A Robinsonian Approach to Discrimination
Ekkehart Schlicht
Munich Reprints in Economics from University of Munich, Department of Economics
Abstract:
Bei der Festsetzung des Lohnsatzes für eine bestimmte Tätigkeit wird die Unternehmung den Lohnsatz weder unnötig hoch wählen noch so gering , dass es unwahrscheinlich wird, eine geeignete Arbeitskraft zu finden. So werden die Lohnsätze unter Berücksichtigung ihres Einflusses auf die Wahrscheinlichkeit einer erfolgreichen Stellenbesetzung optimal fixiert. Wenn Indikatoren wie Geschlecht oder Rasse typischerweise mit unterschiedlichem Angebotsverhalten verknüpft sind, wird die Lohnsetzung der Unternehmung zu Diskriminierung gemäß diesen Indikatoren führen. Der Ansatz kann als eine moderne Neuformulierung der Diskriminierungstheorie von Joan Robinson verstanden werden. Er führt zu mathematisch identischen Gleichgewichtsbedingungen, allerdings mit abweichender Interpretation und unter Vermeidung einiger Schwierigkeiten des ursprünglichen Ansatzes. Innerhalb des entwickelten Rahmens lässt sich die Möglichkeit langfristig anhaltender Diskriminierung aufweisen und so ein Beitrag zur Erklärung eines Phänomens leisten, das für andere Ansätze (Joan Robinson's eingeschlossen) gewisse Schwierigkeiten bietet
Date: 1982
References: View references in EconPapers View complete reference list from CitEc
Citations: View citations in EconPapers (8)
Published in Journal of Institutional and Theoretical Economics 1 138(1982): pp. 64-83
Downloads: (external link)
https://epub.ub.uni-muenchen.de/3351/1/20.pdf (application/pdf)
Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.
Export reference: BibTeX
RIS (EndNote, ProCite, RefMan)
HTML/Text
Persistent link: https://EconPapers.repec.org/RePEc:lmu:muenar:3351
Access Statistics for this paper
More papers in Munich Reprints in Economics from University of Munich, Department of Economics Ludwigstr. 28, 80539 Munich, Germany. Contact information at EDIRC.
Bibliographic data for series maintained by Tamilla Benkelberg ().