编译｜西元  编辑｜Via

 

“

The eternally female draws us onward.

——歌德

”

 

2015年，浙江大学王立铭教授及其合作者们在网上发布了一份《国内学术机构性别问题调查问卷》，收到了超过1600份、来自至少40多家学术研究机构的有效回答。问卷调查发现，女性在学术职业发展中的流失远远比男性严重，同时，学术界的性别歧视可能会表现在很多方面，例如求职、选择导师、期刊审稿等，但这些都只能通过受访人的主观感受来体现，并不能得到一个有说服力的结果。此外，如何量化性别歧视的程度也是一个难题。

 

教育部公布的数据显示，2005年-2019年硕士以上学历中，女性的比例已经占到了一半以上，但博士生中，女性占比仍然不足。而中国科学院院士、中国工程院院士中女性占比分别为 6% 和 5.3%。国家级人才计划入选专家学者中，女性也占比仅为 10% 左右。

 

 

2020年，《美国科学院院刊》（PNAS）统计了全球多个国家、多门学科自1955年以来活跃的论文发表学者，发现女性研究者的比例虽然有所提升，但也只占到了27%，且存在严重的学科差异。

 

 

来自加州大学伯克利分校的教授Card David和 Stefano DellaVigna, 提契诺大学经济系教授Patricia Funk以及巴斯克大学研究教授Nagore Iriberri于2020年在经济学顶级期刊《The Quarterly Journal of Economics》发表论文“Are Referees and Editors in Economics Gender Neutral?”，文中发现审稿人的性别对女性与男性作者的论文评估没有影响，但是女性作者比相似的男性作者的论文引用率要高出25%。编辑在很大程度上遵循审稿人的意见，进而导致女性作者的论文修改和重新提交（revise and re-submit）的概率比正常基准要低1.7个百分点。

 

Card David

加州大学伯克利分校教授

 

Stefano DellaVigna

加州大学伯克利分校教授

 

Patricia Funk

瑞士提契诺大学经济系教授

 

Nagore Iriberri

巴斯克大学研究教授

 

 

01

研究背景

 

性别歧视是永恒的话题。研究表明，女性在企业管理、法律和工程等领域的代表性远远不足。针对这一差距有很多解释，例如竞争力的差异以及工作和家庭之间的时间分配等。其中一个最受关注的因素就是刻板印象偏见（stereotype biases）或者以其他形式存在的歧视问题。这些问题导致决策者低估了女性的能力及贡献，并可能对其给予不公平的待遇。

 

对性别歧视的担忧在学术领域同样存在。因为绝大多数守门人——教授、期刊编辑和审稿人——都是男性。关于学术评估方面是否存在性别上的偏见，大家莫衷一是。

 

Blank（1991）在将提交到《American Economic Review》上的论文分配给审稿人的过程中，随机掩盖作者的姓名和隶属关系，他发现掩盖相关信息后女性作者的论文接受率会有很大的提高。

 

而Abrevaya和Hamermesh（2012）在另一个经济学杂志上却发现不同性别的审稿人在论文评估方面并没有显著差异。

 

本文借助近30000份论文的提交信息分析了性别在论文评估过程中的作用。文中使用这些数据来探讨在审稿人分配、审稿人评价以及给定审稿人的建议，编辑做出R&R决定方面是否存在性别偏见问题。

 

论文发现，在引用率上，女性作者的论文要比明显类似的男性作者的论文高出25%。而编辑在很大程度上遵循审稿人的指示，因此相对于正常基准（即编辑以最大化引用率为目标），女性作者收到R&R的概率会低1.7个百分点。

 

相对地，论文发现女性和男性审稿人的信息量以及编辑对女性和男性审稿人评价的重视程度没有差异，女性和男性作者的论文在发表延迟时长方面也没有显著不同。

 

 

 

02

数据库介绍

 

本文所使用的论文提交信息来自于四大期刊（Journal of the European Economics Association, Quarterly Journal of Economics, Review of Economics and Statistics, Review of Economic Studies）提供的匿名数据库，后文也称为“CDV数据库”，因为它在Card和DellaVigna（2020）中被第一次使用。

