专业匹配、学业成绩与就业薪酬基于高中文理分科与大学人文社会类专业匹配的研究 （二）实证结果回归结果（1）、（2）显示高中理科生比文科生进入人文类专业或社会类专业专业的概率更高，特别是在控制了高考成绩的情况下，理科生的影响依然显著，与以往认知有所不同当研究进一步细分为经济学、法学等7个学科专业，文理分科的影响呈现显著差异，在经济学、教育学、管理学中，理科生就读的概率更大，而文科生进人法学、文学、历史学专业的概率更大这个结果与描述统计中不同专业的文理科学生比例反映的趋势一致，但实际上文理科学生进入专业的概率受到专业招生对文理科名额分配的直接影响，所以Logit回归结果仅反映出一个招生结果与现象，并不能解释文理科学生具备的差异化能力所以，研究进一步借助学生自评考入本专业的难易程度来辅助判断文理科学生进入大学专业的差异表1 高中文理分科对进入大学专业的影响（1）（2）（3）（4）（5）（6）（7）（8）（9）人文类专业社会类专业社会类专业人文类专业Logit经济学法学教育学管理学文学历史学艺术学高中文理分科0.775***0.888***0.361***-0.886***1.271*1.027***-1.092***-3.388***-0.00214（0.166）（0.126）（0.137）（0.195）（0.670）（0.133）（0.151）（1.036）（0.236）控制变量YesYesYesYesYesYesYesYesYes常数项-3.252***0.864***-0.772***-1.714***-6.364***-1.347***-1.015***-2.561***-4.923***（0.381）（0.259）（0.254）（0.350）（1.235）（0.259）（0.311）（0.728）（0.600）样本量1,2431,2431,2431,2431,2431,2431,2431,2431,243R20.04580.05110.02580.03330.08260.06240.08440.16280.1256注：1.括号内为标准误，***p＜0.01，**p＜0.05，*p＜0.1。
2.除表格所给变量外，研究还控制了性别、户籍等变量，由于篇幅有限，不再列出从图2及图3学生的自评分分布来看，文理科学生的评分有显著不同，理科生的自评分普遍较低，认为自己进入本专业的较容易而从表2回归结果来看，除教育学外，无论是在整体样本还是分专业样本中理科生自评比文科生更好，认为考入现专业较容易，特别是在整体及经济学、文学中具有显著影响研究认为，在控制了以高考成绩后，理科生自评分比文科生更低，且影响显著，说明高中理科与相关专业的匹配程度更高，也反映出理科生具备的更高能力表2 不同专业中高中文理分科对考入专业难易程度的影响（1）（2）（3）（4）（5）（6）（7）（8）总体社会类专业人文类专业Order Logit经济学法学教育学管理学文学历史学艺术学高中文理分科-0.319***-0.372*-0.1071.362-0.0497-0.520**-0.502-0.126（0.101）（0.212）（0.348）（2.121）（0.199）（0.243）（1.893）（0.434）控制变量YesYesYesYesYesYesYesYes常数项YesYesYesYesYesYesYesYes样本量1,243294143133592852588R20.01010.04540.1410.34380.02430.01110.08810.0436注：1. 括号内为标准误，***p＜0.01，***p＜0.05，*p＜0.1。
图2 理科生的自评分布图3 文科生的自评分布2.除表格所给变量外，研究还控制了性别、户籍等变量，由于篇幅有限，不再列出综上，从进入专业概率角度来看，高中理科与经济学、教育学及管理学匹配度程度更高，文科与法学、文学、历史学及艺术学匹配程度更高从学生自评考入本专业难易程度来看，理科与经济学、法学、管理学、文学、历史学及艺术学的匹配程度更高，文科与教育学匹配程度更高其中，理科与经济学、管理学的专业匹配得到了一致性的结论四、高中文理分科与大学专业匹配对学业成绩的影响（一）实证模型学生在大学期间的表现既受到高中文理分科的影响，也受到大学专业的影响所以，一方面可以通过大学学业成绩检验不同专业情况下文理科学生的差异，另一方面也可以反映出专业匹配程度Rankingi=β0+β1Subjecti+β2Majori+βkXki+εi 4.1Major*Rankingi=β0+β1Subjecti+βkXki+εi 4.2模型4.1的因变量为大学学业排名（Ranking），表示大学四年总学分绩是在本班的前百分之几，数值上越小意味排名越靠前，学业成绩相对较好与已有研究使用大学学分绩点作为因变量所不同，由于本文样本来源不同学校，学分绩点标准难以统一，所以采取的是学分绩排名进行分析。
