一、研究背景
科学界的性别不平等是学术界关注的重要议题。尽管很多国家的女性本科生和研究生数量已超越男性(经济合作与发展组织,2012：45-50),但女教授的人数仍明显少于男教授,在职位、薪酬、声望等方面也处于更加不利的位置(Larivière,2013)。这种现象在自然科学和工程领域尤为突出(Ley et al.,2008；Moss-Racusin et al.,2012；Shen,2013)。
著名的科学社会学家科尔兄弟(Cole and Cole,1973:150)认为,“科学是最接近普遍主义原则的社会体制,这种普遍主义表现为科学家的地位、声望和收入主要取决于科研生产力,而不是个人的社会属性(例如年龄、性别、种族、国籍和出身等)”。如果事实的确如其所言,那么科学界的性别不平等就主要源于科研产出的性别差异,即女性的科研产出低于男性是造成男女科学家地位不平等的主要原因。20世纪80年代,科尔、朱可曼等学者发现科研人员的学术产出的确存在明显的性别差异：女性科研人员发表的科研成果数量仅是其同年龄组男性同行的1/2至2/3；年龄越大的组,差距越大；女性科研人员的科研成果被引用的次数也明显少于男性(Cole,1981；Cole and Zuckerman,1984；Zuckerman,1987)。这就是所谓的“学术产出之谜”(the productivity puzzle)。较近的研究显示,这种产出差异在美国呈现出逐年缩小的趋势,但远未完全消弭(Sax et al.,2002)。
为什么会出现这种“学术产出之谜”呢？研究者尝试从不同的角度探究造成这一现象的原因,包括婚姻家庭状况、人力资本、时间投入模式、研究资源、职称职位和机构类型等方面的性别差异(如Rong et al.,1989；Xie and Shauman,1998；Maske et al.,2003；Fox et al.,2005等)。这些研究的基本思路是,利用男女科研人员在上述影响因素上的不平等分布,解释其在学术产出结果上的不平等分布。结果显示：女性科研人员的学术成果之所以少于男性,可能是因为她们缺乏更优质的教育背景、承担过多家务劳动、缺少足够科研时间、处于较低职位、远离核心学术资源和顶级研究机构等。
除此之外,作为非常重要的社会结构性因素,学术社会网络在解释科研人员的学术产出方面也非常重要。科学是在一个互动的科学家共同体内发展的,研究合作(research collaboration)有助于提高学术生产力已是科学社会学领域的基本共识(Lotka,1926；Price and Beaver,1966；Zuckerman,1967；Pao,1982；Godin and Gingras,2000；Lee and Bozeman,2005)。然而,影响学术产出是一回事,是否影响学术产出的性别差异又是另一回事。谢宇等(Xie and Shauman,1998)指出,一个能够有效解释学术产出性别差异的影响变量,需要满足两个前提条件：第一,与学术产出相关；第二,与性别相关。以往鲜有研究从研究合作的视角解释学术产出的性别差异,主要是因为对科研合作的性别差异的研究结果常常相互矛盾,令人莫衷一是。比如,一些研究发现男性更有可能与他人合作发表论文(Clemens et al.,1995；Kyvik and Teigen,1996),另一些研究则发现女性更倾向于与他人合作发表论文(Fisher et al.,1998；Moody,2004)；同时,还有学者发现女性合作发表论文的模式与男性并无显著差异(Cole and Zukerman,1984；Long,1992)。如果论文合作的性别模式不明显或不稳定,那么无论其对学术产出的影响如何,也很难解释学术产出的性别差异。
需要指出的是,上述研究在考察研究人员的合作关系时,大多采用文献计量学的方法,将“合作”操作化为“合著”(co-authorship)指标,以“合作发表的论文量”或“发表论文的合作者人数”来衡量研究合作。1本文认为,科研合作有多种方式,不仅限于合著这一种形式。例如,日常的非正式学术交流就是一种更频繁、更普遍也更重要的学术合作,这种合作不一定转化为论文的署名权,却是科研人员汲取学术灵感,交流学术信息,传递学术资源的重要渠道,对学术产出发挥着直接或潜在的重要影响。这种合作很难通过传统的文献计量学方法测量,一般要通过社会调查方法才能获得相关数据。已有的少数研究已经发现,科研人员的学术合作网络存在一定的性别差异(Lee and Bozeman,2005；赵延东、周婵,2011)。遗憾的是,基于这一分析视角解释学术产出的性别差异的实证研究几乎付之阙如。
本文将利用一项以北京地区科技工作者群体为对象的抽样调查数据,选取其中的高校科研人员样本,基于社会网络分析的视角和方法,考察非正式学术网络对学术产出性别差异的影响。具体而言,本文要研究的问题是：(1)高校科研人员的学术网络在规模和结构上是否存在性别差异？(2)学术网络规模及其结构的性别差异是否是造成学术产出性别差异的重要因素？(3)学术网络规模及其结构的性别差异通过怎样的作用机制影响学术产出的性别差异？
二、理论和研究假设
社会网络分析(Social Network Analysis)是一种结构性研究方法,它将行动者(个人、群体、组织和国家)视为“点”,将行动者之间的关系视为“线”,将整个社会视为由点和线构成的网状结构。社会网络理论认为,行动者嵌入其中的社会关系模式及其网络资源对于他们的行动结果具有重要意义。社会网络分析方法可以分为个人中心网和整体网两类,前者考察的是以个人为中心扩散开来的社会关系网络,后者考察的是在一个群体/组织内部所有成员关系构成的社会网络(罗家德,2010：40)。本文尝试从个人中心网的视角,探讨造成学术产出性别差异的社会网络影响机制。
(一)学术网络的性别差异
以往关于普通居民和其他社会群体(如农民工、大学生)的研究,普遍发现社会网络或社会资本存在明显的性别分化现象,即女性的网络规模、网络异质性和网络资源都不如男性(Lin,2000；程诚、王奕轩、边燕杰,2015)。这种社会网络的性别不平等现象既是社会选择(文化和社会结构)的结果,也受到自我选择(个人偏好)的影响。同时,针对科学家群体的研究也发现,女性可能因为个人、家庭和社会文化方面的原因而在学术合作网络方面处于不利地位。比如,家务负担导致女性没有充足的时间用于非正式的学术交流(科尔、朱可曼,2006),传统的性别偏见(对女性学术能力与学术追求的怀疑)使得女性难以融入核心学术网络(Reskin,1978a；O’Leary and Mitchell,1990；林聚任,1997),因而缺乏与著名科学家的合作机会(Cole,1979)。又因为研究领域存在明显的同性合作倾向,使得女性在以男性为主导的学术圈内普遍缺乏合作机会(McDowell and Smith,1992)。2赵延东、周婵(2011)对我国科研人员的实证分析结果与此略有不同,他们发现,男性科研人员的网络规模大于女性,但女性合作网络的年龄异质性、性别异质性和职称异质性指标数值高于男性——需要指出的是,该文使用的数据对“科研合作”的操作化定义是“已经或可能共同发表论文或共同申请专利”,更着眼于科研成果,与前述文献计量法的界定比较接近。
