性别比失衡与教育获得

刘 潇 周 羿 黄 海

(1.首都经济贸易大学劳动经济学院 北京 100070)

(2.北京大学光华管理学院 北京 100871)

(3.中国社会科学院大学应用经济学院 北京 102488)

一、引 言

20 世纪80 年代以来，我国经历了长期的、大范围的出生性别比失衡，出生性别比从1982 年的正常水平1.06 上升到2000 年的1.19。面对性别比失衡，父母如何选择子女的受教育水平，以及这种选择在城镇和农村是否有所不同? 增加对子女人力资本的投资是提升子女婚姻匹配时吸引力的一种策略，有助于他们更好地匹配到合意配偶。在同等条件下，高人力资本子女在婚后能获得更高的家庭议价能力(Lafortune，2013)。一个合理的假设是，当个体在婚姻市场中的议价能力较低时，人力资本投资对提升婚配吸引力的边际效应会更加显著。具体来说，在性别比严重失调时，男性匹配到合意女性配偶的概率会显著较低。此时，男性进行人力资本投资所得到的婚姻结果改善会显著更高。相应地，女性在性别比严重失衡的婚姻市场中已处于相对优势的地位，人力资本对提高她们竞争力所产生的边际效应相对较小。这意味着，仅就婚姻市场的回报而言，市场上的性别比越失衡，一个家庭投资男孩人力资本的边际收益相对就越高，投资女孩人力资本的就越低。

提升子女婚姻匹配时吸引力的另一种策略是降低子女的受教育水平，让子女尽早工作赚钱。这是因为更多的教育意味着要放弃读书时间的工作收入和推迟进入结婚的时间。彩礼在中国农村地区广泛存在，并且随着适婚年龄人口性别失衡比程度的加深，彩礼的金额水涨船高(张川川和陶美娟，2020)，有些地区彩礼的金额已达到当地农村家庭平均年收入的数倍甚至十数倍。对年轻男性来说，减少受教育时间意味着可以提早开始工作，从而能尽快地攒够与结婚有关的开销。婚姻时间提前意味着家庭可以支付相对较低的彩礼，也意味着可能避开与其他同龄男性的择偶竞争。相反，女方家庭对于嫁妆的数额具有相当自主决定权，不会明显受到性别比失衡程度的影响(Wei 和Zhang，2011)，同时男多女少的状况降低了女性推迟婚姻的机会成本。这意味着婚姻市场上的性别比越失衡，让男孩提早工作赚钱的相对收益越高。因此，婚姻市场的性别比失衡如何影响受教育程度在理论上存在不同的可能性，关键在于提高受教育程度或者工作赚钱两者哪一个更能提高子女在婚姻市场上的竞争力。

为了研究婚姻市场上的性别比失衡如何影响受教育程度，我们的识别策略利用了性别比失衡对男性和女性的不同相对影响。男性和女性在很多方面存在差别，我们不能仅仅简单地比较男性和女性受教育程度的差异。为了检验男性和女性教育水平的差异是由性别比失衡而非其他因素引起，我们利用了性别比失衡在地区和时间层面的差异。分析结果显示，婚姻市场上的性别比失衡对受教育水平有显著影响，且这一影响在农村和城镇具有不同的方向。婚姻市场性别比失衡程度加深使得农村男性受教育水平显著降低，不管是在绝对意义上还是相对于农村女性。相反，城镇男性受教育水平显著提高，城镇女性的受教育水平不受影响。这一结果说明，当性别比失衡程度增加时，在农村适当降低受教育程度能够提高男性在婚姻市场的吸引力；在城镇提高受教育程度能够提高男性在婚姻市场的吸引力。这一结果意味着，性别比失衡扩大了城镇男性和农村男性人力资本的差距。机制分析结果显示，对于父母低教育水平的家庭，性别比失衡降低了男孩的相对受教育水平；对于父母高教育水平的家庭，性别比失衡提高了男孩的相对受教育水平。这一结果说明，性别比失衡对教育的影响在城镇和农村不同的原因可能是家庭预算约束。本文还讨论了家户做人力资本投资决策时如何预测未来的婚姻市场供求情况。研究发现，父母依据当前的婚姻市场情况判断子女结婚时的婚姻市场供求状况，从而决定子女的受教育水平。这意味着父母倾向于低估子女结婚时适龄女性缺少的程度，人力资本水平可能偏离家庭的合意水平。

