父母健康受子女就业选择的影响

朽木易折，金石可镂。千里之行，始于足下。第页/共页父母健康对子女就业挑选的影响摘要：影响劳动力职业挑选的因素无数，而父母对子女的就业挑选无疑有很大影响力，家庭因素在很大程度上会左右子女的职业属性以及工作时光分配。这篇论文将研究方向主要放在父母身体健康程度与子女就业挑选的相关性上，我们发现在中国农村地区父母健康程度显著影响子女从事农业工作的可能性，父母健康情况越差子女越有可能从事时光相对灵便的农业工作，但是父亲健康与母亲健康对子女就业挑选的影响无显然差异。同时我们注重到父母健康对子女就业挑选的影响在子女性别维度上存在着较显然的差异。关键词父母健康就业挑选农业工作一·引言在中国这样一个重视家庭观念的社会，子女照顾年迈的父母是一种常见的现象。异常是当老人行动不便或者失去自理能力时，除了老伴提供的找料外，子女必须承担剩余的照顾负担。无论是由单个子女来承担或者是多个子女轮流来承担照顾老人的责任，总的来说，这种负担会减少子女能够投入劳动力市场的时光，因此也就会影响子女的就业挑选。此外，按照利他主义的假说，父母的效用的提高会对子女的效用产生正的影响，而父母的效用显然会随着受到的照顾的增强而提高。因此，我们有理由相信，当父母需要照顾时，子女会提高照顾老人的时光比重。出于以上的考虑，我们认为，父母的健康情况在一定程度上会影响子女的就业挑选。此外，我们将就业挑选详细的局限在农业工作与非农工作的挑选上，是因为农业与非农业工作有一个很大的区别就是在时光投入的灵便度上。农业工作相比于非农工作，它的工作时光越发自由、零散，工作地点普通也越发逼近住所，也就更方便照顾老人。为了检验我们的假设，我们以CHARLS2011、2013年的数据为基础，用实证来分析父母的健康对子女的就业挑选的影响。在大部分之前的相关研究中，我们主要参考了K.Bolin（2007）、Ettner（1996）、John

Giles（2005）三篇文献。其中K.Bolin这篇论文利用的是SHARE（SurveyofHealth,Aging,andRetirementinEurope）收集的数据，研究主体是欧洲地区父母年龄在50岁以上的处于工作适龄年龄的子女，担心点在于非正式照顾是否会给照顾提供者带来收入损失以及制度背景在这一方面的影响是否重要，文章最后得到的结论是子女为父母提供非正式照顾会导致更低的被雇佣率和更少的劳动时光，但是非正式照顾对于小时工资而言没有显著的影响。Ettner的研究与K.Bolin类似，他使用了1987年NSFH（NationalSurveyofFamiliesandHouseholds）的数据去预计照顾老人对男性劳动力及女性劳动力的工作时长的影响，并发现这种影响对于女性劳动力的影响是显著的，相对于男性而言，赋予照顾对工时的边际效应对女性的影响更大，并且对与父母同住的子女的影响更大。我们注重到先前研究者都有考虑到父母健康这一因素，但认定父母健康与子女就业之间不存在直接的联系，他们认为父母健康惟独差到产生照顾需求的程度时才会对子女的就业造成影响，因此在之前的研究中父母的照顾需求被作为解释变量，而父母健康则被当作了工具变量。但是考虑到详细研究背景，我们研究的主体局限于广大的中国农村地区，因为受教诲背景普遍较低以及医疗制度不够完美，老年人很少采纳较为全面的体检，因而自评健康相对于照顾需求更容易获取和度量（有些老人可能有照顾需求，但因为不知晓病情而坚持自理）。而且将担心点放在父母健康对子女就业挑选的影响还可以了解二者之间是否存在直接的相关关系。同时我们注重到中国在这方面的相关研究并不是很丰盛，John

