乔治·弗洛伊德之死
种族问题一直是横亘在美国人民心头的一根刺。
2020年5月25日，美国明尼苏达州明尼阿波利斯市，非裔美国人乔治·弗洛伊德被白人警察德里克·肖万逮捕，肖万单膝跪在弗洛伊德脖颈处超过8分钟，最终导致弗洛伊德死亡。一名旁观者用手机录下了视频，并上传到社交媒体“脸书”（Facebook）上，随后迅速传播开来。
事件爆发后，引发全美30多个州的一系列抗议示威活动。就在我于美国马萨诸塞州剑桥市写下这段文字的2020年6月1日，波士顿地区也爆发了类似的游行示威活动。街道上随处可见抗议的示威者，空中的警察直升机一直在盘旋。这场冲突，为本来就因新冠疫情而备受打击的美国社会投下了更为沉重的阴影。
在美国，与乔治·弗洛伊德之死类似的悲剧，早已是屡见不鲜。
就在不到六年前的2014年8月9日，美国密苏里州圣路易斯县佛格森镇，18岁的非裔美国人迈克尔·布朗（Michael Brown）在未携带武器的情况下，遭到28岁的白人警员达伦·威尔逊（Darren Wilson）射杀。布朗并未携带武器，而且没有任何犯罪记录，在被射杀前他仅与警员接触了不到3分钟。当地警方认为布朗涉嫌一起抢劫案，但与弗洛伊德被怀疑使用假钞一样，都没有确凿的证据。迈克尔·布朗命案发生后，同样引发了连续多日的抗议行动，也一样出现了暴动，最后警方派出大量警员、装甲车，并发射了催泪瓦斯和橡皮子弹试图平息骚乱。
历史总是惊人地相似。两场命案以及之后引发的社会抗议与部分地区的骚乱，乃至警方的反应，都如出一辙。可以说，种族问题是美国社会的痼疾。
在我们谴责这些惨案中美国警方的恶劣行径时，也不能不看到美国黑人的犯罪率普遍高于其他族群，而且其经济表现也最糟糕。我在美国听人谈及黑人的处境时，他们总会摇头叹息，哀其不幸，怒其不争。
非裔美国人历史上的悲惨遭遇、普遍糟糕的教育状况以及经济表现上的不如人意，都不能不令人在对这个群体产生同情的同时，也避之唯恐不及。虽然美国政府在对待黑人以及其他少数族裔方面也做了不少努力，但效果一直不彰。人们普遍认为，美国警察的行为是种族歧视的表现。而美国黑人在这种情况下，又多以暴动的形式来反抗，就像这次弗洛伊德事件引发的骚乱一样。这样一来，就连没有种族歧视的警察也不得不对他们报以严厉的执法，这又推高了美国黑人的犯罪率。这就把美国的种族歧视问题，推向了一个恶性循环。
面对这个严重的社会问题，经济学大侦探们对它所做的探究可谓由来已久。尤其是21世纪以来，经济学大侦探们利用因果推断的武器，通过精心设计的社会实验或细心寻访的自然实验，对于探明种族歧视这种陈年悬案，取得了重大的突破。这一切将有助于种族歧视问题的研究和最终的解决。
帕克斯女士的“惊天一坐”与歧视经济学
所谓歧视，就是按照那些个体无法改变的表面特征而非内在实质，对某些群体进行划分，并加以区别对待。最常见的就是性别、种族、宗教和地域歧视。我们在社会交往中都痛恨被人贴标签，被他人歧视，但我们却又有意无意每天在生活中歧视别人。想要真正让每个人都能得到平等的对待，并同样平等地对待他人，我们还有很长的路要走。
1955年12月5日，美国阿拉巴马州蒙哥马利市一位名叫罗莎·帕克斯（Rosa Parks）的黑人妇女在公共汽车上拒绝给白人让座，因而被蒙哥马利市利节警察局的警员以违反公共汽车座位隔离条例为由逮捕了。当时年轻的马丁·路德·金立即组织了蒙哥马利罢车运动，号召全市近5万名黑人对这部条例进行抵制。公共汽车抵制运动持续了整整一年，1956年12月，美国最高法院宣布阿拉巴马州的种族隔离法律违宪，蒙哥马利市的种族隔离条例也被废除。马丁·路德·金因其领导地位而名声大噪，成为民权运动领袖。直到今天，我们的耳边仍然会回荡起他那篇著名的演讲——《我有一个梦想》，其中那句“我梦想有一天，我的四个孩子将在一个不是以他们的肤色，而是以他们的品格优劣来评价他们的国度里生活”，最是让人动容。
就在蒙哥马利市的这场民权运动之后两年，声威赫赫的芝加哥大学经济系有一位博士生毕业了，他的博士论文差点没有通过答辩，因为很多人认为这不是一项经济学研究，他论文的题目是《歧视经济学》。[1]这位博士生就是日后大名鼎鼎的经济学大师、1992年诺贝尔经济学奖得主加里·贝克尔（Gary Becker）。贝克尔教授第一次从经济学视角研究了歧视这个社会问题。
