이질적인 영향
이질적인 영향 책임 이론은 여러 가지 이유로 논란의 여지가있다. 첫째,차별은 일반적으로 의도적 인 행동이지만 의도하지 않은 특정 효과를”차별적 인”것으로 표시합니다. 둘째,이 이론은 미국 헌법의 평등 한 보호 보장뿐만 아니라 민권법에 따른 이질적인 대우 조항에 긴장되어있다. 는 경우,예를 들어,가상의 소방서 위에 설명된 사용되는 100 파운드를 요구하는 정책을 수 있습 불균형을 제외 여성의 직무에서 지원자 employment., 아래에 80%가 규칙 위에서 언급한,실패한 여성의 작업을 지원자는 것이 명백한 경우의 서로 다른 영향을”차별에 대해”부하면 그들은 전달 100 파운드 테스트에서 평가 80%미만의 평가에서는 남성 테스트를 통과했다. 을 방지하기 위해 소송을 통해 여성 일자 지원자,부정을 거부 할 수 있습량을 누군가에서 지원자 수영장에서 다른 말로 부를 거부할 수 있다 고용한 사람이기 때문에 너무 많은 성공적인 작업 지원자는 남자였습니다., 따라서,고용주는 것이 의도적으로 차별에 대해 성공적인 남성 구직자의 성별,그리고는 가능성이 높은 금액을 불법 서로 다른 처리고 헌법의 위반”s 하여 동등한 보수를 받을 권리를 보호합니다. 2009 년 경우 리치 v.DeStefano,미국 대법원았다는 규칙은 소방서 최선을 다하고 불법 서로 다른 처리를 거부함으로써 촉진 흰색 소방관에서,을 피하기 위해 최선의 노력을 서로 다른 영향을 책임에 잠재적 소송에 의해 아프리카계 미국 소방관 어울리지 못했 필요한 테스트를 홍보합니다., 하지만 법원에 하는 경우에 도달하지 않은 헌법상의 문제,스캘리아 판사의”s 내의 의견이 제안서는 또한 침해 헌법상의 권리는 동등한 보호합니다. 하기도 전에 리치,낮은 연방 법원은 판결이 수행한 작업을 피하기 위해 서로 다른 영향을 책임을 위반하는 헌법상의 권리는 동등한 보호합니다. 그러한 사례 중 하나는 일곱 번째 서킷에서 일리노이 주 시카고의 Biondo v.City 입니다.
2013 년에 Eeoc(Equal Employment Opportunity Commission)가 소송을 제기했습니다., 프리먼,고용 과정에서 전형적인 범죄 배경 및 신용 조사의 사용에 대하여. 는 동안 인정하는 많은 합법적이고 경쟁 중립적 이유로 고용주를 화면 밖으로 유죄 판결을 범죄자들과 채무자의 EEOC 제시하는 이론을 연습 차별적이기 때문에 소수에서 미국은 더 많은 가능성이 입증된 범죄자가 신용 불량과 기록보다는 백인 미국인. 에르고,고용주는 고용에 범죄자와 채무자를 포함시켜야합니다. 이 경우 미국, 지방법원 판사 Roger 딛 지배 반대하고 서로 다른 영향을 이론,진 EEOC”s 작했다”이론에서 검색을 위해 사실은 그것을 지원합니다.””해서 가져 오는 행동의 성격,EEOC 배치했다 많은 고용주에서”Hobson”s”선택을 무시하는 범죄 기록 및 신용 배경,따라서 자신을 노출 잠재적인 책임에 대한 범죄와 부정한 행위에 의해 직원,한 손에 또는 들의 분노를 EEOC 를 위한 데 이용되고 인정되는 기본적인에 의해 대부분의 고용주. 뭔가 더…, 범죄 기록 및 신용 조사에 근거한 이질적인 영향 청구를 정당화하기 위해 활용되어야합니다. 덜 요구하는 것은 상식의 사용을 비난하는 것이고,이것은 단순히이 나라의 법률이 요구하는 것이 아닙니다.”
Thomas Sowell 은 결과의 격차가 차별에 의해 야기된다고 가정하는 것은 논리적 착오라고 주장했다.,ematical 의 분석.
