学林探赜（第3辑）

第十八章 科学家与政界精英职业发展的影响因素研究

　　科学家与政界精英职业发展的影响因素研究——基于学习经历、工作调动的影响因子分析

　　⊙曾文凯吴培群

　　成功，是每一个人的梦想，科学家和政界精英，对青年人来说是成功奋斗目标。本项目运用相关分析、回归分析等统计建模方法，对科学家和政界精英这两个领域的成功人士进行的简历数据分析，分析他们成功及其影响因素方面的规律。本项研究的样本个数一共是3001个，其中科学家2001人，政界精英1000人。研究的样本数据来自于公共网络资源，其中科学家个案数据来自中国科学院下院所的官方网站，政界精英个案数据来自新华网以及各部委、各省、直辖市的官方网站，从这些权威的网站中获取个案的简历信息。

　　一、基本统计分析

　　在进行统计分析数据之前，本项目组对可能影响成功的各个因素进行了数据化处理。

　　在科学家的数据中，学历变量用数字5至1分别代表博士后、博士、硕士（研究生）、学士（本科）、大专及大专以下。职称一栏中，数字5代表是科学院院士、4代表科学院研究员、3代表科学院副研究员。后文中所有关于科学家的数据含义都如此。

　　在政界精英的数据中，现学历学位变量中数字5至1分别代表学历为博士、硕士（研究生）、学士（本科）、大专、大专以下。行政级别变量中数字5至1分别代表级别为部级以上、正部级、副部级、正厅级、副厅级。

　　笔者对个案就读的本科、博士的院校也进行了统计，用数字6代院校、数字5代院校、数字2代表其他院校（因为国外院校与国内院校教学水平不好比较且占总体比例不高，在此均用数字2表示）、数字0代表没有相应学历。

　　另外，本文中的职业外时间是指科学家从开始工作到进入专职研究的时间或政界精英从开始工作到进入政府部门工作的时间。流动次数是指个案从参加工作到现在经历的工作单位调动的次数。

　　本文通过使用spss 19.0软件以科学家的职称和政界精英的行政级别作为控制变量，对已建立的简历数据库进行统计分析。

　　（一）科学家

　　科学家个案一共2001个，其中男性1719人，女性282人。

　　1.学习经历

　　（1）学历分析。

　　通过对科学家的学历学位进行统计，可以看到院士、研究员、副研究员的学历均值为4.32、4.00、3.31，均在研究生以上，并且从中可以看到，博士在院士、研究员、副研究员中都是比例最高的，表明科学家的学历普遍较高。不过还发现从副研究员到院士学历处于一个下降的趋势，考虑到早期研究生以上学历的人极少，并且早期进入研究领域的科学家经验丰富，学识不能仅用学历数据衡量，考虑到历史背景的因素，笔者不能过早下定义，需要继续研究。

　　（2）本科院校分析。

　　通过对科学家的本科院校进行统计，发现本科院校的数据均值均在4.50左右，并且每个职称中就读于“985”院校的都是比例最大的，分别是51.0%、35.1%、46.1%，看以看出科学家就读的本科学院的教育水平普遍也比较高，但仅从基本数据上看各个职称间区别不大，所以需要在后面通过相关分析进行检验。

　　（3）博士院校分析。

　　从数据中可以发现，有博士学历的科学家有50%以上，但是有很多科学家在中科院中就读的，不好与其他高等学校比较，故数据分析不具有说服力，不再作为相关因素研究。

　　（4）学科分析。

　　2.工作调动

　　（1）职业外时间。

　　通过对科学家的职业外时间进行统计，发现科学家的职业外时间比较少，平均只有3.48、3.28、2.49，并且参加工作就从事研究工作的占大多数，尤其是院士职称的，在有效数据中达到57.3%。从正态分布曲线上看各职称之间差别不大，需要进一步分析。

　　（2）流动次数。

　　通过对科学家的流动次数进行统计，可以看到科学家的流动次数和职业外时间一样，各职称平均只有1.59、1.67、1.93，从直方图上看，流动次数在6次以上的科学家几乎没有，说明科学家大多会在一个研究所工作多年，研究项目比较专一。

　　（二）政界精英

　　政界精英个案一共1000个，其中男性984人，女性106人。

　　行政级别情况：部长以上级别73人，部长级别114人，副部长级别813人。

　　1.学习经历

　　（1）学历分析。

　　通过对政界精英的学历学位进行统计，可以看到部长级别以上、部长级、副部长级的学历均值为3.95、3.95、3.51，中位数为4、4、3，从数据上看部长以上级别的人的学历更趋向本科，而部长级和副部长级的更趋向研究生，但经过对数据的比对，部长以上级别的人普遍年纪比较大，由于新中国成立初期教育水平低于改革开放后，那一时期的本科学历已经是很高的，随着教育水平的不断发展，年轻的人有更好的受教育机会，读硕士、博士的人也越来越多。

