トラッキングが高校生の教育期待に及ぼす影響 ――パネルデータを用いた傾向スコア・マッチングによる検証――

(1)

︻要旨︼　本稿は、学齢児童生徒を追跡的に調査したパネルデータの分析により、高校生の進路分化におけるトラッキングの因果効果を実証することを目的としている。　トラッキングとは学力や希望進路によって学校ないし学級編成を同質化し、高校生の教育期待を水路づける教育システムと定義される。しかし、日本では高校入学前後の情報を含んだパネルデータがほとんどなかったため、高校生の進路分化が所属トラック内での社会化の結果であるのか、それともトラック参入以前の学力や教育期待をバイパスしているにすぎないのかが不明確であった。　本稿で用いるパネルデータは、二〇〇三年から二〇一〇年にかけて小学六年生－中学三年生－高校三年生を対象に、関東と東北の二地域において収集された︵ N ＝ 76 0 ︶_。トラッキングの処置効果を明らかにするため、本稿の分析手法は傾向スコア・マッチングを採用した。　分析から得られた知見は、︵１︶出身社会階層の高い生徒ほど中学三年生時点での学校での成績が高く、トラックの配分は、社会階層によって形成された中学三年生までの成績をもとに行われていること、︵２︶トラッキングの処置効果は、高校三年生の教育期待に対して因果効果が観察されたこと、︵３︶トラッキングの処置効果は、進学トラックに配分されやすい生徒ほど受けやすいという効果の異質性があること、の三点である。　以上より得られた知見から、日本のトラッキングシステムは、青少年の出身社会階層に起因する教育的な不平等を維持・拡大するディバイスとして機能していることが示唆される。︻キーワード︼トラッキング、教育期待、傾向スコア・マッチング

ト

ラ

ッ

キ

ン

グ

が

高

校

生

の

教

育

期

待

に

及

ぼ

す

影

響

―― パネルデータを用いた傾向スコア・マッチングによる検証 ――

中西

啓喜

(2)

１　 はじめに 　本稿は、学齢児童生徒を追跡的に調査したパネルデータの分析により、高校生の進路分化におけるトラッキング効果を実証することを目的としている ① 。　トラッキングとは生徒の学力や希望進路によって学校ないし学級編成を同質化し、教育期待を水路づける教育システムだと定義される︵ R os em ba um 19 76_︶。トラッキングの主たる機能のひとつは、各トラックに配分された生徒には、所属トラックにふさわしい社会化が行われるということである。進学用のトラックに配分された生徒は大学進学を希望するようになり、非進学トラック︵一般トラックと職業トラック︶に配分された生徒は、大学進学への意欲を徐々に低下されるという具合に、トラックに応じた進路を選択するように社会化されるのである。つまり、トラッキング理論では、学校は個々人の教育期待を分化させ、不平等を維持・拡大させる場だとして説明されることになる︵ R os em ba um 19 76 ; O ak es 19 85_︶。　このように、所属するトラックによって生徒の希望進路が水路づけられるがゆえに、生徒の社会的出自とトラックに関連があるのかが注目される。大学進学機会の不平等が、生徒本人の学力や意欲を媒介としつつ、親の学歴や職業、進学期待や費用負担の可否によって発生することはよく知られている︵ B ou do n ₁₉ 73 ＝一九八三； G am be tta 19 87 ; B re en a nd G old th op e 19 97_︶。それゆえ、トラッキング研究の主眼は、教育システムが社会階層に従属して不平等を再生産するという葛藤論的な視点︵ C oll in s 19 79 ＝一九八四︶に加えて、教育システムそのものが独立してトラック参入以前の社会階層格差を反映して教育の不平等を維持・拡大するメカニズムを探ることにあった︵ O ak es 19 85 ; L uc as 19 99 など︶。　日本のトラッキング研究は、高校生を対象とした﹁生徒文化研究﹂として一定の蓄積がある︵岩木・耳塚編一九八三；樋田ほか編二〇〇〇、二〇一四︶。それらによれば、高校生の行動様式︵＝生徒文化︶の特徴は高校ランクごとに類型的に表れ、その特徴が入学する生徒の学力水準や社会階層に対応して形成されるため、高校ランク別に形成された生徒文化がトラッキングによる社会化の一側面であることになる。そして、そうして形成された生徒文化が生徒の希望進路を差異化させるのである。　以上のように、日本のトラッキング研究は、高校を社会的分化の場と設定し、高校教育による教育選択の不平等を説明しようとしてきた。しかし、日本では学齢児童生徒を対象とした社会学的なパネルデータは特に少ない。そこで本稿では、高校入学前後の情報を含んだパネルデータを分析することによって、﹁トラッキングには、進路分化の効果が本当にある

(3)

のか﹂というこの古典的な研究テーマに対して新たな知見を提示することを目指す。２　 先行研究のレヴューと本稿の位置づけ ２・１　先行研究のレヴューと検討　ここでは、トラッキングの経験的研究を整理することで、本稿の位置づけを示していく。　生徒の進路を制限するトラッキングシステムについての最も古典的な研究は

R

os

em

ba

um

︵ 19 76_︶の M ak in g I ne qua lit y において行われている。アメリカのハイスクールは、小学区制︵

loc

al

m

on

op

oly

_︶かつ総合制︵

co

m

pr

eh

en

siv

e s

ch

oo

ls

_︶が特徴であるため、トラックは、一つのハイスクールの中で、生徒が履修する教科や教科内での成績に応じて事後的に編成される﹁カテゴリー﹂を意味する︵ C la rk 19 85 ＝一九八六︶。そのため、トラック間の移動も研究の関心となるのだが、

