报纸招聘分类广告版面（2017 年拍摄，非实验所用报纸）。摄影：Amtec Photos；来源：Flickr；许可：CC BY-SA 2.0。
2004 年，Bertrand 与 Mullainathan 在《美国经济评论》发表一项田野实验：向波士顿和芝加哥的招聘广告投出近 5000 份虚拟简历，只随机分配“白人名”或“非裔名”。结果，白人名的回电率高出约 50%。这一设计随后引发伦理与外部效度争议，并在 2022 年被一项逾 8.3 万份申请的全国实验以新方式重复。
虚拟简历与随机分配的名字
在这项研究之前，测量招聘歧视的常见做法是“审计研究”：招募真人组成条件相近的配对求职者分别去应聘。Bertrand 与 Mullainathan 改用纸面简历，即“通信实验”（correspondence experiment）。NBER 对该研究的摘要强调了两点好处：简历上除名字外的内容全部由研究者控制，回电差异只能归因于名字操纵；简历可以大量投递，样本量远大于真人配对。
实验从 2001 年 7 月开始，波士顿持续到 2002 年 1 月，芝加哥持续到 2002 年 5 月。研究期间，作者浏览《波士顿环球报》和《芝加哥论坛报》周日版的全部销售、行政支持、文员和客服类招聘广告，剔除要求电话或现场应聘的岗位。他们先建立简历库，把简历分为“较高质量”和“较低质量”两档：较高质量者平均工作经验略多、履历空档更少，也更可能有电子邮箱、职业证书、外语技能或荣誉。对每则广告通常投出四份简历，高、低质量各两份，再从两档中各随机抽一份配非裔名字，其余两份配白人名字。最终共回应 1300 多则广告，投出 4870 份简历，两类名字各 2435 份。
名字是整个实验的处理变量。作者使用马萨诸塞州 1974—1979 年全部新生儿的出生证明数据，挑出在一个种族中出现频率远高于另一种族的名字，例如 Emily Walsh、Greg Baker 与 Lakisha Washington、Jamal Jones。为检验辨识度，他们在芝加哥公共场所做了调查，每个名字请 30 人判断种族，少数未被一致识别的名字被弃用。结果变量是“回电”：简历留下的电话接入语音信箱，留言由与虚拟求职者种族和性别相符的人录制，研究者记录雇主是否邀约面试。
回电率差距与不对等的简历回报
原文表 1 显示，白人名简历的回电率为 9.65%，非裔名为 6.45%，相差 3.20 个百分点，前者约为后者的 1.5 倍（表中比例检验的 p 值报告为 0.0000）。换句话说，白人名大约每投 10 份简历得到一次回电，非裔名约需 15 份。差距在两座城市几乎相同：芝加哥为 8.06% 对 5.40%，波士顿为 11.63% 对 7.76%。作者估算，一个白人名字带来的回电增量，相当于简历上多出约八年工作经验。
白人名与非裔名简历的回电率对比。AI 生成示意图；柱顶数值取自 Bertrand 与 Mullainathan（2004）表 1，柱高仅作示意。
第二个发现是简历质量的回报不对等。对白人名，高质量简历比低质量简历多得到近 30% 的回电；对非裔名，提升幅度小得多。作者写道，歧视因此“咬了两次”：既让非裔求职者更难找到工作，也让他们更难靠提升资历改善处境。住在更富裕、受教育程度更高或白人比例更高社区的简历回电更多，但这一好处不因种族而异。
差距在职业、行业和雇主规模之间大体一致。联邦承包商以及在广告中注明“平等机会雇主”的企业，歧视程度并不比其他雇主低。针对“名字传递的是阶层而非种族”的疑问，作者用出生证明中母亲的受教育程度衡量各名字的社会背景，发现它与名字层面的回电率关系不大。
名字信号、外部效度与欺骗的伦理
