职业地位获得的性别差异—人力资本效应还是社会网络效应范文
职业地位获得的性别差异—人力资本效应还是社会网络效应
摘要:基于2015年中国综合社会调查数据,从人力资本和社会网络两种效应比较职业地位获得的性别差异。实证结果表明,男女两性的职业地位存在显著差异,男性的职业地位显著高于女性。其中人力资本尤其是受教育程度的提高对两性职业地位的获得均起到正向的推动作用;而社会网络对两性职业地位的获得具有差异性,党员身份促进了男女两性获得更高职位的可能性,但女性相对于男性而言,要获得更高的职业地位就需要利用社会关系。总而言之,人力资本对两性职业地位的获得并无差异,但社会网络在职业地位获得中对女性的作用更大。
关键词:职业地位 人力资本 社会网络 性别差异
1引言
职业地位通常被视为现代社会不平等产生的核心机制(吴晓刚、张卓妮,2014),但男女两性的职业地位的获得存在着差异。伴随着工业化和现代化的过程,女性受教育程度和就业率不断上升,使得女性在职业地位获得以及职业发展方面获得了更多的机会。新中国成立尤其是改革开放以来,中国女性的社会地位得到了极大的提升,并成为推动我国社会经济发展的重要力量。尽管女性的社会地位不断提升,且在劳动力市场中的就业机会不断增加,但由于女性面临的家庭-工作冲突以及其他原因,男性在职业地位获得方面仍然存在优势,女性遭遇到的“职业性别隔离”以及“职业的玻璃天花板效应”仍普遍而持久存在着。(顾辉,2013;吴帆,2016)。
近年来,学者们开始关注女性在职场面临的“职业性别隔离”,并探讨男女两性在职业地位获得以及工资收入的性别差异,并试图寻找不同的变量解释这种差距(Jessica Pearlman,2018;李黎明,2014;张文宏、刘琳,2013;杨慧,2018)。我国学者研究主要关注我国劳动力市场中长期存在的性别隔离和收入分层现象,以及行业类型、所有制、人力资本、家庭社会经济地位和户籍等方面在再生产职业性别隔离上的作用(吴晓刚、吴愈晓,2008;吴晓刚,2009;李春玲,2008)。还有一部分学者从家庭背景、父母受教育程度、父母职业地位入手,探讨职业地位的代际传递以及性别差异(田志鹏、刘爱玉,2015;陈煜婷,2016)。尽管学者们从不同的角度探讨了劳动力市场中职业地位获得的性别差异,但较少关注社会网络对于职业地位获得的影响。职业地位获得的一个重要影响因素是人力资本水平,但在现实中,即使具有相同人力资本水平的两个个体,其职业地位存在着差异,具有相同人力资本男女两性,在职业地位获得的过程中也存在着差异。背后的原因在于在职业获得过程中存在着社会网络的差异,或者叫做社会资本的动员差异(边燕杰、孙宇,2019),其背后隐藏的人情关系即社会关系网一直被忽略(邵宜航等,2016)。基于此,本文从人力资本和社会网络的两种效应出发,探究职业地位获得的性别差异,比较人力资本和社会网路两性职业地位的获得中孰强孰弱?
