Understanding and Mitigating the Impacts of Differentially Private Census Data on State Level Redistricting

この論文「Understanding and Mitigating the Impacts of Differentially Private Census Data on State Level Redistricting（州レベルの再選挙区画定における差分プライバシー付き国勢調査データの影響の理解と軽減）」は、2020 年国勢調査で導入された新しい「開示回避システム（DAS）」が、州レベルの選挙区画定（リダストリクト）に与える影響を定量的に分析し、その潜在的な問題を解決する手法を提案した研究です。

以下に、問題定義、手法、主要な貢献、結果、そして意義について詳細な技術的サマリーを記述します。

1. 問題定義 (Problem)

• 背景: 米国国勢局は、2020 年国勢調査データから個人を特定されるリスクを回避するため、従来の「スワッピング（データ交換）」方式から、数学的に厳密なプライバシー保護を保証する「差分プライバシー（Differential Privacy, DP）」に基づく新しい DAS を導入しました。
• 懸念: アラバマ州など一部の州や法律家は、DP によって導入されたノイズ（誤差）が、選挙区画定の法的要件と衝突すると懸念しています。具体的には以下の 2 点が問題視されています。
  1. 一人一票の原則（One Person, One Vote, OPOV）: 選挙区の人口偏差不等（Population Deviation）が、機密データ（CEF: Census Edited File）と公開データ（Redistricting Data）の間で大きく乖離し、合憲性の閾値（州議会で 10% 未満、つまり本研究では理想値からの最大偏差 5% 未満）を超えてしまう可能性。
  2. 投票権法（Voting Rights Act）: 少数派（特に黒人）が過半数を占める選挙区（MMD: Majority-Minority Districts）の数が、公開データと機密データで異なり、人種的ギルマンダー（ Gerrymandering）の訴訟（Gingles 1 要件）において、証明すべき「より多くの MMD を描ける」計画が、実際には描けない、あるいは逆に描けていないと誤解されるリスク。
• 核心: 公開データ（DP 処理済み）を用いて描かれた選挙区が、機密データ（真実の人口）を用いて評価された際に、法的閾値を逸脱する「不一致（Discrepancy）」がどの程度発生するか、またそれをどう軽減できるかが問われています。

2. 手法 (Methodology)

本研究は、アンサンブル分析（Ensemble Analysis） を用いて、数百万のアルゴリズム生成された選挙区画定計画をシミュレーションし、データソース間の差異を統計的に評価しました。

• データソース:
  • SWAP: 2010 年国勢調査の公式再選挙区画定データ（従来のスワッピング方式適用済み）。
  • DEMO: 2010 年国勢調査の「実証データ（Demonstration Data）」。2020 年の DP 方式（DAS）を 2010 年の機密データ（CEF）に適用して作成されたもの。
  • 注: 2020 年の実際の機密データ（CEF）は非公開のため、2010 年の CEF を SWAP と DEMO の比較対象として使用しました（SWAP は CEF と総人口が一致するため、OPOV 分析には完全な代理として機能します）。
• アルゴリズム:
  • ReCom アルゴリズム: マルコフ連鎖モンテカルロ（MCMC）法を用いた「マージ・スプリット」手法。GerryChain ソフトウェアパッケージを使用。
  • 短バースト最適化（Short-Burst Optimization）: 少数派過半数選挙区（MMD）の数を最大化するように設計された最適化手法。
• 実験設定:
  • 93 の州立法機関（上下両院）の地理領域を対象に、10 万個の選挙区画定計画を生成。
  • 人口偏差（Population Deviation）の閾値（例：5%）を設け、DEMO データで条件を満たす計画が、SWAP データでどの程度閾値を逸脱するかを測定。
  • MMD 分析では、52 の地理領域を対象に、DEMO で描かれた計画の MMD 数が SWAP でどう変化するかを分析。

3. 主要な貢献と結果 (Key Contributions & Results)