Giles（2005）这篇文章主要研究的是中国农村地区老年人健康对子女迁徙挑选的影响，但并没有担心子女的就业挑选。因此我们的二．数据和变量选取2.1.数据推荐本文使用的数据来自CHARLS全国基线调查。中国健康与养老追踪调查（CHARLS）是由北京大学国家发展研究院主导的两年一次的全国家户调查，主要收集的是代表中国45岁及以上中老年人家庭和个人的高质量微观数据。CHARLS全国基线调查于2011年开展，调查范围笼罩150个县级单位，450个村级单位，约1万户家庭中的1.7万人。问卷分为：基本信息，家户信息，家庭交往与经济往来，健康情况和功能，医疗保健与保险，工作退休与养老金，家庭收入、支出与资产，个人收入、支出与资产，住房结构及家户联系表等模块。我们担心的问题中所需要的重要变量，包括子女就业情况，受访者健康情况等，在CHARLS数据库中都有详细的记录，因此我们将研究建立在CHARLS数据之上。与已有的研究数据相比，CHARLS调查主要针对45岁以上的老人，这个群体有三个重要的特征相宜我们的研究课题。一是，45岁以上的人群身体逐渐老化，各项机能开始下降，身体相比于更衰老的人更容易成为家庭的负担；二是，个人的经济收入的下降阶段也多发生在45岁以后，因此家庭的经济主要来源的转移也大多是在45岁以后由父母身上转移到子女身上，相比于45岁以前，倘若父母的身体健康确实对子女的就业挑选有影响的话，这个年龄段的效果会越发显著；三是，考虑到45岁以后人群的子女大多已是青壮年，正是劳动力市场的主要组成部分，这使得我们的研究有更大的现实意义。2.2.数据库构建在构建数据库时，主要分成三个步骤：首先从原始的家庭信息数据库中收拾出父亲和母亲的人口学信息和健康情况，分离保存为两个数据库文件；然后再在原始的家庭信息数据库中利用stata软件中的reshape命令，将样本的主体从受访者转换为受访者的子女；最后将父亲和母亲的数据库合并的子女的数据库中。这样我们就得到了以受访者子女为观测样本的数据库。考虑到主要探索的方向是关于农村地区受访者的健康情况对其子女就业挑选的影响，我们将受访者至少需要有一个子女作为样本的筛选条件，一个子女都没有的家户在生成父母的数据库过程中被我们排除掉。对于不在工作适龄年龄范围之内的样本主体我们将其排除，因为这些个体在劳动挑选上的行为相较于主要样本群体而言不具有可比性。按照普通通用的规定我们将工作适龄年龄定义为16岁到65岁之间（包含16岁和65岁）。在构建13年的样本数据过程中，需要注重的是子女的信息一部分在家户问卷中，因此我们需要到家户问卷的数据库中将住在家户内的子女的信息提取出来。总算得到13年的数据库的样本容量为11030。因为11年和13年的数据处理结果一致性相当好，所以为了方便读者阅读，在以下的研究和分析，我们都以13年的数据为例。11年的数据详细可见附录二。2.3.加权描述CHARLS数据采取的是多阶段PPS聚类抽样主意，但考虑到样本框错误、抽样中的某些限制、拜访中的无应答，这些都会导致实际上每个样本点被选取的概率是不同的。为了保证抽样的随机性，我们需要使用权重举行调节样本点进入样本的概率。在我们研究中，子女作为研究主体，我们的权重选取只需保证家户层面上每个家户被选中的概率相同即可。因此我们基于抽样主意计算的权重调节了抽样中的随机性，并通过回归的主意调节了无应答导致的随机性。2.4.变量描述2.4.1父母健康在我们的分析中，父母的健康情况是主要的解释变量。目前对健康评价指标有主观和客观之分，主观指标是个体或人群对自身健康情况的主观感触和主观评价。