基于生存分析视角的战略科学家成长路径研究

瞿群臻，高思玉，汪鹏飞，唐梦雪，宫 准，牛 萍

1.上海海事大学经济管理学院，上海 201306；2.中泰证券股份有限公司上海研究所，上海 200120；3.青岛大学师范学院，山东 青岛 266071；4.科学技术部科技人才交流开发服务中心，北京 100045)

截至2018年底，中国的科技人力资源总量达10154.5万人，R&D人员总量达438.1万人，战略科技人才占总科技人才的比重也在逐年上升。但是，目前关于战略科技人才研究的文献，尤其是有关战略科技人才成长的文献较少。鉴于此，本文以中国战略科技人才——中国工程院院士为研究对象，采用生存分析法动态考察院士群体职业成长的路径，探索不同影响因素对战略科技人才各成长阶段生存风险的影响作用，从而为培育本土化的战略科技人才提供针对性的对策建议，助推中国科技强国战略的实施。

1 相关概念界定及文献综述

1.1 科技人才

在国内学界，科技人才的概念尚未统一。比较有代表性的是马斌等[1]提出的概念，即科技人才是从事系统性科学和技术生产、转化等方面研究的具有创造价值的人力资源。国外与科技人才这一概念相对应的一般是科技人力资源，更多的是在其基础上研究人才集聚、创新产出等。OECD出版的 《科技人力资源手册》将其定义为从事或有潜力从事系统性科学和技术知识生产、传播、促进及应用的活动的人力资源[2]；Delgado等[3]认为，科技人力资源的基础是人力资源和知识，即拥有知识储备的高水平人才。

1.2 战略科技人才

战略科技人才是一个具有时代特征的概念，与国家战略息息相关。李乃胜[4]认为，战略科技人才是对重大战略问题和关乎国计民生的紧迫问题进行研究的人才。王月琴等[5]指出，战略科技人才在战略科技领域做出突出创新贡献，尤其是关系到国家长远发展的国防、能源等领域。张平等[6]认为，战略科技人才具备学识、工作能力和战略视野等多种特质，并能够将能力转化成具有引领性的成果。2021年中央人才工作会议指出，战略科学家在科学和战略两个层面发挥重要作用，尤为侧重战略层面，这是战略科学家与一般科学家的区别所在。

综上国内外有关科技人才及战略科技人才的界定，本文认为战略科技人才是指具备良好的战略思维与创新能力，在相关战略科技领域从事科技创新活动并对该领域做出重大贡献的人才。

1.3 科技人才成长规律

科技人才在一定的社会历史条件下，在自身与成长内外部环境的相互作用中表现出的一般特征即为科技人才成长规律[7]。国外学者主要基于人才成长环境等因素，展开对科技人才成长规律的研究。Schwanen等[8]发现，除了直接投入资金，企业的业务发展、企业社会责任等因素都会影响科技人才的产出，进而影响科技创业人才的成长。Subotnik等[9]发现，科技人才的父母双方均未接受过高等教育或从事科研研究，他们在成长过程中表现出人口统计学上的弱势。Cadorin等[10]发现，科学园区等产学研结合的平台能够进行人才项目筛选，为人才提供资金、技术、平台、项目等方面支持，从而加快科技人才的成长。

国内学者主要是基于人才成长阶段、学术谱等视角，采用履历分析法、社会网络分析法、学术史研究法等对科技人才成长规律进行分析。郭新艳[11]将成长阶段分为孕育、成长、成熟和全盛四阶段，并以某高校学者为研究群体，分析了科技人才成长的规律。刘琳琳[12]通过对创新型人才的特征及特质分析发现，创新型人才的成长规律包括经验积累、外界历练、模仿学习、教育培养和自身修炼。邱志强[13]认为，科技领军人才的成长过程中依次形成基本素质、创新素质和领军素质。姜璐等[14]基于履历分析法，提出教育与职业成长两阶段是拔尖创新学术人才普遍的成长阶段，并构建其成长规律的指标体系。王双等[15]基于学术谱视角，采用履历分析法与社会网络分析法，探讨了科技人才成长的一般特征与规律。

