中國研發人員性別結構分布演變、關聯影響與差異來源
——基于半參數核回歸與Oaxaca分解的研究

王高峰，楊浩東，汪 琛

(中國科學技術大學 人文與社會科學學院，安徽 合肥 230026)

0 引言

“性別無涉”是科學界觀念上的原則共識，然而，科技領域的性別鴻溝問題依舊存在，并持續引發熱議[1-6]。相關數據顯示，經合組織國家中通信技術領域只有20%的新晉科技工作者為女性。美國、歐洲、日本獲工程學位的畢業生中，女性占比均未超過20%[7]。在中國，R&D人員女性占比同樣不足3成。近年來，雖然國內外政府、學界與媒體通過各種方式呼吁給予女性科學家更多支持，政策制定上也由“制度中性”向“傾斜、主流化”等特征轉變[8]，以緩解學術、教育上的性別差異。然而，科研領域中女性研究者“高位缺席”和專業領域內勞動力數量上的性別差異等問題仍然凸顯[9-10]。女性科研人員在論文數量、專利成果及轉化、學術影響力等方面與男性存在較大差異[11-13]，而且存在進一步加劇的傾向。

科學與社會相關研究證明，男女智力高低并不存在絕對的單向關系[2,14]，社會環境對性別差異的影響似乎更具解釋力[9,15-19]。除聚焦于個體層面外，審查宏觀社會因素與現有差異之間的關系十分必要。同時，國家教育體系亦會影響不同性別研發人員的成就、前景和職業態度。有研究指出，雖然不同性別本科數學系學生數量相當，但博士層面差異尤為顯著[20]，即當足夠多的女性獲得博士學位時，性別鴻溝很大程度上會得到彌合。然而，既有研究大多圍繞鴻溝的塑因展開，聚焦于性別因素對企業層面創新產出、績效提升等的影響[21-23]。事實上，科研領域同樣存在性別差異與組織創新績效間的“影響悖論”[22,24,25]。平衡的性別結構可能對團隊凝聚力提升產生積極影響，而性別均衡也可能不利于組織創新績效提升[22,26]。因此，有必要對研發人員性別結構與創新產出之間的關聯進行探討。

綜上可知，創新領域并非“性別中立”(gender neutral)[25]，研發者性別結構會對創新過程產生顯著影響。然而，已有研究較多地集中于微觀領域與企業層面，鮮少對區域研發人員性別結構進行整體考察，致使結論在普適性與系統性方面略有不足。其次，相關研究大多圍繞研發經費投入或成果產出上的性別差異進行陳述，缺乏更加綜合性的效率指標評估。再次，根據時間演進順序，差異源可分為教育體系和外部勞動市場，現階段亦缺乏針對接受教育與工作兩個時期在中國背景下對男女研發人員數量差異的考察。

那么，現階段中國研發人員性別結構分布特征如何？研發人員性別結構與創新存在什么關聯？其分別與創新投入、產出、效率之間存在何種關系？在明確兩者關聯的基礎上，能否從高等教育體系內部對差異形成進行追溯劃分？當前STEM領域研究生性別差異能在多大程度上解釋現有研發人員數量上的性別差異？本文將解答以上問題，以期在推進中國性別差異研究的同時，為創新、教育、人才政策提供參考。

1 研究方法與數據來源

1.1 研究方法

(1)核密度估計法(Kernel Density Estimator)。核密度估計能夠反映變量的分布位置、形態及延展性等特征，通過曲線位置移動反映指標整體水平變動，形態變化則表現出分析對象的趨勢，而延展性則突出其極化程度[27]。核密度法被廣泛運用于空間非均衡分析，本研究選取常用的高斯核函數，分析中國R&D人員性別結構分布的動態演進過程。

(2)GM指數(Global Malmquist Index)。傳統DEA模型大多以決策單元每期的投入產出數據構造前沿面，但參照不同時期下生產前沿所測算得到的全要素生產率缺乏可比性。進一步，Fare(2012)結合產出距離函數，以相鄰時期的Malmquist指數的幾何平均數表征生產率指數(M指數)，然而，學界對M指數的跨期比較傳遞性仍存在質疑，因此，Postor[28]構建包含全局投入產出的生產技術集，并將其與M指數相結合形成全局Malmquist指數法(GM指數)。本文以GM指數法測算區域創新TFP指數，并且考慮到可能存在的數據堆疊問題，選用超效率DEA模型對所有DMU進行相對TFP的錯位排序，作為GM測算的對照和穩健性檢驗。

