微信公众号
编辑部微信号
旅游导刊 ›› 2020, Vol. 4 ›› Issue (2): 26-46.DOI: 10.12054/lydk.bisu.135
收稿日期:
2018-12-05
修回日期:
2020-02-10
出版日期:
2020-04-30
发布日期:
2020-05-27
作者简介:
郭 为(1969— ),男,湖北天门人,博士,青岛大学旅游与地理科学学院教授,研究方向:社会保障与旅游就业。E-mail:gowell_qdu@163.com|曹苏婉(1996— ),女,湖北恩施人,青岛大学旅游与地理科学学院硕士研究生,研究方向:旅游就业。
基金资助:
GUO Wei,CAO Suwan
Received:
2018-12-05
Revised:
2020-02-10
Online:
2020-04-30
Published:
2020-05-27
摘要:
家庭是社会的基本单位,家庭中配偶的经济行为如何相互影响一直为西方经济社会学所关注。我国文化背景不同于西方,家庭经济行为也存在不同。本文利用中国综合社会调查(Chinese General Social Survey,CGSS)2010年至2015年的数据,以旅游业为例实证分析了我国家庭中配偶的不同就业形式对彼此创业的影响。本文以就业状态、类型、就业企业的所有制性质以及是否为全职就业对配偶就业进行了区分,结果发现,夫妻中一方在体制内就业会降低配偶生存型创业和机会型创业的概率;而在我国港澳台地区企业、外资企业和私营/民营企业的就业经历会提高配偶生存型创业的概率,但对机会型创业没有影响。在进一步将就业状态、创业划分为受雇就业、非正规就业、生存型创业和机会型创业后,结果发现,夫妻中一方的生存型创业会降低配偶机会型创业的概率,提高生存型创业的概率;而受雇就业和非正规就业会同时降低两种创业的概率。
中图分类号:
郭为,曹苏婉. 琴瑟和鸣抑或相互掣肘?旅游业中家庭配偶的就业与创业——基于CGSS 2010——2015数据的实证研究[J]. 旅游导刊, 2020, 4(2): 26-46.
GUO Wei,CAO Suwan. Are the Lute and Psaltery in Harmony? Employment and Entrepreneurship of Family Spouses in Tourism: An Empirical Research Based on CGSS 2010-2015[J]. Tourism and Hospitality Prospects, 2020, 4(2): 26-46.
创业(人) | 受雇(人) | ||
---|---|---|---|
机会型 | 生存型 | 受雇就业 | |
未婚 | 18 | 105 | 264 |
同居 | 1 | 14 | 2 |
初婚有配偶 | 173 | 1 831 | 1 080 |
再婚有配偶 | 5 | 32 | 29 |
分居未离婚 | 4 | 13 | 9 |
离婚 | 5 | 45 | 54 |
丧偶 | 1 | 17 | 15 |
表1 旅游业中不同类型婚姻个体的创业
Tab. 1 The entrepreneurship in various types of families
创业(人) | 受雇(人) | ||
---|---|---|---|
机会型 | 生存型 | 受雇就业 | |
未婚 | 18 | 105 | 264 |
同居 | 1 | 14 | 2 |
初婚有配偶 | 173 | 1 831 | 1 080 |
再婚有配偶 | 5 | 32 | 29 |
分居未离婚 | 4 | 13 | 9 |
离婚 | 5 | 45 | 54 |
丧偶 | 1 | 17 | 15 |
变量分类 | 变量符号 | 名称 | 含义及其赋值 |
---|---|---|---|
被解释变量 | chuangye | 创业 | 是否创业:1=机会型创业,2=生存型创业,3=不创业。 |
核心解释变量 | entre | 配偶就业形式 | 配偶的就业形式:1=机会型创业,2=生存型创业,3=受雇就业,4=非正规就业 |
jobcat | 配偶就业类型 | 配偶是否体制内工作:1=是,0=否 | |
ownership | 就业单位所有制性质 | 1=国有或国有控股,2=集体所有或集体控股,3=私营/民营或私营/民营控股,4=港澳台资/外资所有或控股 | |
fulltime | 是否全职就业 | 1=全职,2=兼职 | |
income | 配偶收入(取对数) | 配偶全年职业/劳动收入(取对数) | |
个体特征变量 | experience | 工作经验 | 年龄—受教育年限—6(年) |
pol | 政治面貌 | 是否党员:1=是,0=否 | |
huji | 户籍 | 是否城市户籍:1=是,0=否 | |
gender | 性别 | 1=男性,0=女性 | |
edu | 受教育程度 | 换算成受教育年限(年) | |
家庭特征变量 | children | 18岁以下未成年子女数 | 家庭人口数(人) |
famincome | 家庭收入(取对数) | 家庭全年总收入(取对数) | |
asset | 家庭房产数量 | 家庭拥有的房产数量 |
表2 变量名称及其解释
Tab. 2 The names of variables and their explanations
变量分类 | 变量符号 | 名称 | 含义及其赋值 |
---|---|---|---|
被解释变量 | chuangye | 创业 | 是否创业:1=机会型创业,2=生存型创业,3=不创业。 |
核心解释变量 | entre | 配偶就业形式 | 配偶的就业形式:1=机会型创业,2=生存型创业,3=受雇就业,4=非正规就业 |
jobcat | 配偶就业类型 | 配偶是否体制内工作:1=是,0=否 | |
ownership | 就业单位所有制性质 | 1=国有或国有控股,2=集体所有或集体控股,3=私营/民营或私营/民营控股,4=港澳台资/外资所有或控股 | |
fulltime | 是否全职就业 | 1=全职,2=兼职 | |
income | 配偶收入(取对数) | 配偶全年职业/劳动收入(取对数) | |
个体特征变量 | experience | 工作经验 | 年龄—受教育年限—6(年) |
pol | 政治面貌 | 是否党员:1=是,0=否 | |