本文中的主观指标为受访者的自评健康（自评健康指个体对自己健康情况的自我评估，是一个重要的健康监测指标），分为很好、好、普通、不好、很不好五个等级。容易易行的自感健康指标能够可靠地测量客观健康情况，综合反映个体的主观感触和身体机能情况，并可直接获得人群的全面健康情况，因此自评健康作为广泛的指标是对自我健康的一个合理的衡量。后续分析中我们采用受访者（即父母）的自评健康作为主要解释变量。在实证部分的回归分析中我们也将采取自评健康作为重要的回归变量。但是，注重到，自评健康作为一个主观变量，很大程度上还受到受访者心态等跟健康无关的个人因素影响，因此将自评健康细分为五个等级的意义并不大，且不利于我们举行回归分析和解释，因此我们将构建一个dummy变量来描述父母健康：“很好”、“好”定义为身体情况好，用0表示；“普通”即表示身体情况普通，用1表示；“不好”、“很不好”定义为身体情况不好，用2表示。由表一可知，父亲和母亲的健康自评问题中都是回答普通的比例最高，父亲中的比例达到51.20%，母亲中比例达到48.14%。若将父母情况分为好、普通和不好，可以看到父亲中健康情况为好的比例占23.52%，不好的比例占25.28%，母亲中健康情况为好的比例占18.41%，不好的比例占33.45%。因为我们无法识别Good与Fair、Fair与Poor之间的显然差异，因此我们对Good、Poor之间的差别更感兴趣。但由表中可以看出父母健康情况为Fair的比例相当之大，我们无法忽略它，但又不能毫无理由地将其并入Good或Poor一组。因此在后面的回归中我们会将健康情况为Fair这一组参加回归方程中，但我们协助的是Good与Poor这两组对子女就业挑选的影响差异另一方面，客观健康指标作为对身体某一机能的衡量，是个体对自身健康的一种检测。对于父母健康情况的客观指标，我们利用了ADL、IADL数据。ADL（activitiesofdailyliving）指日常生活能力，包括能否穿衣、洗澡、吃饭、起床下床、上厕所、控制大小便等；IADL(instrumentalactivitiesofdailyliving)指工具性日常生活活动能力，包括能否做家务、煮饭、买东西、管钱、吃药等）构造了评测变量。将客观指标变量作为主要解释变量的分析与前面类似，在正文部分不予赘述，我们会在附录三中展示把客观指标变量作为主要解释变量的分析结果。在本文的研究中，我们将自评健康分为父亲手评健康与母亲手评健康，这样区别解释变量可以分离研究父亲健康和母亲健康对子女工作的影响，同时也避免了将两个自评健康变量合并在一起导致彼此对被解释变量的偏效应互相抵消。2.4.2子女就业挑选本文对于子女就业挑选情况的担心主要扩散于子女工作的类别：农业工作或是非农业工作。我们将子女工作详细类别划分为以下几大类：国家机关、党群组织、企业、事业单位负责人，专业技术人员，办事人员和有关人员，商业、服务业人员，农、林、牧、渔、水利业生产人员以及生产、运输设备操作人员及有关人员。其中我们将农、林、牧、渔、水利业生产划归为农业工作，其余几类划归为非农业工作。因此本文的被解释变量便是子女是否从事农业工作，这是一个虚拟变量，1代表农业工作，0代表非农业工作。从整体样本来看，有47.70%的子女从事农业工作，64.306%的子女从事非农业工作。倘若将样本分为男性和女性两组，男性中从事农业工作的人较少，惟独43.27%，女性中从事农业工作的人较多，有56.37%。男性和女性从事农业工作的比例的显然差别说明是否挑选农业工作受性别的影响。