2文献综述与理论回顾
2.1性别分层与职业地位的性别分化
性别分层,顾名思义是以人们天生的性别为基础进行的层级划分,不涉及经济、政治等。当前关于中国的性别分层与职业地位的研究主要有两个研究视角。一是女性在整个职业结构呈现出与整体或是男性怎样的不同分层。当代中国社会存在着明显的性别分化现象,男性职业地位的结构呈橄揽型、女性呈金字塔型。处于职业地位上层的人群中,男性约占75%明显高于女性(李春玲,2002)。二是女性内部出现了怎样的职业地位分化,从而对女性的职业地位有了不同类型的划分(白鹭,2010)。
职业地位性别分化的真正原因是家庭背景、后致性因素、户籍制度亦或其他原因?随着我国高等教育的普及,男性和女性在受教育程度方面已经没有显著的差异。与此同时,由于计划生育的实施,一个家庭中的孩子既可能是男孩也可能是女孩,因此家庭教育中的性别差异将会减少。中国的城乡户籍分割制度导致农村家庭中的独生女较少,从而导致女性内部受到城乡分割的影响产生了分化(佟新,2010)。当女性进入劳动力市场后,面临着严重的性别歧视。中国乃至世界范围内都存在着男性分层结构和女性分层结构的差异,及由此引发的性别不平等问题(陈煜婷,2014),从而产生职业地位的性别分化。
2.2人力资本与职业地位的获得
布迪厄强调了文化资本(人力资本)的重要性,同时区分了文化资本的三种状态:具体化状态、客观化状态和体制化状态。此外他还重视家庭在文化资本具体化过程中的基础作用。他认为具体化文化资本的获得必须在儿童时期获得。对于个人而言,早期能够获得何种教育以及进入青少年时代还能接受多少文化资本,与家庭有着密切的关系,离不开家庭的支持。舒尔茨认为物质资本是体现在物质上的资本,人力资本就是体现在人身上的资本,教育是提高人力资本的重要手段。
20世纪60年代初,舒尔茨和贝克尔提出了人力资本理论,人力资本投资可经由正规教育、在职培训、医疗保健、就业流动等方式进行积累,其中正规教育是人力资本形成的最重要途径。拥有较高人力资本的劳动力,往往能够在劳动力市场上获得更好的就业机会和更高的收入。衡量人力资本的指标主要包括受教育水平、职业培训和职业经历等。一般而言,工作时间越长,积累的工作经验就越丰富;受教育水平越高,综合素质就越高。有相关工作经验的劳动者,在内部劳动力市场向上流动的机会就越多;而在内部劳动力市场无法向上流动时,其向外部劳动力市场流动,谋求更好的发展机会的可能性就越大。
部分实证研究也证明了人力资本与职业地位的获得而具有显著的关系。随着中国劳动力市场的转型和不断发育,人力资本在职业地位获得过程中所起的作用逐渐增强。随着社会的发展和王业化进程的加快,先赋性因素在职业地位的获得中作用将越来越小,受教育程度起到越来越重要的作用(黄敬宝,2015;田北海等,2015;吴帆,2016)。除受教育程提升之外,职业技能以及工作经验也对职业地位获得具有显著影响。职业教育和技能培训在劳动者积累人力资本进而增加收入方面存在差异,职业技能培训能否获得相关职业资格证书将引起专用性人力资本含量变化,进而对不同劳动者的工资收入产生深刻的影响。(杨琳娜、谌新民,2019;周东洋、吴愈晓,2019)。人力资本持续影响职业的晋升。就教育水平而言,教育水平越高,对晋升的促进作用越大(林蓉蓉,2019)。
总而言之,人力资本等个人禀赋已成为职业地位获得的的主要因素。在控制了年龄、地域等特征的情况下,接受过高等教育的劳动者更有可能获得更高的职业地位,其职业结构也明显优于其他劳动者。
2.3社会网络、职业地位与性别差异
社会网络在地位获得中的作用一直是新经济社会学中的一个经典研究领域。美国社会学家格兰诺维特在70年代提出了强关系与弱关系理论。相应地,他也把社会交往分为强关系社会交往与弱关系社会交往。他通过研究发现,一个人职业生涯发生改变的可能性和个人发展高度同这个人的相识者数量有关,数量越多,领域越广,社会网络范围越广,信息传递的广度越大,从而个人得到的机遇信息越多。人们最初职业地位的获得,主要依靠的是弱关系,弱关系不仅是人们获得信息的主要途径,从而获得不同的职业地位。
但通过对中国的实际现状进行的研究却发现了不同的结果。计划经济时代人们职业地位获得主要依靠的是强关系,即熟人关系。但随着市场机制的引入,弱关系的作用逐渐增强,但强关系仍然存在,从而部分证实了权力维系论与市场化机制并存的假设(边燕杰、张文宏,2001)。关于精英地位获得的研究中,关系强度和关系人的地位发挥了关键作用,而广泛的交往并不能增加干部职位提升的机会(周玉,2006),进一步证实了职业地位获得过程中社会网络的重要性。
