勞動力市場統計性歧視的起因、長期性和反歧視措施研究

石　偉　卿石松

[關鍵詞]統計性歧視；不完全信息；能力差距；反歧視措施

[摘要]統計性歧視模型利用勞動能力信息非完全的思想對勞動力市場長期存在的非生產力特征引起的工資差距現象做出了充分的解釋。研究發現：群體能力差距、群體能力測量效度差距和人力資本投資內生化是產生統計性歧視的三個主要原因。而雇主更新能力信息的低效率、歧視效應的代際傳遞，以及雇主在能力甄別中的策略性行為使得統計性歧視能夠長期存在。文章同時也總結了實證研究的主要發現和結論，評述了反歧視措施的有效性。

[中圖分類號]F241.2[文獻標識碼]A[文章編號]0257—2826(2009)05—0066—07

自貝克爾1957年出版《歧視經濟學》以后，歧視經濟學成為解釋勞動力市場長期存在的歧視問題的現代主流理論之一。通常，歧視可以來源于雇主、雇員或(和)消費者的非經濟動機，即偏見或歧視偏好。盡管貝克爾解釋了歧視的原因及其程度，但在特定環境(種族隔離)下發展起來的偏好歧視理論無法令人信服地解釋性別歧視現象，因為男性對女性并沒有保持“距離”的偏好。而且，由于歧視偏好不符合經濟學的理性原則，偏好歧視模型也就無法解釋歧視的長期存在性。

而由Phelps和Arrow建立，經Aigner和Cain以及Lundberg和Startz等人在考慮到勞動能力是不完全信息的這種客觀事實之后，進一步發展起來的統計性歧視模型，解釋了歧視的產生。這一理論可以概述為：在勞動能力(邊際生產力)是不完全信息的前提下，理性雇主會依據群體的統計性特征來做工資和雇傭決策，從而對處于不利群體中的勞動者造成工資或就業歧視。事實上，貝克爾早就意識到真實勞動生產率信息的缺失可能是歧視的來源，但他認為真實信息會很快獲得，因而勞動能力信息不足不會產生長期的歧視結果。因此，統計性歧視模型的一個核心問題就是要證明由不完全信息導致的統計性歧視的長期存在性，并解釋這個模型的適用性，圍繞統計性歧視由此產生大量的研究。

由于勞動力市場歧視不僅降低了勞動配置效率，也違背了社會公平，加上近年來性別、年齡、工作經驗、地域等歧視日益為研究者所關注，因此，認識歧視的原因并找到針對性的反歧視措施對促進勞動力市場效率與社會和諧具有重要的意義。有鑒于此，本文對統計性歧視的產生及其長期存在的原因、統計性歧視的經驗證據、反歧視的有效措施進行了總結和分析，以期為我國這一領域的相關研究和后續研究提供參照。

一、統計性歧視的起因

在歧視理論中，經濟學家們分析了統計性歧視的三種起因。

1群體平均能力差距。

當真實能力信息不完全時，利潤最大化的理性雇主會對群體平均能力(來源于歷史的統計信息或是社會流行的觀點)和觀察到的個體能力(真實能力的一個替代變量，如能力測試分數)進行加權得到個體真實能力的估計值，然后再根據這個估計的能力來確定工資水平。群體內部個體能力變異程度(方差)和能力測量誤差越小，個體能力的觀測值對真實能力的預測程度就越高，觀察到的個體能力對工資的影響作用也就越大?；谝陨霞俣ê屯茖?，Phelps的模型證明，如果雇主認為黑人群體的平均能力低于白人群體的平均能力，那么統計性歧視在以下三種情況下都會存在：(1)兩個群體內部的個體能力方差相同，測量誤差也相同，此時，個體能力觀測值對工資的影響是一樣的。顯而易見，由于雇主認為黑人的平均能力低于白人，個體能力觀測值一樣的黑人，其真實能力的估計值和工資就會低于白人，所有的黑人都受到歧視；(2)雖然測量誤差是一樣的，但黑人的能力方差較大(即個體之間的差異比白人群體個體之間的差異大)，在這種情形下，與白人相比，個人能力觀測值較低的黑人受到歧視；(3)兩個群體內部的能力變異程度一樣，但黑人個體能力測量誤差較大，此時個體能力觀測值較高的黑人受到歧視。

與之類似，Arrow證明了：當雇主認為兩個群體的合格率存在差距的情況下，也會存在統計性歧視，并且，不利群體(受歧視群體)的勞動力數量越小，統計性歧視就越嚴重。

Phelps和Arrow的模型為統計性歧視研究提供了一個分析框架，但由于它事前假設了群體能力(平均能力或合格率)存在差距，因此，這個模型并不能完全解釋工資水平的差距是由于統計性歧視造成的。因為工資差距完全有可能只是真實能力差距的體現，群體內部存在能力差距既不是統計性歧視的充分條件，也非必要條件，即使群體平均能力一致時，也可能存在統計性歧視。

