Disparate impact (Svenska)

den disparate impact theory of liability är kontroversiell av flera skäl. För det första betecknar det vissa oavsiktliga effekter som ”diskriminerande”, även om diskriminering normalt är en avsiktlig handling. För det andra är teorin i spänning med olikartade behandlingsbestämmelser enligt civilrättslagar samt den amerikanska konstitutionens garanti för lika skydd. Om exempelvis den hypotetiska brandkåren som diskuterades ovan använde kravet på 100 pund, kan denna politik oproportionerligt utesluta kvinnliga arbetssökande från anställning., Enligt 80% – regeln ovan skulle misslyckade kvinnliga arbetssökande ha ett prima facie-fall av olikartad inverkan ”diskriminering” mot avdelningen om de passerade 100-pundstestet med en hastighet som är mindre än 80% av den takt som män passerade testet. För att undvika en rättegång av kvinnliga arbetssökande, avdelningen kan vägra att anställa någon från sin sökande pool—med andra ord, avdelningen kan vägra att anställa någon eftersom alltför många av de framgångsrika arbetssökande var manliga., Således skulle arbetsgivaren avsiktligt ha diskriminerat de framgångsrika manliga arbetssökande på grund av deras kön, och det är sannolikt att det är olagligt olikartad behandling och ett brott mot konstitutionens rätt till Lika skydd. I 2009-fallet Ricci mot DeStefano styrde USA: s högsta domstol att en brandkår begått olaglig disparat behandling genom att vägra att främja vita brandmän, i ett försök att undvika olikartat påverkansansvar i en potentiell rättegång av svarta och spansktalande brandmän som oproportionerligt misslyckades med de nödvändiga testerna för marknadsföring., Även om domstolen i det fallet inte nådde den konstitutionella frågan, föreslog Justice Scalia ’ s concurring opinion brandkåren också kränkt den konstitutionella rätten till Lika skydd. Även före Ricci har lägre federala domstolar fastställt att åtgärder som vidtagits för att undvika potentiella olikartade konsekvenser ansvar bryter mot den konstitutionella rätten till Lika skydd. Ett sådant fall är Biondo mot City of Chicago, Illinois, från den sjunde kretsen.

under 2013 lämnade Equal Employment Opportunity Commission (EEOC) in en stämningsansökan, EEOC v., FREEMAN, mot användning av typiska kriminella bakgrund och kreditkontroller under anställningsprocessen. Samtidigt som EEOC erkände att det finns många legitima och rasneutrala skäl för arbetsgivare att skärm ut dömda brottslingar och gäldenärer, presenterade EEOC teorin att denna praxis är diskriminerande eftersom minoriteter i USA är mer benägna att bli dömda brottslingar med dålig kredithistoria än vita amerikaner. Ergo, arbetsgivare bör behöva inkludera brottslingar och gäldenärer i deras anställning. I detta fall USA, Distriktsdomaren Roger Titus styrde bestämt sig mot den disparata effektteorin och hävdade att EEOC: s handling hade varit”en teori på jakt efter fakta för att stödja den.””Genom att väcka talan av detta slag har EEOC placerat många arbetsgivare i”Hobson” s choice ” för att ignorera kriminell historia och kreditbakgrund och därmed utsätta sig för potentiellt ansvar för kriminella och bedrägliga handlingar som å ena sidan begåtts av anställda eller ådra sig EEOC: s vrede för att ha utnyttjat information som anses grundläggande av de flesta arbetsgivare. Något mer…, måste utnyttjas för att motivera en olikartad inverkan fordran baserad på kriminella historia och kreditkontroller. Att kräva mindre, skulle vara att fördöma användningen av sunt förnuft, och det är helt enkelt inte vad lagarna i detta land kräver.”

