大学入学选择研究

一、大学入学选择理论

本书对高层次科技人力资本投资的研究主要建立在大学入学选择理论基础上。根据保尔森（Paulsen）和霍斯勒（Hossler）等学者的文献回顾，对高校入学选择研究有两方面的理论视角：一是经济学当中的人力资本投资理论，二是社会学当中的身份获得理论。[1][2]

经济学视角下的大学入学选择是建立在人力资本投资理论基础上的。舒尔茨最初提出的“人力资本”的概念包括知识和技能。[3]高等教育是进行人力资本投资的重要方式之一，它能够为个人带来更高的货币性收入，[4]同时也能够给个人带来更多的健康、福利、文化等非货币收益。此外，高等教育也可以给个人带来短期的消费性收益，如参加课外活动、社交活动、增强社会身份等。[5]另一方面，进行高等教育投资也存在一定的成本，可分为直接成本和间接成本：直接成本包括高等教育的学费、住宿费、书本费等；间接成本又称为机会成本，它是指个人因投入高等教育而放弃工作的收入或闲暇带来的效用。建立在人力资本投资理论基础上，大学入学选择理论认为，个人入学选择过程就是比较教育投资的预期成本和收益的过程。当预期收益高于预期成本时，学生会选择进入高等教育。[6]

根据人力资本投资理论的观点，专业的相对收益情况、市场的就业机会、学生的学业准备、学校的收费和资助等和成本收益相关的因素可能会对入学选择造成影响。人力资本投资理论视角下的实证研究主要考察学生的家庭收入、学费和学生资助对入学选择的影响。然而经济学家的理论模型通常将学生视为偏好无差异的个体，但实证研究者却发现不同的群体对学费和资助的反应程度存在差异。一般社会经济背景较低的学生，高等教育需求对成本的变化更加敏感。[7]

社会学视角的入学选择理论从身份获得模型发展而来，它强调一些社会因素，如社会资本、文化资本等因素对高等教育入学选择的作用。[8][9]比如赫恩（Hearn）考察了家庭的社会经济地位，个人种族、民族、性别特征对高等教育入学选择的影响，但他的研究发现控制学业成就等因素，除了母亲的教育水平以外，其他社会背景因素对个人入学选择的作用是间接的。[10]

虽然社会学视角下的大学入学选择研究和经济学视角的理论基础和关注点有所差别，但二者也并不是完全对立，而是在一些方面可以互相发展和补充。人力资本投资视角下假设个人在进行理性选择；社会学视角下，个人的理性是有限度的，它受到了信息不充分、社会环境等因素的影响，但其选择过程仍然可以视为是在一定约束条件下比较权衡高等教育收益和成本的过程，只不过这里的收益和成本是个人主观赋予的值。德雅尔丹（Des Jardins）等人的研究中就指出，这些对教育需求的差异性并不是个人非理性的表现，而是由于个人所在社会背景下，对特定选择的成本和收益所赋予的主观效用不同而造成的。[11]

佩娜（Perna）结合经济学和社会学两方面的视角，构建了一个综合的大学入学选择理论框架（参见图3-1）。首先，这个框架的核心仍然是人力资本投资理论，个人教育投资选择是对预期的成本和收益进行比较而形成的。其次，个人教育投资的预期收益和预期成本最直接受到高等教育需求和供给资源的影响。学业成绩和学业准备较好的人通常预期其通过教育能够获得更高的收益，同时花费学习努力的成本更低。家庭收入较高的学生或是得到学生资助的学生可能预期高等教育的投入的直接成本较低。与传统的人力资本分析模型不同的是，个人对收益和成本预期的形成会受到四个层次的社会背景因素影响。第一层为个人惯习（Individual Habitus），它是指影响大学选择的个人因素，包括人口特征，如性别、种族、社会经济背景，也包括文化和社会资本。第二层为学校及社区背景，它可以理解为组织惯习（Organization Habitus），是指组织的社会结构或资源对个人入学选择造成的影响。比如学院有较强的学术氛围，提供给学生更多的博士生信息和资源支持，可能有助于促进学生的教育选择。第三层为高等教育背景，包括高等教育机构提供的信息、录取要求、地理位置、规模等因素。第四层为社会经济和政策环境。大学选择直接或间接地受到这些外部环境的影响，如人口增长、就业形势的改变、新的公共政策的实施，都可能影响个人进入高等教育的选择。

