谁在学业竞赛中领先？——学业成绩的性别差异研究

孙志军，彭顺绪，王　骏，原　莹

(北京师范大学 经济与工商管理学院/首都教育经济研究院，北京 100875)

谁在学业竞赛中领先？

——学业成绩的性别差异研究

孙志军，彭顺绪，王骏，原莹

(北京师范大学 经济与工商管理学院/首都教育经济研究院，北京 100875)

[摘要]人力资本理论认为，教育中的性别差异会影响到未来劳动力市场上的表现和工资的差异。近来，女孩在学校中的学业表现好于男孩越来越成为人们关注的一个现象。有两个问题值得深入探讨：其一，除去平均意义上之外，在成绩分布上的性别差异表现出什么特征？其二，学校因素、尤其是学校按能力的分层对性别差异的影响程度有多大？文章使用一个地级市三届全部普通高中的学生数据，采用分位数回归方法和增值模型，对此进行了分析。研究发现：第一，在平均意义上，男生在高中理科成绩上的绝对值低于女生，而增值远高于女生，而女生在高中文科成绩的绝对值和增值上均具有绝对优势。第二，随着分位点的提高，对高中理科成绩而言，男生在学业成绩绝对值和增值上实现了对女生的赶超，而男生的高中文科成绩却在各个分位点均落后于女生。第三，家庭背景特征无法解释学业成绩的性别差异，但学校因素能够在一定程度上解释这种差异。高中理科成绩绝对值的性别差异主要由学校间的差异解释，而增值的差异主要由学校内部的差异解释，但学校间的差异未能解释高中文科成绩绝对值和增值的性别差异。第四，学校分层对学业成绩增值的性别差异有显著影响。男生在学业成绩增值上的优势在重点高中更为显著。学校间的质量差异越大，学业成绩增值的性别差异在学校间的差别对学生学业水平的变动就越敏感。上述研究结果对于理解学业表现的性别差异提供了一些更深入的认识，同时，改革学校教育的评价方式和资源配置模式，研究优质教育资源对不同性别群体成绩的作用机制，对于促进性别学业成绩从而人力资本积累的合理发展具有重要意义。

[关键词]学业成绩；性别差异；分位数回归；增值模型；学校分层

一、引言

中国教育体系的一个重要特征是基于学业成绩的选拔性。那些在学业竞赛中领先的学生，既会更有可能进入更高一级的学校，也会在未来劳动力市场上获得更好的就业机会和更高的收入。对于不同性别的学生来说，同样如此。教育中的性别差异也是性别研究中的一个重要话题。以往，不论是从现实还是研究来看，人们关注的是女性在教育机会、受教育年限、学业表现等方面不如男性。然而，近10年来这一状况在中国发生了逆转，这尤其体现在学业成绩上：男孩的平均学业表现落后于女孩。有学者把这种现象称为“男孩危机”，并发出了“拯救男孩”的呼声(李文道、孙云晓，2009，2012；孙云晓等，2010)，他们的研究认为，男孩在学业等方面的在校表现落后于女孩，已从中小学逐渐延伸到大学。最近，中国校友会的一份《2015年中国高考状元调查报告》也显示，2000—2014年中国各地区省级高考状元中，“女汉子”压倒了“须眉男”，高考男女状元比例严重失调，阴盛阳衰愈演愈烈①详见：《中国高考状元阴盛阳衰，拯救男状元迫在眉睫》，载于中国校友网，网址为http://www.cuaa.net/cur/2015/2015gkzydc/02。。一方面，在校期间学业表现性别差异的这一特征会影响到最终的受教育程度。比如，根据2010年第六次全国人口普查数据计算，15-19岁年龄组(大约1991—1995年出生组)中，就全国平均来看，女性中受教育程度在高中以上的比例比男性高2.2%，城市和镇的分别高出3.4%和2.7%，即便是在乡村也要高出0.4%*以上数据均由作者根据第六次全国人口普查数据计算所得。。另一方面，男女学业表现上的差异可能会影响到诸如工资、就业等未来劳动力市场上的表现(Christie and Shannon，2001；Bedard and Ferrall，2003；Chen，2004；Rose，2006)。基于学业成绩上性别差异的这一新变化及其影响，本文将利用普通高中学生的数据重点讨论两个问题：其一，除去平均意义上的这一差异外，在成绩分布上的性别差异状况表现出什么特征？我们既关注成绩绝对值的差异，还将考察学校对学生进步程度(增值)影响上的分布差异。其二，学校因素对学生学业成绩性别差异的影响程度有多大？我们将会把这种影响区分为学校间和学校内。此外，因为我国的普通高中具有明显的分层特征，本文也将对这种分层的影响进行分析。

国际上已有许多关于学业成绩性别差异的研究。一些研究的结果显示，男生在数学成绩上好于女生，但在阅读或语言成绩上则比女生差。Machin和Pekkarinen(2008)利用2003年国际学生评估项目(Program International Student Assessment，简称PISA)数据的分析发现，男生的平均阅读成绩低于女生，且低分位点的性别差异大于高分位点，而男生的平均数学成绩高于女生，且高分位点的性别差异大于低分位点。男生阅读成绩和数学成绩的方差均大于女生，且这种性别差异与学业表现正相关。他们还发现，OECD国家阅读成绩的性别差异大于非OECD国家，但OECD国家阅读成绩的性别差异与非OECD国家没有显著差异。基于美国数学竞赛(American Mathematics Competitions，简称AMC)数据和美国学术能力评估测试(Scholastic Assessment Test，简称SAT)数据，Ellison和Swanson(2010)发现，数学成绩的性别差异在成绩分布的顶端有所扩大，但女孩在阅读和语言方面的优势在整个分布上得以保持。Dickerson等(2015)基于19个非洲国家的数据研究也发现男生的数学成绩显著高于女生。但是也有针对美国的研究认为男生在总体上已落后于女生。如Fortin等(2013)使用1976—2009年美国“监测未来”项目(Monitoring the Future，简称MTF)数据，发现从20世纪80年代到20世纪末，高中女生的学业成绩等级已经从B等进步为A等，但男生依然滞留在B等，落后于女生。

