——来自农民工子弟学校的证据

推文人 | 张萌

推文信息：Chen, Q., Wang, X., Zhao, Q., 2019. Appearance Discrimination in Grading- Evidence from Migrant Schools in China. Economics Letters. 181, 116-119.

 

一、研究背景与目标

 

至少从Becker(1957)时期以来，经济学家们就一直在研究劳动力市场上与种族、性别、宗教信仰以及其他先天性因素有关的歧视问题。自从上世纪90年代中期以来，一种特殊的歧视——相貌歧视，得到了越来越多的关注和研究。尽管多个国家和地区的实证研究结果均表明，相貌上更有吸引力的员工通常比不那么有吸引力的员工的薪酬更高，但是这并不一定意味着相貌歧视的存在。首先，常用的衡量相貌具有吸引力的方法可能与一些不易观测但是影响工作表现的个人特质有关，例如肥胖可能是由于个人缺乏毅力和耐力，而耐力和毅力会影响一个人的工作表现，因此简单的把肥胖和工资低联系起来是草率武断的，所以相貌吸引力与劳动力市场结果之间的关系可能仅仅反映了这些个人特质的影响。其次，也许相貌本身就是一种生产力，在相貌上更有吸引力的人可能会更自信更有竞争力，因此他们的工作效率也更高。由于很难衡量薪酬上的回报在多大程度上得益于相貌，所以把相貌歧视和金钱回报剥离开显得困难重重。尤其是如果管理者利用这点，故意夸大他们对相貌上有吸引力的员工的工作评价，那么准确评估相貌歧视会难上加难。

 

本文通过研究农民工子弟学校学生这个有趣的群体，将相貌歧视和金钱回报两者相剥离。农民工子弟学校作为暂时接纳在城市工作的农民工子女的教育场所，在课程设置上无异于其他普通学校，但是根据有关规定，他们必须回户籍所在地接受高中教育。这意味着农民工子弟学校的老师几乎没有动机去提高学生的考试成绩和高中升学率，因为这不会带给他们任何物质奖励或者精神鼓励。学生的相貌本身几乎没有经济价值，所以本文将相貌歧视和金钱回报两者相剥离，分析相貌歧视是否存在。

 

二、 数据与方法

 

数据收集于2017年6月，样本地区是中国两个主要的农民工流入城市——北部的北京和南部的苏州，在这两个城市的所有农民工子弟学校中，选择了北京30所有代表性的学校和苏州29所有代表性的学校。在每一所选定的学校，随机选择三年级和四年级的某个班级，共获得3356名学生作为样本。数据获取方式包括：通过问卷调查获得学生个人及家庭特征，从教务部门获得学生上学期期末考试成绩，通过一些测试获得学生身体发育状况(如身高和体重)、认知能力和心理健康状况(如自尊心和抑郁)。其中认知能力采用瑞文标准推理测验；自尊心通过修改后适应本土语境的RSES量表评估；抑郁由CES-D量表改编而来的6项量表评估。

 

为了对相貌进行直接打分，在征得本人同意后，我们拍摄了所有抽样学生的照片，聘请face++公司设计了一个人脸识别和相貌评分程序。该程序建立在神经网络原理的基础上，使用了数以万计的人脸图像进行训练。我们的相貌评分程序不同于其他现有的评分程序，因为我们的评分建立在成千上万人的相貌偏好基础上，而其他评分通常只依赖于少数人偏好。并且，我们的机器评分与40位研究人员随机选择的100张照片的平均评分具有很好的一致性（见图1）。

在控制住学生的外在体型、认知能力、心理健康状况、家庭背景以及学校质量这些重要的影响因素后，分析学生外貌与老师给他们考试打分之间的关系，估计模型如下：

控制变量X包括学生个人特征(即性别、年龄、身高、体重、瑞文测验分数、学前出勤、自尊和抑郁状况)、家庭特征(即父母受教育程度、家庭资产状况和兄弟姐妹排行)以及学校固定效应。为了便于解释，所有的分数都标准化为零均值和统一标准差。

 

三、结论与讨论

 

式（1）估计结果如表1所示，所有的回归都包括了表2中的全部控制变量。结果表明，对所有的科目来说，相貌越突出的学生，老师给他们考试打分也越高，在控制住学生的认知能力、身高、心理健康状况、家庭背景以及学校质量这些重要的影响因素后也是如此。为了进一步说明回归中的多元假设，本文采用了stepdown procedure获得相貌效应的调整p值，调整p值略大于原始p值，但在统计上仍然显著。

此外，相貌对语言类科目成绩(尤其是英语成绩)的影响比数学成绩的影响更大，这可能是因为数学题的答案总体上更客观，没有太多提升成绩的空间。那么，在数学打分中，提升分数的空间在哪里呢？一种可能性是，老师们倾向于把漂亮学生的分数提高到及格(60分)左右。如表3所示，将45-94范围内的考试分数按10分的带宽分区后，只有成绩在60分左右时该系数有统计学意义，并且比其他区间系数估计值要大得多，而在语文和英语两门科目中没有发现这个规律。这表明，语言类科目老师可能不会围绕特定的“目标”给更高分，而是会在整个考试分数范围内给出更高分。

文章最后，作者指出：在控制了一系列重要的因素后，我们基于机器评分的相貌分析证明，相貌歧视甚至在一个人进入劳动力市场之前就已经存在。虽然它对分数的影响在数量上很小，但可能会产生一系列不良后果：它可能会减少漂亮学生的努力，从而破坏他们的认知发展；这也可能在学生中造成一种不公平的氛围，可能也会损害其他学生的认知发展；更严重的是，一旦孩子们接受了相貌歧视成为社会的常态，他们在未来的劳动力市场上反对歧视的意愿可能会大大降低。

 

Abstract

 

Using appearance scores created by facial-recognition and machine-learning programs that incorporate tens of thousands of individuals’ appearance preferences, we find in China’s migrant schools that students’ appearance has a statistically significant and positive effect on their teachers’ evaluation of their exam performance, even after netting out the influences of important confounders such as physical growth, cognitive ability, mental health status, family background, and school quality.