首先，本文对性别比失衡如何影响教育获得的文献有所贡献。本文的发现可以将现有文献的证据纳入统一的理论框架之下，即性别比失衡如何影响教育取决于家户所处的具体环境及相应的社会经济状况。在社会经济状况较好的地区，为应对婚姻市场的不利情况，家户更有可能选择提高男孩的受教育程度。其次，家户的许多决策依赖对未来婚姻市场的预期，但是现有的文献对这一问题缺乏讨论，导致对如何构建关键的性别比失衡指标缺乏一致的做法。本文发现，父母更有可能是依据当前的婚姻市场供求情况判断未来婚姻市场的供求状况。Jensen (2010) 强调，人们对于人力资本收益的主观感知会影响家庭的教育投资行为，本文的发现为这一论点提供了来自中国的证据。最后，现有文献大多是从男女在劳动力市场上的机会不平等(Munshi 和Rosenzweig，2006；Qian，2008) 或者在生育、照料和家务劳动方面所承担责任的不均等(Goldin 和Katz，2002；Jayachandran 等，2010) 去解释男女受教育机会的差异。本文从婚姻市场挤压的角度出发，发现性别比失衡对男性和女性受教育程度有异质影响，增进了对于男女受教育机会不平等的理解。

二、文献回顾

(一) 性别比失衡与婚前投资行为

性别比失衡打破了婚龄期人口性别结构的平衡，从而对婚姻市场造成挤压，使相对过剩的一方产生非自愿的独身个体(杨菊华等，2009)。人们会基于现实情况来构造他们对未来的预期，然后依照预期调整其跨期、跨部门的决策。因此，性别比失衡所产生的影响并不仅仅局限于在婚龄期，而是贯穿于整个生命周期，会对婚前投资、婚姻市场匹配，以及婚后家庭资源配置都产生影响。

在理论研究方面，早期文献主要关注性别比失衡对婚姻市场匹配的影响(Becker，1973) 以及性别比失衡如何影响男女双方在家庭决策中的议价权，进而改变夫妻双方的婚后行为(Chiappori 等，2002)，近期文献则主要关注婚姻市场状况如何影响婚前投资行为。例如，Lafortune (2013) 采用搜寻模型从理论上分析了性别比失衡影响婚前教育投资的两种渠道: 一是性别比失衡降低了男性找到配偶的概率，因此男性要增加教育投资以提高自身的吸引力，而女性则倾向于减少教育投资；二是性别比失衡降低了男性在婚后的议价权，降低了他们在婚后产出中所能分配到的份额。议价权降低对男性教育投资的整体影响较为复杂。一方面，分配份额下降会削弱男性进行投资人力资本的动机。另一方面，分配份额下降所导致的收入效应也会使男性更有意愿投资教育以弥补议价权降低所导致的婚后福利下降。Iyigun 和Walsh (2007) 采用了匹配模型研究这一问题。他们假设效用是可转移的，并将婚前投资、同类匹配和内生的资源分配规则纳入均衡框架中，预测当市场上男多女少时，女性会相对减少婚前投资，同时女性在婚后的议价权会相对提高。Bhaskar 和Hopkins (2016) 同样采用了匹配模型，但是假设效用是不可转移的，预测性别比提高会使得女性的教育投资下降，但是对男性教育投资的影响不确定。换句话说，所依赖的模型假设不同，对于性别比失衡如何影响婚前投资的理论预测结果也会不一样。