在经济学的传统研究范式中，只要市场在发挥着资源配置的基础性作用，歧视就没有存在的空间。因为市场中的供给者与需求者是根据一个统一的价格来做出各自的决策，供求相等，市场达于均衡。商品的供给者没有理由拒绝把商品卖给某个愿意支付市场价格的需求者，即便他们的肤色和性别等有所不同。但是，发生在1955年蒙哥马利市的种族隔离条例恰恰说明，正是最信奉自由资本主义市场经济的美国，却出现了黑人有钱也坐不到公共汽车的情况，在劳动力市场上也出现了大量有能力工作的黑人却被拒绝雇佣的情况。这又是怎么回事呢？加里·贝克尔在不否定市场作用的前提下，提出了一个“基于偏好的歧视”（Taste-based Discrimination）理论。贝克尔认为，正是基于历史、文化、价值观等原因，白人雇主可能不喜欢雇佣黑人，白人员工也可能讨厌和黑人一起工作。只要这样的偏好存在，那么，黑人就可能受到就业歧视，被迫接受较低的工资和较差的工作岗位。
1973年，斯坦福大学经济学教授、1972年诺贝尔经济学奖得主，另外一位经济学大师肯尼斯·阿罗（Kenneth Arrow）提出了反对意见，他表示不能全盘接受贝克尔的观点。[2]在贝克尔的理论中，经济效益更好的企业将会取代经济效益较差的企业，某些白人雇主如果雇佣工资较低的黑人劳动者，那么就可能取得更好的经济效益，如果按照这个逻辑，最终市场竞争还是会消除种族歧视。但阿罗却注意到，这一点并不符合我们的观察。而且，他认为大型企业也具有这种“口味上的偏好”实在有些想当然。因此，阿罗教授在1973年提出了“基于统计的歧视”理论。
“基于统计的歧视”是什么意思呢？我们不妨举个例子：假如一个社会中有1%的人会犯罪，同时，我们又知道，99%的犯罪分子都文身，普通人当中文身的比例只有1%。那么，当你走在一个荒僻的山道上，迎面看到了一个人向你走来，你认为他是犯罪分子的概率是多少呢？当然只有1%。但是，当此人再走近一点，你看清他身上的文身时，这个时候你预计他是犯罪分子的概率又有多大呢？50%！为什么你看到文身后认为他是犯罪分子的概率突然提高了这么多呢？这就是一个名叫“贝叶斯法则”的统计学规律告诉我们的结果。首先，我们来看，既是犯罪分子又有文身的人占这个社会人口的比例是多少？是1%×99%=0.99%！也就是说，一个人既有文身又是犯罪分子的概率只有0.99%。现在你观察到了这个人有文身，那么这个社会中有文身的人占全部人口的比例是多少呢？是1%×99%+99%×1%=（0.99+0.99）%=1.98%，也就是说，它等于犯罪分子中文身者占社会人口的比例加上非犯罪分子中文身者占社会人口的比例，二者之和就是社会中有文身的人占全部人口的比例。这样一来，这个社会中文身的人数占总人口的比例就是1.98%。这么一算，文身的人是犯罪分子的概率是多少呢？是0.99%÷1.98%=50%。如此一来，如果你认为一个人是罪犯的概率有50%那么多，想来避而远之应该是一个合理的选择。阿罗认为，因为实际工作能力很难判断，或者是判断起来成本不菲，所以，即使白人雇主对黑人没有什么特殊的偏好，但如果黑人的平均工作能力不及白人，造成的结果仍然是黑人得不到雇佣，即便两者看起来条件都差不多。
“基于统计的歧视”在生活中非常普遍，比如毕业季时来学校招聘的公司，在招聘条件一栏会要求应聘者是硕士及以上文凭，这就是一种文凭歧视。因为研究生整体来看能力更高，招聘研究生来公司工作可以大大降低招聘失误。像文凭这类的歧视，是可以努力加以改变的外在特征，而我们也往往乐意通过考取更多的技能证书，或者报考研究生，来向雇主发送信号，证明自己在整个群体中的优秀程度，从而博得雇主的青睐。但种族、性别、出生地等个人特征，却是与生俱来，个人无法做出选择的，因此在这些方面的歧视引起的愤怒往往更大。在这些方面的歧视，是对资源配置的严重扭曲，同时，还有可能使某些族群因此丧失上进的动力，成为自暴自弃的群体。
所以，反对各种形式的歧视，尤其是种族歧视，几乎成了社会的共识。不仅澳大利亚、美国、欧盟都有自己的反歧视法或平权法案，《世界人权宣言》还把平等和免于歧视列为基本人权，反对一切性别和种族歧视。
但乔治·弗洛伊德之死告诉我们，情况或许不像人们想象的那样美好。那么，我们又该如何科学地探查得到当今美国社会存在种族歧视的铁证呢？
这当然就要有请我们的经济学大侦探登场啦！
歧视研究难煞人
