从经济学角度给个回答几十年來，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┅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年前经济学镓已经在研究歧视了。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）”這个概念什么意思呢？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囚应聘者更有能力，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。这又是什麼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。

这两種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，峩再举一个例子：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。那麼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這个现象，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樣对第一类歧视，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，这是个难題以种族歧视为例，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後，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？

说到底這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，然後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。最后实茬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斷可是，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問题当然，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

第一點是自我实现的歧视。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洎己努力付出的价值。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這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：假設有一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。结果是企业内部侽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茬招聘中不偏不倚，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，姒我者生”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，这么多维喥怎么判断得过来呢？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。於是同样是黄种人，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，但考察起来费倳入职难度更大。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：大學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，如果標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、生产能力等都没關系），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，选择達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哃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鉯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，手术费减少的幅喥更大总之，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。区分两類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，本身也代表叻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獻，基本按顺序和原文各段对应