- 임계 효과는 크기의 격차를 가정 차별이 발생했
- 경우 수정을 위한 혼란에서 변수 회귀분석 모델에서 적절히 적용되
효과 크기 thresholdEdit
우리는 우리를 변환 할 수 있 사 조치의 효과 크기를 사용하여 관계:
어디 d{\displaystyle d}은 코헨”s d 또{\displaystyle{\text{또는}}}은 확률율 ρ{\displaystyle\rho}은 피어슨 상관관계,그리고 Φ(⋅){\displaystyle\피(\cdot)}표준 정상적인 누적분포함수., 결정 계수 R2{\displaystyle R^{2}}는 상관 관계의 제곱입니다. 기간 P(X>Y){\displaystyle\mathbb{P}(X>Y)}확률은 구성원의 그룹 X{\displaystyle X}를 얻 점 이상의 점수를 구성원의 그룹 Y{\displaystyle Y}., 에 대한 설정 확률의 비율은 종종을 결정하는 데 사용하는 경우가 서로 다른 영향을,우리는 우리에 변환할 수 있는 사이에 효과 크기 등과 같은
를 사용하여 이러한 다른 조치의 효과는 크기,우리는 수량을 정량적으로의 크기를 결정하는 격차에 따라 여러 가지 일반적인 해석이 있다., 특히,우리는 해석할 수 있습 효과 크기:
- 의 양을 설명한 변형(결정 계수)
- 차이 측면에서의 표준편차(코헨”s d)
- 의 확률이 더 높은 점수
경우 우리는 우리의 80%가 규칙을 적용을 통한 확률율 이 의미는 임계값을 확율 비율에 대한 차별 1.25-른 조치의 효과 크기를 그러므로 있습니다:
이 의미는 차별이 존재하는 것으로 추정하는 경우 0.4%에 변화의 결과를 설명하고 있 0.123 표준 편차 사이의 차이 두 개의 그룹이 있습니다. 이 두 가지 양은 용납 할 수없는 수준에서 차별의 위양성 사례를 찾는 것에 대해 상당한 우려가있을 정도로 작습니다.
격차가 2-3 의 승률 비율과 같은 차별에 기인한다고 추정하기위한 더 큰 문턱은 가양 성을 가질 가능성이 적습니다.,
교란 및 회귀 analysisEdit
두 번째의 관심을 사용하여 서로 다른 영향은 불균형에 의해 영향을 받을 수 있는 기본 변수라는 confounders 는 것을 의미하는 격차 때문에 근본적인 차이가 있지에 입각한 그룹의 회원입니다., 예를 들어,다음과 같은 모든 격차가 존재합니다:
- 여성하는 경향이 소외계층 간 소방관
- 이 뉴욕을 떨 물리적 능력 시험을 위한 시험방
- 여성이 운전을 위해 우버하는 경향이 지급보다 남자
- 흑인 남자들이 계정에 대한 불균형적인 미국인의 사망한 경찰에 의해
그것은 가능한 모든 이러한 불균형으로 인한 차별이지만,회귀 분석을 허용하려는 변수를 설명할 수 있는 차이점이 있습니다., 예를 들어,두 그룹 간의 임금 격차가 차별로 인한 것인지 아닌지를 조사하려고한다고 가정합니다. 그런 다음 우리는 구성할 수 있습니다 다중 회귀분석 모델에 대한 지불 y{\displaystyle y}으로.
x i{\displaystyle 무리수{i}}는 혼동 변수,G∈{0,1}{\displaystyle G\\에서{0,1\}}은 이분형변수를 나타내는 그룹 구성원이고,ϵ∼N(0,2σ){\displaystyle\엡실론\sim{\mathcal{N}}(0,\sigma^{2})}은 일반적으로 배포되는 임의 변수입니다., 후 보정에 대한 잠재적으로 혼란에서 변수 회귀분석 모델에,우리는 우리에게 말할 수 있어야가 있으면 여전히 영향을 미칠 그룹의 구성원에는 양의 관심입니다. 당사가 지정하지 않은 경우 여러분이 생략하면 혼란 어떤 중요한 변수이고에 종사하지 않 p-해킹,다음을 통계적으로 상당|y|>0{\displaystyle|\gamma|>0}건 아주 좋은 가능성이 긍정적 또는 부정적인 차별과는 다른 개념입니다.,
이 다시 돌아오고 우리의 세 가지 예로,거기에는 그럴듯한 모든 요소에 대한 설명의 격차는 상장되었다.
- 소방관해야 육체적으로 강한 여성의하지 않는 경향이있을만큼 강한 남성
- 사이에서 드라이버,7%의 지불 사이의 간격은 남성과 여성에 대해 설명하여 세 가지 요소:
- 언제 어디서 놀이기구에서 발생한(i.e, 시간 및 위치)
- 금액의 운전을 경험
- 주행 속도
- 동안 차이의 사용을 보다 치명적인 힘을 한 후에도 여전히 차지 혼동 변수가 나타나지 않는 어떤 사이의 관계를 경주하고 치명적인 힘을 한 번 confounders 계정으로 가져옵
에서 볼 수 있듯이 이러한 예는, 불균형하지 않을 의미한다. 두 개 이상의 그룹간에 차별이 존재하는지 여부를 조사 할 때 모든 관련 변수를 고려하는 것이 중요합니다.