基本医疗保险制度会改变父母对子女的教育期望吗——基于CFPS农村家庭数据的研究

陈 华 赵 婧 邵瑜佳

中央财经大学 保险学院，北京 102206

一、引言

父母对子女的教育期望(以下简称为“父母教育期望”)是指父母对子女未来学习成绩和受教育程度的期待和展望(Benner and Mistry，2007[1])。父母教育期望是影响下一代教育结果和社会地位的重要因素，许多学者都非常关注该话题。受传统文化的影响，中国家庭代际间的联系与沟通相比于外国家庭更紧密，教育子女通常是父母重要的养育责任，所以父母会为子女提供更好的生活和学习条件以达到他们较高的教育期望(Stevenson and Stigler，1992[2])。父母保障子女生活的方式之一就是让子女加入基本医疗保险制度。截至2019年底，中国基本医疗保险参保覆盖率保持在95%以上，其中有102510万人参加了城乡居民基本医疗保险，处在一个较高的稳定水平。与其他国家不同，中国绝大多数地区并未设计和实施专门针对儿童的基本医疗保险项目，儿童想要获得医疗保障，只能参与城乡居民医疗保险或购买商业健康险。国外有学者研究发现，儿童参与基本医疗保险不仅会提高其健康水平(Szilagyi et al.，2000[3]；Chou et al.，2014[4])，还会对其教育成就、父母教育期望和教育行为等产生影响(Kim et al.，2013[5])。

伴随着政府保障制度的完善和国家对教育的重视，越来越多的父母意识到让孩子接受教育的重要性。但近年来在经济发展不均衡现象的助推下，教育资源在阶层、户籍上的分层趋势也愈发明显。虽然高考制度在一定程度上能够保证全国学子平等地获得接受高等教育的机会，但是由于城镇儿童相较农村儿童在日常学习中能够获得更多优质的教育资源，农村儿童在面对高考“分数选拔”这样的考试时常常处于劣势，最终难以获得上大学的机会。因此对于农村儿童来说，如果他们能够通过参与基本医疗保险获得更多的教育机会，即证明基本医疗保险对儿童教育具有正向促进作用。以往的研究大多从长期影响角度考察医疗保险对儿童教育成就和社会地位的影响，而较少考虑医疗保险能够带来的短期变化，例如儿童参加基本医疗保险能否通过影响父母的教育行为来改变他们的教育期望，最终促进子女有更好的教育成就。本文利用2016年和2018年中国家庭追踪调查(CFPS)数据，以农村户籍儿童为研究样本，采用OLS、排序Logit回归和倾向得分匹配法研究了儿童参加基本医疗保险对其父母教育期望的影响。本文的研究不仅有利于政府相关部门在农村地区宣传先进教育理念过程中，引导农村家庭改进教育方式、调整教育期望，最终促进农村地区儿童达成更好的教育成就；还可以为评价医疗保险经济和社会福利效果问题的研究提供新的分析视角，拓展新的研究方向。

二、文献综述与理论假设

(一)父母教育期望的影响因素

国内外学者关于父母教育期望的研究主要包括两方面：一方面是以父母教育期望为自变量，研究父母教育期望对子女教育成就和认知能力的影响；另一方面则以父母教育期望为因变量，聚焦于影响父母教育期望的因素。

Rosenthal and Jacobson(1968)[6]提出的罗森塔尔效应认为他人的期待会对个体自身产生一种“期待效应”，即他人的期待会促进个体自身目标的实现。父母教育期望对子女教育成就和认知能力的影响就属于一种罗森塔尔效应。早期关于影响儿童教育成就和认知能力的研究集中于对客观因素的分析(Parcel and Dufur，2001[7])，之后逐渐有学者开始关注主观因素对儿童教育表现的影响。大多数学者研究证实了罗森塔尔效应的存在，即父母教育期望越高，子女未来的教育成就也会越高(Sewell and Shah，1967[8]；Benner and Mistry，2007)。高教育期望的父母不仅会投入更多的物质和时间在子女的教育上，同时父母的教育期望会通过传递教育价值观最终影响子女自身教育期望(Crawford，2004[9])。通过这两个途径，父母教育期望会对子女教育成就产生正面影响。但中国部分学者研究发现父母教育期望会对子女的教育成就产生负向影响，即父母较高的期望会对子女造成过大的压力，阻碍他们的学习，不利于子女达成较高的教育成就(张良才，2006[10])。现有研究表明，影响父母教育期望的因素可以划分为四类。

