读博能逆天改命吗? 首次因果证据: 不能

凡是搞计量经济的，都关注这个号了

邮箱：econometrics666@126.com

所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

Stansbury, Anna, and Kyra Rodriguez, 2024. The class gap in career progression: Evidence from us academia. Working Paper

这是一个悲伤的故事，但更是现实，读博并不能逆天改命，读博也不能帮你跨越家庭背景背后的阶层差距。

简要介绍：

本文以美国学术界的终身教职为例，深入探讨了社会经济背景在精英职业发展中扮演的关键角色。选择学术界作为研究领域具有重要意义，因为教授的背景对其研究和教学活动可能产生深远影响。尤为重要的是，终身教职的学术界为定量分析社会经济背景对精英职业发展的影响提供了一个独特的研究环境：（i）不同院校的招聘和晋升流程较为规范，如终身教职的申请和评定；（ii）研究产出可以被量化，例如通过科研成果的相关数据；（iii）不同院校的职位质量也可以被量化，比如通过研究强度或学术排名来衡量。通过分析终身教职学术界的阶层差异，可以揭示在其他精英职业中可能存在的类似阶层差异的机制。实际上，终身教职学术界可能只是问题的表象：在其他精英职业领域，当生产力难以衡量、晋升不仅仅基于绩效，以及精英客户或同事间的网络关系更为显著时，社会经济背景的作用可能会更加突出。

本文的数据基础是“国家科学基金会博士受访者调查”（NSF Survey of Doctorate Recipients），这是一项包含美国博士毕业生的广泛调查。在本研究中，以父母的教育水平作为衡量社会经济地位的指标，特别关注第一代大学生与那些父母拥有研究生学位的人群之间的“阶层差异”。

本研究的核心发现揭示了一个现象：与同校毕业的博士生相比，那些来自较弱势背景的博士生在获得研究型职位或在高排名院校获得终身教职方面遇到了更多困难。例如，即便在考虑了博士毕业院校和学科的固定效应后，第一代大学生获得R1类研究型大学终身教职的机会仍然比那些父母拥有研究生学历的人低13%。在那些获得了排名靠前的终身教职的博士毕业生中，第一代大学生所在的学校平均排名低了9%。值得注意的是，通过控制博士毕业院校和学科的固定效应，本研究有效地对同一博士项目毕业生的情况进行比较。此外，本研究的所有分析还纳入了性别、种族/民族和出生地区的固定效应，从而将社会经济背景的影响与其他相关的人口统计特征区分开来。

是什么造成了终身教职中的阶层差异？ 在第4节中，探讨了三种可能的原因：研究生产力、个人偏好和歧视。

首先，探讨了研究生产力。那些来自较低社会经济背景（SEB）的学者，如果他们在研究成果的数量或质量上不尽如人意，可能的原因之一是他们在研究上投入的时间有限，或者缺乏发展研究技能所需的适当指导。通过结合2015年的SDR数据、Web of Science和NSF奖项数据，评估了在控制住研究产出和质量（包括发表的论文、引用次数、期刊影响因子、作者位置与贡献以及NSF奖项）等专业因素后，阶层差异的影响。研究结果表明，即便在考虑了研究生产力之后，这些因素也只能解释终身教职机构排名中阶层差异的大约三分之一，而在解释获得终身教职比例差异方面，其贡献甚至不到十分之一。因此，研究生产力的差异并不能完全解释阶层差异：第一代大学生在研究产出预测的机构排名中往往被低估，即他们更有可能被安排在排名较低的机构。

接下来，探讨了个人偏好对职业选择的影响。由于不同的偏好或生活限制，那些来自较低社会经济背景（SEB）的学者可能会倾向于选择在排名较低或研究强度较弱的机构工作。例如，他们可能为了与家人或社区保持紧密联系而放弃更有声望的工作机会，或者因为经济压力而优先选择薪资较高的职位，或者出于家庭责任的考虑而做出相应的选择，或者更倾向于加入那些社会责任感更强的机构。尽管我们在数据分析中尽可能地考虑了这些因素，但并未发现强有力的证据表明这些因素在实际中发挥了显著的作用。

最后，聚焦于歧视问题。依据Bohren等（2023）的定义，歧视被理解为“在其他条件相同的情况下，不同群体间的差异”。在本研究的背景下，当控制了研究生产力和个人偏好这两个因素后，阶层差异的存在似乎暗示了歧视的可能性。对低社会经济地位（SEB）学者的系统性歧视可能源于他们缺乏社会或文化资本，这使得他们在构建有价值的职业网络方面面临困难，进而影响到推荐信、终身教职评审信、指导和支持的质量。而直接歧视可能源自于在以精英为主的环境里对“适配性”的过度关注。通过分析合著者网络和美国国家科学基金会（NSF）奖项数据，发现了与系统性和/或直接歧视相一致的证据。

