社会资本对高层次人才政治参与的影响及其性别差异--基于第三期中国妇女社会地位调查辽宁省数据的分析-霍红梅.pdf

《社会资本对高层次人才政治参与的影响及其性别差异--基于第三期中国妇女社会地位调查辽宁省数据的分析-霍红梅.pdf》由会员分享，可在线阅读，更多相关《社会资本对高层次人才政治参与的影响及其性别差异--基于第三期中国妇女社会地位调查辽宁省数据的分析-霍红梅.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第28卷第3期2016年6月广东行政学院学报Journal of Guangdong Institute of Public AdministrationVol. 28 No. 3Jun. 2016收稿日期: 2016 01 25基金项目:辽宁省社会科学规划基金项目社会资本促进辽宁县域经济增长的内在机理与政府对策 (编号:L14BJL020),辽宁省社会科学规划基金项目政治社会学视角下辽宁基层维稳体系现代化研究(编号: L14SHX025), 2013年度辽宁省“百千万人才工程”资助项目区域社会资本测度及其对辽宁县域经济增长的贡献研究 (编号: 2013921016),辽宁经济社会发展委托课题

2、辽宁省民营企业女职工劳动保护及相关待遇落实情况调研 (编号: 2015lslwtkt-12)。作者简介:霍红梅(1974 ),女,黑龙江鹤岗人,中共辽宁省委党校妇女/性别研究与培训基地教授、博士,主要研究方向为女性经济学、农业经济管理。社会资本对高层次人才政治参与的影响及其性别差异 基于“第三期中国妇女社会地位调查”辽宁省数据的分析霍红梅(中共辽宁省委党校 妇女/性别研究与培训基地,辽宁 沈阳 110034)摘要:本研究从社会资本理论出发,运用第三期中国妇女社会地位调查的辽宁省数据分析女性高层次人才的社会资本、政治参与情况,并运用多元回归模型分析社会资本对女性高层人才政治参与的作用机制。研究发

3、现,个体特征变量中的性别、年龄变量对于体制内政治参与有正向影响;社会资本的资源调动因子、强联系因子、横向网络因子对体制内政治参与有正向影响。从女性样本来看,社会资本的资源调动因子和横向网络因子对女性高层次人才体制内政治参与有显著的正向影响,而强联系因子有负向影响。社会资本的弱联系因子和横向网络因子分别对女性高层次人才的体制外政治参与有显著的正向与负向影响。关键词:女性高层次人才;社会资本;政治参与;性别差异中图分类号: D616 文献标识码: A 文章编号: 1008 4533 (2016) 03 0042 07DOI:10.13975/ j. cnki. gdxz.2016.03.007一、

4、引言政治参与行为是指公民通过各种合法方式参与国家政治生活和社会公共事务的政治行为。女性政治参与的程度,是衡量一个国家或地区文明程度及民主政治发展程度的重要指标。关于“女性政治参与”的界定,有学者从客观行为的角度出发,认为女性政治参与是指女性公民试图影响和推动政治系统决策过程的活动;1有学者将女性参政分为广义和狭义两种范畴,前者指女性群体对国家政治生活和社会公共事务的参与(如行使选举权、通过言论发表政治见解等);后者指女性进入权力机构、担任领导职务、掌握并行使政治权利、参与公共事务的管理和决策,即女性执政。224表1.被调查高层次人才年龄、学历、政治面貌、专业分布情况分项百分比(%)男(n=99

5、)女(n=75)年龄30岁以下0 1. 631 40岁30. 4 29. 841 50岁43. 5 39. 251 55岁18. 1 16. 755岁以上8 12. 7学历中专/中技3. 2 . 0大学专科3. 2 6. 3大学本科59. 7 46. 9研究生33. 9 46. 9政治面貌群众17. 7 18. 8共青团员0 3. 1共产党员80. 6 68. 8民主党派1. 6 9. 4人才类型党政人才32. 3 34. 4专业技术人才35. 5 34. 4企业管理人才32. 3 31. 3数据来源:第三期中国妇女社会地位调查辽宁省数据。根据联合国的有关研究,任何一个群体的代表在决策层达到3

