人才引进政策会诱致性别不平等吗?——基于我国12个“新一线城市”的实证研究

刘 杨

(中国人民大学 公共管理学院, 北京 100872)

人才及其地域流动是促进经济发展和社会进步的重要因素。我国户籍制度一定程度上对人才自由流动、地区生产要素和科技创新互惠具有制约作用。近年来许多城市进行人才引进的政策创新,上演如火如荼的“人才大战”,这是在现有制度框架内对我国户籍制度的冲击与调整,打开了制度突破口,增强了制度弹性,强化了人才流动,激活了地区经济。

人才政策为城市吸引了人才。例如:“智汇郑州”人才计划一年来为11 474名青年发放补贴4 640万元[1];2019年武汉全市人才专项资金投入15亿元以上,超过地方一般公共预算收入的1%[2];天津“海河英才计划”形成“万千英才涌津门”的局面,一年引进各类人才15.6万人[3]。

然而,基于建构主义评估政策效应需要考虑引进人才的性别结构与性别平等等价值议题。以下问题值得关注:第一,人才引进的政策效应是否存在性别差异,即政策效应对男性和女性人才是否不同?第二,如果不同,男性还是女性对人才政策的反应更显著?第三,在识别性别差异的基础上,影响落户的因素是什么?是否存在性别差异?

现有文献对人才流动影响因素的讨论较全面,其中不乏对性别因素的关注。例如付玉等娟控制其他因素,验证性别交互效应,结论表明女性在“城—城”移民中更缺乏足够的社会支持[4]。现有研究存在如下不足:首先,更多通过面向不同性别发放问卷来衡量流动偏好,测量的是意愿而非行为。无法从结果出发全面考虑人才的主动选择与面临的客观歧视。其次,微观的调查研究无法分离个体意愿与性别角色分工等社会性别意识。最后,鲜有学者研究人才政策效应的性别差异,而公共政策在价值层面的公平是其合法性的重要基础。

为回应以上问题,本文以12个“新一线城市”为研究对象,收集了2012—2018年新增户籍人口数和城市人才引进政策的推行时间,采用多期双重差分法评估人才引进的政策效应和性别差异。本研究一方面检验了“人才大战”的合理性,另一方面考虑政策的价值要件,揭示出女性在人才流动中面临的困境与压力,挖掘政策带来的公平、价值等议题。

政策效应是指政府部门在执行某项公共政策后,社会经济的现实性反应或者该政策最终目标的实现程度。人才引进政策作为地方政府吸进人才的创新性实践,预期的最大效应就是充分吸引人才,以“引得进,留得住”为原则,促进地区经济发展和产业升级。

基于内生增长理论,吸引人才仅是中间目的,通过人才的大量流入拉动房地产和刺激消费、增长经济才是政策的最终效应。这也是地方政府在“政治锦标赛”中赖以胜出的重要因素。尽管政策效应可能具有不同层次的内涵,但吸引人才仍是其首屈一指、不可忽视的直接目标,也是更深层次目标的基础和前提。据此,提出假设H1:人才引进政策具有吸引落户的政策效应,政策的推行显著促进了人才流入。

公共政策效应的发挥需要考虑施政对象的个性特征,同样的政策对于不同对象而言可能会产生不同的效应。性别作为重要的人口学特征具有影响政策效应的合理性和可能性,将性别纳入人才引进政策效应的评估过程,考虑政策效应的性别差异,有两个方面的意义。

一方面,性别结构是人才结构的重要特征,能够影响人力资本。人力资本投资模型认为整个社会人力资本存量的积累有助于提高国家或地区的竞争力。各城市“人才大战”的动因不仅包括发挥个体人力资本,更包括群体人力资本。后者通过整合效应、积聚效应和学习效应超出个体的简单加总[5],充分考虑群体中个体的构成才能更好整合地区人口所具有的知识和技能等质量因素。不同性别的人才在性格特质、社会分工和社会网络结构上具有异质性,为了最大化实现人才引进政策效应,需要讨论人才引进的性别结构和政策效应的性别异质性,在细分政策对不同性别的政策对象差异化效应的基础上均衡引进人才,实现性别结构的优化平衡,充分发挥不同性别群体人力资本的作用。

