农村家庭职业地位代际流动：典型事实与实证检验

代春霞，刘 涛

（河南大学 经济学院，河南 开封 475001）

一、引言

随着中国工业化和城镇化的快速推进以及社会结构的变迁，居民的收入差距持续扩大[1]，“富二代”“官二代”“农二代”等反映机会公平的问题不但逐渐成为社会学和经济学关注的热门话题，也引起党和国家的重视。比如，党的十九大明确提出要“破除妨碍劳动力、人才社会性流动的体制机制弊端，使人人都有通过辛勤劳动实现自身发展的机会”，这是党和国家营造人民群众机会公平氛围的重要体现。阶层固化不但会抑制社会活力，也会影响后续脱贫效果的巩固和进一步提升。探讨职业阶层的代际传递受何种因素的影响对于公共政策的制定无疑具有重要的理论意义和现实价值。

二、文献梳理与问题提出

长期以来，收入的代际转移是经济学家和社会学家的研究焦点。近年，职业地位的代际流动也逐渐引起学者们的兴趣。职业地位作为收入的重要“中介”变量，在一定程度上能够反映一个人所处的经济社会地位和收入水平[2-4]，社会阶层的固化是收入不平等的根源[1][5]。纵观已有文献，影响职业地位代际流动的因素可以归纳为三个方面：

一是家庭环境因素。现有文献验证了父代的职业地位、受教育情况、政治资本等反映家庭背景的因素能够影响子代的职业地位选择[6-8]。根据Behrman 等的研究，较高职业地位的家庭子代在认知能力和学习能力方面都要普遍高于低职业地位的家庭，子代也会有更高的职业地位[9]；相反，如果父代的职业地位较低，那么子女拥有较高社会地位的可能性也会随之降低，阶层固化的现象普遍存在[6]。Pērez-González 利用300 家美国上市公司高管轮换的数据，研究发现超过30%的继任高管与离任高管或大股东之间存在血缘关系或者家族关系[10]。Long ＆ Ferrie 利用1850 年以来美国和英国家庭职业地位代际流动的数据，对比分析了两个国家职业地位代际流动的差异，他们的研究结论表明，19 世纪以前，美国的职业地位代际流动水平要高于英国，但随着时间的推移和人口迁移的逐步稳定，20世纪后美国的职业地位代际流动也逐渐趋于稳定[11]。还有一些学者对中国劳动者的职业地位代际流动问题进行了研究。周兴和张鹏利用2006 年中国综合社会调查数据，研究了中国城乡家庭代际职业地位流动问题，发现父代的经济特征对子女的职业地位选择具有显著影响，他们的研究还发现城镇家庭子女的职业地位会随其职业生涯的发展呈现向父代职业地位回归的趋势，但农村家庭子女职业地位向上流动的通道并不通畅，存在明显的“天花板效应”[7]。谭远发利用国际劳工组织实施的“从学校向职场过渡调查”之中国数据，研究了父母政治资本对子女职业地位选择的影响，研究表明父母的政治资本会显著促进子女的人力资本积累，这种教育优势进而转换为职场优势[8]。

二是个人因素。在众多影响职业地位代际流动的个人因素中，人力资本对代际流动的影响最为关键。人力资本对代际流动的影响最早由Becker＆ Tomes 提出，父代的人力资本会通过两条路径影响子女的收入：一是父代的受教育水平会直接影响子女的收入水平；二是父代的受教育水平会通过言传身教影响子女的受教育水平，进而影响子女的职业地位选择[12]。随后，从人力资本角度研究代际流动的文献逐渐涌现。Ji Ting 对比分析了中国、印度和美国的代际流动性问题，研究发现，美国的年轻人更加容易积累人力资本，职业地位代际流动性比中国和印度更强[13]。

