論文の概要: NY Real Estate Racial Equity Analysis via Applied Machine Learning

• arxiv url: http://arxiv.org/abs/2505.16946v1
• Date: Thu, 22 May 2025 17:32:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.502876
• Title: NY Real Estate Racial Equity Analysis via Applied Machine Learning
• Title（参考訳）: 応用機械学習によるNYのリアルタイム・ラシアル・エクイティ分析
• Authors: Sanjana Chalavadi, Andrei Pastor, Terry Leitch,
• Abstract要約: 本研究では、ニューヨーク州(NYS)とニューヨーク市(NYC)におけるトラクターレベルの不動産所有パターンを分析し、人種格差を明らかにする。 我々は、先進的な人種・民族の計算モデルを用いて、土地所有者の予測された人種構成と、国勢調査データから住民人口を比較した。 白人は、その人口に対する資産と資産価値の不均等なシェアを持っているのに対し、黒人、ヒスパニック、アジア系コミュニティは、資産所有者として過小評価されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study analyzes tract-level real estate ownership patterns in New York State (NYS) and New York City (NYC) to uncover racial disparities. We use an advanced race/ethnicity imputation model (LSTM+Geo with XGBoost filtering, validated at 89.2% accuracy) to compare the predicted racial composition of property owners to the resident population from census data. We examine both a Full Model (statewide) and a Name-Only LSTM Model (NYC) to assess how incorporating geospatial context affects our predictions and disparity estimates. The results reveal significant inequities: White individuals hold a disproportionate share of properties and property value relative to their population, while Black, Hispanic, and Asian communities are underrepresented as property owners. These disparities are most pronounced in minority-majority neighborhoods, where ownership is predominantly White despite a predominantly non-White population. Corporate ownership (LLCs, trusts, etc.) exacerbates these gaps by reducing owner-occupied opportunities in urban minority communities. We provide a breakdown of ownership vs. population by race for majority-White, -Black, -Hispanic, and -Asian tracts, identify those with extreme ownership disparities, and compare patterns in urban, suburban, and rural contexts. The findings underscore persistent racial inequity in property ownership, reflecting broader historical and socio-economic forces, and highlight the importance of data-driven approaches to address these issues.
• Abstract（参考訳）: 本研究では、ニューヨーク州(NYS)とニューヨーク市(NYC)におけるトラクターレベルの不動産所有パターンを分析し、人種格差を明らかにする。 XGBoostフィルタを用いた高度人種・民族性計算モデル(LSTM+Geo, 89.2%精度検証)を用いて, 土地所有者の予測人種構成と住民人口の比較を行った。 本研究では,全モデル (州全体) と名前オンリーLSTMモデル (NYC) を比較し,地理空間コンテキストの導入が予測と不均一性の推定に与える影響を評価する。 白人は、その人口に対する資産と資産価値の不均等なシェアを持ち、黒人、ヒスパニック、アジア系コミュニティは、資産所有者として過小評価されている。 これらの格差は、白人以外の人口が圧倒的に多いにもかかわらず、白人が多数を占めるマイノリティ・マジョリティ地区で最も顕著である。 コーポレート・オーナシップ(LLC、信託など)は、都市マイノリティ・コミュニティのオーナーが占める機会を減らし、これらのギャップを悪化させる。 我々は、多数派白人、黒人、ヒスパニック系、アジア系民族の所有率と人口差を比較検討し、都市、郊外、農村の状況のパターンを比較した。 この発見は、資産所有における永続的な人種的不平等を浮き彫りにして、より広範な歴史的・社会経済的勢力を反映し、これらの問題に対処するためのデータ駆動アプローチの重要性を強調している。

関連論文リスト

• Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• The Factuality Tax of Diversity-Intervened Text-to-Image Generation: Benchmark and Fact-Augmented Intervention [61.80236015147771]
  我々は多様性の介入とT2Iモデルにおける人口統計学的事実性とのトレードオフを定量化する。 DoFaiRの実験では、多様性指向の指示によって、性別や人種の異なる集団の数が増加することが明らかになった。 本研究では,歴史における世代ごとのジェンダーや人種構成について,言語化された事実情報を反映したFact-Augmented Intervention (FAI)を提案する。
  論文  参考訳（メタデータ） (2024-06-29T09:09:42Z)
• Large Language Models are Geographically Biased [47.88767211956144]
  我々は、地理のレンズを通して、我々の住む世界について、Large Language Models (LLM)が何を知っているかを研究する。 我々は,地理空間予測において,システム的誤りと定義する,様々な問題的地理的バイアスを示す。
  論文  参考訳（メタデータ） (2024-02-05T02:32:09Z)
• Estimating Racial Disparities When Race is Not Observed [3.0931877196387196]
  本稿では,人種間の格差を推定する新しいモデルについて,人種の指標変数として姓を用いて紹介する。 ノースカロライナの投票者ファイルに基づく検証調査では、BISG+BIRDiEは政党登録における人種的違いを推定した場合、エラーを最大84%削減している。 提案手法を適用し,米国内国歳入庁の個人レベルの税率データを用いて住宅ローン利子控除の恩恵を受ける者の人種差を推定する。
  論文  参考訳（メタデータ） (2023-03-05T04:46:16Z)
• On Disentangled and Locally Fair Representations [95.6635227371479]
  人種や性別などのセンシティブなグループに対して公平な方法で分類を行うという課題について検討する。 局所的公正表現を学習し、学習された表現の下で、各サンプルの近傍は感度特性の観点からバランスをとる。
  論文  参考訳（メタデータ） (2022-05-05T14:26:50Z)
• Measuring and Modeling Neighborhoods [0.0]
  我々は、回答者が自分の近所を地図上に描いたりできるオープンソースの調査機器を開発した。 本研究では, 住民と地域住民の特性がどのように主観的地区を決定するか分析する統計モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:43:41Z)
• MugRep: A Multi-Task Hierarchical Graph Representation Learning Framework for Real Estate Appraisal [57.28018917017665]
  正確な不動産評価のためのマルチタスク階層グラフ表現学習(MugRep)フレームワークを提案する。 複数の都市データを取得し統合することにより、まず、複数の視点から不動産を包括的にプロファイルするリッチな特徴セットを構築する。 進化する不動産取引グラフとそれに対応するイベントグラフ畳み込みモジュールが提案され、不動産取引に非同期に時間的依存関係を組み込む。
  論文  参考訳（メタデータ） (2021-07-12T03:51:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。