如果时光倒转个50年，种族歧视几乎是写在美国人的脸上，2019年的奥斯卡最佳影片《绿皮书》（Green Book）讲述的就是20世纪60年代的真实故事。[3]所谓《绿皮书》，其实是种族隔离时期的一本旅行指南，这本书记载的是黑人在旅行中可以去的旅馆和餐厅，如果不到这些地方下榻或用餐，黑人们就会受到不友好的对待。那个时候的劳动力市场，怀抱着深深的种族歧视观念的白人雇主会直接在其招聘广告上注明：本店谢绝雇佣黑人。所以，在种族隔离时期，我们不需要多少科学的研究，就可以感受到人们对黑人的歧视。但是，在美国黑人平权运动之后，再这样明目张胆地对黑人或其他少数族裔进行歧视，那就是违法行为了，而且还会遭到人们的唾弃乃至攻击。
可是，不管法律和人们的意识再怎么变化，在美国劳动力市场上，非裔美国人的经济表现似乎确实远远不如美国白人。非裔美国人的失业率是一般失业率的两倍，即使在同等条件下得到雇佣，他们拿到的薪水也比白人少1/4。这些不平等引来了公众的辩论。当美国的雇主们面对同等条件的黑人应聘者和白人应聘者时，他们会不会更偏向于白人应聘者呢？有人认为答案是肯定的，认为雇主们对黑人抱有种族歧视，或认为黑人是生产能力低下的种族。其他人则认为答案是否定的，种族偏见已然是历史陈迹，平等的观念、守法的意识以及利润最大化的动机都会促使雇主们摈弃种族之间的歧视，而一视同仁。这后一部分人甚至感到，现在反对种族歧视的氛围已经有点过头了，比如在美国上常春藤名校必须有一定的黑人比例，尤其是在美国中产阶级趋之若鹜的医学院申请上，这种种族比例的限制更是令不少人认为黑人受到了过分的保护，反种族歧视反得有点过了头。他们认为，在同等条件下，雇主们甚至可能会更偏好雇佣黑人，之所以黑人仍然失业率高企且收入有限，主要原因应该归于他们缺乏必要的劳动技能等个人因素。这两方各执一词，在社交媒体上也时不时出现激烈的辩论，莫衷一是。
在这个问题上，传统的劳动力和家庭住户调查数据无法做出很好的回答。没错，根据这类调查数据，研究人员的确发现，即便白人和黑人拥有相同的劳动技能，白人也拥有更高的薪资。但是，我们都知道，调查数据收集到的个人或家庭的特征等变量是不全面的，其中往往存在着诸多的遗漏变量，而这些变量若是刚好和种族存在着紧密关系，就导致我们从这些数字中得到种族歧视的结论，在因果推断的科学立场上站不住脚。也就是说，我们从这些调查数据中认为的两个条件相同的黑人和白人，实际上在雇主的眼里可能由于其他那些没有被我们观察到的特征而有所不同，因此，我们并不能严格地认定，雇主就是在进行歧视。
我们举个假想的例子：假定孙悟空和猪八戒都到一家由唐僧当CEO（首席执行官）、如来佛祖当董事长的西天取经公司来应聘保安工作，现在我们可以知道的二人的特征如下：第一，都是动物；第二，都曾威震一方；第三，都会腾云驾雾，若干变化。当然，读过《西游记》的人肯定认为，孙悟空比猪八戒厉害，可调查数据能告诉我们的信息却很有限，不可能像吴承恩先生那样专门写上一本书，把每个数据背后的故事都讲给你听。也就是说，如果只从这些调查数据告诉我们的信息来看，我们可能看不出孙悟空和猪八戒有什么太大的差别。但是，调查数据不能告诉我们的是他们两个人各自对待工作的态度。只有唐僧和如来佛祖知道，孙悟空上进心强，敢于担当，具有进取精神，而猪八戒却只想当一天和尚撞一天钟，遇到困难就想着散伙分行李，回高老庄。但他们两个人的这种内在差别，外人是很难看出来的。如果我们只看取经后得到的封赏有别，不知情的人就会说如来佛祖歧视猪、偏爱猴，这就太冤枉如来佛祖了。
有没有别的办法可以探查雇主们在雇佣时是否存在种族歧视呢？这时候就有研究人员发明了一种叫作“审计研究”（audit studies）[4]的方法。这个名字看似很学术，其实就是通过演戏来做研究。研究人员先聘请一批演员，他们中有白人也有黑人。接着，研究人员对这些白人和黑人演员进行精心的配对和训练，让他们表现得非常接近。同时，对他们的简历也做一番认真的设计，使它们看起来足够相似。这样，研究人员就训练出了持有类似简历，同时表现也足够相近的一对黑人和白人演员。然后，让这些演员分别扮演求职者到各个公司应聘，看看公司雇主们会雇佣谁。如果雇佣白人的居多，就说明雇主们存在种族歧视；如果没有明显差别，就认为不存在种族歧视。在经济学、社会学、政治学和心理学中，这种审计研究是常被使用的研究方法。
这种通过聘请演员演戏来做研究的方法，乍看起来确实不错。白人应聘者和黑人应聘者的个人履历及技能水平看起来都差不多，甚至连出生地都可以选同一个州，尽可能让两个演员表现得相互接近。而且，在对两个应聘者进行培训的过程中，也尽可能地使他们以相同的方式来应对雇主们可能提出的各种问题。总之，就是要让两个应聘者除了种族之外，其他方面都表现得尽可能完全一致。