huji | 户籍 | 是否城市户籍:1=是,0=否 | |
gender | 性别 | 1=男性,0=女性 | |
edu | 受教育程度 | 换算成受教育年限(年) | |
家庭特征变量 | children | 18岁以下未成年子女数 | 家庭人口数(人) |
famincome | 家庭收入(取对数) | 家庭全年总收入(取对数) | |
asset | 家庭房产数量 | 家庭拥有的房产数量 |
变量类型 | 变量 | 最小值 | 均值 | 最大值 | 缺失值(个数) |
---|---|---|---|---|---|
被解释变量 | 是否创业 | 0.00 | 0.60 | 1.00 | 6 |
创业 (机会型,生存型,不创业) | 1.00 | 2.35 | 3.00 | 6 | |
核心解释变量 | 配偶就业形式 | 1 | 2.71 | 4.00 | 989 |
配偶就业类型 | 0.00 | 0.10 | 1.00 | 1 033 | |
是否全职就业 | 0.00 | 0.91 | 1.00 | 1 593 | |
就业单位所有制性质 | 1.00 | 2.75 | 4.00 | 2 093 | |
配偶收入(取对数) | 0.00 | 8.79 | 16.12 | 1 261 | |
个体特征变量 | 工作经验(年) | 0.50 | 26.44 | 54.00 | 1 |
政治面貌 | 0.00 | 0.26 | 1.00 | 17 | |
户籍 | 1.00 | 1.50 | 2.00 | 0 | |
性别 | 0.00 | 0.56 | 1.00 | 0 | |
受教育程度 | 0.00 | 10.30 | 19 | 1 | |
家庭特征变量 | 家庭收入 (取对数) | 0.00 | 11.15 | 16.12 | 69 |
家庭房产数量 | 0.00 | 1.09 | 7.00 | 407 | |
18岁以下未成年子女数 | 0.00 | 0.85 | 5.00 | 1 192 |
表3 变量的描述性统计
Tab. 3 The descriptions of variables
变量类型 | 变量 | 最小值 | 均值 | 最大值 | 缺失值(个数) |
---|---|---|---|---|---|
被解释变量 | 是否创业 | 0.00 | 0.60 | 1.00 | 6 |
创业 (机会型,生存型,不创业) | 1.00 | 2.35 | 3.00 | 6 | |
核心解释变量 | 配偶就业形式 | 1 | 2.71 | 4.00 | 989 |
配偶就业类型 | 0.00 | 0.10 | 1.00 | 1 033 | |
是否全职就业 | 0.00 | 0.91 | 1.00 | 1 593 | |
就业单位所有制性质 | 1.00 | 2.75 | 4.00 | 2 093 | |
配偶收入(取对数) | 0.00 | 8.79 | 16.12 | 1 261 | |
个体特征变量 | 工作经验(年) | 0.50 | 26.44 | 54.00 | 1 |
政治面貌 | 0.00 | 0.26 | 1.00 | 17 | |
户籍 | 1.00 | 1.50 | 2.00 | 0 | |
性别 | 0.00 | 0.56 | 1.00 | 0 | |
受教育程度 | 0.00 | 10.30 | 19 | 1 | |
家庭特征变量 | 家庭收入 (取对数) | 0.00 | 11.15 | 16.12 | 69 |
家庭房产数量 | 0.00 | 1.09 | 7.00 | 407 | |
18岁以下未成年子女数 | 0.00 | 0.85 | 5.00 | 1 192 |
模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | |
---|---|---|---|---|---|---|---|---|---|---|
intercept | —1.796(1.705) | 1.094(0.807) | —5.696***(1.505) | 1.338**(0.578) | —4.710***(1.517) | 1.614***(0.595) | —5.673***(2.187) | 0.095(0.803) | —5.620***(1.226) | 1.363***(0.480) |
entre2 | —3.027***(0.567) | 1.270***(0.474) | ||||||||
entre3 | —4.394***(0.500) | —1.590***(0.460) | ||||||||
entre4 | —3.896***(0.560) | —0.906*(0.468) | ||||||||
jobcat | —0.905*(0.543) | —0.687***(0.186) | ||||||||
fulltime | —0.281(0.437) | —0.207(0.186) | ||||||||
ownership2 | 0.327(0.879) | —0.093(0.368) | ||||||||
ownership3 | 0.502(0.541) | 0.680***(0.205) | ||||||||
ownership4 | 0.733(0.787) | 0.538*(0.309) | ||||||||
income | 0.013(0.029) | 0.030***(0.012) | ||||||||
experience | 0.004(0.022) | —0.005(0.010) | 0.005(0.021) | —0.0004(0.008) | —0.002(0.020) | 0.001(0.008) | —0.008(0.029) | —0.002(0.011) | 0.003(0.017) | 0.003(0.007) |
edu | —0.02(0.064) | —0.088***(0.028) | —0.050(0.060) | —0.126***(0.025) | —0.058(0.060) | —0.130***(0.025) | 0.059(0.091) | —0.124***(0.033) | —0.011(0.051) | —0.098***(0.021) |