三是社会环境因素。社会环境会通过影响家庭环境、个人素质进而影响个人的职业地位选择，比如陈藻的研究表明，相比第一代农民工，新生代农民工要求有更安全的工作环境和更稳定的劳工关系[14]。田艳平通过对2005年在武汉市7个主城区的外来人口随机抽样调查数据研究发现，由于农民工的出生时间和成长的时代背景不同，父代和子代农民工在职业地位诉求、职业地位目标、工作条件和月均收入方面都呈现较大差异[3]。张翼和侯慧丽基于地位获得的角度，比较分析了改革开放前和改革开放后职业地位的代际流动的差异，研究表明，改革开放后的父代对子女职业地位获得的影响要远高于改革开放前[15]。阳义南和连玉君采用年度虚拟变量与父代地位交互的形式分析了时代差异下父代如何影响子女的职业地位，他们的研究表明，社会职业地位开放性呈现上升趋势[16]。除了上述个体特征、家庭因素和社会环境因素，还有一些文献基于非正式制度的视角分析职业地位的代际流动性问题，其中讨论最多的便是社会资本。现有文献也普遍证实了个体或家庭的社会资本会影响个人信息的获得，从而对个体的收入和社会地位产生不可忽视的影响[17-20]。

纵观已有文献，有关农村劳动力非农就业对子代职业地位代际流动的影响因素的研究并不多。近年，随着中国工业化和城镇化的快速推进，中国农村地区尤其是中西部欠发达地区劳动力外出务工也日趋活跃，非农就业人口大规模快速增长。城市无户籍常住人口、城市流动人口和外出农民工这三种可以代表与家庭分离的农村劳动力异地非农就业者数量指标，虽然由于统计口径不同而有差异，但却相互佐证了一个值得高度重视的事实，那就是我们国家有一个占城镇就业一半左右、漂泊于城乡之间的“候鸟式”不稳定就业大军，他们作为中国现代化的重要原动力，既是现代化过程的一部分，也是需要被现代化的对象。父代非农就业提高了家庭收入，可以为子代提供更为优质的学习环境、聘请更为专业的指导教师等，而且父代非农就业所形成的社会网络等都有助于子代选择更高的职业阶层。但是，这种“候鸟式”不稳定就业也有可能导致家庭抚养结构发生改变[21]、子女抑郁水平提高[22]和健康水平下降[23]等问题，这也会进一步对子女的职业选择产生影响。由此可见，父代非农就业对子代职业地位代际效应的影响可能并不一致。

本文贡献主要体现在两个方面：第一，现有文献更多地关注了农村家庭非农就业对子代收入和受教育水平的代际影响，本文分析了非农就业对子代职业地位代际流动的影响，丰富了农民工非农就业的代际效应的研究。与本文研究最为相近的是邢春冰[24]对中国农村地区非农就业机会的影响研究，但由于该文使用的是20世纪90年代的数据，数据较陈旧，无论是职业地位类型还是职业地位结构如今都发生了非常大的变化，而且该文也未分析就业空间的差异对子代职业地位代际流动的影响。第二，在研究农村家庭非农就业对子代职业地位的影响时，多数文献未考虑父母非农就业的内生性问题，本文以同村父辈非农就业比率作为父辈个体非农就业的工具变量，处理可能存在的内生性，从而识别农村家庭非农就业与子代职业地位代际流动之间的因果关系。

三、模型、数据与估计方法

（一）模型设定与估计方法

笔者借鉴邵宜航和张朝阳[4]等的研究方法，通过构建如下计量模型分析父代非农就业如何影响子代职业地位流动：

其中，EgpFlowit表示第i 子代个体t 年的职业地位流动情况，该变量取值-1，0 和1。Fworkit表示父代是否进行非农就业，如果父代外出进行非农就业，则取值1，否则取值0。Fworkplaceit表示父代工作地点，为虚拟变量。X表示控制变量，包括个人特征控制变量、家庭特征控制变量和所在村庄特征控制变量。εit表示随机误差项。由于被解释变量是有序分类变量，所以本文选择有序Logit 方法对（1）和（2）进行估计。