1.4 科技人才成长路径

国外学者主要是从职业生涯发展等角度，对科技人才成长路径进行研究。Corley等[16]以在美国大学学科交叉中心的研究人员为研究对象，通过履历分析法比较了男性科学家与女性科学家之间职业成长的差异；Caughan等[17]构建了风险比例模型，研究美国与法国的科技人才培训政策对科技人才早期职业生涯的影响，并探讨了性别、研究员职位、学术出版物、人才流动等因素对两国科技人才职业成长的影响；Dietz等[18]基于社会网络及科技人才资本角度，以美国大学研究中心工作的科学家为研究对象，采用履历分析法研究了出版物、专利产出对其职业生涯成长的影响，发现职业生涯后期受职业生涯早期发表的出版物影响不大；Caughan[19]分析了76名医学科技人才的履历信息，采用生存分析法研究了美国医疗中心对医学科技人才的资助、教育经历、职业发展经历等因素对医学科技人才职业生涯的影响。

国内学者主要是基于履历分析法、文献分析法等方法和视角，研究科技人才的成长路径。科研履历记录了科研人员的成长轨迹和职业信息，履历分析法是基于个人背景、工作和生活经历，进行人才选拔、测评，并制定人才政策的方法。陈晓剑等[20]发现良好的教育连贯性，硕博贯通式培养有利于基础拔尖创新人才的成长；李峰等[21]基于长江学者特聘教授的履历信息，研究了多元化教育背景对科技人才成长时间的影响；李祖超等[22]基于系数矩阵与粒子群算法，揭示了教育、工作和获奖历程的属性对杰出青年科学基金获资助者成长的影响。此外，孙泽厚等[23]探讨了青年拔尖科技人才成长与人力、心理和社会三维资本之间的关系；黄涛等[24]采用社会科学的集体传记研究法，对23名 “两弹一星”功勋科学家进行文献梳理与解读，发现优越地域文化的浸润、优势家庭的熏陶、优秀学校导师的培育、优良科研环境的营造是杰出科技人才成长的主要环境。部分学者基于生存分析方法和视角探究学者学术生涯各阶段发展，这是一种研究事件发生的结果和出现此结果的持续时间的统计方法，能够有效处理履历信息中的删失数据，考察研究事件在每个时间点的生存率，从而揭示事件的动态规律和影响因素。田瑞强等[25]发现华人科学家不同学术生涯阶段的生存风险具有显著差异；张健卫等[26]认为接受连续性高等教育对国家杰青科学基金获得者的副教授阶段起推动作用，但抑制了教授阶段的成长。

通过对文献进行梳理发现，有关科技人才成长路径及成长规律的研究较为丰富，多数学者主要是采取履历分析法，从人才成长阶段探讨科技人才成长路径及成长规律，虽然缺乏对战略科技人才成长的研究，但学者们的研究方法、研究角度能够在一定程度上反映人才成长的共性，为本文的研究提供了较好的研究思路。

有关科技人才成长的研究已日趋成熟，在研究主体上，对于科技人才的研究也主要聚焦在青年科技人才、科技创新人才、长江学者等科技人才的研究，但缺乏对战略科技人才成长路径、成长阶段及成长规律的研究。在研究方法上，国内外学者也主要是采用履历分析法、文献分析法对人才的成长阶段、职业生涯发展阶段进行研究，缺乏生存分析法等动态分析方法对科技人才成长的研究。为了动态研究中国战略科技人才的成长路径问题，本文采用生存分析法，基于中国工程院院士的个人履历数据，动态考察不同影响因素对该类群体各成长阶段的生存风险的影响作用，以期为中国战略科技人才的培养提供实证支持。

2 战略科技人才成长路径模型构建

2.1 样本基本情况分析

本研究以2011—2019年增选的中国工程院院士为研究对象，总人数为315人。以CV (Curricul-um Viate)的基本构成要素为基准，CV数据主要源于中国工程院官网、高等院校和科研机构中的院士个人履历信息，个人履历信息一般分为以下几类：个人信息，包括姓名、性别、年龄、籍贯等；教育信息，包括高等教育经历、海外留学经历、获得的学位类型等；工作信息，包括工作单位类型、职称等；学术信息，如发表的论文数量、承担过的科研项目等。剔除不完整数据后，最终采集到250名工程院院士的完整数据作为研究样本，样本的基本情况见表1。

