Evaluating Gender Wage Inequality in Academia using Causal Inference Methods for Observational Data

该研究利用倾向得分匹配与因果森林等现代因果推断方法，对北卡罗来纳大学系统 12,039 名终身轨教职员工的薪资数据进行分析，发现在控制职称、学科、科研产出及职业经历等混杂因素后，女性教职员工的薪资仍比同等条件的男性低约 6%。

要点

这篇论文就像是一次**“学术界的体检”**，医生（研究人员）试图搞清楚：在同样的大学里，为什么女教授的薪水往往比男教授低？这到底是“能力不同”造成的，还是“性别偏见”造成的？

为了让你更容易理解，我们可以把整个研究过程想象成**“给大学里的教授们做一场精密的‘公平性’大扫除”**。

1. 为什么要做这个研究？（背景）

想象一下，大学就像一个大公司。以前大家看工资单，发现女教授平均比男教授少拿钱。

• 旧观点：有人说是因为女教授职位低、教书多、发文章少（就像员工职位低、业绩差，所以工资低）。
• 新疑问：但是，如果两个教授职位一样、教同样的课、发了同样多的文章，甚至都在同一个系里，女教授是不是还是拿得少？以前的研究方法太粗糙，没法把“业绩”和“性别”完全剥离开来看。

这篇论文就像是用了一台**“超级显微镜”**（因果推断方法），试图把那些干扰因素（如职位、学科、工作年限）全部过滤掉，只留下“性别”这个因素，看看它到底对工资有多大影响。

2. 他们用了什么数据？（样本）

研究人员收集了北卡罗来纳州公立大学系统里12,039 名终身制教授的数据。

• 数据来源：就像从公司的 HR 系统里拉出了所有人的工资单，又从 Google Scholar（一个学术搜索引擎）里拉出了每个人的“成绩单”（论文引用次数）。
• 性别判断：因为原始数据里没有性别，他们像侦探一样，通过名字去猜性别，猜不准的还人工去查了网页确认，确保数据准确。

3. 他们是怎么分析的？（核心方法）

这是论文最精彩的部分，他们用了三种“清洗”数据的方法，就像用三种不同的筛子过滤沙子：

• 方法一： propensity score matching（倾向得分匹配）——“找双胞胎”

  • 比喻：想象你要比较两个苹果的价格。你不能拿一个“红富士”和一个“青苹果”比。
  • 做法：研究人员给每一位女教授，在男教授里找一位“双胞胎”。这位男教授必须和她职位相同、教同样的课、发了同样多的文章、在同类型的大学工作。
  • 结果：把这一对对“双胞胎”拉出来比工资。如果女“双胞胎”还是拿得少，那说明不是能力问题，而是性别问题。

• 方法二：Causal Forest（因果森林）——“智能地图”

  • 比喻：以前的方法只能看“平均数”，就像看一张模糊的地图，只知道“整体路况不好”。但“因果森林”像是一张高清的 3D 地图，能告诉你哪里是坑，哪里是坡。
  • 做法：它不只看整体，而是分析每一个具体的教授。它能发现：是不是在某个特定的学科（比如医学），女教授的“被扣钱”现象特别严重？是不是在职业生涯的某个阶段，差距特别大？
  • 结果：它揭示了**“差异中的差异”**。

4. 他们发现了什么？（主要结论）

A. 即使“能力”一样，差距依然存在

在没做任何调整前，女教授比男教授少拿 11.71%。
但是，当他们用上述方法把职位、学科、文章数量等所有“合理”的理由都扣除后，差距依然存在，大约是 6%。

• 通俗解释：这就好比两个员工，学历一样、工龄一样、业绩一样，但女员工每个月还是被少发了 6% 的工资。这多出来的 6%，就是**“性别税”**。

B. 不同学科的“痛感”不一样（因果森林的功劳）

这是研究最有趣的发现。性别歧视不是均匀分布的，它像天气一样，有的地方暴雨，有的地方小雨。

• 重灾区：医学与健康科学（MHS）。在这个领域，女教授比同等条件的男教授少拿 7% 左右。而且随着工作年限增加，这个差距甚至还在拉大。就像在这个领域，女医生/女教授面临的“玻璃天花板”特别厚。
• 相对温和区：在自然科学、社会科学、人文艺术等领域，差距大约在 5.5% - 6% 之间。

C. 文章发得多，不一定涨得多

研究发现，在医学和商科，发文章多确实能涨工资（就像业绩好奖金多）。但在人文艺术领域，发文章多反而和工资没正相关，甚至有点负相关。这说明用“发文章数量”来衡量所有学科的价值，本身可能就不公平。

