我国高校普通青年教师与“帽子”人才工资差距有多大

作者简介：

胡咏梅，女，北京师范大学教育学部教育经济研究所/首都教育经济研究基地教授，博士。
元静，女，北京师范大学教育学部教育经济研究所博士研究生，本文通讯作者。基金项目： 国家自然科学基金项目（71874015）；北京市社科基金研究基地重点项目（18JDJYA003）。

摘要

“双一流”大学建设背景下，我国高校的高层次人才竞争愈演愈烈，高校青睐的“帽子”人才与普通教师之间巨大的工资差距引发了媒体和学术界的热议。本文运用我国部分高校教师工资大规模调查数据，分析了普通青年教师与“帽子”人才的工资差距，并利用Oaxaca-Blinder分解和无条件分位数回归分解探究两类教师工资差距的来源及影响因素。研究发现：第一，“帽子”人才的工资水平远高于普通青年教师，两个群体的工资差距在“双一流”高校、东部地区高校教师群体中尤为突出；第二，普通青年教师与“帽子”人才的工资差距有三分之一来源于符号效应；第三，普通青年教师和“帽子”人才的工资差异的系数效应随工资分布分位点的增加呈先降低后迅速增加特征，在高收入分布区间成为两个群体年总工资差异的主要来源。以上研究发现对高校教师队伍建设具有两点启示：第一，应以能力和工作绩效作为学术劳动力市场赋薪最核心的准则，将“帽子”人才与普通青年教师的工资差距确定在合理范围之内；第二，制定以人才培养能力为基础的多元化人才标准，统筹处理好培养与引进的关系，重视普通青年教师教学和科研潜力的开发和培养。

一、引  言

21世纪初，我国高校教师队伍整体素质亟待提高，高水平的学科带头人紧缺，骨干教师队伍新老交替的形势严峻。基于高校人才队伍的现状和面临的挑战，一系列“高层次人才工程”和“人才资助项目”应运而生，这些工程和项目旨在有限的预算约束之下，吸引一大批国内外优秀人才进入高校，在创新型国家建设中担当重任，同时也激励国内高校培养青年教师，助力优秀人才快速成长。“国家杰出青年科学基金”“长江学者奖励计划”“百千万人才工程”等等措施为优秀人才提供了优越的薪酬待遇和科研环境，极大地提升了高校教师的职业吸引力（据统计，1999—2005年，系统内和系统外的教师流入规模均明显增加，从2005年开始，系统内教师流入规模超过系统外教师流入规模，后来教师流入规模呈现缓慢降低的态势。比较系统外流入规模与流出规模可知，1999—2008年间，其他行业流入普通高校的人数远高于普通高校流出的人数。数据来源于1999—2008年历年《中国教育统计年鉴》。系统内流入指外单位高校教师调入，系统外流入指外单位非高校教师调入，系统外流出指调离教师岗位）。而在人才工程和项目实施的过程中，产生了许多非意图后果，例如形成了高校重科研轻教学的评价机制，学术利益与人才称号捆绑，给教师个体带来评聘压力等等。人才称号成为学术身份的认可标签，于个体而言，人才称号反映了教师在某一领域的地位、声誉和影响力；于组织而言，引进或者培育具有人才称号的教师，可以有效提升组织声誉和高校排名。因此，地方政府和高校竞相以“高价”引进“帽子”人才（“帽子”人才是媒体对于有人才称号者的俗称，反映了高校人才选用过程中“重名轻实”的现象），尤其在“双一流”建设背景下，我国高校的高层次人才竞争愈演愈烈。然而，这种对“帽子”人才的过度追捧，背离了人才计划设置的初衷，将以人才称号建立的学术等级与学术利益深度捆绑［1］，偏离了人才称号学术性和荣誉性的本质。

杭州某高校2020年的高层次人才引进计划中，对“长江学者”特聘教授、杰出青年科学基金获得者、“万人计划”杰出人才入选者、“万人计划”领军人才入选者等两类人才给予“税前年薪80~120万元，住房补贴500万元，科研启动经费300~500万元（理工农医类）、80~120万元（人文社科类）”的激励；对于“四青”、教育部新世纪优秀人才等三类人才，提供“税前年薪60~80万元、住房补贴250~350万元、科研启动经费200~300万元（理工农医类）、50~60万元（人文社科类）”的激励。［2］由此来看，在引进人才时，我国部分高校为具有人才称号的教师提供了优厚的工资和福利待遇，并且依据不同层次的称号设置了具有梯度差异的待遇。而与之相比，广大普通青年教师纷纷在网络平台上以“晒工资条”的方式表达自己对工资水平的不满，尤其是讲师和副教授的工资均处于非常低的水平，与IT、金融等行业相比有很大的差距。［3］

那么，我国高校具有人才称号的“帽子”人才与普通青年教师（2013年5月联合国世界卫生组织确定新的年龄分段，将44岁以下划分为青年人。此外，从我国青年科研项目资助的年龄限定来看，杰青的年龄上限为45岁，优青的年龄上限为40岁，青年长江的自然科学、工程技术领域年龄上限为38岁、人文社科领域年龄上限为45岁，青年千人的年龄上限为40岁。综合考虑，本文将高校青年教师定义为普通高校年龄在45岁及以下的专任教师。据统计，2019年我国45岁以下专任教师占总专任教师数量的67.6%）的工资有多大的差距？如果两个群体教师的工资水平存在较大差距，那么工资差距是什么原因引起的？工资差距有多大程度是由于人才称号的符号效应引起的？本文将应用Oaxaca-Blinder分解（以下简称OB分解）方法回应这一问题，并且采用无条件分位数回归分解，探究不同分位点上两类群体工资的禀赋效应和系数效应的变化。

二、文献综述

本节首先围绕我国高校不同学术头衔教师的工资差距以及“帽子”人才的学术资源与科研绩效展开文献分析，然后对采用OB分解方法的工资歧视研究进行综述，为后文实证研究提供思路和文献支撑。

