![]()
（照片由作者本人提供）
陈彦冰
中国人民大学社会学理论与方法研究中心
摘 要：本研究利用CGSS2018与CGSS2021的数据构建了“STEM教育”与“STEM职业”两个变量，试图分析中国STEM领域的性别分化。一方面，中国高等教育群体中女性接受STEM教育的比例比男性更低，接受过STEM教育的女性在婚姻与生育的影响下也比男性更可能离开劳动力市场；在STEM职业的从业者中，女性也面临着收入上的劣势。另一方面，在接受过STEM教育的劳动力群体中，女性比男性更可能从事STEM职业。STEM领域的性别分化并非不平等持久再生产的模式，它与多维度的分类系统密切关联，而且受到情境与主体性的影响。
科学、技术、工程与数学（science， technology， engineering， and mathematics，简称STEM）领域的性别分化是全球学术界的热门议题。虽然STEM领域普遍存在着女性代表性不足的现象，但发达国家与发展中国家、社会主义国家与资本主义国家的性别分化程度存在差异。在性别平等程度更低的发展中国家，女性获得STEM学位的比例相对更高（Stoet and Geary，2018），甚至在一些STEM职业领域占据主导（Lagesen，2008）。这是因为发达国家的性别平等程度更高，女性可以自由选择喜欢或者擅长的学科；在发展中国家，劳动力市场为女性提供的机会较少、经济风险较高，由于STEM职业机会相对较多、风险较低，对女性更有吸引力（Stoet and Geary，2018）。相比于其他国家的女性移民，来自社会主义国家的女性移民在STEM教育选择与STEM职业选择上弱势更小（Friedman-Sokuler and Senik，2020）。这是因为社会主义理念具有长期影响力，国家对数学和科学高度重视，女性参与劳动、服务国家发展需要的价值观持续存在（Friedman-Sokuler and Senik，2020）。就中国社会而言，一方面，经济领域仍然存在较多低端产业，STEM职业在劳动力市场中社会地位较高、劳动权益保护较好；另一方面，社会主义传统在提升女性劳动参与率、强化女性劳动价值观方面发挥了重要作用（Whyte and Parish，1984；Lavely，et al.，1990；Hannum and Xie，1994）。两者似乎都会推动女性选择STEM领域。在这种背景下，中国STEM教育与STEM职业中是否还普遍存在女性弱势的情况？现有的实证研究表明，中国STEM领域的女性弱势表现在教育、职业与收入等各个方面（朱依娜、何光喜，2016；马莉萍等，2016；朱婷钰、赵万里，2017；贺光烨，2018；He and
Zhou，2018；赵颖等，2023）。然而，这些研究大多采用经过高度筛选的样本，无法反映社会整体的状况；对某一阶段进行碎片化分析难以揭示性别分化的重要环节。中国社会在STEM领域各个阶段的性别分化状况仍是未知的，这也是本研究试图回答的经验问题。特定领域不同阶段的性别分化符合“类型不平等的效仿机制”这一理论意识。社会分类理论是理解不平等形成的重要视角，分类被视为不平等的生成机制，性别、种族等属性被认为是根深蒂固的分类模式，能够带来持久的不平等（Tilly，1998：6）。类型不平等之所以广泛存在，是因为存在效仿机制，即特定情境会从其他情境中复制分类系统（Tilly，1998：174）。效仿机制是一种理论上的理想模式，其是否在特定条件下才能发挥作用？社会中的情境多种多样、分类系统纷繁复杂、被分类者也具有主体性，这是否足以冲击性别分类系统的复制过程？就本研究而言，若中国STEM领域在不同阶段都存在明显的女性弱势，则表明性别分类系统的效仿机制具有普遍适用性；反之，若存在违反性别分类逻辑的情况，说明效仿机制发挥作用是有条件的，可能受到社会情境、主体性与多重分类系统的影响。本研究基于CGSS2018和CGSS2021数据，分析中国社会在高等教育群体中“STEM专业获得”“STEM受教育者的职业获得”与“STEM工作中的收入获得”上的性别分化。本研究希望在以下方面实现突破：在理论上，关注特定分类系统可能出现的“失灵”，进而反思类型不平等效仿机制发挥作用的条件，阐释社会情境、主体性与多重分类系统对效仿机制的影响。在经验和政策上，揭示中国STEM领域出现性别分化的阶段，并据此提出政策干预的目标。减少女性在STEM领域面临的结构约束，有助于提升女性从事科学事业的积极性，进而推动高水平科技发展。在操作上，本研究基于具有全国代表性的数据，在尽可能一致的标准下建构“STEM教育”与“STEM职业”两个变量。基于这两个变量，本研究可以建构个体从进入STEM教育到在STEM领域获得收入的多个阶段，进而比较不同阶段性别分化的差异，弥补已有研究的缺憾。（一）理论基础：类型不平等的效仿机制
在社会分类理论视角下，个体的身份是由诸多分类系统塑造的。个体在面对性别、种族、阶层、教育、职业等问题时，会选择一个明确的答案。伴随着社会化历程，个体会对每个选项形成相对固定的认知，并以此作为评价他人的标准。在社会分层领域，将个体分类是社会制造不平等的方式。社会通过分类的方式，使各群体占有不同的物质资源、价值标签与文化符号，完成社会地位的再生产。类型不平等的实践路径是将界限清晰的类型标签贴在个体身上。类型标签之间的界限越清晰，个体跨越边界的难度越大，彼此间的“异己感”越强。因此，界限清晰的类型不平等往往是最深层次的不平等。一些原始的属性有着最明晰的界限，比如性别、种族与宗教归属等（Tilly，1998：6）。类型不平等在各个领域的普及是通过效仿机制实现的，即社会类型的不平等会从一种社会情境转移到另一种社会情境（Tilly，1998：174）。譬如，一个企业在新成立时，会参照其他企业的安排，将白领职位安排给拥有高等教育学历的个体，将蓝领职位安排给学历层次较低的个体。性别是边界相对清晰的分类方式，那么性别分类系统是否在每个领域都存在？