01 - The Case of Airbnb

Machine Translated by Google
Discriminación digital:
el caso de Airbnb.com
Benjamín Edelman
miguel luca
Hoja de trabajo
14-054
10 de enero de 2014
Copyright © 2014 por Benjamin Edelman y Michael Luca
Los documentos de trabajo están en forma de borrador. Este documento de trabajo se distribuye únicamente con fines de
comentario y discusión. No se puede reproducir sin el permiso del titular de los derechos de autor. Las copias de los
documentos de trabajo están disponibles del autor.
Discriminación digital: el caso de Airbnb.com
Benjamín Edelman1 y Michael Luca2
Resumen
Los mercados en línea a menudo contienen información no solo sobre productos, sino también sobre las
personas que los venden. En un esfuerzo por generar confianza, muchas plataformas alientan a los
vendedores a proporcionar perfiles personales e incluso a publicar fotos de ellos mismos. Sin embargo,
estas características también pueden facilitar la discriminación basada en la raza, el género, la edad u
otros aspectos de la apariencia de los vendedores. En este documento, evaluamos la discriminación
racial contra los propietarios en el mercado de alquiler en línea Airbnb.com. Usando un nuevo conjunto
de datos que combina imágenes de todos los propietarios de la ciudad de Nueva York en Airbnb con sus
precios de alquiler e información sobre la calidad de los alquileres, mostramos que los anfitriones no negros cobran
aproximadamente un 12% más que los anfitriones negros por el alquiler equivalente. Estos efectos son
sólidos cuando se controla toda la información visible en el mercado de Airbnb. Estos hallazgos resaltan
la prevalencia de la discriminación en los mercados en línea, lo que sugiere una importante consecuencia
no deseada de un mecanismo aparentemente rutinario para generar confianza.
1
Escuela de Negocios de Harvard, [email protected]
2
Escuela de Negocios de Harvard, [email protected]
1. Introducción
Los mercados en línea se han vuelto cada vez más comunes. Más allá de los primeros
plataformas como eBay y Amazon, los mercados especializados han proliferado—
Airbnb, RelayRides, oDesk y docenas más, con un crecimiento sorprendentemente rápido. los
El éxito de estas empresas se basa en su capacidad para generar confianza entre compradores y
vendedores: garantía de que un apartamento, automóvil o codificador realmente funcionarán como se espera. A
generar confianza y facilitar las transacciones, los mercados en línea normalmente presentan información que no
sólo sobre los productos, sino también sobre las personas que ofrecen los productos. Muchas plataformas
ahora permite que los vendedores presenten perfiles personales, publiquen fotos de ellos mismos e incluso vinculen
a sus cuentas de Facebook, aprovechando las redes sociales para establecer una reputación y construir
confianza. Si bien estas características sirven a los loables objetivos de creación de confianza y rendición de cuentas,
también pueden traer consecuencias no deseadas: los perfiles personales pueden facilitar
discriminación.
En este artículo, investigamos empíricamente el alcance de la discriminación racial contra
anfitriones en el popular mercado de alquiler en línea Airbnb.com. Desde su fundación en 2008,
Airbnb ha facilitado más de dos millones de alquileres de habitaciones y los inversores valoraron Airbnb en
aproximadamente $ 2.5 mil millones a partir de octubre de 2012. Las transacciones en Airbnb son inherentemente riesgosas:
organizar inquilinos a corto plazo para habitaciones en apartamentos y casas, o incluso
viviendas Para facilitar estas transacciones, Airbnb ofrece un sólido sistema de reputación de usuarios
incluyendo revisiones cuantitativas y cualitativas tanto de huéspedes como de anfitriones. uno prominente
característica del sistema de reseñas de Airbnb es que los anfitriones y los huéspedes publican perfiles públicos, incluidos
sus fotos y nombres—potencialmente facilitando no solo la confianza, sino también
discriminación.
Para investigar el alcance de la discriminación, construimos un nuevo conjunto de datos que combina
fotos de todos los propietarios de la ciudad de Nueva York en Airbnb con sus precios de alquiler y
información sobre las características y la calidad de sus propiedades, y utilizamos ese conjunto de datos
para medir la magnitud de la discriminación en Airbnb. Encontramos que los anfitriones no negros son
capaz de cobrar aproximadamente un 12% más que los anfitriones negros, ubicación de espera, alquiler
características y calidad constante. Además, los anfitriones negros reciben una penalización de precio mayor
por tener un puntaje de ubicación bajo en relación con los anfitriones no negros. Estas diferencias resaltan
el riesgo de discriminación en los mercados en línea, lo que sugiere una importante
consecuencia de un mecanismo aparentemente rutinario para generar confianza.
2. Acerca de Airbnb
Airbnb.com es un mercado en línea popular para alquileres a corto plazo. Airbnb fue
fundada en 2008 y ganó fuerza rápidamente. A partir de 2013, Airbnb tiene 300.000 listados,
comparable en tamaño total a las 535.000 habitaciones de Marriott en todo el mundo.
Un huésped que busque alquilar una habitación o propiedad en Airbnb puede ingresar el deseado
destino y fechas, luego vea una variedad de opciones, incluido el tipo de propiedad (toda
vivienda frente a una sola habitación), ubicación general, otras características de la propiedad y
características, precio y disponibilidad. Las figuras 1a a 1c presentan capturas de pantalla de la clave
pasos en el proceso de búsqueda, incluidos los listados iniciales (1a), los filtros de búsqueda (1b) y un
página de listado de propiedades (1c) que incluye los detalles del listado, la foto y el nombre del anfitrión y las reseñas
de huéspedes anteriores. Para reservar una habitación o propiedad, el huésped utiliza la solicitud de Airbnb y
sistemas de pago: Airbnb presenta la solicitud del huésped al anfitrión que acepta o rechaza,
y si el anfitrión acepta, Airbnb cobra al huésped y paga al anfitrión en consecuencia.