表1 样本基本情况

2.2 生存分析问题要素定义

本研究将工程院院士的成长分为两个重要阶段：教授、研究员或高级工程师阶段 (以下统称为教授阶段)、院士阶段。生存分析是指工程院院士在教授和院士两个成长阶段的持续时间，相应的生存分析问题要素定义如下：

(1)在教授阶段，起点事件定义为院士博士毕业时间或硕士毕业时间，考虑到一些研究对象在晋升教授时最高学位是硕士学位，此时起点事件定义为其硕士毕业时间，另一些研究对象在晋升教授时已取得博士学位，此时起点时间定义为其博士毕业时间；在院士阶段，起点事件定义为研究对象晋升教授的时间。

(2)终点事件分别定义研究对象晋升教授、院士的时间。

(3)在教授阶段，生存时间定义为研究对象自取得博士学位或硕士学位到晋升教授所经历的时间；在院士阶段，生存时间定义为研究对象增选为院士与晋升教授之间的时间差。

(4)教授阶段的观察时间记为10年，院士阶段的观察时间记为20年。

(5)生存状态变量存在两种结局：① 0表示在观察期内未进入某一成长阶段；② 1表示在观察期内进入某一成长阶段。

生存时间数据可分为完全数据和删失数据，通过以上分析可知，第一种结局明确事件的起点时间，在观察期内研究对象未晋升为教授或增选为院士，但可以估计事件的生存时间，因此为删失数据，且全部为右删失数据；第二种结局明确事件的起点时间、终点时间与生存时间，故为完全数据。本文中的生存风险与医学统计中所使用的生存风险含义相反，即本文的生存概率越高意味着生存时间越短，研究对象能够更快晋升为教授或增选为院士。

2.3 战略科技人才成长路径的生存模型

用T表示生存时间、t表示某一时间点，分布函数F(t)表示研究对象T≤t的概率，即P(T≤t)，S(t)是生存函数，即研究对象T>t的概率，具体形式如下：

(1)

S(t)=1-F(T>t)=P(T>t)

(2)

用h(t)表示风险函数，即处于时间点t的研究对象在下一个很短的时间段内 (Δt)晋升为教授或增选为院士的概率，对应的累计风险函数计为H(t)，具体形式如下：

(3)

(4)

生存分析法主要包括非参数分析法、半参数分析法、参数分析法等分析方法。非参数分析法中的Kaplan-Meier生存函数可以分析单一风险因素对生存时间的影响；非参数分析法中，生存时间只和单一风险因素有关，而半参数分析法中的Cox比例风险模型则将影响生存时间的其他风险因素纳入模型中，从而有效考虑其他风险因素对生存时间的影响；参数分析法则对生存时间的分布要求较为严格，但可以有效估计风险因素对生存时间的影响。

工程院院士在某一成长阶段的生存时间是一个随机变量，其分布形式无法事先获得，并且在某一人才成长阶段的生存时间会受到多个因素的影响，因此在估计方法上选择非参数估计法与半参数估计法。针对院士在各成长阶段的生存分析，本研究首先采用非参数分析法中的Kaplan-Meier生存函数估计院士各成长阶段的生存时间、工作单位性质对院士各成长阶段生存时间的影响，再采用半参数分析法中的Cox比例风险模型对院士各成长阶段的生存时间进行建模分析，得到带有影响因素的生存函数。

(1)Kaplan-Meier生存模型。Kaplan-Meier是建立在t时上的生存函数，是t时之前所有时期的生存概率的乘积，基本形式为：

(5)

式中，nt=i表示在时期i内开始时处于某一成长阶段的人数，dt=i表示在时期i内晋升为教授或增选为院士的人数。

(2)Cox比例风险模型。Cox比例风险回归模型以生存时间、生存状态为因变量，分析不同影响因素对生存时间的影响，最终根据各影响因素预测生存率。模型如下：

h(t||X)=h0 (t)·eβX

(6)