 

在CDV的基础上，本文通过一个预编码协议为数据库中的论文作者匹配性别。匹配具体过程如下：

 

步骤1：将常见的中文姓氏剔除，因为中文姓氏比较难以区分性别。

 

步骤2：如果美国和德国的学者名单都显示，该姓氏只有不到1%是男性，或者如果女经济学家名单上有整个名字，则归类为女性。

 

步骤3：如果美国和德国的学者名单中有一个显示99%以上的人是男性，另一个显示至少50%的人是男性，则归类为男性。

 

步骤4：由一组本科生RA搜索网页查找了所有未分配的姓名。

 

最终，本文为数据库中约97%的姓名成功分配了性别。通过对子样本检查，该程序错误率不到1%，具有一定可信度。

 

 

03

简单统计

 

本文根据作者性别将论文分为五组：

 

➤ 全男性团队（67%）

 

➤ 全女性团队（7%）

 

➤ 有一位资深女性（senior female）合著者的混合性别团队，也就是说，该团队中发表更多的是女性（4%）

 

➤ 其他混合性别团队（17%）

 

➤ 性别未定，即至少有一位未指定性别的合著者（4%）

 

经过简单统计，可以发现：

 

 

1）对于编辑的决定，混合性别团队（绿色和黄色）的论文被拒绝和收到R&R的概率都最高，其次是全男性作者的论文（蓝色），全女性作者的论文（红色）排在最后。此外，全女性作者的论文被直接拒稿（desk reject）的概率最高。

 

 

2）对于审稿人的建议，可分为7类，从“Definitely Reject绝对拒绝”到“Accept接受”，大多数论文都会收到“拒绝”或“绝对拒绝”的建议。混合性别团队更有可能获得更好的评论，而全女性作者团队被接受的可能性较低。

 

3）在研究方向方面，本文根据JEL代码将提交的论文分类，发现作者性别与领域相关：女性作者更多地出现在微观实证领域，如劳动和发展领域，而在计量经济学、金融学以及宏观和微观理论领域则较少。

 

 

04

主要结果

1

编辑在分配审稿人时会考虑性别吗？

 

 

上图显示，全女性作者的论文分配给女性审稿人的比例几乎是全男性作者论文分配给女性审稿人的比例的两倍。混合性别团队介于两者之间。有资深女性合著者的比例高于其他混合性别组的论文。这些结论在控制期刊提交的年份效应、作者数量、最多产合著者的出版物数量、研究领域等变量后依然成立。

 

对编辑在分配论文的过程中会考虑性别的一种解释是，编辑们担心审稿人存在偏见。本文也通过调研得到了一些证据，即编辑普遍认为，男性审稿人对女性作者论文的正面评价要比女性审稿人低，概率分别为17.5%和20.7%。

 

另一种可能的解释是女性作者更有可能引用其他女性作者的文章，编辑们倾向于从论文的参考文献中挑选审稿人，但这一点本文没有提供相应的证据支持。

 

2

审稿人的性别会影响对论文的评价吗？

 

 

本文使用两个指标度量对论文的评价，一个是Card和DellaVigna（2020）基于谷歌学术引用量建立的综合评价指标，一个是积极评价的比例。平均而言，女性和男性审稿人给出的评价非常相似，即使是对于同一篇论文。但是统计上不显著的结果并不能说明性别歧视不存在，有一种可能是因为男女审稿人都对女性作者的论文存在偏见。

 

针对这个顾虑，本文对Card和DellaVigna（2020）中的模型加以改进，从审稿人和编辑的角度分别探讨可能存在的针对论文作者的性别偏见。

 

3

审稿人和编辑会在论文评估的过程中存在偏见吗？

 

3.1 先来简单了解一下本文模型的基本结构：

 

假设审稿人和编辑可以部分观察到每篇论文的真实“质量”q，质量函数满足

 

 

