基于履歷信息的中國高被引社科人才成長研究

周緒東

（濟南大學商學院，山東 濟南 250002）

一、引言

人才是第一戰略資源。進入新世紀，我國實施了人才強國戰略，國家對于高層次人才的需求日益迫切。習總書記曾經在哲學社會科學工作座談會中講到,哲學社會科學是人們認識世界、改造世界的重要工具,是推動歷史發展和社會進步的重要力量,其發展水平反映了一個民族的思維能力、精神品格、文明素質,體現了一個國家的綜合國力和國際競爭力。所以我們不僅僅要重視自然科學領域人才的培養，同樣不能忽略社科領域人才所起到的作用。因此對中國高被引社科學者職業成長軌跡進行研究就有了實踐意義。

二、文獻綜述

杰出人才是各國競相爭奪的戰略性資源，所以促進人才的成長與發展就成為了一項國際性的研究課題。美國社會學家朱克曼對諾貝爾獎獲得者的家庭背景、求學經歷和工作經歷等情況進行了深入分析，揭示了這類杰出科學家成長的一般規律[1]。國內對人才成長的研究也取得了一定的理論成果如李峰和吳蝶則搜集了1998-2015年間的1322 名長江學者的教育背景信息，探索了多樣化教育背景對高層次科技人才成長的影響[2]。

上述的研究都很注重對科研人員履歷信息的收集，這是因為科技人員的履歷包含了很多關鍵信息，如教育背景、年齡、獲得職稱的時間，基本上可以認為是科研人員的個人歷史寫照。如楊芳娟等選取中國高被引學者為研究樣本，收集其個人履歷信息和科研產出信息進行履歷分析，發現學者跨國流動對其建立國際合作關系和提升科研生產力都有顯著作用[3]。

總結過往的研究可以發現，大多數基于履歷分析的人才成長研究都無法從時間角度進行動態變化趨勢的觀察，也不能有效處理人才履歷數據中的刪失數據。而生存分析法是一種研究生存現象的生存時間和影響因素之間關系的統計方法，其優勢之一就是能處理刪失數據。國內有使用生存分析法對人才履歷進行研究的學者，如田瑞強等收集了ESI 高被引作者庫中的233 名華人科學家的履歷信息，采用生存分析法研究了各種因素對學者職業生涯發展的影響[4]。本文將采用生存分析法動態分析中國高被引社科學者的履歷信息，探討不同因素在人才成長中對其生存風險的影響作用，為我國社科領域人才的培養提供參考信息。

三、數據與方法

（一）數據收集

本文以Elsevier 在2019年公布的中國高被引學者名單為對象，從中挑選出經濟，經濟計量學和金融、商業，管理和會計、社會科學三個領域的學者作為本次研究的人才名單。其次，通過網絡采集履歷信息，包括基本信息（姓名，性別），教育經歷（博士畢業時間，本、碩、博畢業院校，留學訪學經歷、教育背景是否多樣化），工作經歷（博士后經歷，晉升為副教授，教授的時間，現任就職單位，博士畢業后第一份就職單位屬性），并且通過其他網站信息進行多次核對以保證信息準確性。通過上述過程收集到104 份中國學者的履歷信息，對其進行深度編碼，如男性編碼為0，女性編碼為1，為生存分析做準備。

（二）生存分析方法的選擇及應用

本研究中筆者關注的是學者高等教育背景因素對學者晉升為教授的風險率的影響。相應的，本研究的起始事件為學者博士畢業的時間，終點事件就是學者晉升為教授（或與之同級別職稱）的時間。調查截止時仍未發生終點事件的數據或調查缺失的數據為刪失數據。定義是否晉升教授（或與之同級別職稱）為生存狀態變量，有兩個水平：0-晉升為教授，1-未能晉升為教授。生存時間為學者自取得博士學位的時間至晉升為教授（或與之同級別職稱）所經歷的時間，實現的工具是IBM SPSS 26。

四、數據分析

（一）樣本統計

目前數據庫有104位中國高被引社科人才的基本信息，其中男性93名，占比89.4%，女性10 名，僅僅占比9.6%，剩余一位學者的性別信息未得到。除去沒有調查到信息的刪失數據，剩余的學者都在高校任職，從事教學和科學研究。數據庫中一共有89 條數據被登記為教授（或與之同級別職稱），占比85.6%，有15 條刪失數據，占比14.4%。

