Ulike innvirkning

0 Comments

Den ulike virkningen teori om ansvar er kontroversielt for flere grunner. For det første, det etiketter visse utilsiktede virkninger som «diskriminerende», selv om diskriminering er normalt en forsettlig handling. Andre teorien er i spenning med uensartet behandling bestemmelser sivile rettigheter lover så vel som den AMERIKANSKE Grunnloven»s garanti for lik beskyttelse. For eksempel, hvis den hypotetiske brannvesenet diskutert ovenfor brukte 100-kilos kravet, at politikken kan uforholdsmessig ekskludere kvinnelige jobbsøkere fra sysselsetting., Under 80% – regelen som er nevnt ovenfor, mislykket kvinnelige jobbsøkere ville ha en prima facie tilfelle av ulike konsekvenser «diskriminering» mot avdelingen hvis de passerte 100-kilos test med en hastighet mindre enn 80% av hastigheten som menn bestått testen. For å unngå en rettssak av det kvinnelige jobbsøkere, avdeling kan nekte å ansette noen fra sin søknad—med andre ord, avdeling kan nekte å ansette noen grunn for mange av de vellykkede jobb søkere var menn., Dermed arbeidsgiveren ville ha med vilje diskriminert vellykket mannlige jobbsøkere på grunn av sitt kjønn, og som sannsynligvis utgjør ulovlig uensartet behandling og en krenkelse av Grunnloven»s rett til lik beskyttelse. I 2009 tilfelle Ricci v. DeStefano, USA Høyesterett gjorde regelen om at en brannvesenet begått ulovlige uensartet behandling ved å nekte å fremme hvit brannmenn, i et forsøk på å unngå ulike innvirkning ansvar i en eventuell rettssak av svarte og Spansktalende brannmenn som uforholdsmessig mislyktes de nødvendige testene for kampanjen., Selv om Domstolen i denne saken nådde ikke konstitusjonelt problem, Rettferdighet Scalia»s medvirkende mening foreslått brannvesenet også brutt den konstitusjonelle rett til lik beskyttelse. Selv før Ricci, lavere domstoler har avgjort at tiltak er iverksatt for å unngå potensielle ulike innvirkning ansvar bryter den konstitusjonelle rett til lik beskyttelse. Ett slikt tilfelle er Biondo v. City i Chicago, Illinois, fra Syvende Krets.

I 2013, Equal Employment Opportunity Commission (EEOC) arkivert en dress, EEOC v., FREEMAN, mot bruk av typiske kriminelle-bakgrunn og kreditt sjekker under ansette prosessen. Mens innrømme at det er mange legitime og rase-nøytrale grunner for arbeidsgivere å sile ut kriminelle dømt og skyldnere, den EEOC presentert teorien om at denne praksisen er diskriminerende fordi minoritetene i USA er det mer sannsynlig å bli dømt for kriminelle med dårlig kreditt historie enn hvite Amerikanere. Ergo, arbeidsgivere bør ha for å inkludere kriminelle og debitorer i sine ansettelser. I dette tilfellet USA, Distriktet Dommer Roger Titus styrt fast mot ulike innvirkning teori, som sier at EEOC»s handling hadde vært «en teori på jakt etter fakta å støtte det.»»Ved å bringe handlinger av denne art, den EEOC har plassert mange arbeidsgivere i «Hobson»s choice» av ignorerer kriminell historie og kreditt bakgrunn, og dermed utsette seg for potensielle ansvar for kriminelle og straffbare handlinger begått av ansatte, på den ene siden, eller pådra seg guds vrede, av EEOC for å ha utnyttet informasjon som er grunnleggende ved de fleste arbeidsgivere. Noe mer…, må benyttes til å rettferdiggjøre en uensartet innvirkning krav basert på kriminell historie og kredittsjekk. Å kreve mindre, ville være å fordømme bruk av sunn fornuft, og dette er rett og slett ikke hva den lover i dette landet krever det.»

Thomas Sowell har hevdet at det forutsatt at ulikheter i utfall er forårsaket av diskriminering er en logisk feilslutning.,ematical analyse av:

  1. terskelen effekten størrelsen på forskjellene for å anta at det har funnet sted diskriminering
  2. Hvis korreksjon for konfunderende variabler i en regresjonsmodell fant sted og ble brukt riktig