 （一）不同学术头衔教师的工资差距

人才称号是高校教师学术等级的体现。我国高校人才计划项目可以分为国家级、地方级和高校级三个层级，这种行政分级以及不同层次项目的定位形成了高低有序的人才称号格局。而没有人才称号的普通教师显然排在以人才称号划分学术等级的末端，这在我国部分高校对于不同层次人才以及普通教师提供的薪资待遇中得到了充分体现。回溯已有研究，除了媒体有一些关于“帽子”人才的薪酬待遇和“帽子大战”的负面效应的报道［4］，有学者发表了高校人才激励机制和人才头衔问题的反思之类的思辨性文章［5-6］，但是鲜有学者对“帽子”人才与普通教师之间的工资差距进行实证研究。

从经验来看，教师的学术等级越高，其工资越高，并且教师之间的工资差距随着学术等级的提高而逐渐扩大。例如，关于高校教师工资差异的研究普遍发现教授与副教授、讲师之间的工资差距较大，远高于副教授与讲师之间的工资差距。摩尔（W. Moore）等人的研究比较了美国和英国教师的工资差异，在控制其他变量后，美国高校教师样本中教授和副教授的年收入比讲师分别高32%和12%，英国的样本则分别高38%和13%。［7］胡咏梅等人利用美国大学教授协会（AAUP）发布的2008—2018年高校教师薪酬报告数据进行统计分析，研究结果表明美国高校教授、副教授、助理教授的年总薪酬分别为17万、12万和10万美元，教授与副教授、助理教授之间的薪酬差距远高于副教授与助理教授之间的差距，前者分别是后者的2.5倍、3.5倍 ［8］。胡咏梅、易慧霞和唐一鹏的研究比较了中国和加拿大两所高校教师的工资不平等状况，结果表明我国高校不同职称教师之间的收入差距要大于加拿大高校，我国案例高校中正高职称教师的年收入分别是副高职称和中级职称教师的1.39和1.73倍，而加拿大案例高校中该数据分别为1.28和1.58倍。［9］综上，职称或学术等级是影响高校教师工资差距的重要因素，因而，后文分析“帽子”人才与普通青年教师工资差距的计量模型中需要加入职称和学术头衔作为核心解释变量。

（二）“帽子”人才的学术资源与科研绩效

人才称号反映了高校教师的学术声誉和学术生产力，也与优越的工作条件挂钩。人才计划项目通常会为入选人才提供科研资助，例如万人计划青年拔尖人才项目给予自然科学领域每人120～240万元、哲学社会科学和文化艺术领域每人30~60万元科研经费［10］，赋予青年拔尖人才自主支配权，支持他们开展自由选题研究、举办国内外学术会议或参加国际合作交流和培训。除此之外，地方政府和高校在引进人才时也会为各层次人才提供不同程度的科研经费以及研究空间和平台。在这种激励与支持制度之下，“帽子”人才更可能将学术资源转化为成果产出，产出主要反映在承担项目数、著作数、高质量论文发表等方面。而这些学术科研成果与高校教师的科研奖励直接挂钩。克莱普尔（V. Claypool）等人的研究发现期刊论文数量和编著书籍数量对美国高校教师的年薪具有显著的正向影响。［11］ 梅尔吉佐（T. Melguizo）和斯特罗伯（M. Strober）分理学、工学、社会科学、教育学、人文艺术学科考察了科研成果对高校教师工资的影响，期刊论文数量对除人文艺术学科外的教师工资呈显著的正向影响，而出版著作数量对各学科教师工资的影响均不显著，出版著作章节数对理学、社会科学和人文艺术学科教师工资有显著的正向影响。［12］ 在我国，高校增加教师待遇的一种办法是通过科研项目经费提成增加教师的收入，教师获取竞争性科研项目越多，提成就越多，收入也相应越高，这使得科研变成了谋生和提高待遇的途径。［13］彭鸿雁、汪文哲对我国中部地区某本科高校教师1993—2013年工资的调查研究发现，课时数和科研收入直接决定了高校教师平均工资总额，其中科研绩效采用教师在职期间发表论文著作、科研成果转化、专利转让等指标的均值衡量。［14］由此，科研绩效已成为我国高校教师绩效工资的重要依据，所以在分析“帽子”人才与普通青年教师年总工资差距的计量模型中，有必要加入科研产出作为解释变量。此外，不同学科的科研产出对于教师工资的影响可能存在差异，因而，也需要在计量模型中加入学科虚拟变量。

综上，人才称号是高校教师学术等级、学术资源和学术生产力的综合体现，“帽子”人才与普通教师之间应当存在合理的工资差距。然而，在高校引才过程中，存在着“唯帽子”的“符号消费现象”，高校引“才”的内核变成了引“人才称号”。［15］当人才竞争异化为对“帽子”这一符号的竞争，就会产生不由学术等级、学术资源和学术生产力决定的工资收益，即由符号本身带来的工资溢价。纵观现有研究，尚未发现对国内高校人才称号可能带来的工资溢价的相关实证研究，本文将采用国内部分高校教师大规模调查数据，检验是否存在“帽子”符号带来的工资溢出效应，即符号效应。

 （三）应用OB分解法的工资歧视研究

在国内外工资歧视研究中，应用广泛的基本方法是OB分解法。这是1973年瓦哈卡（R. Oaxaca）与布林德（A. Blinder）在分析工资性别差异提出的分解方法。这种分解方法将两个组群的收入差异分解成禀赋效应（endowment effects）和系数效应（coefficient effects），后者衡量了组间歧视程度。已有研究通常应用OB分解方法来分析工资的性别歧视问题，如图库希安（R. Toutkoushian）和康利（V. Conley）以美国高校教师为研究对象，分别采用以高校男教师或女教师为参照组的OB分解以及以全体教师为参照组的Neumark分解，研究发现1993—1999年由系数效应引起的工资性别歧视得到缓解，但系数效应占工资性别总差异的比例依然较高（24.3%~31.6%），工资性别歧视程度在研究型高校和综合性高校，以及社会科学和理学领域显著。［16］王晶晶分析了我国高校扩招前后性别工资差异的变化，其研究发现扩招前后的工资差异中，禀赋差异占比远小于不可解释部分差异的占比，歧视仍然是导致男女工资差距的主要原因，并且歧视部分占比在高校扩招后扩大。［17］