5. 总结与启示

这篇论文告诉我们：

1. 性别工资差距是真实存在的：即使你非常优秀，和男同事条件完全一样，在学术界你依然可能少拿 6% 的工资。
2. 不能“一刀切”：这个问题在医学领域最严重，在人文领域表现不同。解决政策不能只给个通用的方案，得“对症下药”。
3. 需要更聪明的管理：大学不能只看平均数，要像“因果森林”那样，深入细节，看看是哪个环节、哪个学科出了问题，然后进行针对性的改革（比如定期审计、透明化薪酬标准）。

一句话总结：
这项研究用高科技的统计方法证明，在学术界，“同工同酬”还没真正实现。即使女教授们已经做到了和男教授一样优秀，她们依然面临着隐形的“性别折扣”，尤其是在医学领域，这个折扣尤为沉重。

技术摘要

这是一份关于利用因果推断方法评估学术界性别工资不平等的技术总结，基于张子涵（Zihan Zhang）和 Jan Hannig 于 2026 年发表的研究论文。

1. 研究问题与背景 (Problem & Background)

• 核心问题：尽管学术界标榜唯才是举，但女性教师的薪资普遍低于男性。现有的文献多基于描述性统计或传统的 Oaxaca-Blinder 分解，难以区分薪资差异是源于可观测的生产力特征（如职称、研究产出），还是源于劳动力市场制度性因素（如结构性歧视）。
• 现有局限：
  • 传统回归分析难以处理未观测的混淆变量（如职业中断、服务负担不均）。
  • 缺乏对处理效应异质性（即性别工资差距在不同职业阶段、不同学科、不同生产力水平下如何变化）的深入因果推断。
  • 大多数研究局限于单一机构或特定领域，缺乏系统性的因果估计。
• 研究目标：利用现代因果推断方法，基于北卡罗来纳州（UNC）公立大学系统的大规模数据，估计性别对教师薪资的因果效应，并探究该效应在不同子群体中的异质性。

2. 数据与变量 (Data & Variables)

• 数据来源：
  • 薪资数据：UNC 系统 16 所校园 2022 年的所有员工薪资记录（共 12,039 名终身制教师，包括助理、副教授和正教授）。
  • 学术表现数据：通过 Google Scholar API 获取的文献计量指标。
  • 性别推断：利用 genderize.io API 基于姓名推断性别，并结合人工验证（针对置信度低或特殊文化名称），确保高准确率。
• 关键变量：
  • 结果变量：年薪（取 $\log_{10}$ 变换以处理右偏分布）。
  • 处理变量：性别（二元变量：女性=1，男性=0）。
  • 协变量（混淆变量）：
    • 职业特征：工作年限、学术职称（助理/副教授/教授）。
    • 机构特征：大学分类（基于卡内基分类：R1/DRU(H)/硕士/本科）、所属院系。
    • 研究生产力：使用 $\log_{10}(\text{i10-index})$ 作为核心指标（衡量至少有 10 次引用的论文数量），并进行了缺失值插补。
• 数据预处理：剔除非教师员工、薪资异常值；对 Google Scholar 匹配失败的数据进行了基于相似背景的平均值插补。

3. 方法论框架 (Methodology)

研究采用了参数化和非参数化相结合的因果推断框架，旨在解决混淆偏差、协变量不平衡和处理效应异质性问题。

3.1 因果推断假设

• 无混淆性 (Unconfoundedness)：在给定观测协变量（职称、学科、机构、经验、生产力）的条件下，性别分配与潜在结果独立。
• 正定性 (Positivity)：每个个体都有非零概率属于任一性别组。
• SUTVA：个体间无干扰。

3.2 参数化方法 (Parametric Methods)

为了估计平均处理效应 (ATE) 和 处理组平均处理效应 (ATT)，使用了基于倾向得分（Propensity Score, PS）的多种策略：

1. 倾向得分匹配 (PSM) + 回归调整：
   • 使用逻辑回归估计倾向得分，包含高阶交互项（如：大学×学科×生产力，职称×工作年限）。
   • 采用最近邻匹配（卡钳值 0.2），随后在匹配样本上进行 OLS 回归调整，以消除残余偏差。
   • 目标：估计 ATT（女性教师的薪资差距）。
2. 逆概率处理加权 (IPTW) + 回归调整：
   • 利用倾向得分的倒数对样本进行加权，构建伪总体，使处理分配与协变量独立。
   • 目标：估计 ATE（整体人群的薪资差距）。
3. 倾向得分回归调整：将倾向得分作为协变量直接纳入回归模型。