A diferencia de la industria hotelera tradicional (que está dominada por hoteles y
posadas que ofrecen muchas habitaciones cada una), Airbnb permite que cualquier persona publique incluso una vacante
sala en línea. En el centro de este documento, un huésped ve información no solo sobre la habitación en la que
huésped está alquilando, sino también información sobre el anfitrión de la propiedad, independientemente de si
el anfitrión se hospedará en o cerca de la propiedad. El perfil de los anfitriones consta de un nombre, un
imagen y una descripción opcional, además de las calificaciones del host generadas por los usuarios.
Nuestro conjunto de datos consiste en una instantánea de los listados contenidos en Airbnb para la ciudad de
Nueva York, NY a partir del 17 de julio de 2012 Para cada listado, recopilamos el precio que el host es
preguntando, las características del anfitrión, y las características del apartamento. Nosotros también
saber cuántos huéspedes han dejado comentarios y la calificación promedio para cada anfitrión
característica en el sistema de calificación estructurada de Airbnb (calificación de ubicación, calificación de registro,
calificación de comunicación, calificación de limpieza y calificación de precisión). Finalmente, contratamos trabajadores
en Amazon Mechanical Turk para examinar las fotos de cada listado, tal como se publicaron en Airbnb.
Los trabajadores de AMT calificaron la calidad de cada listado en una escala de siete puntos que va desde “Esto
es un terrible apartamento. No me quedaría aquí a ningún precio” a “Este es un lugar extremadamente agradable
Departamento. Me quedaría aquí aunque fuera mucho más caro que un buen hotel.
habitación." Con estas variables controlamos por la calidad del apartamento, tal como lo observan
inquilinos potenciales en el sitio de Airbnb.
Para identificar la raza de los anfitriones en Airbnb, descargamos todos los perfiles públicos
imágenes de los anfitriones de la ciudad de Nueva York. Contratamos a otros trabajadores en Amazon Mechanical Turk
para codificar la raza de los anfitriones en una de las siguientes categorías: Blanco, Negro, Hispano,
Asiático, poco claro pero no blanco, varias razas, no corresponde (sin personas en la imagen), o
Incierto/Incierto.
El objetivo del artículo es entonces investigar empíricamente las diferencias en los precios
entre huestes de diferentes razas. En este análisis, nos enfocamos en estimar las brechas de precios
entre huéspedes negros y no negros.
Idealmente, nuestro análisis consideraría tanto los efectos del precio como los de la demanda. sin embargo, el
El sitio de Airbnb proporciona solo información limitada sobre la demanda (p. ej., opiniones de los huéspedes sobre un
fracción de las transacciones anteriores de un anfitrión), y Airbnb no estaba dispuesto a compartir datos para este
proyecto. Como resultado, renunciamos al análisis de la demanda del consumidor. En cambio, nos enfocamos en el
papel de la raza en los precios de cotización. Dado que la plataforma de Airbnb incluye un precio publicado para cada
listado, recopilamos datos detallados sobre los precios de las propiedades, así como otras propiedades
características. La Figura 2 presenta la distribución de precios publicados por anfitriones en Nueva York
Ciudad.
3. ¿Airbnb es responsable de la discriminación?
Airbnb decide qué información recopilar y distribuir a la luz de sus incentivos
y responsabilidad Por ejemplo, si Airbnb fuera responsable de cualquier resultado discriminatorio
como resultado del uso de su plataforma, entonces Airbnb tendría un fuerte incentivo para prevenir
que ocurra tal discriminación. Sin embargo, Airbnb tiene pocos incentivos para reducir
discriminación, lo que ayuda a explicar el sistema de reputación que ha establecido Airbnb.
En un contexto de litigio, la publicación de nombres y fotos, sin nada más, es
es poco probable que genere responsabilidad para plataformas como Airbnb. Por ejemplo, Abogados de Chicago
Comité de Derechos Civiles Bajo la Ley v. Craigslist Inc., 461 F. Supp. 2d 681 (ND III.
3 de febrero de 2006) considera declaraciones afirmativas de estatus racial, de género y familiar
preferencia ("SIN MINORÍAS", "Sin niños") que son claramente ilegales bajo la Feria
Ley de Vivienda, pero descubre que Craigslist no es el editor ni el orador de estos ilegales
declaraciones ya que Craigslist no hace nada para inducir a un usuario a publicar una lista en particular o
expresar cualquier preferencia particular por la discriminación.
Por el contrario, un caso similar contra Roommates.com encontró responsabilidad cuando
Roommates.com pidió a los usuarios que describieran su edad, género, orientación sexual, ocupación
e hijos, y luego responder preguntas similares sobre las preferencias de compañeros de cuarto. Justa
Consejo de Vivienda del Valle de San Fernando v. Roommates.com, LLC, No. CV 03-09386PA
(RZX). Pero las fotos de propósito general de Airbnb están muy por debajo de la especificidad de
Solicitudes de Roommates.com a sus usuarios.
Al proporcionar un mecanismo para que los usuarios completen perfiles y carguen fotos,
Es poco probable que Airbnb enfrente consideraciones legales que afecten su interfaz de usuario o diseño.
Además, las imágenes son una parte importante del diseño de Airbnb: de conversaciones con
Huéspedes de Airbnb, entendemos que las imágenes ayudan a los huéspedes a aceptar el modelo de Airbnb,
incluyendo permanecer en una propiedad con, u ofrecido por, un extraño. Imágenes anteriores del anfitrión
probablemente reduciría la disposición de algunos huéspedes a usar Airbnb. Por lo tanto, si Airbnb fuera a
tomar medidas para reducir el alcance de la discriminación, la decisión estaría impulsada por la ética,
antes que el lucro o la ley.
4. Análisis empírico
Esta sección reporta nuestros principales resultados. Estimamos la brecha en las rentas recibidas por
anfitriones no negros y negros, y mostramos que esta brecha persiste incluso cuando se controla por
factores como la ubicación, las reseñas y las fotos. Luego investigamos otros determinantes de
Precios en Airbnb.
4.1 Determinantes de los precios en Airbnb
El sitio de Airbnb informa una variedad de información sobre anfitriones y listados. Tabla 2
presenta los resultados de una regresión de precio sobre la información presentada por Airbnb. Precio
aumenta con el número alojado, la clasificación de la ubicación y la presencia en las redes sociales. A
mayor número alojado indica que la propiedad es más espaciosa y tiene una
cama más grande o camas múltiples. Una calificación de ubicación más alta indica que la propiedad está en una
zona más segura y/o con mejores opciones de entretenimiento. La influencia significativa de
Las calificaciones de los consumidores en Airbnb son consistentes con la evidencia en otros entornos donde las reseñas
son un determinante importante de la demanda (Chevalier y Maylzin 2006, Luca 2011).
La presencia en las redes sociales también es importante: los anfitriones que brindan LinkedIn, Facebook,
y las cuentas de Twitter, así como los números de teléfono, demuestran una ocupación estable, social
vida e identidad, todo lo cual aumenta la probabilidad de que el anfitrión sea digno de confianza.
Las regresiones reportan interacciones importantes entre el número de dormitorios
y acceso a todo el apartamento. Por ejemplo, si un apartamento tiene cuatro habitaciones pero
no proporciona al huésped todo el apartamento, entonces es probable que el huésped comparta el
apartamento con tres extraños. Este escenario es menos agradable que un apartamento compartido con
dos dormitorios, en los que el huésped comparte el apartamento con un solo extraño. Sobre el
Por otro lado, si un huésped tiene acceso a todo el apartamento, es mejor tener más
dormitorios, ya que más dormitorios simplemente significan más espacio para el huésped y sus acompañantes.
En todo momento, las estimaciones de regresión son consistentes con la intuición.
Nuestro análisis también confirma la importancia de publicar fotos. Un listado con fotos.
clasificado un punto más alto, en nuestra escala de siete puntos, está asociado con un precio $11.91 más alto.
Efectos similares ocurren cuando permitimos un ajuste cuadrático de calidad fotográfica y cuando permitimos
Variables indicadoras flexibles para cada nivel de calidad.
4.2 Resultado principal: ¿Los anfitriones negros ganan menos en Airbnb?
Esta sección analiza el papel de la raza en la determinación de los precios en Airbnb. La herida
los datos muestran que los anfitriones negros y no negros reciben alquileres sorprendentemente diferentes: aproximadamente $ 144
versus $107 por noche, en promedio. (Consulte la Tabla 1, fila 1, dos columnas a la derecha). Figura 3
muestra las distribuciones respectivas de las rentas recibidas por los anfitriones negros y negros que no son negros,
con toda la distribución de rentas para los anfitriones negros desplazada hacia abajo en comparación con la de los no
hostias negras. La Tabla 3 encuentra que esta diferencia es significativa al nivel del 1%.
Por supuesto, muchos factores influyen en las rentas que reciben los anfitriones, y es probable que la raza
correlacionado con algunos de estos factores. A uno le podría preocupar que la aparente discriminación racial
las diferencias en realidad resultan de diferencias no observadas entre listados. Mientras nosotros
no podemos eliminar por completo esta preocupación, mitigamos el problema controlando para todos
la información que un huésped ve cuando examina los resultados de búsqueda y el listado de Airbnb
detalles.
La Tabla 3 presenta nuestros principales resultados. Columna 2 controles para las características principales
de la lista en sí: el número de habitaciones y un indicador de si la propiedad
serán compartidos o estarán reservados únicamente para el huésped. La columna 3 luego controla por un
serie de calificaciones que los invitados han dejado para cada anfitrión. Estos controles nos permiten
eliminar los efectos de las percepciones de los huéspedes sobre la ubicación, la calidad y otros factores. El único
efecto que es estadísticamente significativamente diferente de cero es la ubicación, que permitimos
ingrese en forma cuadrática en la Columna 4. Agregar estos controles elimina aproximadamente la mitad de
la brecha racial de precios (reduciendo el efecto estimado de la raza de aproximadamente $31 a
aproximadamente $16). Las columnas 5 a 7 agregan controles adicionales para enumerar la calidad como
como lo demuestran las fotos de la lista publicadas en el sitio de Airbnb. Controlando todos estos
factores, los anfitriones no negros ganan aproximadamente un 12% más por un apartamento similar con similar
calificaciones y fotos relativas a los anfitriones negros.
4.3 ¿En qué se diferencian los anfitriones negros y no negros?
Es posible que parte de la discriminación vista en la sección anterior resulte
de las percepciones de los huéspedes de que los anfitriones negros pueden ofrecer propiedades que difieren de las propiedades
ofrecidos por anfitriones no negros. De hecho, la última columna de la Tabla 1 indica que el negro
Las propiedades de los anfitriones tienden a estar ubicadas en ubicaciones inferiores y tienen propiedades que parecen
peor (basado en la lista de fotos).
A pesar de las preocupaciones potenciales de los huéspedes sobre las propiedades inferiores de los anfitriones negros,
no creo que este mecanismo impulse nuestros resultados. Es importante destacar que nuestros resultados son robustos a
controlar todos los atributos que son fácilmente observables para un inquilino potencial
Navegación de listados en Airbnb.
La literatura identifica distintos tipos de discriminación a la luz de los mecanismos
informando la toma de decisiones. En la discriminación basada en el gusto , los usuarios favorecen o desfavorecen un
grupo basado en la preferencia pura del usuario (aquí, una preferencia de no quedarse con un host negro). En
Por el contrario, en la discriminación estadística , la toma de decisiones de un usuario se basa en la inferencia
(aquí, un huésped que infiere que una propiedad tiene una calidad inferior, manteniendo constante la
información presentada en la página de listado de propiedades y reseñas, porque su anfitrión es negro).
La evidencia empírica sobre si la discriminación es principalmente estadística o basada en el gusto es