R

os

em

ba

um

︵ 19 76_︶は、第九学年︵中学校最終学年︶と第一二学年︵高校最終学年︶の所属トラックを掛け合わせた分析を行い、トラック間の移動が、非進学トラックから進学トラックへの移動︵上方への移動︶は難しいが、進学トラックから非進学トラックへの移動︵下方への移動︶は比較的頻繁であることを明らかにしている。加えて、第一二学年時の所属トラックと実際の進路の関連も分析し、進学トラックから大学へ進学した生徒が、男女ともに八割を超える一方で、非進学トラックからの大学進学者はほとんどいないことも明らかにした。こうしたトラック間の移動およびトラックと実際の大学進学が、社会階層と綿密に関連していることは、その後の精緻なデータや分析手法を用いた実証研究によっても支持されている︵ O ak es 19 80 ; L uc as 19 99_︶。　一方で、日本のトラッキング研究では、トラックを階層化された高校格差構造そのものとして扱うことが多い。日本のトラッキング研究では、生徒のトラック間の移動は事実上不可能なため、トラック間の移動が研究テーマにはなりにくい。日本的な高校格差構造としてのトラッキングシステムは、﹁たとえば複線型の学校システムのように法制的に生徒の進路を限定するということはないにしても、実質的にはどのコース︵学校︶に入るかによってその後の進路選択の機会と範囲が限定される﹂︵藤田一九八〇：一一八︶と定義されている。つまり、高校入学時が青少年の社会的分化の最も大きな契機となるため、生徒の出身社会階層、所属する高校ランク、希望進路︵教育期待︶の三要因の関連が分析されてきた︵樋田ほか編二〇〇〇、二〇一四︶。　こうした日本の高校教育システムを踏まえ、飯田︵二〇〇七︶は、日本のトラッキング研究の動向について、以下の二つの側面から整理している。　第一に、高校生の進路を分化は、高校内部で行われている

(4)

という視点である︵樋田ほか編二〇〇〇、二〇一四；中村二〇一〇など︶。この研究の文脈では、フォーマル／インフォーマルな学校経営・教育指導が、高校生の学校生活を形成し、それによって彼ら・彼女らの進路選択が水路づけられていくということになる。　第二の視点は、高校階層構造の存在が、高校よりも下の学校・生徒にインパクトを与えているというものである︵学校社会学研究会一九八三；苅谷一九八六︶。こちらの視点からは、高校受験を控えた中学生は、高校入学以前︵中学三年︶の成績から入学できる高校ランク・タイプ︵トラック︶を予測し、各トラックへの入学可能性によって高校卒業後の進路選択が予期的に社会化されているということになる。　これらのメカニズムについては、高校入学以前／以後を問わず、高校階層構造が青少年の進路選択に及ぼす影響として、総じて﹁トラッキング効果﹂と呼ぶこともできるかもしれない。しかし、前者では、進路分化がトラッキング機能によるものではなく、トラック参入前に繰り上げられた学力選抜や進路形成をそのまま反映しているという可能性が残されている。後者では、高校入学前に形成されていた希望進路が、高校入学後にトラッキング機能によって変化したかどうか不明である。それゆえ、竹内︵一九九五：一七 ― 一八︶が、

M

ey

er

_︵ 19 86_︶を引きながら、︵教育︶社会学者は﹁学校効果﹂をしばしば過大に評価するため、﹁学校効果﹂が神話であることを見抜けないと指摘したように、これまでの日本のトラッキング研究は、高校教育の進路分化機能を過大に評価してきた可能性がある。　これまでにも、日本の青少年の希望進路は、高校入学以前に社会階層によって分化していることが明らかにされてきた︵苅谷一九八三；中西二〇一六︶。しかし、これまでの日本のトラッキングの実証研究では、高校生を対象として一時点で得られたデータ分析による知見がほとんどであったため、先に見たトラッキング効果の二つの仮定のいずれかが支持されるのかは不明確であった。それというのも、例えば、高校生に対して高校入学以前の希望進路を尋ねた場合に、当該人物が現在に在籍している高校ランクや高校での現状を考慮し、﹁今、〇〇高校に在籍しているということは、中学校でも大学進学を希望していたのだ﹂といった具合に、現状が回顧的な情報に影響を与えてしまう場合がある。こうした意識項目等の回答傾向が、現在の状況などから影響を受けることを﹁リコール・バイアス﹂︵

re

ca

ll

bia

s

_︶と呼ぶが、パネルデータを用いることによってこうしたバイアスを回避することが可能となる。それゆえに、トラッキング効果の検証には、高校入学前後の生徒を追跡的に調査したパネルデータの分析が必要とされる。　上記のような課題を受け、トラッキング効果に着目して高校入学前後の教育期待を追跡的に分析した先行研究には中西

(5)

︵二〇一五ａ︶がある。この研究では、中学三年生と高校三年生の二時点を接続したパネルデータから、高三時に大学進学希望か否かを従属変数に設定し、独立変数に性別、出身社会階層︵父学歴︶、高校での成績︵自己評価︶等の高校時点の情報に加え、中三時の希望最終学歴、成績︵自己評価︶などをコントロールしても所属トラックの変数が統計的に有意であるかどうかをロジスティック回帰分析によって検証している。その結果、これらの変数を統制した後でも所属トラックの変数が有意であることが明らかにされた。２・２　本論文の位置づけ　以上のように日本におけるトラッキング研究を概観すると、高校入学前後のパネルデータ自体が日本ではほとんど存在しないため、中西︵二〇一五ａ︶の研究は本稿にとっては示唆に富む知見と位置づけることができる。しかし、中西︵二〇一五ａ︶のトラッキング効果分析には次のような課題がある。　第一に、中西︵二〇一六︶によるパネルデータ分析の結果によれば、日本の児童生徒の希望進路は、小学六年生時点ですでに社会階層間で分化していることが示されている。中西︵二〇一五ａ︶では、中学三年生と高校三年生での二時点パネルデータによる分析結果が示されているが、中学三年生よりも前の情報︵教育期待や学力︶もコントロールした上での分析結果が示される必要がある。　第二に、教育期待の地域間の差異についても考慮すべきである。よく知られているように、大学進学率には地域︵例えば、都道府県︶間で異なり、こうした教育機会の地域間格差についてもしばしば研究テーマとして扱われてきた︵佐々木二 ○ ○ 六；朴澤二〇一六︶。中西︵二〇一五ａ︶で用いられたのは東北地方で収集されたデータのみであるため、地域︵都市規模など︶の違いを統制したうえでトラッキング効果が検証される必要がある。　第三に、トラッキング研究でしばしば用いられる手法は、重回帰分析やロジットモデルにおいて、従属変数に希望進路を設定し、独立変数に社会階層、成績、所属トラック、回顧的な入学前の成績や希望進路を投入し、所属トラックの変数の統計的な有意水準や推定値を判断するというものである︵中西二〇一三、二〇一五ａ；藤原二〇一五︶。どのような分析手法を採用するかは、研究の目的に応じて異なるため重回帰分析やロジットモデルを用いるのが必ずしも不適切だということではない。しかし、星野︵二〇〇九︶によれば、回帰分析の問題点として、︵一︶社会科学のように共変量の多い研究では、回帰関数の誤設定の可能性が高くなること、︵二︶直接因果効果の推定値が得られない、という二点が課題として指摘されている。　さらに第四に、トラッキング効果については、その効果の