3.3 非参数化方法：因果森林 (Causal Forest)

• 原理：基于 Athey & Imbens (2016) 和 Wager & Athey (2018) 的广义随机森林框架。
• 优势：
  • 估计条件平均处理效应 (CATE)：不假设线性关系，能捕捉协变量与处理效应之间的复杂非线性交互。
  • 诚实估计 (Honest Estimation)：通过样本分裂（Splitting）防止过拟合。
  • 正交化 (Orthogonalization)：双重机器学习（Double Machine Learning）策略，减少对倾向得分和结果模型估计误差的敏感性。
• 实现：使用 R 语言 grf 包，针对重叠人口（Overlap Population）估计 ATE，并分析个体处理效应（ITE）的分布。

4. 主要研究结果 (Key Results)

4.1 总体因果效应

• 原始差距：未调整前，女性教师平均薪资比男性低 11.71%。
• 调整后差距：在控制职称、学科、机构类型、工作年限和研究生产力后，所有因果推断方法均显示存在显著的性别工资差距：
  • PSM (ATT): 女性比男性低 6.61%。
  • IPTW (ATE): 女性比男性低 6.17%。
  • 因果森林 (CATE/ATE): 女性比男性低 5.96%。
• 结论：即使控制了所有可观测的生产力指标，仍有约 6% 的薪资差距无法解释，表明存在结构性的性别不平等。

4.2 异质性分析 (Heterogeneity)

因果森林揭示了性别差距在不同维度上的显著差异：

• 学科差异：
  • 医学与健康科学 (MHS)：性别不平等最严重，女性薪资差距约为 7%，且随工作年限增加差距并未缩小，甚至在中等生产力水平时恶化。
  • 自然科学、社会科学：差距较小，约为 5.5%。
  • 人文、商业、工程：差距约为 6%。
• 生产力与机构类型：
  • 在 MHS 领域，高生产力并未完全消除性别差距。
  • 在 R1 研究型大学，商业和医学领域的研究产出对薪资有显著正向回报；而在人文领域，基于引用的指标与薪资呈负相关，暗示现有评价体系可能不适用于该学科。
  • 在侧重教学的机构（非 R1），部分学科（如工程、社科）的高生产力甚至与薪资负相关。

4.3 方法比较

• 参数化方法（PSM, IPTW）与非参数化方法（因果森林）的结果高度一致（均在 6%-7% 区间），增强了结论的稳健性。
• 因果森林估计的差距略小，可能因为它更好地捕捉了异质性，避免了参数模型对线性假设的过度依赖。

5. 主要贡献与意义 (Contributions & Significance)

1. 因果推断的实证应用：

   • 首次在一个大型公立大学系统中，结合倾向得分匹配和因果森林，提供了性别工资差距的因果估计，超越了传统的描述性统计。
   • 证明了即使控制了详尽的学术生产力指标，结构性歧视依然存在。

2. 揭示异质性模式：

   • 打破了“平均差距”的单一视角，发现医学与健康科学是性别不平等的高发区，且这种差距在职业生涯中期尤为顽固。
   • 揭示了不同学科对“研究产出”的回报机制存在巨大差异（如人文社科中引用指标与薪资的负相关），挑战了“一刀切”的学术评价体系。

3. 政策启示：

   • 针对性干预：建议高校在医学等差距较大的学科进行重点审查。
   • 评价改革：呼吁建立跨学科的多元化评价标准，避免过度依赖单一的文献计量指标（如 i10-index）。
   • 透明度与审计：建议定期进行分学科、分职业阶段的薪资公平审计，并实施早期职业导师制度和晋升路径监控。

4. 可复现性：

   • 研究公开了完整的数据清洗、建模和可视化代码（GitHub），为其他学术系统的公平性审计提供了可复用的工作流框架。

6. 局限性 (Limitations)

• 生产力指标单一：仅使用 Google Scholar 数据，未涵盖教学质量、指导和服务等难以量化的贡献。
• 横截面数据：无法捕捉薪资差距随时间演变的动态过程。
• 外部有效性：结论基于 UNC 公立系统，可能不完全适用于私立大学或治理结构不同的系统。

总结

该论文通过严谨的因果推断方法，量化了学术界中隐形的性别薪资税（Gender Penalty），并指出这种不平等并非均匀分布，而是深植于特定的学科文化和机构评价体系中。研究为制定更精准的学术公平政策提供了强有力的数据支持。