在美国，非裔美国人在驾车时更容易受到警察对毒品和其他违禁品的搜查。例如，在美国马里兰州的高速公路上，州警察对过往车辆进行毒品和违禁品搜查，搜查对象中63%是非裔美国人，但在这条高速公路上开车的非裔美国人只占总驾车量的18%。那么，警察之所以会拦车盘查，是不是因为黑人和白人的驾驶习惯不同呢？有关交通方面的研究却并未发现这两个人群之间有什么根本性差别，由此可断定，警察不是因为非裔美国人更容易违反交通规则而对他们进行拦车盘查。

对此，还有另外一种解释，那就是像某些人权组织批判的那样：美国警察在执法时存在着种族主义差别对待。这种解释被称为“种族脸谱化”（Racial Profiling），指的是执法机关在判断某一类特定类型的犯罪或违法行为的犯罪嫌疑人身份时，将种族或族群特征列入考虑范围，进而可能导致在破案过程中更多地怀疑某一族群的作案嫌疑。20世纪末以来，这种做法由于执法机关可能会滥用职权，在美国受到了公众的非议。但也有人认为，警察在确定犯罪嫌疑人身份时使用包括种族在内的多种考量因素，是经过实践检验的常用的有效措施，刻意把种族因素排除在外是没有逻辑的。大家众说纷纭，意见始终难以一致。

这个时候，当然又是我们经济学大侦探一展拳脚的大好时机。事实上，在这个问题上，经济学家已经持续努力了将近20年。

如果我们把犯罪行为看成是一个包括种族和其他可以观察到的特征在内的函数，然后把搜集到的数据放进一个简单的计量方程中进行回归分析，若是发现种族这个变量没有什么解释力，也就是说，没有发现种族对犯罪行为有显著的影响，然后据此认为不应该进行“种族脸谱化”；或者，若是发现种族这个变量对犯罪行为有显著的影响，然后据此认为应该进行“种族脸谱化”；这样的做法是否可取呢？不得不说，这样的做法是有问题的。因为它需要收集到警察决定是否盘查过往车辆时的所有考量因素，这肯定是做不到的，最大的问题是你根本不可能完全搞清楚警察到底是怎么想的。如果你的数据没有反映出某些考量因素，那么，这就会构成遗漏变量偏误的问题。也就是说，真正使警察更多地盘查非裔美国人车辆的因素是这些遗漏变量，而由于这些变量与种族这个因素高度相关，这样就会让你得出警察的选择性执法是种族主义的表现。但其实，警察使用种族这个标准进行拦车盘查，可能是一种统计性歧视，而非一种种族主义的歧视。

统计性歧视可以是警察提高办案效率的一种有效手段，但种族主义则是赤裸裸的种族歧视。让我们来做个思想实验：假如你是一名警察，你接到任务到一个高速路口对过往车辆进行盘查，有效查获其中携带的毒品和其他违禁品是你的职责所在。根据过去的经验，你和你的同事很清楚，非裔美国人的车里藏有毒品和其他违禁品的概率是60%，而白人中这个概率只有20%。也就是说，你盘查5辆黑人的汽车，有3辆会发现毒品和其他违禁品，而如果拦下5辆白人的汽车，却只有1辆会发现毒品和其他违禁品。你们的时间和精力都是有限的，如何把警力用在最有效的盘查上，你大概会有自己的选择了。此时的你很可能只对那些特别可疑的白人车辆进行盘查，而对黑人的车辆可能稍微有些怀疑就开始拦车盘查了，显然是统计性的经验让你理性地选择了更多地盘查非裔美国人的汽车，而不关种族主义什么事。如果是这样的话，现在你或许对“种族脸谱化”的执法习惯没有那么反感了吧。

问题在于，我们如何才能区分作为有效执法手段的统计性歧视和作为赤裸裸歧视的种族主义呢？

2001年，大侦探约翰·诺尔斯（John Knowles）、尼古拉·柏思科（Nicola Persico）和珀特拉·托德（Petra Todd）提出了一种新的检验方法[Knowles, John, Nicola Persico and Petra Todd. 2001.“Racial Bias in Motor Vehicle Searches: Theory and Evidence.” Journal of Political Economy, 109（1）：203-29.]，这种检验方法有一个非常好的地方在于，它不要求我们搜集到的数据包含警察考量的全部因素，只需要包含一部分变量就可以进行检验，并能分辨出统计性歧视和种族主义歧视。