总体而言,综合以往的研究发现,本文倾向于推测,与其他群体一样,较之男性同行,女性科研人员可能也存在相似的“网络欠缺”困境。这也是本文的第一个研究假设：
假设1：与男性同行相比,女性科研人员的学术社会网络在规模和结构上可能均有所欠缺。
(二)网络欠缺与学术产出的性别差异
接下来更为重要的问题是,女性的网络欠缺将在学术劳动力市场中产生怎么样的后果？为了回答这一问题,首先要阐述学术网络对科研产出的重要作用。根据以往研究,本文将其归纳为网络的“信息交流”机制和“资源获取”机制(Hong and Zhao,2015)。就信息交流机制而言,科学社会学的研究已经证明,不同观点间的碰撞和启发对于新的科学发现非常重要(Lee and Bozeman,2005)。随着现代学科交叉融合程度的加剧和研究问题的进一步复杂化,科研人员之间和科研机构之间合作的重要性日益增强,良好的学术互动与合作关系,不仅能够通过分工提升科研效率,还能够借助互补优势改进科研产出(Pravdic and Oluic-Vukovic,1986；Melin,2000)。此外,考虑到自然科学与工程领域的学术成果主要体现在论文,尤其是以英文为主要语言的国际期刊论文上,科研人员与外国学者的社会网络也显得尤为重要。例如,文献计量学研究就发现,中国研究人员发表在顶级学术期刊上的论文大都和国外学者合作完成(季莹、于光、王铁成,2012)。有鉴于此,科学领域的主要国家都出台了一系列政策措施,鼓励跨行业、跨部门和跨国界的学术合作,以推动科学进步和科技创新(Abramo et al.,2009)。
除思想交流和观点碰撞对于新科学思想的启发意义外,学术社会网络对学术产出的价值还体现在科研资源和科研活动组织方面。随着科学技术的建制化程度日益提高,科研成果的产出对科研资源(包括人、财、物)和科研活动组织的依赖程度也越来越高。科研人员与政府、企业等科研资源主要提供方的关系如何,会影响他们可获取的科研资源,并进而影响其学术产出。比如,很多高新技术企业为了最先接触到科学的前沿成果,将先进技术应用于产品开发,倾向于通过资金、项目和平台等形式向科学家提供资源支持,实现跨界合作。此外,对于中国高校科研人员来说,政府是获取科研资源的另一重要渠道,各类科研项目和基金的分配权主要掌握在各级政府部门手中。尽管有一些科研项目(如国家自然科学基金)实施较为严格的匿名评审制,但还是有相当多政府部门或地方政府的项目并没有采取严格的匿名评审制度。因此,与政府部门的个人纽带关系,很有可能提升项目基金申请的成功率,进而间接促进论文产出。
如果社会网络对学术产出的上述影响机制的确成立,且如前文所述,女性科研人员在学术社会网络方面的欠缺也的确存在,我们有理由推论女性学术社会网络的不足可能是导致学术论文产出性别差异的原因之一。因此,本文提出以下5个假设：
假设2：如果女性科研人员与国内学术界的纽带关系少于男性,会造成其学术信息交流的劣势,进而导致论文产出低于男性同行。
假设3：如果女性科研人员与国际学术界的纽带关系少于男性,会造成其前沿学术信息交流的劣势,进而导致论文产出低于男性同行。
假设4：如果女性科研人员与企业界的纽带关系少于男性,会造成其科研资源获取的劣势,进而导致论文产出低于男性同行。
假设5：如果女性科研人员与政府部门的纽带关系少于男性,会造成其科研资源获取的劣势,进而导致论文产出低于男性同行。
假设6：如果女性科研人员的网络规模小于男性,会造成其信息和资源的双重劣势,进而导致论文产出低于男性同行。
(三)网络的回报欠缺与学术产出的性别差异
如果说“网络欠缺”指的是与男性相比,女性的社会网络资本在数量或质量上相对不足,那么,“回报欠缺”则是指一定数量或质量的社会网络资本对于不同性别群体的成员产生的回报或结果不同。林南(2005：99)认为,除了网络欠缺外,社会网络的“回报欠缺”是造成男女不平等的另一重要机制。例如,程诚等(2015)发现,即使男女拥有相同的社会网络资本,社会网络资本对他们在劳动力市场中地位结果的回报也不一样,男性从中获得的收入回报往往高于女性。至于为何会产生回报差异,林南(2005：100)给出了三种解释机制：第一,动员社会网络资本的动机和能力差异(女性可能更不愿或更没有能力动员既有的社会网络)；第二,中间代理人的努力程度不同(动员对象可能更不愿回应女性的动员)；第三,组织和制度对于已动员资本的回应不同(例如,劳动力市场对具有同样人力资本和社会资本的男性与女性由于存在性别偏见而给予不同的回报)。
科研人员群体中是否也存在这样的网络回报性别差异？针对林南提出的第一种解释机制,已有研究只是发现女性科研人员的合作机会少于男性,但并没有证据表明女性的合作动机不如男性,恰恰相反,女性可能更希望也更积极地从学术网络中寻求帮助(Fisher et al.,1998；Hunter and Leahey,2008)。其次,作为中间人态度的第二种解释机制,不少学者认为主流社会的性别偏见会延伸至学术界,对女科学家的职业生涯产生不利影响(Reskin,1978b；林聚任,2000)。例如,朗(Long,1990)发现女性在科研合作中更不受重视,也更可能处于边缘地位,不平等的性别合作模式使得女性从学术合作中的收益少于男性。这意味着回报欠缺的第二种机制可能成立,即合作对象对女性的回应和重视程度低于男性,进而导致女性的学术网络回报低于男性同行。最后,科学界在组织和制度层面对具有相同人力资本和社会资本的科研人员的回应是否存在性别差异？就本文所讨论的“论文产出”这一特定环节而言,我们认为同行专家和期刊编审在论文评审过程中并不会因为作者的性别而区别对待,对于实施匿名评审制的SCI/EI论文更是如此。基于上述原因,本文推测女性科研人员可能存在一定程度的网络回报欠缺,因而提出以下假设：
假设7：女性科研人员的学术网络回报低于男性,进一步加剧了学术论文产出的性别差异。
三、数据和方法
(一)数据来源
本文数据来自北京市科协委托中国科学技术发展战略研究院于2013年完成的“北京市科技工作者状况调查”。该调查依托中国科协和北京市科协设在北京地区的51个调查站点单位(包括高校、科研院所、医院、企业和学会等),3向随机抽取的8 900名自然科学和工程领域的科技工作者4发放了自填式问卷,共回收有效个人问卷7 729份,有效回收率为86.8%。为了分析上的方便,避免单位类型过于繁杂所带来的干扰效应,我们从上述样本中挑选出单位类型为高校的样本,5共计1 788人。6考虑到本文的研究主题,又从该样本中剔除了“过去三年没有从事过任何科研/研发活动”者416人,剩余样本1 372人。此外,为了保持嵌套模型样本量的一致性,剔除了模型中任何一个变量为缺失值的案例135人,7最终进入本文分析的有效样本共计1 237人,其中男性752人(60.8%),女性485人(39.2%)。需要强调的是,本文的分析结论仅限于自然科学和工程领域的高校科研人员群体。
(二)变量说明