第一，子女个人特征。孩子的生理特征、学习表现和学习成绩都会对父母教育期望产生显著影响。Mello and Swanson(2007)[11]研究发现父母对男孩的教育期望大于女孩；Sosu(2014)[12]认为母亲通常对第一个出生的孩子抱有较高的教育期望；Koshy et al.(2019)[13]研究则发现子女当前的教育表现是影响父母教育期望的重要指标。

第二，父母特征及亲子关系。国外一些学者研究发现父母的社会地位、受教育程度和其教育期望显著相关。社会地位低、学历较低的父母通常不会对子女有较高的教育期望(杨春华，2006[14])，随着家庭收入和父母受教育程度提高，父母对子女的教育期望也会显著提升(刘保中等，2014[15])。除此之外，与子女交流互动的频繁程度也会对父母教育期望产生影响。父母与子女间频繁的交流互动会增进彼此之间的了解程度，培养信任，从而促进父母教育期望的提升(Wang and Sheikh-Khalil，2014[16])。

第三，社会环境因素。社会环境对父母教育期望的影响包括学校环境和家庭环境两个方面。学校设施的完善程度、师资质量等与学校教学能力相关的客观因素都会对父母的教育期望产生影响(Whipp et al.，1989[17])；同时，学生与授课老师间的互动与交流情况也会影响父母教育期望(Mccormick et al.，2017[18])。家庭环境主要指家庭教育氛围和邻里亲属关系，Andrew and Flashman(2017)[19]研究发现家庭成员中受教育程度高的人越多，父母对其子女的教育期望也就越高。

第四，父母的文化观念。父母的文化观念包括教育观念、生育观念和性别观念等。教育观念的差异通常表现在教育方式上，国外学者发现父母对孩子的信心会显著影响其教育期望，特别是亚裔孩子的父母相信孩子通过努力就能达到较高的教育水平(Wentzel，1998[20])。国内当前关于文化观念对父母教育期望影响的研究较少，更多学者是从性别观念和生育观念入手(刘保中等，2014)，而较少有学者从教育观念和教育方式研究父母教育期望的差异。

(二)健康保险对儿童教育的影响

儿童健康水平提升与教育结果的改善通常被认为是发展健康保险的潜在结果(Chen and Jin，2012[21])。国内外许多学者都研究了健康保险对儿童健康的影响，但得出的结论存在较大差异。大多数学者的研究均认为儿童参加健康保险可以显著改善其健康水平(刘玮等，2016[22])。还有一些学者研究发现健康保险在短期内对儿童健康无影响，但长期会显著改善儿童健康水平(牟珊珊和周志凯，2017[23]；李姣媛和方向明，2018[24])。

关于健康保险对儿童教育影响的研究相对较少，大部分研究聚焦于健康保险对儿童教育结果的影响及作用机制。国外大多数研究以入学率、升学率或考试成绩作为儿童教育结果的度量指标，研究发现健康保险对儿童长期教育结果有正向影响，但在短期内并无显著影响(Currie and Gruber，1996a[25]；Alcaraz et al.，2013[26])。与国外研究相比，国内鲜有学者研究医疗保险如何影响儿童教育。Chen and Jin(2012)采用2006年中国农业人口普查数据发现参加新农合有助于提高儿童入学率，该研究数据仅包含了中国经济发展较差的地区，因此从全国层面难以得出该结论；并且该研究使用的数据年份较早，无法准确反映近年的保险保障情况和教育状况。早期关于健康保险影响儿童教育的作用机制研究，大多从改善儿童健康水平和增加家庭教育投资两个渠道进行分析(Alcaraz et al.，2013)，但实证结果能否支持理论假设通常与研究者所用的数据长短密切相关。儿童婴幼儿时期健康水平和家庭教育投入通常对其成年后的教育结果有显著正向影响(Miller et al.，2009[27])，但未发现健康和家庭教育资源的投入对儿童短期内的教育表现会产生影响(Levine and Schanzenbach，2009[28]；Alcaraz et al.，2013)。由于客观渠道的中介效应结果具有明显的不一致性，越来越多的学者开始关注主观层面的中介效应。Kim et al.(2012)利用2007年俄克拉荷马州的儿童数据研究发现有健康保险会显著提高母亲对其子女的教育期望；中国学者陈旭峰(2013)[29]从经济资本层面研究发现缴纳保险的农村家庭父母对子女有更高的教育期望；王翌秋和陈青霞(2017)[30]从代际转移的角度进行研究，发现新农合有利于提高家长对子女教育的时间投入和资源投入。