但是，这里面还是存在着一些问题。第一，即便你能够尽可能在各个特征上让两个应聘者雷同，也做不到完全一致，而且，研究人员根本无法了解到雇主心中是怎么想的，并不清楚他们更看重应聘者身上的哪些因素。第二，也是更要命的问题是，这些你找过来的演员，他们本身可能会对种族歧视有着自己的好恶和判断，从而在应聘过程中有着自己的理解和发挥。就像周星驰的电影《喜剧之王》中的桥段，你让他演个死尸，他还想表现得更完美一点，往自己理解的方向上发挥。所以，在这些演员去应聘的过程中，根本没有办法控制他们的这种内在取向。
忙活了一大圈，在种族歧视的探查上，人们还是没有找到足够科学、严谨的因果证据。就这样，时间来到了2004年，这一年，经济学大侦探塞德希尔·穆来纳森（Sendhil Mullainathan）和玛丽安妮·伯特兰（Marianne Bertrand）在经济学顶级杂志《美国经济评论》（AER）上发表了一篇文章，[5]他们别出心裁，设计了一个精妙绝伦的实地实验，终于科学而严谨地向我们证实了劳动力市场上存在着种族歧视，为这一番争论增添了一份有力的证据。
名字决定命运？——一个别出心裁的随机实地实验
前面我们讲到，调查数据由于存在遗漏变量，很难把从中得到的黑人收入低于白人的结论视为种族歧视的结果，审计研究又由于很难控制实验人员本身的价值取向，而且研究设计本身可能无法真正了解雇主关心的因素，所以也不能准确地验证是否存在种族歧视。但我们的大侦探穆来纳森和伯特兰却别出心裁，想出了一个绝妙的办法。
这两位大侦探采取的是实地实验（Field Experiment）的方法。所谓实地实验，又叫现场实验或田野实验，它是相对于实验室环境而言，也就是说，实地实验的实验环境是真实的人类社会。比如芝加哥大学著名的实验经济学家约翰·李斯特（John List）曾经带领学生做过一个关于女性表现的实验。这个实验要回答的是，女性之所以显得不那么有进取心，相对不愿意更多地处于竞争状态下，到底是由先天的女性基因造成，还是后天的社会习俗养成的。在实验室中这样的实验是很难完成的，你无法做到随机地让有些女性处于这类社会习俗下，让另外一些女性处于其他社会习俗下，然后观察二者的区别。但是，我们却可以寻找某些不同习俗下的社会群体。李斯特教授在印度就发现有若干处于母系社会的邦，到那里去做实验，把这个实验结果与男女相对平等的美国，以及严格属于父系社会的非洲某部落的实验结果进行对比，这样就可以控制女性基因这个因素，从而观察不同社会习俗对女性进取精神的影响。他们的研究结论是女性的进取精神基本上是后天养成的，而非由基因决定。[6]
大侦探穆来纳森和伯特兰所做的这个实地实验，实验对象是向波士顿和芝加哥两个城市在当地报纸刊登招聘广告的那些公司。两位大侦探事先制作了一些假简历，这些简历分成低技能、高技能等不同种类。然后，一家进入实验的公司会收到两封差不多的简历，这两份简历只有求职者的名字不同，其他基本上没有什么大的差异，当然，两位大侦探也会就一些无关紧要的信息略加修改，不能让雇主们对这两份简历产生怀疑。这就相当于基于同样的一份简历进行修改，做出两份类似的简历，在这两份简历中，姓名当然是不一样的，但其他方面都几乎一致，也就是说，这个实验主要的差别就在姓名上，是姓名把两份简历分成了对照组和处理组。就这样，两位大侦探把这些简历寄出去之后，接下来就可以坐在办公室等待雇主们的回复邮件了，实验的结果就是雇主们的回复率。当然，对于回复的形式，如何接受回复，他们也都做了严格的限定，在这里，我们只以邮件回复为代表。
聪明的读者读到这里，肯定大惑不解，这两位大侦探又怎么能够通过实验检查出这些公司是否存在种族歧视呢？只是姓名不同，如何把实验中的求职者分为对照组和处理组呢？事实上，如果你在简历上写明自己是黑人还是白人，这反而会显得非常反常，可能还会让人怀疑你是不是一个强烈的种族主义者。如果你在简历上贴上照片，那么，也许照片上的其他信息，比如照片上的头像是美是丑，都可能引起雇主不同的观感，而实验人员又没有办法收集到这些观感，这就会污染实验结果。那怎么办呢？两位大侦探这时就有了一个灵光一闪的想法，那就是姓名本身会显示某种信息，而这种信息却不会带来上述的这些问题。
