Análisis de Impacto Adverso: Buenas prácticas para grupos múltiples

El análisis del impacto adverso (AI) entre dos grupos es sencillo y directo. Históricamente, los blancos se consideraban la mayoría en comparación con todos los demás grupos, pero hoy en día las mejores prácticas dictan que se examine más detenidamente a todos los grupos raciales. Las investigaciones de AI se vuelven significativamente más complejas cuando hay dos o más grupos que analizar, como es el caso de las razas individuales (por ejemplo, asiáticos, afroamericanos, hispanos, blancos). Concretamente, cuando hay más de dos grupos, ¿cómo se identifica el grupo «de referencia» (ventajado), con el que se compararán todos los demás grupos?

Muchos analistas de igualdad de oportunidades en el empleo (EEO) consultan las Directrices uniformes federales sobre procedimientos de selección de empleados (Directrices) para orientarse: el grupo con la tasa de selección más alta que también comprende un mínimo del 2 % de los datos de los solicitantes puede definirse como el grupo favorecido. Aunque esto parece intuitivamente atractivo, ¿qué pasa si esta metodología da lugar a conclusiones engañosas? Esto es preocupante, ya que los tribunales han aceptado las Directrices con deferencia y estas tienen un gran peso a la hora de influir en la práctica de la igualdad de oportunidades en el empleo. ¿Es posible que los métodos de las Directrices den lugar a conclusiones erróneas?

Desafortunadamente, en este caso, la respuesta es «sí». El método de las Directrices para identificar al grupo favorecido en los análisis raciales individuales puede dar lugar a resultados falsos negativos : una conclusión de que no hay impacto adverso, cuando en realidad sí lo hay. Un ejemplo sencillo ayudará a explicar este fenómeno, que no es tan infrecuente.

En el ejemplo siguiente, 100 solicitantes compitieron por 36 puestos. Aplicando los métodos de las Directrices, los NAT se definirían como el grupo favorecido, ya que cumple los dos requisitos definidos en las Directrices:

1. Los NAT tuvieron la tasa de selección (SR) más alta, con un 67 %.
2. Los solicitantes de NAT (3) representaban más del 2 % del total de 100 solicitantes.

Si se utilizó NAT como grupo favorecido para el análisis de IA, no se observa IA para los solicitantes ASN, BLK, HSP o WHT. Véanse las estadísticas de la prueba exacta de Fisher, FET (ADV=NAT). Sin embargo, si se definió WHT como el grupo favorecido para el análisis de IA, se observa una IA significativa para los solicitantes ASN, BLK y HSP (véase FET ADV=WHT).

Cuando se aplican los métodos de las Directrices, no se encuentra IA, pero claramente hay IA contra los solicitantes ASN, BLK y HSP cuando WHT se define como el grupo favorecido. Estos son hallazgos sorprendentes. ¿Cuál es la explicación detrás de esto?

La respuesta es bastante sencilla cuando se comprende: 1) qué se requiere para obtener una IA estadísticamente significativa, y 2) los mecanismos que subyacen al método de las Directrices para identificar al grupo favorecido:

• • Los métodos estadísticos, como el FET, necesitan dos (2) ingredientes para obtener una IA estadísticamente significativa:
    1. 1. Tamaño del efecto: El tamaño de la diferencia en SR entre los grupos. En este ejemplo, la diferencia en SR entre los solicitantes NAT (67 %) y WHT (52 %) es pequeña, por lo que el tamaño del efecto es pequeño. La diferencia en SR entre NAT (67 %) y BLK (13 %) es grande, por lo que el tamaño del efecto para esa comparación es grande. Los tamaños de efecto grandes son más potentes desde el punto de vista estadístico.

     

    1. Tamaño de la muestra: El número de personas que componen los grupos considerados. En este ejemplo, solo hay tres (3) solicitantes NAT, mientras que hay 50 solicitantes WHT. Las muestras de gran tamaño tienen mayor poder estadístico.

• El método de las directrices para identificar al grupo favorecido se basa principalmente en el tamaño del efecto (el grupo con el SR más alto), pero ignora en gran medida el tamaño de la muestra (los solicitantes solo deben constituir el 2 % del total de solicitantes).

En este ejemplo, los solicitantes NAT tienen una SR ligeramente superior a la de los solicitantes WHT (67 % frente a 52 %), pero su tamaño muestral es significativamente menor (3 NAT frente a 50 WHT). De hecho, con un tamaño muestral de solo tres (3) NAT, es casi imposible obtener una IA estadísticamente significativa. Por el contrario, un tamaño de muestra grande de 50 (WHT) con una SR ligeramente inferior proporcionará suficiente potencia estadística para encontrar una AI estadísticamente significativa (si existe).

Dado esto, ¿cuál es el método recomendado para el análisis proactivo de IA cuando hay más de dos grupos?

La opción 1 consiste en realizar un análisis de potencia para identificar el grupo favorecido. Los análisis de potencia son complejos y complicados, y requieren una gran experiencia técnica para llevarlos a cabo.

La opción 2 consiste simplemente en analizar todas las combinaciones posibles de comparaciones SR para la IA. Aunque pueda parecer complicado, no lo es, y el conjunto de resultados resulta muy útil en las investigaciones proactivas de IA.

En la práctica, la opción 2 es la recomendada para casi todas las investigaciones proactivas sobre IA. Analizar todas las combinaciones puede parecer laborioso y complicado, pero ese esfuerzo se verá recompensado con una imagen muy clara del patrón de IA entre los diferentes subgrupos, que es el objetivo de las investigaciones proactivas de IA. A medida que los métodos de IA evolucionan y avanzan, es importante que los analistas de EEO se adapten en consecuencia. Con un mayor acceso a ordenadores más potentes y software más fácil de usar, las investigaciones de IA deben ser más completas y exhaustivas. Este es el siguiente paso en las investigaciones de IA.

Nota del Editor: Este post fue publicado originalmente en Circaworks.com. En abril de 2023, Mitratech adquirió Circa, un proveedor líder de software de reclutamiento inclusivo y cumplimiento de OFCCP. El contenido ha sido actualizado desde entonces para reflejar nuestra oferta ampliada de productos, la evolución de las regulaciones de cumplimiento de adquisición de talento y las mejores prácticas en la gestión de RRHH.