薪酬历史禁令的非预期实际效应：以创新为例

《Journal of Corporate Finance》：The unintended real effect of salary history bans: The case of innovation

　　

摘要
本文记录了在交错采用薪资历史禁令立法（SHBs）后，企业的创新能力出现下降。该禁令禁止雇主在招聘过程中询问求职者的薪资历史。我们构建了一个理论模型并假设，SHBs 增加了劳动力市场的信息不对称，从而在雇主试图招聘发明人时导致更严重的逆向选择。与该假设一致，我们发现 SHBs 实施后，企业相对于总 workforce 雇佣的发明人更少，且在企业 - 年份层面，新雇佣的发明人群体表现出较低的平均创新绩效。发明人层面的测试进一步表明，企业在实际雇佣的发明人中变得更加挑剔。我们还表明，SHBs 对创新的负面影响在拥有更强劳动力市场保护州的企業中更为明显。本文概述了劳动法规和信息限制对企业创新的非预期后果。

引言
招聘人员在面试期间询问求职者薪资历史是很常见的。在信息不完美的世界中，招聘人员有动机利用求职者过去的薪水来评估生产力、推断外部工作机会并确定最优薪酬（Sinha, 2022）。利用调查数据，Hall 和 Krueger (2012) 记录道，47% 的员工在招聘过程中被当前雇主问及之前的薪水。

然而，雇主对薪资历史的询问因加剧工资不平等而受到批评。如果招聘人员根据之前的薪水设定员工薪水，那些在之前的工作中遭受歧视的员工将失去通过更换雇主来逃避该歧视的机会（Bessen 等人，2020）。因此，招聘期间的薪资历史询问会延续薪酬差距。对于女性和少数群体而言，这一问题尤为严重，她们通常比男性和白人对应者收入更低。1

为了减少薪酬差距，许多州和地方采用了薪资历史禁令（SHBs），这些法律法规禁止雇主在招聘过程中询问求职者的薪资历史。SHBs 旨在赋能求职者根据其技能而非过往收入协商公平工资，从而打击劳动力队伍中的性别和种族薪酬差距。

现有文献表明，SHBs 通过缩小性别薪酬差距和提高女性收入来改善员工福利（例如，Hansen 和 McNichols, 2020, Sinha, 2022）。然而，关于它们对企业绩效的长期影响，研究很少。在本文中，我们通过探索 SHBs 是否以及如何影响企业创新来填补这一空白，鉴于创新是企业和经济增长的关键驱动力（例如，Schumpeter, 1911, Solow, 1957, Romer, 1986）以及企业生产力的关键驱动因素（例如，Jaffe, 1986, Cho 和 Pucik, 2005, Kogan 等人，2017）。

SHBs 的交错采用提供了一个有用的设置，用于研究招聘中的信息不对称如何影响创新。在第 3 节中，我们提出了一个基于 Tirole (2006) 的简单模型，其中薪资历史作为发明人质量的信号。当 SHBs 阻断了对这一信号的获取时，劳动力市场趋向于混合均衡，企业在区分高类型（更有生产力）和低类型（生产力较低）的发明人方面更加困难（Davis 等人，2022）。由此产生的筛选摩擦减少了发明人的招聘，并使创新劳动力更难获得。因为发明人人力资本是企业创新产出的关键驱动力（例如，Singh 和 Agrawal, 2011, Islam 和 Zein, 2020, Bhaskarabhatla 等人，2021, Liu 等人，2023），模型预测 SHBs 会降低企业的创新。

然而，存在一种竞争性的可能性，即 SHBs 可能会改善创新。通过帮助工人摆脱薪酬不平等（Bessen 等人，2020），SHBs 可能会吸引更多的女性和少数群体发明人进入受禁令约束的企业。如果这增加了发明人团队的多样性，创新可能会改善，因为来自不同背景的工人贡献独特的视角和问题解决方法（例如，Drach-Zahavy 和 Somech, 2001, Berliant 和 Fujita, 2011, Gao 和 Zhang, 2017, Gao 等人，2021）。因此，SHBs 对创新的净效应是一个实证问题。