（二）Kaplan-Meier 分析

生存函數（Survival distribution function）又叫累積生存率，表達式為S（t）=P(T>t),其中T 為生存時間，該函數的意義是生存時間大于時間點t的概率。t=0 時S(t)=1，隨著t的增加S(t)遞減（嚴格的說是不增）。生存分析的主要目的是估計生存函數，最常用的方法就是Kaplan-Meier 法。對于是否晉升教授來說，生存函數表示經過某段時間 T 還未進入這種職業狀態的個體的比例。研究開始時生存函數值為1，表示還沒有人晉升為教授。

首先采用Kaplan-Meier 法比較學者教育背景對學者晉升為教授的影響。研究結果見圖一。

圖一 教育背景影響下的生存函數

生存分析函數圖中的曲線在下方表示更好。由于生存函數表示經過某段時間 T 還未晉升教授的個體比例，所以對每一個時間T 而言，越在下方的曲線表示風險率更高，即生存時間越短，也就是說能更快的晉升為教授。圖一可以看出教育背景多樣化的曲線整體都在教育背景單一化曲線的下方，表示教育背景多樣化的學者能夠更快的晉升為教授。同時，研究結果顯示 χ2 分布中的 Log Rank 檢驗 P 值為0.072，在顯著性0.1的水平上顯著，表明兩組函數之間存在顯著性差異。

（三）Cox 比例風險回歸分析

Kaplan-Meier 法是單變量分析，在做單變量分析時，模型只描述了該單變量和生存之間的關系而忽略其他變量的影響，而Cox 比例風險回歸模型根據對生存時間有影響的因素建立回歸模型，并由此預測風險率。本研究為了進一步確定還有哪些因素對學者的晉升產生影響以及影響程度如何，利用Cox 比例風險回歸模型對其做分析，考察各個因素的影響效果。參考以往研究，確定其影響因素包括獲得博士學位的國別（美國、中國），性別，教育背景，博士畢業后的第一份工作的性質（高校、研究所、產業界）和任職單位種類（國外高校，985 高校，211 高校，一般高校），由此建立人才成長的生存函數。

Cox 檢驗發現，模型總體上具有顯著性（P<0.05）。如表1 所示，因子是否在中國獲得博士學位對生存風險具有顯著影響，該因子的顯著性水平為0.042（P<0.05），該因子可以提高學者晉升為教授的風險率。學者的任職單位種類對學者的晉升生存風險具有顯著作用。學者的任職單位為985 高校（因子任職單位（2））相比普通高校對學者的晉升生存風險具有降低作用，顯著性水平為0.016（P<0.05）。學者的任職單位為國外高校（因子任職單位（3））相比普通高校學者的晉升生存風險具有降低作用，顯著性水平為0.002（P<0.05）。綜上所述，只有因子是否在中國獲得博士學位和任職單位種類對學者的晉升生存風險率具有統計顯著性，其他因子對生存風險函數的影響并不顯著。

表1 Cox 風險回歸結果

五、研究結論與啟示

（一）結論

本研究選取了Elsevier 在2019年公布的中國高被引社科學者名單為研究對象，通過Kaplan-Meier法探討了學者的教育背景對學者晉升的影響，采用生存曲線描述了這個過程的風險率。研究發現高等教育背景多樣化培養下的學者能夠以較明顯的優勢和較快的速度獲得高級職稱，而單一化的高等教育背景對于學者的成長則具有顯著延緩作用。

通過Cox 回歸發現，是否在中國獲得博士學位對學者的職業成長有著顯著性作用，不在中國獲得博士學位的學者具有更高的生存風險率，即不是中國博士的學者能更快獲得教授職稱。最后，學者任職單位的種類對于學者的晉升具有顯著影響。

（二）啟示

本研究對社科人才的培養和管理具有如下的啟示：1.建立多元培養機制。政府部門要構建高校與高校之間的多元化培養模式，打通交流壁壘，為學術交流和人才培養提供多層次多方面的幫助與支持。2.加強國際化交流與合作。積極申請國外留學，開展豐富多彩的國際交流，有助于開拓學者的國際化視野，增強對國際前沿學術領域動態的感知力，有助于提升學者的科研創新能力。3.優化人才流動機制。教育部門要提高監測能力與管理能力，高被引學者作為科研領域中的一種重要人才資源，必須進行有序的流動，實現人才資源的合理配置，創造更多的學術研究成果。