(6)

異質性︵

he

te

ro

ge

ne

ity

_︶についても分析・検討されるべきである。例えば、中西︵二〇一五ａ︶に見られるようなロジスティック回帰分析によって得られた推定値は、投入した独立変数のサンプル全体への﹁平均的な効果﹂を示している。しかし、もともと高校入学以前に大学進学することを考えている生徒と、高校入学以前には高校卒業後の進路の見通しが不明確な生徒が受ける進路形成についてのトラッキング効果が同程度であると想定するのは、我々の経験的にも疑わしい。中澤︵二〇一三︶によれば、近年のアメリカ教育社会学では、ある処置変数の効果が、どのような対象者に対して強い効果が期待できるのか／できないのか、といった効果の異質性に踏み込んで検討することがトレンドになっているという︵ M or ga n 20 01 ; B ra nd a nd X ie 20 10_︶。最近では、日本でも教育社会学や教育経済学において、傾向スコアや分位点回帰などを用いて﹁効果の異質性﹂に着目して分析することの重要性が認識され始めている︵中澤二〇一三、石黒二〇一二︶。　以上のこうした先行研究の課題を踏まえ、本稿では、トラッキング効果の有無と効果の異質性を明らかにするため、高校入学前後の情報を含んだパネルデータを用いた反実仮想の枠組みにおける傾向スコア・マッチングによる分析を展開していく。３　 調査方法とデータの概要 ３・１　調査方法とデータの詳細　本稿で用いるのは、﹁青少年期から成人期への移行についての追跡的研究﹂︵

Ja

pa

n E

du

ca

tio

n L

on

git

ud

in

al

St

ud

(7)

集合自記式で実施し、各学校の教員が配布・回収している。　ところで、パネル調査は標本の脱落︵

sa

m

ple

a

ttr

itio

n

_︶が不可避であり、追跡可能な分析対象者に極端な脱落の傾向が見られるかどうかを検討する必要がある。二〇〇三年／二〇〇四年の小学六年生への調査回収数が二一二六人であった。これを基数とすると、三時点でデータが接続されたのは七六〇ケースであり、三五・七％を追跡できた ② 。サンプルサイズが決して大きくないため、このデータから得られる結果が、日本社会全体を反映していないことには注意を払う必要がある。３・２　分析戦略：傾向スコア・マッチング　本稿で用いる手法は傾向スコア分析である。通常の観察データにおいて、何かしらの介入についての﹁効果﹂を確認しようとすると、同一人物については、﹁介入有り

or

_無し﹂どちらか一方の人しか観察できない。それゆえに、いずれか一方については反実仮想の仮定を立てて、推論を行うことになる︵星野二〇〇九；石田二〇一二； M or ga n a nd W in sh ip 20 14_︶。そこで、実験に近い状況を統計的に作り出すための有効な手段のひとつとされているのが、傾向スコアを用いるマッチング分析である。　傾向スコアは、割り当てを二値のカテゴリカルな基準変数としたロジスティック回帰分析における、共変量による条件付き予測確率と表現される︵ R os en ba um a nd R ub in 19 84_︶。トラッキングについて、生徒が処置を受けた場合を１、処置を受けなかった場合には０として、これを従属変数としたロジスティック回帰分析を行うことで、トラッキングの割り当てに関する傾向スコアを求める。こうして推定された傾向スコアが近い人物同士は﹁似ている人﹂と判断できることになる。そして、傾向スコアが近い人物についての処置の有無による結果変数を比較することで、同一人物が処置を受けた場合と受けていない場合の分析結果に近似させるのである。　具体的には、傾向スコアに基づいてサンプルをｎ分位に分割し、各分位において、実際に処置を受けた人の群とそうでない人の群との間で結果変数の平均値の比較を行う。そして、平均処置効果︵

A

ve

ra

ge

T

re

atm

en

t E

ffe

ct

：

A

TE

︶を算出し、

A

TE

が統計的に有意であれば、トラッキングは希望進路の分化に対して効果があるということになる。　こうしたデータと分析手法に関する諸問題および近年の研究動向を踏まえて、本稿では傾向スコアを用いたトラッキング効果の検証を行っていく。３・３　変数と手続き　分析で用いる変数は、以下のような手続きによってリコードしている。　結果変数は、高校三年生の時点における大学進学希望︵教

(8)

育期待︶である。分析には、﹁あなたは、将来どのくらいまで勉強したいと思っていますか﹂という質問に対する回答を用い、﹁大学・大学院﹂までの進学希望を１、それ以外は全て０としてカテゴリー化した。小学六年生や中学三年生の時点では、希望最終学歴が未定や無回答だった生徒が少なくない。全て欠損値に設定する場合もあるが、分析ケースの確保のために未定・無回答だった生徒を﹁積極的に大学進学を希望していない層﹂として同じカテゴリーに割り振った。　処置変数は、進学トラックに所属したかどうかである。黄︵一九九八：四︶によれば、エリート高校は、高校入学選抜難易度、当該地域での威信、卒業生の進路実績の三点において決定されているという。そこで本稿では、調査地域における高校受験情報と調査対象高校の学校要覧を確認すると同時に、地域内における﹁進学校﹂としての位置づけを確認し、調査対象の一五の高校のうち五校を﹁進学トラック﹂として操作的に定義した。　共変量については次のようにリコードした。まず、生徒の出身社会階層の情報は、高校三年生への調査票から得られた両親学歴と父職を用いる。両親の学歴については、大学卒・大学院卒を﹁大卒﹂、それ以外の学歴を﹁非大卒﹂、無回答を﹁学歴不明﹂とし、三つにカテゴライズした。父親の職種については、﹁事務、販売・営業、サービス業務﹂、﹁運輸・通信、

N Mean S.D. Min. Max.

