三 結語

統計敘事的成功與不足毋庸贅述，該書中獨具匠心的分析以及68幅統計圖表能啟發讀者結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經驗研究未曾有的視角，也因其行質性研究所不能行。它涉及的數據來源廣泛，測量的職業成就有更多種類，衡量性別差異的指標更為合理，具備全國代表性的樣本使結論有更好的外推性質，注重發掘事實性信息，使用合成隊列緩解觀察數據中“左刪截”（left censoring）造成的選擇性問題（只有成功到達職業生涯特定階段的個體才會列入抽樣框，由于他們系統性地不同于那些因各種原因提前退出的人，這種選擇性可能導致統計結果的嚴重偏差）（Xie&Shauman, 2003），多元回歸分析不局限于截面數據；與質性研究相比，它不局限于孤立的個案，結論具有普遍性，能夠澄清所用概念的具體含義，使用操作化后的變量能夠對理論假設中的數量關系進行檢驗，不同影響因素的獨特解釋力能夠相互比較，統計建模的步驟規范，不過度依賴研究者個人的專業素養，使研究結果更具可靠性和有效性，易于評價其價值中立與客觀性。

當然，我們也無法忽略另外一面。研究的不足同樣來自統計分析的本質：所用數據在時點上止于20世紀90年代早期，結論的時效性有待進一步檢驗；變量測量在各數據庫間的可比性上存在的問題以及學校和工作場所特征變量的缺乏也會影響結論的有效性；應用統計模型的前提假設往往難以滿足，數據中未觀察到的異質性預示著存在忽略變量偏誤的可能性（即未考慮的自變量與其他自變量和因變量都相關，使回歸結果產生偏差），因果機制難以得到確證。對概念的操作化顯然還有改進的空間，例如，學術產出的測量不應只是指出版物的數量，還可以包括其影響力等。這些使用二手數據難以避免的問題，提醒我們對分析結果要更為謹慎。值得提倡的是，在該書的每章每節中，著者對其研究不足之處都保持清醒的認識，都做有相應的討論，這種嚴謹的治學態度確實令人肅然起敬。

如書中所言，從業中的個人選擇是性別差異的有力解釋因素，但它本身反映著更為廣泛的社會結構并強化著職業的性別分割（Xie & Shauman, 2003）。多元回歸模型中的直接效應盡管已經有相當的解釋力，但其經驗結果在本質上屬于描述性質，可以有多種不同的解釋，那些重要的間接影響也需要我們進行深入的分析，以破解迷思，還原社會現象的真實面貌，不是為適應做解釋，而是為變革試探索。要實現這一目標，除選用更為恰當的解釋變量和統計模型外，質性研究如深度訪談等實是必不可少的有力手段。

瑕不掩瑜，該書研究倡導的理論視角和涉及的主題，包括對研究方法的討論都值得我們在研究時加以借鑒。然而，照搬他山之石未必一定可以攻玉。一方面，目前國內缺乏針對科學界性別不平等的調查數據，已有數據在目標總體定義和問卷題目上存在較大差異，難以綜合利用，其也未向社會開放使用，量化方法與質性研究的結合尚需假以時日。此外，在原始數據的搜集上，由于國情特殊，學者難以在社會學調查這一場域中掌握知識權力 [如皮埃爾·布迪厄（Pierre Bourdieu）所言，這取決于運營經濟資本、社會資本和文化資本的能力]，這導致調查主體和經費來源無法多元化。調查預算、組織的專業化程度和公眾配合意愿也遠不及美國，研究者在數據收集階段需要面對嚴峻的質量控制問題。另一方面，研究主題不能僅限于科學界，還應對黨政、管理領域高層人才中存在的性別不平等同時展開研究，探索女性高層次人才成長規律及發展對策。這些政策要充分考慮所面對問題在社會、文化和經濟方面的根源以及群體內部的異質性。這方面的理論探討才剛剛開始，與之配套的問卷設計還需要在具體研究假設的指導下多加推敲，反復探索，使數據能夠說明要研究的問題。實施同樣綜合而細致的研究，亟待研究者們在實踐中齊心協力，共建共享相關的數據，走出“沒有數據的理論”和“沒有理論的數據”（theory without measurement and measurement without theory）（Hyeok & Townsend, 2007）這兩種困境，在中國情境下再解謎題。