还有一些学者还应用OB分解方法做了工资性别歧视研究之外的探索。例如，张冬平和郭震在研究中采用OB分解方法分析了工资的性别、户籍、民族和行业歧视问题，结果表明，教育在缩小户籍工资差异方面起着重要作用，技术水平在缩小性别工资差异方面不容忽视，工作经验可以缩小不同民族的工资差异。［18］张凯宁应用OB分解方法将接受高等教育群体与未接受高等教育群体的收入差异分解为系数效应与特征效应，结果表明两个群体的收入差异主要来自教育本身，高等教育可以抵消由家庭背景、政治身份等非教育因素引起的收入差异。［19］

本文关注的是高校普通青年教师与“帽子”人才工资差异问题，应用OB分解法可以将两个群体的工资差异分解为由个体、学科、制度因素决定的禀赋效应，以及由于两个群体产出回报率不同引起的系数效应，后者反映了由“帽子”符号本身带来的工资溢价，即“符号效应”。

三、样本分布与研究方法

（一）样本分布

自2019年5月至2020年5月，本课题组采用线上线下相结合的调查方式采集高校教师薪酬及从业状况数据。线下主要在东部地区选取3所学校（1所一流大学建设高校、1所一流学科建设高校、1所非“双一流”高校）、中部和西部地区各1所非“双一流”高校发放问卷，兼顾性别、年龄和学科发放纸质版问卷；线上主要通过问卷星进行方便取样。最后，共收到普通本科高校2696位专任教师的调查问卷（线上调查回收样本占总样本比例为28.6%），其中没有人才称号的普通青年教师（45岁及以下）样本为1685个，有人才称号的“帽子”人才样本为395个。

本文分以上两个群体统计了样本分布情况（见表1）。在性别上，普通青年教师中男教师占53%，女教师占47%，“帽子”人才中的男教师比例远高于普通青年教师（高出约25个百分点），这反映了高校男教师在获得人才称号方面具有明显优势；在职称上，两个群体的职称分布截然相反，普通青年教师中级和初级职称教师超过半数（占51.7%），而大多数“帽子”人才的职称为正高级（占74.7%），中级和初级职称教师占比不到10%，这与人才称号的选拔标准高有关；在学科分布方面，两个群体也有所差异，普通青年教师中人文社科类学科教师的占比高于理工农医类教师，而“帽子”人才群体则相反，这与许多人才称号仅授予或更多授予理工农医类教师有关（如长江学者、杰出青年基金获得者）；在地区分布方面，样本中大多数“帽子”人才集中在东部地区高校，西部地区高校样本最少，这与近些年西部高校“帽子”人才被东部高校争抢有关；在学校层次分布方面，普通青年教师多分布在非“双一流”高校（占74.1%），而“帽子”人才则主要分布在“双一流”高校（68.4%），这与人才称号评定主要依据申报者的学术水平，而“双一流”高校教师整体学术水平高于非“双一流”高校有关。由此来看，在本文所使用数据中，普通青年教师与“帽子”人才的样本分布情况有较大差异。

 （二）OB分解法

OB分解是一种基于线性回归模型的用于解释组间均值差异的方法。组间均值差异可以归因于两部分：一部分源于两组的“禀赋”差异，一部分源于两组在“禀赋”上的“回报率”不同。“禀赋”是指影响结果变量的各个特征变量，“回报率”是指各个特征变量对结果变量的影响效应。首先，本文参考奈特（W. Knight）建构的工资决定模型［20］，从个体、学科、制度三个方面构建高校教师工资影响因素模型。其中，个体因素中的性别、学历、本校工作年限为控制变量；职称是教师人力资本特征的代理变量；科研产出数量是教师科研工作绩效的代理变量。学科因素指教师所属的学科大类，包括人文社科和理工农医两大类。制度因素则选取是否“双一流”高校和高校所在地区两个变量，是否“双一流”高校代表了不同高校的财政收入水平不同，高校所在地区反映了我国不同经济发展水平地区高校的劳动力市场价格差异。综上，本文将重点考察职称、科研产出数量、学科、高校层次和高校所在地区对普通青年教师和“帽子”人才的影响。式（1）为工资决定模型：

其中，lnWi为高校教师月应发工资或年总工资（本文中的月应发工资是指每月学校应当支付的没有扣除税金和各种社保支出部分的税前收入，年总工资是指12个月的应发工资与年终奖励性绩效之和）的对数，Xi为影响高校教师工资的因素。

在工资决定模型基础上，对高校普通青年教师和“帽子”人才的工资差距进行分解。两个群体的工资差距来自两方面：第一，两个群体在特征变量上的分布不同（即禀赋差异）；第二，特征变量对两个群体的工资的影响效应不同（即回报率不同）。前者是由两个群体生产力条件差异带来的工资差距；而后者主要是由两个群体产出回报率不同而造成的工资差距，即无法由两个群体生产力条件差异所解释的工资差距（系数差异）。若后者对工资差距的贡献较大，则说明普通青年教师与“帽子”人才的工资差距来自“帽子”的符号效应。

使用下标q和k分别表示普通青年教师和“帽子”人才群体，根据式（1）分别对普通青年教师和“帽子”人才样本工资进行估计。两个群体工资水平的组间均值差异如式（2）所示：

