 2.28 年，而青年世代的 教育年數亦比老年世代高將近 3.56 年。 家庭背景中另外一項重要因素為教育資源的提供。19_{若考慮家庭教育} 資源對教育成就的影響，如表五第 2 欄所示，本文發現才藝訓練對子女的 教育年數的影響，估計結果顯著為正，子女在求學期間有參加過才藝訓練 者，其教育年數相對未參加才藝訓練者高 1.21 年，顯示學習是多元面相 的。才藝訓練往往可以啟發和增加個人潛在能力有助於正規教育的學習。 除此之外，補習教育對子女的教育年數的影響亦顯著為正，較未受補習教 育的子女之教育年數高 1.44 年20_{，這個結果亦顯示台灣地區一切以考試為} 升學管道的制度造就了補習教育的盛行，而補習的結果確實對考試有效。 21 在加入家庭教育資源的變數後，與表 5 第 1 欄的結果相比較，可發現 家庭背景因素對個人教育成就的估計參數都變得較小，表示在未加入家庭 教育資源的因素時，家庭背景因素對教育成就的影響，有過度估計 (overestimate)的現象。因加入家庭教育資源變數可以抽離家庭背景因素中 (如父母教育程度、家庭社經地位)隱含的資源效果。此外，分析家庭教育 19 Teachman (1987)發現處除了家庭社經地位外，教育資源提供，如自己有獨立的書房、家中有參 考書籍或百科全書，亦顯著影響子女的教育成就。 20 黃芳玫、賴慧穎與吳齊殷(2005)研究補習教育對國中升學的影響發現補習對學生在國中繼續升 學高中有顯著正的影響，但不必然補習要愈多才考得上較佳的高中。 21 若將迴歸模型中的補習教育區分為校內輔導，校外補習及家教，則三者的估計係數均為正， 除家教不顯著外，校內輔導與校外補習均顯著為正，而其中又以參與校外補習對子女的教育年數 之影響效果最大。

資源與家庭背景因素的解釋能力，可發現家庭教育資源的解釋能力占 7%，而其他家庭背景因素的解釋能力則占 93%。 除了家庭背景和教育資源變數外，根據人力資本理論個人特質也是一 項影響教育成就的重要因素。若再加入個人特質變數對教育成就的影響效 果，如表五第 3 欄所示，在個人特質方面，於就學期間曾經工讀者或就學 期間曾經獲得獎學金（包括學業優異獎學金與清寒獎學金），其估計係數 均為顯著正值。表示個性較為獨立或求學成績較為優秀者，能力相對較 強，教育成就相對亦較高，符合人力資本理論的預期結果。另外在孝道觀 念及光耀家門觀念的個人價值觀念上，估計結果顯著為負，表示較重視此 兩種傳統觀念者之教育成就反而較低，較可能的原因是因為重視這兩種觀 念者，在個人的特質上相對較具服從性的心態，為父母或家族願意犧牲自 己，而非選擇自己真正的興趣與性向發展，因此在求學與教育上的成就相 對較易居劣勢。 在分別加入家庭教育資源與個人特質因素後，家庭背景變數仍然維持 相同的顯著性，且所加入的家庭教育資源與個人特質變數亦均顯著，一方 面表示家庭背景、家庭教育資源與個人特質均為影響個人教育成就的重要 變數，另一方面表示此三種變數之間並無共線性的疑慮。22 另外，考慮男、女教育成就影響的因素效果可能不同，故進一步區分 男、女兩組樣本。比較男性與女性樣本在個人特質、家庭教育資源與家庭 背景因素上對個人教育成就的影響，由表五第 4 與第 5 欄的結果發現不論 男性或女性樣本，解釋變數的顯著性均大致相同，惟其效果有大小之別。 在個人特質方面，求學期間曾經工讀與曾經獲得學業優異獎學金，對女性 22 若變數間存在共線性，則可能造成變數估計的不顯著。另外，經由相關係數的檢測，發現除 了父親教育年數與母親教育年數，子女個數與排序，其相關係數為 0.6 外，其餘各變數間相關係 數均小於 0.3，表示並不存在變數高度相關性的問題。

