Discrimination à l embauche Quels apports des procédures de testing?

Discrimination à l embauche Quels apports des procédures de testing? Séminaire D3E Romain Aeberhardt Denis Fougère Julien Pouget Roland Rathelot INSEE-CREST 17 novembre 2008 Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 1 / 1

Plan Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 2 / 1

Plan Introduction Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 3 / 1

Introduction 3 types de discriminations 1 Due aux préférences des employeurs 2 Due aux préférences des clients 3 Due à des préjugés : on parle de discrimination statistique quand un employeur attribue à un individu d un groupe donné les valeurs moyennes, réelles ou supposées, des caractéristiques du groupe auquel il appartient (ces caractéristiques ne pouvant être directement observées au niveau individuel). Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 4 / 1

Introduction 2 grands types d études pour mesurer les discriminations Les méthodes à la Blinder-Oaxaca : décomposition d un écart entre une partie structurelle et une partie inexpliquée Les expériences contrôlées : testing / audit studies Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 5 / 1

Revue de littérature Introduction Survey : Riach et Rich (2002) 3 articles de référence pour le marché du travail : Neumark et al. (1996) : secteur de la restauration Kenney et Wissoker (1994) : origine hispanique vs. anglo-saxonne Bertrand et Mullainathan (2003) : faux CV (Emily and Greg vs Lakisha and Jamal) En France : Bovenkerk et al. (1979) : secteur du logement Petit (2004), Duguet et Petit (2005), Duguet, Leandri, L Horty et Petit (2007) : CV fictifs, différents secteurs et niveaux de qualification Cediey et Foroni (2007) : étude pour le BIT Halde, Observatoire des discriminations, SOS Racisme Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 6 / 1

Introduction Avantages du Testing Expérience contrôlée Toutes choses égales par ailleurs : on peut apparier les testeurs, ou les CV au mieux. Au contraire des méthodes à la Blinder-Oaxaca où la part inexpliquée ne correspond pas nécessairement à de la discrimination. Avec 2 testeurs (ou plus) par offre d emploi, on peut contrôler l hétérogénéité au niveau de l offre d emploi. Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 7 / 1

Limites du Testing Introduction Difficultés de comparaison des résultats avec les autres méthodes : tests sur les employeurs potentiels vs emploi effectif En général : emplois peu qualifiés et décalage avec niveau de qualification des acteurs Uniquement processus d embauche (ni salaires, ni promotions) Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 8 / 1

Critique de Heckman Introduction Hétérogénéité au niveau de chaque testeur non observée par le concepteur de l enquête mais observée par l employeur Hypothèses implicites Cadre linéaire : égalité des espérances de l hétérogénéité inobservée Cadre non linéaire : égalité des distributions Exemple des sauteurs en hauteur 2 caractéristiques : taille et technique Sauteurs appariés suivant la taille mais la barre observe la résultante des deux On suppose technique moyenne égale par taille mais plus grande variance dans un groupe que dans l autre La conclusion va dépendre de la hauteur de la barre Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 9 / 1

Apports Introduction Méthodologie : Réponse à la critique de Heckman dans le cas particulier de cette étude grâce à l alternance des rôles joués par les testeurs Tentative de clarification des hypothèses implicites Résultats : Confirmation des résultats de Pager avec d autres méthodes Extension des résultats de Pager en utilisant les spécificités de ses données Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 10 / 1

Plan Données Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 11 / 1

Données États-Unis : le taux d incarcération le plus élevé au monde! Des différences frappantes suivant la couleur de la peau : En 2000, taux d incarcération des jeunes : 10% chez les noirs 1% chez les blancs Probabilité d être incarcéré une fois dans sa vie : 28% pour les noirs et même 50% pour ceux qui ont arrêté leurs études au niveau du lycée Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 12 / 1

Données Conséquences potentielles Directes : 500 000 détenus remis en liberté chaque année. Quelles sont leurs chances de retrouver un emploi? Indirectes : les noirs subissent-ils de la discrimination statistique? Les employeurs craignent-ils d avoir affaire à un ancien délinquant quand ils auditionnent un candidat noir? Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 13 / 1

Données How Deep is the Mark of a Criminal Record? Devah Pager (2003) Un passé carcéral fait baisser les chances d emploi de 50% pour les blancs et de 64% pour les noirs Les candidats noirs sont significativement moins rappelés que les blancs, indépendamment de leur passé carcéral ou non L effet croisé prison couleur de peau est négatif mais pas significatif Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 14 / 1

Plan d expérience Données 4 testeurs noirs et 3 testeurs blancs Tous étudiants à l université de Milwaukee Les paires sont composées de 2 candidats noirs ou 2 candidats blancs Chaque testeur joue alternativement le rôle de l ancien délinquant qui sort de prison et celui du non-délinquant Les testeurs noirs se présentent à 200 entretiens et les blancs à 150 Les emplois ne nécessitent pas d expérience professionnelle et de niveau d étude supérieur au lycée Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 15 / 1

