2023年10月10日发(作者：复仇者联盟字幕文件)

1988年国际标准职业分类的

职业地位的国际可比性测量（翻译版）

HARRY OOM

乌德勒支大学

及

DONALD N

美国加州大学洛杉矶分校

本文提供了把职业地位的国际可比性测量进行编码的操作步骤——该测量针对的是最

近公布的1988年国际标准职业分类（ISCO88）。我们首先讨论ISCO88分类的性质，ISCO88

和以前国际通用的分类标准的关系，ISCO88与其前身——已经被广泛应用于比较研究领域

—ISCO68(国际劳工组织，1969)的关系。我们认为：采用ISCO88作为分类的标准工具会使比

较研究获益良多；而比较研究也会为如何做到这一点提供指导。然后，我们描述了这些程序

——为对3种职业地位的国际可比性测量进行比较而形成的新的标准编码程序：特雷曼

（Treiman）的标准国际职业声望量表（SIOPS）、甘泽布姆（Ganzeboom）等人的国际社会

经济地位指数（ISEI）、埃里克森（Erikson）和德索普（Goldthorpe）的戈德索普量表（EGP）。

为了更新SIOPS的声望分数，我们已经直接把SIOPS的职业头衔与ISCO88分类中的职业头

衔搭配在一起。为了获得ISEI的分数，我们已经复制了用来为ISCO88计算分数的程序，采

用了同样的数据，但使用了新的进一步完善的匹配——基础的国家职业分类与ISCO88之间

的匹配。为了创建EGP阶级编码，我们把ISCO88的职业分类映射到了一个10—分类的分类

中，这一10—分类是CASMIN项目为一个12国分析项目开发的。为了验证这些量表，依据

一个独立的数据源——来源于国际社会正义项目的汇总文件（一个把14个国家的抽样调查

的数据综合在一起的国际数据文件），我们估算了一个基本的地位获得模型的参数。依据

ISCO88和ISCO68的职业地位量表推导出的参数和上述参数表有很大的相似性。

1996年学术出版公司

职业分类即使不是构成分成研层最主要的部分，那也是占了相当大的部分。

自从人们认识到，分工是社会不平等的内核，而由此造就的职业是社会分层的主

要依据，分层研究人员就已经从职业信息中开发出了获得地位测量的方法。通常

情况下，这包括两个步骤。首先，关于职业的信息被记录在一份由几百个分类组

成的详细分类中，通常是人口普查或其它官方分类。接着，按照研究者的喜好和

研究问题的重要性，这些详细的职业分类被重新编码成易于规模操作的以及与社

会学相关的测量。这样，在流通使用中就会产生许多派生的量表和更多的分类。

职业地位的跨国家比较测量已经很难完成，这一点并不令人吃惊。原因有如

下几方面。首先，随着时间的推移（全国人口普查局通常在每次新的普查时升级

其分类），详细的职业分类往往因跨国和社会的不同而不同。分类的不同不仅与

细致程度以及其中的特定职业头衔有关，而且还与分类的逻辑有关。例如，一些

详细的分类能够区分相同职业下的工作地位，而另外一些分类的就无法区分。一

些分类对企业起很重要的导向作用，而另一些则没有这一作用。这些差别部分地

反映了职业分类在不同的社会职业结构中的的差别，以及在我们身边不断完善的

体制中（如法定地位职业）的差别。然而，在某种程度上，国家分类的差异必须

简单的归因于其自身不断演变的特质，而不应该归因于缺乏协调性。

第二，对于在实际数据分析中被采用的派生量表的逻辑和内容，分层研究人

员之间有很大的分歧。研究人员已经用不同的方式把详细的职业分类进行了整

理，分成了许多群组或是连续量表。在这里，这些差异在某种程度上再次反映了

理论意义上的差异。但是，作为一个国际企业，他们又部分地上把差异简单地归

因于缺少社会学研究的协调。

幸运的是，一些已经出现的进展反击了通天塔性质的语言的混乱（Babelic

confusion of tongues。联合国的国际劳工组织（ILO）在1958年就首次创建了标

）

准职业分类（ISCO），但在1968年和1988年都进行了修订。为了生成一个标准分

类，国际劳工组织从国家分类中汇集了职业头衔，并连同定义系统和各种职业头

衔呈现相对应的映射，把这些职业头衔整理成了一个四级分层体系。其中，职业

分类的主要目的之一是给各国人口普查机构提供一个出发点好促使其形成各自

的国家分类。例如，1971年的荷兰人口普查（CBS，1971）产生了一个四级的变

种分类——来源于ISCO68的三级分类，只做了细微的修改。（但很不幸的是，只

少数几个国际机构采用了ISCO或把ISCO中的基本原则作为他们的标准，也没有多

少机构提对应的信量表，好把他们的分类映射成ISCO分类）。另一个国际标准分

类有价值的地方是，去使比较研究领域的国家分类相一致，这也是我们在一些自

己的研究领域使用ISCO的方式。另外，比较研究者们在所有被比较的国家中偶尔

使用ISCO作为初始职业编码方案，从而能够获得最接近的跨国相似性（例如，1979

年由Barnes和Kaase指导的八个国家的政治行动研究；由Szelenyi和Treiman指导的

东欧六国社会分成研究）。必须指出的是，ZUMA—德国社会学的中央研究机构，

已经采用ISCO作为它的职业分类标准。另外，全国民意研究中心已经开始为它的

GSS数据创建ISCO编码（戴维斯和斯密斯，1992）。

职业地位量表的水平，也朝着国际标准化方向，有了重大的发展。职业地位

量表主要有三种来源：声望测量、社会经济学量表以及名义上的阶级分类。其中

的每一项都有一个不同的结构逻辑。

声望测量来源于职业信用情形的主流评价。其反映了古典社会学假说。这一

假说认为，职业地位构成了社会交往中一个最重要的方面。许多有效的国家声望

量表，被Treiman归并到了SIOPS中。Treiman所遵循的程序是与职业头衔相匹配

的——这些头衔是从全国性和地方性的声望研究中得来，在60个国家进行的三位

数版本的ISCO68的声望研究。他又补充了第四位数来显示他们之间的区别——

这些区别在跨国声望量表中有，在ISCO68中没有。SIOPS量表来自于各国声望分

数的平均值，再被适当地重新调整到一个共同的标准。这一量表已经毫无争议地

成为国际上声望量表研究的补充，并且已经常被应用到国家级水平的研究中。

尽管职业地位的社会经济指标（SEI）最初是通过归纳所有职业的声望分数获而

有所发展的，但是实际上，用来派生SEI量表的操作对声望分数影响不大。SEI分

数是通过计算现有的每个职业的社会经济特征的加权和得出的。通常是关于学历

和收入水平的，但偶尔也有其它方面的，例如，父亲的社会经济特征和财富。有

多种程序已经用来派生加权（weights，得出的结果也都相类似（学历在相当程

）

度上比收入更重要，其它的特征更没法和学历相比）。目前，SEI量表被许多国家

所使用，并倾向于被更广泛地应用于分层研究人员中而不是声望量表中。这是因

为分层研究人员能够更好地获取分层过程中的基本参数。在以前的论文中，通过

使用国际分层与流动文件（ISMF）——它结合了来自16个国家公民的相关数据

信息，我们为ISCO68创建了ISEI。首先，我们把详细的职业头衔依据特雷曼的每

项调查进行匹配，该调查是由ISCO68三位数分层扩展成的四位数分层得来的。然

后，计算出SIEI分数，作为现有的每种职业的学历和教育标准测量的加权平均数。

虽然由于是最近出版的而没能被广泛的使用，但我们认为ISEI指数将会成为一种

非常有用的比较分层研究工具。

名义上的阶级分类（Nominal class categories不仅仅是在离散性方面与声望

）

量表和社会经济地位量表不同。这些分类通常结合职业信息和工作地位信息，并

被看作名义（无序的或部分有序的）类型学。到目前为止出现了有各种各样的体

系。然而，只有一个体系在过去十年中成为最被广泛认可的国际标准——EGP阶

级分类。EGP的区别首先被Goldthorpe发展为一个七分类体系（seven-category

system）——这一体系是为了分析1972的牛津大学流动研究（Oxford Mobility

Inquiry，并成为那时被采用的区别，特别是在英国。Erikson、Goldthorpe和

）

Portocarero在对他们三个的国家——英国、法国和瑞典——的比较中，创建了一

个10分类以及一个现已成为国际比较标准的分类。Erikson和Goldthorpe在他们

CASMIN项目的比较工作中添加了两个区别（distinctions。但在他们的大部分

）

分析中只是使用了该方案的7分类版本。不同地区的分层研究人员似乎也很同意

这一点——EGP分类至少是一个相当不错的国际标准，并且已经开始把他们的数

据编码，来模仿EGP的区别。不幸的是，EGP体系的原作者已经逐渐不能证明他

们用来得出区别的程序的准确性。当一系列的映射——该映射把源职业分类（详

细的国家职业分类）转化成EGP分类——最终完成时，将没有明确的惯例来显示

如何用新的数据来复制这些程序。正因如此，在早期工作中，我们就已经依据

ISCO68创作了一个标准模块，来派生EGP分类和恰当的工作地位变量。这一模

块通过使用最初的英国EGP文件编制得以进一步完善，然后再被反复地用以检验

新的——英国和德国——数据。这些数据既对“正本EGP”又对我们的EGP版本

有用。

总之，在比较研究领域，目前共有三种比较好用的国际标准职业地位量表，

所有这些量表都是由单位数据派生得来的,这些单位数据是由ISCO68编码得来

的。此外，在总结以上工作的过程中，我们已经把各种国家分类转化成ISCO68

模式，这也有利于进行比较研究。

然而，国际劳工组织把ISCO修订为一个新的版本（ISCO88），这就使得更新

（我们以上讨论的）社会学意义上的职业地位量表有必要，特别是自从比较研究

人员把最新收集到的数据编码成新的国际标准数据之后。20年后，ISCO的修订将

会是相当猛烈的，其主要的改变是在逻辑分类方面。因此，新的量表不能简单地

由把ISCO68分类转化成ISCO88分类得到。在目前的工作中，我们给这三个职业地

位量表标上了分数——是按照ISCO88分类进行估算的分数。下面我们要讨论获得

这些分数的步骤以及关于其有效性的证据。但是，首先，我们要讨论ISCO88分类

的内容以及其不同于其前身和国家分类的地方。

1988年国际标准职业分类

就像其前身和许多国家的职业分类一样，ISCO88也是四个层次的嵌套分类。第一

位数可以区别九大群组。这里面又有三个更进一步的群组：28个次主要团体、116

个小团体和390个单元组。在以前的ISCO版本中（1540版），四位数分类在数量上

是相当少的。因此，鉴于在ISCO68中通常只有三位数分类被使用到，我们期望当

ISCO88体系被使用时，所有的四位数能按常规被编码。九大主要群体是：

1000 立法者、高级官员和管理者

2000 专业人员

3000 技术人员和专业人员助理

4000 一般职员

5000 服务人员和商店及超市的销售人员

6000 熟练的农业和渔业工人

7000 工艺及相关行业的工人

8000 厂房及机器操作员和装配员

9000 初级职员（非技术工人）

我们采用了按照数字含零数量的不同来划分不同类别的分类原则。例如，

1000表示立法者、高级官员和管理者；1200表示公司管理者；1210表示表示未分

类的生产与运营部门的经理（ISCO88通常在四位数层级上面用尾数为9的数表示

“未分类”）。

列出这一主要团体，主要是为了介绍ISCO88与其前身的几点不同之处。首先，

分类的逻辑主要是由以牺牲产业特征为代价的技能要求派生出来的。例如，在

ISCO68中，所有的纺织工人被分类在一个单一的较小的团体中，而不去考虑他们

的技术水平。和这相反，现在，纺织工人被分成了三个不同的小群体，依据他们

是否有能力做初级的工作、操作机器、完成精细工作。在其它体力劳动职业方面