现有有关性别比失衡影响的实证文章主要考察其对婚姻市场匹配和对婚后行为的影响(Angrist，2002；Chiappori 等，2002)，关于性别比失衡如何影响婚前教育投资的研究还相对较少。Lafortune (2013) 基于美国第二代移民倾向于同族裔内部婚配这一事实，利用1900—1970 年新增移民使本族裔婚姻市场性别比产生的变动，发现性别比失衡(男多女少的情况) 促使第二代移民中的男性增加了教育投资，而对女性的教育投资没有影响。Charles 和Luoh (2010) 利用美国20 世纪70 年代以来入狱人口比例的提高，以及入狱率在不同族裔、年龄和地区之间的差异，发现男性入狱比例的增加降低了女性结婚的概率和配偶的质量。为了应对婚姻市场的不利情况，女性倾向于增加受教育年限和劳动参与率来提高自身的经济独立性。

(二) 性别比失衡的影响: 中国数据的研究

近些年来，越来越多的文章基于中国数据研究性别比失衡对家户行为的影响。关于性别比失衡对教育水平的影响，Bhaskar 等(2022) 基于全国代表性的数据研究了性别比失衡对家庭对子女投资行为的影响，发现育有男孩的父母增加了房产投资而减少了对孩子的教育投资。该文认为导致这一现象的原因在于，人们无法在结婚时做出可置信的承诺，如果男方家庭投资其人力资本，尽管可以增加未来家庭总收入，但是男方人力资本的提高会增加其在家庭中的议价权，从而减少女方在婚后产出中所能分配到的份额。如果男方家庭投资于房产，子女结婚后房产不需要进行讨价还价就可以供夫妻双方共同享用。因此，相比人力资本男方家庭投资房产是更加可置信的承诺，对女方来说吸引力更强。Edlund 等(2013) 使用城镇住户调查数据，发现性别比失衡提高了男性的相对受教育水平，但主要是因为女性降低了受教育水平，而不是男性提高了受教育水平。由此可见，尽管已经有了一些关于性别比失衡影响受教育水平的证据，但是性别比失衡究竟是增加还是减少了男性的相对教育获得，学术界尚未得出一致的结论。

除了研究性别比失衡对人力资本的影响，也有文献从发展经济学的视角出发研究了中国的性别比失衡与居民储蓄率、房价及犯罪率的关系。他们发现，当存在性别比失衡时，有男孩的家庭为了提高孩子在婚姻市场的竞争力，倾向于提高储蓄率，性别比失衡可以解释1990—2007 年居民储蓄率上升的50% (Wei 和Zhang，2011)；房产作为一种地位商品(status good)，是决定婚龄人口在婚姻市场上的排序和吸引力的重要指标，因此性别比失衡相应地提高了所在地区的房屋价值，包括更大的平均房屋面积和更高房产单价(Wei 等，2017)。Edlund 等(2013) 发现性别比失衡提高了所在地区的犯罪率。他们发现，男性相对过剩的地区男性的结婚率更低，女性的结婚率更高。这在一定程度上证实了性别比失衡对犯罪率的影响渠道是婚姻市场竞争，也就是说，严重短缺的适龄女性使男性的择偶竞争更加激烈，从而提高了从事犯罪活动的回报。Cameron 等(2019) 进一步探索了性别比失衡导致犯罪率提高的影响渠道，发现性别比失衡通过两种渠道影响犯罪: 一是间接影响，在男多女少的环境中长大的男性风险偏好更强，更加容易神经过敏(neurotic)，这可能导致他们成年之后采取激进的行为；二是直接影响，婚姻市场性别比失衡使男性为吸引配偶有更强的动机积聚财富，性别比失衡只提高了财产性犯罪的发生率(例如贩毒和偷窃)，不影响暴力犯罪的发生率。因此，直接影响是更加主要的影响渠道。