(3)半參數核回歸法。估計方法大體分為3類，其中，參數估計對模型設定具有較強的假定，可能產生很大的“設定誤差”及“估計偏差”，而非參估計要求的樣本容量較大，且當解釋變量較多時可能面臨“維度的詛咒”[29]。考慮到女性R&D人員這一復合型研究對象，以及創新投入、產出、TFP與R&D人員性別結構之間關聯機制的復雜性，本文使用半參數回歸法分析中國R&D人員女性數量及占比的影響因素。最常見的半參數模型為“部分線性模型”。

(1)

其中，x′代表一系列控制變量，g(zit)為非參數部分，其函數形式未知，vi與λt分別代表個體固定效應、時間固定效應，ui與εi則表示個體異質性截距項和隨機擾動項。對于半參數面板雙向固定效應模型，本文使用Baltagi等[30]提出的序列估計法進行估計，序列估計量采用 Newson(2015)提出的 B 樣條序列估計法。選用R&D女性人員數量和占比作為模型的被解釋變量，將通過GM指數法測算得到的創新TFP指數值納入非參數部分進行分析。

(4)Oaxaca-Blinder分解法。Oaxaca-Blinder分解法依據某一指標將被解釋變量劃分為不同組別，并將這種差異分解為由不同解釋變量帶來的差異，計算各因素對總體差異所作貢獻?；谇拔姆治?，有理由認為我國R&D人員群體的性別差異分別由教育體系內部(STEM領域男性與女性研究生數量差異)和畢業進入勞動力市場以后的其它因素導致。

lnYM=βMXM

(2)

lnYF=βFXF

(3)

其中，YM與YF分別代表區域男性和女性R&D人員數量，XM與XF分別表示中國各地區自然科學領域男性和女性研究生(博士/碩士)數量，βM與βF則為男性和女性研究生數量對現有R&D人員數量的影響系數。進一步，為探究現有教育體系下自然科學領域研究生性別差異對R&D人員性別差異的影響程度，構建如下反事實組(couterfactual group):

lnYK=βMXF

(4)

其中，YK為當女性R&D人員擁有男性研究生對男性R&D人員的供給力度時，女性R&D人員應有的數量。βM(XM-XF)表示可解釋部分，即因男女博士生數量差異而導致的R&D人員數量上的性別差異，其余部分當作其它因素處理?；诖?，R&D人員性別差異可進行如下分解：

lnYM-lnYF=(lnYM-lnYK)+(lnYK-lnYF)

=βM(XM-XF)+(βM-βF)XF

(5)

1.2 指標選取及數據來源

1.2.1 指標選取與說明

(1)創新全要素生產率。創新TFP的測算以投入產出為導向進行數據選取，本文選用R&D人員全時當量作為創新人力資源投入；對于科研資本投入，考慮到研發經費投入的累積性以及經費投入中存在勞務費、原材料費等流量性損耗，因此，根據永續盤存法對R&D資本存量進行估計，并采用較高的 20.6%作為科研資本折舊率[31]。對于區域創新產出，兼顧知識性產出與技術性產出，選擇發表的科技論文數量與專利申請數兩項指標。同時，以反映創新成果商業化水平的技術市場成交額作為產出的第3項指標。

(2)其它變量。以各地區男、女性R&D人員數量(scale_female)表征女性研發人員規模，以R&D人員女性占比(prop_female)表示各地區研發人員性別結構。同時，考慮到社會經濟因素與性別不平等程度皆可能影響地區R&D人員性別結構，以社會經濟發展(國內生產總值)、產業結構(第三產業增加值占GDP比重)、對外貿易(外商投資企業進出口額占GDP比重)、居民收入(城鎮單位就業人員平均工資)等作為社會經濟因素層面的控制變量。并且，將婚姻狀況(15歲以上未婚人口性別比)、受教育狀況(15歲以上文盲性別比)、總人口性別狀況(地區人口性別比)等性別差異指標作為變量加以控制。

