OFCCP's Impact Ratio Analysis (IRA) - Kann sie verbessert werden?

Obwohl sie miteinander in Zusammenhang stehen, darf ein CO adverse IRAs nicht mit dem Begriff „adverse Auswirkungen” verwechseln. Die Impact Ratio Analysis (IRA) ist eine Methode zur Identifizierung von Personalaktivitäten, die vor Ort weiter untersucht werden sollten.|Obwohl sie miteinander in Zusammenhang stehen, darf ein CO adverse IRAs nicht mit dem Begriff „adverse Auswirkungen” verwechseln. Die Impact Ratio Analysis (IRA) ist eine Methode zur Identifizierung von Personalaktivitäten, die vor Ort weiter untersucht werden sollten.

Mitratech-Mitarbeiter April 29, 2014

Auf Seite 48 des Federal Contract Compliance Manual (FCCM) vom Juli 2013 beschreibt die OFCCP ihre Methodik zur Berechnung der Auswirkungsquote und wie die Compliance-Beauftragten (CO) die Ergebnisse der Auswirkungsquotenanalysen verwenden sollen:

Obwohl es sich um verwandte Begriffe handelt, darf ein CO adverse IRAs nicht mit dem Begriff „adverse Auswirkungen” verwechseln. Die Impact Ratio Analysis (IRA) ist eine Methode zur Identifizierung von Personalaktivitäten, die vor Ort weiter untersucht werden sollten. Die IRA ist ein Verhältnis zwischen zwei Auswahlquoten, einer für Minderheiten oder Frauen und einer für andere. Im Allgemeinen muss ein CO, wenn die Auswahlquote für eine bestimmte Gruppe weniger als 80 % der Auswahlquote für die bevorzugte Gruppe für eine bestimmte Personalaktivität beträgt (z. B. wenn die Auswahlquote für Minderheiten oder Frauen weniger als 80 % der Auswahlquote für Nicht-Minderheiten oder Männer für eine bestimmte Personalaktivität beträgt), während des Vor-Ort-Besuchs weitere Untersuchungen durchführen [Hervorhebung hinzugefügt]. [FCCM, Juli 2013, Seite 48].

Auch wenn die OFCCP in der obigen Beschreibung nahelegt, dass die negativen Ergebnisse einer Impact-Ratio-Analyse an sich als eindeutiger Beweis für eine Diskriminierung interpretiert werden sollten, weist die OFCCP die Compliance-Beauftragten an, die Ergebnisse der Impact-Ratio-Analyse bei der Entscheidung darüber zu verwenden, ob ein Auftragnehmer geprüft werden soll oder nicht. Daher ist es wichtig, die Grundlagen und Ursprünge der Wirkungsquotenanalyse zu überprüfen und die Bedingungen zu erörtern, unter denen der Wirkungsquotentest zu falsch positiven Ergebnissen führen kann, d. h. zu Situationen, in denen das Ergebnis einer Wirkungsquotenanalyse den Compliance-Beauftragten dazu veranlasst, eine Prüfung durchzuführen, obwohl dies nicht erforderlich wäre.

Der statistische Begriff für die Wirkungsrate ist das relative Risiko (RR).ⁱ Das relative Risiko ist das Verhältnis der Wahrscheinlichkeit oder Chance, dass ein Ereignis für eine Gruppe eintritt, zur Wahrscheinlichkeit oder Chance, dass dasselbe Ereignis für eine andere, ansonsten ähnliche Gruppe eintritt. Wenn die Wahrscheinlichkeit, dass das Ereignis für die erste Gruppe eintritt, geringer ist als die Wahrscheinlichkeit, dass das Ereignis für die zweite Gruppe eintritt, dann ist das Verhältnis der beiden Wahrscheinlichkeiten (Wahrscheinlichkeit der ersten Gruppe oben und Wahrscheinlichkeit der zweiten Gruppe unten) kleiner als 100 %. Wenn beispielsweise das Verhältnis der beiden Wahrscheinlichkeiten 70 % beträgt, bedeutet dies, dass die Wahrscheinlichkeit des Ereignisses für die erste Gruppe 70 % der Wahrscheinlichkeit des Ereignisses für die zweite Gruppe betrug.