作者在原文中专门列出了实验的弱点。其一，回电只是粗糙的结果变量，无法换算成录用率或工资差距。其二，种族通过名字间接传达，有的雇主可能没注意到名字或没识别出其种族含义；而且实验用的是辨识度极高的名字，结果不能代表名字并不典型的普通非裔美国人。其三，报纸广告只是求职渠道之一，社会网络等渠道无法纳入；如果非裔求职者更依赖人脉，或依赖人脉招聘的雇主歧视程度不同，结论可能改变。
名字信号的问题后来被单独检验。社会学家 S. Michael Gaddis 2017 年在《社会学科学》（Sociological Science）发表调查实验，请受访者判断一系列名字对应的种族。他发现，受教育程度较高的黑人母亲常取的名字（如 Jalen、Nia）比受教育程度较低的母亲常取的名字（如 DaShawn、Tanisha）更少被认作黑人，是否附上姓氏也会改变判断。他据此认为，通信实验的结论可能对名字选择敏感，建议投递前先对名字做预测试。
另一条争议是欺骗。通信实验中，雇主在不知情、未同意的情况下成为被试，处理的是并不存在的求职者。Riach 与 Rich 2004 年在 Kyklos 上专文讨论这类实验的伦理：他们认为，市场交易中本就普遍存在不实陈述，加上歧视造成的社会危害和这种方法的准确与透明，足以为欺骗被试雇主辩护；但对真人测试者隐瞒研究目的可能伤害他们，也违背心理学和社会学的伦理规范，而且并无必要。按这一区分，纸面简历的设计避开了测试者问题，对雇主的欺骗则仍需上述理由支撑。
从报纸广告到 108 家大企业
近二十年后，Patrick Kline、Evan K. Rose 与 Christopher R. Walters 把同一核心操纵放大到全国。他们的论文《Systemic Discrimination Among Large U.S. Employers》于 2022 年 6 月 11 日在线发表于《经济学季刊》（QJE），刊于第 137 卷第 4 期。实验预先在 AEA RCT 注册库登记（AEARCTR-0004739），J-PAL 项目页记录的实施期为 2019—2021 年，部分企业因新冠疫情中断未进入第一轮抽样。研究者从《财富》500 强出发，筛出 108 家拥有独立招聘网站的企业，每家抽取至多 125 个分布在不同县的入门级岗位；每个岗位投出 8 份申请、分成 4 对，每对中一份为典型黑人名、一份为典型白人名，性别、年龄、性取向、性别认同和政治倾向等信号也随机分配。总计发出 8.3 万余份申请。
结果与 2004 年方向一致，幅度不同。约 24% 的申请在 30 天内得到雇主联系，作者指出这接近原研究回电率的三倍，说明虚拟申请被雇主视为可信的候选人。典型黑人名使联系概率降低 2.1 个百分点，约为黑人名平均联系率的 9%。作者认为，比例效应小于以往研究，可能与所研究的超大型雇主偏见较轻、整体联系率较高有关。
这项研究的新问题是歧视集中在哪里。经抽样误差调整后，企业间种族联系差距的标准差为 1.9 个百分点；歧视程度最高的五分之一企业，贡献了实验中黑人申请者损失联系的近一半。把错误发现率（FDR）控制在 5% 时，可认定 23 家企业对黑人申请者存在歧视。性别方面，平均差距不显著，但企业间标准差达 2.7 个百分点，即有的企业偏好男性、有的偏好女性。针对名字信号的疑问，作者检验了同一种族内部不同名字的效应，未能拒绝“单个名字本身没有因果影响”的原假设，据此认为名字的主要作用是传达种族和性别。
同一团队 2024 年在《美国经济评论》发表《A Discrimination Report Card》，用经验贝叶斯排序方法为 97 家企业的种族与性别联系差距评级，附上不确定性度量，并首次公开这些企业的名称。从 2004 年证明歧视存在，到 2022 年估计歧视集中在哪些企业，再到 2024 年公开评级，简历实验的用途已从测量平均效应延伸到识别具体雇主，伦理讨论也随之多了一个问题：被试企业的身份是否应当公开。