美国保险监管正逐步引入基于代理变量的公平性测试框架。科罗拉多州SB21-169法案要求保险公司对定价模型进行定量公平性测试，纽约州保险通函第7号也鼓励保险公司开展此类评估。在缺乏直接种族信息的情况下，监管机构允许使用BIFSG（贝叶斯改进姓名地理编码）等代理方法推断投保人种族，并作为回归变量纳入歧视分析。
本文利用北卡罗来纳州选民与车险保费匹配数据（185万余条记录）进行实证研究。结果显示，代理变量并非中性的替代指标。当BIFSG推断种族作为类别变量代入回归时，估计系数成为真实群体效应的加权混合，系统性地将估计差距向多数群体收缩——即使整体分类准确率较高。例如，在无控制变量时，基于自报种族的黑人保费差异系数为2.655，而代理变量下为3.421，出现放大；西班牙裔则从3.546降至3.323，出现收缩。
进一步分析表明，代理误分类与ZIP级种族构成和社会经济特征显著相关：在种族更同质化的区域，误分类程度更高；且误分类残差与保费残差仍显著相关（白人群体p<0.01，黑人群体p<0.05），意味着代理误差不仅源于内在混合，还因结构性偏差产生额外影响。
启示：基于代理变量的回归审计可能掩盖真实的歧视差异或产生虚假信号，不应作为确定性判别工具。保险公司在设计公平性测试时，应考虑可信第三方数据中介或部分识别框架等替代路径，避免对代理变量的非结构化依赖。监管框架也应明确代理测试的诊断性定位，而非直接作为执法依据。
发布者：保险日报，转转请注明出处：https://www.insurdaily.com/archives/6775.html
微信扫一扫 