1.2.2 數據來源與處理

本文選取的數據主要來自《中國科技統計年鑒》和國家統計局、教育部官網公布的我國內地30個省份(西藏因數據不全，未納入統計)歷年數據。為剔除價格變動帶來的影響，國內生產總值以2011年為基期，采用地區生產總值指數進行平減，就業人員平均工資使用城鎮單位就業人員平均貨幣工資指數進行平減，R&D經費內部支出使用固定資產投資價格指數進行平減，外商投資企業進出口總額通過人民幣—美元匯率調整為統一貨幣度量，所有變量皆作對數處理。需要說明的是，2015年15歲及以上男、女性未婚數和文盲數為1%人口抽樣調查樣本數據，其它年份為1%人口變動調查樣本數據。考慮到現有數據庫中缺乏分學科的男女研究生數量統計，因此，本文通過兩種不同方式對我國各地區STEM領域男、女研究生數量進行估計。

方式一：目前教育部官網中僅有各地區研究生初始數據，因此，以全國研究生性別比代指各地區研究生性別比，由此得到各地區男、女研究生數量Q1與Q2。進一步，以理、工、農、醫各學科研究生數量之和與研究生總量之比作為STEM領域學生數量占比，令其為C，將此比值與Q1和Q2分別相乘，最終得到各地區STEM領域下男女研究生數量。

方式二：以各地區研究生數作為初始數據，以理、工、農、醫各個專業研究生數與全國研究生數量的比值作為各個學科占比，令其為S1、S2、S3、S4。通過各個學科占比，進一步得到各個地區理、工、農、醫博士生數量。最后，通過國內校招平臺梧桐果出版的《中國校園招聘藍皮書(2018秋招)》得到各個專業畢業生男女性別比例，將此比例分別與地區內各個專業研究生數量相乘，最終得到需要的結果。相比而言，方式一忽略了自然科學領域內部的男女比例，方式二忽略了各專業性別結構在時間及受教育程度上的變動，并且二者皆忽略了省際之間的異質性。因此，本研究采用兩種方式相互參照，作為彼此的穩健性檢驗。

2 區域創新發展與R&D人員性別結構演變

繪制三大創新主體內研發人員性別結構及區域創新TFP核密度圖，對區域創新發展及R&D群體性別結構分布進行動態分析。

中國R&D人員女性數量和占比的分布曲線位于圖1的上半部分。首先，企業R&D女性占比相對較低，不超過25%，而研究機構與高校分別占比分別處于0.3～0.35以及0.4～0.45之間。女性R&D人員因家庭、生育因素，在企業內部競爭激烈的背景下，聘用率較低的狀況長期存在，而自2011年科技部頒布《關于加強女性科技人才隊伍建設的意見》以來，高校、研發機構內女性占比呈持續走高態勢，其中，高校女性研發人員占比于2017年超過經合組織平均水平。此外，高校分布曲線于2019年發生左移，主要原因在于當年各地區皆存在高校大幅增員現象。同時，三大創新主體皆存在拖尾現象，意味著R&D性別結構差異在區域間存在極化傾向。

圖1 區域創新TFP指數與R&D人員性別結構核密度分布

對區域研發人員女性占比進行排序可知，性別結構相對平衡的省份包含北京這樣的發達地區，這可以從相對公平的聘用機制以及更大壓力的角度進行解釋[32]。同時，包含新疆、寧夏、云南、廣西、內蒙古等地區，反映出在經濟相對欠發達的地區，更小的就業壓力更有利于女性科研人員在工作中的任用。在性別結構失衡端，包含安徽、湖北、河南等人口大省，其性別結構受到傳統文化、就業市場的雙重影響，同時，包含青海等較欠發達省份。這與跨國比對研究結論存在不同，Lindahl[33]指出，雖然北歐系國家是區域性別指數水平最高的國家，但科研領域的性別結構問題仍然存在?？傊啾冉洕l展較為落后的地區，發達地區相對開放的文化環境與公平的教育、就業體系對R&D人員性別結構平衡起著更為顯著的“兜底”作用。

創新TFP指數位于圖1的下半部分，對比TFP、EC、TC分布曲線變動可知，研發全要素生產率指數整體呈上升態勢，且與技術進步指數位移變化存在耦合，即更多地受到技術進步變化的影響。然而，反映創新資源投入量適宜度的規模效率指數無法區分經費投入和人力投入，更不能對創新人力投入性別結構合理性進行評估。因此，有必要對區域創新發展與R&D人員性別結構的關系作進一步探究。

