利用行政数据开展偏差审计：以移动数据评估新冠疫情政策中的覆盖差异
应用统计
2021-04-19 v2 计算机与社会
摘要
基于智能手机的匿名移动数据已被广泛采用以制定和评估新冠疫情应对策略，例如公共卫生资源的定向投放。然而，由于缺乏对所代表用户的文档记录以及获取关于独立访问与人口统计的地面真实数据的挑战，测量有效性与人口统计偏差很少受到关注。我们展示了在缺乏人口统计信息与地面真实标签的情况下，关联大规模行政数据如何能够实现对移动数据的偏差审计。更确切地说，我们表明关联选民名册数据——包含特定投票地点的个人层面投票率以及种族与年龄——可促进严谨的偏差与可靠性检验的构建。这些检验揭示了一种在疫情背景下尤为显著的抽样偏差：年长与非白人选民更不可能被移动数据捕获。我们表明，基于此类移动数据分配公共卫生资源可能会不成比例地损害高风险的老年与少数族裔群体。
引用
@article{arxiv.2011.07194,
title = {Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy},
author = {Amanda Coston and Neel Guha and Derek Ouyang and Lisa Lu and Alexandra Chouldechova and Daniel E. Ho},
journal= {arXiv preprint arXiv:2011.07194},
year = {2021}
}