其中，F为作者性别属性，R为审稿人评价，X₁为其他论文特征，φ_q为预测误差。

 

➤ 编辑决定模型（R&R model）

 

编辑可以观察到一个关于预测误差φ_q的信号s=φ_q+ζ。基于所观察到的信号以及其他信息，编辑对论文的真实质量会形成一个期望：

 

 

其中v=s×𝝈²_q/(𝝈²_q+𝝈²_ζ)。当E[q⎮s,x₁,F,R]大于某个“门槛”时，编辑就会给出R&R决定。这个“门槛”的形式如下，当𝜏_F >0时，编辑会对女性作者施以更高的标准。

 

 

最终，可以得到一个衡量编辑给出R&R概率的Probit模型（R&R model）：

 

➤ 引用率模型（Citation model）

 

模型的一个重要部分就是引用率蕴含的信息。每个论文引用量c取决于它的真实质量q以及一个质量不能捕捉到的因素𝛈：

 

 

考虑到编辑做出的决定RR可能与其他变量以及扰动项相关，文章加入了Probit模型中的残差r作为编辑决定的工具变量，该变量吸收了RR中内生的部分。改进后的引用率模型为：

 

 

3.2 在上述模型的背景下，本文的两个主要推测可以概述为：

 

➤ 如果审稿人没有性别偏见，得到相似评价但作者性别属性不同的论文应该有相似的引用率（𝜆_F=0）。

 

➤ 如果编辑没有性别偏见（𝜏_F=0），在编辑决定模型中其对审稿人评价和性别的相对权重应该与引用率模型中的相对权重相等，即𝜆_F/𝜆_R=π_F/π_R。

 

 

 

对于第一个猜测，本文发现几乎在每一类别的评价中，全女性作者的论文比全男性作者的论文引用率高，平均相差20个对数点。这表明，全女性作者的论文会被审稿人施以更高的标准。通过回归计算，𝜆_F=0.22，显著大于0，即一个全女性作者的论文平均需要25%（=e^0.22-1）更多的引用量才能与一个类似的全男性作者的论文获得相似评价。

 

虽然对于同一类别的审稿人评价，全女性作者与全男性作者的论文在引用率方面存在不同，但编辑给出R&R的概率却没有差异，这表明编辑不会“处理”审稿人对全女性作者论文相对消极的评价。

 

 

对于第二个猜测，本文基于模型进行反事实推导。上图表明，如果编辑以最大化引用率为目标，也就是说，如果编辑会对来自于审稿人的性别偏见进行处理，那么全女性作者的论文收到R&R的概率将从12.3%上升到18.6%（见第一个和第二个柱）。

 

为了计算对女性经济学家R&R概率的总体影响，本文对全女性、拥有资深女性的团队和其他混合性别团队的论文进行加权平均，发现这些经济学家收到R&R的概率将从14.2%增加到15.9%，增加了1.7个百分点。这种影响大到足以影响职业发展和薪酬决策。

 

此外，通过实际数据计算出来的π_F小于根据𝜆_F/𝜆_R=π_F/π_R计算的结果，这也说明了编辑在做决定时会对全女性作者的论文存在“过度拒绝”。

 

 

05

总 结

 

经济学领域的审稿人和编辑是性别中立的吗？

 

如果专注于强调不同性别审稿人的评价或者不同性别论文作者的发表延迟，本文并没有发现显著差异。但是，一旦考虑到论文质量的潜在区别，审稿人与编辑在做决定的过程中似乎并不是性别中立的。

 

本文发现，女性作者的论文要比男性作者的论文引用率高25%，这意味着女性作者会被审稿人施以更高的标准。由于编辑们没有对此进行调整，因此相对于引用率最大化的基准，他们实际上过度拒绝了女性作者的论文。

 

为女性作者分配更多的女性审稿人来消除性别偏见可能不是个好办法，因为女性审稿人与男性审稿人对女性作者论文持有相同的更高标准。本文认为使大家认识到女性作者的论文存在相对较高的门槛并做出调整才是更直接的解决方式。