結果変数大学進学希望（高3） 760 0.47 0.50 0.00 1.00 処置変数進学トラック 760 0.38 0.48 0.00 1.00 共変量希望進路大学進学希望（小6） 760 0.36 0.48 0.00 1.00 大学進学希望（中3） 760 0.43 0.50 0.00 1.00 成績成績自己評価（小6） 737 3.08 1.05 1.00 5.00 成績自己評価（中3） 743 3.07 1.20 1.00 5.00 父学歴非大卒 760 0.53 0.50 0.00 1.00 大卒 760 0.31 0.46 0.00 1.00 学歴不明 760 0.16 0.37 0.00 1.00 父職非専門・管理職ダミー 760 0.47 0.50 0.00 1.00 専門・管理職 760 0.29 0.45 0.00 1.00 職業不明 760 0.24 0.43 0.00 1.00 母学歴非大卒 760 0.74 0.44 0.00 1.00 大卒 760 0.14 0.35 0.00 1.00 学歴不明 760 0.12 0.32 0.00 1.00 保護者の教育期待（中3）大学進学希望 760 0.49 0.50 0.00 1.00 性別男子 760 0.53 0.50 0.00 1.00 家庭の本の冊数 751 108.26 122.39 10.00 500.00 きょうだい数 754 2.40 0.79 1.00 5.00 調査エリア関東エリア 760 0.49 0.50 0.00 1.00 表 1　使用する変数の記述統計量

(9)

保安、技能生産工程業務﹂、﹁農林漁業﹂、﹁専門・技術的な仕事﹂、﹁管理職﹂、﹁専業主婦／専業主夫﹂、﹁その他﹂、﹁分からない﹂の八項目から選択してもらった回答結果を用いる。分析に際しては、﹁専門・技術的な仕事﹂を﹁父専門・管理職﹂を１として、それ以外を０とした。また、﹁その他﹂、﹁分からない﹂と無回答は﹁父職不明﹂としてとして分析に含める。　生徒の学力の指標には、﹁あなたの学校での成績は、学年の中でだいたいどのくらいですか﹂という質問項目に対し、﹁上の方﹂︵＝５︶から﹁下の方﹂︵＝１︶までの五件法で回答してもらった成績の自己評価を連続変数として用いる。　保護者の教育期待についての質問項目は、中学三年生に対する調査票に準備されていたためこれを使用する。生徒の教育期待と同様に、﹁大学・大学院﹂までの進学希望を１、それ以外は全て０としてカテゴリー化した。　統制変数としては、性別、文化資本、きょうだい数、調査地域の四変数を投入する。性別は、女子を基準カテゴリーに設定し、男子＝１、女子＝０とした。家庭の文化的環境の指標としては、家庭にある蔵書数を尋ね、一〇冊未満＝一〇、二五冊未満＝二五、一〇〇冊未満＝一〇〇、二〇〇冊未満＝二〇〇、五〇〇冊未満＝三五〇、五〇〇冊以上＝五〇〇として数量化し連続変数として用いる。きょうだい数については、高校三年生への調査票で実際のきょうだい人数を回答してもらっているため。回答結果をそのまま連続変数として用いる。　以上のようにリコードした分析に用いる変数の記述統計量を表１に示した ③ 。４　分析４・１　分析一：進学トラックへの参入メカニズムの分析　ここでは、進学トラックに所属するまでのメカニズムについて分析していこう。表２は、進学トラック＝１、その他のトラック＝０を従属変数に設定したロジスティック回帰分析の結果である。　

M

od

el

1 は、出身社会階層、親の教育期待、性別、調査地域といった属性的な要因のみを独立変数に投入したモデルである。統計的には、父学歴、父職、保護者の教育期待がプラスに有意であり、きょうだい数がマイナスで有意である。つまり、きょうだい数が少なく、父親の学歴が大卒で、父親の職業が専門・管理職であり、保護者が大学進学を期待している︵と生徒が認識している︶ほど進学トラックに所属しやすいということである。出身社会階層が高い生徒ほどアカデミックなトラックに在籍するというのは、いくつかの先行研究︵ O ak es 19 85 ; _藤原二〇一二︶と整合的な知見である。　

M

od

el

2 は、高校在籍以前における生徒自身の教育期待と成績自己評価のみを独立変数に投入した分析結果である。小

do

R

2 について

M

od

el

_間の変化を確認すると、

M

od

el

1 が〇・二二七、

M

od

el

2 が〇・四九五であるため、進学トラックへの所属を予測する要因には、生徒の属性的要因よりも成績や教育期待の方が説明力が高いことがわかる。　以上のように、表２の分析結果からは、所属トラックの決定は、父学歴による直接効果を残しつつも、属性的要因によって形成された成績

Coef. S.E. Coef. S.E. Coef. S.E.