Effekt størrelse thresholdEdit

Vi er i stand til å konvertere mellom tiltak av effekt-størrelse bruke relasjoner:

hvor d {\displaystyle d} er Cohen ‘ s d, ELLER {\displaystyle {\text{ELLER}}} er odds ratio, ρ {\displaystyle \rho } er Pearson korrelasjon, og Φ ( ⋅ ) {\displaystyle \Phi (\cdot )} er standard normal kumulativ fordeling funksjon., Den determinasjonskoeffisient R 2 {\displaystyle R^{2}} er kvadratet av korrelasjonen. Begrepet P ( X > Y ) {\displaystyle \mathbb {S} (X>Y)} er sannsynligheten for at et medlem av gruppen X {\displaystyle X} oppnår en score høyere enn et medlem av gruppe Y {\displaystyle Y} ., For et sett av odds ratio, som ofte brukes for å avgjøre om det er en uensartet innvirkning, kan vi konvertere mellom effekt størrelser slik:

ved Hjelp av disse ulike mål på effektstørrelse, vi er i stand til å kvantitativt bestemme størrelsen av et gap basert på flere felles tolkninger., Spesielt, kan vi tolke effekten størrelse som:

  • mengden av forklart variasjon (determinasjonskoeffisient)
  • forskjellen i form av standard avvik (Cohen ‘ s d)
  • sannsynligheten for en større score

Hvis vi tar 80% regelen skal gjelde via odds ratio, dette innebærer at terskelen for odds ratio for å anta diskriminering er 1,25 – den andre mål på effektstørrelse er derfor:

ρ = 0.061 , R 2 = 0.004 , d = 0.123 , P ( X > Y ) = 0.535 {\displaystyle \rho =0.061,\quad R^{2}=0.,004,\quad d=0.123,\quad \mathbb {S} (X>Y)=0.535}

Dette innebærer at diskriminering er antatt å foreligge dersom 0,4% av variasjonen i resultatene er forklart, og det er en 0.123 standardavvik forskjell mellom to grupper. Begge disse mengdene er små nok til at det er betydelige bekymringer om å finne falske positive tilfeller av diskriminering på et akseptabelt nivå.

En større terskel for å forutsatt at forholdene er på grunn av diskriminering, for eksempel en odds ratio på 2-3, er mindre sannsynlighet for å ha falske positiver.,

Forvirrende og regresjon analysisEdit

En annen bekymring som ved hjelp av ulike konsekvenser er at forskjellene kan være påvirket av underliggende variabler, kalt confounders, noe som betyr at den forskjellen skyldes bakenforliggende forskjeller som ikke er basert på gruppe-medlemskap., For eksempel, alle av følgende forskjeller finnes:

  • Kvinner har en tendens til å være underrepresentert blant brannmenn
    • Dette førte til at New York City for å slippe sin fysiske ferdigheter test for prøvetid brannmenn
  • Kvinner kjøring for Uber har en tendens til å være mindre betalt enn menn
  • Svart menn står for en uforholdsmessig stor andel av Amerikanere drept av politiet

Det er mulig at alle disse forholdene er på grunn av diskriminering, men regresjonsanalyser gir oss mulighet til å redegjøre for variabler som kan forklare forskjellene., For eksempel, la oss si at vi forsøker å undersøke hvorvidt en lavere lønn mellom to grupper er på grunn av diskriminering. Da kan vi konstruere en multippel regresjonsmodell for å betale y {\displaystyle y} som:

der x jeg {\displaystyle x_{i}} er konfunderende variabler, G ∈ { 0 , 1 } {\displaystyle G\i \{0,1\}} er en dichotomous variabel som indikerer gruppe medlemskap, og ϵ ∼ N ( 0 , σ 2 ) {\displaystyle \epsilon \sim – {\mathcal {N}}(0,\sigma ^{2})} er en normalfordelt tilfeldig variabel., Etter korreksjon for potensielt konfunderende variabler i en regresjonsmodell, bør vi være i stand til å fortelle om det er fortsatt en innvirkning av gruppemedlemskap på mengden av interesse. Hvis vi har ikke utelatt noen viktige konfunderende variabler og ikke engasjert i p-hacking, deretter en statistisk signifikant | γ | > 0 {\displaystyle |\gamma |>0} foreslår en veldig god mulighet for positiv eller negativ diskriminering.,

å Reise tilbake til våre tre eksempler, og det er plausible forklaringer for alle de forholdene som ble nevnt:

  • Brannmenn skal være fysisk sterk, og kvinner har en tendens til ikke å være like sterke som menn
  • Blant Uber drivere, en 7% betale gapet mellom menn og kvinner ble forklart av tre faktorer:
    • Hvor og når du rir stammer fra (dvs., tid og sted)
    • Mengden av driver erfaring
    • Driving speed
  • Mens forskjeller i bruk av mindre-enn-dødelig makt som fortsatt eksisterer etter at regnskap for konfunderende variabler, er det ikke synes å være noen sammenheng mellom rase og dødelig makt når confounders er tatt hensyn

Som kan sees fra disse eksemplene, forskjellene ikke nødvendigvis diskriminering. Det er viktig å redegjøre for alle relevante variabler når vi undersøker hvorvidt diskriminering finnes mellom to eller flere grupper.


Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *