图片来源：
https://www.google.com/search?rlz=1C1CHZL_zh-CNUS760US760&tbm=isch&q=female+male+teacher+student+comic&chips=q:female+male+teacher+student+comic,online_chips:classroom&sa=X&ved=0ahUKEwig1KHUjK7YAhUhsVQKHa4MBfcQ4lYIKSgB&biw=1229&bih=625&dpr=1.56#imgdii=gmDPwbMzJYzaHM:&imgrc=m0wMsnTWOrLYmM:
Lim, Jaegeum, and Jonathan Meer. Persistent effects of teacher-student gender matches. No. w24128.
National Bureau of Economic Research, 2017
.
女性的劳动参与率在近代大幅提升，女性与男性在STEM领域的比例差异大幅下降，然而gender gap仍然在社会生活中的方方面面存在，无论是工资差异，职业进入壁垒的差异还是教育机会上的不平等。而一个本来存在gender gap的社会会进一步形成女性在某些领域劣于男性的stereotype，这种女性榜样的缺乏对下一代态度和性别观的影响将使得女性青少年不被鼓励进入某些领域学习工作，以及缺乏长期经营事业的野心，从而使得这种gender gap持续下去。
在青少年三观形成时期影响他们的性别观也许对将来扭转男女不平等的现状有着重要的影响。在中学时期被女性老师所教授也许会使得女学生更加不容易认为女性在某些方面弱于男性，会影响女性学生的ambition，从而影响到了她们的成绩，受教育机会和长期的专业选择。本文作者利用首尔地区随机分配教师至教室的特点研究7年级时女性教师与女性学生的匹配对成绩，专业选择等方面gender gap的影响。
为了识别出女性教师与女性教师的匹配对gender gap的影响，我们需要教师与学生的随机匹配，而首尔地区中学分配老师的方式提供了一个quasi-experiment来识别这种性别匹配的causal effects。首尔地区所有的小学毕业生将以随机号码的方式被分配到首尔的各个中学（七年级到九年级），进入到每个中学的学生将被随机地分配到一个教室，最常见的分配教室的做法是根据前一年的成绩将学生进行排名，第一名分配到第一个教室，第二名分配到第二个教室，以此类推。每个科目的教师将随机分配给班级，比如：偶数教室由一位老师负责，奇数教室由另一位教师负责。基于能力的分组在数学和英语课程的教授中很常见（见下图）：
韩国的义务教育阶段在九年级结束，首尔地区高中将分两轮录取学生，第一轮是申请机制，每位学生可以从35所精英中学和私立自治高中，6所艺术学校和1所体育学校74所职业学校中选择一所，学校会根据成绩推荐信等决定录取与否，第二轮是随机排号方式，学生们将被分配到19所公立高中，19所科学学校，4所艺术学校以及183所普通高中，学生们可以提交志愿表。进入高中一年后，学生们可以自由选择文理科。
作者使用的数据库包含了2010年被调查的7年级学生的各个科目老师的信息，学生的基本信息，学生7年级至12年级的成绩，分科选择，以及进入大学时的专业领域选择。首尔地区的74所中学进入样本，每所中学将以随机抽样的方式选取两个教室，最后的样本包含4544个在2010年回应调查的学生，10196个学生与教师的匹配。所有的标化成绩都被标准化处理，因此系数代表的是偏离几个标准差。
对于本文因果识别最重要的假设是7年级时教师性别的分配是随机的（与其他教师特征，学生特征等均无关），作者采用以下方法间接检验该假设。
1）作者比较了男性教师与女性教师的学生在可观测特征上的不同，继而又比较了男性学生与女性学生在被分派到的教师特征上的不同。
2）作者使用线性概率回归考察学生特征对被分配到女性教师的概率的影响，所有特征均不显著。
3）作者采用重抽样的方式检验真实的教室分配是否与重新抽样产生了较大差异。具体来说，对于每个学校的学生，作者重新进行了10000次随机分派教室的操作，统计重新抽样产生的教室的学生的标化成绩之和，计算出模拟教室中大于真实教室标化成绩之和的比例，检验该比例是否符合均匀分布（在随机分配的假设下，该比例应该服从均匀分布），结果显示只有极少数中学未通过检验（panel A）；接着作者将该比例对该教室的教师特征做回归，未发现显著影响（panel B）。
观测以学生-老师的匹配为基础，以下为估计方程：
y
ijbgs
是在学校s被教师j教的能力小组g（高或低）学生i的科目b的成绩， fs
i