通过以上分析可知，健康保险对儿童教育结果的影响通常在短期内难以观测，需要长期的追踪调查数据才可识别出潜在影响，但参加健康保险带来的父母教育期望和教育方式的变化在短期内即可识别。儿童参与健康保险会改变其父母的教育期望和教育方式，而父母教育方式作为父母教育观念的体现则会进一步影响父母的教育期望。由于父母教育期望会影响子女最终的教育成就，因此研究健康保险短期内对父母教育期望和教育方式的影响，实际上是提供了一种预测健康保险对儿童教育结果长期影响的方法。据此，本文提出3个假设。

假设1：儿童参加健康保险短期内不会影响其教育表现。

假设2：儿童参加健康保险短期内会直接影响其父母教育期望。

假设3：儿童参加健康保险会通过影响父母教育方式间接改变父母教育期望。

三、数据来源、变量说明及模型设定

(一)数据来源及变量说明

本文使用北京大学主导实施的中国家庭追踪调查(CFPS)2016年和2018年的数据，该调查包含对个人、家庭以及专门针对儿童的问卷调查。CFPS从2010年正式开始进行家庭访问，每两年开展一轮调查，截至目前已积累5轮调查数据。由于2016年之前的儿童库数据不包含儿童参与的具体医疗保险类型，仅有问题“儿童是否有社会医保”涉及儿童的医疗保险参保情况，并且仅根据该问题的回答难以辨别儿童真实的参保选择，因此本文使用2016年和2018年两年的数据进行研究。儿童库包含0～16岁儿童的相关信息，该调查主要由其家长代答，问卷内容涉及儿童生理特征、健康状况、看护情况、受教育情况等各方面的内容。此外，部分有家长代答信息的儿童，也自行填写了针对个人的问卷调查，提供了更多的个人信息，例如心理健康、对学校满意情况、是否担任学校职务等内容。剔除还未上学的幼儿、极端取值以及缺失主要变量取值的儿童样本，本文以农村户口的儿童为研究对象，最终样本包含5576个儿童，其中来自2016年调查的样本量为3046，来自2018年调查的样本量为2530。

本文的被解释变量为父母的教育期望，采用CFPS问卷中“您期望孩子的成绩”和“您期望的孩子受教育程度”两个问题的回答作为本文的被解释变量，分别度量了父母的期望成绩(Exp_score)和期望学历(Exp_edu)。其中，变量Exp_score是取值为0～100的连续性变量，变量Exp_edu为七分类变量，取值越大代表期望学历水平越高。

本文的核心解释变量为儿童是否参与了基本医疗保险(Xinnonghe)。自2016年起，针对城镇居民的城镇居民医疗保险和针对农村居民的新型农村合作医疗正式合并为城乡居民基本医疗保险。但在CFPS问卷调查中，考虑到农村地区居民对“新农合”这一表述更为理解，关于儿童参保类型的问题设置仍区分了“城居保”和“新农合”选项，因此本文在研究时仍沿用这一保险划分标准，若农村儿童参与了新农合则取值为1，未参与任何基本医疗保险项目则取值为0。最终样本中有5117名农村户口儿童参与了新农合，剩余459名儿童未参与。

除研究儿童参与新农合对父母教育期望的直接影响外，本文还研究了参与新农合影响父母教育期望的中介效应。本文选取了度量父母教育方式的五个变量作为中介变量，即“父母是否关心孩子教育”(Care_edu)、“孩子是否参加辅导班”(Tutor)、“孩子成绩不理想的处理方式”(Settlement)、“父母是否为孩子放弃看电视”(TV_drop)和“父母是否检查孩子作业”(Pcheck)。变量具体描述如表1所示。