Angenommen, bei einer Einstellungsveranstaltung prüft ein Auftragnehmer 200 Bewerbungen von einer Gruppe von Bewerbern, die sich hinsichtlich ihres beruflichen Werdegangs und anderer Qualifikationen sehr ähnlich sind. Nehmen wir weiter an, dass unter den Bewerbern 100 Männer und 100 Frauen sind. Alle Bewerber bewerben sich um eine bestimmte Stelle, d. h., es gibt keine Unterschiede zwischen den Bewerbern hinsichtlich ihrer Präferenzen für verschiedene Stellen, was bedeutet, dass jeder der Bewerber, wenn ihm die Stelle angeboten wird, das Angebot annehmen wird. Der Auftragnehmer stellt schließlich 40 der 200 Bewerber ein; 10 der Stellen gehen an Frauen und 30 an Männer.

Angesichts des oben beschriebenen Szenarios beträgt die Chance oder Wahrscheinlichkeit einer Einstellung für Frauen 10 % (10/100 = 10 %) und für Männer 30 % (30/100 = 30 %). Daher beträgt das relative Risiko oder die Auswirkungsquote für diesen Einstellungsvorgang 33 % (10 %/30 % = 33 %). Das bedeutet, dass die Chance für Frauen, diese Stelle bei diesem Auftragnehmer zu bekommen, 33 % der Chance für Männer beträgt, dieselbe Stelle zu bekommen. In dieser speziellen Situation ist es aufgrund des Ergebnisses der Auswirkungsquotenanalyse gerechtfertigt, dass die OFCCP eine zusätzliche Untersuchung durchführt, um herauszufinden, warum die Auswahlquote oder Einstellungswahrscheinlichkeit für weibliche Bewerber so viel geringer ist als die Auswahlquote oder Einstellungswahrscheinlichkeit für Männer.

Das obige Beispiel beschreibt tatsächlich dasselbe Beispiel, das die OFCCP auf Seite 49 ihres Federal Contract Compliance Manual (FCCM) vom Juli 2013 verwendet hat. Das FCCM beschreibt die Berechnung der Auswirkungsquote für das obige Beispiel und kommt nach der Berechnung der Auswirkungsquote von 33 % für Frauen zu folgendem Schluss:

„Wenn die Auswahlquote für eine Gruppe weniger als 80 % derjenigen für eine andere Gruppe beträgt, betrachtet der CO die IRA als nachteilig.“ [FCCM, Juli 2013, Seite 49].

EINE ALTERNATIVE METHODIK: Angepasste Wirkungsanalyse (AIRA)

Die in den vorstehenden Absätzen beschriebene Methode der OFCCP zur „Identifizierung der Personalaktivitäten, die vor Ort weiter untersucht werden sollten” geht davon aus, dass alle 100 Frauen und alle 100 Männer sich auf eine einzige Stelle oder auf Stellen beworben haben, die im Wesentlichen ähnlich waren. Was wäre, wenn sich die Bewerber auf eine Jobgruppe beworben hätten, innerhalb derer es zwei oder mehr verschiedene Stellen (oder Abteilungen) gab, die sich sowohl hinsichtlich des Arbeitsumfelds als auch hinsichtlich der Art der Aufgaben erheblich voneinander unterschieden?

Nehmen wir an, dass sich innerhalb einer bestimmten Berufsgruppe Frauen und Männer bei zwei verschiedenen Abteilungen, Abteilung A und Abteilung B, beworben haben. Nehmen wir weiter an, dass Frauen den Job in Abteilung B bevorzugten und Männer den Job in Abteilung A. Von 100 Frauen bewarben sich 4 bei Abteilung A und 96 bei Abteilung B. Von 100 Männern bewarben sich 56 bei Abteilung A und 44 bei Abteilung B. Von insgesamt 40 Einstellungen in dieser Berufsgruppe wurden 28 Bewerber in Abteilung A und 12 Bewerber in Abteilung B eingestellt. In Abteilung A waren von den 28 Einstellungen 2 Frauen und 26 Männer. In Abteilung B waren von den 12 Einstellungen 8 Frauen und 4 Männer.