另一方面,传统性别差异和社会分工构成人才引进政策效应性别异质性的理论基础与现实依据。理论上,传统性别差异主要体现为“性别不平等”,这本质上是对女性的偏见与歧视,造成女性社会资源匮乏或社会资本相对剥夺的社会事实。基于舒尔茨的人力资本理论,人力资本的积累通过正规教育、在职和非在职培训三种个人投资方式实现[5]。传统社会偏向认为对男性的人力资本投资回报率更高[6]并增加对男性的人力资本投资,使得接受更多教育投资的男性人力资本确实具有更高的收益,从而使“男性偏好”的投资收益预期被不断“验证”和强化,女性人力资本则陷入负强化的恶性循环。二者在早期人力资本发育和投资上的不同预期与激励最终成为形塑人才流动和政策效应差异化的“马太效应”。除了社会偏见等主观歧视外,还有非主观歧视——“统计歧视”反驳了现实中存在主观上男女不平等、社会性别分工等歧视现象,而是将其归因于人才筛选方受限于信息不对称、不完全与成本高昂,倾向于视群体典型特征为个体普遍特征,这是以偏概全的后果。

与人才流动、人力资源有关的性别差异和“女性歧视”在现实中也广泛存在。国家卫健委流动人口数据显示,2009年至2018年的流动人口中男性占比始终高于女性。以2018年为例,男性占比为51.5%,女性为48.5%[7]。许多研究从实证角度验证了性别差异,王存同等在控制了影响晋升的各类因素后,证实性别歧视仍然是导致两性机会不均等的原因[6];相似地,黄志玲等的研究反驳了女性人力资本投资收益低的刻板印象,表明在直接和间接作用的双重影响下,女性的教育回报率高于男性[8]。由此,提出假设H2:人才引进的政策效应具有性别异质性,男性和女性对人才引进政策的反应不同。

这种“不平等”内涵下的性别差异事实上建构了男女在社会网络、领导风格和心理要素上的差异,进而又形塑了行为结果层面的差异。例如,朱依娜等关注社会网络,通过负二项回归验证学术产出的性别差异,表明女性科研人员与国内学术和企业界纽带关系的“结构性欠缺”削弱了其获取学术信息与资源的能力[9];黄晓波也验证了男性的社会网络规模均值大于女性[10]。然而,女性似乎更注重社会关系,潘朝晖等对比安徽省男女科技人才的流入情况和意愿,发现83.93%的女性倾向于在父母周边的省内工作,更倾向选择少于1年的短期外出交流[11]。此外,实证表明男性化特征与任务导向的领导风格正相关,而女性化特征和关心导向的领导风格正相关[12];两性的心理福利认知与应对外界环境的能力和方式也存在差异,女性更关注高收入、全职工作、照看小孩和社会支持等“福利”因素[13],对空气污染等环境更敏感[14],更倾向于选择人力资本投资较小且能兼顾家庭的工作[15]。

可以认为,在目前社会性别差异的建构下,不同性别的人才对流入地各要素的敏感度具有明显差异。男性更倾向于经济发展类的“硬条件”,比如地区经济和工资水平;女性则更倾向人文环境类的“软条件”,更多关注环境污染和教育水平等。由此,提出假设H3:不同性别对城市各要素的敏感度不同,男性倾向“硬条件”,女性倾向“软条件”。