部分学者将社会网络的视角引入职业地位获得领域,探讨社会网络对职业地位获得的性别差异,并呈现两种不同的观点。一种观点认为,社会网络能有效提升男性和女性的职业地位,但对女性的影响要大于男性,女性的职业地位获得比男性更依赖家庭社会网络(张文宏,2013)。家庭背景对于女性的地位获得的影响大于男性尤其表现在教育地位获得和职业地位获得方面。但另一部分学者认为,女性职业地位的获得主要由于教育程度的提高,而男性更多受到社会网络的影响(林南等,2019)。
此外,由于社会网络类型的差异,因此两性的职业地位获得也存在差异。女性的网络多由亲属、子女和邻居组成,这一点有利于她们的社会支持但在职业领域中却对她们不利。因为这些非正式的社会网络使女性社会网交流的信息往往与家庭或亲情有关。职业女性的社会网络是一个高密度的核心网络其中,以家庭成员为主的亲缘关系在城市职业女性的社会网络中占据重要位置(杨辉英,2009)。这种性别分化的社会网络有双重的效果。性别分化的信息直接导致职业地位也产生性别分化(吴愈晓、吴晓刚,2008)。性别在网络规模、网络关系组成、网络异质性、网络亲近性方面的存在显著影响。
根据上述的理论回顾,构建研究框架(如图1所示)。由于男女两性的社会网络的规模、类型以及社会网络之间存在着差异,且女性在运用男性关系人和获取较好的社会资源时处于劣势,从而导致他们的职业地位也存在差异。
3数据、变量以及方法模型
3.1数据来源
本文数据主要是来源于2015年“中国综合社会调查”(以下简称CGSS2015)。该调查始于2003年,是我国最早的全国性、综合性、连续性学术调查项目。CGSS系统、全面地收集社会、社区、家庭、个人多个层次的数据,总结社会变迁的趋势,探讨具有重大科学和现实意义的议题,推动国内科学研究的开放与共享,为国际比较研究提供数据资料,充当多学科的经济与社会数据采集平台。目前,CGSS数据已成为研究中国社会最主要的数据来源,广泛地应用于科研、教学、政府决策之中。本文主要内容是分析职业地位获得的性别差异,经过对相关变量的筛选,剔除奇异值以及缺失值后得到有效样本数据2036个。
3.2变量设置
3.2.1因变量
本文的因变量是男女两性的职业地位。关于职业地位的测量,国际上一般采用社会经济地位指数(ISEI)。CGSS2015采用国际标准职业分类的ISCO-88编码,本文将ISCO-88编码通过Stata15.0转化为国际社会经济地位指数(ISEI),即0—100的连续变量,衡量职业地位的高低。在转为标准的国际社会经济地位指数后,再取自然对数,以保证数据的平稳性。
3.2.2自变量
本文的自变量为:(1)人力资本。人力资本变量具体操作化为受访者的最长受教育年限,其中小学为6年,初中9年,高中12年,大学16年,研究生19年;第二个操作化的变量为受访者的工作时间,工作时间越长表明受访者积累的工作经验越多,相应地人力资本总量就越大。
(2)社会网络。社会网络理论认为,社会网络在本质上是人与人之间的沟通和交流。人与组织之间的相互联系和写作形成了社会关系网。从社会网络的视角出发,可以通过研究个体拥有的社会网络规模、人情关系以及与他人关系的强弱来测量社会网络。目前关于社会网络的测量,主要通过拜年网、餐饮网、定位法以及提名法等测量(边燕杰、李煜,2000;张文宏,2011)。鉴于数据的可得性以及问卷的具体问题,本文主要参考边燕杰的拜年网以及其他方法,主要选择了三个指标:
一是所拥有的亲属数量。社会网络规模是家庭为基点的,可利用的家庭社会关系网络的数量,我们把具有血缘关系的亲属关系可以理解为家庭社会关系网络中的“强关系”。
二是求职过程中是否使用了社会关系。不同关系的使用决定了求职者在职业地位获得的过程中呈现出不同的特点。是否使用社会关系对受访者职业地位的获取具有重要的作用。
三是是否是党员。在中国情境下,党员身份对职业地位的获得以及进入到不同的所有制单位具有重要的影响。
3.2.3控制变量
在地位获得模型中,布劳和邓肯明确指出父母的受教育程度以及职业地位对子女职业地位的获得具有显著的影响,因此本文将父母的受教育年限以及职业地位纳入到模型中(Blau,1965;童梅等,2019)。另一个控制变量为户口,指受访者的户籍类型。
3.3 方法模型
本文的因变量是“男女两性的职业地位”,是一个连续型变量,因此本文拟采用多元线性回归模型来分析自变量对因变量影响。基本的模型如下:
Status=
其中Status表示因变量职业地位,为人力资本,为社会网络。通过加入不同的变量设定不同的模型来研究把变量之间的关系。
4实证结果分析
4.1 描述性统计分析
