In developing countries, one of the determinants that affects household
decisions about sending children to school is the opportunity cost of revenue
generated from their labor. The more time children devote to working, the less time
they have for education. Psacharopoulos (1997) compared the educational
attainments of children who work with those who do not in Bolivia and Venezuela. He
concluded that child labor leads to two years less schooling on average. Ravallion
and Wodon (1999) found that the reduction of child labor in Bangladesh accounts for
about one quarter to one eighth of the increase in school attainment rate.
The incidence of child labor is very high in less developed nations as reported
in Table 1. The Asian-Pacific region harbors the largest number of child workers in
the 5-14 age category with 127.3 million in total (SIMPOC, 2002). Developed and
transition economies have the lowest absolute numbers of child workers. Seen in
relative terms, sub-Saharan Africa has the highest proportion of working children.
The estimates show that almost 1 child in 3 below the age of 15 is economically
active in the region. A similar relationship was found in Krueger’s study (1996)
where he noted a steep cross-country negative correlation between GDP per capita
and the employment rate of 10-14 year olds in 1995.
Results
There are a total of 6,391 children between the ages of 15-17 years old from
the selected dataset. Out of these, 1,229 children were working during the last 7
days before the survey, or approximately 20% of the observations. This is an
indication of how serious the situation of child labor in Thailand is. Although these
children have passed the minimum age of child labor laws in Thailand, it still reduces
their opportunities to continue their education, which will arguably affect their
income in the future.
Similar to other developing countries, the majority of child laborers in
Thailand work without earning wages. Table 3 classifies children who are working
according to their employment status. More than half of them classified themselves
as unpaid family workers and almost 40% were working as private employees.
However, only 453 children reported the amount of wages they received.
Conclusion
Using a recent dataset from Thailand, I have examined the relationship
between child labor and characteristics of children and families. Children, especially
girls, consider wages as an incentive to work. Age significantly increases the number
of hours boys work but it has no impact on girls. The regression indicates that
children born in households residing in non-municipal areas work more than their
urban counterparts. The main reason is that rural children assist their parents on the
farm. Households with many children are more likely to have child labor in families in
order to offset the cost of living. The gender and marital status of household heads
do not seem to be related to child labor supply. The head of household’s age has a
significantly negative relationship with young male laborers but such a relationship
has not been found in girls. Of the household characteristics that matter most,
results indicate that parental education has a strong negative association with child
labor for both boys and girls. In addition, girls are relatively more influenced by the
spouse’s education. As almost 80% of household heads in the dataset are male, the
result implies that the mother’s education plays an important role on their daughters’
educations. The head of household’s occupation coefficients confirm that children
whose parents work as farmers or fishermen spend more time working in general.
The most surprising result of this study is that there is no empirical evidence
confirming that the ‘luxury axiom’ exists, after controlling for the effects of parental
schooling. It is possible that parents who are well educated tend to earn more
income and the influence of poverty has been absorbed into that of parental
education. Further research has to carefully consider the correlation between these
two variables.
It should be noted that the regression equations in this paper might have
endogenous problems since the dependent variable (child’s working hour) has some
influence on the explanatory variable (household income). But due to missing
information, I could not incorporate the instrument variables such as head of