是女性学生的虚拟变量，ft
j
是女性教师的虚拟变量，X
i
与T
j
分别表示学生与老师的特征，γ
bgs
是学校-科目-能力小组的固定效应。
β
1
是被男性教师所教的女性学生与男性学生的成绩差异,
β
2
是男性学生在被女性教师教与男性教师教时的成绩差异，
β
3
是gender gap在女性教师与男性教师教授时的差别，是本文的主要关注点。
以下为因变量为7年级成绩的结果:
β
3
在所有回归中均显著，由于平均而言7年级女性成绩比男性要高，正的
β
3
说明女性教师与女性学生的匹配进一步使得女性成绩相对男性学生提高了。这种效应可以被分解为对男学生的由男性教师转变为女性教师的负面影响（-
β
2
）和对女学生的由男性教师转变为女性教师的正向影响(
β
2
+
β
3
)。
作者估计以下方程研究7年级学生与教师性别匹配对学生成绩的长期影响：
因变量为学生在t=2到t=6（8年级至12年级）的成绩，结果如下：
可以发现女性教师对成绩上gender gap的影响并没有随着时间而消失或者减弱。
作者最后估计了教师与学生的性别匹配对学生将来选择STEM学科的影响，由于因变量来自于高中毕业两个月后的调查，样本量大大减小。
结果显示女性教师与女性学生的匹配大大提高了学生选择高级数学课程以及计划在将来进入STEM领域的概率。
1）这种效应是否是由于7年级时的匹配结果影响了将来被分配到女老师的概率呢？作者以以后教师性别分配结果为因变量进行回归，发现女性学生与女性教师的匹配没有显著影响。
2）这是否是来源于7年级的教师分配影响到了将来学习能力分配小组的结果呢？下表显示这也不是答案。
3）这是否是由于退出样本的由女性老师所教授的女性学生有着更低的成绩呢？作者探讨了7年级时女性教师的比例对退出样本的概率的影响，没有显著性结果。
排除掉了以上三种可能性后，作者认为解释在于女性教师与女性学生的匹配改变了女性学生的学习态度，高中选择。
调查中包含了诸如“你在上课时是否专心？”“你是否参与到了课堂中去？”“你是否按时完成作业”“你是否会复习”等问题，利用这些问题所构建的指数反应了学生的学习态度，下表展示了学生与教师性别匹配对该指数的影响。
在所有回归中均显著的
β
3
说明这种学习态度的转变是机制之一。
作者接下来研究了学生教师性别匹配对学生高中选择的影响，下表中的prestigious school是指除去职业学校的只能在第一轮中以申请的方式得到录取的学校，Above basic与below basic是指高于中位数的标化成绩和低于20%分位数的标化成绩，结果显示女性学生与女性教师的匹配提高了女性学生相对于男性学生得到高于中位数成绩的概率，降低了女性学生相对于男性学生得到低于20%分位数成绩的概率。
最后作者研究了7年级时教师与学生性别匹配对将来peer quality和教师质量的影响。
结果再次印证了作者机制解释的结论：7年级时女性教师与女性学生的匹配提高了女性学生相对于男性学生选择进入更高质量高中概率，从而对成绩的gender gap产生了长期影响。
在7年级时将女性教师分配给女性学生不仅提高了女性在短期和长期相对于男性的成绩，也提高了女性学生相对于男性计划选择STEM学科，选择高级数学课程的概率。这主要通过女性教师对女性学生学习态度的影响和选择更高质量高中的影响来实现。
We exploit data from middle schools in Seoul, South Korea, where students and teachers are randomly assigned to classrooms, and find that female students taught by a female versus a male teacher score higher on standardized tests compared to male students even five years later. We also find that having a female math teacher in 7th grade increases the likelihood that female students take higher-level math courses, aspire to a STEM degree, and attend a STEM-focused high school. These effects are driven by changes in students' attitudes and choices.
推文仅代表文章原作者观点及推文作者的评论观点，并不代表香樟经济学术圈公众号平台观点。
