2019中国职场性别差异报告

中国职场性别薪酬差异解读求职招聘中的性别行为差异Research on Gender Differences in China’s Job MarketGender Pay GapGlass Ceiling and Sticky Floor2019中国职场性别差异报告“天花板”与“粘地板”：职场女性的晋升困境Behavioral Differences目录序第一部分第三部分第二部分中国职场性别薪酬差异解读求职招聘中的性别行为差异参考文献数据说明与版权声明团队介绍曲折的演进：性别差异研究现状“天花板”与“粘地板”：职场女性的晋升困境 序言 曲折的演进：性别差异研究现状长久以来，性别差异都是一个热门课题，涵盖了生理、心理、社会、经济、文化等多方面的内容。序曲折的演进：性别差异研究现状我们尝试从生理到文化、成长到职场和偏好到晋升三个维度总结了可以观测到性别差异的领域。我们认为，这三个维度都受到社会规范和刻板印象的影响。同时，每个维度形成的范式也会逐步沉淀成为新的社会规范和刻板印象。皮尤研究中心（Pew Research Center）2017 年的调查表明 [1]，美国人普遍认为，女性最重要的特质在于外形吸引力（35%）、同情心和养育孩子（30%），而男性最重要的特质在于诚实守信（33%）、职业 / 商业成功（23%）以及雄心和领导力（19%）而类似的观点在世界范围内普遍存在。这种心理固着（Psychological Fixation）（注释 1）现象使得社会倾向于抑制具有雄心和领导力的女性。如图 1 所示，心理固着的主要体现是社会规范和刻板印象。对心理固着现象的认知可以帮助我们理解一个很常见的现象：性别两难窘境 [2]，即遵从刻板印象的做事方式“正确”但是会产生性别差异，违反刻板印象的做事方式会被认为“不正确”而受到惩罚，两者的结果都会导致更大的性别差异。本报告主要关注性别差异在职场中的体现。职场中的性别差异主要包括薪酬差异、偏好差异、职位差异和晋升差异等等，其中薪酬差异是最受关注的课题之一。对于性别薪酬差异研究最著名的是布劳（Blau）和卡恩（Kahn），他们从 20 世纪 70 年代就关注女性的薪酬差异问题 [3][4]。page.02性别差异多维度示意图数据来源：BOSS直聘研究院&职业科学实验室社会规范/观念/刻板印象图1 在心理学中，这种持续性坚持某种落伍的性别特质的现象被称为心理固着（Psychological Fixation），心理固着最早由弗洛伊德提出。注释1生理差异个体差异社会差异文化差异成长差异教育差异行为差异职场差异偏好差异职位差异薪资差异晋升差异Research on Gender Differencesin China’s Job Market在 2017 年的研究中 [5]，他们发现，过去的几十年中，薪酬差异逐步缩小，这主要得益于女性的教育程度、工作经验、职位选择等人力资本因素不断提升，以及政策因素的影响。同时，他们也发现性别薪酬差异仍然存在。与之前不同的是，随着近些年在一些国家女性平均受教育程度开始超过男性，教育因素对于性别差异的解释性已经非常低。通过经典的 Oaxaca–Blinder（OB）分解法，他们发现，薪酬差异中的不可解释部分（注释 2）已经从 1980 年的 19%-29% 逐步降低到 1989 年的8%-18%。之后，该差别处于比较稳定的状态。2010 年之后，技术革命带来对前沿技术人才需求的爆发，OB 模型中的不可解释部分在高级管理者和高级技术人群中的比例逐渐增加。世界经济论坛每年都会发布《全球性别差距报告》[6]，从薪酬 / 工作机会、教育、政治参与、健康 / 生存等角度来分析性别差距。在女性受教育程度提升甚至是反超，就业市场对于女性的接纳程度普遍提高的同时，大数据和人工智能等技术的出现和发展却使得性别差异逐渐拉大。世界经济论坛的研究表明：在全球从事人工智能行业的人才中，男女比例达到 3.5:1，性别差距为72%。2011 年，美国商务部经济与统计委员会尖锐地指出 [7]，尽管在整个就业市场中男性和女性的比例已经非常接近（52% 比 48%），但是在与科学、技术、工程和数学（STEM）相关的工作中，性别差异仍然非常巨大（76% 比 24%）。同时，STEM类工作的薪水比非 STEM 类工作的薪水要高出25%-33%，这将成为提升国家竞争力的重要障碍。很多研究发现，职场中的性别差异其实在进入职场之前已经产生。其主要原因包括： 招聘启事中的性别倾向性：研究者 [8] 对某平台上 1700 万职位描述的分析发现，过去的 10 年中，随着法规的逐渐完善和观念进步，招聘启事中性别特征明显的词汇逐渐减少，但偏向男性求职者的职位比例仍然呈现增加的趋势； 机器学习系统中的性别倾向性：研究者 [9] 对 200 个基于机器学习技术的情绪分析系统进行了分析之后，发现 75% 以上的系统呈现偏向某个特定族裔 / 性别的分析结果。尽管大部分的偏向性低于 3%，某些系统的偏向性却高达 34%。这些研究都对从事数据分析和机器学习研究的工作者提出了挑战。早期的薪酬差异研究倾向于将 OB 模型中的不可解释部分归结为性别歧视因素，近些年来，很多研究开始深入分析该部分。比如，福廷（Fortin）的研究 发 现，性 别 心 理 学 因 素（Psychological attributes）对于薪酬差异有轻度甚至是中度的影响[10]；而戈尔丁（Goldin）等人的研究则发现了非认知技能（Non-cognitive skills）因素对于薪酬差异的解释性 [11]。当然，无论是心理学因素还是非认知技能都会受到社会规范甚至是刻板印象的影响，如何将这些难以量化的因素纳入 OB 模型中将是性别差异领域的研究人员长期面临的一个挑战。序曲折的演进：性别差异研究现状报告框架和数据来源报告框架：在 BOSS 直聘《2019 年职场性别差异报告》中，我们从薪酬、晋升和行为三个维度入手进行分析。数据来源： BOSS 直聘人力资源大数据平台，数据采样范围为2018 年 1 月 1 日至 12 月 31 日； BOSS 直聘《2019 职场性别差异调查》，共回收有效问卷 2280 份，其中男性占比 53.6%，女性占比 46.4%； 教育部和统计局等国家部委的公开数据。OB 分解法将薪资差异分解为可解释部分和不可解释部分，其中可解释部分可以理解为禀赋效应，不可解释部分可以理解为结构效应。注释2注释2 page.03Research on Gender Differencesin China’s Job Market中国职场性别薪酬差异解读职场性别差异的最直接体现就是薪酬差异，通常有未调节薪酬差异（unadjusted pay gap）和调节后薪酬差异（adjusted pay gap）两种标准，主要区别在于是否考虑男女工作时长的差异。第一部分国家统计局《2018 年全国时间利用调查公报》显示 [12]，就业活动的参与者每日平均工作时长为 7 小时 41 分钟，其中，男性 7 小时 52 分钟，女性 7 小时