作者简介：侯玉娜，女，香港中文大学教育学院博士研究生，研究方向为教育经济学(香港　999077)；沈爱祥，男，硕士，云南民族大学教育学院教师(云南　昆明　650300)。

　　内容提要：上海中学生在2009年国际学生评价项目(PISA)世界第一的成绩向全球展示了上海地区基础教育的高质量，也引起我们关注数据和结果对上海基础教育进一步发展和完善的启示。本研究构建包括个体、家庭、学校特征在内的计量模型，通过探究学生个体家庭背景对学业成绩的影响，揭示上海基础教育公平状况，通过在模型中加入学校变量及家庭和学校变量的交互项，探究学校在实现基础教育质量与公平方面的作用。研究发现，上海基础教育存在显著的性别差异、家庭结构差异和家庭移民状况差异，家庭经济社会文化地位决定学生能够获得的学校教育资源，进而间接影响学生成绩。学校教育资源质量对学生成绩无显著影响，但学校生师比、教师质量不仅影响学生成绩，还具有改善家庭移民状况和经济社会文化地位对学生成绩影响的作用。上海基础教育发展要努力缩小学校之间的差距，减少学生家庭背景引起的择校和教育分流以及关注学校无法解决的不公平问题和特殊学生群体。

　　关 键 词：家庭背景 学校资源 上海基础教育 学业成绩 教育公平 PISA 2009

　　一、文献综述

　　本研究中教育公平的概念借鉴Roemer(1998)对机会均等的定义，他使用五个关键词：目标、环境、类型、努力、工具概括了机会均等的概念框架。其中环境是影响个体目标实现程度的外部因素，是个体无法控制或改变的；努力则指个体为实现目标而付出的行动的总和，是个体行动过程中可控的因素。因而任何政策制定者或政府不要求个体为环境带来的差异负责，任何因为努力程度不同产生的差异被认为是可以接受的。本研究中教育机会均等指个人的学业成绩不受不可控的家庭背景的影响。

　　关于学生成绩影响因素的研究大体上可以分为两类(Todd and Wolpin, 2003)：第一类研究基于儿童早期发展理论，从家庭教育投资的角度出发探究父母特征或家庭环境因素与学业成就之间的关系。由于家庭背景通常不可控，这类研究可以在一定程度上反映教育公平程度。第二类研究从教育生产函数的视角出发，将学校教育看作生产过程，关注学校资源投入与学生产出之间的关系。由于学校资源变量通常是可控的，这类研究对于制定有针对性的教育政策及学校改革策略具有重要价值。早期研究者由于很难同时获得有关家庭和学校两方面的数据，因而这两类研究的方法、结论等有着严格的区分(详见Hedges等，1994；Hanushek, 1986， 1996)。针对家庭背景与学生成绩关系的研究较为一致地认为父母教育程度、收入水平、职业特征等家庭因素对学业成绩具有显著影响。而与此相反，针对学校资源投入与学生成绩关系的教育生产函数研究却无统一结论。从Coleman(1966)报告到Hanushek(1998)与Krueger(1998)争论在内的多数实证研究显示学校教育资源与学生表现之间缺乏强有力的或者稳定的联系。而Hedges和Greenwald(1996)则指出，学校资源投入与成绩之间的弱关系可能源自计量模型中家庭投入要素的缺失。

　　随着各个国家大规模调研数据的发展以及计量方法的新进展，越来越多的研究者在同一项研究中同时考察家庭以及学校特征对学生成绩的影响。一些经济学家也从学校资源和家庭背景之间存在相互作用这一角度上进行了更为深入的探讨(孙志军，2009)。学校资源不仅直接影响教育质量(主要是学生成绩)，而且对由家庭背景引起的学生成绩的差异具有调节作用。正是由于可控的学校因素能够纠正不可控的家庭背景因素对学业成绩的影响，这类研究具有重要的政策指导价值。

　　二、数据及计量模型

　　(一)数据来源

　　本研究所用数据来自PISA官方网站(http://www.oecd.org/pisa/)。PISA从2000年开始正式实施，每三年实施一轮，每一轮都包括三个认知领域的测试，并以学生问卷(必选)、学校问卷(必选)以及家长问卷(可选)收集学生的背景信息。2009年共有来自世界上67个国家和经济体的47万名学生参与。作为中国内地首个参与测试的地区，上海共有来自152所中学的5115名学生代表全市各类中学约10万名15岁在校生参加测试。在对数据进行初步处理，剔除缺失值及极端值后，本研究样本由4983名学生组成。本文使用学生问卷及学校问卷中的相关变量获取学生及学校背景信息。

　　(二)基本模型

　　本研究以上海地区15岁中学生的数学、阅读及科学成绩作为被解释变量，以学生个体及家庭背景，学校特征作为解释变量建构计量模型，重点关注学校对上海基础教育质量和公平的影响。本文借鉴Hanushek(1979)教育生产函数模型，根据PISA数据特点，采用截面数据函数模型，模型基本形式如下：

　　A=β0+β1B+β2P+β3S+β4B×S+μ　

　　其中，A表示学生成绩，B指学生个人及家庭背景，P表示学生所处学校的同伴特征，S表示学生所在学校特征，μ表示误差项。β0，β1，β2，β3为待估计参数，其中β1表示家庭背景对学生成绩的直接影响，β2表示学校同伴特征对学生成绩的直接影响，β3表示学校特征对学生成绩的直接影响。家庭背景特征对于学生成绩的影响随着所处学校特征的不同而异，这一效应由家庭和学校变量交互项的系数β4反映。此时，家庭背景变量对于学生成绩的影响作用变为(β1+β4S)。

　　(三)变量定义

　　为了适应国际比较的需求，PSIA 2009的数学、阅读及科学成绩均已转化为均值500分，标准差为100分的标准化分数。考虑到数据抽样结构，PISA对于每个学科成绩提供了5个“合理值(Plausible Value)”，本研究选取第1个“合理值”进行回归分析①。现将主要解释变量定义如下。

　　1.学生个体及家庭背景。本文选择四个学生个体及家庭背景变量作为对教育公平的考察。第一，学生性别。二分虚拟变量，令男生=1，女生=0。第二，家庭移民背景②。根据学生个人及父母是否出生在上海地区，家庭移民状况分为以下五类：(1)上海本地。指父母双方至少一方在上海出生的学生。(2)大陆一代移民。指父母双方均在上海以外的中国大陆地区出生，本人也在上海以外中国大陆地区出生的学生。(3)大陆二代移民。指父母双方均在上海以外的中国大陆地区出生，本人在上海本地出生的学生。(4)国际(包含港澳台)一代移民。指父母双方至少一方在港澳台或者外国出生，本人在上海以外的国家或地区出生的学生。(5)国际(包含港澳台)二代移民。指父母双方至少一方在港澳台或外国出生，本人在上海本地出生的学生。第三，家庭结构。根据子女经常居住的对象，分为以下三类：(1)双亲家庭；(2)单亲家庭；(3)其他家庭，即学生与父母之外的其他监护人或兄弟姐妹居住。第四，家庭经济、社会、文化背景。PISA使用家庭经济社会文化地位指数(ESCS)综合考察父母的受教育程度、职业特征以及家庭拥有物，其中家庭拥有物指数由衡量家庭财富、家庭文化以及家庭教育资源的多个变量构成③。学生所处的年级为个人和家庭层面的控制变量④。