照例先放结论
我们采用实地实验，在实验设计中使用面部特征不同但其他信息基本相同的简历，实现多层次分层随机化投递过程，我们得出许多有趣的发现：
第一，外貌歧视确实存在，并且导致了求职市场的面试机会不平等；
第二，拥有更好的教育背景可以减少明显的歧视，但针对不同性别有所不同：男性可以通过提高学历来缓解就业市场上的外貌歧视，但受教育程度较高的女性更容易遭遇外貌歧视；
第三，外貌歧视程度在女不同性别中程度和分布都不同；
第四，不同的企业规模、职位等对于外貌的态度不一样，一些需要抛头露面的职业甚至存在“美丽溢价”。
好了，想看过程和原理的同学请继续往下看。
背景
其实颜值歧视并不是近年才有的，从上世纪50年代至今，很多的文献都研究过外貌歧视（Appearance Discrimination），根据招聘、收入、职位晋升等来衡量美丽的溢价（Beauty Premium）和对相貌平平的惩罚，并且提供了一些实证证据。但是，由于不可观测因素带来的遗漏变量问题会使实证结果不准确，同时在面试中，主考官一般会综合考量求职者的综合能力，很难完全控制影响求职者表现和面试官偏好的因素。因此，在面试阶段，很难将单纯的基于品味的歧视（taste-based discrimination）与统计歧视（statistical discrimination）明确区分开来。所以我们使用一个创新的实验设计来测试在我们国家面试前简历筛选阶段是否存在对普通长相纯粹的基于品味的歧视。
在简历的筛选中，很少有关于外貌歧视的研究，我们认为外貌歧视在我们国家是很普遍的，尽管有反歧视法，一些公司仍然或明或暗地要求求职者在提交简历时提供个人照片。我们进行了一项实地实验，从全国范围内的样本库中随机抽取应届毕业生的简历，并生成仅个人照片有所不同的简历副本，然后向5个城市的招聘单位发送了多种类型的真实职位空缺申请。利用固定效应（FE）模型，将简历相同但照片不同的人进行比较，就可以将基于品味的歧视从统计歧视中分离出来，并在面试前阶段测量外貌歧视的程度。
实验的设计
我们的实验是在在上海陆家嘴一个著名的招聘平台的帮助下进行的，为了避免广告嫌疑就不说名字了。
在第一阶段，我们从全国性的金融部门样本池中随机选择了673份简历，其中包括七种公司类型：银行（包括信用合作社）、证券公司（包括期货公司）、保险公司、投资公司（包括信托公司和投资管理公司）、基于互联网的金融公司、金融咨询公司和其他金融公司，剔除了没有提供关键信息（比如性别、学院/大学和专业）的简历，总共还剩下658份简历，其中包括337名女性和321名男性。然后，将真实的简历重新构造为一个标准化的模板，一份标准化的简历包含8个基本要素:教育背景、国际交流经历、奖学金、研究经历、实习经历、语言技能、计算机技能和专业证书，样本包括本科或硕士学位的应届毕业生，避免了来自工作经历中无法观测因素的污染。
我们的实验工具是简历上的身份照片，在第二阶段，挑选了四位娱乐界的名人（也不说名字了）普遍认为分别是很有吸引力的女性、普通的女性、有魅力的男性和普通的男性。基于同性别娱乐明星的外貌，使用肖像合成仪和PS软件合成了每份简历上的真实身份照片，一个是普通版本，另一个是吸引人的版本。我们在这两份简历中分别使用了不同的新名字、电话号码和电子邮件地址，为了让这两份简历更真实，还在出生月份、奖学金/证书的顺序以及具体实习公司的名称等方面做了细微的修改。
这样，在样本中有两份简历，它们的面部特征不同，其他方面基本是相同的，一组由长相漂亮照片的简历组成，另一组由长相普通照片的简历组成，这两组有相同数量的观察结果。为了检验设计的身份照片的有效性，即是否显示出外貌差异，进行了一项在线调查，要求参与者快速对两组身份照片的美进行评分，最终调查结果总体上支持了设计照片的准确性。