（二）数据来源和处理过程

本文数据来自河南大学经济学院、中原发展研究院联合组织的“百县千村”入户调查项目。该项目从2017 年开始，至今完成3 轮调查，一共有2017年、2018 年和2019 年纵跨3 年的微观样本，是研究河南省农村居民社会变迁的权威数据库。对于调研村庄的选择，每年均采取随机分层抽样的方法确定，调研地点涵盖了河南省18个省辖市（示范区）的54 个村庄，且较好地兼顾了调研村庄的地形、区位以及经济基础等因素（见表1），具有广泛的代表性和针对性。从地形来看，平原村庄有41 个，非平原村庄有13 个。从区位①来看，靠近县城的村庄有38个，远离县城的村庄有16 个。从经济基础来看，无企业的村庄有34个，有企业的村庄有20个。

表1 样本村庄概况

该项目的调查问卷分为村情、户情、个人三级，调查采取入户、一对一访谈或电话访谈等形式进行。其中村情问卷数据由调研人员与主要村干部交谈获得；户情和个人问卷则在家庭总人口中选择具备回答能力的人员来作答，如果该调查对象长期在外务工则由调研人员采取电话访谈等形式取得直接联系。由于“百县千村”入户调查是截面数据，本文将这3 轮调查数据进行混合拼接，组成混合截面数据。这样做的好处是不仅利用时间的交错获得了不同出生年代子代的信息，而且显著地增大了样本量，使得研究结果更接近大样本统计特征。样本选择的处理过程如下：第一，将家庭关系数据和个人数据进行匹配，然后将子代观测样本与父代务工情况进行匹配；第二，对样本进行筛选，剔除在读学生个体，删除样本中16岁以下的个体；第三，删除父代职业地位或子代职业地位缺失的个体，最终样本量为8179 个观测值。相关变量的描述性统计见表2。

表2 主要变量的描述性统计

（三）变量选择

被解释变量：职业地位流动（EgpFlowit）。在社会职业地位流动的比较研究领域，如何对不同职业阶层进行合理分类是社会流动研究中最基本的课题。Ganzeboom 等[25]在邓肯的美国社会经济地位指数（Socio-economic Index）的基础上进行了改进，通过对16 个国家的教育和收入指标进行国际标准化操作，得到了能够进行国际比较的标准职业地位声望指标，提出了社会经济地位指数（ISEI：International Socio-economic Index）作为测量职业地位声望指标的标准化方法，但该指标是建立在各类职业地位声望得分以及相应职业地位的收入和受教育水平的回归方程基础上，所以该指标是一个连续性指标，而非分类性指标。尽管该指标反映的社会位置较为准确，但连续性特征导致该指标无法识别职业地位特性，比如工作的自律性、晋升机会等[26]，也无法明确识别阶层地位与个人意识、行为特性之间的关系，因而广受批评[27]。近年，EGP分类框架逐渐成为国际上广泛认可的分类标准②。该指标最早由Goldthorpe 和Llewellyn 提出，根据职业地位信息和雇佣地位将36 类职业地位合并为七分类的阶层框架[28]。在此基础上，Goldthorpe 又融入了Erikson 基于技术特征和雇佣地位所涉及的社会经济分类框架，将社会阶层合成为一个基于职业地位信息和雇佣关系的七分类阶层结构[29]，形成了早期的EGP 阶层框架。其中，职业地位信息包括了个人的工作信息，比如个人收入、工作稳定性以及晋升机会等，也包括了技术水平；雇佣关系则主要包含了个人在组织中所具备的权力地位信息。根据Erikson ＆Goldthorpe 的研究，决定个人在劳动市场中地位高低的关键因素是雇佣关系的差异，个人在工作中所具备的权威和权力能够精确定位个人在市场中的地位。根据他们的观点，阶层间的地位差异主要来源于两个方面：一是是否拥有生产资料；二是雇主和雇员之间的雇佣关系是一种劳动契约型关系，还是一种服务型关系。不同的雇佣关系会影响雇主是否给雇工更好的福利和待遇。通过对两方面的信息进行调整和修正，二者共同决定个人在社会阶层中的精确位置。而后，这个指标就被学者广泛采用，并被应用于欧洲七国实施的“当代工业社会的社会流动比较分析”（CASMIN：Comparative Analysis of Social Mobility in Industrial Nations）项目，产生了深远的影响。调查问卷对个体的工作所处的行业进行了统计③。我们根据Erikson 等[29]、解雨巷和解垩[5]等的处理方法，将调查问卷中涉及的职业地位重新编码为EGP 五分类职业地位层次[30][5]，即农民、半技术或无技术工人、工头或技术工人、常规非体力工人、专业技术人员或管理人员，并从低到高进行赋值，农民赋值为1，专业技术人员或管理人员赋值为5④。我们进一步根据子代职业地位与父代职业地位的高低定义职业地位的代际流动，如果子代职业阶层高于父代职业阶层，则定义EgpFlow=1；如果子代的职业阶层与父代的职业阶层一致，则定义EgpFlow=0；如果子代职业阶层低于父代职业阶层，则定义EgpFlow=-1。