pol | 1.033***(0.319) | —0.375***(0.133) | 1.226***(0.291) | —0.349***(0.117) | 1.189***(0.289) | —0.366***(0.116) | 0.384(0.400) | —0.747***(0.173) | 1.024***(0.240) | —0.325***(0.099) |
huji | —0.097(0.337) | —0.181(0.138) | —0.091(0.301) | —0.356***(0.119) | —0.239(0.299) | —0.404***(0.119) | —0.852**(0.431) | —0.211(0.159) | —0.220(0.255) | —0.494***(0.100) |
gender | 0.140(0.310) | —0.022(0.127) | —0.076(0.277) | —0.049(0.112) | —0.069(0.275) | —0.005(0.111) | —0.074(0.389) | —0.126(0.147) | —0.066(0.248) | —0.089(0.099) |
famincome | 0.170(0.104) | 0.068*(0.040) | 0.232***(0.090) | 0.058*(0.035) | 0.211**(0.089) | 0.051(0.035) | 0.171(0.122) | 0.062(0.047) | 0.232***(0.074) | 0.019(0.031) |
asset | 0.514**(0.230) | 0.305***(0.108) | 0.493**(0.197) | 0.238**(0.095) | 0.449**(0.197) | 0.237**(0.093) | 0.898***(0.245) | 0.357***(0.125) | 0.284*(0.171) | 0.115(0.078) |
children | 0.225(0.221) | 0.202**(0.097) | 0.284(0.200) | 0.221***(0.085) | 0.234(0.199) | 0.220***(0.085) | 0.249(0.303) | 0.289**(0.116) | 0.144(0.169) | 0.149**(0.068) |
Eastarea | 0.415 (0. 303) | 0.386***(0.124) | 0.502**(0.201) | 0.247**(0.107) | 0.533**(0.219) | 0.336**(0.109) | 0.787***(0.268) | 0.456***(0.138) | 0.361*(0.208) | 0.217(0.243) |
Entralarea | 0.320(0.244) | 0.212**(0.113) | 0.301(0.186) | 0.249***(0.101) | 0.287(0.213) | 0.235***(0.122) | 0.251(0.317) | 0.311**(0.125) | 0.189(0.177) | 0.154**(0.133) |
观测值数量 | 1 621 | 1 596 | 1 595 | 935 | 2 160 | |||||
Pseudo R2 McFadden | 0.676 | 0.60 | 0.59 | 0.77 | 0.44 | |||||
Log-likelihood | —986.07 | —1 217.06 | —1 228.20 | —694.54 | -1 695.84 |
表4 基本模型回归结果
Tab. 4 The regression results on the basic model
模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | |
---|---|---|---|---|---|---|---|---|---|---|
intercept | —1.796(1.705) | 1.094(0.807) | —5.696***(1.505) | 1.338**(0.578) | —4.710***(1.517) | 1.614***(0.595) | —5.673***(2.187) | 0.095(0.803) | —5.620***(1.226) | 1.363***(0.480) |
entre2 | —3.027***(0.567) | 1.270***(0.474) | ||||||||
entre3 | —4.394***(0.500) | —1.590***(0.460) | ||||||||
entre4 | —3.896***(0.560) | —0.906*(0.468) | ||||||||
jobcat | —0.905*(0.543) | —0.687***(0.186) | ||||||||
fulltime | —0.281(0.437) | —0.207(0.186) | ||||||||
ownership2 | 0.327(0.879) | —0.093(0.368) | ||||||||
ownership3 | 0.502(0.541) | 0.680***(0.205) | ||||||||
ownership4 | 0.733(0.787) | 0.538*(0.309) | ||||||||
income | 0.013(0.029) | 0.030***(0.012) | ||||||||
experience | 0.004(0.022) | —0.005(0.010) | 0.005(0.021) | —0.0004(0.008) | —0.002(0.020) | 0.001(0.008) | —0.008(0.029) | —0.002(0.011) | 0.003(0.017) | 0.003(0.007) |
edu | —0.02(0.064) | —0.088***(0.028) | —0.050(0.060) | —0.126***(0.025) | —0.058(0.060) | —0.130***(0.025) | 0.059(0.091) | —0.124***(0.033) | —0.011(0.051) | —0.098***(0.021) |