另外，我们国家的大学根据声誉和质量被分成不同的群体，高质量的学校得到了政府更多的资金支持，各方面条件也有所改善，从高质量的大学毕业意味着更好的人力资本和更高的能力。整体而言，大学可分为“低质量大学”（即普通院校）、“中等质量大学”（即一般“211”工程建设高校）和“高质量大学”（即“985”重点建设高校），我们将样本可以分成四组：低质量学士、中等质量学士、高质量学士和高质量硕士，保证了教育水平的足够变化。
然后，从平台上发布的15个职位中随机抽取职位，如股票研究员、证券分析师、财务顾问、客户经理、产品经理等（这些职位通常要求应聘者具有学士或以上学位），根据上海、北京、深圳、成都、武汉5个城市的不同用人单位发布的相应职位及要求（学历、性别、专业等），考虑了每个市级劳动力市场规模和发展阶段筛选符合条件的简历组在规定时间内随机投递。具体来说，一对双胞胎的简历有不同的外观（即，一份长相普通，另一份长相漂亮），在这两份简历中，以随机的顺序，在1小时的间隔内，投递相同的职位。
这个实验设计在以下几个方面有别于以往的研究：
首先，挑选了应届毕业生的简历，以避免不同的工作经历可能造成的污染。从真实的就业市场中提取简历，设计出一模一样的简历来申请真实的职位，可以通过控制个人、城市、公司和职位空缺来估算美丽溢价，进行详细的异质性分析；
其次，本文关注的是相对高技能的职业（例如，证券分析师、行业分析师、基金经理和投资顾问），与之前研究中技能相对较低的职业相比，这些职业至少需要学士学位；
第三，本文样本比较大，有658对只有身份照片不同的简历，向中国5个大城市的818家雇主发出了4946对15种类型的职位空缺申请。
我们设计的基准回归模型如下：
由于编码不能控制来自简历或提交过程的所有特征，模型（1）的估计可能是有偏的，利用一组内固定效应模型，可以消除观测到和未观测到的组内效应，固定效应估计模型如下：
主要结果
1、描述性统计
表1是不同子样本中被要求参加面试的相对频率的汇总统计数据，这些数据表明在求职市场存在外貌歧视，外貌好看的个体相对于相貌平平的个体多5.6%的可能被通知参加面试，这种外貌歧视在女性中好像更严重，但男性和女性之间差距不显著。
针对不同受教育程度的个体：所有教育水平上都是越好看越容易被通知参加面试。全样本中受教育程度越高会减少这种歧视。但有趣的是，不同教育水平的男性和女性之间有着不同的影响：较低教育水平的男性比女性更容易受到歧视，但是较高教育水平的男性比女性更少受到外貌歧视，然而，女性和男性在外貌歧视方面的差异只在低质量的学士学位上显著。
针对不同雇主特征：外貌歧视在一线城市（上海、北京、深圳）比在二线城市（武汉、成都）更严重，尤其是对女性来说；上市公司通常更有可能歧视相貌平平的求职者，尤其是女性；与“其他”所有权公司（如国有企业和外国公司）相比，私营公司对相貌平平的求职者表现出更多的歧视；与其他类型的公司相比，互联网金融公司似乎不太可能歧视长相普通的女性求职者。
针对空缺职位特征：工作分为研究类和销售类，以及高收入类和非高收入类，在整个样本、女性子样本和男性子样本中都可以观察到面试机会中的美丽溢价；研究类职位相比销售类职位，在男性子样本表现出更大的美丽溢价，但女性子样本中不存在；在整个样本和男性子样本中，高薪职位的美丽溢价更高，但女性子样本的溢价略低。
2、异质性分析
（1）按性别划分
表2报告的模型（2）固定效应回归结果表明：带有吸引人的身份照片的简历收到面试通知的概率要高出5.6个百分点，结果与描述性统计基本一致；比较男性和女性子样本的关键估计值，女性的情况略差，但两个系数的差异无统计学意义。大多数研究表明女性在求职市场上遭遇的外貌歧视要严重得多，但我们没有观察到男性和女性在外貌歧视方面的显著差异，可能是由于不同的环境（包括不同的国家或不同的工作），也可能是以往研究中发现的性别差异是由于忽略变量偏差或测量误差造成的。
（2）按教育水平划分
表3报告的不同受教育水平的子样本固定效应回归结果表明：提高学历可以将遭遇外貌歧视的几率降低0.7个百分点；对比女性和男性的子样本，教育对外貌歧视的影响非常不同，男性为-0.024，女性为0.011，差异非常显著；