在对影响学业成绩性别差异的因素的研究中，Guiso等(2008)利用2003年PISA数据探讨了文化因素与学业表现性别差异的关系。他们的研究结果表明，性别不平等程度*性别不平等程度使用性别差距指数(Gender Gap Index，简称GGI)、文化态度指数(Cultural Attitude Index)、女性参与经济活动的比例以及政治参与指数(Political Empowerment Index，简称PEI)来衡量，这些指标均由世界经济论坛(World Economic Forum)提出。具体可参见Hausmann，R.，Tyson，L.D.，& Zahidi，S.,2007，The Global Gender Gap 2007.Davos，Switzerland：World Economic Forum。和数学成绩的性别差异正相关，这个结论不仅在平均意义上成立，也在成绩分布的两尾成立。但Fryer和Levitt(2010)利用2003年国际数学和科学评测趋势研究(The Trends in International Mathematics and Science Study，简称TIMSS)数据则没有发现这种相关性。其中的原因是，TIMMS数据包括许多穆斯林国家，这些国家存在严重的性别隔离，男女分校使得学业表现的性别差异并不存在。类似地，基于2006年和2009年的PISA数据，Bharadwaj等(2012)针对其中的中低收入国家的研究发现，文化传统和习俗不能解释数学成绩的性别差异。此外，他们还使用智利数据运用分位数回归模型，发现数学成绩的性别差异随着分位点的提高而增大，但家庭背景和学校固定效应均无法解释数学成绩的性别差异。在一篇针对美国以及OECD国家的研究综述中，Bedard和Cho(2010)发现，不同的教育制度、经济状况和文化因素可能在解释学业表现的性别差异中扮演了重要角色。

针对中国学生学业表现性别差异的研究除去本文前面提到的外，还有少量的实证研究。比如Lai(2010)基于对北京市东城区普通初中1999届学生的调查数据发现，在初中阶段，虽然男生在数学和科学上逐渐追赶女生，女生的领先优势随学业进展不断缩小，但在各分位点上，女生各科目的考试成绩和中考成绩均高于男生。除此之外，她还发现学生的初始学业表现是惟一能够显著解释性别学业成绩差异的因素，不可观测的因素在很大程度上解释了男女学业成绩的差异。王进和陈晓思(2013)利用广州市7所初中的调查数据，研究了班级环境与学生学业成绩性别差异的关系。结果表明，男生学业成绩落后于女生的现象存在于学习环境较差的学校，因为男生在较差的学校中，容易受到同伴的影响而形成反学校的认知、态度和行为，而女生则较少受到这种影响。

不同于上述研究，本文的主要特点和贡献是，首先，我们的数据来自一个地级市普通高中连续三年的全部学生的行政测试数据，既有高中毕业时统一会考成绩，也有进入高中时的中考成绩。这样权威的数据在以往研究中是不多见的。其次，我们重点考察的是原始成绩分布以及学校对增值影响的性别差异。再次，由于含有中考数据，可以让我们控制学生初始能力的差异，从而更为精确地分析学校、家庭等因素对学业成绩性别差异的影响。最后，我们还利用了中国普通高中学校分层的特点，考察了把不同能力的学生进行的分层对学业成绩性别差异的影响，这样，更能充分理解其中的政策含义。本文以下部分首先对数据进行了介绍和根据描述性统计结果给出学业成绩性别差异的几点事实，然后说明了分析模型、估计方法和主要变量，接下来是对结果的分析，并讨论了学校分层的影响，最后对全文进行了总结。

二、数据介绍和学业成绩性别差异的几点事实

本研究以J市普通高中为例来探讨学业成绩的性别差异。J市在所辖6个区县设有32所普通高中，其中公立高中21所，民办高中11所。使用的样本涵盖J市所有普通高中2008—2010届的全部学生。剔除样本中的异常值和缺失值后，最终得到的有效样本数为47878个。我们用高中会考成绩来衡量学生的高中学业成绩。高中会考是省级教育行政部门统一组织命题的考试，是测量评价学生学业水平和学校教学质量的重要手段，具有相当的权威性。与高考分文理科考试不一样，它要求所有考生都要参加全部科目的考试。我们获得的学生高中会考科目包括物理、化学、生物、历史、地理、政治和通用技术七个，各科均为100分。同时，我们还收集到了所有学生的中考成绩，为我们研究学生学业成绩进步程度(Value-added，也就是“增值”)的性别差异提供了重要的控制变量。有些遗憾的是，该数据中缺失学生的数学和语文成绩。但是根据文理分科的特点，我们可以定义高中理科成绩和文科成绩。其中，高中理科成绩指高中会考物理、化学和生物三科成绩的平均分，高中文科成绩指高中会考历史、政治和地理三科成绩的平均分。

2008—2010届分性别的高中文理科成绩的平均值及其在各整数分位点上的绝对值见表1。从中可以发现，就平均值来看，男生在高中理科成绩和文科成绩上均落后于女生(除2010届高中理科成绩外)，这与大量已有研究观察到的事实基本一致，这一现象在中国被广泛称作“阴盛阳衰”和“男孩危机”(李文道和孙云晓，2012；王进和陈晓思，2013)。

