为什么会有「歧视」经济学上是这么解释的

从经济学角度给个回答。几十年来，经济学家对歧视的解释，都可以大致划分到两个层面：第一层是非“坏”即“蠢”，在大的层面上区分“基于偏好的歧视”和“统计性歧视”；第二层则是“理性的人都相似。不理性的人，各有各的蠢法”，探讨歧视的具体形成机制。接下来，我主要以职场为背景，举一些例子来阐述已有的理论。实证文章，自己的专栏“辍耕录”已介绍过许多了，欢迎关注。

第一层 非“坏”即“蠢”

至少 50 年前，经济学家已经在研究歧视了。两位诺奖得主，各自划出一种观点，奠定后来研究的基础。其中一位是贝克尔，他提出了“基于偏好的歧视（taste-based discrimination）”这个概念。什么意思呢？假如一个白人如此歧视黑人，这就意味着，他宁愿损失一笔钱，也不要看到黑人。反映到招聘中，就是明明是黑人应聘者更有能力，能带来利润，他也选择不要。

另一位诺奖得主就是鼎鼎大名的阿罗，提出了“统计性歧视（statistical discrimination）”这个概念。这又是什么意思呢？还是拿招聘中的种族偏好来解释：同样是白人老板，黑人应聘者。现在，这个老板不讨厌黑人，但是他很担心员工有犯罪经历。假如黑人的犯罪率确实比较高，而这个老板又看不到应聘者深入的个人信息，老板就会基于肤色去判断，倾向于不录取黑人员工。

这两种歧视很不一样。再简单一点概括的话，基于偏好的歧视，歧视就是目的；统计性歧视，歧视只是手段。为了帮助知友分辨这两个概念，我再举一个例子：同样是不招女性。如果企业主不招女性的原因，单纯是因为厌女，根本就不想看见女人，这就是基于偏好的歧视；如果企业主并不在乎性别，只是担忧女性招进来以后怀孕生产，影响企业的利润，这就是统计性歧视。

到这里，标题为什么叫非“坏”即“蠢”，理由已经出来了。如果我们大家认同，歧视常常是不好的、是需要纠正的。那么，在这个意义上说，基于偏好的歧视是“坏”的。那么，为什么说统计性歧视是“蠢”呢？从这个定义可以看到，如果企业能掌握应聘者的一切信息，统计性歧视根本不会发生。之所以会有这个现象，正是因为企业只能根据很少的信息，作粗略的判断，难免‘错杀”。

正因为两类歧视不一样，我们对待两类歧视的态度也不一样。对第一类歧视，尤其是基于偏好的性别歧视、种族歧视等，大多数人都是深恶痛绝；对第二类歧视，很多人会觉得更加“情有可原”。从定义上来看，既然第一类歧视根植于人的偏好之中，那唯一的办法就是改变人；既然第二类歧视的原因是企业或学校等机构缺乏信息，通过提供更多信息，我们可以缓解这类歧视问题。

不过，这里还剩下一个问题：实践中，我们怎么分辨这两类歧视？实话说，这是个难题。以种族歧视为例，一开始，大家将工资数据拿出来，然后控制教育、年龄等变量，声称剩下的差距就是歧视。可是，经过反复论争之后，大家发现这个变量实在是控制不完。接下来，大家就招募肤色不同、其它条件相近的实验者，跑去办手续、买车等等，用区别对待的程度反映歧视。

可是，既然世界上没有两片一模一样的树叶，那我们也没法指望世界上有两个除了肤色、其它方面一模一样的人。说到底，还是变量控制不完。再接下来，经济学家继续开脑洞，制造一大堆其它地方都相同，只有名字不同（名字能反映种族）的简历到处投递，然后根据企业的回应来看歧视。再一次，又有学者质疑：我们怎么知道，名字本身不会传递出种族和简历项目之外的信息呢？

说到底，这个问题的根源在这里：因为我们没有办法直接观察到偏好，所以，我们只能把我们能想象到的、反映其它信息的统计性歧视排除掉，然后声称剩下的那部分可能是基于偏好的歧视。假如观察到种族间工资有差距，我们先考虑教育，再控制犯罪，再控制工时，等等。最后实在是找不到其它解释因素了，我们再说，剩下的很可能是基于偏好的歧视。这类探索，永无止境。

第二层 理性的人都相似。不理性的人，各有各的“蠢”法

这里，我是在经济学的意义上使用“理性人”这个词的：理性的人或企业，能够收集充足的信息，并据此作出明确的判断。可是，现实中的人和企业并非如此。他们常常要根据有限的信息，在局限的条件下决断。不同的决断方式，也会导致不同形式的歧视问题。当然，这部分更多地是在回答“统计性歧视”的根源是什么。经济学家一般不深究偏好，这部分更多是其它学科的研究内容。