使用堆叠双重差分策略，我们将总部位于采用 SHBs 司法管辖区的企业与在同一时间窗口内总部位于无 SHB 司法管辖区的匹配对照企业进行比较。我们构建样本来自 CRSP/Compustat 企业。因为 SHBs 在不同司法管辖区的采用时间不同，我们按采用年份分组处理企业，将每个队列限制在采用前后±5 年的窗口内，使用倾向得分将每个处理企业匹配到同一单位 SIC 行业的三个对照企业，并使用企业 - 队列和年份 - 队列固定效应估计规格。使用此设计，我们发现总部位于有 SHBs 地区的企业相对于总部位于无 SHBs 地区的企业，在专利数量、专利引用和每项专利引用方面出现减少。动态证据与延迟的后期处理响应一致：SHBs 对创新的影响在采用后的前三年内接近于零，仅在之后才显著转为负面（表 4），这符合基于专利结果的滞后性质。

我们接下来检验机制。最强的早期反应出现在发明人招聘的数量边际上。在 SHB 采用后不久，企业减少了发明人招聘强度，如发明人与员工比率以及新雇佣员工中新发明人的份额所衡量。重要的是，这些招聘反应先于企业专利产出的下降。相比之下，企业层面的招聘启事没有显示出有意义的短期反应，表明企业调整的是招聘构成而非招聘总量。

我们还考察了企业和个人层面上新雇佣发明人的质量。在企业 - 年份层面，SHB 采用后新雇佣发明人的平均前瞻性创新绩效下降，而平均雇佣前专利记录显示出较小的短期反应。然而，发明人层面的回归表明，在雇佣条件下，SHB 处理企业 - 年份的发明人并没有表现出较弱的可观测雇佣前质量，并且在某些规格中似乎更强。综上所述，这些发现表明了一种筛选阈值反应：企业总体上雇佣更少的发明人，同时在雇佣的人中变得更加挑剔。

横截面测试将创新下降直接归因于招聘渠道。我们将基准回归与每个队列采用年份前预先确定的招聘特征进行交互，即企业对依赖外部发明人招聘及其雇佣经验丰富发明人的份额，对于后者，薪资历史是最具信息量的信号。SHBs 对创新的负面影响完全集中在高依赖外部发明人招聘的企业中，并且这些交互项在战胜事件前企业规模和专利存量的赛马测试后依然成立。符合同样的逻辑，SHBs 的负面影响在总部位于有“善意例外”（使解雇成本更高）的州的企业中更强，在这些州，糟糕雇佣的预期损失更大。

我们还考察企业是否通过退出内部创新来应对 SHBs。它们没有。SHBs 后发明人流失没有增加，研发支出、资本支出和总就业均未改变。相反，由于招聘放缓无法替代正常流失，企业的发明人存量逐渐下降。因此，创新下降反映的是错失的雇佣，而不是研发人员的解雇或创新投资的减少。

为了评估更广泛的影响并排除替代性解释，我们将分析扩展到县层面。SHBs 减少了县层面的专利、引用和每项专利引用。它们还减少了各县之间的发明人流入和流出，这更符合发明人劳动力市场活跃度降低的情况，而不是简单的跨地区人才再分配。

本文对文献的几个分支做出了贡献。首先，它通过强调招聘摩擦的作用，为企业创新决定因素文献做出了贡献。先前的研究认为发明人人力资本是创新的关键贡献者（例如，Singh 和 Agrawal, 2011, Acharya 等人，2014, Chemmanur 等人，2014, Bradley 等人，2017, Gao 和 Zhang, 2017, Chen 等人，2016, Islam 和 Zein, 2020, Bhaskarabhatla 等人，2021, Liu 等人，2023）。我们增加了一个新见解：招聘过程本身的信息结构可以实质性地影响创新结果。

