Dyskryminacja imigrantów w Europie i w Polsce

Dyskryminacja imigrantów w
Europie i w Polsce
Przegląd wyników testów dyskryminacyjnych i ich interpretacja
Kinga Wysieńska-Di Carlo
Testy dyskryminacyjne w Europie Źródło: Rich, 2014 Testy dyskryminacyjne w Europie Źródło: Rich, 2014 Interpretacja •  Bendick (2007) – systematyczna dyskryminacja mniejszości i kobiet wskazuje na niechęć pracodawców do zatrudniania osób, które odbiegają od profilu pracownika „idealnego” nie zaś z powodu niechęci do określonej grupy mniejszościowej. •  Riach i Rich (2002) i Rich (2014) – utrzymująca się systematyczna dyskryminacja mniejszości wskazuje na niechęć wobec określonych grup, nie zaś na dyskryminację statystyczną. Interpretacja •  Riach i Rich (2002) – biorąc pod uwagę bardzo zróżnicowane cechy kulturowe, społeczne, religijne i edukacyjne testowanych mniejszości, jest mało prawdopodobne, że pracownicy natywni mają zawsze wyższą przeciętną produktywność •  Jacquement i Yannelis (2012), Edo, Jacquement i Yannelis (2013) – dyskryminacja jest skierowana przeciwko wszystkim grupom nienależącym do większości, nie tylko wyraźnie zdefiniowanym mniejszościom. Podejście teoretyczne •  Zakładając, że pracodawca jest neutralny wobec ryzyka, Arrow zakłada, że następujące trzy założenia muszą być spełnione, żeby pracodawca dyskryminował: (i) pracodawca musi być w stanie niemal bezkosztowo odróżnić pracowników należących do grupy większościowej i mniejszościowej, (ii) zdobycie informacji na temat faktycznej produktywności pracownika wiąże się z kosztami, (iii) pracodawca musi mieć jakieś przekonanie o tym, jaki jest rozkład produktywności pomiędzy różnymi kategoriami pracowników. Podejście teoretyczne •  Podczas gdy teorie dyskryminacji statystycznej zakładają, że pracodawcy przykładają obiektywny standard do adekwatnych oszacowań produktywności pracowników, teorie dyskryminacji statusowej zakładają, że ten standard oceny jest systematycznie zniekształcony na korzyść grupy o wysokim statusie. Hipotezy •  Teorie oparte na tożsamości społecznej i uprzedzeniach : –  “Biali” migranci będą traktowani lepiej niż “etniczni” migranci –  Z dyskryminacją częściej będą się spotykać migranci aplikujący o pracę do małych firm lub poza Warszawą •  Teorie dyskryminacji statystycznej i statusowej: –  Dyskryminacja będzie wyższa w tych zawodach, które wymagają kompetencji kulturowych i językowych –  Wietnamskie kobiety będą najczęściej dyskryminowane aplikując o pracę w typowo kobiecych zawodach Wyniki Oszacowanie parametrów regresji logistycznej z narodowością jako zmienną niezależną dla kobiet i mężczyzn Źródło: Opracowanie własne. Dyskryminacja statystyczna i statusowa Stanowisko
Płeć
Indeks dyskryminacji netto
Administracyjnokobieta
0.049
biurowe niższego
szczebla
Administracyjnokobieta
0.261
biurowe średniego
szczebla
Marketing
kobieta
0.071
Marketing
mężczyzna
0.111
Analityk biznesowy
kobieta
0.231
Analityk biznesowy
mężczyzna
0.143
Programista IT
kobieta
0.053
Programista IT
mężczyzna
0.189
*
Wartość p w jednostronnym teście t dla prób zależnych.
!
Źródło: Wysieńska (2013). Istotność*
0.74
0.02
0.72
0.73
0.08
0.42
0.54
0.00
Dyskryminacja oparta na niechęci Tabela 11. Efekt wielkości firmy w podziale na narodowość.
Test t-studenta dla aplikacji wysłanych do dużych firm
H0
Pol = Ukr
Pol = Wiet
Pol = nie-Pol
H1
Pol > Ukr
Pol > Wiet
Pol > nie-Pol
t Test
2.77
1.77
2.97
Poziom istotności
0.01
0.05
0.01
Test t-studenta dla aplikacji wysłanych do małych i średnich firm
H0
Pol = Ukr
Pol = Wiet
Pol = nie-Pol
H1
Pol > Ukr
Pol > Wiet
Pol > nie-Pol
t Test
2.7
1.03
2.58
Poziom istotności
0.01
ns.
0.01
!
Źródło: Wysieńska (2013). Kontrola trafności •  Pomimo rotacji życiorysów, jeden z nich w parze mógł i tak być inaczej odbierany niż drugi •  Nie stwierdziliśmy efektu życiorysu –  (test za pomocą własności rozkładu binomialnego σ=√npq, gdzie p i q stanowią proporcje odpowiedzi pozytywnych na aplikacje typu A i B) Istotne kwesge przy analizie danych •  Kwesga stosowania modeli na całej próbie vs. ważnych obserwacjach –  4 typy wyników –  Co oznacza brak zaproszenia dla którejkolwiek osoby z pary? Przykład Źródło: opracowanie własne. Przykład •  Analizując wyłącznie obserwacje ważne dostaniemy oszacowanie, według którego Ukrainka ma 56% prawdopodobieństwo, że zostanie zaproszona na rozmowę (43,4% analogicznej szansy Polki), a Wietnamka ma 62% prawdopodobieństwo na zaproszenie na rozmowę (56% analogicznej szansy Polki) •  Z kolei analizując wszystkie obserwacje dostaniemy oszacowanie, według którego Ukrainka ma 9,4% prawdopodobieństwo na zaproszenie na rozmowę (69,3% analogicznej szansy Polki), a Wietnamka ma 9,9% prawdopodobieństwo na zaproszenie na rozmowę (73,3% analogicznej szansy Polki).