性別男子 -0.079 0.184 -0.737 0.265 ** 父学歴（ref.非大卒）大卒 1.067 0.209 *** 0.885 0.303 ** 学歴不明 -0.216 0.324 -0.383 0.424 父職（ref.非専門・管理職）専門・管理職 0.645 0.212 ** 0.377 0.291 職業不明 0.085 0.246 0.282 0.348 母学歴（ref.非大卒）大卒 0.217 0.270 0.569 0.398 学歴不明 -0.569 0.346 -0.144 0.430 家庭の本の冊数 0.001 0.001 0.000 0.001 きょうだい数 -0.230 0.114 * -0.176 0.158 保護者の教育期待（中3）大学進学希望 1.627 0.187 *** 0.048 0.309 調査エリア関東エリア 0.275 0.182 1.012 0.264 *** 成績自己評価（小6） 0.306 0.133 * 0.447 0.144 ** 大学進学希望（小6） 0.120 0.243 0.229 0.262 成績自己評価（中3） 1.445 0.144 *** 1.620 0.166 *** 大学進学希望（中3） 2.233 0.240 *** 1.977 0.317 *** 定数 -1.594 0.347 *** -7.453 0.620 *** -8.605 0.869 *** * * * 1 7 . 1 1 5 * * * 1 9 . 3 7 4 * * * 3 6 . 4 2 2 2 i h c R L 5 1 4 1 1 .f . d Log likelihood 4 4 5 . 0 5 9 4 . 0 7 2 2 . 0 2 R o d u e s P 6 0 7 0 2 7 6 4 7 N c統計量 0.807 0.925 0.940 *p<.05 **p<.01 ***p<.001 -214.281 -241.852 Model 3 ― ― ― ― -381.847 ― ― ― ― ― ― Model 1 Model 2 ― ― ― ― 表 2　進学トラックへの所属の規定要因（ロジスティック回帰分析）

(11)

を媒介して成されているといえよう。４・２　分析二：高校三年時教育期待に対する進学トラックの因果効果　ここでは、表２のロジスティック回帰分析の

M

od

el

₃ より算出した、所属トラックにおける処置についての傾向スコアを算出し分析を展開していく。　表２の最下部に記載した

c

統計量は、﹁強く無視できる割り当て条件﹂︵

St

ro

ng

ly

Ig

no

ra

ble

T

re

atm

en

t A

ssi

gn

m

en

t

_︶を満たしているか否かの条件となる。﹁強く無視できる割り当て条件﹂とは、傾向スコアを用いて因果効果を推定できるための前提条件であり、﹁どちらの群に割り付けられるかは観測された共変量の値に依存し、従属変数の値の高低によっては依存しない﹂という条件のことである︵星野・岡田二〇〇六：二三三︶。この値は一・〇に近い方が望ましく、著しく値が小さい場合には、ここに投入している共変量によって、従属変数の処置変数の有無を完全に区別しきれていない可能性が高い︵処置の割り当てに有効な変数が残されている︶ことを意味する。　星野・岡田︵二〇〇六︶によれば、

c

統計量は〇・八以上ならば十分偏りのない調整が可能であるという。表２の

M

od

el

(12)

徒の方が、大学進学希望︵進学希望＝１、非進学希望＝０︶の平均値が〇・五七八ポイント高いということである。つまり、トラッキングの処置の有無によって生徒の教育期待が高まるという因果効果の頑健性が確認できたということである。　続いて、トラッキングによる処置効果の異質性について確認しよう。傾向スコアの第一三分位、第二三分位、第三三分位の順に、進学トラックに所属しやすい層であることを表している。トラッキングの処置の有無による大学進学希望のポイント差は、第一三分位で〇・四四一、第二三分位で〇・四三一、第三三分位で〇・八六三となっており、

t

_検定の結果はいずれも〇・一％水準で有意である。ポイントの差を比べると、第一三分位、第二三分位に比して第三三分位でのポイント差が大きいことがわかる。このことは、進学トラックに所属しやすい生徒ほど、トラッキングの処置を受けると大学進学を希望しやすくなるということを意味している。　以上より、出身社会階層や保護者の教育期待、トラック参入以前の生徒本人の成績や教育期待を考慮して処置前処置後処置前処置後性別男子 0.074 0.223 0.992 0.952 父学歴（ref.非大卒）大卒 0.826 0.444 1.668 1.166 学歴不明 -0.322 -0.093 0.495 0.813 父職（ref.非専門・管理職）専門・管理職 0.480 0.379 1.491 1.197 職業不明 -0.188 -0.205 0.782 0.714 母学歴（ref.非大卒）大卒 0.463 0.477 2.406 1.786 学歴不明 -0.237 -0.080 0.522 0.821 家庭の本の冊数 0.318 -0.282 1.177 0.401 きょうだい数 -0.153 0.039 1.045 1.056 保護者の教育期待（中3）大学進学希望 0.979 0.057 0.795 0.996 調査エリア関東エリア 0.151 -0.125 1.014 0.922 成績自己評価（小6） 0.845 -0.026 0.979 1.226 大学進学希望（小6） 0.465 0.272 1.222 1.041 成績自己評価（中3） 1.729 -0.081 0.747 1.227 大学進学希望（中3） 1.523 -0.057 0.911 0.987 標準化差分散比表 3　傾向スコア・マッチング前後での共変量のバランスチェック表 4　傾向スコア・マッチング後のトラッキング効果の異質性の検証処置あり処置なし 0.870 0.234 0.636 21.598 *** (0.020) (0.019) 0.908 0.467 0.441 6.946 *** (0.020) (0.093) 0.762 0.331 0.431 6.340 *** (0.054) (0.036) 1.000 0.137 0.863 3.529 *** (0.000) (0.023) 0.578 (0.039) Z値 14.779 *** （注）カッコ内は標準誤差 *p<.05 **p<.01 ***p<.001 t値 ATE（平均処置効果）トラッキング差全サンプル　（N=706）第一三分位　（N=236）第二三分位　（N=235）第三三分位　（N=235）

(13)

