反事实公平并非人口均衡，以及其他观察
内容提要
本文综述因果公平研究，探讨反事实公平、鲁棒预测与群体公平的等价关系，主张用简单群体指标检验反事实公平。文章梳理可辨识性与潜在结果框架，按因果推理难度对公平概念排序，提出兼顾预测分布与专家知识的扩展人口平等度量，揭示去偏见模型的不公平行为，指出因果公平定义的帕累托局限，并讨论医疗、法律等场景的公平建模。
延伸解读
反事实公平与群体公平的等价性
文章指出，反事实公平、鲁棒预测和群体公平之间存在等价关系，这意味着可以通过测量相对简单的群体公平指标来检验反事实公平。这一发现降低了反事实公平在实际应用中的计算复杂度，为公平性评估提供了更易操作的途径。
因果公平概念的排序与选择指南
文章根据Pearl的因果推理难度对公平性概念进行了排名，并提供了选择适合特定场景的公平性概念的指南。这有助于研究者和实践者根据自身数据的因果可辨识性，选择合适的公平性定义，避免盲目应用。
扩展人口平等度量与专家知识
通过将预测相关的分布属性纳入考虑，文章扩展了人口平等的概念，允许专家知识在公平解决方案中应用。这一新度量通过工资案例说明，并开发了参数方法，为现实应用提供了兼顾预测分布与专家知识的强大解决方案。
因果公平定义的帕累托局限
文章发现，无论是基于对抗偏见的决策影响还是基于法律保护分类的影响，因果公平性的定义几乎总是以极端帕累托支配的决策方案结束。这突显了因果公平性普遍数学概念的形式限制和潜在的不良后果，提醒研究者和实践者注意其局限性。
Q&A
反事实公平和群体公平之间有什么关系？
文章指出，反事实公平、鲁棒预测和群体公平之间存在等价关系，可以通过测量相对简单的群体公平指标来测试反事实公平。
如何根据因果推理难度对公平性概念进行排名？
文章根据Pearl的因果推理难度对公平性概念进行了排名，并提供了指南帮助选择适合特定实际场景的公平性概念。
人口平等概念如何扩展以纳入专家知识？
通过将与预测相关的分布属性纳入考虑，扩展了人口平等的概念，允许专家知识在公平解决方案中得到应用，并通过工资案例说明了新度量的使用。
因果公平定义存在哪些局限性？
文章发现，无论是基于对抗偏见的决策影响还是基于法律保护分类的影响，因果公平定义几乎总是以极端帕累托支配的决策方案结束，突显了其形式限制和潜在的不良后果。
在医疗保健中如何应用公平性标准？
文章探讨了使用电子医疗记录中的观察性数据中隐含的偏见，进一步发展了组公平性标准，以在个体层面上扩展增益计数事实公正标准，并应用于病人长住和死亡的公平模型开发。
人们通常倾向于哪种公平性定义？
通过自适应实验发现，人们普遍倾向于使用最简单的数学公式——人口平等来衡量公平性。