本研究认为，以下因素可能对性别分类系统的复制过程产生影响。首先，不同情境在利用效仿机制时可能存在差异。在社会变迁过程中，类型与社会资源的对应关系存在不确定性，类型不平等的复制会因结构的突变而发生变化。例如，在家庭结构变迁的过程中，性别不平等可能在某些方面实现逆转（魏钦恭、张佳楠，2021）。在一些讲究标准化程序的情境中，分类系统未必具有分化资源的能力，优势的群体也难以整合资源维持其身份地位。例如，家庭出身可能影响大学阶段的社会交往，但不容易影响个体的绩点（朱斌，2018）。因此，虽然分类系统会在各种情境下被不断复制，但情境中的某些因素有能力影响其复制的过程。在一些发展中国家，隐含性别刻板观念的组织结构、晋升规则被广泛运用在传统行业（Varma，2010），掌握话语权的人可能会以自身的性别偏好分配资源；而新兴行业的组织结构和晋升规则既可能受到本土组织的影响，也可能借鉴发达国家，存在更多不确定性。其次，被分类者具有主体性。在性别分类系统施加影响的同时，女性也可能表现出主体性：既有被结构形塑的“消极性主体”，也有具备创造力、想象力与自主性的“生成性主体”（McNay，2003）。“生成性主体”意味着女性拥有挑战传统社会性别观念的能力。在工作的过程中，她们可以形成“女性的男性气质”（Halberstam，1998：1），或者打破性别身份边界（孙萍，2019）。她们会积极运用性别工具箱，在传统意义上男性占优的工作中获得成功（Denissen，2010；马丹，2020）。从性别主体性的视角出发，女性并非单纯地从情境中退出，而是会对学习与工作进行选择，甚至利用自身的优势重塑性别不平等的分类系统。最后，社会中存在多重分类系统，性别分类系统需要与其他分类系统结合才能实现其功能。在这方面，交叉性理论提供了洞见。在交叉性理论看来，只有与个体的其他社会特征相联系，才能更好地理解性别议题（苏熠慧，2016；张也，2018）。在性别不平等的实践中，性别仅是个人身份的一种属性，女性的不利地位是在多维社会系统的交互作用下形成的（Crenshaw，1989）。在性别与社会分层领域也是如此，生活机会上的性别差异并不是由某个单独的因素决定的，而是多个维度相互影响的结果（Choo and Ferree，2010）。根据交叉性理论，其他分类系统会加强或削弱性别分类系统的分化能力。一言以蔽之，性别分类系统是否会在某个情境中发挥效用，既要考虑情境本身的特殊性，也要考虑被分类者的主体性，还要关注多重分类系统的交互影响。在社会分类系统中，一些资源发挥了重要作用，如金融资本、信息、科学与媒体（蒂利，2021：139）。其中，接近知识和控制知识的差异是不平等的表现形式，因为知识本身具有内在价值，还影响着其他有价值的资源的获得（蒂利，2021：149）。在性别与科学的交叉领域，性别分类系统往往将更多的资源分配给男性，而女性难以获得从事科学事业的机会。学者们主要从两条路径对该现象进行分析。首先是以探究机制为主，分析STEM领域性别分化产生的生物、心理、组织与社会文化等因素（Geary，1996；Penner，2008；Su，et al.，2009；Legewie and DiPrete，2014）。第二条路径是建立“STEM阶段”，探讨不同阶段的性别分化。本研究关注性别分类系统在STEM领域不同阶段的差异，因此重点讨论第二条研究路径，有三种视角分析了STEM整个阶段女性累积劣势的形成。首先，“管道泄漏”（leaky pipeline）视角强调，在STEM教育与职业历程中，一些个体会从STEM领域退出，最终从事STEM职业的只是少部分人。譬如，一些学生在中学阶段选择STEM科目作为主修课程，但在大学志愿填报的时候选择了非STEM专业；一些求职者在大学学习的是STEM专业，但在毕业时选择了与STEM无关的工作（Alper，1993）。在STEM领域学习与工作的每一个阶段，女性都面临着不利的状况。随着时间的推移，女性在STEM领域不断退出；在越往后的阶段，女性的弱势地位越明显（Alper，1993；Wickware，1997；Grogan，2019）。其次，生命历程视角强调个体科学事业与其生命经历的密切联系（Xie and Shauman，2003：12），揭示了女性在科技领域流失的重要节点（Castaño and Webster，2011）。在生命历程的视角下，个体从事STEM职业的可能性并不是随着其阶段的推移不断降低（Cannady，et al.，2014），而是因生命事件的发展不断变化。研究发现，与男性相比，有孩子的已婚女性在完成科学教育后不太可能从事与科学相关的职业，在科学领域晋升的可能性相对较小（Xie and Shauman，2003：210），科学研究的生产力也更低（Stack，2004）。最后，“冷漠氛围”从微观互动的视角分析了累积不平等的生成。在大学阶段的课堂互动中，教师对男性与女性表现出了不同的态度，男性会得到更多的关注和反馈，女性则更可能被忽视（Hall and Sandler，1982：4）。在STEM领域，“冷漠氛围”不仅局限于课堂，还包括学校氛围与工作场所氛围。在一项为期6年的纵向调查中，研究者分析了影响女性留在STEM领域的因素。接受调查的女性认为，在学校中感受到孤独和被恐吓，以及在学校氛围中逐渐对STEM学科缺乏兴趣是她们离开STEM领域的原因（Brainard and Carlin，1998）。女性STEM从业者也难以感受到公平公正的部门氛围，表达的意见不容易得到重视，这为她们的职业发展带来了长久的不利影响（Griffith，et al.，2022）。虽然STEM领域的女性弱势在各阶段普遍存在，但不同阶段的性别分化程度存在差异。研究者热衷于关注女性面临的“玻璃天花板”效应。该效应是指女性在职业晋升中面临着无形的阻力，难以到达较高的职位（Morrison，et al.，1987：13）。