Particularités - Intérêt Données L alternance des rôles (délinquant ou non) permet d identifier des effets individuels et de répondre à la critique de Heckman Mise en évidence d une discrimination statistique en s appuyant sur l existence (ou non) d un entretien effectif avec l employeur Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 16 / 1

Plan Approches et hypothèses associées Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 17 / 1

Approches et hypothèses associées 2 problèmes principaux Information Hétérogénéité au niveau firme (ou au niveau offre d emploi) Caractère non linéaire de la décision Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 18 / 1

Approches et hypothèses associées Information Information dans les observations Pour chaque offre d emploi, on distingue 4 cas : Aucun des deux candidats n est rappelé Les deux candidats sont rappelés Seul celui qui sort de prison est rappelé Seul celui qui ne sort pas de prison est rappelé Dans quel cas y a-t-il un traitement égalitaire? Dans quel cas le traitement est-il dissymétrique? Il y a une petite polémique sur le choix des observations à prendre en compte. Quand les deux candidats sont du même côté du seuil (rappelés ou non), on ne sait pas s ils sont évalués au même niveau ou non En fait ces observations n apportent pas d information Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 19 / 1

Tableau descriptif Approches et hypothèses associées Information Résultats agrégés en fonction de la couleur de la peau et du statut de délinquant blanc noir (a) les deux rejetés 94 171 (b) les deux rappelés 20 9 (c) ex-délinquant rappelé uniquement 5 1 (d) ex-délinquant rejeté uniquement 31 19 ((d)-(c)) / ((a)+(b)+(c)+(d)) 17.3% 9% Total 150 200 Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 20 / 1

Approches et hypothèses associées Statistique présentée Cadre linéaire Différence nette de probabilité d embauche P(E c = 1) P(E nc = 1) Or P(E c = 1) = P(E c = 1, E nc = 0) + P(E c = 1, E nc = 1) et P(E nc = 1) = P(E c = 0, E nc = 1) + P(E c = 1, E nc = 1) Cette différence nette est égale à P(E c = 1, E nc = 0) P(E c = 0, E nc = 1) Elle ne dépend que des probabilités de résultats différents pour les deux candidats Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 21 / 1

Approches et hypothèses associées Modèle linéaire de probabilité Cadre linéaire y ij = α i + γ j + βc ij + ε ij avec E(ε ij ) = 0 écriture en différences intra-firmes avec C 1j = 1 et C 2j = 0 : y 1j y 2j = β (C 1j C 2j ) +(α 1 α 2 ) + (ε 1j ε 2j ) avec E(ε ij ) = 0 } {{ } =1 Hypothèse d égalité sur les E(α i ) Hypothèse implicite en raison du fait que 0 E(y ij ) 1 : (i, j), 0 α i + γ j + βc ij 1) Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 22 / 1

Logit simple Approches et hypothèses associées Cadre non linéaire Utilisé par Pager Tient compte de la non-linéarité Ne tient pas compte des effets fixes firmes Ne tient pas compte du plan d expérience Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 23 / 1

Approches et hypothèses associées Logit conditionnel (1) Cadre non linéaire À rapprocher du Within en linéaire On n utilise que les observations pour lesquelles un des deux candidats et un seul a été rappelé. On introduit une variable latente y ij telle que y ij = 1 {y ij >0} y ij = α i + γ j + C ij β + ε ij Si les termes d erreurs suivent une loi des valeurs extrêmes, le modèle est maintenant caractérisé par : P(y ij = 1 C, α, γ) = eα i +γ j +C ij β 1 + e α i +γ j +C ij β Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 24 / 1

Approches et hypothèses associées Logit conditionnel (2) Cadre non linéaire La forme conditionnelle s écrit : P(y 1j = 1, y 2j = 0 y 1j + y 2j = 1, α, γ, C) P(y 1j = 1, y 2j = 0 α, γ, C) = P(y 1j = 1, y 2j = 0 α, γ, C) + P(y 1j = 0, y 2j = 1 α, γ, C) 1 = 1 + P(y 1j = 0, y 2j = 1 α, γ, C)/P(y 1j = 1, y 2j = 0 α, γ, C) = eα1 α2+β(c 1j C 2j ) 1 + e α1 α2+β(c 1j C 2j ) qui est indépendant de γ d où, dans le cas où C 1j = 1 et C 2j = 0, P(y 1j = 1, y 2j = 0 y 1j + y 2j = 1, α, C) = eα 1 α 2 +β et de la même manière, P(y 1j = 0, y 2j = 1 y 1j + y 2j = 1, α, C) = 1 + e α 1 α 2 +β 1 1 + e α 1 α 2 +β Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 25 / 1

Approches et hypothèses associées Cadre non linéaire Résultats avec un modèle logit conditionnel Si on suppose α 1 = α 2, ˆβ = log #{y 1j = 0, y 2j = 1} #{y 1j = 1, y 2j = 0} Couleur de peau ˆβ Std. Err. Odds Ratio Blanc 1.82 0.482 0.161 Noir 2.94 1.026 0.053 Lecture : soit ρ le rapport de la probabilité d être rappelé à celle de ne pas l être (i.e. il y a ρ fois plus de chances d être rappelé que de ne pas être rappelé). Pour les blancs, ce rapport ρ est multiplié par 0.16 lorsqu ils sortent de prison par rapport à la situation de référence ; pour les noirs, il est multiplié par 0.05. Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 26 / 1

