Impact Disparate

la théorie de l’impact disparate de la responsabilité est controversée pour plusieurs raisons. Premièrement, il qualifie de « discriminatoires » certains effets involontaires, bien que la discrimination soit normalement un acte intentionnel. Deuxièmement, la théorie est en tension avec des dispositions de traitement disparates en vertu des lois sur les droits civils ainsi que la garantie de la Constitution américaine d »une protection égale. Par exemple, si le service d’incendie hypothétique mentionné ci-dessus utilisait l’exigence de 100 livres, cette politique pourrait exclure de manière disproportionnée les candidates à un emploi., En vertu de la règle de 80% mentionnée ci-dessus, les candidates qui n’ont pas réussi un emploi auraient une preuve prima facie de « discrimination » d’impact disparate contre le ministère si elles réussissaient le test de 100 livres à un taux inférieur à 80% du taux auquel les hommes ont réussi le test. Afin d « éviter une poursuite par les candidates, le ministère pourrait refuser d « embaucher quelqu » un de son bassin de candidats—en d « autres termes, le ministère peut refuser d « embaucher quelqu » un parce que trop de candidats retenus étaient des hommes., Ainsi, l »employeur aurait intentionnellement discriminé les candidats à un emploi de sexe masculin en raison de leur sexe, et cela équivaut probablement à un traitement disparate illégal et à une violation du droit à une protection égale de la Constitution. Dans L’affaire 2009 Ricci v. DeStefano, la Cour suprême des États-Unis a statué qu’un service d’incendie a commis un traitement disparate illégal en refusant de promouvoir les pompiers blancs, dans le but d’éviter une responsabilité d’impact disparate dans un procès potentiel par des pompiers noirs et Hispaniques qui ont échoué de manière disproportionnée aux tests requis pour, Bien que le Tribunal dans cette affaire n »a pas atteint la question constitutionnelle, l » opinion concordante du juge Scalia a suggéré que le service d  » incendie a également violé le droit constitutionnel à une protection égale. Même avant Ricci, les tribunaux fédéraux inférieurs ont statué que les mesures prises pour éviter la responsabilité d’impact disparate potentielle violent le droit constitutionnel à une protection égale. L’un de ces cas est Biondo v. ville de Chicago, Illinois, du septième Circuit.

en 2013, la Commission pour l’égalité des chances en matière d’emploi (EEOC) a déposé une plainte, EEOC C., FREEMAN, contre l’utilisation de vérifications d’antécédents criminels et de crédit typiques pendant le processus d’embauche. Tout en admettant qu’il existe de nombreuses raisons légitimes et neutres pour les employeurs de filtrer les criminels et les débiteurs condamnés, L’EEOC a présenté la théorie selon laquelle cette pratique est discriminatoire parce que les minorités aux États-Unis sont plus susceptibles d’être des criminels condamnés avec de mauvais antécédents de crédit que les Américains blancs. Ergo, les employeurs devraient avoir à inclure les criminels et les débiteurs dans leur embauche. Dans ce cas, états-UNIS, Le juge de District Roger Titus a statué fermement contre la théorie de l »impact disparate, déclarant que l « action de l » EEOC avait été « une théorie à la recherche de faits à l » appui. » »En intentant des actions de cette nature, L’EEOC a placé de nombreux employeurs dans le »choix de Hobson » d’ignorer les antécédents criminels et les antécédents de crédit, s’exposant ainsi à une responsabilité potentielle pour des actes criminels et frauduleux commis par des employés, d’une part, ou encourir la colère de l’EEOC pour avoir utilisé des informations jugées fondamentales Quelque chose de plus…, doit être utilisé pour justifier une réclamation d’impact disparate basée sur les antécédents criminels et les vérifications de crédit. Exiger moins, ce serait condamner l’utilisation du bon sens, et ce n’est tout simplement pas ce que les lois de ce pays exigent. »

Thomas Sowell a soutenu que supposer que les disparités dans les résultats sont causées par la discrimination est une erreur logique.,analyse ematique de:

1. La Taille de l’effet de seuil des disparités pour supposer que la discrimination a eu lieu
2. Si la correction des variables confusionnelles dans un modèle de régression a eu lieu et a été appliquée de manière appropriée

taille de L’effet thresholdEdit

Nous sommes en mesure de convertir entre le rapport de cotes, ρ {\displaystyle\Rho} est la corrélation de Pearson, et φ ( ⋅ ) {\displaystyle\Phi (\cdot)} est la fonction de distribution cumulative normale standard., Le coefficient de détermination R 2 {\displaystyle R^{2}} est le carré de la corrélation. Le terme P ( X > Y ) {\displaystyle \mathbb {P} (X>Y)} est la probabilité qu’un membre du groupe X {\displaystyle X} obtient un score supérieur à un membre du groupe Y {\displaystyle Y} ., Pour un ensemble de rapports de cotes, qui est souvent utilisé pour déterminer s’il y a un impact disparate, nous pouvons convertir entre les tailles d’effet en tant que telles:

en utilisant ces différentes mesures de la taille de l’effet, nous sommes en mesure de déterminer quantitativement la taille d’un écart en fonction de plusieurs interprétations communes., Notamment, nous pouvons interpréter la taille de l’effet comme suit:

• la quantité de variation expliquée (coefficient de détermination)
• la différence en termes d’écarts types (Cohen »s d)
• la probabilité d’un score plus élevé

Si nous prenons la règle des 80% à appliquer via le rapport de cotes, cela implique que le rapport de cotes seuil pour supposer la discrimination est de 1,25 – les autres mesures de la taille de l’effet sont donc:

cela implique que la discrimination est présumée exister si 0,4% de la variation des résultats est expliquée et qu’il existe une différence d’écart type de 0,123 entre deux groupes. Ces deux quantités sont suffisamment faibles pour qu’il y ait des préoccupations importantes quant à la découverte de cas de discrimination faussement positifs à un niveau inacceptable.

un seuil plus élevé pour présumer que les disparités sont dues à la discrimination, comme un rapport de cotes de 2-3, est moins susceptible d’avoir des faux positifs.,

analyse de la confusion et de la régressionmodifier

Une deuxième préoccupation de l’utilisation de l’impact disparate est que les disparités peuvent être affectées par des variables sous-jacentes, appelées facteurs de confusion, ce qui impliquerait que la disparité est due à des différences sous-jacentes qui ne sont pas fondées sur l’appartenance à un groupe., Par exemple, toutes les disparités suivantes existent:

• Les femmes ont tendance à être sous-représentées parmi les pompiers
  • cela a conduit la ville de New York à abandonner son test d’habiletés physiques pour les pompiers probatoires
• Les femmes conduisant pour Uber ont tendance à être moins payées que les hommes
• Les hommes noirs représentent une part disproportionnée des américains tués par des policiers

Il est possible que toutes ces disparités soient dues à la discrimination, mais l’analyse de régression nous permet tenir compte des variables qui peuvent expliquer les différences., Par exemple, supposons que nous tentons de déterminer si une disparité salariale entre deux groupes est ou non due à la discrimination. Ensuite, nous pouvons construire un modèle de régression multiple pour pay y {\displaystyle y} comme:

où les X i {\displaystyle x_{i}} sont les variables de confusion , G ∈ { 0, 1 } {\displaystyle G\in \{0,1\}} est une variable dichotomique indiquant l’appartenance au groupe , et n n ( 0, σ 2 ) {\displaystyle \Epsilon \sim {\mathcal {n}}(0,\sigma ^{2})} est variable aléatoire normalement distribuée., Après correction des variables potentiellement confondantes dans un modèle de régression, nous devrions être en mesure de dire s’il y a toujours un impact de l’appartenance à un groupe sur la quantité d’intérêt. Si nous n’avons omis Aucune variable de confusion importante et ne nous sommes pas engagés dans le P-hacking, alors un | γ | > 0 {\displaystyle |\gamma |>0} statistiquement significatif suggère une très bonne possibilité de discrimination positive ou négative.,

pour revenir à nos trois exemples, il existe des explications plausibles pour toutes les disparités énumérées:

• Les pompiers devraient être physiquement forts, et les femmes ont tendance à ne pas être aussi fortes que les hommes
• parmi les chauffeurs Uber, un écart de rémunération de 7% entre les hommes et les femmes s’explique par trois facteurs:
  • ,
  • quantité d’expérience du conducteur
  • vitesse de conduite
• bien que des différences dans l’utilisation de la force moins mortelle existent toujours après prise en compte des variables de confusion, il ne semble pas y avoir de relation entre la race et la force mortelle une fois que les facteurs de confusion sont pris en compte

Comme on peut le voir dans ces exemples, les disparités n’impliquent pas nécessairement une discrimination. Il est important de tenir compte de toutes les variables pertinentes pour déterminer s’il existe ou non une discrimination entre deux ou plusieurs groupes.