[论文解读] Promotion through Connections: Favors or Information?

Yann Bramoullé, Kenan Huremović|arXiv (Cornell University)|Aug 23, 2017

Names, Identity, and Discrimination Research参考文献 18被引用 3

一句话总结

本文提出了一种新颖的计量经济学方法，通过在连接关系中引入外生变异的异方差 probit 模型，分离出偏袒与信息在晋升决策中的影响。研究发现，在西班牙的学术晋升中，信息而非偏袒主导了连接关系带来的大部分积极影响，强连接显著提高了评估的准确性。

ABSTRACT

Connections appear to be helpful in many contexts, such as obtaining a job, a promotion, a grant, a loan, or publishing a paper. This may be due either to favoritism or to information conveyed by connections. Attempts at identifying both effects have relied on measures of true quality, generally built from data collected long after promotion. Building on earlier work on discrimination, we propose a new method to identify favors and information from data collected at the time of promotion. Under weak assumptions, we show that promotion decisions for connected candidates look more random to the econometrician due to the information channel. We derive new identification results and estimate the strength of the two effects. We adapt the control function approach to address the issue of the selection into connections. Applying our methodology to academic promotions in Spain and Italy, as well as political advancements in China, we find evidence that connections may both convey information and attract favors.

研究动机与目标

• 解决现有方法在研究连接关系在晋升中作用时依赖于真实质量的不完美代理变量的局限性。
• 开发一种方法，可在不依赖真实质量测量值的情况下，识别信息与偏袒的相对贡献。
• 利用申请时可观察到的数据，估计信息与偏袒效应的独立大小。
• 将该方法应用于西班牙学术晋升的真实数据，以评估连接效应背后的潜在机制。

提出的方法

• 使用异方差 probit 模型检测连接候选人误差项中的过度方差，以表明信息效应的存在。
• 通过连接与非连接候选人之间晋升门槛的差异来识别偏袒，假设评估中存在系统性偏差。
• 利用连接关系的外生变异（随机分配的评审委员）来满足排除限制条件，从而实现识别。
• 将该方法应用于2002至2006年西班牙学术晋升考试的数据，区分强关系与弱关系。
• 使用边际效应和似然比检验来评估不同子组（副教授与正教授）中的显著性与稳健性。
• 依赖在考试层级上聚类标准误，以考虑数据中的依赖性。

实验结果

研究问题

• RQ1 连接关系在多大程度上通过提供关于候选人质量的信息来改善晋升结果？
• RQ2 连接关系在多大程度上通过评价中的偏袒或系统性偏差来改善晋升结果？
• RQ3 是否可以在不依赖外部真实质量测量值的情况下，估计信息与偏袒的相对强度？
• RQ4 强连接与弱连接在信息与偏袒成分上的影响有何不同？
• RQ5 在关于连接关系与可观测特征关系的合理假设下，是否可以验证两种效应的识别有效性？

主要发现

• 强连接带来的信息效应占晋升总积极影响的约61%，而偏袒仅解释了39%。
• 对于强关系，首选模型中信息效应估计值为0.157（p < 0.01），显著高于偏袒效应的0.123（p < 0.01）。
• 对于弱关系，信息效应为0.077（p < 0.1），而偏袒效应可忽略不计，甚至在某些子组中为负值。
• 在同时考虑信息与偏袒效应时，强连接对晋升概率的边际效应为0.061（p < 0.01），其中信息贡献0.046，偏袒贡献0.016。
• 似然比检验确认，包含两种效应的异方差模型显著优于同方差基准模型（p < 0.01）。
• 在不同模型设定和子组（AP与FP）中的稳健性检验结果一致表明，信息效应在整体上占据主导地位。