三、数 据

(一) 性别比数据

本文的主要分析构建了子女14 岁那一年出生省份18—28 岁的人口性别比。我们采用省级性别比是基于以下两个原因: 第一，生育政策的具体规则由各省制定实行，在政策的执行力度上存在较大省际差异，因此各地区性别比失衡程度主要体现为省际层面的差异。第二，2015 年人口抽样调查数据中90%左右的婚姻中男女双方来自同一个省份。因此，可以将省份作为婚姻市场的地理边界，即代表性个体所面对的潜在结婚对象和竞争对手主要是来自相同省份。我们采用出生地的性别比是因为绝大多数人都是在出生地完成义务教育以及高中教育的，因此家庭重要的人力资本投资决策，包括子女是否上高中、是否上大学，通常是在子女出生地做出的。我们用子女14 岁那一年婚姻市场的性别比是因为我们假设父母在子女上初中的时候决定是否支持孩子完成高中或者更高的教育，因此我们通过观察当时婚姻市场上适婚男女供求情况，预测子女结婚时的婚姻市场性别比。根据我国义务教育的年龄规定，青少年通常在13—15 岁就读初中，因此我们使用子女14 岁那一年出生省份18—28 岁之间的人口性别比构建性别比失衡程度指标。

为了构建子女14 岁那一年出生省份18—28 岁之间的人口性别比，我们首先需要构建各省历年的分性别的出生人口数。我们利用第三次至第六次全国人口普查数据，通过年龄移算法计算出生人口性别比。结果发现，由于普查数据存在漏报，使用不同的普查数据得到的同一年份的出生性别比有很大的差别，这意味着使用单一人口普查数据构建的出生性别比可能存在明显的系统性偏误。第一，0—4 岁儿童存在明显漏报，且漏报女童的问题尤其严重。由于义务教育入学需要提供相关的出生证明文件，0—4 岁儿童漏报的问题会随着儿童年龄上升而有所缓解(Goodkind，2011)。第二，由于统计流动人口较为困难，人口普查倾向于低估流动人口的规模。中国的流动人口通常为18—50 岁，且男性占比远高于女性，因此18—50 岁人口的性别比存在低估(Ebenstein 和Zhao，2015)。为了解决性别比的测量误差问题，参考梁超(2017) 的做法，本文同时使用四次人口普查的数据构建历年出生性别比。本文的性别比数据来自1982 年、1990 年、2000 年和2010 年的各省人口普查资料，分省人口普查资料包含了各省分年龄和性别的人口总数，可以用来推算各省历年的出生人口性别比。具体来说，我们从每一次人口普查中提取受到测量误差影响较少的年龄组，即在普查年份年龄为6—15 岁的人口，来推算相应出生队列的性别比。得到各省历年分性别的出生人口数量之后，我们由此计算子女14 岁那一年出生省份18—28 岁之间的人口性别比。例如，对于1994 年出生的人来说，14 岁那一年18—28 岁之间的人口性别比为1980—1990 年出生人口的性别比。

(二) 个体数据

本文所使用的个体数据来自中国健康与养老追踪调查(CHARLS)。CHARLS 是一套代表中国45 岁及以上中老年人家庭和个人的微观数据，CHARLS 基线调查于2011 年开展，样本覆盖全国150 个县、450 个村，约1 万户家庭的1.7 万人。为了增大样本量，我们用2013 年、2015 年和2018 年构建了混合截面数据。CHARLS 的调查对象是随机抽取的中老年人及其配偶，而我们使用CHARLS 受访者的子女作为分析样本。这是由于我国的性别比失衡开始于20 世纪80 年代，CHARLS 受访者的子女是受到性别比失衡影响的群体。受访者提供了每一个子女的详细社会经济信息，使我们可以在子女层面进行分析。与此同时，调查受访者本身详尽的信息使我们得以构建父母和家庭层面的特征作为控制变量，包括父母的受教育程度、家庭子女个数和家庭男孩占比等，可以排除父母和家庭特征导致的估计结果偏误。

为了确保可以观察到样本的最高受教育程度，我们将样本的年龄限制在22 岁以上。为了增加样本的可比性，我们还将样本限制在1979 年以后出生的子女。如前文所述，本文将样本分为城镇样本和农村样本分别进行研究。在城镇和农村的界定上，农村户口的人可以通过接受教育转化为城镇户口，从而会导致样本选择内生性问题。为了解决这个问题，我们按照父母的户口状况定义子女是否为农村样本。如果父母双方都是农村户口，则子女属于农村样本。如果父母双方有至少一方为城镇户口，则子女为城镇样本。我们的样本共包含29 551 个农村子女和6 669 个城镇子女。