2017年初武汉的“百万人才留汉计划”放宽了大学毕业生落户的条件,开启了各城市“人才大战”的序幕。同年郑州推出“智汇郑州”人才工程“1+N”政策体系[16],通过补贴等方式发出“史上最强”招贤令。2018年天津发布“海河英才”行动计划,强调“零门槛”直接落户,将城市间“抢人大战”推向高潮。2019年成都颁布“人才新政12条”,通过发放“人才绿卡”和设立“蓉漂人才日”等方式鼓励落户[17]。杭州、西安、长沙、南京、沈阳等城市不甘落后,纷纷推出号称“史上最宽松”的户籍政策,实施“海底捞式”落户服务。

考虑人才引进的政策效应和性别差异体现的平等问题要立足于政策的正式和非正式制度背景。正式制度方面,恩格斯将性别差异视为剩余财产的结果[18],剩余财产的出现打破了男女平等,男性通过占有生产资料和剩余产品掌握交换权,重构了家庭中的劳动分工,成为资产阶级与无产阶级分工的萌芽。性别差异的社会观念以经济制度为基础并深受其影响。

我国自1949年以来经历了两次社会经济制度转型:第一次是1956年完成所有制变革,转变为社会主义公有制和计划经济体制;第二次是1978年改革开放后经历了从计划经济到社会主义市场经济的变革,所有制结构也转变为以公有制为主体多种所有制共同发展的混合经济。经济制度的变革为人才流动奠定了制度基础。在第一个转型阶段,高度集中的经济体制意味着生产全部纳入国家计划之下,行政命令与宏观计划是资源配置的唯一手段,人才培育与岗位选择是“一个萝卜一个坑”的完全匹配,劳动力市场是一体化和整体化的,分割不够明显。男女人才均不具备流动的条件。此外,“妇女能顶半边天”的叙事、“女飞行员”和“铁姑娘队”的倡导[19]、考虑性别结构的制度性岗位安排也使该阶段性别差异在人才流动和职业选择上体现得并不充分。随着市场经济向纵深发展,政府统一控制下有助于缩小性别差异的劳动力管理制度逐渐被市场取代,市场在激活经济的同时强力刺激了劳动力和人力资源市场的分化重组,最终形成劳动力市场的二元体制。新古典经济学假定劳动力市场是充分竞争的,但事实上,一个国家内部的劳动力市场经常被切割为不同的子市场,性别是影响分割的重要因素之一[20],这体现为主要和次要劳动力市场的区隔。男性占据主要劳动力市场,而女性更多滞留于次要市场,田房上野千鹤子也将其称为“社会的A面和B面”[21]。

这一现象存在历史根源,改革开放初期的人才流动主要体现为农村劳动力流向城镇,农村父系家庭制度和从夫居传统仍占主流,流动要么是“夫去妻留”,要么复制原有性别社会分工体现为“夫主妻辅”。从属流动的女性在市场上具有工作不稳定、人才层次低和退出频次高等特征,逐渐失去与主导流动的男性竞争的资格,被限制在更狭窄的职业领域和迁移区域,产生职业隔离[22]。根据1990年人口普查,93.4%的农村外出男性迁移形式为“务工经商”,62.8%的女性为“婚姻迁移”[19]。

此外,非正式制度的影响是一个更为深刻、缓慢和内在化的过程,主要通过价值文化和社会性别意识形成以性别分层为基础的社会分工、职业分化和流动差异。中国古代儒学“夫为妻纲”和西方古代宗教神学的“助手说”都奠定了性别分层的文化意涵。玛丽·沃斯通克拉夫特等启蒙学者反思两性的不对等,逐渐意识到女性的屈从依附并非天性,而是社会通过根植于荒谬偏见中的各种规章所施加的人为限制结果[23],是社会对性别角色的塑造和建构。

基于正式和非正式的制度背景,人才引进政策在实现吸引人才的政策效应之外,也会涉及人才的性别结构问题,这提供了人才引进政策效应的性别差异的分析框架和逻辑起点。

1. 回归模型的设定

一项政策的推行通常只对社会中部分群体产生较大的影响。

研究人才引进的政策效应, 需要比较政策实施前后地区户籍人口的变化。

人才引进政策在各城市有序展开创造了天然的实验组与对照组,采用多期双重差分法(DID)评估人才引进的政策效应, 既有助于因果推断, 又避免了“单差法”的内生性。

基准回归模型如下:

其中,PolicyEffectsit为i城市第t年的落户情况,Policyit为i城市第t年是否推行人才引进政策的哑变量,如果推行,则代表进入处理期,第t年及此后取值为1,反之取值为0。β1刻画了政策时间维度和个体维度交互项的作用,体现了政策净效应。Xit是控制变量的集合,系数λ是控制变量的效应。αi为城市固定效应,γt为年份固定效应,εit为随机误差项,β0为常数项。

2. 数据来源与变量设置

为保证处理组与对照组的随机性,本文选择发展程度、要素特征较为一致的“新一线城市”作为样本。数据来源于2013—2019年《中国城市统计年鉴》和各省份《中国统计年鉴》,政策数据来源于官方网站信息公开和新闻报道。

(1) 核心被解释变量:人才引进的政策效应

评估各城市“抢人大战”是否存在性别差异,首先要评估人才引进的政策效应。虽然政策目标多元复合,但都是以人才的引入为基础和必要条件。人才引进数量能够测度和评价政策效应,一方面,这回归城市“抢人大战”的本质含义,另一方面,引入人才的数量能够直接反映出不同性别对于政策的不同反应,排除其他干扰因素。

城市年末户籍人口数的增量能够衡量人才引进政策的效应,即人才的“引进来”和“留下来”,剔除出生率和死亡率的影响并对其进行一阶差分处理。数学表达式如下:

其中,d为一阶差分符号,householdit表示城市i在第t年年末户籍人口数,rit表示城市i在第t年的人口自然增长率。

(2) 核心解释变量:人才引进政策

核心解释变量是城市推行人才引进政策的情况。手工整理2012—2018年12个“新一线城市”的人才政策并构造哑变量。Timet在时间维度衡量各城市人才引进政策,政策推行前定义为0,推行当年及以后定义为1;Treatedi在地区维度衡量处理组和对照组,推行人才引进政策的城市定义为1,直至2018年还未出台相关政策的城市为0。为避免多重共线性,仅将交互项作为核心解释变量代入模型。

(3) 控制变量

为了缓解遗漏变量偏误,考虑吸引人才的其他因素,基于已有研究和假设,纳入“物质经济硬条件”和“人文环境软条件”两个维度的控制变量。其中,所在省份高考一本录取率试图刻画人才迁入过程中的“高考移民”取向。表1是主要变量描述统计。

表1 主要变量描述

1. 基准模型与全模型回归

运用DID估计人才引进政策对各城市年末新增户籍人口的影响,表2报告了面板数据固定效应的回归结果。根据模型1,人才引进政策能够促进年末新增户籍人口的增长,平均新增53.48万人。政策效应显著,假设H1得到验证。

表2 无控制变量的基准模型回归结果

以此为基础进行性别分样本研究,模型2和模型3的结果表明,无论是将新增男性还是女性户籍人口作为因变量,人才引进政策都具有显著效应,假设H1得到验证。

对比人才引进政策对男女的效应差异,一是直接效应,人才引进政策对女性的直接效应强于男性,政策的推行使年末新增女性户籍人口增加约29.06万,而仅使新增男性户籍人口增加约27.61万。二是显著度,人才引进政策对男性新增户籍人口的影响在10%的显著度水平上通过系数t检验,而对女性的影响在统计学上更显著。三是解释力度,对于新增男性户籍人口而言,人才引进政策仅能解释15.51%的变化,而对于女性则能解释17.42%的变化。总之,基准模型在三个维度上表明人才引进的政策效应具有性别异质性,即对女性的影响更大,政策效应更强。假设H2一定程度上得到验证。