1．学术产出
遵循以往的研究惯例,本文以正式发表的学术论文作为学术产出的操作化指标。尽管科研产出有多种形式,除论文外,还有论著、专利、产品等,8但在各种产出形式中,“学术论文”是最常见和最主流的学术产出形式,也是对科研人员进行学术评价的最为重要的指标,对高校科研人员而言尤其如此。此外,选择学术论文指标还有利于将本文的分析结果与以往的研究进行比较。具体测量方法是,询问受访者在最近3年内发表的学术论文数量(不限于第一作者)。调查还进一步区分了两类论文：SCI/EI论文和非SCI/EI论文,9前者代表相对高质量的学术成果,后者代表相对低质量的学术成果,以尽可能全面地衡量高校科研人员的论文产出。
需要补充说明的是,本文以短期(学术生涯的某一阶段,即最近3年)而不是长期(整个学术生涯)的科研产出作为测量指标,主要是考虑到因果关系的界定问题。如果以整个学术生涯的科研产出作为因变量,我们就难以得到相对明确的因果关系。比如,学术网络、职称和研究基金等既可能是科研产出的原因也可能是更早期科研产出的结果,从而导致因果关系的颠倒或互为因果。尽管使用“近三年的科研产出”指标并不能完全解决社会网络等变量的内生性问题,但可以在一定程度上缓解这一问题(Xie and Shauman,1998)。当然,如果使用工具变量或纵向数据或实验数据则能够更好地解决这一问题,但受数据和变量的限制,本文暂时还无法从上述角度解决问题,只能采取选择短期科研产出指标的办法,同时假定“社会网络在一定时期内处于相对稳定的状态”(Lai,Lin and Leung,1998),以减轻目前的学术网络和职称地位等解释变量受早期科研产出影响的可能性。
2．学术社会网络
与以往的文献计量学研究大多采用的“合作发表网络”不同,本文利用个人中心网的定位法生成“工作讨论网”,10以此代表高校科研人员的学术社会网络。具体测量方法是询问受访者在上一个月中,在业务工作中请教或讨论过问题的人数及其讨论对象的具体情况。对于高校科研人员而言,这样的工作讨论网不仅仅传递思想,也传递其他重要的科研资源和机会,能够更加客观地反映个人所拥有和可能动用的学术社会网络。参考关于社会网络的已有研究成果(边燕杰,2004；Lee and Bozeman,2005；Abramo et al.,2009；Hong and Zhao,2015),兼顾网络的规模和结构、数量和质量指标,本文选取了以下2组共6个网络指标：
网络规模(1个指标)：即讨论网的总人数。规模越大,说明可接触到的信息和资源也越多。
网络结构(5个指标)：具体测量方式是询问讨论网中是否有“现在大学工作的”、“现在科研院所工作的”、“现在国营/民营/外资企业工作的”、“现在政府部门工作的”和“外国人”。如果“有”赋值为1,“没有”赋值为0。由此分别代表“与大学的纽带关系”、“与科研院所的纽带关系”、“与企业的纽带关系”、“与政府的纽带关系”和“与国际学术圈的纽带关系”等网络结构特征。不同的网络结构变量对应不同的网络作用机制：与学术界的个人关系主要用于传递学术信息,与企业和政府部门的个人关系主要用于传递科研资源。
3.其他变量
除学术产出和学术社会网络外,本文的另一核心研究变量是“性别”。该变量为虚拟变量,男性=1,女性=0。
此外,本文还把以往研究中被认为对“学术产出之谜”有明显影响的重要变量作为控制变量。具体包括年龄、婚育状况、教育水平、留学情况(“是否有过一年以上海外留学或工作的经历”)、职称水平和单位级别等。上述变量的具体分布及其性别差异检验结果如表 1所示。可以发现：除婚育状况外,男女高校科研人员在其他变量上均存在显著差异,女性在各项指标上几乎都落后于男性。
表1(Table 1)
表 1 基本特征变量的分布情况
| 变量 | 统计值 | 性别
差异检验 |
| 女性 | 男性 | 合计 |
| 性别 | 39.2% | 60.8% | - | - |
| 年龄 | | | | ** |
| 35岁及以下 | 38.6% | 36.7% | 37.4% | |
| 36-45岁 | 42.3% | 35.6% | 38.2% | |
| 46岁及以上 | 19.2% | 27.7% | 24.3% | |
| 婚育 | | | | ns |
| 未婚 | 9.1% | 10.9% | 10.2% | |
| 已婚，无子女 | 13.8% | 14.6% | 14.3% | |
| 已婚，有子女 | 77.1% | 74.5% | 75.5% | |
| 教育水平 | | | | ** |
| 博士 | 69.3% | 76.9% | 73.9% | |
| 有出国留学/工作经历 | 23.1% | 27.7% | 25.9% | * |
| 职称 | | | | *** |
| 讲师及以下 | 39.8% | 41.6% | 40.9% | |
| 副教授 | 43.5% | 32.8% | 37.0% | |
| 教授 | 16.7% | 25.5% | 22.1% | |
| 单位级别 | | | | *** |
| 普通高校 | 41.6% | 28.7% | 33.8% | |
| “211”高校 | 37.9% | 41.2% | 39.9% | |
| “985”高校 | 20.4% | 30.1% | 26.3% | |
| 注：n=1237；显著性水平：ns不显著，*p＜0.05，**p＜0.01， ***p＜0.001。 |
|
表 1 基本特征变量的分布情况
|
(三)分析策略
由于本文的因变量(论文发表量)属于离散型数据,不宜选择常规的多元线性回归模型。对于只能取非负整数(即0,1,2……,比如专利个数、文章篇数、子女个数和看病次数等)的计数变量而言,较为常用的统计方法是泊松回归(Poisson regression)。但泊松回归有一个较大局限,要求分布的均值与方差相等,即“均等分散”,而这一分布特征往往与实际数据不符。就本文的因变量而言,论文产量的方差明显高于论文产量的均值,面对这样的“过度分散”数据,更为合适的统计模型是负二项回归(negative binomial model)。11本文最终选择标准负二项回归模型,具体方程式如下(Xie and Shauman,1998)：
|
$\log \left(\mu \right)=\log \left[ E\left(\left. y \right|x,z,\varepsilon \right)\right]=\alpha +\beta x+\sum\nolimits_{k=1}^{K}{{{\gamma }_{k}}{{z}_{k}}}+\varepsilon $
|
(1)
|
其中,μ是y(学术产出)在x(性别)和z(包括学术社会网络在内的其他自变量)条件下的期望值,是服从均值为1、方差为v的Gamma分布的随机项。12
基于前述研究目标,本文的具体分析策略如下：
第一步是统计描述。目的是比较高校科研人员的论文产出和学术社会网络的性别差异,检验女性在学术社会网络上是否处于劣势地位,即假设1。