四、实证检验及结果

(一) 回归模型

我们的识别策略检验了性别比失衡对男性和女性相对影响的不同。然而，我们不能仅仅简单地比较男孩和女孩受教育程度的差异，因为男性和女性在很多方面存在差别，而这些因素同样可能导致受教育程度的差异。为了检验男性和女性教育水平的差异是由性别比失衡而不是由其他因素引起，我们利用性别比失衡在地区和时间层面的差异，分别对城镇和农村样本进行回归。对出生地在省、出生年份为年的样本，回归模型如下:

其中， Y为样本的受教育程度，采用是否接受过高中教育、大学教育和本科教育虚拟变量测量；_14为样本在14 岁时省处于18—28 岁人口的性别比，相当于出生年份介于-14 年至-4 年省的出生人口性别比； Male是男性虚拟变量，如果样本是男性则Male＝1，否则为0； X是个体和家庭层面的控制变量，包括样本的户口和民族，以及父母的受教育程度。系数检验的是性别比失衡如何影响女性的受教育程度；我们主要感兴趣的系数则代表性别比失衡对男性受教育程度相对于女性的额外影响。为了排除其他和出生省份、出生年份、调查年份有关的干扰因素，我们控制了出生年份固定效应(δ)、出生省份固定效应(θ) 和调查年份固定效应(τ)。例如，不同省份经济发展程度可能会导致受教育水平的差异，那么省份固定效应(θ) 可以控制经济发展程度的影响。如果存在随出生队列而变化的因素可以解释教育水平的差异，那么出生年份固定效应(δ) 可以控制这些因素的影响。我们将标准误聚类在省份×调查年份层面。

给定模型(1) 中的固定效应，是通过如下变动被识别出来的: 给定同一出生省份，婚姻市场性别比在不同年份之间的变动；给定同一出生年份，婚姻市场性别比在不同省份之间的变动。我国发现性别比失衡的时间点和性别比失衡的严重程度在不同省份之间有很大差异，这使得我们可以很好地估计。

接下来识别的潜在威胁来自随省份—出生年份变动并且与_14有关的因素，或者对男孩和女孩有不同影响的因素。对于前者，我们可以通过将模型(1) 中的_14的主效应替换为省份×出生年份固定效应(φ)，相当于用非线性的方式控制所有在省份—出生年份上变化且影响受教育程度的因素。为此，我们构建了控制更加严格的回归模型:

对于后者，即随省份—出生年份变化并且对男孩和女孩有不同影响的因素，我们将在后面的分析中加以具体讨论。

(二) 潜在的遗漏变量

事实上，许多文献(Cameron 等，2019；Edlund 等，2013；Huang 等，2020) 认为，尽管我国性别比失衡是多种因素共同作用的结果，但是主要受到当地计划生育政策执行严格程度的影响。由于计划生育政策的严格程度与当时在位官员的特征密切相关，而这些特征是随机的，因此性别比可以视为外生变量。尽管如此，我们对潜在的遗漏变量进行了讨论。

虽然模型(1) 和模型(2) 已经控制了大量的遗漏变量，但是仍然可能存在随省份—出生年份变动并且对男孩和女孩有不同影响的因素，这些因素可能和我们的交叉项(_14×Male) 相关。其中一个潜在的遗漏变量是男孩偏好。如果性别比与男孩偏好正相关，则男孩偏好可能会导致家庭人力资本投资上的性别差距，这会导致估计结果的高估。另一个潜在的遗漏变量是家庭生育子女数量。人口性别比失衡与生育水平密切关联，而生育水平也会影响家庭人力资本投资决策，这种影响对不同性别的孩子可能存在差异。