其次，我们通过记录它们在招聘高技能创新劳动力中的作用，为劳动力市场中的信息不对称和逆向选择文献做出了贡献。先前的研究表明，就业市场中的信息不对称会扭曲企业和工人的招聘决策（例如，Farber 和 Gibbons, 1996, Arcidiacono 等人，2010, Spence, 1973, Conlon 等人，2018, Belot 等人，2019）。2 我们表明，招聘期间的信息获取限制会阻碍企业招聘创新人才的能力，从而减少创新。

第三，我们通过记录 SHBs 在创新背景下的非预期后果，为劳动力市场法规的实质效应文献做出了贡献。关于 SHBs 的先前研究主要关注工资平等（例如，Hansen 和 McNichols, 2020, Agan 等人，2020, Sinha, 2022, Mask, 2023）。我们的发现表明，如果不小心设计，此类政策也可能在高技能劳动力市场中造成筛选摩擦。我们不将此解释为反对反歧视保护的论据。相反，它强调了设计互补制度（如基于技能的认证或替代性生产力信号）的重要性，这些制度在推进公平的同时限制招聘中的逆向选择。

论文的其余部分如下所述。第 2 节介绍 SHBs 的制度背景。第 3 节提出理论动机和假设发展。第 4 节描述数据、样本和变量构建。第 5 节报告 SHBs 对创新影响的实证结果。第 6 节提出机制分析。第 7 节结论。

章节片段
制度背景
性别和种族工资差距一直是社会关注的问题。美国进步中心（CAP, 2021）报告称，2020 年，在全职工人中，女性每赚取 1 美元，男性赚取 83 美分。少数族裔女性的差距更大：黑人女性每赚取 1 美元，白人非西班牙裔男性赚取 64 美分。3

理论动机与假设发展
我们提出了一个基于 Tirole (2006) 的简单模型，以分析 SHBs 如何影响企业创新。8 该模型将招聘视为一个逆向选择问题，其中企业对候选人的...

创新衡量指标
遵循广泛的文献（例如，Scherer, 1965, Griliches, 1981, Griliches 等人，1986, Atanassov, 2013, He 和 Tian, 2013, Bradley 等人，2017, Kogan 等人，2017, Gao 和 Zhang, 2017, Mukherjee 等人，2017, Chu 等人，2019），我们使用企业专利和引用数据来构建创新绩效的衡量指标。专利数据获取自 Kogan 等人 (2017)，时间段为 1926-2024 年。10

SHBs 对创新的影响
我们通过检验假设 1c 开始实证分析，因为 SHBs 对创新的影响是本文的核心问题。本节首先呈现基准回归结果，然后评估设计的识别假设和稳健性。

机制分析
基准结果表明 SHBs 降低企业创新，与假设 1c 一致。我们现在转向机制。在我们的框架中，SHBs 移除了企业在评估外部发明人候选人时可以使用的筛选信号。这增加了发明人招聘中的信息摩擦，使外部发明人招聘吸引力降低，如假设 1a、假设 1b 所述。分析分为六个步骤进行。第 6.1 节表明发明人招聘和企业 - 年份...的质量

结论
本文考察了薪资历史禁令（SHBs）的非预期实质效应：它们对企业创新的影响。SHBs 旨在通过防止雇主根据申请人的过往薪水制定薪酬报价来减少工资不平等。我们表明，它们也影响企业筛选外部发明人候选人的能力，因此对创新产生后果。

使用堆叠双重差分设计，我们发现 SHBs 减少了企业的专利数量、引用和每项...

CRediT 作者贡献声明
Julian Atanassov：写作 – 审阅与编辑，可视化，方法论，形式分析，概念化。Lin Deng：写作 – 审阅与编辑，写作 – 原始草稿，可视化，方法论，形式分析，概念化。
Julian Atanassov|Lin Deng