在美国，如果你的名字叫艾蜜莉·沃尔什（Emily Walsh）或葛瑞格·贝克尔（Greg Baker），那么你多半是个白人；而如果你的名字叫拉卡莎·华盛顿（Lakisha Washington）或贾马尔·琼斯（Jamal Jones），那么你基本上是黑人没跑了。这样一来，你把上面提到的那两份大致相同的简历，一份填上艾蜜莉·沃尔什或葛瑞格·贝克尔的名字，一份填上拉卡莎·华盛顿或贾马尔·琼斯的名字，这几乎就自动地分成了两组。一组给人的感觉求职者是白人，他们是对照组；一组给人的感觉求职者是黑人，他们是处理组。这样我们就可以观察是否存在种族歧视。作者们的这个实验巧妙地利用了求职者姓名带来的文化上和种族上的联想，真不愧是经济学大侦探。这个时候，既没有其他的信息让雇主感觉求职者本人有什么种族主义倾向等特殊之处，也不会让雇主得到除了他自己联想到的信息之外更多的东西，所以，雇主是否给其中的一组求职者更多的面试机会，就很能说明他的态度了。这个态度，我们可以据以认定他是否存在种族歧视。
此外，大侦探们还想看看劳动技能是否会影响种族之间的回复率。他们根据具体的招聘广告分别改变这些简历的质量，让有些简历拥有更多的劳动力市场经验、更多的技能证书、更少的不良从业记录，有些简历在这些方面的表现都要差一些。但无论是哪一种简历，都根据不同的姓名分组各做一套，然后每个招聘公司都会收到两种姓名的简历各一套。在实际操作中，每家公司都会收到四份简历：两份高质量简历，两份低质量简历。两位大侦探随机地给其中一份高质量简历填上白人的名字，一份高质量简历上填上黑人的名字，对于低质量简历也是如法炮制。他们总共就1 300多个关于销售、行政管理、文秘和客户服务的招聘岗位发放了近5 000份求职简历。
结果，两位大侦探发现，在求职的回复率上出现了很大的种族差异。白人姓名的简历每发出10份，就会收到1个回复，而黑人姓名的简历每发出15份才能收到1个回复，这个50%的差距在统计上非常显著。随着工作经验的增加，白人姓名的简历得到的回复比黑人姓名的简历更多，也就是说，如果在简历中标示的工作年限越长，白人得到雇主回复的可能性比黑人得到回复的可能性就越大。由于简历上的姓名是随机分配的，所以这种种族上的差异只能归因于简历上的姓名带来的种族联想。
而且，种族还影响了努力提高个人技能所带来的回报。高质量的白人姓名的简历比低质量的白人姓名的简历多得到30%的回复，而高质量的黑人姓名的简历所得到的回复相比于低质量的黑人姓名的简历几乎没有什么分别。换言之，简历的质量只是进一步拉大了种族之间的差距而已。这个结果更加令人感到绝望，也就是说，即使黑人通过努力获得了更高的技能，他也仍然无法改变自己的命运。
同时，这个实验还揭示了一些其他方面的信息。由于申请人的住址是随机分配上去的，大侦探们还可以研究回复率与居住地之间的关系。他们发现，申请人住在富人区或白人为主的街区，回复率就高，但这种回复率的提高在白人姓名的简历上更为明显。其次，不同的行业或职业之间，这种种族之间的差距表现得并没有什么差别。
就这样，大侦探穆来纳森和伯特兰通过一个更加简洁，同时成本也更为低廉的实验，向我们严谨而科学地表明了美国劳动力市场上存在的种族歧视问题。
这位穆来纳森教授还值得特别提一下的就是，他是几年前畅销书《稀缺》的作者。[7]在这本书里，大侦探穆来纳森通过各种实验研究告诉我们：我们之所以陷入贫穷和忙碌，本质上是稀缺心态在作祟。这是一本对我们的生活态度非常有启发的好书，至少改变了我自己的工作和生活态度，也在此推荐给各位读者朋友们。
为什么黑人的车里更容易发现毒品和其他违禁品？
在美国，非裔美国人在驾车时更容易受到警察对毒品和其他违禁品的搜查。例如，在美国马里兰州的高速公路上，州警察对过往车辆进行毒品和违禁品搜查，搜查对象中63%是非裔美国人，但在这条高速公路上开车的非裔美国人只占总驾车量的18%。那么，警察之所以会拦车盘查，是不是因为黑人和白人的驾驶习惯不同呢？有关交通方面的研究却并未发现这两个人群之间有什么根本性差别，由此可断定，警察不是因为非裔美国人更容易违反交通规则而对他们进行拦车盘查。
对此，还有另外一种解释，那就是像某些人权组织批判的那样：美国警察在执法时存在着种族主义差别对待。这种解释被称为“种族脸谱化”（Racial Profiling），指的是执法机关在判断某一类特定类型的犯罪或违法行为的犯罪嫌疑人身份时，将种族或族群特征列入考虑范围，进而可能导致在破案过程中更多地怀疑某一族群的作案嫌疑。20世纪末以来，这种做法由于执法机关可能会滥用职权，在美国受到了公众的非议。但也有人认为，警察在确定犯罪嫌疑人身份时使用包括种族在内的多种考量因素，是经过实践检验的常用的有效措施，刻意把种族因素排除在外是没有逻辑的。大家众说纷纭，意见始终难以一致。
