识别和衡量经济歧视

劳动力市场的歧视是一个重要的政策话题。女性的薪水比男性低吗?黑人工人比白人工人挣得少吗?如果是的话，这些差异是否可以用不同的职业选择和人力资本投资水平来解释?还是雇主歧视这些群体?这些都是政策制定者面临的难题。当然，保证不分性别和种族的同工同酬是我们追求的重要价值观。然而，强迫公司为生产率不同的员工平等支付工资，会损害整个经济，降低生产，增加失业率。此外，由于政策制定者没有直接观察工人的生产率，这是一个具有挑战性的困境。

幸运的是，有一些计量经济学工具可以帮助解决其中一些问题。分解方法不仅可以回答少数群体的平均收入是否低于多数群体，而且还可以揭示这些工资差异是否可以用可观察变量或薪酬结构的差异来解释。以性别工资差距为例。为简单起见，假设女性平均收入低于男性的原因只有两个:(i)女性可能对就业市场的依赖度较低，比男性更有可能为了抚养孩子而辞职。在这种情况下，工资差异可以用一个可观察到的变量——终身工作经验的差异来解释。(ii)雇主可能存在性别歧视，给女性支付较低的工资，即使她们的生产力与男性相同(甚至更高)。在这种情况下，工资差异可以用工资结构的差异来解释。

对于政策制定者来说，这两种现象可能被认为是社会和/或经济问题，这意味着需要一些政策干预。然而，它们需要完全不同的政策回应。第二个问题可以通过对歧视雇主征收一些金钱费用来直接干预劳动力市场来解决，而第一个问题最好是通过提供公共日托中心来解决。

分解方法还可以帮助分析与工资差异相关的更具挑战性的问题。例如，少数族裔和多数族裔之间的工资差距在高薪工作中可能比低收入工作中更大。换句话说，是否存在“玻璃天花板”阻碍女性或黑人员工的职业发展?这是一个可以通过分解方法回答的问题类型的例子，因为它们不仅被设计用来比较平均工资，而且还可以解释其他分配量，例如工资分配百分位数。

为了使分解方法的解释尽可能简单，本文只关注性别工资差距;即男女之间的工资差异。需要强调的是，本文所解释的一切不仅适用于其他工资差距的例子(如黑人和白人工人)，也适用于其他重要的结果变量(如学校成绩、大学出勤率、风险行为)。

20世纪70年代，女权运动就男女工资差异展开了激烈的辩论。1973年，罗纳德·瓦哈卡(Ronald Oaxaca)和艾伦·布林德(Alan Blinder)决定使用正式的计量经济学框架来解决这个问题，开发了一个被称为瓦哈卡-布林德分解(Oaxaca-Blinder Decomposition)的工具[1]，[２]．这种统计方法揭示了解释男女平均工资差异的因素，将这些因素分为结构效应和组合效应。假设一个人有关于工资、性别、教育水平和工作经验的个人数据。性别工资差距(被称为整体效应)被简单地定义为男性平均工资和女性平均工资之间的差异。尽管这一差异提供了关于男性和女性相对工资的信息，但它并没有揭示这一现象背后的原因，这对于那些关注消除劳动力市场不平等的人来说至关重要。

瓦哈卡-布林德分解(Oaxaca-Blinder Decomposition)假设存在一种(线性的)工资结构，将个人的可观察变量联系起来。教育水平和工作经验——以及不可观察的变量，如能力，对工资的影响。这种工资结构由每一项可观察投入的价格(如大学和工作年限溢价)和不可观察成分的回报(如能力回报)总结而成。工资结构的一个重要方面是，性别之间可能存在差异。性别之间工资结构的差异被称为结构效应，通常被解释为歧视，因为它意味着具有相同特征的男性和女性将获得不同的工资。简单地说，在劳动力市场上，男性手中的大学文凭比女性手中的大学文凭更有价值。然而，情况可能是男女之间的工资结构完全相同。在这种情况下，性别工资差距应该用可观察变量的差异来解释;也就是说，普通女性在教育水平和/或工作经验方面与普通男性不同。以市场价格定价的可观察变量的平均值之间的差异被称为组合效应。

第1页的插图总结了这两种效果，其灵感来自于[3]，[4]．工资用y轴表示，受教育年限用x轴表示。男性和女性的工资结构由蓝线表示。受教育年限的市场价格由这些线的斜率给出。一方面，结构效应是由女性的平均教育水平与男性相同时，男性和女性所获得的工资的差异(D点和C点之间的垂直距离)所给出的。另一方面，构成效应是由以女性教育水平溢价定价的男性和女性的平均受教育年限的差异所给出的，即平均而言，如果女性的受教育程度与男性平均水平相同，那么她能挣多少钱，如果她的受教育年限与女性平均水平相当(a点与D点之间的垂直距离)，那么她能挣多少钱。

