周绪东

（济南大学商学院，山东 济南 250002）

一、引言

人才是第一战略资源。进入新世纪，我国实施了人才强国战略，国家对于高层次人才的需求日益迫切。习总书记曾经在哲学社会科学工作座谈会中讲到,哲学社会科学是人们认识世界、改造世界的重要工具,是推动历史发展和社会进步的重要力量,其发展水平反映了一个民族的思维能力、精神品格、文明素质,体现了一个国家的综合国力和国际竞争力。所以我们不仅仅要重视自然科学领域人才的培养，同样不能忽略社科领域人才所起到的作用。因此对中国高被引社科学者职业成长轨迹进行研究就有了实践意义。

二、文献综述

杰出人才是各国竞相争夺的战略性资源，所以促进人才的成长与发展就成为了一项国际性的研究课题。美国社会学家朱克曼对诺贝尔奖获得者的家庭背景、求学经历和工作经历等情况进行了深入分析，揭示了这类杰出科学家成长的一般规律[1]。国内对人才成长的研究也取得了一定的理论成果如李峰和吴蝶则搜集了1998-2015年间的1322 名长江学者的教育背景信息，探索了多样化教育背景对高层次科技人才成长的影响[2]。

上述的研究都很注重对科研人员履历信息的收集，这是因为科技人员的履历包含了很多关键信息，如教育背景、年龄、获得职称的时间，基本上可以认为是科研人员的个人历史写照。如杨芳娟等选取中国高被引学者为研究样本，收集其个人履历信息和科研产出信息进行履历分析，发现学者跨国流动对其建立国际合作关系和提升科研生产力都有显著作用[3]。

总结过往的研究可以发现，大多数基于履历分析的人才成长研究都无法从时间角度进行动态变化趋势的观察，也不能有效处理人才履历数据中的删失数据。而生存分析法是一种研究生存现象的生存时间和影响因素之间关系的统计方法，其优势之一就是能处理删失数据。国内有使用生存分析法对人才履历进行研究的学者，如田瑞强等收集了ESI 高被引作者库中的233 名华人科学家的履历信息，采用生存分析法研究了各种因素对学者职业生涯发展的影响[4]。本文将采用生存分析法动态分析中国高被引社科学者的履历信息，探讨不同因素在人才成长中对其生存风险的影响作用，为我国社科领域人才的培养提供参考信息。

三、数据与方法

（一）数据收集

本文以Elsevier 在2019年公布的中国高被引学者名单为对象，从中挑选出经济，经济计量学和金融、商业，管理和会计、社会科学三个领域的学者作为本次研究的人才名单。其次，通过网络采集履历信息，包括基本信息（姓名，性别），教育经历（博士毕业时间，本、硕、博毕业院校，留学访学经历、教育背景是否多样化），工作经历（博士后经历，晋升为副教授，教授的时间，现任就职单位，博士毕业后第一份就职单位属性），并且通过其他网站信息进行多次核对以保证信息准确性。通过上述过程收集到104 份中国学者的履历信息，对其进行深度编码，如男性编码为0，女性编码为1，为生存分析做准备。

（二）生存分析方法的选择及应用

本研究中笔者关注的是学者高等教育背景因素对学者晋升为教授的风险率的影响。相应的，本研究的起始事件为学者博士毕业的时间，终点事件就是学者晋升为教授（或与之同级别职称）的时间。调查截止时仍未发生终点事件的数据或调查缺失的数据为删失数据。定义是否晋升教授（或与之同级别职称）为生存状态变量，有两个水平：0-晋升为教授，1-未能晋升为教授。生存时间为学者自取得博士学位的时间至晋升为教授（或与之同级别职称）所经历的时间，实现的工具是IBM SPSS 26。

四、数据分析

（一）样本统计

目前数据库有104位中国高被引社科人才的基本信息，其中男性93名，占比89.4%，女性10 名，仅仅占比9.6%，剩余一位学者的性别信息未得到。除去没有调查到信息的删失数据，剩余的学者都在高校任职，从事教学和科学研究。数据库中一共有89 条数据被登记为教授（或与之同级别职称），占比85.6%，有15 条删失数据，占比14.4%。

