第14周行业和学术资讯推送
本周行业资讯
《国家统计局｜2024年城镇单位就业人员年平均工资情况》： https://www.stats.gov.cn/sj/zxfb/202505/t20250516_1959826.html?ref=gong-lao-xiao-bao-gong-lao-kuai-xun
导读国家统计局5月16日公布刚去年全年全国城镇单位就业人员年平均工资情况。值得注意如下信息：（1）全国城镇非私营单位（如行政、事业单位，国有企业）年平均工资分别为124110元，而私营单位就业人员69476元；（2）规模以上企业就业人员年平均工资为102452元；（3）东部地区非私营单位年平均工资达到143712元。
《未尽研究｜关于MIT博士论文造假：相信并加大质疑AI声称的最美好的东西》： https://mp.weixin.qq.com/s/FAjWZbnSLb5t_aCjDU_nnw
《四川省一带一路经贸合作促进会｜瑞幸在马来：中国咖啡企业出海启示录》： https://mp.weixin.qq.com/s/zctr5_YQ4iV1bl-5-S9MRA
《非虚构NFCine｜大地之锚：巴勒斯坦的橄榄树》： https://mp.weixin.qq.com/s/AFbqmep2ZrH05W8lXy_tIg
《新周刊｜跨省采茶女工刷屏：只要不嫌我老，明年还来》： https://mp.weixin.qq.com/s/f3m0SWH4KIEu0j47YUlwxg
本周学术资讯
Spirling, A., & Stewart, B. (2025). What Good Is a Regression? Inference to the Best Explanation and the Practice of Political Science Research. The Journal of Politics. https://doi.org/10.1086/734280
导读回归分析在政治学研究中究竟价值何在？这篇开创性论文提出所有实证社会科学都应采用"最佳解释推论"（IBE）框架，发现当前关于因果识别必要性的争论，本质源于对科学推理共性的忽视。当前争论中，一方认为非因果回归产生虚假结论，另一方指责过度追求因果设计扼杀理论创新。这篇论文作者提出，无论是观察性回归还是随机实验，科学进步都依赖三要素循环：提出解释现象的理论假说，系统收集与之关联的经验证据，并基于证据更新理论的合理性。关键证据表明，即便缺乏因果识别的回归结果，只要帮助排除错误解释或支持特定机制，就具备科学价值；反之脱离评估框架的"因果两步法"设计反而滋生混淆。这要求学界改变研究范式，停止围绕方法优劣的虚假对立，转而明确标注理论解释集与证据的联结逻辑，系统披露负向结果推动集体知识积累，严格区分探索性与验证性分析避免事后合理化，让回归分析真正服务于解释世界的核心使命。
Brady, D., Gao, M., Guerra, C., Kohler, U., & Link, B. (2025). The mediating role of intergenerational stratification in the long arm of childhood income. Demography. https://doi.org/10.1215/00703370-11960590
导读童年贫困会注定一生的健康劣势吗？这篇论文利用1968-2021年美国收入追踪调查数据进行研究，发现儿童在低收入家庭长大，成年后若收入稳定在中等以上水平（30-39岁），其中年自评健康和心理困扰风险与富裕家庭孩子相当，心脏病风险也能降低近半。但若成年收入依然低迷，童年贫困的健康阴影将持续蔓延。研究还显示，改善教育或督促戒烟对打破"童年劣势"效果有限，而提升成人收入可将健康损害减少三至九成。这揭示代际收入传递才是健康不平等的关键枢纽：社会干预需双管齐下，既要缓解童年贫困，更需在成年期提供实质性收入支持（如提高工资、税收减免），从而真正斩断健康劣势的传递链。
Chamberlain, L., Hughes, E., & Donnelly, R. (2025). Bridging the gaps in work quality research: a multi-level interdisciplinary review. Work, Employment and Society. https://doi.org/10.1177/09500170251325790
导读提高工资就能改善工作质量吗？这项研究对过去345项工作质量研究论文进行系统综述，发现：当前研究将工作拆解为满意度、工作质量、生活品质三个区分领域，却忽视它们如何在现实中交织作用。例如单纯涨薪未必提升满意度。若员工丧失对工时掌控权，其工作体验反而恶化。同理，增加女性高管数量若不改变权力结构，可能加剧隐形不平等。作者提出，有效改进工作质量，须同步触达个人、组织、政策三层面，既要考虑员工年龄、伤残等个人处境差异，也需工会参与技术决策防止算法监控滥用，更依赖立法保障员工对日程的自主决策权。
Foisy, L.-O. M., Proulx, É., Cadieux, H., Gilbert, J., Rivest, J., Bouillon, A., & Dufresne, Y. (2025). Prompting the machine: Introducing an LLM data extraction method for social scientists. Social Science Computer Review. https://doi.org/10.1177/08944393251344865
导读社会科学家如何更可靠地利用大语言模型（LLM）分析数据？这篇论文以加拿大议员提出政策的特征为例，提出一种可复现的分析程序。作者指出，当前基于LLM的研究中，LLM输出格式不稳定、有时会拒绝回答问题。为了解决这些难题，研究者首先制作结构清晰、包含关键词说明的提示（Prompt），例如明确要求以指定格式回答十条政策特征；其次，程序自动识别并处理回复中的格式错误，确保最终获取可用的结构化数据；第三，设置自动重试机制，尽量减少缺失数据的发生。重要的是，研究发现不能只关注最终输出的数据内容，要确保数据生成方法的一致、透明和可复现，不同团队才能有效比较结果。
Ashwin, J., Chhabra, A., & Rao, V. (2025). Using large language models for qualitative analysis can introduce serious bias. Sociological Methods & Research. https://doi.org/10.1177/00491241251338246
导读大语言模型真能可靠分析深度访谈数据吗？这项论文通过分析2400多份来自孟加拉国罗兴亚难民和当地居民关于子女期望的访谈记录，发现仅当使用针对具体研究问题特别训练的“小模型”（而非通用大模型）时，才能获得公正可靠的文本编码结果。 作者发现，如果直接使用市面上流行的大模型，模型在识别“教育期望”或“人生规划能力”等复杂概念时会犯系统性错误，并且这些错误往往与受访者的身份（如是否难民、子女性别、家长教育背景）有关联，最终可能得出完全误导性的结论；但如果先由研究专家认真分析少量访谈样本、建立编码规则，再用这些规则训练专门的小模型来处理海量文本，则效果既准确又无偏误。