图31 大学入学选择模型[12]

二、相关实证研究

大学入学选择实证研究中，各个研究者关注的影响因素有所不同，但一般情况包含两方面：一是与教育成本和预期收益有关的变量，如学生最初的学业准备、入学前的学校质量、学生所在专业、机会成本、学生资助等；另一方面则是与学生的社会经济文化背景有关的变量，如学生的人口特征，家庭社会经济背景，所在高校、学术机构的学术氛围等。以下主要归纳经济类因素对大学入学选择的作用。

（一）市场收益因素对大学生入学选择影响的实证研究

1．就业机会的影响

在研究市场因素对入学选择的实证研究中，有一部分研究是考察经济周期对个人入学选择的作用。大部分研究发现高中及大学的入学率与经济周期呈现逆向关系，即失业率较高时，高中或大学的入学率相应更高。[13][14][15]但也有少数研究显示，失业率和大学的入学率之间并没有显著的关系。[16][17]

对研究生入学需求的研究相对有限，与本研究相关的一篇实证研究来自贝达德和赫尔曼（Bedard＆Herman）。他们采用1993—2001年美国大学毕业学生全国调查（National Surveyof Recent College Graduates，NSRCG），对理工科本科生毕业后升学意愿的影响因素进行分析，重点关注经济周期对毕业后升学意愿的影响。研究发现男性的博士升学意愿呈现明显的反周期性，即经济越差，失业率越高，男性理工科生读博士的概率越高。而男性硕士的需求则呈现顺应经济周期的特点，即经济越好，失业率越低，选择读硕士的概率越高。然而在女性学生当中，这种对经济周期的反应并不显著。此外研究还发现，在物理科学、生物学、数学、计算专业，平均绩点（Grade-Point Average， GPA）较好的男性学生，其博士升学需求的反周期性越强。[18]

国内的相关研究主要是针对本科生进行的。赵宏斌（2004）利用北京师范大学的“毕业生就业意愿与就业行为研究”课题组对全国30所大学2002届毕业生的问卷调查数据进行研究，发现影响专业选择的主要因素依次有“易就业”、“专业热门”、“性别因素”、“感兴趣”四个指标。其中“易就业”和“热门”选择概率分别达到53．0％和39．5％，说明对于本科生，专业的市场就业因素对专业选择的影响较大。[19]

2．预期收益的影响

学生的专业选择行为有时候可以用于反映市场因素对教育选择的影响。一些研究显示，在控制了学生的学业准备、职业的非货币性收益、学生性别等因素后，某专业对应的经济因素对学生的专业选择有显著的影响。伯格（Berger）使用条件Logit模型分析发现，特定专业对应的本科预期收益现值越高，学生选择这一专业的概率越高。[20]在对理工科学生的研究中，刘易斯和维拉（Lewis＆Vella）对1970—1981年期间澳大利亚学生选择工程专业的影响因素进行分析，发现工程专业毕业生数与相应专业的工资呈现正相关关系；另一方面，学生在工程专业就业的可能性也显著影响了工程专业的毕业生数。[21]斯坦尼克（Staniec）利用美国1998年的教育跟踪调查资料，考察了学生选择科学与工程专业的影响因素，发现期望相对收益对学生选择工程和科学专业的影响并不显著。研究者指出这一不显著的结果可能受到专业分类过大的影响，并且采用当前市场收益作为学生预期收益也可能存在不准确性。[22]在研究生教育需求方面的研究依然较为有限，一些实证研究显示，科学与数学专业的学生更倾向读研，其次是教育、计算机、工程和商业。[23]

（二）学生资助对大学升学选择的实证研究

已有研究中，对学生资助效果的研究主要集中在两方面，一是对入学选择的影响，二是对学生辍学的影响。研究有以下一些发现：

（1）需求型资助（Need-based Aid）具有促进入学方面的效果，但需要注意资助发放及资助信息能够有效传达给有经济需求的学生。

需求型资助的目标群体是低收入家庭的学生，这类学生的教育需求通常对学费上升更加敏感，因此需求型资助理论上对于促进入学选择有较好的作用。但一些实证研究发现需求型资助对提高入学的影响可能低于理论上的效果，比如汉森（Hansen）、凯恩（Kane）的研究利用自然实验的方法，发现美国在1970年代的“佩尔助学金”项目设立并没有成比例地提升低收入家庭青年的大学入学率，主要原因是需求型资助对促进入学的效果受到一些因素的制约。一方面是贫困家庭的学生在基础和中等教育阶段的学业基础较差，以至于难以达到大学入学要求，因此需求型的资助也无法真正惠及这些学生；另一方面，社会经济地位较低的家庭往往缺乏资助和学费方面的信息，并且申请程序的烦琐也可能阻碍这些家庭获得需求型的资助。[24][25]

