城市与社会｜大学生就业市场中的“外貌溢价”

墨兰蝎

一年一度的校招季即将到来，近日发布的《2020中国年度最佳雇主评选报告》显示，疫情并未消减企业校招规模，今年仍然有58%的企业选择扩招。

通常来说，简历是求职者给招聘企业留下的第一印象，在中国的就业市场中，大多数企业都要求求职者提供近照。那么，个体的外貌在多大程度上会影响应届生在劳动力市场的机会？

从1994年美国经济学者Hamermesh和Biddle提出美貌溢价（Beauty Premium）的概念，到2011年Hamermesh 撰写《美的回报:为什么漂亮的人更成功》进一步构建“美貌经济学”（Economics of Beauty），众多研究证明劳动力市场上存在美貌溢价现象，而且外貌歧视是美貌溢价的主要来源。

《美的回报:为什么漂亮的人更成功》（Beauty Pays: Why Attractive People Are More Successful），2013年出版，普林斯顿大学出版社
随着互联网、人工智能等技术的发展与应用，人们的生产方式发生变化，在不同场景中用脸的频率越来越高，这是否意味着外貌对个人的影响也会增强？这背后又存在怎样的影响机制？

为解答上述问题，湖南大学经济与贸易学院国际贸易副教授邓卫广及其团队自2015年起进行了一系列实证研究。在2019年8月发表于《人口经济学杂志》（Journal of Population Economics）的论文中，邓卫广团队采取实地实验（field experiment）的设计，用658组经历相同或相似仅面部特征不同的大学应届生简历测试了15种招聘岗位在首轮线上筛选时是否存在外貌溢价。

该研究证实了中国劳动力市场中外貌与就业之间的因果关系。实验表明，在面试前阶段存在基于偏好的外貌歧视。个体受教育程度对外貌歧视有显著的性别差异效应:学历越高，男性受到的外貌歧视越少，而这一效应对女性求职者来说并不显著。此外，劳动力市场、公司和空缺职位的特征也是影响外貌溢价的重要变量——在女性更集中的大城市和男性居多的研究型岗位，外貌会带来更高的溢价。同样地，对于薪酬较高的职位来说，外貌溢价也更高。

基于以上结果，邓卫广团队进一步利用中国大学生追踪调查(CCSLS2016)和中国家庭追踪调查(CFPS2016)的数据,实证分析产生外貌溢价的内在原因，探究外貌对个人社会资本形成的影响。研究发现，颜值越高，社会资本的形成越积极，即社交支出越高、社交时间越长、要好的朋友越多、更可能有恋爱经历、越偏好于在微信朋友圈展示自我等。

对外貌效应进行分解发现修饰美比天生美更显著地影响社会资本形成。进一步的影响机制探析表明，社会资本形成是产生外貌溢价的一个重要渠道，外貌通过提升社交能力和改善社交态度进而提高收入，从而产生溢价。

在信息技术时代，外貌溢价效应的增加是否不可避免？近日，澎湃新闻（www.thepaper.cn）与邓卫广就这一问题进行了探讨。

澎湃新闻：您还在进行关于外貌的系列研究。您为什么会从这个角度研究中国劳动力市场？希望通过系列研究解答什么问题？

邓卫广：外貌是重要的个人特征，在很大程度上由基因所决定，会伴随、影响人们的一生，其中也包括个体在劳动力市场的表现。现在医美行业发展迅速，各种整形、微整形非常火热，出现热潮的原因可能是因为外貌对于个人收入、幸福等方面影响重大，因此我们希望探索这一现象背后的激励机制。

另一方面，关于劳动力市场外貌溢价的研究仍然存在不足。首先，由于外貌是一种非常主观的评价，现有文献未能客观地对其进行测量与评价。其次，现有研究中还存在大量的不可观测因素，比如个人的能力、家庭背景等，它们既可能影响外貌，也可能影响个体的劳动力市场表现，因此现有研究无法分离结果中的统计性和偏好性差异，从而对外貌溢价进行准确评估。

再次，在中国社会中，大多数招聘职位都要求求职者在简历上提供证件照或个人近照，这样的要求对于求职者有怎样的影响？或者从更广泛的角度来说，在互联网时代，个人所展现的外貌（头像）对于网络社交有怎样的影响？这些都是我们想探索的问题。

我们已经研究了外貌与社会资本的关系，后续还会研究外貌对人力资本的影响，比如，相貌更好的人在学习过程中是否会得到更多的关注以及教育资源的倾斜等等。

澎湃新闻：此前您采取了实验研究法证实了岗位面试前存在的外貌歧视。哪个因素与外貌歧视的关联性最强？有哪些研究结果值得注意？

邓卫广：我们的研究结果发现，求职人的受教育程度、用人单位特征还有招聘职位这些因素与外貌溢价的关联显著，其中，我认为求职人的受教育程度更为重要，因为这是人们在进入劳动力市场前可以改变的因素，而其他两个因素更多取决于人们完成教育之后的选择。

具体来说，之所以存在外貌溢价是因为外貌具有一定的生产力。比如，外貌更漂亮的人在销售岗位可能可以吸引更多顾客，在直播中也可能带更多的货。从这个角度考虑，受教育程度则从另一个维度提升了生产力，但我们在研究中发现，受教育程度对于不同性别外貌溢价的影响并不同——受教育程度可以弥补男性的外貌不足，却对女性的外貌不足没有显著影响。