household’s wage in the regressions. This technical problem could be overcome by
using a more complete dataset. Moreover, the analysis could be extended to cover
other types of families, not just nuclear ones, and the impacts of school and
community characteristics (e.g., distance from home to school, school’s quality,
electricity access, etc.) should be incorporated into the models.
ในประเทศกำลังพัฒนา ดีเทอร์มิแนนต์ที่มีผลต่อบ้านอย่างใดอย่างหนึ่งตัดสินใจเกี่ยวกับการส่งเด็กไปโรงเรียนคือ ต้นทุนโอกาสของรายได้สร้างขึ้นจากแรงงานของพวกเขา เด็กเวลาอุทิศการทำงาน เวลาน้อยพวกเขามีการศึกษา Psacharopoulos (1997) เมื่อเทียบกับการศึกษานิยามของเด็กที่ทำงานกับผู้ที่ไม่ในโบลิเวียและประเทศเวเนซุเอลา เขาสรุปได้ว่า แรงงานเด็กไปสู่สองปีโรงเรียนเฉลี่ยน้อยกว่า Ravallionและ Wodon (1999) พบว่า การลดลงของแรงงานเด็กในประเทศบังกลาเทศบัญชีสำหรับประมาณหนึ่งในสี่ถึงหนึ่งในแปดของโรงเรียนบรรลุอัตราที่เพิ่มขึ้น อุบัติการณ์ของแรงงานเด็กจะสูงมากในประเทศที่พัฒนาน้อยกว่าตามที่รายงานตารางที่ 1 ภูมิภาคเอเชียแปซิฟิกเต็มจำนวนแรงงานเด็กในสุดประเภทอายุ 5-14 กับ 127.3 ล้านรวม (SIMPOC, 2002) พัฒนา และการเปลี่ยนแปลงเศรษฐกิจมีหมายเลขต่ำสุดสัมบูรณ์ของแรงงานเด็ก เห็นในเงื่อนไขญาติ ซาฮาราแอฟริกามีสัดส่วนสูงสุดของเด็กทำงานการประเมินแสดงว่าเด็กเกือบ 1 ใน 3 ด้านล่างอายุ 15 เป็นทางเศรษฐกิจใช้งานอยู่ในภูมิภาค พบความสัมพันธ์คล้ายคลึงกันในการศึกษาของ Krueger (1996)ที่เขาสังเกตเห็นความสัมพันธ์ทางลบสูงชันระหว่าง GDP ต่อหัวและอัตราการจ้างงานเด็กอายุ 10-14 ปีในปี 1995 ผลลัพธ์มีทั้งหมด 6,391 เด็กอายุ 15-17 ปีจากการเลือกชุดข้อมูล เหล่านี้ ทำเด็ก 1,229 ครั้งสุดท้ายทั้ง 7วันก่อนสำรวจ หรือประมาณ 20% ของการสังเกต นี้เป็นการการบ่งชี้วิธีรุนแรงสถานการณ์ของแรงงานเด็กในประเทศไทย แม้ว่าเหล่านี้เด็กได้ผ่านอายุขั้นต่ำของกฎหมายแรงงานเด็กในประเทศไทย มันยังช่วยลดโอกาสทางการ ซึ่งจะมีผลต่อเนื้อหาของพวกเขารายได้ในอนาคตคล้ายกับประเทศกำลังพัฒนาอื่น ๆ ส่วนใหญ่ของเด็กคนงานในประเทศไทยทำงานโดยไม่ได้รับค่าจ้าง ตารางที่ 3 การจัดประเภทเด็กที่ทำงานตามสถานะการจ้างงาน มากกว่าครึ่งหนึ่งของพวกเขาจัดเองเป็นคนครอบครัวที่ยังไม่ได้ชำระและเกือบ 40% ได้ทำงานเป็นพนักงานเอกชนอย่างไรก็ตาม 453 เท่าเด็กรายงานยอดเงินของค่าจ้างที่ได้รับ สรุปใช้เป็นชุดข้อมูลล่าสุดจากประเทศไทย ฉันมีการตรวจสอบความสัมพันธ์ระหว่างแรงงานเด็กและลักษณะของเด็กและครอบครัว เด็ก โดยเฉพาะอย่างยิ่งสาว พิจารณาค่าจ้างเป็นสิ่งจูงใจในการทำงาน อายุเพิ่มหมายเลขชั่วโมงทำงานชาย แต่มันมีผลกระทบต่อไม่สาว การถดถอยแสดงว่าเด็กที่เกิดในครัวเรือนที่อาศัยอยู่ในพื้นที่เทศบาลไม่ทำงาน มากกว่าพวกเขาคู่เมือง เหตุผลหลักคือ ว่า เด็กชนบทช่วยพ่อแม่ในการฟาร์ม ครัวเรือนที่ มีเด็กจำนวนมากมีแนวโน้มที่จะมีแรงงานเด็กในครอบครัวเพื่อชดเชยค่าครองชีพ เพศและสถานภาพการสมรสของหัวหน้าครัวเรือนdo not seem to be related to child labor supply. The head of household’s age has asignificantly negative relationship with young male laborers but such a relationshiphas not been found in girls. Of the household characteristics that matter most, results indicate that parental education has a strong negative association with childlabor for both boys and girls. In addition, girls are relatively more influenced by thespouse’s education. As almost 80% of household heads in the dataset are male, theresult implies that the mother’s education plays an important role on their daughters’educations. The head of household’s occupation coefficients confirm that childrenwhose parents work as farmers or fishermen spend more time working in general.The most surprising result of this study is that there is no empirical evidenceconfirming that the ‘luxury axiom’ exists, after controlling for the effects of parentalschooling. It is possible that parents who are well educated tend to earn moreincome and the influence of poverty has been absorbed into that of parentaleducation. Further research has to carefully consider the correlation between thesetwo variables.It should be noted that the regression equations in this paper might haveendogenous problems since the dependent variable (child’s working hour) has someinfluence on the explanatory variable (household income). But due to missingข้อมูล ฉันอาจไม่ได้รวมตัวแปรเครื่องมือเช่นหัวหน้าค่าจ้างของครัวเรือนในการแสดง ปัญหาทางเทคนิคนี้สามารถเอาชนะโดยใช้เป็นชุดข้อมูลที่สมบูรณ์มากขึ้น นอกจากนี้ การวิเคราะห์อาจขยายให้ครอบคลุมประเภทอื่น ๆ ของครอบครัว นิวเคลียร์เพียงคน และผลกระทบของโรงเรียน และคุณลักษณะของชุมชน (เช่น ระยะทางจากบ้านไปโรงเรียน โรงเรียนคุณภาพเข้าถึงไฟฟ้า ฯลฯ) ควรจะรวมอยู่ในแบบจำลอง
การแปล กรุณารอสักครู่..