劳动力市场统计性歧视的起因、长期性和反歧视措施研究

石　伟　卿石松

[关键词]统计性歧视；不完全信息；能力差距；反歧视措施

[摘要]统计性歧视模型利用劳动能力信息非完全的思想对劳动力市场长期存在的非生产力特征引起的工资差距现象做出了充分的解释。研究发现：群体能力差距、群体能力测量效度差距和人力资本投资内生化是产生统计性歧视的三个主要原因。而雇主更新能力信息的低效率、歧视效应的代际传递，以及雇主在能力甄别中的策略性行为使得统计性歧视能够长期存在。文章同时也总结了实证研究的主要发现和结论，评述了反歧视措施的有效性。

[中图分类号]F241.2[文献标识码]A[文章编号]0257—2826(2009)05—0066—07

自贝克尔1957年出版《歧视经济学》以后，歧视经济学成为解释劳动力市场长期存在的歧视问题的现代主流理论之一。通常，歧视可以来源于雇主、雇员或(和)消费者的非经济动机，即偏见或歧视偏好。尽管贝克尔解释了歧视的原因及其程度，但在特定环境(种族隔离)下发展起来的偏好歧视理论无法令人信服地解释性别歧视现象，因为男性对女性并没有保持“距离”的偏好。而且，由于歧视偏好不符合经济学的理性原则，偏好歧视模型也就无法解释歧视的长期存在性。

而由Phelps和Arrow建立，经Aigner和Cain以及Lundberg和Startz等人在考虑到劳动能力是不完全信息的这种客观事实之后，进一步发展起来的统计性歧视模型，解释了歧视的产生。这一理论可以概述为：在劳动能力(边际生产力)是不完全信息的前提下，理性雇主会依据群体的统计性特征来做工资和雇佣决策，从而对处于不利群体中的劳动者造成工资或就业歧视。事实上，贝克尔早就意识到真实劳动生产率信息的缺失可能是歧视的来源，但他认为真实信息会很快获得，因而劳动能力信息不足不会产生长期的歧视结果。因此，统计性歧视模型的一个核心问题就是要证明由不完全信息导致的统计性歧视的长期存在性，并解释这个模型的适用性，围绕统计性歧视由此产生大量的研究。

由于劳动力市场歧视不仅降低了劳动配置效率，也违背了社会公平，加上近年来性别、年龄、工作经验、地域等歧视日益为研究者所关注，因此，认识歧视的原因并找到针对性的反歧视措施对促进劳动力市场效率与社会和谐具有重要的意义。有鉴于此，本文对统计性歧视的产生及其长期存在的原因、统计性歧视的经验证据、反歧视的有效措施进行了总结和分析，以期为我国这一领域的相关研究和后续研究提供参照。

一、统计性歧视的起因

在歧视理论中，经济学家们分析了统计性歧视的三种起因。

1群体平均能力差距。

当真实能力信息不完全时，利润最大化的理性雇主会对群体平均能力(来源于历史的统计信息或是社会流行的观点)和观察到的个体能力(真实能力的一个替代变量，如能力测试分数)进行加权得到个体真实能力的估计值，然后再根据这个估计的能力来确定工资水平。群体内部个体能力变异程度(方差)和能力测量误差越小，个体能力的观测值对真实能力的预测程度就越高，观察到的个体能力对工资的影响作用也就越大。基于以上假定和推导，Phelps的模型证明，如果雇主认为黑人群体的平均能力低于白人群体的平均能力，那么统计性歧视在以下三种情况下都会存在：(1)两个群体内部的个体能力方差相同，测量误差也相同，此时，个体能力观测值对工资的影响是一样的。显而易见，由于雇主认为黑人的平均能力低于白人，个体能力观测值一样的黑人，其真实能力的估计值和工资就会低于白人，所有的黑人都受到歧视；(2)虽然测量误差是一样的，但黑人的能力方差较大(即个体之间的差异比白人群体个体之间的差异大)，在这种情形下，与白人相比，个人能力观测值较低的黑人受到歧视；(3)两个群体内部的能力变异程度一样，但黑人个体能力测量误差较大，此时个体能力观测值较高的黑人受到歧视。

与之类似，Arrow证明了：当雇主认为两个群体的合格率存在差距的情况下，也会存在统计性歧视，并且，不利群体(受歧视群体)的劳动力数量越小，统计性歧视就越严重。

Phelps和Arrow的模型为统计性歧视研究提供了一个分析框架，但由于它事前假设了群体能力(平均能力或合格率)存在差距，因此，这个模型并不能完全解释工资水平的差距是由于统计性歧视造成的。因为工资差距完全有可能只是真实能力差距的体现，群体内部存在能力差距既不是统计性歧视的充分条件，也非必要条件，即使群体平均能力一致时，也可能存在统计性歧视。