2.4.3其它自变量在对子女的就业挑选的回归方程中，除了有子女基本的人口学变量外，如子女的性别、年龄、教诲水平、婚姻情况外，我们还以子女的角度出发，参加子女在面临就业挑选中所需要考虑的因素，有子女的兄弟姐妹数量、孩子的数量和小于16岁的孩子数量。兄弟姐妹数量度量子女赡养老人的责任的多寡——兄弟姐妹越多，分担赡养老人的责任的人越多，平摊到每个人上的责任相对就轻；而孩子的数量及16岁以下孩子的数量则度量子女自己家庭抚养孩子的负担，负担越重，子女就需要在父母和孩子间权衡，有可能从事工资更高的非农业工作。此外，子女在就业挑选时倘若有考虑是否方便照顾老人，那么老人的人口学变量，如年龄、教诲程度等也会影响子女的就业挑选，因此我们也将父母的年龄、教诲程度放入回归方程。三、实证分析3.1研究主意本文所协助的主要问题是农村地区的父母的健康情况是否会影响子女的就业挑选，我们将就业挑选定义为农业工作和非农业工作，因此我们的主要因变量是一个二元离散因变量，于是我们挑选用Probit模型来举行回归。为此，我们建立以下模型举行分析：y其中G是一个取值范围郑重介于0-1之间的函数，以确保响应概率郑重地介于0-1之间。因变量yi是代表子女是否从事农业工作的虚拟变量，x1i是代表父母是否健康的虚拟变量，x2i代表子女的人口学变量，x3i代表其他控制变量3.2实证结果首先我们分析子女的人口学信息，表一的各列分离表示儿子从事农业工作、儿子不从事农业工作、女儿从事农业工作、女儿不从事农业工作四种情况。该表涵盖了子女的年龄、教诲、婚姻情况、孩子个数、小于16岁孩子的个数等。从表中我们可以看出，无论是男性还是女性，从事农业工作的人群中衰老人（16-25岁）的比例都很小，男性为7.97%，女性为7.05%，比例最高的年龄段为36-45岁，男性达到37.80%，女性达到29.86%，总体而言，从事农业工作的为26-45岁的人群。关于教诲水平，可以显然的看出男性和女性从事农业工作的人群中高学历的比例都要低于从事非农业工作中高学历的比例，而无论是在从事农业工作的人群中还是从事非农业工作的人群中，女性高学历的比例都要低于男性。关于婚姻情况，在总体样本中，未婚的比例比较小。详细来看，从事非农业工作的未婚比例要高于从事农业工作的未婚比例，无论男性还是女性都如此，这与从事非农业工作的衰老人比例要高于从事农业工作的比例情况吻合，因为衰老人相比年长的人有更大的可能性处于未婚状态。关于孩子的个数，从事农业工作中有2-3个孩子的比例很高，男性达到了52.19%，女性达到了59.79%，远高于从事非农业工作的比例，反过来，从事非农业工作的人群中有0-1个孩子的比例也要远高于从事农业工作的比例。这同样与从事非农业工作人群中衰老人的比例较高相吻合。而关于16岁以下孩子的个数，男性从事非农业与从事农业工作的情况大致相同，女性则略有差别：女性从事农业工作的人群中有2个以上孩子的比例要高于从事非农业工作的比例。从上面向孩子的人口学统计信息的分析，我们可以总结出结论：衰老人更倾向于从事非农工作；从事非农工作的人群的学历平均来看要高于从事农业工作人群的学历；女性的受教诲程度整体来讲要低于男性的受教诲程度；从事农业工作的人群的孩子个数总体来讲要多于从事非农业工作的人群的孩子。这些未经回归分析检验的结论都符合我们基于日常经验和中国国情的判断，因此以上分析也从侧面证实了我们采用的数据的可靠性。接下来，我们对文章的主要问题举行回归分析。以下回归中，主要因变量为子女是否从事农业工作的虚拟变量，主要自变量为父母的健康情况，控制变量主要有子女的年龄、教诲程度、婚姻情况、孩子及16岁以下孩子的个数，随着我们的分析，我们还会参加其它我们感兴趣的控制变量。