mezclado. Por ejemplo, al observar las ventas en línea de iPods en Craigslist, Doleac y Stein
(próximamente) encuentran evidencia que sugiere discriminación estadística. Del mismo modo, el Papa y
Sydnor (2011) presenta evidencia de discriminación estadística en Prosper.com. Mirando a
estudiantes de medicina, Rubineau y Kang (2012) muestran que los estudiantes exhiben más
comportamiento discriminatorio después de su primer año de la facultad de medicina, que presentan como
pruebas contra la discriminación estadística. En nuestro entorno, no somos capaces de
separar estas dos formas de discriminación.
4.4 Verificación de robustez: otras diferencias raciales en los resultados en Airbnb
Las secciones anteriores comparan a los anfitriones de Airbnb negros con todos los anfitriones de Airbnb que no son negros.
(incluidos aquellos que nuestros trabajadores de Amazon Mechanical Turk clasificaron como asiáticos,
hispano, poco claro, múltiple). Los resultados son ampliamente similares en un análisis restringido solo a
Airbnb aloja a nuestros trabajadores clasificados como blancos o negros. En concreto, en una versión de Table
3 restringido solo a los anfitriones blancos y negros, el coeficiente de los anfitriones negros permanece
estadísticamente significativamente negativa y en todos los casos dentro del 15% de la cantidad reportada en
Tabla 3.
5. Discusión
Diseñar una reputación en línea requiere equilibrar los intereses contrapuestos. Al más
diseñadores de sistemas de reputación en línea, el objetivo clave es mejorar la confianza y
rendición de cuentas: un objetivo que generalmente se promueve mediante la publicación de información adicional. Pero
nuestros resultados indican que las mismas características que generan confianza también pueden tener graves efectos no deseados
consecuencias. En esta sección, relacionamos aún más nuestros hallazgos con la literatura existente, y
Discutir las implicaciones gerenciales de nuestro artículo.
5.1 ¿Internet reduce la discriminación?
La discriminación sigue siendo una importante preocupación política en entornos que van desde el
lugar de trabajo (Bertrand y Mullainathan 2004) a los mercados de vivienda (Zhao et al 2006, Card
et al 2008) al tratamiento médico de los pacientes (Rubineau y Kang 2012) En principio, el
El auge de los mercados en línea puede reducir el alcance de la discriminación. Cara a cara
Las interacciones revelan automáticamente información sobre la identidad del usuario. (Por ejemplo, un
candidato que entra en una habitación para una entrevista de trabajo necesariamente revela género, raza y
incluso la edad aproximada para el entrevistador.) Por el contrario, las transacciones digitales pueden reducir la
flujo de información indeseable o innecesaria. De hecho, hay evidencia de que la
Internet ha reducido la discriminación racial en los precios de los automóviles (Scott Morton et al 2003), un sector
con altas tasas documentadas de discriminación (Ayres y Siegelman 1995). Pero estos
los beneficios no están garantizados; los beneficios dependen del diseño de los entornos en línea.
5.2 La discriminación como problema de diseño de mercado
Nuestros hallazgos contribuyen a la literatura de diseño de mercado empírico sobre mejoras.
a los sistemas de reputación (Dai et al 2013, Dover et al próxima publicación, Luca y Zervas 2013,
Bolton et al 2013). A pesar del potencial de Internet para reducir la discriminación, nuestros
los resultados sugieren que las plataformas sociales como Airbnb pueden tener el efecto contrario. Lleno de
imágenes destacadas y perfiles sociales, estas plataformas facilitan la discriminación, ya que