3 區域創新發展與R&D人員性別結構的關系

對中國R&D人員性別結構與創新發展的關聯性進行探究，構建半參數雙向固定效應模型。將創新發展劃分為創新投入產出和創新TFP兩大類型。以R&D經費投入強度作為創新投入指標，以專利申請數、授權數作為產出指標。其與女性人員數占比的非線性關系如圖2所示，各創新指標與女性R&D人員數量皆呈正相關關系。然而，從對R&D人員女性占比影響的結果來看，經費投入強度越高的地區，研發人員女性占比越低。同樣的結果出現在Velichova報告中，Zunaza[34]利用歐盟國家數據進一步證實了研發投入上的性別差異。雖然無法判斷兩者之間存在因果關系，但無論是壓力更小的地區更有利于吸引女性研發人員(壓力較小的地區R&D經費投入強度相對較低)，還是過于平衡的性別結構導致成果產出低下，進而影響地區研發經費再投入，都說明創新投入強度與R&D人員女性占比存在顯著負相關關系，且該路徑依賴性可能進一步增強。

圖2 創新投入、產出與女性R&D人員占比半參數擬合

從創新產出端進行考察，女性占比與專利權數量之間存在先倒U后正U的關系，與申請量存在邊際遞減的正相關關系。結果表明，產出較低并非部分地區科研人員女性占比較高而所獲經費支持較少的主要原因。并且，盡管仍然無法明晰究竟是專利審核過程中存在“性別偏見”，還是女性R&D人員申請的專利項目質量無法得到審核人認可，但可以明確的是，相比創新產出，在創新投入端有更為顯著的“性別偏見”，存在宏觀視角下的瑪蒂爾達效應(Matilda effect)。

為進一步驗證前文結論，基于GM技術及超效率DEA對創新TFP指數的測算結果，將其納入非參部分進行分析。從圖3結果來看，相較創新投入產出，創新TFP指數與女性R&D人員占比之間的關系較為模糊。在回歸過程中得到被解釋變量對創新TFP指數的擬合值G，求得G對非參部分的偏導數，結果如表1所示。

圖3 創新TFP指數與女性R&D人員占比半參數擬合

從結果來看，R&D經費投入強度、專利申請量與前文分析相符。考慮到女性R&D人員隸屬于創新人力投入，其數值的上升勢必增加投入冗余從而造成TFP下降，因此，重點關注R&D人員性別結構與創新TFP指數之間的關系。由表1可知，在全要素生產率指數較高的地區，R&D人員性別結構更加均衡，雖然群體多樣性可能從凝聚力、決策質量等方面對創新績效產生負面影響[22-23，26]，但不同思維模式及信息獲取渠道下產生的知識、想法對于團隊創新產出、企業績效提升具有積極影響[20-21，24]。由相對技術進步TFP指數可知，在綜合管理TFP指數更高的地區，R&D人員性別結構更平衡，這也意味著研發人員性別結構平衡有助于在創新過程中對資源進行更合理的投入配置。女性可能因比男性更加厭惡風險而致使大家對其形成更加刻板的印象[4]，但一些證據表明商業領域的女性管理者與投資不足并不存在聯系[35]。同樣，TFP指數表明，在性別結構較為平衡的地區，科研項目的決策、執行過程更加合理。

表1 擬合值對創新TFP指數的偏導數

4 R&D人員性別數量差異來源分解

Han[1]研究指出，差異源包括文化影響下國家高等教育體系內部存在的不平等，帶有刻板印象的觀念與教育方式很大程度上造成科研領域專業上的性別鴻溝[1,2,5]。本文聚焦于STEM領域研究生性別差異能在多大程度解釋研發人員數量上的性別差異這一問題，運用Oaxaca法進行差異分解。

對于基準組，已有文獻大多建議選用男性或者男女混合樣本(pooled)?；谌髣撔轮黧w，以博士生性別數量差異作為主要解釋變量，同時，對兩個基準組進行分解，以此提高結論的穩健性。

