对应测试研究更新

CT实验结果的解释

阅读CT实验结果时涉及的解释问题在以下在瑞典进行的CT研究中进行了说明[1]．这个实验是一个典型的函授研究，因为它向雇主发送了配对的(质量上)完全相同的申请。这两个人之间唯一的区别是一个群体的成员，在这种情况下是申请人的名字(埃里克·约翰逊或穆罕默德·赛义德)。

准备工作申请的一个重要部分是选择可观察到的与生产力相关的特征，以使申请标准化。任何CT研究的目标都是包括对招聘最重要的特定于工作的生产力特征。这些特征因国家和职业的不同而有所不同。实验设计的另一个重要部分是样本量的选择:申请工作的数量。幂计算用于确定检测统计上显著的歧视水平所需的最小样本量。

最后一行图1提供了瑞典实验的汇总结果。这两份申请是针对1552个不同的职位空缺发出的。在1030个案例中，两位应聘者都没有接到面试通知。在剩下的522个案例中，两名申请人中至少有一人被邀请面试，而239个案例中两名申请人都被通知面试。在217个案例中，只有占多数的申请人被邀请面试，而只有66个案例中只有占少数的申请人被邀请面试。因此，多数和少数申请人的回调率分别为29%和20%。换句话说，占多数的申请人收到面试邀请的可能性比占少数的申请人高出近50%。

实验结果表明，回访率的差异是由于公司或招聘人员在选择过程中将群体成员身份作为决策变量。但是如何解释这个结果呢?如何在实验之外使用它来为政策提出建议?

雇主偏好(品味)还是统计歧视?

出于政策目的，能够确定CT研究中各组回访的差异是否来自于taste-based歧视或者来自统计上的歧视。

CT研究理想地试图通过控制最重要的与生产力相关的特征，来衡量雇主对雇用大多数人而不是少数人求职者的偏好和品味。然而，除非CT研究包括招聘过程中的所有重要特征(在不同群体中平均存在差异)，否则CT方法无法单独识别导致歧视性待遇的机制［5］．因此，尽管精心设计的CT研究包括许多(但不是全部)重要的生产力特征，但对于是否应该将回调率的差异完全解释为基于品味的歧视，仍存在不确定性。

最近的一项方法学进步采用了一种更直接的方法，在使用CT实验时调查统计歧视在招聘中的作用。除了CT实验的结果外，该研究还通过使用工作申请和个人网站的超链接，提供了雇主对大多数和少数族裔申请人给予多少“关注”的证据[12]．

可以说，与政策最相关的问题是招聘中是否存在歧视性做法或待遇，而不是研究人员如何对其进行分类。显然，基于品味和偏好歧视少数族裔工人是非法的。尽管在一个信息不完全的世界里，这是一种理性的策略，但招聘人员也不被允许歧视，根据所谓的生产力差异来使用或假设个人的资格。这些特征在CT实验的招聘过程中所起的任何作用也属于法律上的歧视定义。因此，CT研究中回调率的组差异可以解释为捕捉了基于品味的歧视和统计歧视的综合影响。

在决定防止招聘歧视的政策措施时，不能区分出这些不同的解释肯定是一个缺点。CT实验的设计在这方面很重要，因为申请人特征集越丰富，统计歧视在招聘群体差异中起作用的可能性就越小[２]．

外部有效性:公司、职业和地理区域的选择

大多数CT实验对公司在报纸或网上发布的招聘广告做出反应。不幸的是，这些公司不太可能代表市场上所有公司的随机样本。因此，实验的可信度取决于研究人员能够提供信息的程度——关于公司和他们用来寻找工人的渠道——这表明公司确实代表了一般的劳动力市场。例如，可能只有歧视较少的公司使用非常公开的渠道，比如报纸上的招聘广告，这可能会导致研究人员低估该市场上歧视的可能性。

如果包括更多对劳动力市场重要的职业，CT实验在其外部效度方面的相关性也会增加。在选择将哪些职业纳入实验时，我们的目标是获得整个劳动力市场的代表性图片，同时设计一项在实践中可行的研究。