（2）奖学金对促进入学方面的效果存在争议。奖学金是按照学生的学业优秀程度来分配的学生资助，在高等教育财政资源紧缺的情况下，奖学金比助学金更能有效地配置资源给目标群体，因此它比单纯的需求型助学金更能促进入学选择作用。一些研究者发现奖学金的确提高了入学率，如凯恩（Kane）利用断点方法对美国加州的卡尔奖学金（Cal Grant）的效果进行评估发现，获得奖学金显著提高入学率3％～4％，并且显著促进学生入读私立高校的比例。[26]科恩维尔（Cornwell）利用双重差分法对乔治亚州的霍普（HOPE）奖学金进行研究，发现该项目扩大了新生的入学规模。[27]另一方面，从区域或单个学校的角度来看，奖优型的奖助学金也有助于留住优质生源，提高招生质量。[28]另一方面，也有不少研究对奖学金项目的公平性有所质疑。由于家庭社会经济背景较低的学生可能在基础教育阶段就处于劣势地位，因此他们的学业表现一般低于社会经济背景较高的学生，从而难以获得奖学金。朗和莱利（Long＆Riley）分析了美国资助政策从需求型转向奖优型的历程，并且在分析2003—2004年的资助资料发现，扣除了奖助学金后，来自低收入家庭的学生和有色人种学生并没有获得更多的公共财政资源，因此他们在高等教育中将处于不利地位。[29]戴纳斯基（Dynarski）对乔治亚州的霍普奖学金进行研究发现，该资助政策虽然有效提高了高等教育的入学率，但却扩大了不同种族和家庭经济背景学生的入学差异。[30]

（3）已获得的资助会影响下一阶段的升学选择。一些学者发现负债对研究生教育投资有负面的作用。米利特（Millett）发现本科的负债降低学生入学的概率，尤其是读博的概率。本科累积了5000—15000美元债务的学生相对于没有债务负担的本科生，申请研究生院的概率低9％—12％。[31]国内研究方面，李文利（2006）使用2004年调查的18所中国高校的大学生抽样资料，发现有教育借贷的学生选择读研的可能性比没有教育借贷的学生小20％。同时李文利的研究也发现，本科阶段的奖助学金越多，选择读研的可能性越大；勤工助学对读研选择的影响是负向的，即勤工助学收入多的学生更可能选择就业，但影响并不显著。[32]毛建青和徐月在杭州两所省属高校对本科生进行调研发现，学费来源于父母支付、助学贷款、自己挣钱、奖学金的学生，他们更倾向于考研，但学费来源于从亲戚、朋友那里筹借的学生更倾向于不考研。[33]

（4）财政资助对研究生入学选择有促进作用。对于研究生入学选择，一些研究者发现资助对促进本科学生的读研期望或读研选择有显著的正向关系。韦勒（Weiler）的研究显示，更高的资助对博士生入学有显著的促进作用。[34]博得和巴尔巴（Border＆Barba）对271名纽约州立大学已录取的博士生进行研究发现，78％的研究生回答说他们如果没有博士资助将不会选择读博。[35]国内研究中，孙也刚（2002）对提高学费后选择放弃读研的学生进行调查发现，在国家实行弹性学制、提供无息（或低息）贷款和勤工俭学机会后，仍然放弃升学的学生只有10．57％，其中选择贷款和勤工俭学两项政策的学生占到了66．6％，可见与研究生收费相关的资助政策是十分必要。[36]