もトラッキングによる進路分化の効果が存在し、またアカデミック・トラックに配分されやすい生徒ほどトラッキングによる社会化を受けやすいことを示すことができたといえよう ⑤ 。５　 結果と考察 　日本の高校は階層構造をなしており、各高校がトラックとして機能していると指摘されてきた︵藤田一九八〇︶。しかし、従来のトラッキング研究の多くは、一時点でのクロスセクションデータを用いた研究がほとんどであったため、トラッキングが持つ進路分化機能を過大に評価してきた可能性があった︵竹内一九九五︶。本稿では、高校入学前後の情報を含んだ三時点のパネルデータを傾向スコア・マッチングによって分析した結果、高校三年生の進路分化に対するトラッキング効果を明らかにすることができた。得られた結果は以下のように整理できる。　第一に、傾向スコア・マッチングによって、高校三年生の教育期待に対してトラッキングの因果効果があることが明らかになった。星野︵二〇〇九︶が指摘するような回帰モデルによる因果推論における諸問題をクリアした上でのトラッキング効果を明らかにすることができたといえよう。　第二に、出身社会階層や保護者の教育期待、中学三年時点の教育期待と成績︵自己評価︶に加え、 ① 小学六年生時点まで遡った教育期待および成績、そして ② 調査エリア︵都市／地方︶をコントロールした上でのトラッキング効果を示すことができた。例えば、中西︵二〇一五ａ︶の分析では、地方県を分析対象として中学三年時の教育期待・成績を統制するに留まっていた。日本の青少年期の大学進学希望は早期に社会的分化しており︵中西二〇一六︶、教育機会も地域間格差が存在しているため︵佐々木二 ○ ○ 六；朴澤二〇一六︶、これら二つの要因を統制してのトラッキング効果を明らかにできたことは新たな知見だといえるだろう。　第三に、トラッキングによる平均処置効果と同時に、効果の異質性を示すことができた。具体的には、進学トラックに配分されやすい生徒ほどトラッキングによる社会化を受けやすいという知見は特筆に値するだろう。　以上より得られた知見を整理すると、日本のトラッキングシステムは、青少年の出身社会階層に起因する教育的な不平等を維持・拡大するディバイスとして機能していることが示唆される。進学トラックへ参入するために必要とされる中学三年生までの学力ないし学校での成績は社会階層によって規定されており、トラックに配分された後に受ける教育期待を高める社会化は、進学トラックに配分されやすい生徒ほど受けやすいのである。日本では、アメリカと異なりトラック間の移動が事実上不可能である。それゆえに、高校入学時が事

(14)

実上の社会的分化の契機であることは古くから指摘されている︵岩木・耳塚編一九八三︶。しかし、本稿では、傾向スコアによる分析の結果、トラッキングは、︵一︶インプット要因をバイパスしているだけではなく進路分化を促すという因果効果を示したことに加え、︵二︶トラッキングの影響は、進学トラックに配置されやすい生徒ほど教育期待を加熱されやすいことを明らかにしたという二点において学術的な貢献があるだろう。　本稿では、反実仮想の枠組みを用いた分析により現実的には実現困難なトラッキングの処置効果を示したわけだが、高校教育についての実践的インプリケーションにも言及しておこう。　社会階層による教育格差拡大が危惧される現代の高校教育は、排除されがちな高校生に対し﹁おせっかいな支援﹂を行っていく必要性が主張されている︵酒井編二 ○ ○ 七︶。そして、﹁おせっかいな支援﹂における進路指導は、生徒の学業成績や希望に基づきつつ、進路選択をサポートする役割を教師が担うというのである。本稿の知見を踏まえれば、非進学トラックでの﹁おせっかいな支援﹂という実践的な介入の重要性が示唆される。　最後に本稿が残した課題を述べよう。まずは、反実仮想の枠組みを用いた分析は、当然のことながら万能ではない。本稿では、傾向スコア・マッチングによって諸バイアスを取り除いたトラッキング効果を示すことができた。しかし、考慮することができた共変量は、生徒の所属トラックを推定したロジスティック回帰分析で投入した独立変数に関してのみであって、それ以外の要因はコントロールできておらず、トラッキング効果が過大に推定されている可能性は残されている︵中澤二〇一三︶。　加えて、傾向スコアから得られる分析結果は、かなりブラックボックスな部分があるが、本稿の知見に従来の研究から理論的考察を加えることでこれを今後の課題としたい。トラッキング理論は、︵一︶学科間などで異なるカリキュラムが進路分化を促すという側面、︵二︶高校入試の結果、社会階層や学力の点で同質的な集団が形成され、所属集団に﹁ふさわしい﹂希望進路を水路づけるという側面︵岩木・耳塚編一九八三；川嶋一九八五︶、︵三︶配置されたトラック内部で、生徒が﹁ふさわしい﹂処遇︵進路指導など︶を受けることによって希望進路を水路づけるという側面︵ C ico ur el an d K its us e 19 63 ＝一九八五︶、などによって仮説的に説明される。今後は、これらのうち、どの要因が進路分化に対して特に影響が大きいのかを明らかにしていくことで、日本のトラッキングシステムをより詳細に明らかにすることができるだろう。　パネルデータを収集するに際して発生する脱落サンプルの問題もある。しかし、日本では学校段階をまたいだパネルデ

(15)

