学术知识的生产过程往往是按有利于同伴效应的方式组织的：研究人员在学术部门中空间上聚集，并在会议和研讨会中互动。在这个过程中，同行可能作为合作者直接发挥作用，但也可以提供间接的好处，例如通过知识共享、讨论和建议提供帮助，或者作为榜样起到激励作用。
本文利用一个将新同事分配到部门的准自然实验，提供了同伴效应存在的因果证据。同伴效应存在性别和年龄方面的异质性。女性从同伴效应中的获益要少于男性，而年轻的研究人员享有更高的溢出效应。此外，部分同伴效应还来源于研究人员转换研究领域。
本文与学术研究同伴效应的文献相关。以往研究通常以同伴之间的关系破裂（死亡或离职）作为观测对象，且主要考虑研究领域的异质性，而本文衡量新同伴到来的影响，并关注同伴效应在研究人员层面的异质性。
2.1. 制度设定
法国公立大学系统中经济学家从助理教授（Maître de conférences）晋升为正教授（Professeur des universités）有着严格规范的过程。晋升是通过全国性的集中竞赛来完成的。该竞赛通常每两年举行一次，包括多个阶段，可能包括研究研讨会、笔试和口试等，整个过程大约持续六个月。评审团在竞赛结束后会根据候选人的表现进行排名。排名靠前的候选人将根据他们的最终排名依次选择他们希望入职的大学，而大学在这个阶段无法拒绝候选人。排名较低的候选人的选择范围则受到限制，只能选择尚未被排名更高的候选人选择的职位。
一旦晋升，个人通常需要在所选择的大学至少服务三年，之后可以选择转到其他大学。这个晋升制度不仅决定了个人的职称和薪酬，还关系到他们在学术界的声誉和未来的职业发展。
此外，这一制度为研究提供了一个独特的自然实验环境，因为它准随机地将新的同行分配到不同的学术部门，这使得研究者能够利用这一制度作为工具来研究同伴效应对学术生产力的影响。
2.2 数据
本文利用了一个包含1990至2007年期间法国公立大学系统内经济学家的详尽数据库，该数据库不仅记录了每位研究人员的基本信息如年龄和职位，还涵盖了他们的所属部门和具体的研究领域。作者收集了样本期间举行的九次全国竞赛的结果，包括候选人的最终排名。
为了衡量研究人员们的学术产出，作者匹配了EconLit数据库中的发表记录（包括JEL代码）以及美国经济学会中的引用信息，并以此评估每位研究人员的生产力。作者将研究人员在t年的产出定义为τ 时段内在f领域（按JEL代码划分）发表的论文数量。考虑到发表周期，基准回归中τ定义为t+1，t+2，t+3，取移动平均值。
Table A1是描述性统计。男性研究人员的发表概率和生产力均高于女性，平均发表量是女性的两倍。相比之下，年长研究人员（45岁以上）的发表数量较年轻研究人员少，尤其在合作论文方面。此外，成功晋升为正教授的候选人比一般研究者多产出近三倍的学术论文，而竞赛中排名较低的候选人的生产力则显著低于排名靠前的候选人。
y
it
是个体i在t时刻，就职于大学u(i,t)时的产出，三年移动平均值，汇总在JEL层面。θ
i
、γ
u(i,t)
和α
t
分别为个体、大学和时间固定效应。N
u(i,t)t
表示t时刻同伴的规模（即部门规模减1）。y
u(i,t)
表示同伴的发表，公式如下：
是个体出现在样本库的第一年和他们首次发布日期减去三年之间的最小值（以评估他们职业生涯的开始）。
是他们最后一次出现在样本库中的日期和最后一次发表日期减去三年之间的最大值（以评估他们职业生涯的结束）。
是整个职业生涯的长度。
虽然控制了多个层面的固定效应，然而，研究人员在离开时可能会产生随时间变化的内生选择，OLS估计（1）可能存在其他偏差。特别是，当在 JEL分类层面进行估计时，成果好的研究人员可能会选择他们感兴趣的领域中目前强大的部门，高估了同伴效应。
为了解决潜在的内生性问题，作者将竞赛中排名最后十位的成功候选人的生产力作为工具变量，衡量部门内同行的平均生产力。具体来说，对于在时间t的部门u(i,t)，平均同行生产力y
u(i,t)
的工具变量为：
其中，A
u(i,t)t
是竞赛中排名最后十位的成功候选人集合，他们在时间t（如果是偶数年）或t-1（如果是奇数年）加入了系u(i, t)。N
a
u(i,t)t
是A
u(i,t)t
的数量。由于所有回归设定都包括了部门固定效应，这个工具变量等同于新加入同行与部门平均质量的比较。
