論文の概要: Decomposing Discrimination: Causal Mediation Analysis for AI-Driven Credit Decisions

• arxiv url: http://arxiv.org/abs/2603.27510v1
• Date: Sun, 29 Mar 2026 04:20:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.992689
• Title: Decomposing Discrimination: Causal Mediation Analysis for AI-Driven Credit Decisions
• Title（参考訳）: 差別を分解する:AI駆動の信用決定のための因果関係の分析
• Authors: Duraimurugan Rajamanickam,
• Abstract要約: AI駆動の信用決定における統計的公正度メトリクスは、2つの因果的に異なるメカニズムを詳述する。 我々は、パールの自然な直接的および間接的効果の枠組みを信用決定設定に適用して、この区別を定式化する。 I/IIEの介入直接的および間接的効果(IDE/IIE)は、より弱い修正逐次的不明瞭性の仮定の下で同定される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Statistical fairness metrics in AI-driven credit decisions conflate two causally distinct mechanisms: discrimination operating directly from a protected attribute to a credit outcome, and structural inequality propagating through legitimate financial features. We formalise this distinction using Pearl's framework of natural direct and indirect effects applied to the credit decision setting. Our primary theoretical contribution is an identification strategy for natural direct and indirect effects under treatment-induced confounding -- the prevalent setting in which protected attributes causally affect both financial mediators and the final decision, violating standard sequential ignorability. We show that interventional direct and indirect effects (IDE/IIE) are identified under the weaker Modified Sequential Ignorability assumption, and prove that IDE/IIE provide conservative bounds on the unidentified natural effects under monotone indirect treatment response. We propose a doubly-robust augmented inverse probability weighted (AIPW) estimator for IDE/IIE with semiparametric efficiency properties, implemented via cross-fitting. An E-value sensitivity analysis addresses residual confounding on the direct pathway. Empirical evaluation on 89,465 real HMDA conventional purchase mortgage applications from New York State (2022) demonstrates that approximately 77% of the observed 7.9 percentage-point racial denial disparity operates through financial mediators shaped by structural inequality, while the remaining 23% constitutes a conservative lower bound on direct discrimination. The open-source CausalFair Python package implements the full pipeline for deployment at resource-constrained financial institutions.
• Abstract（参考訳）: AI駆動の信用決定における統計的公正度指標は、保護された属性から信用結果に直接操作する識別と、正当な財務的特徴を通じて伝播する構造的不平等の2つの因果的なメカニズムを詳述する。 我々は、パールの自然な直接的および間接的効果の枠組みを信用決定設定に適用して、この区別を定式化する。 我々の主要な理論的貢献は、治療によって引き起こされた共起の下での自然な直接的および間接的効果の識別戦略であり、保護された属性が金融仲介者と最終決定の両方に因果的に影響を及ぼし、標準的な逐次的無知を侵害する、という一般的な設定である。 また, 直接的および間接的効果 (IDE/IIE) は, より弱い修正逐次的不特定性仮定の下で同定され, モノトーン間接処理応答下での未同定自然効果の保守的境界が証明された。 クロスフィッティングにより実装された半パラメトリック効率特性を持つIDE/IIEの2次ロスト拡張逆確率重み付け(AIPW)推定器を提案する。 E値感度解析は、直接経路上の残差に対処する。 ニューヨーク州(2022年)の89,465件の不動産HMDAに関する実証的な評価は、観察された7.9ポイントの人種的不平等の約77%が、構造的不平等によって形成された金融仲介業者を通じて運営され、残りの23%は直接差別に関する保守的な下限となっていることを示している。 オープンソースのCausalFair Pythonパッケージは、リソース制約の金融機関にデプロイするための完全なパイプラインを実装している。

関連論文リスト

• Effect-Level Validation for Causal Discovery [1.8192444294441061]
  大規模テレメトリデータに因果発見を適用して,ユーザの介入効果を推定する。 しかし,フィードバック駆動型システムにおける意思決定の信頼性は高い。 本稿では,発見されたグラフを構造仮説として扱う,効果中心のアクセシビリティ優先フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-09T07:26:55Z)
• Structural Gender Bias in Credit Scoring: Proxy Leakage [0.0]
  本研究は台湾信用デフォルトデータセットにおける構造性バイアスの包括的監査を提供する。 明示的な保護属性の除去にもかかわらず, 性別予測信号が非感受性特徴に深く埋め込まれていることが本研究で実証された。
  論文  参考訳（メタデータ） (2026-01-26T10:29:45Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• Neither Consent nor Property: A Policy Lab for Data Law [4.588656982178105]
  この論文は、AI経済における不透明なデータ市場を初めて実証的に正当化するものである。 パイプラインは、市場の隠れたロジックを抽出するために、数年のフィールドワークから始まります。 現実に反し、観察された貿易パターンを再現する。
  論文  参考訳（メタデータ） (2025-10-30T17:27:03Z)
• Partial Identification Approach to Counterfactual Fairness Assessment [50.88100567472179]
  未知の対実的公正度尺度を高い信頼性で有界化するためのベイズ的アプローチを導入する。 以上の結果から、人種をアフリカ系アメリカ人に転換する際のCompASスコアに対する肯定的な(不快な)効果と、若年から高齢に移行する際の否定的な(直接的な因果関係)効果が明らかとなった。
  論文  参考訳（メタデータ） (2025-09-30T18:35:08Z)
• Intrinsic Meets Extrinsic Fairness: Assessing the Downstream Impact of Bias Mitigation in Large Language Models [11.396244643030983]
  大規模言語モデル(LLM)は、下流のタスクに伝播する社会経済的バイアスを示す。 本研究では,非学習概念による内在バイアス緩和と,反事実データ拡張による外在バイアス緩和を比較するための統合評価フレームワークを提案する。 その結果,非学習による内在的偏見緩和は,内在性偏見を最大94.9%減少させるとともに,人口順等下流のタスクフェアネス指標を最大82%向上させ,精度を損なうことなく改善することを示した。
  論文  参考訳（メタデータ） (2025-09-19T22:59:55Z)
• Fair Deepfake Detectors Can Generalize [51.21167546843708]
  共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。 この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。 DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
  論文  参考訳（メタデータ） (2025-07-03T14:10:02Z)
• Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
  我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。 因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。 因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T11:19:52Z)
• Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing [45.183849487268496]
  本稿では、より自然な個人識別インスタンスを生成するために、LIMI(Latent Imitator)というフレームワークを提案する。 まず、対象モデルの決定境界を近似するために、代理線形境界を導出する。 次に、1ステップの運動で代理境界にランダムな潜伏ベクトルを演算し、さらにベクトル計算を行い、2つの潜在的な識別候補を探索する。
  論文  参考訳（メタデータ） (2023-05-19T11:29:13Z)

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。