表1 模型变量描述

(二)OLS回归和排序Logit模型

本文采用父母期望分数和期望学历来度量父母的教育期望，模型的具体形式如式(1)和式(2)所示：

Exp_scorei=α0+α1Xinnonghei+α2Zi+ui

(1)

Expedui=F(β0+β1Xinnonghei+β2Zi+εi

(2)

其中，Exp_scorei和Exp_edui分别表示第i个儿童的父母期望分数和期望学历；F(·)为某非线性函数；α0和β0表示截距项；α1和β1为本文需要估计的参数；Zi为控制变量；ui和εi表示扰动项。

由于期望分数(Exp_score)为连续型变量，面板数据通常采用固定效应模型或随机效应模型进行OLS估计；期望学历(Exp_edu)为具有排序性质的分类变量，通常采用排序logit(ordered-logit)进行估计。其中非线性函数F(·)的一般形式如式(3)所示：

(3)

其中，r1

(三)倾向得分匹配模型(PSM)

虽然OLS和Logit估计是研究连续变量和分类变量的常用方法，但由于本文样本中参加新农合和未参加新农合的儿童数量不均衡，直接比较两组儿童的父母教育期望差异可能会由于参保儿童本身特征的差异导致样本自选择，从而产生内生性问题。因此本文进一步采用倾向得分匹配法(PSM)，通过对参保儿童和未参保儿童特征进行匹配，构造参保儿童本身的“反事实状态”，从而消除由于样本选择可能带来的内生性问题。根据匹配后的样本，可以估计参与者的平均处理效应为：

ATT=E(y1i-y0i|Ti=1)=E(y1i|Ti=1)-E(y0i|Ti=0)

(4)

其中，E(y0i|TI=1)为不可观测的“反事实”状态，因此本文只有用能观测到的、未被干预个体的结果E(y0i|TI=0)作为“反事实”。倾向得分匹配法的核心就是通过控制其他因素相同来寻找恰当的“反事实”状态，从而估计平均处理效应。采用PSM方法估计平均处理效应需满足两个假设：首先，个体均有一定的可能进入实验组和控制组；其次，协变量还需满足平衡性假设，即匹配后的协变量在实验组和控制组之间变得平衡。在本文的研究背景下，儿童参加“新农合”属于自愿行为，符合第一个假设的要求；同时本文在进行倾向得分匹配时，会对协变量是否满足平衡性假设进行检验。

(四)中介效应估计模型

中介效应是指解释变量X通过影响一个中介变量M最终实现对被解释变量Y的影响。各变量之间的关系可用式(5)至式(7)表示，假设所有变量均进行了标准化处理，因此不必考虑常数项：

Y=δX+μ1

(5)

M=aX+μ2

(6)

Y=δ'X+bM+μ3

(7)

其中，δ表示的是X影响Y的总效应；a为解释变量X对中介变量M的影响效应；δ'为控制了中介变量后X影响Y的直接效应；b为中介变量对被解释变量Y的影响；中介效应的大小即为系数乘积a*b，因此检验中介效应是否存在的核心即为检验a*b是否显著非零。

最常用的检验中介效应的方法为逐步法(Causal Steps Approach)，即分别检验式(6)和式(7)中的系数a和系数b。若两个系数均显著非零，则a*b一定显著非零，即中介效应存在。特别地，若加入中介变量M后系数δ'完全不显著则认为存在完全中介效应。

逐步法在操作上简单易行，对于系数的解释清晰直观，因此多年来大量学者都采用了BK逐步法进行中介效应检验。但如果系数a和系数b中有一个系数不显著，则无法判断系数乘积a*b是否显著非零，即使用逐步法无法判断中介效应是否存在。为直接对系数乘积进行检验，许多学者提出了新的检验方法，包括Sobel法、非参数百分位Bootstrap法和MCMC法。由于Sobel法需假设a*b服从正态分布，MCMC法的计算过于复杂，非参数百分位Bootstrap法是更常用的检验H0：ab=0的方法。

非参数百分位Bootstrap法是通过对样本进行重复抽样得到多个系数乘积的估计值；通过对该估计值按照从小到大排序，构造95%置信区间。若该置信区间不包含0，则认为系数乘积a*b显著非零，中介效应存在；若置信区间内包含0，则可认为中介效应不存在。