为了解决由于男孩偏好或者家庭生育子女数量导致的内生性问题，我们首先采用控制变量的方法，将男孩偏好、家庭子女数量，以及这两项分别与男性虚拟变量的交叉项作为控制变量加入模型(1) 和模型(2) 中。我们用家庭的生育策略来测量男孩偏好，如果家庭表现出偏向男孩的生育策略，即第一胎不是男孩且只有最后一胎是男孩，则定义家庭具有男孩偏好。其次，我们将家庭男孩偏好和子女数量作为模型(1) 和模型(2) 的被解释变量，估计出生性别比是否对男孩和女孩所在家庭的男孩偏好和子女数量有不同影响。

(三) 主要回归结果

1.农村样本回归结果

表1 报告了农村样本模型(1) 和模型(2) 的估计结果。第(1) 列和第(2) 列分别报告了婚姻市场性别比对是否上过高中的影响。第(1) 列的结果显示，婚姻市场性别比和男性虚拟变量交叉项的系数是-0.792 (在5%水平下显著)，意味着婚姻市场性别比每上升1 个百分点，会使得农村男性上高中的概率相对降低0.792 个百分点。婚姻市场性别比的标准差约为0.02，意味着婚姻市场性别比每上升1 个标准差，预计农村男性上高中的概率相对于女性下降1.6 个百分点，相对于样本均值下降5%。第(2) 列在第(1) 列的基础上控制了出生年份×出生省份固定效应，交叉项的显著性与第(1) 列相比没有发生变化，系数的绝对值从0.792 上升到0.871，说明随省份—出生年份变动并且与婚姻市场性别比有关的因素不影响交叉项的估计结果。第(3)、(4) 列和第(5)、(6)列分别汇报了婚姻市场性别比对是否上过大学和是否上过本科的影响。我们发现，性别比失衡不影响男性和女性上大学和上本科的概率差异。由此可见，性别比失衡对农村男性受教育水平的负向影响主要存在于高中教育阶段，说明性别比只影响上高中临界点附近的人。

表1 婚姻市场性别比对受教育程度的影响(农村样本)

以上分析的一个重要前提是父母通过观察当子女上初中时婚姻市场上适婚男女的供求情况，预测子女结婚时婚姻市场的性别比，据此决定是否支持孩子完成高中或者更高的教育。这个前提暗含的假设是，父母依据当前的婚姻市场供求情况预测子女结婚时婚姻市场的供求状况。如果婚姻市场上的性别比失衡程度在较长时间内维持相对稳定的状态，那么当前的婚姻市场供求情况可以提供预测未来供求状况的完备信息。然而，我国的出生性别比在较长时间范围内呈现逐年上升的态势，从1982 年的正常水平1.06 上升到2000 年的1.19。这意味着在婚姻市场上适婚年龄人口的性别比也会快速上升，依据当前的婚姻市场供求情况预测数十年后婚姻市场的供求状况可能会造成严重的低估，从而使对子女的人力资本投资决策偏离合意的水平。根据人口预测的原理，可以由预期子女结婚年龄以及相应出生队列的性别比推算更接近子女结婚时的真实婚姻市场性别比。例如，根据CHARLS 数据，子女样本平均的结婚年龄为23 岁，90%的样本在18—28 岁进入第一次婚姻。如果预期子女在23 岁结婚，则子女结婚时婚姻市场适婚人口(即子女结婚当年处于18—28 岁的人口) 的性别比即为子女出生当年和前后五年出生的人口性别比。那么，父母是否会观察与子女出生年份相近的出生队列的性别比从而调整人力资本投资决策呢? 为了回答这个问题，我们假定子女在平均结婚年龄结婚，从而构建真实的婚姻市场性别比，即子女出生当年和前后五年出生的人口性别比(我们称之为出生性别比，用_birth表示)，研究其对子女教育水平的影响。结果显示，出生性别比与男性虚拟变量的交叉项对受教育程度的影响不显著，且回归系数的绝对值接近于0。这说明，与子女出生年份接近的出生队列的性别比对农村家庭的人力资本投资行为没有影响。结果证实了父母是依据观察到的当前婚姻市场供求情况预测子女结婚时婚姻市场的供求状况，从而决定子女的受教育水平。父母的预测倾向于低估子女结婚时适龄女性的缺少程度，意味着当前的人力资本水平可能偏离家庭合意的水平。

