[論文レビュー] Neutralizing Self-Selection Bias in Sampling for Sortition

Bailey Flanigan, Paul Gölz+2 more|arXiv (Cornell University)|Jun 18, 2020

Electoral Systems and Political Participation参考文献 23被引用数 8

ひとこと要約

本稿では、無作為選挙における自己選択バイアスを是正するためのサンプリングアルゴリズムを提案する。このアルゴリズムは、ボランティアプールに属する各個人に、非復元抽出に近い均一な選択確率を割り当てる。参加確率をアンケートデータから学習し、拒否ベースのサンプリング手法を用いることで、特に代表が不足しているサブグループを含むすべての個人が、ほぼ均等なエンドツーエンドの選択確率を得られるように保証する。その結果、参加率が低くても、公平性と人口の代表的特性を実現する。

ABSTRACT

Sortition is a political system in which decisions are made by panels of randomly selected citizens. The process for selecting a sortition panel is traditionally thought of as uniform sampling without replacement, which has strong fairness properties. In practice, however, sampling without replacement is not possible since only a fraction of agents is willing to participate in a panel when invited, and different demographic groups participate at different rates. In order to still produce panels whose composition resembles that of the population, we develop a sampling algorithm that restores close-to-equal representation probabilities for all agents while satisfying meaningful demographic quotas. As part of its input, our algorithm requires probabilities indicating how likely each volunteer in the pool was to participate. Since these participation probabilities are not directly observable, we show how to learn them, and demonstrate our approach using data on a real sortition panel combined with information on the general population in the form of publicly available survey data.

研究の動機と目的

• 招待された市民のうちわずかにしか参加しない自己選択バイアスが原因で、無作為選挙パネルの選択が公平でなくなる問題に対処すること。
• 個々の選択確率を制御できないため、交差するデモグラフィックグループを系統的に過小代表化してしまう、従来のグリーディな割当ベースのアルゴリズムの限界を克服すること。
• 参加者が一部にとどまる状況下でも、母集団に属するすべての個人に対してほぼ均一な選択確率を回復する、原理的かつ整合性のある手法を開発すること。
• 個人の公平性、特に複数の特徴が重複する交差的サブグループに属する個人の公平性を保ちながら、デモグラフィックの割当を満たすこと。
• 英国気候アセンブリの実世界データを用いて、本手法の実現可能性と有効性を示す。また、気候変動への関心度という新しい特徴を導入する。

提案手法

• 公開済みのアンケートデータと観察されたボランティアプールデータを用いて、母集団に属する各個人の参加確率を学習する。
• 推定された参加確率に比例して背景の個人を複製することで、大規模で代表的なプールを模擬する合成集団を構築する。
• 拒否サンプリング機構を用いてボランティアプールからパネルを抽出する。この際、各個人の選択確率は、その推定参加可能性に基づいて調整される。
• 性別、年齢、地域、気候変動への関心度といった直交する特徴に対して、デモグラフィックの割当を制約付きのサンプリング手順で満たす。これにより、公平性の保証を維持する。
• 三つの主要な条件（割当準拠、有界なエンドツーエンド確率、十分なプールサイズ）を満たすプールのみを受理するためのしきい値ベースの拒否ルールを適用する。
• 多数のシミュレートされたプールを平均することでエンドツーエンド選択確率を計算し、すべての個人が理想的な $k/n$ に非常に近い選択確率を得ることを保証する。

実験結果

リサーチクエスチョン

• RQ1 自己選択バイアスがあるボランティアプールにおいても、すべての個人に均等な選択確率を回復できるような、無作為選挙パネル用のサンプリングアルゴリズムを設計できるか？
• RQ2 個人レベルの公平性を保ちながら、デモグラフィックの割当を満たすにはどうすればよいか。特に、交差的サブグループに属する個人に対しては？
• RQ3 母集団に属するすべての個人に対して、ほぼ均一なエンドツーエンド選択確率を達成するための最小プールサイズ（$ r $）はどの程度か？
• RQ4 参加確率の推定値が、得られるパネルの公平性と代表的特性にどのように影響するか？
• RQ5 気候変動への関心度といった追加の特徴を含めると、サンプリングプロセスの実現可能性と公平性にどの程度影響を与えるか？

主な発見

• $ r \geq 15,000 $ の場合、合成集団に属するすべての個人が、$ k/n $ に非常に近いエンドツーエンド選択確率を獲得しており、公平性回復が有効に達成されている。
• 気候変動への関心度という特徴を含めた場合、非ゼロのエンドツーエンド確率が得られるのは、極めて大きな $ r $ 値（例：$ r \approx 60,000 $）でのみであり、そのようなプールは極めてまれである。
• 気候変動への関心度特徴を含めた場合、グリーディアルゴリズムは75.4％のランダムプールで有効なパネルを発見できず、特に『全く関心がない』グループの下限割当に違反するためである。
• $ r = 11,000 $ の場合、エンドツーエンド確率の境界（式3）に違反するため、ほぼすべてのプールが「悪い」と判定され、すべての参加者に対してエンドツーエンド確率がほぼゼロになる。
• $ r = 11,000 $ から $ r = 12,000 $ に移行する際、エンドツーエンド確率に急激な不連続性が観察され、公平性のための臨界閾値が存在することが示された。
• 推定された参加可能性に基づく選択確率のキャリブレーションにより、性別、年齢、地域、気候変動への関心度といった複数のデモグラフィック特徴、さらには交差的グループに対しても、公平性と割当準拠性を効果的に維持できる。