为避免遗漏变量偏误,进一步探究其他因素的影响,运用逐步回归法将控制变量逐个纳入模型,表3中模型4～6报告了最终回归结果。

表3 逐步回归得到的全模型回归结果

上述结果在直接效应、显著度和解释力三个维度上维持了基准回归结果,进一步验证了人才引进政策效应的性别差异,女性对该政策更敏感。此外,在加入第一产业占比和师均学生数的控制变量之后,固定效应的多期双重差分模型的拟合优度得到显著提升。

全变量模型表明,人才落户受“经济发展硬条件”和“人文环境软条件”两方面的影响。一方面,“经济发展硬条件”由第一产业增加值在地区生产总值中的占比衡量,系数在5%的水平上显著为负,表明第一产业占比负向影响人才引进,第一产业占比越高越不利于该地区的人才引进。第二、三产业属于资本、技术密集型产业,对人才的需求和吸纳能力较强;相反,第一产业越发达表明地区经济水平和经济产业结构越滞后和粗放,不利于吸引高端人才。另一方面,“人文环境软条件”由师均学生数(1)师均学生数为“平均每一小学学校专任教师所负担的小学在校学生数”与“平均每一普通中学专任教师所负担的中学在校学生数”的算术平均数。衡量,各模型中该变量系数均在10%的水平上显著为负,平均每一名专任教师所负担的学生数越多,越不利于吸引人才落户。

因此,产业结构不合理和教育资源匮乏的地区人才吸引力较弱。这种影响并不存在显著的性别差异,假设H3没有被验证。不同性别的人才对城市的各要素的敏感度不具有明显差异,对“硬条件”与“软条件”具有类似的关注度。

2. 识别假定检验

(1) 处理组的随机选取假定

运用双重差分法剥离出政策净效应的一个关键前提在于处理组与对照组的随机性。本研究选取发展程度相近的“新一线城市”作为样本以保证关键特征的相似。为进一步检验是否随机,借鉴郑新业等[24]的做法,以“是否推行人才引进政策”为二值因变量,将逻辑上可能有影响并且上文提到各变量作为解释变量,采用面板数据的Probit模型检验上述因素是否影响人才政策的出台,若没有显著影响,则表明处理组的选择是随机的,结果见表4。

表4 二元选择Probit模型回归结果

结果显示各变量在至少10%的水平上均不显著,即各城市是否推行人才引进政策并不是以其经济发展和人文环境等条件为依据,处理组满足双重差分所要求的随机假定。

(2) 平行趋势假定检验

双重差分的另一个前提是处理组和实验组的平行趋势假定。

在没有政策冲击时, 两组户籍人口增长呈现一致的变化趋势, 不随时间出现系统性差异。

图1和图2分别报告了人才引进政策的处理组和对照组新增和年末户籍总人数的变化情况。

各城市政策时点不一致, 但政策冲击大致在2017年前后, 此前两组的变化趋势基本一致, 满足平行趋势假定; 此后处理组新增户籍人口的降低速度和幅度明显低于对照组, 对照组年末户籍人口开始逐渐减少, 这可能源于推行人才引进政策的城市对其他未推行城市的替代和挤出。

将人才引进政策推行当年视为基准年进一步检验平行趋势,设置政策推行前D_t和推行后Dt的哑变量,t表示前后的年数。例如,人才引进政策推行的年份是D0,人才政策推行第1年为D1,推行前1年为D_1。将以上哑变量纳入模型,表5哑变量系数均不显著,表明政策推行前年份与新增户籍人口无关,符合平行趋势假定。图3报告了系数和对应的90%置信区间。

表5 平行趋势检验回归结果

图3 人才引进政策的动态效应

3. 稳健性检验

(1) 调整模型变量

多期DID框架下的稳健性检验从三个方面进行,核心思路是通过替换变量再次检验政策效应。一是替换因变量,基准模型中采用“增量”衡量政策效应,选取的是地区年末新增户籍人口,变量系数为正表示政策推行能够使新增人数再增加。稳健性检验采用“存量”的方式,将因变量替换为地区年末总户籍人口、男性和女性总户籍人口。

