用于名字推断种族与族裔的姓、中名和名数据
其他统计学
2022-08-29 v1 机器学习
摘要
我们提供了为使用例如贝叶斯改进姓氏地理编码(BISG)推断种族与族裔之目的而编制的最大公开可用名字、中名和姓氏词典。这些词典基于六个在选民登记时收集自我报告种族数据的南方州的选民档案。我们的数据覆盖的名字范围比任何可比数据集都大得多,包含约一百万个名字、110 万个中名和 140 万个姓氏。个体被分为五个互斥的种族与族裔群体——白人、黑人、西班牙裔、亚裔和其他——并且每个词典中每个名字都提供了按名字的种族/族裔计数。计数可随后按行或按列归一化,以获得给定名字的种族条件概率或给定种族的名字条件概率。这些的条件概率随后可被部署于无真实种族与族裔数据的分析任务中进行推断。
引用
@article{arxiv.2208.12443,
title = {Race and ethnicity data for first, middle, and last names},
author = {Evan T. R. Rosenman and Santiago Olivella and Kosuke Imai},
journal= {arXiv preprint arXiv:2208.12443},
year = {2022}
}