（二）Kaplan-Meier 分析

生存函数（Survival distribution function）又叫累积生存率，表达式为S（t）=P(T>t),其中T 为生存时间，该函数的意义是生存时间大于时间点t的概率。t=0 时S(t)=1，随着t的增加S(t)递减（严格的说是不增）。生存分析的主要目的是估计生存函数，最常用的方法就是Kaplan-Meier 法。对于是否晋升教授来说，生存函数表示经过某段时间 T 还未进入这种职业状态的个体的比例。研究开始时生存函数值为1，表示还没有人晋升为教授。

首先采用Kaplan-Meier 法比较学者教育背景对学者晋升为教授的影响。研究结果见图一。

图一 教育背景影响下的生存函数

生存分析函数图中的曲线在下方表示更好。由于生存函数表示经过某段时间 T 还未晋升教授的个体比例，所以对每一个时间T 而言，越在下方的曲线表示风险率更高，即生存时间越短，也就是说能更快的晋升为教授。图一可以看出教育背景多样化的曲线整体都在教育背景单一化曲线的下方，表示教育背景多样化的学者能够更快的晋升为教授。同时，研究结果显示 χ2 分布中的 Log Rank 检验 P 值为0.072，在显著性0.1的水平上显著，表明两组函数之间存在显著性差异。

（三）Cox 比例风险回归分析

Kaplan-Meier 法是单变量分析，在做单变量分析时，模型只描述了该单变量和生存之间的关系而忽略其他变量的影响，而Cox 比例风险回归模型根据对生存时间有影响的因素建立回归模型，并由此预测风险率。本研究为了进一步确定还有哪些因素对学者的晋升产生影响以及影响程度如何，利用Cox 比例风险回归模型对其做分析，考察各个因素的影响效果。参考以往研究，确定其影响因素包括获得博士学位的国别（美国、中国），性别，教育背景，博士毕业后的第一份工作的性质（高校、研究所、产业界）和任职单位种类（国外高校，985 高校，211 高校，一般高校），由此建立人才成长的生存函数。

Cox 检验发现，模型总体上具有显著性（P<0.05）。如表1 所示，因子是否在中国获得博士学位对生存风险具有显著影响，该因子的显著性水平为0.042（P<0.05），该因子可以提高学者晋升为教授的风险率。学者的任职单位种类对学者的晋升生存风险具有显著作用。学者的任职单位为985 高校（因子任职单位（2））相比普通高校对学者的晋升生存风险具有降低作用，显著性水平为0.016（P<0.05）。学者的任职单位为国外高校（因子任职单位（3））相比普通高校学者的晋升生存风险具有降低作用，显著性水平为0.002（P<0.05）。综上所述，只有因子是否在中国获得博士学位和任职单位种类对学者的晋升生存风险率具有统计显著性，其他因子对生存风险函数的影响并不显著。

表1 Cox 风险回归结果

五、研究结论与启示

（一）结论

本研究选取了Elsevier 在2019年公布的中国高被引社科学者名单为研究对象，通过Kaplan-Meier法探讨了学者的教育背景对学者晋升的影响，采用生存曲线描述了这个过程的风险率。研究发现高等教育背景多样化培养下的学者能够以较明显的优势和较快的速度获得高级职称，而单一化的高等教育背景对于学者的成长则具有显著延缓作用。

通过Cox 回归发现，是否在中国获得博士学位对学者的职业成长有着显著性作用，不在中国获得博士学位的学者具有更高的生存风险率，即不是中国博士的学者能更快获得教授职称。最后，学者任职单位的种类对于学者的晋升具有显著影响。

（二）启示

本研究对社科人才的培养和管理具有如下的启示：1.建立多元培养机制。政府部门要构建高校与高校之间的多元化培养模式，打通交流壁垒，为学术交流和人才培养提供多层次多方面的帮助与支持。2.加强国际化交流与合作。积极申请国外留学，开展丰富多彩的国际交流，有助于开拓学者的国际化视野，增强对国际前沿学术领域动态的感知力，有助于提升学者的科研创新能力。3.优化人才流动机制。教育部门要提高监测能力与管理能力，高被引学者作为科研领域中的一种重要人才资源，必须进行有序的流动，实现人才资源的合理配置，创造更多的学术研究成果。