二是调整自变量,由于选取的样本时间跨度为2012—2018年,而部分城市的人才引进政策是从2018年开始推行,考虑到政策效应的滞后性以及后续年份数据的缺失可能对模型结果的影响,将人才引进政策实施年份为2018年的城市(天津、南京、佛山)视为对照组重新回归,结果报告在表6中,原模型结论保持了稳健。

表6 调整自变量和因变量的稳健性检验结果

三是转换控制变量,为进一步探讨不同性别的人才对城市各要素的敏感度,将原模型中刻画“硬条件”的产业结构替换为人均地区生产总值,刻画“软条件”的中小学师均学生数替换为小学师均学生数、中学师均学生数和所在省份高考一本录取率,表7报告了检验结果。在改变控制变量的前提下,男性更倾向“硬条件”、女性更倾向“软条件”的假设仍不成立。人均GDP、普通中学师均学生数均对男性与女性落户有显著影响,但高考一本录取率和小学师均学生数并不显著,表明男性和女性人才在迁入过程中更多考虑中学这一关键时期教育资源,“高考移民”取向较弱。

表7 替换控制变量的全模型稳健性检验结果

(2) 改变回归方法

脱离固定效应多期DID框架,比较混合OLS模型结果以形成基于方法的稳健性佐证,表8报告了结果。政策效应至少在5%的水平上显著,女性政策效应更突出,原结论稳健。

表8 基于OLS得到的全模型回归结果

(3) 安慰剂检验

为检验人才引进政策对户籍人口的促进效果是否是“安慰剂效应”,进一步排除遗漏变量对模型结果的干扰,运用Bootsrap重复抽样的思想进行安慰剂检验。在重复1 000次随机抽样与新增总户籍人口、新增女性户籍人口的全模型回归之后,图4、图5分别报告了因变量为新增总户籍人口数和新增女性户籍人口数的回归系数分布。

可以看出,随机样本估计系数在0附近呈正态分布,而基准回归估计的系数安全独立于随机系数分布外,这表明人才引进的政策效应并不是随机的,并且女性的政策效应更为稳健。

4. 调节效应分析

拓展性研究将人均GDP与人才引进政策的交互项纳入基准模型,探究经济水平对人才政策的调节效应,表9报告了结果。中心化处理后的交互项系数显著为正,人均GDP正向调节人才政策。当人才引进政策推行时,人均GDP越高,政策吸引人才落户的效应越强;人均GDP较低的地区,人才引进政策的边际效果可能并不好。模型2和3表明经济发展对女性人才政策的调节略强于男性。

表9 GDP调节效应的模型回归结果

人才引进政策会诱致性别不平等吗?本文构建了2012—2018年全国12个“新一线城市”推行人才引进政策的“准实验”,考察了人才引进的政策效应和性别异质性问题,得出三个结论。

第一,人才引进政策具有显著的政策效应,推行人才引进政策的城市年末新增户籍人口数显著多于未推行人才引进政策的城市。人才引进政策对人才的跨市流动和迁移具有正向的影响,一定程度上冲击并调整了将人固定在籍贯原地的户籍制度,并且通过小范围的人才新政创新、试点和实施,到逐渐广泛铺开的“人才大战”,实现现有制度背景下的政策渐进改革与创新。“人才大战”本质上是人才引进的政策试验在各城市之间的快速扩散,是各地方政府“锦标赛”压力下的政策学习与竞争,既提供了一个研究人才引进政策效应的天然试验场,又能增强人才政策推行的政策效应。