也有同样的变化。同样地，主要群组中的新群组应该也可以被看作，为把更清晰

的技能区分引入ISCO88的尝试，特别是把非体力职业人员细分为专业人员、技术

人员、专业人员助理以及一般职员，把体力职业人员细分为工艺人员、机械操作

人员以及初级职业人员。这是与ISCO68相背离的地方，目前这些地方的区别还不

是很明显。我们把这一系列的改变看作是顺应社会学利益发展的步骤。

然而，如果认为ISCO88在第一位数的区别只能反映出技能的差异，那这就错

了。特别是，尽管与机械操作和装配相比，一般的工艺工作对技术的要求更高，

但这通常也有例外。我们认为这些区别反映了对传统的手工生产和现代机械化生

产之间划分的区别。例如，在采矿业和建筑业，工艺工人可能需要大量的培训。

但在机械化和与机械操作相关的职业中，可能需要等同的专业技能以及承担更大

的责任。

同ISCO68第二个主要的不同之处是，在ISCO88中，就业状况不被考虑在内。

自我雇佣（个体经营）、所有权和监督状况都不再被认可，虽然在ISCO68中这是

一个核心的区别。特别是在对待小业主（小商户）方面有了很大的改变：他们在

不考虑这些人的利益需求的前提下，把管理这些商户的工作人员进行分类。

ISCO68同样也包括单独的分类，是关于办公室监管员和体力劳动中的领班的分

类。但是，现在这些分类与被他们监督的人员编码在了一起。

ISCO88中体力职业分类的进入，说明了就业状况信息应该被作为单独的变量

保存。因为几乎每一个职业都可以作为自我经营的和为他人工作的职业来运用。

同样地，所有的职业因此也可能要承担一定程度的监督责任。虽然在这一点上，

我们同ISCO88的作者没有原则上的争议。但我们仍旧担心因为实践原因，此举可

能会降低ISCO88的适用性。使就业状况的补充信息固定化通常需要附加的问卷调

查，但这些问题通常被研究人员忽略，因为职业状况的测量不是他们所关心的中

心问题。我们可以把美国国家选举调查组织(ANES)作为一个反面的例子。这一组

织从１９５２年就开始研究父亲的职业。在１９４０年和１９５０年，美国人口

普查分类就对拥有账户的员工和小商人进行了独立编码。但在１９６０年，这些

职位被划分为管理者，就业状况的信息也就被看作一个独立的变量存在。ANES

的研究人员就进行了上述工作，但仅是针对调查对象，并没有针对他们的父亲。

因此，我们就不能再使用ANES收集的１９９６年之后的数据进两代间职业流动研

究，这些研究是以ＥＧＰ或相似的名义上的阶级分类为基础的。

虽然就业状况的差异对这三个职业状况测量都很重要，但对构建ＥＧＰ阶级

分类尤为重要。为了寻求每一个工作的信息（如被访者当前及过去的工作、父辈

的职业、配偶的职业等），研究人员必须问关于个体经营（是/否）和监督状态

的独立的问题（部属的数目）。这些研究人员想把ISCO88用到他们的研究中的

去，并想构建名义上的阶级分类如ＥＧＰ阶级分类。在相关的记录中，我们应该

指出，许多的国家分类仍旧包括监督和自我经营状况的信息。这一把这些国家分

类编码成ISC88分类，不仅要求职业名称相匹配，而且还要确保这些信息是作为

单独的就业变量（这些信息可能包括从独立的问题中获得的关于这些问题的特

点，也可能不包括）。

总而言之，在这方面，ISCO88分类已经远离了一般的社会学关注点。在某

些方面，我们发现很有必要把就业信息状况加进来完善ISCO88分类。

相对于ISCO68，ISCO88的第三个主要变化是，ISCO88的分类在管理方面已

经变得更加精细。这一改进很受欢迎。在第三位数层中能够区分三种管理者：

1210 【大型企业】董事及行政总裁

1220 【大型企业】生产和业务部门的经理

1230 【大型企业】其它部门经理

1240 【小型企业】总经理

在这里，我们把括号内的说明加了进去。因为我们认为官方ISCO88的标题

很可能会许多使用者困惑。分类1310（【小型企业】总经理）主要由以前被分类

为批发零售业主的人组成。但是，有人可能无法从总经理这一头衔中猜出这一点，

也有可能认为这些是某种程度上对部门经理的高级称呼。虽然在最早提及分类的

那一页的脚注里，ISCO88中关于体力劳动的分类已经指出了上述这些不同（ILO，

1990，P.23）。但我们认为在实际的标题中把这一点加进去会更好。干扰的进一

步增加，结果是，产生了区分部门经理和总经理的正式的标准是：在企业中存在

两个以上的经理。不幸的是，有关这些经理数量的信息在调查中收集的很少。在

我们的工作中，我们发现这很方便——把总经理标为【小型企业】总经理，把部

门经理标为【大型企业】部门经理。我们使用下属的数量（或公司的大小）作为

把大型企业从小型企业中区分出来的标准：一个“大型企业”要有十人以上的员

工，一个小型企业只有1—10名员工（包括业主在内）。

这样一来，这四个管理分类在最详细的层面上变得多样化：使管理“生产与

运营部门”的行业分的更详细了，也使部门中的其它部门的管理人员的分类更详

细了。这儿我们又看到了另一个与ISCO68的逻辑相背离的地方。其中的一个行

业把【大型企业】部门经理和【小型企业】总经理进行细分后，产生了这一行业

分类——农业、狩猎业、林业和渔业（其编码分别是1211和1311）。有人或许会

认为自我雇用的农民应该被编在1311类中。其实并非如此，因为其中的大部分被

分类到大团体6000中更合适（熟练的农业和渔业工人）。在大团体6000中，农业

部门详细的区别主要表现在第三位数层中（园艺、畜牧生产、渔业以及狩猎等）。

甚至更细的区分表现在第四位数层中。让人容易混淆的地方是，大团体—熟练的

农业工人中，也包含了自给农业和渔业的工人。而没有技能的农场帮手则被编到

大团体9000—非技术工人中。只有当一个农民至少雇用另外一个人时，他/她才

可能被分类到农业这一类。经理，依据其和雇员的数量被分在1311或1211类型中。

具有讽刺意味的是，这是一个监管状况混入分类的情况。我们已经把这一点明确

地在ISCO88中描述了出来。

第四，新的ISCO不同于以前的（特别是，自从我们使用了ISCO68的增强功

能）。它从旧版的不足中吸取经验，去适应更多的分类。如“领班”和“技术工

人”。ISCO88的作者将会完全认同这些观点——这样的标示太宽泛而无法把类

别分的很恰当，这些调查研究人员应该去查找更多的信息。但是，这对比较研究

人员没有多少帮助，因为这些人员相当频繁地遇到这些宽泛的职业名称分类，在

国家分类中遇得到，甚至在调查问卷中遇到的更加频繁。为了适应这一实际状况，

我们已经增加了一些新条目来完善ISCO88。

第五，在有些情况下，我们发现，改变分类以适应我们研究的需要是很必要

的。并且，我们认为其它的分类研究人员同样需要。首先，我们已经改变了以军

事名称为代表的逻辑。ISCO88把武装部队成员分在了未分化的大团体0000中。

尽管许多国家分类并没有把军事部队算在内，但我们没有很好的社会学原因把这

些这一职业排除在外。因此，我们已经把一些武装部队人员进行了分类，是按照

相似的普通分类来对他们进行整合划分的：我们把普通士兵（5164）看作小组群

保安服务人员（5160）的一个亚种，把副官人员看作小组群警察巡查员和侦探的

一个亚种，把高级官员看作副主群管理人员（经理）的一个亚种。我们已经扩大

了中学教师的分类来区分两种子分类——学术型教师和职业教师，这两种子分类

在他们的地位分类和国家分类方面有很大的不同。我们也改变了和国民、官员这

样的划分截然相反的传统的酋长和村长的划分，以求可以覆盖所有地区。因为在

地面上做业的“加油工和润化工”对技术的要求不高，所以我们把他们从其它的

机械师和装配工分类中分离了出来，从而增加了一个新的分类——加油工和润化

工（7234）。其它增加的分类为非常宽泛的分类——有时出现在调查对象的自我

描述和粗糙的国家分类中——提供了编码。它们是：（1240）办公室经理、（7510）

非农业的体力劳动的领班和监管员、（7520）技术工人/工匠、（7530）学徒、

（8400）半技术工人。最后，在职业头衔上，我们做了一些小的示意上的改变。

我们把所有的更改和功能的增强都写在了附录A的方括号中。

编码的惯例

ISCO88手册不仅提供了1988年版本的分类，还提供了1968年版本的全部内

容，并在另一个框架下对每种分类都进行了列表。由于这两种分类是多对多的映

射关系，因此这些指数提供了把一方重新分到另一方中的方法，而不是提供多对

一的映射关系（任何一方中的两个之间的关系）。我们发现，为了利用ISCO68

中的有关国家分类的映射，把多对一的映射方法用到我们的工作中是很方便的。

在创建这些映射时，我们遵循了ISCO88手册中使用指导方针。我们针对这些映

射规则的修改，是为了有序地进行优先：

a 数值优先原则：在一对多映射中，数目多的群组优先。

b 技能等级原则：如果数量相等，最高的技术等级优先。

c 生产式原则：如果数量相等，技术水平也相等，生产职业优先于销售和管

理职业。

过去，一些机构和研究人员就已经使用了一个被删节的ISCO68版本——假

设这一版本削减了编码的成本，并且细小的差别对大多数的结果没有影响，因此，

这些分类只保有第一位或前两位数。我们认为这一做法用在ISCO68是不明智的，

同样用在ISCO88中也是不明智的。我们强烈地要求充分地使用有390种类别的四

位数分类法。如果使用粗糙的分类法，许多分类将会被分错。更多的错误将会产

生，甚至大量的编码成果将被保留这一点也不能被保证。主群组（第一位数）分

类带出了在地位方面不均匀的分类、责任和劳动环境。此外，在两位数层中，分

类的数量不会过多。因此，很少有经济上的分类区别在第一位数层中看的到。许

多与社会学相关的区别确实可以在第二位数层中看到。但许多其它的重要区别将

看不到：例如，1210董事及执行总裁和1220部门经理之间的区别、2230护士和2220

医生之间的区别、2310大学教授和小学教师之间的区别，以及2420律师和2440

社会科学家之间的区别等。总之，依靠两位数的分类似乎是不明智的。第三位数

层（116种类别）分类就稍微精确了一些。但是，这一层的分类仍然无法区别1314

店主和1313【小型企业】总经理、2141建筑师和2411采矿业工程师、2221医生和

2223兽医、2411会计师和2419公共关系人员、2451记者和2452雕刻家和画家。涉

及到这些区别的很少（呈现在这里职业称呼的比ISCO88中的更口语化）。

数据

用于构建新的比较地位量表的数据来源于国际分层与流动文件，并且这些数

据同Ganzeboom等人使用的数据是一样的。ISMF包括许多国家的数据文件摘要

——是在我们不断使分类标准化的过程中构建的，以及流动数据——是从对全世

界实施的研究中得来的。ISMF把学历和职业变量重新编码成一个国际通用的标

准变量，并把这些和人口统计背景变量放在了同一个格式里。本文中使用的文件

的版本，结合了高薪聘用的男性方面的数据——是在16个国家进行的31项调查中

的得到的数据。在这种分析中使用的变量包括受访者的学历、职业、年龄和收入；

汇集的文件数量是73901个。更详细的数据可以在Ganzeboom等人使用的数据中

找到。

派生新的地位量表

在这三个量表的每一个量表中，附录A都记录了每个ISCO88职业名称的分

数，连同对职业名称的描述。这些职业名称阐明了每一个单元组的职业——这些

单元组来自于ISCO88手册中的指数和映射到ISCO88中的国家分类。这些分数给

出了ISCO88的所有群组的分数：主群组、次群组、小群组以及上文描述的的稍

作修改的列表。声望分数和以上每个群组的ISEI分数，通过计算作为这些——分

类中包含的低层次的职业头衔分数——的加权平均数。在这些分类中，加权数目

是与ISMF中的每项分类的人数成正比的。

标准国际职业声望量表(SIOPS)