pol | 1.033***(0.319) | —0.375***(0.133) | 1.226***(0.291) | —0.349***(0.117) | 1.189***(0.289) | —0.366***(0.116) | 0.384(0.400) | —0.747***(0.173) | 1.024***(0.240) | —0.325***(0.099) |
huji | —0.097(0.337) | —0.181(0.138) | —0.091(0.301) | —0.356***(0.119) | —0.239(0.299) | —0.404***(0.119) | —0.852**(0.431) | —0.211(0.159) | —0.220(0.255) | —0.494***(0.100) |
gender | 0.140(0.310) | —0.022(0.127) | —0.076(0.277) | —0.049(0.112) | —0.069(0.275) | —0.005(0.111) | —0.074(0.389) | —0.126(0.147) | —0.066(0.248) | —0.089(0.099) |
famincome | 0.170(0.104) | 0.068*(0.040) | 0.232***(0.090) | 0.058*(0.035) | 0.211**(0.089) | 0.051(0.035) | 0.171(0.122) | 0.062(0.047) | 0.232***(0.074) | 0.019(0.031) |
asset | 0.514**(0.230) | 0.305***(0.108) | 0.493**(0.197) | 0.238**(0.095) | 0.449**(0.197) | 0.237**(0.093) | 0.898***(0.245) | 0.357***(0.125) | 0.284*(0.171) | 0.115(0.078) |
children | 0.225(0.221) | 0.202**(0.097) | 0.284(0.200) | 0.221***(0.085) | 0.234(0.199) | 0.220***(0.085) | 0.249(0.303) | 0.289**(0.116) | 0.144(0.169) | 0.149**(0.068) |
Eastarea | 0.415 (0. 303) | 0.386***(0.124) | 0.502**(0.201) | 0.247**(0.107) | 0.533**(0.219) | 0.336**(0.109) | 0.787***(0.268) | 0.456***(0.138) | 0.361*(0.208) | 0.217(0.243) |
Entralarea | 0.320(0.244) | 0.212**(0.113) | 0.301(0.186) | 0.249***(0.101) | 0.287(0.213) | 0.235***(0.122) | 0.251(0.317) | 0.311**(0.125) | 0.189(0.177) | 0.154**(0.133) |
观测值数量 | 1 621 | 1 596 | 1 595 | 935 | 2 160 | |||||
Pseudo R2 McFadden | 0.676 | 0.60 | 0.59 | 0.77 | 0.44 | |||||
Log-likelihood | —986.07 | —1 217.06 | —1 228.20 | —694.54 | -1 695.84 |
模型类型 | 线性工具变量模型 | Multinomial logit模型 | |||
---|---|---|---|---|---|
变量 | 个体创业 | 配偶就业 | |||
是否机会型 创业 | 是否生存型 创业 | 机会型创业vs 非正规就业 | 生存型创业vs 非正规就业 | 受雇就业vs 非正规就业 | |
配偶就业: | |||||
entre1 | 3.593**(1.73) | —2.44**(1.104) | |||
entre2 | —3.10**(1.22) | 2.98***(1.049) | |||
entre3 | 2.76(1.96) | —2.48**(1.034) | |||
工具变量(配偶受教育水平) | |||||
pedu1 | —0.366(0.467) | —0.04(0.228) | 0.40(0.25) | ||
pedu2 | 0.457(0.542) | 0.09**(0.065) | 1.08***(0.28) | ||
pedu3 | 0.279***(0.027) | —0.75**(0.420) | 1.75***(0.36) | ||
核心解释 变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
个体特征 解释变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
地区变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
常数项 | 3.227**(1.226) | 2.737**(0.937) | —6.841***(1.95) | 0.325(0.81) | 0.643(0.43) |
观测值数量 | 1 621 | 1 345 | 1 278 | ||
Pseudo R2 McFadden | 0.61 | ||||
Adjusted R2 | 0.23 | 0.31 |
表5 控制内生性
Tab. 5 Controlling the endogeneity
模型类型 | 线性工具变量模型 | Multinomial logit模型 | |||
---|---|---|---|---|---|
变量 | 个体创业 | 配偶就业 | |||
是否机会型 创业 | 是否生存型 创业 | 机会型创业vs 非正规就业 | 生存型创业vs 非正规就业 | 受雇就业vs 非正规就业 | |
配偶就业: | |||||
entre1 | 3.593**(1.73) | —2.44**(1.104) | |||
entre2 | —3.10**(1.22) | 2.98***(1.049) | |||
entre3 | 2.76(1.96) | —2.48**(1.034) | |||