本文在研究时首先使用BK逐步法对中介效应进行检验，对于无法判断系数乘积是否显著的变量进一步使用非参数百分位Bootstrap法进行系数乘积的显著性检验。

四、实证结果分析

(一)变量描述性统计

表2列出了各个变量的描述性统计结果。由此可以看出，参加新农合的儿童，其父母的教育期望显著高于不参加新农合的儿童。参加新农合儿童的父母期望分数均值为90.864，而不参加新农合儿童父母的期望分数均值为89.617，二者的差值在5%的显著性水平上显著非零。大多数父母都期望子女至少获得大学本科学历，但参加新农合儿童的家长对于子女的学历期望在1%的显著性水平上显著高于不参加新农合儿童的家长。反映父母教育行为的变量中，参加新农合儿童的家长更关心子女的教育，并且会更多地为了子女的学习放弃观看电视和更多的检查孩子作业。但是两组儿童的父母在是否为子女报名辅导班和子女成绩不理想的处理方式上并无明显差异，大多数父母在孩子成绩不理想时会采用讲道理和鼓励孩子的方式。控制变量中，参保儿童和未参保儿童在性别、年龄及学习表现上并无显著差异，但参保儿童的身高在10%的显著性水平上优于未参保儿童；参保儿童的父母学历显著高于未参保儿童的父母。

表2 变量描述性统计

续表2

(二)基本医疗保险制度影响儿童短期教育表现的实证结果分析

为验证假设1是否成立，本文采用变量Perf作为被解释变量，儿童是否参与新农合为解释变量进行Logit回归，研究短期内儿童参与新农合是否会影响其教育表现，回归结果如表3所示。为方便系数解读，表3已将变量回归系数转化为变量边际效应。

表3 新农合对儿童短期教育表现的影响

由表3可以看出，参加新农合的儿童相比不参加新农合的儿童在教育表现上有下降0.04个单位的趋势，但该趋势在10%的显著性水平上并不显著，因此可以认为儿童参加新农合对其短期教育表现并无显著影响。该结果和Levine and Schanzenbach(2009)得出的结论一致，证明了本文提出的假设1成立。控制变量中，性别变量的系数为-0.05，说明男性儿童比女性儿童的教育表现差0.05个单位；反映儿童健康的z_HAZ变量系数不显著，说明未识别到短期内儿童健康对其教育表现的影响。家庭教育支出、家庭收入和父母受教育程度变量的系数均显著为正，说明家庭社会经济地位越高、在子女教育上投入越高以及父母受教育程度高的家庭，其孩子的教育表现相对更好。

(三)基本医疗保险制度影响父母教育期望的直接效应

1.基础回归模型。本文数据为面板数据，因此在采用OLS估计时首先需判断采用固定效应模型还是随机效应模型。本文采用Hausman检验后发现p值大于0.05，故采用随机效应模型进行估计(表4)。表4中模型(1)至模型(4)是以期望分数为被解释变量进行OLS回归得到的结果，模型(5)和模型(7)是以期望学历水平作为被解释变量进行排序Logit(ordered logit)估计得到的结果，括号内为t统计量的值。由于排序Logit回归得到的系数并不能反映变量真实的边际效应，因此通过系数转换后得到的排序Logit模型中各系数的边际效应如表5所示。

表4 直接效应估计结果

从表4第一行的结果可以看出，参加新农合会显著提高父母对子女的期望分数和期望学历，且该结果在采用稳健标准误和省级聚类标准误后仍显著，说明参加新农合会提高父母对其子女的教育期望；从模型(1)至模型(4)可知，儿童参与新农合后，父母的期望分数会提高1.085分。从表5中Ologit模型的边际效应可以看出，儿童参加新农合后其父母的期望学历会显著提升，仅期待子女获得小学至大专学历的父母会减少，更多的父母期望孩子获得大学本科及以上的学历。

表5 Ologit估计的边际效应

控制变量中，随着儿童年龄的增长，父母对其教育期望逐渐降低；而教育支出越多的家庭，对孩子的教育期望也越高。家庭收入的差异对父母期望分数的影响并不明显，但收入越高的家庭，期望子女获得更高的学历水平。此外，父母的受教育程度，特别是母亲的受教育程度对其教育期望存在显著正向影响。