在STEM领域，女性与男性同样渴望担任领导职位，但在刻板观念、性别歧视、缺乏榜样等因素的影响下，面临着“玻璃天花板”的问题（Rosser，2004；Zhuge，et al.，2011）。研究者还关注了STEM领域出现性别分化的其他关键阶段。一项研究将美国STEM领域划分为从高中到职业中期的六个阶段，并分析了各阶段对性别分化的贡献率。其中，贡献率最高的两个阶段是大学专业选择阶段和大学到职业生涯的过渡阶段，即男性比女性更有可能在大学时学习STEM专业，以及男性STEM毕业生更有可能从事STEM职业（Speer，2023）。在一些发展中国家与社会主义国家，性别分类系统未必在STEM领域的每个阶段都明显发挥作用，因为在这些国家中，女性对STEM领域的态度与其他国家存在差异。在专业选择阶段，女性会积极选择STEM专业。在原苏联加盟共和国亚美尼亚，计算机专业选择上的性别分化并不明显，因为男性与女性选择专业时存在相同的动机，女性未必在意“缺少女性榜样”的问题（Gharibyan
and Gunsaulus，2006）。在印度，STEM相关的行业（如计算机行业），是工作时间灵活、收入回报高、工作环境友好的行业（Varma，2010）；即使在传统上男性占据主导地位的工程领域，也因其社会地位与职业声望吸引了更多的女性参与（Gupta，2012）。在马来西亚，女性选择计算机专业的可能性甚至比男性更高（Othman and Latih，2006）。在大学教育阶段，女性不会明显地退出。在毛里求斯，入学时选择计算机专业的女性比例与社会中女性人口的占比非常接近；在毕业时，女性也保持了很高的比例（Adams，et al.，2003）。在职业构成中，女性也未必是弱势的一方。在马来亚大学计算机与信息技术相关院系中，女性职员占据了更大的比例，她们并未将计算机行业视为“男性化”的职业，而认为它是性别友好型工作（Lagesen，2008）。“管道泄漏”效应、“冷漠氛围”与“玻璃天花板”等研究视角被性别与科技领域的学者广泛接受，但这些视角假定性别分类系统在STEM领域会持续发挥作用，忽视了其发生作用的情境。在一些发展中国家和社会主义国家，性别分类系统并非在每个阶段均施加很强的影响。“管道泄漏”效应将女性的弱势地位归因于女性缺乏科学知识或缺乏对科学与技术职业的认识（Vitores and Gil-Juárez，2016），忽视了女性的主体性以及对其他专业与工作的偏好。生命历程视角突出了多重分类系统的影响，对于理解性别分类系统具有一定的意义。不过，与性别分类系统相关的不只是生命历程，还包括家庭出身等诸多分类系统。从中国STEM领域已有的研究来看，性别分类系统同样普遍存在。首先是STEM教育阶段的性别分化。在基础教育中，女性的数学成绩未必比男性差（刘蕴坤、陶沙，2012），但女性对STEM教育的积极性比男性更低（陈凯等，2019；张燕军等，2020）。在高中阶段，理科生中男性的比例高于女性（马莉萍等，2016）。就大学生的专业分布来看，男性更多地集中在理工类专业，女性则更多地集中在人文类专业（贺光烨，2018）。调查数据表明，男性与女性对经济学与管理学有很强的偏好（魏巍，2020），尤其是在专业报考的过程中，相当一部分理科女生倾向于选择数学物理类与经济类专业，而非工程类专业（李代、王一真，2019）。因此，中学及大学教育中出现性别分化，未必是因为女性在STEM领域比男性表现得更差，也可能是由于不同性别对专业的偏好存在差异。在STEM教育的更高阶段，女硕士参与的研究项目较少，毕业后攻读博士学位的可能性更低（Yang
and Shen，2020）。其次是STEM职业阶段的性别分化。女性学习理工类专业的比例较低，因此成为专业技术人员的可能性更小（He and Zhou，2018）。在获得工科博士学位的群体中，女性的科研产出并不弱于男性，但获得精英学术职位的概率显著更低（赵颖等，2023）。进入科学研究领域后，性别分化与性别隔离仍然存在（林聚任，2000；崔林蔚，2021）。女性科研人员在声望、收入、权力等方面显著低于男性（朱婷钰、赵万里，2017）。从职业内部视角来看，女科研人员社会关系网络存在结构性欠缺，影响了她们科研资源的获得，进而削弱了其科研生产力（朱依娜、何光喜，2016）；从职业外部视角来说，女科研人员比男科研人员承担了更多的家务劳动（Ma，et al.，2018），这意味着更多的“家庭—工作”冲突。上述研究反映了中国STEM领域类似西方性别分类系统的情况，但中国社会也存在女性弱势较小的可能性。同其他社会主义国家一样，新中国以高强度干预的方式进行了性别平等化实践（Whyte and Parish，1984；Lavely，et al.，1990；Hannum and Xie，1994）。在制度的惯性下，女性参与劳动、为国家发展做贡献的信念得到社会的支持。基于中美比较的研究显示，中国科学家在收入方面的优势要高于社会科学家、医生、律师等高声望职业，而美国科学家与这些群体相比不存在优势（Xie，et al.，2014）；在科学家的社会影响力方面，中国民众对科学家的信任程度仅次于对家人、同学或朋友的信任，高于对同事、邻居的信任（向倩仪等，2015）。科学家的声望地位与民众对科学家的信任可能促使不同性别的个体对科学事业都保持热忱。此外，与许多发展中国家一样，中国在经济领域仍存在不少低端产业。低端产业偏向体力劳动，在工作环境与工作条件上同高端产业有很明显的差异，而高端产业需要具备科技素养的高端人才。当女性选择性别友好的高端产业时，她们就需要朝着STEM领域努力。因此，中国社会可能出现类似其他发展中国家STEM领域性别分化较小的情况（Varma，2010；Gupta，2012）。目前的实证研究大抵表明中国STEM领域存在较为明显的女性弱势，但是这些研究使用的数据如首都大学生成长追踪调查（BCSPS）、科技工作者系列调查数据等，不具有全国代表性，而且有很强的筛选性。一些研究对STEM领域缺乏清晰的界定，对不同阶段的性别分化状况难以进行比较分析。事实上，中国的社会情境与一些发展中国家、社会主义国家类似，中国STEM领域的性别分化未必出现在每个阶段。综合上述文献，本研究认为，虽然在STEM领域的每个阶段女性的比例可能都低于男性，但性别分类系统未必持久发挥作用。女性在STEM领域的历程可能存在三种模式（如图1所示）。
