Introduction
L'Office of Federal Contract Compliance Programs (OFCCP) a publié plusieurs FAQ le 23 juillet 2019 afin de fournir des conseils supplémentaires aux entrepreneurs fédéraux dans leurs efforts pour comprendre et respecter les réglementations antidiscriminatoires. 'Practical Significance in EEO Analysis' (Signification pratique dans l'analyse EEO) tente de fournir des éclaircissements sur le moment où une disparité statistiquement significative peut ou non être pratiquement significative et, par conséquent, donner lieu à une action. Bien que les FAQ indiquent que le contenu s'applique aux résultats en matière d'emploi en général, l'accent semble être mis principalement sur les sélections en matière d'emploi. Toutefois, les mêmes principes s'appliquent à d'autres résultats en matière d'emploi, tels que les disparités de rémunération. Si les discussions sur la signification pratique par rapport à la signification statistique ne sont pas nouvelles, la question est devenue plus importante car les entreprises ont accès à des viviers de candidats de plus en plus vastes, en particulier, à partir desquels elles peuvent prendre des décisions d'embauche. Plus la taille du vivier augmente, plus il est probable que de petites différences dans les taux de sélection (ou les résultats des tests) soient statistiquement significatives et, par conséquent, susceptibles d'être contestées en justice. L'article suivant définit la signification pratique et statistique, explique les "tests" significatifs sur le plan pratique décrits dans les FAQ de l'OFCCP et formule des recommandations à l'intention des employeurs.
Importance du test de signification statistique dans l'analyse du TEE
Les Uniform Guidelines on Employment Selection Procedures (UGESP, 1978) fournissent des informations sur l'examen de l'impact négatif des procédures de sélection des employés. L'UGESP décrit la règle des 4/5e ou des 80 %, qui stipule que le fait de constater que le taux de sélection du groupe défavorisé est inférieur à 80 % du taux de sélection du groupe favorisé constitue une preuve d'impact négatif. La règle des 4/5e permet aux employeurs d'évaluer assez facilement l'impact négatif de leurs procédures de sélection. Toutefois, l'UGESP reconnaît que la règle des 4/5e n'est pas un test statistique. Depuis lors, la prolifération des technologies et des logiciels a facilité le calcul de la signification statistique des différences entre les taux de sélection. Étant donné que les employeurs suivent et conservent d'importants ensembles de données sur les candidats pendant plusieurs années et que l'OFCCP demande et analyse des données sur plusieurs années, la probabilité d'obtenir au moins un indicateur statistique s'est accrue.
Définition de la signification statistique et pratique
Statistical significance indicates that some measured outcome (e.g., differences in selection rates between males and females) did not occur by chance. If the difference in selection rates between males and females, for example, is too large to attribute to chance, the difference is statistically significant and an indication that the difference can be attributed to gender or something related to gender. In terms of tests or assessments, either the difference in test scores or the difference in pass rates is too large to attribute to chance. Common thresholds for statistical significance include a two (or three) standard deviation difference or a p-value (i.e. probability value) less than .05. While a statistically significant difference seems like a reasonable indicator for further investigation of a selection procedure, statistical significance depends not only on the size of the difference but also on the size of the group under consideration. That is, smaller groups require larger differences to trigger the 2 s.d. or p<.05 threshold, and larger groups require smaller differences to yield a statistically significant result. For example, for pools of 1,000 applicants, selection rate differences of as little as 7.9% will be statistically significant and for pools of 5,000 applicants, selection rate differences of as little as 2.1% will be statistically significant1.
La signification pratique examine le caractère significatif d'une différence observée. Si la différence entre les taux de sélection est de 5 %, est-ce significatif ? Si la différence entre le nombre attendu de personnes ayant réussi un test et le nombre réel de personnes ayant réussi (c'est-à-dire le déficit) est de 10 personnes sur 10 000 ayant réussi le test, est-ce significatif ? Les FAQ de l'OFCCP identifient spécifiquement plusieurs mesures pratiques de l'importance, toutes apparemment basées sur la jurisprudence, l'UGESP ou des publications sur le sujet. En particulier, les FAQ mentionnent le ratio d'impact, le ratio de chances, la règle du flip-flop, le ratio Apsley v. Boeing et le h de Cohen comme exemples de mesures.
Mesures d'importance pratique
Le ratio d'impact correspond au taux de groupes défavorisés divisé par le taux de groupes favorisés. 80 % est la norme pour évaluer le ratio d'impact. Par exemple, si 90 % des Blancs réussissent un examen et 85 % des Hispaniques, le ratio d'impact est de 94,4 % (c'est-à-dire 85 % divisé par 90 %). Même si la différence entre les taux de sélection dépasse 2 écarts types, un ratio d'impact supérieur à 80 % suggère que cette différence n'est pas significative d'un point de vue pratique. Alors que la règle des 4/5e examine le ratio des taux de sélection, d'autres mesures pratiques significatives, auxquelles l'OFCCP fait référence dans ses FAQ, évaluent ces mêmes taux à l'aide d'autres méthodes. Le H de Cohen, par exemple, calcule la différence entre les taux de sélection du groupe favorisé et du groupe défavorisé après avoir effectué une transformation statistique, ce qui permet d'évaluer une différence normalisée. Les valeurs du H de Cohen supérieures à 0,80 sont considérées comme importantes.2. Pour aller plus loin, l'odds ratio ressemble au ratio d'impact mais prend en compte à la fois les taux de sélection et de rejet des groupes en question.