工具变量满足外生性的关键假设是：候选人在选择地点时，没有考虑到该部门在他们主要研究领域的未来发展趋势。首先，作者只使用在竞赛中排名最后十位的候选人来构建工具变量。这些候选人的选择有限，能否进入学校可以视为随机的。其次，Table 1表明，入选单位到研究人员之前任职的距离是决定选择地点的主要因素，而不是所考虑大学的科学质量。
最后，由于大学不会在每次竞赛中都开放职位，可能会激励特定候选人和特定大学就申请和开放的时间达成一致，使得工具变量内生。但这种策略存在风险：候选人既不能控制自己的排名，也不能控制排名在他们前面的其他人的选择，因此可能很难有效地串通。Table 2展示了成功候选人选择参加特定年度竞赛的决定因素，结果表明，除了该年度开放的职位数量外，其他如大学的平均部门规模、学术产出以及与候选人之前所在大学的平均距离等特征，对于候选人选择在特定年份申请竞赛的影响不显著，这支持了候选人选择竞赛时并非基于对未来部门生产力发展趋势的预测。
为了进行领域层面f（按JEL分类）的分析，将（1）改写为：
4.1 学术研究中的同伴效应
Table 3是式（1）的估计结果。第（1）列将产出在所有JEL层面加总，将同伴定义为部门所有同事时，不存在显著的同伴效应。第 （2） 列的因变量是在JEL 代码-年份水平上测量的，但将同伴的生产力变量保持在总体水平，结果与第（1）列类似，不存在显著的同伴效应。第（3）列将同伴定义在相同JEL层面，即将同伴效应的发送者和接收者限定在同一个领域内。结果表明，如果部门的其他成员在 JEL 层面的生产力提高一单位发表，则该部门的成员将在该 JEL 代码中额外发表 0.623篇。第（4）-（6）列还发现性别和年龄对同伴效应的接收有显著影响，其中女性和年长的学者受益较少。
Table 4 通过使用工具变量方法来解决潜在的内生性问题，进一步分析了同伴效应对学术产出的影响。该表的结果显示，当使用竞赛中排名较低的成功候选人的生产力作为工具变量时，同行的平均产出在特定JEL代码领域内对个人的研究产出有显著的正面影响。这证实了即使在考虑了内生性问题后，同伴效应在学术研究中仍然是一个重要因素。此外，IV估计还发现，女性和年长学者从同伴效应中受益较少，这与OLS估计结果一致，表明这些效应是稳健的。
Table 5 通过将学术产出分为三类——独作论文、与同部门同事合作论文、以及与非同事合作的论文——来进一步探讨同伴效应的具体作用机制。普通最小二乘（OLS）和工具变量（IV）的估计结果显示，同行的平均产出对他们合作发表数量有显著正面影响。同时，也提高了独作论文数量，表明同伴效应不仅通过直接的合作关系促进产出，还可能通过知识共享、讨论和建议等间接方式发挥作用。此外，IV估计结果还表明，当控制了内生性问题后，同伴效应对独作论文的影响不显著，这表明间接溢出可能不是通过榜样效应驱动的。
4.2 发送方和接收方之间的适当匹配
本节主要考虑同伴效应的异质性，研究他们如何依赖于发送者和接收者的特征，主要关注年龄和性别。由于工具变量无法匹配到个人特征，本小节主要使用包含固定效应的OLS回归。
Table 6 的第（1）列显示，男性同伴平均比女性同伴提供更高的溢出效应。如果男性同行在 JEL分类中的平均发表增加 1 篇，则研究人员在该 JEL 代码中的产量增加 0.464。但这种平均效果隐藏了匹配的不同影响。列（2）将变量与接收同伴效应的个体性别交互。男性和女性从女性同伴中受益的方式相同，但女性从男性同伴中受益明显少于男性。总体而言，在所有类型的匹配中，同伴效应都是相似的，但男性与男性匹配时产生的溢出效应更高。
Table 3 还强调了年龄在同伴效应中的作用。在附录中，作者区分了年轻和年长的研究人员（高于和低于 45 岁的中位年龄），发现年长研究人员提供比年轻研究人员更高水平的同伴效应。然而，年长研究人员从溢出效应中受益较少。
4.3 同伴效应和领域变化
最后，新同事的进入除了通过直接和间接的方式提高生产力之外，还有可能吸引同行转到新领域的研究。例如，某个领域内高产的研究人员可以吸引其他研究人员研究相同领域。这可能是新的研究，也可能是重新分配工作和时间，离开原来的领域。Table 7探讨了新同事带来了新的发表还是产生了转移/替代效应。结果表明，在某一特定JEL代码领域的同行生产力会减少研究人员在其他领域的产出，表明存在替代效应。但替代效应小于该领域增加的产出，总体而言还是会提高生产效率。此外，同样地，女性和年长研究人员的替代效应较弱，从同伴效应中受益也较少。