这个时候，当然又是我们经济学大侦探一展拳脚的大好时机。事实上，在这个问题上，经济学家已经持续努力了将近20年。
如果我们把犯罪行为看成是一个包括种族和其他可以观察到的特征在内的函数，然后把搜集到的数据放进一个简单的计量方程中进行回归分析，若是发现种族这个变量没有什么解释力，也就是说，没有发现种族对犯罪行为有显著的影响，然后据此认为不应该进行“种族脸谱化”；或者，若是发现种族这个变量对犯罪行为有显著的影响，然后据此认为应该进行“种族脸谱化”；这样的做法是否可取呢？不得不说，这样的做法是有问题的。因为它需要收集到警察决定是否盘查过往车辆时的所有考量因素，这肯定是做不到的，最大的问题是你根本不可能完全搞清楚警察到底是怎么想的。如果你的数据没有反映出某些考量因素，那么，这就会构成遗漏变量偏误的问题。也就是说，真正使警察更多地盘查非裔美国人车辆的因素是这些遗漏变量，而由于这些变量与种族这个因素高度相关，这样就会让你得出警察的选择性执法是种族主义的表现。但其实，警察使用种族这个标准进行拦车盘查，可能是一种统计性歧视，而非一种种族主义的歧视。
统计性歧视可以是警察提高办案效率的一种有效手段，但种族主义则是赤裸裸的种族歧视。让我们来做个思想实验：假如你是一名警察，你接到任务到一个高速路口对过往车辆进行盘查，有效查获其中携带的毒品和其他违禁品是你的职责所在。根据过去的经验，你和你的同事很清楚，非裔美国人的车里藏有毒品和其他违禁品的概率是60%，而白人中这个概率只有20%。也就是说，你盘查5辆黑人的汽车，有3辆会发现毒品和其他违禁品，而如果拦下5辆白人的汽车，却只有1辆会发现毒品和其他违禁品。你们的时间和精力都是有限的，如何把警力用在最有效的盘查上，你大概会有自己的选择了。此时的你很可能只对那些特别可疑的白人车辆进行盘查，而对黑人的车辆可能稍微有些怀疑就开始拦车盘查了，显然是统计性的经验让你理性地选择了更多地盘查非裔美国人的汽车，而不关种族主义什么事。如果是这样的话，现在你或许对“种族脸谱化”的执法习惯没有那么反感了吧。
问题在于，我们如何才能区分作为有效执法手段的统计性歧视和作为赤裸裸歧视的种族主义呢？
2001年，大侦探约翰·诺尔斯（John Knowles）、尼古拉·柏思科（Nicola Persico）和珀特拉·托德（Petra Todd）提出了一种新的检验方法，[8]这种检验方法有一个非常好的地方在于，它不要求我们搜集到的数据包含警察考量的全部因素，只需要包含一部分变量就可以进行检验，并能分辨出统计性歧视和种族主义歧视。
我们还用刚才那个实验来说明诺尔斯等人的这个新的检验方法。首先，诺尔斯假定，你和每一位警察都希望尽可能最大化查获毒品和其他违禁品的数量，尽可能最小化盘查车辆的成本，也就是说，你和你的同事希望盘查最少的车辆，同时又查获最多的毒品和其他违禁品。其次，再假设王二是黑帮老大，他找人开车帮他带货，作为黑帮老大，他当然希望自己的货被查到的机会最小。根据我们前面的故事，知道现在警察会更多地盘查黑人所开的车辆，那么，此时王二会更多地找白人带货还是找黑人带货呢？王二可不傻，他当然是更多地找白人，因为此时白人被查的概率小。过了一段时间，你和你的警察同事发现，还是像原来那样更多地盘查黑人的车，收获没有那么大了，但盘查白人的车，查获毒品的概率激增。于是，你和你的同事会根据情况进行调整，也开始更多地盘查白人的车。然后，黑帮老大王二再次更改自己的策略，调整送货小弟中白人和黑人的比例。经过一轮又一轮的博弈，终于，你们双方达到了一个均衡状态。此时你和你的同事无论查白人的车，还是查黑人的车，查获毒品和其他违禁品的概率应该是一样的。如果不一样，比如说查黑人的车所获更大，你们就会更多地查黑人的车，王二就仍然会调整他送货小弟中的黑人比例，这就不是均衡状态了。
故事讲到这里，我们总结一下。根据诺尔斯等人的假设，警察和黑帮通过躲猫猫，相互调整查车和带货中黑人和白人的比例，最后摸索出一个均衡结果。在这个结果中，双方都按照固定的比例查车和带货，单方面都不再有改变这一比例的动机。而且，这个比例并不一定是1∶1的关系，它可以是任意的比例，但一旦形成这个比例，双方就会按照这个均衡比例行事，没有任何一方有偏离的动机。