6、0%以上,才可能对公共政策产生实际影响力,才能表达、维护本群体的利益。然而,当前我国女性政治参与水平与“30%”的底线相差甚远。世界经济论坛(The World Economic Forum)公布的2013年度世界性别平等报告指出,中国女性的政治话语权在被考察的全球136个国家中排名第59位,女性政治参与程度不及G20国家的平均水平。因此,提高女性政治参与程度是当前贯彻落实“男女平等基本国策”的重要内容。而女性参政问题也是国内学者关注的重要议题之一。国内相关研究主要涉及女性参政问题的整体性研究1、女性参政的影响因素研究3、女性参政的历史分析45与国际比较研究678、农村女性参政问题研究9101

7、1、职业女性参政意识与行为研究1213等。但现有研究对于女性高层次人才政治参与的研究不多,且现有研究侧重于对女性担任领导职务(从政/执政)情况的研究,而对于女性公民政治参与问题研究不多。国内外相关研究表明,社会资本是影响政治参与的重要变量。置身于某种社会关系网络或社会结构中的个人,通过这种网络来获取各种政治的、经济的信息和资源,从而提高其社会经济地位。艾柯达和里奇研究认为,社会网络对人们的政治参与有积极影响。14141-156维博、施洛兹曼和布雷迪的研究发现,和朋友们的日常接触对于个体的政治态度影响显著。14102-114吴光芸的研究也表明,社会资本不仅可以为个人提供物质、情感支持,也能促进群

8、体内部成员的协调合作,社会中个人拥有的社会资本存量越多,就越倾向于参加社会公共事务。15弗洛伦斯等认为社会资本对于个体参加支持民主政治的志愿者协会有显著影响。16胡荣的研究发现,社会资本的各因素对我国城市居民的政治参与有着显著的正向影响。17142-157郑淑蕙研究发现,居民参加横向社会团体的频率越高,他们在政治领域的参与度就越高。18罗爱武研究了我国农村居民在基层选举中的投票行为发现,社会活动网络对村民的投票参与具有显著的积极影响。19罗婕利用“中国八城市社会网络与求职经历调查” (JSNET 2009)数据进行的实证研究结果发现,社会资本对居民的政治参与起着积极作用。20138-139国内

9、外学者有关社会资本与居民政治参与的研究颇丰,但缺乏对女性高层次人才群体的关注。社会资本对女性高层次人才的政治参与会产生什么样的影响?这是本文所要探讨的问题。二、女性高层次人才的社会资本与政治参与状况(一)数据来源。2010年,第三期中国妇女社会地位调查在全国开展,对于包括政治参与在内的女性社会地位状况进行了调查。本文将利用其中高层次人才问卷的数据来分析社会资本对于女性政治参与的影响,并从社会资本的视角,探讨如何提高女性、尤其是女性高层次人才的政治参与程度。本文数据来源于2010年第三期中国妇女社会地位抽样调查中辽宁省的省级独立样本。本次调查主要采用问卷调查法进行,有效样本为174,其中男性99

10、人(56. 9%),女性75人(43. 1%)。从表1可以看出,从年龄层次看,样本中30周岁以下的人较少,仅有1. 6%的女性被调查者是“80后”,多数被调查高层次人才的年龄在30 50周岁,其中: 30. 4%的男性和29. 8%的女性是年龄在31 40周岁的“70后”高层次人才; 43. 5%的男性和39. 2%的女性是年龄在41 50周岁的“60后”高层次人才;3426. 1%的男性和29. 4%的女性是年龄在51周岁以上的“50后”高层次人才。从学历层次看,被调查的高层次人才中有93. 6%和93. 7%的男性和女性,学历都在大学本科以上;研究生分别占33. 9%和46. 9%。从人才

