統計性歧視理論

出自 MBA智库百科(https://wiki.mbalib.com/)

統計性歧視理論（Theory of Statistical Discrimination）

　　1972年，美國學者菲爾普斯在《美國經濟評論》正式提出統計性歧視理論，建立模型來解釋統計性歧視問題。統計性歧視是將一個群體的典型特征看作該群體中每一個個體所具有的特征，並利用這個群體的典型特征作為雇佣標準而產生的歧視。

　　統計性歧視理論認為，統計性歧視的根據在於信息的不完全，以及獲取信息需要支付成本，企業在勞動力市場上雇佣時，往往將求職者的群體特征推斷為個體特征，這種做法會使不利群體遭受統計性歧視。

　　如果不利群體額總體統計性特征中，個體差異越大，那麼利用群體特征來推斷作為甄選標準的代價就越高。但是對於企業來說，這仍是不完全信息下的高效率的做法，與雇主利潤最大化目標是一致的。

　　這種歧視的原因是由於統計方法不科學或者是由於信息不完全造成的。

　　通常，雇主總是希望雇佣生產率最高的員工。實際上，雇主在有限的招聘時間里不太可能完全掌握員工的實際勞動生產率是多少，只能利用員工的個人一些與生產率有關的特征加以判斷。例如雇主會收集一系列有關求職者的信息，包括年齡、教育、經驗等。雇主還可能會採取一些篩選方法，如筆試、面試或者心裡測試來補充一些信息。在這種情況下，雇主在進行雇佣決策的過程中，會不知不覺地融進一些特征判斷來決定最終雇佣誰。利用求職者的性別、種族、教育背景或年齡因素來判斷其勞動生產率水平以及勞動能力決定雇佣取捨就是統計性歧視。

　　但也有學者指出，隨著相關人口群體內部的不可衡量的差別的越來越大，性別或其他區域群體信息被使用的可能性就會越來越小，統計性歧視也就會隨之而逐步消失。