（5）财政资助对理工科研究生升学意愿有一定影响。针对理工科的研究生，卡罗琳和约翰逊（Carlone＆Johnson）提出的“科学身份模型”（Science Identity Model），包括三部分互相有所重叠的要素：表现、承认和竞争力。表现主要是指在进行科研时能被科研群体观察到的实践活动，如交流的方式，工具的使用等；承认则是指个人被自身及科研组织中的其他人认为是“科学研究者”；竞争力是个人对科学知识和技能的掌握，相对不易被外在群体观察到，而更能被自身感知。这三方面的科研身份认同可能进一步会影响到学生是否选择继续理工科的研究生教育。相关的实证研究主要是针对少数民族、女性等理工科研究生的入学选择而进行的。这些研究发现，个人的兴趣和认同、科研群体的影响、个人的表现等因素对理工科研究生升学有一定的影响。[37]

一方面，研究发现理工科研究生的纯粹科研兴趣和利他性对其升学选择有促进作用。比如贝缇雅和穆罕默德（Baytiyeh＆Mohamad）对黎巴嫩274名工程研究生以及来自世界各地的187名工程师进行了因子分析，调查其选择博士学位的因素。利用探索性因子分析，界定了决定进入工程博士态度上和规范上的四个因素，分别为：职业态度、社会态度、经济态度及学科规范。方差分析显示，最重要的是职业态度；其次是经济态度，学科规范；最后是社会态度。萨克斯（Sax）对理工科学生的跟踪调查也发现，那些在一年级时就认为自身要对科研有所贡献，有较强科研兴趣的学生更有可能进入研究生阶段的科研教育。[38]埃斯皮诺萨（Espinosa）对来自美国135所高校1250名有色人种女性及891名白人女性学生的分析也发现了，具有利他志向的少数族裔学生更倾向读研。这种非功利性和兴趣导向的动机，可能会使得经济因素对理工科学生读研选择的影响降低。[39]

另一方面，也有不少实证研究显示，科研的参与和对科学组织和文化的融入对理工科生的读研选择也具有一定的影响。理论上认为，科研参与有助于理工科学生建构科学身份，形成更强的科研职业认同。萨克斯（Sax）的研究也发现，理工科本科期间如果与教师和高年级学生接触越频繁，则选择读研的概率更高。埃斯皮诺萨（Espinosa）也发现，经常参与课堂讨论、参与科研项目的少数族裔女性本科生选择读理工科研究生的概率相对较高。

综上，主要来自美国的实证研究发现，市场当中的经济周期、专业的相对收益、机会成本等市场因素，对研究生的入学选择有一定程度的影响。另一方面，不同类型的财政资助对学生入学选择有不同的影响，助学金通常被认为更有助于促进学生入学，而奖学金的效果则存在一些争议。这些实证研究在方法上及结论上能够为本研究提供一些启示，然而已有文献也存在不足之处，主要体现在以下几方面：

从实证研究与理论研究的结合上看，建立在人力资本投资理论之上的入学选择分析框架关注到了成本、收益、社会经济背景、教育组织环境等多方面的因素，是发展较为成熟的分析人力资本投资的模型。然而入学选择理论模型没有专门针对科技人力资本投资的独特性，因此较少涉及科技市场外部性、“低技能”均衡等市场失灵的因素；此外，也很少有研究关注理工科学生的财政资助效果。

从样本选择方面看，对高层次科技人才教育需求的研究较为缺乏，大部分研究针对的是本科生，而对研究生入学选择的研究较为有限。少数研究主要是对美国的少数民族学生升读理工科研究生进行的分析，难以反映出整体高层次科技教育需求情况。在国内，对理工科研究生教育需求的研究则基本处于空白状态。因此，过去的实证研究结论不能很好地回应财政与科技人才发展相关的理论，也较难探索和解决中国面临的高层次科技人才培养的问题。

（三）主要实证分析方法

曼斯基和怀斯（Manski＆Wise）最早利用随机效用模型（Random Utility Model，RUM）来分析个人的教育选择行为。他将教育选择的效用分为固定项和随机项两个部分，其中固定部分受到个人能力、家庭收入、学校质量以及成本的影响。个人根据对应效用的大小进行入学选择，[40]最终的计量模型采取的是Logit多元回归模型：

其中犢犻代表学生选择入学的机会比对数值，犉犻表示财政政策投入，如学生资助金额或是否获得资助的虚拟变量；犡犻是犽维向量，代表除资助以外影响个人入学选择的因素，通常包括学生的能力和禀赋、家庭社会经济背景、同伴的影响等；狌犻是与资助无关的随机误差项。