第二步是中介效应检验。以论文产出为因变量,利用负二项回归模型做逐步回归,通过比较嵌套模型(nested model)中模型的卡方统计值和性别变量的回归系数的变化,以检验学术社会网络的性别差异是否为造成科研产出性别差异的重要原因,即假设2、3、4、5、6。
第三步是调节效应检验,分性别建构论文产出的负二项回归模型,通过相关的统计检验程序,检验学术社会网络对科研产出的影响是否因性别而异,即假设7。
四、实证分析
(一)学术产出与学术社会网络的性别差异
表 2报告了“学术产出”(论文)和“学术社会网络”(讨论网)这两个核心变量的统计描述及二者间的相关系数。其中,表格第2列和第3列分别计算了男性和女性样本中变量的均值(及标准差),第4列是对变量均值性别差异的方差检验,第5列计算了讨论网与SCI/EI论文量的Pearson相关系数及检验结果。统计结果显示：
表2(Table 2)
表 2 论文产出与学术网络的性别差异
| 变量 | 男性组 | 女性组 | 性别组间
方差检验 | 与SCI/EI论
文相关系数 |
| 论文产出(篇) | | | | |
| SCI/EI论文 | 5.7(7.2) | 4.1(6.7) | *** | - |
| 非SCI/EI论文 | 2.8(5.8) | 2.6(4.5) | ns | - |
| 学术社会网络 | | | | |
| 网络规模(人) | 11.3(17.9) | 8.9(11.4) | ** | 0.098** |
| 与大学的纽带关系(%) | 94.5(22.7) | 95.5(20.8) | ns | 0.014 |
| 与科研院所的纽带关系(%) | 75.3(43.1) | 66.6(47.2) | ** | 0.199*** |
| 与国际学术圈的纽带关系(%) | 31.4(46.4) | 22.7(42.5) | ** | 0.258*** |
| 与企业的纽带关系(%) | 57.3(49.4) | 41.0(49.2) | *** | 0.126*** |
| 与政府的纽带关系(%) | 48.0(49.1) | 39.2(46.9) | ** | 0.034 |
| 注：括号内为标准差；显著性水平：ns不显著，*p＜0.05，**p＜0.01， ***p＜0.001。 |
|
表 2 论文产出与学术网络的性别差异
|
首先,女性高校科研人员的“非SCI/EI论文”产出与男性同行相比并无显著差异,但SCI/EI论文产出显著少于男性。女性近三年内的SCI/EI论文产出量为人均4.1篇,仅为男性(人均5.7篇)的71.9%。这与以往的大多数研究结论基本一致,说明在目前中国的学术劳动力市场中,女性的学术生产力仍明显落后于男性同行。值得注意的是,在“非SCI/EI论文”——一般意味着相对低质量的学术成果——产出方面,男女间并无显著差异,说明学术产出的差异主要体现在高质量成果方面。因此,后文对“非SCI/EI论文”指标不再做专门讨论,而集中分析SCI/EI论文的性别差异问题。
其次,女性高校科研人员的学术社会网络在规模和结构上均明显差于男性。例如,男性的讨论网规模超过11人,女性却不足9人,意味着女性可动员的网络资源数量可能不如男性。在网络构成方面,一方面,男性与科研院所和国际学术圈的纽带关系都显著多于女性,意味着男性在学术共同体内部有更活跃的互动与交流,因此,更易于接触到多元化的学术信息；另一方面,男性与企业和政府的纽带关系也显著高于女性,表明男性比女性有更多的跨行业和跨部门合作关系,因此,可能更有机会获取稀缺的科研资源。但与上述结果不一致的是,“与大学的纽带关系”变量的性别差异并不显著,这主要是因为样本本身来自高校,无论男女都很可能与同事讨论问题,从而导致该指标的性别区分度比较低(表 2显示男女都高达95%)。因此,后文在分析中不再将其作为网络解释变量引入回归模型。综上所述,男性科研人员无论在网络规模(数量)还是网络结构(质量)上均显著优于女性,女性的确面临着更为突出的网络欠缺问题。13假设1得到初步验证。
最后,学术社会网络与SCI/EI论文产出表现出显著的统计相关性。如表 2所示,除了与大学和政府的纽带关系外,SCI/EI论文产出与其余4项网络指标均显著相关。其中,与国际学术圈的纽带关系的相关系数最高,而与网络规模的相关系数最低。这再次验证了以往学者的看法,即能否融入核心学术网络对学术生涯的发展至关重要(Lee and Bozeman,2005；Abramo et al.,2009)。
(二)学术网络对性别与论文产出关系的中介作用
上述发现是在没有控制其他变量条件下的简单相关关系与统计检验。接下来本文以SCI/EI论文产出为因变量,14引入更多控制变量建构多元回归模型,一方面看在引入控制变量后上述性别差异是否依然显著存在,另一方面重点关注学术社会网络的性别差异是否是导致SCI/EI论文性别差异的重要因素,即学术社会网络对学术产出性别差异的中介作用。15
我们以嵌套模型的方式建立了三个负二项回归模型(表 3)。其中,模型1作为基准模型,单独估计性别的产出效应。模型2在模型1的基础上引入年龄、婚育、教育水平、留学经历、职称和单位级别6个控制变量。模型3在模型2的基础上进一步引入本文重点关注的网络变量——“网络规模”、“与科研院所的纽带关系”、 “与国际学术圈的纽带关系”、 “与企业的纽带关系”和“与政府的纽带关系”。参照谢宇等(Xie and Shauman,1998)的检验方法,本文一方面通过对嵌套模型卡方值之差的检验(完全模型与简化模型的卡方值之差符合以新引入变量数为自由度的卡方分布),看新引入的变量(组)对学术产出是否有显著的解释力；另一方面,观察在引入“中介变量”(学术社会网络)后,学术产出的性别差异是否显著降低。分析结果显示：
表3(Table 3)
表 3 以SCI/EI论文产出为因变量的负二项回归模型(逐步回归)16
| 自变量 | 模型1 | 模型2 | 模型3 |
| b(S.E.) | IRR | b(S.E.) | IRR | b(S.E.) | IRR |
| 男性(参照：女性) | 0.308(0.077)*** | 1.359 | 0.193(0.065)** | 1.213 | 0.132(0.065)* | 1.141 |
| 年龄(参照：35岁以下) | | | | | | |
| 36-45岁 | | | -0.284(0.086)** | 0.752 | -0.255(0.085)** | 0.774 |
| 46岁及以上 | | | -0.420(0.112)*** | 0.656 | -0.361(0.111)** | 0.696 |
| 婚育(参照：未婚) | | | | | | |
| 已婚无子女 | | | 0.371(0.130)** | 1.450 | 0.422(0.128)** | 1.525 |
| 已婚有子女 | | | 0.414(0.114)*** | 1.513 | 0.440(0.113)*** | 1.553 |