核心解释变量为高中文理科（理科=1）与大学不同专业（是=1）控制变量分为两部分，第一部分是学生个体因素，包括性别（男=1）、招生方式（自主招生=1）、高中类型（省重点及以上=1）、标准化高考成绩、政治面貌（党员=1）、学生干部（是=1）、调查批次（2008级=1）以及就读高校层次（985或211=1），第二部分为家庭因素，包括户籍（城镇=1）、家庭经济条件（家庭年收入的对数）、父亲及母亲的高等教育程度（大专及以上学历=1）此外，模型4.2是在不同专业中检验文理科学生的差异，核心解释变量为高中文理科（理科=1）二）实证结果表3 高中文理分科与大学专业对学业成绩的影响OLS（1）（2）（3）（4）高中文理分科-0.0227**-0.0197-0.0212*-0.0179（0.0114）（0.0121）（0.0114）（0.0121）经济学（对照组艺术学）0.0502**0.0497**（0.0223）（0.0223）法学0.02940.0349（0.0249）（0.0250）教育学-0.0426-0.0416（0.0572）（0.0571）管理学0.0587***0.0633***（0.0219）（0.0219）文学0.0645***0.0665***（0.0226）（0.0226）历史学0.0759*0.0801*（0.0454）（0.0453）进入专业难易程度0.00459**0.00507**（0.00230）（0.00233）控制变量YesYesYesYes常数项0.471***0.408***0.453***0.386***（0.0243）（0.0329）（0.0258）（0.0343）样本量1,2361,23611,2361,236R20.1690.1780.1720.181注：1.括号内为标准误，***p＜0.01，**p＜0.05，*p＜0.1。
2.除表格所给变量外，研究还控制了性别、户籍等变量，由于篇幅有限，不再列出从回归结果（1）、（3）来看，在没有额外控制大学专业的情况下，高中文理分科对学业成绩具有显著作用，理科生的学业成绩优于文科生但在模型（2）、（4）中控制了大学专业后，高中文理分科的作用就不明显了，取而代之的是大学不同专业对学业成绩有显著作用，历史学、文学、管理学、经济学学生的学业成绩普遍低于艺术学学生此外，研究在模型（3）、（4）中加入了专业进入的代理变量——自评考入本专业的难易程度，发现该变量均有显著影响，且自评考入专业越难（匹配程度低）的学生学业成绩更差相同专业内文理科学生的学业排名具有一定可比性，从表4回归结果来看，在不同专业中文理科的影响效果也存在差异，在经济学、法学、管理学、文学中，理科生的学业成绩更高，特别是在管理学与文学专业中存在显著作用，而在艺术学、历史学中，文科生的成绩更靠前从回归系数来看，在社会类专业中理科生的学业表现普遍更好表4 不同专业中高中文理分科对学业成绩的影响④（1）（2）（3）（4）（5）（6）社会类专业人文类专业OLS经济学法学管理学文学历史学艺术学高中文理分科-0.000227-0.0396-0.0402*-0.0787***0.3450.121**（0.0232）（0.0354）（0.0217）（0.0262）（0.621）（0.0464）控制变量YesYesYesYesYesYes常数项0.388***0.563***0.426***0.536***0.5260.294**（0.0459）（0.0670）（0.0436）（0.0588）（0.327）（0.140）样本量2921423582842388R20.1960.3670.2390.1960.4200.335注：1.括号内为标准误，***p＜0.01，**p＜0.05，*p＜0.1。
2.除表格所给变量外，研究还控制了性别、户籍等变量，由于篇幅有限，不再列出综上，研究从学业成绩的维度发现，理科与经济学、法学、管理学及文学匹配程度更高，而文科与历史学、艺术学匹配程度更高其中，理科与经济学、管理学的匹配程度与专业进入维度所得结论一致五、高中文理分科与大学专业匹配对就业薪酬的影响（一）实证模型除了学业表现外，诸多研究认为就业情况是评价学生能力与发展的较好方式，学生进入劳动力市场后，将获得一个较为稳定的评价——就业薪酬，在控制相关因素的情况下，可以较好地反映专业匹配程度模型如下：LnWagei=β0+β1Subjecti+β2Majori+βkXki+εi 5.1Major*LnWagei=β0+β1Subjecti+βkXki+εi 5.2模型5.1中，因变量为学生就业薪酬（Wage，取对数处理），核心解释变量为高中文理科（理科=1）与大学专业（是=1）控制变量在模型4.1的基础上额外增加就业的单位性质（如党政机关、国企、民营企业等）和行业类别（如金融业、房地产业、制造业、信息传输与计算机业等）考虑到大学生毕业后可能因出国、读研、继续考研等原因没有进入劳动力市场，本文采用赫克曼提出的两步估计法，通过估计逆米尔斯比率（mil。