Thomas Sowell har hävdat att förutsatt att skillnader i resultat orsakas av diskriminering är en logisk felaktighet.,ematical analys av:

1. tröskeleffekt storleken på skillnaderna att anta att diskriminering har förekommit
2. Om korrigering för störande variabler i en regressionsmodell tog plats och var tillämpats på rätt sätt.

effektstorleken thresholdEdit

Vi kan för att konvertera mellan åtgärder med effekt storlek med hjälp av de relationer som:

var d {\displaystyle d} är Cohen”s d, ELLER {\displaystyle {\text{OCH}}} är odds ratio, ρ {\displaystyle \rho } är Pearson-korrelation, och Φ ( ⋅ ) {\displaystyle \Phi (\cdot )} är den kumulativa normalfördelningen., Bestämningskoefficienten R 2 {\displaystyle r^{2}} är kvadraten av korrelationen. Termen P (X > Y ) {\displaystyle \mathbb {P} (X>Y)} är sannolikheten att en medlem i grupp X {\displaystyle X} får en poäng större än en medlem i grupp Y {\displaystyle Y} ., För en uppsättning oddskvoter, som ofta används för att avgöra om det finns en olikartad inverkan, kan vi konvertera mellan effektstorlekar som sådana:

med hjälp av dessa olika mått av effektstorlek kan vi kvantitativt bestämma storleken på ett gap baserat på flera gemensamma tolkningar., I synnerhet kan vi tolka effektstorleken som:

• mängden förklarad variation (bestämningskoefficient)
• skillnaden i form av standardavvikelser (Cohen”s d)
• sannolikheten för en större poäng

om vi tar 80% – regeln att tillämpa via oddsförhållandet, innebär detta att tröskeloddsförhållandet för att anta diskriminering är 1,25-de andra åtgärderna för effektstorlek är därför:

detta innebär att diskriminering antas existera om 0.4% av variationen i resultat förklaras och det finns en 0.123 standardavvikelseskillnad mellan två grupper. Båda dessa kvantiteter är tillräckligt små för att det finns stora farhågor om att finna falska positiva fall av diskriminering på en oacceptabel nivå.

en större tröskel för att anta att skillnader beror på diskriminering,såsom ett oddsförhållande på 2-3, är mindre sannolikt att ha falska positiva.,

Confounding and regression analysisEdit

en andra oro för att använda olika effekter är att skillnader kan påverkas av underliggande variabler, kallade confounders, vilket skulle innebära att skillnaden beror på underliggande skillnader som inte bygger på gruppmedlemskap., Till exempel finns alla följande skillnader:

• kvinnor tenderar att vara underrepresenterade bland brandmän
  • detta ledde till att New York City släppte sitt fysiska kompetenstest för provanställda brandmän
• kvinnor som kör för Uber tenderar att betalas mindre än män
• svarta män står för en oproportionerlig andel amerikaner som dödades av poliser

det är möjligt att alla dessa skillnader beror på diskriminering, men regressionsanalys gör det möjligt för oss att redogöra för variabler som kan förklara skillnader., Anta till exempel att vi försöker undersöka om löneskillnader mellan två grupper beror på diskriminering eller inte. Då kan vi konstruera en multipel regressionsmodell för pay y {\displaystyle y} som:

där X i {\displaystyle x_{i}} är de förvirrande variablerna, G { 0 , 1 } {\displaystyle G\in \{0,1\}} är en dikotom variabel som anger gruppmedlemskap, och n ( 0 , σ 2 ) {\displaystyle \Epsilon \sim {\mathcal {N}}(0,\sigma ^{2})} är en normalt distribuerad slumpmässig variabel., Efter korrigering för de potentiellt förvirrande variablerna i en regressionsmodell borde vi kunna berätta om det fortfarande finns en inverkan av gruppmedlemskap på kvantiteten av intresse. Om vi inte har utelämnat några viktiga förvirrande variabler och inte är engagerade i P-hacking, föreslår en statistiskt signifikant | γ | > 0 {\displaystyle |\gamma |>0} en mycket bra möjlighet till positiv eller negativ diskriminering.,

cirklande tillbaka till våra tre exempel finns det rimliga förklaringar för alla de skillnader som listades:

• brandmän bör vara fysiskt starka, och kvinnor tenderar att inte vara lika starka som män
• bland Uber-förare förklarades en 7% löneklyfta mellan män och kvinnor av tre faktorer:
  • var och när åkattraktioner härstammar från (dvs., antal förare erfarenhet
  • körhastighet
• medan skillnader i användning av mindre än dödlig kraft fortfarande existerar efter redovisning av förvirrande variabler, verkar det inte finnas något samband mellan ras och dödlig kraft när confounders beaktas

som kan ses från dessa exempel, skillnader inte nödvändigtvis diskriminering. Det är viktigt att ta hänsyn till alla relevanta variabler när man undersöker om det finns diskriminering mellan två eller flera grupper.