在空间自相关存在下检测偏差
应用统计
2022-01-31 v3 计算机与社会
摘要
尽管具有相当的实际重要性，当前的算法公平文献缺乏在评估或缓解空间数据偏差问题时考虑底层地理依赖性的技术方法。我们在本文中开启空间应用中偏差的研究，朝形式化这一量化方法路线迈出第一步。空间数据应用中的偏差常被底层空间自相关所混淆。我们提出假设检验方法以检测该效应的存在与强度，随后通过使用基于空间滤波的方法对其加以校正——以便能够应用现有的偏差检测度量。我们通过真实与合成数据集上的数值实验评估所提方法，表明在存在若干类由底层空间结构引起的混淆效应时，我们的检验方法在保持低二类错误和名义一类错误方面表现良好。
引用
@article{arxiv.2101.01703,
title = {Detecting Bias in the Presence of Spatial Autocorrelation},
author = {Subhabrata Majumdar and Cheryl Flynn and Ritwik Mitra},
journal= {arXiv preprint arXiv:2101.01703},
year = {2022}
}
备注
Oral presentation in NeurIPS-2021 workshop on Algorithmic Fairness through the Lens of Causality and Robustness