的教育成就效果較大。23在家庭教育資源方面，對女性教育成就的影響效 果亦均大於男性。在傳統重男輕女觀念下，女姓教育資源的取得相對少於 男性，故在其他情況不變下，增加對女性的家庭教育資源將有較大效果。 在家庭背景方面，父母親的教育程度不論對兒子或女兒，均顯著為正，但 相對而言，兒子的教育成就受父親教育程度高低的影響較大，而女兒的教 育成就則受母親教育程度高低的影響較大，這個結果亦與Heltberg and Johannesen (2002)的研究相似，父親通常是兒子模仿的模範(role model)，而母親 則是女兒模仿的模範。另外，父親的職業對女兒教育成就的影響大於對兒子教育 成就的影響，但父親從事公職則對兒子的影響效果較大，母親若在外工作，對兒 子或女兒的教育成就均有不利影響，但對女兒的效果則大於兒子。 在手足效果方面，家庭中子女個數愈多，對子女的教育成就會有不利的影 響，但對女兒教育成就的負面效果略大於對兒子的效果。在排序方面，對兒子而 言，愈晚出生，其教育成就也愈高，但對女兒而言，則效果並不顯著。24_除此之 外，在省籍與城鄉方面，由表五的結果發現，在控制其他變數之下男性在省籍間 的教育成就差異高於女性，而女性在城鄉間的教育成就差異則高於男性。代表傳 統重男輕女觀念不因省籍有不同，而鄉村則有過之。 比較表五的結果可以發現，若未考量家庭教育資源與個人特質將高估家庭教 育背景因素對個人教育成就的影響及其解釋能力。表五的估計結果發現，對個人 教育成就的解釋能力，個人特質占 10.81%，家庭教育資源占 6.99%，而家庭背 景因素則占 82.1%。

23 _{Dynarski (2005)、Angrist and Lavy (2002)與Angrist, Lang, and Oreopoulos (2006)均發現學業的獎} 勵或優惠制度，女性比男性有更顯著的效果。