evidenciado por la pena significativa que enfrenta un anfitrión negro que intenta realizar negocios en
Airbnb.
¿Hay esperanza de que plataformas como Airbnb hagan más para frenar la discriminación? En
la configuración de Airbnb, no hay una razón fundamental por la que un huésped necesite ver la foto de un anfitrión
antes de hacer una reserva, ni un huésped necesariamente necesita saber un
el nombre del huésped (del cual se puede inferir la raza, como en Bertrand y Mullainathan 2004).
Tomamos nota de los muchos contextos en los que las plataformas en línea específicamente ocultan información
de los participantes del mercado. Por ejemplo, antes de la compra, un comprador de eBay no puede ver un
nombre o foto del vendedor, ni viceversa. De hecho, el mismo Airbnb prohíbe (y ejecuta software
para evitar) que los anfitriones y los invitados compartan direcciones de correo electrónico o números de teléfono antes de una
se realiza la reserva, para que este intercambio de información no permita a las partes contratar directamente y evitar
Tarifas de Airbnb. Dada la consideración cuidadosa de Airbnb de qué información está disponible para
huéspedes y anfitriones, Airbnb podría considerar eliminar o reducir la prominencia del anfitrión
fotos: no es inmediatamente obvio qué información beneficiosa proporcionan estas fotos,
mientras corren el riesgo de facilitar la discriminación por parte de los huéspedes. Particularmente cuando un invitado será
Al alquilar una propiedad completa, la interacción del huésped con el anfitrión será bastante limitada, y
no vemos una necesidad real de que Airbnb destaque la imagen del anfitrión. La principal barrera que tenemos
ver es la falta de responsabilidad u otro incentivo económico: hasta la fecha, ningún principio legal o
la demanda de los clientes requiere o alienta a Airbnb a tomar medidas para evitar la discriminación.
Referencias
Ayres, Ian y Peter Siegelman, 1995. “Discriminación racial y de género en la negociación de un

automóvil nuevo”, American Economic Review, vol. 85, núm. 3, 304-321.
Bertrand, Marianne y Sendhil Mullainathan, 2004. “¿Emily y Greg son más empleables que
Lakisha y Jamal?” Revisión económica estadounidense, vol. 94, núm. 4, 991-
1013.
Bolton, Gary, Ben Greiner y Axel Ockenfels, 2013. “Engineering Trust: Reciprocity in the Production of
Reputation Information”, Management Science, vol. 59, núm. 2, 265-
285.
Card, David, Alexandre Mas y Jesse Rothstein, 2008. “Tipping and the Dynamics of Segregation”,
Quarterly Journal of Economics, vol. 123, núm. 1, 177-218.
Chevalier, Judithand Dina Mayzlin, 2006. “TheEffectofBora-of-MouthonSales:OnlineBookReviews,”

JournalofMarketingResearch , Vol.43,No3.
Dai, Weijia, Ginger Jin, Jungmin Lee y Michael Luca, “Agregación óptima de calificaciones del
consumidor: una aplicación a Yelp.com”, documento de trabajo.
Doleac, Jennifer y Luke Stein, de próxima publicación. “La mano visible: la carrera y los
resultados del mercado en línea”, The Economic Journal.
Luca, Michael, 2011. “Reseñas, reputación e ingresos: el caso de Yelp.com”, documento de

trabajo.
Luca, Michael y Georgios Zervas, 2013. “Fíngelo hasta que lo consigas: reputación,
competencia y fraude de reseñas de Yelp”, documento de trabajo.
Pope, Devin y Justin Sydnor, 2011. “¿Qué hay en una imagen? Evidencia de discriminación de
Prosper.com”, Journal of Human Resources, vol. 46, núm. 1, 53-92.
Rubineau, Brian y Yoon Kang, 2012. “Sesgo en blanco: un experimento natural longitudinal
que mide los cambios en la discriminación”, Management Science, vol. 58, núm. 4, 660-677.
Scott Morton, Fiona, Florian Zettelmeyer y Jorge Silva-Risso, 2003. “Información del consumidor
y discriminación: ¿Afecta Internet el precio de los autos nuevos para mujeres y minorías?”
Marketing cuantitativo y economía, vol. 1, núm. 1, 65-92.
Zhao, Bo, Jan Ondrich y John Yinger, 2006. “¿Por qué los corredores de bienes raíces continúan
discriminando? Evidencia del Estudio de discriminación en la vivienda de 2000”, Journal of Urban
Economics, 394-419.
Cifras
Figura 1a-c: El sitio de Airbnb
Figura 1a: Captura de pantalla de Listings en Nueva York
Fuente: Uso de Airbnb por parte de los autores (8 de diciembre de 2013).

Figura 1b: Filtros de búsqueda
Nota: Cada flecha triangular genera una lista desplegable que permite a un invitado filtrar opciones específicas.

Figura 1c: una lista de propiedades de muestra
listado de fotos
prominentehostphotoandfirstname
Descripción del Listado
comentarios de huéspedes anteriores

Figura 2
.008
.006
Precio Promedio: $141
Densidad
.004
.002
0
0 500 1000 1500
Precio
figura 3
Anfitriones no negros anfitrionesnegros

.01
.008
Densidad
.006
.004
.002
0
0 100 200 300 400 0 100 200 300 400
Precio Precio
Mesas
Tabla 1: Estadísticas resumidas
Medios entre prueba t

# Obs Media SD no negros negros
Anfitrión 3752 0,07 3752 0.25 0,00 1.00
negro Precio 141,35 85,58 143,88 107,27 6,68***
Número alojado 3746 3,09 Apartamento completo 1,73 3,10 3,07 0.20
3752 0,65 Número de dormitorios 3570
Valoración
1,31 de 0,48 0,66 0,51 4.78***
ubicación 3752 8,12 Valoración de8,23
precisión
Valoración
3752
de 0,69 1,31 1,38 -1.66*
limpieza 3752 7,96 Valoración de comunicación
3752 8,50 3,15 8,16 7,59 2.82***
Valoración de entrada 3752 8,44 Calidad
imagende
3570 3,16 8,23 8,24 -0.04
4,19 Observaciones 3,12 7,95 8,08 -0.65
3,23 8,50 8,57 -0.35
3,21 8,43 8,58 -0.70
1,15 4,20 4,03 2.27**
3752 3493 259
La prueba T verifica la diferencia entre el valor medio de la característica para los no negros frente a los
**
negros (dos caras). *** P<0,01, P<0,05, * P<0,10.
Cuadro 2: ¿Qué determina los precios de cotización?
Variable Dependiente: Precio

(1) (2) (3) (4) 11.647*** (1.32)
10.903*** (5) (6)
Número 9.605*** 11.492*** (1.31) 51.651*** (2.12)
50.222***
(2.15) 10.824*** 10.808***
Acomodado (1.30) (1.32) -5.915* -5.272 (3.27)
- 22.053***
(3.38) (1.30) (1.30)
Apartamento completo 64.025*** 52.292*** -15.038*** (7.06)-28.332***
(5.13) 50.788*** 50.945***
(1.97) (2.10) -28.941*** (4.58)-63.213***
(4.69) (2.13) (2.13)
2 dormitorios 2.314 -5.657* (16.21) (16.16) 4.904**
-74.325***
* -5.106 -4.671
(3.30) (3.27) 5.475*** (0.94) (0.93)
-1.239 (3.35) (3.33)
3 dormitorios -18.315*** -22.424*** -0.140 (2.34) (2.42)
-1.531
-2.100
(2.51) -15.258*** -14.507***
(6.83) (6.99) (2.54) 1.114 -0.737
(1.42)
(1.40) (5.04) (5.19)
4+ Dormitorios -22.865*** -28.349*** 2.544 1.440 (1.75)
8.929*
(1.75)
** -27.796*** -27.050***
(5.21) (4.63) 8.664*** (3.29) (3.26)
0.006** (4.61) (4.60)
Calificación de la ubicación 22.497*** 0.006** (0.00) (0.00)
13.583***
12.990*** -72.798*** -71.155***
(1.31) (4.48) (4.64) 0.001
(0.00)
0.001 (16.28) (16.30)
Calificación de ubicación ^ 2 (0.00) 11.909*** (1.04) 5.397*** 5.303***
(0,94) (0.94)
Calificación de registro -1,866 -0,211 -0.292
(2,43) (2,41) (2.39)
Calificación de comunicación -2,199 -1,606 -1.537
(2,52) (2,53) (2.53)
Clasificación de limpieza 1,141 -0,542 -0.559
(1,40) (1,42) (1.42)
Valoración de la precisión 2,118 1,341 1.166
(1,76) (1,73) (1.72)
Tiene LinkedIn 10,193*** 8,455*** 8.404***
(3,28) (3,25) (3.24)
tiene facebook 0,006** 0,005* 0,006**
(0,00) (0,00) (0.00)
Tiene número de teléfono 12,282*** 12,543*** 12.338***
(4,52) (4,61) (4.64)
tiene twitter 0,001 0,001 0.002
(0,00) (0,00) (0.00)
Calidad de imagen -8,066
(4.98)
Calidad de imagen ^ 2 2.415***
(0.65)
Calificación de imagen Sí
Indicadores
Tamaño del apartamento - Sí Sí Sí Sí Sí Sí
Apartamento completo
Interacciones
Constante 62.988*** 66.735*** 66.402*** 24.231*** 62.230*** 49.449***
(2.97) (3.97) (3.97) (5.28) (9.44) (7.23)
**
Nota: Los errores estándar se informan entre paréntesis. *** P<0,01, p<0,05, * P<0,10.
Tabla 3: Los anfitriones negros ganan menos por listados similares
Variable Dependiente: Precio

(1) (2) (3) (4) (5) -16.108***
11.439***
(3.46)(1.31) (6) (7)
Anfitrión negro -36.611*** -30.521*** 51.631*** (2.11) -17.378***
-6.749** (3.27)
-17.873*** -17.574*** -17.762***
(3.88) (3.72) -22.043*** (7.10)(3.47)
-29.711***
(3.46)(4.63)
(3.47) 11.599*** 10.852*** (3.47)
Número 9.656*** 21.448*** (1.33) 10.776*** (1.31) 49.433***
(1.30) (1.29)
50.003***
50.902***
(2.13) 10.762***
Acomodado (1.28) (2.16) (2.14 ) -6.429**
(3.27) -7.154**
(3.38) (3.36)
-6.337* (1.29)
Apartamento completo 61.726*** -21.622*** -14.114*** -14.346*** (5.28) 50.154***
(2.01) (2.14)
2 dormitorios -0.289 -5.933*
(3.33) (3.33)
3 dormitorios -18.398*** -13.466**
(7.02) (7.18) (5.21) (5.35)
4+ Dormitorios -25.743*** -29.801*** -30.560*** -29.405*** -28.710***
(5.20) (4.58) (4.68) (4.60) (4.59)
Calificación de la ubicación -69.085*** -80.137*** -78.536*** -76.837***
(16,32) (16,36) (16,48) (16.46)
Calificación de ubicación ^ 2 5,175*** 5,740*** 5,658*** 5.561***
(0,94) (0,94) (0,95) (0.95)
Calificación de registro -1,584 -0,899 0,213 0,137 0.057
(2,42) (2,34) (2,41) (2,40) (2.39)
Calificación de comunicación -2,384 -2,294 -1,735 -1,805 -1.731
(2,51) (2,51) (2,53) (2,52) (2.52)
Clasificación de limpieza 1,352 1,340 -0,475 -0,287 -0.301
(1,40) (1,40) (1,43) (1,42) (1.43)
Valoración de la precisión 1,902 2,335 1,190 1,097 0.911
(1,76) (1,75) (1,75) (1,73) (1.71)
Tiene LinkedIn 11,022*** 9,753*** 9,558*** 9,336*** 9.294***
(3,30) (3,30) (3,27) (3,26) (3.25)
tiene facebook 0,006** 0,006** 0,006** 0,005** 0,006**
(0,00) (0,00) (0,00) (0,00) (0.00)
Tiene número de teléfono 12,662*** 13,439*** 14,033*** 13,001*** 12.761***
(4,49) (4,46) (4,62) (4,59) (4.62)
tiene twitter 0,001 0,001 0,001 0,001 0.001
(0,00) ( 0.00) ( 0,00) ( 0.00) (0.00)
Calidad de imagen 11,877*** -7.793
(1,04) (4.95)
Calidad de imagen ^ 2 2.379***
(0.65)
Calificación de imagen Sí
Indicadores
Tamaño del apartamento - Sí Sí Sí Sí Sí Sí Sí
Apartamento completo
Interacciones
Constante 143.878*** 66.388*** 68.600*** 68.395*** 26.521*** 63.903*** 50.075***
(1.47) (2.89) (3,99) (3.99) (5.27) (9.42) (7.21)
**
Nota: Los errores estándar se informan entre paréntesis. *** P<0,01, P<0,05, * P<0,10.

