调查裁员中基于年龄的不利影响--更有说服力的方法

经济发展势头强劲，失业率创历史新低。 人们最不愿意想到的就是裁员或裁减人员（RIF）。 然而，对于经验丰富的人力资源（HR）从业者来说，他们知道裁员并不仅仅发生在经济衰退时期。裁员是维持一支支持组织战略的高绩效员工队伍的正常和（可以说）健康的组成部分。

尽管雇佣条件在很大程度上被理解为 "随意"，但解雇行为并非没有法律风险。 可以想象，有专门的法律来保护员工在 RIF 中免受潜在歧视的权利¹. 假设解雇决定并非故意歧视（区别对待），RIF 仍可在 "不利影响"（AI）框架内进行歧视评估。 用通俗易懂的话说，索赔人可以通过不同群体（如性别、种族、年龄）之间解雇率差异的统计证据来证明 AI 歧视的表面证据确凿。

经典 RIF 分析

分析性别和种族方面的人工智能相当简单。 这可以通过传统的选择率分析进行评估，即经典的 2×2 分析，其中有 2 组（如男性、女性）和 2 种结果（如通过、失败）：

在这个例子中，共有 13 名男生（8+5）和 17 名女生（8+9）。 男生的保留率为 62%（13 人中有 8 人），女生的保留率为 47%（17 人中有 8 人）。 女生的留级率（47%）低于男生的留级率（62%），但这一差异在统计学上有意义吗？ 要回答这个问题，可以使用费雪精确检验（FET）来评估观察到的 2×2。 在本例中，FET 发现选拔率差异如下 无统计学意义(p=0.48)²这就削弱了人工智能歧视的说法。

基于年龄的 RIF 分析

RIF analysis among “crisp” and well-defined categories (e.g., race, gender) is easy and straightforward – simply apply the 2×2 selection rate analysis method. For age-based RIF analyses, this is less clear since age is on a numeric continuum; fortunately, the Age Discrimination and Employment Act (ADEA) has defined individuals who are 40 years old and above as a protected group. Applying this law, many analysts have set up the two groups in their selection rate analyses as: Less Than 40 (<40) and 40 or Greater (≥40).

These 2×2 selection rate analyses were also straightforward and fairly simple. However, after the O’Connor v. Consolidated Coin Caterers Corp. Supreme Court decision (517 U.S. 308, 116 S. Ct. 1307, 134 L. Ed. 2d 433 [1996]), age-related AI discrimination cases have become slightly more complicated. The Supreme Court recognized that age is a continuum and, more importantly, noted that if age can be linked to employment decisions, then those decisions are eligible to be scrutinized for AI discrimination, regardless of class membership (<40, ≥40).

实际上，这意味着在 "奥康纳诉合并"案判决后，2×2 选择率分析不一定是评估基于年龄的人工智能歧视的最具证明力的分析方法。 相反，基于回归的方法更适合基于年龄的人工智能歧视调查。 回归 年龄与 终止状态(保留/终止），就可以评估终止妊娠状况与年龄之间的关系。 运用回归方法对表 2 中的数据进行评估，我们发现如下情况：

A regression analysis on this data³ would find that on average, terminated employees were 11.54 years older than retained employees (p=0.002, SD=3.34). At this point, it would be natural to wonder how is it possible that the regression-based findings are significant, while the 2×2 analyses are not significant? The answer is quite simple. The regression analysis was able to evaluate age and all the rich, numeric information associated with age. In the 2×2 analysis, on the other hand, all that age information was collapsed into just two categories (<40, ≥40). Consequently, the regression analysis had significantly more information and statistical power to detect group differences.

基于回归的方法的另一个显著优势是能够控制解释因素（如绩效）。 虽然上述例子在回归分析中没有包含解释因素，但包含解释因素的模型相当简单。 与传统的 2×2 分析相比，这是一个很大的优势，因为传统的 2×2 分析不容易控制解释因素。

结论

本文的一个重要启示是，在基于年龄的人工智能歧视调查中，简单的 2×2 选择率分析可能不是最具证明力的分析，特别是在最高法院作出奥康纳诉合并案的裁决之后。 请注意，2×2 保留率分析在统计意义上并不显著（p=0.48），而考虑到年龄梯度的回归分析则在统计意义上显著（p=0.002，SD= 3.34）。

目前，联邦承包商在合规工作中并不关注基于年龄的人工智能歧视。 这是因为年龄不是第 11246 号行政命令所涵盖的受保护群体。因此，除了介绍基于年龄的人工智能分析的正确方法外，本文的第二个目标是提高联邦承包商（以及非联邦承包商）对他们可能没有意识到的重大风险敞口的认识。 由于许多员工决定延迟退休，劳动力年龄的增长尤其令人担忧。尽管 OFCCP 目前对联邦承包商没有基于年龄的执法权，但雇主在 RIF 情况下通过进行适当的 AI 分析来管理其面临的风险仍然具有良好的商业意义。 在必要的情况下，行政命令扩大了 OFCCP 的执法权范围（如退伍军人、性取向、性别认同），而随着劳动力老龄化的加剧，OFCCP 被赋予保护员工免受年龄歧视的权力只是时间问题。谁知道呢，当 OFCCP 意识到基于年龄的人工智能（在招聘、晋升和解雇方面）有多么严重时，执法势头肯定会随之而来。 建议联邦承包商赶在这股浪潮之前。

如 1964 年《民权法案》第七章、1967 年《就业年龄歧视法案》； 2.
2.0.05 或以下的概率值被视为具有统计学意义（p≤.05）。
3.如果读者希望获得本示例所用数据集的副本，请与作者联系。

编者按：本文最初发表于 Circaworks.com。2023 年 4 月，Mitratech 收购了包容性招聘和 OFCCP 合规软件的领先供应商 Circa。此后，我们对内容进行了更新，以反映我们扩大的产品范围、不断发展的人才招聘合规法规以及人力资源管理的最佳实践。