从社会分类的视角来看，基于类别的不平等会在效仿机制的影响下从一个情境复制到另一个情境。在STEM领域，这个逻辑意味着在每一个阶段女性都会出现明显的代表性不足。由此，本研究提出：模式1：在高等教育文凭获得者中，女性更可能获得非STEM专业文凭；即使在接受过STEM教育的群体中，女性更可能选择非STEM职业；在从事STEM职业的群体中，女性获得高收入的可能性比男性更低。
前文已提到，性别分类系统的复制与社会情境、被分类者的主体性存在关联。这为实践经验带来了两种可能性。第一种是性别分类系统在最初发挥了很强的分类能力，但这种能力在教育阶段结束后不复存在。在中国社会，教育阶段与职业阶段可能存在不同的性别分类逻辑。在教育阶段，文理分科长期存在，直至近年才有所调整。在文理分科的情况下，男性与女性在高中阶段就需要对未来做出选择。父母、教师与重要他人会在性别分类系统的影响下干预女性对专业的选择，女性难以发挥主体性力量。在职业阶段，社会主义传统下重视科学技术、强调女性为国家事业发展做贡献的观念持续存在，发展中国家的特征意味着STEM职业是劳动力市场中的优势职业。在这种情况下，具备STEM专业技能的女性有很强的动力在STEM领域发展。简言之，在中国的教育情境下，女性的主体性难以发挥；而劳动力市场的情境特征对从事STEM职业的女性形成保护。由此，本研究提出：
模式2：STEM领域的性别差异主要体现在STEM专业文凭获得上；在经历了高度筛选之后，STEM领域的女性在获得STEM职业与获得高收入上并不存在明显的劣势。第二种可能性是性别分类系统与性别主体性在各个情境中努力扩展自己的空间。基于文献回顾，社会主义传统与发展中国家的特征对性别分类系统的影响主要体现在“女性是否愿意从事STEM职业”方面。没有清晰的证据表明，国家性质会对“STEM领域是否接纳女性”带来影响。因此，女性从事STEM职业的意愿能在多大程度上得到支持，也是需要考虑的。在结构约束较弱的情境中，女性有机会充分发挥主体性。反之，在结构约束较强的情境中，性别分类系统将占据主导。在STEM领域，父母与重要他人在女性的专业选择上扮演了重要角色；在收入获得上，性别分类系统将更多的资源与机会提供给了男性，而女性则被排斥在高收入之外。相对而言，职业选择具有更多的不确定性，它与结构约束有关，也依赖于个体的决策。只有在职业选择中，女性才有更多的机会发挥主体性。由此，本研究提出：模式3：在高等教育文凭获得者中，女性更可能获得非STEM专业文凭；而接受过STEM专业教育后，女性在获得STEM职业上不存在弱势；在进入STEM职业之后，女性则被束缚在低收入职位上。以上三种模式意味着不同的理论预设。模式1强调性别分类系统能够在各个阶段不断被复制，模式2更关注性别分类系统在教育情境与职业情境下存在的差异，模式3则认为主体性只会在结构约束较弱的情境中发挥作用。上文理论基础部分还强调了其他分类系统与性别分类系统之间存在着交互作用，需要在多重分类系统的互动中理解性别分类系统。本研究主要关注生命历程中的角色类别、社会出身类别与世代类别（是否出生在高等教育扩招之后）的影响。譬如，女性的婚姻与生育可能会对STEM职业发展产生影响（Xie and Shauman，2003：210）；弱势家庭出身的女性往往面临双重劣势；高等教育的扩招导致STEM职业的供给小于需求，进而挤压女性从事STEM职业的空间。通过对上述因素的分析，本研究能更好地理解性别分类系统在STEM领域发挥作用的机制，在揭示社会现象的基础上探索更多的理论与政策意涵。
本研究使用的是具有全国代表性的中国综合社会调查（CGSS）数据，该调查由中国人民大学中国调查与数据中心实施。2018年与2021年的中国综合社会调查均询问了受访者的专业大类，并提供了受访者职业的ISCO编码，方便本研究构建“STEM教育”与“STEM职业”这两个核心变量。在单期调查数据中，女性从事STEM职业的样本量较少，因此本研究将CGSS2018和CGSS2021合并为一个数据集进行分析。CGSS2018和CGSS2021两个数据合并后样本量为20935。本研究选取了受过大专及以上教育的个体，并排除了所有正在就读的样本，符合条件的样本量缩减为3478个。本研究进一步排除了年龄在60岁以上的样本，因为这部分群体大多超出了劳动力市场的年龄范围。删除该部分样本后剩下3031个样本，作为本研究的核心样本。本研究对缺失值的处理方式是：第一，针对控制变量，如性别、年龄、出生世代、户口、民族、父亲受教育年限、母亲受教育年限、父亲职业地位、母亲职业地位、婚姻状况、生育状况、本人受教育程度等，本研究采用成列删除法删除了所有含缺失值的样本（Peugh and Enders，2004）；第二，针对STEM教育这一核心变量的缺失（样本量为94个，占比3.9%），本研究以众数进行填补，将缺失值填补为“未接受STEM教育”。经过以上处理，最终纳入分析的样本量为2394个。在不同的研究模块中，由于因变量的样本量存在差异，表格部分将汇报纳入数据分析的样本量（魏钦恭、张佳楠，2021）。在分析过程中，本研究根据CGSS数据提供的权重做了加权调整。（二）变量操作化
