Impacto dispar

la teoría del impacto dispar de la responsabilidad es controvertida por varias razones. En primer lugar, califica ciertos efectos no deseados de «discriminatorios», aunque la discriminación es normalmente un acto intencional. En segundo lugar, la teoría está en tensión con las disposiciones de trato dispares bajo las leyes de derechos civiles, así como la garantía de igualdad de protección de la Constitución de los Estados Unidos. Por ejemplo, si el hipotético Departamento de bomberos mencionado anteriormente utilizara el requisito de 100 libras, esa política podría excluir desproporcionadamente a las mujeres solicitantes de empleo del empleo., Con arreglo a la norma del 80% mencionada anteriormente, las solicitantes de empleo femeninas sin éxito tendrían un caso prima facie de «discriminación» de impacto dispar contra el Departamento si pasaran la prueba de las 100 libras a una tasa inferior al 80% de la tasa a la que los hombres pasaron la prueba. Con el fin de evitar una demanda por parte de las mujeres solicitantes de empleo, el Departamento podría negarse a contratar a alguien de su grupo de solicitantes—en otras palabras, el departamento puede negarse a contratar a nadie porque demasiados de los solicitantes de empleo exitosos eran hombres., Por lo tanto, el empleador habría discriminado intencionalmente contra los candidatos varones a un empleo debido a su género, y eso probablemente equivale a un trato desigual ilegal y una violación del Derecho Constitucional a la igualdad de protección. En el caso Ricci V. DeStefano de 2009, la Corte Suprema de los Estados Unidos dictaminó que un departamento de bomberos cometió un trato dispar ilegal al negarse a promover a los bomberos blancos, en un esfuerzo por evitar la responsabilidad por impacto dispar en una posible demanda por bomberos negros e hispanos que no cumplieron desproporcionadamente las pruebas requeridas para el ascenso., Aunque la Corte en ese caso no llegó a la cuestión constitucional, la opinión concurrente del juez Scalia sugirió que el Departamento de bomberos también violó el derecho constitucional a la igualdad de protección. Incluso antes de Ricci, los tribunales federales inferiores han dictaminado que las acciones tomadas para evitar posibles responsabilidades de impacto dispares violan el derecho constitucional a la igualdad de protección. Uno de esos casos es Biondo V.City of Chicago, Illinois, del Séptimo Circuito.

en 2013, la Comisión de igualdad de oportunidades en el empleo (EEOC) presentó una demanda, EEOC V., FREEMAN, contra el uso de los típicos antecedentes penales y verificaciones de crédito durante el proceso de contratación. Si bien admite que hay muchas razones legítimas y neutrales para que los empleadores excluyan a los delincuentes y deudores convictos, la EEOC presentó la teoría de que esta práctica es discriminatoria porque las minorías en los Estados Unidos tienen más probabilidades de ser criminales convictos con malos historiales de crédito que los estadounidenses blancos. Ergo, los empleadores deberían tener que incluir criminales y deudores en su contratación. En este caso U. S., El juez de Distrito Roger Titus falló firmemente en contra de la teoría del impacto dispar, afirmando que la acción de la EEOC había sido » una teoría en busca de hechos para apoyarla.»»Al interponer acciones de esta naturaleza, la EEOC ha colocado a muchos empleadores en la opción de «Hobson»de ignorar los antecedentes penales y los antecedentes crediticios, exponiéndose así a una posible responsabilidad por actos criminales y fraudulentos cometidos por los empleados, por un lado, o incurriendo en la ira de la EEOC por haber utilizado información considerada fundamental por la mayoría de los empleadores. Algo más…, debe ser utilizado para justificar un reclamo de impacto dispar basado en antecedentes penales y verificaciones de crédito. Exigir menos, sería condenar el uso del sentido común, y esto simplemente no es lo que las leyes de este país requieren.»