　　（2）本科院校分析。

　　通过对政界精英的就读的本科院校进行统计，可以看到部长级别以上、部长级、副部长级的本科院校均值为3.82、3.61、3.20，就读于“985”学校就读的百分比是37.0%、21.1%、15.5%，就读于“211”学校的百分比是11.0%、8.8%、6.2%。根据分析数据可以得到，行政级别越高的人就读的本科院校的教学水平相对较高，他们在本科学院中的更好学习经历、收获让他们能够有更好的机会。

　　（3）博士院校分析。

　　通过对政界精英的就读的博士院校进行统计，发现政界就读博士的比例普遍不高，都只有十几个百分点，在有就读博士的政界精英中，在“985”院校就读的比例差距也很小，所以这一项数据将不再作为影响因素讨论。

　　（4）学科分析。

　　通过对政界精英的最高学历所学专业进行统计，可以看到部长级以上级别的最高学历所学为工学和理学的比较多，分别占30.1%和19.2%，部长级别的学法学和经济学的比较多，副部长级别的学经济学、管理学、法学的比较多。在上世纪七八十年代普遍比较推崇“学好数理化，走遍天下都不怕”，当时学习理工学的人很多，随着社会发展，社会的要求有所改变，人们倾向于学习经济学、法学、管理学。

　　2.工作调动

　　（1）职业外时间。

　　通过对政界精英的职业外时间进行统计，可以看到政界精英中30%以上的人是开始参加工作就在政府部门任职，职业外时间为0.部长与副部长级别的职业外时间平均在4到5年，而部长以上级别的平均为8.79年，这个结果与新中国成立初期，知识分子需要下乡劳动有一定关系，需要进一步讨论。

　　（2）流动次数。

　　通过对政界精英的流动次数进行统计，可以看到从副部长级别到部长以上级别，流动次数是呈现上升态势，由于级别高的个案工作时间也相对比较长，属于正常现象，有待进一步讨论分析。

　　二、相关分析

　　前一部分的分析能够简单地表现出学历、本科院校、博士院校、最高学历专业、职业外时间和流动次数对科学家和政界精英的影响，并且已经发现这些因素确实与他们的职称/行政级别有一定的相关性。为了进一步发掘他们之间的联系，笔者用spss19.0软件进行相关性分析。

　　变量之间的关系处理确定性关系，还存在着非确定性关系，即相关关系其特点是给定了一个变量值后，另一个变量值可以在一定范围内变化。相关性分析就能把非确定性关系呈现给大家。

　　（一）科学家

　　经过上一部分的分析，笔者发现学历、本科院校、职业外时间和流动次数需要进一步研究，故将他们作为自变量，科学家的职称作为因变量进行相关性分析。

　　通过对科学家的肯德尔系数相关分析可以看到，学历和职业外时间分别在置信度（双侧）为0.01时、置信度（双侧）为0.05时相关性显著，但笔者发现他们的相关系数是负数，从相关分析上看呈负相关，由于上文说明的时代问题，这种情况是正常的。

　　（二）政界精英

　　经过上一部分的分析，笔者发现学历、本科院校、职业外时间和流动次数需要进一步研究，故将他们作为自变量，政界精英的行政级别作为因变量进行相关性分析。

　　通过对政界精英成功影响因素的肯德尔系数相关分析可以发现，自变量中学历、本科院校、流动次数在分析中都是在置信度（双测）为0.01时，相关性是显著的，表示相关系数在0.01的显著性水平（双边检验）上非常显著，说明这三个因素对因变量的变化有较大影响。

　　从回归分析的表中笔者可以看到，自变量的膨胀因子（VIF）为1.007，都小于5，所以他们之间没有共线性，所以笔者可以得到方程：

　　职称=学历×（-0.167）+职业外时间×（-0.003）+4.573①

　　由公式①可以得出，学历每上升1，则职称降低0.167，职业外时间每上升1，则职称下降0.003.

　　（二）政界精英

　　经过相关性分析得到了学历、本科院校、流动次数这三个因素与政界精英行政级别的相关性十分显著，故笔者以他们作为自变量，行政级别作为因变量进行回归分析。

　　笔者看到三个自变量的膨胀因子（VIF）为1.043、1.051、1.009，都小于5，所以他们之间没有共线性，所以可以得到方程：

　　行政级别=学历×（-0.124）+本科院校×0.053+流动次数×0.051+3.322②

　　由公式②可以得出，学历每上升1，行政级别下降0.124，流动次数每增加1，行政级别上升0.051，本科院校方面，从没有读本科变化到一般本科院校，行政级别上升0.106；从一般本科院校变化到“211”院校，行政级别上升0.159；从“211”院校变化到“985”院校，行政级别上升0.053.