表12008—2010届高中文理科成绩的性别差异

以上只是平均值上的差异，那么在成绩分布上是什么样的特征？为此我们计算了每个整数分位点上文理科成绩的性别差异，如图1所示。

首先，2008—2010届这三届学生高中理科成绩在各分位点上的性别差异以及这种差异随分位点变动的趋势基本相同，高中文科成绩的性别差异及其变化亦表现出相同的趋势。其次，对于高中理科成绩而言，男生在60分位点后实现对女生的反超，而对于高中文科成绩而言，在所有分位点上，男生成绩与女生成绩的差值始终在0以下。这表明，对于成绩水平较高的学生来说，男生的高中理科成绩反而比女生更高，但男生的高中文科成绩始终低于女生。最后，从性别差异随分位点变动的趋势来看，随着分位点的提高，高中文理科成绩的性别差异趋势线均呈上升，但在高分位点出现了下降。这表明，学生的成绩水平越高，男生落后于女生的程度越小，但当学生的成绩水平达到一定高度时，女生优势(劣势)得以扩大(缩小)。

此外，图2还分性别展示了高中文理科成绩的分布*2008届和2009届的结果与2010届结果类似，由于篇幅所限，未展示该结果，如需要可向作者索取。。男生和女生的成绩分布分别位于图形的右侧和左侧。虚线自下而上分别表示女生成绩和男生成绩在10、25、50、75、90分位点的连线，实线表示女生和男生平均成绩点的连线。可以发现：对于高中理科成绩，高分位点的连线斜率为正，低分位点的连线斜率为负，而对于高中文科成绩，所有分位点的连线斜率均为负。这表明，对处于成绩高分位点的学生而言，男生的高中理科成绩要比女生高，而对于处于成绩低分位点的学生而言，男生的高中理科成绩要远低于女生，但女生的高中文科成绩比男生高对于处于任意成绩分位点的学生均成立。

这里，我们还有一个有趣的发现。无论是男生还是女生，高中文科成绩的分布非常接近于正态分布，但高中理科成绩的分布则为明显的偏态分布。对于女生而言，高中理科成绩的分布呈现单峰偏斜的形态，而对于男生而言，呈现出双峰的形态。这种成绩分布的性别差异也吸引着我们去更为细致地探讨在不同分位点上学业成绩的性别差异，以及影响和调节这种差异的关键因素。

三、模型、估计方法和变量

通过以上简单的几条事实，我们可以发现，从成绩的绝对水平上看，男生在高分位点上，高中理科成绩比女生高；而高中文科成绩在各分位点上都低于女生。为了更深入地研究观察到的事实，本文提出要研究的几个问题：第一，男女生的高中文理科成绩的绝对差异到底有多大？这种差异会不会受到诸如个体、家庭和学校层面因素的影响？第二，男女生的高中文理科成绩的进步程度差异有多大？以及影响这种差异的因素是什么？第三，从我国教育体制上看，不同学校分层是否对性别成绩的进步程度产生影响，影响有多大？为了回答以上这些问题，本文基于实证分析的基本方法构建了以下相关的模型。

(一)模型

本研究关注学业成绩的性别差异，即性别变量对学业成绩的影响。由于学生的性别在出生时就确定下来，一般情况下，家庭和学校在后期无法干预，因此模型不存在由内生性问题带来的选择偏差。故学业成绩的性别差异可由模型一估计得到。

yist=α+β·Maleist+μt+εist

式(1)

其中，yist表示学校s届t学生i的学业成绩，Maleist是性别虚拟变量，α为常数项，μt为届别的虚拟变量，εist表示随机误差项。系数β衡量的就是学业成绩的性别差异，这里的差异指的是不同性别学生学业成绩的绝对差异。因为模型一中没有加入任何控制变量，我们在模型一的基础上，通过加入家庭背景变量得到模型二，如式(2)所示。

yist=α+β·Maleist+γ·Iist+ω·Fist+μt+εist

式(2)

其中，Iist表示学生i除性别外的其他个体特征，Fist表示学生i的家庭背景特征，此时系数β衡量的就是个体特征和家庭背景相似的学生学业成绩的性别差异，即将由个体特征和家庭背景导致的学业成绩的性别差异剔除。在模型二的基础上，通过加入学校固定效应得到模型三，如式(3)所示。

yist=α+β·Maleist+γ·Iist+ω·Fist+δ·Ss+μt+εist

式(3)

其中，Ss表示学校固定效应项。由于并未控制学校固定效应，因此模型二中的β衡量的学业成绩的性别差异不仅包括学校内部学生的性别成绩差异，还包括学校间的性别成绩差异。而模型三中β通过加入学校固定效应的方式衡量出了学校内部学生的性别成绩差异，并对分析学校因素对学业成绩性别差异的影响提供了依据。

以上三个模型均没有控制学生的初始成绩，也没有考虑学生的学习基础和学习能力，因此，上述三个模型的β衡量的均为不同性别学生学业成绩的绝对差异。而在教育生产函数的研究中，研究者更为关注各种教育投入对学生学习成绩进步程度的影响，故我们使用增值模型(Value-Added Model)进一步探讨学业成绩增值的性别差异，如式(4)所示。

yist=α+β·Maleist+γ·Iist+ω·Fist+σ·Aist+μt+εist

式(4)

其中，Aist表示学生i高中前的学习能力和学习基础。模型四通过在模型二的基础上增加Aist这一变量，将高中前学业成绩的性别差异从β中剥离出来，从而得到学习成绩增值的性别差异。模型五是本研究的最终模型，它在模型四的基础上加入学校固定效应，就能够识别出学校内部学习成绩增值的性别差异，从而有助于得到学校因素对学业成绩增值性别差异的影响，如式(5)所示。

yist=α+β·Maleist+γ·Iist+ω·Fist+σ·Aist+δ·Ss+μt+εist

式(5)