这可能是因为现在女性整体的受教育程度越来越高，城市中的女性数量通常要高于男性，因此激烈的竞争推高了外貌作为一种稀缺资源的价值。另一方面，大多数公司的高层职位仍然以男性为主，在面试的过程中他们可能更倾向于选择更漂亮的女性，这是我们社会习俗的问题。

不同岗位的劳动力供给需求也解释了公司特征和招聘职位对于外貌溢价的影响。比如，我们注意到，一线城市女性的外貌溢价更高；相较于销售型岗位，在以男性为主导的、竞争更激烈的研究型岗位中，男性的外貌溢价会上升。而从个体的角度来看，如果一个人职业的选择越多，外貌溢价对他的影响就越小，这也是我们看到不同行业、职位上外貌溢价存在差异的关键逻辑。

此外，我们还注意到，随着女性购买力的增强，男性的外貌溢价也随之上升，这点在当前的粉丝经济中已经得到验证。而从国外总统竞选等过程中也可以看到，男性的外表非常重要，因此职位越高，男性的外貌溢价也可能更明显。

澎湃新闻：您的研究发现，“进入劳动力市场前的社会资本形成是劳动力市场中形成外貌歧视的一个重要传导途径 ”，我们如何理解实证结果中的性别差异？

邓卫广：在这项研究中，我们想探索为什么会存在外貌溢价。人们普遍认为，招工单位对于劳动力的选择很大程度上是基于面试官个人对外貌的偏好，但我们的研究证明，样貌更出众的人之所以在就业市场上更受欢迎，是因为他们在进入劳动力市场之前就拥有更好的社会资本，而这些社会资本是具有生产能力的，因此招工单位毫无疑问会选择拥有更高生产能力的人。也就是说，人们之前理解的偏好性外貌歧视中包含了部分统计性的歧视。

在我们的研究中，社会资本形成的衡量变量包括：社交支出、社交时间绝对值、社交时间相对值、面对面交流频率、要好朋友的数量和结构、异性朋友比例、线上社交时间、微信使用时间、微信使用频率、微信“朋友圈”使用情况、是否谈过恋爱以及首次恋爱的年龄。

我们观察到在大学生的异性朋友比例方面，外貌对女性的影响比男性更大；而和女性相比，男性的要好朋友来自于发小和同学的数量受到相貌的影响更大。这可能与男女发育时间的差异有关，女性发育会比较早，她们可能会更早进入恋爱阶段，所以在吸引异性朋友方面，会比男性更加突出一些。而在大学阶段，男性主要通过与同性交往形成自己的朋友圈。

此外，我们也发现，互联网的发展特征与女性社会资本形成的特征更为接近，因此现在大部分带货的都是女性。从这个角度来看，当今社会的技术发展还有沟通方式可能更有利于女性发挥社会资本优势。

澎湃新闻：就像您提出的，外貌歧视很难通过立法来防止，您建议“相关政策制定者可以从社会资本形成的角度出发，减轻外貌歧视的消极影响，从而促进社会平等，提高市场效率”。具体来说，政策制定者可以怎么做？

邓卫广：由于外貌评价具有很强的主观性和外貌歧视具有不可观测性，所以就业市场的外貌歧视问题不太可能通过立法来规范。

但我们也看到，更好的外貌确实有利于社会资本的形成，因此，我们的建议是，要逐渐打破各个阶段社会活动中的一些习俗，比如重要角色（运动会的班级代表、合唱队的领唱）一定要由颜值高的人担当，尽可能让所有人在公平的环境下培养自己的社会资本。

虽然这听上去似乎是个悖论，因为一些人可能因为对相貌缺乏信心而不愿意参加社会活动，但这背后还是我们社会习俗的问题。比如，相对来说，在残疾人士保护做得比较好的社会，残疾人士就会更有自信，不会觉得自己低人一等。

澎湃新闻：“修饰美比天生美更显著地影响社会资本形成”这一结论是否解释了社会上，尤其是校园的整容热潮？

邓卫广：当前的整容热潮其实是市场的刺激在校园中的体现。大学阶段是形成社会资本的关键时期，现在的大学生比以前更注重美容、护肤、化妆，一方面是对于漂亮的人社会资本形成得更好这一市场现象作出反应，另一方面，大学生消费能力增加，因此经济条件允许他们作出反应。当然，有些人可能会以此为理由而过度整容，但由于相关研究数据的缺失，我们并不能就这一解释的普遍程度得到明确结论。

澎湃新闻：随着人工智能（AI）技术在岗位筛选、面试中的应用，您觉着这会加剧还是减少外貌歧视发生的可能？

邓卫广：我觉得这个问题的答案主要取决于AI技术是基于什么因素去判断一个人是否具有高素质或者是否适合一个职位。

如果外貌是判断的标准之一，那我们担心的是，AI技术很有可能会导致人们的审美趋同，因为AI设计者往往会基于大数据，即大众的审美进行标准设定，这种标准的应用将导致审美多样性的缺乏，大家以后在街上可能看到更多样貌相似的人。

具体来说，AI技术可能会扩大我们研究中发现的某些类型的统计性歧视。如果基于大数据案例分析的结果发现，颧骨高的人更漂亮，生产能力更高，或者个子高的人某一些素质更高一些，这些特征就被广泛应用于某些岗位的筛选。而广泛应用某些特征实则扩大了统计性歧视的影响，从这个角度来说，AI技术在就业市场的应用会加剧外貌歧视发生的可能。

总而言之，技术应用的影响还是取决于设计中是否包括比较广泛、多样的外貌标准。至于偏好性的外貌歧视，目前比较难判断AI技术会对其产生何种影响，还有待进一步观察。