工具变量(配偶受教育水平) | |||||
pedu1 | —0.366(0.467) | —0.04(0.228) | 0.40(0.25) | ||
pedu2 | 0.457(0.542) | 0.09**(0.065) | 1.08***(0.28) | ||
pedu3 | 0.279***(0.027) | —0.75**(0.420) | 1.75***(0.36) | ||
核心解释 变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
个体特征 解释变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
地区变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
常数项 | 3.227**(1.226) | 2.737**(0.937) | —6.841***(1.95) | 0.325(0.81) | 0.643(0.43) |
观测值数量 | 1 621 | 1 345 | 1 278 | ||
Pseudo R2 McFadden | 0.61 | ||||
Adjusted R2 | 0.23 | 0.31 |
模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | |
---|---|---|---|---|---|---|---|---|
intercept | —1.378(1.002) | 2.736(0.577) | —1.212***(0.602) | 2.346**(0.289) | —1.242(0.890) | 2.786(0.373) | —2.398*(1.154) | 1.632***(0.499) |
entre2 | —3.209***(0.546) | 0.987***(0.457) | ||||||
entre3 | —4.596***(0.483) | —1.847***(0.444) | ||||||
entre4 | —3.943***(0.530) | —0.1.201*(0.453) | ||||||
ownership2 | 0.022(0.837) | —0.174(0.355) | ||||||
ownership3 | 0.295(0.467) | 0.656***(0.191) | ||||||
ownership4 | 0.485(0.729) | 0.649(0.289) | ||||||
experience | 0.011(0.017) | —0.010(0.008) | —0.001(0.012) | 0.001(0.006) | —0.017(0.015) | 0.006(0.006) | —0.016(0.023) | —0.010(0.029) |
edu | —0.01(0.059) | —0.057***(0.026) | —0.058(0.040) | —0.111***(0.019) | —0.050(0.054) | —0.121***(0.022) | 0.084(0.084) | —0.128***(0.030) |
pol | 1.088***(0.296) | —0.404***(0.124) | 0.317*(0.192) | —0.494***(0.099) | 1.196***(0.269) | —0.415***(0.107) | 0.573(0.363) | —0.653***(0.158) |
huji | —0.059(0.306) | —0.246(0.129) | —0.060(0.202) | —0.365***(0.095) | —0.286(0.276) | —0.469***(0.112) | —0.874**(0.358) | —0.243(0.148) |
模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | |
观测值数量 | 3 524 | 3 038 | 2 034 | 3 468 | ||||
Pseudo R2 McFadden | 0.640 3 | 0.330 7 | 0.744 3 | 0.553 5 | ||||
Log-likelihood | —1 095.48 | —2 038.32 | —778.79 | —1 359.68 |
表6 稳健性检验结果
Tab. 6 The robust test of regression
模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | |
---|---|---|---|---|---|---|---|---|
intercept | —1.378(1.002) | 2.736(0.577) | —1.212***(0.602) | 2.346**(0.289) | —1.242(0.890) | 2.786(0.373) | —2.398*(1.154) | 1.632***(0.499) |
entre2 | —3.209***(0.546) | 0.987***(0.457) | ||||||
entre3 | —4.596***(0.483) | —1.847***(0.444) | ||||||
entre4 | —3.943***(0.530) | —0.1.201*(0.453) | ||||||
ownership2 | 0.022(0.837) | —0.174(0.355) | ||||||
ownership3 | 0.295(0.467) | 0.656***(0.191) | ||||||
ownership4 | 0.485(0.729) | 0.649(0.289) | ||||||
experience | 0.011(0.017) | —0.010(0.008) | —0.001(0.012) | 0.001(0.006) | —0.017(0.015) | 0.006(0.006) | —0.016(0.023) | —0.010(0.029) |
edu | —0.01(0.059) | —0.057***(0.026) | —0.058(0.040) | —0.111***(0.019) | —0.050(0.054) | —0.121***(0.022) | 0.084(0.084) | —0.128***(0.030) |