新的SIOPS分数由三个步骤得来。第一，在ISCO68和ISCO88中呈一一对应

的单元组，把它们1968的分数简单地分配到1988年的分类中。第二，剩下的

ISCO88的分类（由Treiman记录其职业名称的分类）被对应着分到ISC88单元组

中，和Treiman最初把他们对应分到ISCO68单元组的方式一样。然后，把所有的

和ISCO88中每一个单元组对应着的职业名称的分数进行平均，就得到了单元组

的分数（通常采取的是简单的平均，但在计算那些很少有的职业时，会再次计算

加权平均数，用和Treiman为ISCO68计算单元组分数相类似的方法）。第三，对

于那些无法和ISCO88单元组相匹配的职业名称，我们会用相似的（已有分数的）

单元组的分数作为他们的分数。

职业地位的国际社会经济指数

为了创建一个新版本的ISEI指数，我们使用了和Ganzeboom等人使用过的相

同的计算程序（1992；见10—19页及附录C对其的全面描述）。我们假设ISEI能

够进行把个人的学历转化为收入的职业属性的测量。因此，ISEI指数是按照职业

单元组最佳的缩放比例来得到的的，以求把学历（包括职业）对收入的间接影响

最大化，把学历（不把职业算在内）对收入的直接影响最小化（两种都不把年龄

的影响算在内）。关键系数是与学历有关的职业地位的系数以及与收入有关的职

业地位的系数。在ISCO88中，这两个系数分别为0.582和0.465，几乎同ISCO68

中的一样。在许多国家的研究中，学历系数大于收入系数。这可以理解为职业在

学历方面比在收入方面多少要平均些。这一评估系数被作为加权值来使用，好为

每一个ISCO88单元组算出分数。这些作为结果的分数被重新按比列划分到在16

—90范围之间，其中法官得分最高。得分最低的有两个单元组：9211农场帮手和

劳动者、9132办公室、酒店和其它机构的佣工和清洁工。隐含的度量标准实际上

基本无法和从ISCO68获得的标准区别开来：在ISMF中，这两者的方法和标准差

几乎是一样的。这是有很大优势的，因为这样能够把从旧的ISEI量表中获得的结

果与从新的ISEI量表中获得的结果进行直接的比较。

与早期程序的主要不同之处是详细的职业群组被分类的方法。在以前，我们

采用这一规则——当一个职业群组少于20个人员时，这一群组不应该被估算。然

后，当需要被估算时，我们会按照20这一分组的最小值，结合临近的或在其它方

面相似的职业名称，把这一群组分到一个宽泛一些的分类中。然而，ISCO88中

的基本的国家职称分类，以及1968版本和1988版本之间在ISCO逻辑上的变化，

造成在详细的职业群组分类上面产生了一些偏差。一些有偏差的分类能够在

ISCO68中使用，但其它的一些有偏差的分类不能再在ISCO88中使用，因此被丢

弃不用了。例如，分数最高的群组和以前量表中分数最高的群组，其分数依旧是

相同的，但分数最低的群组的分数却不再相同；以前量表中使用的底端定位点

（bottom anchor points）不再作为ISCO88的独立分类，但仍是两个底端参照点

（bottom anchoring points）的组成部分。

我们为得出ISCO88分数所使用的独立单元组的数目（209）比我们为得出

ISCO88分数所使用的独立单元组的数目（271）稍微少一些。不过，这样也带来

了一些新的差别。在这些差别中，最重要的差别在管理分类中。这说明，批发和

零售领域的经理、不具名的经理（Other Managers）以及销售经理比其它的经理

的社会经济地位低，而财务经理的地位相当高。ISCO88中逻辑上的技能水平的

区别反映在了ISEI量表中：专业人员的助手比专业人员的分数平均低16个点，比

办事员的分数平均高5个点。在体力劳动和非体力劳动（办事员和熟练的技术职

业之间）之间，其分数相差了11个点。一些对技术要求高的体力劳动职业的分数

和办事员职业的分数一样高。销售和服务行业人员的分数在两者之间。在体力劳

动的群主中，技术工人的分数只比机械操作人员的分数高3点，比初级简单的体

力劳动职业高11点。对大多数的分类而言，这些结果和以前的量表中的结果是一

致的。

对ISCO68而言，其和ISEI量表最重要的一个区别在于对农民的分类。因为

现在这些都是以不同的方式进行分类的。没有雇员的自我雇用类别的分数是23，

只比非技术的农民类别高7点。有雇员的个体经营类别分数是43，或如果有10个

以上的雇员分数会是67。

进一步完善的EGP分类

表1呈现了我们使用的10种EGP分类结构。我们按照Erikson和Goldthorpe采用

的罗马数字和截短的职业名称对其进行了列表分类。其中记录的分类顺序和

Erikson等人完成的分类顺序（1989）以及Erikson 和Goldthorpe一起完成的分类

顺序（1992）不完全相同。我们更喜欢在量表的最后把所有的农业类别列在一起。

因为这样能为研究两代间的职业流动提供一个更有序的分类。为了提醒我们自己

和其他人：我们已经把相关的农民和农场管理者分类移到了Erikson和Goldthorpe

排序中，由于没有使用代码6。因此，在我们的版本中，我们把EGP分类划分为

了代码1—5和7—11（见附录A）。

我们已经创建了新的重新编码了的EGP，把Erikson等人写的CASMIN文件编

制也考虑在内。但是，我们应该指出的是，由于重新编码的程序在各国是不同的，

使用的定义源信息也不同——不仅详细的资源编码不同，重要的职业地位编码也

不同，所以CASMIN文件编制没能提供一个通用的从单元数据中提取10个EGP分

类的方法。

表1

EGP阶级分类

ISEI平均值

1 I 较高级的服务 68

包括大多数的专业人员、大型企业的雇员、高级管理者（有多于十个下属）

2 II 较低水平的服务 58

包括多数的专业人员助理、低层次的管理者（下属在1-10位之间）、高级销售人员

3 III 日常办事员/销售人员 45

包括日常办事员和销售人员

4 Iva 小老板 48

包括小企业家（下属在1-10之间）

5 Ivb 独立者 42

有自己的记账人员，但没有雇员

7 V 体力劳动的领班 40

监管地位的体力劳动者（至少有一个下属）

8 VI 技术型的体力劳动者 36

大多数的工艺人员、一些技术型的服务人员、技术型的机械操作员

9 VIIa 半技术型的体力劳动者 31

大多数的机械操作员、初等劳动人员、初等销售和服务人员

10 VIIb 农场工人 18

受雇的农场工人、不需要技术的工人、家庭农场工人

11 Ivc 农民/农场管理者 26

个体经营者、农场监管员、不需要技术的农民

注：罗马数字是指Erikson 和Goldthorpe中的

为了把ISCO88分类转化映射到EGP10个分类中，我们尽可能地模仿了

Erikson等人创建的映射关系。但在某些情况下，很难决定应该把一个ISCO88中

的职业名称进行怎样的映射。有两种职业的映射很难进行：服务类职业，因为它

们中的大多数不知道是应该被分到非体力劳动型职业中还是体力劳动型职业中；

和这些职业——不知道应该被分在技术型还是半/无技术型的职业（体力劳动方

面的），或不知道应该被分在专业类还是半（辅助）专业类的职业（非体力劳动

方面的）。除了把CASMIN文件编制考虑在内外，我们还偶尔参考了1970年美国

人口普查中关于职业分类的资料以及职业职称词典，好判定一个职业的标准技能

水平。

我们的重新编码程序与CASMIN程序有一些不同。首先，我们把详细的职业

名称作为基本的信息来源，再把就业状况作为一个修正步骤。而CASMIN程序正

好相反，它把就业状况信息放到了前面——这些信息在各国有很大的不同——然

后再使用详细的职业编码进行第二步修正——把初级的人员编码成就业状况基

础上的分类。其次，对于就业状况，我们使用了一个简单的、跨国的标准格式。

依据监管状况（对管理者来说，其下属的数目；对业主来说，其雇员的数目）的

三分变量——0（无）；1-10（小）；11+（大），这一格式能够把二分变量应用

到自我雇用中（是自我雇用；不是自我雇用）。CASMIN就业状况变量常常包含

更多的分类，有时也包括另外的差别——体力劳动工作与非体力劳动工作之间的

差别，公共部门的工作和私人部门的工作之间的差别。更普遍的是，我们试图在

每一步去规范这些变量——第一，把每一个源文件的每一项职业转化成ISCO分

类；第二，把所有的自我经营和监管状况的信息转化成标准变量。通过对比我们

看到，CASMIN群组试图挖掘出每个源文件中所有的差别。两者在分类上的不同

反映出了一个更普通的不同之处：CASMIN的目的是去最好地展现出12个国家的

12个数据集的相似和不同之处；而我们的目的是开发出一个能够应用在任何含有

必要变量的数据集中的程序。我们的程序和CASMIN程序之间的不同，可能会使

计算出的边缘值（boundary cases）出现不同。例如，在CASMIN中，依据目前使

用的程序——一个来自于不同国家的详细的（四位数的）ISCO分类的程序，一

些职业可能会被编码到体力劳动型或非体力劳动型中的任一方，这取决于每个文

件源被处理的方式。通过对比看到，我们的程序首先把ISCO中的每一个职业（目

前存在的所有职业）对应到EGP分类中（只是改变了高一层的分类，把自我雇用

和监管职责也算在内）。但这些不同在数量上是很少的，对最后的结果影响也不

大。我们在后面的章节中会把它展示出来。我们认为，我们在这提供的方法是更

可取的。因为这一方法概念清晰、简单易懂，在应用新的数据集上面也相对容易。

附录A（第三列）中的EGP映射给出了每一个职业EGP分类的“根源”（root），

没有把就业状况或监管状况算在内。这一映射（对应）构成了附录B中编码模块

的第一步。模块的第二部分，在把个体经营职类和/或监管职类转化成最后分类

的基础上，重新对每项职业进行了分类。

验证

为了验证在ISCO88分类中创建的这三个职业地位测量（occupational status

measures），我们用来自于国际社会正义工程（ISJP）的数据，估算出了一个基

本的职业成就模型。像国际分层和流动性文件（ISMF）一样，ISJP91文件也包

括来自于许多国家（总共14个）的数据。但这一汇总文件在数量上小了些（包含

17,386份文件）。作为一个评估ISCO88量表实用性的媒介，其有两个重要的优势。

第一个是，所有的ISJP的数据集都还没被使用过——未被用来构建过这些量表。

第二个是，所有的ISJP的数据集，依照ISCO68和ISCO88分类中的任意一方或双

方的分类体系被编码（有五个国家同时按照这两种分类方案被编码，八个国家按

照ISCO68被编码，一个国家按照ISCO88被编码）。因此，不存在编码方案无意

中被所期望的结果所影响这一情况——其性质和双盲设计（double-blind design，

