统计歧视是否合理

kaleege

作者：雨亦奇
链接：http://zhuanlan.zhihu.com/p/19909429
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
……
（节选）

再来说说一类比较特殊的歧视：统计歧视(statistical discrimination)。有人说：的确不是所有穆斯林都是恐怖分子或小偷，但平均来说穆斯林中产生这些人的概率比其他人群要高，所以在没有其他信息的情况下，我如果要在一个穆斯林和一个非穆斯林中选一个的话，我肯定是选非穆斯林来得安全。这样一来歧视似乎是纯理性的结果了。

但统计歧视需要满足两个基本前提：已知信息的准确性和未知信息的无法获取性。对于个人而言，统计歧视只能是在对已知信息有绝对把握但又没有任何渠道获取更多信息的情况下的一种权宜之计，而非所有状态下的默认策略：

• 首先你必须保证你对某个人群的已知信息是准确的（穆斯林的平均犯罪几率高于非穆斯林，黑人的平均工作态度差于其他人种，女人的平均工作能力弱于男人）。这不是靠个人观察或媒体个案报道能得出的，是需要代表性大样本的，需要查阅相关权威数据的。否则你一边用“纯理性”正当化统计歧视的使用，一边却随意根据一些个案得出对于某个群体的结论，这样不太合适吧。而往往统计数据会与你的直觉矛盾，比如你会发现河南人的犯罪率可能排不进前十，新疆人甚至是倒数。比如你可能会发现黑人使用毒品的概率低于白人，虽然他们因使用毒品而被逮捕的概率远高于白人。比如你会发现男司机出车祸的概率和严重程度高于女司机（已对人数基数和里程数进行修正），因此男司机的车险一般也高于同等情况的女司机。如果你对于某个人群的已知信息似乎是不准确的，那统计歧视的正当性也就失去了，因为很可能歧视的对象刚好反了。
• 然后你必须保证自己在做决定前已经无法获取已知信息以外的其它信息了。比如一个穆斯林一个非穆斯林，你已知穆斯林平均犯罪率高，但同时你又知道那个穆斯林是大学教授，而那个非穆斯林是无业游民。那这时你觉得谁更有可能伤害你一些？如果你一看到“穆斯林”这个标签就作出判断，而无视“职业”这个更相关的信息，你很可能会做出错误的判断。只靠“穆斯林”、“女人”、“黑人”之类的标签来做选择是非常低效的。举例：你要招10个雇员，有A人群和B人群各100人来应聘。假设你根据权威数据或之前大量经验已知A人群里20%能胜任此工作，B人群里30%胜任此工作。你如果只按人群标签看，不考虑其他信息，那你会随机招10个B，这10个B人种的人里能力有高有低，平均3个能够胜任，7个不能。而如果我不看人群标签，而直接进行能力测试，不管哪个人群一律都要，那结果我就招到了这200个人里能力最强的那10个人，你说哪种策略效率更高更合理？当然，测试本身也是有成本的，但这就需要更复杂的模型了。
  

统计歧视还会产生一些非常严重的后果。统计歧视的理性是从歧视者的角度出发的，但被歧视人群的一个完全理性的个体会怎么看呢？既然我再怎么努力，社会也只会看到我的教派/性别/肤色，都只会拿我所属的群体的平均水平代替我的真实水平，那我凭什么要额外努力？越努力不是越亏吗？于是，这个群体所有高于平均水平的个体都可能失去进步的动力，而低于平均水平的个体因为可以搭便车上升到平均水平也失去了努力的动力，然后整个群体就恶性循环，连平均水平也越来越低了。而这一结果的受害者不仅是被歧视的群体，其他人群也会受到牵连。
所以滥用统计歧视是有代价的，对已知信息过渡自信或过渡纠结于一些标签而忽略另一些更相关的信息的话，你可能会做出错误的低效的选择并为此埋单。而在宏观层面，社会总效率也会下降，社会不平等会加剧，人才和资源得不到最佳的流动和利用，最终所有人都需要承担这一代价。


当然，一些统计歧视也的确被社会所默许。比如老人和长期病人的保费比较高，男人的车险比女人高（之前说了为什么），学历高的更容易被录用等。不过这些统计歧视的“统计学”是做得很扎实的，保险公司精得很，雇佣的一大群统计学家绝对保证结果可靠且穷尽所有可以找到的信息，而高学历的优势一般也确实比较明显。我只是想说，某个统计歧视是否合理，是否能被接受的标准是比较复杂而动态的，不同时代和社会都不同，不能一概而论。

所以，一句简单的“平均来看穆斯林犯罪率高，恐怖分子多”并不一定有统计学基础，也更不一定是理性合理的。

……