ータは極めて少ない。以上のような課題を、今後の研究発展可能性ととらえていきたい。注 ① 一般的に、小学生は﹁児童﹂、中学生と高校生は﹁生徒﹂と表記されるが、本稿の分析では、対象者が小中高にまたがるために﹁生徒﹂と表記を統一する。　 ② 本データセットにおける脱落サンプルの傾向は、特に高校進学時に、私立学校や隣接した学区など調査対象校以外の高校への進学による脱落が多く、その傾向は、︵一︶関東エリアでは、親が高学歴で高学力な層が脱落している一方で、︵二︶東北エリアでは、家庭背景、学力ともに、比較的安定した追跡調査が実施できていることが確認されている︵耳塚・中西二〇一三︶。本稿の知見には、こうした脱落サンプルによる歪みがあることを承知されたい。　 ③ 無回答は欠損値としてリストワイズに除外した。また、本稿の分析ソフトウェアには、 St ata V er . 14 を用いた。　 ④ 調査地域について、関東エリアがプラスで有意であるため、都市部の生徒の方が進学トラックに所属しやすいということが示されている。この結果は、大学進学等の教育機会の地域間格差が高校階層構造や教育期待に対して何かしらの影響を与えていることによるものだと想定される。　 ⑤ 傾向スコア・マッチングは、五分位に分割して処置効果の検証を行うことが多い。しかし、本稿で用いたデータでは五分位の分割ではマッチングがうまく行えなかったために、三分位で分割して分析を展開した。　紙幅の都合で省略したが、五分位に分割した場合の分析結果は、第五五分位でのトラッキング処置ありの該当者が一人しかおらず A TE の算出ができなかった。しかし、処置あり・なし間の単純な平均値を比較すると、表４と同様に、どの分位であってもトラッキング処置ありの方が平均値が高く、また進学トラックに所属しやすい生徒ほどトラッキングが効果的であることが示唆されている。文献 B ou do n, R ay m on d, ₁₉ 73 , _{L’inégalité} des chances: La mobilité sociale dans les sociétés industrielles , A rm on d C oli n._︵＝一九八三、杉本一郎・山本剛朗・草壁八朗訳﹃機会の不平等 ― ― 産業社会における教育と社会移動﹄新曜社。︶ B re en , R ich ar d a nd J oh n H . G old th op e, 19 97 , “ E xp la nin g E du ca tin al D iffe re nc als : T ow ar ds a F or m al R ati on al Th eo ry_” , _{Rationality and Society}

, 9 ( 3 ), p p. 27 5 -30 5 . C la rk , B ur to n. R ., 19 85 , “ T he H ig h S ch oo l a nd th e U niv er sit y: W ha t W en t W ro ng in A m er ica ” Ph i D elta Kappan , F eb ., pp .₃₉ 1 -₃₉ 7 (P ar t ₁ ), M ar ., pp .₄₇ 2 -₄₇ 5 (P ar t 2 ) ._︵＝一九八六、耳塚寛明抄訳﹁高校と大学 ― ― どこがアメリカで狂っているのか﹂﹃ ID E ― ― 現代の高等教育﹄三月号：五五 ― 五九︵その一︶、四月号：七四 ― 八〇︵その二︶、五月号：六四 ― 七一︵その三︶。︶ C ic ou re l, A ar on V . a n d Jo h n K its u se I ., 19 63 , _Th e Educational Decision-Makers , T ut tle -M or i A ge nc y, In c ︵＝一九八五、山村賢明・瀬戸知也訳﹃誰が進学を決定するか﹄金子書房。︶

(16)

C oll in s, R an da ll, 19 79 , The Credential Society: An Historical Sociology of Education and Stratification , N ew Y or k: A ca de m ic Pr es s._︵＝一九八四、大野雅敏・波平勇夫訳﹃資格社会 ― ― 教育と階層の歴史社会学﹄有信堂高文社。︶黄順姫、一九九八、﹃日本のエリート高校 ― ― 学校文化と同窓会の社会史﹄世界思想社。藤原翔、二〇一二、﹁高校選択における相対的リスク回避仮説と学歴下降回避仮説の検証﹂﹃教育社会学研究﹄九一：二九 ― 四九。 ― ― ― ― 、二〇一五、﹁進学率の上昇は進路希望の社会経済的格差を縮小させたのか ― ― 二〇〇二年と二〇一二年の比較分析﹂中澤渉・藤原翔編﹃格差社会の中の高校生 ― ― 家族・学校・進路選択﹄勁草書房：二一 ― 三六。藤田英典、一九八〇、﹁進路選択のメカニズム﹂天野郁夫・山村健編﹃青年期の進路選択﹄有斐閣：一〇五 ― 二九。学校社会学研究会、一九八三、﹃受験体制をめぐる意識と行動 ― ― 現代の学校文化に関する実証的研究﹄伊藤忠記念財団。 G am be tta D ieg o, 19 87 , W ere The y Pu sh ed or Did Th ey Ju mp?: Individua l Decision Mecha nism s in E duca tion , C am br id ge U niv er sit y P re ss . 樋田大二郎・耳塚寛明・苅谷剛彦・岩木秀夫編、二〇〇〇、﹃高校生文化と進路形成の変容﹄学事出版。樋田大二郎・苅谷剛彦・堀健志・大多和直樹編、二〇一四、﹃現代高校生の学習と進路 ― ― 高校の﹁常識﹂はどう変わってきたか？﹄学事出版。朴澤泰男、二〇一六、﹃高等教育機会の地域格差 ― ― 地方における高校生の大学進学行動﹄東信堂。星野崇宏、二〇〇九、﹃調査観察データの統計科学 ― ― 因果推論・選択バイアス・データ融合﹄岩波書店。星野崇宏・岡田謙介、二〇〇六、﹁傾向スコアを用いた共変量調整による因果効果の推定と臨床医学・疫学・薬学・公衆衛生分野での応用について﹂﹃保健医療科学﹄五五︵三︶：二三〇 ― 二四三。飯田浩之、二〇〇七、﹁中等教育の格差に挑む ― ― 高等学校の学校格差をめぐって﹂﹃教育社会学研究﹄八〇：四一 ― 六〇。石田浩、二〇一二、﹁社会科学における因果推論の可能性﹂﹃理論と方法﹄二七︵一︶：一 ― 一八。石黒格、二〇一二、﹁分位点回帰分析を用いた知人数の分析 ― ― 分布の差異を予測する﹂﹃理論と方法﹄第二六巻二号：三八九 ― 四〇四。岩木秀夫・耳塚寛明編、一九八三、﹃現代のエスプリ ― ― 高校生：学校格差の中で﹄至文堂。苅谷剛彦、一九八三、﹁学校格差と生徒の進路形成﹂岩木秀夫・耳塚寛明編﹃現代のエスプリ ― ― 高校生：学校格差の中で﹄至文堂：六九 ― 七八。 ― ― ― ― 、一九八六﹁閉ざされた将来像 ― ― 教育選抜の可視性と中学生の﹃自己選抜﹄﹂﹃教育社会学研究﹄四一：九五 ― 一〇九。川嶋太津夫、一九八五、﹁ “ A bil ity G ro up in g ”_への教授学的・社会学的アプローチ﹂﹃名古屋大學教育學部紀要教育学科﹄第三二集：一三五 ― 一四五。 Lu ca s, Sa m ue l R ., ₁₉ 99 , _Tracking Inequa lity: Stratifica tion