表1的描述统计结果显示,在2036个分析样本中,男性占比为52.60%,女性占比为47.40%,男女两性所占比例分布较为均衡。受访者平均职业地位(3.76)要高于父亲职业地位(3.32)和母亲职业地位(3.14)。从受访者的人力资本来看,平均受教育年限为12.15年,说明大多数受访者具有高中及以上学历;平均工作年限为13.15年,多数受访者的工作经验较为丰富。从受访者的社会关系网来看,平均亲属数量的为2.34个;在找工作的过程中有11.81%的受访者利用了熟人关系,88.19%的受访者通过正式途径寻找工作;通过样本可以看出,受访者中党员的占比为13.03%。
表1变量的描述性统计(n=2036)
变量 | 均值 | 标准差 | 极小值 | 极大值 |
因变量 | ||||
职业地位(status) | 3.76 | 0.35 | 2.77 | 4.50 |
自变量 | ||||
受教教育年限(edu-year) | 12.19 | 3.47 | 6.00 | 19.00 |
工作年年限(work-year) | 13.15 | 10.01 | 0.00 | 48.00 |
亲属数量(num) | 2.34 | 1.45 | 0.00 | 13.00 |
社会关系(guanxi) | 0.12 | 2.25 | 0.00 | 1.00 |
党员身份(party) | 0.13 | 0.37 | 0.00 | 1.00 |
性别(sex) | 0.47 | 0.50 | 0.00 | 1.00 |
控制变量 | ||||
户籍(hukou) | 0.52 | 0.50 | 0.00 | 1.00 |
父职地位(f-status) | 3.32 | 0.56 | 2.77 | 4.50 |
父亲教育(f-edu) | 8.91 | 3.12 | 6.00 | 19.00 |
母职地位(m-status) | 3.14 | 0.49 | 2.77 | 4.48 |
母职教育(m-edu) | 8.00 | 2.72 | 6.00 | 19.00 |
表2主要对关键变量的男女差异进行了分析。通过描述性统计、t检验等方法比较男女两性在职业地位等方面是否存在差异。根据t检验的结果,男女两性在职业地位、工作年限、社会关系、党员身份存在显著差异;在受教育年限以及亲属数量方面没有显著差异。由表2可以看出,在受访者中,男性的职业地位(3.83)要高于女性(3.71),说明男性和女性的职业地位存在显著的差异,且男性的职业地位要高于女性。随着教育的发展,男女两性的受教育年限并没有显著的差异,但从平均工作年限来看,男性平均工作年限高出女性1.82年。在社会网络方面,由14.12%的受访者在找工作期间使用了社会关系,而女性只有11.27%。在所有的男性受访者中,党员比例为15.89%,女性仅为10.03%。
表2变量的描述性统计(男女差异)
变量 | 男 | 女 | ||
均值 | 标准差 | 均值 | 标准差 | |
Status | 3.83 | 0.37 | 3.71 | 0.33 |
edution-year | 12.27 | 3.38 | 12.12 | 3.56 |
work-year | 14.01 | 10.71 | 12.19 | 9.10 |
Num | 2.30 | 1.43 | 2.37 | 1.48 |
guanxi | 0.14 | 2.39 | 0.11 | 2.02 |
Party | 0.16 | 0.31 | 0.10 | 0.37 |
然而,两性之间的职业地位差异以及背后的影响机制仅通过描述性分析是不够的。因此本文从人力资本和社会网络的视角出发,探讨职业地位获得的性别差异。本文首先控制相关的变量,利用多元线性回归的方法,探讨人力资本和社会网络在两性职业地位获得中孰强孰弱。
4.2 回归分析
表3和表4分别为两性职业地位获得的多元线性回归分析的结果。在多元线性回归模型中,依次嵌套了7个模型,从模型1至模型7依次加入父亲和母亲的职业地位、教育程度、户口、性别、人力资本、社会网络等变量。
4.2.1父代职业、教育与职业地位获得的性别差异
模型1和模型8的回归结果报告了父母的职业地位对男女两性职业地位和户口对男女两性职业地位的影响。由回归结果可以看出,父母的职业地位对两性职业地位的影响略有差异,其中父亲职业地位和母亲职业地位对男性职业地位获得的影响是正向的,即父母的职业地位越高男性的职业地位就越高,但母亲的职业地位对女性职业地位的获得并无显著影响,父亲职业地位越高,女性的职业地位就越高。其中,父亲的职业地位得分上升1个单位,男性的职业地位提高8.3%,女性提高6.5%。模型2和模型9考察了父母的受教育程度对男女两性职业地位获得的回归结果,与模型1和2的结果一致,父母的受教育程度越高,男性的职业地位就越高,而女性职业地位的获得仅与父亲的受教育程度有很大关系。父亲的受教育程度每提高1年,男性的职业地位提高2.3%,女性提高1.6%。