Thomas Sowell ha argumentado que asumir que las disparidades en los resultados son causadas por la discriminación es una falacia lógica.,análisis emático de:

1. El umbral de tamaño del efecto de las disparidades para asumir que se ha producido discriminación
2. Si la corrección para las variables de confusión en un modelo de regresión se llevó a cabo y se aplicó apropiadamente

umbral del tamaño del Efectoeditar

somos capaces de convertir entre medidas de tamaño del efecto utilizando las relaciones:

donde d {\displaystyle d} es Cohen»s d, o {\displaystyle {\text{OR}}} es el odds ratio, ρ {\displaystyle \\displaystyle \Rho } es la correlación de Pearson, y φ ( ⋅ ) {\displaystyle \ Phi (\cdot )} es la función de distribución acumulativa normal estándar., El coeficiente de determinación R 2 {\displaystyle R^{2}} es el cuadrado de la correlación. El término P ( X > Y ) {\displaystyle \mathbb {P} (X>Y)} es la probabilidad de que un miembro del grupo X {\displaystyle X} obtiene una puntuación mayor que un miembro del grupo Y {\displaystyle Y} ., Para un conjunto de odds ratios, que a menudo se usa para determinar si hay un impacto dispar, podemos convertir entre tamaños de efecto como tal:

Usando Estas diferentes medidas de tamaño de efecto, podemos determinar cuantitativamente el tamaño de una brecha en función de varias interpretaciones comunes., En particular, podemos interpretar el tamaño del efecto como:

• La cantidad de variación explicada (coeficiente de determinación)
• La diferencia en términos de desviaciones estándar (Cohen»s d)
• La probabilidad de una mayor puntuación

Si tomamos la regla del 80% para aplicar a través del odds ratio, esto implica que el umbral de odds ratio para asumir la discriminación es 1.25 – las otras medidas del tamaño del efecto son por lo tanto:

esto implica que se presume que existe discriminación si se explica el 0.4% de la variación en los resultados y hay una diferencia de desviación estándar de 0.123 entre dos grupos. Ambas cantidades son lo suficientemente pequeñas como para que exista una preocupación significativa por encontrar casos falsos positivos de discriminación a un nivel inaceptable.

un umbral mayor para presumir que las disparidades se deben a la discriminación, como una odds ratio de 2-3, es menos probable que tenga falsos positivos.,

análisis de confusión y regresióneditar

una segunda preocupación del uso de impacto dispar es que las disparidades pueden verse afectadas por variables subyacentes, llamadas factores de confusión, lo que implicaría que la disparidad se debe a diferencias subyacentes que no se basan en la pertenencia al grupo., Por ejemplo, existen todas las siguientes disparidades:

• Las mujeres tienden a estar subrepresentadas entre los bomberos
  • Esto llevó a la ciudad de Nueva York a abandonar su prueba de habilidades físicas para los bomberos de prueba
• Las mujeres que conducen para Uber tienden a cobrar menos que los hombres
• Nos para tener en cuenta las variables que pueden explicar las diferencias., Por ejemplo, supongamos que estamos tratando de investigar si una disparidad salarial entre dos grupos se debe o no a la discriminación. Entonces podemos construir un modelo de regresión múltiple para pay y {\displaystyle Y} como: donde x i {\displaystyle x_ {i}} son las variables de confusión, G ∈ { 0, 1 } {\displaystyle G\in \{0,1\}} es una variable dicotómica que indica pertenencia a un grupo , y ϵ ∼ N ( 0, σ 2 ) {\displaystyle \Epsilon \sim {\mathcal {N}}(0,\Sigma ^{2})} es una variable aleatoria normalmente distribuida., Después de la corrección de las variables potencialmente confusas en un modelo de regresión, deberíamos ser capaces de decir si todavía hay un impacto de la pertenencia al grupo en la cantidad de interés. Si no hemos omitido ninguna variable de confusión importante y no hemos participado en P-hacking, entonces un | γ | > 0 {\displaystyle |\gamma |>0} estadísticamente significativo sugiere una muy buena posibilidad de discriminación positiva o negativa.,

  volviendo a nuestros tres ejemplos, hay explicaciones plausibles para todas las disparidades que se enumeraron:

  • Los bomberos deben ser físicamente fuertes, y las mujeres tienden a no ser tan fuertes como los hombres
  • entre los conductores de Uber, una brecha salarial del 7% entre hombres y mujeres se explicó por tres factores:
    • ,
    • cantidad de experiencia del conductor
    • Velocidad de conducción
  • Mientras que las diferencias en el uso de la fuerza menos que mortal todavía existen después de tener en cuenta las variables de confusión, no parece haber ninguna relación entre la raza y la fuerza mortal una vez que se tienen en cuenta los factores de confusión

  como se puede ver en estos ejemplos, las disparidades no implican necesariamente discriminación. Es importante tener en cuenta todas las variables pertinentes al investigar si existe o no discriminación entre dos o más grupos.