नस्लीय पूर्वाग्रह जैसे व्यवहारों पर अनुसंधान का मूल्यांकन करने के लिए हमें कम से कम दो चीजें जानना चाहिए। सबसे पहले, यह कहना कितना महत्वपूर्ण है, मार्जरीन बनाम मक्खन के लिए एक अशिष्ट, या अफ्रीकी-अमेरिकियों के लिए सफेद पर एक पसंदीदा, व्यक्तिगत एक्स के लिए? क्या एक्स वास्तव में ध्यान रखता है या क्या वह सिर्फ विनम्र होने के लिए बॉक्स को टिकाना है? आर्ची बंकर अफ्रीकी अमेरिकियों के खिलाफ एक परीक्षण पूर्वाग्रह दिखा सकता है, फिर भी वह पूरी तरह से एक के लिए वोट देने या अपनी बेटी से शादी करने के लिए तैयार हो सकता है। विश्वासों में एक ताकत होती है जिसे सर्वेक्षणों द्वारा केवल अपूर्ण रूप से मापा जाता है।
लेकिन विश्वासों की दूसरी संपत्ति भी है, मैं लोच कहूंगा लवचिकता अर्थशास्त्रियों के लिए एक परिचित अवधारणा है आपूर्ति और मांग का सरल कानून यह तय करता है कि कीमत में एक छोटा सा वृद्धि (आमतौर पर) मांग में एक छोटी सी कमी का कारण होगा लोच यह है कि छोटे परिवर्तन में मांग में छोटे परिवर्तन का अनुपात: मूल्य, दोनों अनुपात के रूप में व्यक्त किया गया है:
ई = (ΔQ / क्यू) / (पीपी / पी)
जहां क्यू एक अच्छा की मात्रा है और पी इसकी कीमत है यदि मूल्य लोच महान है, तो कीमत में एक छोटा सा बदलाव मांग में, खरीदा मात्रा में बड़े बदलाव का कारण होगा।
मांग एक अच्छा के मूल्य, उपयोगिता पर निर्भर करती है। ज्यादातर मामलों में, उपयोगिता एक नकारात्मक-तेज़ तरीके से अच्छे से संबंधित है, पहले तो तेजी से बढ़ रही है और एक asymptote (अधिकतम) तक पहुंच रहा है। प्रत्येक छोटे ΔQ का मान आमतौर पर क्यू के मूल्य के साथ घटता है: पहले में बड़ा (पिज्जा का एक टुकड़ा) और बढ़ती राशि (10 वीं स्लाइस) के रूप में घटती है। तो कीमत का लोच बड़ा हो सकता है यदि अच्छा का स्टॉक छोटा होता है, लेकिन स्टॉक बढ़ता है जितना छोटा होता है।
वही विश्वासों के बारे में सच कहता है कुछ के बारे में ज्ञान की एक अच्छी और मात्रा के बीच एक समानांतर प्रतीत होता है; और विश्वास और मूल्य की डिग्री के बीच समानांतर यदि आप वांछनीय कुछ बहुत कम हैं, तो आप एक छोटे वेतन वृद्धि के लिए बहुत अधिक भुगतान करने के इच्छुक होंगे: सीमांत उपयोगिता और मूल्य लोच, उच्च हो जाएगा। इसके विपरीत, यदि आपके पास बहुत कुछ है, तो वेतन वृद्धि बहुत कम आकर्षक होगी और आप इसके लिए ज्यादा भुगतान नहीं करना चाहेंगे।
इसी तरह, यदि आप कुछ के बारे में बहुत कम जानते हैं, तो आपके स्टॉक में एक छोटा सा अतिरिक्त आपके विश्वास में बड़ा परिवर्तन हो सकता है। इसके विपरीत, यदि आप पहले से ही बहुत कुछ जानते हैं, तो आपके ज्ञान में एक छोटा सा वेतन वृद्धि होने की संभावना बहुत कम है। दूसरे शब्दों में, एक बड़ाई एक बड़ाई नहीं है एक bigot नहीं है एक व्यक्ति जो अफसोस और आकस्मिक परिचितों के कारण धर्मनिरपेक्ष है, उस व्यक्ति की तुलना में अपने अनुभवों से अधिक व्यक्तिगत अनुभव से प्रभावित होता है, जो एक भावनात्मक व्यक्तिगत इतिहास के माध्यम से अपना विश्वास हासिल कर लेता है। एक विचित्र विवाद के शब्दों में: "एक रूढ़िवादी एक उदारवादी है जो अनुभव से गड़बड़ गया है"।
इस प्रकार हमें हाल ही की एक रिपोर्ट [1] पर भी आश्चर्य नहीं होना चाहिए कि अधिक जानकारी, चाहे सकारात्मक या नकारात्मक, ने जातीय भेदभाव को कम किया है:
हाल के शोध में [Airbnb] मेजबान द्वारा ऑनलाइन बाजारों में निश्चित दौड़ के मेहमान के खिलाफ व्यापक भेदभाव पाया गया है …। हमने एयरबनब पर 1,256 मेजबानों के बीच दो यादृच्छिक क्षेत्र प्रयोगों का आयोजन किया है जिसमें उन्हें फर्जी अतिथि खाते बनाने और उन्हें आवास अनुरोध अनुरोध भेजने के लिए किया गया था … अलग-अलग अफ्रीकी अमेरिकी नाम वाले मेहमानों के अनुरोधों से विशिष्ट सफेद नाम वाले लोगों की तुलना में 1 9 प्रतिशत अंक कम होने की संभावना है। हालांकि, किसी अतिथि के पृष्ठ पर पोस्ट की गई एक सार्वजनिक समीक्षा [चाहे वह सकारात्मक या नकारात्मक] भेदभाव को कम करती है …: विशिष्ट व्हाइट और अफ्रीकी अमेरिकी नामों के साथ अतिथि खातों की स्वीकृति दर सांख्यिकीय रूप से अलग-अलग नहीं होती है हमारी खोज में सांख्यिकीय भेदभाव के अनुरूप है: जब सही जानकारी की कमी होती है, मेजबान दौड़ में एक अतिथि की गुणवत्ता का अनुमान लगाता है और प्रत्येक नस्लीय समूह की औसत अनुमानित गुणवत्ता के आधार पर किराए पर निर्णय लेता है; जब पर्याप्त जानकारी साझा की जाती है, मेजबानों को उनकी दौड़ से मेहमानों की गुणवत्ता का अनुमान लगाने की आवश्यकता नहीं होती है, और भेदभाव समाप्त हो जाता है।
दूसरे शब्दों में, कम से कम नस्लीय पूर्वाग्रह एयरबन्ब जमींदारों को पहले बहुत ही लोचदार दिखाया गया था; यह लगभग किसी भी विश्वसनीय जानकारी के द्वारा, चाहे सकारात्मक या नकारात्मक हो, हो सकता है। दुर्भाग्य से, मानक राय सर्वेक्षणों द्वारा अनुपालन योग्यता को मापा नहीं जाता है।
