现金保释决策的贝叶斯模型

将现金保释用作审前羁押被告的机制是一种常受批评的制度，许多人认为其违背了“无罪推定”原则。许多研究试图理解现金保释使用的长期效应，以及沿人口统计线（种族、性别等）的现金保释指派差异率。然而，此类工作常易受边际内问题影响——我们观测的数据只能描述平均结果，而非与边际决策相关的结果。本工作中，我们通过建立现金保释指派的层次贝叶斯模型来解决该问题。具体而言，我们的方法将现金保释决策建模为一个概率过程，法官在此过程权衡指派现金保释的相对成本与被告可能缺席法庭日期的成本，而这些缺席概率基于个案特征估计。我们随后使用蒙特卡洛推断对不同治安法官及不同种族间这些成本的分布进行采样。我们将该模型拟合到收集自宾夕法尼亚州 Allegheny 与 Philadelphia 县超过 50,000 起法庭案件的数据集上。我们对 50 名独立法官的分析表明，即便在缺席出庭可能性相同的情况下，他们一致更可能对黑人被告而非白人被告指派现金保释。该分析引发了关于现金保释实践公平性的进一步质疑，无论其潜在法律正当性如何。