为了获得劳动力市场的代表性图像，实验中包含职业的变化是很重要的，因为根据工作的技能水平，歧视可能会有重要的差异。理想情况下，实验者可以报告由实验中包含的职业所构成的总就业或总空缺的份额。然而，为了了解不同职业的歧视是如何变化的，包括几个职业也很重要。也就是说，解释不同职业的回调率差异并非没有问题。回调结果的差异可能反映了不同职业之间歧视的真实差异，但这种差异也可能反映了一些职业简历(通过设计)比其他简历更多地控制了统计歧视。

前两行图1显示瑞典CT研究中高技能和中/低技能职业的单独结果[1]．如果这项研究只包括中/低技能职业，那么结论将是，歧视比只包括高技能职业要严重得多。

一个相关的问题是，大多数CT实验都局限于特定的地理区域。这可能会限制一项研究确定歧视程度是否存在地域差异的能力。此外，实验的结果也是特定时期的，可能会因宏观经济变化而改变，例如，当劳动力市场收紧时。

虽然没有CT实验能够得出完全随机的雇主样本，但一些研究已经收集了某些职业和特定地理区域一年内发布的几乎所有职位。因此，公平地说，如果少数族裔工人使用这些渠道来找工作，他们将遇到这些研究估计的歧视程度。尽管如此，应该强调的是，由于研究设计的差异(例如，各研究对职业的选择)，各研究之间的歧视水平比较(例如，在比较各国之间的歧视水平时)是复杂的[11]．

另外一个识别问题

存在另一种类型的识别问题，与未被观察或被忽略的生产力特征的方差的群体差异有关。如果雇主根据生产率的某个阈值水平来评估申请，那么CT研究可以得到歧视的偏向估计(在任何方向上)［5］．如果未观察到的生产率特征的方差在不同的组之间是不同的，即使这些相同特征的平均值没有差异，这意味着一个组有更高的概率超过或低于用于招聘的阈值。事实上，在这种情况下，标准的对应研究可以在不存在歧视的情况下发现歧视，或者在存在歧视的情况下发现没有歧视。这种偏差可能有多大取决于对应研究的设计——具体来说，相对于雇主可能使用的阈值，实验者分配给应用程序的生产力水平是多少[２]，[3]．

基准测试的歧视

例如，CT实验的经验设计的进步使得对估计的工作经验回报的歧视水平进行基准测试成为可能。这种方法要求研究人员不仅要随机改变一个群体的成员特征，还要随机改变工作经验或其他相关的劳动力市场技能。因此，除了小组成员的信号之外，应用程序还随机附加了不同年限的工作经验。这种基准测试使得提出诸如“招聘中的性别歧视与多一年工作经验的回归有何关系?”实施这种设计的缺点是，与标准CT研究相比，它需要接触更大的雇主样本，以便做出统计上显著的推断。

出于教学原因，本文在解释典型的CT方法时采用了配对设计——向同一份工作发送两个申请。但许多研究采用了另一种设计，对每个职位只发送一份求职申请，而在简历中随机添加额外的特征。然而，歧视的程度仍然以相同的方式计算——少数和多数应用程序之间的回调差异[２]．最近的一项研究结合了这两种方法，允许额外的特征在配对对之间变化，而不是在配对对内部变化[13]．

其他阶段的歧视

CT研究仅在招聘过程的第一阶段(即被叫去面试的人)衡量歧视。他们无法捕捉到在实际获得工作、晋升或工资增长方面的不平等待遇。必须使用其他方法来研究这些维度。

市场上是否存在这种歧视?

即使劳动力市场上的所有公司都可以被纳入CT实验，测量到的歧视程度可能也不能说明少数族裔候选人是否真的能找到工作的概率。情况可能是这样的，许多雇主都不愿意雇用少数族裔工人，但这些雇主从来没有接触过少数族裔工人，因此对他们找到工作的可能性没有影响。

诺贝尔奖得主詹姆斯·赫克曼断言:“市场歧视的影响不是由市场上最严重的歧视行为决定的，甚至不是由公司之间歧视的平均水平决定的，而是由少数族裔或女性实际最终购买、工作和借贷的公司的歧视程度决定的。”经济价值是在边际上确定的。市场内有目的的分类消除了最恶劣形式的歧视。”［5］第102页。

不管不同的群体在劳动力市场中如何排序，政治家们在提出影响就业群体比例的政策之前，可能仍然有兴趣了解在劳动力市场的特定部分中是否存在对特定群体的歧视。例如，许多国家提倡劳动力市场的性别比例更加平衡。因此，政策制定者可能有兴趣在实施之前了解这种政策是否存在障碍，以及劳动力市场的哪些部分存在障碍。

是否应该使用CT来识别有歧视倾向的雇主?