表四表示农村地区父母健康和子女就业挑选的相关性分析。表四第一列是未参加子女性别的基础回归。我们选取父母健康情况为Good这一组作为基准组，在控制了子女的年龄、年龄的平方项、婚姻情况和家庭负担情况后，母亲的健康对子女的就业挑选影响在1%的水平下是显著的（注重：我们担心的是父母健康为Poor这一组相对于父母健康为Good基准组的差异，Fair这一组如何我们并不在意，理由在之前讲述过），父亲健康对子女的就业挑选影响在5%的水平下是显著的，且斜率系数有较大的差异（父亲为0.139,母亲为0.214）。由斜率系数符号为正，我们可以知道父母健康对子女就业挑选的影响效应：父母健康情况为不好的组的子女，相比于父母健康情况为好的组的子女，从事农业工作的概率要高。年龄对子女挑选农业工作的概率的影响在1%的水平下也是显著的，且斜率系数为负。由年龄二次项系数我们还可以计算出年龄在32.5岁左右的人群从事农业工作的可能性最小。对于教诲水平的影响，学历更高的人群会降低从事农业工作的概率。值得注重的是，子女的孩子个数对子女挑选农业工作的概率在5%的水平上有显著的影响，且斜率系数为正，而子女的小于十六岁的孩子的个数对子女挑选农业工作的概率的影响并不显著。表四的第二列是probit回归的边际效应。我们可以看出，母亲健康差的子女相对于母亲健康好的子女从事农业工作的可能性要高8.5%，差异在1%的水平上显著；父亲健康差的子女相对于父亲健康好的子女从事农业工作的可能性要高5.5%，差异在1%的水平上显著。表四第三列是当我们把子女的性别参加回归方程后的结果，性别的影响在1%的水平上也是显著的；在表四第四列的边际效应的结果中可以看到，在控制了其他变量相同的情况下，女性从事农业工作的概率平均来说要比男性高14.3%，同时其他变量的系数也各自发生了变化。在举行了之前的回归分析之后，我们注重到父亲健康和母亲健康对子女就业挑选的影响似乎是不同的（系数差异），于是我们对于下面的问题产生了兴趣：在中国农村地区重男轻女的问题向来很严重，那么在照顾父母这个问题上是否存在着性别歧视呢？人们是否会更偏重于照顾父亲而忽略母亲呢？或者相反，人们更愿意为了母亲而放弃工作机会？为了检验父亲健康和母亲健康的对子女的影响是否存在显著的差异，我们构造了新的变量dif_poor和dif_fair:dif_poor=fatherhealth_poor+monthhealth_poor,dif_fair=fatherhealth_fair+motherhealth_fair,将dif_poor和fatherhealth_poor以及dif_fair和fatherhealth_fair一起放入回归方程中，回归结果在表五中显示。注重，此时反应系数差异的指标是fatherhealth_poor前的系数（同样地，我们不协助在Fair这一组上可能存在的差异，但为了不影响结果，我们依然要将dif_fair和fatherhealth_fair放入回归方程中）。从表中可以看到fatherhealth_poor前的系数并不显著，这说明了父亲健康与母亲健康之间对子女就业挑选的影响差别并不显著。因此接下来为了验证父母健康对子女就业挑选的影响是否存在子女性别维度上的差异，我们考虑分离在回归方程中参加交互项female*mother_health以及female*fether_health,从表六的第一列中我们可以看到，母亲健康对儿子的就业挑选影响更大，对女儿的影响更小，这种差异在5%的水平上显著；在第二列中可以看出边际效应：当母亲健康情况为Poor时，相对与儿子而言，女儿从事农业工作的可能性要高23.4%，但这是因为女性本身就比男性有更大的可能性从事农业工作，仅看交互项female*motherhealth_poor前的系数的话，女儿比儿子从事农业工作的可能性要低8.1%。