(二)估计方法

我们首先采用OLS估计方法估计模型一至模型五，如式(1)至式(5)所示。OLS估计得到的是不同性别学业成绩上平均值的差异，并不能帮助我们考察成绩分布上的差异，同时使用该方法可能还存在估计上一些问题。如前文所述，学生的成绩分布并非呈现正态分布的特征，而是有偏斜的，在这种情况下使用OLS估计方法很难得到有效的估计结果，其估计结果也无法反映数据的全貌。此外，在大型混合横截面数据下，OLS估计量大多受制于异方差的困扰。再者，OLS估计方法只能在均值水平上反映解释变量对被解释变量的影响。为此，我们采用了Koenker和Bassrtt(1978)提出的分位数回归估计方法。分位数回归能够在不受异方差和被解释变量分布偏斜困扰的同时，把解释变量对被解释变量的影响在后者的整个分布上显示出来。此外，分位数回归中还可以观测到学生不可观测的异质性，这对于理解学生成绩的性别差异是至关重要的。具体地，在解释变量Xist(包括Maleist、Iist、Fist、Aist和Ss)和θ∈(0,1)给定的情况下，Qθ(yist|Xist)表示第t届学生i成绩的θ分位数。设：

式(6)

其中，β(θ)是Xist对应的估计系数向量。yist的分位数回归是寻求其在θ分位数下的绝对离差和最小，即：

式(7)

其中，ρθ(μ)为检查函数(Check function)，μ为反映检查函数的参数，可理解为回归残差。为简单起见，在具体估计过程中假设μ=1，则对于任何一个θ分位数回归而言，β(θ)可以表示成：

式(8)

(三)变量

本研究的被解释变量为高中会考文理科成绩，其分布特征和描述统计在第二部分已被详细介绍，这里不再赘述。本研究的解释变量包括性别变量Maleist、除性别外的其他个体特征Iist、家庭背景特征Fist、高中前的学习能力和学习基础Aist以及学校固定效应项Ss。性别变量Maleist为虚拟变量，取值1为男生。Iist包括个体的年龄和民族，年龄用高中入学年龄衡量，民族为虚拟变量，取值1为少数民族。Fist包括父母的政治面貌和职业。父母的政治面貌为虚拟变量，取值为1表示父母双方至少有一方是中共党员或民主党派人士。父母的职业也为虚拟变量，取值为1表示父母双方至少有一方务农。参考Lai(2010)*Lai(2000)在模型中加入了学生所在小学的虚拟变量以及小学和初始成绩的交互项。的做法，Aist包括学生的中考成绩、学生就读初中所在区县以及二者的交互项，中考成绩用分届标准化后的标准分来衡量。

控制变量的描述统计如表2和表3所示。表2分届分性别报告了中考成绩的平均值以及在10、25、50、75和90分位点处的值。从平均值来看，女生的中考平均成绩显著高于男生。从分位点处的值来看，随着分位点的上升，男生与女生的中考成绩差距不断缩小。这与高中文理科成绩的分布特征具有很高的相似性。因此，将以中考成绩表征的高中前学习能力和学习基础的性别差异从高中文理科成绩的性别差异中分离出来，即使用增值模型分析高中成绩的性别差异变得十分重要。如表3，男生的高中入学年龄略高于女生，女生父母至少一方是中共党员或民主党派的比重略高于男生，父母至少一方务农的比重略低于男生，因此，女生的家庭背景优于男生。女生上重点高中的比重略高于男生两个百分点左右。学生就读初中所在区县的分布特征在这三年内并未发生显著变化，区县1、区县2和区县4成为J市普通高中学生集中分布的区县。

表2中考成绩的描述统计

表3控制变量的描述统计

四、学业成绩性别差异的估计结果

运用第三部分所构建的五个基本模型，我们分别估计了高中理科成绩和高中文科成绩的性别差异，具体估计结果见表4。

(一)平均差异的估计结果

我们首先关注平均水平上的学业成绩的性别差异，如表4第(1)―(5)列所示。在只控制届别的情况下，男生的高中理科成绩比女生要低0.03个标准分，控制其他个体特征和家庭背景特征后，这一估计系数略微有所减小，这说明学生的家庭背景几乎不能解释高中理科成绩的性别差异。加入学校固定效应后，估计系数为正。这说明，学校间的差异能够在很大程度上解释高中理科成绩的性别差异，换言之，高中理科成绩的性别差异主要体现在学校间的差异而非学校内部的差异。在控制学生的中考成绩和就读初中所在区县后，男生高中理科成绩的增值比女生高出了0.165个标准分。进一步控制学校固定效应后，估计系数下降至0.150，这说明，高中理科成绩增值的性别差异主要体现为学校内部的差异而非学校间的差异，也就是说，相比于女生，学校更能促进男生在高中理科成绩上的进步。我们发现，对高中理科成绩而言，男女生学业成绩的绝对差异与学业成绩增值的性别差异恰好相反。

表4的第(6)-(10)列报告了高中文科成绩的估计结果。相比于男生，女生在高中文科成绩上则表现出绝对的优势。在控制个体特征和家庭背景特征后，女生的高中文科成绩比男生高0.256个标准分，其成绩增值比男生高0.073个标准分。在控制学校固定效应后，这两个估计系数分别变为-0.192和-0.078。这说明，对高中文科成绩而言，学校间和学校内部的差异均为男女生学业成绩绝对差异的重要来源，而与高中理科成绩类似，高中文科成绩增值的性别差异主要体现为学校内部的差异而非学校间的差异，即是说，相比于男生，学校更能促进女生在高中文科成绩上的进步。