核心解释变量。本文的核心解释变量有二：一是父代是否进行非农就业（Fwork），如果进行非农就业，取值为1，否则为0；二是父代的非农就业空间选择Fworkplaceit。 如果父代在本县工作，则D_Fworkplace1=1，否则等于0；如果父代在本市工作省，则D_Fworkplace2=1，否则等于0；如果父代在本省工作，则D_Fworkplace3=1，否则等于0；如果父代在省外工作，则D_Fworkplace4=1，否则等于0。

控制变量。模型中进一步控制了个人特征因素、家庭因素和村庄因素。个人特征因素包括性别（male）、年龄（age）、从军经历（army）、工资收入（lnwage）、受教育水平（edu），家庭特征因素包括父代受教育水平（fedu），家庭常住人口数（lnhouseholds）、家庭人均收入（lnhpincome）、家庭承包地亩数（lnland），村庄特征因素包括距离县城的时间（dist_town）、距离最近地级市的时间（dist_city）、村庄是否有小学（ifschool）。

四、农村劳动力职业地位代际流动的典型事实

（一）职业地位代际流动性：现状与动态趋势

笔者根据子代的出生年份，将子代分为1960年以前、1960—1969年、1970—1979年、1980—1989年、1990—1999年和2000 年至今一共6 个出生队列，分别考察不同出生队列个体职业地位的代际流动情况。每一出生队列，分别统计了各组人数占本组人数的比例以及本组人数占总人数的比例。表3呈现了农村劳动力代际职业地位流动状况。

表3 职业地位代际流动趋势分析

首先，从总样本来看，子代职业地位相对父代向上流动的个体占比为63.26%，向下流动的个体占比为12.29%，还有24.45%的个体职业地位与父代保持一致，这意味着在样本期内，河南省农村劳动力职业地位总体以向上流动为主。然后，从不同出生队列个体职业地位流动特征来看，1960—1969年出生的个体职业地位向上流动的比例为76.62%，在所有出生队列中，该组占比最高；其次是1970—1979年出生的个体、1960 年以前出生的个体和1980—1989 年出生的个体，占比分别为74.37%、70.85%和66.59%；2000年至今出生的个体职业地位向上流动占比最低，为41.52%。可以发现，随着个体出生时间的延后，劳动力职业地位向上流动的比例是逐渐降低的。

（二）职业地位代际流动差异性分析

表4呈现按照性别分组的代际职业地位流动差异性。首先从组内来看，无论是男性组还是女性组，职业地位向上流动的比例均高于保持不变和向下流动的比例；从组间来看，女性职业地位向上流动的比例要低于男性，女性职业地位向上流动的人数占本组比为57.11%，而男性职业地位向上流动的比例为64.85%。女性职业地位向下流动的人数占本组比例超过男性，占比为16.48%，男性职业地位向下流动的人数占比为11.20%。

表4 代际职业地位流动差异（按照性别分组）

表5呈现按照父代工作地点进行分组的子代职业地位代际流动差异性。笔者发现，如果父代在本乡镇工作，子代职业地位向上流动占本组的比例最高，达到64.91%；其次是在本省工作，子代职业地位向上流动占本组的比例为37.68%；在省外工作的父代所对应的子代职业地位向上流动占本组的比例最低，仅为28.25%。这表明，随着父代工作地点距离家庭越来越远，子代职业地位向上流动的可能性越来越低。