本研究主要借鉴的是美国国土安全局2016年对STEM专业的划分。这一分类方式涵盖了两个领域，即“STEM领域”与“STEM相关领域”。“STEM领域”是由美国教育部教学计划分类（CIP）确定的，包括工程、生物科学、数学和物理科学等STEM核心领域。“STEM相关领域”涉及利用工程、数学、计算机科学或自然科学（包括物理、生物和农业科学）进行新技术的研究、创新或开发。总体而言，美国国土安全局的学科体系与中国理学、工学、医学与农学这四大门类的涵盖范围相似，90%以上的专业可被划入中国的理、工、农、医类。本研究在中国学科专业目录的基础上构建了中国的STEM专业。考虑到中美两国的专业体系存在一定的差异，本研究对STEM专业的操作化方式是，第一，将中国专业中授予理学、工学、农学和医学学位的专业均纳入STEM专业。第二，在美国422个STEM专业中，少数专业在中国不会被授予理工农医类学位，比如计量经济学和数量经济学、教育评估、教育统计与研究方法、金融数学、管理科学、管理科学与定量方法。笔者将中国学科目录中这一部分对应的专业也划为STEM专业。第三，少数学科在中国既可以授予理工农医类学位，也可授予人文社科类学位。例如，心理学、教育技术学在中国可以授予理学学位，也可授予教育学学位。本研究对这些专业的处理方式是，按照美国STEM专业分类进行取舍，如果该专业在美国被划为STEM专业，则纳入中国STEM专业。CGSS2018与CGSS2021都询问了个体所学专业的学科大类。本研究将选择“理学”“工学”“农学”与“医学”专业的学生视为接受STEM教育，其他视为未接受STEM教育。CGSS数据提供了回答“其他”的受访者具体的专业类型，本研究对缺失值进行了填补，将“电子信息”“生物学”等归为受过STEM教育，“社会学”“语言学”等归为未受过STEM教育。不同学者与不同机构对STEM职业的测量存在差异（Kjærnsli and Lie，2011；Sikora and Pokropek，2012；Mann，et al.，2015）。本研究主要采纳的是西科拉和波克罗佩克（Sikora and Pokropek，2012）的分类方式。这一分类方式与本研究定义的STEM教育最为匹配，既包含了理、工、农、医类的科学家、工程师，又包含了心理学家和医生等专业技术职位。CGSS2018与CGSS2021均采用了ISCO08的职业编码，而西科拉和波克罗佩克（Sikora and Pokropek，2012）的分类方式是基于ISCO88。因此，本研究将数据中提供的ISCO08编码转化为ISCO88编码，并构建了“工作类型”这一变量。本研究将“没有从事任何工作”赋值为1，有工作但不符合STEM职业编码的赋值为2，符合STEM职业编码的赋值为3。CGSS2018与CGSS2021询问了个人的收入状况。本研究按照2018年与2021年的物价指数，对CGSS2021中的收入进行了调整。由于收入这一连续变量存在异常值，本研究对收入最高的0.5%的样本进行了缩尾处理。
4. 家庭背景
本研究对父亲受教育年限、母亲受教育年限的赋值规则是：没有受过任何教育=0，私塾、扫盲班=3，小学=6，初中=9，普通高中=12，职业高中、中专、技校=13，大学专科=15，大学本科=16，研究生及以上=19。本研究将父母的ISCO08编码转化为ISCO88编码后，再分别获得父母职业地位得分。5. 主要控制变量
本研究的其他变量包括：性别（男性=1，女性=0），年龄（连续变量），户口（非农户籍=1，农业户籍=0），民族（汉族=1，少数民族=0），婚姻状况（曾经结婚=1，其他=0），生育状况（有子女=1，无子女=0），队列（1980年及之前出生=0，1981年及之后出生=1；划分的依据是1999年高等教育扩招，而18岁是参加高考的一般年龄），受教育程度（大学专科=1，大学本科=2，研究生及以上=3）。6. 根据相关变量生成的倾向值
出于研究的需要，本文生成了两种倾向值相关的变量。第一是STEM教育倾向值。本研究使用logit模型以队列、户口、民族、性别、父亲受教育年限、母亲受教育年限、父亲职业地位与母亲职业地位作为自变量，以STEM教育为因变量，计算个体接受STEM教育的概率，将其作为获得STEM教育的倾向值。第二是STEM职业倾向值。本研究使用logit模型以年龄、队列、户口、民族、性别、父亲受教育年限、母亲受教育年限、父亲职业地位、母亲职业地位、受教育程度、婚姻状况、生育状况以及STEM教育作为自变量，以STEM职业（排除了未工作的样本，以非STEM职业为参照组）为因变量，计算个体从事STEM职业的概率，将其作为获得STEM职业的倾向值。在后续研究中，本研究将使用这两个倾向值变量对研究问题进行辅助性分析。当然，本研究分析的基础是STEM教育会对STEM工作产生积极影响，以及STEM工作会对收入产生积极影响。因而，本研究也使用最近邻匹配的方式对这两种影响进行了检验。由表1可见， 偏差均值均小于10%，说明匹配效果较好。处理组平均处理效应均为正向显著，表明STEM专业对STEM工作以及STEM工作对收入均存在积极影响。
本研究主要变量的描述性统计如表2所示。在本研究的样本中，有39.1%的个体接受了STEM教育，从事STEM职业的个体占样本总体的12.4%。
（一）高等教育群体中STEM专业选择的性别差异
本部分主要关注在接受过高等教育的群体中，相比于女性，男性是否更有可能选择STEM专业，以及这种差异是否受到家庭背景与教育扩招的影响。STEM教育是一个二值变量，因而本研究采用logit模型进行分析，其设定为：其中，代表获得STEM教育的概率，β代表系数，α为常数项。
本部分的解释变量主要包括户口、民族、父母受教育年限、父母职业地位、队列与性别。由于本研究需要比较接受STEM教育性别差异的交叉性影响，因而在logit模型中增加了性别与世代、性别与父母受教育年限以及性别与父母职业地位的交互项。非线性模型中调节效应的检验方式与线性模型存在差异（Mood，2010），因而本研究也计算了平均边际效应（AME）的交互项结果。平均边际效应表示的是在保持其他变量取值不变时，自变量变化一个单位导致的概率的变化。2. 数据分析结果
