2026-10-03 每周好文：少数者更强，可能只是门槛更高

为什么选它

最近的微信转发反复追问几个相连的问题：管理层到底创造了什么价值，普通人没有背景时靠什么争取机会，为什么同一样东西对不同人价值完全不同，以及机会出现以后，个人有没有能力把它兜住。它们都默认了一个容易被忽略的前提：我们看到的‘有能力的人’，真的是从同一条起跑线、经过同一道门槛筛出来的吗？

Nava Ashraf、Oriana Bandiera、Virginia Minni 和 Víctor Quintas-Martínez 在 2026 年 9 月发布的工作论文《Gender Gaps Across the Spectrum of Development: Local Talent and Firm Productivity》，把这个问题放进一家横跨 101 个国家的消费品跨国公司。作者观察到，在女性劳动参与率较低的国家和年龄群体里，进入这家公司的女性更少，却在薪酬、晋升和管理者评分上表现得更强。论文的解释不是‘女性天生更强’，也不是‘多样性自动提高生产率’，而是选择效应：当一个群体进入劳动市场要跨过更高门槛时，最后能被我们看见的人，本来就经过了更严厉的筛选。

我选它，是因为它给‘价值因人而异’补上了一个组织层面的校正项。一个人的履历、位置和表现，不只反映个人能力，也反映他从什么样的候选池里走出来、一路被什么门槛过滤。更重要的是，这篇论文并没有停在一句正确但空泛的‘要消除偏见’上，而是把企业能做什么、单个企业做不到什么，以及社会门槛与企业薪酬制度怎样互相牵制，放进同一个模型里讨论。它的结论很有启发，也很容易被滥用，因此值得慢读。

原文核心论证

论文使用的是同一家跨国公司的行政记录。样本覆盖 2015 至 2019 年、101 个国家、100,819 名本地全职白领员工，共 303,759 个员工年度观察。员工主要从事销售、工程、营销、人力资源、研发和管理工作，通常要求大学学历。作者能看到工作层级、岗位、任职时间、经理给出的年度绩效评分，以及来自薪酬系统的固定和浮动收入。

作者再把员工按性别、国家和四个十年年龄段分组，匹配他们大约二十岁进入劳动市场时所在国家的男女劳动参与率。核心指标是女性劳动参与率相对于男性的比例。这样做的用意，是用同一家公司的全球人员制度尽量固定企业侧差异，再观察不同地方和不同代际的劳动市场门槛，怎样改变公司最终看到的男女员工构成。

第一组结果是描述性的。当地女性相对男性的劳动参与率越低，公司里女性相对男性的比例也越低；但留下来的女性更可能出现在高薪端、管理岗位和较快晋升者之中。女性与男性的薪酬差距也随劳动参与率变化：在女性参与率最低的环境里，女性平均薪酬反而可能高于同等经验、任职时间和岗位职能的男性；随着女性参与率上升，这种反向差距逐渐消失，并接近行业里更常见的女性低约 10% 的水平。

论文把这个现象解释为正向选择。进入劳动市场的成本越高，只有预期回报足够高、能力或动机足够强的人才更可能跨过门槛。作者用薪酬分布估计一个潜在的‘生产率’变量，结果显示公司内女性员工平均比男性高 0.10 个标准差；在女性劳动参与率低于中位数的国家，这个差距约为 0.18 个标准差，在参与率较高的国家则约为 0.07。这个估计还能预测未直接用于模型的经理评分和新员工第一年薪酬增长，但它仍然是模型校准出来的潜变量，不是流水线产量或销售额这样的直接产出。

第二组结果是结构模型的反事实。作者问：如果企业知道女性候选池经过了更强筛选，只调整薪酬结构，能否吸引更多高能力女性并提高平均生产率？在能够求解的 114 个国家-年龄组单元中，模型给出的‘生产率最大化’方案会把女性与男性员工比例从 0.71 提高到 0.92，把平均生产率指标从 0.31 提高到 0.47 个标准差，相对基线约增加 50%。

但代价同样醒目。这个方案会降低男性固定薪酬、提高女性固定薪酬，并让收入更陡地随潜在生产率变化；模型中的女性减男性薪酬差距会从负 0.10 个对数点变成正 0.63，相差 73 个对数点。作者自己强调，这种差距可能在社会和组织内部都无法接受。它不是‘企业应该照做’的建议，而是用一个极端最优解说明：当外部劳动市场对两个群体设置不同门槛时，单个企业若只靠工资去纠偏，会把外部不平等转化为内部不平等。

作者随后加上一条‘同等能力使用同一薪酬规则’的约束。在可求解的 88 个单元里，女性与男性员工比例从 0.71 上升到 0.78，生产率指标从 0.39 上升到 0.46，获得了不设平等约束时约 60% 的可得增益。平均薪酬仍不会完全相等，因为模型认为两个候选池的平均潜在生产率不同。换句话说，‘同一规则’、‘平均结果相同’和‘消除外部门槛’是三件不同的事。

最关键的反事实不是企业给谁多发工资，而是假设男女面对相同的外部选择与进入门槛。此时企业重新优化薪酬，就能同时实现员工数量接近对半、平均薪酬差距归零，并取得比现状更高的生产率。论文因此把边界说得很清楚：企业可以改善筛选、薪酬和晋升，但导致候选池差异的家庭分工、社会规范与劳动市场进入障碍，不是任何一家企业单独就能解决的。

值得质疑之处

第一，这不是随机试验。女性劳动参与率、公司员工构成、薪酬和晋升之间的关系，可能还同时受到教育质量、行业结构、经济周期、法律执行、家庭政策和公司在当地的业务布局影响。作者利用同一公司、国家内不同年龄群体和多种控制变量减少混杂，但不能把‘较低劳动参与率导致更高个人能力’当成已被直接证明的因果链。