第一点是自我实现的歧视。再让我举一个职场的例子：假如性别歧视已经存在，女性很难晋升到高层。中层和基层的女性看到这点，就会掂量自己努力付出的价值。如果觉得自己的付出，无望得到诸如晋升在内的回报，她们也许就会选择更少的工作，把重心放到家庭上。结果，“女性更重家庭，不重工作”就会成为事实，她们更少晋升高层，也就显得“理所当然”。可是，大家没有意识到：如果不是已有的歧视这一层枷锁，有许多女性本来会更看重工作、有足够能力晋升高层的。

第二点是基于偏好的歧视导致统计性歧视。这是个经典的例子：假设有一 HR，对男性只看重能力，对女性同时看重能力和外貌。这导致一部分能力没那么强，但外貌出众的女性进入企业。结果是企业内部，男性的平均工作能力比女性要强。现在，来了一个新的 HR，看到这个情况，他 / 她根据这一情况断定：男性的平均能力是更强。此时，哪怕新 HR 在招聘中不偏不倚，对男女都只看能力。由于企业内部的情况的影响，他 / 她也会更倾向于招“能力更强”的男性。

第三点是“千头万绪，似我者生”。假设企业现在招人，对各方面能力和素质都有要求。这可让 HR 头疼了：又要团队协作，又要专业能力，还要领导力，这么多维度，怎么判断得过来呢？假设这个 HR 是黄种人，因为文化等原因，他 / 她很可能觉得：判断背景和自己相似的应聘者，实在是要更容易一些。于是，同样是黄种人，尽管各方面水平可能没那么高，但考察起来容易，入职概率更大；其它族裔，尽管水平可能要更高，但考察起来费事，入职难度更大。歧视应运而生。

第四点是信号中的噪音大小也会导致歧视。同样是企业招人，能力达到一个水准就要。现在，两拨应聘者，一拨大学毕业，有很多经历可以反映能力；另一拨自学成才，很多经历都难以确切证实。如果标准定得高，后一拨人面临歧视：大学毕业的应聘者，能拿出来反映能力的经历很多，更容易达标；后者向 HR 发送的信号，“噪音更大”，实在难以判断达标没有。不过，如果标准低，被歧视的也许反而是前一拨：能反映他们能力的经历太多了，判断出他们没达标，相应也更容易。

第五点更微妙：歧视可以部分解决道德风险问题。这也是个经典的模型：企业技术更新换代，要求工人投入成本适应新技术。不同的工人，在新技术下的产出不同。如果企业无法完全观察到工人的投入，以下办法，可以部分解决工人投入偏低的问题：随便找一个要求（可以和适应成本、生产能力等都没关系），给达到要求的员工上新技术、给高工资；达不到的用旧技术、给低工资。为什么？虽然歧视的因素和产出等没关系，但是，选择达到要求的，是高产出工人的概率更大。

第六点与其说是歧视的根源，不如说是歧视的一种形式：歧视，还可能意味着以不同的方式解读同样的信号。在之前的一个答案中，我介绍了 2017 年的一篇研究，其中提到：基本特征相同的男女医生，同样是做好了一台转诊手术，男医生以后收到的转诊数量增加更多，手术费上升也更多；同样是做坏了一台转诊手术，女医生以后收到的转诊数量下降更多，手术费减少的幅度更大。总之，有限的信息可能以各种各样的方式导致歧视，歧视本身也包含了区别性地解读信息的行为。

最后做个总结。经济学上，一般将歧视分成“基于偏好的歧视”和‘统计性歧视”两类，前者以歧视为目的，后者以歧视为手段，本质是不完全信息下的决策。区分两类歧视很难，但正确的政策，需要考虑两类歧视的不同性质。具体来说，信息不完全，可以多种不同的方式导致歧视；歧视，本身也代表了差别性地解读信息的方式。至于基于偏好的信息根源为何，这一点更多是其它学科的研究内容。文章的结尾给出了两部分对应的参考文献，基本按顺序和原文各段对应。

参考文献：

Becker, Gary S. The economics of discrimination. University of Chicago Press, 2010.

Arrow, Kenneth. 'The theory of discrimination.' Discrimination in Labor Markets 3.10 (1973): 3-33.

Guryan, Jonathan, and Kerwin Kofi Charles. 'Taste‐based or statistical discrimination: The economics of discrimination returns to its roots.' The Economic Journal 123.572 (2013).

Coate, Stephen, and Glenn C. Loury. 'Will affirmative-action policies eliminate negative stereotypes?.' The American Economic Review (1993): 1220-1240.

Neilson, William, and Shanshan Ying. 'From taste-based to statistical discrimination.' Journal of Economic Behavior Organization 129 (2016): 116-128.

Bagues, Manuel, and Maria J. Perez-Villadoniga. 'Why do I like people like me?.' Journal of Economic Theory 148.3 (2013): 1292-1299.

Morgan, John, and Felix Várdy. 'Diversity in the workplace.' The American Economic Review 99.1 (2009): 472-485.

Fang, Hanming. 'Social culture and economic performance.' American Economic Review (2001): 924-937.

Sarsons, Heather. 'Interpreting signals in the labor market: Evidence from medical referrals.' (2017).