24

表五、教育成就迴歸估計結果 變數名稱 全體樣本 全體樣本 全體樣本 男性樣本 女性樣本 個人特質因素： 工讀 1.199*** 0.921*** 1.370*** (0.115) 2.164 1.983(0.160) 2.258(0.165) 學業優異獎學金 *** *** *** (0.154) 1.824 2.207(0.223) 1.299(0.210) 清寒獎學金 *** *** *** (0.357) -0.213 -0.158(0.521) -0.244(0.483) 孝道觀念 *** *** *** (0.044) -0.089 (0.061) (0.062) 光耀家門觀念 ** -0.070 -0.083 (0.044) (0.063) (0.061) 家庭教育資源 才藝訓練 1.210*** 0.875*** 0.584** 0.910*** (0.162) 1.439 1.300(0.155) 1.271(0.238) 1.332(0.202) 補習輔導 *** *** *** *** (0.132) 1.236 1.203(0.126) 0.842(0.169) 1.355(0.185) 學業獎勵 *** *** *** *** (0.217) (0.206) (0.306) (0.276) 家庭遷移 -0.111 -0.116 -0.035 -0.132 (0.240) (0.227) (0.310) (0.328) 家庭背景因素： 父親教育年數 0.236*** 0.202*** 0.176*** 0.183*** 0.163*** (0.017) 0.159 0.122(0.017) 0.115(0.016) 0.093(0.023) 0.145(0.021) 母親教育年數 *** *** *** *** *** (0.020) (0.019) (0.018) (0.026) (0.025) 父親職業 專門技術人員 0.637*** 0.384 0.355 -0.144 0.951*** (0.304) 2.117 1.873(0.295) 1.864(0.281) 1.732(0.400) 2.058(0.389) 行政及主管人員 *** *** *** *** *** (0.271) 0.955 0.802(0.263) 0.936(0.250) 0.664(0.346) 1.306(0.356) 監督及佐理人員 *** *** *** * *** (0.282) 1.630 1.416(0.273) 1.446(0.259) 1.239(0.372) 1.628(0.356) 銷售工作者 *** *** *** *** *** (0.182) 0.579 0.542(0.177) 0.479(0.168) (0.242) 1.026(0.230) 服務工作人員 *** ** ** -0.170 *** (0.276) 0.847 0.772(0.268) 0.705(0.254) 0.506(0.370) 0.886(0.344) 生產操作體力工 *** *** *** ** *** (0.155) 0.596 0.566(0.150) 0.485(0.142) 0.920(0.203) (0.196) 父親從事公職 *** *** *** *** 0.079 (0.196) -0.258 -0.242(0.190) -0.225(0.180) -0.171(0.255) -0.279(0.252) 母親就業 *** ** ** ** *** (0.106) (0.105) (0.105) (0.085) (0.144) 單親家庭 -0.154 -0.123 -0.104 -0.275 -0.089 (0.184) (0.155) (0.168) (0.242) (0.263) 手足因素 子女個數 -0.136*** -0.109*** -0.110*** -0.094** -0.119*** (0.034) 0.217 0.142(0.033) 0.163(0.032) 0.182(0.049) (0.041) 排序 *** ** ** ** 0.121 (0.083) (0.080) (0.076) (0.08 (0.111) 排序平方 -0.007*** -0.001 -0.000 -0.006 -0.009 (0.000) (0.000) -1.341 -1.338(0.000) (0.011) (0.013) 性別 -1.297*** *** *** (0.107) -0.609 -0.511(0.104) -0.494(0.099) 省籍 *** *** *** -0.580** -0.430 (0.219) (0.212) -0.402 -0.372(0.201) (0.291) -0.643(0.274) 城鄉 -0.529*** *** *** -0.034 *** (0.116) (0.113) (0.107) (0.155) (0.146) 世代效果 中壯年 2.275*** 2.140*** 1.870*** 1.409*** 2.238*** (0.137) 3.558 3.441(0.133) 2.828(0.127) 2.184(0.188) 3.486(0.170) 青年 *** *** *** *** *** (0.158) 7.254 6.870(0.154) 7.754(0.151) 8.017(0.215) 6.135(0.210) 常數 *** *** *** *** *** (0.330) (0.321) (0.363) (0.523) (0.491) 樣本數 3585 3575 3570 1725 1845 Adj-F2 0.5277 0.5584 0.6033 0.5003 0.6626 F 值 236.54 215.79 209.75 70.03 145.87 解釋能力 個人特質因素 10.81% 8.53% 11.71% 家庭教育資源 6.99% 6.99% 4.37% 9.25% 家庭背景因素 93.01% 82.10% 87.10% 79.04% 註：括號中為標準差，*表示 10%、**表示 5%、***表示 1%統計檢定顯著水準。

表六、敏感性分析估計結果 變數名稱 基本模型 估計結果 父親職業別細分類 估計結果 依出生年 估計結果 父親教育年數 0.364*** 0.354*** 0.332*** (0.029) (0.029) (0.029) 父親教育年數平方 -0.014*** -0.014*** -0.013*** (0.002) (0.002) (0.002) 母親教育年數 0.145*** 0.137*** 0.134*** (0.038) (0.038) (0.038) 母親教育年數平方 -0.003 -0.003 -0.003 (0.004) (0.004) (0.003) 父親教育層級 國小 1.689*** 1.637*** 1.526*** (0.135) 2.118 (0.136) 2.006 (0.135) 1.967 國中 *** *** *** (0.213) 2.127 (0.215) 2.013 (0.212) 1.877 高中職 *** *** *** (0.237) 2.364 (0.243) 2.272 (0.236) 2.183 專科 *** *** *** (0.427) 1.863 (0.441) 1.698 (0.424) 1.750 大學以上 *** *** *** (0.350) (0.363) (0.348) 母親教育層級 國小 0.788*** 0.745*** 0.715*** (0.136) 0.891 0.810(0.137) 0.884(0.135) 國中 *** *** *** (0.258) 1.396 1.358(0.262) 1.228(0.257) 高中職 *** *** *** (0.309) 1.241 (0.313) (0.309) 專科 ** 1.039 1.040 (0.654) 2.032 1.914(0.665) 1.753(0.651) 大學以上 *** *** *** (0.711) (0.717) (0.706) 子女個數 -0.049 -0.049 -0.045 (0.031) (0.031) (0.031) 兄(有=1) 0.109 0.104 0.094 (0.114) (0.114) (0.113) 弟(有=1) 0.000 -0.006 -0.001 (0.117) (0.117) (0.116) 姐(有=1) 0.424*** 0.420*** 0.358*** (0.113) (0.114) (0.112) 妹(有=1) -0.107 -0.092 -0.100 (0.114) (0.115) (0.113) 人 兄個數 -0.021 -0.013 -0.027 (0.045) -0.105 -0.096(0.045) -0.098(0.045) 弟個數 ** ** ** (0.048) 0.120 0.110(0.048) 0.102(0.047) 姐個數 *** *** ** (0.042) -0.126 -0.128(0.042) -0.109(0.041) 妹個數 *** *** ** (0.043) (0.043) (0.043) 註：括號中為標準差，*表示 10%、**表示 5%、***表示 1%統計檢定顯著水準。