從分解結果看，高校、研發機構、企業內R&D人員性別數量差異分別達到0.342、0.689和1.242，這也與三大創新主體女性所占比例相互印證。博士研究生性別數量差異對于三大主體R&D人員性別數量差異的解釋力度，高校、研發機構、企業由高到低呈階梯狀分布，分別達到0.705、0.379、0.261。這也意味著高校R&D人員的性別差異很大程度上受博士畢業生性別差異影響，差異的根源更多來自高等教育系統內部。受傳統性別觀念、偏好差異等因素的影響，高等教育中長期存在學科專業的性別鴻溝[3，5，36]。以方式二獲取的STEM領域各地區男女性別數量指標進行穩健性檢驗，博士畢業生數量性別差異依然可以解釋70%的高校R&D人員數量性別差異。博士生差異對研發機構和企業的解釋力不高，主要原因在于相比本科、碩士研究生，博士研究生的就業選擇更傾向于高校，選擇高等院校就職的比例高達60%，而至少70%碩士研究生畢業后就職于企業。因此，采用同樣的方式，以碩士研究生畢業數作為性別差異的主要解釋變量進行分解，結果如表3所示?？紤]到三大創新主體之間性別結構不平衡，以及碩士研究生就業傾向于企業，因此，高校、研究機構樣本中的Oaxaca分解結果可能存在過度解釋的現象，但可以明確的是，來源于教育體系內部的性別數量不平衡，可以解釋至少5成企業內R&D人員數量上的性別不平衡。第(4)、(5)列分別表示運用方式一、二得出的博士畢業生指標對整體數量性別差異的Oaxaca分解，結果顯示整體解釋力度較低，而選用碩士研究生作為主要解釋指標的分解結果見第(6)列，解釋力可以達到63.6%。

表2 以博士研究生性別差異作為解釋變量的Oaxaca-Blinder分解

表3 以碩士研究生性別差異作為解釋指標的Oaxaca-Blinder分解比對

綜合考慮，博士畢業生在就業傾向上更多地選擇研發機構和高校，因此，該指標對于高校內R&D人員數量上的性別差異具有更高的解釋力。而碩士畢業生既包含部分博士深造群體，同時更多地就職于企業。因此，碩士指標對于整體及企業內部性別數量差異的解釋相對更具合理性。最后，對高校、企業內差異來源進行時間上的考察，依時間線劃分為2013-2016、2014-2018、2016-2019年3個子樣本。結果表明，無論高校還是企業，R&D人員數量上的性別差異皆有縮小趨勢。高校內R&D人員差異從0.372下降至0.299，企業指標則從1.266下降至1.212，并且，高校內部差異減小(降幅20%)的程度高于企業(降幅4%)。從差異來源占比變化看，男性與女性研發人員數量上的不均衡越來越由研究生數量上的性別差異所主導，這也意味著要使R&D人員性別結構更平衡，則應從高等教育體系源頭審視學科上的性別鴻溝。

5 主要結論、政策啟示與研究展望

5.1 研究結論與討論

本文使用30個省份面板數據，運用核密度估計、超效率GM指數、半參數核回歸及Oaxaca分解法，探究我國省域創新發展與R&D人員性別結構的區域分布演進、關聯影響、差異程度及差異來源，得到主要結論與啟示如下：

(1)高校、研發機構研發人員性別結構優于企業，欠發達地區兩極分化，發達地區下限更高。一方面，高校、研發機構、企業R&D人員女性占比由高到低呈階梯狀分布，相比企業，高校和研發機構女性研發人員占比上升更顯著。尤其在經合組織公布的經濟體排名中，企業研發人員女性占比排名甚至有所下降，這種現象可能與高校院所及技術企業所處競爭環境以及人事體制差異相關。另一方面，省域分布上，女性研發人員占比較高的地區既包含新疆、寧夏等發展較為落后的省份，也包括北京這樣的經濟發達地區。然而，在性別結構非平衡端排名前列的大多為相對欠發達地區。由此可見，區域基于自身社會經濟發展水平展開“搶人大戰”，經濟發達地區大多科技人才基數增大，性別比例趨向均衡，即經濟發展對區域研發性別結構的“兜底”作用較為顯著。

(2)創新投入、產出與R&D人員性別結構呈非對稱關系，創新TFP指數越高的地區，性別結構相對越平衡。R&D經費投入強度越高的地區，女性研發人員占比越低，反映我國省域視角下經費資助上的性別差異。并且，在專利申請量越高的地區，女性R&D人員占比越高，基于創新投入、產出端的對比進一步表明，兩者與R&D人員性別結構之間存在非對稱關系，研發領域存在顯著的瑪蒂爾達效應。最后，創新TFP指數與R&D女性人員占比的半參回歸結果表明，研發人員女性占比與創新全要素生產率指數呈正相關關系，這也證實區域性別結構平衡的正向機制占據主導。此外，指數分解表明，性別結構平衡亦可促使綜合管理TFP指數提升。