2群体能力测量效度差距。

Aigner和Cain认为，Phelps的模型只是解决了群体内歧视问题而没有说明群体间的歧视。当两个群体的能力特征一样，即两个群体的平均能力和群体内部个体的能力方差一样时，他们假设：(1)群体能力测量的效度存在差距，即白人(或男性)的能力测量比黑人(或女性)的能力测量准确或个体观察能力与真实能力相关度较大；(2)雇主通常是风险厌恶的，既然白人的个体观察能力与真实能力相关度较大，黑人的较小，因此雇佣黑人的风险大于雇佣白人的风险。在弥补雇主的风险程度(工资扣除风险系数)之后，黑人群体的平均工资低于白人群体的平均工资。这种由于能力测量误差不同而导致能力特征一样的两个群体间的工资差距就是统计性歧视的结果。

可以说，Aigner和Cain发展了统计性歧视概念，对平均能力相同的群体具有不同的平均工资的现象做出了解释，但是，如果把在能力测试中充分发挥自己的能力也看作是一种能力的话。那么不同的平均工资水平也就不再是歧视，而是师出有名。另外，雇主厌恶风险的假设也不是令人信服的。

3内生人力资本投资。

以上统计性歧视模型都仅仅是从需求方即雇主的角度去研究的，并未从劳动力市场的供给方即劳动者的角度去分析。重要的一点，对于劳动者本人而言，以上模型都没有区分先天能力和后天能力，并且没能考虑到后天能力的变化，即能力特征是后天(外生)给定的。因此，Lundberg和Startz把人力资本投资决策加入模型，即劳动者后天的能力水平是根据雇主的工资机制内生决定的。这一模型解释了，即使在雇主风险中性的假设下，即使是先天能力一样的群体，也会出现工资水平的差距。在这种情况下，工资水平和人力资本投资量有着很强的关联，由于白人的能力测量比较准确，所以白人的人力资本投资的收益率要大于黑人的收益率，白人的人力资本投资所获取的激励较大，从而最终使得白人的工资水平高于黑人。

这一模型的贡献为统计性歧视提供了新的解释，即群体后天的能力差距是由于雇主对不同群体进行区别对待(歧视)造成的，并最终会使得具有相同能力的群体获得不同的工资水平，歧视成了歧视的原因。

二、统计性歧视的长期性

虽然统计性歧视是在不完全信息条件下雇主的理性决策，但统计性歧视仍然是无效率的，那么雇主会不会根据工作中的绩效水平而更新雇员的能力信息或是努力提高能力甄别技术而消除歧视、改进效率呢?统计性歧视会长期存在吗?

1雇主“学习”的无效率。

在动态模型中，尽管雇主可以通过观察到的个人绩效更新个体的能力信息，但是由于能力被雇主错误信息低估的群体会减少人力资本投资，而绩效水平也随之降低，导致雇主的“学习”行为是低效甚至无效的，因而雇主错误的信息很难得到及时更正，统计性歧视仍会持续很长时间甚至是永久性的。外，由于工作绩效与工作相关，能力不易衡量，而在先期受到统计性歧视的不利群体，后期的工作流动要承担更大的风险，因而与工作之间的匹配效率较低，能力也无法发挥出来，雇主也就无法有效地更新劳动者的能力信息，因而统计性歧视的后果长期存在。又由于劳动者的绩效水平往往是与工作的技能水平高度正相关的，如果劳动者最初被配置到低技能的工作上，即使雇主具有“学习”行为，不利群体在后面的工作晋升和工资增长等方面仍然会受到不利影响，统计性歧视会长期存在。总之，雇主的“学习行为”无法消除统计性歧视。

2歧视效应的代际传递。

歧视会造成人力资本投资回报率的差别，而回报率的差别不仅会对劳动者自身的人力资本投资提供不恰当的激励，而且会影响到下一代的人力资本投资水平。因为承受低人力资本投资回报率的父母会降低未来人力资本投资回报的预期，从而降低对后代进行人力资本投资的意愿，并且由于他们本身的工资收入较低，对子女进行人力资本投资的能力也有限，这样很小的投资回报差距会造成投资规模的巨大差异，使得不利群体世世代代陷入一个低人力资本投资的恶性循环中，雇主的错误信息就会世代存在，统计性歧视在代际之间也是一个稳定的均衡，即统计性歧视会世代持续。