11、类型看,有32. 3%和34. 4%的男性和女性是党政人才;有35. 5%和34. 4%的男性和女性是专业技术人才;有32. 3%和31. 3%的男性和女性是企业管理人才。(二)女性高层人才的政治参与现状。2010年第三期中国妇女社会地位调查中辽宁省的数据显示,辽宁省女性高层次人才政治参与的积极性比较高,但是,她们对于决策的影响力却仍不及男性。在各级别行政职务中,女性高层次人才比例都要低于男性,但是通过各种途径、包括担任人大、政协代表、向政府反映情况或提政策建议、在网上议政等方式实现政治参与的女性高层次人才要比男性多。问卷中关于“行政职务”这一指标,反映被调查者直接参与国家和公共事务管理及决策

12、的情况,这是一种高层次的政治参与行为。具体来说,有42. 2%的被调查女性高层次人才没有行政职务,这一比例比男性高6. 7个百分点。在各级别行政职务中,女性高层次人才比例都要低于男性,其中具有县处级以上行政职务的女性被调查者占42. 3%,比男性低7. 8个百分点(见表2)。表2显示,辽宁省女性高层次人才政治参与的积极性较高,但其对于决策的影响力却仍不及男性,其中,担任或曾担任人大、政协代表的女性高层次人才人数比例为17. 2%,比男性高层次人才高了7. 5个百分点;有时或经常“通过各种方式向政府有关部门反映情况/提出政策建议”的女性高层次人才比例为34. 4%,比男性高层次人才高15. 1个

13、百分点; “在网上就国家事务、社会事件等发表评论,参与讨论”的女性高层次人才占3. 1%,比男性高1. 5个百分点。然而,对于本单位决策有影响的女性高层次人才比例为54. 7%,比男性高层次人才低14. 7个百分点。表2.分性别辽宁省高层次人才政治参与情况统计项目性别没有偶尔有时经常合计通过各种方式向政府有关部门反映情况/提出政策建议男性62. 9% 17. 7% 16. 1% 3. 2% 100. 0%女性37. 5% 28. 1% 26. 6% 7. 8% 100. 0%给所在单位/社区/村提建议男性50. 0% 19. 4% 19. 4% 11. 3% 100. 0%女性26. 6% 3

14、9. 1% 25. 0% 9. 4% 100. 0%在网上就国家事务、社会事件发表评论/参与讨论男性66. 1% 29. 0% 3. 2% 1. 6% 100. 0%女性64. 1% 23. 4% 9. 4% 3. 1% 100. 0%是否担任行政职务没有行政职务副科级正科级副县处级正县处级副地市局级正地市局级及以上男性35. 5% 4. 8% 9. 7% 19. 4% 17. 7% 6. 5% 6. 5% 100. 0%女性42. 2% 3. 1% 12. 5% 17. 2% 12. 5% 6. 3% 6. 3% 100. 0%是否担任人大代表或政协委员未担任过正在任期中曾经担任过男性90.

15、 3% 4. 8% 4. 8% 100. 0%女性82. 8% 14. 1% 3. 1% 100. 0%数据来源:第三期中国妇女社会地位调查辽宁省数据。(三)女性高层次人才的社会资本现状。对于女性高层次人才的社会资本,本文主要采用第三期中国妇女社会地位调查问卷中的相关指标,具体有:是否会主动联络或看望包括领导、同事、客户/合作伙伴在内的关系网络成员;春节前后看望的各级别企业、政府领导情况;需要帮助时,能否获得来自各级别企业、政府领导的帮助;父母受教育程度,以及组织参与情况等内容。数据表明,女性高层次人才个人关系网络构建的主动性比男性要差一些。女性高层次人才“主动联络或看望领导”的占29. 7%

16、,比男性低7. 4个百分点; “主动联络或看望同事”的占68. 8%,比男性低2. 1个百分点; “主动联络或看望客户/合作伙伴”的占51. 6%,比男性高6. 4个百分点。女性高层次人才动员社会资本的能力比男性要弱,在需要帮助的时候能够利用并可以带来异44质性资源的弱关系的比例要低于男性。需要帮助时,能够从其交往的“企业主/企业高管”对象获得帮助的,高层女性占50%,比男性低3. 2个百分点;能够从其交往的“厅局级及以上干部”对象获得帮助的,高层女性占40. 6%,比男性高0. 3个百分点;能够从其交往的“处级干部”对象获得帮助的,高层女性占56. 3%,比男性低0. 2个百分点;能够从其交