(3)R&D人員數量上的性別差異很大程度上受高等教育體系內研究生數量差異的影響，且解釋力隨著時間不斷增強。STEM領域內，研究生整體數量上的性別差異可以解釋R&D人員性別數量差異的60%以上。對于不同創新主體，碩士指標可以解釋5成以上的企業內R&D人員性別數量差異，而博士指標可以解釋7成以上的高校內R&D人員性別數量差異。這表明高等教育體系內研發人員供給上的性別差異，對于解釋現行科研性別結構失衡，具有更為重要的作用。并且，從時間趨勢上看，性別差異程度有所縮小，同時，研究生數量上的性別差異對R&D人員性別數量差異的解釋力隨著時間演變逐漸增強。這意味著，我國研究型人才培育體系建設在創新體系性別比例優化方面已見成效，同時，從教育體系內部尋求緩解差異途徑的目標指向性愈發明顯。

5.2 政策啟示

(1)消除現有投入激勵下的性別偏見，激發性別結構平衡對創新全要素生產率提升的正向推動作用。省際研發人員性別結構平衡對創新全要素生產率指數、綜合管理效率水平的提高具有積極影響，這為改善創新投入、產出端性別非對稱關系提供了有利的證據與動機。更為合理的性別結構可使研發團隊在研究主題、方法上呈現不同特點，并且在項目管理、科研資源配置上更為審慎。因此，即使僅考慮R&D性別結構優化與創新TFP之間的正向關系，也應在創新政策上給予不同性別研發者更為公平的激勵機制，進一步激發女性研發人員智慧與活力，為我國創新發展提供新的潛在發展動能。

(2)重視企業研發人員性別結構，對人口較多、經濟發展較落后地區科研性別結構平衡提供保障機制。相比高校、研發機構，企業研發人員女性占比較低，并且在OECD經濟體中的排名較之前有所下降。因此，應提高對企業內部研發團隊性別結構失衡問題的重視程度。在具體政策實施層面，提倡開展政策試點，對實行“陪產假”的企業給予補貼，為女性減壓，也是為男性減壓，長期來看，亦可提高生育需求、延緩老齡化趨勢，對于解決勞動力市場問題存在“連鎖性”的積極影響。此外，應對安徽、河南、青海等性別結構失衡較為嚴重的地區予以重視，在識別失衡原因的基礎上，完善女性科研人員相關保障機制。

(3)從教育體系內部挖掘研發人員性別鴻溝的原因，針對不同創新主體制定差異化性別結構調節政策。一方面，男性與女性R&D人員數量上的差異約有6成源于高等教育體系，并且近年來進一步加劇。從本科生到碩士生再到博士生，受到自身與外界因素的影響，STEM領域內性別數量上的差異存在不斷擴大趨勢。因此，政策制定在考慮如何吸引女性更多地就讀于STEM專業、留住相關專業研究生的同時，亦需基于企業、研發機構、高校研發人員的來源異質性，分別有所側重。此外，教育體系應在日常教學過程中消除性別偏見，考慮到習以為常的習慣及心理暗示可能導致男女在本該表現相當的領域出現成績差異[9]，可從基礎教育開始注重對教材與教師的整改和培訓，并加強對女性科學家精神的弘揚。

5.3 研究展望

總體而言，本研究還存在一些局限性。首先，本文雖然探討了研發人員性別結構與區域創新發展的關聯性，但兩者間因果關系有待在微觀層面進行驗證，條件允許時可采用準自然、隨機試驗的方式對研發團隊進行考察。對于研究范圍，亦可擴展至國際比對，并且考慮更具針對性的指標，如在性別差異指數(Gender Gap Index，GGI)和性別平等指數(Gender Equity Index，GEI)的基礎上，依據OECD設立的社會制度和性別指數(Social Institution and Gender Index,SIGI)進行系統比對。最后，本文強調了高等教育體系內部差異源，未來可在此基礎上從研究生成長過程中的學術網絡、導師差異等維度展開評估。在研發職位市場競爭激烈的當下，女性科研人員承擔的家庭、社會壓力日趨增加，因此，對于研發人員性別結構的研究有待進一步跟蹤和細化。