我们还用刚才那个实验来说明诺尔斯等人的这个新的检验方法。首先，诺尔斯假定，你和每一位警察都希望尽可能最大化查获毒品和其他违禁品的数量，尽可能最小化盘查车辆的成本，也就是说，你和你的同事希望盘查最少的车辆，同时又查获最多的毒品和其他违禁品。其次，再假设王二是黑帮老大，他找人开车帮他带货，作为黑帮老大，他当然希望自己的货被查到的机会最小。根据我们前面的故事，知道现在警察会更多地盘查黑人所开的车辆，那么，此时王二会更多地找白人带货还是找黑人带货呢？王二可不傻，他当然是更多地找白人，因为此时白人被查的概率小。过了一段时间，你和你的警察同事发现，还是像原来那样更多地盘查黑人的车，收获没有那么大了，但盘查白人的车，查获毒品的概率激增。于是，你和你的同事会根据情况进行调整，也开始更多地盘查白人的车。然后，黑帮老大王二再次更改自己的策略，调整送货小弟中白人和黑人的比例。经过一轮又一轮的博弈，终于，你们双方达到了一个均衡状态。此时你和你的同事无论查白人的车，还是查黑人的车，查获毒品和其他违禁品的概率应该是一样的。如果不一样，比如说查黑人的车所获更大，你们就会更多地查黑人的车，王二就仍然会调整他送货小弟中的黑人比例，这就不是均衡状态了。

故事讲到这里，我们总结一下。根据诺尔斯等人的假设，警察和黑帮通过躲猫猫，相互调整查车和带货中黑人和白人的比例，最后摸索出一个均衡结果。在这个结果中，双方都按照固定的比例查车和带货，单方面都不再有改变这一比例的动机。而且，这个比例并不一定是1∶1的关系，它可以是任意的比例，但一旦形成这个比例，双方就会按照这个均衡比例行事，没有任何一方有偏离的动机。

接下来，大侦探诺尔斯等人推论称：在双方达到均衡状态时，警察盘查黑人所开的车辆和盘查白人所开的车辆，其收益应该一样。因为如果不一样，他们就会更多地盘查能带来更多收益的那个族群所开的车辆。有了这个推论，剩下的事情就非常简单了，我们只需要拿数据验证一下，看看情况是不是真像他们所推论的。如果警察仅仅是统计性歧视地进行执法，那么，他们更多地检查黑人的车辆，更少地检查白人的车辆，其实是均衡状态中的比例使然。因此，检查两种车辆所得到的收益应该是一样的，也就是说，两个人群的车辆查获率应该相同。而如果是种族主义在作怪，那就应该是无论收益多低都坚持检查黑人的车辆，因此，在这种情况下，警察盘查黑人的车辆所得到的查获率应该更低才对。然后，诺尔斯等人使用美国马里兰州警局的高速公路盘查数据的研究表明，虽然对黑人的车辆进行盘查的概率更高，但查获率与盘查白人车辆所得到的查获率基本一致。至此，我们就不能认定马里兰警方在黑人和白人车辆盘查比例上的不同乃是种族主义使然，因为证据并不支持这一论点。他们之所以选择马里兰州的数据，也是因为当时马里兰州警局在执法中推行“种族脸谱化”而受到了很大非议。

大侦探诺尔斯等人这次用严密而直观的经济学逻辑，甚至都不需要动用复杂的因果推断工具，就把这个悬案给破了，真是令人拍案叫绝！后来，安瓦尔和方汉明（Anwar and Fang）[Anwar, Shamena, Hanming Fang. 2006.“An Alternative Test of Racial Prejudice in Motor Vehicle Searches: Theory and Evidence.”American Economic Review, 96（1）：127-51.]改进了诺尔斯等人的方法，使之变得更加严谨，也把改进结果发表在了一份很好的经济学杂志上。但我读下来，总觉得大侦探诺尔斯等人的那个想法简洁有力，让人脑洞大开，这大概就是原创思想的力量吧！