低质量本科学位，男性比女性面对更严重的外貌歧视，高质量硕士学位，女性比男性面对更严重的外貌歧视。这意味着，在男性和女性之间的美丽溢价存在着不同的模式。我们进一步调查拥有更好的学历是否可以减轻外貌歧视：对于本科学历较低的申请者，长相平平的男性可以通过从中等或高质量的大学毕业或获得高质量的硕士学位来显著增加被面试的机会；对于长相普通、拥有中等或高质量本科学位的男性来说，接受高等教育并取得高质量硕士学位，在一定程度上可以缓解求职市场上的外貌歧视；相貌平平的女性，如果把学历提升到高质量的学士/硕士学位，那么拥有低质量或中等质量学士学位的女性会遭遇更严重的外貌歧视。
（3）按企业雇主属性划分
表4报告了不同地点、上市状态、所有权和交易模式（交易是否主要通过网络完成）企业雇主之间可能存在的异质性外貌歧视。
•地点：一线城市VS二线城市
表A结果表明：在整个样本和男性子样本中，公司的地理位置对面试的外貌歧视没有影响；一线城市劳动力市场中的女性遭遇的外貌歧视要比二线城市的女性强烈得多，且系数差异显著，在竞争更激烈的市场中，有魅力的女性更有可能受到青睐，因此，有魅力的女性在大城市能得到更高的报酬。
•上市状态：上市VS不上市
一般来说，上市公司更关注法律规定、公众舆论和公众形象，这可能会影响他们的招聘实践。表B结果表明：上市公司确实比非上市公司更青睐长相好看的求职者，尤其是女性。
•所有权：私人VS其他
国有企业承担着更多的社会责任，更多参与到政策的实施中；外资公司一般受国内法和国际法的管制，并受到东道国政府更严格的监督；私营公司受到的管制则相对较少。从理论上讲，前两类公司拥有更好的资源来提升自己的公众形象，而私营企业则更多地依赖于员工的表现。表C结果表明：外貌歧视与公司所有权结构无关，因此，所观察到的不同所有权公司的外貌歧视差异可能是由于个人未被观察到的特质。
•交易模式：网络VS其他
传统的金融公司通常是面对面进行业务，而互联网金融公司通常通过网络完成交易。因此，对于传统的金融公司来说，员工的外表可能更为重要。表D结果表明：没有发现在不同的交易模式中，外貌歧视有显著差异。
（4）按职业特征划分
对于雇主来说，一个职位高、长相好看的员工对公司价值有两种潜在的积极影响:一种是内部的，可以激励其他员工努力工作；另一种是外部的，可以提高企业的形象和经济利润。因此，我们通过职位特征来研究美丽溢价的异质性，估计结果见表5。
•研究类VS销售类
我们将职位分为两类：研究密集型职位和销售密集型职位。一般来说，销售密集的职位需要更好的外表，因为这些工作需要与消费者直接沟通，质量和产出取决于消费者的印象。有理由认为，与申请研究密集型职位相比，有吸引力的求职者在申请销售密集型职位时更有可能获得面试机会。估计结果表明：这一预期仅在女性样本中得到了微弱的支持；申请研究而不是销售工作的男性将遭受更严重的外貌歧视，一种可能的解释是，科研职位空缺的劳动力市场是男性主导的，激烈的竞争可能会增加男性的美丽溢价。
•教育水平和报酬
本文将职位分为两类：一类是要求应聘者具有较高的教育质量，并相应地提供较高的薪酬（HH，即高教育质量和高报酬）；另一种要求相对较低的教育程度和提供较低的报酬（LL，即低教育质量和低报酬）。估计结果表明：申请HH职位的男性会显著地遭遇更严重的外貌歧视；但是，相貌平平的女性在申请HH职位时不会面临外貌歧视，但当FE估计控制个体未观测到的特征时，两种职位子样本之间系数的差异就消失了。
3、稳健型检验
（1）本文将所有交互项包含在相同的回归中，进一步估计了外貌对劳动力市场绩效的影响，结果与一次只包含一个交互项时是相似的。
（2）本文主要的估计结果是使用一个虚拟变量来表示一对申请人中哪一个看起来更漂亮，进一步使用在线调查得到的美丽指数的线性值（美貌评分的平均值可以捕捉到两张合成身份照片之间的差距）来估计相似的模型，结果与使用虚拟变量的结果相似。
结论
见篇首。
数据趣说，用科学的数据来解读，告诉你一些社会现象背后的原理。