2群體能力測量效度差距。

Aigner和Cain認為，Phelps的模型只是解決了群體內歧視問題而沒有說明群體間的歧視。當兩個群體的能力特征一樣，即兩個群體的平均能力和群體內部個體的能力方差一樣時，他們假設：(1)群體能力測量的效度存在差距，即白人(或男性)的能力測量比黑人(或女性)的能力測量準確或個體觀察能力與真實能力相關度較大；(2)雇主通常是風險厭惡的，既然白人的個體觀察能力與真實能力相關度較大，黑人的較小，因此雇傭黑人的風險大于雇傭白人的風險。在彌補雇主的風險程度(工資扣除風險系數)之后，黑人群體的平均工資低于白人群體的平均工資。這種由于能力測量誤差不同而導致能力特征一樣的兩個群體間的工資差距就是統計性歧視的結果。

可以說，Aigner和Cain發展了統計性歧視概念，對平均能力相同的群體具有不同的平均工資的現象做出了解釋，但是，如果把在能力測試中充分發揮自己的能力也看作是一種能力的話。那么不同的平均工資水平也就不再是歧視，而是師出有名。另外，雇主厭惡風險的假設也不是令人信服的。

3內生人力資本投資。

以上統計性歧視模型都僅僅是從需求方即雇主的角度去研究的，并未從勞動力市場的供給方即勞動者的角度去分析。重要的一點，對于勞動者本人而言，以上模型都沒有區分先天能力和后天能力，并且沒能考慮到后天能力的變化，即能力特征是后天(外生)給定的。因此，Lundberg和Startz把人力資本投資決策加入模型，即勞動者后天的能力水平是根據雇主的工資機制內生決定的。這一模型解釋了，即使在雇主風險中性的假設下，即使是先天能力一樣的群體，也會出現工資水平的差距。在這種情況下，工資水平和人力資本投資量有著很強的關聯，由于白人的能力測量比較準確，所以白人的人力資本投資的收益率要大于黑人的收益率，白人的人力資本投資所獲取的激勵較大，從而最終使得白人的工資水平高于黑人。

這一模型的貢獻為統計性歧視提供了新的解釋，即群體后天的能力差距是由于雇主對不同群體進行區別對待(歧視)造成的，并最終會使得具有相同能力的群體獲得不同的工資水平，歧視成了歧視的原因。

二、統計性歧視的長期性

雖然統計性歧視是在不完全信息條件下雇主的理性決策，但統計性歧視仍然是無效率的，那么雇主會不會根據工作中的績效水平而更新雇員的能力信息或是努力提高能力甄別技術而消除歧視、改進效率呢?統計性歧視會長期存在嗎?

1雇主“學習”的無效率。

在動態模型中，盡管雇主可以通過觀察到的個人績效更新個體的能力信息，但是由于能力被雇主錯誤信息低估的群體會減少人力資本投資，而績效水平也隨之降低，導致雇主的“學習”行為是低效甚至無效的，因而雇主錯誤的信息很難得到及時更正，統計性歧視仍會持續很長時間甚至是永久性的。外，由于工作績效與工作相關，能力不易衡量，而在先期受到統計性歧視的不利群體，后期的工作流動要承擔更大的風險，因而與工作之間的匹配效率較低，能力也無法發揮出來，雇主也就無法有效地更新勞動者的能力信息，因而統計性歧視的后果長期存在。又由于勞動者的績效水平往往是與工作的技能水平高度正相關的，如果勞動者最初被配置到低技能的工作上，即使雇主具有“學習”行為，不利群體在后面的工作晉升和工資增長等方面仍然會受到不利影響，統計性歧視會長期存在。總之，雇主的“學習行為”無法消除統計性歧視。

2歧視效應的代際傳遞。

歧視會造成人力資本投資回報率的差別，而回報率的差別不僅會對勞動者自身的人力資本投資提供不恰當的激勵，而且會影響到下一代的人力資本投資水平。因為承受低人力資本投資回報率的父母會降低未來人力資本投資回報的預期，從而降低對后代進行人力資本投資的意愿，并且由于他們本身的工資收入較低，對子女進行人力資本投資的能力也有限，這樣很小的投資回報差距會造成投資規模的巨大差異，使得不利群體世世代代陷入一個低人力資本投資的惡性循環中，雇主的錯誤信息就會世代存在，統計性歧視在代際之間也是一個穩定的均衡，即統計性歧視會世代持續。