3雇主能力甄别中的策略性行为。

此外，雇主在“学习”或是信号甄别中有可能采取策略性行为(strategic interaction)，如尽量让劳动者承担信号传递的任务，这会使劳动者提高努力程度，从而增加产出，雇主得利。因此，即使雇主获得能力信息是不需要成本的，雇主也不会有提高能力甄别技术的动力。由于不利群体要承担发射信号的成本，而获得的人力资本投资的激励也不足，这种策略性行为就使得统计性歧视能够长期存在，而且不利群体中高技能人数比例越低，统计性歧视越严重，而具有高流动性和能够提供公共信号(如科研成果)的劳动力市场统计性歧视较小。

基于对这些问题的解答，学者们从雇主“学习”的低效率、歧视效应的代际传递，以及雇主策略性行为角度证明了统计性歧视均衡的动态稳定性，即统计性歧视会长期存在。

三、统计性歧视的实证研究

劳动力市场统计性歧视很难实际检验，原因有二：一是什么特征与劳动生产率相关很难判断；二是即使能够找到歧视的比重，也很难进一步细分歧视是由什么因素造成的。尽管如此，随着大样本数据库的建立和近年来(行为)实验方法的发展以及在劳动经济学领域的应用，统计性歧视实证研究获得了不少的进步和成果。

1基于计量方法的证据。

统计性歧视存在的计量方法原理在于：检验不可直接观察的生产力特征变量是否随着雇佣时间的变化对不同的群体有不同的影响。因为统计性歧视模型假定：不利群体的能力特征更难观察，但雇主可以通过雇佣中的产出绩效不断学习和更新群体的能力信息。随着信息的增多，不利群体的工资分配机制如果有调整，则会证明最初存在统计性歧视。Neumark分析了1992—1994年城市收入差距数据库(MCSUI)的调查数据时发现：性别工资的差距主要是由于妇女能力特征无法准确衡量引起的，统计性歧视模型比偏好歧视模型更能解释少数民族起始工资的差距。Altonii和Pierret首次把雇主学习加入计量模型中，利用美国国家青年纵向调查(NLSY)数据发现，随着工作经验的增长，最初可以观察的特征对不利群体工资的影响越来越小，而难以观察的特征对工资的影响越来越大，这就间接地证明最初存在统计性歧视，并且基于教育程度的统计性歧视比较严重。与之相似，Pinkston分别对男性与女性之间的工资差距和黑人与白人的工资差距进行了检验，发现最初的绩效水平或是能力测试分数对女性或黑人的工资影响较小，而对男性或是白人的影响较大，随着女性的任职期限的增长或是黑人总的工作经验的增长，难以观察的能力特征对女性或黑人工资的影响越来越大，从而发现了在雇佣的初始阶段或新进入劳动力市场时都存在统计性歧视(筛选歧视)。而Lang和Manove则利用军队职业资格测试成绩(AFQT)和教育程度来衡量美国黑人和白人之间的工资差距，发现在控制了测试成绩和教育程度这两个变量之后，两个群体之间仍然存在差距，并且，研究发现这种差距不能用两者的教育质量来解释。这就间接地证明了劳动力市场的统计性歧视，黑人的教育投资仅仅是为了提供信号。Galindo—Rueda把雇主学习分为对称学习和非对称学习过程，在英国也发现了劳动力市场存在基于教育程度的统计性歧视的证据。

尽管也有学者发现军队职业资格测试成绩(AFQT)对工资的影响在两个群体之间不存在显著差异，即认为劳动力市场不存在统计性歧视。但是，研究发现这样的结果完全有可能是研究者利用的能力测量方法与雇主的方法不一致造成的，研究者与雇主在员工能力方面就会存在信息偏差，这个偏差会误导结论。Moro(2003)发展了一个结构化的估计方程直接估计了统计性歧视对种族工资差距的影响，结果发现，统计性歧视使得黑人的平均工资降低了20％。

2基于实验方法的证据。

考虑到定量方法检验统计性歧视的困难，一些学者已经开始利用受控制的实验方法来检验统计性歧视。Davis得到了由于种群的相对规模等因素，会造成雇主对某一群体具有错误认识的证据，而这种错误认识会产生统计性歧视。An—derson和Haupert设计了一个行为经济学实验，在两个群体的平均能力已知的情况下，需要承担雇主角色的参与者在两个群体当中雇佣合适数目的高生产力的员工，当存在面试成本(interview cost)时，参与者会增加平均生产力较高的群体员工的雇佣，减少平均生产力较低的群体员工的雇佣，从而找出了统计性歧视证据。Dickinson和Oaxaca设计了一个双边拍卖市场(two—sided auction market)来模拟竞争性劳动力市场，检验了当群体平均能力一样而内部差异(能力差异大则雇主的风险较大)不同时的统计性歧视，结果不