一个数值例子可能有助于理解这种情况以及结构和组成效果之间的差异。假设市场为男性每多受一年教育支付2美元，而女性每多受一年教育只支付1美元。再假设女性平均受教育年限为12年，而男性平均受教育年限为14年。在这种情况下，整体效应(即工资差距)为16美元(= 2 × 14−1 × 12)，而结构效应和组合效应分别为14美元(=[2−1]× 14)和2美元(= 1 ×[14−12])。这只是一个用来说明主要概念的简化示例。有关最近在美国性别和种族工资差距的瓦哈卡-盲分解应用，请参见［5］．

还有一些超出平均值的分解方法，例如RIF-Regression decomposition，这是一种基于回归的工具，使得它在计算上易于实现[6]，[7]．现在，与其只看男性和女性工人的平均工资的差异，还可以研究男性和女性工资分配的每个百分位的差异。百分位是一种测量方法，它指示给定百分比的人口在其概率分布方面低于该值。例如，工资分配的第20百分位是20%的人口所属的工资值。换句话说，20%的工人收入低于工资分配的第20百分位。此外，百分位数是一个例子分位数，这是一种更通用的方法，可以将给定的分布划分为任意数量的分区，而不仅仅是百分比。因此，为了检验玻璃天花板效应，人们可以比较男性工资分配的第90百分位，也称为第9十分位数，与女性工资分配的第9十分位数。如果由于贫穷和社会脆弱性问题而对低薪工作感兴趣，将男性工资分配的十分位数，也称为前十分位数，与女性工资分配的十分位数进行比较是有意义的。

此外，对于每个百分位数，可以将男性和女性之间的工资差距分解为其结构和构成效应，使研究人员能够对结构和构成效应提供与通常的瓦哈卡-布林德分解相同的解释。这一程序的丰富性由图1．对于每个分位数，显示了由整体效应给出的工资差距估计。同样可见的还有结构效应和组成效应，它们分别反映了男女之间工资结构的差异，以及男女之间按市场价值定价的可观察变量的分布差异。同样，可以观察到玻璃天花板效应，因为高工资的整体效应比低工资的更大。此外，玻璃天花板效应显然是由更强烈的歧视(增加结构效应)来解释的，这弥补了工资分配顶部可观察变量的较小差异(减少构成效应)。最后，在这种情况下，女性实际上在劳动力市场上更受青睐，从事不太合格的工作，因为结构效应对低工资是负面的。

图1说明了这个概念。有关最近的rif -回归分解的经验示例，该实例讨论了绩效薪酬下的种族/民族工资差距，请参见[8]．

最近，有一个重要的理论发展，将分解方法与关于方案评估和处理效果的大量文献联系起来。未来研究的下一个重要方向是改进分解方法与结构建模之间的联系。虽然标准分解方法可以揭示感兴趣的经济现象背后的主要力量，但结构计量经济学可以用来加深对这些力量背后的具体经济学的理解，从而为分解和结构效应的黑箱提供见解。

值得一提的是，尽管巨大的结构性影响通常被解释为劳动力市场歧视的证据，但这些结果也可能是由两个群体之间不可观察变量的差异或工资结构的错误规范所产生的。在本文使用的关于性别工资的例子中，如果影响工资的不可观察的变量，如能力，取决于性别，那么估计的结构效应将是有偏见的，使其作为歧视证据的解释无效。在工资结构不规范的情况下，使用不同于真实工资结构的终身工作经验模型可能会在详细的结构效应上引起很大的偏差，说明了分解方法对其关于工资结构的线性假设的依赖。当然，这不仅适用于工资的例子，也适用于任何其他相关的结果。

劳动力市场的歧视是政策制定者的一大担忧。在这种情况下，分解方法可以通过估计歧视的整体影响，并将其分解为两个子部分:结构效应和组合效应，从而对这个问题有新的认识。这些影响的相对重要性可以指导旨在减少劳动力市场不平等的政策。一方面，如果有证据表明劳动力市场存在巨大的结构性影响(即对特定人群的偏见)，那么政策制定者可能会直接干预，对歧视企业施加经济惩罚。

另一方面，如果少数群体和多数群体在可观察变量(包含在组合效应中)上存在差异，那么政策制定者可能希望设计干预措施，以直接影响影响这些可观察变量的决策，例如新的和创新的教育政策。

作者感谢两位匿名的推荐人和IZA劳动世界的编辑为早期的草稿提供了许多有用的建议。作者以前的作品(与Nicole Fortin和Thomas Lemieux一起)包含了本文所介绍材料的大量背景参考，并在本文的所有主要部分中大量使用[9]．作者也非常感谢Vítor Possebom的优秀研究资助。