Mily、Greg比Lakisha、 Jamal更容易就业?来自劳动力市场歧视的田野实验证据

推文作者： 华中科技大学管理学院黄永颖 原文信息： Marianne Bertrand; Sendhil Mullainathan. Are Emily and Greg More Employable Than Lakisha and Jamal? A Field Experiment on Labor Market Discrimination[J].The American Economic Review. 2004, Vol94(NO.4):991-1013

一、引言

美国的劳动力市场存在严重的种族不平等现象。与白人相比，黑人失业的可能性是白人的两倍，而且工作收入要比白人低25%。这样的不平等引发了雇主是否对不同种族存在区别对待的激烈讨论，不同的学者对种族歧视不同甚至相反的观点。由于数据的局限性很难对这些观点进行实证检验。为了克服上述困难，本文进行了一项田野实验，该实验通过向波士顿、芝加哥报纸上的招聘广告发送使用白人（Emily、Greg）或黑人（Lakisha、Jamal）名字的简历，统计简历的反馈率（面试通知），分析不同种族间的简历反馈率是否存在差异。

本文研究发现：（1）使用白人名字的简历收到面试通知的概率要比使用黑人名字的简历高出50%；（2）简历的质量高低会放大简历面试通知率的种族差距；（3）黑人的居住环境不会提高其简历的面试通知率；（3）这种种族差距在不同行业、职业类型中基本保持一致。

二、已有研究

传统的劳动力与家庭的研究中，要研究劳动力市场的差异化特征产生的因果效应是很难的。早先的研究者只能通过survey数据比较他们所能观测到的相同技能特征来度量不同的处理效应，而雇主在雇佣、提拔或制定工资时所观测到的不同群体的差异特征则无法被研究者观测到，产生了遗漏变量问题。有部分学者研究了引入盲试机制前后对乐团招聘过程女性候选人表现差异的影响。虽然这种利用准自然实验进行研究的结论能够比较好地识别处理效应，但要找到这样的实验却很困难。

之后发展起来的审计研究（audit research）方法尝试将相似特征的少数族裔与白人放到相同的社会经济环境中，并比较他们在该环境下的表现。虽然审计实验的结论在不同研究中存在着差异，但总体上少数族裔在审计研究中会表现的更差。虽然审计研究可以对种族变量的处理效应进行干净的识别，但是也存在着缺陷：（1）这些研究要求，在雇主眼中除了种族因素外每组参与人员在所有可能影响生产率的其他方面都要保持一致；（2）审计研究存在需求效应，即由于参与者知道研究目的因此极有可能改变自己的行为导致估计结果出现偏差；（3）审计研究的实验成本很高，无法收集大量样本。

本文采用田野实验方法研究克服了上述缺陷：（1）田野实验对象是简历而不是人，容易保证除核心变量外其他因素保持一致；（2）该方法能避免需求效应问题，实验人员在整个过程很难干预实验的处理；（3）该方法边际成本低，使得本文能够发送大量的简历，进行更精确的估计，并且从不同的维度探讨处理效应的异质性。

三、实验设计

本文田野实验设计的第一步是形成要发送的简历模板，作者通过两大职业网站寻找了波士顿和芝加哥的简历模板，并将职业类型限定在销售、行政管理、文书、客户服务，简历的投放时间限定在实验开始前的6个月。在简历的寻找过程中，实验人员主观地将简历分成高质量和低质量两大类。评判简历的质量高、低主要是根据简历上的劳动市场的就业经验、职业年龄、就业空挡、列举的技能。为了进一步强化简历之间质量的差异，作者对高质量的简历添加了暑期或在校期间的实习经历、志愿者经历、电脑技能等任意一项加分项，并删除其原始姓名和联系人信息。

接着，作者人为构造了虚拟求职者的名字、电话号码、邮寄地址、邮箱地址的信息。作者统计了马瑟诸塞州1974-1979年所有出生婴儿名字的频率，并根据在不同种族中出现的频率高低确定哪些名字是白人或者是黑人名字，随机附给每份简历，同时也添加了电话号码、邮寄地址、邮箱地址。

简历模板制作完成后，作者寻找了1300条招聘广告，对每一条招聘广告发送四份简历，高、低质量各两份，随机平均分配白人、黑人的名字，统计简历收到电话或邮箱回复的情况。

四、实证分析

（一）不同简历的面试通知概率存在差距吗？

根据收集的数据信息，作者先分析了不同类型简历收到面试通知的情况。表1根据种族名字列出了平均的面试通知比率，使用白人名字的简历收到面试通知的可能性是9.65%，而使用黑人名字的简历收到面试通知的可能性是6.45%，两者差值为3.2%，在统计意义上显著。与有限的招聘广告数量来说，50%的种族差异效应已经很大了。进一步与工作经验相比，要使面试通知提高3.2%，则需要额外的8年工作经验。

（二）黑人的简历质量会影响他的面试通知概率吗？

前面验证使用不同名字的简历之间间会存在着面试通知概率差距（callback gap），简历质量会不会影响这种差距？作者在对简历进行质量划分时采用两种方法：（1）根据劳动力工作经验、职业年龄等技能进行主观判断；（2）用简历特征以及城市、性别、招聘广告的工作要求等变量回归拟合出每份简历的面试通知概率，高于中位数的确定为高质量简历，相反则为低质量简历。结果如表4所示，无论采用哪一种方法，作者发现高质量的简历会提高白人简历的面试通知概率，而这种效应在黑人简历中较小或不存在。相比于黑人简历，邮箱地址、额外工作经历、荣誉、特殊技能等简历加分项对提高白人简历的面试通知效应更明显。