首先，发现学者在建立职业网络时所面临的挑战：（i）来自低SEB的学者合作者数量较少；（ii）合作者之间存在同质性，即低SEB学者的合作者更可能同样来自低SEB背景，这种趋势超出了其他特征所能解释的范围；（iii）低SEB学者的合作者的发表记录相较于根据其他特征（包括博士毕业院校和雇主机构）所预测的要差。这些迹象表明，在跨越社会经济背景构建职业网络时存在障碍，并且在与高产出个体建立联系时也会遇到类似的难题。尽管这些证据源自合作者网络，但很可能在与潜在导师或推荐信作者建立关系的过程中也存在类似的障碍。

其次，在对NSF奖项进行分析时，发现低SEB学者获得的NSF奖项数量比根据其所属机构、资历、研究记录和先前的NSF奖项获得情况所预测的要少11%。这表明低SEB学者在成功获得资助方面面临着与个人生产力无关的障碍。

阶层差异是否仅限于学术界的终身教职？ 第5节的研究将视角扩展到了进入工业界的博士群体。研究结果揭示了职业发展中阶层差异的明显迹象：（i）在控制了基准固定效应之后，随着工作经验的增加，薪酬差距逐渐扩大，显示出显著的阶层薪酬差异；（ii）在工作满意度方面，也存在阶层差异，尤其是在责任和晋升机会上的不满更为明显；（iii）在管理职位的担任以及职业生涯中所监督的人数上，同样可以观察到阶层差异。这些发现表明，终身教职学术界并不是阶层差异的唯一领域。私营行业的博士们同样面临着职业发展的阶层差异，这意味着，美国其他精英职业领域可能同样存在这一现象。

数据

本文依托的数据是美国国家科学基金会（NSF）开展的博士获得者调查（Survey of Doctorate Recipients，简称SDR）。SDR是一项每两年进行一次的调查，其对象是美国高校中获得科学、社会科学、工程或健康领域博士学位的代表性人群。SDR与NSF的另一项年度调查——博士学位获得者调查（Survey of Earned Doctorates，简称SED）相得益彰，后者涵盖了在特定年份内获得美国研究型博士学位的所有个人。通过SDR，本文收集了受访者的就业信息，包括就业部门、薪资水平以及学术界工作者的雇主机构和职位类型，并针对这些信息进行了适当的调整，使之更符合中文的表达习惯，读起来更加流畅、易懂。同时，本文也通过SED收集了受访者父母的教育背景、其他人口统计特征、博士学科领域和毕业院校等信息。为了深入研究科研产出，本文特别将2015年的SDR数据与Web of Science的文献计量数据库以及NSF提供的所有项目资助数据进行了匹配分析。

在进行大多数分析时，本文使用了1993至2021年间的SDR数据，覆盖了共14个调查周期。从1993年到2013年，每个周期大约有3万名受访者参与；而从2015年到2021年，每个周期的受访者数量增加到了8万名。平均来看，每位受访者参与了4个不同的调查周期。鉴于本文的分析融合了多个周期的数据，因此在个体层面上对标准误差进行了聚类处理。在所有主要分析中，本文依据NSF提供的调查权重对结果进行了加权处理。此外，本文的研究样本仅限于居住在美国的受访者。

社会经济背景的衡量

本文旨在评估社会经济背景对个人职业发展的影响。为此，选择了父母或监护人中教育水平最高者作为衡量社会经济地位的指标，并将其划分为四个层次：（i）未获得四年制大学学位的“第一代大学生”；（ii）已获得四年制大学学位；（iii）获得硕士研究生学位；以及（iv）获得博士学位。本研究并未特别聚焦于父母拥有博士学位的群体，原因在于我们旨在评估广泛的社会经济优势如何影响职业成果，而父母拥有博士学位可能会带来特定于学术领域的偏好、知识和资源。因此，尽管本文对这四个不同教育背景的家庭进行了比较分析，但研究的重点是第一代大学生与父母拥有硕士研究生学位者之间的差异，这两个群体在本文中分别代表了社会经济地位的最低端和最高端。