第二,人才引进的政策效应具有显著的性别异质性,女性对政策的反应更为敏感,在直接效应、显著度和解释力三个方面均有体现。这表明人才引进政策没有诱致性别不平等,反而一定程度上弥补和矫正了现有人才流动中的性别不平等现象。一般而言,女性在国家经济社会重构和传统父权制的双重影响下被要求在家庭生命周期中承担远超社会性别规范所要求的多重角色,被剥夺了与男性平等的自由流动机会[25]。这种剥夺在农村体现为留守女童、留守妇女和留守奶奶在内的各年龄段“留守女性”,儿童时期“留女不留男”的家长性别化干预与人为选择;外出打工时传统的“丈夫外出,妻子守家”或“妻随夫迁”;承担外出务工者家庭再生产劳动的女性留守老人。城市中同样受“男主外女主内”传统性别角色观念的影响,女性工资收入被明显抑制,始终难以实现劳动力市场上的性别平等与“同工同酬”。女性的纵向流动和上升面临着难以逾越的“职业玻璃天花板”,跨地域流动也受到传统观念、性别角色、工资收入等影响,形成阻隔流动的“横向玻璃天花板”。

人才引进政策的推行效果和政策意涵并没有体现出传统观念的“男性偏好”——人才引进政策更多吸引男性,而少量女性将作为“附属品”随迁。相反,人才引进政策客观上形成了对劳动力市场和人才流动过程中性别不平等现象的纠正和扭转,撬动了“横向天花板”。可以有两个方面的解释:一方面是公共政策内在的价值导向与纠偏机制。政策建构主义视角评估公共政策强调将政策效果分为客观存在上的效果和价值判断上的效果。人才引进政策在实现吸引人才落户的主效应同时,也暗含了公平导向和价值引领的“伴随效应”,这是运用政策工具对传统性别角色的非正式制度缺陷的弥补,也是对性别平等议题的关切和回应。另一方面与政策群体面向的特征有关,无论是农村的留守女性还是人才市场上被抑制的劳动女性,其受教育水平与性别角色认知都远落后于人才引进政策的目标群体。受过高等教育和专业知识的“人才”更可能摒弃传统性别角色建构下的歧视与剥夺,转而以更平等、独立和自由的姿态投入人才横向流动。这也同时解释了下一个结论。

第三,影响人才迁入的因素中并不存在基于性别的选择偏好,在人才政策的吸引下,男性和女性均对经济发展的“硬条件”和教育资源的“软条件”较为关注。同样,人才引进政策面向“人才”而非普通劳动力,前者受教育水平更高,对性别角色建构本质的认知更强,更容易摆脱传统观念的束缚,不符合传统上“女性关注软条件,男性关注硬条件”的刻板印象。可见,教育构成女性得以“享受”人才引进政策红利的客观现实要求和潜在思想动因。

人才引进政策没有诱致性别不平等,但并不意味着该政策效应没有体现性别不平等。在弥补性别不平等、助推女性流动和落户的同时,恰恰客观佐证了不平等现象。政策在“女性歧视,男性偏好”的人才流动现状中打开缺口,规范市场行为,注入公共价值,成为女性人才迁移的“救命稻草”和机会窗口。女性对该政策的敏感度自然强于原本就机会更多的男性。因此,如何真正实现人才流动和更广泛意义上的性别平等,仍然任重道远,需要更多深刻的思考、研究与实践。

猜你喜欢 性别差异效应政策 政策房地产导刊(2022年8期)2022-10-09政策房地产导刊(2022年6期)2022-06-16不同任务类型中性别差异对外语效应影响的实证研究成都理工大学学报·社会科学版(2022年1期)2022-05-26助企政策非公有制企业党建(2020年2期)2020-03-08政策华人时刊(2019年21期)2019-11-17死海效应意林·全彩Color(2018年9期)2018-11-13应变效应及其应用中学物理·高中(2016年12期)2017-04-22角色刻板印象和性别角色对运动的影响体育时空(2016年9期)2016-11-10AdvancedTeachingStrategiesofCollegeEnglishVocabulary校园英语·下旬(2016年4期)2016-05-09性别差异对TWA的影响医学研究杂志(2015年9期)2015-07-01