Doubly Robust Internal Benchmarking and False Discovery Rates for Detecting Racial Bias in Police Stops
识别警察拦截中种族偏差的双重稳健内部基准与错误发现率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确结合倾向得分、双重稳健估计和潜在混杂调整，直接对应因果推断中的调整方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
识别警察拦截中种族偏差的双重稳健内部基准与错误发现率
- 研究问题
- 研究如何通过内部统计基准筛查可能存在种族偏差的警员，在调整潜在混杂因素的同时控制批量筛查中的误报风险。
- 方法与思路
- 作者结合倾向得分加权、双重稳健估计与错误发现率，将方法应用于纽约市 2006 年约五十万次行人拦截记录。
- 材料陈述的贡献
- 摘要称，方法通过混杂调整与错误发现率降低误报风险；在近三千名经常参与拦截的警员中，标记了十五名偏离基准的警员。
- 阅读关注点
- 应核对内部基准、倾向得分与结果模型的定义，以及可比性和多重检验条件；明确被标记的统计偏离与种族歧视判定之间的区别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；混杂控制与错误发现率的具体条件未给出，标记不能单独证明歧视。
原文摘要
Allegations of racially biased policing are a contentious issue in many communities. Processes that flag potential problem officers have become a key component of risk management systems at major police departments. We present a statistical method to flag potential problem officers by blending three methodologies that are the focus of active research efforts: propensity score weighting, doubly robust estimation, and false discovery rates. Compared with other systems currently in use, the proposed method reduces the risk of flagging a substantial number of false positives by more rigorously adjusting for potential confounders and by using the false discovery rate as a measure to flag officers. We apply the methodology to data on 500,000 pedestrian stops in New York City in 2006. Of the nearly 3,000 New York City Police Department officers regularly involved in pedestrian stops, we flag 15 officers who stopped a substantially greater fraction of black and Hispanic suspects than our statistical benchmark predicts.