4.2.2人力资本与职业地位获得的性别差异
模型3、4和模型10、11的主要考察人力资本对男女职业地位获得的影响。其中,模型3和模型10报告了在不考虑其他因素的影响下,人力资本越高,则受访者的职业地位就越高,且男女之间没有差异。具体来讲,受访者的受教育年限越长,工作年年限越长,职业地位就越高,这与以往的研究结论是一致的。值得注意的是,教育对女性职业地位获得的作用大于男性,女性的受教育程度每提高1年,女性的职业地位向上流动的可能性提高7.0%,男性为5.8%。
模型4和模型11是在模型3和模型4的基础上加入控制变量,探究人力资本对两性职业地位获得的差异。在加入控制变量后,模型的R方增大,说明模型的解释力更强,相对于其他控制变量而言,人力资本在职业地位的获得中的重要性更具有解释性。由模型的回归结果可以看出,受教育程度仍然对职业地位的获得具有正向作用,且对女性职业地位获得的作用大于男性。加入控制变量后,工作年限对男性职业地位的获得并无显著影响,但依然对女性职业地位获得具有正向作用。由此可看出,人力资本尤其是教育水平的提高对职业地位的获得具有正向的作用,这对男性和女性是一样的,并无差异。
4.2.2社会网络与职业地位获得的性别差异
模型5、6和模型12、13报告了社会网络是如何影响男女两性的职业地位获得的。由模型5和模型12可以看出,社会网络对男性两性的职业地位获得具有差异性。具体来看,男性的职业地位主要依靠党员身份,具有党员身份的男性获得更高职业地位的可能性是非党员身份的1.32倍。党员身份对女性的职业地位也具有显著影响,拥有身份的女性获得更高职业地位的可能性是非党员女性的1.45倍。和男性不同的是,求职过程中是否使用社会关系对女性职业地位的获得而具有显著的影响,使用了社会关系的女性获得更高职业地位的可能性是没有使用社会关系女性的1.02倍。而求职过程中是否使用社会关系以及亲属数量并无显著影响。亲属数量的多少对职业地位的获得并无性别差异。
模型7和模型14将所有变量纳入到一个模型中,综合考察人力资本、社会网络对职业地位获得的性别差异的影响。通过回归结果可以发现,人力资本尤其是教育程度的提升能够促进受访者获得更高的职业地位,且无性别差异。社会网络对职业地位的获得具有性别差异,具体来讲,在纳入所有的变量后,社会网络与男性职业地位的提升并无显著的关系,但对女性职业地位的提升有显著的关系。是否使用社会关系以及党员身份均对女性职业地位的获得具有影响。模型14和模型13相比,社会关系的使用和党员身份的仍具有显著系数有所下降,但仍具有显著性,说明对女性而言,职业地位获得起最主要的因素是教育,其次是社会网络。
表3多元线性回归结果(男性)
模型1 | 模型2 | 模型3 | 模型4 | 模型5 | 模型6 | 模型7 | |
自变量 | |||||||
edu-year | 0.058***(0.003) | 0.053***(0.003) | 0.053***(0.003) | ||||
work-year | 0.003**(0.000) | 0.002(0.001) | 0.003(0.003) | ||||
num | 0.003(0.023) | 0.007(0.031) | -0.009 (0.027) | ||||
guanxi | 0.013(0.041) | 0.001(0.014) | -0.012(0.013) | ||||
party | 0.277**(0.001) | 0.012(0.155) | 0.001(0.013) | ||||
控制变量 | |||||||
f-status | 0.083**(0.028) | 0.023(0.025) | 0.042(0.084) | -0.046(0.076) | |||
m-status | 0.107**(0.032) | 0.002 (0.004) | 0.107(0.116) | 0.042(0.104) | |||
f-edu | 0.022***(0.004) | 0.003(0.005) | 0.024(0.014) | 0.013(0.013) | |||
m-edu | 0.012**(0.004) | 0.002**(0.005) | 0.024(0.017) | 0.025(0.015) | |||
hukou | 0.089***(0.028) | 0.119***(0.021) | 0.011***(0.021) | 0.110(0.082) | -0.110(0.078) | ||
cons | 3.110***(0.028) | 3.407***(0.035) | 2.932***(0.075) | 2.932***(0.075) | 3.049***(0.284) | 2.765***(0.261) | |