pol | 1.088***(0.296) | —0.404***(0.124) | 0.317*(0.192) | —0.494***(0.099) | 1.196***(0.269) | —0.415***(0.107) | 0.573(0.363) | —0.653***(0.158) |
huji | —0.059(0.306) | —0.246(0.129) | —0.060(0.202) | —0.365***(0.095) | —0.286(0.276) | —0.469***(0.112) | —0.874**(0.358) | —0.243(0.148) |
模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | 模型1 | 模型2 | |
观测值数量 | 3 524 | 3 038 | 2 034 | 3 468 | ||||
Pseudo R2 McFadden | 0.640 3 | 0.330 7 | 0.744 3 | 0.553 5 | ||||
Log-likelihood | —1 095.48 | —2 038.32 | —778.79 | —1 359.68 |
[1] |
Arellano M, Bover O . Another look at the instrumental variable estimation of error-components models[J]. Journal of Econometrics, 1995,68(1):29~51.
DOI URL |
[2] | Bishop Y M M, Fienberg S E, Holland P W . Discrete Multivariate Analysis[M]. Cambridge: MIT Press, 1975. |
[3] |
Bruce D . Do husbands matter? Married women entering self-employment[J]. Small Business Economics, 1999,13(4):317~329.
DOI URL |
[4] | Christensen R . Log-Linear Models and Logistic Regression[M]. New York: Springer, 1997. |
[5] | Collett D . Modeling Binary Data[M]. 2nd ed. London: Chapman and Hall, 2003. |
[6] |
Dimov D . Grappling with the unbearable elusiveness of entrepreneurial opportunities[J]. Entrepreneurship Theory and Practice, 2011,35(1):57~81.
DOI URL |
[7] | Duncombe W, Robbins M, Stonecash J . Measuring citizen preferences for public services using surveys: Does a “gray peril” threaten funding for public education?[J]. Public Budgeting & Finance, 2003,23(1):45~72. |
[8] | Gartner W B . “Who is an entrepreneur?” Is the wrong question[J]. Entrepreneurship Theory and Practice, 1988,12(4):11~32. |
[9] |
Klein P G . Opportunity discovery, entrepreneurial action, and economic organization[J]. Strategic Entrepreneurship Journal, 2008,2(3):175~190.
DOI URL |
[10] |
Lewis B D, Pattinasarany D . Determining citizen satisfaction with local public education in indonesia: the significance of actual service quality and governance conditions[J]. Growth and Change, 2009,40(1):85~115.
DOI URL |
[11] |
Overall J E, Tonidandel S . Robustness of Generalized Estimating Equation (GEE) tests of significance against misspecification of the error structure model[J]. Biometrical Journal, 2004,46(2):203~213.
DOI URL |
[12] |
Özcan B . Only the lonely? The influence of the spouse on the transition to self-employment[J]. Small Business Economics, 2011,37(4):465~492.
DOI URL |
[13] |
Parker S C . Entrepreneurship among married couples in the united states: A simultaneous probit approach[J]. Labour Economics, 2008,15(3):459~481.
DOI URL |
[14] |
Posadas J, Vidal-Fernandez M . Grandparents’ childcare and female labor force participation[J]. IZA Journal of Labor Policy, 2013,2(1):14.
