【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《性别歧视》，欢迎阅读！
（一）个人偏见模型 个人偏见模型的假定: 1.存在一种竞争性的劳动力市场,在这个市场中的单个厂商被看成是"工资接受者"; 2.雇主,顾客或者是雇员存在"偏好性口味",即他们偏向不与某些特定人口群体中的成员打交道. 个人偏见模型分雇主歧视,顾客歧视,雇员歧视与统计性歧视四种. (1)雇主歧视假设雇主对某种特征的雇员有偏见,对于雇用自己偏爱的人群从事高工资的工作有一种预定的偏好,即时其他类型的雇员具有同样的资格,那么他们在进行挑选决策时实际上仍然是假定后者的劳动生产率要比前者低.其经济含义即歧视性雇主为了坚持他们的观点就不得不放弃一部分的利益,而付出更高的成本. (2)顾客歧视假设在某些场合下,顾客们可能偏好于让某类劳动力来提供服务,而在某些场合则偏好让另一类来提供服务.顾客歧视将会导致相互隔离的工作场所出现,从而对歧视者和顾客都带来较高的成本. (3)雇员歧视假设占优势地位的雇员可能会避开那些使他们不得不以一种自己不喜欢的方式与另一类成员打交道的工作.雇员歧视存在对于雇主来说成本可能是很高的,但是要摆脱它们呢,成本也同样是很高的. (4)统计性歧视显示了雇主利用群体资料评价个人求职者时带来的歧视.即雇主在进行雇用决策时,若使用了求职者所属的某特征相关的群体信息,而本特征与求职者的生产力又没有关系时,歧视即产生了.统计性歧视的经济含义是统一群体中的每一成员 之间的相似性越差,则运用群体所带来的成本就越高. （二）统计性歧视模型 一个常见的例子是国家机构或企业筛选人员的依据是他们所上的大学。雇主可能发现从更好的学校毕业的人均生产率比较高；而且，由于各校评分标准不同，很难对各校学生的学习成绩进行评估和比较。因此，雇主更多地是根据他们毕业的学校而非成绩或实力来选择雇员。但如果进行一种更为细致的筛选就会发现，不太有名的学校的毕业生中也有许多优秀的工作者。这个例子中说明了基于学校平均质量的统计性歧视。 统计性歧视能够强化人们的成见，并能减弱某一群体中成员提高技能和积累经验的激励，所以它会导致经济的无效率。 可以分析一下一个上了一所不太有名的大学的普通学生的情况，他知道很大程度上雇主将根据其学校的质量或者是某一方面的技能（比如说英语）对她进行判断，而专业、学习成绩、所学课程难易程度、真正学到的东西、工作经验以及应聘岗位的核心要素都可能被忽视。结果，在面临统计性歧视时，个人会减少投资于那些提高专业知识含量、提高劳动技能、使自己成为更专业的雇员的活动（比如说职业技术水平认证）。 当统计性歧视涉及到固定群体、性别、民族、种族时，其危害更大。如果大多数雇主凭借社会某些现象所表现的负面影响而否定那一类人全体的素质，那么，那些有才能的个体不仅会被当作平均水平的工人对待，甚至莫名被排斥在某些工作领域之外，而且长此以往，他们自身也没有热情去提高他们的知识和技能水平。 统计性歧视在很多方面都可以看到，大多数国家普遍都存在这一现象。例如：传统上妇女被排除在工程师等数学能力要求较高的职业之外，结果妇女在报考学校核择业时容易倾向于人文社会科学，这个个结果反过来又会强化人们认为妇女对工程不感兴趣的成见。 统计性歧视不仅能将个人的群体特征类型化，而且还能减弱个人对教育和培训进行投资的激励，从而反过来又强化关于原有群体特征的成见。 歧视的偏好：无论厂商还是顾客都有一种“歧视的偏好”，或许在美国有些管理者就是不喜欢雇佣黑人；在一些国家有些销售人员就是有偏见，不想把货品卖给特定的人群，批评者认为最好是同义反复，说白了就是：“事情之所以这样，是因为人们想让它这样。”这种偏好在排斥性歧视现象中十分明显。 (三）拥挤理论 根据性别界定工作是社会习俗，千百年来社会普遍认为男性和女性存在着先天或者后天能力上的差异。如果男性和女性在某种工作具有相同的劳动生产率，那么可能会有人认为，正是由于女性人为的挤进某些特定类型工作，才导致她们只能获得较低的工资，甚至这种较低工资反过来又使她们对于企业有更强的吸引力。这就使得职业隔离或者拥挤现象很难消失，在拥挤中的歧视效应也很难改变。因此，女性往往难以跳出职业隔离的圈子，在某一个行业范围内就业相对容易，而在某些行业往往被打上了女性天生不适合从事的烙印。 性别歧视 自然附着成本： 1，生育成本。（产假） 2，补仓性工资差别。（体力强度、人身安全） 3，与其劳动生产率。 4，转岗培训成本。 5，额外福利支出。（外部性和政策失灵） 对“就业歧视”的官方界定：基于种族、肤色、性别、宗教、政治见解、民族、血统或社会出身的任何区别、排斥或特惠，其效果为取消或损害就业或职业方面的机会平等或待遇平等。 本文来源：https://www.dywdw.cn/cde7fb4102d276a201292e91.html
下载此文档
搜索文档
阅读：
文档下载
2023-01-30