其中，式（2）右边第一项是“禀赋效应”，度量了普通青年教师与“帽子”人才由于禀赋不同对工资差距的贡献；第二项是“系数效应”，度量了两个群体由于变量回归系数和截距项系数上的不同对工资差距的贡献。关于β*的选择关系到工资差距分解结果。瓦哈卡（R. Oaxaca）使用某单一群体的估计系数作为β*［21］，赖默斯（C. Reimers）使用两个群体估计系数的加权平均数［22］，纽曼克（D. Neumark）提出使用全样本估计系数［23］。詹恩（B. Jann）进一步指出全样本估计系数会将工资差异的一些不可解释部分不恰当地转换到可解释部分，从而低估歧视［24］，因此可以将分组变量（ 普通青年教师=1，“帽子”人才=0）作为解释变量加入模型中，以此来估计全样本系数。本文参考詹恩的方法进行OB分解。

（三）基于RIF的无条件分位数回归分解

OB分解法基于线性回归从均值意义上对不同群体的工资差距进行分解，但是忽略了不同群体内部工资的分布特征。马卡多（J. Machado）等人提出基于分位数回归的M-M分解法［25］，菲尔波（S. Firpo）等人提出基于RIF的无条件分位数回归（Unconditional quantile regression）分解法，后者可以准确地对不同分位点工资差距进行禀赋效应和系数效应分解［26］。因而，为了更加准确和全面地剖析普通青年教师和“帽子”人才工资差异的来源，本文将基于UQR模型展开Oaxaca-Blinder分解，将差异分解从均值水平延展到整个工资分布上，以揭示不同分位点上的工资差异来源的变化。

基于RIF回归的无条件分位数回归分解分为两个步骤，第一步是进行由菲尔波（Firpo）等人提出的再中心化函数（re-centered influence function，RIF）进行回归的方法［27］，对于因变量lnW无条件分位数点（Qτ）的RIF记为：

式（3）中，flnW(·)是工资分布的边际密度函数，D是指示函数，由于RIF(lnW,Qτ )在实际中不可观测，需要使用其样本估计值：

第二步是构建反事实分布函数。在采用UQR模型得到工资方程后，可将普通青年教师与“帽子”人才的工资差异分解为两个部分：

其中，lnWc表示构造的反事实分布统计量，反事实分布是指普通青年教师群体（q）的个体特征X的回报率不变，但个体特征X的分布与“帽子”人才群体（k）相同时的收入分布。因此，“帽子”人才群体（k）与反事实分布之间的差异[Qτ(lnWk)-Qτ(lnWc)]是由个体特征回报率之间的差异造成的，即系数效应；而反事实分布与普通青年教师群体（q）的分布之间的差异[Qτ(lnWc)-Qτ(lnWq)]是由个体特征分布的差异造成的，即禀赋效应。

四、普通青年教师与“帽子”人才工资差距的描述性分析

 （一）不同特征普通青年教师与“帽子”人才工资差距的描述分析

表2中统计了不同收入分布、性别、学科、学校层次、学校地区的普通青年教师与“帽子”人才的年总工资差距。在收入分布结构方面，“帽子”人才比普通青年教师具有明显的工资优势，其平均年总工资水平是普通青年教师的3.04倍；从整个收入分布区间来看，“帽子”人才与普通青年教师的年总工资差距呈现出随收入由低分位点到高分位点逐渐扩大的趋势，从10分位到70分位，工资比呈现逐渐增强的趋势，在70分位高达3.45，90分位工资比略低于70分位，这表明在收入分布的较高分位点，两个群体的收入差距更大，而在收入分布的较低分位点，收入差距相对较小。

在性别方面，男性群体中，普通青年教师与“帽子”人才的工资差距较大，两个群体的工资比为3.06，而女性群体中的这一工资比为2.87，略低于男性群体。在学科方面，理工农医类学科的普通青年教师与“帽子”人才的年总工资水平均高于人文社科类教师，而普通青年教师与“帽子”人才的年总工资差距在理工农医类学科教师中更大，工资比为3.17，人文社科类学科教师工资比为2.71。在学校层次方面，“双一流”高校教师的年总工资水平明显高于非“双一流”高校，“双一流”高校中普通青年教师与“帽子”人才的收入差距较大（工资比为2.79），高于非“双一流”高校的这一差距（工资比为1.96）。在学校所在地区方面，普通青年教师与“帽子”人才的收入差距在东部地区最大（工资比为2.77），远高于中部和西部地区的工资比，中部地区次之（工资比为1.87），西部地区差异较小（工资比为1.70）。

（二）各类“帽子”人才与普通青年教师工资差距的描述分析

本文参考我国部分高校分层次引进人才的相关制度，将具有不同人才称号的高校教师划分为一类、二类、三类和四类人才，分别统计了调研样本中四类人才的年总工资、年终奖励性绩效和月应发工资均值（如图1和图2所示）。结果表明，一类人才年总工资均值高达106.2万元，二类、三类、四类人才的年总工资均值分别为63.7万元、48.4万元、24.8万元，这四类人才形成了明显的工资梯度，且年总工资均值均高于普通青年教师。四类人才的月应发工资水平同样呈现明显的梯度特征。比较四类人才与普通青年教师的工资差距可知，一类、二类、三类、四类人才的工资水平均明显高于普通青年教师。其中，一类人才的年总工资和月应发工资均值分别是普通青年教师的6.99倍和6.52倍，二类人才的年总工资和月应发工资均值分别是普通青年教师的4.19倍和4.13倍，三类人才的年总工资和月应发工资均值分别是普通青年教师的分别为3.18倍和3.20倍，这类教师群体的工资差距也很大，远高于美国高校教授与助理教授之间的薪酬差距［28］；第四类人才的年总工资和月应发工资均值分别是普通青年教师的1.63倍和1.61倍。