DOI URL |
[15] | Sahlman W A . Some Thoughts on Business Plans[M]. Harvard Business School, 1996. |
[16] |
Sarasvathy S D . Causation and effectuation: Toward a theoretical shift from economic inevitability to entrepreneurial contingency[J]. Academy of Management Review, 2001,26(2):243~263.
DOI URL |
[17] |
Shane S . Prior knowledge and the discovery of entrepreneurial opportunities[J]. Organization Science, 2000,11(4):448~469.
DOI URL |
[18] | Shane S, Venkataraman S . The promise of entrepreneurship as a field of research[J]. The Academy of Management Review, 2000,25(1):217~226. |
[19] | Stock J H, Yogo M . Testing for weak instruments in linear IV regression[A]. Andrews D W K, Stock J H. Identification and Inference for Econometric Models[M]. Cambridge: Cambridge University Press, 2005: 80~108. |
[20] | Wickham P A . Strategic Entrepreneurship: A Decision-Making Approach to New Venture Creation and Management[M]. 2nd ed. London: Financial Times/Prentice Hall, 2001. |
[21] | 陈文沛 . 关系网络与创业机会识别: 创业学习的多重中介效应[J]. 科学学研究, 2016,34(9):1391~1396. |
[22] | 陈怡安 . 父母政治身份、职位背景与子女创业[J]. 世界经济文汇, 2017(1):26~50. |
[23] | 冯健, 杜瑀 . 空心村整治意愿及其影响因素——基于宁夏西吉县的调查[J]. 人文地理, 2016,31(6):39~48. |
[24] | 赖敏, 余泳泽, 刘大勇 , 等. 制度环境、政府效能与“大众创业万众创新”——来自跨国经验证据[J]. 南开经济研究, 2018(1):19~33. |
[25] | 李江一, 李涵 . 住房对家庭创业的影响: 来自CHFS的证据[J]. 中国经济问题, 2016(2):53~67. |
[26] | 李涛, 朱俊兵, 伏霖 . 聪明人更愿意创业吗?——来自中国的经验发现[J]. 经济研究, 2017,52(3):91~105. |
[27] | 李雪莲, 马双, 邓翔 . 公务员家庭、创业与寻租动机[J]. 经济研究, 2015,50(5):89~103. |
[28] | 李祎雯, 张兵 . 非正规金融对农村家庭创业的影响机制研究[J]. 经济科学, 2016(2):93~105. |
[29] | 李政, 罗晖, 李正风 , 等. 基于质性数据分析的中美创新政策比较研究——以“中国双创”与“创业美国”为例[J]. 中国软科学, 2018(4):18~30. |
[30] | 梁振民 . 旅游小微企业竞争力培育研究: 以喀什地区为例[J]. 江苏商论, 2018(8):58~63. |
[31] | 刘刚, 王泽宇 . 创业团队文化多样性与互联网创业融资——基于产品众筹数据的实证分析[J]. 财贸经济, 2016a,37(6):113~128. |
[32] | 刘刚, 王泽宇, 程熙鎔 . “朋友圈”优势、内群体条件与互联网创业——基于整合社会认同与嵌入理论的新视角[J]. 中国工业经济, 2016b(8):110~126. |
[33] | 马光荣, 杨恩艳 . 社会网络、非正规金融与创业[J]. 经济研究, 2011,46(3):83~94. |
[34] | 买忆媛, 辜雪娜 . 工作经验一定有助于创业过程吗: 基于工作内嵌入的分析[J]. 南开管理评论, 2011,14(2):144~149. |
[35] | 宁光杰, 段乐乐 . 流动人口的创业选择与收入——户籍的作用及改革启示[J]. 经济学, 2017,16(2):771~792. |
[36] | 钱争鸣, 李海波, 于艳萍 . 个人住房按揭贷款违约风险研究[J]. 经济研究, 2010,45(S1):143~152. |
[37] | 曲兆鹏, 郭四维 . 户籍与创业: 城乡居民自我雇佣的差异研究——来自CGSS2008的证据[J]. 中国经济问题, 2017(6):72~86. |