式中，X= (X1,X2,…,Xn)，即影响院士各成长阶段生存时间的协变量；β= (β1,β2,…,βn)，即偏回归系数，反映协变量对风险函数的影响大小；h0 (t)为基准风险率函数，表示X1=X2=…=Xn=0时院士处于某一成长阶段生存时间为t的风险函数。Cox比例风险回归模型通过部分似然度最大化来实现对偏回归系数β的估计[27]。

3 实证分析

3.1 院士职业生涯成长阶段的生存时间分析

采用Kaplan-Meier法对院士职业生涯成长阶段的生存时间进行分析。由图1可知，在教授阶段，研究对象在取得博士学位或硕士学位6年内能够快速晋升为教授，而在取得博士学位或硕士学位10年后晋升速度放缓，生存概率不变，形成删失数据，删失率为11.2%；由图2可知，研究对象在取得教授职称的12年内晋升院士的速度较为缓慢，增选为院士的人数极少，步入相对平缓的平台期，在取得教授职称12～20年之间，生存概率极速下降，表明研究对象在该时间段内能够快速增选为院士，而在取得教授职称20年后，生存概率不变，形成删失数据，删失率为20.4%。

图1 教授阶段生存函数估计

图2 院士阶段生存函数估计

3.2 工作单位性质对院士职业生涯成长阶段的影响

采用Kaplan-Meier法比较不同工作单位院士各成长阶段的差异，分析结果如表2所示。

在教授成长阶段，观察期内有87.8%的样本进入教授职称阶段。工作单位为产业界的删失数据占比达2.4%，工作单位为科研院所的数据删失占比达5.2%，工作单位为高校的数据删失占比达3.6%。图3所示为工作单位性质因素下教授阶段的生存曲线，工作单位为产业界、科研院所、高校的三条生存曲线变化趋势相近，在取得博士学位或硕士学位的5年时间内，在高校、科研院所、产业界工作的人群的生存概率快速下降，即研究对象在这段时间内能够快速晋升为教授；在取得博士学位或硕士学位5年之后，工作单位是高校、科研院所、产业界人群的生存概率下降缓慢，尤其是在产业界工作的人群，在取得博士学位或硕士学位约10年后就不再有可能成为教授了。表2显示log-Rank检验的p值在显著性水平0.05上为0.1799，即三组生存函数不存在显著性差异，表明在教授阶段，工作单位性质因素对教授阶段的成长影响不大。

表2 Kaplan-Meier分析结果

图3 教授阶段工作单位性质的生存函数估计

在院士成长阶段，观察期内有79.6%的样本进入院士阶段。工作单位为产业界的删失数据占比达1.2%，工作单位为科研院所的删失数据占比达4.8%，工作单位性质为高校的删失数据占比达14.4%。图4所示为工作单位性质因素下院士阶段的生存曲线，在取得教授职称13年后，工作单位是产业界的生存曲线位于三条生存曲线的下方，表明该类人群生存概率较低，即该类人群在院士阶段增选为院士的速度较快，职业成长更快；相比于在产业界工作的人群，在高校工作的人群的生存概率较低，其增选为院士的速度较慢。表2显示log-Rank检验的p值在显著性水平0.05上为0.0004，即三组生存曲线存在显著性差异，表明在院士阶段，工作单位性质因素对院士阶段的成长影响较大。

图4 院士阶段工作单位性质的生存函数估计

基于上述分析发现，在教授阶段，高校、科研院所工作能在一定程度上加快院士的职业成长，但并未发现工作单位性质对院士的生存风险具有显著影响。随着职业生涯阶段的迈进，即在院士阶段，工作单位性质对院士的生存风险具有显著影响，在产业界工作的院士的生存概率明显低于在科研院所、高校工作的院士，表明在产业界工作能够加快院士的职业成长。

3.3 院士成长过程中的其他影响因素分析

本研究采用Cox比例风险回归模型对院士的成长状况进行分析，揭示出院士成长过程中的重要影响因素及影响程度，包括年龄、海外留学经历、工作单位性质、学习生涯是否为连续性教育等影响因素 (见表3)。参考美国与法国的科技人才培训政策对科技人才早期职业生涯的影响[17]、美国医疗科技中心的资助对医疗科技人才职业生涯发展的影响[19]，分别建立教授阶段、院士阶段的生存风险函数，两阶段的生存风险函数如下：