表5 代际职业地位流动差异（按照父代工作地点分组）

表6则呈现按照村庄距离县城远近分组子代职业地位代际流动情况。近城村子代相对父代职业地位向上流动占比为62.73%，与远城村的比例（63.79%）差异不大。近城村子代相对父代职业地位向下流动占比为12.23%，与远城村的比例（12.35%）相比，差异也不明显。这表明，村庄区位对于劳动力职业地位流动的影响并不显著。

表6 代际职业地位流动差异（按照村庄距离县城远近分组）

五、实证结果分析

（一）父代非农就业对子代职业地位流动的影响

表7 呈现父代非农就业（Fwork）对子代职业地位流动的影响的实证结果。表7模型1只加入变量Fwork，模型2加入个人控制因素，模型3进一步加入家庭控制变量，模型4 进一步加入村庄控制变量。笔者发现，Fwork的系数在所有模型中均在1%的水平上显著为负，这意味着父代非农就业会显著降低子代职业地位向上流动的概率。Becker 指出，家庭对子女的投资包括物质投入和时间投入两个基本组成部分，父母在育儿上的时间投入也应被视作家庭的一项重要的投资，这种时间的投入有利于子女的身心健康、获得更高的教育成就和选择更高的职业阶层[31]。父母非农就业虽然可以通过增加收入改善子女的教育环境，但这种正向效应可能被陪伴时间减少带来的负向效应抵消，最终导致子代职业地位向下流动的概率增加。

根据表7 模型5 的回归结果，我们进一步求出各变量的边际效应（见表8）⑤。根据表8，如果父代非农就业，子代职业地位向下流动的概率会提高0.174，向上流动的概率会降低0.420。相比女性，男性子代职业地位向下流动的概率会提高0.019，向上流动的概率会降低0.046⑥。年龄每增加1 岁，职业地位向下流动的概率降低0.004，向上流动的概率提高0.009。受教育年限每增加1年，个体的职业地位向下流动的概率降低0.003，向上流动的概率增加0.008，这也验证了周兴和张鹏的研究结论，他们的研究表明教育在代际职业地位流动中扮演着重要角色，子女接受教育会显著提高职业地位向上流动的概率。工资收入的对数每增加1 个单位，职业地位向下流动的概率降低0.017，向上流动的概率提高0.042。家庭常住人口数也会显著影响子代职业地位的流动情况，家庭常住人口数每增加1%，子代职业地位向下流动的概率增加0.034，向上流动的概率降低0.062。家庭人均收入的系数也在1%水平上高度显著，家庭人均收入每增加1%，子代职业地位向下流动的概率降低0.018，向上流动的概率提高0.033。距离最近城市的时间也显著影响子代职业地位的流动，距离最近城市的时间每提高1%，子代职业地位向下流动的概率降低0.0003，向上流动的概率提高0.002。距离最近地市的时间的系数在1%的水平上显著，距离最近城市的时间每提高1%，子代职业地位向下流动的概率降低0.0002，向上流动的概率提高0.0006。

表7 父代是否非农就业对子代职业地位流动的影响实证结果

表8 子代职业地位流动的影响因素的边际效应

表9呈现父代是否务工与性别对子代职业地位流动的交互作用。首先，从整体来看，父代外出务工的子代的职业地位向上流动的概率要低于父代非外出务工的子代，父代外出务工的子代的职业地位向下流动的概率要远高于父代非外出务工的子代。其次，从性别差异来看，父代如果不外出务工，女儿职业地位向上流动的概率增加0.965，儿子职业地位向上流动的概率增加0.955，二者之差为0.01。父代如果外出务工，女儿职业地位向上流动的概率增加0.709，儿子职业地位向上流动的概率增加0.652，二者之差为0.057。也就是说，无论父代是否外出务工，女性子代职业地位向上流动的概率都要高于男性，而且父代非农就业的女性子代比男性子代更有可能实现职业地位的向上流动。