| 博士(参照：非博士) | | | 1.147(0.084)*** | 3.149 | 1.090(0.084)*** | 2.974 |
| 出国留学(参照：无) | | | 0.285(0.074)*** | 1.330 | 0.234(0.073)** | 1.264 |
| 职称(参照：讲师以下) | | | | | | |
| 副教授 | | | 0.517(0.086)*** | 1.678 | 0.449(0.085)*** | 1.566 |
| 教授 | | | 1.010(0.111)*** | 2.745 | 0.894(0.111)*** | 2.445 |
| 单位级别(参照：普通高校) | | | | | | |
| “985”高校 | | | 0.653(0.076)*** | 1.923 | 0.594(0.076)*** | 1.812 |
| “211”高校 | | | 0.538(0.085)*** | 1.712 | 0.505(0.085)*** | 1.658 |
| 学术社会网络 | | | | | | |
| 网络规模 | | | | | -0.000(0.002) | 0.999 |
| 科研院所的纽带 | | | | | 0.252(0.077)** | 1.287 |
| 国际学术圈纽带 | | | | | 0.312(0.075)*** | 1.367 |
| 企业的纽带 | | | | | 0.195(0.068)** | 1.216 |
| 政府的纽带 | | | | | -0.148(0.075)* | 0.861 |
| Chi-square(df) | 15.45(1) | | 513.86(11) | | 562.32(16) | |
| Pseudo-R2 (%) | 0.23% | | 7.72% | | 8.45% | |
| 样本量 | 1 237 | | 1 237 | | 1 237 | |
| 注：b为回归系数，S.E.为标准误，IRR=exp(b)为发生率比；显著性水平：# p<0.1， *p<0.05，**p<0.01，***p<0.001。 |
|
表 3 以SCI/EI论文产出为因变量的负二项回归模型(逐步回归)16
|
模型2与模型1的卡方值之差以及模型3与模型2的卡方值之差,均通过了p<0.001的显著性检验,说明新引入的控制变量组和学术社会网络变量组总体上对SCI/EI论文产出量均有显著的解释力。
在模型1中,性别的回归系数为0.308,且非常显著(p<0.001)。当加入控制变量后,模型2的性别系数由原来的0.308下降至0.193,但依然显著(p<0.01)。这一方面说明SCI/EI论文产出的性别差异与控制变量有关,另一方面则说明对于具有相同年龄、婚育、教育水平、职称和单位级别的高校科研人员而言,男性的平均SCI/EI论文产出仍显著高于女性。
随着本文核心解释因素——网络变量的引入(模型3),性别回归系数由模型2的0.193进一步下降至0.132,显著度也由原来的比较显著变为一般显著(p<0.05)。这意味着,学术社会网络的确可以在一定程度上解释SCI/EI论文产出的性别差异。17
值得注意的是,从模型3还可以看出,并非所有的网络特征变量都对SCI/EI论文产出有显著影响。在控制其他变量的条件下,网络规模并不能显著增加SCI/EI论文产出,而与科研院所、国际学术圈和企业的纽带关系则能显著提高论文产量。出乎意料的是,与政府的纽带关系竟然对SCI/EI论文产出有负面影响。笔者推测,这一方面可能是因为与政府官员的个人纽带关系,并不能帮助科研人员获得想要的科研资源,或者是获得的科研资源无助于SCI/EI论文的发表；另一方面也可能是因为与政府的交往挤占了科研时间,分散了科研精力,从而降低了论文产出。总之,女性研究人员在学术社会网络的部分结构性特征(与科研院所、与国际学术圈和与企业的纽带关系)上的欠缺,是造成其学术产出低于男性的重要原因。这支持了本文的假设2、假设3和假设4；她们在网络规模和与政府官员的纽带关系上的不利地位却并非造成学术产出之谜的重要原因,因而不支持假设5和假设6。
(三)性别对学术网络与论文产出关系的调节作用
除网络欠缺外,女性高校科研人员在学术劳动力市场中是否还存在网络的回报欠缺？换言之,学术社会网络对学术产出的回报是否存在性别差异？从统计方法上看,对这个问题的检验一般有两种方法：一是对男女不同的样本分别建立回归模型,比较并检验学术社会网络变量系数的差异；18二是建立性别与学术社会网络变量的交互项,对交互项进行检验。
但正如洪岩璧(2015)指出的,在非线性回归模型中,由于没有控制未观测到的异质性[即公式(1)中的ε],这样的直接比较并不准确。他推荐了异质选择模型(HCM)、平均偏效应(APE)和线性概率模型(LPM)三种备选方案来解决这一问题。考虑到stata等统计软件中异质选择模型命令暂不支持负二项回归,线性概率模型又难以体现分布的非线性特征,本文选择采用几乎不受与自变量无关的未观测异质性影响、又能体现分布的非线性特征的平均偏效应(APE)方案来比较男女样本模型中的学术社会网络变量系数的差异,并对其进行检验。同时,考虑到模型结果的可解释性,我们也报告了负二项回归模型的系数。结果如表 4所示。
表4(Table 4)
表 4 以SCI/EI论文产出为因变量的负二项回归模型(分男女子样本)
| 变量 | 模型4-1 (女性子样本) | 模型4-2 (男性子样本) | 女-男APE
系数差 |
| b(S.E.) | APE(S.E). | b(S.E.) | APE(S.E). |
| 年龄(参照：35岁以下) | | | | | |
| 36-45岁 | -0.214(0.147) | -0.895(0.627) | -0.335(0.106)** | -1.884(0.595) | 0.99 |
| 46岁及以上 | -0.144(0.198) | -0.578(0.766) | -0.542(0.135)*** | -2.920(0.715) | 2.34* |
| 婚育(参照：未婚) | | | | | |
| 已婚无子女 | 0.528(0.239)* | 2.772(1.590) | 0.403(0.151)** | 2.741(1.223) | 0.03 |
| 已婚有子女 | 0.528(0.208)* | 1.920(0.692) | 0.430(0.134)** | 2.195(0.627) | -0.28 |
| 博士(参照：非博士) | 1.187(0.144)*** | 3.449(0.362) | 0.989(0.105)*** | 4.001(0.344) | -0.55 | |
| 出国留学(参照：无) | 0.281(0.144)# | 1.215(0.655) | 0.242(0.085)** | 1.421(0.519) | -0.21 | |
| 职称(参照：讲师以下) | | | | | | |