2.城镇样本回归结果

表2 报告了城镇样本婚姻市场性别比对受教育程度的影响的估计结果。第(1) 列和第(2) 列分别报告了婚姻市场性别比对是否上过高中的影响。第(1) 列的结果显示，婚姻市场性别比本身的系数不显著，说明婚姻市场性别比失衡对城镇女性的受教育程度没有影响。婚姻市场性别比和男性虚拟变量交叉项的系数是2.602 (在1%水平下显著)，意味着婚姻市场性别比每上升1 个百分点，会使城镇男性上高中的概率相对提高2.602 个百分点，预计相对于女性上升5.2 个百分点，相对于样本均值上升7.7%。第(2) 列在第(1) 列的基础上控制了出生年份×出生省份固定效应，交叉项的系数和显著性与第(1) 列相比没有明显变化。第(3)、(4) 列和第(5)、(6) 列的结果显示，婚姻市场性别比增加了男性相对女性上大学和上本科的概率。根据第(4) 列和第(6) 列的结果，婚姻市场性别比每上升1 个标准差，城镇男性上大学和上本科的概率相对于女性分别上升4.1 和3.2 个百分点，相对于样本均值上升9.0%和11.7%。

表2 婚姻市场性别比对受教育程度的影响(城镇样本)

出生性别比对城镇样本受教育水平的影响结果显示，出生性别比与男性虚拟变量的交叉项对是否上过大学和是否上过本科的影响不显著，对是否上过高中的影响显著，但是回归系数的绝对值比婚姻市场性别比小。与前文结果相比，交叉项系数有所下降，降幅达65.8%，说明与子女出生年份接近的出生队列的性别比对城镇家庭人力资本投资行为影响较小。综上所述不管是城镇样本还是农村样本，父母都是依据观察到的婚姻市场供求情况预测子女结婚时婚姻市场的供求状况，从而决定子女的受教育水平。

3.城乡差异的原因: 家庭预算约束?

为何性别比失衡对教育的影响在城镇和农村结果不同? 我们认为一种可能的影响机制是家庭预算约束。由于结婚需要支付必要的物质成本，包括建造或者购买婚房、给女方的彩礼以及举办婚礼的费用。通常，绝大多数成本由男方家庭承担。我国农村家庭的财富水平一般而言低于城镇家庭，农村家庭需要儿子尽早开始工作才能够攒够结婚相关的费用，因此让儿子提早就业在婚姻市场上的边际收益较高。而城镇家庭的财富水平相对较高，利用家庭的积蓄一般能够支付结婚的必要成本，因此让儿子就业赚钱的边际收益相对低一些。为了检验家庭预算约束的作用，我们按照父母的受教育水平分组进行回归。这是因为父母受教育程度能够有效预测家庭财富水平(Card，2001)，并且不会受到子女当前婚姻状态的干扰。

我们将父母受教育程度在初中及以下定义为低教育水平，将高中及以上学历定义为高教育水平，检验性别比失衡对子女受教育程度的影响是否因父母的受教育水平不同而存在差异，结果如表3 所示。面板A 为使用父母低教育水平的样本进行回归得到的结果。面板A 第(1) 列和第(2) 列的结果显示，婚姻市场性别比和男性虚拟变量交叉项的系数为负，且在10%或者5%的统计水平下显著，说明在父母低教育水平样本中，婚姻市场性别比降低了男性相对女性上高中的概率。面板B 为使用父母高教育水平的样本进行回归的结果。婚姻市场性别比和男性虚拟变量交叉项对是否上过高中和大学的估计系数显著为正，说明在父母教育水平较高的样本中，性别比提高了男性相对女性上高中和上大学的概率。这一结果意味着城乡差异的背后原因可能是家庭预算约束。

表3 婚姻市场性别比对受教育程度的影响(按父母受教育程度分组)

(续表)