表3分析的是STEM教育获得。根据模型1，在控制其他变量后，接受过高等教育的群体中，女性选择STEM专业的发生比仅为男性的37.57%。整体来看，中国接受过高等教育的群体中，存在男性选择STEM专业较多、女性在STEM专业代表性不足的情况。这可能与高中阶段的文理分科有关，女性更可能选择文科专业，而男性更可能选择理科专业。就控制变量而言，父亲职业地位对STEM专业选择的影响是负向显著的，社会经济优势对选择STEM专业具有一定的消极影响。不过，父亲的受教育年限对选择STEM专业的影响是正向显著的，母亲的教育与职业则无显著影响。模型2说明，在获得高等教育机会的群体中，女性与男性在STEM专业选择上的差异并没有在高校扩招后发生显著变化。根据模型3与模型4，从交互项系数的符号来看，父亲受教育年限与父亲职业地位的提升对于缩小性别差异的影响是正向的，母亲受教育年限与母亲职业地位的提升带来的影响是负向的，但仅有母亲职业地位与女性的交互项具有统计意义上的显著性。AME结果与表3大体相同。本部分的结果表明，在中国接受过高等教育的群体内部，STEM专业的选择存在性别差异，这与之前的研究发现一致（贺光烨，2018）。STEM教育获得的性别差异在高等教育扩招后没有发生明显变化，父母文化地位与父母经济地位的提升也不会降低这种差异。
接受过高等教育的群体在STEM与非STEM专业选择上存在性别差异。那么，对于已经接受过STEM教育的个体来说，男性比女性更愿意从事STEM职业吗？在接受过STEM教育的个体中，女性从事STEM职业更容易受到婚姻、生育、家庭背景以及高等教育扩招等因素的影响吗？本部分因变量为STEM职业。STEM职业类型有三个不同的取值，因而本研究采用的是多项 logit模型，其设定为：
其中，Pi是指选择某种工作类型的概率，分别对应于“未工作”和“STEM职业”，公式中的j取值为2，以“非STEM职业”为参照项。γ代表的是常数项，δ是解释变量对应的系数。
多项 logit模型同样不适合直接加入交互项解释调节效应，并且在该模型中，自变量对于其他类型的影响依赖于基准组的选择（Blur，et al.，2018）。因此，笔者也计算了本研究所有含交互项的模型中主要变量与交互项的平均边际效应。其结果与本研究的分析大抵一致。此外，“STEM教育”也是一个具有高度选择性的变量，因而，本研究利用STEM教育倾向值，比较“获得STEM教育的倾向性”与“获得STEM教育这一事实状态”对从事STEM职业的影响。这种方式是为了区分，女性从事STEM职业，更多地是因为她们接受过STEM教育，还是因为她们本身就很擅长或者很适合从事STEM职业。如果倾向值的影响是更重要的，那就说明，女性接受STEM教育的可能性比接受STEM教育本身对于从事STEM职业的影响更大；如果倾向值的影响并不能改变研究的结论，那么能够说明，正是因为接受了STEM教育，女性坚定地从事STEM职业。2. 数据分析结果
表4以STEM职业为参照组呈现了多项logit模型计算的STEM职业的获得。根据模型5，在接受过STEM教育的个体中，女性比男性更可能未工作，而不是选择非STEM职业；对于留在劳动力市场的个体来说，女性更可能从事STEM职业，而不是非STEM职业。模型6的结果说明，在未接受STEM教育的个体中，女性更容易退出劳动力市场，而且更可能选择非STEM职业。根据模型7，在“未工作”部分，接受STEM教育不会显著降低女性选择“未工作”的可能性；在“STEM职业”部分，相比于男性，接受过STEM教育的女性更可能在STEM职业与非STEM职业中选择前者。考虑到“STEM教育”的高度选择性，模型8纳入了STEM教育倾向值及其与女性的交互项，但交互项的结果并不显著。这表明，STEM教育倾向值对工作类型的影响并不存在明显的性别差异。模型9同时将女性与STEM教育的交互项及女性与STEM教育倾向值的交互项纳入模型。结果仍然表明，STEM教育倾向值对STEM职业选择的影响不存在显著的性别差异，女性接受STEM教育本身是重要的。
表5以非STEM职业为参照组，分析了生命历程、教育扩招与家庭背景对STEM职业获得性别差异的影响。第一，就生命历程而言（模型10和模型11），在“未工作”部分，婚姻与女性的交互项以及生育与女性的交互项都是正向显著的；而在“STEM职业”部分，婚姻与女性的交互项以及生育与女性的交互项均不显著。这说明，婚姻与生育的影响主要体现在将受过STEM教育的女性“挤出”劳动力市场，而不是让女性选择非STEM职业。第二，就教育扩招而言（模型12），在“未工作”部分，相较于1980年及之前出生的女性，1981年后出生的女性更可能在“未工作”与“非STEM职业”中选择后者；而在“STEM职业”部分，交互项的系数并不显著。第三，就家庭背景而言（模型13和模型14），无论是在“未工作”部分还是在“STEM职业”部分，父母受教育年限与女性的交互项以及父母职业地位与女性的交互项均不显著。
总之，生命历程中的婚育可能会使STEM专业的女性退出劳动力市场，但对于留在劳动力市场的女性来说，她们在STEM职业与非STEM职业中的选择并不因婚育、高等教育扩招、家庭背景等因素发生显著变化。1. 研究目标与模型设定
对于接受过STEM教育的个体来说，女性比男性更容易离开劳动力市场，但一旦留在劳动力市场，她们比男性更可能从事STEM职业。那么，在进入STEM职业后，女性能否获得与男性同等的收入回报？
首先，本研究比较了非STEM职业与STEM职业中的性别收入差距。收入被视为连续变量，其基准模型的设定为：