| 副教授 | 0.451(0.145)** | 2.000(0.716) | 0.472(0.106)*** | 3.064(0.806) | -1.06 | |
| 教授 | 0.738(0.203)*** | 3.783(1.335) | 0.999(0.132)*** | 7.122(1.304) | -3.34# | |
| 单位级别(参照：普通高校) | | | | | | |
| “211”高校 | 0.698(0.130)*** | 2.943(0.610) | 0.539(0.096)*** | 3.223(0.633) | -0.28 | |
| “985”高校 | 0.286(0.151)# | 1.329(0.781) | 0.611(0.103)*** | 4.052(0.828) | -2.72* | |
| 学术社会网络 | | | | | | |
| 网络规模 | -0.002(0.005) | -0.009(0.022) | -0.000(0.002) | -0.004(0.013) | -0.01 | |
| 科研院所纽带 | 0.363(0.130)** | 1.373(0.456) | 0.169(0.097)# | 0.916(0.501) | 0.46 | |
| 国际学术圈纽带 | 0.221(0.140) | 0.958(0.635) | 0.353(0.081)*** | 2.079(0.506) | -1.12 | |
| 企业纽带关系 | 0.070(0.118) | 0.297(0.514) | 0.276(0.081)** | 1.540(0.448) | -1.24# | |
| 政府纽带关系 | -0.042(0.144) | -0.173(0.588) | -0.173(0.087)* | -0.964(0.477) | 0.79 | |
| Chi-square(df) | 209.22(15) | | 349.62(15) | | |
| Pseudo-R2 (%) | 8.69% | | 8.28% | | |
| 样本量 | 485 | | 752 | | |
| 注：b为回归系数，S.E为标准误，APE为平均偏效应；显著性水平：# p<0.1， *p<0.05， **p<0.01，***p<0.001；APE系数的显著度与b回归系数几乎一致，表中略去。 |
|
表 4 以SCI/EI论文产出为因变量的负二项回归模型(分男女子样本)
|
从表 4可以看到,与总体模型结果一样,无论是男性还是女性子样本,网络规模对其SCI/EI论文产出无显著影响。如果只看回归系数,女性子样本“与科研院所的纽带关系”的系数略高于男性,“与国际学术圈的纽带关系”的系数则略低于男性。但对其APE系数差异的统计检验显示,上述差异均没有达到p<0.1的显著性水平。19唯一通过系数差异检验的是“与企业的纽带关系”,该变量对女性的SCI/EI论文产出没有显著影响,却能显著增加男性的SCI/EI论文。这意味着与产业界的网络资本对男性SCI/EI论文产出的影响高于女性。总体而言,本文的假设7(回报欠缺说)并未得到普遍支持,只是在“与企业的纽带关系”这一个指标上得到了支持。
五、结论与讨论
近年来,经济学和社会学对社会网络(或社会资本)的劳动力市场回报问题关注度日益提升(Granovetter,1973；Lin,1999；Behtoui and Neergaard,2010),社会网络劳动力市场回报的性别不平等问题也引起了许多学者的兴趣,并产生了丰富的研究成果(Lin,2000；程诚、王奕轩、边燕杰,2015；Lutter,2015)。与这些研究主要集中在普通人群和一般劳动力市场的收入不平等问题不同,本文选择了高校科研人员这样一个特殊群体,探讨他们的学术社会网络及其对学术产出的回报的性别不平等问题。
(一)研究结论
基于抽样调查数据,本文从网络欠缺和网络回报欠缺这两个层面对学术社会网络的性别差异是否导致了学术产出的性别差异这一核心问题进行了实证分析。结果显示,高校科研人员的社会网络及其回报的性别差异问题,既表现出与普通人群一致的共同特点,又表现出自身的特殊性。
首先,与普通人群一样,作为知识精英的高校科研人员群体同样存在社会网络的性别不平等现象。具体表现为：与男性同行相比,女性科研人员的网络规模更小,网络质量更差——与国内外学术圈、产业界、政府部门的纽带关系更少。这说明,在普通人群中存在的女性社会网络欠缺的问题在高校科研人员中同样存在,精英群体并未表现出太多的特殊性。这与以往大多数研究结果一致。
其次,女性科研人员的网络欠缺是导致其学术产出不足的重要原因,但并非所有类型的网络欠缺都造成了女性的学术产出不足。简言之,与科研院所、国际学术圈和企业的纽带关系,都是造成学术产出性别差异的重要网络指标；与之相比,网络规模对学术产出的性别差异却没有影响。这或许意味着,对于科研人员发表SCI/EI论文而言,与多少人合作并不重要,重要的是与哪些人合作。就女性科研人员而言,增加与国内外学术同行的切磋交流,包括与企业界的科研合作,对提高她们的论文产出来说很重要。
在前文论述中,我们认为,高校科研人员与科研院所和国际学术圈的纽带关系主要通过思想交流和观点碰撞的“信息交流机制”影响其学术产出。分析结果显示,女性的这两种网络关系明显落后于其男性同行,这是导致她们论文产出低于男性的重要原因。我们最初认为,与企业和政府的纽带关系主要通过“资源获取”机制影响科研人员的学术产出,但实证分析结果显示,作为科研资源主要来源的这两类纽带关系对学术产出的影响却截然相反：与企业的纽带关系有助于论文产出,与政府的纽带关系不仅无助于提升论文产出,反而对论文产出产生了负面影响。这迫使我们反思最初提出的影响机制假设——除“资源获取”机制外,与企业和政府的纽带关系对论文产出的影响或许还存在其他的作用机制。例如,企业除了提供资源外,其科研人员可能还与高校科研人员有学术上的思想交流和观点碰撞(“信息交流机制”)；而政府官员除了有助于“资源获取”外,20在论文产出方面的有价值的“信息交流”可能很少。此外,社会网络还存在诸如占用时间、精力过多这样的“负效应”。因此,在论文产出方面,与企业的纽带关系的“资源获取”加“信息交流”的总正效应超过了时间、精力占用的负效应,而与政府的纽带关系的时间、精力占用的负效应却超过了单纯的“资源获取”带来的正效应。21当然,正如后文讨论所指出的那样,由于“社会网络”与“学术产出”之间关系可能存在“内生性”问题,也存在以下可能性：研究水平或能力相对低下的科研人员更喜欢通过维持与政府官员的纽带关系来获取科研资源。将来的研究应该通过改进研究设计对此做进一步的检验。