(17)

and Mob ility in A m erica n Hig h Schools , T ea ch er s C oll eg e Pr . M ey er , J oh n W ., 19 86 . “ T yp es o f E xp la na tio n in th e So cio lo gy o f E du ca tio n, ” J oh n G . R ich ar ds on e ds ., Handbook of Theory and Research in the Sociology of Education , G re en w oo d P re ss : 34 1 -35 9 . 耳塚寛明・中西啓喜、二〇一三、﹁学齢児童を対象とした縦断的研究の意義と課題 ― ― 青少年期から成人期への移行についての追跡的研究︵ Ja pa n E du ca tio n L on git ud in al St ud y: JE LS_︶から﹂﹃中央調査報﹄ N o. 66 6 。 M or ga n, St ep he n L . a nd C hr is to ph er W in sh ip , 20 14 , Co un te rfac tu al s an d Cau sal In fe re nc e: M eth od s an d Pr in ciple s for Soc ial Re se ar ch , C am br id ge U niv er sit y Pr es s S ec on d E dit ion . 中村高康、二〇一〇、﹁四大シフト現象の分析﹂中村高康編﹃進路選択の過程と構造 ― ― 高校入学から卒業までの量的・質的アプローチ﹄ミネルヴァ書房：一六三 ― 一八三。中西啓喜、二〇一五ａ、﹁現代日本における青少年の進路選択 ― ― 中学・高校生を対象としたパネルデータ分析から﹂﹃社会学研究科年報﹄二二：五五 ― 六五。 ― ― ― ― 、二〇一五ｂ、﹁パネルデータを用いた学力格差の変化についての研究﹂﹃教育学研究﹄第八二巻四号：六五 ― 七五。 ― ― ― ― 、二〇一六、﹁パネルデータを用いたアスピレーション変化メカニズムの検討 ― ― 成長曲線モデルによる分析試案﹂﹃社会学研究科年報﹄二三：三一 ― 四二。中澤渉、二〇一三、﹁通塾が進路選択に及ぼす因果効果の異質性 ― ― 傾向スコア・マッチングの応用﹂﹃教育社会学研究﹄九二：一五一 ― 一七四。 O ak es , J ea nn ie, 19 85 , Keeping Track: How Schools Structure Inequality , N ew H av en : Y ale U niv er sit y P re ss . R os en ba um , J am es , ₁₉ 76 , _Making Inequality: The Hidden Curriculum of High School Tracking , N ew Y or k: W ile y-I nt er sci en ce . R os en ba u m , P au l R . a n d D on al d B . R u bi n , 19 84 , “ R ed uc in g B ia s in O bs er va tio na l S tu di es U sin g Su bc la ss iﬁ ca tio n o n th e P ro pe ns ity S co re ,_” Journal of th e Ame ric an S tat ist ical As so ciat io n , V ol. 79 , N o. 38 7 : 51 6 -24 . 酒井朗編、二 ○ ○ 七、﹃進学支援の教育臨床社会学 ― ― 商業高校におけるアクションリサーチ﹄勁草書房。佐々木洋成、二 ○ ○ 六、﹁教育機会の地域間格差 ― ― 高度成長期以降の趨勢に関する基礎的検討﹂﹃教育社会学研究﹄第七八集：三 ○ 三 ― 三二 ○ 。竹内洋、一九九五、﹁学校効果というトートロジー﹂竹内洋・徳岡秀雄編﹃教育現象の社会学﹄世界思想社：二 ― 一八。付記　本稿で用いたデータは、お茶の水女子大学 21世紀ＣＯＥプログラム﹁誕生から死までの人間発達科学﹂、お茶の水女子大学グローバルＣＯＥプログラム﹁格差センシティブな人間発達科学の創成﹂教育・社会的格差領域、 JS PS 科研費︵ 16 33 01 64_、 19 33 01 85_、 21 33 01 90_︹研究代表：耳塚寛明︺、 16 30 02 30_、 18 30 02 45_︹研究代表：牧野カツコ︺︶の助成を受けて収集された。

(18)

データの利用について快諾いただいた研究会メンバーに記して感謝申し上げたい。（なかにし　ひろき・早稲田大学人間科学学術院助教）

(19)

The Effect of Tracking on the Educational Expectations of

High School Students

――

Testing by Propensity Score Matching with Panel Data

――

Hiroki NAKANISHI

School of Human Sciences, Waseda University E-mail: [email protected]

　The aim of this paper is to clarify the current state of the Japanese tracking

system by analyzing the panel data of a follow-up survey on elementary school, secondary school and high school students. Traditional tracking study has accumulated by analyzing the educational expectations only of high school students. Thus there is a possibility that the tracking effect has been overestimated because the aspirations of junior high school students have not been statistically controlled.

　The panel data used in this paper were collected in the Kanto and Tohoku areas

through 2003-2010. The questionnaire research was held for those in the 6th grade

of elementary school, 3rd year of secondary school and 3rd year of high school. I

took propensity score matching for validating the casual effect of tracking.

　Through the results of this analysis, three points were clarified. 1) 3rd

year secondary school students of high social class achieved higher academic records, and they are allocated to each track by their academic records which

are determined by social class. 2) the casual effect of tracking existed on the

differentiation of high students’ educational expectation. 3) the casual effect of

tracking had heterogeneity, that is, for students who tend to follow the academic track it is quite as effective as socialization in tracking.

　The robust signiﬁcant effect of tracking was observed through propensity score

matching analysis with panel data.