教育成就的敏感性分析 為了進一步確認實證結果的頑強性，我們考慮幾個不同的方向進行敏 感性分析，首先考慮父母親教育年數的影響可能為非線性，故加入父母親 教育年數的平方項，由表六第 1 欄的結果發現父親教育年數對其子女教育 成就的影響，一次項仍顯著為正、但平方項則顯著為負，表示隨著父親的 教育年數增加，子女的教育年數也增加，但是這個效果並非固定而是隨著 父親的教育年數增加而遞減，而母親的教育年數對子女教育年數的影響亦 顯著為正，而平方項雖仍為負，但並不顯著。另除教育年數外，父母教育 階層的影響效果亦可能不同，我們另考慮以父母的教育階層取代教育年 數，所得的結果亦大致相同，即父母親的教育程度愈高，對子女教育成就 的影響愈大。 在教育成就的手足效果方面，如表五所示的結果教育成就與子女排序 呈正向關係，表示愈晚出生的子女，教育成就相對較佳，但若僅以排序與 排序平方估計教育成就的手足效果，只能看出子女在家中的排行對其教育 成就的影響而無法確知不同性別排序組合是否亦有不同影響，因此本文另 外採用是否有兄、弟、姐、妹的虛擬變數或擁有兄、弟、姐、妹個數為變 數以估計手足結構對教育成就的影響。由表六第 1 欄的估計結果發現有姐 姐時，估計參數顯著為正(0.42)，且每增加一個姐姐，教育年數則增加 0.12 年。表示有姐姐者，其教育成就會相對較高，這是因為過去台灣地區在家 庭預算限制下，出生排序較前面的女性，常需犧牲自己的婚姻與教育機 會，提早工作或延後結婚，以減輕家中負擔，將家中資源留給弟妹使用， 因此有助於弟妹個人的教育成就，此結果和 Parish and Wills (1993)的研究 發現相同。而有哥哥時，估計參數雖仍為正，但並不顯著，這個似乎也顯 示了台灣地區早期父母對子女人力資本的投資有重男輕女現象，特別是長 男。