（三）黑人的居住环境会影响其简历的面试通知概率吗？

在简历特征等条件保持不变的情况下，居住在富裕地区的黑人求职者是不是会有助于他求职呢？具体的分析结果如表6所示，从表6的（1）、（3）、（5）列我们发现居住在白人比例、平均受教育程度、人均收入都比较高的地区，求职者发送简历后收到面试通知的概率会增加，但从表6的（2）、（4）、（6）列来看，居住在更富有（受教育水平高）的街区并不能提高黑人简历的面试通知概率。

（四）工作要求和特点会影响不同简历的面试通知概率吗？

表7进一步分析了不同的工作要求和雇主特征是如何影响种族间的面试通知概率差距（callback gap）。各项工作要求对黑人简历是否收到面试通知的回归系数的统计显著性水平几乎不显著，无法解释种族差距的存在。此外，研究发现机会均等雇主或联邦合同商不仅没有更多地支持黑人，反而促进了种族间的面试通知概率差距。作者也对行业、岗位进行异质性分析，发现种族间的面试通知概率差距依然存在，但面试通知概率差距基本一致。最后，作者发现如果雇主是位于黑人比例较高的地区，黑人简历的面试通知概率会增加但效应很小，而且仅存在于芝加哥地区。

五、结果解释

当然，在对上述实证结果进行解释的时候可能会存在这么几个问题：（1）白人有更高的面试通知就意味着是对黑人的歧视？（2）对名字的处理能保证只传递了种族差异的信息而不是其他信息？（3）我们的结果与已有的种族歧视模型有什么联系？

第一个问题的涵义就是指在种族中立的情况下有没有可能也会产生这种现象？假设雇主是种族中立的，那么雇主会按照质量对简历排序，对符合质量要求的简历通知面试，因此白人和黑人的面试通知是一样的，但实证结果表明是不一致的，因此没有证据证明雇主是种族中立的。

此外，如果样本出现很多黑人同时申请一个岗位也有可能产生同样的实证结果。在之前的分析中我们发现机会均等雇主和联邦合同商并没有表现出任何歧视现象可以支持该假设。但是黑人在不同的行业和职业投递简历的情况是存在差异的，如果上述假设成立的话种族差距在行业和职业类型之间应该是不一致的，实证结果却相反。而且作者也发现技能加分项对黑人的面试通知影响要小于白人。如果雇主想更多地雇佣白人，那么当有更多地黑人申请面试通知应该对黑人所具有技能等加分项更加敏感，但回归结果并不支持该结论，以上均表明该假设不成立。

针对第二个问题就是要排除其他混杂因素的干扰，名字可能传递社会背景、熟悉程度的信息。实证结果中居住在更富裕的地区并不能提高黑人的面试通知的结论排除了前者。而且如果名字传递的是社会背景信号，那么我们应该看到在更多地依赖软技能或社交的岗位的面试通知概率差距会更大，但结果表明没有。作者也直接统计了实验中所使用的名字其母亲的受教育程度，如果社会背景假设成立的话，我们应该看到名字的面试通知与母亲的受教育程度是正相关关系，但实际上两者是负相关关系尽管p值不通过。如果名字传递的是熟悉程度的信号，那么名字出现的频率与名字对应面试通知应该为正相关，但没有证据表明该结论成立。

本文的结果也有可能是反向歧视造成的。如果劳动力市场对黑人存在大量需求，那么一般性岗位的雇主可能会认为黑人不会来参加面试因而也就不通知他。如果该假设成立的话，那么我们应该看到在更好的工作面试通知概率差距会变小。但是我们发现这种差距在各个职业类型中是一致的，而且工作技能的要求也不会影响种族差距，而且更好的工作白人的面试通知更高。

那么本文的实证结果与已有的歧视理论有什么联系呢？关于歧视的经济学理论可以分为两个主要类型：基于偏好的歧视和统计性歧视。基于偏好歧视是由诺奖得主Gary S.Becker的贝克尔歧视理论发展而来，认为歧视来源于雇主、雇员和顾客。统计性歧视是由另一位诺奖得主阿罗提出来的，企业在劳动力市场上雇佣时往往将求职者的群体特征推断为个体特征，这种做法会使不利群体遭受统计性歧视。上述模型都能够解释本文发现的种族间的面试通知概率差距，但顾客或雇员歧视模型基无法很好地解释种族差距为什么在各行各业是一致的。雇主歧视模型虽然能够解释为什么职业和行业之间的种族差距相对一致，但它很难解释为什么黑人技能加分项低回报率的事实。统计性歧视模型是基于偏好歧视模型的替代理论。在一类的统计歧视模型中，雇主用种族去作为观测不到的技能的代理变量，这一类模型也很难解释黑人技能加分项低回报率的事实。第二类统计性歧视强调雇主对个人特征传递出信息的准确性判断，该类模型能够部分解释黑人求职者简历质量的低回报率事实，但对于那些可验证性更强、难度更大的技能为什么有低回报率则难以解释，统计性歧视模型也很难解释职业之间种族差距的相对一致性。

最终，作者认为雇主对简历进行字典式浏览能够解释本文的实证结果。当雇主收到太多的简历，他们往往采用快速扫描的方式来阅读简历。一种可能的情况是当他们看到黑人名字的时候就不再继续阅读其他内容。因此，他们可能没有看到黑人简历的技能信息，这也可以解释技能加分项的低报酬率以及为什么种族差距在各个行业之间基本一致。

六、研究结论