第二，‘101 个国家’听起来覆盖面很大，但企业只有一家。样本集中在大型跨国消费品公司的本地全职白领，并且多数岗位要求大学学历。它不能代表小企业、制造一线、公共部门、灵活就业者，也不能直接推出中国某个具体公司的招聘或晋升规则。全球覆盖提高了环境差异，却没有自动解决企业代表性。

第三，论文里的生产率主要是从薪酬分布校准出的潜变量。薪酬记录来自工资系统，测量很精确；但‘工资没有测量误差’不等于‘工资完全等于生产率’。经理评分、晋升和工资都可能受组织政治、岗位稀缺、谈判能力和既有偏见影响。模型与额外绩效指标的相关性增加了可信度，却没有把潜在能力变成直接可观察事实。

第四，最醒目的 50% 生产率提升和 73 个对数点薪酬变化高度依赖模型假设。反事实把这家跨国公司的薪酬规则视为足以移动整个劳动参与决策，固定员工数量和工资总额，不让企业改变招聘投入、培训、导师制度、工作灵活性，也不考虑从其他雇主吸引已就业女性。260 个结构样本单元中，完整最优方案只能在 114 个单元求解；加入同一薪酬规则后只剩 88 个。它们是帮助理解机制的压力测试，不是可直接复制的预算方案。

第五，群体平均差异不能变成对个人的身份打分。论文最后提出：当两名候选人的可观察条件完全相同时，来自代表不足群体的人可能有更好的不可观察特征。这个思路能提醒管理者关注‘走过的距离’，但若把性别本身当成能力代理，也可能制造新的歧视，并忽略具体行业、时间和候选池已经变化。正确用法是检查筛选门槛和补齐个人证据，不是用一个群体均值替代对个人的判断。

第六，女性参与率提高后，公司内女性平均能力差距缩小，并不意味着社会进步带来了‘人才质量下降’。更准确的解释是候选池扩大了：以前只有最强的一小批人能进入，现在更多普通人也能工作。男性候选池本来就包含从普通到优秀的完整分布，平等的目标不是让女性永远保持一个被高门槛筛出来的精英样本，而是让她们也拥有成为普通劳动者的权利。

结合近期关注的启发

这篇论文让‘没有背景的人怎样谋前途’多了一个反直觉视角。门槛高确实可能把留下来的人训练得更能扛事，也可能让组织从幸存者身上看到更高的平均表现；但这不是值得歌颂的培养机制。被挡在门外的人没有留下数据，幸存者付出的额外成本也不会自动得到补偿。不能因为少数成功者很强，就倒推出门槛本身合理。

对个人来说，‘走过的距离’是真实信息，却不能指望管理者自动理解。没有背景、跨行业或从不利环境走出来的人，需要把隐性门槛和可验证结果同时说清楚：在什么资源约束下完成了什么，哪些能力可以复现，哪些只是一次幸存。只讲苦难容易被当成情绪，只讲结果又会让别人误以为起点相同。真正有用的是把约束、行动、证据和结果连成一条可核查的链。

对管理者来说，最值得审计的不是最终名单里有多少女性，而是漏斗每一层发生了什么：谁看见了岗位，谁敢申请，谁被简历门槛挡住，谁进入面试，谁得到高风险任务，谁的成绩被记录，谁在晋升前退出。只看已经进入组织的人，很容易把经过多重筛选的幸存者误认为整个群体，也容易把候选池问题错当成员工个人问题。

这也回应了‘管理层是不是在沙滩上盖城堡’。好的管理不是从现有名单里挑出最像强者的人，而是识别当前名单怎样被制度塑造，再把岗位、培养和评价证据设计得更接近真实能力。论文没有证明某种具体管理制度必然有效，但它提醒管理者：你以为自己在评估人才，很多时候其实是在评估人才穿过旧门槛后留下的影子。

对于 AI 工具和个人项目，这个选择效应同样存在。我们看到的成功案例，往往来自愿意投入额外时间、能处理失败、会记录流程的人；不能把这批幸存者的结果直接外推给所有使用者。评估一个工具时，要问候选池是怎样形成的、失败者去了哪里、平均效果是否被筛选抬高。换了场景，这个问题与论文里的劳动参与门槛并没有本质区别。

适合怎么读

先读摘要和引言前七页，只抓住三层：事实是同一公司里女性相对稀缺时表现更高；解释是更高进入门槛造成正向选择；政策含义是企业内部规则与社会外部门槛必须分开。不要一上来就把结果简化成‘女性比男性更优秀’。

第二步看数据部分，记住 2015 至 2019 年、100,819 名本地全职白领、101 个国家，以及公司只是一家。再看女性劳动参与率的匹配方法：作者用员工大约二十岁进入劳动市场时的国家和年代，而不是精确记录每个人当年的求职选择。这个设计有解释力，也留下了明显的代理变量边界。

第三步直接看表 5 和反事实前的假设。把 50% 生产率提升、73 个对数点薪酬变化、114 个可求解单元写在一起。任何只引用前两个数字、却不提样本收缩和工资能改变劳动参与这一强假设的解读，都是在把模型演算冒充现实效果。

最后再读结论，并做一个迁移练习：挑一个你熟悉的招聘、晋升、教育或产品案例，分别列出‘谁有机会进入候选池’、‘谁通过了后续筛选’和‘最终指标测到了什么’。如果这三层混在一起，我们看到的能力、价值和成功率，很可能都已经被门槛重新塑形。

原文介绍： Becker Friedman Institute：Gender Gaps Across the Spectrum of Development

论文 PDF： BFI Working Paper No. 2026-124