表3 院士成长阶段的影响因素

h(t|X)=ho(t)·eβ1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7

(7)

h(t|X)=ho(t)·eβ1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+β8X8+β9X9

(8)

式中，Exp(β)是风险比，表示在其他因素不变的情况下，该因素取值每增加一个单位风险率比原来增加的倍数。其中分类变量以每个影响因素的最后一个取值作为参照，如在影响因素为海外留学经历中，以1{无海外留学经历}作为参照。

(1)教授阶段的Cox回归结果分析。由表4可知，教授阶段的模型总体检验具有显著性 (Prob>chi2 = 0.0023<0.05)。在对单变量的检验中，有过海外留学经历、最高学历授予单位是国内科研院所、SCI与EI论文均对教授阶段的成长具有显著影响 (p<0.05)。有过海外留学经历因子的回归系数估计值是0.3781318，有过海外留学经历增加了教授阶段的生存风险，加快了教授阶段的职业成长，风险比为1.459555，表明在其他影响因素不变的情况下，有过海外留学经历的人群比没有海外留学经历的人群晋升为教授职称的概率高45.96%。最高学历授予单位是国内科研院所因子的回归系数估计值是0.7910845，风险比是2.205787，在国内科研院所取得最高学历的人群更容易晋升为教授，其晋升的可能性是在普通院校取得最高学历人群的2.205787倍。SCI与EI论文因子的回归系数估计值是0.0017465，风险比为1.001748，表明在其他影响因素不变的情况下，每多发表1篇SCI或EI，晋升教授的概率比原水平高0.17%。总的来说，在教授阶段，只有有过海外留学经历、最高学历授予单位是国内科研院所、SCI与EI论文具有统计显著性，并未发现其他影响因子对教授阶段的生存风险具有显著影响。

表4 教授阶段的Cox回归结果

(2)院士阶段的Cox回归结果分析。由表5可知，院士阶段的模型总体检验具有显著性 (Prob>chi2 = 0.0000<0.05)。在对单变量的检验中，年龄、学习生涯为连续性教育、最高学位类型是医学、国家科学技术奖对院士阶段的成长具有显著影响 (p<0.05)。年龄因子的回归系数估计值是 -0.1631871，即年龄降低了院士阶段的生存风险率，风险比为0.8494323，表明在其他影响因素不变的情况下，即研究对象年龄每增加1岁，则其增选为院士的风险率是原有水平的0.8494323倍。学习生涯为连续性教育因子的回归系数估计值是 -0.6904437，表明接受连续性教育延缓了院士阶段院士的职业成长，风险比为0.5013536，即在其他影响因素不变的情况下，接受过连续性教育的人群增选为院士的可能性是未接受过连续性教育人群的0.5013536倍。最高学位类型是医学因子的回归系数估计值是0.9043441，风险比为2.470311，表明在其他影响因素不变的情况下，最高学位是医学的人群增选为院士的机率是最高学位类型为理学的2.470311倍。国家科学技术奖因子的回归系数估计值是0.0052339，风险比是1.005248，表明在其他影响因素不变的情况下，每获得1项国家科学技术奖，增选为院士的概率比原水平高0.52%。总的来说，在院士阶段，只有年龄、学习生涯为连续性教育、最高学位类型是医学、国家科学技术奖具有统计显著性，并未发现其他影响因素对院士阶段的生存风险具有显著影响。

表5 院士阶段的Cox回归结果

4 结论与启示

4.1 研究结论分析

本文以250名中国工程院院士为研究对象，采用生存分析法分析了院士职业生涯成长阶段的生存时间，研究了工作单位性质及其他影响因素对院士职业生涯成长阶段的影响。

Kaplan-Meier结果表明，在教授阶段，院士在取得博士学位或硕士学位的6年内能够快速获得教授职称；在院士阶段，院士在取得教授职称12～20年内能够快速增选为院士。根据智慧 “高原论”及战略科技人才特质[5]，自信、专注、韧性与自我超越等人才特质及成年早期、中期所取得的丰富学术成就能够促进学者快速晋升为教授、增选为院士。工作单位性质对教授阶段的成长不具有显著影响，但对院士阶段的成长具有显著影响，相比于科研院所、高校，在产业界工作能够加快院士阶段的成长，可能的原因在于，工程院院士的增选着重于候选者的工程科技水平，在产业界工作的院士能够将自己的工程技术知识运用于战略型产业当中，在行业实践中不断提升自身水平。

