使用特定群体的名单进行概率种族和民族预测

对种族和民族差异进行统计上有效的估计通常需要仅根据个人的姓名和地理位置来推断其属于特定种族或民族群体的概率。标准方法贝叶斯改进姓氏地理编码 (BISG) 依赖于每个名字的群体人口频率。尽管美国人口普查局提供了常见姓名和有限种族类别的此类信息，但许多种族和族裔群体并不存在可比较的数据，并且在美国以外的地区很少获得。我们提出了列表驱动的 BISG ($\ell$BISG) 方法，该方法可用于从特定群体的姓名列表中导出校准的群体概率。这些列表可以根据专业知识进行编译，也可以使用大语言模型 (LLM) 综合生成，因此可能会受到未知偏差的影响。将名称表示为嵌入，我们将列表成员资格视为代理预测任务，并应用基于近端推理的校正来恢复目标组概率。我们在包含自我报告种族的美国选民档案、1900 年美国人口普查全数以及黎巴嫩选民登记册上验证了该方法。我们发现，LLM生成的姓名列表可以产生准确且经过良好校准的概率以及精确的差异估计，与使用需要姓名竞赛数据的方法获得的结果相当。因此，$\ell$BISG 极大地拓宽了概率种族和民族预测的适用性，使其适用于姓名种族数据不可用的环境。