地位可能並不夠明確，因此本文亦考慮以二位數職業分類將父親的職業加 以細分為 76 項，所得結果如表六第 2 欄所示。另一方面，考慮個人出生 的年代不同，可能的外部總體效果亦有差異，因此本文將世代的大分類改 為依樣本的出生年為虛擬變數，估計結果如表六第 3 欄所示。由表六的第 2、3 欄的結果發現，不論是父親職業的細分類或是樣本出生年的細分類， 父母教育程度與手足因素對教育成就的影響，顯著性均相同，且效果大小 並無太大的差異。25 由本小節的敏感性分析結果支持家庭背景、家庭教育資源、個人特質 為影響個人教育成就的重要解釋變數，而忽略個人特質將高估家庭背景對 個人教育成就的影響。 表七、義務教育政策評估 模型(1) 模型(1’) 模型(2) 模型(3) 模型(4) 模型(5) 性別 -1.337*** -1.336*** -1.913*** -1.318*** -1.343*** -0.782 (0.099) (0.099) (0.132) (0.099) (0.099) (0.606) 城鄉 -0.371*** -0.373*** -0.351*** -0.772*** -0.387*** -1.325 (0.107) (0.107) (0.106) (0.137) (0.107) (1.249) 省籍 -0.471*** -0.473*** -0.484*** -0.516*** -1.695*** -1.399*** (0.200) (0.200) (0.199) (0.200) (0.304) (0.477) 政策 0.747*** 0.001*** 0.074 0.329 -0.961*** -1.169** (0.188) (0.000) (0.213) (0.208) (0.371) (0.559) 政策*性別 1.292*** 0.036 (0.196) (0.749) 政策*城鄉 0.931*** 1.075 (0.199) (1.498) 政策*省籍 1.943*** 1.211** (0.365) (0.5830 性別*城鄉 -0.391 (1.522) 性別*省籍 -0.639 (0.637) 城鄉*省籍 1.225 (1.264) 政策*性別*城鄉 -0.513 (2.029) 政策*性別*省籍 1.053 (0.800) 政策*城鄉*省籍 -0.607 (1.525) 性別*城鄉*省籍 -0.645 (1.545) 政策*性別*城鄉*省籍 1.007 (2.071) 註：每個模型均包含表六中的個人特質、家庭教育資源與家庭背景變數。 括號中為標準差，*表示 10%、**表示 5%、***表示 1%統計檢定顯著水準。 25 其他家庭背景、家庭教育資源與個人特質變數估計結果亦類似，因限於篇幅未予列出，有興 趣讀者可向作者索取。

九年義務教育政策評析 在控制個人特質、家庭教育資源與家庭背景因素後，教育成就於性 別、省籍、城鄉與政策的差異，如表五的估計結果均為顯著負值，顯示男 性的教育成就比女性高出 1.34 年，表示在台灣地區家庭中對子女的教育成 就上明顯存在性別差異；在省籍方面，由估計結果顯示外省籍者，其教育 成就相對比本省籍高出 0.49 年；而至於在城鄉方面，居住在城市者則較居 住在鄉村者的教育成就高出 0.37 年。 表七中模型(1)為控制個人特質、家庭教育資源與家庭背景因素後，考 慮九年國民義務教育政策的施行前後的政策影響，估計結果為顯著正值。 其他控制變數估計結果和表六估計結果相似，因限於篇幅故未予列出。施 行九年國民義務教育可增加教育年數 0.75 年。由於九年國民義務教育的施 行，除了法令上要求國小畢業的學童必須就讀國中之外，在 1967 年至 1970 年間，政府於全台興建多所國中，國中數目增加 70%，為考慮政策密集度 (policy intensity)，本文另以全台當年國中學校數取代政策虛擬變數進行估 計，如表七模型(1’)所示，所得的結果政策變數依然顯著為正。 表七中模型(2)、(3)與(4)分別為九年國民義務教育政策的施行對性 別、城鄉或省籍間教育成就差異的影響。在個人特質、家庭教育資源與家 庭背景的變數方面，模型(2)、(3)與(4)的估計結果與模型(1)之基本模型亦 無明顯的差異，且估計的顯著情況也均相同。由模型(2)、(3)、(4)的估計 結果發現，義務教育政策的施行對性別、城鄉或省籍間教育成就差異的各 別影響均非常顯著。 在義務教育政策施行前，教育成就於性別上的差異女性比男性少 1.913 年，而在義務教育政策施行後，性別間教育成就的差異則縮減為 0.621 年， 模型(2)的結果顯示台灣地區男女間教育成就的差異，會因義務教育的施行 而改善 67.54%。