[38] | 苏晓华, 郑晨, 李新春 . 经典创业理论模型比较分析与演进脉络梳理[J]. 外国经济与管理, 2012,34(11):19~26. |
[39] | 陶树果, 高向东, 余运江 . 农村劳动年龄人口乡城迁移意愿和城镇化路径研究——基于CGSS2010年数据的logistic回归模型分析[J]. 人口与经济, 2015(5):40~49. |
[40] | 王戴黎 . 外资企业工作经验与企业家创业活动: 中国家户调查证据[J]. 管理世界, 2014(10):136~148. |
[41] | 王金杰, 李启航 . 电子商务环境下的多维教育与农村居民创业选择——基于CFPS2014和CHIPS2013农村居民数据的实证分析[J]. 南开经济研究, 2017(6):75~92. |
[42] | 王玲, 蔡莉, 彭秀青 , 等. 机会—资源一体化创业行为的理论模型构建——基于国企背景的新能源汽车新企业的案例研究[J]. 科学学研究, 2017,35(12):1854~1863. |
[43] | 王晓峰, 田步伟, 武洋 . 边境地区农村人口流出及影响因素分析——以黑龙江省三个边境县的调查为例[J]. 人口学刊, 2014,36(3):52~62. |
[44] | 魏下海, 陈思宇, 黎嘉辉 . 方言技能与流动人口的创业选择[J]. 中国人口科学, 2016(6):36~46. |
[45] | 翁辰, 张兵 . 信贷约束对中国农村家庭创业选择的影响——基于CHFS调查数据[J]. 经济科学, 2015(6):92~102. |
[46] | 肖兴志, 张伟广, 朝镛 . 僵尸企业与就业增长: 保护还是排挤?[J]. 管理世界, 2019,35(8):69~83. |
[47] | 杨婵, 贺小刚, 李征宇 . 家庭结构与农民创业——基于中国千村调查的数据分析[J]. 中国工业经济, 2017(12):170~188. |
[48] | 杨俊, 韩炜, 张玉利 . 工作经验隶属性、市场化程度与创业行为速度[J]. 管理科学学报, 2014,17(8):10~22. |
[49] | 杨轶清 . 企业家能力来源及其生成机制——基于浙商“低学历高效率”创业现象的实证分析[J]. 浙江社会科学, 2009(11):26~30. |
[50] | 翟庆华, 苏靖, 叶明海 , 等. 国外创业研究新进展[J]. 科研管理, 2013,34(9):131~138. |
[51] | 张萃 . 什么使城市更有利于创业?[J]. 经济研究, 2018,53(4):151~166. |
[52] | 张龙耀, 杨军, 张海宁 . 金融发展、家庭创业与城乡居民收入——基于微观视角的经验分析[J]. 中国农村经济, 2013(7):47~57, 84. |
[53] | 张龙耀, 张海宁 . 金融约束与家庭创业——中国的城乡差异[J]. 金融研究, 2013(9):123~135. |
[54] | 郑鸿, 徐勇 . 创业团队信任的维持机制及其对团队绩效的影响研究[J]. 南开管理评论, 2017,20(5):29~40. |
[55] | 郑筱婷, 李美棠 . 女性就业与收入对其配偶创业行为的影响——基于中国家庭追踪调查数据的实证研究[J]. 南开经济研究, 2018(2):130~147. |
[56] | 郑馨, 周先波, 张麟 . 社会规范与创业——基于62个国家创业数据的分析[J]. 经济研究, 2017,52(11):59~73. |
[57] | 钟粤俊, 董志强, 林文炼 . 家庭男孩比重影响了流动人口创业吗?[J]. 劳动经济研究, 2018,6(2):3~23. |
[58] | 周广肃, 谭华清, 李力行 . 外出务工经历有益于返乡农民工创业吗?[J]. 经济学, 2017,16(2):793~814. |
[59] | 周敏慧, Arcand J L, 陶然 . 企业家精神代际传递与农村迁移人口的城市创业[J]. 经济研究, 2017,52(11):74~87. |
[1] | 方叶林, 王芳. 考虑环境变量的我国大陆省域旅游业效率测度及优化——基于区域经济与交通区位视角[J]. 旅游导刊, 2019, 3(2): 40-53. |
[2] | 窦思敏, 马仁锋. 环渤海城市旅游业及其与基础设施相关性空间计量研究[J]. 旅游导刊, 2018, 2(3): 81-100. |
[3] | 张燕, 章杰宽. 基于Web of Science 数据库的旅游业能源消耗研究综述及启示[J]. 旅游导刊, 2018, 2(2): 75-92. |
[4] | 张辉, 范容廷. 旅游业二次革命与规范研究的三个基础性工作[J]. 旅游导刊, 2017, 1(2): 9-11. |
[5] | 宋子千. 旅游业究竟对国民经济有多大贡献?[J]. 旅游导刊, 2017, 1(2): 32-43. |
[6] | 马波. 创建中国旅游业新常态:从政策调整到实践转型[J]. 旅游导刊, 2017, 1(1): 8-13. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||