Selon l'UGESP, la règle de la bascule examine le résultat de la sélection d'un membre supplémentaire d'un groupe défavorisé (et du rejet d'un membre supplémentaire d'un groupe favorisé). Pour l'exemple ci-dessus, supposons que la sélection d'un candidat hispanique supplémentaire et d'un candidat blanc en moins aboutisse à la sélection de 90 % des Hispaniques et de 85 % des Blancs. Les Hispaniques sont désormais favorisés et la règle de la bascule suggère que la différence initiale n'était pas significative d'un point de vue pratique. Bien que l'UGESP décrive spécifiquement la règle de la bascule dans le contexte d'un changement du groupe favorisé, les tribunaux ont élargi ce concept en considérant le nombre réel de membres du groupe défavorisé qu'il faudrait pour que la différence tombe en dessous du seuil de signification statistique. Les tribunaux ont jugé que des disparités importantes n'étaient pas significatives sur le plan pratique lorsque la sélection d'un petit nombre (qui varie en fonction de la décision) de membres du groupe défavorisé entraînait une différence qui n'était pas statistiquement significative3.
Le ratio Apsley contre Boeing se réfère à une mesure spécifique de l'importance pratique d'une décision de justice spécifique. Cette affaire concernait une plainte pour discrimination fondée sur l'âge dans le cadre de la sélection de salariés en vue de leur réembauche par Spirit Airlines. Spirit Airlines a acquis plusieurs installations de Boeing, a licencié tous les travailleurs de Boeing, puis a sélectionné parmi les travailleurs licenciés les postes à pourvoir dans les installations acquises. Alors que le déficit (c'est-à-dire la différence entre le nombre réel de travailleurs âgés sélectionnés et le nombre attendu de sélections compte tenu de la composition de la réserve de sélection) était statistiquement significatif, le taux de sélection global des travailleurs âgés était extrêmement élevé (99 %). En d'autres termes, bien que l'employeur ait sélectionné nettement moins de membres d'une catégorie protégée (en l'occurrence, les travailleurs âgés) que prévu dans le cadre d'une procédure de sélection neutre, le tribunal a pris en considération le taux de sélection global élevé, soit 99 % du nombre attendu de membres d'une catégorie protégée, et a jugé que la disparité n'était pas significative d'un point de vue pratique.
Recommandations
Compte tenu de la récente FAQ de l'OFCCP, des recommandations des sciences sociales et des décisions de justice, qui reconnaissent toutes l'importance de mesurer l'importance statistique et pratique, c'est précisément ce que les employeurs devraient faire. Bien que certaines mesures pratiques puissent ne pas être familières aux employeurs, ces derniers devraient envisager d'examiner les mesures les plus faciles à calculer et à interpréter, à savoir la règle des 4/5e, le déficit réel et le nombre de sélections supplémentaires du groupe défavorisé nécessaires pour que la différence tombe en dessous des seuils de signification statistique. Lorsque les mesures pratiques et statistiques de l'impact négatif suggèrent des différences significatives et statistiquement significatives, l'OFCCP, d'autres agences de contrôle ou les avocats des plaignants disposent d'arguments beaucoup plus solides pour alléguer une discrimination en matière d'emploi. En cas de désaccord entre les mesures pratiques et statistiques, l'employeur doit envisager de rechercher des preuves anecdotiques de discrimination et continuer à surveiller de près la pratique d'emploi en question.
1. Jacobs, R., Murphy, K. et Silva, J. (2012). Unintended Consequences of EEO Enforcement Policies : Being Big is Worse than Being Bad. Journal of Business Psychology. Publication en ligne.
2. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. Lawrence Erlbaum Associates. Lawrence Erlbaum Associates. New York.
3. U.S. v. Commonwealth of Virginia (1978) 620 F.2d 1018 ; Waisome v. Port Authority of New York & New Jersey (1991) 948 F.2d 1370.
Note de l'éditeur : Cet article a été publié à l'origine sur Circaworks.com. En avril 2023, Mitratech a acquis Circa, un fournisseur de premier plan de logiciels de recrutement inclusif et de conformité OFCCP. Le contenu a depuis été mis à jour pour refléter l'élargissement de nos offres de produits, l'évolution des réglementations de conformité en matière d'acquisition de talents et les meilleures pratiques en matière de gestion des ressources humaines.
