Ny statistisk metode forbinder enorme optegnelser, viser negativ effekt af Texas vælger-id-lov

Da statens vælgeridentifikation (ID) love over hele landet bliver anfægtet på baggrund af spørgsmål om integriteten af ​​afstemningsprocessen, forskere har udviklet en ny statistisk metode, der ikke kun matcher flere registreringer med præcision, men kan også identificere omfanget af forskelsbehandling, når det anvendes på lovgivning om vælger-id. For nylig vist i American Statistical Association's journal Statistics and Public Policy, forskningen med titlen "ADGN:An Algorithm for Record Linkage Using Address, Fødselsdato, Køn og navn" blev anvendt på en lov om vælger-id i Texas fra 2011 (S.B. 14), som det amerikanske justitsministerium undersøgte som muligvis diskriminerende.

"Vores beviser tyder på, at et mindre antal mennesker mangler ID, end nyere undersøgelsesbeviser tyder på, og det antyder også en diskriminerende virkning af loven, i overensstemmelse med bekymringer hos dem, der mener, at disse love uforholdsmæssigt påvirker minoriteter, " bemærkede Eitan Hersh, lektor i statskundskab ved Tufts University og medforfatter til papiret. "Specielt, vi fandt ud af, at hvide registrerede vælgere er betydeligt mere tilbøjelige til at have et vælger-id end afroamerikanske eller latinamerikanske vælgere."

Hersh og medforsker Stephen Ansolabehere, professor i regering ved Harvard University, designet en måde at forbinde individuelle poster på tværs af databaser. Sådan linkning er udfordrende, fordi databaser har tendens til at have fejl og manglende værdier og ofte mangler unikke identifikatorer såsom cpr-numre. Deres indsats ved at bruge kombinationer af adresse (A), fødselsdato (D), køn (G), og navn (N) matcher optegnelser omtrent lige så præcist, som hvis de havde en persons personnummer.

"Vælgeridentifikationslove er blevet en kilde til debat og kontrovers, og vi mener, at dette er det stærkeste bevis til dato om omfanget og den diskriminerende virkning af love på beskyttede minoriteter kontra hvide vælgere, " fortsatte Hersh.

Typisk, vælgeridentifikationslovene studeres ved at udføre og analysere data fra undersøgelser, selvom det stadig er svært at undersøge folk for at finde ud af, om de har gyldige id'er - og om et ugyldigt id forhindrede dem i at stemme - I tilfældet med Texas vælgeridentifikationslov, resultaterne var resultatet af at matche 13 millioner registrerede vælgere med alle former for identifikation, som kunne bruges af vælgere, der viser et ID.

Anvendelse af ADGN-modellen er ikke begrænset til vælgerregistrering og identifikationssager. Faktisk, Hersh og Ansolabehere mener, at evnen til at forbinde poster med en høj grad af nøjagtighed er informativ for forskning, generelt, såvel som til applikationer inden for en række områder såsom folkesundhed, kriminologi, markedsføring og offentlige folketællinger.