中国职场性别差异报告

2019中国职场性别差异报告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（PewResearchCenter）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（PsychologicalFixation）（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（PsychologicalFixation），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ResearchonGenderDifferencesinChina’sJobMarket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OaxacaBlinder（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（Psychologicalattributes）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-cognitiveskills）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2page.03ResearchonGenderDifferencesinChina’sJobMarket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（unadjustedpaygap）和调节后薪酬差异（adjustedpaygap）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24分钟。考虑到理性的男女求职者在填写求职期望时会自主对该差别进行调节，我们在不区分这两种标准的基础上选择职位和行业两个维度，尝试从职位、行业和教育年限三个方面对性别薪酬差异进行解释。我们在研究中使用了绝对值、D-测度值（注释3）和分位值三个指标，如表1.1所示：从绝对值上看，2018全年，中国女性平均薪酬为6497元，男性薪酬优势较2017年上升8.7个百分点；考虑到离群极值可能对均值造成影响，我们比较了男女薪酬的D-测度值。结果显示，由于大部分薪资差异被方差抵消，2018全年男女薪酬D-测度值仅较2017全年增加0.008至0.189，增幅小于薪资差异度变化。也就是说，过去一年我国性别薪酬差异增大，更多由薪资分布结构发生变化造成，而不是由男性整体薪酬优势提升造成。性别薪资分布也有效验证了D-测度值的观察。我们注意到，当处于25分位及更低区间时，女性与男性的薪资差异约为10%，同比无明显变化。而随着分位值上升，男性与女性的薪资差异愈发明显；到75分位时，男女薪酬差异跃升至30%，薪资差异度同比增长10个百分点，说明高收入区间男女薪资分化程度提高是带动整体薪酬差异上升的主要原因。2018全年中国女性及男性薪酬分布（单位：千元/月）表1.1D-测度值（D-measure）是衡量两组数据差异严重程度的一种方法。与简单将两组数据进行除法运算相比，D-测度值考虑了方差对实际差异造成的影响，弱化高离数据对整体均值的拉升或下拽。用最通俗的话来解释，D-测度值能在一定程度上避开样本极值，更好体现大部分数据的真实差异。注释3女性薪酬25分位3.54.014.3%0.1890.1815.07.511.06.56.510.015.08.330.0%33.3%36.4%27.7%50分位75分位90分位平均薪资2018年D-测度值2017年D-测度值男性薪酬男性薪酬优势一中国职场性别薪酬差异解读page.05数据来源：BOSS直聘研究院&职业科学实验室ResearchonGenderDifferencesinChina’sJobMarket我们采用OB分解模型对薪酬差异进行分析。结果显示，特征值差异对男女薪酬分化的解释力依然占主导地位，共有三项因素直接造成女性薪酬低于男性，按权重从高到低排序分别为职位、行业及工作年限。职位选择是导致男女薪酬分化的最大因素。从男女双方的求职特点来看，男性更偏向技术、销售等工作强度大、薪酬回报高的岗位；而女性相对更青睐行政、运营、市场等工作强度一般，薪资中等的均衡型岗位。近两年，越来越多的女性向高级技术、产品、管理等岗位涌入，但大部分高薪岗位中，男女比例关系依然呈现明显失衡状态。图1.1显示了2018全年前15个高薪岗位的女性占比。可以看到，除了排在第14位和第15位的战略咨询及证券分析师外，其余岗位女性占比普遍在30%以下。目前技术领域热度最高的机器学习、深度学习、图像识别、架构师等人工智能和大数据相关岗位，女性占比不足20%，甚至是个位数。女性在高薪技术类职位中的低参与率使得薪酬差异日益明显。而近年来，各领域商业模式红利减弱，行业巨头转向技术驱动，高级技术岗位薪资持续飙升，进一步强化了相关领域内高收入男性的薪酬优势。职位：高低薪职位性别比例失衡拉大差异度2018全年前15个高薪职位女性占比图1.1架构师数据架构师算法研究员深度学习图像算法Erlang工程师推荐算法搜索算法机器学习图像识别语音识别Golang工程师自然语言处理战略咨询证券分析师3.6%13.7%21.3%14.1%13.2%16.7%19.5%14.0%20.0%29.8%5.2%22.6%49.8%36.5%19.1%造成薪酬差异的三大因素：职位、行业及工作年限一中国职场性别薪酬差异解读page.06数据来源：BOSS直聘研究院&职业科学实验室ResearchonGenderDifferencesinChina’sJobMarket此外，数字技术的突飞猛进造成诸如客服、校对员、录入员等标准化、重复性强的岗位被快速替代，部分求职者被迫自降身价以转型至其他岗位。这部分职位中女性占比相对更高，在一定程度上也加重了男女薪酬的分化。行业对性别薪酬差异的解释力仅次于职位。如图1.2所示，目前男女薪酬差距较大的领域主要有两类：第一类为采掘冶炼、工程施工、装修装饰、化工等工程制造类行业。这些领域中，男性因拥有生理优势，在劳动参与率和职级晋升方面均显著占优。2018全年，工程制造领域的高级管理职位中男性平均占比超过95%，高层职位男女比例严重不均导致双方薪酬差异处于高位。第二类是以互联网、医疗、电子通信等为代表的科技行业。与前者相比，科技行业对求职者性别敏感度低，公平性相对更高，女性比例也在不断提升。但由于这些领域中男性更多从事技术等高薪职位，双方薪酬差异同样较大。一中国职场性别薪酬差异解读page.07行业：工程医疗等领域差异度最大，教育培训行业女性占优2018全年男女薪资差异最大的15个行业采掘/冶炼工程施工55.1%43.7%41.6%39.2%36.0%35.8%32.9%31.1%31.1%30.9%28.5%28.5%27.6%27.3%27.0%装修装饰医疗健康企业服务证券/期货化工制药建材贸易/进出口环保信息安全数据服务交通/运输电子商务BOSS直聘研究院图1.2数据来源：BOSS直聘研究院&职业科学实验室ResearchonGenderDifferencesinChina’sJobMarket考虑到通过D-测度值，我们可以分析出薪资差异的严重程度，我们列举了2018年D-测