父母教育水平是衡量社会经济背景的三个常用指标之一，另外两个指标是家庭收入和父母的职业。遗憾的是，后两个指标在本文的数据集中无法获取。尽管如此，父母教育水平是一个有效的社会经济背景指标，因为它不仅是家庭收入的重要预测因素，而且能够为学生提供对精英职业机会的深刻洞察，以及成功进入这些领域所需的策略和知识。

实证分析

这三个因变量具体包括：（i）是否获得终身教职，这是一个二元变量，获得终身教职的受访者被标记为1，未获得的被标记为0；（ii）是否在R1类学校获得终身教职，同样是一个二元变量，获得R1类学校终身教职的受访者被标记为1，未获得的被标记为0；（iii）终身教职所在学校的排名（以对数形式表示），这一排名基于USNWR的最新研究生项目排名，且仅限于受访者获得博士学位的学科领域内。对于前两个因变量，研究样本包括了所有在职人员，无论是在非终身教职学术岗位、行业或政府工作的人员；而对于第三个因变量，样本则仅包括那些在有排名的学术机构中获得终身教职的个体。

在进行所有回归分析时，本文纳入了博士学科领域、博士院校、调查年份、博士学位获得年限、博士学位获得年份（每5年为一个分组）、出生地区、性别和种族/民族等固定效应（Xi）。这些固定效应被统称为基准固定效应，并在所有分析中被采用。特别需要指出的是，通过控制博士学科领域和院校的固定效应，可以消除不同院校或学科领域间社会经济背景与终身教职的差异，从而在相似的博士项目背景下，对获得博士学位的个体进行比较（在稳健性检验中，本文还额外控制了博士项目的固定效应）。

主要结果

表1和图1展示了本研究的核心发现。研究特别比较了第一代大学生（即父母没有获得四年制大学学位的毕业生，标记为“Less than college”）与父母拥有硕士及以上学位的个体。

在控制了基准固定效应之后，发现第一代大学生与父母拥有硕士及以上学位的个体在获得终身教职的概率上并没有显著的统计学差异（参见表1的第一列）。具体地，点估计值接近零（-0.003），且95%的置信区间排除了正负一个百分点的差异，相较于样本中26%的个体获得终身教职的整体比例而言，这一差异显得并不显著。

然而，在探讨获得R1类学校终身教职的可能性时，研究揭示了显著的阶层差异。在控制了基准固定效应之后，第一代大学生相比于父母拥有硕士及以上学位的个体，获得R1类学校终身教职的概率低了1.3个百分点（参见表1的第2列）。鉴于整个样本中仅有10%的个体获得了R1类学校的终身教职，这表明第一代大学生相比那些父母拥有研究生学位的同龄人，获得R1类学校终身教职的概率大约低了13%。同时，那些父母拥有大学学位的个体的估计值介于这两者之间，这显示了随着父母教育水平的提升，子女获得R1类学校终身教职的概率呈现出单调递增的趋势，从而揭示了不同教育背景下的阶层优势。

研究结果表明，在控制了博士学科领域和院校的影响之后，终身教职的学术岗位选择中依然存在明显的阶层差异。这种差异在机构类型的强度上表现得尤为明显，而在广度上则没有显著的阶层差异。

尽管这不是本文的主要研究焦点，但研究还发现，那些父母拥有博士学位的个体相较于父母拥有硕士或更低学位的个体，更有可能获得终身教职（高出1.2个百分点）、在R1类学校获得终身教职（高出1.7个百分点），并且他们所在的机构排名平均高出15个对数点。这表明，在普遍的社会经济优势之外，学术领域的特定优势也在发挥作用。

稳健性检验：在本研究中，通过多种指标衡量了终身教职所在机构的研究强度或排名，并在所有指标中均发现了显著的阶层差异。这一发现表明，主要结果并非由于对终身教职机构类型的特定定义而产生的偏差。此外，还对不同回归模型下的系数稳健性进行了验证，具体包括：（i）用特定博士学科领域的博士项目排名替代了博士院校的固定效应；（ii）引入了博士学科领域、院校以及以十年为周期的时间段固定效应，以便对同一博士项目中的个体进行直接比较；（iii）包含了详尽的年龄和时间段固定效应，具体包括调查时的年龄（每5年一个组别）、博士学位获得后的年数、调查年份以及博士学位获得年份（同样每5年一个组别）；（iv）采用了更细致的博士学科领域划分，替代了本文基准的博士学科定义；（v）用个体的出生国家替代了更广泛的出生地区固定效应；（vi）未采用调查权重。还针对每个SDR调查年份独立运行了基准回归模型，结果表明阶层差异在不同时间段内保持相对一致。

