Rozbieżny wpływ

rozbieżna teoria wpływu odpowiedzialności jest kontrowersyjna z kilku powodów. Po pierwsze, określa pewne niezamierzone skutki jako „dyskryminujące”, chociaż dyskryminacja jest zwykle umyślnym działaniem. Po drugie, teoria jest w napięciu z odmiennymi przepisami dotyczącymi traktowania w ramach praw obywatelskich, a także gwarancji Konstytucji USA w zakresie równej ochrony. Na przykład, jeśli hipotetyczna Straż Pożarna omówiona powyżej zastosowała wymóg 100-funtowy, polityka ta może nieproporcjonalnie wykluczyć kandydatki do pracy kobiet z zatrudnienia., Zgodnie z zasadą 80% wspomnianą powyżej, nieudane kandydatki do pracy kobiet będą miały prima facie przypadku odmiennego wpływu „dyskryminacji” wobec Departamentu, jeśli zdadzą test 100-funtowy w tempie mniejszym niż 80% stawki, w której mężczyźni zdali test. Aby uniknąć pozwu ze strony kobiet ubiegających się o pracę, Departament może odmówić zatrudniania kogokolwiek ze swojej puli kandydatów—innymi słowy, Departament może odmówić zatrudniania kogokolwiek, ponieważ zbyt wielu udanych kandydatów do pracy było mężczyznami., W ten sposób pracodawca celowo dyskryminowałby udanych kandydatów do pracy mężczyzn ze względu na ich płeć, a to prawdopodobnie oznacza nielegalne odmienne traktowanie i naruszenie prawa konstytucji do równej ochrony. W 2009 roku Ricci przeciwko DeStefano Sąd Najwyższy USA orzekł, że Straż Pożarna popełniła nielegalne odmienne traktowanie, odmawiając promowania białych strażaków, w celu uniknięcia zróżnicowanej odpowiedzialności za wpływ w potencjalnym procesie przez czarnych i hiszpańskich strażaków, którzy nieproporcjonalnie nie zaliczyli wymaganych testów do promocji., Choć sąd w tej sprawie nie doszedł do kwestii konstytucyjnej, to jednak opinia sędziego Scalia sugerowała, że Straż Pożarna naruszyła również konstytucyjne prawo do równej ochrony. Jeszcze przed Riccim niższe sądy federalne orzekły, że działania podejmowane w celu uniknięcia potencjalnych różnic w odpowiedzialności za skutki naruszają konstytucyjne prawo do równej ochrony. Jednym z takich przypadków jest Biondo przeciwko City Of Chicago, Illinois, z siódmego obwodu.

w 2013 r. Komisja ds. równych szans zatrudnienia (EEOC) złożyła pozew, EEOC v., FREEMAN, przeciwko stosowaniu typowych kontroli kryminalnych i kredytowych podczas procesu zatrudniania. Przyznając, że istnieje wiele uzasadnionych i neutralnych rasowo powodów dla pracodawców do przesiewania skazanych przestępców i dłużników, EEOC przedstawił teorię, że praktyka ta jest dyskryminująca, ponieważ mniejszości w USA są bardziej narażone na skazanie przestępców ze złą historią kredytową niż białych Amerykanów. Zatem pracodawcy powinni uwzględniać w swoich pracach przestępców i dłużników. W tym przypadku USA, Sędzia okręgowy Roger Titus stanowczo sprzeciwił się odmiennej teorii oddziaływania, stwierdzając, że działanie EEOC było ” teorią w poszukiwaniu faktów na jej poparcie.””Wnosząc działania tego rodzaju, EEOC umieścił wielu pracodawców w „Hobson” s wybór ” ignorowanie historii kryminalnej i kredytowej tle, narażając się na potencjalną odpowiedzialność za przestępstwa i oszustwa popełnione przez pracowników, z jednej strony, lub ponoszą gniew EEOC za wykorzystanie informacji uznanych za fundamentalne przez większość pracodawców. Coś więcej…, muszą być wykorzystane do uzasadnienia odmiennego roszczenia wpływ na podstawie historii karnej i kontroli kredytowych. Wymaganie mniej byłoby potępieniem stosowania zdrowego rozsądku, a nie jest to po prostu to, czego wymagają prawa tego kraju.”

Thomas Sowell argumentował, że założenie, że różnice w wynikach są spowodowane dyskryminacją, jest logicznym błędem.,analiza ematyczna:

1. wielkość efektu progowego różnic do założenia, że doszło do dyskryminacji
2. jeśli korekta zmiennych mylących w modelu regresji miała miejsce i została odpowiednio zastosowana

próg wielkości efektu

jesteśmy w stanie konwertować między miarami wielkości efektu za pomocą relacji:

Gdzie d {\displaystyle D} jest d Cohena, lub {\displaystyle {\text{OR}}} Jest d {\displaystyle D}, lub {\displaystyle {\text {OR}}} Jest d {\displaystyle d}. współczynnik prawdopodobieństwa, ρ {\displaystyle \ Rho} jest korelacją Pearsona, a φ ( ⋅ ) {\displaystyle \ Phi (\cdot)} jest standardową funkcją rozkładu normalnego., Współczynnik determinacji R 2 {\displaystyle R^{2}} jest kwadratem korelacji. Termin P ( X > Y ) {\displaystyle \mathbb {P} (X>Y)} to prawdopodobieństwo, że członek grupy X {\displaystyle X} uzyska wynik większy niż członek grupy Y {\displaystyle Y} ., Dla zbioru współczynników szans, który jest często używany do określenia, czy istnieje rozbieżny wpływ, możemy konwertować między rozmiarami efektów jako takimi:

korzystając z tych różnych miar wielkości efektu, jesteśmy w stanie ilościowo określić rozmiar luki w oparciu o kilka wspólnych interpretacji., W szczególności, możemy interpretować wielkość efektu jako:

• wielkość wyjaśnionej zmiany (współczynnik determinacji)
• różnica w kategoriach odchyleń standardowych (d Cohena)
• prawdopodobieństwo większego wyniku

jeśli przyjmiemy zasadę 80% za pomocą wskaźnika kursów , oznacza to , że współczynnik kursów progowych przy założeniu dyskryminacji wynosi 1,25 – inne miary wielkości efektu są zatem:

zakłada się, że istnieje dyskryminacja, jeśli wyjaśniono 0,4% zmienności wyników i istnieje różnica odchylenia standardowego 0,123 między dwiema grupami. Obie te ilości są na tyle małe, że istnieją poważne obawy dotyczące znalezienia fałszywie pozytywnych przypadków dyskryminacji na niedopuszczalnym poziomie.

większy próg zakładania, że dysproporcje są spowodowane dyskryminacją, np. stosunek szans 2-3, jest mniej prawdopodobny.,

Analiza zakłócająca i regresjaedytuj

drugą obawą stosowania zróżnicowanego wpływu jest to, że na różnice mogą mieć wpływ podstawowe zmienne, zwane czynnikami zakłócającymi, co oznaczałoby, że rozbieżność wynika z podstawowych różnic, które nie są oparte na członkostwie w grupie., Na przykład, wszystkie z następujących różnic istnieją:

• kobiety są zazwyczaj niedostatecznie reprezentowane wśród strażaków
  • to doprowadziło Nowy Jork do wycofania testu umiejętności fizycznych dla strażaków próbnych
• kobiety jeżdżące dla Ubera zazwyczaj otrzymują mniej niż mężczyźni
• czarni mężczyźni stanowią nieproporcjonalny odsetek Amerykanów zabitych przez policjantów

możliwe, że wszystkie te różnice wynikają z dyskryminacji, ale analiza regresji pozwala nam uwzględnić zmienne, które mogą wyjaśniać różnice., Załóżmy na przykład, że staramy się zbadać, czy różnica płac między dwiema grupami jest spowodowana dyskryminacją. Następnie możemy skonstruować model regresji wielokrotnej dla pay y {\displaystyle y} jako:

Gdzie x i {\displaystyle x_{i}} są zmiennymi mylącymi, G ∈ { 0 , 1 } {\displaystyle g\in \{0,1\}} jest zmienną dychotomiczną wskazującą przynależność do grupy, a ϵ ∼ N ( 0 , σ 2 ) {\displaystyle \Epsilon \sim {\mathcal {N}}(0,\Sigma ^{2})} jest rozkładem normalnym zmienna losowa., Po korekcie dla potencjalnie mylących zmiennych w modelu regresji, powinniśmy być w stanie stwierdzić, czy nadal istnieje wpływ członkostwa w grupie na ilość zainteresowania. Jeśli nie pominęliśmy żadnych ważnych zmiennych zakłócających i nie zajęliśmy się p-hackingiem, to statystycznie istotne | γ / > 0 {\displaystyle |\gamma |>0} sugeruje bardzo dobrą możliwość pozytywnej lub negatywnej dyskryminacji.,

Wracając do naszych trzech przykładów, istnieją wiarygodne wyjaśnienia dla wszystkich różnic, które zostały wymienione:

• Strażacy powinni być silni fizycznie, a kobiety nie są tak silne jak mężczyźni
• wśród kierowców Uber różnica płac między mężczyznami i kobietami wynosiła 7%, a wyjaśniały ją trzy czynniki:
  • skąd i kiedy pochodzą przejazdy (tj.,, czas i miejsce)
  • ilość doświadczenia kierowcy
  • prędkość jazdy
• chociaż różnice w użyciu siły mniejszej niż śmiertelna nadal istnieją po uwzględnieniu zmiennych zakłócających, nie wydaje się, aby istniał jakikolwiek związek między rasą a śmiertelną siłą po uwzględnieniu czynników zakłócających

jak widać z tych przykładów, różnice niekoniecznie oznaczają dyskryminację. Ważne jest, aby uwzględnić wszystkie istotne zmienne podczas badania, czy istnieje dyskryminacja między dwiema lub więcej grupami.