17、往的“高级职称专业技术人员”对象获得帮助的,高层女性占50%,比男性低9. 7个百分点。女性高层次人才网络关系的同质性较强, “弱联系”网络缺乏。在被调查的高层女性中,春节前后看望“企业主/企业高管”的占39. 1%,比男性低4. 4个百分点;看望“厅局级及以上干部”的占29. 7%,比男性低4. 2个百分点;看望“处级干部”的占50%,比男性低3. 2个百分点;看望“高级职称专业技术人员”的占42. 2%,比男性低11个百分点。在独自打保龄一书中,罗伯特帕特南指出,在闲暇时间独自到俱乐部打保龄球健身,或者从事其他非社交性活动,将有可能使人“与社会脱节”;与之相反,个人的社会参与活动将有助于其

18、社会网络构建,并提升其社会资本水平。21148-160本文利用高层次人才的“团体/组织参与”情况,来考察其横向网络构建现状。数据显示,被调查的高层次人才除了对于“专业/行业组织”的参与度比较高(女性和男性分别为48. 4%和40. 3%),对于其他组织的参与度都不算高;但是从总体上看,女性横向网络构建的主动性要比男性略高,各种协会/组织的参与度,女性被调查者普遍高于男性。其中,高层女性中,加入专业、行业组织的占48. 4%,比男性高8. 1个百分点;加入联谊组织(如同乡会、校友会、摄影家联谊会等)的高层女性占21. 9%,比男性高10. 6个百分点;加入社会公益组织(如志愿者组织等)的高层女性

19、占10. 9%,比男性高7. 7个百分点;加入社区管理、活动组织(如业主委员会、老年活动队等)的高层女性占6. 3%,比男性高1. 5个百分点;加入民间自助、互助组织(如互助会、心理自助小组等)的高层女性占4. 7%,比男性高1. 5个百分点。父母的受教育程度也会影响个人的社会资本水平,因为受教育程度高的父母自身的人力资本高,那么其社会资本也会相应较高。父母的社会资本对于子女来说,是可以传承或利用的。因此,本文还分析了调查对象父母的受教育程度。数据表明,女性高层次人才的父母受教育程度要比男性高层次人才父母的受教育程度高, 25%的女性高层次人才的父亲有大学以上学历,比男性高层次人才(12. 9

20、%)高12. 1个百分点; 29. 7%的女性高层次人才的母亲有大学以上学历,比男性高层次人才(19. 4%)高10. 3个百分点。数据显示,被调查对象参加最近一次培训/进修的目的,基本都是为了“增加/更新知识和技能”或者“完成单位/组织安排的任务”,而很少或者几乎没有人选择“建立社会网络”这一项。但是,一般而言,在职培训/进修的过程,对于建立关系网络,提升个人社会资本而言是很有利的,比如许多总裁班的学员,其入学目的就是为了扩大自己的关系网络。本次调查对象显然没有把“建立社会网络”当作学习的最主要的目的,这说明调查对象的层次比较高,更倾向于追求个人素质的提升;但不可否认,这样的学习机会对于个人

21、的社会资本的构建也是有益的,由于数据的原因,在接下来的实证研究中,将放弃对该指标的考察。三、社会资本对女性高层次人才政治参与影响的实证分析(一)变量设定与模型选择。1.变量设定。(1)因变量。因变量考察高层次人才的政治参与情况,主要利用“第三期中国妇女社会地位调查”之高层次人才问卷中的以下指标来考察,即: “行政职务”, “是否通过各种方式向政府有关部门反映情况/提出政策建议”, “是否向单位、社区、政府部门提意见反映情况”,以及“是否在网上就国家事务、社会事件发表评论”等4个指标( “是否担任人大代表或政协委员”这一指标未列入考查,是由于样本中只有很少的人曾经或者正在担任人大代表或政协委员)

22、。本54文将通过因子分析对以上四个指标进行降维。首先利用SPSS 19. 0在因子分析过程中提供的KMO(Kaiser-Meyer-Olkin)检验和巴特利特球形检验(Bartlett Test of Sphericity),判断上述政治参与各指标是否适合作因子分析。从KMO和巴特利特球体检验可以看出,该数据适合作因子分析。其中, KMO取值为0. 647 (介于0. 5 1. 0之间); Bartlett球形检验结果中的显著性概率(sig)为0. 000 (0. 001),高度显著,因此数据适合作因子分析。利用SPSS 19. 0对4个测量指标进行因子分析,获得2个公因子作为社会资本分量指数

23、,按照各分量指标的含义,将其分别命名为体制内政治参与、体制外政治参与(因子分析方法的计算过程略)。表3.高层次人才政治参与的因子分析项目体制外政治参与体制内政治参与共量目前的行政职务043 . 994 2. 013是否通过各种方式向政府有关部门反映情况/提出政策建议. 382 -. 036 0. 996给所在单位/社区提建议. 776 . 149 0. 67是否在网上就国家事务、社会事件等发表评论,参与讨论. . 900 . 003 0. 321特征值1. 997 1. 012 3. 009解释方差(%) 49. 913 25. 305 75. 219(2)自变量。自变量考察高层次人才的社会资

24、本情况。具体指标有:是否会主动联络或看望包括领导、同事、客户/合作伙伴在内的关系网络成员;春节前后看望各级别企业、政府领导的情况(弱联系);需要帮助时,能否获得来自各级别企业、政府领导的帮助;父母受教育程度,以及组织参与等14个指标。本文将通过因子分析对以上14个指标进行降维。从KMO和巴特利特球形检验可看出,数据适合作因子分析。其中, KMO取值为0. 645 (介于0. 5 1. 0之间);巴特利特球形检验结果中的显著性概率(sig)为0. 000 (0. 001),高度显著。根据主成分法,利用SPSS 19. 0对14个测量指标进行因子分析,经过最大方差法旋转,获得5个因子,按照各因子的

25、内涵,将其分别命名为网络构建、资源调动、弱联系、强联系以及横向网络因子。表4.高层次人才社会资本的因子分析项目网络构建资源调动弱联系强联系横向网络共量春节前后是否看望企业主/企业高管-. 103 -. 211 . 350 . 003 . 298 4. 155春节前后是否看望厅局级及以上干部-. 204 . 229 . 333 . 069 -. 173 2. 095春节前后是否看望处级干部-. 098 . 056 . 433 -. 012 -. 212 1. 883春节前后是否看望高级职称专业技术人员-. 002 -. 159 . 377 -. 025 . 007 1. 127是否会主动联络或看

26、望领导. 220 . 031 . 073 . 042 . 004 1. 067是否会主动联络或看望同事. 477 -. 063 -. 151 . 037 -. 078 . 917是否会主动联络或看望客户/合作伙伴. 373 -. 018 -. 116 -. 014 . 032 . 798需要时可获得企业主/企业高管的帮助-. 035 . 055 -. 078 -. 028 . 467 . 451需要时可获得厅局级及以上干部的帮助-. 043 . 429 -. 152 -. 014 . 066 . 404需要时可获得处级干部的帮助. 064 . 391 -. 112 -. 017 -. 033

27、. 385需要时可获得高级职称专业技术人员的帮助. 160 . 140 -. 157 . 012 . 297 . 316组织参与. 287 . 131 . 020 . 045 . 561 . 251父亲受教育程度. 038 . 009 . 002 . 498 -. 043 . 148母亲受教育程度. 028 . 005 . 008 . 497 -. 039 . 003特征值2. 91 2. 272 2. 229 2. 028 1. 507 10. 946解释方差(%) 16. 36 16. 23 15. 92 14. 49 10. 77 73. 769(3)控制变量。控制变量考察高层次人才的个