2.PSM估计模型。由于本文采用的是2016年和2018年两年的CFPS数据，在该研究期间内90%的农村居民都参加了基本医疗保险。因此在本文研究所用样本中，不参加新农合个体的样本量仅占总样本量的10%，样本结构并不均衡。为解决结构不均衡可能导致的样本自选择问题，本文采用倾向得分匹配法进行处理效应估计。表6列出了采用倾向得分匹配模型估计后得到的结果。其中面板A是以父母期望分数度量教育期望的PSM估计结果，面板B是以父母期望学历度量教育期望的PSM估计结果。从表4可以看出，除面板A中一比一匹配得到的平均处理效应(ATT)不显著外，其余模型得到的平均处理效应均显著为正，说明在处理了可能存在的样本自选择问题后，儿童参加新农合能够显著提高其父母的期望分数和期望学历。在每一个PSM模型估计后本文都对协变量的平衡性进行了检验，除一比一匹配中部分协变量不满足平衡性假设外，其他模型的检验结果均表明匹配后的协变量满足平衡性假设。

表6 PSM估计结果

(四)基本医疗保险影响父母教育期望的中介效应

1.BK逐步法。本文首先采用BK逐步法进行中介效应估计。BK逐步法共计需进行三次回归，首先是核心解释变量对被解释变量的回归，该回归结果如表4所示。从表4的结果和上文分析可知，儿童参加新农合会显著改变父母对子女的教育期望。第二步是核心解释变量对中介变量做回归，该回归结果如表7所示。其中，模型(1)至模型(5)分别采用五种反映父母教育方式的变量作为中介变量。从表7可以看出，参保儿童的父母相比未参保儿童的父母更关心儿童的教育，更愿意为了孩子放弃看电视和检查孩子的作业，但是两组儿童的父母在给孩子报名辅导班以及孩子成绩不理想的处理方式上并无显著差异。

表7 BK逐步法—第一步回归结果

BK逐步检验法的最后一步是核心解释变量和中介变量对被解释变量做回归，该回归结果如表8所示。模型(1)至模型(5)表示以父母期望成绩度量父母教育期望的回归结果，模型(6)至模型(10)表示以父母期望学历度量的回归结果。由表8可以看出，加入中介变量后，核心解释变量的系数仍显著为正，说明儿童是否参与新农合对其父母的教育期望存在部分直接影响，加入各个中介效应的模型中，代表中介效应的变量均在5%的显著性水平上显著，说明父母的教育方式对其最终的教育期望存在显著影响。父母越关心孩子教育、为孩子报名辅导班、采用更积极地方式处理孩子成绩不理想的情况以及为孩子放弃看电视的行为均会显著提高父母对孩子的分数期望和学历期望。但是，父母帮孩子检查作业的行为会显著降低对其对孩子未来的教育期望，说明虽然农村儿童参加基本医疗保险后其父母会更多的为孩子检查作业，但这种在父母眼中属于关心孩子的行为最终会导致父母降低对孩子的教育期望。

表8 BK逐步法—第二步回归结果

2.非参数百分位Bootstrap法。从逐步回归法的结果可知，儿童是否参加新农合不仅会对父母的教育期望产生直接影响，还会通过影响父母的教育方式进而改变父母的教育期望，特别是通过改变对孩子教育的关心程度、电视观看频率和作业检查频率。然而从表7和表8的结果可知，变量Tutor和Settlement在对核心变量回归时不显著，但对被解释变量回归时显著非零，采用逐步法无法判断这几个变量的中介效应是否存在，因此本文采用非参数百分位Bootstrap法进行中介效应估计。若偏差调整后的置信区间不包含0则可认为中介效应存在，否则认为不存在中介效应，模型估计结果如表9所示。由表9可以看出，变量Care_edu、TV_drop和Pcheck的置信区间均不包含0，说明儿童参加新农合影响其父母教育期望会通过这三个变量作为中介产生影响，该结果和采用逐步法得到的结果一致。而变量Tutor和变量Settlement的置信区间包含0，说明不存在中介效应，即儿童参加新农合并不会显著影响其父母是否为其报名辅导班和成绩不理想时父母的处理方式。