01 - The Case of Airbnb

Cargado por

Copyright:

Formatos disponibles

01 - The Case of Airbnb

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

01 - The Case of Airbnb

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Copyright © 2014 por Benjamin Edelman y Michael Luca

Discriminación digital: el caso de Airbnb.com

Benjamín Edelman1 y Michael Luca2

plataformas como eBay y Amazon, los mercados especializados han proliferado—

En este artículo, investigamos empíricamente el alcance de la discriminación racial contra

anfitriones en el popular mercado de alquiler en línea Airbnb.com. Desde su fundación en 2008,

organizar inquilinos a corto plazo para habitaciones en apartamentos y casas, o incluso

sus fotos y nombres—potencialmente facilitando no solo la confianza, sino también

el riesgo de discriminación en los mercados en línea, lo que sugiere una importante

consecuencia de un mecanismo aparentemente rutinario para generar confianza.

comparable en tamaño total a las 535.000 habitaciones de Marriott en todo el mundo.

características, precio y disponibilidad. Las figuras 1a a 1c presentan capturas de pantalla de la clave

y si el anfitrión acepta, Airbnb cobra al huésped y paga al anfitrión en consecuencia.

A diferencia de la industria hotelera tradicional (que está dominada por hoteles y

el anfitrión se hospedará en o cerca de la propiedad. El perfil de los anfitriones consta de un nombre, un

característica en el sistema de calificación estructurada de Airbnb (calificación de ubicación, calificación de registro,

calificación de comunicación, calificación de limpieza y calificación de precisión). Finalmente, contratamos trabajadores

inquilinos potenciales en el sitio de Airbnb.

entre huéspedes negros y no negros.

3. ¿Airbnb es responsable de la discriminación?

Airbnb decide qué información recopilar y distribuir a la luz de sus incentivos

y responsabilidad Por ejemplo, si Airbnb fuera responsable de cualquier resultado discriminatorio

discriminación, lo que ayuda a explicar el sistema de reputación que ha establecido Airbnb.

En un contexto de litigio, la publicación de nombres y fotos, sin nada más, es

3 de febrero de 2006) considera declaraciones afirmativas de estatus racial, de género y familiar

expresar cualquier preferencia particular por la discriminación.

Por el contrario, un caso similar contra Roommates.com encontró responsabilidad cuando

Solicitudes de Roommates.com a sus usuarios.

antes que el lucro o la ley.

4.1 Determinantes de los precios en Airbnb

son un determinante importante de la demanda (Chevalier y Maylzin 2006, Luca 2011).

Las regresiones reportan interacciones importantes entre el número de dormitorios

no proporciona al huésped todo el apartamento, entonces es probable que el huésped comparta el

En todo momento, las estimaciones de regresión son consistentes con la intuición.

Variables indicadoras flexibles para cada nivel de calidad.

4.2 Resultado principal: ¿Los anfitriones negros ganan menos en Airbnb?

de la lista en sí: el número de habitaciones y un indicador de si la propiedad

efecto que es estadísticamente significativamente diferente de cero es la ubicación, que permitimos

la brecha racial de precios (reduciendo el efecto estimado de la raza de aproximadamente $31 a

calificaciones y fotos relativas a los anfitriones negros.

4.3 ¿En qué se diferencian los anfitriones negros y no negros?

Es posible que parte de la discriminación vista en la sección anterior resulte

peor (basado en la lista de fotos).

Navegación de listados en Airbnb.

La literatura identifica distintos tipos de discriminación a la luz de los mecanismos

Por el contrario, en la discriminación estadística , la toma de decisiones de un usuario se basa en la inferencia

información presentada en la página de listado de propiedades y reseñas, porque su anfitrión es negro).

La evidencia empírica sobre si la discriminación es principalmente estadística o basada en el gusto es

Sydnor (2011) presenta evidencia de discriminación estadística en Prosper.com. Mirando a

pruebas contra la discriminación estadística. En nuestro entorno, no somos capaces de

separar estas dos formas de discriminación.

4.4 Verificación de robustez: otras diferencias raciales en los resultados en Airbnb

diseñadores de sistemas de reputación en línea, el objetivo clave es mejorar la confianza y

Discutir las implicaciones gerenciales de nuestro artículo.

5.1 ¿Internet reduce la discriminación?

et al 2008) al tratamiento médico de los pacientes (Rubineau y Kang 2012) En principio, el

flujo de información indeseable o innecesaria. De hecho, hay evidencia de que la

5.2 La discriminación como problema de diseño de mercado