以上多元回归的方法在分析学生入学选择方面虽然较为简便易行，但这种方法也存在一些不足。安格里斯特和克鲁格（Angrist＆Krueger）指出，在利用控制变量法进行多元回归分析时，很少有理论能够在给定关系下列举出全部的控制变量，即使能够做到，要对这些变量进行观测也几乎不可能。遗漏变量可能造成内生性问题（Endogeneity Problem）。比如对入学信息的掌握更充分学生可能获得相对更高的资助，同时也更倾向选择入学，然而由于学生信息掌握的数据较难观测和获得，使得资助与随机扰动项相关。根据公式3．1，资助效果的估计参见公式3．2，然后内生性问题使得cov（u，F）≠0，从而造成有偏的估计。[41]

要解决内生性问题，最理想的方式是采用随机实验方法。它要求资助的分配是随机的，从而使得实验组和对照组两组学生除了资助以外的特质都得到控制，这样通过比较资助组和未资助组的入学选择差异，即可以评估出政策的效果。有学者利用实验方法来探索资助信息对学生入学选择的作用，[42]然而现实当中要实现完全随机的实验存在道德伦理和可行性上的阻碍。大部分的研究者在这一方面采用拟实验的方法来矫正估计偏误，常见的方法有双重差分估计法（Difference-in-difference，DID）、工具变量法（Instrumental Variable， IV）、断点回归法（Regression Discontinuity，RD）。表31对这些方法的一些代表性的实证研究进行了归纳。

表3-1 学生资助对升学/辍学影响的代表性实证研究

② Probit模型是用于分析被解释变量为二分变量的回归分析模型，如分析学生是否按期毕业的影响因素，可以用到该模型。

续表

1．双重差分方法（DID）

双重差分（DID）方法是利用实验组与对照组在资助政策实施前后的变化差别来估计政策效果的拟实验方法。它需要采集两组观测对象，至少有两个时点的横截面数据。在学生资助分析中，常采用不同政策地区内学校层面的入学率数据进行分析。比如戴纳斯基（Dynarski）对霍普奖学金（Hope Grant）评估时，以地区高校的入学率为因变量，以霍普奖学金是否实施作为衡量资助的自变量。研究发现奖学金项目对18—19岁年轻人的大学入学率有提升作用。[43]

DID方法通过政策前后试点的数据差分可以消除与时间无关的自身扰动项，再通过参照组消除共同的时间变化趋势，因此在理论上该方法可以消除资助政策与随机项之间相关造成的内生性问题。但DID方法在估计资助效果时，需要有至少两个时点的数据才能够实现，并且它要求政策的实施完全是外生的。然而政策的实施前后都可能产生内生性的问题，比如政策参与者之前可能存在自选择性，造成“艾森菲特下沉效应”（Ashenfelter's Dip）。[44]此外，政策实施也可能在事后产生内生性反应。比如在实验组实行资助政策后，控制组的学校为了争取生源可能降低学费，提高学校质量，从而使得其入学率的改变并非自然状态的变化。这些问题都可能造成DID方法估计的偏差。

2．断点方法（RD）

断点回归法（RD）是利用政策实施在某可观察的连续变量存在非连续性来构造局部的拟随机试验，进而估计因果关系的方法。该方法最早就是用来对奖学金效果进行评估，近些年来则有越来越多的研究采用这一方法评估资助对学生入学选择和辍学的影响。[45][46][47]RD方法基本思路是，当政策实施全部或者部分根据某可观测变量的临界值来确定时，在临界值附近的政策可以视为局部的随机实验，据此来推断因果关系。比如学生资助的分配可能根据学生的学业成绩来确定，但以某个标准成绩作为资助等级的划分界限，这就使得资助在这个成绩标准附近存在不连续性，而学生的能力或其他因素则是连续的。将临界点附近的样本入学选择差异进行比较，如果存在显著差异则可以认为是由于资助的差异造成的。RD方法被认为是一种新的，不同于传统自然实验方法的评估方法，它对因果关系的推论比典型的自然实验方法（如DID）要更加可信，只要在临界值附近政策实施者无法准确控制其他的变量，这一研究设计就能够较接近一种随机分配的状况。[48]但RD方法也存在一定的局限性。首先，RD方法需要资助的配置依据某个连续变量存在不连续性，在现实当中可能资助分配考虑的是综合的因素，因此缺乏RD实现的条件。其次，RD方法在确定连续函数形式方面没有统一标准，而政策效果的估计可能会因为这些函数形态的差异而不同。安格里斯特和克鲁格（Angrist＆Krueger）指出，RD方法估计的准确性相对其他的工具变量法，更依赖于对函数形式的假设。[49]此外，因本斯和勒米厄（Imbens＆Lemieux）指出，RD估计政策效果的外部效度有限。由于RD方法的基本理念是局部随机试验，在临界值附近来考察政策的效果，所以在推广到其他状态时不能提供更准确的政策效果估计。[50]