五、普通青年教师与“帽子”人才工资差距的分解

（一）高校教师工资的影响因素分析

本节首先基于奈特的工资决定模型，以应发工资和年总工资的对数为因变量，构建高校教师应发工资和年总工资的影响因素模型，以探究影响高校教师工资的关键因素。

模型估计结果如表3所示，模型加入了是否为普通青年教师的虚拟变量，以考察在控制其他变量之后，普通青年教师与“帽子”人才的工资差距。结果表明，性别对教师月应发工资和年总工资的影响均不显著；在本校工作年限对教师年总工资具有显著的正向影响，即随着本校工作年限的增加，教师年总工资水平增加；有博士学位的教师的应发工资和年总工资显著高于没有博士学位的教师；以中级和初级教师为参照组，有正高级职称和副高级职称的教师应发工资和年总工资均显著高于参照组；科研产出对教师年总工资具有显著的正向影响，即随着科研产出数量的增加，高校教师的年总工资增加，这与教师可以获得更多的奖励性绩效工资有关；学科对高校教师工资的影响不显著；“双一流”高校教师的应发工资和年总工资显著高于非“双一流”高校教师；以中部地区为参照组，东部地区高校教师的应发工资和年总工资显著高于中部地区，西部地区高校教师的应发工资和年总工资显著低于中部地区。在控制以上个体、学科和制度因素后，普通青年教师和“帽子”人才的工资差距依然极其显著，“帽子”人才的工资水平约是普通青年教师的1.4倍。

（二）普通青年教师与“帽子”人才工资差距的OB分解

本文采用OB分解，将高校普通青年教师与“帽子”人才工资差距分解为禀赋效应和系数效应（见表4），以探究造成两类教师工资差距的主要来源。

模型1以月应发工资的对数为因变量，加入性别、职称、学科、学校层次和学校地区特征变量。OB分解结果表明普通青年教师与“帽子”人才月应发工资的平均差距中有64.58%来自禀赋效应，即由于两个群体的特征差异所致，有35.42%来自系数效应，即由两个群体的产出回报率不同所致，即高校教师劳动力市场上“帽子”符号带来的溢价效应。具体而言，在禀赋效应部分，正高级职称、“双一流”高校以及学校地区类型的禀赋效应显著为正。据统计，在职称分布方面，“帽子”人才中具有正高级职称的教师占74.7%，远高于普通青年教师中的这一比例（6.2%），而我国高校教师工资与职称直接挂钩，因而导致两类教师群体工资存在差异；在学校层次分布方面，调研样本中的“帽子”人才中绝大多数任教于“双一流”高校（68.4%），而普通青年教师中绝大多数任教于非“双一流”高校，在“双一流”建设背景下，“双一流”高校可以获得更多来自国家的财政支持，因而人员经费支出通常要高于非“双一流”高校；在学校地区分布上，“帽子”人才中仅有6.3%任教于西部地区高校，而普通青年教师的这一比例为21.1%，从前文的描述性分析可以看出西部地区高校教师的工资水平要低于东部和中部地区。由于以上特征分布的差异，造成了普通青年教师与“帽子”人才月应发工资的禀赋效应。在系数效应部分，正高级职称和东部地区的系数效应显著为正，且占比较高。也就是说，晋升为正高级职称带来的收益率在“帽子”人才群体中更高，说明存在对两类群体的人力资本赋薪歧视，也就是说“帽子”人才晋升为正高级职称的工资回报率要高于普通青年教师，即存在称号的溢价效应；任教于东部地区的收益率在“帽子”人才群体中更高，这主要是由于东部地区部分高校不惜花高价引进有人才称号的教师，所以青年教师到东部地区高校任教的回报率远低于“帽子”人才。

模型2以年总工资的对数为因变量，在模型1的基础上加入教师科研成果产出变量。OB分解结果与模型1差异不大，普通青年教师与“帽子”人才年总工资的平均差距中67.07%来自禀赋效应，32.93%来自系数效应。在禀赋效应部分，两个群体职称、学校层次和学校地区分布的差异仍然是造成禀赋效应的主要因素；此外，科研产出数量的禀赋效应也显著为正，“帽子”人才发表的高水平论文数量显著高于普通青年教师（t=19.95，P<0.001），因而会拉大两类群体的科研绩效工资差距。在系数效应部分，正高级职称、东部地区和“双一流”高校对两个群体年总工资差异的贡献较大，贡献率均在10%以上。

（三）工资差距的无条件分位数回归分解

普通青年教师和“帽子”人才的工资差距是否会随着工资排序的变化而呈现出不同的特征？为了回答这一问题，本文将UQR和OB分解方法结合，通过构建反事实状态对两个群体在不同分位点的工资差距进行分解。

图3呈现了不同分位点上普通青年教师与“帽子”人才年总工资差异的分解结果(前文的OB分解结果中，年总工资和应发工资模型差异不大，由于篇幅所限，此处仅汇报年总工资的分解结果)。结果显示，两个群体工资差异的总效应随着工资分布的增加，而呈现逐渐增加的变化趋势，禀赋效应和系数效应则发生了不同的变化。随着年总工资分位点的增加，两个群体年总工资的禀赋效应差异呈现先增加后迅速降低的趋势，而系数效应呈现先降低后迅速增加的趋势，系数效应在55分位点之后系数效应开始为正，到75分位点之后系数效应高于禀赋效应。这表明，在中低收入分布区间，禀赋效应是两个群体年总工资差异的主要来源，而在高收入分布区间，系数效应是两个群体年总工资差异的主要来源。

进一步考察各核心解释变量对不同分位点上两个群体年总工资差异的贡献率（见图4）。结果显示，正高级职称的禀赋效应对两个群体工资差异的贡献率较大，在55分位点之前基本高于50%，而正高级职称的系数效应对工资差异的贡献率较低，在55分位点之前略高于0，之后接近于0；副高级职称、理工农医学科的禀赋效应和系数效应对工资差异的贡献率均较低；随着工资分位点的增加，“双一流”的禀赋效应和系数效应对工资差异的贡献率呈下降趋势，且其禀赋效应高于系数效应；随着工资分位点的增加，是否东部地区的禀赋效应和系数效应对工资差异的贡献率呈先上升后下降趋势，在28分位点之前系数效应的贡献率高于禀赋效应，28分位点之后则低于禀赋效应；是否西部地区禀赋效应的贡献率在低工资分布区间高于系数效应，在中高工资分布区间两者贡献率差异不大；随着工资分位点的增加，科研产出数量系数效应的贡献率缓慢增加，其禀赋效应的贡献率则基本保持不变，且贡献率很低（不到4%）。

六、 结论及政策启示

本文利用我国部分高校教师工资大规模调查数据，揭示了普通青年教师与“帽子”人才的工资差距，同时采用Oaxaca-Blinder分解方法将两个群体的工资差异分解为禀赋效应和系数效应。最后采用基于RIF的无条件分位数回归分解方法，分析不同分位点上工资差距的禀赋效应和系数效应的变化。本文获得以下主要研究结论：

第一，“帽子”人才的工资水平远高于普通青年教师，两个群体的工资差距在“双一流”高校、东部地区高校教师群体中尤为突出。

“帽子”人才比普通青年教师具有明显的工资优势，其平均年总工资水平高达普通青年教师的三倍。比较不同特征两个群体的工资差距可以发现，“帽子”人才的工资优势在不同特征教师群体中存在差异。具体而言，在男教师中，普通青年教师与“帽子”人才的工资差距较大，两个群体的工资比为3.06，而女性群体中的这一比例（2.87）略低于男性群体。由此可见，我国高校青年教师与“帽子”人才的工资性别差距不明显，我国高校劳动力市场中性别工资差异很小与我国长期以来倡导性别平等、男女同工同酬有关。普通青年教师与“帽子”人才的年总工资差距在理工农医类学科教师中更大，工资比为3.17，是人文社科类学科教师工资比的1.17倍。这与我国一些人才称号仅授予理工农医学科教师有关，比如杰出青年基金项目主要授予优秀的理工农医学科人才。1998年开始实施的“长江学者奖励计划”在2012年之前仅奖励国内外中青年科技精英，2012年教育部启动实施新的“长江学者奖励计划”，才扩大范围至人文社科优秀人才。而且，“帽子”人才与普通青年教师的工资差距呈现出随收入由低分位点到高分位点逐渐扩大的趋势，这表明在高收入分布区间，“帽子”人才具有明显的工资优势。比较不同层次“帽子”人才与普通青年教师的工资差距可知，普通青年教师与“帽子”人才的工资差距随人才称号的等级提升而增加，一类、二类、三类、四类“帽子”人才的年总工资分别是普通青年教师的工资的6.99倍、4.19倍、3.18倍和1.63倍。更高等级的人才称号在高校教师劳动力市场中的工资溢价更高。

在学校和地区特征方面，“双一流”高校的普通青年教师与“帽子”人才的收入差距较大（工资比为2.79），这一比值是非“双一流”高校两类教师工资比的1.42倍。普通青年教师与“帽子”人才的收入差距在东部地区最大（工资比为2.77），分别是中部和西部地区这一比值的1.48倍和1.63倍。可见，“双一流”高校、东部地区教师样本中两个群体的工资差距明显高于非“双一流”高校、中部和西部地区。产生这一现象的原因主要可以从两个方面来解释：一方面，“双一流”高校和东部地区高校能获得更多经费支持。“双一流”高校可以获得来自中央财政专项资金和地方政府及主管部门共建资金，并且“双一流”高校自筹资金通常也要高于非“双一流”高校，社会和企业对于“双一流”高校建设捐资更多，如北京大学、清华大学、上海交通大学等有以知名企业或企业家冠名的各种特聘教授或讲座教授计划，因而相比于非“双一流”高校，“双一流”高校在人才引进工作上有更多的资金支持。东部地区省份的平均财政收入水平较高，因而地方政府按照一定比例投入高校建设和人才引进的经费也较高。另一方面，“双一流”高校和东部地区对高层次人才（尤其是国家级人才支持计划人才）的吸引力更高。黄海刚等人对我国“长江学者”特聘教授获得者的流动分析发现，“长江学者”流出和流入的高校均主要集中于“双一流”建设高校，流动地区呈现从中西部和东北地区向华东和华南地区流动的特征。［29］平均来说，东部地区省份经济发展水平要高于中部和西部地区，据统计，2019年人均GDP排名前五的省份均位于东部地区，在劳动力市场竞争的驱动下，东部地区高校需要为“帽子”人才提供具有更具外部竞争力的工资待遇，以吸引和留住人才。

第二，普通青年教师与“帽子”人才的工资差距有三分之一来源于符号效应，正高级职称和东部地区的系数效应对工资差异贡献较大。

本文分别以月应发工资和年总工资的对数为因变量，基于工资决定模型加入影响工资的解释变量。OB分解结果表明普通青年教师与“帽子”人才的工资差距的系数效应显著，在月应发工资模型中占总差异的35.42%，在年总工资模型中占32.93%。由此，普通青年教师与“帽子”人才的工资差距有三分之一来源于符号效应。在月应发工资和年总工资模型中，职称、高校层次、高校所在地区的禀赋效应均显著；在年总工资模型中，科研成果的禀赋效应也显著。这与两个群体在这些禀赋特征上的分布差异有关，“帽子”人才更多分布在东部、“双一流”建设高校以及高职称群体中，而普通青年教师更多集中在非“双一流”建设高校以及中低职称群体。“帽子”人才因为拥有更多更好的科研资源，以及有强大的科研团队，因而在科研产出方面比普通青年教师有更大优势。系数效应方面，正高级职称和东部地区高校教师的系数效应在月应发工资模型中显著，即“帽子”人才与普通青年教师晋升为正高和任教于东部地区的收益率存在显著差异；正高级职称的系数效应在年总工资模型中显著，“双一流”高校和东部地区的系数效应对两个群体的年总工资差异贡献较大，但不显著。由此来看，存在对正高级职称和“双一流”高校中普通青年教师和“帽子”人才的赋薪差异，这与部分地区和高校在引进“帽子”人才时提供的极高薪资待遇有关。

