统计性歧视理论

统计性歧视理论

外汇网2021-06-21 21:28:32 119

统计性歧视理论简述

1972年，美国学者菲尔普斯在《美国经济评论》正式提出统计性歧视理论，建立模型来解释统计性歧视困难。统计性歧视是将一个群体的典型特质看作该群体中每一个个体所具有的特质，并利用这个群体的典型特质作为聘用标准而造成的歧视。

统计性歧视理论觉得，统计性歧视的依据在于信息的不完全，以及获取信息需要支付成本，企业在劳工市场上聘用时，往往将应聘者的群体特质推断为个体特质，该种做法会让不利群体遭受统计性歧视。

假使不利群体额总的统计性特质中，个体差异越大，那么利用群体特质来推断作为甄选标准的代价就越高。但是对于企业来看，这仍是不完全信息下的高效率的做法，与雇主利润最大化目标是统一的。

统计性歧视理论的评析

该种歧视的原因是受于统计方法不科学或者是受于信息不完全产生的。

一般，雇主总是期望聘用生产率最高的雇员。事实上，雇主在有限的聘用求职时间里不太应该完全掌握雇员的事实劳动生产率是多少，只能利用雇员的个人一部分与生产率相关的特质加以分析。比如雇主会收集一连串相关应聘者的信息，包含年纪、教育、经验等。雇主还或许会采取一部分过滤方法，如笔试、面试或者心里试探来补充一部分信息。在该种情形下，雇主在执行聘用决策的过程中，会不知不觉地融进一部分特质分析来决定最终聘用谁。利用应聘者的性别、种族、教育背景或年纪原因来分析其劳动生产率水平以及劳动能力决定聘用取舍就是统计性歧视。

但也有学者表示，伴随有关人口群体内部的不可衡量的差别的越来越大，性别或其余区域群体信息被运用的机会性就会越来越小，统计性歧视也就会跟随而逐渐消失。

推荐文章

热门文章

推荐文章

热门文章