3雇主能力甄別中的策略性行為。

此外，雇主在“學習”或是信號甄別中有可能采取策略性行為(strategic interaction)，如盡量讓勞動者承擔信號傳遞的任務，這會使勞動者提高努力程度，從而增加產出，雇主得利。因此，即使雇主獲得能力信息是不需要成本的，雇主也不會有提高能力甄別技術的動力。由于不利群體要承擔發射信號的成本，而獲得的人力資本投資的激勵也不足，這種策略性行為就使得統計性歧視能夠長期存在，而且不利群體中高技能人數比例越低，統計性歧視越嚴重，而具有高流動性和能夠提供公共信號(如科研成果)的勞動力市場統計性歧視較小。

基于對這些問題的解答，學者們從雇主“學習”的低效率、歧視效應的代際傳遞，以及雇主策略性行為角度證明了統計性歧視均衡的動態穩定性，即統計性歧視會長期存在。

三、統計性歧視的實證研究

勞動力市場統計性歧視很難實際檢驗，原因有二：一是什么特征與勞動生產率相關很難判斷；二是即使能夠找到歧視的比重，也很難進一步細分歧視是由什么因素造成的。盡管如此，隨著大樣本數據庫的建立和近年來(行為)實驗方法的發展以及在勞動經濟學領域的應用，統計性歧視實證研究獲得了不少的進步和成果。

1基于計量方法的證據。

統計性歧視存在的計量方法原理在于：檢驗不可直接觀察的生產力特征變量是否隨著雇傭時間的變化對不同的群體有不同的影響。因為統計性歧視模型假定：不利群體的能力特征更難觀察，但雇主可以通過雇傭中的產出績效不斷學習和更新群體的能力信息。隨著信息的增多，不利群體的工資分配機制如果有調整，則會證明最初存在統計性歧視。Neumark分析了1992—1994年城市收入差距數據庫(MCSUI)的調查數據時發現：性別工資的差距主要是由于婦女能力特征無法準確衡量引起的，統計性歧視模型比偏好歧視模型更能解釋少數民族起始工資的差距。Altonii和Pierret首次把雇主學習加入計量模型中，利用美國國家青年縱向調查(NLSY)數據發現，隨著工作經驗的增長，最初可以觀察的特征對不利群體工資的影響越來越小，而難以觀察的特征對工資的影響越來越大，這就間接地證明最初存在統計性歧視，并且基于教育程度的統計性歧視比較嚴重。與之相似，Pinkston分別對男性與女性之間的工資差距和黑人與白人的工資差距進行了檢驗，發現最初的績效水平或是能力測試分數對女性或黑人的工資影響較小，而對男性或是白人的影響較大，隨著女性的任職期限的增長或是黑人總的工作經驗的增長，難以觀察的能力特征對女性或黑人工資的影響越來越大，從而發現了在雇傭的初始階段或新進入勞動力市場時都存在統計性歧視(篩選歧視)。而Lang和Manove則利用軍隊職業資格測試成績(AFQT)和教育程度來衡量美國黑人和白人之間的工資差距，發現在控制了測試成績和教育程度這兩個變量之后，兩個群體之間仍然存在差距，并且，研究發現這種差距不能用兩者的教育質量來解釋。這就間接地證明了勞動力市場的統計性歧視，黑人的教育投資僅僅是為了提供信號。Galindo—Rueda把雇主學習分為對稱學習和非對稱學習過程，在英國也發現了勞動力市場存在基于教育程度的統計性歧視的證據。

盡管也有學者發現軍隊職業資格測試成績(AFQT)對工資的影響在兩個群體之間不存在顯著差異，即認為勞動力市場不存在統計性歧視。但是，研究發現這樣的結果完全有可能是研究者利用的能力測量方法與雇主的方法不一致造成的，研究者與雇主在員工能力方面就會存在信息偏差，這個偏差會誤導結論。Moro(2003)發展了一個結構化的估計方程直接估計了統計性歧視對種族工資差距的影響，結果發現，統計性歧視使得黑人的平均工資降低了20％。

2基于實驗方法的證據。

考慮到定量方法檢驗統計性歧視的困難，一些學者已經開始利用受控制的實驗方法來檢驗統計性歧視。Davis得到了由于種群的相對規模等因素，會造成雇主對某一群體具有錯誤認識的證據，而這種錯誤認識會產生統計性歧視。An—derson和Haupert設計了一個行為經濟學實驗，在兩個群體的平均能力已知的情況下，需要承擔雇主角色的參與者在兩個群體當中雇傭合適數目的高生產力的員工，當存在面試成本(interview cost)時，參與者會增加平均生產力較高的群體員工的雇傭，減少平均生產力較低的群體員工的雇傭，從而找出了統計性歧視證據。Dickinson和Oaxaca設計了一個雙邊拍賣市場(two—sided auction market)來模擬競爭性勞動力市場，檢驗了當群體平均能力一樣而內部差異(能力差異大則雇主的風險較大)不同時的統計性歧視，結果不