3．工具变量方法（IV）

工具变量法是解决内生性问题的一种常用方法。工具的选择通常需要满足两个条件。首先，在控制其他外生变量后，工具变量Z与学生资助犉相关，即cov（Z，F）≠0；其次，工具变量与其他可能影响学生学业发展的因素无关，即cov（Z，u）＝0。利用工具变量估计资助效果时，采取两阶段回归。第一阶段利用工具变量来估计学生资助：

第二阶段，将资助的估计值犉＾犻替代多元估计方程（公式3．4）中的资助犉犻，得到第二阶段的估计：

以上两个方程式得到的资助效果的估计为：

如果工具变量选择满足两方面的前提假设要求，则可以证明这一工具变量对资助效果的估计是真实资助效果的一致估计量。

虽然工具变量法能够解决内生性问题，但它也存在局限性，主要的困难来自工具变量的选择。一方面，工具变量需要与内生解释变量相关较高，如果选择的工具变量与内生性解释变量的相关性较小，则会出现弱工具问题，使得估计结果不一致。[51]另一方面，需要保证工具变量是外生的，它与影响被解释变量的随机项无关。如果工具变量与随机扰动项相关，则仍然无法解决内生性问题。

在选择学生资助的工具变量方面，以往研究的经验是考察与资助分配政策有关的外生变数。比如贝廷格（Bettinger）对学生资助与辍学的关系研究中，将学生所在家庭的人口数作为佩尔（Pell）助学金的工具变量，通常家庭人口数较多的学生获得的佩尔助学金金额较高，但它与学生的学业发展之间没有直接相关性。[52]斯达特（Stater）对美国三所一流高校资助效果的研究中就使用学生家庭所在地区的经济、社会及人口信息等作为工具变量。所在地区少数民族比例较高的学生，获得学生资助的概率一般较高，但地区的人口构成在理论上与学生在大学的学业发展无关，因此可以作为一个工具变量。[53]阿龙（Alon）对美国私立高校学生的分析发现，资助的分配与学生父母的婚姻状态有关，离异家庭的子女获得的资助显著较高，而父母婚姻状况与子女的教育选择之间没有直接的联系，因此将这一变量作为工具变量来考察资助的效果。此外，也可以同时选择多个工具变量，通过第一阶段的估计寻找出和资助相关性较高的一个或几个指标来作为工具变量。[54]

综上，从研究方法上看，国外研究对学生入学选择已经发展了较为成熟的计量方法，尤其是对学生资助政策的效果评估方面，采用工具变量法、拟实验方法等有助于对政策的效果进行更好的评估。然而国内的相关研究则更多是政策上和理论上的讨论，少数实证研究也主要以统计描述和多元回归分析为主，缺乏对资助效果的评估研究。

[1]① PAULSEN M．College Choice：Understanding Student Enrollment Behavior．ASHE-ERIC Higher Education Report No．6［R］．Washington，D．C．，George：Washington．University， School of Education and Human Development，1990．

[2]② HOSSLER D，ZISKIN M，GROSSJ P K，ET AL．Student aid and its role in encouraging persistence［M］//BRAXTON J M et al．Higher education：Handbook of theory and research．Netherlands：Springer，2009：389-425．

[3] SCHULTZ T W．The Economic Value of Education［M］．New York：Columbia University Press，1963．

[4] PSACHAROPOULOS G，PATRINOS H A．Returns to investment in education：A further update［J］．Educationeconomics，2004，12（2）：111-134．

[5] BAUM S，PAYEA K．Education pays 2004：The benefits of higher education for individuals and society：Trends in higher education series［C］．Washington，D．C．：The College Board，2005．

[6] PAULSEN M．College Choice：Understanding Student Enrollment Behavior．ASHE-ERIC Higher Education Report No．6［R］．Washington，D．C．，George：Washington．University， School of Education and Human Development，1990．