调整R方 | 0.142 | 0.141 | 0.360 | 0.383 | 0.133 | 0.202 | 0.367 |
注:括号内为标准误;* P<0.05,** P<0.01,*** P<0.001。
表4多元线性回归结果(女性)
模型7 | 模型8 | 模型9 | 模型10 | 模型11 | 模型12 | 模型13 | |
自变量 | |||||||
edu-year | 0.070***(0.003) | 0.069***(0.004) | 0.061***(0.010) | ||||
work-year | 0.003**(0.000) | 0.004**(0.001) | 0.003(0.003) | ||||
num | -0.002(0.017) | -0.008(0.021) | 0.006(0.019) | ||||
guanxi | 0.025**(0.041) | 0.035**(0.012) | 0.023*(0.011) | ||||
party | 0.374***(0.062) | 0.351***(0.080) | 0.201**(0.080) | ||||
控制变量 | |||||||
f-status | 0.065**(0.031) | 0.456(0.028) | 0.032(0.075) | 0.048(0.067) | |||
m-status | 0.050(0.038) | -0.014(0.034) | -0.019(0.094) | -0.045(0.083) | |||
f-edu | 0.016**(0.004) | 0.008(0.005) | 0.009(0.012) | -0.001(0.011) | |||
m-edu | 0.000(0.004) | 0.004 (0.005) | 0.010(0.013) | -0.001(0.012) | |||
hukou | 0.184***(0.030) | 0.169***(0.028) | 0.02(0.021) | 0.010(0.073) | -0.001(0.012) | ||
cons | 3.245***(0.096) | 3.422***(0.037) | 2.793***(0.041) | 2.632***(0.089) | 3.744***(0.046) | 3.438***(0.229) | 2.857***(0.227) |
调整R方 | 0.117 | 0.108 | 0.367 | 0.387 | 0.181 | 0.221 | 0.388 |
注:括号内为标准误;* P<0.05,** P<0.01,*** P<0.001。
5结论与讨论
本文从人力资本和社会网络的视角出发,探讨职业地位获得的性别差异。根据本文的研究结果,可以得到如下结论:
第一,职业地位的获得具有显著的性别差异。其中男性的平均职业地位比女性高出3.23%。职业地位获得的性别差异在一定程度上反映出了当前劳动力市场的职业性别隔离现象仍然十分普遍。
第二,人力资本尤其是教育是职业地位获得的主要因素,且无性别差异。本文的研究结果显示,无论是否考虑其他因素,教育均能够促进职业地位的提升,受教育程度越高,其获得的职业地位也就越高,这对于男性和女性是一样的
第三,社会网络对职业地位获得的效应呈现出性别差异。社会网络对男性职业地位的获得并无影响,但对女性有显著影响。女性在职业地位获得的过程中,需要使用社会关系以及获得党员身份才能获得更高的职业地位。
因此在职业地位获得中,男性相对女性而言,更容易获得更高的职业地位。原因在于男性在劳动力市场中更占据优势,一方面在同等学历的条件下,男性更有机会获得较高的职业地位;另一方面,在职业地位获得的过程中,男性如果具有较高学历就能获取一份较为不错的职业,但女性仅仅拥有学历还是不够的,女性不仅需要自身的努力还需要依靠社会网络才有可能获得较高的职业地位。
职业地位是社会地位的重要标志之一,体现了一个社会的公平性,如果男女两性在职业地位获得的过程中存在较大的差异,则会引发社会不公平、性别歧视等问题。不可忽视的是女性已经成为我国经济发展的重要力量,如果女性在职业地位的获得中面临十分严重的不公平问题,那可能就会对我国的经济发展产生不利的影响。因此需要制定有利于女性职业发展的政策,帮助女性更好地的就业,实现职业的今生,从而缩小劳动力市场的性别隔离,推动社会经济的发展。
参考文献
[1]吴晓刚,张卓妮.户口、职业隔离与中国城镇的收入不平等[J].中国社会科学,2014(06):118-140+208-209.