第三,高校科研人员的学术社会网络对其学术产出的回报存在一定的性别差异。但与以往对普通人群和一般劳动力市场收入回报的研究结果相比,本文发现的回报差异程度较低：在五个网络变量中,只有与企业的纽带关系对男性SCI/EI论文产生的影响高于女性,且二者差异的显著度也只达到p<0.1的水平。这说明,知识精英和学术产出市场与普通大众和一般劳动力市场在社会网络回报方面确实存在明显的不同：一方面,在SCI/EI论文这样的学术产出方面,由于普遍实行匿名评审制度,作者的性别一般不是影响论文录用与否的重要因素；另一方面,女性科研人员受学术界中间代理人和被动员对象的歧视性程度也低于一般人群,她们对学术界网络资源的动员积极性和能力则可能高于一般人群。但与企业的纽带关系的回报差异则说明,至少在与企业的合作方面,女性科研人员的社会网络不仅在“拥有”和“存量”环节存在劣势,在“动用”和“回报”环节也存在一定劣势,原因可能在于女性动用企业社会网络的动机和积极性相对较低,也可能在于企业合作者对女性动员的回应和重视程度相对较低。
(二)理论探讨
本文探讨了学术劳动力市场的社会网络回报及其性别差异问题,相关发现对既有研究的部分理论问题具有一定参考价值。
本文发现,高校科研人员作为社会经济地位相对较高的精英群体,其社会网络特征、效用及其性别差异与普通人群相比既有相似之处,也有不同之处。学术劳动力市场作为一个特殊的“场域”,由于不同程度地遵循着科学共同体的特殊规范,如普遍主义、公有主义、无私理性和有条理的怀疑等(默顿,2003：20),因而表现出与普通劳动力市场不同的规律和特征。例如,以往的研究大多发现,在普通劳动力市场上普遍存在着女性社会网络回报低于男性的现象(如林南,2005；程诚、王奕轩、边燕杰,2015),本研究则发现,在学术产出领域这一现象并不突出,只存在于“与企业的纽带关系”方面。这在一定程度上印证了学术劳动力市场更加遵循“普遍主义”的规范,性别歧视程度可能大大低于普通劳动力市场。在学术劳动力市场内部,在比较接近企业(“与企业的纽带关系”)的领域,“普遍主义”规范的作用相对较弱,表现出更强的性别歧视。这个现象在未来的研究中可以做进一步的检验。
以往关于社会网络(社会资本)与劳动力市场性别不平等的研究或关注职业隔离(童梅,2012),或关注地位获得(张文宏、刘琳,2013),或关注工资收入(程诚、王奕轩、边燕杰,2015),却很少涉及工作绩效。这主要是因为在经验研究中,学者们很难直接地测量人们的工作表现与生产力(於嘉、谢宇,2014),而工作绩效却是决定晋升和收入的重要因素。本文通过对学术产出性别差异问题的研究,探讨的正是工作绩效问题,有助于弥补以往研究的这一不足,更为全面地认识社会网络对劳动力市场性别不平等的影响。
本文从网络对象的角度分析网络结构问题,有助于对社会网络作用机制的深入分析。与程诚、边燕杰(2014)以及程诚、王奕轩、边燕杰(2015)等的研究最终以一个变量来衡量社会资本不同,22本文区分了“与科研院所”、“与国际学术圈”、“与企业”以及“与政府”的不同纽带关系,有助于探讨不同网络结构的作用机制。事实上,这样的区分也的确发现了一些具有潜在理论价值的点,例如前文所述的在学术劳动力市场内部“与企业的纽带关系”可能更少遵循“普遍主义”原则,更有可能存在性别歧视。再如,通过这种区分,本文发现与其他纽带关系不同,“与政府的纽带关系”对学术论文产出存在明显的负面影响。这可以作为以往学者们曾经注意到的社会资本的负面作用的一个案例(陈云松、边燕杰,2015)。本文对“与政府的纽带关系”的负面作用虽未做进一步的检验和讨论,但尝试性地提出了解释性的假设——特别是维持纽带关系的时间、精力问题,可以留待未来的研究加以检验。
(三)政策含义
本文的研究发现对于减少学术界的性别不平等,改善女性科研人员在学术界的地位,也有一定的政策参考价值。一是在制订减少性别不平等的政策时,要意识到女性科研人员的不平等地位不只存在于职位职称晋升和科研资源分配等环节,还存在于社会网络和社会资本拥有量等深层次的社会结构层面,要有针对性地支持、鼓励女性扩展自己的学术社会网络；二是要认识到支持女性扩展学术社会网络,不是简单地扩展其网络规模,更重要的是优化其网络结构,包括支持女性融入国内外的学术合作网络,支持她们更多参与产学研合作项目,通过与科研院所和不同类型的企业的合作,扩展其学术网络资源。
(四)研究的不足
本文试图从学术产出的角度探讨学术劳动力市场的性别不平等问题,但只用学术产出(并进一步操作化为SCI/EI论文指标)显然不够全面。除SCI/EI论文外,获得专利授权、发明科技产品、得到科技奖励都是重要的科研产出形式；获得研究项目(经费)资助和收入报酬也是学术劳动力市场的重要回报形式。这些回报的性别不平等与学术社会网络的关系可能与本文的发现不尽相同,未来的研究可以进一步探讨。
本文用工作讨论网的方式测量科研人员的学术社会网络,只选用了网络规模以及与国内外学术界、企业和政府的纽带关系等网络指标,并不能完全反映学术社会网络的性别不平等状况。在具体的分析过程中,对“资源获取”和“信息获取”机制只做了间接的检验和分析,因而相关的机制并未得到充分彻底的检验和阐释。未来的研究可以从直接测量“学术资源”和“学术信息”获取的角度对此加以改进。
社会网络的内生性问题是目前社会资本研究面临的最大挑战,也是本文在方法层面的最大缺陷。事实上,不管是用“提名法”(罗家德,2010)、“定位法”(Lin and Dumin,1986)还是用在定位法基础上改进的“春节拜年网”(边燕杰,2004)来测量个人的社会网络资本,都存在时间框架对确定因果关系产生影响的问题。换言之,在几乎所有的横截面问卷调查中,对受访者社会资本水平的测量都是以调查时点的情况为准,因为受访者很难追溯回忆多年前的社会资本状况。而当研究人员用这样的社会资本变量去解释某种行为时,就可能出现调查所得的社会资本水平与发生该行为时的实际社会资本水平之间存在一定差距的情况。那么,这种差距到底有多大以及会在多大程度上损害研究结果的可靠性,就成为问题的关键所在。对此,吉娜·赖和林南等人(Lai,Lin and Leung,1998)曾做过这样的解释：“由于测量所得的是调查时点上的网络资源,而不是受访者求职时点上的网络资源,因此,很有可能会使人们质疑某人的网络资源是否的确影响了他的地位获得,尤其是对那些更为早期的求职行为而言……但是,我们所关注的是人们的日常社会网(routine network),它是经过一定时期的交往而逐渐建立起来的社会关系。尽管现在还无法判定一种社会关系转化为日常社会网的平均时间,但有理由假定人们的日常网络关系在一定时期内是较为稳定的”。笔者以为,在没有试验/纵向数据和工具变量的情况下,的确很难彻底解决社会网络变量的内生性问题,即便是使用工具变量,我们也无法验证工具变量本身的外生性。因此,本文只能借助于一些补救措施和前提假设。比如,参照谢宇等(Xie and Shauman,1998)提出的选取短期(三年)而不是长期(终身)的论文产出指标,以降低社会网络和职称等变量受早期学术产出影响的可能性；假定人们的日常网络关系在一定时期内是较为稳定的,从而让调查时点的学术网络状况能够代表一定时期内(三年)学术网络的总体情况。然而,无论如何,我们承认本文在统计结果上可能高估了学术社会网络对论文产出的影响,未来的研究应当通过方法上的改进对此做进一步的验证。
注释：