28、体特征变量,包括:性别、年龄、教育程度及政治面貌。2.模型选择。本研究采用多元回归模型分析社会资本等变量对于高层次人才政治参与的影响及其存在的性别差异。64(二)社会资本对体制内政治参与的影响。表5中的“模型一”是社会资本对高层次人才体制内政治参与影响的回归分析结果。总体上看,个体特征变量中的性别(P0. 01)、年龄(P0. 01)变量对于体制内政治参与有正向影响;社会资本的资源调动因子(P0. 01)、强联系因子(P0. 05)、横向网络因子(P0. 05)对体制内政治参与有正向影响。说明女性的政治参与情况比男性要好,这也与上文的样本描述一致。年龄对体制内政治参与的正向影响显著,可以解释为

29、年龄越大,个人构建关系网络的时间越长,个人资本(人力资本、社会资本、物质资本)的积累越丰富,对于政治参与的兴趣越高。社会资本的网络资源调动因子分值越高,即能够获得不同级别的领导帮助越多,动员的社会资本也越多,就越有机会接触到政府官员,从而提高参政机会。社会资本的强联系因子,主要反映被调查者父母的受教育水平,受教育程度越高,参政的意识越强;父母对于政治参与的态度也会影响子女的政治参与程度。横向网络因子揭示的是被调查者对于不同组织/社团的参与程度,已有研究证明,参加横向的社团活动有助于强化对自己政治利益的认识,培养人们的责任感。225表5.社会资本对于高层次人才政治参与影响的多元回归分析变量模型一

30、模型二模型三B BETA B BETA B BETA常量-2. 838* * * -1. 435* * -. 237* *性别a . 336* * . 169 . 136 . 068年龄. 024* * . 194 . 008 . 074 -. 009 -. 073受教育程度. 142 . 091 . 125 . 076 . 075 . 048政治面貌b . 111 . 044 . 170 . 071 -. 058 -. 023网络构建. 015 . 015 . 115 . 113 . 060 . 060资源调动. 217* * . 217 . 300* * . 283 . 010 . 010

31、弱联系. 044 . 044 . 164 . 167 . 190* * . 190强联系. 148* . 148 -. 194* -. 205 -. 061 -. 061横向网络. 161* . 161 -. 212* -. 214 -. 064* -. 064调整R方. 194 . 161 -. 12F 4. 341 2. 728 . 808Sig. . 000 . 017 . 008注:* p0. 05,* * p0. 01,* * * p0. 001。 a参考类别为男性, b参考类别为中共党员。表5中的“模型二”,是社会资本对女性高层次人才体制内政治参与影响的回归分析结果。从女性样本来看

32、,个体特征变量中的年龄、教育程度及政治面貌等变量都没有通过统计检验;但社会资本的资源调动因子( P 0. 01)、强联系因子(P0. 05)、横向网络因子(P0. 05)均通过统计检验。其中,资源调动因子和横向网络因子对体制内政治参与有正向影响;而强联系因子有着负向影响,与总体样本检验结果不一致,这一方面可能是由于样本容量的关系,导致结果不一致;另一方面,女性高层次人才的父母受教育程度越高,其自身担任行政职务的可能性就越低,可解释为父母因已有一定的经济或社会地位,不希望女儿从政承担更多风险,承受更多工作压力。(三)社会资本对体制外政治参与的影响。表5中的“模型三”,是社会资本对高层次人才体制外

33、政治参与影响的回归分析结果。社会资本的弱联系因子(P0. 01)对体制外政治参与有显著正向影响。弱联系是指与被调查者关系并不亲近,但能够提供异质性资源的关系网络。本文把春节看望拥有行政职务或高级职称人员的情况称为“弱联系”,代表个人关系网络所能涵盖的范围,即网络宽度。网络宽度越大,接触到的资源和信息越多,个人的政治素质越高,也就越容易在网络上就某些问题发表政见。社会资本的横向网络因子(P0. 05)对于体制外政治参与有显著的负向影响。也许是由于组织参与程度高的人用在网络上的时间更少,更多地希望和现实世界的人打交道。所以,横向网络因子得分越高的人,通过网络或体制外渠道进行政治参与的程度也越低。但