[7] HELLER D E．Student Price Responsein Higher Education：An Update to Leslie and Brinkman［J］．Journal of Higher Education，1997，68（6）：624-59．

[8]⑥ BOURDIEU P．The forms of capital//［M］Richardson J G．Handbook of Theory and Research for the Sociology of Education．New York：Greenwood Press，1986：241-258．

[9]⑦ COLEMAN J S．Social capital in the creation of human capital［J］．American Journal of Sociology 1988，94（Supplement）：95-120．

[10] HEARN J C．Attendance at higher-cost colleges：Ascribed，socioeconomic，and academic influences on student enrollment patterns［J］．Economics of Education Review，1988，7（1）：65-76．

[11] DESJARDINS S L＆TOUTKOUSHIAN R K．Are students really rational？The development of rational thought and its application to student choice［M］//SMART J C．Higher Education：Handbook of Theory and Research（Vol．20）．Dordrecht，The Netherlands：Kluwer Academic Publishers，2005：191-240．

[12] 资料来源：PERNA L W．Studying college access and choice：a proposed conceptual model［M］//SMART J C（ed．），Higher Education：Handbook of Theory and Research（Vol． XXI）．New York：Springer Press，2006：99-157．

[13]① BERGER M C，KOSTAL T．Financial resources，regulation，and enrollment in US public higher education［J］．Economics of Education Review，2002，21（2）：101-110．

[14]② DELLAS H，SAKELLARIS P．On the cyclicality of schooling：theory and evidence［J］． Oxford Economic Papers，2003，55（1）：148-172．

[15]③ SAKELLARIS P，SPILIMBERGO A．Business cycles and investment in human capital：international evidence on higher education［M］．Carnegie-Rochester Conference Serieson Public Policy．Amsterdam，Netherland：North-Holland，2000：221-256．

[16]④ CARD D，LEMIEUX T．Dropout and enrollment trends in the post-war period：What went wrong in the 1970s？［R］．Cambridge，Mass．：National bureau of economic research，2000．

[17]⑤ KANE T J．College entry by blacks since 1970：The role of college costs，family background， and the returns to education［J］．Journal of Political Economy，1994，102（5）：878-911．

[18] BEDARD K，HERMAND A．Who goes to graduate/professional school？The importance of economic fluctuations，undergraduate field，and ability［J］．Economics of Education Review，2008，27（2）：197-210．

[19] 赵宏斌．人力资本投资收益风险与大学生择业行为［J］．北京师范大学学报：社会科学版，2004，（3）：119-125．

[20] BERGER M C．Predicted future earnings and choice of college major［J］．Industrial＆Labor Relations Review，1988，41（3）：418-429．

[21] LEWISP E T，VELLA F．Economic factors affecting the number of engineering graduates in Australia［J］．Australian Economic Papers，1985，24（44）：66-75．

[22] STANIEC J F O．The effects of race，sex，and expected returns on the choice of college major［J］．Eastern Economic Journal，2004，30（4）：549-562．

[23] ZHANG L．Advance to graduate education：The effect of colleg equality and undergraduate majors［J］．The Review of Higher Education，2005，28（3）：313-338．

[24]① HANSEN W L．The impact of student financial aid on access［M］//FROOMKIN J．The Crisis in Higher Education．New York：Academy of Political Science，1983：84-96．

[25]② KANE T J．College entry by blacks since 1970：The role of college costs，family background， and the returns to education［J］．Journal of Political Economy，1994，102（5）：878-911．

[26] KANET J．A quasi-experimental estimate of the impact of financial aid on college-going． NBER Working Paper no．9703［R］．Cambridge，Mass．：National Bureau of Economic Research，2003．

[27] CORNWELL C，MUSTARD D B，SRIDHAR D J．The enrollment effects of merit-based financial aid［J］．Journal of Labor Economics，2006，24（4）：761-786．

[28] ZHANG L，NESSE C．Does state merit-based aid stem brain drain？［J］．Educational Evaluation and Policy Analysis，2010，32（2）：143-165．

[29] LONG B T，RILEY E K．Financial aid：a broken bridge to college access？［J］Harvard Educational Review，2007，77（1）：39-63．

[30] DYNARSKI S．The new merit aid［M］//HOXBYCM．College choices：The economics of where to go，when to go，and how to pay for it．Chicago，Illinois：University of Chicago Press，2004：63-100．