表9 父代是否务工与性别对子代职业地位流动的交互作用

图1绘制了子代个体的年龄、家庭人均收入、受教育年限和距离县城时间等因素对职业地位流动的影响。图1（a）显示，随着被调查者年龄的增加，调查对象的职业地位向上流动的概率也在不断提升，职业地位向下流动和保持不变的概率呈现下降趋势。图1（b）呈现家庭人均收入对子代职业地位流动的影响。首先，从整体来看，随着家庭收入的增加，子代职业地位向上流动的概率逐渐下降，向下流动和保持不变的概率呈现稳中有升的态势。究其原因，可能是因为家庭收入高的父代职业地位通常较高，子代职业地位超过父代的概率也会随之降低。图1（c）呈现子代受教育年限对子代职业地位流动的影响，子代职业地位向上流动的概率随着受教育水平的提升而不断提升，向下流动和保持不变的概率随着受教育水平的提升保持稳中有降的态势，这与周兴和张鹏[7]的研究结论也是一致的，他们的研究也发现随着受教育水平的提高，子代职业地位向下流动的概率会逐渐降低，向上流动的概率会逐步提高。图1（d）呈现的是村庄距离县城的时间对子代职业地位流动的影响，可以看到，村庄距离县城的时间对子代职业地位的流动概率基本呈现水平线，这表明村庄距离县城远近并不会显著影响子代职业地位的流动。

图1 职业地位流动预测概率

（二）稳健性检验

考虑到职业地位会随着务工个体工作经验的不断丰富而逐步提高，此时，如果忽略个体的成长性有可能导致回归结果出现偏差。我们从三个方面做了稳健性检验：第一，剔除年龄在40 岁以前的观测值。个体职业地位的提高在40岁以前，个人晋升的可能性较大，但进入40 岁以后，个体的职业地位逐渐趋于稳定，所以我们仅保留40岁以后个体重新对模型进行了回归，结果见表10的模型1，可以发现父代非农就业变量（Fwork）的系数仍旧在1%水平上高度显著为负。第二，考虑到处于低职业地位等级的劳动力晋升空间的可能性相对较低，所以我们仅保留职业地位为半技术或无技术工人的观测值，回归结果见模型2，可以发现Fwork 的系数也在1%水平上高度显著为负。第三，拥有高教育水平的劳动力在职业地位成长过程中会有更好的晋升机会，所以我们进一步把受教育水平在大学及以上的观测值剔除，回归结果见模型3，可以看到Fwork 的系数依然在1%水平上高度显著为负。因此，回归结果是稳健的，父代非农就业会显著降低子女职业地位向上流动的概率。

（三）内生性问题处理

以下三方面的原因可能导致模型存在内生性问题：第一，可能存在遗漏变量。尽管我们在模型中加入了足够多的控制变量，但仍有一些因素比如家庭文化等无法用具体的变量来表征，而这些因素都有可能影响父代是否外出打工以及子女的职业地位选择。第二，可能存在的双向因果问题也有可能影响本文估计结果的可靠性。为此，我们选择本村的务工率作为父代是否外出的工具变量，一般情况下，我们认为本村非农就业率高会影响个体的务工与否，但是个体是否务工则不会对村庄的整体务工率产生直接影响。工具变量回归结果见表10 模型4。结果显示，在选择村庄务工率作为父代是否非农就业的工具变量后，回归结果依旧在1%水平上高度显著为负，表明本文的回归结果是稳健的。