同样，从表中第三列可以看出父亲健康也是一样对儿子就业挑选的而影响更大，对女儿的影响更小，并且这种差异在10%的水平上显著。第四列中交互项的边际效应为-6.6%，说明当父亲健康情况为Poor时，相对与儿子而言，女儿从事农业工作的可能性要低6.6总结研究的结果证实了在中国农村地区父母健康与子女就业挑选之间确实存在着显著的关系。第一，父母的健康水平在一定程度上会影响子女的就业挑选，尤其是当父母健康情况不好时，其子女从事农业工作的可能性会显著地升高。这说明，子女在举行就业挑选，即从事农业与非农业工作的挑选时，既会从自身的条件出发考虑，在一定程度上也会考虑父母的健康。第二，父亲健康与母亲健康对子女从事农业工作的影响差异并不显著。也就是说对于父母照顾而言并不存在着重男轻女的传统现象。第三，相比于女性，男性从事非农业工作的概率受父母健康的影响更大。对于这个现象，我们认为一个合理的解释是：目前中国的传统是女方结婚后跟男方住，并且有更大地可能跟男方父母住，尤其是在农村，因此女性结婚后，照顾自己亲生父母的责任主要由兄弟和其配偶来承担，所以父母的健康对女儿的影响相比儿子会更小。上述结果大概会受到干扰倘若我们构建的模型中存在内生性问题的话。但是我们很难想象在控制了子女的年龄、教诲程度、家庭因素之后，其他可能影响子女就业挑选的因素还会与父母的健康情况相关。因此这个模型的内生性假定是很难被否决的。至于可能存在的异方差问题，我们在上述报告中使用的都是异方差-稳健的标准误，因为样本量充足大，我们对此产生的偏误有信心控制在一个不太大的范围之内。这些结论与引言中我们提出的假设预测相符合。我们的结果表明，通过改善农村地区老年人的健康医疗条件，可以让农村劳动力市场越发活跃，劳动适龄人口在就业挑选时更多的考虑自身情况来挑选最合适的工作，而不受到父母照顾需求的牵绊，进一步而言可以改进农村地区的生产劳动情况，使囫囵社会的劳动力分配越发均衡。考虑到中国如今已经进入老龄化社会，并且已经成为世界上老年人口最多的国家，在未来老年人的照顾需求会不断增强，而且尽管城市化发展很快，但农村地区依然居住着超过一半的人口，倘若大量的农村劳动力因为养老压力而影响了自由的就业挑选，那么无非会对中国未来经济的发展产生消极的影响，这一点的改善就有赖于政府采取有效的应对举措。劳动力市场的稳态是雇佣者与被雇佣者形成平衡的结果，合理的劳动力制度可以让市场有更大的容忍度。政府若能在一定程度上代替家庭内部给老人们能提供非正式或正式照顾，那么劳动力就能得到释放，从而有更强的动机去参加劳动力市场的竞争。倘若政府提供不足以解决照顾需求无法满意的问题，那么不妨建立完美的有偿护工照顾制度。家庭内部的非正式照顾与市场上的有偿正式照顾是可以互相替代的。这样的政策可以减轻非正式照顾提供者的负担，提高他们的劳动力参加率。但要注重的是，惟独在有偿照顾的成本低于非正式照顾的机会成本时，市场才干有效地运行起来，因此需要政府的投入与扶持。参考文献SusanL.Ettner,”TheOpportunityCostsofElderCare”,TheJournalofHumanResources,Vol.31,No.1Winter,1996,pp.189-205;K.Bolin,B.Lindgren,

P.Lundborg,”Yournextofkinoryourowncareer?