Aufgrund der Prozentsätze der Bewerber, die sich bei zwei Abteilungen beworben haben, scheint es, dass Männer eine leichte Präferenz für Abteilung A hatten, während Frauen eine starke Präferenz für Abteilung B hatten. Sollte angesichts dieser zusätzlichen Informationen über den Bewerberfluss zu verschiedenen Abteilungen sowie über die Präferenzen von Männern und Frauen für verschiedene Stellen und Abteilungen und die Anzahl der Einstellungen für jede Abteilung das in der OFCCP-Methodik beschriebene Verfahren in irgendeiner Weise geändert werden? Die Antwort lautet: JA.

Im Verfahren zur Berechnung der Auswirkungsquote im Federal Contract Compliance Manual geht die OFCCP implizit davon aus, dass alle 100 Frauen und 100 Männer die gleichen Chancen hatten, für die 40 verfügbaren Stellen ausgewählt zu werden. Angesichts der oben genannten zusätzlichen Informationen scheint es jedoch, dass die Chance, für Abteilung A ausgewählt zu werden, höher war als die Chance, für Abteilung B ausgewählt zu werden. Abteilung A hatte 28 Stellen zur Auswahl angeboten, während Abteilung B nur 12 Stellen zur Auswahl angeboten hatte. Das bedeutet, dass die Entscheidung der Bewerber, bei welcher Abteilung sie sich direkt bewerben möchten, ihre Chancen auf eine Auswahl beeinflusst. Daher waren bei der Berechnung des Einflussverhältnisses der Auswahlentscheidungen der Arbeitgeber die Entscheidungen der Bewerber, sich bei einer bestimmten Abteilung zu bewerben, wichtig und hätten berücksichtigt werden müssen.

Da wir nun wissen, dass die Abteilung ein wichtiger Faktor im Auswahlverfahren war, müssen wir die abteilungsbezogenen Informationen in unsere Berechnung des relativen Risikos oder der Auswirkungsquote einbeziehen. Daher habe ich in den unten aufgeführten Schritten die Anweisungen der OFCCP zur Berechnung des rohen oder unbereinigten Auswirkungsverhältnisses verwendet und diese angepasst, um die unterschiedlichen Quoten von Männern und Frauen, die sich für jede Abteilung beworben haben, zu berücksichtigen. Es gibt ein bekanntes statistisches Verfahren, mit dem das rohe Auswirkungsverhältnis oder das relative Risiko dafür bereinigt werden kann, dass sich nicht alle Bewerber für dieselbe Abteilung/Stelle beworben haben.ⁱⁱ Das resultierende bereinigte Auswirkungsverhältnis berücksichtigt die Informationen zu den Abteilungen. In dem unten beschriebenen Verfahren steht IR für das rohe und unbereinigte Auswirkungsverhältnis der OFCCP und AIR für das bereinigte Auswirkungsverhältnis, nachdem die abteilungsbezogenen Informationen in die Berechnung einbezogen wurden.

Die Anweisung der OFCCP auf Seite 49 des FCCM wurde geändert, um die Informationen der Abteilung aufzunehmen:

Schritt 1: Berechnen Sie die Selektionsrate für jede Gruppe in jeder Abteilung (auf zwei Dezimalstellen runden).

100 (Frauen beworben)
10 (ausgewählte Frauen) = 0,10 (Auswahlquote von 10 %)
- In Abteilung A:
  - 4 (Frauen beworben)
  - 2 (ausgewählte Frauen) = 0,50 (Auswahlquote von 50 %)

- In Abteilung B:
  - 96 (Frauen beworben)
  - 8 (ausgewählte Frauen) = 0,08 (Auswahlquote von 8 %)

- 100 (bewerbene Männer)
- 30 (ausgewählte Männer) = 0,30 (Auswahlquote von 30 %)
  - In Abteilung A:
    - 56 (Männer beworben)
    - 26 (ausgewählte Männer) = 0,46 (Auswahlquote von 46 %)

- In Abteilung B:
  - 44 Männer haben sich beworben)
  - 4 (ausgewählte Männer) = 0,09 (9 % Auswahlquote)

Schritt 2: Beobachten Sie, welche Gruppe die höchste Auswahlrate hat.