其中，Y表示的是个体收入，θ0代表截距项，θ1、θ2…θk是一组待估计的参数，X1、X2、…Xk是自变量，ε是误差项。为了进行跨模型的系数比较，本研究主要采用了两种方式：其一是通过引入性别与STEM职业的交互项，关注交互项是否显著；其二是采用似不相关的方式比较变量之间的系数差异是否显著。一般而言，线性回归是对单一方程进行估计，如果需要估计多个方程，并且多个方程之间存在某种联系，就需要进行系统估计以提高估计效率。譬如，非STEM职业和STEM职业面临着相似的劳动力市场环境与法律法规，两者的干扰项可能相关。似不相关回归能够在方程扰动项存在相关性时，对多个方程进行系统估计（Zellner，1962）。研究者将似不相关回归的思路扩展为似不相关方法。该方法对两个方程采用似不相关回归进行系统估计后，分别计算出系数的方差-协方差矩阵，进而比较两个回归模型的系数差异（Weesie，1999）。
其次，本研究引入了分位数回归的方法，分析STEM职业中的女性是否在获得高收入上与男性存在差距，并将其与非STEM职业进行比较。分位数回归的设定为：
其中，Yq表示的是q分位数的收入，θ0代表的是截距项，θ1,q、θ2,q…θk,q是一组待估计的参数，X1,q、X2,q…Xk,q是自变量，εq是误差项。一般线性回归实际上是均值回归，容易受到极端值的影响，而分位数回归能够更加全面地反映被解释变量的条件分布，捕捉分布的尾部特征（Koenker and Bassett，1978）。就本研究来说，它能比较STEM领域低分位数与高分位数收入上的性别差异。最后，本研究讨论了STEM职业给哪种类型的女性带来了更多的收入回报。在方法上，本研究采用了异质性处理效应的方式（Brand and Xie，2010；Xie，et al.，2012）分析女性从事STEM职业的收入回报如何随STEM职业倾向值的提高发生变化，并使用“平滑—差值”法呈现研究结果。具体的操作方式为：（1）根据协变量估计个体从事STEM职业的倾向值得分；（2）对每一组（控制组与实验组）拟合因变量对倾向值得分的非参数回归；（3）在不同水平的倾向值得分中，取非参数回归中控制组与实验组之间的差值，得到处理效应的异质性结果。2. 数据分析结果
首先，本研究对从事STEM职业的男性与女性样本的特征进行了简单的对比。根据图2，在从事非STEM职业的样本中，男性倾向值的中位数与女性相近，但最高值与上四分位数值高于女性；而在从事STEM职业的样本中，女性从事STEM职业倾向值得分的最高值、上四分位数值、中位数、下四分位数值与最低值均高于男性。这意味着在从事STEM职业的群体中，女性的适合程度未必比男性低，有一部分适合从事STEM职业的女性没有从事STEM职业。
从表6的模型15和模型16可以看出，无论是在STEM职业样本中还是非STEM职业样本中，女性的收入显著低于男性。模型17纳入了女性与STEM职业的交互项，结果表明，在STEM职业中，男性的收入优势会体现得更加明显。本研究也使用了似不相关的方式比较了模型15和模型16中“女性”这一变量的系数是否存在显著差异。结果表明，卡方检验量为5.92，p值为0.015，即在两个模型中，性别对收入的影响存在显著差异。结合图2的分析结果，STEM职业中的男性和女性在从事STEM职业的倾向值上接近，女性甚至更高，但是女性与男性相比仍然存在较大的收入差距。这说明STEM职业的收入差异可能并非从事STEM职业的女性在准入条件上比男性更弱，而是STEM职业内部存在着性别不平等。
表7呈现了分位数回归的结果。研究表明，在STEM职业样本的20分位数和40分位数上，“女性”的系数分别为-2.600和-2.318；在高分位数上，如60分位数和80分位数，“女性”的系数为-3.698和-3.825。可见，女性STEM职业从业者与男性的收入差距在高分位数上更加明显。本研究还通过交互项的方式比较了STEM职业与非STEM职业不同分位数上男性与女性的收入差距。在20分位数上，交互项的系数负向显著，STEM职业中的性别收入差距更大；在60分位数上，STEM职业中的性别收入差距也更大；而在最高的80分位数上，交互项的系数并不显著。在不同分位数上，交互项系数并不呈现明显的递增趋势。总体而言，STEM职业与非STEM职业呈现类似的性别分化模式。
图3中纵坐标代表男性相比女性在收入上的优势，横坐标代表分位数。曲线拟合的是在某一分位数上男性相比女性在收入（万元）方面的优势，曲线的位置越高代表收入优势越大。灰色阴影部分表示90%置信区间，灰色阴影部分下边缘高于0代表男性收入显著高于女性。根据图3，无论是在STEM职业还是非STEM职业中，男性在任一分位数上的收入均显著高于女性。拟合线的结果表明，无论是在STEM职业内部还是非STEM职业内部，男性的收入优势都呈现递增的趋势。
图4中纵坐标代表平均处理效应，横坐标代表女性从事STEM职业的倾向值得分。曲线拟合的是在某一倾向值得分上女性选择STEM工作在收入方面的优势，曲线的位置越高代表收入优势越大。灰色阴影部分表示90%置信区间，灰色阴影部分下边缘高于0代表从事STEM工作带来的收入显著更高，下边缘低于0代表收入显著更低。根据图4，就倾向值得分低的样本（最不可能从事STEM职业的女性）而言，STEM职业会给女性带来很高的收入提升效应（当倾向值低于0.2时，90%的置信区间高于0）；就倾向值得分稍高的样本（中等及以上可能性从事STEM职业的女性）而言，从事STEM职业并不会给她们带来显著的积极效应（当倾向值高于0.2时，90%的置信区间内含有0或者低于0）。因此，STEM职业对女性收入的积极效应仅限于那些不太可能从事STEM职业的女性。将那些不太可能从事STEM职业的女性成功吸纳进STEM职业，能够提升她们的收入。