這是一种不让受试者知道，也不让实验者知道，在实验处理中，何组为实验组，

何组为控制组的一种技术）的性质一样。这些特点使ISJP成为一个最优数据库，

以测试ISCO88的新量表能否和ISC068的量表以相同的方式运行。鉴于此目的，

我们只是简单地把ISJP看作一个整体，而不考虑其在跨国间——在研究过程或分

层制度方面——的不同。通过使用前面提及的多对一映射，我们创建了ISCO88

分类——其所有的数据能被初步地编码到ISCO68分类中，和ISCO68分类——其

所有的数据同样能被初步地编码到ISCO88分类中。因此，所有的数据都可以被

用到这两种分类中。学历（标准分类中提供的）被转化成了学龄的度量标准。收

入变量除以国内平均值，得出一个数值，这个数值就是收入变量的跨国标准数值。

表2提供了估算学历成就、职业成就和收入成就的等式，每一种职业的职业

变量都是以我们的三个职业地位测量量表为依据的。EGP分类的变量有两个版

本：按照ISEI的平均值连续进行排列的变量，虚拟变量。由该等式（把三个职业

状况分层量表都应用在内的等式）推导出的系数在表格中分列呈现了出来。前四

列显示的是在ISCO68分类中进一步完善的量表的系数，后四列显示的是在

ISCO88分类中进一步完善了的量表的系数。通过对应列表的对比，我们发现，

来源于ISCO68分类和ISCO88分类估算出的系数几乎没有什么区别。这是一个非

常重要的发现，因为这意味着，研究人员依据这些量表中的ISCO68和ISCO88方

面的内容所得出的比较结果是合理的。虽然总的来说，我们认为，以把ISCO68

转化成ISCO88的方法作为转化新搜集的数据的基础，是可取的。但是，我们没

有看到把ISCO68编码转化成ISCO88编码的必要性。当然，通过采用这三个量表

——任何一个ISCO版本分类在这三个量表中都是可以使用的，应该可以得出一

个标准化分数。也令人鼓舞的是，虽然新的分数是从较少的单元组中得来的，但

其说服力至少和旧版的一样大。

在表2中，这三个职业状况分层量表结果的差别也不是很大。这说明，在计

算职业的地位成就过程中，三者都是有效的方法。尽管如此，他们之间的差别还

是相当系统的。这些差别也为重新计算Ganzeboom等人的观察结果提供了理由。

这些差别也是很确定化的，因为其是由量表构建中未使用过的数据推导而来。第

一，这三个量表在说明收入成就的能力方面大致是相等的。第二，在说明学历成

就，以及特别是职业成就方面，ISEI比SIOP和EGP（把自主消耗的额外分度也算

在了内，像校正判定系数那样））都更系统。令人吃惊的是，在两代间职业地位

流动测量方面，ISEI的优势是最明显的，依据ISEI是在不同的原理上创建的——

具体而言，这一原理是，把职业这一角色作为连接学历和收入的中介机制最大化。

表2

依据ISCO68和ISCO88的职业分类制定的

简易职业地位成就模型的标准化回归系数

ISCO68 ISCO88

SIOPS ISEI EGP EGPx SIOPS ISEI EGP EGPx

A. 学历 (N=11,790)

性别 –.057 –.058 –.058 –.058 –.055 –.057 –.058 –.058

年龄 –.162 –.131 –.141 –.139 –.160 –.136 –.141 –.140

父亲的职业 .308 .352 .327 * .302 .345 .325 *

Adj R2 .131 .159 .143 .145 .128 .154 .141 .145

B. 职业 (N=5 11,228)

性别 –.005 .072 .100 .100 –.006 .050 .064 .036

年龄 .094 .089 .090 .101 .092 .092 .089 .105

学龄 .536 .550 .527 .527 .549 .557 .521 .518

父亲的职业 .104 .150 .143 * .113 .152 .143 *

Adj R2 .323 .376 .346 .349 .342 .382 .333 .326

C. 收入 (N=5 7,567)

性别 –.328 –.341 –.346 –.342 –.329 –.339 –.343 –.343

年龄 .067 .068 .064 .066 .066 .066 .064 .065

学龄 .196 .178 .177 .179 .186 .166 .176 .182

职业 .153 .174 .186 * .166 .191 .193 *

Adj R2 .200 .203 207 .211 .203 .208 .210 .213

来源： 1991年的国际正义项目的数据。我们的计算

选择： A：所有数据有效的受访者（年龄在21—64之间）；B：所有现在或以前有工作的受访者；C：

所有收入数据有效的全职受访者。性别：（0）男性 （1）女性；年龄：21—64。

在以前,ISEI量表只是由男性的数据创建而成。这说明，即使是在那些女性

占多数的职业中（如护士、小学教师等），职业地位量表的分数也只是从在职男

性的数据中得来。尽管，这可能说明有关这些职业的分数多少有些不可靠——因

为在我们的数据中在职者的数据很少，但我们并不认为量表的使用应被限制在男

性样本中。事实上，以男性角色为基础构建的量表提供的概念很清晰、明确。如

果不是这样，则会没法办到。从全世界来看，一个由男性和女性的数据共同创建

的量表将会比一个只有男性数据创建的量表，在女性有系统的低收入方面，受到

的影响更强烈（见表2中第三组的第一行）。但是，这一结论是建立在假定职业

的性别分布在各国是不同（以未知的方式）的基础上。从概念上讲，我们所做的

是，把男性在学历、职业、收入之间关系的量表看作是一个指定的量表——在这

一制定量表中，男性和女性的职业地位成就都能够被算出来。通过观察发现，尤

其是表2中的收入等式更能清楚地说明男性和女性在收入方面有很大的差别，即

使这一分析被限制在全职工人范围内，并且还有年龄、学历和职业方面的限制。

为了进一步验证我们构建EGP类型学的程序，表3和表4把CASMIN项目中的

表格进行了对比，我们的程序也来自于相同的数据。我们的比较资源只是来自12

个CASMIN项目中的七个数据集。因为有三个国家（瑞典、法国和苏格兰）的

CASMIN文件目前不提供给我们。另外两国（澳大利亚和美国）CASMIN的作者，

依据这些被重新编码到EGP中的源职业分类的性质，使用的是一个七分类的EGP

版本——该版本中附加的区别是无效的，所以我们也无法利用。鉴于重新编码了

的CASMIN的复杂性，我们无法逐一地对这两个派生出的量表进行比较。但也必

须限制这个结果分布比较分析的使用。在表3中，我们比较了汇总文件中的父亲

和儿子职业类别的边缘分布——计算出这七个组件表格权数的平均值，然后再把

每一项的平均值添加到相对应的单元格中，这样就创建了汇总文件。这一边缘分

布，和我们重新编码推导出的边缘分布、CASMIN作者重新编码给出的边缘分布，

本质上是一样的；指数相异说明少于6％的受访者和少于4％的受访者的父亲将不

得不在分类中转移，以使边缘分布相同。当这七个组件表格（子表格）被逐一地

进行比较时，每一对边缘表格之间也会有一些不同。

在表4中，通过采用Goodman的同等行列关联模型II（equal row and column

(RC) scaled association model II），我们列出了一个双表结构的单自由度/单方面

的比较（one-degree-of-freedom comparison）。这一模型，给出了所有表格中各

分类的分数和所有成对表格中的对角线参数，还使用了RC（row and column）参

数来评定成对表格和父亲与儿子职业地位关联程度的相似性。RC参数的比较为

七国中的每一个国家和进行了同等加权的汇总表提供的。

表3

父亲职业与儿子职业在两个版本的EGP分类中的EGP重新赋值百分数

的分布（一个由包含七个国家的数据集组成的汇总数据）

（受访者）父亲的职业 受访者的职业

CASMIN EGP CASMIN EGP

EGP 编码 重新赋值 我们的EGP重新赋值 重新赋值 我们的EGP重新赋值

1 (I) 4.7 5.2 9.0 10.4

2 (II) 5.3 5.7 11.3 11.0

3 (III) 5.4 4.6 8.3 7.1

4 (IVa) 5.2 4.0 3.6 2.6

5 (IVb) 5.5 4.9 3.6 3.2

7 (V) 4.7 3.5 6.8 3.9

8 (VI) 16.6 17.7 21.4 22.2

9 (VIIa) 17.3 19.1 21.2 24.0

10 (VIIb) 6.8 6.7 4.6 4.7

11 (IVc) 28.6 28.7 10.2 11.0

总数 100.1 100.1 100.0 100.1

∆: Diss指数. 3.9 5.8

表4

两代间的关联参数——针对两个版本的EGP重新赋值的关联参数

(这一汇总数据来自于七国CASMIN数据集和每个数据集的单独的参数)

CASMIN 重新赋值 我们的重新赋值

汇总数据 .597 .578

英国/威尔士 1972 .608 .523

德国 1976–1980 .644 .562

匈牙利 1973 .597 .571

爱尔兰 1973–1974 .638 .641

日本 1975 .410 .384

北爱尔兰 1973–1974 .532 .478

波兰 1972 .525 .555

RC参数可以被看作是用来表示父亲和儿子职业地位的关联程度的。并且，

创建RC参数的度量标是为了使其有一个与积差相关（product moment correlation）

大致相同的范围。要注意的是，列中的行（rows within columns）之间参数的差

异与行中的列之间参数的差异有很大的关系。也就是说，国家间的父亲与儿子职

业的关联程度方面的差异，很大程度上是由于各国使用的编码程序的不同。按照

RC参数大小完成的国家间排序，大体上也没有把，哪个程序被用来派生表格这

一点考虑在内——列（a）参数和列（b）参数间的相关系数是.94。

CASMIN的汇总列表和我们的汇总列表在RC参数上的差别很微小，只有

–.019（3％）。因此，这再次说明了两种编码程序产生的结果是相似的。

结论

在这篇文章中，我们为比较研究人员展示了三个跨国的职业地位标准测量。

这三个测量是按照ISCO88重新编码得来的。虽然选择用三者中的哪一个，应该

以理论上的关注点为基础，但这一点也是很重要的——依据独立数据得出的验证

结果表明，每一个新的分层至少和旧版ISCO68分层完成的一样好。我们鼓励研

究人员采用ISCO88，也鼓励他们把本文提供的职业地位测量应用到他们将来的

研究中。

2023年10月10日发(作者：复仇者联盟字幕文件)