表4估计结果

注：(1)括号内是标准误；(2)*、**和***分别表示在10%、5%和1%的水平下统计显著。

(二)分位数回归估计结果

表4还报告了高中文理科成绩在10、25、50、75和90分位点上的分位数回归估计结果。我们发现，无论是高中理科成绩还是高中文科成绩，随着分位点的提高，性别变量的估计系数都在变大，这说明男生在学业成绩绝对值和增值上的优势随着分位点的提高愈发明显。对高中理科成绩而言，那些学业水平较低(10分位点)的男生比女生要低0.115个标准分，其成绩增值与女生已经没有显著差异，但中等学业水平(50分位点)的男生的高中理科成绩比女生显著高0.035个标准分，且学业成绩的增值比女生要高0.222个标准分，而学业水平较高(90分位点)的男生的高中理科成绩绝对值和增值分别比女生高0.157和0.170个标准分。对于高中文科成绩而言，虽然在各个分位点上，女生的学业成绩依然领先于男生，但随着分位点的提高，女生在学业成绩绝对值和增值上的领先优势在不断缩小。对学业水平较低(10分位点)的男生来说，其学业成绩的绝对值和增值分别高0.292和0.155个标准分，但对中等学业水平的男生来说，落后于女生的劣势已被缩小为0.181和0.079个标准分，而对于学业水平较高(90分位点)的男生来说，其学业成绩的绝对值仅比女生低0.080个标准分，学业成绩的增值已与女生无显著差异。

图3展示了高中理科成绩和高中文科成绩各个模型中性别的估计系数随分位点变化的变动趋势。首先，无论是对高中文科成绩还是高中理科成绩，模型一和模型二的估计系数在各分位点处几乎没有显著差异。这说明家庭背景特征几乎不能解释学业成绩的性别差异。这与Machin和McNally(2005)、Bharadwaj等(2012)的研究结果一致。其次，我们特别关注学业成绩绝对值和增值随分位点变化的变动趋势。仅从模型二的估计系数来看，高中文理科成绩绝对值的性别差异随分位点变化的变动趋势极为不同。对高中文科成绩而言，性别的估计系数随分位点的提高不断增大，且在低分位点处增加最快，这说明，随着学业水平的提高，男生正逐步缩小同女生在高中文科成绩上的差距，且这种现象在学业水平较低的学生上表现得更为明显。而对高中理科成绩而言，性别的估计系数的变化具有明显的阶段特征，低于40分位点几乎保持不变，在40―80分位点间迅速增加，高于80分位点减小，这说明，对学业水平较低的学生来说，男女生高中理科成绩的绝对差异相对稳定，而对学业水平处于中上等的学生来说，随着学业成绩水平的提高，男生依然表现出强烈的赶超女生的态势，但对位于学业成绩分布顶端的学生来说，男生在高中理科成绩上表现出的优势随学业成绩水平的提高而变小。从模型四的估计系数来看，无论是对高中理科成绩还是高中文科成绩，成绩增值的性别差异随分位点变化的变动趋势基本一致，且对学业水平较低的学生来说，随分位点提高而增加的趋势更为明显。

学校因素是解释学业成绩性别差异的重要因素。从学业成绩绝对值来看，无论是对高中理科成绩还是高中文科成绩，模型三中性别的估计系数随分位点提高表现出较为平稳的增长趋势，这与模型二中性别的估计系数的变动趋势差别很大。对高中理科成绩而言，在学业成绩的低分位点，模型三中性别的估计系数大于模型二，且二者相差很大，说明对学业水平处于中等偏下的学生来说，男女生学业成绩的绝对差异能够在很大程度上被学校间的差异所解释，学校间的差异削弱了女生在学业成绩绝对值上的领先优势。但随着分位点的提高，模型三中性别的估计系数小于模型二，说明对学业水平处于中等偏上的学生来说，学校间的差异抑制了男生在学业成绩绝对值上的优势。因此，整体而言，学校因素使得男女生学业成绩的绝对差异随分位点变化的变动趋势更为平稳。而对高中文科成绩而言，模型三中性别的估计系数在各分位点上略微大于模型二，这说明学校间和学校内部的差异共同影响着男女生学业成绩的绝对差异，但学校间的差异确实能够缩小各个学业成绩水平上男女生在学业成绩上的差异。

从学业成绩增值来看，模型四与模型五中性别的估计系数的差异要比模型二和模型三中性别估计系数的差异小得多。对高中理科成绩而言，学业成绩增值的差异几乎在各分位点上都不能被学校间的差异解释，但在40-80分位点上，模型五中性别的估计系数略小于模型四，说明对中等学业水平的学生来说，学校间的差异能够在一定程度上解释学业成绩增值的性别差异，且学校间的差异抑制了男生在学业成绩增值上的优势。而对高中文科成绩而言，模型四和模型五中性别的估计系数在各分位点上基本相同，说明学校间的差异几乎不能解释男女生学业成绩增值的性别差异。也就是说，相对于男生，学校更能促进中等学业水平的女生在高中理科成绩上的进步，而对促进男女生在高中文科成绩上的进步上没有表现出显著差异。

(三)小结

如上文所述，在讨论学业成绩的性别差异时，需要区分学业成绩的绝对差异和增值的差异。OLS估计结果表明，对高中理科成绩而言，虽然男生学业成绩绝对值低于女生，但其增值远高于女生，而对高中文科成绩而言，女生在学业成绩的绝对值和增值上都具有绝对优势，这与大部分国际研究的结果类似(Husain and Millimet，2009；Lai，2010；Cornwell等，2013)。分位数回归估计结果表明，对高中理科成绩而言，随着分位点的提高，男生在学业成绩绝对值和增值上实现了对女生的赶超，但对高中文科成绩而言，男生在学业成绩的各个分位点上均未超越女生，但逐渐缩小了同女生的差距。

此外，我们还特别关注家庭背景特征和学校因素在解释学业成绩性别差异中的作用。我们发现，无论是学业成绩绝对差异还是学业成绩增值，家庭背景特征都无法解释学业成绩的性别差异。学校因素对学业成绩性别差异的影响如表5所示。对高中理科成绩而言，学校内部和学校间的差异都能在一定程度上解释学业成绩绝对值和增值的性别差异，但学业成绩绝对差异主要由学校间的差异解释，而学业成绩增值的差异主要由学校内部的差异解释，学校间的差异仅影响中等水平学生的学业成绩性别差异。而对于高中文科成绩而言，学校间的差异未能解释学业成绩绝对值和增值的性别差异。这与Machin和McNally(2005)的研究结果并不完全一致*作者控制学校固定效应后，发现学校间的差异并不能解释学业成绩的性别差异。。