　　四、结果分析

　　笔者对1000名政界精英和2001名科学家的简历数据化，分析学习经历和工作调动对他们职业发展影响。笔者假设的因变量为科学家的职称和政界精英的行政级别，自变量分别为学历、本科院校、博士院校、所学专业、职业外时间、流动次数。通过基本统计分析、相关分析、回归分析找到了因变量和自变量之间的关系。

　　对科学家的研究中可以发现，科学家的学历总体很高，普遍在硕士之上，且一般所学的专业为理工科，专业性很强，可见科学家需要很高的学识，需要对一类学科知识掌握得很深才能有所成就。科学家的本科院校为“985”院校或“211”院校的占60%以上，博士很多在中科院就读，教育水平和质量都很高，进一步巩固了科学家的知识专业度。科学家的平均职业外时间为3.23年，平均流动次数为1.68次，可见科学家的研究工作非常专一，要求能够全身心投入在所从事的科学研究当中去，数量较少的职业外时间和流动次数使得他们能够更加专注研究，取得成功。在对科学家的肯德尔系数相关分析中学历和职业外时间呈现出显著的负相关性，可见职业外时间对科学家职业影响较大，职业外时间越大，科学家从事于研究时间越短，其职称将会越低，在线性回归分析中，通过公式①可以看到职业外时间每上升1，则职称下降0.003.而学历的负相关性原因与时代背景有很大程度的关联，职称比较高的科学家年龄相对较大，当时社会使得他们没有机会在学校进行更深的研读，随着教育事业的发展，科学家的学历逐渐上升。

　　对政界精英的研究中可以看到，政界精英的学历均值为3.92，接近研究生，可以看出，政界精英的发展也需要一定的学识作为基础，经过高校良好环境的熏陶，个人的自身素质也会相应提高，对职业发展会有一定的促进作用。随着我国国情不断变化，社会不断发展进步，以经济建设为中心，倡导依法治国，努力实践科学发展观，政界精英的所学专业以经济学、法学和管理学居多。政界精英的本科院校为“985”院校或“211”院校的占37.5%，并且行政级别越高这个比例越大，其中行政级别为部级以上的政界精英达到48%，所以更全面教育能够让人在竞争中更有优势。政界精英的职业外时间均值为5.17，很多人在进入行政岗位之前在工厂、企业工作，能够深刻理解劳动人民的需要，对以人为本的社会发展有很大帮助。政界精英的流动次数均值为5.29，流动次数比较多，政界精英要求经验丰富，知识面广泛，合理的流动会促进政界精英的事业发展。在政界精英的肯德尔系数相关分析中变量学历、本科院校、流动次数与行政级别的在0.01的显著性水平（双边检验）上非常显著，这三个变量对行政级别的影响很大，巩固了统计分析中得到的结论，在政界精英的线性回归分析中得到的方程②中，三个变量的系数最大的是本科院校的0.053，也就是影响程度最大的变量，说明现在许多单位在招聘时对本科院校有一定要求的做法是有科学性的。流动次数的影响因素也比较大，与统计分析和相关分析的结果相吻合，说明政界精英的流动次数是影响职业发展的重要因素，合理的流动很大程度上拓展了一个人的眼界，丰富的认识使其考虑问题更加全面，能够照顾这个社会的更多群体，是政界精英应具备的重要能力。学历的系数为负数的原因与科学家学历肯德尔相关系数为负数的原因大体一致。

　　科学家和政界精英是两个社会中成功人士的典型代表，通过对他们的学习经历和工作调动的研究，笔者得到一些他们的成功因素方面的规律供高校学生专业选择和职业规划提供参考。第一，要认真学习课程知识，科学家和政界精英的平均学历基本在硕士的位置，拥有一定的学识基础，成功的机会能够大大增加。另外，能够在教育水平和质量高的学府就读更好，如“985”学院和“211”学院；第二，根据自己的奋斗目标选定专业，不同的行业需要不同的知识储备，专业对口则如虎添翼。比如科学家所学专业以理工科居多，政界精英所学专业以经济学、法学和管理学居多。第三，选择好自己的工作方式，比如科学家要求研究专一，流动很少，政界精英要求涉世广泛，需要较多的工作调动。注：本文为北京电子科技学院国家级大学生创新创业训练计划资助项目：“我国科学家与政界精英成功之路的比较研究——对三千人简历的内容分析与建模”的研究成果。

　　参考文献

　　[1]吴培群，大学教师流动及其中外比较研究——基于一个全国样本的内容分析和建模[M]，北京：西苑出版社，2011.

　　[2]吴培群，高校专家评教与学生评教差异的实证分析[M]，国家教育行政学院学报，2010-10-15.

　　[3]吴培群，陈小红，大学生评教的统计分析及其改革途径探讨——基于北京一所高校学生评教分手的统计分析[M]，高教探索，2010.

　　[4]谢龙汉，尚涛。SPSS统计分析与数据挖掘[M]，北京：电子工业出版社，2012.