（四）父代非农就业地点差异对职业地位代际流动的影响

表11 进一步呈现父代非农就业空间的差异对子代职业地位流动的影响。父代的工作地点分为五类：本乡镇、本县、本市、本省和省外。本文将本乡镇作为基准组，其他地方设置0 和1 虚拟变量。模型1 没有加入控制变量，模型2 加入调查者个体特征，模型3加入家庭特征因素，模型4加入村庄特征因素，模型5 进一步加入年份效应。可以发现，Fworkplace 变量在所有模型中均在1%水平上高度显著，且均为负值，这意味着相对于父代在本乡镇工作的被调查者，父代在外地工作的被调查者的职业地位更有可能向下流动。具体来说，根据模型5，我们可以发现，Fworkplace4 的系数绝对值最大，这意味着父代在省外工作的子代职业地位更有可能向下流动，其次是父代在本省工作的子代（Fworkplace3的系数为-1.658），父代在本市和本县工作的子代职业地位向下流动的概率相对较低。外地务工人员陪伴子女的时间减少会导致子女的教育和职业地位向下流动，尤其对于那些离家较远的务工人员，陪伴子女的时间会更少，子女的职业地位更有可能向下流动。非农务工对子女职业地位流动的影响取决于陪伴时间减少的负向效应和收入增加物质条件改善的正向效应之和，通过分析原始数据可以发现，在本县城工作的务工人员平均每年回家次数为252 次，但是在省外工作的务工人员平均每年回家次数仅为63 次⑦，远远少于在本县城工作的。所以在其他条件相同的情况下，在省外工作的务工人员陪伴子女时间减少导致职业地位代际流动的负向效应要大于在本县城工作的务工人员陪伴时间减少导致代际流动的负向效应，这也就导致父代在省外工作更有可能导致子女职业地位向下流动。

表11 父代工作地点对子代职业地位流动的影响

六、异质性分析

（一）村庄区位的异质性

本文进一步将所有样本按照村庄距离县城的中位数，分为近城地区、远城地区两组，控制个人特征因素、家庭因素和村庄层面的因素，进一步探讨父代非农就业对子女职业地位代际流动的影响（见表12）。根据表12 的模型1 和模型2 的结果，总体上，近城村庄父代非农就业对子代职业地位向下流动的影响要大于远城村庄。这是因为如果所在村庄为近城村庄，村庄附近会有更多的就业机会，父代在本地务工可能更有助于为子女提供更好的社会网络资源，为其工作提供更好的信息来源，从而有助于其子女选择更好的职业地位。相反，如果父代在外地务工，父代的社会网络资源则更多地分布在外地，不能为子女提供更好的信息资源，所以不利于子女职业地位的提升。而如果所在村庄为远城村庄，则村庄附近的就业机会相对较少，父代是否在本地工作所掌握的社会网络资源并不能显著影响子女的职业地位选择，所以相较于近城村庄，父代在外务工对子女职业地位向下流动的影响相对较弱。

表12 按照村庄区位和家庭收入分组

（二）家庭收入的异质性

表12模型3和模型4则按照家庭人均收入的中位数将样本组分为低收入和高收入两组，分别考察在不同收入家庭父代非农就业对子代职业地位流动的影响。根据回归结果，高收入家庭的父代非农就业对子代职业地位流动的负向影响要高于低收入家庭。

（三）出生年代的异质性

考虑到中国正处于转型期，不同时期社会结构的时代特征差异较大，父代和子代的工作环境也有很大的不同，因此，考虑时代变迁背景下职业地位流动问题具有重要的现实意义。鉴于此，我们将样本组按照子代出生年份分为“1979 年以前”“1980—1989年”“1990—1999 年”“2000 年至今”四个出生队列，表13 呈现不同出生队列的子代对应父代是否非农就业对其职业地位流动的影响。我们发现，父代非农就业对2000年至今出生的子代负向影响最大，且系数在1%水平上高度显著，其次是1990—1999 年出生的队列，再次是1980—1989 年出生的队列，对1979年以前出生的子代影响不显著。

表13 按照子代出生年代分组

七、结论与启示

本文利用河南省“百县千村”2017—2019 年三轮入户调查数据，将调查问卷中涉及的职业地位重新编码为EGP五分类职业地位层次，对河南省农村家庭代际职业地位流动现象进行了研究，主要得出如下结论：

首先，从样本期内的全部样本来看，河南省农村劳动力职业地位总体呈现向上流动趋势。具体而言，子代职业地位相对于父代向上流动的个体占比63.26%，向下流动的个体占比为12.29%，还有24.45%的个体职业地位与父代保持一致。其中，女性职业地位向上流动的比例要低于男性，女性职业地位向上流动的人数占本组比为57.11%，而男性职业地位向上流动的比例为64.85%。

