多假设的顺序灵敏度分析：用于理解警方使用武力中的种族差异
统计方法学
2026-05-25 v2 应用统计
摘要
推断警方使用武力中的种族歧视——即 civilian race 对使用武力的平均因果效应——需要关于警务的两个假设：警官在被制止前不歧视于制止对象（制止无歧视），且在制止情境下，与白色 civilian encounter 的概率在各 encounter 之间不随情境变化（encounter 无偏）。正如 Knox 等人 (2020) 所示，第一假设的违反可能掩盖使用武力中的种族差异。第二假设是否反映武力中的歧视也取决于此。现有的灵敏度分析一次只考虑一个假设。我们发展了一个框架，顺序性地变化这两个假设，并将其应用于纽约警察局制止、询问和搜查数据（2003--2013）。在制止中合理程度的歧视下，我们发现使用武力存在显著的种族差异。然而，尽管普查数据校准表明在种族构成上是可行的，但只要对 encounter 无偏的假设出现适度偏离，反映这种差异是否反映歧视的结论就会变得脆弱。通过联合处理这两个混淆通道，该框架揭示了它们以无法被单独分析捕捉的方式相互作用，从而促进了对种族差异产生原因以及如何加以解决的理解。
引用
@article{arxiv.2605.21893,
title = {Sequential Sensitivity Analysis for Multiple Assumptions: A Framework for Understanding Racial Disparity in Police Use of Force},
author = {Thomas Leavitt and Jake Bowers and Luke Miratrix},
journal= {arXiv preprint arXiv:2605.21893},
year = {2026}
}