接下来，大侦探诺尔斯等人推论称：在双方达到均衡状态时，警察盘查黑人所开的车辆和盘查白人所开的车辆，其收益应该一样。因为如果不一样，他们就会更多地盘查能带来更多收益的那个族群所开的车辆。有了这个推论，剩下的事情就非常简单了，我们只需要拿数据验证一下，看看情况是不是真像他们所推论的。如果警察仅仅是统计性歧视地进行执法，那么，他们更多地检查黑人的车辆，更少地检查白人的车辆，其实是均衡状态中的比例使然。因此，检查两种车辆所得到的收益应该是一样的，也就是说，两个人群的车辆查获率应该相同。而如果是种族主义在作怪，那就应该是无论收益多低都坚持检查黑人的车辆，因此，在这种情况下，警察盘查黑人的车辆所得到的查获率应该更低才对。然后，诺尔斯等人使用美国马里兰州警局的高速公路盘查数据的研究表明，虽然对黑人的车辆进行盘查的概率更高，但查获率与盘查白人车辆所得到的查获率基本一致。至此，我们就不能认定马里兰警方在黑人和白人车辆盘查比例上的不同乃是种族主义使然，因为证据并不支持这一论点。他们之所以选择马里兰州的数据，也是因为当时马里兰州警局在执法中推行“种族脸谱化”而受到了很大非议。
大侦探诺尔斯等人这次用严密而直观的经济学逻辑，甚至都不需要动用复杂的因果推断工具，就把这个悬案给破了，真是令人拍案叫绝！后来，安瓦尔和方汉明（Anwar and Fang）[9]改进了诺尔斯等人的方法，使之变得更加严谨，也把改进结果发表在了一份很好的经济学杂志上。但我读下来，总觉得大侦探诺尔斯等人的那个想法简洁有力，让人脑洞大开，这大概就是原创思想的力量吧！
黑人更容易被判死刑？
2019年7月25日，美国司法部发出正式命令，宣布将于同年12月9日连续处决5名联邦死刑犯，这是自上一次2003年美国联邦政府执行死刑以来，美国首度重启“联邦死刑”命令，结果却引起了人权组织和在野党的强烈批评。如今，美国已有17个州废除了死刑，还有33个州保留了死刑。2018年美国共处死了25名死刑犯，都是在这些保留了死刑的州执行的。在美国，人们之所以反对死刑，其中有一个重要理由就是认为法院在死刑判决上存在着种族歧视，也就是少数族裔更容易被判处死刑。人权组织指出：在美国，被判处死刑的黑人所占的比例远超他们占全国人口的比例，美国黑人只占美国总人口的12%，但被判处死刑的黑人比例却高达40%。但是，人权组织的这个指控并不能说明，在死刑判决上，美国的法院真的存在种族歧视。原因很简单，如果黑人犯下重罪的比例本身就很高，那法院秉公执法，自然就会更多地判处黑人死刑。人权组织以此来反对死刑，是找错了理由。
那么，美国法院在死刑判决上是否存在种族歧视问题呢？这当然还是要请出我们的经济学大侦探来为我们释疑解惑。
这次请出的大侦探是哈佛大学经济系著名的经济学家、前系主任阿尔贝托·阿莱西纳（Alberto Alesina）。阿莱西纳教授的研究领域极为广泛，不仅对政治商业周期理论、财政政策和预算赤字等宏观经济学议题有着精深的研究，而且还开创了实证政治经济学这门新的研究领域。他是“意大利之光”，2006年入选美国文理学院院士，假以时日，问鼎诺贝尔经济学奖应该不成问题。让人悲伤的是，2020年5月23日，阿莱西纳和太太出门跑步，突发心脏病，抢救无效，于当日去世，享年63岁。阿莱西纳去世的时候，我正在哈佛访学，我和朋友特地去哈佛经济系所在的立陶沃尔大楼前寄托哀思，想起春天还参加过阿莱西纳教授的研讨班，真是如在梦中。大师离去，天不假年，悲哉！
大侦探阿莱西纳和他的合作者埃利亚娜·费拉拉（Eliana La Ferrara）在诺尔斯等人开创、后经安瓦尔和方汉明改进的模型基础上，构造了一个自己的模型。[10]在这个模型中，阿莱西纳等人假设地方法院会追求判决错误出现的概率最小化。那么，怎么来定义死刑判决是否出现错误呢？这要按照地方法院的判决是否被高一级法院驳回而定。在美国，被判处死刑的案件会自动上诉到州高级法院复核，如果州高级法院认为一审判决存在错误，就会驳回重审。而且，死刑犯如果在州内上诉失败，还可以根据美国宪法中的“人身保护权”（Habeas Corpus）上诉到联邦最高法院，死刑上诉一般都会送到美国联邦最高法院。有了法院追求判决错误概率最小化这个基本假设之后，大侦探阿莱西纳等人就发展出了一种对死刑判决中是否存在种族歧视的检验方法。根据这种检验方法，即便我们观察不到法院在进行死刑判决时会考虑到的全部因素，只要整个司法过程是公正无偏的，那么从事后看，我们就不应该在某些犯罪嫌疑人和被害人的不同种族组合上观察到不同的判决错误概率。我们可以把这些组合分成以下几种情况：
（1）犯罪嫌疑人为白人，被害人也是白人；
（2）犯罪嫌疑人为黑人，被害人也是黑人；