[31] MILLETT C M．How undergraduate loan debt affects application and enrollment in graduate or first professional school．The Journal of Higher Education，2003，74（4）：386-427．

[32] 李文利．从稀缺走向充足——高等教育的需求与供给研究［M］．北京：教育科学出版社，2008．

[33] 毛建青，徐月．全面收费制下地方高校大学生接受研究生教育的影响因素分析——基于浙江省属高校本科生的调查［J］．教育科学，2010（4）：58-65．

[34] WEILER W C．Expectations，undergraduate debt and the decision to attend graduate school：A simultaneous model of student choice［J］．Economics of Education Review，1994， 13（1）：29-41．

[35] BORDER C B，BARBA W C．Graduate student support and the graduate education experience［C］//Proceedings of the 1998 Annual Meeting of the Association for the Study of Higher Education，Nov5-8，1998．Miami，Florida．East Lansing，Michigan：Michigan State University，1998．

[36] 孙也刚．论研究生教育成本补偿［D］．北京：北京大学，2002．

[37] CARLONE H B，JOHNSON A．Understanding the science experiences of successful women of color：Science identity as an analytic lens［J］．Journal of Research in Science Teaching， 2007，44（8）：1187-1218．

[38] SAXL J．Undergraduate science majors：Gender differences in who goes to graduate school［M］．The Review of Higher Education，2001，24（2）：153-172．

[39] ESPINOSA L L．Pipelines and pathways：Women of color in undergraduate stem majors and the college experiences that contribute to persistence［J］．Harvard Educational Review，2011， 81（2）：209-241．

[40] MANSKI C F，WISE D．College choice in America［M］．Cambridge：Harvard University Press，1983．

[41] ANGRIST J D，KRUEGER A B．（2001）．Instrumental variables and the search for identification：from supply and demand to natural experiments．The Journal of Economic Perspectives，2001，15（4）：69-85．

[42] LIU C et al．Early commitment on financial aid and college decision making of poor students：Evidence from a randomized evaluation in rural China［J］．Economics of Education Review，2011，30（4）：627-640．

[43] DYNARSKI S．Hope for whom？Financial aid for the middle class and its impacton college attendance［J］．National Tax Journal，2000，53（3）：629-w661．

[44] HECKMAN J，SMITH J．The pre-programme dip and the determinants of participation in a social programme：Implications for simple programe valuation strategies［J］．Economic Journal，1999，109（457）：313-348．

[45]② BETTINGER E．How financial aid affects persistence［M］//Hoxby C，College Choices：The Economics of Where to Go，When to Go，and How to Pay for It．Chicago，Illinois：University of Chicago Press，2004：207-238．

[46]③ KLAAUWW V D．Estimating the effect of financial aid offers on college enrollment：A regression-discontinuity approach［J］．International Economic Review，2002，43（4）：1249-1287．

[47]④ KANET J．Aquasi-experimental estimate of the impact of financial aid on college-going． NBER Working Paper no．9703［R］．Cambridge，Mass．：National Bureau of Economic Research， 2003．

[48] LEED S，LEMIEUX T．Regression discontinuity designs in economics［R］．NBER Working Paper Series，No．14723．Cambridge，Mass．：National Bureau of Economic Research， 2009．

[49] ANGRISTJ D，KRUEGERA B．（2001）．Instrumental variables and the search for identification：from supply and demand to natural experiments．The Journal of Economic Perspectives，2001，15（4）：69-85．

[50] IMBENSG W＆LEMIEUX T．Regression discontinuity designs：A guide to practice［J］． Journal of Econometrics，2008，142（2）：615-635．

[51] STAIGER D，STOCKJ H．Instrumental variables regression with weak instruments［J］． Econometrica，1997，65：557-586．

[52] BETTINGER E．How financial aid affects persistence［M］//Hoxby C，College Choices：The Economics of Where to Go，When to Go，and How to Pay for It．Chicago，Illinois：University of Chicago Press，2004：207-238．

[53] STATER M．The impact of financial aid on college GPA at three flagship public institutions［J］．American Educational Research Journal，2009，46（3）：782-815．

[54] ALON S．The influence of financial aid in leveling group differences in graduating from elite institutions［J］．Economics of Education Review，2007，26（3）：296-311．