1988年国际标准职业分类的

职业地位的国际可比性测量（翻译版）

HARRY OOM

乌德勒支大学

及

DONALD N

美国加州大学洛杉矶分校

本文提供了把职业地位的国际可比性测量进行编码的操作步骤——该测量针对的是最

近公布的1988年国际标准职业分类（ISCO88）。我们首先讨论ISCO88分类的性质，ISCO88

和以前国际通用的分类标准的关系，ISCO88与其前身——已经被广泛应用于比较研究领域

—ISCO68(国际劳工组织，1969)的关系。我们认为：采用ISCO88作为分类的标准工具会使比

较研究获益良多；而比较研究也会为如何做到这一点提供指导。然后，我们描述了这些程序

——为对3种职业地位的国际可比性测量进行比较而形成的新的标准编码程序：特雷曼

（Treiman）的标准国际职业声望量表（SIOPS）、甘泽布姆（Ganzeboom）等人的国际社会

经济地位指数（ISEI）、埃里克森（Erikson）和德索普（Goldthorpe）的戈德索普量表（EGP）。

为了更新SIOPS的声望分数，我们已经直接把SIOPS的职业头衔与ISCO88分类中的职业头

衔搭配在一起。为了获得ISEI的分数，我们已经复制了用来为ISCO88计算分数的程序，采

用了同样的数据，但使用了新的进一步完善的匹配——基础的国家职业分类与ISCO88之间

的匹配。为了创建EGP阶级编码，我们把ISCO88的职业分类映射到了一个10—分类的分类

中，这一10—分类是CASMIN项目为一个12国分析项目开发的。为了验证这些量表，依据

一个独立的数据源——来源于国际社会正义项目的汇总文件（一个把14个国家的抽样调查

的数据综合在一起的国际数据文件），我们估算了一个基本的地位获得模型的参数。依据

ISCO88和ISCO68的职业地位量表推导出的参数和上述参数表有很大的相似性。

1996年学术出版公司

职业分类即使不是构成分成研层最主要的部分，那也是占了相当大的部分。

自从人们认识到，分工是社会不平等的内核，而由此造就的职业是社会分层的主

要依据，分层研究人员就已经从职业信息中开发出了获得地位测量的方法。通常

情况下，这包括两个步骤。首先，关于职业的信息被记录在一份由几百个分类组

成的详细分类中，通常是人口普查或其它官方分类。接着，按照研究者的喜好和

研究问题的重要性，这些详细的职业分类被重新编码成易于规模操作的以及与社

会学相关的测量。这样，在流通使用中就会产生许多派生的量表和更多的分类。

职业地位的跨国家比较测量已经很难完成，这一点并不令人吃惊。原因有如

下几方面。首先，随着时间的推移（全国人口普查局通常在每次新的普查时升级

其分类），详细的职业分类往往因跨国和社会的不同而不同。分类的不同不仅与

细致程度以及其中的特定职业头衔有关，而且还与分类的逻辑有关。例如，一些

详细的分类能够区分相同职业下的工作地位，而另外一些分类的就无法区分。一

些分类对企业起很重要的导向作用，而另一些则没有这一作用。这些差别部分地

反映了职业分类在不同的社会职业结构中的的差别，以及在我们身边不断完善的

体制中（如法定地位职业）的差别。然而，在某种程度上，国家分类的差异必须

简单的归因于其自身不断演变的特质，而不应该归因于缺乏协调性。

第二，对于在实际数据分析中被采用的派生量表的逻辑和内容，分层研究人

员之间有很大的分歧。研究人员已经用不同的方式把详细的职业分类进行了整

理，分成了许多群组或是连续量表。在这里，这些差异在某种程度上再次反映了

理论意义上的差异。但是，作为一个国际企业，他们又部分地上把差异简单地归

因于缺少社会学研究的协调。

幸运的是，一些已经出现的进展反击了通天塔性质的语言的混乱（Babelic

confusion of tongues。联合国的国际劳工组织（ILO）在1958年就首次创建了标

）

准职业分类（ISCO），但在1968年和1988年都进行了修订。为了生成一个标准分

类，国际劳工组织从国家分类中汇集了职业头衔，并连同定义系统和各种职业头

衔呈现相对应的映射，把这些职业头衔整理成了一个四级分层体系。其中，职业

分类的主要目的之一是给各国人口普查机构提供一个出发点好促使其形成各自

的国家分类。例如，1971年的荷兰人口普查（CBS，1971）产生了一个四级的变

种分类——来源于ISCO68的三级分类，只做了细微的修改。（但很不幸的是，只

少数几个国际机构采用了ISCO或把ISCO中的基本原则作为他们的标准，也没有多

少机构提对应的信量表，好把他们的分类映射成ISCO分类）。另一个国际标准分

类有价值的地方是，去使比较研究领域的国家分类相一致，这也是我们在一些自

己的研究领域使用ISCO的方式。另外，比较研究者们在所有被比较的国家中偶尔

使用ISCO作为初始职业编码方案，从而能够获得最接近的跨国相似性（例如，1979

年由Barnes和Kaase指导的八个国家的政治行动研究；由Szelenyi和Treiman指导的

东欧六国社会分成研究）。必须指出的是，ZUMA—德国社会学的中央研究机构，

已经采用ISCO作为它的职业分类标准。另外，全国民意研究中心已经开始为它的

GSS数据创建ISCO编码（戴维斯和斯密斯，1992）。

职业地位量表的水平，也朝着国际标准化方向，有了重大的发展。职业地位

量表主要有三种来源：声望测量、社会经济学量表以及名义上的阶级分类。其中

的每一项都有一个不同的结构逻辑。

声望测量来源于职业信用情形的主流评价。其反映了古典社会学假说。这一

假说认为，职业地位构成了社会交往中一个最重要的方面。许多有效的国家声望

量表，被Treiman归并到了SIOPS中。Treiman所遵循的程序是与职业头衔相匹配

的——这些头衔是从全国性和地方性的声望研究中得来，在60个国家进行的三位

数版本的ISCO68的声望研究。他又补充了第四位数来显示他们之间的区别——

这些区别在跨国声望量表中有，在ISCO68中没有。SIOPS量表来自于各国声望分

数的平均值，再被适当地重新调整到一个共同的标准。这一量表已经毫无争议地

成为国际上声望量表研究的补充，并且已经常被应用到国家级水平的研究中。

尽管职业地位的社会经济指标（SEI）最初是通过归纳所有职业的声望分数获而

有所发展的，但是实际上，用来派生SEI量表的操作对声望分数影响不大。SEI分

数是通过计算现有的每个职业的社会经济特征的加权和得出的。通常是关于学历

和收入水平的，但偶尔也有其它方面的，例如，父亲的社会经济特征和财富。有

多种程序已经用来派生加权（weights，得出的结果也都相类似（学历在相当程

）

度上比收入更重要，其它的特征更没法和学历相比）。目前，SEI量表被许多国家

所使用，并倾向于被更广泛地应用于分层研究人员中而不是声望量表中。这是因

为分层研究人员能够更好地获取分层过程中的基本参数。在以前的论文中，通过

使用国际分层与流动文件（ISMF）——它结合了来自16个国家公民的相关数据

信息，我们为ISCO68创建了ISEI。首先，我们把详细的职业头衔依据特雷曼的每

项调查进行匹配，该调查是由ISCO68三位数分层扩展成的四位数分层得来的。然

后，计算出SIEI分数，作为现有的每种职业的学历和教育标准测量的加权平均数。

虽然由于是最近出版的而没能被广泛的使用，但我们认为ISEI指数将会成为一种

非常有用的比较分层研究工具。

名义上的阶级分类（Nominal class categories不仅仅是在离散性方面与声望

）

量表和社会经济地位量表不同。这些分类通常结合职业信息和工作地位信息，并

被看作名义（无序的或部分有序的）类型学。到目前为止出现了有各种各样的体

系。然而，只有一个体系在过去十年中成为最被广泛认可的国际标准——EGP阶

级分类。EGP的区别首先被Goldthorpe发展为一个七分类体系（seven-category

system）——这一体系是为了分析1972的牛津大学流动研究（Oxford Mobility

Inquiry，并成为那时被采用的区别，特别是在英国。Erikson、Goldthorpe和

）

Portocarero在对他们三个的国家——英国、法国和瑞典——的比较中，创建了一

个10分类以及一个现已成为国际比较标准的分类。Erikson和Goldthorpe在他们

CASMIN项目的比较工作中添加了两个区别（distinctions。但在他们的大部分

）

分析中只是使用了该方案的7分类版本。不同地区的分层研究人员似乎也很同意

这一点——EGP分类至少是一个相当不错的国际标准，并且已经开始把他们的数

据编码，来模仿EGP的区别。不幸的是，EGP体系的原作者已经逐渐不能证明他

们用来得出区别的程序的准确性。当一系列的映射——该映射把源职业分类（详

细的国家职业分类）转化成EGP分类——最终完成时，将没有明确的惯例来显示

如何用新的数据来复制这些程序。正因如此，在早期工作中，我们就已经依据

ISCO68创作了一个标准模块，来派生EGP分类和恰当的工作地位变量。这一模

块通过使用最初的英国EGP文件编制得以进一步完善，然后再被反复地用以检验

新的——英国和德国——数据。这些数据既对“正本EGP”又对我们的EGP版本

有用。

总之，在比较研究领域，目前共有三种比较好用的国际标准职业地位量表，

所有这些量表都是由单位数据派生得来的,这些单位数据是由ISCO68编码得来

的。此外，在总结以上工作的过程中，我们已经把各种国家分类转化成ISCO68

模式，这也有利于进行比较研究。

然而，国际劳工组织把ISCO修订为一个新的版本（ISCO88），这就使得更新

（我们以上讨论的）社会学意义上的职业地位量表有必要，特别是自从比较研究

人员把最新收集到的数据编码成新的国际标准数据之后。20年后，ISCO的修订将

会是相当猛烈的，其主要的改变是在逻辑分类方面。因此，新的量表不能简单地

由把ISCO68分类转化成ISCO88分类得到。在目前的工作中，我们给这三个职业地

位量表标上了分数——是按照ISCO88分类进行估算的分数。下面我们要讨论获得

这些分数的步骤以及关于其有效性的证据。但是，首先，我们要讨论ISCO88分类

的内容以及其不同于其前身和国家分类的地方。

1988年国际标准职业分类

就像其前身和许多国家的职业分类一样，ISCO88也是四个层次的嵌套分类。第一

位数可以区别九大群组。这里面又有三个更进一步的群组：28个次主要团体、116

个小团体和390个单元组。在以前的ISCO版本中（1540版），四位数分类在数量上

是相当少的。因此，鉴于在ISCO68中通常只有三位数分类被使用到，我们期望当

ISCO88体系被使用时，所有的四位数能按常规被编码。九大主要群体是：

1000 立法者、高级官员和管理者

2000 专业人员

3000 技术人员和专业人员助理

4000 一般职员

5000 服务人员和商店及超市的销售人员

6000 熟练的农业和渔业工人

7000 工艺及相关行业的工人

8000 厂房及机器操作员和装配员

9000 初级职员（非技术工人）

我们采用了按照数字含零数量的不同来划分不同类别的分类原则。例如，

1000表示立法者、高级官员和管理者；1200表示公司管理者；1210表示表示未分

类的生产与运营部门的经理（ISCO88通常在四位数层级上面用尾数为9的数表示

“未分类”）。

列出这一主要团体，主要是为了介绍ISCO88与其前身的几点不同之处。首先，

分类的逻辑主要是由以牺牲产业特征为代价的技能要求派生出来的。例如，在

ISCO68中，所有的纺织工人被分类在一个单一的较小的团体中，而不去考虑他们

的技术水平。和这相反，现在，纺织工人被分成了三个不同的小群体，依据他们

是否有能力做初级的工作、操作机器、完成精细工作。在其它体力劳动职业方面