34、是,这个模型中,性别变量没有通过统计检验,所以,没有再单独对女性样本作回归分析。四、结论与对策建议本文运用多元回归模型分析了社会资本对女性高层次人才政治参与的作用机制,研究结果发现,总体上看,个体特征变量中的性别、年龄变量对于体制内政治参与有正向影响;社会资本的74资源调动因子、强联系因子、横向网络因子对体制内政治参与有正向影响。从女性样本来看,社会资本的资源调动因子和横向网络因子对女性高层次人才体制内政治参与有显著正向影响;而强联系因子有负向影响。社会资本的弱联系因子和横向网络因子分别对女性高层次人才的体制外政治参与有显著正向与负向影响。综上所述,对于女性高层次人才而言,扩大关系网络规模和容

35、量、增强社会参与和组织参与程度,将能够有效提高其政治参与程度。首先,充分发挥合作组织、妇联组织的作用,增强女性高层次人才的组织化程度;其次,引导女性高层次人才注重社会资本的积累和培育,建设良好的社会交往文化,逐步扩大社会网络规模,增强“弱联系”,从而提升其社会资本存量,并提高政治参与的意愿和能力;再次,借鉴国外“配额制”的经验,用法律规定女性参政比例不低于30%,可以说,这是当前改善我国女性整体参政水平较低之现状的最紧迫的方案之一。参考文献:1师凤莲.当代中国女性政治参与研究综述J.中华女子学院山东分院学报, 2009, (2).2周天枢,姚钦英.基层女干部依法行政能力初探 以广东省中青年女领

36、导干部培训班为个案J.行政与法, 2010, (7).3梁丽霞等.变迁中的农村女性政治参与研究 基于山东省的数据分析J.东岳论丛, 2014, (10).4周娟.我国妇女参政的历史回眸与当代中国妇女参政模式的立体构建D.西安:陕西师范大学, 2003.5丁娟等. 20年回眸:第四次世界妇女大会的召开与中国妇女运动的新进程J.中国妇运, 2015, (1).6李慧英.中国妇女参政的国际比较J.妇女研究论丛, 1995, (4).7黄晓丹.德国政治生态环境下的女性政治参与J.妇女研究论丛, 2014, (2).8刘伯红.国际妇女参政的实践及其对中国妇女参政的影响J.国家行政学院学报, 2015,

37、(2).9马东玲.在推动农村妇女参政中促进社会性别平等 政府和非政府组织的努力与挑战J.妇女研究论丛, 2005, (12) (增刊).10董江爱,李利宏.公共政策、性别意识与农村妇女参政 以提高农村妇女当选村委会成员比例为例J.山西大学学报(哲学社会科学版), 2010, (1).11南储鑫.女性参政比例制的乡村实践N.中国妇女报, 2014-10-28.12周云.关于都市职业女性政治参与意识及其影响因素的实证研究 对上海市职业女性的抽样调查J.理论与改革, 2007, (3).13吴燕.当代中国公共政策过程中的女性政治参与D.上海:上海师范大学, 2010.14 Burt, Ronald

38、S. . The Homooeconomicus and Fence: A Introduction of Social Capital M. Oxford: Oxford Univer-sity Press, 2005.15吴光芸.社会资本理论视角下的政治参与J.晋阳学刊, 2006, (6).16 Florence, Passy & Giugni Marco. Social Networks and Individual Perceptions: Explaining Differential Participation inSocial Movements J. Sociological

39、 Forum, 2001, (1).17胡荣.社会资本与城市居民的政治参与A.福建省社会学2008年会论文集C. 2012.18郑淑蕙.影响我国城乡居民政治参与的因素分析J.闽江学院学报, 2010, (3).19罗爱武.公民自愿主义、社会资本与村民投票参与 基于中国综合社会调查(CGSS)数据的Logistic回归模型研究J.社会科学论坛, 2011, (7).20罗婕.论社会资本和城市居民政治参与J.法制与社会, 2013, (4).21 美罗伯特帕特南.独自打保龄 美国社区的衰落与复兴M.北京:北京大学出版社, 2011.22陈茜.城市女性居民的社会资本与政治参与 基于中国综合社会调查(CGSS)的分析D.武汉:华中科技大学硕士学位论文, 2013.责任编辑:王升平84