管用什么標準來衡量風險程度，都發現了統計性歧視的證據，說明統計性歧視可能比理論上更加普遍和廣泛。

這些實驗的一個共同的缺陷就是外生地假定兩個群體之間存在生產力特征的差距，因而也就無法發現在兩個群體最初的能力特征一樣的情況下，也會存在統計性歧視的證據。Fryer等開展的實驗彌補了這個缺陷，因為他們的實驗是在人力資本投資水平內生情景下進行的。首先，隨機分配給每位扮演員工角色的參與者一個人力資本投資成本，員工根據這個成本來決定是否進行人力資本投資，扮演雇主角色的參與者根據能力測試分數和群體特征來決定是否雇傭某個員工(雇主無法知道員工是否進行了人力資本投資，但投資有利于能力測試分數的提高)，試驗者給予雇主激勵去找到進行了人力資本投資的員工。在這種情況下，由于最初的投資成本不一樣，導致一個群體平均的投資水平高于另外一個群體，相應地雇主也會認為兩個群體的平均能力存在差距。在試驗的后一階段，則設定兩個群體的人力資本投資成本是一樣的，即使這樣，最初投資較多的群體仍然投資較多，而最初人力資本投資較少的群體投資仍然較少。由此他們給定的結論是，即使兩個群體能力稟賦是一樣的，雇主開始也沒有錯誤信息的情況下，由于人力資本投資成本的不同，結果兩個群體的平均能力會出現差距，統計性歧視就會出現，并且統計性歧視能夠自我維持。

綜上可見，不管是在群體特征(群體之間的能力的差距和群體內部的能力差異)外生給定還是內生決定的情況下，統計性歧視都會存在。

四、反歧視措施

正是因為統計性歧視是一個動態的穩定均衡，更由于歧視效應的代際傳遞，統計性歧視會世世代代延續下去。為了完善勞動力市場，改善不利群體的地位，各國政府都制定各種各樣的法律和措施，這些大致可以分為以下兩類。

1基于過程的禁止措施。

所謂基于過程的禁止措施，就是在雇主的雇傭、工資和晉升決策中禁止對不同群體進行區別對待。Lundberg和Startz認為，通過立法的形式強制雇主對不同的群體采用一樣的工資決策機制(同工同酬)，可以消除統計性歧視和提高勞動力市場效率。但是正如作者指出的那樣，他們并沒有衡量實施這樣的干預政策所需要的成本及其執行困難程度。事實上，正因為能力特征的不可觀察，雇主是不是執行一樣的工資決策機制是難以證實的，而且雇主的人事決策行為也是無法觀察的。因此，這個政策是很難執行的。另外，雇主有可能會采用其他的信息來做人事決策，雖然這個信息不是基于某一群體的，但結果仍然有可能會對某一個群體產生不利影響，因此，基于過程的立法禁止歧視的措施既難以執行又是無效的。更關鍵的是，立法不能消除對某個群體能力特征的錯誤認識，因此，基于過程的反歧視立法措施也就無法消除統計性歧視。

2基于結果的積極性措施(Amrmative Ac—tion)。

所謂積極性措施，就是基于歷史上不平等的結果，采用補救性的措施，如按照求職者的比例，分配崗位數量和提高受歧視群體在高層職位的代表性等，以便使不同的群體在工資、就業和晉升中具有同等的地位，從而消除或減少統計性歧視的產生。如在工作類型和技能類型是連續的情形下，Altonji和Blank發現政府的積極措施會提高不利群體的人力資本投資激勵，這有利于防止統計性歧視的再次發生。

積極措施受到的最大批評是，為了實現結果的平等，它有可能造成事實上的配額(quota)或使不利群體得到優惠對待(降低任職資格)。這不僅使得另一個群體受到不公平對待，而且降低不利群體的人力資本投資激勵水平，從而使群體的能力差距加大，根本不利于消除統計性歧視。但是，實證研究并不支持這個結論，反而發現同樣的工作上沒有發生配額或優惠對待的現象，即少數民族和白人女性的任職資格和工作績效并不比白人男性低。積極性措施最主要的效果就是可以重新分配給女性和少數民族一些就業機會和收入。

積極性措施與其他相關措施一起使用可能是消除統計性歧視的有效途徑，如對不利群體進行教育投資補貼和進行工作培訓，以及促進不利群體子女的公平教育和提高他們的教育質量等，這有利于提高不利群體的能力水平和消除雇主(社會)對不利群體能力信息的錯誤認識。另外，提高雇主對不利群體進行更好的能力甄別動機也是消除統計性歧視的有效措施。