在縮減城市與鄉村的差異方面，由模型(3)的估計結果可發現，城鄉間 教育成就的估計參數，在義務教育施行前為鄉村較城市少 0.772，而在義 務教育施行後，估計參數為 0.159，經檢測後未顯著異於零。表示台灣地 區城市與鄉村間教育成就的差異，在九年國民義務教育施行後，兩者之間 的教育成就幾無差距。 在省籍之教育成就方面，如模型(4)估計結果顯示，義務教育施行前， 本省人的教育成就相對較外省人低 1.695 年，而在義務教育施行後，本省 人與外省人的教育成就差異則縮減為 0.713（-1.695-0.961+1.943）年，省 籍間教育成就的差異因義務教育的施行而改善 57.94%。換言之，九年國民 義務教育的施行使本省籍與外省籍的教育成就差異縮減將近一年。經由模 型(2)、(3)與(4)的政策評估估計結果，我們可以發現，九年國民義務教育 的施行似有助於各別改善台灣地區性別或城鄉或省籍間教育成就的差異。 為了確實比較義務教育政策的施行對城鄉、性別與省籍間的共同影 響，有必要進一步控制性別、城鄉與省籍間的交互影響及義務教育政策對 特定群體的影響效果，故本文另採用政策效果多重比較的方法進行估計， 所得結果如表七模型(5)所示。 由表七模型(5)的結果發現，若考慮政策的施行同時作用在性別、城鄉 與省籍之下，除省籍、政策與政策*省籍變數的估計結果為顯著之外，其 餘皆不顯著。表示控制可能的交互作用和政策對省籍的影響後，政策的施 行對性別與城鄉之影響效果均不顯著。換言之，在控制政策對省籍的影響 下，不論男女、居住在鄉村或都市，政策的施行均無顯著改善其教育成就 的差異。九年國民義務教育政策的主要效果是在改善省籍之間的教育成就 差異，且政策對縮減省籍教育成就差異的效果為 1.21-1.94 年。26 將模型(5)與模型(2)、(3)與(4)的結果相比較，我們發現對單一特定 26 為了進一步控制世代的總體環境，我們另外選擇 1951 至 1960 年出生的樣本（即包含未受九 年義務教育影響之前 5 年出生者與受九年義務教育影響之後 5 年出生者）進行迴歸估計，亦得到 相似的估計結果。有興趣讀者可向作者索取。

組群(性別、城鄉或省籍)，九年國民義務教育的施行均有助於教育成就的 改善。若考慮同時作用在不同群體的交互作用時，則九年國民義務教育政 策僅對省籍的教育成就有改善的效果。此結果表示台灣地區性別與城鄉間 教育成就差異的改善，並不是因為義務教育政策施行的效果，而是因為義 務教育政策的施行，有效的降低了省籍間教育成就的差異，進而使性別與 城鄉間教育成就的差異亦局部獲得改善。另外，性別教育成就的差異也可 能受到傳統重男輕女觀念的改變和子女個數減少而改善；城鄉間的教育成 就差異也可能受到經濟發展與所得提高而獲得改善。 六、 結論 本文採用「華人家庭動態資料庫」 (PSFD)研究台灣地區個人特質與 家庭因素對教育成就的影響，並進一步探討九年國民義務教育的施行對性 別、城鄉與省籍間教育成就差異的影響效果。 實證的結果顯示，個人特質與家庭環境因素對教育成就具有顯著的影 響效果。總合而言，在個人特質方面，求學期間曾經半工半讀或曾獲取獎 學金者，其教育成就相對較高，而重視孝道與光耀門楣觀念者，其教育成 就則相對較低。在家庭環境因素方面：(1) 父母的教育程度愈高，則子女 教育成就相對亦愈高，且來自父親的效果大於來自母親的效果。(2) 父親 的職業身份，亦影響子女的教育成就，其中又以父親為行政及主管人員， 子女的教育成就相對最高，若父親從事公職，其子女的教育成就亦較高。 (3)母親在外工作對子女的教育成就有顯著的負面影響。(4) 才藝訓練，補 習教育及對子女學業的獎勵，對子女的教育成就亦有正面的影響效果。(5) 家庭中子女的人數愈多，因個人在教育資源上的分配也愈少，故教育成就 也愈低，且手足結構效果顯示排序較前的姐姐通常會犧牲自己成全弟、妹 的教育成就。(6) 控制其他因素不變下，台灣地區仍存在顯著的性別、省 籍、城鄉間的教育成就差異，女性、本省籍、居住鄉村者的教育成就較低。