[2]顾辉.城市职业女性职位晋升影响因素分析[J].调研世界,2013(09):24-28.
[3]吴帆,王琳.孰强孰弱:个人禀赋与家庭禀赋对城镇青年女性职业地位的影响——基于第三期中国妇女社会地位调查数据的实证研究[J].中国青年研究,2016(12):5-11.
[4]李黎明.职业流动的性别差异与收入不平等——基于2008年CGSS数据的分析[J].东南大学学报(哲学社会科学版),2014,16(S2):26-29.
[5]张文宏,刘琳.职业流动的性别差异研究——一种社会网络的分析视角[J].社会学研究,2013,28(05):53-75+243.
[6]杨慧,张子杨.40年来中国行业性别构成变化趋势——平等还是隔离?[J].人口与经济,2019(04):122-134.
[7]Pearlman Jessica. Gender differences in the impact of job mobility on earnings: The role of occupational segregation.[J]. Social science research,2018,74.
[8]吴愈晓,吴晓刚.城镇的职业性别隔离与收入分层[J].社会学研究,2009,24(04):88-111+244.
[9]吴愈晓,吴晓刚.1982-2000:我国非农职业的性别隔离研究[J].社会,2008(06):128-152+226-227.
[10]吴晓刚.1993-2000年中国城市的自愿与非自愿就业流动与收入不平等[J].社会学研究,2008(06):33-57+243-244.
[11]李春玲.中国职业性别隔离的现状及变化趋势[J].江苏社会科学,2009(03):9-16.
[12]田志鹏,刘爱玉.中国城市居民职业地位获得的性别差异研究——父母教育和职业对男女两性教育和职业获得的影响[J].江苏行政学院学报,2015(05):71-77.
[13]陈煜婷.职业流动、收入回报与性别不平等的实证研究——基于社会发展与社会建设全国调查样本的实证分析[J].甘肃行政学院学报,2016(05):91-102+127.
[14]边燕杰,孙宇.职业流动过程中的社会资本动员[J].社会科学战线,2019(01):231-239+282.
[15]邵宜航,张朝阳.关系社会资本与代际职业流动[J].经济学动态,2016(06):37-49.
[16]李春玲.当前中国社会各阶层的社会经济政治地位状况分析[J].新视野,2002(03):56-58+68.
[17]白鹭. 当代中国女性社会分层初探[D].中共中央党校,2010.
[18]陈煜婷. 社会流动背景下的性别收入差距[D].上海大学,2014.
[19]佟新.劳动力市场、性别和社会分层[J].妇女研究论丛,2010(05):12-19
[20]黄敬宝.寒门能否出贵子?——基于人力资本对大学生就业质量作用的分析[J].青年研究,2015(05):1-10+94.
[21]田北海,雷华,佘洪毅,刘定学.人力资本与社会资本孰重孰轻:对农民工职业流动影响因素的再探讨——基于地位结构观与网络结构观的综合视角[J].中国农村观察,2013(01):34-47+91.
[22]杨琳娜,谌新民.职业技能证书如何影响工资收入——基于专用性人力资本的视角[J].学术研究,2019(12):104-111.
[23]周东洋,吴愈晓.职业培训与中国城市居民的人力资本和收入差距[J].江苏社会科学,2019(05):114-123+259.
[24]林蓉蓉.人力资本如何影响官员晋升——基于1990~2013年省级领导晋升过程的研究[J].政治学研究,2019(01):91-105+128.
[25]边燕杰,张文宏.经济体制、社会网络与职业流动[J].中国社会科学,2001(02):77-89+206.
[26]周玉.社会网络资本与干部职业地位获得[J].社会,2006(01):83-97+207-208.
[27]周玉.教育与农村女性代际流动——以文化再生产理论为分析框架[J].福建论坛(人文社会科学版),2006(11):139-142.
[28]林南,孙准模,高柏,安真真.嵌入在社会网络中的经济——以网络社会网与经济为例[J].社会学评论,2018,6(02):3-18.
[29]张文宏,杨辉英.城市职业女性的社会网络[J].江苏行政学院学报,2009(03):68-74.
[30]张文宏.中国社会网络与社会资本研究30年(上)[J].江海学刊,2011(02):104-112.