(四) 稳健性检验①稳健性检验部分的回归结果请见《经济科学》 官网“附录与扩展”。

如前文所述，可能存在随省份—出生年份变动并且对男孩和女孩有不同影响的因素，如果这些因素与我们的交叉项相关，可能导致交叉项的估计系数有偏。其中一个潜在的遗漏变量是男孩偏好。男孩偏好可能会导致家庭人力资本投资上的性别差距，如果性别比与男孩偏好正相关，会使得的估计结果被高估。另一个潜在的遗漏变量是家庭生育子女数量。人口性别比失衡是跟生育水平密切关联的，而生育水平也会影响家庭人力资本投资决策，这种影响对不同性别的孩子可能存在差异。

为了解决由于男孩偏好或者家庭生育子女数量导致的内生性问题，首先，我们采用控制变量的方法，将男孩偏好、家庭子女数量以及这两项分别与男性虚拟变量的交叉项作为控制变量加入模型(1) 和模型(2) 中。结果显示，不管是农村样本还是城镇样本，控制男孩偏好、家庭子女数量以及交叉项后，主要的回归结果基本不变。接下来，我们将家庭男孩偏好和子女数量作为模型(1) 和模型(2) 的被解释变量，直接估计婚姻市场性别比是否对男性和女性所在家庭的男孩偏好和子女数量有不同影响。结果显示，不论是农村样本还是城镇样本，在所有的回归设定下，婚姻市场性别比与男性虚拟变量的交叉项对男孩偏好和家庭子女数量的影响都是不显著的。这说明在本文的回归设定下，性别比对家庭男孩偏好和子女数量的影响与样本的性别无关。以上结果极大地减轻了我们对性别比的内生性问题的担忧。

五、结 论

本文研究面对性别比失衡，父母如何选择子女的受教育水平。我们首先从理论上分析了当婚姻市场性别比失衡时，父母采取不同选择的成本和收益；接下来利用性别比失衡对男性和女性的相对影响不同以及性别比失衡在地区和时间层面的差异，识别了婚姻市场性别比失衡对农村样本和城镇样本受教育程度的影响。研究发现，当婚姻市场性别比失衡程度加深时，农村男性显著降低了受教育水平，不管是在绝对意义上还是相对于农村女性。相反，城镇男性显著提高了受教育水平，城镇女性的受教育水平不受影响。为何性别比失衡对教育的影响在城镇和农村结果不同? 我们认为一种可能的影响机制是家庭预算约束。为了检验家庭预算约束的作用，我们按照父母的受教育水平分组进行回归。结果发现，对于父母教育水平较低的样本，性别比失衡降低了男性相对教育水平；对于父母教育水平较高的样本，性别比失衡提高了男性相对教育水平。这一结果说明，城乡差异的原因可能是家庭预算约束。这意味着性别比失衡扩大了社会经济地位较高和较低男性人力资本的差距。

在前文的分析中，我们假设父母通过观察当子女上初中时婚姻市场上适婚男女的供求情况，预测子女结婚时婚姻市场性别比，并据此决定是否支持孩子完成高中或者更高的教育水平。这个前提暗含的假设是，父母依据当前婚姻市场的供求情况预测子女结婚时婚姻市场的供求状况。然而，我国适婚年龄人口的性别比在较长时间将呈现快速上升的态势，依据当前的婚姻市场供求情况预测数十年后婚姻市场的供求状况可能会造成严重的低估。那么，父母是否会观察与子女出生年份相近的出生队列的性别比从而调整人力资本投资决策呢? 为了回答这个问题，我们假定子女在平均结婚年龄结婚，构建了真实的婚姻市场性别比，即子女出生当年和前后五年出生的人口性别比，研究其对子女教育水平的影响。我们发现，父母更有可能在子女上初中时依据当时的婚姻市场适婚男女的供求情况判断子女结婚时婚姻市场的供求状况，而不是根据与子女出生年份相近的出生队列的性别比，虽然后者更接近子女结婚时真实的婚姻市场性别比。由于我国性别比失衡在较长时间内呈现上升态势，父母的预测倾向于低估子女结婚时适龄女性缺少的程度，这意味着当前的人力资本水平可能偏离家庭合意的水平。