表9 非参数百分位Bootstrap估计(Bootstrap=1000)

续表9

(五)异质性分析

为研究个人特征不同、家庭经济地位不同、父母受教育程度不同的儿童的父母教育期望有何差异，结合之前学者的研究，本文从性别、儿童教育表现、家庭收入和母亲受教育程度四个维度对模型结果进行异质性分析。由于异质性分析主要关注核心解释变量Xinnonghe的系数大小和显著性，因此本文在该部分省略了其他控制变量的系数结果，表10中仅列出了核心解释变量的系数和t统计量的值。

表10 异质性分析结果

表10中面板A列出了性别不同的儿童参加新农合对其父母教育期望的影响，其中Gender=0代表女性，Gender=1代表男性。可以看出，男性儿童参加新农合会显著提高父母教育期望，但是女性儿童参与新农合对其父母教育期望没有显著影响。说明父母对女性孩子的期望比对男性孩子的期望低，该结果与中国社会对男性要求比女性高的现状相符。

表10中面板B列出了教育表现对儿童参加新农合对父母教育期望的影响，其中Perf=1表示教育表现优秀，Perf=0表示教育表现较差。由表10可以看出，教育表现优秀的儿童参与新农合会显著提高其父母的教育期望，而教育表现较差的儿童参与新农合对其父母教育期望并无影响，该结果说明儿童教育表现是父母教育期望的重要因素。

为研究年收入不同的家庭在父母教育期望上的差异，本文以家庭收入的中位数62650为界，将家庭划分为高收入家庭和低收入家庭，异质性分析的结果如表10面板C所示。由表10面板C可以看出，高收入家庭儿童参与新农合会显著提高其父母的期望分数，低收入家庭和高收入家庭的儿童参与新农合均会提高其父母的期望学历。这说明社会经济地位的不同并不会导致父母教育期望的差异，符合中国传统文化中的“望子成龙”思想。

除社会经济地位外，父母的受教育程度通常被认为是影响父母教育期望的重要因素。本文以母亲学历为分类指标，学历为高中及以上则认为是高学历，否则为低学历，异质性分析结果如表10面板D所示。由表10面板D可以看出，母亲受教育程度较低的儿童参与新农合，其父母的教育期望会显著提高。该结果说明参加新农合对于那些文化程度较低的家庭来说具有更显著的促进教育效果。

五、结论

本文利用2016年和2018年中国家庭追踪调查(CFPS)的数据，通过OLS回归、排序Logit模型以及倾向得分匹配模型研究了农村儿童参与基本医疗保险对其父母教育期望的影响。通过使用期望分数和期望学历度量父母教育期望，本文最终得出三点结论。第一，儿童参与新农合对其短期教育表现并无显著影响，但在短期内能显著提高父母对他们的期望分数和期望学历；第二，儿童参与新农合不仅会对父母教育期望产生直接影响，还会通过影响父母的教育行为间接影响他们的教育期望；第三，通过基于儿童个人特征、父母及家庭特征的异质性分析可知，相比女性儿童，父母通常对男性儿童有较高的教育期望。教育表现较好的儿童相比教育表现差的儿童，其参加新农合对父母教育期望的提升程度更大。家庭收入的差异并不会导致父母教育期望存在显著差异，低收入家庭和高收入家庭一样，都希望其子女能够获得较高的受教育水平。

父母教育期望是影响子女未来教育成就的重要因素，而教育行为作为教育观念的载体进一步影响着父母教育期望。父母的主观教育观念与其他客观因素不同，主观教育观念能够突破客观因素的限制，影响父母教育期望。特别是对于出生贫困家庭的儿童来说，虽然客观条件上缺乏优质和充足的教育资源，但是父母主观上教育观念和教育方式的变化能突破环境的限制，使得即使是社会经济地位较低的家庭也有对孩子获得更高教育水平的期望。本文的研究不仅有利于父母反思和改进其教育方式，还为评价基本医疗保险福利效果提供了新的思考维度。但是由于CFPS调查数据缺乏对儿童至其成年后的长期追踪调查，因此无法通过实证数据分析基本医疗保险对儿童长期教育成就的影响。随着未来可用数据的增加，学者们今后可对该问题展开研究。