机制

本研究的发现揭示了在相同博士项目背景下，终身教职学术生涯中确实存在阶层差异。第一代大学毕业生相较于同一博士项目中的其他学术同行，更有可能在研究密度较低、排名较低的机构获得终身教职。在离开终身教职学术岗位的广度上并未发现阶层差异，这表明阶层差异并非由不同的离职选择所驱动。相反，这一差异主要体现在强度上，即存在于终身教职岗位及其学术职位之中。那么，为何在博士项目和终身教职之间会出现这样的阶层差异呢？本文探讨了三种可能的解释机制：（1）生产力（以研究成果为衡量标准）；（2）个人偏好；（3）歧视。

探究其他行业的阶层差异

在本研究的SDR样本中，大约有30%的人拥有终身教职或处于教职轨道，而其他人则在工业、政府或非终身教职的学术领域工作。尽管本文对非学术行业的SDR受访者的了解没有对学术界的深入，但可以通过分析他们的收入、工作满意度和管理责任等指标，来探讨这些领域内是否存在阶层差异。这不仅有助于理解学术界职业发展中的阶层差异，也能揭示这些差异是否普遍存在于美国经济的其他部门。

在探讨工作满意度方面，本文对整体工作满意度及其九个具体维度进行了细致的回归分析，分析的基础依然是父母的教育水平和基准固定效应。研究结果显示，在存在阶层收入差异的学术界终身教职轨道和工业部门，工作满意度同样呈现出阶层差异。具体而言，第一代大学生在学术界的工作满意度比那些父母拥有硕士及以上学位的个体低5.2%，在工业部门的类似差异为2.4%（详见图4）。在这两个行业中，工作满意度的阶层差异尤其在三个与职业发展密切相关的维度上表现突出：晋升机会、智力挑战和责任水平。与收入阶层差异的发现相一致，本文在政府或非终身教职教育部门的博士工作者中，并未发现整体的阶层满意度差异。

在工业界的职业发展方面，本研究揭示了博士毕业生在工业部门的职业成功存在阶层差异，而这种差异在政府或非终身教职的教育领域并不显著。因此，本文进一步深入分析了工业部门的情况。对收入差距进行了重新的回归分析，考虑了博士毕业后每5年的时间间隔，并结合了本文的基准固定效应。研究发现，随着职业生涯的进展，不同阶层之间的收入差距逐渐扩大（详见图5左上角的Panel）。实际上，在博士毕业后的前5年，阶层间收入差距略微为正，但很快转变为负值，到了博士毕业20至25年后，这一差距增加到了8.1个对数点。这可能意味着社会经济背景较低的人群在晋升至高级职位时进展较慢。在图5的其他Panel中，还进行了类似的回归分析，分析了与管理责任相关的变量，包括1加上下属人数的对数，以及是否担任任何管理职位或高级管理职位的虚拟变量。结果发现，随着职业生涯的发展，这三个指标的阶层差异均有所扩大，表明社会经济背景较低的人群在晋升至管理职位的速度上较为缓慢。总体来看，关于收入、工作满意度和管理责任的发现表明，职业发展中的阶层差异不仅存在于学术界，私营工业部门也同样存在这一现象。

*群友可在社群下载全文PDF查看

关于固定效应，参看：1.交互项! 交互项! 固定效应回归模型中的交互项！2.在Stata中如何做2SLS, DID, DEA, SFA, 面板PSM, 二值选择, 固定效应和时间序列？3.一定要控制时间固定效应吗？4.公司和个体固定效应总是更好吗? 关于固定效应使用和解释的最全指南！5.使用固定效应FE时良好做法对应的检查清单，6.双向固定效应多期DID最新进展和代码汇总, 关于控制变量和固定效应选取的讨论，7.快速估计带有高维固定效应的泊松模型, 这计算速度真快, 真实用！8.不能直接控制某个固定效应时, 我们能尽量做些什么呢？9.时间固定效应和时间趋势项的区别, 可以同时加？10.省份/行业固定效应与年份固定效应的交乘项固定效应，11.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理，12.广义合成控制法gsynth, 基于交互固定效应的因果推断，13.固定效应模型+测量误差=有问题, 如何解决这问题呢？14.到底控制什么层面的固定效应? 最低, 最高, or随意？15.固定效应: 目前看到解释的最清楚的帖子, 救命！16.固定效应模型+测量误差=有问题, 如何解决这问题呢？17.TOP5被质疑用log(1+x)数据转换, 固定效应, 双重差分事件图, 结论不可靠！18.审稿人: 如何在双向固定效应下还能估计出不随个体变化的宏观变量呢？

下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。