三 结语

统计叙事的成功与不足毋庸赘述，该书中独具匠心的分析以及68幅统计图表能启发读者结合自身的研究旨趣去做更多的了解。著者的成功既源于以往经验研究未曾有的视角，也因其行质性研究所不能行。它涉及的数据来源广泛，测量的职业成就有更多种类，衡量性别差异的指标更为合理，具备全国代表性的样本使结论有更好的外推性质，注重发掘事实性信息，使用合成队列缓解观察数据中“左删截”（left censoring）造成的选择性问题（只有成功到达职业生涯特定阶段的个体才会列入抽样框，由于他们系统性地不同于那些因各种原因提前退出的人，这种选择性可能导致统计结果的严重偏差）（Xie&Shauman, 2003），多元回归分析不局限于截面数据；与质性研究相比，它不局限于孤立的个案，结论具有普遍性，能够澄清所用概念的具体含义，使用操作化后的变量能够对理论假设中的数量关系进行检验，不同影响因素的独特解释力能够相互比较，统计建模的步骤规范，不过度依赖研究者个人的专业素养，使研究结果更具可靠性和有效性，易于评价其价值中立与客观性。

当然，我们也无法忽略另外一面。研究的不足同样来自统计分析的本质：所用数据在时点上止于20世纪90年代早期，结论的时效性有待进一步检验；变量测量在各数据库间的可比性上存在的问题以及学校和工作场所特征变量的缺乏也会影响结论的有效性；应用统计模型的前提假设往往难以满足，数据中未观察到的异质性预示着存在忽略变量偏误的可能性（即未考虑的自变量与其他自变量和因变量都相关，使回归结果产生偏差），因果机制难以得到确证。对概念的操作化显然还有改进的空间，例如，学术产出的测量不应只是指出版物的数量，还可以包括其影响力等。这些使用二手数据难以避免的问题，提醒我们对分析结果要更为谨慎。值得提倡的是，在该书的每章每节中，著者对其研究不足之处都保持清醒的认识，都做有相应的讨论，这种严谨的治学态度确实令人肃然起敬。

如书中所言，从业中的个人选择是性别差异的有力解释因素，但它本身反映着更为广泛的社会结构并强化着职业的性别分割（Xie & Shauman, 2003）。多元回归模型中的直接效应尽管已经有相当的解释力，但其经验结果在本质上属于描述性质，可以有多种不同的解释，那些重要的间接影响也需要我们进行深入的分析，以破解迷思，还原社会现象的真实面貌，不是为适应做解释，而是为变革试探索。要实现这一目标，除选用更为恰当的解释变量和统计模型外，质性研究如深度访谈等实是必不可少的有力手段。

瑕不掩瑜，该书研究倡导的理论视角和涉及的主题，包括对研究方法的讨论都值得我们在研究时加以借鉴。然而，照搬他山之石未必一定可以攻玉。一方面，目前国内缺乏针对科学界性别不平等的调查数据，已有数据在目标总体定义和问卷题目上存在较大差异，难以综合利用，其也未向社会开放使用，量化方法与质性研究的结合尚需假以时日。此外，在原始数据的搜集上，由于国情特殊，学者难以在社会学调查这一场域中掌握知识权力 [如皮埃尔·布迪厄（Pierre Bourdieu）所言，这取决于运营经济资本、社会资本和文化资本的能力]，这导致调查主体和经费来源无法多元化。调查预算、组织的专业化程度和公众配合意愿也远不及美国，研究者在数据收集阶段需要面对严峻的质量控制问题。另一方面，研究主题不能仅限于科学界，还应对党政、管理领域高层人才中存在的性别不平等同时展开研究，探索女性高层次人才成长规律及发展对策。这些政策要充分考虑所面对问题在社会、文化和经济方面的根源以及群体内部的异质性。这方面的理论探讨才刚刚开始，与之配套的问卷设计还需要在具体研究假设的指导下多加推敲，反复探索，使数据能够说明要研究的问题。实施同样综合而细致的研究，亟待研究者们在实践中齐心协力，共建共享相关的数据，走出“没有数据的理论”和“没有理论的数据”（theory without measurement and measurement without theory）（Hyeok & Townsend, 2007）这两种困境，在中国情境下再解谜题。