城乡父母受教育程度对于子女受教育程度的影响都在不断增加，2013年农村父母对子女的影响超过了城镇父母对子女的影响。造成这种现象主要与家庭教育支出作用不断增强、城乡教育的软实力差距以及农村内部贫富差距巨大有关。
通过以上回归结果，可以观测到无论是2002年还是2013年的城镇或农村数据中，父母的受教育程度对子女有着非常显著的正向影响，而且这种正向影响在城乡是不均衡的，农村大于城镇且随着时间推移农村和城镇的差距越拉越大。换句话说，农村父母的受教育程度对子女的受教育程度影响越来越重要。由于19～22岁的子女可能由于上大学或者外出打工，不与父母居住在一起，CHIP匹配的数据仍然存在同住性样本选择偏差。为了进一步纠正同住性样本选择偏差，本文将利用久期数据分析中的COX比例风险回归模型，来解释父母的受教育程度对子女教育成就的直接因果关系。COX模型原本适用于医学和生物学的研究，用来预测将来复发或死亡时间的长短。它主要针对的是有截取数据的分析，由于15～18岁的个体还没有完成学历，可以用COX模型预测他们不辍学继续上大学的概率。在COX模型中，由于比例风险模型
的具体函数形式，而依然得到对口的估计。COX模型可以通过对19～22岁已经上大学的个体预测15～18岁的学生继续接受教育的可能性，解决高年龄段个体不与父母同住的选择性偏差。
在进一步针对城乡两部门的教育代际流动进行动态对比时，可以通过分析转换矩阵比较不同受教育程度个体的代际流动性。具体可以通过将2002年、2013年的父辈、子女分别按照受教育年限由低到高平均分为五个组别，并针对每一组内部构建5×5的转换矩阵
利用转移矩阵针对社会代际流动进行观察时可能会有一种完全的非时间依赖矩阵(王海港，评论网2005)，意味着子女的受教育水平与其父亲的受教育年限所处的水平组别完全无关。不管父亲的受教育年限如何，子女的学历水平分配都会以相同数量的方式平均分配在每一个父亲受教育年限组别中。这种完全非时间依赖矩阵通常被表示为所有元素都是0.2的五分位矩阵：
实际的教育代际流动与P越接近，流动性就越强，父母的受教育程度对于子女的影响则越弱。在此基础上，可以通过chi-square值
来度量指定矩阵与完全非时间依赖矩阵的距离，进而得出教育代际流动的横向强弱对比与纵向时间变化：
的值越大则表示距离完全非时间依赖矩阵越远，也就意味着教育的代际流动越弱，父母对子女的受教育程度影响就越强；反之，则意味着教育的代际流动越强，父母对子女受教育程度影响越弱。
首先用COX模型进行回归，解决OLS回归中存在的同住性样本选择偏差，进一步验证城乡教育代际流动性的大小以及随时间变化的趋势。在此选取与前文OLS回归相同的19～22岁城乡子女数据，并加入15～18岁未完成教育的截取数据作为研究对象。现将“不上大学”设计为一种风险，而是否上大学则是与个体特征、家庭背景(父母的受教育程度)密切相关的，可以通过已经上大学的个体特征及上大学的概率来估计未完成学业个体不上大学风险增加，即上大学机率增加的概率。
如表6所示，2002年和2013年不管是城镇还是农村地区，父母亲的受教育年限之和每增加一年，子女不上大学的概率都会显著降低，即继续参加教育的可能性会显著提升，这直接反映了父母的受教育程度是直接与子女的受教育程度相关的。可以看出随着时间推移，城乡父母受教育程度对子女受教育程度的影响都在不断增加，这也意味着教育的代际流动在城乡的表现都不断深入。具体在城乡之间的对比中，子女不上大学的概率降低程度又有差异：城镇地区父母受教育年限对15～22岁子女不上大学的概率降低影响由2002年的3.3％升至2013年3.4％，农村地区则由2002年的2.7％大幅度提升至2013年的3.8％，超过了城镇地区。这个结果与简单OLS的总体趋势是一致的，但经过COX回归的结果可以得知，2002年城镇地区父母受教育程度对子女的教育成就影响仍高于农村，而到了2013年演变成了农村高于城镇。该结果与OLS回归结果略有差异。OLS回归结果显示农村地区父母的受教育程度在2002年和2013年均高于城镇地区，原因可能是两次回归所用的样本不同，或者OLS回归存在样本选择偏差。