:Caringandworkingamongthe50+ofEurope”,John

Giles

,

Ren

Mu,”Elderlyparenthealthandthemigrationdecisionsofadultchildren:EvidencefromruralChina”,Demography,附录一表零（2013）DropDescriptionRemain314496224Iftheparentsdon’tliveinurban2522510235Ifthechilddoesn’tliveinurban149901619Ifage<16orage>65133712053Ifmissingagrijob11318286Ifmissingfather_healthormother_health110322Ifmissingchild’sgender11030表一父母健康自评的分布（2013年）Self-reportedhealthGood(%)FairPoorFather23.5151.2025.28Mother18.4148.1433.45表二子女就业挑选的统计描述（2013）AgriculturaljobAllSample(%)Male(%)Female(%)Yes(=1)45.7043.2756.37No(=0)64.3059.6240.38Mean0.45700.52140.4786S.D0.47790.45060.4969表三本研究所需的所有变量的统计描述（2013）VariableDescriptionWeightObsMeanStd.Dev.num_siblingsThenumberofsiblings108793.9416211.730571Fem1iffemale10879..Agrijob1ifjobisagricultural11030..498188ageAgeinyears1103037.317419.479565agessqAge^2110301482.443737.1603married1ifcThelevelofeducation109973.361281.num_childThenumberofchildren99431.718194.num_child16Thenumberofchildrenwhoseageareunder169551..father_health=0Poor1Fair2Good83632.017577.mother_health=0Poor1Fair2Good86622.150425.mother_ageMotherage1103062.1015210.21365mother_eduMothereducationlevel110301.8538581.113485father_ageFatherage1103062.955939.613421father_eduFathereducationlevel110302.8363851.221522*：childedu的值从1~6分离表示子女的教诲水平为“文盲”、“小学未毕业”、“小学毕业”、“初中”、“高中”、“大学及以上”。mother_edu和father_edu的值从1~5分离表示其教诲子女人口学信息样本统计值（2013）儿子从事农业儿子从事非农业女儿从事农业女儿从事非农业样本量2270547327233407年龄16-250.07970.14970.07050.171726-350.24320.42440.27070.338636-450.37800.29860.39700.331146-550.21980.11370.20670.098656-650.07930.01360.05510.0100教诲水平文盲0.07470.01330.19400.0547小学未毕业0.15300.07320.18890.1074小学毕业0.35120.24180.31580.2602初中0.34850.40570.26120.3102高中0.06770.14900.03760.1318高中以上0.00490.11690.00260.1330婚姻情况未婚0.13000.21500.03530.1744已婚0.87000.78500.96470.8256孩子个数00.03720.05890.02360.060010.30820.43540.28710.47152-30.61500.49130.65960.45203以上0.03970.01430.00710.016416岁以下孩子个数00.42770.26850.41890.303910.32230.44610.31710.46302-30.24090.27920.25870.22982980.00900.03930.00540.0033表四回归结果1表五回归结果2表六回归结果3附录二（2011年数据）表零（2011）DropDescriptionRemain2854712548Keepifparentslivinginrural159991954Keepbetweenage16and65140452228Dropifhasajobbutagriculturaljobismissingormissingjob118173305Dropiffatherhealthmissingandmotherhealthmissing8512168Dropifchildgendermissing834427Dropifmissingchild’educationandmaritalstatus8317表一父母健康自评的分布（2011年）Self-reportedhealthGood(%)VeryGood(%)Fair(%)Poor(%)VeryPoor(%)Father6.4416.0749.6122.695.19mother4.1413.4345.7129.956.77表二子女就业挑选的统计描述（2011）AgriculturaljobAllSample(%)Male(%)Female(%)Yes(=1)34.3427.4043.70No(=0)65.6672.6056.30Mean0.34340.27400.4370S.D0.47440.44600.4961表三本研究所需的所有变量的加权统计描述（2011）VariableDescriptionObsMeanStd.Dev.Female1iffemale83170.449257.49449Agricultural1ifjobisagricultural8317..474434AgeAgeinyears831733.901299.460094AgesquareAge^283171214.717703.9626married1ifmarried8317..393715EducationThelevelofeducation83173.5072891.2378