其次，本文进一步采用有序Logit 模型实证发现，父代非农就业会显著降低子代职业地位向上流动的概率。具体来说，如果父代外出务工，子代职业地位向下流动的概率会提高0.174，向上流动的概率会降低0.420。在逐步加入个人特征因素、家庭特征因素和村庄区位因素后，该变量依然显著。相比女性，男性子代职业地位更有可能向下流动，男性子代职业地位向下流动的概率会提高0.019，向上流动的概率会降低0.046。教育在职业地位代际流动时起到显著作用，劳动者接受教育可以显著降低职业地位向下流动的概率，受教育年限每增加1年，个体的职业地位向下流动的概率降低0.003，向上流动的概率增加0.008，而且随着受教育年限的增加，职业地位向上流动的概率也越来越高，向下流动的概率越来越低。

再次，本文的研究表明，父代的工作地点也会对子代的职业地位流动产生显著影响。与父代在本乡镇工作的子代相比，父代在外地工作的子代的职业地位更有可能向下流动。具体来说，父代在省外工作的子代职业地位向下流动的概率最大，其次是父代在省内其他地市工作的子代，父代在本县城工作的子代职业地位向下流动的概率相对较低。

本文的研究结论蕴含的政策建议包括以下两个方面：第一，注重引导教育对职业地位流动的推动作用。教育是推动职业地位向上流动的一个重要因素，应该继续支持和推进各级各类教育的发展，既要引导农村家庭对教育的重视，也要进一步加强教育制度改革，进一步改善教育资源分配不均匀、教育机会不公平的现象，多渠道降低农村家庭子女上学的成本，让每个人都获得良好的受教育机会。第二，注重引导父代对子女的陪伴教育。根据本文的研究，父代非农就业虽然有助于提高家庭收入，但与此同时，陪伴子女的时间也大幅减少，对子女的职业地位代际流动反而带来负向影响。外出务工人员应该通过电话、网络等方式加强与孩子的沟通和交流，关注子女成长过程中的困惑和烦恼，建立有效的共情陪伴途径，为子女的职业地位成长提供更好的条件。

注释：

①本文按照村庄到县城主要的交通方式的通勤时间来划分村庄的区位，如果通勤时间不超过0.5小时，则该村庄的区位为靠近县城，反之为远离县城。

②EGP 阶 层 框 架 是 根 据Erikson、Goldthorpe 和Portocarero的首字母来命名的。

③调查问卷中调查对象的工作行业分为个体户、企业白领、公务员或事业单位、制造业、副业（家庭手工或手工业）、医疗业、商业和商务中介、建筑业（含装修）、开办企业、教育业、旅游餐饮业、生活服务业、纯农业、运输业、采掘业、金融服务业和零工总计17类。

④从事纯农业的劳动者定义为农民，从事副业（家庭手工或手工业）、建筑业（含装修）、旅游餐饮业、采掘业的劳动者定义为半技术或无技术工人，从事个体户、运输业、生活服务业、制造业的劳动者定义为工头或技术工人，从事企业白领、金融服务业、商业和商务中介、开办企业的劳动者定义为常规非体力工人，从事公务员或事业单位、教育业、医疗业的劳动者定义为专业技术人员或管理人员。

⑤这里没有汇报不显著变量的边际效应。

⑥这里需要特别说明的是，此处的男性子代职业地位更有可能向下流动似乎与前文的统计性描述部分得到的结论，女性职业地位向上流动的比例要低于男性相矛盾。实际上，二者并不冲突，前文统计的是女性组内向上流动的比例，而这里说的是男性相对于女性职业地位流动情况。

⑦由于调查问卷没有统计父母每年陪伴子女的具体时间，此处用务工人员每年平均回家次数作为陪伴时间的代理变量也不失为一种合适的处理办法。通常情况下，回家次数越多，陪伴子女的时间越长。务工人员在本县城工作每年平均回家次数为252 次，在本市工作平均每年回家次数为211 次，在本省工作平均每年回家次数为112次，在省外工作平均每年回家次数为63次。