Männer sind die bevorzugte Gruppe, weil sie die höchste Auswahlquote haben.

(30 % Männer sind ein höherer Anteil als 10 % Frauen).

Schritt 3: Berechnen Sie die rohe oder unbereinigte Wirkungsquote für die beiden Gruppen. Da es sich um eine positive Maßnahme handelt, steht die Quote der am meisten begünstigten Gruppe (in diesem Fall Männer) im Nenner.

.10 (Auswahlquote für Frauen) = 0,33 (roher oder unbereinigter Wirkungsquotient)
.30 (Auswahlquote für Männer)

Schritt 4: Beobachten Sie, ob die Aufprallquote in Schritt 3 weniger als 80 % beträgt.

Schritt 5: Beachten Sie, dass die Abteilung einer der Faktoren ist, die bei der Berechnung eines Wirkungsgrads berücksichtigt werden müssen. Um den bereinigten Wirkungsgrad (AIR) zu berechnen, führen Sie daher die Berechnung in Schritt 6 unten durch.

Schritt 6: Passen Sie die Anzahl der ausgewählten Männer und Frauen in jeder Abteilung an, indem Sie die Anzahl der ausgewählten Frauen/Männer in jeder Abteilung mit dem Prozentsatz der anderen Gruppe in derselben Abteilung multiplizieren. Addieren Sie die angepassten Auswahlzahlen für Frauen über alle Abteilungen hinweg und dividieren Sie die Summe durch die Summe der angepassten Auswahlzahlen für Männer über alle Abteilungen hinweg:

Die bereinigte Auswirkungsquote (AIR) von 98 % zeigt, dass die Gesamtauswahlquote von Frauen in zwei Abteilungen, wenn sie ordnungsgemäß bereinigt wird, fast der Auswahlquote von Männern in zwei Abteilungen entspricht. Da die Auswahlquote für Frauen mehr als 80 % derjenigen für Männer beträgt, sollte der Compliance-Beauftragte die Auswirkungsquotenanalyse (IRA) nicht als nachteilig betrachten.

Das obige Beispiel zeigt, dass die Wirkungsgradanalyse der OFCCP von einer vollständigen Homogenität der Bewerber ausgeht. Wenn die Annahme der Homogenität der Bewerber nicht zutrifft, kann die grobe Wirkungsgradanalyse zu einem irreführenden Ergebnis führen. Der angepasste Wirkungsgrad berücksichtigt die Unterschiede zwischen den Bewerbern und liefert ein zuverlässigeres Ergebnis.

^{i. Das relative Risiko wird häufig in statistischen und epidemiologischen Studien verwendet. Um beispielsweise die Wirksamkeit eines bestimmten Medikaments/einer bestimmten Behandlung zu bestimmen, vergleichen Wissenschaftler das Risiko oder die Wahrscheinlichkeit, nach der Exposition einer Gruppe von Probanden gegenüber einem Medikament/einer Behandlung eine Krankheit zu entwickeln, mit dem Risiko oder der Wahrscheinlichkeit, eine Krankheit zu entwickeln, in einer ansonsten ähnlichen Gruppe, die nicht dem Medikament/der Behandlung ausgesetzt war. ↩}
^{ii. Das adjustierte relative Risiko wird in der statistischen Literatur als Mantel-Haenszel-Relatives Risiko bezeichnet. Siehe: Tarone, R. E., „On Summary Estimators of Relative Risk“, Journal of Chronic Disease, 34, 463-468. ↩}

Anmerkung der Redaktion: Dieser Beitrag wurde ursprünglich auf Circaworks.com veröffentlicht. Im April 2023 übernahm Mitratech Circa, einen führenden Anbieter von Software für integratives Recruiting und OFCCP-Compliance. Der Inhalt wurde seitdem aktualisiert, um unser erweitertes Produktangebot, die sich entwickelnden Compliance-Vorschriften für die Talentakquise und Best Practices im Personalmanagement zu berücksichtigen.

Lösungen für die Industrie