本研究提出了中国STEM领域性别分化可能存在的三种模式，利用CGSS2018和CGSS2021数据进行了检验。研究结果表明，模式3更符合现实的情况，即性别分类系统并不在每个阶段均占据主导，接受过STEM专业教育的女性在劳动力市场中具有主体选择性。接受过高等教育的女性选择非STEM专业的比例更高，且这种差异在高校扩招后并没有发生显著变化。在接受过STEM教育的群体中，女性比男性更有可能退出劳动力市场，但继续留在劳动力市场的女性比男性更有可能从事STEM职业。婚育的影响主要体现为将接受过STEM教育的女性挤出劳动力市场，但不会影响两性在选择STEM职业和非STEM职业上的差异。在收入方面，STEM职业中的性别收入差距比非STEM职业更大；随着收入层次的提升，女性在STEM职业中与男性的收入差距更加明显；只有最不可能从事STEM职业的女性才能从STEM职业中获益。在经验层面，本研究揭示了中国STEM领域出现性别分化的关键环节，一是在获得STEM专业学位之前。在中国，STEM专业群体中存在着性别分布不均的状况。在文理分科时期，高中生需要在文理科中做出选择；文科生与理科生能够报考的专业存在明显的差异；文科生在大学阶段转至理工类专业的可能性较小。因此，STEM教育获得的性别分化很可能是由于文理分科中出现的性别差异。在志愿报考时，理科女生对数学物理类与经济类专业有更多的偏好，对工程类专业偏好较少（李代、王一真，2019），这可能也是一个重要的原因。第二个关键环节是进入劳动力市场及从STEM职业中获得收入。受制于婚姻、生育等因素，STEM专业的女性比男性更有可能退出劳动力市场。在STEM职业中，女性存在着较为明显的收入劣势。值得一提的是，一些没有在大学阶段获得STEM专业文凭的个体也可能从事STEM工作，这与已有的研究一致（Witteveen and Attewell，2020），其中男性的比例更高。这说明，非STEM领域与STEM领域是连通的。在一部分个体从STEM领域退出的同时，其他领域的一部分个体汇入进来。在汇入的群体中，男性的比例更高，加剧了女性代表性不足的情况。STEM领域可能存在“泄漏—汇入”不平衡的现象。当然，以上仅是笔者基于经验发现的推测，具体的理论推导与经验探索有待后续研究。在政策层面，一些美国研究在论述STEM领域性别公平的意义时，往往将其与美国战略联系在一起，即如果把从STEM领域流失的优秀女性留在STEM领域，将利于整个国家的科学技术进步（Hammonds and Subramaniam，2003）。本研究认为，将优秀女性留在STEM领域很重要，但尊重女性的选择同样重要。女性更少进入STEM领域并不代表女性的“失败”。一些愿意从事STEM职业的女性可能由于性别歧视退出了STEM领域，这才是需要政策干预的。社会政策需要重视STEM领域劳动力市场的性别公平与性别保护。一个国家的劳动力市场状况不仅影响身处其中每一个个体的境遇，也影响着儿童的职业期望，因为劳动力市场与教育体系是互构的（Penner，2008）。在教育阶段，家庭与学校应该鼓励愿意从事STEM职业的女性选择理工科，而不应在性别刻板观念的影响下干预女性的选择。在理论层面，本研究对类型不平等的效仿机制进行了反思，即分类系统从一个情境复制到另一个情境是有条件的。第一，分类系统在特定情境中可能“失灵”。在中国STEM领域中，女性代表性不足并没有出现在每个阶段，这与一些发展中国家与社会主义国家的情况类似（Gharibyan and Gunsaulus，2006；Varma，2010；Gupta，2012）。不能脱离宏大的国家制度与社会环境来探讨分类系统的复制过程。第二，被分类者的主体性能够挑战分类系统的影响力。接受过STEM教育可能会增强女性留在STEM领域的信心与决心。分类系统在调配资源方面具有强大的影响力，但是被分类者可以选择逃避，也有机会反抗。当然，情境与主体性之间存在关联：在结构约束较弱的情境中，个体有机会发挥主体性；而在结构约束较强的情境中，分类系统将占据主导。这可能是我国女性只在STEM职业选择阶段未出现明显弱势的原因。第三，特定分类系统会与其他系统共同发挥作用，个体的身份角色会强化或弱化某种分类系统的功能。在本研究中，婚育是影响STEM专业女性留在劳动力市场的重要阻力。社会中的多维分类系统处于不断的互动中，任何分类系统都无法单独地对个体施加影响。社会分层领域的相关研究也可以进一步关注效仿机制发挥作用的条件。在方法和实证操作层面，本文对STEM领域的研究有以下创新：第一，使用具有全国代表性的数据，关注中国STEM领域性别分类系统发挥作用的关键阶段。已有研究分析的大多是经过高度筛选的样本，难以反映中国社会的整体状况，也很难捕捉STEM分化的关键阶段。第二，在STEM概念框架下，降低STEM教育与STEM专业两个变量在标准上的差异，更有效地揭示了STEM领域的分化。以往也有研究探讨不同性别在STEM职业获得上的差异，但是没有提出“STEM职业”这一变量，只关注从事科研、教学的学术职位（赵颖等，2023），或者关注专业技术类与管理类职业（He and Zhou，2018）。从实际来看，STEM从业者可以是专业技术人员，也可以是管理人员；可以在科研院所工作，也可以在科技企业工作。第三，本研究将个体的家庭背景、身份特征与出生世代纳入分析，丰富了对STEM领域性别分化的理解。受限于数据与篇幅，本文存在以下不足：第一，在STEM教育获得上，本研究未探讨高等教育之前的学科分化状况，高中阶段文理分科的性别差异可能是大学STEM专业毕业生存在性别差异的重要原因；第二，在STEM职业获得上，不同专业的学生进入劳动力市场的年龄和起始点存在差异。在经过本科阶段的学习后，毕业生若继续求学还可获得一次改变专业的机会，而本研究无法对本科之后的教育历程做进一步的分析。不同的劳动力市场对个体人力资本状况的要求也存在差异。如果STEM工作需要更长的教育经历，那么当受访者接受了研究生教育后，在就业时可能会因考虑沉没成本而留在STEM领域。第三，在收入获得上，STEM领域收入的吸引力也可能反过来影响个体留在劳动力市场或者选择STEM职业的意愿，这也是未来研究可以考虑的因素。
性别操演理论的经验解释与女性主义方法论反思——以高层两性人才访谈为例
学术专题 |【教育社会学】贺光烨：专业选择与初职获得的性别差异
性别研究专题丨【魏钦恭、张佳楠】来自兄弟的“让渡”和母亲的“馈赠”：校外教育投入中的女孩占优现象与家庭偏好逻辑