管用什么标准来衡量风险程度，都发现了统计性歧视的证据，说明统计性歧视可能比理论上更加普遍和广泛。

这些实验的一个共同的缺陷就是外生地假定两个群体之间存在生产力特征的差距，因而也就无法发现在两个群体最初的能力特征一样的情况下，也会存在统计性歧视的证据。Fryer等开展的实验弥补了这个缺陷，因为他们的实验是在人力资本投资水平内生情景下进行的。首先，随机分配给每位扮演员工角色的参与者一个人力资本投资成本，员工根据这个成本来决定是否进行人力资本投资，扮演雇主角色的参与者根据能力测试分数和群体特征来决定是否雇佣某个员工(雇主无法知道员工是否进行了人力资本投资，但投资有利于能力测试分数的提高)，试验者给予雇主激励去找到进行了人力资本投资的员工。在这种情况下，由于最初的投资成本不一样，导致一个群体平均的投资水平高于另外一个群体，相应地雇主也会认为两个群体的平均能力存在差距。在试验的后一阶段，则设定两个群体的人力资本投资成本是一样的，即使这样，最初投资较多的群体仍然投资较多，而最初人力资本投资较少的群体投资仍然较少。由此他们给定的结论是，即使两个群体能力禀赋是一样的，雇主开始也没有错误信息的情况下，由于人力资本投资成本的不同，结果两个群体的平均能力会出现差距，统计性歧视就会出现，并且统计性歧视能够自我维持。

综上可见，不管是在群体特征(群体之间的能力的差距和群体内部的能力差异)外生给定还是内生决定的情况下，统计性歧视都会存在。

四、反歧视措施

正是因为统计性歧视是一个动态的稳定均衡，更由于歧视效应的代际传递，统计性歧视会世世代代延续下去。为了完善劳动力市场，改善不利群体的地位，各国政府都制定各种各样的法律和措施，这些大致可以分为以下两类。

1基于过程的禁止措施。

所谓基于过程的禁止措施，就是在雇主的雇佣、工资和晋升决策中禁止对不同群体进行区别对待。Lundberg和Startz认为，通过立法的形式强制雇主对不同的群体采用一样的工资决策机制(同工同酬)，可以消除统计性歧视和提高劳动力市场效率。但是正如作者指出的那样，他们并没有衡量实施这样的干预政策所需要的成本及其执行困难程度。事实上，正因为能力特征的不可观察，雇主是不是执行一样的工资决策机制是难以证实的，而且雇主的人事决策行为也是无法观察的。因此，这个政策是很难执行的。另外，雇主有可能会采用其他的信息来做人事决策，虽然这个信息不是基于某一群体的，但结果仍然有可能会对某一个群体产生不利影响，因此，基于过程的立法禁止歧视的措施既难以执行又是无效的。更关键的是，立法不能消除对某个群体能力特征的错误认识，因此，基于过程的反歧视立法措施也就无法消除统计性歧视。

2基于结果的积极性措施(Amrmative Ac—tion)。

所谓积极性措施，就是基于历史上不平等的结果，采用补救性的措施，如按照求职者的比例，分配岗位数量和提高受歧视群体在高层职位的代表性等，以便使不同的群体在工资、就业和晋升中具有同等的地位，从而消除或减少统计性歧视的产生。如在工作类型和技能类型是连续的情形下，Altonji和Blank发现政府的积极措施会提高不利群体的人力资本投资激励，这有利于防止统计性歧视的再次发生。

积极措施受到的最大批评是，为了实现结果的平等，它有可能造成事实上的配额(quota)或使不利群体得到优惠对待(降低任职资格)。这不仅使得另一个群体受到不公平对待，而且降低不利群体的人力资本投资激励水平，从而使群体的能力差距加大，根本不利于消除统计性歧视。但是，实证研究并不支持这个结论，反而发现同样的工作上没有发生配额或优惠对待的现象，即少数民族和白人女性的任职资格和工作绩效并不比白人男性低。积极性措施最主要的效果就是可以重新分配给女性和少数民族一些就业机会和收入。

积极性措施与其他相关措施一起使用可能是消除统计性歧视的有效途径，如对不利群体进行教育投资补贴和进行工作培训，以及促进不利群体子女的公平教育和提高他们的教育质量等，这有利于提高不利群体的能力水平和消除雇主(社会)对不利群体能力信息的错误认识。另外，提高雇主对不利群体进行更好的能力甄别动机也是消除统计性歧视的有效措施。