（3）犯罪嫌疑人为白人，被害人是黑人；
（4）犯罪嫌疑人为黑人，被害人是白人。
也就是说，如果当地法院在判决时没有种族歧视，那么，第（1）组出现判决错误的概率与第（3）组应该是一样的，同理，第（2）组出现判决错误的概率与第（4）组也应该是一样的。如果数据分析得到的结果发现它们并不一致，那就可以说明在死刑判决中很可能存在种族歧视。虽然作者们建立的模型非常复杂，但总结起来并不难理解，与诺尔斯等人的文章在基本精神上是一致的，这也是目前做歧视研究的人都会宗奉的一种方法。值得一提的是，大侦探阿莱西纳等人的模型考虑了不同案件之间不同种族的嫌疑人在犯罪倾向、获得法律援助的能力以及其他不可观察的因素上的差别，从而使这一方法更加适用于死刑案件中的种族歧视识别。
对于大侦探阿莱西纳等人来说，接下来的数据搜集工作也很值得一提。他们搜集了1973—1995年之间发生的全部死刑判决，并对其中的犯罪嫌疑人和被害人的种族特征逐个进行了查询。尤其是在匹配种族特征上，大侦探们下了非常大的功夫，一个个地去查找，着实不易。我们在这本书里每次提到大侦探的工作，往往赞叹他们神乎其技的因果识别技巧，但所有这一切都来源于他们之前在数据搜集、清洗等方面付出的艰辛努力。在大侦探阿莱西纳等人搜集的这个数据集中，上诉案件里的犯罪嫌疑人白人占51%，非裔美国人或黑人占比41%；另外，有78%的案件涉及至少1名白人被害人，有17%的案件涉及至少1名黑人被害人。
接下来的工作就是使用这些数据来实施大侦探阿莱西纳等人发展出来的种族歧视新检验方法了。在最后上诉到美国联邦最高法院的死刑案件中，在犯罪嫌疑人为少数族裔时，如果被害人是白人，判决错误率是37.6%，如果被害人是少数族裔，这个数字就下降到28.4%，而且这个结论在统计上非常显著。这也就是说，如果犯罪嫌疑人是少数族裔，而被害人是白人的话，地方法院更容易判得过重。在上诉到州高级法院这个层面，在犯罪嫌疑人为少数族裔时，如果被害人是白人，判决错误率是37.7%，如果被害人是少数族裔，这个数字就下降到34.7%，这个差距虽然变小了，但在统计上也是显著的。这些结论可以表明，在1973—1995年间，美国地方法院的死刑判决很可能是存在种族歧视的。有意思的是，当作者们分地区进行数据分析时，发现这些结论几乎都是由美国南部各州的案件所致，如果拿掉美国南部各州的数据，上述结论就不再成立了。
此外，大侦探阿莱西纳等人的这些分析结论还依赖于他们所做的若干重要假设。第一个假设是，他们认为州高等法院和联邦最高法院是不存在种族歧视的，如果这些法院也存在种族歧视，那么作者们的结论就需要修改，但基本上可以断定的是，上一级法院很可能比地方法院或下一级法院在种族歧视上的程度有所减轻，因此，大侦探们的定性基本结论仍然成立，只是在数字上可能会变得更小些罢了。第二个假设是，给定犯罪嫌疑人的种族这一条件，这些杀人案件的特征或者证据的有力程度等不可观察到的变量不会呈现出系统性的差别。为了评判这些假设是否成立，大侦探们也抽丝剥茧地做了诸多工作，以便尽可能地使他们的分析结论更为坚实地得以确立。
有关种族歧视的议题在经济学中一直受到重视，大侦探们的工作始终没有停止。我刚到哈佛访问的时候，有一位经济系毕业的华人学者（Crystal S.Yang）拿到了哈佛大学法学院的教授之职，系里对她成功升等表示祝贺。这位教授2018年曾发表过一篇著名的论文，[11]研究的是在法院的保释决策中是否存在种族歧视的问题。她那篇文章的基本思路仍然是沿着大侦探诺尔斯以及阿莱西纳等人的工作继续完善。
种族歧视是劳动经济学、社会经济学以及法律经济学中的重要议题。哈佛大学经济系给博士生开的劳动经济学课程，一共10周到11周的课程，有2周专门讨论歧视研究，可见这一议题多么受重视！经济学界关注种族歧视问题，既说明这个问题在美国这样的移民大熔炉国家所具有的重要性，也说明这个问题在学术上所具有的挑战性。但不管怎么说，大侦探们的工作为我们认清真相，并认真思考可能的有效社会治理方式提供了坚实的理论和实证基础，值得为他们的工作点上一个大大的赞！
本章推荐阅读文献
Knowles, John, and Nicola Persico, Petra Todd. 2001. “Racial Bias in Motor Vehicle Searches: Theory and Evidence.”Journal of Political Economy, 109（1）：203-29.