表5学校因素对学业成绩性别差异的影响

注：(1)“√”和“×”分别表示是否能够解释学业成绩的性别差异；(2)“*”表示在学校内部和学校间的差异均能解释学业成绩的性别差异时，哪个部分的差异解释程度更高。

五、学校分层与学业成绩的性别差异

通过以上分析，我们发现，学校因素对解释性别成绩差异有重要影响。而在我国，基础教育领域存在着严重的学校分层或教育分流现象(吴愈晓，2013)，不同层次的学校，资源获得和办学质量存在巨大差异，这对于性别学业成绩的差异将会产生何种影响呢？这就是本文接下来要集中讨论的问题。

在普通高中，学校分层集中体现为重点高中制度。重点学校制度是我国特定历史时期为发展基础教育在教育资源配置上的一项特别的安排，已经演变成一种制度化的、稳定的教育模式。重点与非重点的学校分层并非指依据教育产出的质量和水平进行的分层，而是指资源占有方面的明显差异(丁延庆和薛海平，2009)。重点高中可以获得更多的教育经费、更为优越的办学条件和更为优秀的教师资源(梁晨等，2013)。许多研究者探讨诸如重点高中的“好学校”对男女生学业成绩影响的异质性。Jackson(2010)利用非连续回归设计发现好学校对男生的增值要远小于女生。而王骏等利用多层线性模型发现，重点高中给男生带来的学业成绩增值显著高于女生*参见王骏、彭顺绪、原莹：《学校资源投入、学生学业成就与教育公平》，中国教育经济学年会会议论文，2015。。因此，好学校对男女生学业成绩的影响是不清晰的，且这些研究并没有探讨好学校在学业成绩的不同分位点上对男女生成绩的影响。

实践中，由于重点高中制度仅涉及高中教育阶段，故我们在这一部分仅探讨重点高中制度与学业成绩增值的性别差异之间的关系。根据《J市教育事业发展“十二五”规划》，截至2008年，全市先后有六所普通高中通过了省级示范性高中(或称省级重点高中)的评估验收，其中有三所学校为该市中考第一批次录取(以下简称第一批次)普通高中，其余三所学校为该市中考第二批次录取(以下简称第二批次)普通高中。在模型设定方面，我们在模型五的基础上增加了性别与重点高中变量的交互项，其估计系数衡量的就是重点高中与一般高中学业成绩增值性别差异的区别。部分估计结果如图4所示。

我们发现，对高中理科成绩而言，除低分位点外，性别的估计系数均为负，而对高中文科成绩而言，仅在高分位点性别的估计系数才为正。这表明，男生的高中理科成绩增值要高于女生，但对学业成绩水平较低的学生来说，则低于女生；男生的高中文科成绩增值要低于女生，但对学业成绩水平较高的学生来说，则高于女生。同时，随着分位点的提高，男生的领先优势逐渐扩大。这与前文的估计结果基本一致。

从性别和重点高中的交互项来看,对高中理科成绩而言，交互项的估计系数随分位点的提高先上升再下降，这说明，重点高中对学业成绩增值的调节是非线性单调的，对学业水平处于中等偏下的学生来说，重点高中男生在学业成绩增值上相对于女生的优势与一般高中的差别，随着学业水平的提高而增大。但对学业水平处于中等偏上的学生来说，重点高中男生在学业成绩增值上相对于女生的优势与一般高中的差别，随着学业水平的提高而减小。换言之，对中等学业水平的学生而言，重点高中学业成绩增值的性别差异与一般高中的差别最大，也就是说，重点高中相比于一般高中的优势体现在：相比于女生，重点高中更能促进中等学业水平男生理科成绩的进步。

对于高中文科成绩而言，估计系数在各分位点几乎均为负，故女生在学业成绩增值上的优势在重点高中更为显著。整体来看，交互项的估计系数随分位点的提高而降低，这说明，重点高中女生在学业成绩增值上相对于男生的优势与一般高中的差别，随着学业水平的提高而增大。

为保证估计结果的稳健性，我们又在模型五的基础上加入了性别与两个批次录取重点高中变量的交互项，以探讨不同质量的重点高中对男女生学业成绩增值差异的调节作用。我们发现，交互项估计系数随分位点变化的变动趋势与图4大致相同，表明我们的估计结果是稳健的。此外，我们还发现，性别与第一批次重点高中交互项的估计系数随分位点变化的变动比性别与第二批次重点高中交互项的估计系数更为剧烈，这表明，学校间的质量差异越大，学业成绩增值的性别差异在学校间的差别对学生学业水平的变动就越敏感。

六、研究结论与不足

劳动力市场上的性别工资差异，部分可能根源于人力资本积累的差异。个体在学校期间的学业表现与其未来在劳动力市场上的表现密切相关。而已有研究尤其是针对中国的研究往往聚焦于劳动力市场表现的性别差异，鲜有研究关注学业表现的性别差异。本文使用J市2008—2010届普通高中学生层面数据，采用分位数回归的估计方法，对男女生学业成绩的绝对差异和学业成绩增值的差异进行了较为细致的讨论。本研究的意义在于：一方面，它为研究中国人力资本积累的性别差异特别是学业表现的性别差异提供了一个新的证据；另一方面，它基于学生学业成绩的分布特征，从绝对值和增值两个视角，全面地展现了学业成绩的性别差异，扩展了该领域的研究。

本研究有如下发现：首先，从平均意义上讲，男生在高中理科成绩上的绝对值低于女生，但其增值远高于女生，而女生在高中文科成绩的绝对值和增值上均具有绝对优势。其次，随着分位点的提高，对高中理科成绩而言，男生在学业成绩绝对值和增值上实现了对女生的赶超，而男生的高中文科成绩的绝对值和增值却在各个分位点上均落后于女生，但随着分位点的提高，缩小了同女生的差距。再次，无论是学业成绩的绝对值还是增值，家庭背景特征都无法解释学业成绩的性别差异，但学校因素能够在一定程度上解释学业成绩的性别差异。对高中理科成绩而言，学业成绩绝对值的性别差异主要由学校间的差异解释，而增值的差异主要由学校内部的差异解释，但对高中文科成绩而言，学校间的差异未能解释学业成绩绝对值和增值的性别差异。最后，学校分层对学业成绩增值的性别差异有显著影响。男生在学业成绩增值上的优势在重点高中更为显著，且重点高中男生在学业成绩增值上相对于女生的优势与一般高中的差别，随着学业水平的提高而减小。学校间的质量差异越大，学业成绩增值的性别差异在学校间的差别对学生学业水平的变动就越敏感。

尽管我们得到了以上一些有价值的结论，但由于研究方法和所用数据的限制，本研究有许多不足之处。首先，由于缺失高考数据以及数学、语文和英语成绩，本文只能使用高中会考成绩衡量学生的学业表现，也不能像绝大多数研究一样将高考成绩和数学、语文和英语成绩作为衡量学生学业表现的主要指标。高考是国家级层面的选拔性考试，侧重对学生学习潜力的考察，具有较强的区分度，而高中会考是对学生高中课程毕业水平和基本学业能力的检测，区分度较弱。相关研究表明，学业表现的性别差异与教育体制的类型和教育评价的形式相关(Machin and McNally，2005)。因此，使用不同的衡量指标是否会对学业成绩性别差异的估计产生影响值得进一步探讨。

其次，由于缺少学校层面的配套数据，我们采用加入学校固定效应的方式控制学校间的差异。虽然我们发现学校间的差异在很大程度上能够解释学业成绩的性别差异，尤其是对高中理科成绩而言更是如此，但我们并不清楚到底是何种学校资源存在“歧视性投入”(Dickerson等，2015)。许多研究者持久地关注教师性别以及由此导致的“刻板效应”对男女生学业表现差异的影响。已有研究表明，师生性别匹配能够显著提高学生的数学成绩(Dee，2007)，且对女生的影响更为显著(Muralidharan and Sheth，2013)。Lavy和Sand(2015)的研究表明，教师对男女生的刻板印象可能会对学生现在的学业成绩以及未来的教育选择产生长久的影响。当然，也有一些研究发现，教师性别不能解释学业表现的性别差异(Bharadwaj等，2012；Dickerson等，2015)。

此外，由于本研究使用的是行政数据，变量较少，对学业表现性别差异的解释明显不足。比如学生个体的主观评价很可能影响学业表现的性别差异，如Bharadwaj等(2012)认为，对数学能力的自我评价能够在很大程度上解释数学成绩的性别差异。他们发现，女生往往更讨厌数学，感觉数学学习更加困难，这会在一定程度造成女生的数学表现落后于男生。Fortin等(2013)发现，教育期望是影响大学毕业成绩差异的最重要因素，且影响的重要性越来越强。这些因素的探讨需要更为丰富的数据予以支持。

最后，本研究只涉及一个市级行政单位的样本，得到的结论难免有所偏颇。研究结果是否能够推广到其他地区，还需要基于更为丰富的数据的经验研究予以证实。

[参考文献]

陈建宝、段景辉，2009：《中国性别工资差异的分位数回归分析》，《数量经济技术经济研究》第10期。

丁延庆、薛海平，2009：《从效率视角对我国基础教育阶段公办学校分层的审视——基于对昆明市公办高中的教育生产函数研究》，《北京大学教育评论》第4期。

葛玉好、曾湘泉，2011：《市场歧视对城镇地区性别工资差距的影响》，《经济研究》第6期。

李宏兵、赵春明、蔡宏波，2014：《外资进入扩大了性别工资差距吗？》，《统计研究》第6期。

李文道、孙云晓，2009：《“男孩危机”：一个亟需关注的教育现象》，《光明日报》12月9日。

孙云晓、李文道、赵霞，2010：《拯救男孩》，北京：作家出版社。

李文道、孙云晓，2012：《我国男生“学业落后”的现状、成因与思考》，《教育研究》第9期。

梁晨、张浩、张中清等，2013：《无声的革命：北京大学、苏州大学学生社会来源研究，1949—2002》，北京：生活·读书·新知三联书店。

罗楚亮，2007：《城镇居民教育收益率及其分布特征》，《经济研究》第6期。

宁光杰，2011：《中国的工资性别差距及其分解——性别歧视在多大程度上存在?》，《世界经济文汇》第2期。

宁光杰，2014：《居民财产性收入差距:能力差异还是制度阻碍?——来自中国家庭金融调查的证据》，《经济研究》第S1期。

亓寿伟、刘智强，2009：《“天花板效应”还是“地板效应”——探讨国有与非国有部门性别工资差异的分布与成因》，《数量经济技术经济研究》第11期。

王进、陈晓思，2013：《学校环境与学生成绩的性别差异——一个基于广州市七所初中的实证研究》，《社会》第5期。

吴愈晓，2013：《教育分流体制与中国的教育分层(1978—2008)》，《社会学研究》第4期。

夏庆杰、李实、宋丽娜、Simon Appleton，2012：《国有单位工资结构及其就业规模变化的收入分配效应:1988—2007》，《经济研究》第6期。

Bedard，K.and C.Ferrall，2003，“Wage and Test Score Dispersion：Some International Evidence”，EconomicsofEducationReview，22(1)：31-43.

Bedard，K.and I.Cho，2010，“Early Gender Test Score Gaps across OECD Countries”，EconomicsofEducationReview，29(3)：348-363.

Bharadwaj，P.，G.De Giorgi，D.Hansen and C.Neilson，2012，“The Gender Gap in Mathematics：Evidence from Low-and Middle-income Countries”，NBERWorkingPapers，No.18464.

Chaudhuri，K.and S.Roy，2009，“Gender Gap in Educational Attainment：Evidence from Rural India”，EducationEconomics,17(2)：215-238.

Chen，D.H.，2004，“Gender Equality and Economic Development：The Role for Information and Communication Technologies”，TheWorldBankPolicyResearchWorkingPaper，No.3285.

Christie，P.and M.Shannon，2001，“Educational Attainment and the Gender Wage Gap：Evidence from the 1986 and 1991 Canadian Censuses”，EconomicsofEducationReview，20(2)：165-180.

Cornwell，C.，D.B.Mustard and J.Van Parys，2013，“Noncognitive Skills and the Gender Disparities in Test Scores and Teacher Assessments：Evidence from Primary School”，JournalofHumanResources，48(1)：236-264.

Dee，T.S.，2007，“Teachers and the Gender Gaps in Student Achievement”，JournalofHumanResources，42(3)：528-554.

Dickerson，A.,S.McIntosh and C.Valente，2015，“Do the Maths：An Analysis of the Gender Gap in Mathematics in Africa”，EconomicsofEducationReview，46(7)：1-22.

Ellison，G.and A.Swanson，2010，“The Gender Gap in Secondary School Mathematics at High Achievement Levels：Evidence from the American Mathematics Competitions”，JournalofEconomicPerspectives,24(2)：109-128.

Fortin，N.M.，P.Oreopoulos and S.Phipps，2013，“Leaving Boys Behind：Gender Disparities in High Academic Achievement”，NBERWorkingPapers,No.19331.

Fryer，R.G.and S.D.Levitt，2010，“An Empirical Analysis of the Gender Gap in Mathematics”，AppliedEconomics，2(2)：210-240.

Guiso，L.，F.Monte，P.Sapienza and L.Zingales，2008，“Culture，Gender，and Math”，Science，320(5880)：1164.

Hanushek，E.A.and L.Woessmann，2008，“The Role of Cognitive Skills in Economic Development”，JournalofEconomicLiterature，46(3)：607-668.

Husain，M.and D.L.Millimet，2009，“The Mythical ‘Boy Crisis’?”，EconomicsofEducationReview，28(1)：38-48.

Hyde，J.S.，E.Fennema and S.J.Lamon，1990，“Gender Differences in Mathematics Performance：A Meta-analysis”，PsychologicalBulletin,107(2)：139.

Jackson，C.K.，2010,“Do Students Benefit from Attending Better Schools?Evidence from Rule-based Student Assignments in Trinidad and Tobago”，TheEconomicJournal，120(549)：1399-1429.

Koenker，R.and G.Basset，1978，“Regression Quantiles”，Econometrica,46(1)：33-50.

Lai，F.,2010，“Are Boys Left Behind?The Evolution of the Gender Achievement Gap in Beijing’s Middle Schools”，EconomicsofEducationReview，29(3)：383-399.

Lavy，V.and E.Sand，2015，“OnTheOriginsofGenderHumanCapitalGaps：ShortandLongTermConsequencesofTeachers’StereotypicalBiases”，NBERWorkingPapers，No.20909.

Machin，S.and S.McNally，2005，“Gender and Student Achievement in English Schools”，OxfordReviewofEconomicPolicy，21(3)：357-372.

Machin，S.and T.Pekkarinen，2008，“Global Sex Differences in Test Score Variability”，Science，322(5906)：1331-1332.

Muralidharan，K.and K.Sheth，2013，“Bridging Education Gender Gaps in Developing Countries：The Role of Female Teachers”，NBERWorkingPapers,No.19341.

Rose，H.，2006，“Do Gains in Test Scores Explain Labor Market Outcomes?”，EconomicsofEducationReview，25(4)：430-446.

Song，L.，S.Appleton and J.Knight，2006，“Why Do Girls in Rural China Have Lower School Enrollment?”，WorldDevelopment,34(9)：1639-1653.

Tansel，A.,2002，“Determinants of School Attainment of Boys and Girls in Turkey：Individual，Household and Community Factors”,EconomicsofEducationReview，21(5)，455-470.

(责任编辑孟大虎责任校对孟大虎侯珂)

Who Go ahead in Academic Competitions？Based on the Research of Gender Gap in Academic Performance

SUN Zhi-jun，PENG Shun-xu，WANG Jun，YUAN Ying

(Business School/Capital Institute for Economics of Education，BNU，Beijing 100875，China)

Abstract:This paper discusses the gender gap in academic performance by Quantile Regression and value-added model based on the database of 2008th-2010th annual high school students in City J.The results are presented below.First of all，on average，the absolute value of test scores for boy students is less than that for girl students in science，but more in added value，and liberal arts，girl students have overwhelming superiority in both absolute value and added value.Second，in science，girl students are gradually overtaken by boy students with quantile increase，whereas in liberal arts boy students are left behind in each quantile.Third，family background characteristics cannot explain gender gap in academic performance，while this gap can to some extent be partly explained by school factors.Specifically，in liberal arts，the gender gap in absolute value and added value are respectively explained by differences among and inside schools，while in science，gender gap is failed to receive the explanation of these difference.Finally，school stratification has a significant effect on gender gap in academic performance.For boy students，the advantage in added value is larger in key high schools.The greater the quality gap among schools is，as with the change of academic performance，the more sensitive the differences among schools in gender gap of added value are.

Keywords：academic performance；gender gap；quantile regression；value-added model；school stratification

[收稿日期]2015-12-05

[中图分类号]F12

[文献标识码]A

[文章编号]1002-0209(2016)03-0038-14