CT研究在美国和英国的法庭上都被允许作为证据。然而，瑞典实验的结果表明，它们不应该是唯一的证据[1]．

要问的问题是，CT方法是否可以用来证明一个特定的公司是否真的存在歧视。换句话说，CT实验程序在确定单个公司是否有意识地以歧视的方式选择一个申请人而不是另一个人时有用吗?例如，在瑞典的研究中，只有4%的少数族裔申请人得到了回调。为什么会发生这种情况可能有几种解释。

首先，有些雇主可能只是倾向于雇佣少数人而不是多数人。然而，对数据的检查显示，所有66名招聘人员都是多数背景。所以即使这是真的，也存在其他解释。应用程序是按随机顺序发送的——可能是最先收到应用程序的候选人收到了唯一的回调。然而，在某些情况下，少数族裔的申请是最后发送的，而候选人仍然收到回调。

也有可能是雇主/招聘人员因为一些不相关的原因忽略了提前到达的申请。换句话说，CT结果可能会在公司层面上包含一些随机性。然而，也应该说，这种随机性在决定CT实验中的平均辨别水平方面起着次要的作用，因为这种随机性对两组的影响相同。然而，这一讨论表明，这种类型的CT数据不应该是法律案件中提出的唯一证据。

我们能从那些歧视者身上学到什么吗?

增加关于雇主及其工作场所的信息有助于指导未来的研究，并更多地了解歧视者的特征。然而，由于CT研究中公司不是随机选择的，因此在招聘时陈述某些招聘人员和/或公司属性对歧视性做法的任何因果影响是有问题的。例如，在瑞典的研究中，当加入负责招聘人员的性别和公司规模的信息时，发现歧视性做法主要是发生在小公司的男性现象[1]．然而，这个结果可能与这些属性没有什么关系，因为这些特征不是随机变化的。如果所有男性招聘人员都被女性取代，歧视可能会消失，也可能不会消失。

也有一些CT研究试图衡量招聘人员的态度。当负责招聘的招聘人员对阿拉伯穆斯林男性有更强的负面隐性关联时，阿拉伯穆斯林求职者被面试的可能性就会大大降低[14]．这表明自动化流程可能会对雇主的招聘决策产生重大影响。然而，这一结果受到与上述相同的怀疑，因为招聘人员和他们的内隐关联并不是随机变化的。

尽管人们担心实验中的这些补充并不会产生因果效应，但在设计更多受控的实验室实验以调查雇主在招聘实践中为什么存在歧视时，这些结果仍然是有用的。

伦理问题

在CT实验中，雇主接触的是一些虚构的求职者，他们不想被雇佣。雇主也没有被要求参与实验。因此，关于CT研究伦理的讨论围绕着欺骗和缺乏知情同意的问题(在某种程度上也包括受试者的成本-时间和法律负担)。可以说，“劳动力市场实地实验没有造成任何伤害，因为在发表中没有识别个人，而且面试或就业机会被迅速拒绝，对雇主和真正的申请人的不便最小化了。”此外，“在雇佣劳动力的行为中，不可能有合法的隐私期望，因为国家政府和国际机构已经接受了确保所有公民机会平等的责任，宣布就业歧视是非法的。”[15]第459页。

有一种相反的观点认为非欺骗性行为构成了公共利益。如果研究人员广泛使用欺骗，这可能会改变受试者的行为，使实验更难解释。例如，雇主可能会避免在报纸招聘广告上公布职位空缺，而是在招聘时依靠非正式的网络[２]．在大多数国家，一个与大学有关的伦理委员会决定一个特定项目是否符合伦理，也就是说，任何特定研究的收益是否超过所涉及的成本。