也有同样的变化。同样地，主要群组中的新群组应该也可以被看作，为把更清晰

的技能区分引入ISCO88的尝试，特别是把非体力职业人员细分为专业人员、技术

人员、专业人员助理以及一般职员，把体力职业人员细分为工艺人员、机械操作

人员以及初级职业人员。这是与ISCO68相背离的地方，目前这些地方的区别还不

是很明显。我们把这一系列的改变看作是顺应社会学利益发展的步骤。

然而，如果认为ISCO88在第一位数的区别只能反映出技能的差异，那这就错

了。特别是，尽管与机械操作和装配相比，一般的工艺工作对技术的要求更高，

但这通常也有例外。我们认为这些区别反映了对传统的手工生产和现代机械化生

产之间划分的区别。例如，在采矿业和建筑业，工艺工人可能需要大量的培训。

但在机械化和与机械操作相关的职业中，可能需要等同的专业技能以及承担更大

的责任。

同ISCO68第二个主要的不同之处是，在ISCO88中，就业状况不被考虑在内。

自我雇佣（个体经营）、所有权和监督状况都不再被认可，虽然在ISCO68中这是

一个核心的区别。特别是在对待小业主（小商户）方面有了很大的改变：他们在

不考虑这些人的利益需求的前提下，把管理这些商户的工作人员进行分类。

ISCO68同样也包括单独的分类，是关于办公室监管员和体力劳动中的领班的分

类。但是，现在这些分类与被他们监督的人员编码在了一起。

ISCO88中体力职业分类的进入，说明了就业状况信息应该被作为单独的变量

保存。因为几乎每一个职业都可以作为自我经营的和为他人工作的职业来运用。

同样地，所有的职业因此也可能要承担一定程度的监督责任。虽然在这一点上，

我们同ISCO88的作者没有原则上的争议。但我们仍旧担心因为实践原因，此举可

能会降低ISCO88的适用性。使就业状况的补充信息固定化通常需要附加的问卷调

查，但这些问题通常被研究人员忽略，因为职业状况的测量不是他们所关心的中

心问题。我们可以把美国国家选举调查组织(ANES)作为一个反面的例子。这一组

织从１９５２年就开始研究父亲的职业。在１９４０年和１９５０年，美国人口

普查分类就对拥有账户的员工和小商人进行了独立编码。但在１９６０年，这些

职位被划分为管理者，就业状况的信息也就被看作一个独立的变量存在。ANES

的研究人员就进行了上述工作，但仅是针对调查对象，并没有针对他们的父亲。

因此，我们就不能再使用ANES收集的１９９６年之后的数据进两代间职业流动研

究，这些研究是以ＥＧＰ或相似的名义上的阶级分类为基础的。

虽然就业状况的差异对这三个职业状况测量都很重要，但对构建ＥＧＰ阶级

分类尤为重要。为了寻求每一个工作的信息（如被访者当前及过去的工作、父辈

的职业、配偶的职业等），研究人员必须问关于个体经营（是/否）和监督状态

的独立的问题（部属的数目）。这些研究人员想把ISCO88用到他们的研究中的

去，并想构建名义上的阶级分类如ＥＧＰ阶级分类。在相关的记录中，我们应该

指出，许多的国家分类仍旧包括监督和自我经营状况的信息。这一把这些国家分

类编码成ISC88分类，不仅要求职业名称相匹配，而且还要确保这些信息是作为

单独的就业变量（这些信息可能包括从独立的问题中获得的关于这些问题的特

点，也可能不包括）。

总而言之，在这方面，ISCO88分类已经远离了一般的社会学关注点。在某

些方面，我们发现很有必要把就业信息状况加进来完善ISCO88分类。

相对于ISCO68，ISCO88的第三个主要变化是，ISCO88的分类在管理方面已

经变得更加精细。这一改进很受欢迎。在第三位数层中能够区分三种管理者：

1210 【大型企业】董事及行政总裁

1220 【大型企业】生产和业务部门的经理

1230 【大型企业】其它部门经理

1240 【小型企业】总经理

在这里，我们把括号内的说明加了进去。因为我们认为官方ISCO88的标题

很可能会许多使用者困惑。分类1310（【小型企业】总经理）主要由以前被分类

为批发零售业主的人组成。但是，有人可能无法从总经理这一头衔中猜出这一点，

也有可能认为这些是某种程度上对部门经理的高级称呼。虽然在最早提及分类的

那一页的脚注里，ISCO88中关于体力劳动的分类已经指出了上述这些不同（ILO，

1990，P.23）。但我们认为在实际的标题中把这一点加进去会更好。干扰的进一

步增加，结果是，产生了区分部门经理和总经理的正式的标准是：在企业中存在

两个以上的经理。不幸的是，有关这些经理数量的信息在调查中收集的很少。在

我们的工作中，我们发现这很方便——把总经理标为【小型企业】总经理，把部

门经理标为【大型企业】部门经理。我们使用下属的数量（或公司的大小）作为

把大型企业从小型企业中区分出来的标准：一个“大型企业”要有十人以上的员

工，一个小型企业只有1—10名员工（包括业主在内）。

这样一来，这四个管理分类在最详细的层面上变得多样化：使管理“生产与

运营部门”的行业分的更详细了，也使部门中的其它部门的管理人员的分类更详

细了。这儿我们又看到了另一个与ISCO68的逻辑相背离的地方。其中的一个行

业把【大型企业】部门经理和【小型企业】总经理进行细分后，产生了这一行业

分类——农业、狩猎业、林业和渔业（其编码分别是1211和1311）。有人或许会

认为自我雇用的农民应该被编在1311类中。其实并非如此，因为其中的大部分被

分类到大团体6000中更合适（熟练的农业和渔业工人）。在大团体6000中，农业

部门详细的区别主要表现在第三位数层中（园艺、畜牧生产、渔业以及狩猎等）。

甚至更细的区分表现在第四位数层中。让人容易混淆的地方是，大团体—熟练的

农业工人中，也包含了自给农业和渔业的工人。而没有技能的农场帮手则被编到

大团体9000—非技术工人中。只有当一个农民至少雇用另外一个人时，他/她才

可能被分类到农业这一类。经理，依据其和雇员的数量被分在1311或1211类型中。

具有讽刺意味的是，这是一个监管状况混入分类的情况。我们已经把这一点明确

地在ISCO88中描述了出来。

第四，新的ISCO不同于以前的（特别是，自从我们使用了ISCO68的增强功

能）。它从旧版的不足中吸取经验，去适应更多的分类。如“领班”和“技术工

人”。ISCO88的作者将会完全认同这些观点——这样的标示太宽泛而无法把类

别分的很恰当，这些调查研究人员应该去查找更多的信息。但是，这对比较研究

人员没有多少帮助，因为这些人员相当频繁地遇到这些宽泛的职业名称分类，在

国家分类中遇得到，甚至在调查问卷中遇到的更加频繁。为了适应这一实际状况，

我们已经增加了一些新条目来完善ISCO88。

第五，在有些情况下，我们发现，改变分类以适应我们研究的需要是很必要

的。并且，我们认为其它的分类研究人员同样需要。首先，我们已经改变了以军

事名称为代表的逻辑。ISCO88把武装部队成员分在了未分化的大团体0000中。

尽管许多国家分类并没有把军事部队算在内，但我们没有很好的社会学原因把这

些这一职业排除在外。因此，我们已经把一些武装部队人员进行了分类，是按照

相似的普通分类来对他们进行整合划分的：我们把普通士兵（5164）看作小组群

保安服务人员（5160）的一个亚种，把副官人员看作小组群警察巡查员和侦探的

一个亚种，把高级官员看作副主群管理人员（经理）的一个亚种。我们已经扩大

了中学教师的分类来区分两种子分类——学术型教师和职业教师，这两种子分类

在他们的地位分类和国家分类方面有很大的不同。我们也改变了和国民、官员这

样的划分截然相反的传统的酋长和村长的划分，以求可以覆盖所有地区。因为在

地面上做业的“加油工和润化工”对技术的要求不高，所以我们把他们从其它的

机械师和装配工分类中分离了出来，从而增加了一个新的分类——加油工和润化

工（7234）。其它增加的分类为非常宽泛的分类——有时出现在调查对象的自我

描述和粗糙的国家分类中——提供了编码。它们是：（1240）办公室经理、（7510）

非农业的体力劳动的领班和监管员、（7520）技术工人/工匠、（7530）学徒、

（8400）半技术工人。最后，在职业头衔上，我们做了一些小的示意上的改变。

我们把所有的更改和功能的增强都写在了附录A的方括号中。

编码的惯例

ISCO88手册不仅提供了1988年版本的分类，还提供了1968年版本的全部内

容，并在另一个框架下对每种分类都进行了列表。由于这两种分类是多对多的映

射关系，因此这些指数提供了把一方重新分到另一方中的方法，而不是提供多对

一的映射关系（任何一方中的两个之间的关系）。我们发现，为了利用ISCO68

中的有关国家分类的映射，把多对一的映射方法用到我们的工作中是很方便的。

在创建这些映射时，我们遵循了ISCO88手册中使用指导方针。我们针对这些映

射规则的修改，是为了有序地进行优先：

a 数值优先原则：在一对多映射中，数目多的群组优先。

b 技能等级原则：如果数量相等，最高的技术等级优先。

c 生产式原则：如果数量相等，技术水平也相等，生产职业优先于销售和管

理职业。

过去，一些机构和研究人员就已经使用了一个被删节的ISCO68版本——假

设这一版本削减了编码的成本，并且细小的差别对大多数的结果没有影响，因此，

这些分类只保有第一位或前两位数。我们认为这一做法用在ISCO68是不明智的，

同样用在ISCO88中也是不明智的。我们强烈地要求充分地使用有390种类别的四

位数分类法。如果使用粗糙的分类法，许多分类将会被分错。更多的错误将会产

生，甚至大量的编码成果将被保留这一点也不能被保证。主群组（第一位数）分

类带出了在地位方面不均匀的分类、责任和劳动环境。此外，在两位数层中，分

类的数量不会过多。因此，很少有经济上的分类区别在第一位数层中看的到。许

多与社会学相关的区别确实可以在第二位数层中看到。但许多其它的重要区别将

看不到：例如，1210董事及执行总裁和1220部门经理之间的区别、2230护士和2220

医生之间的区别、2310大学教授和小学教师之间的区别，以及2420律师和2440

社会科学家之间的区别等。总之，依靠两位数的分类似乎是不明智的。第三位数

层（116种类别）分类就稍微精确了一些。但是，这一层的分类仍然无法区别1314

店主和1313【小型企业】总经理、2141建筑师和2411采矿业工程师、2221医生和

2223兽医、2411会计师和2419公共关系人员、2451记者和2452雕刻家和画家。涉

及到这些区别的很少（呈现在这里职业称呼的比ISCO88中的更口语化）。

数据

用于构建新的比较地位量表的数据来源于国际分层与流动文件，并且这些数

据同Ganzeboom等人使用的数据是一样的。ISMF包括许多国家的数据文件摘要

——是在我们不断使分类标准化的过程中构建的，以及流动数据——是从对全世

界实施的研究中得来的。ISMF把学历和职业变量重新编码成一个国际通用的标

准变量，并把这些和人口统计背景变量放在了同一个格式里。本文中使用的文件

的版本，结合了高薪聘用的男性方面的数据——是在16个国家进行的31项调查中

的得到的数据。在这种分析中使用的变量包括受访者的学历、职业、年龄和收入；

汇集的文件数量是73901个。更详细的数据可以在Ganzeboom等人使用的数据中

找到。

派生新的地位量表

在这三个量表的每一个量表中，附录A都记录了每个ISCO88职业名称的分

数，连同对职业名称的描述。这些职业名称阐明了每一个单元组的职业——这些

单元组来自于ISCO88手册中的指数和映射到ISCO88中的国家分类。这些分数给

出了ISCO88的所有群组的分数：主群组、次群组、小群组以及上文描述的的稍

作修改的列表。声望分数和以上每个群组的ISEI分数，通过计算作为这些——分

类中包含的低层次的职业头衔分数——的加权平均数。在这些分类中，加权数目

是与ISMF中的每项分类的人数成正比的。

标准国际职业声望量表(SIOPS)