Cox比例风险回归结果显示，有过海外留学经历、最高学历授予单位是科研院所、发表的SCI与EI论文均对教授阶段的生存风险产生显著正向影响，加快了教授阶段的职业成长。①有过海外留学经历增加了教授阶段的生存风险，对教授阶段的职业成长具有加速作用。一方面，在国外访学、有过海外研修经历有助于学者把握学科国际前沿，提高学者的学术水平与学术竞争力；另一方面，国内许多高校、科研机构在对教授职称的评审上要求有过海外访学、留学等经历。②最高学历授予单位为科研院所可缩短教授阶段的成长周期、加快教授阶段的职业成长。其原因可能是科研院所集聚了全国优越的科研资源，为学者开展科学研究营造了良好的环境氛围，提升了学者的科研思维能力，加快了其职业成长。③发表较多的SCI与EI论文对教授阶段的职业成长具有促进作用。SCI与EI论文作为学者科研成果的重要象征，在教授职称评审过程中扮演着重要角色。

Cox比例风险回归结果进一步表明，年龄、接受过连续性高等教育、最高学位类型是医学、国家科学技术奖均对院士阶段的生存风险产生显著影响。①年龄降低了院士阶段的生存风险，抑制了院士阶段的职业成长。科研人员的智慧在50岁后开始逐渐下降，学术旺盛力逐渐衰退，科研成果数量逐渐下降，自身发展空间受到限制，增选为院士的概率也随之降低[11]。②接受过连续性高等教育对院士阶段的职业发展具有抑制作用。本硕博贯通式的连续性高等教育经历可能会固化人在某一研究环境中的思维模式，不利于人才创新思维能力的提升，从而在人才成长过程中产生衰减效应。工程院院士的评审注重学者在工程科学技术层面做出的创造性成果、贡献，而连续性高等教育经历虽然有利于人才基础研究能力的提升，但往往却忽视了人才实践能力的提升。③最高学位类型为医学增加了院士阶段的生存风险，加快了其职业成长。医学专业的培养周期较长，医学专业学者在晋升教授之前的人力资本积累期已投入了大量时间资源，从而延缓了其教授阶段的职业成长，但却有助于学者们积累人力资源存量，缩短其产生重大科研成果的周期，促使他们在院士成长阶段发挥人力资本优势，进而加快院士阶段的成长。④国家科学技术奖提高了院士阶段的生存风险，从而加快职业成长。国家科学技术奖作为学者科研成果激励的重要象征，一般授予在技术研究、技术开发等领域具有突出贡献的学者，且每年授予的人数极少，是对人才科研贡献的极大肯定，因此对于院士阶段的职业成长具有重要促进作用。

4.2 研究启示

(1)协调用人机制、改革人才培养范式。面对新一轮科技革命与产业革命的到来，原有战略科技人才培养范式亟需重塑。要进一步推动战略科技人才的培养由学科导向向产业需求导向过渡，强化实践教育在人才高等教育中的比例，推动人才培养与创新、实践相融合。

(2)重塑人才培养模式，营造良好的人才培养环境。要持续优化连续性教育背景下的人才培养模式，进一步完善本硕博年连贯式、阶梯式培养模式，优化集科研院所、高校与企业等多元主体参与的产学研式的人才培养模式，为科技人才提供更多的跨校合作培养、跨学科合作培养、跨单位合作培养；同时也要为科研人员营造良好的科研环境，加大对科研人员的科研激励，形成尊重人才、尊重知识的良好科研氛围，加快科研人员在科研训练阶段人力资本的积累，进一步提高科研人员的科研产出效率。

(3)强化人才国际化交流与合作，打造国际化战略科技人才队伍。国际化的人才交流与合作有助于战略科技人才把握科技、学术前沿，提高战略科技人才的科研能力。因此国家需进一步完善人才培养的国际化服务体系，加强与海外机构对重点产业人才的联合培养，进一步深化中外博士联合培养项目合作。