重访伯克利招聘数据:基于因果假设的统计检验
统计方法学
2025-09-25 v2 计算机与社会
统计理论
机器学习
统计理论
摘要
通过基于相关性概念来推理公平性存在诸多误区。1973 年加州大学伯克利研究生院招聘案(Bickel 等 1975 年)是典型的示例,涉及 Simpson 逆果现象。所有部门在总体数据中的录取率在男性和女性申请人之间存在差异,但在各部门的录取率检查后,这一差异消失。我们通过因果视角来推理伯克利研究生院招聘案。在此过程中,我们引入了基于 Pearl 仪器变量不等式(Pearl 1995 年)的因果假设检验统计方法。我们比较了基于图结构、反事实和干预查询的不同因果公平性概念,并开发了仅使用观察数据进行这些概念统计检验的方法。我们研究了这些概念之间的逻辑关系,表明虽然这些概念可能不等价,但其对应的统计检验在此案例中一致。我们认为,彻底的案例驱动的因果分析有助于更加原则地理解因果假设检验和公平性。
关键词
引用
@article{arxiv.2502.10161,
title = {Revisiting the Berkeley Admissions data: Statistical Tests for Causal Hypotheses},
author = {Sourbh Bhadane and Joris M. Mooij and Philip Boeken and Onno Zoeter},
journal= {arXiv preprint arXiv:2502.10161},
year = {2025}
}
备注
Accepted to UAI 2025