新的SIOPS分数由三个步骤得来。第一，在ISCO68和ISCO88中呈一一对应

的单元组，把它们1968的分数简单地分配到1988年的分类中。第二，剩下的

ISCO88的分类（由Treiman记录其职业名称的分类）被对应着分到ISC88单元组

中，和Treiman最初把他们对应分到ISCO68单元组的方式一样。然后，把所有的

和ISCO88中每一个单元组对应着的职业名称的分数进行平均，就得到了单元组

的分数（通常采取的是简单的平均，但在计算那些很少有的职业时，会再次计算

加权平均数，用和Treiman为ISCO68计算单元组分数相类似的方法）。第三，对

于那些无法和ISCO88单元组相匹配的职业名称，我们会用相似的（已有分数的）

单元组的分数作为他们的分数。

职业地位的国际社会经济指数

为了创建一个新版本的ISEI指数，我们使用了和Ganzeboom等人使用过的相

同的计算程序（1992；见10—19页及附录C对其的全面描述）。我们假设ISEI能

够进行把个人的学历转化为收入的职业属性的测量。因此，ISEI指数是按照职业

单元组最佳的缩放比例来得到的的，以求把学历（包括职业）对收入的间接影响

最大化，把学历（不把职业算在内）对收入的直接影响最小化（两种都不把年龄

的影响算在内）。关键系数是与学历有关的职业地位的系数以及与收入有关的职

业地位的系数。在ISCO88中，这两个系数分别为0.582和0.465，几乎同ISCO68

中的一样。在许多国家的研究中，学历系数大于收入系数。这可以理解为职业在

学历方面比在收入方面多少要平均些。这一评估系数被作为加权值来使用，好为

每一个ISCO88单元组算出分数。这些作为结果的分数被重新按比列划分到在16

—90范围之间，其中法官得分最高。得分最低的有两个单元组：9211农场帮手和

劳动者、9132办公室、酒店和其它机构的佣工和清洁工。隐含的度量标准实际上

基本无法和从ISCO68获得的标准区别开来：在ISMF中，这两者的方法和标准差

几乎是一样的。这是有很大优势的，因为这样能够把从旧的ISEI量表中获得的结

果与从新的ISEI量表中获得的结果进行直接的比较。

与早期程序的主要不同之处是详细的职业群组被分类的方法。在以前，我们

采用这一规则——当一个职业群组少于20个人员时，这一群组不应该被估算。然

后，当需要被估算时，我们会按照20这一分组的最小值，结合临近的或在其它方

面相似的职业名称，把这一群组分到一个宽泛一些的分类中。然而，ISCO88中

的基本的国家职称分类，以及1968版本和1988版本之间在ISCO逻辑上的变化，

造成在详细的职业群组分类上面产生了一些偏差。一些有偏差的分类能够在

ISCO68中使用，但其它的一些有偏差的分类不能再在ISCO88中使用，因此被丢

弃不用了。例如，分数最高的群组和以前量表中分数最高的群组，其分数依旧是

相同的，但分数最低的群组的分数却不再相同；以前量表中使用的底端定位点

（bottom anchor points）不再作为ISCO88的独立分类，但仍是两个底端参照点

（bottom anchoring points）的组成部分。

我们为得出ISCO88分数所使用的独立单元组的数目（209）比我们为得出

ISCO88分数所使用的独立单元组的数目（271）稍微少一些。不过，这样也带来

了一些新的差别。在这些差别中，最重要的差别在管理分类中。这说明，批发和

零售领域的经理、不具名的经理（Other Managers）以及销售经理比其它的经理

的社会经济地位低，而财务经理的地位相当高。ISCO88中逻辑上的技能水平的

区别反映在了ISEI量表中：专业人员的助手比专业人员的分数平均低16个点，比

办事员的分数平均高5个点。在体力劳动和非体力劳动（办事员和熟练的技术职

业之间）之间，其分数相差了11个点。一些对技术要求高的体力劳动职业的分数

和办事员职业的分数一样高。销售和服务行业人员的分数在两者之间。在体力劳

动的群主中，技术工人的分数只比机械操作人员的分数高3点，比初级简单的体

力劳动职业高11点。对大多数的分类而言，这些结果和以前的量表中的结果是一

致的。

对ISCO68而言，其和ISEI量表最重要的一个区别在于对农民的分类。因为

现在这些都是以不同的方式进行分类的。没有雇员的自我雇用类别的分数是23，

只比非技术的农民类别高7点。有雇员的个体经营类别分数是43，或如果有10个

以上的雇员分数会是67。

进一步完善的EGP分类

表1呈现了我们使用的10种EGP分类结构。我们按照Erikson和Goldthorpe采用

的罗马数字和截短的职业名称对其进行了列表分类。其中记录的分类顺序和

Erikson等人完成的分类顺序（1989）以及Erikson 和Goldthorpe一起完成的分类

顺序（1992）不完全相同。我们更喜欢在量表的最后把所有的农业类别列在一起。

因为这样能为研究两代间的职业流动提供一个更有序的分类。为了提醒我们自己

和其他人：我们已经把相关的农民和农场管理者分类移到了Erikson和Goldthorpe

排序中，由于没有使用代码6。因此，在我们的版本中，我们把EGP分类划分为

了代码1—5和7—11（见附录A）。

我们已经创建了新的重新编码了的EGP，把Erikson等人写的CASMIN文件编

制也考虑在内。但是，我们应该指出的是，由于重新编码的程序在各国是不同的，

使用的定义源信息也不同——不仅详细的资源编码不同，重要的职业地位编码也

不同，所以CASMIN文件编制没能提供一个通用的从单元数据中提取10个EGP分

类的方法。

表1

EGP阶级分类

ISEI平均值

1 I 较高级的服务 68

包括大多数的专业人员、大型企业的雇员、高级管理者（有多于十个下属）

2 II 较低水平的服务 58

包括多数的专业人员助理、低层次的管理者（下属在1-10位之间）、高级销售人员

3 III 日常办事员/销售人员 45

包括日常办事员和销售人员

4 Iva 小老板 48

包括小企业家（下属在1-10之间）

5 Ivb 独立者 42

有自己的记账人员，但没有雇员

7 V 体力劳动的领班 40

监管地位的体力劳动者（至少有一个下属）

8 VI 技术型的体力劳动者 36

大多数的工艺人员、一些技术型的服务人员、技术型的机械操作员

9 VIIa 半技术型的体力劳动者 31

大多数的机械操作员、初等劳动人员、初等销售和服务人员

10 VIIb 农场工人 18

受雇的农场工人、不需要技术的工人、家庭农场工人

11 Ivc 农民/农场管理者 26

个体经营者、农场监管员、不需要技术的农民

注：罗马数字是指Erikson 和Goldthorpe中的

为了把ISCO88分类转化映射到EGP10个分类中，我们尽可能地模仿了

Erikson等人创建的映射关系。但在某些情况下，很难决定应该把一个ISCO88中

的职业名称进行怎样的映射。有两种职业的映射很难进行：服务类职业，因为它

们中的大多数不知道是应该被分到非体力劳动型职业中还是体力劳动型职业中；

和这些职业——不知道应该被分在技术型还是半/无技术型的职业（体力劳动方

面的），或不知道应该被分在专业类还是半（辅助）专业类的职业（非体力劳动

方面的）。除了把CASMIN文件编制考虑在内外，我们还偶尔参考了1970年美国

人口普查中关于职业分类的资料以及职业职称词典，好判定一个职业的标准技能

水平。

我们的重新编码程序与CASMIN程序有一些不同。首先，我们把详细的职业

名称作为基本的信息来源，再把就业状况作为一个修正步骤。而CASMIN程序正

好相反，它把就业状况信息放到了前面——这些信息在各国有很大的不同——然

后再使用详细的职业编码进行第二步修正——把初级的人员编码成就业状况基

础上的分类。其次，对于就业状况，我们使用了一个简单的、跨国的标准格式。

依据监管状况（对管理者来说，其下属的数目；对业主来说，其雇员的数目）的

三分变量——0（无）；1-10（小）；11+（大），这一格式能够把二分变量应用

到自我雇用中（是自我雇用；不是自我雇用）。CASMIN就业状况变量常常包含

更多的分类，有时也包括另外的差别——体力劳动工作与非体力劳动工作之间的

差别，公共部门的工作和私人部门的工作之间的差别。更普遍的是，我们试图在

每一步去规范这些变量——第一，把每一个源文件的每一项职业转化成ISCO分

类；第二，把所有的自我经营和监管状况的信息转化成标准变量。通过对比我们

看到，CASMIN群组试图挖掘出每个源文件中所有的差别。两者在分类上的不同

反映出了一个更普通的不同之处：CASMIN的目的是去最好地展现出12个国家的

12个数据集的相似和不同之处；而我们的目的是开发出一个能够应用在任何含有

必要变量的数据集中的程序。我们的程序和CASMIN程序之间的不同，可能会使

计算出的边缘值（boundary cases）出现不同。例如，在CASMIN中，依据目前使

用的程序——一个来自于不同国家的详细的（四位数的）ISCO分类的程序，一

些职业可能会被编码到体力劳动型或非体力劳动型中的任一方，这取决于每个文

件源被处理的方式。通过对比看到，我们的程序首先把ISCO中的每一个职业（目

前存在的所有职业）对应到EGP分类中（只是改变了高一层的分类，把自我雇用

和监管职责也算在内）。但这些不同在数量上是很少的，对最后的结果影响也不

大。我们在后面的章节中会把它展示出来。我们认为，我们在这提供的方法是更

可取的。因为这一方法概念清晰、简单易懂，在应用新的数据集上面也相对容易。

附录A（第三列）中的EGP映射给出了每一个职业EGP分类的“根源”（root），

没有把就业状况或监管状况算在内。这一映射（对应）构成了附录B中编码模块

的第一步。模块的第二部分，在把个体经营职类和/或监管职类转化成最后分类

的基础上，重新对每项职业进行了分类。

验证

为了验证在ISCO88分类中创建的这三个职业地位测量（occupational status

measures），我们用来自于国际社会正义工程（ISJP）的数据，估算出了一个基

本的职业成就模型。像国际分层和流动性文件（ISMF）一样，ISJP91文件也包

括来自于许多国家（总共14个）的数据。但这一汇总文件在数量上小了些（包含

17,386份文件）。作为一个评估ISCO88量表实用性的媒介，其有两个重要的优势。

第一个是，所有的ISJP的数据集都还没被使用过——未被用来构建过这些量表。

第二个是，所有的ISJP的数据集，依照ISCO68和ISCO88分类中的任意一方或双

方的分类体系被编码（有五个国家同时按照这两种分类方案被编码，八个国家按

照ISCO68被编码，一个国家按照ISCO88被编码）。因此，不存在编码方案无意

中被所期望的结果所影响这一情况——其性质和双盲设计（double-blind design，