第三，普通青年教师和“帽子”人才的工资差异的系数效应随工资分布分位点的增加呈先降低后迅速增加的特征，在高收入分布区间成为两个群体年总工资差异的主要来源。

基于RIF的无条件分位数回归分解方法可知，随着年总工资分位点的增加，普通青年教师和“帽子”人才年总工资的禀赋效应差异呈现先增加后迅速降低的趋势，而系数效应呈现先降低后迅速增加的趋势。具体而言，在中低收入分布区间，禀赋效应是两个群体年总工资差异的主要来源，而在高收入分布区间（75分位点之后），系数效应是两个群体年总工资差异的主要来源。进一步考察各核心解释变量对不同分位点上两个群体年总工资差异的贡献表明，在职称因素方面，正高级职称的禀赋效应对两个群体工资差异的贡献率较大，而其系数效应对工资差异的贡献率较低；副高级职称的禀赋效应和系数效应对工资差异的贡献率均较低。在工作绩效方面，随着工资分位点的增加，科研产出发表数量系数效应的贡献率呈现缓慢增加的趋势。在学科因素方面，理工农医学科对年总工资差异的贡献率较低。在制度因素方面，随着工资分位点的增加，“双一流”高校的禀赋效应和系数效应对工资差异的贡献率呈下降趋势，东部地区的禀赋效应和系数效应对工资差异的贡献率呈先上升后下降趋势，西部地区禀赋效应的贡献率在低工资分布区间高于系数效应，在中高工资分布区间两者贡献率差异不大。

近几年，国家三令五申地强调不能唯“帽子”论，当前多数高校在人才引进招聘公告上鲜有直接提及各层次人才的具体待遇。但是从过去的引人政策可以看出，为了吸引优秀人才，数十万年薪、上百万科研经费、百万安家补贴成为基本标配，大多数高校还为引进的“帽子”人才创造了良好的科研环境、提出解决配偶工作及子女入学等福利。［30］“帽子”人才与普通教师，以及各层次“帽子”人才内部的工资差异格局基本形成。“帽子”人才是通过高要求的遴选标准选拔入选，与普通教师存在一定的工资差距是合理的，但是对“帽子”人才的过度激励，将影响高校内部的协同合作，不利于“帽子”人才组建科研团队，提升团队工作绩效，同时也不利于普通青年教师的培养与留任。习近平主席在2021年8月17号召开的中央财经委员会第十次会议上发表重要讲话强调，“共同富裕是社会主义的本质要求”，“要坚持以人民为中心的发展思想，在高质量发展中促进共同富裕”。“要加强对高收入的规范和调节”，“合理调节过高收入，鼓励高收入人群更多回报社会”。［31］在高校系统同样存在需要规范和调节高收入，在高质量发展中促进广大普通教师共同富裕的问题。基于对普通青年教师与“帽子”人才工资差距的实证研究结论，本文提出合理缩小“帽子”人才与普通青年教师工资差距，促进普通青年教师成长的两点建议：

第一，以能力和工作绩效而非“帽子”符号作为学术劳动力市场赋薪最核心的准则，将“帽子”人才与普通青年教师的工资差距确定在合理范围之内。

基于OB分解结果可知，“帽子”人才与普通青年教师的工资差距，有很大一部分来自由“帽子”符号本身决定的两个群体产出回报率的差异。这是由于地方政府和高校在引进“帽子”人才时，一味地提高对“帽子”本身的定价，这容易导致学者的等级化与学术追求的功利化、表面化，以及财政资源的错配与浪费。学术活力的激发不能仅仅依靠外在功利的刺激来驱动，最终应回到学术驱动、学科驱动和荣誉驱动上来。［32］因此，政府和高校应当从对少数“帽子”人才的关注转向对广大普通青年教师工资激励的关注，杜绝为“帽子”定“高价”的失序现象，回归“帽子”的学术性和荣誉性。同时，建议高校将有限的财政资源用于统筹分配各级各类人才的工资，将能力和工作绩效（包括教学和人才培养、科研和社会服务，不可过于偏倚某一方面）而非头衔符号作为学术劳动力市场赋薪最核心的准则，缩小不同层次人才工资差距。本文的研究发现，“帽子”人才的年总工资均值高达普通青年教师的3倍，而剔除由于符号效应带来的工资差异（OB分解表明，符号效应约占总差异的1/3），“帽子”人才的年总工资均值应为普通青年教师的2倍左右。因而，高校在设置引进人才薪资待遇时，可将本校普通青年教师工资均值的两倍加其工资标准差的三倍作为上限，以确保“帽子”人才与普通青年教师的工资差距在合理范围之内。

第二，制定以人才培养能力为基础的多元化人才标准，统筹处理好培养与引进的关系，重视普通青年教师教学和科研潜力的开发和培养。

在高校人才引进工作中，往往将职称、头衔、承担科研项目等作为衡量人才的标准。但是，人才评价体系应当是多元化的，高校应当突破“一刀切”的评价方式，根据《深化新时代教育评价改革总体方案》中“改革教师评价，推进践行教书育人使命”的目标要求，切实把握突出“师德师风标准”“教育教学实绩”“一线学生工作”和“科研质量导向”四个方面，此外还应当充分考虑学术潜力、团队意识、教育教学和社会服务能力等综合因素。与此同时，高校应当意识到外部引进只是对人力资本存量的争夺，培育才是产生增量的根本。高校应当统筹处理好培养和引进、当前和长远、国家需要和学校发展之间的关系，基于自身的条件与发展需求，加强学校特色学科建设，重点支持有发展潜力的科研团队和个人，尤其要重视普通青年教师教学和科研潜力的开发和培养，以提升高校教师整体专业发展水平。