Approches et hypothèses associées Interaction avec l employeur Cadre non linéaire On revient à une modélisation de logit simple Noir Délinquant Interaction Param Est Std Err Odds Ratio 0 0 0 Ref. - - 0 0 1 1.042 0.3897 2.836 0 1 0 1.314 0.3819 0.269 0 1 1 0.621 0.4131 1.861 1 0 0 1.484 0.3686 0.227 1 0 1 0.234 0.3741 1.263 1 1 0 2.068 0.4417 0.126 1 1 1 1.767 0.6345 0.171 Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 27 / 1

Approches et hypothèses associées Cadre non linéaire Mise en évidence de discrimination statistique Effet Odds Ratio Effet d un entretien avec l employeur blanc - pas de prison 1.042 2.836 blanc - prison 1.935 6.922 noir - pas de prison 1.718 5.574 noir - prison 0.301 1.352 Effet d un passé carcéral blanc - pas d entretien avec l employeur 1.314 0.269 blanc - entretien avec l employeur 0.421 0.656 noir - pas d entretien avec l employeur 0.584 0.558 noir - entretien avec l employeur 2.001 0.135 Effet de la couleur de peau prison - pas d entretien avec l employeur 2.388 0.092 pas de prison - entretien avec l employeur 0.809 0.445 prison - pas d entretien avec l employeur 0.755 0.470 pas de prison - entretien avec l employeur 1.484 0.227 Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 28 / 1

Approches et hypothèses associées Interprétation des résultats Cadre non linéaire Un entretien avec l employeur potentiel est toujours associé à un impact positif et significatif sauf pour les noirs qui sortent de prison. Pour les blancs, un entretien rend même non significatif l effet négatif d un passé carcéral. Les candidats noirs qui ne bénéficient pas d un entretien avec l employeur potentiel sont autant discriminés qu ils sortent de prison ou non. En l absence de passé carcéral, être noir a un effet négatif et significatif en l absence d entretien avec l employeur potentiel. En revanche, cet effet n est plus significatif au seuil de 5% en cas d entretien. En l absence d entretien, le stigma lié au passé carcéral est suffisamment fort pour rendre l effet supplémentaire de la couleur de peau non significatif. Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 29 / 1

Approches et hypothèses associées Réponse à la critique de Heckman Réponse à la critique de Heckman Critique : il peut subsister de l hétérogénéité au niveau de chaque testeur non observée par le concepteur de l enquête mais observée par l employeur Les testeurs jouent alternativement le rôle de l ancien délinquant qui sort de prison et celui du non-délinquant Résumé des 4 situations Ex-délinquant Rappelé Nombre de cas T1 T2 T1 T2 1 0 1 0 n 12 1 0 0 1 n 21 0 1 1 0 p 12 0 1 0 1 p 21 Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 30 / 1

Approches et hypothèses associées Réponse dans un cadre linéaire Réponse à la critique de Heckman y ij = α i + γ j + βc ij + ε ij avec E(ε ij α, γ, C) = 0 blancs noirs Variable Param Est Std Err Param Est Std Err Ex-délinquant 0.172 0.038 0.089 0.022 Testeur 1 Ref. - Testeur 2 0.031 0.058 Testeur 3 0.062 0.050 Testeur 4 Ref. - Testeur 5 0.021 0.035 Testeur 6 0.041 0.061 Testeur 7 0.040 0.063 Hypothèse implicite : (i, j), max(0, β) α i + γ j min(1, 1 β) Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 31 / 1

Approches et hypothèses associées Réponse dans un cadre non-linéaire Réponse à la critique de Heckman P(y 1j = 1, y 2j = 0 y 1j + y 2j = 1, α, C) = eα 1 α 2 +β(c 1j C 2j ) et de la même manière, P(y 1j = 0, y 2j = 1 y 1j + y 2j = 1, α, C) = 1 + e α 1 α 2 +β(c 1j C 2j ) 1 1 + e α 1 α 2 +β(c 1j C 2j ) si toutes les quantités sont positives, la maximisation de la vraisemblance en fonction de β et de (α 1 α 2 ) donne : ˆβ = 1 2 log n 12p 21 n 21 p 12 (ˆα 1 ˆα 2 ) = 1 2 log n 12p 12 n 21 p 21 Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 32 / 1

Approches et hypothèses associées Réponse à la critique de Heckman Réponse à la critique de Heckman - Estimation Dans le cadre non-linéaire, les observations dont on dispose ne permettent pas d effectuer l estimation. On n a pas de solution intérieure en raison de la nullité du dénominateur. En pratique on ne peut pas distinguer ce qui tient d un effet testeur et ce qui tient d un effet prison. Aeberhardt, Fougère, Pouget and Rathelot () Testing 17 novembre 2008 33 / 1