1.利用文献计量学的方法，考察科学家的论文合作关系，是以往关于学术合作研究的主流做法，其最大优势在于资料收集的便利性和可靠性，因为所有正式发表论文及其作者信息都会自动、详细和准确地记录并保存在文献数据库中，研究人员可随时调取使用，无需花费大量人力、物力收集数据。但需要警惕的是，某些名义上的论文合作者很可能并没有对合作研究提供实质性帮助，只是因为学术权威或职位而获得署名。
2.至于为什么会形成同性合作模式，目前大致有两种解释：一方面是因为历史上男性长期习惯形成的同盟关系；另一方面在科学家年富力强的时期，男女之间易于碰撞出感情的火花，科研合作关系和情爱关系之间的尺度难以把握，对科学合作关系的影响或正或负(Long，1990;贾宝余、饶毅，2009)。
3.北京不仅是中国的学术中心，也是各类科技机构的聚集地。此次调查不仅包括了北京市属的地方性科技机构，也包括了中央所属的全国性科技机构。
4.按照中国科协的定义，科技工作者是指直接从事系统性科学和技术知识的生产、发展、传播和应用活动，以及专门从事科技活动管理或为科技活动提供直接服务的人员，主要包括科学研究人员、工程技术人员、农业技术人员、卫生技术人员和自然科学教学人员等五类人员。
5.高校科研人员是科研人员的重要组成部分，更是学术科研活动的主体。据统计，截至2013年底，我国研发人员总量达353.3万人年，其中企业占77.6%，科研机构占10.3%，高校占9.2%，其他占2.9%(中华人民共和国科学技术部，2014：18-19)。但就以论文为代表的“学术性”产出来看，高校的论文产出占到了总量(51.7万篇)的64.0%(中华人民共和国科学技术部，2014：32)。因此，以高校科研人员为样本讨论科研人员的学术产出问题是有代表性的。
6.调查中通过两个渠道获得了这部分样本：一是依托8所高校(2所“985”高校、3所“211”高校、3所普通高校)，在每所高校随机抽取200名自然科学和工程领域的科技工作者(共计1 600名)并发放问卷，最终回收有效问卷1 384份(回收率为86.5%)；二是依托9个北京市自然科学和工程领域的学会，在每个学会随机抽取10个会员单位，每个单位随机抽取20名科技工作者发放问卷，共计抽取1 800名，回收有效问卷1 616人(回收率为89.8%)，其中高校样本404人。在调查中，高校和学会的科协调查站点负责人经过课题组培训后，实施了调查的抽样和问卷发放回收工作。
7.这135人中，男性68人(50.4%)，女性67人(49.6%)，女性比例略高于样本中的比例；与政府、科研院所、外国人的纽带关系与样本差异不大，但与企业的纽带关系略高于样本比例。总之，这些缺失样本与进入模型的样本之间存在一定程度的系统性差异。
8.有研究显示，学术社会网络的影响在很大程度上因科研产出的不同形式而异(Hong and Zhao，2015)。出于分析的简便考虑，避免科研产出形式对分析过程的干扰，本文只考虑学术论文这一种产出形式。未来的研究可以探讨学术网络的性别差异对其他形式科研产出的影响。
9.SCI是《科学引文索引》(Science Citation Index)的简称，是美国科学情报研究所出版的一种世界著名的综合性科技引文检索刊物。EI是《工程索引》(The Engineering Index)的简称，是美国工程信息公司出版的著名工程技术类综合性检索工具。
10.定位法和提名法是目前测量个人中心网的两个主要方法，关于此方法的详细介绍请参见罗家德，2010。
11.对模型alpha值的检验结果也显示应使用负二项回归而非泊松回归。此外，本文的因变量SCI/EI论文量，虽然有389个案例取值为0，占总案例数的28.4%，但对Vuong值的检验结果显示，应使用“标准负二项回归”，拒绝“零膨胀负二项回归”。关于泊松回归、负二项回归和零膨胀负二项回归的区别及Stata的应用，请参考陈强，2014。
12.1/v被称作过度分散参数。var(y)=μ+μ2/v，其中v>0。1/v值越大，过度分散程度越严重(Xie and Shauman，1998)。
13.本文网络结构的性别差异似乎与赵延东、周婵(2011)的发现略有不同。他们的研究发现女性的合作网规模小于男性，但网络结构(年龄异质性、性别异质性和职称异质性)方面似乎优于男性。我们认为，一个重要的原因可能在于他们对“科研合作”的操作化定义是“已经或可能共同发表论文或共同申请专利”，更着眼于已经动员并有结果的网络。这种测量方法与文献计量法比较接近，但与本文的测量方法差异较大。
14.由于之前的简单均值比较(表 2)发现，“非SCI/EI论文”产出并不存在性别差异，因而本部分的回归分析不再关注“非SCI/EI论文”指标，而以SCI/EI论文产出为唯一因变量。
15.谢宇等(Xie and Shauman，1998)指出，Z变量对学术产出的性别差异存在中介作用必须同时满足两个前提条件：一是Z从一个方向影响了学术产出，二是Z又从相反的方向受到性别变量的影响。这两个前提条件在前文已经进行了初步检验。
16.除了报告回归系数b外，本文还报告了发生率比IRR=exp(b)。与回归系数相比，IRR的涵义更容易理解。例如，性别变量的IRR的涵义就是男性和女性SEI/EI论文量的平均数之比。
17.关于在非线性回归模型中能否对嵌套模型的系数进行直接比较，有学者认为，在嵌套模型的系数比较中，当完全模型的系数小于简化模型系数时，直接比较一般会低估减少量(洪岩璧，2005)。针对本文的实际情况，由于模型1、模型2和模型3的性别回归系数呈逐步递减趋势(符合完全模型的系数小于简化模型这一条件)，这意味着我们有可能低估控制变量和网络变量在性别与论文产出关系中的中介效应，也就是说，学术网络的性别差异对科研产出性别差异的影响可能高于我们实际的数据计算结果。
18.在一般线性回归模型(OLS)中，对于两个相互独立的不同子样本模型，统计量$\frac{{{b}_{1i}}-{{b}_{2i}}}{\sqrt{S{{E}^{2}}\left({{b}_{1i}} \right)+S{{E}^{2}}\left({{b}_{2i}} \right)}} $服从标准正态分布。其中，b1i和b2i分别是两个模型同一变量的系数，SE(b1i)和SE(b2i)分别是其标准误。
19.我们同时还构建了性别与学术社会网络变量的交互项，交互项的APE系数同样也未通过p<0.1的显著性水平检验。囿于篇幅限制，具体结果本文不作涉及。
20.事实上，社会网络的科研资源获取机制在本文中并未得到直接的检验。也存在以下这种可能性：与政府官员(以及企业)的纽带关系可能并未有助于科研人员获得科研资源，或者虽然有助于获得科研资源，但这种科研资源并不有助于论文发表。未来的研究需要对此做直接的检验。
21.但这并不意味着与政府官员等行政精英的纽带关系在学术劳动力市场上没有回报。洪伟、赵延东(Hong and Zhao，2015)在测量科研产出时区分了论文、科技奖励和专利等不同形式，发现与政府官员的纽带关系虽然无助于科研人员的论文产出，但有助于他们获得政府主导的科技奖励。
2016, Vol. 36
2)