[논문 리뷰] Testing for Racial Discrimination in Police Searches of Motor Vehicles

Camelia Simoiu, Sam Corbett‐Davies외 1명|arXiv (Cornell University)|2016. 07. 19.

Crime Patterns and Interventions참고 문헌 22인용 수 8

한 줄 요약

이 논문은 지리적 변동성을 활용하여 차량 검색에 대한 인종별 증거 기준을 추정하는 계층 베이지안 잠재변수 모델인 임계값 검정을 소개한다. 450만 건의 노스캐롤라이나 주 정지 사례에 적용한 결과, 주요 경찰서 전역에서 블랙 및 히스패닉 운전자는 백인 및 아시아계 운전자보다 유의미하게 낮은 검색 임계값을 갖는다.

ABSTRACT

In the course of conducting traffic stops, officers have discretion to search motorists for drugs, weapons, and other contraband. There is concern that these search decisions are prone to racial bias, but it has proven difficult to rigorously assess claims of discrimination. Here we develop a new statistical method---the threshold test---to test for racial discrimination in motor vehicle searches. We use geographic variation in stop outcomes to infer the effective race-specific standards of evidence that officers apply when deciding whom to search, an approach we formalize with a hierarchical Bayesian latent variable model. This technique mitigates the problems of omitted variables and infra-marginality associated with benchmark and outcome tests for discrimination. On a dataset of 4.5 million police stops in North Carolina, we find that the standard for searching black and Hispanic drivers is considerably lower than the standard for searching white and Asian drivers, a pattern that holds consistently across the 100 largest police departments in the state.

연구 동기 및 목표

• 전통적 방법이 생략 변수 편향과 하위경계 문제를 야기하는 경찰 차량 검색에서의 인종적 차별을 탐지하는 데 도전하는 것.
• 정지 결과의 지리적 변동성을 분석하여 인종별 검색 임계값을 추론하는 통계적 방법을 개발하는 것.
• 경찰관들이 다른 인종의 운전자를 검색할지 결정할 때 증거 기준을 다르게 적용하는지 엄격히 평가하는 것.
• 검색 비율의 격차가 범죄 행동의 차이가 아니라 검색 기준의 불균형 적용 때문인지 평가하는 것.
• 실제 데이터 제약 조건 하에서 법집행 결정의 인종적 편향을 측정하기 위한 강력하고 모델 기반의 접근법을 제공하는 것.

제안 방법

• 임계값 검정은 정지 수준의 특성과 정지 결과의 지리적 변동성을 함수로 하여 검색 확률을 모델링함으로써 인종별 증거 기준을 추정한다.
• 계층 베이지안 잠재변수 모델을 사용하여 관측되지 않은 검색 임계값을 추론하며, 경찰서와 인종 집단 간의 변동성을 고려한다.
• 검색 결정을 임계값 도달 과정으로 간주하며, 이 임계값은 검색을 위한 필요로 하는 의심 수준을 나타낸다.
• 검색 결과의 지리적 변동성을 활용하여 인종 집단 간 효과적인 기준 차이를 식별함으로써 생략 변수에 의한 편향을 줄인다.
• 관측된 검색 결과만을 고려하는 것이 아니라 잠재된 임계값에 초점을 맞추어 하위경계 문제를 해결한다.
• 직접적인 경찰관의 의도나 증거 측정이 불가능한 상황에서도 검색 임계값을 추정할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 경찰관들이 블랙, 히스패닉, 화이트, 아시아계 운전자를 검색할지 결정할 때 증거 기준을 다르게 적용하는가?
• RQ2 인종 집단 간 검색 비율의 관측된 격차는 검색 기준의 차이 때문이냐, 행동의 차이 때문이냐?
• RQ3 노스캐롤라이나 주의 100개 주요 경찰서에서 검색 임계값은 어떻게 달라지는가?
• RQ4 정지 결과의 지리적 변동성이 숨겨진 인종적 격차를 어떻게 드러내는가?
• RQ5 직접적인 결과 기반 테스트가 실패할 경우, 잠재 임계값을 추론하는 통계 모델이 인종적 편향을 탐지할 수 있는가?

주요 결과

• 블랙 운전자는 백인 운전자보다 유의미하게 낮은 증거 기준에서 검색되며, 이는 그들을 검색하기 위한 의심 수준 기준이 더 낮다는 것을 의미한다.
• 히스패닉 운전자 역시 백인 및 아시아계 운전자보다 낮은 검색 임계값을 갖는다. 이는 노스캐롤라이나 주의 100개 주요 경찰서 전역에서 일관되게 나타난다.
• 검색 임계값의 격차는 관측된 범죄 행동이나 정지 특성의 차이로 설명되지 않으며, 이는 체계적 편향을 시사한다.
• 임계값 검정은 검색 결과의 인종적 격차가 범죄율의 차이 때문이 아니라 검색 기준의 불균형 적용 때문임을 드러낸다.
• 모델의 추정치는 지리적 및 경찰서 수준의 변동성을 고려한 후에도 블랙 및 히스패닉 운전자에 대한 검색의 실제 기준이 백인 및 아시아계 운전자보다 항상 낮게 유지됨을 보여준다.
• 다양한 모델 사양과 탄력성 검증을 통해 결과가 일관되며, 이는 임계값 검정이 인종적 편향을 탐지하는 데 신뢰할 수 있음을 강화한다.