“双一流”建设背景下我国高校高层次人才竞争愈演愈烈，高校青睐的“帽子”人才与普通教师之间过大的工资差距引发了媒体和学术界的热议，但鲜有研究对两大群体的工资差距进行实证分析。本文的贡献在于利用国内高校教师大规模薪酬和从业状况调查数据，描述“帽子”人才和普通青年教师工资差距，并采用OB分解和基于RIF的UQR分解方法检验是否存在高校教师劳动力市场对“帽子”符号的溢价效应。但是本文也存在一定的局限，构建的OB分解和UQR分解模型可能存在遗漏变量，尽管本文参考奈特建构的工资决定概念模型，设立了适合分析我国高校教师工资影响因素的模型，但依然可能存在没有纳入模型的因素影响高校教师工资水平。因而“帽子”人才与普通青年教师的工资差距中，不可解释的部分不能完全归因于人才称号的符号效应，这可能存在高估“帽子”的符号效应问题。此外，教师工资及相关信息属于个人隐私范畴，研究者很难采用大规模随机抽样方法获取研究样本。本文使用的高校教师大规模调查的工资样本是基于方便抽样方法获得的，尽管样本量不小，但样本对于我国高校普通青年教师和高层次人才的代表性有限，结论的适用范围有一定局限性。期待今后由教育部等行政部门通过高校信息管理系统采集教师薪酬数据和相关工作状况数据，从而开展外在效度更高的教师薪酬方面的研究。


参考文献

［1］［5］［10］李光，徐干城.锦标赛制视角下的高校人才计划激励机制研究［J］.河南师范大学学报（哲学社会科学版），2021（02）：143—149.
［2］相约西子湖畔 共襄时代盛举——杭州师范大学高层次人才引进计划［EB/OL］.（2020-10-14）［2021-09-29］. https://ibook.antpedia.com/x/531325.html
［3］65位高校教师接龙晒工资，你的薪资在什么水平？［EB/OL］.（2021-04-14）［2021-09-29］. https://www.sohu.com/a/460526571_100174668.
［4］李晗冰.“以帽取人”“按帽论价”：“帽子大战”几时休？［EB/OL］.（2018-04-29）［2021-09-29］.http://www.zhishifenzi.com/depth/column/249.html.
［6］［15］［32］昌成明，熊和平.符号、控制与学术秩序:学者头衔的反思［J］.大学教育科学，2020（06）:31—37.
［7］Moore, W., Newman, R., & Terrell, D. (2007). Academic pay in the United Kingdom and the United States: The differential returns to productivity and the lifetime earnings gap. Southern Economic Journal, 73(3), 717—732.
［8］［28］胡咏梅，王亚男，周坚中.美国高校教师薪酬知多少——基于AAUP统计数据的经验研究［J］.湖南师范大学教育科学学报，2020（06）：107—117.
［9］胡咏梅，易慧霞，唐一鹏.高校教师收入不平等——基于中国和加拿大高校教师工资性年收入的比较研究［J］.中国高教研究，2016（11）：80—88.
［11］Claypool, V., Janssen, B., Kim, D., & Mitchell, S. (2017). Determinants of salary dispersion among political science faculty: The differential effects of where you work (institutional characteristics) and what you do (negotiate and publish). PS, Political Science & Politics, 50(1), 146—156.
［12］Melguizo, T., & Strober, M. (2007). Faculty salaries and the maximization of prestige. Research in Higher Education, 48(6), 633—668.
［13］刘尧，闫志刚.透视高校教师薪酬状况［J］.教育与职业，2013（04）：26—32.
［14］彭鸿雁，汪文哲.高校教师工资结构及绩效实证分析——以中部地区某本科院校为例［J］.中国高教研究，2014（07）：85—87+95.
［16］Toutkoushian, R., & Conley, V. (2005). Progress for women in academe, yet inequities persist: Evidence from NSOPF: 99. Research in Higher Education, 46(1), 1—28.
［17］王晶晶.高校扩招后性别工资差距缘何扩大——基于CHNS数据的分析［J］.南方人口，2020（05）：46—57.
［18］张冬平，郭震.我国工资水平差距分析：歧视性工资现象［J］.华南农业大学学报（社会科学版），2013（04）：95—104.
［19］张凯宁.高等教育与收入分配:改变命运还是阶层锁定——基于CGSS2008数据的实证研究［J］.高等财经教育研究，2014（02）：1—12.
［20］Knight, W. E. (2003). The primer for institutional research. Tallahassee, Fla.: The Association for Institutional Research, 62—63.
［21］Oaxaca, R. (1973). Male-female wage differentials in urban labor markets. International Economic Review (Philadelphia), 14(3), 693—709.
［22］Reimers, C. (1983). Labor market discrimination against Hispanic and Black Men. The Review of Economics and Statistics, 65(4), 570—579.
［23］Neumark, D. (1988). Employers' discriminatory behavior and the estimation of wage discrimination. The Journal of Human Resources, 23(3), 279—295.
［24］Jann, B. (2008). The Blinder-Oaxaca decomposition for linear regression models. The Stata Journal, 8(4), 453—479.
［25］Machado, J., & Mata, J. (2005). Counterfactual decomposition of changes in wage distributions using quantile regression. Journal of Applied Econometrics, 20(4), 445—465.
［26］Firpo, S., Fortin, N., & Lemieux, T. (2018). Decomposing wage distributions using recentered influence function regressions. Econometrics, 6(2), 28.
［27］Firpo, S., Fortin, N., & Lemieux, T. (2009). Unconditional quantile regressions. Econometrica, 77(3), 953—973.
［29］黄海刚，连洁，曲越.高校“人才争夺”：谁是受益者?——基于“长江学者”获得者的实证分析［J］.北京师范大学学报（社会科学版），2018（05）：39—52.
［30］2019年优秀青年人才引进，哪些高校待遇高？［EB/OL］.（2019-05-25）［2021-09-29］, https://www.cingta.com/detail/11198.
［31］新华社.习近平主持召开中央财经委员会第十次会议［EB/OL］.（2021-08-17）［2021-09-29］，http://www.gov.cn/xinwen/2021-08/17/content_5631780.htm?jump=false.


（责任编辑 范皑皑）

欢迎长按识别二维码 关注我们