這是一种不让受试者知道，也不让实验者知道，在实验处理中，何组为实验组，

何组为控制组的一种技术）的性质一样。这些特点使ISJP成为一个最优数据库，

以测试ISCO88的新量表能否和ISC068的量表以相同的方式运行。鉴于此目的，

我们只是简单地把ISJP看作一个整体，而不考虑其在跨国间——在研究过程或分

层制度方面——的不同。通过使用前面提及的多对一映射，我们创建了ISCO88

分类——其所有的数据能被初步地编码到ISCO68分类中，和ISCO68分类——其

所有的数据同样能被初步地编码到ISCO88分类中。因此，所有的数据都可以被

用到这两种分类中。学历（标准分类中提供的）被转化成了学龄的度量标准。收

入变量除以国内平均值，得出一个数值，这个数值就是收入变量的跨国标准数值。

表2提供了估算学历成就、职业成就和收入成就的等式，每一种职业的职业

变量都是以我们的三个职业地位测量量表为依据的。EGP分类的变量有两个版

本：按照ISEI的平均值连续进行排列的变量，虚拟变量。由该等式（把三个职业

状况分层量表都应用在内的等式）推导出的系数在表格中分列呈现了出来。前四

列显示的是在ISCO68分类中进一步完善的量表的系数，后四列显示的是在

ISCO88分类中进一步完善了的量表的系数。通过对应列表的对比，我们发现，

来源于ISCO68分类和ISCO88分类估算出的系数几乎没有什么区别。这是一个非

常重要的发现，因为这意味着，研究人员依据这些量表中的ISCO68和ISCO88方

面的内容所得出的比较结果是合理的。虽然总的来说，我们认为，以把ISCO68

转化成ISCO88的方法作为转化新搜集的数据的基础，是可取的。但是，我们没

有看到把ISCO68编码转化成ISCO88编码的必要性。当然，通过采用这三个量表

——任何一个ISCO版本分类在这三个量表中都是可以使用的，应该可以得出一

个标准化分数。也令人鼓舞的是，虽然新的分数是从较少的单元组中得来的，但

其说服力至少和旧版的一样大。

在表2中，这三个职业状况分层量表结果的差别也不是很大。这说明，在计

算职业的地位成就过程中，三者都是有效的方法。尽管如此，他们之间的差别还

是相当系统的。这些差别也为重新计算Ganzeboom等人的观察结果提供了理由。

这些差别也是很确定化的，因为其是由量表构建中未使用过的数据推导而来。第

一，这三个量表在说明收入成就的能力方面大致是相等的。第二，在说明学历成

就，以及特别是职业成就方面，ISEI比SIOP和EGP（把自主消耗的额外分度也算

在了内，像校正判定系数那样））都更系统。令人吃惊的是，在两代间职业地位

流动测量方面，ISEI的优势是最明显的，依据ISEI是在不同的原理上创建的——

具体而言，这一原理是，把职业这一角色作为连接学历和收入的中介机制最大化。

表2

依据ISCO68和ISCO88的职业分类制定的

简易职业地位成就模型的标准化回归系数

ISCO68 ISCO88

SIOPS ISEI EGP EGPx SIOPS ISEI EGP EGPx

A. 学历 (N=11,790)

性别 –.057 –.058 –.058 –.058 –.055 –.057 –.058 –.058

年龄 –.162 –.131 –.141 –.139 –.160 –.136 –.141 –.140

父亲的职业 .308 .352 .327 * .302 .345 .325 *

Adj R2 .131 .159 .143 .145 .128 .154 .141 .145

B. 职业 (N=5 11,228)

性别 –.005 .072 .100 .100 –.006 .050 .064 .036

年龄 .094 .089 .090 .101 .092 .092 .089 .105

学龄 .536 .550 .527 .527 .549 .557 .521 .518

父亲的职业 .104 .150 .143 * .113 .152 .143 *

Adj R2 .323 .376 .346 .349 .342 .382 .333 .326

C. 收入 (N=5 7,567)

性别 –.328 –.341 –.346 –.342 –.329 –.339 –.343 –.343

年龄 .067 .068 .064 .066 .066 .066 .064 .065

学龄 .196 .178 .177 .179 .186 .166 .176 .182

职业 .153 .174 .186 * .166 .191 .193 *

Adj R2 .200 .203 207 .211 .203 .208 .210 .213

来源： 1991年的国际正义项目的数据。我们的计算

选择： A：所有数据有效的受访者（年龄在21—64之间）；B：所有现在或以前有工作的受访者；C：

所有收入数据有效的全职受访者。性别：（0）男性 （1）女性；年龄：21—64。

在以前,ISEI量表只是由男性的数据创建而成。这说明，即使是在那些女性

占多数的职业中（如护士、小学教师等），职业地位量表的分数也只是从在职男

性的数据中得来。尽管，这可能说明有关这些职业的分数多少有些不可靠——因

为在我们的数据中在职者的数据很少，但我们并不认为量表的使用应被限制在男

性样本中。事实上，以男性角色为基础构建的量表提供的概念很清晰、明确。如

果不是这样，则会没法办到。从全世界来看，一个由男性和女性的数据共同创建

的量表将会比一个只有男性数据创建的量表，在女性有系统的低收入方面，受到

的影响更强烈（见表2中第三组的第一行）。但是，这一结论是建立在假定职业

的性别分布在各国是不同（以未知的方式）的基础上。从概念上讲，我们所做的

是，把男性在学历、职业、收入之间关系的量表看作是一个指定的量表——在这

一制定量表中，男性和女性的职业地位成就都能够被算出来。通过观察发现，尤

其是表2中的收入等式更能清楚地说明男性和女性在收入方面有很大的差别，即

使这一分析被限制在全职工人范围内，并且还有年龄、学历和职业方面的限制。

为了进一步验证我们构建EGP类型学的程序，表3和表4把CASMIN项目中的

表格进行了对比，我们的程序也来自于相同的数据。我们的比较资源只是来自12

个CASMIN项目中的七个数据集。因为有三个国家（瑞典、法国和苏格兰）的

CASMIN文件目前不提供给我们。另外两国（澳大利亚和美国）CASMIN的作者，

依据这些被重新编码到EGP中的源职业分类的性质，使用的是一个七分类的EGP

版本——该版本中附加的区别是无效的，所以我们也无法利用。鉴于重新编码了

的CASMIN的复杂性，我们无法逐一地对这两个派生出的量表进行比较。但也必

须限制这个结果分布比较分析的使用。在表3中，我们比较了汇总文件中的父亲

和儿子职业类别的边缘分布——计算出这七个组件表格权数的平均值，然后再把

每一项的平均值添加到相对应的单元格中，这样就创建了汇总文件。这一边缘分

布，和我们重新编码推导出的边缘分布、CASMIN作者重新编码给出的边缘分布，

本质上是一样的；指数相异说明少于6％的受访者和少于4％的受访者的父亲将不

得不在分类中转移，以使边缘分布相同。当这七个组件表格（子表格）被逐一地

进行比较时，每一对边缘表格之间也会有一些不同。

在表4中，通过采用Goodman的同等行列关联模型II（equal row and column

(RC) scaled association model II），我们列出了一个双表结构的单自由度/单方面

的比较（one-degree-of-freedom comparison）。这一模型，给出了所有表格中各

分类的分数和所有成对表格中的对角线参数，还使用了RC（row and column）参

数来评定成对表格和父亲与儿子职业地位关联程度的相似性。RC参数的比较为

七国中的每一个国家和进行了同等加权的汇总表提供的。

表3

父亲职业与儿子职业在两个版本的EGP分类中的EGP重新赋值百分数

的分布（一个由包含七个国家的数据集组成的汇总数据）

（受访者）父亲的职业 受访者的职业

CASMIN EGP CASMIN EGP

EGP 编码 重新赋值 我们的EGP重新赋值 重新赋值 我们的EGP重新赋值

1 (I) 4.7 5.2 9.0 10.4

2 (II) 5.3 5.7 11.3 11.0

3 (III) 5.4 4.6 8.3 7.1

4 (IVa) 5.2 4.0 3.6 2.6

5 (IVb) 5.5 4.9 3.6 3.2

7 (V) 4.7 3.5 6.8 3.9

8 (VI) 16.6 17.7 21.4 22.2

9 (VIIa) 17.3 19.1 21.2 24.0

10 (VIIb) 6.8 6.7 4.6 4.7

11 (IVc) 28.6 28.7 10.2 11.0

总数 100.1 100.1 100.0 100.1

∆: Diss指数. 3.9 5.8

表4

两代间的关联参数——针对两个版本的EGP重新赋值的关联参数

(这一汇总数据来自于七国CASMIN数据集和每个数据集的单独的参数)

CASMIN 重新赋值 我们的重新赋值

汇总数据 .597 .578

英国/威尔士 1972 .608 .523

德国 1976–1980 .644 .562

匈牙利 1973 .597 .571

爱尔兰 1973–1974 .638 .641

日本 1975 .410 .384

北爱尔兰 1973–1974 .532 .478

波兰 1972 .525 .555

RC参数可以被看作是用来表示父亲和儿子职业地位的关联程度的。并且，

创建RC参数的度量标是为了使其有一个与积差相关（product moment correlation）

大致相同的范围。要注意的是，列中的行（rows within columns）之间参数的差

异与行中的列之间参数的差异有很大的关系。也就是说，国家间的父亲与儿子职

业的关联程度方面的差异，很大程度上是由于各国使用的编码程序的不同。按照

RC参数大小完成的国家间排序，大体上也没有把，哪个程序被用来派生表格这

一点考虑在内——列（a）参数和列（b）参数间的相关系数是.94。

CASMIN的汇总列表和我们的汇总列表在RC参数上的差别很微小，只有

–.019（3％）。因此，这再次说明了两种编码程序产生的结果是相似的。

结论

在这篇文章中，我们为比较研究人员展示了三个跨国的职业地位标准测量。

这三个测量是按照ISCO88重新编码得来的。虽然选择用三者中的哪一个，应该

以理论上的关注点为基础，但这一点也是很重要的——依据独立数据得出的验证

结果表明，每一个新的分层至少和旧版ISCO68分层完成的一样好。我们鼓励研

究人员采用ISCO88，也鼓励他们把本文提供的职业地位测量应用到他们将来的

研究中。