(7)個人的教育成就隨世代的年輕化而提升，愈年輕的世代，其教育成就也 愈高。 除此之外，本文的另一個重點在探討九年國民義務教育政策的施行對 性別、城鄉與省籍間教育成就差異的影響效果。實證的結果發現，義務教 育政策的施行對各別改善性別、城鄉或省籍間教育成就差異均有顯著正面 影響。然而在考量並控制性別、城鄉與省籍間之交互影響下，進一步發現 義務教育政策的施行效果主要是體現在省籍的教育成就改善上。換言之， 台灣地區性別與城鄉間教育成就差異的改善，主要並不是因為義務教育政 策施行的效果，而是因為義務教育政策的施行，有效的降低了省籍間教育 成就的差異，進而使性別與城鄉間教育成就的差異亦獲得局部改善。之所 以有這樣的結果，我們認為在早期外省居民孤身來台，歷經戰亂的洗禮， 因此較重視移動性較高的人力資本，對子女的教育投入相對亦較為重視， 而本省居民在台灣早期農業社會時期，子女必須幫忙家中農務，對子女的 教育成就相對較不重視，因而造成在義務教育政策施行前，省籍間教育成 就存在相當大的差異。資料顯示(參見表四) 義務教育政策施行前省籍間教 育成就的差異最大(5.1 年),其次為性別 (4.44 年)、城鄉(2.13 年)。九年國 民義務教育政策的施行，乃是普遍性並未針對特定群體而設計，對及齡學 童一律強制必須就讀小學與國中，使省籍間的教育成就差異因而獲致改 善。另外，男女和城鄉間教育成就差異也會受經濟發展、所得普遍提高、 生育率下降與傳統重男輕女觀念的改變而獲得改善，故純粹因義務教育政 策的影響也會較為有限。

文獻回顧： 陳建良 (2002)，「手足組成、出生序與教育年數-以台灣家庭為對象的實證分析」， 第六屆經濟發展學術研討會論文，國立台北大學。 陳婉琪 (2005)，「族群、性別與階級：再探教育成就的省籍差異」，《臺灣社會學》， 10，1-39。 黃芳玫 (2001)，「九年國民義務教育之回顧與其教育面、經濟面之影響」，《臺灣 經濟預測與政策》，31(2)，91-118。 黃芳玫、賴慧穎、吳齊殷(2005)，「家庭背景與個人特性對國中學生教育成就的 影響 – 追蹤調查資之研究」，第 2005 年勞動經濟學學術研討會會議論文集， 中央研究院經濟研究所。

Aakvik, A., K. G. Salvanes, and I. K. Vaage (2005), “Educational Attainment and Family Background,” German Economic Review, 6(3), 377-394.

Aigjombaugh, A. and M. Gittleman (2003), “Does Money Matter? A Comparison of the Effect of Income on Child Development in the United States and Great Britain,” Journal of Human Resources, 38, 416-440.

Angrist, J. D. and A. B. Krueger (1991), “Does Compulsory School Attendance Affect Schooling and Earnings?” Quarterly Journal of Economics, 106(4), 979-1014.

Angrist, J. D. and A. B. Krueger (1992), “The Effect of Age at School Entry on Educational Attainment: An Application of Instrumental Variables with Moments from Two Samples,” Journal of the American Statistical Association, 87(418), 328-336.

Angrist, J. D. and V. Lavy, (2002), “The Effect of High School Matriculation Awards: Evidence from Randomized Trials,” NBER Working Paper no. 9389, National Bureau Economic Research.

Angrist, J. D., D. Lang, and P. Oreopoulos, (2006), “Lead Them to Water and Pay Them to Drink: An Experiment with Services and Incentives,” NBER Working Paper 12790, National Bureau Economic Research.

Athey, S. and G. W. Imbens, (2006), “Identification and Inference in Nonlinear Difference-in-Differences Models,” Econometrica, 74(2), 431-97.

Barro, R. J. and J. W. Lee (1993), “International Comparisons of Educational Attainment,” Journal of Monetary Economics, 32, 363-394.

Becker, G. S. (1964), Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education, Cambridge, New York: National Bureau of Economic Research.

Becker, G. S. and N. Tomes (1986), “Human Capital and the Rise and Fall of Families,” Journal of Labor Economics, 4, S1-S39.

Behrman, J. R. (1999), “Labor Markets in Developing Countries,” In Orley Ashenfelter and David Card, eds., Handbook of Labor Economics, Vol. 3B,