A. 人口バランス（OPOV）への影響と軽減策

• 発見: 公開データ（DEMO）で 5% 以下の偏差を満たす計画の多くが、機密データ（SWAP）では 5% を超える不一致が発生します。例えば、偏差 5% で生成した計画の約 40% 以上が、多くの州で SWAP 上で 5% を超えました。
• 軽減策（オフセットの導入）:
  • 公開データでの描画時に、目標とする偏差閾値よりも厳しく（オフセットを設けて） 制限を設けることで、不一致を解消できることを発見しました。
  • 具体例: 目標を 5% に設定するのではなく、4.5%（オフセット 0.5%） や 4.0% に設定して計画を生成すると、SWAP 上での不一致率が大幅に低下し、多くの州で 0% になりました。
• モデル: この現象は、公開データ上の偏差（制御可能）と DP ノイズ（ランダム誤差）の和としてモデル化でき、オフセットを適用することでノイズの影響を閾値から遠ざけることができることを示しました。

B. 少数派過半数選挙区（MMD）への影響

• 発見: 以前の研究（Kenny et al.）とは異なり、DEMO データで描かれた計画は、SWAP データで評価するとMMD の数が減少する傾向（DEMO > SWAP）が観察されました。
  • 通常のサンプリングでは 9% の計画で不一致が発生。
  • MMD 数を最大化する最適化（Short-Burst）を行った場合、不一致率は 66% まで跳ね上がりました。
• 原因の解明:
  • 不一致は、選挙区の黒人有権者人口（BVAP）が 50% の閾値の直近にある場合に発生しやすいです。
  • データ分析により、DP ノイズが BVAP 閾値付近で負のバイアス（黒人比率を低下させる方向）に働く傾向があること、および MMD 最大化アルゴリズムが「ぎりぎりの 50% 超」の選挙区を多く生成するため、ノイズの影響を受けやすくなっていることを示しました。
• モデル: BVAP マージン（黒人有権者数 - 総有権者の半分）にガウスノイズを加えた確率モデルにより、観測された不一致の傾向を説明できることを示しました。

C. 法的・政策的含意

• アラバマ州の主張への反論: アラバマ州は「DP により公平な線引きができなくなる（inhibit）」と主張しましたが、本研究では**「州レベルの立法選挙区においては、適切なオフセットや既存のプラクティス（MMD には十分なマージンを確保する等）を用いれば、法的要件を満たすことは可能である」**と結論づけました。
• 閾値の増幅効果: 法的な閾値（Threshold）が、連続的なノイズを離散的なカテゴリー変化（合憲/違憲、MMD あり/なし）に変換し、その影響を過大評価させることを示しました。

4. 意義 (Significance)

• 実用的な解決策の提示: 差分プライバシーの導入が再選挙区画定を不可能にするという悲観的な見方に対し、単純な「オフセット（目標値の引き下げ）」という実用的な対策が有効であることを実証しました。
• モデルの一般化: 観測された不一致を説明する確率モデルを提供し、他の地理領域や制約条件においても、DP ノイズの影響を定量的に評価・予測する枠組みを構築しました。
• 法廷での証拠としての有用性: 選挙区画定訴訟において、アルゴリズム生成されたアンサンブルデータが、DP 導入後のデータ品質を評価し、訴訟の立証（Gingles 1 要件など）に依然として有効であることを示唆しました。
• 限界と将来の課題: 本研究は州レベルの立法選挙区に焦点を当てており、連邦議会選挙区（より厳格な人口均等要件）や、より小さな地理単位（ブロックレベル）での影響はさらに大きい可能性があります。また、実際の政治プロセス（人間による描画）との差異や、Noisy Measurement Files (NMF) の活用可能性については今後の課題としています。

結論

この論文は、2020 年国勢調査の差分プライバシー導入が選挙区画定に重大な支障をきたすという懸念に対し、**「不一致は発生するが、そのメカニズムは理解可能であり、オフセット等の手法で軽減可能である」**と結論づけています。これにより、州レベルの立法選挙区においては、公開された DP 処理済みデータを用いて、機密データに基づく法的要件（人口バランスや少数派代表権）を満たすことが可能であるという知見を提供しました。