公务员录用：学历、性别、家庭背景，考官到底更看中啥？

编者按：2016年度中央机关及其直属机构公务员考试，2.7万招录名额吸引了近140万人报名，创历史新高，但平均竞争比是五年来最低。地方公务员考试视职位情况热度不一，有些职位因报名人数不足、达不到开考比例而取消招录计划，有些热门职位却达到了2693:1的“地狱”级竞争比例。那么，公务员录用到底看重什么呢？
本文经原点实验室（微信号 cndatalab ）授权转载，原文图片由澎湃美数课栏目汉化。

这是“原点实验室”第一次邀请数据投稿。数据来自哥伦比亚大学政治学系博士生刘含章的论文。“原点实验室”进行了独立的数据验证和分析。本文观点不代表原作者的观点。
中国的公务员考试制度经历数次改革。目前公务员考试的笔试、面试制度已经比较正规了。例如，面试的许多环节采取了包括考官随机抽签、考生随机抽签、异地面试、现场发布成绩等办法来确保面试的公平、公正与公开。
虽然在面试环节考官不一定知道考生的背景信息，这些信息很可能会通过面对面的交流和其他渠道传递出来。特别地，研究者关心的是基层官员的偏好：倘若考官知道考生的背景信息，他们会如何挑选候选人？——学历、经验、政治面貌、家庭关系，哪些因素更重要？
这个问题不好研究，因为我们很难对参与公务员考录工作的官员直接进行问卷调查或者访谈，询问他们公务员选拔中最重要的因素是什么。即使可以调查，我们也很难保证获得准确的答案。原因有二。
第一是受访者碍于面子和其他原因 ，以符合社会期望的方式回答问题。第二，即便受访的官员愿意吐露内心的真实答案，人也往往很难对多个因素进行单独排序。在现实世界中，人们的可观察属性总是相关的，高教育水平的人社会活动经验通常也丰富，党员学生家庭条件也一般比较好。当受访的官员回答他们喜欢招学历较高的人，也有可能是因为实际上看中了这位候选者的社会经验丰富。
怎么来解决这两个问题呢？
实验设计
研究者设计了这样一组实验。随机生成两位已通过公务员考试笔试的考生资料，给考生1和考生2随机分配各项特征，如是否是学生干部、是否是党员、是否是985院校毕业生。然后，请受访的官员回答，基于以上信息，他们更倾向于选择考生1还是考生2。反复进行多次这样的二选一决策。

这种实验方法提供给官员的场景与真实的遴选场景比较类似，而且二选一的选择对大多数人来说比较容易，因此，我们获得的答案就比直接问哪个因素重要更准确。此外，由于这些特征是研究者随机抽取的，它们之间是不相关的，这就解决了刚才所说的人的可观察属性相关的难题。
另外，这个设计还有一个好处，就是排除了其他干扰因素的影响，如考生的长相、衣着、内部关系等等。获得这些选择后，再进行简单的回归分析——将选择结果对两位考生的各项特征进行回归——就可以推断出官员究竟是出于什么原因选择考生。
在我们今天讨论的这项实验中，除了让受访的官员做出二选一的选择以外，研究者还让他们对两位考生的三项指标打分：（1）认为是否将胜任工作；（2）领导力；（3）执行力。
数据来源
分布于全国不同地区五个城市的300多名基层官员。
实验结果
实验结果非常有趣。有图有真相。

研究者发现：在其他条件一样的情况下，
— 男性更受青睐
— 党员更受青睐
— 985院校的考生更受青睐
— 研究生学历的考生更受青睐
— 有社会和学生活动经验的考生更受青睐
— 有基层行政工作经验的考生更受青睐
— 父亲是政府官员的考生更受青睐
— 父亲是国企工人或私营企业家则没有什么效果
其中，父亲是政府官员的考生，相比父亲是私企普通员工的考生，录取概率提高近20%。
值得注意的是，父亲是政府官员的考生更受青睐并不能直接证明“关系”对公务员选拔绝对重要，因为父亲的职业也有可能提供了关于考生特点的某种信号。例如，来自政府官员家庭的考生可能更加熟悉政府内部的工作流程，等等。
对于是否胜任工作的评价，结果类似：

父亲是政府官员的考生，还被认为更有领导力，但考官们并不认为他们比别人更有执行力：

另一个非常有趣的结果是，男性受访官员更青睐男性考生；而女性受访官员则没有表现出这种性别偏见。

结合前面的结果，考官们并不显著地认为男性比女性胜任工作，也并不认为男性考生比女性更有领导力和执行力，但是他们却更倾向于选择男性考生。同样，这里提供的证据并不能直接证明男性考官对女性存在歧视，因为有未排除的其他可能性。
严格来说，该实验设计的目的不在于因果推断，它提供一种比较有效的度量偏好的办法。

参考文献：Liu, Hanzhang 2016. “The Logic of Authoritarian Political Selection: Evidence from a Conjoint Experiment in China.” Mimeo, Columbia University. Available at SSRN: ?abstract_id=2780421.
（本项研究尚未发表。数据和代码将在文章发表后由原作者发布。）